通过广义互信息 (GMI) 的远距离医学图像配准：迈向全自动体素对齐

图像配准是医学图像处理中的关键操作，可实现大量应用。互信息 (MI) 作为鲁棒的相似性度量已被确立，常用于医学图像配准。尽管 MI 提供了鲁棒的医学图像配准，但由于 MI 局部极大值陷阱，当所需图像变换过大时通常失效。本文中，我们提出并评估了一种广义参数化 MI 作为仿射配准代价函数。我们评估了可分离仿射变换的广义 MI (GMI) 函数，并通过梯度下降仿真详尽评估了 GMI 数学图像以寻求最大配准范围。我们还采用蒙特卡洛模拟测试随机 T1 与 T2 图像的平移配准。GMI 函数显示出平滑的等值面，将算法导向全局极大值。结果显示配准范围显著延长，避免了局部极大值陷阱。我们评估了平移 [-150mm,150mm]、旋转 [-180°,180°]、尺度 [0.5,2] 和斜切 [-1,1] 的范围，在模拟梯度下降中相应变换成功率分别为 99.99%、97.58%、99.99% 和 99.99%。在来自 1,113 名受试者的 T1 和 T2 MRI 图像的 2,000 次随机平移试验的蒙特卡洛模拟中，我们也获得了 99.75% 的成功率。这些发现指向 GMI 用于远距离配准的可靠性及增强的速度性能。