| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-36页 |
| 1.1 引言 | 第14-16页 |
| 1.1.1 什么是图像配准 | 第14-15页 |
| 1.1.2 图像配准的应用 | 第15-16页 |
| 1.2 医学图像配准的研究背景与意义 | 第16-21页 |
| 1.2.1 医学图像的模态 | 第16-19页 |
| 1.2.1.1 磁共振成像 | 第16-17页 |
| 1.2.1.2 计算机断层扫描成像 | 第17-18页 |
| 1.2.1.3 正电子放射断层成像 | 第18-19页 |
| 1.2.2 研究背景与意义 | 第19-21页 |
| 1.3 医学图像配准的国内外研究现状 | 第21-34页 |
| 1.3.1 医学图像配准算法的组成 | 第21-27页 |
| 1.3.1.1 特征空间 | 第21-22页 |
| 1.3.1.2 搜索空间 | 第22-24页 |
| 1.3.1.3 相似性度量 | 第24-25页 |
| 1.3.1.4 搜索策略 | 第25-27页 |
| 1.3.2 医学图像配准方法的分类 | 第27-29页 |
| 1.3.3 基于灰度的医学图像配准方法 | 第29-32页 |
| 1.3.4 医学图像配准结果的评估 | 第32-34页 |
| 1.4 本文的创新点及贡献 | 第34页 |
| 1.5 本文的结构与内容安排 | 第34-36页 |
| 第二章 信息论在医学图像配准中的应用 | 第36-50页 |
| 2.1 信息论基础 | 第36-38页 |
| 2.1.1 香农熵 | 第36-37页 |
| 2.1.2 联合熵和条件熵 | 第37-38页 |
| 2.1.3 互信息 | 第38页 |
| 2.2 互信息在医学图像配准中的应用 | 第38-47页 |
| 2.2.1 图像互信息 | 第39-40页 |
| 2.2.2 概率密度估计 | 第40-42页 |
| 2.2.2.1 直方图估计 | 第41页 |
| 2.2.2.2 Parzen窗估计 | 第41-42页 |
| 2.2.3 基于互信息的医学图像配准 | 第42-47页 |
| 2.2.3.1 算法公式化 | 第42-43页 |
| 2.2.3.2 插值方法 | 第43-47页 |
| 2.2.3.3 算法流程 | 第47页 |
| 2.3 几种其他的信息论相似性度量 | 第47-48页 |
| 2.4 本章小结 | 第48-50页 |
| 第三章 基于Jensen-Arimoto散度的医学图像配准 | 第50-80页 |
| 3.1 引言 | 第50-51页 |
| 3.2 Arimoto熵 | 第51-52页 |
| 3.3 Jensen-Arimoto散度 | 第52-54页 |
| 3.4 与现有信息论测度的联系 | 第54-55页 |
| 3.5 基于Jensen-Arimoto散度的医学图像配准算法 | 第55-61页 |
| 3.5.1 配准框架 | 第55-56页 |
| 3.5.2 变换模型 | 第56-57页 |
| 3.5.3 目标函数 | 第57-58页 |
| 3.5.4 优化方案 | 第58-61页 |
| 3.5.4.1 概率密度估计 | 第59-60页 |
| 3.5.4.2 目标函数的求导 | 第60-61页 |
| 3.6 算法比较和实验结果分析 | 第61-78页 |
| 3.6.1 测试数据 | 第61-63页 |
| 3.6.1.1 仿真的脑部MR图像 | 第62页 |
| 3.6.1.2 临床的脑部数据 | 第62-63页 |
| 3.6.1.3 真实的胸部CT数据 | 第63页 |
| 3.6.2 非延展性的说明 | 第63-65页 |
| 3.6.3 仿真数据配准实验 | 第65-74页 |
| 3.6.3.1 刚体配准 | 第65-70页 |
| 3.6.3.2 非刚体配准 | 第70-74页 |
| 3.6.4 临床数据配准实验 | 第74-78页 |
| 3.6.4.1 刚体配准 | 第74-76页 |
| 3.6.4.2 非刚体配准 | 第76-78页 |
| 3.6.5 实验结果分析 | 第78页 |
| 3.7 本章小结 | 第78-80页 |
| 第四章 基于连续图像表示的直方图估计方法及其应用 | 第80-98页 |
| 4.1 引言 | 第80-81页 |
| 4.2 基于连续图像表示的直方图估计 | 第81-85页 |
| 4.2.1 部分体积估计 | 第81-82页 |
| 4.2.2 二维图像的联合直方图 | 第82-84页 |
| 4.2.3 三维图像的联合直方图 | 第84-85页 |
| 4.3 随机抽样理论 | 第85-87页 |
| 4.3.1 低差异序列 | 第86-87页 |
| 4.3.2 计算成本 | 第87页 |
| 4.4 快速连续的直方图估计 | 第87-90页 |
| 4.4.1 二维图像的FCHE | 第88-89页 |
| 4.4.2 三维图像的FCHE | 第89-90页 |
| 4.5 基于快速连续直方图估计的医学图像配准 | 第90-93页 |
| 4.5.1 空间变换模型 | 第91页 |
| 4.5.2 目标函数 | 第91页 |
| 4.5.3 优化方案 | 第91-93页 |
| 4.6 算法比较与实验结果 | 第93-96页 |
| 4.6.1 二维图像配准实验 | 第93-95页 |
| 4.6.2 三维图像配准实验 | 第95-96页 |
| 4.7 本章小结 | 第96-98页 |
| 第五章 基于像素邻域信息的医学图像配准 | 第98-116页 |
| 5.1 引言 | 第98-99页 |
| 5.2 梯度分布距离 | 第99-100页 |
| 5.3 基于梯度分布距离的医学图像配准技术 | 第100-109页 |
| 5.3.1 非刚体图像配准框架 | 第100页 |
| 5.3.2 选择形变模型 | 第100-101页 |
| 5.3.3 构建目标函数 | 第101-102页 |
| 5.3.4 设计优化方案 | 第102页 |
| 5.3.5 实验结果及分析 | 第102-109页 |
| 5.3.5.1 实验数据 | 第103-104页 |
| 5.3.5.2 胸腔CT图像配准 | 第104-105页 |
| 5.3.5.3 心脏CT图像配准 | 第105-106页 |
| 5.3.5.4 HIFU治疗中术前MR和术中TRUS的配准 | 第106-109页 |
| 5.4 基于结构图像表示的多模态医学图像配准 | 第109-114页 |
| 5.4.1 结构图像表示 | 第109-111页 |
| 5.4.2 微分同胚的Demons配准算法 | 第111-112页 |
| 5.4.3 实验结果与分析 | 第112-114页 |
| 5.4.3.1 参数设置 | 第113页 |
| 5.4.3.2 算法比较 | 第113-114页 |
| 5.5 本章小结 | 第114-116页 |
| 第六章 总结与展望 | 第116-120页 |
| 6.1 本文工作总结 | 第116-117页 |
| 6.2 未来工作展望 | 第117-120页 |
| 致谢 | 第120-122页 |
| 参考文献 | 第122-136页 |
| 附录A 求Arimoto熵的极限 | 第136-138页 |
| 附录B 詹森Arimoto散度的凹性 | 第138-140页 |
| 个人简历 | 第140-142页 |
| 攻读博士学位期间发表的学术论文 | 第142页 |
