基于协同控制的CT/MRI图像融合方法及应用

The project takes the CT and MRI image fusion as the main research object and studies the method of daptive multi modality medical image fusion and its application based on synergic control strategy. First, The fusion image quality evaluation indexes WRSSIM (WRSSIM ,weighted regional structural similarity ) and its algorithms with human visual characteristics is constructd necessarily. Second, The image registration method for multi modality medical image based on the cascaded control will be put forward. The method considers comprehensively the influence of multi-scale decomposition filter structure, decomposition level and other factors to the registration accuracy, and introduces adaptive cascade control during the registration process. The method achieves coarse adjustment in the side ring to weaken the interference influence to the registration accuracy and realize the fine adjustment through the main loop. Third, The adaptive image fusion method for multi modality medical image based on the synergic control strategy will be given and the closed control of the fusion image quality is realized. The method adjusts collaboratively multi-scale decomposition filter structure, decomposition level and high, low-frequency coefficients fusion rule based on the fusion image quality evaluation index with human visual characteristics. At last, the research results of this project will be applied to tumor diagnosis, determining the target area and radiation therapy etc.

本项目以CT/MRI图像融合为研究对象，开展基于协同控制思想的图像融合方法及应用研究，力图达到以下目标：（1）根据人类视觉系统对图像的感知具有很强的结构性，提出基于人类视觉系统的融合图像质量评价指标--加权区域结构相似度WRSSIM及相应的算法；(2) 提出基于串级控制思想的CT/MRI图像配准模型和算法。以最大互信息为副调参数、控制点数为主调参数的基于串级控制的CT/MRI图像配准模型，通过副环实现粗调节，以削弱主要干扰对配准精度的影响；通过主环实现精细调节，达到图像精确配准。(3) 提出基于协同控制思想的CT/MRI图像融合方法。该方法以加权区域结构相似度WRSSIM为指针，在知识库的导引下，对影响融合图像质量的诸因素进行协同调节，获取最优的多尺度滤波器组、分解层数与各层方向数及合适的融合规则，实现图像融合质量的闭环控制。(4) 将本课题的研究成果实际应用到课题合作单位的临床诊断中。

随着医学成像设备的快速发展和普及，医学影像技术己成为临床医学中检查和诊断疾病必不可少的手段，然而单一模态的医学图像所提供信息存在一定局限性，为此，学者们提出了医学图像融合。医学图像融合是将不同模态医学图像之间各自优势进行相互融合，弥补单一模态的医学图像的局限性，从而在单幅医学图像中更加直观地提供人体解剖结构、生理状况及病理特性等信息。多模态医学图像融合的发展是依赖于多源图像融合以及医学影像学发展基础之上的，是极具特色的一个多源图像融合分支，是医学影像处理技术领域的一个前沿课题。自第一张人体CT的问世，医学影像在临床医学实践中的大量运用，为多模态医学图像融合在医学图像领域中的发展奠定了重要的基础，同时也让其成为了医学图像领域中不可缺少的一项技术。. 本项目以CT 和MRI 图像融合为主要研究对象，开展基于协同控制的自适应多模态医学图像融合方法及应用研究。在研究图像结构信息、方向特性、亮度统计特性、色彩感知特性及方向和尺度上的相关性，提出了基于人类视觉感知和色彩感知的无参考图像质量评价方法，在不需要源图像任何信息的情况下，可以对图像的质量进行准确的客观评价；在此基础上，提出了以体现人类视觉感知和色彩感知的融合图像质量为指针，基于协同控制思想的自适应CT/MRI图像融合方法，采用反馈的机制，自适应地协同调节NSCT、剪切波等多尺度变换的滤波器结构、分解层数和高、低频系数融合规则等因子，实现图像融合质量的高精度自适应控制。主要创新点有：第一，构建体现人类视觉特点的融合图像综合质量客观性评价指标；第二，突破以往只限于研究高、低频系数融合规则的局限，将调节目标转变为体现人类视觉特点的融合图像质量评价指标，从而将调节手段从单一的高、低频融合规则转变为协同调节多尺度分解滤波器结构、分解层数和高、低频系数融合规则，提出基于协同控制的自适应多模态医学图像融合方法，实现融合图像质量的闭环控制。第三，将本项目的研究成果应用到肿瘤诊断、靶区确定和放射治疗等方面。