腦腫瘤手術規劃及術中，術前磁共振（MR）圖像與術中超聲（US）圖像的配準甚為關鍵。考慮到兩種模態圖像具有不同密度范圍及分辨率，且超聲圖像存在較多的斑點噪聲干擾，采用一種基于局部鄰域信息的自相似性上下文（SSC）描述子定義圖像之間的相似性測度。將超聲圖像作為參考，使用三維微分運算提取其中角點作為關鍵點，并采用密集位移采樣離散優化算法實施配準。整個配準過程分為仿射配準和彈性配準兩個階段，在仿射配準階段，對圖像進行多分辨率分解，在彈性配準階段，采取最小卷積和均值場推理策略對關鍵點的位移向量進行正則化處理。對22名患者的術前MR和術中US圖像進行配準實驗，仿射配準后的誤差為（1.57 ± 0.30）mm，每對圖像配準平均耗時1.36 s；彈性配準后的誤差為（1.40 ± 0.28）mm，平均用時1.53 s。實驗結果證明本文采用的方法具有良好的配準精度和速度。
為了定位顳葉癲癇（TLE）患者腦白質微結構發生異常的重要腦區，本文設立了正常對照組（NC）與 TLE 組兩組人群，采集了 50 位受試者（其中 NC 組 28 人，TLE 組 22 人）的腦部彌散張量成像（DTI）影像，分別計算其部分各向異性（FA）、平均擴散率（MD）、擴散系數（AD）、徑向擴散系數（RD）等參數，并采用纖維束追蹤空間統計方法（TBSS），獲取組間差異的腦區，然后利用支持向量機（SVM），對 NC 組與 TLE 組進行分類，并與支持向量機-遞歸特征消除法（SVM-RFE）進行比較，最后對重要腦區及其分布進行分析與討論。實驗結果表明，TLE 患者的 FA 值存在明顯降低的腦區主要有胼胝體、上縱束、放射冠、外囊、內囊、下額枕束、鉤束、矢狀層等，基本呈雙側分布，其中大部分腦區的 MD、RD 值明顯增高，AD 值雖有增高，但差異無統計學意義。支持向量機-纖維束追蹤空間統計法（SVM-TBSS）利用 FA、MD、RD 進行分類的準確率分別為 82%、76%、76%，特征融合后分類準確率為 80%；SVM-RFE 利用 FA、MD、RD 進行分類準確率分別為 90%、90% 和 92%，特征融合后分類準確率達到 100%，SVM-RFE 分類性能明顯優于 SVM-TBSS，對分類有重要影響的特征主要分布于聯絡纖維和連合纖維腦區。研究結果表明，DTI 參數能有效地反映 TLE 患者的腦白質纖維異常改變，可用于闡明其病理機制、定位病灶及實現自動診斷。