표면거리 및 표면곡률 최적화 기반 다중모달리티 뇌영상 정합
Multimodal Brain Image Registration based on Surface Distance and Surface Curvature Optimization
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
서로 다른 종류의 영상을 정확하게 연관시켜 복합적인 정보를 제공하는 다중모달리티 의료 영상정합기법 중 표면정보 기반 영상정합에서는 일반적으로 동일 대상에 대한 서로 다른 모달리티에서 추출된 표면 윤곽정보 사이의 거리를 최소화함으로써 매칭이 이루어진다. 그런데 동일 대상에 대해 취득되는 서로 다른 두 모달리티는 관심 영역 상의 표면 특성이 서로 유사하다. 그러므로 다중모달리티 영상정합에서 표면거리와 함께 표면의 형태 특성을 고려하여 두 영상을 매칭하는 방법이 정합결과의 정확도를 향상시킬 수 있다. 본 연구에서는 동일 대상의 서로 다른 두 모달리티 뇌영상 간의 표면거리와 표면곡률을 최적화하는 정합기법을 제안한다. 영상정합은 참조영상과 테스트영상에 대한 표면정보 생성과 이 두 개의 표면정보를 최적화하는 단계로 구성된다. 표면정보 생성 단계에서는 두 모달리티로부터 관심영역의 윤곽선을 추출하고, 이 중 참조볼륨의 윤곽선에 대해서는 표면거리맵과 표면곡률맵을 구성하게 된다. 최적화 단계에서는 표면거리맵과 표면곡률맵을 참조하는 최적화 평가함수(cost function)에 의해 두 객체의 표면거리 차이와 표면곡률 차이를 최소화하는 정합 변환값이 결정되고, 이것이 테스트영상의 변환에 적용되어 결과적으로 두 영상이 정합되게 된다. 제안된 최적화 평가함수는 표면거리 정보만을 사용하는 평가함수에 비해 보다 견고한 정합 정확도를 보였으며 또한 본 연구는 정합결과의 볼륨 가시화를 통해 효율적인 영상 분석 수단을 제공하고자 하였다.
Abstract
Within multimodal medical image registration techniques, which correlate different images and provide integrated information, surface registration methods generally minimize the surface distance between two modalities. However, the features of two modalities acquired from one subject are similar. So, it can improve the accuracy of registration result to match two images based on optimization of both surface distance and shape feature. This research proposes a registration method which optimizes surface distance and surface curvature of two brain modalities. The registration process has two steps. First, surface information is extracted from the reference images and the test images. Next, the optimization process is performed. In the former step, the surface boundaries of regions of interest are extracted from the two modalities. And for the boundary of reference volume image, distance map and curvature map are generated. In the optimization step, a transformation minimizing both surface distance and surface curvature difference is determined by a cost function referring to the distance map and curvature map. The applying of the result transformation makes test volume be registered to reference volume. The suggested cost function makes possible a more robust and accurate registration result than that of the cost function using the surface distance only. Also, this research provides an efficient means for image analysis through volume visualization of the registration result.
참고문헌 (23)
- Derek L. G. Hill, "Medical Image Registration", 46(3), pp.1~45 (2001)
- Joseph V. Hjnal, "Medical Image Registration" (2001), CRC Press
- 홍헬렌, "명암도 기반 정합과 복합적 가시화를 통한 단일 및 다중 모달리티 영상 퓨전" (2001)
- Barbara Zitova, "Image registration methods : a survey", 21(11), pp.977~1000 (2003)
- Pelizzari C. A, "Accurate three dimensional registration of CT PET and or MR images of the brain", 13(1), pp.20~26 (1989), Weichselbaum R. R. and Chen C-T
- Gunilla Borgefors, "Hierarchical Chamfer Matching：A Parametric Edge Matching Algorithm", 10(6), pp.849~865 (1988)
- Besl P. J.,McKay N. D, "A method for registration of 3-D shapes", no.2, pp.239~256 (1992)
- Turkington, "Accuracy of surface fit registration for PET and MR brain images using full and incomplete brain surfaces", 19(1), pp.117~124 (1995)
- Turkington, "Accuracy of registration of PET SPECT and MR images of a brain phantom Journal of nuclear medicine", 34(9), pp.1587~1594 (1993)
- Tsui, "Fast surface-fitting algorithm for 3-D image registration", pp.14~23, WA. SPIE Press
- Huang C. T.,Mitchell O. R, "A Euclidean distance transform using grayscale morphology decomposition", no.4, pp.443~448 (1994)
- Jiang, "A new approach to 3-D registration of multimodality medical images by surface matching In Visualization in biomedical computing", WA. SPIE press
- Kruggel,, "Automatical registration of brain volume datasets Information processing in medical imaging", pp.389~390 (1995)
- Zhengyou Zhang, "Iterative Point Matching for Registration of Free-Form Curves" (1992)
- Feldmar, "Locally affine registration of free-form surfaces", pp.496~501 (1994)
- J, "Rigid and affine registration of smooth surfaces using differential properties In Proceedings of the third European conference on Computer Vision", ⅱ, pp.397~406 (1994)
- Lavallee,, "Recovering the position and orientation of free-form objects from image contours using 3D distance maps", 17(4), pp.378~390 (1995)
- N. Paragios, "Non-rigid registration using distance functions", Vol.89, pp.142~165 (2003)
- T. Mkel, "A new method for the registration of cardiac PET and MR images using deformable model based segmentation of the main thorax structures", pp.557~564 (2001)
- D. Cool, "Tissue-based affine registration of brain images to form a vascular density atlas", pp.8~15 (2003)
- P. Putjarupong, "Image Registration Exploiting Five- point Coplanar perspective Invariant and Maximum Curvature point", 12(1-3) (2004)
- Rafael C. Gonzalez, "Digital Image Processing" (1993), Addison-Wesley, Publishing Company, Inc.
- "A corner finding algorithm for chain-coded curves", 26 no.3, pp.297~303 (1977)