陸雪松，郭翔宇

(中南民族大學(xué) 生物醫(yī)學(xué)工程學(xué)院，武漢 430074)

多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)在醫(yī)學(xué)圖像處理和分析中具有非常重要的意義.不同模態(tài)的醫(yī)學(xué)圖像在反映人體解剖和功能信息方面具有各自的獨(dú)特優(yōu)勢(shì)，例如計(jì)算機(jī)斷層影像(Computed Tomography, CT)可以提供高分辨率的骨性結(jié)構(gòu)信息，而磁共振(Magnetic Resource，MR)影像在描述軟組織解剖和病理結(jié)構(gòu)方面優(yōu)勢(shì)明顯，單光子發(fā)射計(jì)算機(jī)斷層成像(Single-Photon Emission Computed Tomography，SPECT)、正電子發(fā)射斷層成像(Positron Emission Tomography，PET)等功能影像能夠從分子水平上揭示病變組織器官的生理和病理變化，提供更有價(jià)值的診斷信息[1].多模態(tài)圖像融合可以結(jié)合不同模態(tài)的圖像信息為疾病的診斷和治療策略提供詳細(xì)而全面的參考依據(jù)[2]，精確計(jì)算、建模和量化解剖結(jié)構(gòu)信息能夠輔助醫(yī)生制定更合理的治療方案.多模態(tài)醫(yī)學(xué)圖像分析方法由于可以多維度、多模式地綜合了解疾病動(dòng)態(tài)變化，在指導(dǎo)臨床診斷、放射治療、手術(shù)方案制定等方面存在廣泛的應(yīng)用價(jià)值.

一般地，配準(zhǔn)技術(shù)是多模態(tài)醫(yī)學(xué)圖像融合分析的基礎(chǔ)，相似性測(cè)度方法[3,4]的選擇是決定能否精確配準(zhǔn)的關(guān)鍵因素.傳統(tǒng)的互信息(Mutual Information，MI)方法旨在尋找圖像間的灰度統(tǒng)計(jì)關(guān)系，已被廣泛應(yīng)用于多模態(tài)圖像配準(zhǔn)過程.但是，它并不是一個(gè)凸函數(shù)，容易陷入局部最優(yōu)造成錯(cuò)誤對(duì)齊的風(fēng)險(xiǎn).為了克服上述缺陷，許多研究者對(duì)其進(jìn)行了改進(jìn).ZHUANG等[5]利用空間位置編碼互信息，用于心臟磁共振圖像的配準(zhǔn).WOO[6]等提出三維Harris算子結(jié)合空間和幾何信息的多模態(tài)配準(zhǔn)方法，用于高低分辨率圖像間的配準(zhǔn)，相較于傳統(tǒng)的配準(zhǔn)方法獲得了更好的精度和性能.LIU等[7]提出了一種基于深度全卷積網(wǎng)絡(luò)的多模態(tài)圖像配準(zhǔn)框架，該框架結(jié)合了深度FCN模型和單模態(tài)配準(zhǔn)方法，通過大量可訓(xùn)練的參數(shù)自動(dòng)捕獲不同模態(tài)間的復(fù)雜非線性關(guān)系，實(shí)現(xiàn)了快速、穩(wěn)健的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn).朱飛[8]提出由自相似性激發(fā)的Zernike矩描述子，用于非剛性多模態(tài)醫(yī)學(xué)圖像配準(zhǔn).該方法從圖像表征的角度入手，構(gòu)建熵圖表征不同模態(tài)圖像的特征信息參與配準(zhǔn)過程，在準(zhǔn)確性和魯棒性都較目前主流的基于圖像表征的配準(zhǔn)方法有了大幅度的提升. SIMONOVSKY[9]等提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的深度相似性度量方法，并將該方法用于多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)過程，獲得了優(yōu)于互信息的配準(zhǔn)結(jié)果.

目前，多模態(tài)心臟圖像配準(zhǔn)已經(jīng)被用于心臟結(jié)構(gòu)的量化評(píng)估、心臟病的診斷和手術(shù)中.SHI等[10]對(duì)標(biāo)記和未標(biāo)記MR圖像進(jìn)行非剛性配準(zhǔn)，為心臟功能評(píng)價(jià)中的心肌運(yùn)動(dòng)跟蹤提供幫助.ZHUANG等[11]在非剛性配準(zhǔn)的基礎(chǔ)上，采用多尺度信息計(jì)算多模態(tài)圖譜之間的相似性，從而提取心臟子結(jié)構(gòu)，輔助心臟病的早期診斷.TAVARD等[12]提出多模態(tài)心臟數(shù)據(jù)配準(zhǔn)和融合的工作流，對(duì)心臟再同步治療實(shí)施優(yōu)化.最近，日趨成熟的形狀建模技術(shù)也已被用于心臟的分割和配準(zhǔn)中.ZHENG等[13]使用基于B樣條的統(tǒng)計(jì)形變模型編碼目標(biāo)解剖結(jié)構(gòu)的先驗(yàn)信息，利用該先驗(yàn)信息約束2D-3D配準(zhǔn)過程，減少了優(yōu)化所需的參數(shù)數(shù)量.BERENDSEN等[14]提出使用一系列分割好的目標(biāo)形狀訓(xùn)練獲得其統(tǒng)計(jì)形狀信息，并基于該先驗(yàn)信息作為正則項(xiàng)引入到自由形變配準(zhǔn)框架，減少局部極值和錯(cuò)誤對(duì)齊，獲得了更好的配準(zhǔn)質(zhì)量和效果.

本文主要針對(duì)多模態(tài)心臟圖像的配準(zhǔn)問題，提出了一種統(tǒng)計(jì)形狀模型(Statistical Shape Model，SSM)構(gòu)建方法，并將左心室的統(tǒng)計(jì)形狀模型作為先驗(yàn)約束項(xiàng)引導(dǎo)多模態(tài)心臟圖像的配準(zhǔn)過程.本文呈現(xiàn)的統(tǒng)計(jì)形狀模型構(gòu)建方法主要通過一系列圖譜標(biāo)簽圖像建立目標(biāo)形狀樣本訓(xùn)練集，利用等值面提取算法獲得特征點(diǎn)代表目標(biāo)形狀，在確立圖譜標(biāo)簽圖像之間的形變關(guān)系基礎(chǔ)上對(duì)齊形狀特征點(diǎn)，最終結(jié)合統(tǒng)計(jì)學(xué)方法獲得樣本形狀的統(tǒng)計(jì)學(xué)信息.

1 基于點(diǎn)分布的左心室統(tǒng)計(jì)形狀模型

在臨床上，左心室功能參數(shù)的定量分析對(duì)診斷和治療心臟疾病具有重要的價(jià)值.近些年來，許多新的方法被提出用于獲取左心室功能參數(shù)，如形變模型、統(tǒng)計(jì)形狀模型和多圖譜分割等.其中，統(tǒng)計(jì)形狀模型作為一種強(qiáng)先驗(yàn)?zāi)Ｐ托Ч浅ｏ@著.作為統(tǒng)計(jì)形狀模型之一的點(diǎn)分布先驗(yàn)?zāi)Ｐ?，其主要思想是從?xùn)練集標(biāo)簽圖像中提取一系列特征關(guān)鍵點(diǎn)，用其坐標(biāo)構(gòu)成的特征向量來描述目標(biāo)形狀，通過對(duì)樣本形狀訓(xùn)練獲得目標(biāo)形狀的統(tǒng)計(jì)信息，據(jù)此建立坐標(biāo)特征向量表征形狀模型.

假設(shè){xi;i=1,…,n}代表n個(gè)左心室樣本形狀，每個(gè)形狀包含m個(gè)3D坐標(biāo)點(diǎn)，{pi=(xi,yi,zi)T;i=1,…，m}表示樣本形狀表面三角剖分的網(wǎng)格頂點(diǎn)，則每個(gè)左心室形狀向量xi的大小為3m維，構(gòu)成的坐標(biāo)點(diǎn)集向量為p=(x1,y1,z1,x2,y2,z2,…,xm,ym,zm)T.假定所有形狀的坐標(biāo)點(diǎn)位置統(tǒng)一于同一坐標(biāo)系下，則訓(xùn)練集中的各個(gè)左心室樣本形狀向量構(gòu)成一個(gè)三維空間分布，該分布可以用一個(gè)線性模型近似表征，表示形式如下：

(1)

(2)

(3)

統(tǒng)計(jì)形狀模型的構(gòu)建源于訓(xùn)練集標(biāo)簽圖像，訓(xùn)練集中的每一幅標(biāo)簽圖像代表一個(gè)解剖結(jié)構(gòu)的形狀實(shí)例.由于訓(xùn)練集樣本標(biāo)簽圖像源于不同灰度圖像對(duì)同一目標(biāo)解剖結(jié)構(gòu)的手動(dòng)分割結(jié)果，樣本形狀變化存在很大的任意性，無法滿足建立統(tǒng)計(jì)形狀模型對(duì)樣本數(shù)據(jù)集的要求.因此，需要去除其非形狀因素的影響，在不改變模型特定形狀的前提下，將訓(xùn)練集樣本形狀統(tǒng)一于同一模板框架下，使得樣本形狀能夠圍繞同一個(gè)中心在特定范圍內(nèi)變化.為了使左心室訓(xùn)練集樣本形狀都處于同一坐標(biāo)空間中，可基于左心室模板圖像建立自然坐標(biāo)系，在該坐標(biāo)系下形變圖譜訓(xùn)練集樣本形狀，最小化不同樣本形狀間的形變影響.建立自然坐標(biāo)系的目的是將樣本形狀對(duì)齊并歸一化于模板形狀所在的自然坐標(biāo)空間中，該目標(biāo)的實(shí)現(xiàn)主要通過配準(zhǔn)找到模板框架與圖譜圖像間的對(duì)應(yīng)關(guān)系.

理想情況下，可以使用解剖學(xué)特征點(diǎn)描述目標(biāo)解剖結(jié)構(gòu)的形狀.然而，由于解剖學(xué)特征點(diǎn)過于稀疏，無法準(zhǔn)確描述其三維形狀，可采用表面特征點(diǎn)來確定其幾何形狀，通過坐標(biāo)向量對(duì)目標(biāo)形狀進(jìn)行表征.為了提取左心室圖譜樣本形狀特征點(diǎn)，首先需要對(duì)模板圖像進(jìn)行標(biāo)記，然后再通過非剛性配準(zhǔn)所獲得的變換參數(shù)實(shí)現(xiàn)模板圖像和圖譜圖像間形狀特征點(diǎn)的自動(dòng)傳遞.為了自動(dòng)標(biāo)記左心室模板圖像形狀特征點(diǎn)，等值面提取算法(Marching Cube，MC)被選擇用于該過程.等值面算法可生成目標(biāo)形狀表面密集的三角剖分網(wǎng)格，從生成的網(wǎng)格模型中提取其表征形狀模型的坐標(biāo)特征點(diǎn)作為特征描述符.由于該算法應(yīng)用于模板標(biāo)簽圖像后，生成的網(wǎng)格節(jié)點(diǎn)數(shù)目過多，選用稀疏抽取技術(shù)降低特征標(biāo)記點(diǎn)的數(shù)量，同時(shí)保留盡可能好的形狀和拓?fù)浣Y(jié)構(gòu).左心室形狀特征點(diǎn)的自動(dòng)標(biāo)記框架如圖1所示.

圖1 形狀特征點(diǎn)自動(dòng)標(biāo)記示意圖Fig.1 The automatic landmark diagram of shape feature points

2 左心室統(tǒng)計(jì)形狀模型具體構(gòu)建流程

假定訓(xùn)練集Sn由n個(gè)左心室標(biāo)簽圖像構(gòu)成，訓(xùn)練集中的每個(gè)形狀通過標(biāo)簽圖像的前景像素值描述.為了生成n個(gè)左心室形狀的特征標(biāo)記點(diǎn)，應(yīng)選擇一幅標(biāo)簽圖像作為模板標(biāo)簽圖像，提取其形狀特征點(diǎn)，并利用該模板標(biāo)簽圖像標(biāo)記的形狀特征點(diǎn)通過訓(xùn)練集配準(zhǔn)框架實(shí)現(xiàn)其余n-1個(gè)左心室形狀的自動(dòng)標(biāo)記，最終結(jié)合統(tǒng)計(jì)學(xué)方法獲得目標(biāo)形狀的統(tǒng)計(jì)信息，依據(jù)統(tǒng)計(jì)信息計(jì)算其均值特征向量和協(xié)方差估計(jì)矩陣完成整個(gè)左心室統(tǒng)計(jì)形狀模型的構(gòu)建.左心室統(tǒng)計(jì)形狀模型的具體構(gòu)建流程如下：

Step1 從給定的訓(xùn)練集Sn中確定一幅標(biāo)簽圖像作為模板標(biāo)簽圖像；

Step2 該模板標(biāo)簽圖像對(duì)應(yīng)的原始灰度圖像作為模板圖像，其余n-1幅標(biāo)簽圖像對(duì)應(yīng)的灰度圖像作為圖譜圖像，通過全局仿射變換將所有圖譜圖像統(tǒng)一于模板圖像所在的自然坐標(biāo)空間中，迭代計(jì)算模板圖像和圖譜圖像間的形變配準(zhǔn)參數(shù)；

Step3 將Step2計(jì)算獲得的形變配準(zhǔn)參數(shù)應(yīng)用于對(duì)應(yīng)的圖譜標(biāo)簽圖像，形變生成其統(tǒng)一于同一自然坐標(biāo)系下的圖譜標(biāo)簽圖像，構(gòu)建圖譜樣本形狀訓(xùn)練集；

Step4 取訓(xùn)練集中的每一幅圖譜標(biāo)簽圖像分別與模板標(biāo)簽圖像做形變配準(zhǔn)，配準(zhǔn)的相似性測(cè)度方法選用Kappa統(tǒng)計(jì)系數(shù)，使參與配準(zhǔn)的兩幅標(biāo)簽圖像的重疊率最大，迭代該過程計(jì)算其形變配準(zhǔn)參數(shù)；

Step5 使用等值面算法對(duì)模板標(biāo)簽圖像形狀實(shí)施自動(dòng)標(biāo)記，提取形狀特征點(diǎn)并生成對(duì)應(yīng)的形狀描述點(diǎn)文件；

Step6 通過Step4計(jì)算得到的形變配準(zhǔn)參數(shù)，建立模板形狀和待標(biāo)記(圖譜)形狀間的點(diǎn)對(duì)應(yīng)關(guān)系，將Step5獲得的模板圖像形狀標(biāo)記點(diǎn)映射到待標(biāo)記圖像中，提取坐標(biāo)生成相應(yīng)的形狀點(diǎn)描述文件；

Step7 根據(jù)Step6計(jì)算獲得的一系列形狀標(biāo)記點(diǎn)描述文件，結(jié)合統(tǒng)計(jì)學(xué)方法構(gòu)建n-1幅圖像的形狀統(tǒng)計(jì)信息，最后計(jì)算其均值特征向量和協(xié)方差估計(jì)矩陣.

本文以雙源CT采集的300個(gè)心臟三維圖像為實(shí)驗(yàn)數(shù)據(jù)集，在該數(shù)據(jù)集上通過手動(dòng)分割左心室結(jié)構(gòu)獲得標(biāo)簽圖像，遵循上述方法和具體流程，構(gòu)建樣本形狀訓(xùn)練集，生成左心室統(tǒng)計(jì)形狀模型.

圖2 不同模式下模型的變化效果Fig.2 The effect of the model in different modes

圖2是利用該CT數(shù)據(jù)集建立的左心室形狀模型在不同模式下的變化效果.

3 基于統(tǒng)計(jì)形狀模型約束的多模態(tài)心臟圖像配準(zhǔn)

醫(yī)學(xué)圖像配準(zhǔn)的實(shí)質(zhì)是尋找圖像間的最優(yōu)變換使得其目標(biāo)代價(jià)函數(shù)最小，傳統(tǒng)的醫(yī)學(xué)圖像配準(zhǔn)方法使用互信息作為代價(jià)函數(shù)計(jì)算其最佳變換參數(shù).為獲得高精度的配準(zhǔn)結(jié)果，本文采用統(tǒng)計(jì)形狀模型約束互信息度量引導(dǎo)配準(zhǔn)尋優(yōu)過程，其代價(jià)函數(shù)如下所示：

C=-S+αR,

(4)

式中S互信息測(cè)度函數(shù)，R為形狀先驗(yàn)約束項(xiàng)，α為平衡代價(jià)函數(shù)中兩項(xiàng)測(cè)度貢獻(xiàn)的權(quán)重因子.

通常情況下，依賴于B樣條的自由形變配準(zhǔn)使用基于梯度下降的方法迭代求解代價(jià)函數(shù)的優(yōu)化問題.類似的，形狀先驗(yàn)約束項(xiàng)R的梯度應(yīng)與形變參數(shù)有關(guān).假設(shè)參考形狀特征向量為Pref，平均形狀向量為Pmean，形狀先驗(yàn)約束項(xiàng)R可通過Pref和Pmean間的馬氏距離表示：

(5)

式中P(μ)為變換后的參考形狀向量與平均形狀向量的差值，可表示為：

P(μ)=Tμ(Pref)-Pmean,

(6)

因此，參考形狀向量和平均形狀向量間的馬氏距離與其配準(zhǔn)變換參數(shù)μ相關(guān).形狀先驗(yàn)約束項(xiàng)相對(duì)于變換參數(shù)的梯度為：

(7)

基于統(tǒng)計(jì)形狀模型約束的多模態(tài)心臟配準(zhǔn)在CT與MR圖像間進(jìn)行，參與配準(zhǔn)的測(cè)度方法使用上述公式(4)定義的目標(biāo)函數(shù)，而最優(yōu)空間變換參數(shù)的獲取是通過迭代優(yōu)化的搜索策略計(jì)算其梯度進(jìn)行確定，該值越小，則互信息相似性度量值越大，配準(zhǔn)參數(shù)越接近于最佳值.為了更快、更準(zhǔn)確的達(dá)到最小值完成配準(zhǔn)任務(wù)，一般使用梯度下降的方法求解該計(jì)算過程.

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證模型構(gòu)建的準(zhǔn)確度和配準(zhǔn)方法的有效性，本文實(shí)驗(yàn)在基于ITK(Insight Toolkit)框架的開源配準(zhǔn)工具包Elastix[15]上實(shí)現(xiàn).實(shí)驗(yàn)數(shù)據(jù)集選擇雙源CT采集的心臟影像和磁共振采集的心臟MR影像[16]，利用該CT數(shù)據(jù)集建立左心室統(tǒng)計(jì)形狀模型，并基于該模型進(jìn)行心臟的多模態(tài)配準(zhǔn)實(shí)驗(yàn)驗(yàn)證.該CT影像數(shù)據(jù)集來自15位病人，每位病人有20幅心動(dòng)周期圖像，圖像的分辨率為512×512×117～265，像素尺寸0.28 mm×0.28 mm×0.5 mm～0.37 mm×0.37 mm×1.0 mm. MR圖像的分辨率為288×288×120～512×512×200，像素尺寸0.78 mm×0.78 mm×0.89 mm～1.11 mm×1.11 mm×1.60 mm.臨床醫(yī)生手動(dòng)分割的左心室結(jié)構(gòu)被看作為金標(biāo)準(zhǔn).

在該15×20幅心臟CT圖像上建立左心室統(tǒng)計(jì)形狀模型，執(zhí)行步驟遵循上述的具體構(gòu)建流程.實(shí)驗(yàn)采用leave-one-out策略共建立15個(gè)左心室形狀模型，每位病人的第一幅心動(dòng)圖像作為模板圖像，剩余14位病人的所有心動(dòng)圖像作為圖譜圖像.完成每個(gè)形狀模型需進(jìn)行14×20次配準(zhǔn)，其中先經(jīng)過仿射配準(zhǔn)使圖譜圖像歸一化于模板圖像所在的自然坐標(biāo)空間中，計(jì)算形變圖譜標(biāo)簽圖像，然后采用Kappa統(tǒng)計(jì)作為相似性測(cè)度對(duì)標(biāo)簽圖像進(jìn)行非剛性配準(zhǔn)，最后根據(jù)該形變場(chǎng)建立模板形狀和待標(biāo)記形狀的點(diǎn)對(duì)應(yīng)關(guān)系，提取形狀特征點(diǎn)并計(jì)算其均值和協(xié)方差獲得統(tǒng)計(jì)形狀模型.

選擇15組心動(dòng)周期的第一幅CT圖像和MR數(shù)據(jù)集中的20幅圖像進(jìn)行多模態(tài)配準(zhǔn)驗(yàn)證實(shí)驗(yàn).其中CT圖像作為模板圖像，MR圖像作為圖譜圖像，共進(jìn)行15×20次配準(zhǔn).為了對(duì)配準(zhǔn)的結(jié)果進(jìn)行評(píng)估，配準(zhǔn)實(shí)驗(yàn)建立了以傳統(tǒng)的互信息(MI)配準(zhǔn)方法為基線，和引入統(tǒng)計(jì)形狀模型(MI+SSM)的配準(zhǔn)方法進(jìn)行對(duì)比驗(yàn)證.通過配準(zhǔn)結(jié)果形變場(chǎng)，將圖譜圖像的左心室手動(dòng)分割結(jié)果進(jìn)行形變，可作為模板圖像的自動(dòng)分割結(jié)果.配準(zhǔn)結(jié)果的精確性度量選擇模板圖像中左心室自動(dòng)分割結(jié)果與金標(biāo)準(zhǔn)之間的體積重疊率(Dice Similarity Coefficient，Dice)系數(shù)進(jìn)行測(cè)量.二者重疊率DSC值在0～1之間，重疊率越高，表明配準(zhǔn)的精度越好.整體配準(zhǔn)實(shí)驗(yàn)結(jié)果如表1所示，分別比較了MI和MI+SSM方法的多模態(tài)配準(zhǔn)精度.

表1 兩種方法配準(zhǔn)結(jié)果重疊率比較
Tab.1 The comparison of overlap rate from registration results using two algorithms

由表1的實(shí)驗(yàn)數(shù)據(jù)可見，引入統(tǒng)計(jì)形狀模型的配準(zhǔn)方法較傳統(tǒng)的互信息法有了明顯的提高，配準(zhǔn)精度的中值和均值分別提高了0.06176和0.03293.由此可知，引入統(tǒng)計(jì)形狀模型的配準(zhǔn)方法性能較優(yōu)，證明了模型構(gòu)建方法的有效性.為了進(jìn)一步對(duì)本文提出的構(gòu)建統(tǒng)計(jì)形狀模型的方法和建立的模型質(zhì)量進(jìn)行評(píng)估，圖3顯示了三個(gè)病例的左心室自動(dòng)分割結(jié)果和金標(biāo)準(zhǔn)對(duì)比.，圖中第一列紅線框定的區(qū)域?yàn)樽笮氖医Y(jié)構(gòu)的金標(biāo)準(zhǔn)形狀，第二和第三列框定的區(qū)域分別為互信息和模型約束的配準(zhǔn)方法獲得的左心室配準(zhǔn)結(jié)果，根據(jù)圖示結(jié)果可知，經(jīng)過SSM配準(zhǔn)的結(jié)果相較于MI的方法左心室目標(biāo)形狀的差異較小，更加接近金標(biāo)準(zhǔn).

圖3 兩種方法的左心室實(shí)際配準(zhǔn)結(jié)果對(duì)比Fig.3 The comparison of registration effect using two methods

5 結(jié)語

統(tǒng)計(jì)形狀模型構(gòu)建的關(guān)鍵在于訓(xùn)練集樣本形狀的構(gòu)造和坐標(biāo)標(biāo)記點(diǎn)的自動(dòng)提取，模型的表達(dá)通過均值特征向量和協(xié)方差矩陣進(jìn)行描述.本文提出的統(tǒng)計(jì)形狀模型構(gòu)建方法使用仿射和B樣條自由形變模型相結(jié)合的方式構(gòu)建圖譜樣本形狀訓(xùn)練集，利用等值面提取算法完成形狀特征點(diǎn)的自動(dòng)標(biāo)記過程并對(duì)坐標(biāo)點(diǎn)進(jìn)行提取，最終結(jié)合統(tǒng)計(jì)學(xué)的方法計(jì)算均值特征向量和協(xié)方差矩陣表征形狀模型.為驗(yàn)證本文論述模型構(gòu)建方法的準(zhǔn)確性和有效性，采用CT和MR圖像進(jìn)行多模態(tài)配準(zhǔn)實(shí)驗(yàn).結(jié)果表明，本文所采用的模型增強(qiáng)的方法較傳統(tǒng)互信息方法在多模態(tài)配準(zhǔn)左心室精度上有較大提升，說明了本文提出的統(tǒng)計(jì)形狀模型的構(gòu)建方法具有可操作性和實(shí)際意義.