Design and implementation of algorithms for medical image registration and fusion

Abstract

Image registration of multimodality images is an essential task in numerous applications in three-dimensional medical image processing. Medical diagnosis can benefit from the complementary information in different modality images. Surface-based registration techniques were succeded by volume-based registration algorithms that appear to be theoretically advantageous in terms of reliability and accuracy. The purpose of this thesis is the development of automatic techniques for the registration of real CT, MR and SPECT images, based on either surface or volume-based algorithms. Optimization s achieved using genetic algorithms that are known for their robustness. Additionally the fused images created in the registration process are used in Groupwares of specialists, where their collaboration allows the exchange of tacit knowledge, owned by the individual specialists that take part in the collaboration, is exposed and made explicit in the process of the evaluation of the fused image findings. Pilot study of the formation of Groupwares of specialists has beenthis of imaging specialists for the evaluation of Brain tumour residual disease.

Η προσαρμογή εικόνων απο διαφορετικά απεικονοστικά μηχανήματα είναι σημαντική σε διάφορες εφαρμογές της 3D επεξεργασία Ιατρικής εικόνας. Χρησιμοποιώντας τις συμπληρωματικές πληροφορίες που δίνουν οι διαφορετικές απεικονιστικές μέθοδοι μπορεί να βελτιωθεί η διάγνωση. Οι αλγόριθμοι volume-based για την προσαρμογή εικόνων υπερτέρησαν των αλγορίθμων surface-based για λόγους αξιοπιστίας και ακρίβειας. Σκοπός αυτής της διατριβής είναι η ανάπτυξη αυτοματοποιημένων τεχνικών για την προσαρμογή πραγαματικών εικόνων απο CT, MR και SPECT βασισμένοι τόσο σε surface-based όσο και σε volume-based αλγόριθμους. Η βελτιστοποίηση επιτυγχάνεται με τη χρήση γενετικών αλγορίθμων οι οποίοι είναι γνωστοί για τη δυνατότητα τους να διατηρουν τα χαρακτηριστικά τους σε διαφορετικές συνθήκες (robustness). Επίσης οι συντηγμένες εικόνες που παρήχθησαν με τη διαδικασία προσαρμογής χρησιμοποιούνται απο ομάδες ειδικών, όπου η συνεργασία τους δίνει τη δυνατότητα για ανταλλαγή μη κωδικοποιημένης γνώσης που κατέχει ο κάθε ειδικός που συμμετέχει στην ομάδα, στη διαδικασία αξιολόγησης των ευρημάτων απο τις συντεθειμένες εικόνες. Πιλοτική εφαρμογή της δημιουργίας ομάδας ειδικών αποτέλεσε αυτή της διερεύνησης υπολλειματικής νόσου όγκου εγκεφάλου.