第1章绪论
1.1研究背景
医学成像技术（Medical Imaging Technology)是指借助于某类介质，如X射线、电磁场、超声波、放射性核素，对人体或人体某个部位，以非侵入的方式相互作用，获取内部组织器官影像信息的处理技术和过程。近年来，医学成像论文代写技术飞速发展，各种成像设备层出不穷，已形成了包括X线成像、超声成像(USG)、计算机断层成像（CT)、核磁共振成像（MRI)、放射性核素成像（RNI)、正电子发射断层成像（PET)、数字减影血管造影（DSA)、单一光子发射电脑断层扫描(SPECT)等多种成像技术检査体系。由于成像技术原理的差异，导致各项技术和检查方法有着不同的特点和限制。在不同疾病的发现和诊断中，有着各自的优势与不足，亦就是说它们的诊断价值各异。例如，CT对密度差异较大的组织效果好，具有较高分辨率；MRI能识别软组织信息；而PET能反映人体器官的代谢功能信息尽管目前已经出现了结构图像和功能图像的同机融合系统，如SPECT-CT、PET-CT等，但设备价格十分昂贵，应用场合有限[21。因此，为了能有效地综合利用各种成像技术，获得更全面的图像信息，配准技术应运而生。医学图像配准是信息学、计算机图像学和医学影像学等多学科交叉的研宄领域，己经在临床诊疗、术前规划、术中导航等方面取得了广泛的应用⑶。计算机图像技术的迅速发展，为医学体数据的获取、重构、绘制提供了良好的基础。医学图像设备和处理技术扮演着越来越重要的角色，从辅助诊断、治疗计划、引导手术到神经功能解剖等都需要借助图像形态、信息数据来进行准确定位和分析。因此，利用图像配准技术，将不同条件下获取的图像信息融合起来，综合各类成像设备的优势，在一副图像中尽可能多的表达人体内部的结构、代谢等信息，成为临床医学观察、诊断、治疔疾病强有力的后盾。
…………..
1.2国内外研究现状
七十年代，Anuta介绍了基于快速傅里叶变换的配准算法[4]。Bamea[5]使用SSDA(连续相似性检测)算法进行图像配准，SSDA算法相比同期其它算法速度较快。P.VK)la[6]等人将互信息作为测度准则应用于图像配准，基于互信息的配准方法对光照及图像完整性不敏感，无需对图像数据做预处理，配准精度高，发展成一种重要的配准算法。Elsen[7]发表了关于医学图像配准的综述文章，对相关技术给出了深入分析和总结。美国科技信息所（Institute of Scientific Information，ISI)的调查数据表明，在1999年至2008年这十年里至少有超过3900多篇的学术论文在研究图像配准问题，美国2006年网上公布的申请专利项目中，与图像配准相关的专利申请多达50余项，很多大型跨国企业诸如IBM和GE也都成立了专门的工作组从事图像配准研究[8]。关于图像配准的专题报告在最近的国家顶级学术会议上也频频出现，足可见配准技术在当今社会的关注程度。
…………
第2章医学图像配准概述
2.1配准的概念
医学图像配准是指对一幅图像寻求一种（或一系列）空间上的变换，将其映射到来自同一成像对象的另一幅图像上，使得两图中对应于空间同一位置的点。(同源点）一一对应起来，达到空间位置上的一致。配准的结果应使两幅图像所有的像素点，或至少是具有诊疗意义及临床手术中感兴趣区域的点都达到匹配[25]。简单来说，医学图像配准是将一幅医学图像上的点映射到另一幅医学图像上同源点的空间变换过程，如图2-1所示。图2-1中，F和M为需要配准的两幅图像，其中保持不动的图像称为参考图像F(x)，待配准的图像称为浮动图像M(x)，表示在N维空间中的一个位置。配准的过程是不断寻找空间变换T,对浮动图像MOO进行变换。变换后两幅图像的匹配程度需要通过某种相似性准则S来评价。在某一变换后，浮动图像MCHjc)) 和参考图像F(X)具有最大相似性测度S时，则认为两图像达到最佳匹配，因此图像配准的数学模型。
………..
2.2配准的分类
图像配准的方法有很多种，可依据不同的准则对配准进行分类[26]。文献[27-3G]对配准做了详尽的分类，到目前为止，医学图像配准方法的分类还没有一个统一的标准。本文介绍几种常见的分类方式：医学图像按维数可分为二维图像和三维图像，那么与之对应的配准方法就有2D/2D, 2D/3D,以及3D/3D图像配准。2D/2D配准通常指两个单独断层层面之间的配准；2D/3D配准通常指投影图像（或是单独的一个断层扫描数据层面）和三维空间图像的配准；3D/3D配准即指两幅三维空间图像之间的配准。另外，如果在空间维数的基础上再加上时间维，那么原来的2D、3D就变为3D、4D。加入时间维度的配准在临床上可用来观察儿童骨路生长情况、监视患者病变部位治疗前后的变化等。根据医学图像的模态分为两类：同模态图像配准和不同模态图像配准。同模态图像配准是指待配准的两幅图像来自于同一种成像设备，通常应用于MRI加权像、电镜图像序列和MRI图像序列间的配准。不同模态图像配准是指需要配准的两幅图像是通过不同成像设备获取的。如在临床上将CT、MRI等解剖图像与SPECT、PET等功能图像进行配准，能同时获得图像的解剖信息（较高分辨率）和功能信息（能反映人体的功能代谢情况)。根据变换涉及到的区域可分为局部配准和全局配准。当变换参数发生改变时，若受影响的只是图像的局部区域，则为局部配准，若影响到整个图像，则为全局配准。全局配准多用于刚性和仿射变换，局部配准多用于非线性变换。局部变换容易破坏图像的连续性，一般很少直接使用。通常是在全局变换满足不了需要时，才对图像进行局部变换。
…………..
第3章基于互信息的医学图像配准算法设计......... 17
3.1 ITK 介绍......... 17
3.1.1 ITK 简介......... 17
3.1.2 ITK 特点......... 17
3.1.3 ITK设计思想......... 18
3.2 数据获取......... 21
3.3辦算法的设计与实现......... 26
3.4配准结果与分析......... 34
3.5 本章小结 .........36
第4章基于CUDA的配准算法优化实现......... 37
4.1 GPU 及 CUDA 简介 .........37
4.1.1 CUDA编程模型.........38
4.1.2 CUDA映射模型......... 39
4.1.3 CUDA存储模型......... 41
4.2并行化实现......... 42
4.3 CUDA程序优化......... 50
4.3.1并行程序优化......... 50
4.3.2优化效果分析......... 53
4.4 本章小结......... 54
第5章总结与展望......... 55
5.1本文工作总结 .........55
5.2后期工作展望.........56
第4章基于CUDA的配准算法优化实现
4.1 GPU 及 CUDA 简介
主流计算机中处理器主要包括：中央处理器CPU和图形处理器GPU。通常情况下，大部分的处理工作都是由CPU来完成，GPU只负责图形這染任务。图4-1展示了 CPU与GPU晶体管结构差异情况，基于图像植染高度并行性的特点，GPU架构中将更多的晶体管用作执行单元，相比CPU减少了缓存和控制单元，因此GPU在处理能力和存储带宽上相对CPU有着明显的优势[50，51]。如果将GPU的强大计算能力局限于处理图形渲染任务，那么无疑是对计算资源的极大浪费。GPGPU (Geneal-purpose confuting on graphics processing units)是将GPU用于图形濱染以外领域的计算模式，通常釆用CPU加GPU的异构模型。然而，由于GPU的设计初衷是为了加速应用程序中的图形绘制运算，使得开发人员需要通过OpenGL或者DirectX等API来访问GPU，这不仅要求开发人员掌握一定的图像编程知识，而且要想办法将通用计算问题转换为图像计算问题。其次，GPU主要注重数据并行计算，对并行计算中的互斥性、同步性以及原子性等多方面支持不足。沉重的学习负担和诸多限制因素导致GPU通用并行计算在早期并未获得推广。
………….
结论
医学图像配准是图像处理领域一个重要的研究课题。配准技术能够将不同条件下获取的图像融合起来，为临床诊断和治疗提供更加全面的图像信息。本文重点研宄了医学图像的刚性配准，在借鉴im配准框架的基础上，实现了基于互信息的Powell配准算法。本文的工作内容主要有以下几个方面：
1、介绍了医学图像配准的相关知识，包括图像配准的定义、配准方法分类、配准基本流程。对配准框架中的四个基本模块（空间变换、插值、相似性测度、优化方法）所采用的各种技术进行分析比较，以选择合适的方法来设计配准算法。
2、对ITK算法平台、CT成像技术、DICOM标准、ITK-SNAP软件等相关知识进行介绍为后文打下基础。
3、详细介绍了配准算法的设计过程，主要包括空间变换算法、插值算法、相似性测度算法及优化算法，实现了基于互信息的Powell配准算法。并以牙模数据为例，借助ITK算法平台进行数据的读写及预处理，通过实验验证本文配准算法的正确性。
…………
参考文献（略）