多模態(tài)醫(yī)學(xué)圖像融合技術(shù)研究.pdf

1、現(xiàn)如今，人們生活水平不斷提高，自我保健意識(shí)逐漸增強(qiáng)，對自身健康也有了更多的需求。隨著醫(yī)療事業(yè)如日中天的發(fā)展，醫(yī)療影像設(shè)備不斷的更新?lián)Q代，出現(xiàn)了適用于不同設(shè)備的二維醫(yī)學(xué)圖像。如，CT圖像能清晰的顯示人身體內(nèi)各種臟器的解剖結(jié)構(gòu)，PET圖像能清晰顯示人身體內(nèi)功能結(jié)構(gòu)。充分利用醫(yī)學(xué)圖像融合技術(shù)，將“功能顯像”與“解剖顯像”結(jié)合起來，實(shí)現(xiàn)優(yōu)勢互補(bǔ)。傳統(tǒng)的醫(yī)學(xué)圖像融合技術(shù)雖然取得了很大的成功，但還是存在許多問題：融合規(guī)則沒有統(tǒng)一性，針對不同融合對象

2、的算法有差異等等。
　　本文針對醫(yī)學(xué)圖像中腦部的CT和MRI、MRI和SPECT、MRI和PET三組圖像經(jīng)過多種算法和本文算法進(jìn)行融合比較。為了建立圖像融合的框架，本文分析了醫(yī)學(xué)圖像的成像原理和特點(diǎn)，概括性的總結(jié)了圖像融合的步驟。同時(shí)，針對融合圖像層次不同的特點(diǎn)將評價(jià)標(biāo)準(zhǔn)分成兩大類。最后，本文重點(diǎn)分析了基于小波變換的醫(yī)學(xué)圖像融合算法和基于Curvelet變換的醫(yī)學(xué)圖像融合算法，針對基于小波變換融合后的圖像無冗余信息量，但分解過程具

3、有方向局限性，以及基于Curvelet變換的圖像融合算法具有多方向性的特點(diǎn)，在小波變換的基礎(chǔ)上將低頻子帶采用加權(quán)平均的算法，高頻子帶采用基于Curvelet變換的區(qū)域能量取最大的算法。實(shí)驗(yàn)選取10組連續(xù)的腦部MRI和SPECT圖像以及10組連續(xù)的MRI和PET圖像進(jìn)行融合，實(shí)驗(yàn)結(jié)果通過客觀評價(jià)標(biāo)準(zhǔn)得出一組平均值。再將本文算法的融合結(jié)果與其他算法通過7種客觀評價(jià)標(biāo)準(zhǔn)進(jìn)行分析比較。通過分析結(jié)果，本文的算法達(dá)到了預(yù)期效果，經(jīng)本文算法融合后的圖