基于自适应薄板样条全变分的肺CT/PET图像配准

doi:10.3778/j.issn.1002-8331.1711-0288

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (3): 202-208.DOI: 10.3778/j.issn.1002-8331.1711-0288

基于自适应薄板样条全变分的肺CT/PET图像配准

杜雪莹1，2，龚伦1，2，刘兆邦1，章程1，刘含秋3，丁敏4，郑健1

1.中国科学院苏州生物医学工程技术研究所医学影像室，江苏苏州 215163
2.中国科学院大学材料科学与光电技术学院，北京 101400
3.复旦大学附属华山医院，上海 200040
4.南京理工大学理学院，南京 210000

出版日期:2019-02-01 发布日期:2019-01-24

CT/PET Lung Registration Using Adaptive Thin Plate Spline-Based Total Variation Regularization

DU Xueying1，2, GONG Lun1，2, LIU Zhaobang1, ZHANG Cheng1, LIU Hanqiu3, DING Min4, ZHENG Jian1

1.Department of Medical Imaging, Suzhou Institute of Biomedical Engineering Technology, Chinese Academy of Sciences, Suzhou, Jiangsu 215163, China
2.College of Materials Science and Opto-Electronic Technology, University of Chinese Academy of Sciences, Beijing 101400, China
3.Huashan Hospital, Fudan University, Shanghai 200040, China
4.School of Science, Nanjing University of Science and Technology, Nanjing 210000, China

Online:2019-02-01 Published:2019-01-24

摘要/Abstract

摘要： 全变分正则项虽然能够在具有滑移运动的肺等胸腹部器官图像配准时校正边界不连续位移场，但仍然无法保留图像的局部特征，损失配准精度。针对肺图像CT单模配准和CT/PET双模配准，通过像素点空间位置权重将薄板样条能量算子与全变分算子进行空间加权建立自适应薄板样条全变分正则项。然后，将正则项与CRMI相似性测度以及L-BFGS优化方法结合建立非刚性配准算法。通过DIR-Lab 4D-CT公共数据集和CT/PET临床数据集上的实验结果表明，提出的方法能够在保证边界不连续运动的同时保证图像内部的平滑性，具有更高的配准精度。

关键词: 自适应薄板样条全变分, 滑移运动, 非刚性配准, 肺

Abstract: The discontinuities displacement field at the boundaries is preserved through Total Variation（TV） regularization when registering organ images with sliding motion. But TV assumes a global regularization which will lead poor correspondences at local areas of images. This paper creates adaptive Thin Plate Spline-based Total Variation（TPS-TV） regularization combining Thin Plate Spline（TPS） and TV operator according to the distance of pixels to boundaries. Then this paper chooses Correlation Ratio-based Mutual Information（CRMI） similarity measure function and Limited-memory Broyden Fletcher Goldfarb Shanno（L-BFGS） optimization to establish a non-rigid registration frame. Compared with TV and TPS regularization on the public DIR-Lab dataset and clinical CT/PET dataset, the proposed method has been demonstrated a more dependable displacement field and higher registration accuracy.

Key words: adaptive Thin Plate Spline-based Total Variation（TPS-TV）, sliding motion, non-rigid registration, lung

杜雪莹1，2，龚伦1，2，刘兆邦1，章程1，刘含秋3，丁敏4，郑健1. 基于自适应薄板样条全变分的肺CT/PET图像配准[J]. 计算机工程与应用, 2019, 55(3): 202-208.

DU Xueying1，2, GONG Lun1，2, LIU Zhaobang1, ZHANG Cheng1, LIU Hanqiu3, DING Min4, ZHENG Jian1. CT/PET Lung Registration Using Adaptive Thin Plate Spline-Based Total Variation Regularization[J]. Computer Engineering and Applications, 2019, 55(3): 202-208.

[1]	徐麒皓，李波. 基于NRU网络的肺结节检测方法[J]. 计算机工程与应用, 2021, 57(4): 83-90.
[2]	宋瑶，刘俊. 改进U-Net的新冠肺炎图像分割方法[J]. 计算机工程与应用, 2021, 57(19): 243-251.
[3]	徐麒皓，李波. 改进双向LSTM的肺结节分割方法[J]. 计算机工程与应用, 2021, 57(15): 237-244.
[4]	王六一，宋文爱，林鑫山，岳宁，杨吉江，王青，雷毅. 支气管扩张CT影像计算机辅助诊断研究综述[J]. 计算机工程与应用, 2021, 57(11): 11-20.
[5]	孙浩天，袁刚，杨杨，刘含秋，郑健，杨晓冬，张寅. 基于三维各向异性卷积的肺结节良恶性分类[J]. 计算机工程与应用, 2021, 57(10): 133-138.
[6]	汤宁，卫泽良，张瑞，易东，伍亚舟. 基于多尺度多模式图像的肺结节分类对比研究[J]. 计算机工程与应用, 2020, 56(3): 165-175.
[7]	唐思源，杨敏，刘燕茹. AI技术辅助诊断新型冠状病毒肺炎研究综述[J]. 计算机工程与应用, 2020, 56(18): 16-24.
[8]	钟思华，郭兴明，郑伊能. 改进U-Net网络的肺结节分割方法[J]. 计算机工程与应用, 2020, 56(17): 203-209.
[9]	杨帆1，谢红薇1，刘爱媛2. 基于卷积神经网络的肺结节分类算法[J]. 计算机工程与应用, 2019, 55(7): 145-150.
[10]	苏翀，任曈，王国品，殷杰. 利用决策树建立慢性阻塞性肺病中医诊断模型[J]. 计算机工程与应用, 2019, 55(3): 225-230.
[11]	吴保荣，强彦，王三虎，唐笑先，刘希靖. 融合多维度卷积神经网络的肺结节分类方法[J]. 计算机工程与应用, 2019, 55(24): 171-177.
[12]	张娅楠1，赵涓涓1，赵鑫1，张小龙2，王三虎3. 多模态融合下长时程肺部病灶良恶性预测方法[J]. 计算机工程与应用, 2019, 55(10): 146-153.
[13]	陈寿宏，柳馨雨，马峻，康怀强. 深度卷积神经网络胸片肺结节分类识别研究[J]. 计算机工程与应用, 2018, 54(24): 176-181.
[14]	王炳南1，李彬1，刘霜纯2，3，田联房1，王立非4. 计算机辅助肺功能定量分析系统的开发与设计[J]. 计算机工程与应用, 2018, 54(13): 224-230.
[15]	谭高，肖昌炎，文谦. 基于测地线投票的CT图像肺裂检测[J]. 计算机工程与应用, 2017, 53(24): 191-195.

基于自适应薄板样条全变分的肺CT/PET图像配准

CT/PET Lung Registration Using Adaptive Thin Plate Spline-Based Total Variation Regularization

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