放射治疗光学表面图像引导系统的研究
发布时间：2024-04-26 02:46
计算机性能的飞速发展给很多行业带来了巨大的帮助,尤其是医学图像处理领域。在当前的临床应用中,医学成像是大量计算机应用程序的基石,它贯穿于医疗诊断,治疗计划的制定乃至手术治疗的整个过程。医学图像配准则是医学图像处理的基石,它是将两个输入的图像进行一系列的空间变换后达到空间上对齐的一个技术,也是本文的研究重点。本文研究点来自于实验室横向项目中的两点需求。一是实时监测放射治疗患者在治疗过程中的姿态变化,以在患者动作幅度较大时自动停止治疗,二是对多模态的医学图像进行融合,以帮助医生更精确地制定放疗计划。这两个需求的核心都是图像配准,但也需要对图像配准算法进行相应的改造以适应各自的应用场景。对于需求一,它的本质是一个对实时性要求较高的单模态图像配准问题。大体分为两个步骤,首先对本应用场景下的二维图像进行背景上的大致对齐,然后再通过衡量病灶区域的相似度差异来判断病人姿态变化幅度的大小。步骤一中需要用到刚性配准,步骤二中则需使用到图像配准中的相似性度量。为达到实时性的需求,本文对使用图形处理器(Graphics Processing Unit,GPU)加速计算的近似归一化互信息几方面的技术进行了深入...
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景及意义
1.2 图像配准国内外研究现状
1.2.1 基于灰度的图像配准研究现状
1.2.2 基于特征的图像配准研究现状
1.2.3 实时图像配准国内外研究现状
1.3 研究内容
1.4 创新点
1.5 组织结构
第二章 相关技术研究综述
2.1 医学图像配准相关定义
2.1.1 医学图像定义
2.1.2 图像配准定义
2.2 图像配准框架概述
2.2.1 相似度测量
2.2.2 图像采样
2.2.3 图像插值
2.2.4 空间变换
2.2.5 参数寻优
2.3 信息论相关概念概述
2.3.1 信息熵
2.3.2 互信息MI
2.3.3 归一化互信息NMI
2.4 二维联合直方图概述
2.5 CUDA概述
2.6 本章小结
第三章 基于CUDA加速的单模态二维光学图像的姿态监测算法研究
3.1 问题的提出
3.2 放疗环境及精度要求
3.3 基于CUDA加速的单模态二维光学图像的姿态监测算法框架
3.4 Layer mask在图像配准中的迁移使用
3.5 多级分辨率与多级空间转换组合加速的图像配准算法
3.5.1 多级分辨率策略
3.5.2 多级空间转换策略
3.5.3 多级分辨率与多级空间转换组合策略的图像配准算法
3.6 改进的使用CUDA计算近似归一化互信息的算法
3.6.1 传统的使用CUDA计算直方图的算法
3.6.2 改进的使用CUDA计算近似归一化互信息的算法
3.7 实验与结果分析
3.7.1 实验环境
3.7.2 实验一:基于GPU和基于CPU计算NMI的性能比较
3.7.3 实验二:不同thread对 GPU计算NMI性能的影响实验
3.7.4 实验三:GPU近似NMI计算与标准NMI计算对比实验
3.7.5 实验四:姿态幅度检测算法的实时及有效性评测实验
3.7.6 实验五:姿态幅度检测算法的精度实验
3.7.7 实验总结
3.8 本章小结
第四章 多模态医学图像的配准及三维可视化的实现
4.1 问题的提出
4.2 基于多级B样条变换的多模态医学图像自动配准算法
4.2.1 算法框架
4.2.2 多模态医学图像的相似性度量的选择
4.2.3 基于多级B样条自由变换的局部精细配准
4.3 基于小波变换的多模态医学图像的融合算法
4.4 医学图像三维可视化的实现
4.5 实验与结果分析
4.5.1 实验环境
4.5.2 实验一:多模态医学图像配准实验
4.5.3 实验二:多模态医学图像融合实验
4.5.4 实验三:融合图像的三维可视化实验
4.5.5 实验总结
4.6 本章小结
第五章 总结与展望
5.1 全文总结
5.2 未来工作
致谢
参考文献
本文编号：3964591
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题背景及意义
1.2 图像配准国内外研究现状
1.2.1 基于灰度的图像配准研究现状
1.2.2 基于特征的图像配准研究现状
1.2.3 实时图像配准国内外研究现状
1.3 研究内容
1.4 创新点
1.5 组织结构
第二章 相关技术研究综述
2.1 医学图像配准相关定义
2.1.1 医学图像定义
2.1.2 图像配准定义
2.2 图像配准框架概述
2.2.1 相似度测量
2.2.2 图像采样
2.2.3 图像插值
2.2.4 空间变换
2.2.5 参数寻优
2.3 信息论相关概念概述
2.3.1 信息熵
2.3.2 互信息MI
2.3.3 归一化互信息NMI
2.4 二维联合直方图概述
2.5 CUDA概述
2.6 本章小结
第三章 基于CUDA加速的单模态二维光学图像的姿态监测算法研究
3.1 问题的提出
3.2 放疗环境及精度要求
3.3 基于CUDA加速的单模态二维光学图像的姿态监测算法框架
3.4 Layer mask在图像配准中的迁移使用
3.5 多级分辨率与多级空间转换组合加速的图像配准算法
3.5.1 多级分辨率策略
3.5.2 多级空间转换策略
3.5.3 多级分辨率与多级空间转换组合策略的图像配准算法
3.6 改进的使用CUDA计算近似归一化互信息的算法
3.6.1 传统的使用CUDA计算直方图的算法
3.6.2 改进的使用CUDA计算近似归一化互信息的算法
3.7 实验与结果分析
3.7.1 实验环境
3.7.2 实验一:基于GPU和基于CPU计算NMI的性能比较
3.7.3 实验二:不同thread对 GPU计算NMI性能的影响实验
3.7.4 实验三:GPU近似NMI计算与标准NMI计算对比实验
3.7.5 实验四:姿态幅度检测算法的实时及有效性评测实验
3.7.6 实验五:姿态幅度检测算法的精度实验
3.7.7 实验总结
3.8 本章小结
第四章 多模态医学图像的配准及三维可视化的实现
4.1 问题的提出
4.2 基于多级B样条变换的多模态医学图像自动配准算法
4.2.1 算法框架
4.2.2 多模态医学图像的相似性度量的选择
4.2.3 基于多级B样条自由变换的局部精细配准
4.3 基于小波变换的多模态医学图像的融合算法
4.4 医学图像三维可视化的实现
4.5 实验与结果分析
4.5.1 实验环境
4.5.2 实验一:多模态医学图像配准实验
4.5.3 实验二:多模态医学图像融合实验
4.5.4 实验三:融合图像的三维可视化实验
4.5.5 实验总结
4.6 本章小结
第五章 总结与展望
5.1 全文总结
5.2 未来工作
致谢
参考文献
本文编号：3964591
本文链接：https://www.wllwen.com/kejilunwen/wulilw/3964591.html