基于多项式展开的快速扩散张量图像配准技术

"本文介绍了一种基于多项式展开的快速扩散张量图像配准方法，旨在提高配准效率和精度。这种方法首先利用拉普拉斯算子提取图像边缘特征点，然后通过图像变换模型校正图像方向，最后使用基于多项式展开的配准模型进行全局像素点稠密配准。实验结果证实了该方法的有效性。" 文章深入探讨了在医学图像处理领域，特别是扩散张量成像（Diffusion Tensor Imaging, DTI）的配准技术。扩散张量成像是核磁共振成像的一个分支，能非侵入性地揭示人体内部组织结构信息，尤其在脑科学研究中具有重要意义。然而，DTI图像的配准是一项挑战，因为它涉及到复杂的张量数据。 传统的图像配准方法通常分为两种：一是将张量图像转化为标量图像后再配准，虽然简单快速，但可能牺牲配准精度；二是直接对张量图像进行配准，虽然能保持高精度，但计算复杂度较高。针对这一问题，作者提出了一种创新的解决方案。 该方法的核心是利用多项式展开理论，结合拉普拉斯算子提取的图像边缘特征点。首先，通过图像增强处理增强各向异性测度图像的边缘信息，接着使用拉普拉斯算子检测这些边缘特征点，这些点反映了图像的主要结构。然后，建立一个图像变换模型，以这些特征点定义图像的特征，并据此校正图像的方向。最后，对经过方向校正的各向异性测度图像，采用基于多项式展开的配准模型进行全局像素点的稠密配准，以实现更精确的图像对齐。 实验结果显示，这种方法在提高配准效率的同时，也显著提升了配准的准确性。这为医学图像分析，特别是在追踪疾病发展、对比不同时间点的图像变化以及跨个体比较等方面提供了有力的工具。此外，该方法的实施也得益于上海市科委和上海师范大学的资助，展示了科研机构对提升医学图像处理技术的支持。 这篇论文提出的多项式展开配准方法为DTI图像处理提供了一个高效且精确的解决方案，有望推动医学图像配准技术的进步，并在临床实践中发挥重要作用。