基于互信息的颅脑MR影像序列的三维配准

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (31): 160-163.

• 图形、图像、模式识别 • 上一篇下一篇

基于互信息的颅脑MR影像序列的三维配准

王丽，孙丰荣，王奕琨，刘炜，姜威，秦通，李新彩

山东大学信息科学与工程学院，济南 250100

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-01 发布日期:2011-11-01

3D registration of MR image sequence of human brain based on normalized mutual information

WANG Li，SUN Fengrong，WANG Yikun，LIU Wei，JIANG Wei，QIN Tong，LI Xincai

Department of Information Science and Engineering，Shandong University，Jinan 250100，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要： 医学图像配准具有重要的临床应用价值，并一直是医学图像处理领域的热点研究问题。基于互信息的配准方法由于自动化程度高和配准精度高的优点而被广泛应用于三维医学图像配准;但是，也存在着数据量大、计算速度慢的问题。采用归一化互信息测度，并将一种新的正交优化技术应用于颅脑MR影像序列的三维配准，旨在缩短处理时间。将该方法与使用传统优化算法的配准方法作了比较，实验结果表明，提出的方法能够显著提高配准速度，且不降低配准精度。

关键词: 医学图像配准, 互信息, 归一化互信息, 阻尼正交表, 多分辨率策略

Abstract: Medical image registration has important clinical implications and has been a hotspot in medical image processing field.Image registration methods based on mutual information criteria have been widely used in three-dimensional medical image registration for its automation and high accuracy.However，the problems of large volume of data and long processing time appear at the same time.In this paper，normalized mutual information measure and a new orthogonal array optimization technique are applied to 3-D registration of MR image sequence of human brain to shorten the processing time.Compared with traditional optimization algorithm，the experimental results show that the proposed method can significantly improve the registration rate while remain the registration accuracy.

Key words: medical image registration, mutual information, normalized mutual information, damping orthogonal array, multi-
resolution strategy

王丽，孙丰荣，王奕琨，刘炜，姜威，秦通，李新彩. 基于互信息的颅脑MR影像序列的三维配准[J]. 计算机工程与应用, 2011, 47(31): 160-163.

WANG Li，SUN Fengrong，WANG Yikun，LIU Wei，JIANG Wei，QIN Tong，LI Xincai. 3D registration of MR image sequence of human brain based on normalized mutual information[J]. Computer Engineering and Applications, 2011, 47(31): 160-163.

[1]	李俊丽. Spark平台下类别数据互信息计算的并行化[J]. 计算机工程与应用, 2021, 57(7): 95-100.
[2]	李珑珠，林耀进，吕彦，卢舜，王晨曦. 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
[3]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[4]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[5]	陈建促，王越，朱小飞，李章宇，林志航. 融合多特征图的野生动物视频目标检测方法[J]. 计算机工程与应用, 2020, 56(7): 221-227.
[6]	谢心蕊，雷秀仁，赵岩. MI和改进PCA的降维算法在股价预测中的应用[J]. 计算机工程与应用, 2020, 56(21): 139-144.
[7]	曾安，王烈基，潘丹，黄殷. 基于FCN和互信息的医学图像配准技术研究[J]. 计算机工程与应用, 2020, 56(18): 202-208.
[8]	刘永芳，郝晓燕，刘荣. 中国英语新词语料库构建技术研究[J]. 计算机工程与应用, 2020, 56(16): 165-168.
[9]	张晓琴，刘莉楠. 基于亲密度和吸引力的二分网络社区发现算法[J]. 计算机工程与应用, 2019, 55(23): 170-176.
[10]	朱琼琼1，李平1，杨程1，2，胡检华1. 自适应AP选择无线室内定位算法[J]. 计算机工程与应用, 2018, 54(14): 120-126.
[11]	洪征，田益凡，张洪泽，吴礼发. 基于扩展前缀树的协议格式推断方法[J]. 计算机工程与应用, 2018, 54(12): 14-20.
[12]	杨靖，彭国华. 低帧率周期运动视频超分辨率重建方法[J]. 计算机工程与应用, 2017, 53(8): 174-179.
[13]	徐光美1，刘宏哲2，张敬尊1，王金华1. 用平滑方法改进多关系朴素贝叶斯分类[J]. 计算机工程与应用, 2017, 53(5): 69-72.
[14]	年梅1，范祖奎2，刘若兰1. 维吾尔语褒贬情感词典构建研究[J]. 计算机工程与应用, 2017, 53(4): 152-155.
[15]	董泽民1，石强2. 基于归一化模糊联合互信息最大的特征选择[J]. 计算机工程与应用, 2017, 53(22): 105-110.

基于互信息的颅脑MR影像序列的三维配准

3D registration of MR image sequence of human brain based on normalized mutual information

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics