34、医学图像配准中滑动运动处理方法解析

医学图像配准中滑动运动处理方法解析

在医学图像配准领域，可变形图像配准（DIR）是一个关键的研究方向。传统的DIR方法依赖于估计平滑连续的变形场，其中Demons配准算法是经典代表，它将问题分解为最小化相似性度量和基于卷积的正则化两个交替的子问题。

1. Demons配准算法基础

经典的Demons配准算法中，固定图像$I_f$和移动图像$I_m$之间的相似性度量$Sim(I_f, I_m(\vec{u}))$表示为强度差的平方和（SSD），即$\frac{1}{2}|I_f - I_m(\vec{u})|^2$。变形场$\vec{u}$的基于扩散的正则化$Reg(\vec{u}) = |\vec{u}|^2$通过高斯平滑来实现。最终解通过对变形场进行迭代高斯卷积来近似：
$\vec{u} {i + 1}(\vec{x}) = G {\vec{x}} * [\vec{u}_i(\vec{x}) \circ \vec{d}u_i(\vec{x})]$
其中，$\vec{u}_i$是第$i$次迭代估计的变形场，$\vec{d}u$是对应于相似性度量$Sim$的力项，$\circ$是组合运算符。

然而，这种各向同性和均匀的正则化模型在许多应用中往往不足以保证估计的变形场的合理性。特别是在模拟复杂的胸部或腹部运动时，由于呼吸运动，局部不连续的运动模式（滑动）很常见，需要更先进的模型。

2. 现有扩散正则化模型分类

对于大多数基于Demons的DIR方法，现有的适应滑动运动的基于扩散的正则化模型可分为两类：
- 方向相关正则化 ：早期的工作侧重于开发方向相关