Distinctive local binary pattern for non-rigid registration of lung computed tomography images
Distinctive local binary pattern for non-rigid registration of lung computed tomography images
复制标题
用于肺计算机断层扫描图像非刚性配准的独特局部二值模式
DOI：
10.1049/el.2015.0598
复制
发表时间：
2015-10
影响因子：
1.1
通讯作者：
Dong Enqing
中科院分区：
文献类型：
--
作者：
Cao Zhulou;Dong Enqing
肺部计算机断层扫描（CT）图像的非刚性配准是各种临床应用的有价值的工具。针对肺部运动的不连续性和局部强度变化，采用了双边滤波、普查变换等方法。然而，普查变换不能区分低对比度区域和高对比度区域，这可能会对基于差分的配准方法产生负面影响。提出了一种新的独特的局部二值模式，可以产生高对比度图像的独特表示。结合新的局部二值模式、双边滤波器、逆一致对称方法和Lucas-Kanade方法，提出了一种新的精确图像配准方法。实验在来自DIR-Lab的公开可用的4D CT肺数据集上进行。与传统的普查变换相比，本文提出的独特局部二值模式可以获得相对更好的结果。该方法大大提高了经典Lucas-Kanade方法和基于双边滤波器的Demons方法的配准精度。此外，在该数据集上测试的所有未掩蔽方法中，所提出的配准方法是最准确的。
Non-rigid registration of lung computed tomography (CT) images is a valuable tool for various clinical applications. Many methods such as bilateral filters and census transform have been used to deal with discontinuity of lung motion and local intensity variation. However, census transform cannot distinguish between low and high contrast regions, which may lead to negative influence to differential-based registration methods. A novel distinctive local binary pattern that can generate distinctive representations of high contrast images is proposed. Combing the novel local binary pattern, bilateral filters, the inverse-consistent symmetrical method and the Lucas–Kanade method, a novel accurate image registration method is developed. The experiments are performed on the publicly available 4D CT lung dataset from DIR-Lab. Compared with the census transform, the proposed distinctive local binary pattern can achieve relatively better results. The proposed image registration method greatly improves the accuracy of the classical Lucas–Kanade method and the bilateral filters-based Demons. In addition, the proposed registration method is most accurate among all unmasked methods tested on this dataset.
登录
查看更多内容
影响因子：
3.5
作者：
Castillo, Richard;Castillo, Edward;Guerrero, Thomas
通讯作者：
Guerrero, Thomas
影响因子：
10.9
作者：
Thirion, J P
通讯作者：
Thirion, J P
影响因子：
1.1
作者：
Zhulou Cao;Enqing Dong
通讯作者：
Zhulou Cao;Enqing Dong
DOI：
10.1007/978-3-642-53842-1_3
发表时间：
2013-10
期刊：
--
影响因子：
--
作者：
S. Hermann;R. Werner
通讯作者：
S. Hermann;R. Werner
DOI：
10.1007/978-3-642-53842-1_13
发表时间：
2013-10
期刊：
--
影响因子：
--
作者：
S. Hermann;R. Werner
通讯作者：
S. Hermann;R. Werner