[發明專利]結合凸包匹配和多尺度分級策略的醫學圖像彈性配準方法

有效

• 申請號: 201310245218.9
• 申請日: 2013-06-19
• 公開（公告）號: CN103310458A
• 公開（公告）日: 2013-09-18
• 發明（設計）人: 楊健;王涌天;劉越;朱建軍;范敬凡
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 高燕燕

技術領域

本方法是一種結合凸包匹配和多尺度分級策略的醫學圖像彈性配準方法，可廣泛應用于臨床基于多模態影像的診斷治療、病情監測和外科手術等。?

背景技術

現今的醫學圖像獲取方式包括X射線造影術、計算機斷層掃描（Computed?Tomography，CT）、核磁共振成像（Magnetic?Resonance?Imaging，MRI）、正電子發射斷層掃描（Positron?Emission?Tomography，PET）等，這些成像方式可以分為解剖結構成像和功能成像兩大類。解剖結構成像的特點是分辨率高，能夠獲得人體內臟、骨骼的形態信息；而功能成像能提供人體內臟器官的功能代謝信息，但成像分辨率低。因此，不同模態圖像存在信息差異，通過采用圖像融合的技術，可以將不同模態獲得的圖像融合，有助于提高臨床診斷治療的水平。?

圖像融合的關鍵步驟之一是將不同模態的圖像進行配準。Brown早于1992年發表了較全面的關于配準技術的綜述，根據變換類型的不同可以分為剛性配準和非剛性配準。剛性配準將物體視為剛體，即認為物體內部任意兩點間的距離在變換前后保持不變，在醫學中對應密度較高的組織結構、不易發生形變的器官。因此若變換只包括旋轉、平移和縮放，則稱為剛性變換。而非剛性變換則包括仿射變換、投影變換和曲線變換等多種變換方式。針對醫學圖像，通過不同成像方式獲取的人體組織圖像之間常常包含如呼吸運動?和心率運動引起的不規則變化的結構，因此非剛性配準在醫學圖像配準中應用最為廣泛。非剛性配準方法主要分為兩類：基于空間變換的方法，主要有多項式函數法、薄板樣條法和基函數法；基于偽物理模型方法，主要有基于偏微分方程的方法和基于B樣條的形變模型。Pluim在綜述中表明，互信息量作為配準的判據展現了廣泛的適用性和強健的魯棒性，即一幅圖像中的灰度區域在另一幅圖像中對應的區域也應具有相近的灰度分布。互信息量是基于信息論，對圖像灰度進行概率統計的一種相似度測量法，當兩幅圖像完全配準時，它們的互信息量達到最大值。?

由于醫學圖像變換較為復雜，目前圖像融合采用的配準方法主要是彈性配準方法或剛性與彈性配準相結合的方法。這些傳統方法的缺陷主要包括：1）當圖像存在大角度偏轉或者大尺度位移時，無論是基于空間變換還是基于偽物理模型方法的非剛性變換方法都會有較大的誤差，甚至在特殊情況下難以實現配準。2）彈性配準的精度亦是隨著圖像的質量變化，是難以準確控制的因素。在配準過程中，過高的精度會使得圖像配準過程耗時長，效率低，而過低的精度會使得配準的結果誤差大。?

發明內容

本發明提出了一種結合凸包匹配和多尺度分級策略的醫學圖像彈性配準方法，解決了大角度變換的圖像配準問題，并且提高了圖像配準的精度。?

本發明的結合凸包匹配和多尺度分級策略的醫學圖像彈性配準方法，包括以下步驟：?

（1）使用等值面提取算法分割出體數據表面結構，通過均勻采樣的方式得到圖像的點云數據，包括原始點云和目標點云；?

（2）對所述的原始點云和目標點云分別計算其三維凸包結構及其凸包表面的有向三角形集合；?

（3）對原始點云的任意一個有向三角形，與目標點云中的每一潛在有向三角形進行配對，計算出兩個三角形之間的坐標變換參數，作為剛性配準的候選參數；?

（4）以變換后的原始點云與目標點云間相似程度最大為目標，使用優化算法篩選獲得最優剛性變換參數；?

（5）基于獲得的最優剛性預配準的結果，對源圖像和參考圖像做高斯模糊，設定一個模糊核序列，使得該序列中模糊核尺度連續降低，將此序列作為外部迭代方向；?

（6）將源圖像和參考圖像以逐級分塊的方式分別劃分為若干個子塊，并將該兩幅圖像中具有相同空間位置關系的子塊作為對應子塊，劃分子塊數隨迭代層數逐層上升；?

（7）計算該兩幅圖像中對應子塊間的剛性變換參數，即通過迭代坐標變換矩陣參數，使得對應子塊間的相似性測度達到最優值；?

（8）使用各組對應子塊的剛性變換矩陣對源圖像子塊進行形變，子塊各自的局部形變組成的全局形變對于整幅圖像表現為彈性形變；?

（9）計算形變之后的整幅圖像與參考圖像間的相似性測度，以互信息量作為相似性測度；?

（10）若此次迭代相似性測度大于上次迭代結果，則重復步驟（7）-（9），直至相似性測度不再增加；?

（11）降低高斯模糊核的尺度，重復步驟（5）-（10），直至模糊核尺度降到最低，最終得到各個子塊的剛性變換矩陣，從每個子塊選取控制點，用薄板樣條函數表示圖像的全局變換。?