[發明專利]一種基于LoG算子的3D/2D醫學圖像配準方法

有效

• 申請號: 201911293356.8
• 申請日: 2019-12-16
• 公開（公告）號: CN111080681B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 鄭文鋒;楊波;王楊;劉珊;曾慶川
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/32
• 分類號: G06T7/32
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

本發明公開了一種基于LoG算子的3D/2D醫學圖像配準方法，先獲取2D和3D醫學圖像并進行去噪預處理，再根據X射線成像計算模型和剛體變換模型建立投影坐標系；然后利用GPU的并行計算完成DRR圖像的快速生成過程，并基于LoG算子建立相似性測度函數，最后利用混合優化算法對相似性測度函數進行迭代尋優，找出滿足精度配準時的剛體變換參數，則迭代停止，從而完成配準過程。

技術領域

本發明屬于圖像配準技術領域，更為具體地講，涉及一種基于LoG算子的3D/2D醫學圖像配準方法。

背景技術

隨著醫學成像技術的發展，臨床需要不同維度的醫學圖像為手術提供導航，術中拍攝的2D圖像能夠給醫生提供實時信息，卻丟失了器官組織的三維空間信息，這些空間信息對于手術影像導航至關重要，但術中難以獲取三維圖像。為了能在術中有效利用術前的3D圖像信息，需要確定術前3D圖像和術中2D圖像的位置信息和方向信息，并通過空間變換，調整3D圖像位姿，使術前3D圖像投影產生的圖像與術中2D圖像一致，這里就用到了2D圖像與3D圖像的配準技術。配準后的3D圖像與2D圖像，能夠為影像導航手術實時提供空間信息，提高影像導航手術的安全性與可靠性。

目前的配準方法可分為基于灰度的方法、基于特征的方法和基于深度學習的方法。基于特征的方法又可分為基于內部特征和外部特征，基于內部特征的方法通過提取對圖像進行分割并提取特定的特征信息，這就導致損失了一定的圖像信息，且配準結果取決于分割精度與特征準確度；基于外部特征的方法通過在患者體內植入標記物，根據標記物的距離測度來實現配準，但植入物可能對人體造成損害，總的來說基于特征的配準方法存在較大的誤差。基于灰度的方法利用相似性測度，通過迭代算法逐個比較像素之間的差距，仍然沒有挖掘和應用圖像中像素之間的內在聯系，計算量大且存在精度誤差。基于深度學習的配準方法通過神經網絡實現端到端的參數預測，難以保證較高的配準精度，且需要大量的配對的真實醫學圖像進行訓練，這在實際中是難以獲取的。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于LoG算子的3D/2D醫學圖像配準方法，實現了術前3D圖像和術中2D圖像實時配準，從而為影像導航手術提供高精度的實時空間信息，確保手術的安全性與可靠性。

為實現上述發明目的，本發明一種基于LoG算子的3D/2D醫學圖像配準方法，其特征在于，包括以下步驟：

(1)、獲取2D和3D醫學圖像；

獲取術中X射線圖像作為配準過程的2D參考圖像，獲取術前CT序列作為配準過程的待配準3D浮動圖像，然后分別對2D參考圖像和3D浮動圖像進行去噪處理；

(2)、初始化混合優化算法；

初始迭代步數k＝0，設置最大迭代步數為Max；初始剛體變換參數為T₀；設置迭代閾值為ε，迭代終止溫度為Temp；設置迭代算法啟用次數count＝0，迭代算法最大啟用次數為Time，初始化迭代標記flag＝0；設置相似性測度閾值F；

(3)、建立投影坐標系；

以CT中心為原點，根據X射線成像計算模型和剛體變換模型建立投影坐標系；其中，投影坐標系中，用T＝t_x,t_y,t_z,r_x,r_y,r_z表示六維的剛體變換參數；其中，t_x表示在X軸上的平移參數，t_y表示在Y軸上的平移參數，t_z表示在Z軸上的平移參數，r_x表示沿X軸的旋轉參數，r_y表示沿Y軸的旋轉參數，r_z表示沿Z軸的旋轉參數；

(4)、通過迭代更新的方式實現3D/2D醫學圖像配準；