[發明專利]應用于醫療的基于拉普拉斯金字塔變換MRI圖像融合方法及MRI設備

在審

• 申請號: 202010410833.0
• 申請日: 2020-05-14
• 公開（公告）號: CN111598820A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 馮葉
• 申請（專利權）人: 山東凱鑫宏業生物科技有限公司
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T7/00;G06T5/30;G06T5/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 杜桂林

1.一種基于拉普拉斯金字塔變換的MRI圖像融合方法，用于對腦部MRI圖像處理，其特征在于，包括：

步驟S1：針對腦部MRI圖像的特點，利用拉普拉斯金字塔分解將多幅源圖像分解得到不同頻率層，在不同頻率層采用不同的融合規則，從而在融合圖像中保留各源圖像在不同頻率層的特征信息，其中，所述多幅源圖像分別來自于多個射頻接收線圈針對同一檢測部位得到的圖像；

步驟S2：分別計算頂層的區域均值和其余各層的點清晰度作為融合尺度；

步驟S3：對區域均值和點清晰度進行歸一化處理；

步驟S4：比較不同源圖像各層的歸一化后的區域均值和點清晰度數值，采用不同的融合策略，獲得各層圖像的融合結果；

步驟S5：對得到的融合圖像拉普拉斯金字塔各層，從頂層開始逐層向下遞推，最終獲得融合圖像；

其中，步驟S2具體包括：分別為源圖像A，B…M的拉普拉斯金字塔第l層圖像，融合結果記為

當l＝N時，對拉普拉斯金字塔頂層圖像進行融合，采用區域均值作為融合尺度，考察鄰域像素間的關聯性，可有效保留圖像的細節和邊緣信息，獲得清晰的融合圖像；區域均值可由式(1)得到：

T(i，j)＝∑w|L_N(i，j)-μ| (1)

式中，L_N為金字塔頂層圖像，即低頻系數矩陣，μ表示鄰域像素均值，w為加權矩陣；

當0≤l＜N時，對其余各層進行融合，

采用點清晰度對像素點周圍的灰度擴散程度做統計，值越大說明擴散越劇烈、圖像越清晰，以此作為融合尺度；點清晰度可由式(2)得到：

式中，m，n為所選局部區域的長和寬，df為灰度變化幅值，dx為像元間距離增量；公式(2)可表示為：對區域中的每點與其8個鄰域像素點做差，對差值取絕對值后求加權和，最后將所有點所得值相加除以像素總數。

2.根據權利要求1所述的MRI圖像融合方法，其特征在于，步驟S3具體包括：采用式(3)對區域均值和點清晰度進行歸一化處理：

其中，X(i，j)為區域均值和點清晰度，X_max和X_min分別為矩陣X中的最大值和最小值，Y(i，j)為歸一化后的區域均值或點清晰度。

3.根據權利要求2所述的MRI圖像融合方法，其特征在于，步驟S4具體包括：設K為閾值，該閾值的設定與發射線圈與各個接收線圈的距離、方向、信號強度有關；當|Y_l^A-Y_l^B|＞K時，融合結果記為：

當時，融合結果記為：

其中，k₁，k₂…k_M為各層圖像權重系數，

4.根據權利要求3所述的MRI圖像融合方法，其特征在于，步驟S5具體包括：對得到的融合圖像拉普拉斯金字塔各層，用式(4)

從頂層開始逐層向下遞推，得到融合圖像的高斯金字塔最終獲得融合圖像

5.根據權利要求1所述的MRI圖像融合方法，其特征在于，進一步包括步驟S6，采用一種基于自適應輪廓模型的圖像分割算法對融合后的圖像進行分割。

6.一種用于實現如權利要求1-5任意一項所述的MRI圖像融合方法的MRI設備，其特征在于：包括：主磁體系統，梯度磁場系統，射頻系統，運算和圖像處理系統；其中射頻系統包括多個射頻線圈，多個射頻線圈分別布置在線圈固定裝置中，不同的射頻接收線圈與受測者身上不同檢測部位對應；圖像采集時，上述多個射頻線圈可以對同一部位進行檢測，也可對不同部位分別檢測。

7.根據權利要求6所述的MRI設備，其特征在于：運算和圖像處理系統包括多通道數據采集單元、時序邏輯控制單元、運算單元、數據傳輸單元、顯示器和鍵盤，電源模塊，時鐘模塊，存儲模塊。