×

基于双树复小波变换的三维MRI图像非刚性配准变换模型。 (英语) Zbl 1416.92106号

摘要:图像配准被认为是医疗程序的一个重要组成部分。本研究旨在介绍一种新的基于双树复小波变换(DT-CWT)的变换模型。为此,基于函数展开理论对参数配准方法进行了修正,并使用梯度下降算法引入了基于空间谱变换的变换模型的一般公式。然后,在三维真实磁共振图像(MRI)的公共数据集上评估了该方法的性能,并与基于小波的变换模型进行了比较。最后,将该方法的性能与当前最先进的方法(IRTK、SyN和SPM-DARTEL)进行了比较。实验结果表明,与以往的方法相比,该方法具有更好的配准性能。

MSC公司:

92 C55 生物医学成像和信号处理
65T60型 小波的数值方法
94A08型 信息和通信理论中的图像处理(压缩、重建等)

软件:

DT-CWT公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Alam,M.M.、Howlader,T.和Rahman,S.M.,使用曲线变换的基于熵的图像配准方法,《信号、图像和视频处理》8(3)(2014)491-505。https://doi.org/10.1007/s11760-012-0394-1
[2] Amit,Y.,图像匹配的非线性变分问题,SIAM科学计算杂志15(1)(1994)207-224。https://doi.org/10.1137/0915014 ·Zbl 0802.68158号
[3] Anantrasirichai,N.,Nicholson,L.,Morgan,J.E.,Erchova,I.,Mortlock,K.,North,R.V.,Albon,J.,Achim,A.,自适应加权双边滤波和其他光学相干层析成像、计算机医学成像和图形预处理技术38(6)(2014)526-539。https://doi.org/10.1016/j.compedimag.2014.06.012
[4] Ashburner,J.,《快速微分图像配准算法》,《神经影像》38(1)(2007)95-113。https://doi.org/10.1016/j.neuroimage.2007.07.007
[5] Avants,B.B.,Epstein,C.L.,Grossman,M.,Gee,J.C.,《具有互相关的对称差异图像配准:评估老年人和神经变性大脑的自动标记》,医学图像分析12(1)(2008)26-41。https://doi.org/10.1016/j.media.2007.06.004
[6] Brown,L.G.,《图像配准技术调查》,ACM Computing Surveys 24(4)(1992)325-376。https://doi.org/10.1145/146370.146374
[7] Cathier,P.,《稀疏小波系数的图像特征配准》,载于《国际医学图像计算与计算机辅助干预》,第9卷(柏林,海德堡,2006),第694-701页。
[8] Caviness,V.S.,Meyer,J.,Makris,N.和Kennedy,D.N.,《基于MRI的人类新皮质地形分区:一种具有可靠性评估的解剖学特定方法》,《认知神经科学杂志》8(6)(1996)566-587。https://doi.org/10.1162/jocn.1996.8.6.566
[9] Chen,H.和Kingsbury,N.,《非刚性三维物体的有效配准》,IEEE图像处理汇刊21(1)(2012)262-272。https://doi.org/10.1109/TIP.2011.2160958 ·Zbl 1372.94039号
[10] Das,S.、Chowdhury,M.和Kundu,M.K.,基于涟漪变换类型I的医学图像融合,《电磁学研究进展》30(2011)355-370。https://doi.org/10.2528/PIERB11040601
[11] Daubechies,I.,《小波变换、时频定位和信号分析》,IEEE信息理论汇刊36(5)(1990)961-1005。https://doi.org/10.1109/18.57199 ·Zbl 0738.94004号
[12] Dérian,P.、Héas,P.,Herzet,C.和Mémin,E.,《小波和光流运动估计》,《数值数学:理论、方法和应用》6(1)(2013)116-137。https://doi.org/10.4208/nmtma.2013.mssvm07 ·兹比尔1289.94005
[13] Gefen,S.、Tretiak,O.和Nissanov,J.,大鼠脑组织学图像的弹性三维对齐,IEEE医学成像学报22(11)(2003)1480-1489。https://doi.org/10.109/TMI.2003.819280
[14] Guariglia,E.,《熵与分形天线》,熵18(3)(2016)84-101。https://doi.org/10.3390/e18030084
[15] Guariglia,E.和Silvestrov,S.,D'(C)上正定分布和小波的分数小波分析,Springer Proc。《数学与统计》,第179卷(瑞士查姆,2016年),第337-353页。https://doi.org/10.1007/978-3-319-42105-6_16 ·Zbl 1365.65294号
[16] Holden,M.,《非刚体配准几何变换综述》,IEEE医学成像学报27(1)(2008)111-128。https://doi.org/10.109/TMI.2007.904691
[17] 金斯伯里,N.G.,《双树复小波变换:移位不变性和方向滤波器的新技术》,IEEE数字信号处理研讨会86(1998)120-131。
[18] Kingsbury,N.,用于信号移位不变分析和滤波的复小波,应用和计算谐波分析3(10)(2001)234-253。https://doi.org/10.1006/acha.2000.0343 ·Zbl 0990.94005号
[19] Klein,A.等人,《应用于人脑MRI配准的14种非线性变形算法的评估》,《神经影像》46(3)(2009)786-802。https://doi.org/10.1016/j.neuroimage.2008.12.037
[20] Kybic,J.和Unser,M.,快速参数弹性图像配准,IEEE图像处理学报12(11)(2003)1427-1442。https://doi.org/10.1109/TIP.2003.813139
[21] 李,D.,王,X.,王,H.,尹,Y.和达根,F.D.,图像引导自适应放射治疗系统规划CT和日常锥束CT的可变形配准,IFAC会议录第44(1)卷(2011)6201-6205。https://doi.org/10.182/20110828-6-IT-1002.02063
[22] Mallat,S.G.,《多分辨率信号分解理论:小波表示》,IEEE模式分析与机器智能学报11(7)(1989)674-693。https://doi.org/10.109/34.192463 ·兹比尔0709.94650
[23] Modersitzki,J.,《图像配准的数值方法》(牛津大学出版社,2003年)。https://doi.org/10.1093/acprof:oso/9780198528418.001.0001 ·Zbl 1131.92316号
[24] Murphy,J.M.、Le Moigne,J.、Harding,D.J.、Member,S.和Harding(D.J.),具有全球剪切波特征的多模遥感数据的自动图像配准,IEEE地球科学与遥感学报54(3)(2016)1685-1704。https://doi.org/10.109/TGRS.2015.2487457
[25] Noblet,V.、Heinrich,C.、Heitz,F.和Armspach,J.P.,《三维可变形图像配准:基于分层变形模型和区间分析优化的拓扑保持方案》,IEEE图像处理学报14(5)(2005)553-566。https://doi.org/10.109/TIP.2005.846026
[26] 曲,X.-B.,Yan,J.-W.,Xiao,H.-Z.和Zhu,Z.-Q.,非亚采样轮廓波变换域中基于空间频率运动脉冲耦合神经网络的图像融合算法,自动化学报34(12)(2008)1508-1514。https://doi.org/10.1016/S1874-1029(08)60174-3 ·Zbl 1199.68502号
[27] Rafiee,J.、Rafiee、M.A.、Prause,N.和Schoen,M.P.,生物医学信号处理中的小波基函数,应用专家系统38(5)(2011)6190-6201。https://doi.org/10.1016/j.eswa.2010.11.050
[28] Rueckert,D.等人,《使用自由形式变形的非刚性配准:乳腺MR图像的应用》,IEEE医学成像学报18(8)(1999)712-721。https://doi.org/10.109/42.796284
[29] Selesnick,I.W.、Baraniuk,R.G.和Kingsbury,N.C.,双树复小波变换,IEEE信号处理杂志22(6)(2005)123-151。https://doi.org/http://dx.doi.org/10.109/MSP.2005.1550194
[30] Sotiras,A.、Davatzikos,C.和Paragios,N.,《可变形医学图像注册:调查》,IEEE医学图像交易32(7)(2013)1153-1190。https://doi.org/10.1109/TMI。2013.2265603
[31] Unser,M.和Aldrubi,A.,《小波在生物医学应用中的回顾》,IEEE84(4)(1996)626-638。https://doi.org/10.109/5.488704
[32] Wu,Y.T.,Kanade,T.,Li,C.C.和Cohn,J.,使用基于小波的运动模型进行图像配准,国际计算机视觉杂志38(2)(2000)129-152。https://doi.org/10.1023/A:1008101718719 ·Zbl 1012.68688号
[33] 袁,X.和袁,X,《用于改进三维物体重建的多平面图像融合》,《计算机医学成像与图形》35(5)(2011)373-382。https://doi.org/10.1016/j.compedimag.2010.11.013
[34] I.Zavorin和M.J.Le,多分辨率小波特征金字塔在多传感器图像自动配准中的应用,14(6) (2005)770-782,doi:10.1109/TIP.2005.847287。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。