본 논문에서는 명암도 기반의 의료영상 정합을 위한 최적화 방법을 소개하고자 한다. 제안하는 최적화 방법은 조건부 확률의 엔트로피에 기반한 측도를 사용함으로써 수행된다. 본 논문에서는 정합을 수행하기 위해서 주어진 두 영상의 명암도에 대한 조인트 히스토그램으로부터 계산된 조건부 엔트로피를 개선하여 새로운 정합 방법의 측도로써 정의한다. 그리고 기존의 명암도 기반의 방법들 즉, 명암도 차이 측정을 이용한 방법, 상관계수를 이용한 방법, 상호정보량을 이용한 방법 등과 비교 실험을 수행한다. 단일 모달리티 뇌 MR 영상을 이용한 실험과 서로 다른 모달리티 뇌 MR 영상과 CT 영상의 정합 결과를 통해서 성능을 평가한다. 실험결과에 의하면 제안한 방법이 기존의 최적화 방법들 널다 최적화 하는데 소요되는 시간이 더 빠르고 정확한 정합이 됨을 알 수 있다.
We propose an intensity-based image registration method for medical images. The proposed registration is performed by the use of a new measure based on the entropy of conditional probabilities. To achieve the registration, we define a modified conditional entropy (MCE) computed from the joint histograms for the area intensities of two given images. And we conduct experiments with our method as well as existing methods based on the sum of squared differences (SSD), normalized correlation coefficient (NCC), normalized mutual information (NMI) criteria. We evaluate the precision of SSD-, NCC-, MI- and MCE-based measurements by comparing the registration obtained from the same modality magnetic resonance (MR) images and the different modality transformed MR/transformed CT images. The experimental results show that the proposed method is faster and more accurate than other optimization methods.
