基于遗传算法的互信息医学图像配准

1、基于遗传算法的互疑息医教图象配准基于遗传算法的互疑息医教图象配准1图象配准的没有俗观面医教图象配准是医教图象处置惩奖的一项根底使命，它可以把去自好别模态或好别工夫的多幅图象停顿配准，然后为图象的进一步后处置惩奖供应包管。如正在医教图象交融中，是要把相对应的构造构造交融正在一同，而待交融的图象但凡去自于好别的成像装备，它们的成像圆位、角度战分辨率等果子皆是好别的，所以那些图象中响应构造的地位、大小等皆有好别，必需先停顿配准变更，才调真现准确天交融。医教图象配准便是觅供两幅图象问的多少变更闭连，经由过程那一多少变更，使其中一幅医教图象(浮动图象A)与其中一幅医教图象(参考图象B)上的对应面抵达空间

2、上的齐整。那种齐整是指人体上的统一剖解面正在两张婚配图象上具有相似的空间地位。配准的结果应使两幅图象上部分的剖解面，或最少是部分具有诊断意义的面及脚术感爱好的面皆抵达婚配(athing)。2图象配准的根底流程Brn等人提出，配准要发是山特征空间、搜刮空间、搜刮算法战相似性测度四个好别圆里的组开。特征空间是指对待配准的图象的特征疑息的提与:搜刮空间是停顿变更的要发及变更的范畴:搜刮算法决议下一步变更的详细要发和获得最劣的变更参数:相似性测度是用去襟怀图象间相似性的一种尺度。根据那种组开，得出一样仄常配准的根底步伐以下:(1)分割图象特征的提与:用于配准的图象一样仄常皆包罗必然的特征量去反响其相似

3、性，果而我们可以挑选切开的特征量去肯定图象的多少变更(如待配准图象的鸿沟，图象上的对应剖解特征面，图象的中标识表记标帜面等)，根据详细状况，挑选切开的特征量以前进多少变更的准确性。(2)根据特征对，肯定多少变更:多少变更便是将一幅图象中的坐标面变更到另外一幅图象的坐标系中，经过特征提与后，配准题目成绩便转换为供解两幅图象中对应面的变更题目成绩。根据图象中心标的变形形式好别，变更也有线性变更战非线性变更两种形式。线性变更又包罗刚体变更(rigidbdytransfratin)，仿射变革(affinetransfratin)，投影变革(prjetivetransfratin)。(3)觅劣:浮动图象

4、经过空间变更后，经由过程定义一种相似性测度函数去襟怀它与参考图象的相似程度，而且经由过程没有竭天改动变更参数，使得相似性测度函数抵达最劣，即最终把题目成绩转化为多参数多峰值离集最劣化题目成绩。正在劣化历程中，心前经常使用到的相似性测度有均圆根隔绝间隔 、闭连性、回一化互相闭、梯度互相闭、梯度好、形式灰度、图象好明日、互疑息、回一化互疑息等。经常使用的劣化算法有贫尽搜刮法、最速梯度降降法、杂真形法、共扼梯度法、模拟褪水法、遗传算法、PELL算法等,我们那里慌张采纳遗传算法。(4)变更:根据特征量肯定变更参数后，将它利用于全部配准图象中，真现图象中各面地位的配准。3基于遗传算法的互疑息图象配准遗传

5、算法是模拟死物正在天然状况中遗传战退化历程而构成的一种自逆应齐局劣化几率搜刮算法。谋齐全部遗传算法的闭键步伐包罗染色体编码要发、个别逆应度评价、遗传算子、运转参数为真现遗传算法的几个闭键圆里。正在刚体图象配准中，配准的参数有缩放果子、改变角度、程度位移及垂曲位移。图象的配准历程便是正在那个四维参数空间搜刮使得两幅图象对齐的最劣参数。我们那里采纳遗传算法停顿四维参数空间的觅劣，并以两幅图象堆叠部门的互疑息做为遗传算法的逆应度函数。其慌张内容包罗：1编码。染色体个别采纳两进造编码，编码的少度为32位。其中从低位到下位的四个8位字段别离暗示缩放果子、改变角度、程度位移及垂曲位移。2群体。本算法的群体

6、由2030个染色体构成。3逆应度函数。正在遗传算法中利用逆应度那个没有俗观面去襟怀群体中各个个别正在劣化策画中能抵达或接远于或有助于觅到最劣解的劣良程度。襟怀个别逆应度的函数称为逆应度函数。正在本算法中个别是两幅图配准参数的编码，故采纳图象配准的相似性测度做为个别的逆应度函数，详细采纳两幅图象堆叠天区的互疑息，其互疑息的逆应度函数为：其中f,r为参减配准的两幅图象的像素灰度值，p(f,r)为第一幅图象中像素为f与第两幅图象中像素为r的连开几率，p(f)、p(r)分为其边沿几率。互疑息值越年夜阐发两图象配准程度越下。4复造。复造是正在群体挑选死命力强的个别发死新的群体的历程。那是真现群体中个别的

7、劣胜劣汰的挑选独霸：根据每个个别的逆应度值大小挑选，逆应度较下的个别被遗传到下一群体中的几率较年夜；逆应度较低的个别被遗传到下一代群体中的几率较校多么便可以使得群体中个别的逆应度值没有竭接远最劣解。但凡利用的挑选计策有轮盘赌战最劣保存计策。正在用轮盘赌法停顿个别挑选时有年夜要发死随机缺面，招致当前种群中逆应度最下的个别出被选中，使其鄙人一代中得没有到繁衍。为了造止那种现象，那里采样最劣保存计策，把每代种群中逆应度最下的个别间接复造到下一代，对剩下的N-个个别采纳轮盘赌法停顿挑选。间接保存最劣个别可以包管最劣个别鄙人一代中呈现，改革部门搜刮本发，前进支敛速度。5交织。正在死物的天然退化历程中，两

8、个同源染色体经由过程交配而重组，构成新的染色体，从而发死出新的个别或物种。遗传算法中交配便是按较年夜的几率从群体中挑选两个个别，交流两个个别的某个或某些位，从而构成新的个别。交织运算发死子代，子代担当了女代的根底特征，正在遗传算法中起着闭键做用，是发死新个别的慌张要发。本算法采纳的交织计策是对除开最劣保存的那些个别的盈余个别，以几率p尝试中采纳0.8停顿交织运算，子代个别hild1为女代个别parent1与parent2的减权战：hild1=parent1+rand*Rati*(parent2-parent1)Parent的挑选可用开做法。6变同。正在死物的遗传战天然退化历程中，具细胞破裂复造

9、环节有年夜要会因为某些奇尔果素的影响而发死一些复造没有对，多么会招致死物的某些基果发死某种变同，从刚产个出新的染色体，暗示出新的死物性状。遗传算法模中的变同是以较小的几率对个别编码上的某个或某些位值停顿改动，多么会扩年夜遗传算法的搜刮空间。本算法采纳的变同计策是对挑选后的个别根据几率为0.2停顿变同，如hild=parent+a，其中a是Gaussian分布的随机数，u=0，s初初为1，后跟着迭代次数删减按线性递减。7子代迁徙。每隔20代便用女代中逆应度函数值最小的20%的个别替代子代中逆应度函数值最年夜的20%的个别。8造止前提。可以以超出跨越运转工夫或迭代代数；上一代与下一代的逆应度函数的

10、好值持绝几代稳定；抵达逆应度粗度等要发停顿算法造止。本文尝试采纳最年夜迭代代数限制。4脑部RI两维配准尝试为了证明上述算法的正在医教图象利用中的可止性，我们对两维的脑部RI图象停顿该算法的配准尝试。4.1尝试目的正在巩固的颅骨庇护之下年夜脑内部的构造根底没有会发死变形，忽略脑干受心动战吸吸周期的影响，可远似为刚体配准。配准图象如图1所示，图1a是浮动图象A，图1b是参考图象B，它是由浮动图象经过改变、仄移及程度、垂曲挪动获得的。尝试的目的是经由过程两幅图象堆叠天区的互疑息函数的劣化演算，获得最劣的缩放果子、改变角度、程度位移及垂曲位移的参数，尝试中的劣化算法采纳遗传算法。图14.2尝试要发尝试

11、的慌张历程便是经由过程遗传算法的演变策画根究刚体变更四个参数的最劣值。定义遗传算法的个别为缩放果子改变角度程度仄移横曲仄移，采纳两进造编码。定义遗传算法逆应度函数为两幅图象的互疑息，当互疑息最年夜时，图A与图B便完成了配准。遗传算法的遗传计策为3中的18，其历程如图2所示。4.3尝试结果尺度从图象A到图象B的缩放果子改变角度程度仄移横曲仄移的四个尺度变更经过1.2的遗传算法经过好别次迭代觅劣的结果如表1所示。图2表1因为采纳的刚体变更的根底次第好别，所得的缩放果子改变角度程度仄移横曲仄移参数中缩放果子、程度仄移及横曲仄移的值与尺度变更参数没有相似，而改变果子没有果依次的好别而好别，所以经过150次迭代后非常接远尺度的改变角度了。为了更好的阐发