中文摘要：

本项目旨在研究一套基于异常信号建模的多模医学图像形变配准的新理论。从待配准多模医学图像的融合扩散运动分析入手，按照待配准图像全局特征分布，建立解剖组织手术改变引发的临床异常信号的匹配误差分布，在此基础上建立正常信号和临床异常信号的扩散过程混合统计模型，利用扩散过程的异常信号检测和稳健回归分析方法，自动检测出解剖组织手术改变，进而得到多模医学图像的形变配准参数。本理论对图像导向外科手术研究领域进行术

结论摘要：

非刚性医学图像配准是最近几年医学成像相关领域的研究热点和难点问题。由于病灶手术切除、术中出血等异常图像特征，导致图像局部对应信息缺失和解剖组织的局部大形变，这些更加剧了非刚性医学图像配准的研究难度，项目提出三类创新方法有效解决非刚性医学图像配准的异常信号和相应的局部大形变问题 1)首次提出联合显著图概念，对待配准图像的公共显著结构区域进行有效建模，有效定位肿瘤切除等异常信号；创新性提出联合显著图加权的联合灰度直方图计算方法，能有效引入联合灰度直方图紧凑、均衡的模糊效应，大大提升基于互信息的刚性图像配准鲁棒性。基于对尺度不变关键特征点提取和分类，结合肿瘤切除区域平均联合显著值低于一定门限值，有效地筛选出有对应关系的控制点；再利用局部互信息不匹配测度检测控制点之间的对应关系，基于径向基函数逼近变换模型、迭代跟踪病灶切除引起的术中软组织漂移； 2)首次利用局部结构自适应归一化卷积和相似性测度组合，对术前/术中医学图像多分辨率子块匹配获取的离散形变场进行正则化平滑，本算法能有效地建模肿瘤切除及对应信息不完全时的非刚性图像配准。 3)实现基于光流和多层次B样条自由变形的医学图像鲁棒形变配准。