摘要
本综述提出了一种新颖的可变形图像配准范式，该范式结合了马尔可夫随机场（Markov Random Field, MRF）建模与强大的离散优化算法。我们将可变形配准问题表述为一个最小代价图优化问题：图中的节点对应变形网格点，节点间的连接关系代表正则化约束，节点的标签则表示三维空间中的形变矢量。为同时处理基于图像强度（iconic）与基于几何特征（如标志性点）的配准任务，我们分别构建了两个图模型，分别对应上述两类子问题。这两个图模型共享部分变量，从而形成一种模块化、强大且灵活的框架，能够适应任意图像匹配准则、多种局部形变模型以及不同的正则化约束。针对所对应的优化问题，我们提出了两种优化策略：一种是计算高效的近似方法，另一种是更为精确的紧松弛（tight relaxation）方案。实验结果表明，该方法具有显著潜力。与传统的连续优化方法相比，离散方法已成为医学图像配准领域的重要新兴趋势，其在多个方面展现出明显优势。本文通过若干关键实例展示了所提出框架在性能与计算复杂度方面均优于现有通用型配准方法。该方法在对计算时间敏感的应用场景中尤为突出，例如术中影像处理；同时在数据差异极大、需采用复杂且特定应用的匹配准则的场景下也极具价值，例如大规模多模态人群研究。目前，该配准框架连同配套的图形化用户界面及相关学术论文，已可通过 http://www.mrf-registration.net 免费下载，适用于 Windows 与 Linux 平台，供科研用途使用。