非刚性图像配准的快速自适应基算法

1：实验设计与方法选择：

本研究提出了一种用于非刚性图像配准的快速自适应基（FAB）算法，采用多分辨率和多尺度方法，结合自适应支撑尺寸的基函数、匹配区域识别以及局部优化的高网格点密度。形变模型使用径向基函数（如Wu紧支撑径向基函数），优化方法采用带二次插值的梯度下降法。相似性度量采用归一化互信息（NMI）。

2：样本选择与数据来源：

来自BrainWeb数据库的模拟3D脑图像（包含T1、T2和PD加权MR图像，噪声水平为3%，切片厚度为1mm，强度不均匀场为0%、20%和40%）以及Kitware公司MIDAS数据服务器的临床脑数据集（11张磁共振血管造影（MRA）图像，体素间距为0.5×0.5×0.8 mm³，体素数量为448×448×128）。

3：T2和PD加权MR图像，噪声水平为3%，切片厚度为1mm，强度不均匀场为0%、20%和40%）以及Kitware公司MIDAS数据服务器的临床脑数据集（11张磁共振血管造影（MRA）图像，体素间距为5×5×8 mm³，体素数量为448×448×128）。 实验设备与材料清单：

3. 实验设备与材料清单：一台搭载Intel i7处理器（3.6 GHz）并运行Windows 8的PC，以及用C++编程语言编写的计算机程序。

4：6 GHz）并运行Windows 8的PC，以及用C++编程语言编写的计算机程序。 实验步骤与操作流程：

4. 实验步骤与操作流程：算法首先进行仿射配准以消除大的线性全局效应，随后创建图像金字塔进行多分辨率处理。在每个层级，使用具有自适应支撑尺寸的规则基函数网格来识别匹配区域（冷点）和不匹配区域（感兴趣区域或热点）。对具有更高网格点密度的感兴趣区域采用梯度下降法进行局部优化。该过程在分辨率递增和尺度递减的层级间迭代。

5：数据分析方法：

使用均方根误差（RMSE）评估模拟数据的性能（将估计形变与真实值比较），使用归一化互信息（NMI）评估临床数据。对不同配准方法（规则网格、自适应网格、改进的局部优化和提出的FAB）的平均运行时间和准确性指标进行统计比较。