基于关注区域分割和SURF算子的医学图像配准

摘要

医学图像配准在术前模拟、术中导航、病理检测和疗效跟踪方面应用广泛.然而,受拍摄环境和拍摄区域的限制,直接获取的待配准医学图像不仅包含患病部位的身体组织密度信息,还包含了诸如CT扫描仪的部件、患者的衣服、一些特殊的传感器等无关干扰信息,这些非关注区域对医学图像配准造成了一定的干扰.针对上述问题,文中提出了一种基于关注区域分割的医学图像配准算法.首先对待配准的医学图像进行关注区域分割,去除无关干扰信息,突出显示病患诊断必须的、医生重点关注病患部位;然后基于特征匹配的思想,利用SURF(speeded up robust features)检测特征描述子,采用双重匹配策略实现特征点的配对,最后基于RANSAC(random sample consensus)算法去除误匹点,实现医学图像自动准确的配准.实验结果表明,提出的关注区域预分割思路能够有效提升特征检测与定位的准确性,医学图像特征点的匹配正确率在90％以上.