收稿日期
基金项目 挝辽宁省重大科技计划项目
作者简介 烫张少敏 女 江苏南京人 东北大学博士研究生 赵大哲 女 辽宁辽中人 东北大学教授 博士生导师
赵 宏 男 河北河间人 东北大学教授 博士生导师
第卷第期
年 月
东 北 大 学 学 报 自 然 科 学 版
Journal of Northeastern UniversityNatural Science
Vo l No
O c t
融 合 梯 度 信 息 的 最 小 生 成 树 医 学 图 像 配 准
张少敏
支力佳
赵大哲
赵 宏
东北大学 信息科学与工程学院 辽宁 沈阳
东北大学 医学影像计算教育部重点实验室 辽宁 沈阳
摘 要 针对传统的均匀子采样的最小生成树配准方法对采样率敏感 导致配准鲁棒性降低的问题 提
出了一种融合梯度信息的最小生成树医学图像配准算法
该算法首先提取均匀子采样点集 并在此基础上构
造最小生成树 然后使用最小生成树来估计 Rényi 熵 最后将图像间的边缘梯度信息融入到配准框架中
通过
在公共数据集 RREP 上 与传统的基于均匀子采样的最小生成树配准算法和基于归一化互信息配准算法相
比 提出的算法在达到良好配准精度的同时 具有更平滑的配准函数和较强的鲁棒性
关 键 词 医学图像配准 最小生成树 Rényi 熵 图像梯度
中图分类号 T P 文献标志码 A 文章编号
Minimum Spanning Tree Integrated with Gradient Information
for Medical Image Registration
ZHA NG Shao
min
ZHI L i
j
ia
ZHA O Da
z he
ZHA O Hong
School of Information Science & Engineering Northeastern University Shenyang China Key
Laboratory of Medical Image Computing Ministry of Education Northeastern University Shenyang
China Correspondent ZHANG Shaomin Email zhang shm neusoft com
Abstract The conventional M ST minimum spanning tree image registration based on uniform
subsampling is so sensitive to sampling rate that the registration robustness is thus reduced To
solve the problem MST integrated with gradient information is proposed as a medical image
registration algorithm In the algorithm the uniform subsampling point set is extracted to form
MST w hich is used to estimate the Rényi entropy directly As a result the edge gradient
information between images is integrated into the registration framework Comparison results of
the images obtained from Vanderbilt retrospective registration project RREP showed that the
algorithm proposed can provide smoother registration function and better robustness than both the
MST registration algorithm based on conventional uniform subsampling and the registration
algorithm based on normalized mutual information NM I
Key words medical image registration minimum spanning treeMST Rényi entropy image
g
radient
医学图像配准是指对不同时间 不同视场 不
同模态的两幅或多幅图像进行空间几何变换 以
使代表相同解剖结构的像素或体素在空间位置上
能够对应起来
继 Collignonh 和 Viola 等人提出最大互信息
配准方法后 基于熵的相似性测度在医学图像配
准中得到了广泛应 用
常 用 的 熵 主 要 包 括
Shannon 熵 Rényi 熵和 Tsallis 熵等
各种基于熵
的相似性测度的计算都需要对样本数据的熵进行
估计
目前 有 两 类 较 为 常 用 的 熵 估 计 方 法
p
lugin 和 entropic spanning graphs 熵
图
其中
p
lugin实现简单 适用于低维
且概率密度函数参数形式已知的情况
但是
p
lugin对出界点比较敏感 同时在高维空间会