基于空间信息描述和互信息的快速形变配准算法研究及其临床应用

Image registration is important in medical image computing and computer assisted diagnosis and therapy. Mutual information (MI) is one of the most widely used techniques in the image registration field. However, traditional MI does not encode the spatial information in the computation of the information theoretic measures. This reduces the applicability and robustness of the MI-based nonrigid registration. The goals of this grant are to extend the previous research in spatial information encoding, to investigate the characteristics and superior performance of the registration using spatial information encoded mutual information (SIEMI), and to develop a fast algorithm using analytical expression of derivatives and the local ascent optimization scheme. Also, the parallel computation will be adopted to realize a semi-real time registration software. Finally, three novel clinical applications will be explored using the developed algorithm. The SIEMI registration is expected to be further improved, as well as validated, in the prototyping of these applications. The outcomes of this research are expected to advance the research progress on the information theoretic measures and the medical image registration, improve the general performance and extend the applicability of the nonrigid registration technology, and thus inspire more novel clinical applications and medical research using the medical imaging and image computing technology.

图像配准是医学图像计算的核心技术之一。基于互信息的方法是目前应用最广、最成功的配准技术。然而传统的图像互信息理论在计算信息理论测度时难于直接引入图像的空间信息。这大大影响了基于互信息的形变配准算法的精确性和鲁棒性，甚至可能导致配准失败，如对动态增强造影图像的配准应用。本项目拟以信息论为基础，研究描述空间信息的互信息（SIEMI）理论及相关配准技术的特点和优势；利用解析表达式实现描述空间信息的信息理论测度关于形变参数偏导数的快速计算；以局部梯度上升算法和并行计算相结合的方法优化配准过程，实现准实时形变配准技术；同时探索该配准算法的新型临床应用及其关键技术，利用临床数据验证和改进算法。该研究成果将进一步发展医学图像信息理论及图像配准理论，扩大形变配准技术在影像医学领域和计算机辅助诊疗系统中的应用范围，为研发新型临床应用提供技术支持。

图像配准是医学图像计算的核心技术之一，同时基于图谱配准的复杂器官图像自动分割是近几年的一个研究热点。本项目通过研究熵理论以及结合医学图像分析算法，研究描述空间信息的互信息算法，图像条件熵，熵图像以及结合这些技术的基于图谱配准的多图谱分割算法及其临床应用。本课题的主要研究内容及其取得的进展成果包括：(I) 完善空间信息描述理论，建立描述空间信息的互信息形变配准理论框架和解决方案；推导并验证描述空间信息的互信息向量代价函数的正确性，推导出代价函数关于空间变换参数的偏导数的估计形式。(II) 结合空间信息的配准算法也同时被扩展应用在基于图谱配准的分割过程中--使用该高性能配准算法实现心脏图谱图像和目标图像的配准及其自动分割。(III) 根据信息理论，提出目标图像关于分割结果标记的条件熵测度，作为图谱选择和性能排序的标准，并结合配准算法，实现基于配准的多图谱分割以及图谱选择算法。该研究发现基于该理论能大大改进全心脏CT图像的分割性能。(IV) 研究多模态全心脏图像分割与建模，提出利用熵图像（entropy image）计算不同模态图像间局部相似性的测度。同时提出多尺度图像空间用于多图谱分割结果的标记融合。该项目期间在项目经费部分支持下发表9篇学术文章，相关研究的成果也以软件的形式放在网上公开给同行使用，促进学术同行交流和共同发展，取得丰硕成果。