基于带有边缘信息的互信息最大化的多模式医学图像配准，适合于从事图像配准的研究人员

研究生学位论文，很全 本文简述了医学图像融合的发展现状及在临床上的应用价值，阐述了本文研 究背景和意义。 进行了多种医学成像模式原理的研究，分析了多种医学模式图像特征以及进 行融合的必要性。 阐述了医学图像配准基础理论，在此基础上对多模医学图像实现了最大互信 息法配准。 阐述了医学图像融合涉及的各类算法的原理及特点，并采取多种算法对几种 典型的医学成像融合模式进行了实验验证。 对实验得到的融合图像采用主客观评价指标进行评估，指出基于各种医学融 合模式不同的图像特点的最优融合方法。

在2D-3D医学图像配准中,数字影像重建(DRR)的生成与相似性测度是最重要同时也是最耗时的两个配准步骤。针对配准过程中计算量大、耗时长的问题,将模式强度与梯度相结合,简化模式强度相似性测度的计算量,同时利用图形处理器(GPU)的多线程并行计算在GPU上完成DRR生成与相似性测度,引入梯度下降与多分辨策略对配准过程进行优化,完成整个配准过程。通过与多种相似性测度方法以及基于CPU的配准的比较,表明该方法在很好地兼顾配准精确度的同时,配准速度得到了大大提高。

多峰生物医学图像配准方法评估框架 纸张代码 开放获取数据：数据 概述 该存储库为多模式生物医学注册提供了开源的定量评估框架，旨在促进未来研究的开放性和可重复性。 是调用注册方法并计算其性能的主要脚本。 包含评估数据集的详细描述，以及自定义评估数据集的说明。 *.sh脚本提供了设置大规模评估的示例。 和可用于绘制注册效果并可视化模态转换结果（有关示例，请参见）。 每个文件夹都包含方法的修改后的实现，该方法的测试与该评估框架的兼容性（有关详细信息，请参见）。 其他文件应该是不言自明的，