[01710674]3D平移不变剪切波域统计相关性驱动的多模态医学图像融合方法研究

关爱生命、战胜病魔、构筑牢固的健康防线要坚持“早发现、早诊断、早治疗”的“三早”理念。然而,仅仅依靠单独一种模态的医学影像诊断技术手无法准确、全面、充分地向医生提供关于肿瘤发生位置、发展变化乃至恶化转移的详细病理信息,是目前针对恶性肿瘤进行及早发现、准确诊断、精确治疗的主要障碍。 因此,多模态医学图像融合是现代医学影像诊断中的关键技术,尤其是在准确勾画恶性肿瘤靶区,精确制定和成功实施放疗手术方案的过程中扮演着重要的角色。它能够帮助医疗人员高效利用不同模态的医学信息,更加准确地区分人体正常组织和癌变组织的差异,使医生能够准确判断肿瘤是否发生、转移,肿瘤的良恶性以及所处于哪一阶段（早、中、晚期）,从而针对不同病情制定精确的放疗手术方案,降低手术失败的风险。这些优点对于肿瘤的早发现、早诊断、早治疗以及提高恶性肿瘤患者的存活率,保障人民群众的生命权、健康权具有巨大的现实意义和广泛的社会效益。 而传统的医学图像融合方法,特别是近几年广泛流行的基于多尺度几何变换理论的多模态医学图像融合方法,还存在对高维特征信息稀疏表示能力较弱,融合规则缺失系数关于尺度、方向统计相关性,仅能得到平面、静态和孤立融合结果的缺点。针对上述问题,提出了基于3D平移不变剪切波变换的医学图像融合方法。首先是利用两种策略实现了剪切波变换的平移不变性质,即利用平移不变的金字塔方法和复数域的剪切波变换;其次,提出了一系列基于平移不变剪切波变换的统计性质的融合算法,探讨了具有平移不变性质的剪切波系数关于方向、尺度的统计分布特点,并建立了相应的模型来描述、捕获所蕴含的统计相关性,提出了对应的嵌入统计相关性的融合规则来提高融合方法的性能。本课题的成果首先回答了平移不变剪切波系数关于尺度、方向不仅不是统计无关的,而是存在强烈统计相关性这一分布特点,并且这种统计相关性可以通过建立相应的模型进捕获和利用,确实可以提高多模态医学图像融合的性能。其次,建立了子带系数相位、幅值关于尺度、方向的深度稀疏统计相关特征模型,提出了基于多尺度、跨方向深度稀疏统计相关特征信息驱动的融合规则,阐明了利用深度稀疏统计相关特征信息提高融合性能的机理;最后,提出并发展了一系列多模态医学图像融合新方法,从6 种常用的客观评价标准来看,如方差,标准差、SSIM, 熵,互信息,空间频率等,所提算法至少一半及以上指标能够达到最优值。 并以此为基础,开发了包含图像数据预处理、配准与融合、病变区域智能识别、数据高维可视化的计算机辅助医学诊断平台,以提升医生的诊断效率和成功率,为提高患者的诊疗水平服务。该平台界面友好、功能较完善,它能够帮助医生利用计算机高效地获取不同模态的医学信息,更加准确地区分人体正常组织和病变组织的差异,准确判断病变是否发生、转移,它对于针对不同病情快速制定精确的手术方案,提高手术成功率具有重要的理论研究意义、巨大的应用价值和市场潜力。 到目前为止,该课题相关成果已发表学术论文20余篇,其中,SCI、EI检索期刊论文8篇,中文核心论文5篇,已申请发明专利3项,登记计算机软件著作权7项,培养硕士研究生15人,一人获“2019年山东省优秀硕士学位论文”。