声明
摘要
第1章 绪论
1.1 研究背景
1.2 医学图像配准的研究现状
1.3 研究目标和研究内容
1.4 论文结构和研究路线
第2章 基于熵图估计的医学图像配准
2.1 基于熵的相似性测度
2.1.1 基于Shannon熵的相似性测度
2.1.2 基于Rényi熵的相似性测度
2.2 非参数熵估计方法
2.2.1 基于Plug-in的熵估计方法
2.2.2 基于Nearest-Neighbor的熵估计方法
2.2.3 基于Sample-Spacings的熵估计方法
2.2.4 基于Entropic Spanning Graphs的熵估计方法
2.3 基于熵图估计的配准方法
2.3.1 基于熵图估计的配准方法的研究现状
2.3.2 基于熵图估计的配准方法的局限性
2.4 本章小结
第3章 基于互补尺度空间关键点的医学图像配准研究
3.1 基于互补尺度空间关键点的医学图像配准
3.1.1 尺度空间关键点的提取
3.1.2 构造匹配的关键点集
3.1.3 构造最小生成树
3.1.4 使用最小生成树估计Rényi熵
3.1.5 插值方法
3.1.6 优化方法
3.2 实验结果与分析
3.2.1 配准鲁棒性
3.2.2 配准时间
3.3 本章小结
第4章 融合多种特征点灰度信息的医学图像配准研究
4.1 融合多种特征点灰度信息的医学图像配准
4.1.1 特征点提取
4.1.2 构建融合多种特征点灰度信息的无向完全图顶点集合
4.2 实验结果与分析
4.2.1 配准鲁棒性和准确性
4.2.2 配准时间
4.2.3 配准函数
4.3 本章小结
第5章 基于梯度信息加权的医学图像配准研究
5.1 基于梯度信息加权的医学图像配准
5.1.1 构造最小生成树并估计联合Rényi熵
5.1.2 问题的提出
5.1.3 梯度信息加权
5.1.4 优化方法
5.2 实验结果与分析
5.2.1 配准函数
5.2.2 配准结果图
5.3 本章小结
第6章 融合梯度方向信息的多模医学图像配准研究
6.1 融合梯度方向信息的多模医学图像配准
6.1.1 构造对比反转和平移旋转不变的梯度方向特征
6.1.2 高维特征提取
6.1.3 构造最小生成树并估计Rényi熵
6.1.4 优化方法
6.2 实验结果与分析
6.2.1 主梯度方向的准确性
6.2.2 配准鲁棒性
6.2.3 配准准确性
6.2.4 配准时间
6.3 本章小结
第7章 融合SIFT高维特征的医学图像非刚性配准研究
7.1 融合SIFT高维特征的医学图像非刚性配准
7.1.1 提取SIFT高维特征
7.1.2 构造k-最邻近图并估计αMI
7.1.3 优化方法
7.2 实验结果与分析
7.2.1 分割后的肺部CT医学图像配准
7.2.2 脑部MRI医学图像配准
7.3 本章小结
第8章 结论
8.1 论文工作总结
8.2 未来工作展望
参考文献
致谢
攻读博士学位期间已发表和待发表的论文
攻读博士学位期间参加的科研项目
作者简介