Image Processing and Analysis_15_Image Registration：A survey of medical image registration——1998...

此主要讨论图像处理与分析。虽然计算机视觉部分的有些内容比如特 征提取等也可以归结到图像分析中来，但鉴于它们与计算机视觉的紧密联系，以 及它们的出处，没有把它们纳入到图像处理与分析中来。同样，这里面也有一些 也可以划归到计算机视觉中去。这都不重要，只要知道有这么个方法，能为自己 所用，或者从中得到灵感，这就够了。

注意：Registration可翻译为“配准”或“匹配”，一般是图像配准，特征匹配（特征点匹配）。

15. Image Registration
图像配准最早的应用在医学图像上，在图像融合之前需要对图像进行配准。在现在的计算机视觉中，配准也是一个需要理解的概念，比如跟踪，拼接等。在KLT中，也会涉及到配准。这里主要是综述文献。
[1998 MIA] Image matching as a diffusion process
[1992 PAMI] A Method for Registration of 3-D shapes
[1992] a survey of image registration techniques

[1996 MIA] Multi-modal volume registration by maximization of mutual information

[1997 IJCV] Alignment by Maximization of Mutual Information
[1998 MIA] A survey of medical image registration
[2003 IVC] Image registration methods a survey
[2003 TMI] Mutual-Information-Based Registration of Medical Survey
[2011 TIP] Hairis registration

 

翻译

医学图像配准调查——http://tongtianta.site/paper/58784

作者：J. B. Antoine Maintz and Max A. Viergever

 

摘要 -本文的目的是介绍有关医学图像配准技术的最新出版物（于1993年或更晚出版）的调查。 这些出版物将根据基于九个显着标准的模型进行分类，其主要二分法是外在方法与内在方法。 分类的统计数据显示了不断发展的注册技术的明确趋势，将对此进行讨论。 目前，大量有趣的内在方法是基于分割的点或曲面，还是基于试图使用所涉及图像的全部信息内容的技术。
关键字：匹配，注册

 

1.引言

在当前的临床环境中，医学成像是大量应用程序的重要组成部分。这种应用发生在整个事件的临床过程中。不仅在诊断范围内，而且在计划，执行和评估手术及放射治疗程序方面也很突出。所采用的成像方式可以分为两大类：解剖型和功能型。解剖学模式（即主要描述形态）包括X射线，CT（计算机断层扫描a），MRI（磁共振成像b），US（超声c），通过各种导管“显微镜”获得的门图像和视频序列，例如通过腹腔镜或喉镜检查。一些杰出的衍生技术与原始模态脱节，以单独的名称出现，例如MRA（磁共振血管造影），DSA（数字减影血管造影，源自X射线），CTA（计算机断层摄影血管造影）和多普勒（源自美国，指所测得的多普勒效应）。功能模式（即主要描述有关基础解剖结构的代谢的信息）包括（平面）闪烁显像，SPECT（单光子发射计算机断层扫描d），PET（正电子发射断层扫描e），它们共同构成了核医学成像模式和fMR1（功能性MRI）。稍加想象，诸如EEG（脑电图）和MEG（磁脑图）之类的空间稀疏技术也可以称为功能成像技术。可以命名更多的功能模式，但这些功能模式要么很少使用，要么仍处于临床前研究阶段，例如pMR1（灌注MRI），fCT（功能性CT），EIT（电抗断层扫描）和MRE（磁共振弹性成像）。

由于从临床事件轨迹中获取的两个图像中获得的信息通常具有互补性，因此通常需要对从单独的图像中获取的有用数据进行适当的整合。集成过程的第一步是将涉及的模式进行空间对齐，此过程称为配准。注册后，需要融合步骤以集成显示所涉及的数据。不幸的是，术语“注册和融合”以及匹配，整合，相关和其他术语在文献中是多义地出现，指的是一个步骤或整个模态整合过程。在本文中，将仅使用上述定义的配准和融合定义。

在癫痫手术领域可以找到使用不同方式进行注册的一个突出例子。患者可能会接受各种MR，CT和DSA研究，以提供解剖学参考；发作和发作之间（发作期间和发作之间）SPECT研究； MEG和颅外和/或颅内（硬膜下或深度）脑电图，以及“ FDG和/或” CFlumazenil PET研究。几乎任何组合的图像配准都会使外科医生受益。第二个示例涉及放射治疗，其中可以同时使用CT和MR。需要前者来精确地计算辐射剂量，而后者通常更适合于肿瘤组织的描绘。

除了多模式注册外，单模式注册中还存在重要的应用领域。实例包括通过比较干预前后的图像，比较眼部和眼间SPECT图像以及生长监测（例如生长）来进行治疗验证。在肿瘤上使用MR扫描的时间序列，或在特定骨骼上使用X射线时间序列。由于这些图像之间的高度相似性，通常比多模态应用程序更容易解决配准问题。

本文旨在提供有关医学图像配准的最新文献综述。由于可利用的论文数量巨大，所提供的材料必然被严格压缩，除了一些有趣的“经典”案例外，1993年之前没有论文被引用。关于1993年之前的出版物，我们请读者阅读van den Elsen等人的论文。 （1993）和Maurer and Fitzpatrick（1993）。据我们所知，除计算机辅助手术领域外，没有更晚的完整综述论文（Lavallee，1996）。但是，以这种方式缩小可用出版物的范围并不妨碍我们实现我们的主要目标，这是对当前医学图像配准方法进行全面描述。

2.注册方法的分类

本文使用的注册方法分类基于van den Elsen等人（1993）制定的标准。提出了一个大大增强和详细的版本。使用了九个基本标准，每个标准又细分为一个或两个级别。九个标准和主要细分为：


I.维度
II. 登记依据的性质
a.外在
b. 固有
c. 非基于图像
III. 转型的本质
a. 刚硬
b. 仿射
c. 射影的
d.  弯曲
IV.转型领域
V. 互动
VI.优化程序
VII. 涉及的方式
a. 单峰的
b.多式联运
c.建模方式
d.病人到模态
VIII. 主体
a.主体内
b.主体间
c.地图集
IX. 客体

注册过程始终可以分解为三个主要部分：问题陈述，注册范例和优化过程。问题陈述以及对范式和优化程序的选择共同根据所提到的九个标准提供了唯一的分类。尽管各部分和标准相互交织并且有许多交叉影响，但是可以说，问题陈述根据标准VII，VIII和IX确定分类，并且直接影响标准I和III。范式最直接影响标准II，III，IV和V，而优化过程则影响标准V和控制VI。记住三个支柱是相互独立的，这通常是有帮助的，因为许多论文并未如此描述它们，而是经常以复合方式介绍问题陈述，范式和优化过程。

在以下各节中，我们将更详细地讨论单独的条件。

3. 尺寸
Ⅰ.维度
  a.仅空间尺寸：
    1. 2-D-2-D
    2. 2-D-3-D
    3. 3-D-3-D
  b.具有空间维度的时间序列（两个以上的图像）：
    1. 2-D-2-D
    2. 2-D-3-D
    3. 3-D-3-D

3.1 空间配准方法

这里主要的划分是所有维度都是空间维度，还是时间是附加维度。无论哪种情况，都可以根据所涉及的空间维度的数量对问题进行进一步分类。当前大多数论文都集中在两个图像的3-D-3-D配准上（不涉及时间）。 3-D-3-D配准通常适用于两个断层扫描数据集的配准，或单个断层图像对任何空间定义信息的配准，例如从EEG数据获得的向量。 2-D-2-D配准可应用于断层扫描数据或固有的2-D图像（例如门户图像）中的单独切片。与3-D-3-D配准相比，在涉及参数数量和数据量方面，2-D-2-D配准的复杂度要低得多，因此在许多情况下获得配准比在3-D-3-D情况下。我们保留2-D-3-D配准，以将空间数据直接对准投影数据（例如，术前CT图像到术中X射线图像），或将单个断层摄影切片与空间数据对准。一些应用程序将多个2-D投影图像注册到3-D图像，但是由于通常的预处理步骤是从2-D投影图像构造3-D图像，因此此类应用程序最好分类为3-D-3- D应用程序。由于大多数2-D-3-D应用程序都涉及手术室中的术中手术，因此它们受到时间的限制很大，因此非常重视与范例计算和优化有关的速度问题。手术室和放射治疗设置以外的大多数应用程序都可以进行离线注册，因此仅需解决临床常规问题即可解决速度问题。

3.2时间序列的注册

由于各种原因需要获取时间序列的图像，例如监测儿童的骨生长（较长的时间间隔），监测肿瘤的生长（长至中等间隔），术后的愈合情况监测（较短的间隔），观察注射的推注的通过通过血管树（超短间隔）或评估药物作用（不同时间间隔），例如MR评估多发性硬化症药物。如果需要比较两个时间序列，则需要注册，但在某些超短时间序列的情况下，患者在采集两个图像之间不会离开扫描仪。与仅空间注册的观察结果相同。

4.注册依据的性质

Ⅱ. 登记依据的性质
  a.外在
    1.侵略性
        A.立体定向框架
        B.基准（螺丝标记）
    2.无创
        A.模具，框架，牙科适配器等
        B.基准（皮肤标记）
  b.本征
    1.基于地标
        A.解剖
        B.产科
    2.基于细分
        A.刚性模型（点，曲线，曲面）
        B.变形模型（蛇，网）
    3.基于体素属性
        A.缩减为标量/向量（矩，主轴）
        B.使用完整的图像内容
        C.基于非图像（校准坐标系）