基于PCA的無監督群組配準算法研究

周勤，王遠軍

上海理工大學 健康科學與工程學院（上海，200093）

0 引言

醫學圖像配準是在一個或多個浮動圖像(moving image)上應用各種幾何變換的優化過程，使浮動圖像和參考圖像(fixed image)在相同的結構上達到空間位置一致。為了方便描述，我們將兩個圖像序列的配準稱為成對(pair-wise)配準，一組圖像序列間的配準稱為群組(group-wise)配準［1］。對于一些分析研究來說，配準是一個至關重要的過程，包括旨在了解表型群體趨勢的研究、測量縱向變化(例如監測腫瘤組織的大小)、執行引導手術、將個體解剖與標準空間系統(即圖譜)相關聯以及其他應用［2］。對自不同類型設備，例如磁共振成像(magnetic resonance imaging, MRI)和計算機斷層掃描(computer tomography, CT)正電子發射斷層掃描(positron emission tomography,PET)以及等組合掃描的圖像進行配準對醫療疾病診斷治療十分重要［3］。

近年來，研究人員對同時配準兩個或兩個以上的圖像越來越感興趣［4-7］。在之前工作中［8］，我們使用變分推斷算法來實現圖像群組配準，盡管這種方法可以實現圖像集的良好配準，但是容易導致構建的參考圖像不平滑并且收斂速度慢的問題。Che等［9-10］提出一個由PCA構建的模板圖像引導的無偏差的深度群組配準框架，適用于多光譜圖像。類似于文獻［9-10］的做法，Roland等［11］使用了魯棒的主成分分析(principal component analysis, PCA)的方法?？梢姡琍CA算法應用在群組配準領域具有很大的潛力。

針對文獻［8］存在容易導致構建的參考圖像不平滑并且網絡收斂速度慢的問題，提出使用PCA算法來計算構建參考圖像時每幅圖像的權值。然后，利用改進后的權值計算方法重新構建參考圖像?！?br>