图像配准
Parent: ai_keywords
图像配准
核心定义
图像配准（Image Registration）是将不同时间、不同模态或不同视角下获取的同一场景图像，通过空间变换映射到同一坐标系，实现几何对齐的过程。在医学影像中，它旨在消除因患者运动、成像参数差异或解剖结构变形导致的偏移，从而为多模态融合、纵向比较及三维重建提供空间一致性基础。
关键技术点
- 特征提取与匹配：基于图像中显著的结构（如角点、边缘、纹理）或解剖标志（如脑沟、血管分叉点）构建对应关系。常用的特征描述子包括SIFT、ORB以及深度学习特征（如SuperPoint、LoFTR）。
- 变换模型：定义几何映射的数学形式。
- 刚性变换：仅允许平移和旋转，适用于骨骼或未变形组织（如头部固定后CT）。
- 仿射变换：增加缩放和剪切，校正全局线性变形。
- 非线性（可变形）变换：使用B样条、Free-Form Deformation（FFD）或神经网络（如VoxelMorph）处理器官或组织的局部形变（如脑水肿、肿瘤推挤）。
- 相似性度量：量化配准后图像间的匹配质量。
- 互信息（MI）：对多模态图像（如MRI与PET）鲁棒，基于信息论度量统计依赖性。
- 归一化互相关（NCC）：适用于同模态图像。
- 均方误差（MSE）：适用于噪声水平相近的序列。
- 优化策略：迭代求解最优变换参数。常用方法梯度下降、随机梯度下降、Adam，以及多分辨率（金字塔）策略加速收敛并避免局部极值。
医学/神经科学应用场景（脑卒中灌注-弥散配准）
在首都医科大学附属北京天坛医院的缺血性脑卒中诊疗中，DWI-PWI配准用于精准评估缺血半暗带。弥散加权成像（DWI）显示核心梗死区（细胞毒性水肿导致水分子受限），而灌注加权成像（PWI）标定低灌注区域（血流减少）。通过非线性配准将这两个序列（不同扫描时间、可能因患者自主运动或脑肿胀导致形变）对齐后，计算DWI/PWI不匹配区，即可量化“可挽救脑组织”（半暗带）。该结果直接指导溶栓或机械取栓的决策窗口（如超出DWI模拟时间或临床阈值），显著降低过度治疗或漏诊风险。此外，配准精度受大脑中线移位及卒中亚急性期水肿影响，需要结合解剖约束（如分割后脑室、大脑镰）的正则化策略。
