基于几何代数SURF的三维医学图像配准研究

摘要：

三维医学图像可辅助医生的临床诊疗,不同模态三维图像通过配准后,可为医生提供更全面的病患信息,而传统三维多模态医学图像配准的精度不高、耗时较长且易受干扰.首先搭建Hessian四维尺度空间,将加速稳健特征(SURF)框架拓展至三维,然后基于几何代数构造了梯度角度不变性的三维特征点描述子,以丰富特征点信息;再设计快速空间寻优算法,不仅可保证配准精度,且提高配准稳定性;最后,采用数据一致性较好的RIRE公开数据集和合作附属医院提供的个性化临床实例数据开展实验.实验评估中,以手动配准作为金标准,公开库和临床实例图像的配准均值误差都不超过3 mm,配准相似性超过99.1％;抗扰实验中混入高斯噪声,均值误差仍不超过3.5 mm,相似性超过98.9％.实验结果表明,基于几何代数SURF的三维配准方法的精度更高且稳定性更强,可为临床适用提供理论基础与诊疗预案.

关键词：医学图像配准、SURF算法、几何代数、特征描述子、快速空间寻优

所属期刊栏目：43

分类号：TP391.41;TH783(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：227-237