本书主要介绍了与医学图像配准相关的基础知识及常用的配准算法。内容包括四大部分： 第一部分（第1～5章）涉及医学图像配准的基础知识，阐述图像配准的原理、基本框架、分类，医学成像技术，图像配准算法的组成，插值方法及常用的图像配准开源平台； 第二部分（第6、7章）介绍了基于相关性的医学图像配准方法和目前常用的Demons非刚体图像配准算法； 第三部分（第8～10章）介绍了信息论测度在医学图像配准中的应用； 第四部分（第11、12章）介绍了基于特征的医学图像配准方法。

本书可作为高等院校计算机、通信与信息系统、信号与信息处理等专业的研究生教材或参考书，也可作为医学图像分析、医学图像配准等领域的技术人员和研究人员的参考书。

第5章医学图像配准的开源平台

5.1引言

医学图像配准是医学图像分析的重要课题，通常由特征空间、搜索空间、相似性度量及搜索策略4部分组成。不同课题组对图像配准算法研究的侧重点也不一样，例如，一些方法侧重研究医学图像的特征提取方法，而另一些则主要研究相似性度量的构建，还有一些方法致力于搜索策略的研究。因此，医学图像配准的研究人员并不一定对算法的4个组成部分都很熟悉，他们只是对其中某一部分进行创新。这样就需要一些开源平台，为研究人员提供经典的、常用的配准算法，以便研究人员只需致力于自己研究的部分，其他部分可以直接利用开源平台实现，从而提高编程效率。通过开源平台，研究者可以很方便地进行研究，验证自己的算法。近年来，随着医学图像配准技术的发展，出现了许多开源平台，比较常见的有ITK、VTK、Elastix、NiftyReg及ANTS等。

ITK（Insight segmentation and registration ToolKit）是一个开源的、跨平台的影像分析扩展软件工具［1,2］，包含了许多先进的分割配准算法，功能非常强大。VTK（Visualization ToolKit）是一款免费开源的用于三维计算机图形学、图像处理以及可视化的软件包，包含了C++类库并且提供对Tcl/Tk、Java和Python等语言的支持。NiftyReg是由英国伦敦大学学院开发的项目，主要实现对nifti图像的刚体、仿射及非线性配准，包含基于CPU和GPU的两个版本。ANTS为研究者们提供了高级的工具，主要用于大脑图像的配准映射。目前，许多图像配准的开源工具包都是基于ITK开发的，例如Elastix开源软件。它包含了处理医学图像配准的常用算法，Elastix的模块化设计允许用户快速地针对一个特定的应用配置、测试和比较不同的配置方法，还可以用命令行接口通过脚本自动处理大量的数据。本章主要介绍ITK和Elastix两种常用的开源平台。

5.2ITK研发平台

1999年，由美国国家卫生院（NIH）下属的国立医学图书馆（NLM）发起了一个投标活动，出资赞助开发一个开放源码的分割与配准的算法研究平台。ITK的NIH/NLM的工程负责人Terry Yoo博士带领6家单位合作开发，包括GE Corporate R&D、Kitware、Inc.和MathSoft（现在公司改名为Insightful）3个商业公司和University of North Carolina（UNC）、University of Tennessee（UT）（Ross Whitaker随后迁往University of Utah）和University of Pennsylvania（UPenn）3所大学。其中Kitware、Inc.公司负责设计和维护算法平台的整体架构，3所高校负责算法的研发。直到2002年10月才发行第一个正式的公共ITK版本，之后通过不断的更新和维护，它涵盖了几乎所有主流医学图像配准和分割的相关算法。ITK是一个开放源码、面向对象的软件系统，提供一个医学图像处理、图像分割与配准的算法平台。虽然ITK 结构庞大复杂，但是一旦了解了它的面向对象和执行基本方法，就可以灵活应用它。ITK是一个开放源码的软件系统，这意味着 ITK用户和开发团体可以方便地对软件进行开发和改进。全世界的研究者和开发者都可以在基于ITK开展研发工作的同时发展和改善该图像处理框架，ITK既是开源爱好者的研究宝库，又是医学图像处理工作者的得力助手，ITK图像处理框架不仅给相关的研究和开发人员提供了帮助，而且大大促进了临床医学的蓬勃发展。

本节将从3个部分介绍ITK开源平台。第一部分是ITK的下载和安装。介绍如何在PC上安装ITK，包括预编译库的安装和运行以及从源代码编译软件。第二部分介绍ITK的基本系统概念，如系统结构概述、如何使用C++、Tcl和Python编程语言建立应用程序。第三部分从用户角度来介绍软件，提供了ITK的配准框架，并通过实例来描述系统的主要特征。

5.2.1ITK的下载与安装

可以采用如下3种不同的途径得到ITK源代码。

(1) ITK网站上定期公布的官方版本； 

(2) 由光盘CDROM获取； 

(3) 由CVS（Concurrent Version System）代码库直接获取。

官方定期会在ITK网站上和邮件列表中提供软件版本供用户下载，但这些并非都是最新、最好的版本。总的来说，在网站上下载的版本和由光盘获得的版本都是一样的，只不过光盘会额外提供一些源代码数据。而从CVS获取的是最新的版本，与官方版本相比，由CVS获取的版本稳定性不高，经常出现堵塞无法编译，甚至产生错误结论的现象。

1. ITK的下载

ITK可以免费从以下网站下载http://www.itk.org/HTML/Download.php。

为了更好地使用ITK的各项应用，在下载软件之前首先要填写一个表格，该表格提供了一些有助于开发者获得灵感的信息，及使用者的一些技巧，它还有助于研究部门根据需要指定研究要求。

填完表格会出现一个网页，网页上有得到这个软件的两个选项（完成这一页以后就可以到达下载页面）。你可以选择得到一个发行的稳定版本或通过CVS得到一个比较新的版本。发行的版本比较稳定可靠，但可能缺少研发平台最新的特性功能。CVS版本含有最新的功能但不稳定。

2. ITK的安装

ITK本身只是一个算法的研究平台，因此安装以后并不能直接运行任何应用。但是用户可以基于ITK平台进行自己的开发应用。ITK除了提供研发平台以外，同时还提供了大量的文件和实例来帮助用户了解ITK的概念，帮助用户如何在工作中熟练使用 ITK。

然而有些实例需要应用到第三方数据库，用户必须预先下载这些数据库。对于ITK平台的初始安装使用者，用户可能只安装ITK本身而忽略这些额外的数据库。在过去，ITK用户邮件列表（mailing list）阻塞的主要原因是第三方数据库的编译和安装，并不是因为ITK本身的创建问题。

ITK已经在MS Windows、Intel编译硬件环境下的Linux、Solaris、IRIX、Mac OSX和Cygwin等许多不同的操作系统下通过了开发和测试。

与CMake配合使用可以跨平台工作。CMake是一个跨平台，开放源码的安装（编译）工具，使用简单的语言就可以描述所有平台的安装（编译）过程。CMake的应用非常广泛，它支持系统设置、编译器特征测试和代码继承的复杂环境。

CMake可以输出UNIX和Cygwin 系统下的Makefiles和Windows系统下的 Visual Studio工作区（支持像 Borland 之类的其他编译器安装文件）。CMake 的信息由CMakeList.txt文件提供。这些文件可以在ITK的目录中找到。这些文件记录了CMake的安装时间、系统的公用路径及软件选项的选择等信息。

CMake的安装也比较简单，用户可以从官方网站http://www.cmake.org免费下载。

高版本的ITK需要合适的CMake版本，一般不能兼容较低版本的CMake。将合适的CMake下载到普通平台包括Windows、 Solaris、IRIX、HP、Mac和Linux，也可以将源代码下载并安装到CMake中。按照网站上的下载和安装步骤进行操作。

运行CMake需要提供两个路径： 一是源代码的输入目录地址（ITK SOURCE DIR），第二是对象代码输出目录地址（ITK BINARY DIR）。这两个路径是不同的，即使设置为同一个目录，ITK也会正常运行。

在UNIX系统下，由用户创建目标目录，而CMake给源代码目录设定路径。例如： 

mkdir Insight-binary

cd Insight-binary

ccmake ../Insight

目录

第1章绪论

1.1图像配准技术概述

1.1.1图像配准的定义

1.1.2图像配准的基本框架

1.1.3图像配准方法的分类

1.2图像配准的意义

1.3图像配准的应用领域

1.4医学图像配准技术

1.4.1医学图像配准的发展历史

1.4.2医学图像配准的国内外研究现状及面临的问题

1.4.3常用的医学图像配准方法

1.4.4医学图像配准的评价

1.5本书的结构与内容安排

参考文献

第2章医学成像技术

2.1引言

2.2X射线成像

2.2.1普通X射线成像

2.2.2数字X射线成像

2.3磁共振成像

2.4计算机断层扫描成像

2.5核医学成像

2.5.1正电子放射断层成像

2.5.2单光子发射计算机断层成像

2.6医学超声成像

2.7本章小结

参考文献

第3章图像配准算法

3.1引言

3.2特征空间

3.2.1点检测

3.2.2线检测

3.2.3霍夫变换

3.2.4边缘检测

3.2.5Harris角点

3.2.6SIFT特征点

3.2.7SURF特征点

3.3搜索空间

3.3.1刚体变换

3.3.2仿射变换

3.3.3投影变换

3.3.4弯曲变换

3.4相似性度量

3.4.1差值平方和

3.4.2绝对误差和

3.4.3归一化互相关

3.4.4相关比率

3.4.5互信息测度

3.5搜索策略

3.5.1Powell优化算法

3.5.2Simplex优化算法

3.5.3共轭梯度法

3.5.4拟牛顿法

3.5.5随机梯度下降法

3.6本章小结

参考文献

第4章灰度插值方法

4.1引言

4.2最近邻插值

4.3双线性插值

4.4三次卷积插值

4.5部分体积插值

4.5.1部分体积估计

4.5.2广义的部分体积估计

4.5.3计算复杂度

4.6本章小结

参考文献

第5章医学图像配准的开源平台

5.1引言

5.2ITK研发平台

5.2.1ITK的下载与安装

5.2.2ITK的系统概述

5.2.3ITK图像配准算法的实现

5.3Elastix工具箱

5.3.1Elastix简介

5.3.2软件的特色

5.3.3配准算法的组成

5.4本章小结

参考文献

第6章基于相关性的医学图像配准

6.1引言

6.2基于鲁棒相关系数的医学图像配准算法

6.2.1相关系数估计

6.2.2鲁棒的相关系数

6.3基于相关比的医学图像配准算法

6.3.1相关比

6.3.2条件相关比

6.3.3求导和优化

6.4基于增强相关系数的医学图像配准算法

6.4.1配准模型

6.4.2增强的相关系数

6.4.3模型的优化

6.5实验结果与分析

6.6本章小结

参考文献

第7章基于Demons算法的非刚体医学图像配准

7.1引言

7.2Demons算法

7.2.1吸引力的概念

7.2.2光流方法

7.2.3算法流程

7.2.4微分同胚的Demons配准算法

7.3Active Demons算法

7.3.1在扩散过程中引入正力

7.3.2多分辨率方法

7.4对称Demons算法

7.5可加的Demons算法

7.5.1算法的迭代过程

7.5.2Demons力

7.6实验结果与分析

7.7本章小结

参考文献

第8章信息论在医学图像配准中的应用

8.1引言

8.2信息论基础

8.2.1熵的概念

8.2.2联合熵和条件熵

8.2.3相对熵与互信息

8.3互信息在医学图像配准中的应用

8.3.1图像互信息

8.3.2概率密度估计

8.3.3基于互信息的医学图像配准

8.4几种其他的信息论相似性度量

8.5本章小结

参考文献

第9章基于JensenArimoto散度的医学图像配准

9.1引言

9.2Arimoto熵

9.3JensenArimoto散度

9.4与现有信息论测度的联系

9.5基于詹森Arimoto散度的医学图像配准算法

9.5.1配准框架

9.5.2变换模型

9.5.3目标函数

9.5.4优化方案

9.6实验和结果分析

9.6.1测试数据

9.6.2仿真数据配准实验

9.6.3临床数据配准实验

9.6.4实验结果分析

9.7本章小结

参考文献

第10章连续图像表示在信息论医学图像配准中的应用

10.1引言

10.2基于连续图像表示的直方图估计

10.2.1二维图像的联合直方图

10.2.2三维图像的联合直方图

10.3随机采样理论

10.3.1低差异序列

10.3.2计算成本

10.4快速连续的直方图估计

10.4.1二维图像的FCHE

10.4.2三维图像的FCHE

10.5基于连续直方图估计的医学图像配准

10.5.1空间变换模型

10.5.2目标函数

10.5.3优化方案

10.6实验结果与分析

10.6.1二维图像配准实验

10.6.2三维图像配准实验

10.7本章小结

参考文献

第11章基于熵图的医学图像配准

11.1引言

11.2熵特征相似度

11.2.1瑞利熵与散度

11.2.2互信息与α互信息

11.2.3α詹森相异性度量

11.2.4α几何算术平均散度

11.3熵图的估计

11.3.1最小生成树熵估计

11.3.2基于最近邻图的熵估计

11.3.3α几何算术平均散度和α互信息的

熵图估计

11.4基于多特征互信息的医学图像配准

11.4.1图像配准框架

11.4.2熵、熵图与α互信息

11.4.3优化方法

11.4.4α互信息的求导

11.4.5特征的选取

11.5实验结果与分析

11.6本章小结

参考文献

第12章基于结构特征的多模态医学图像配准

12.1引言

12.2结构图像表示

12.2.1熵图像

12.2.2拉普拉斯图像

12.2.3自相似度

12.3模态独立的邻域描述子

12.3.1动机与概念

12.3.2基于图像块的距离

12.3.3基于高斯函数的差异度量

12.3.4空间搜索区域

12.3.5利用MIND的多模态相似度

12.4基于高斯牛顿方法的配准框架

12.4.1刚体配准

12.4.2扩散约束的形变配准

12.4.3对称和反向一致性配准

12.5基于结构图像表示的多模态医学图像配准

12.5.1形变配准算法

12.5.2实验结果与分析

12.6本章小结

参考文献