摘要：目的：对近年来的医学图像配准技术及其(4)

1.4 相似性测度

相似性测度的选择是图像配准中的重要步骤之一，它将决定如何确定配准变换。而且，其匹配的程度最后转化为匹配或者不匹配。

1.4.1 最大互信息测度

互信息是目前用得最广泛的多模态配准方法，其精度和鲁棒性都较令人满意。该方法不需要对图像进行分割或任何预处理，只要求存在统计依赖关系。它将两幅图像的灰度值看成两个随机变量，使用信息论中的互信息作为理论依据。信息论的方法假设当两幅图像对准时，根据其中一幅图像中的某一位置的灰度值，能够较好地预测另一幅图像在相应位置的灰度值。若两幅图像没有配准，则上述预测无效。从本质上讲，互信息利用了图像中同种拓扑结构和内容的一一对应，因而不受灰度值必须线性关系的限制，被广泛地用于CT/MR，PET/MR 等多种配准研究中，特别是当其中一个图像的数据部分缺损时也能得到很好的配准。但是，在原始互信息中未能考虑图像中像素的空间信息，仅以像素的灰度作为统计变量，忽略了灰度传递的空间位置信息。而且它还容易受到灰度插值的影响，因此产生许多局部极值导致了误配准。如何更好地与空间信息结合，是提高以互信息作为相似性度量的配准性能关键。

　　Liu 等人[19]提出灰度和梯度场互信息自适应相结合（adaptive combination of intensity and gradient fieldmutual information，ACMI）的标准。灰度互信息不是从两幅原始图像计算出，而是从两幅图像梯度场互信息（gradient code maps，GCM）计算出，所谓GCM 即：从相应原始图像的中构建出梯度场的信息。由于他们的互补性，两种信息函数用非线性加权函数相结合形成ACMI，非线性加权函数可以根据他们的表现自适应的进行调节使得两种互信息方法得到更好的结合。试验结果表明ACMI 鲁棒性等比传统的互信息要好。文献[20]是利用最大化互信息理论和边缘相关偏差对图像进行配准。此方法充分利用了原始图像所有的灰度信息和图像边缘体素位置的相关性。实验证明新方法继承了之前方法的优点，而且有一些改进：参数曲线的极点更加的明显；在图像缺失灰度值的情况下可以减少配准错误；对白噪声有更好的鲁棒性。

1.4.2 均值距离测度

针对互信息测度在配准医学图像时易陷入局部极值、速度慢的缺点，提出了基于均值不等式的均值距离测度。文献[21]首先根据均值不等式推导出5 种均值距离测度：方根-算术均值距离（SAM）、方根-几何均值距离（SGM）、方根-调和均值距离（SHM）、算术-几何均值距离（AGM）、算术-调和均值距离（AHM）。然后通过人体脑部CT/MR 和MR-T1/PD 图像的配准实验，从函数曲线、配准精度、计算时间和收敛性能方面，对互信息与5 种均值距离信息测度进行了比较与分析。实验结果表明，在不损失配准精度的前提下，AHM 和SAM 测度可以获得更快的配准速度， 对噪声有很强的鲁棒性。

2 医学图像配准的评估

医学图像配准，特别是多模医学图像非刚体配准结果的评估一直是件很困难的事情。由于待配准的多幅图像基本上都是在不同时间或/ 和条件下获取的，所以没有绝对的配准问题，只有相对的最优（某种准则下的）配准。在此意义上，最优配准与配准的目的有关。常用的评估方法有以下几种：体模法、准标法（fiducial marks）、图谱法和目测检验法。文献[22]有详细的解释，这里就不加赘述。

　　值得注意的是，荷兰乌得勒支大学图像科学中心建立了3 套标准医学图像数据集和评估准则。其中包括了2D-3D 配准标准数据集、金标准和评估准则（gold standard database）[23]。它采用经过已知成像几何关系的三维旋转X 线成像系统（3D rotational X-ray，3DRX） 和基于图像的3D-3D 配准方法，提供了二维透视X 线图像到三维MR/CT/3DRX 图像配准研究的金标准，包括了多模态的图像数据集（MR、CT、3DRX）、旋转中心和起始点，以及对试验结果的评估准则。