声明
摘要
第一章 绪论
1.1 引言
1.1.1 什么是图像配准
1.1.2 图像配准的应用
1.2 医学图像配准的研究背景与意义
1.2.1 医学图像的模态
1.2.2 研究背景与意义
1.3 医学图像配准的国内外研究现状
1.3.1 医学图像配准算法的组成
1.3.2 医学图像配准方法的分类
1.3.3 基于灰度的医学图像配准方法
1.3.4 医学图像配准结果的评估
1.4 本文的创新点及贡献
1.5 本文的结构与内容安排
第二章 信息论在医学图像配准中的应用
2.1 信息论基础
2.1.1 香农熵
2.1.2 联合熵和条件熵
2.1.3 互信息
2.2 互信息在医学图像配准中的应用
2.2.1 图像互信息
2.2.2 概率密度估计
2.2.3 基于互信息的医学图像配准
2.3 几种其他的信息论相似性度量
2.4 本章小结
第三章 基于Jensen-Arimoto散度的医学图像配准
3.1 引言
3.2 Arimoto熵
3.3 Jensen-Arimoto散度
3.4 与现有信息论测度的联系
3.5 基于Jensen-Arimoto散度的医学图像配准算法
3.5.1 配准框架
3.5.2 变换模型
3.5.3 目标函数
3.5.4 优化方案
3.6 算法比较和实验结果分析
3.6.1 测试数据
3.6.2 非延展性的说明
3.6.3 仿真数据配准实验
3.6.4 临床数据配准实验
3.6.5 实验结果分析
3.7 本章小结
第四章 基于连续图像表示的直方图估计方法及其应用
4.1 引言
4.2 基于连续图像表示的直方图估计
4.2.1 部分体积估计
4.2.2 二维图像的联合直方图
4.2.3 三维图像的联合直方图
4.3 随机抽样理论
4.3.1 低差异序列
4.3.2 计算成本
4.4 快速连续的直方图估计
4.4.1 二维图像的FCHE
4.4.2 三维图像的FCHE
4.5 基于快速连续直方图估计的医学图像配准
4.5.1 空间变换模型
4.5.2 目标函数
4.5.3 优化方案
4.6 算法比较与实验结果
4.6.1 二维图像配准实验
4.6.2 三维图像配准实验
4.7 本章小结
第五章 基于像素邻域信息的医学图像配准
5.1 引言
5.2 梯度分布距离
5.3 基于梯度分布距离的医学图像配准技术
5.3.1 非刚体图像配准框架
5.3.2 选择形变模型
5.3.3 构建目标函数
5.3.4 设计优化方案
5.3.5 实验结果及分析
5.4 基于结构图像表示的多模态医学图像配准
5.4.1 结构图像表示
5.4.2 微分同胚的Demons配准算法
5.4.3 实验结果与分析
5.5 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
致谢
参考文献
附录
个人简历
攻读博士学位期间发表的学术论文