东南大学梁玮硕士论文：2D-3D医学图像配准算法与互信息、模式强度优化

医学图像配准是计算机辅助外科手术(CAS)和图像导航外科手术(INS)中的关键技术，它涉及将术前的三维(3D)体数据与术中实时获得的二维(2D)图像进行精确匹配，以便在手术过程中提供实时导航信息。本文由东南大学生物医学工程专业的硕士研究生梁玮撰写，其硕士论文探讨了2D-3D医学图像配准的研究，主要导师为鲍旭东教授和罗立民教授。 论文首先介绍了数字影像重建技术(Digital Radiographic Reconstruction, DRR)，通过光线追踪方法处理CT体积数据，生成突出骨组织和包含软组织的DRR，这为后续的配准工作提供了清晰的图像基础。作者重点研究了相似性测度在图像配准中的应用，包括互信息、模式强度和梯度差值等，这些方法是评估图像之间匹配程度的关键。 互信息作为一种常用的统计量，衡量的是两个图像间的信息共享程度，通过最大化互信息可以找到最佳的配准。模式强度则是通过比较图像中的像素强度分布来评估匹配，而梯度差值则关注图像边缘和纹理的匹配。在此基础上，作者结合下降单纯形的模拟退火算法，设计了一种有效的2D图像配准方法，为扩展到三维空间打下了坚实的基础。 文章的核心部分是将二维配准策略扩展到3D场景，通过三种不同相似性测度实现了2D到3D的医学图像配准，并对实验结果进行了详尽的对比和评价。值得注意的是，作者对模式强度测度进行了优化，旨在提高配准精度的同时，显著提升计算效率，从而得到令人满意的配准性能。 论文的关键词集中反映了研究的主要内容，如“医学图像”、“互信息”、“模式强度”、“梯度差值”、“图像配准”和“数字影像重建”。整体而言，这篇论文不仅深入研究了医学图像配准的理论和技术，还为实际手术中的图像导航提供了实用的解决方案，对于医疗成像领域的临床应用具有重要意义。