[發明專利]基于自動勾畫的圖像配準方法

有效

• 申請號: 202110585065.7
• 申請日: 2021-05-27
• 公開（公告）號: CN113298855B
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 朱德明;魏軍;沈爍;田孟秋
• 申請（專利權）人: 廣州柏視醫療科技有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/12;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京興智翔達知識產權代理有限公司 11768
• 代理人: 郭衛芹

本發明公開了一種基于自動勾畫的圖像配準方法，包括：輸入兩個任意模態的醫學圖像；采用域自適應的遷移學習策略訓練神經網絡，在訓練數據僅有CT的OAR勾畫金標準時，使其能對除CT外的其它模態也具備識別OAR的能力；對兩個輸入圖像分別輸入上述神經網絡，得到各自的全身OAR分割結果；基于OAR輪廓點采用迭代式優化方法得到剛性配準的變換矩陣和位移向量，從而得到剛性配準后的醫學圖像warped image；在剛性配準的基礎上，針對每個OAR，對fixed image中該OAR的輪廓點與對應moving image中該OAR的輪廓點進行匹配，進而得到輪廓點的位移值；通過基于控制點的插值法得到完整的位移場三維矩陣，從而得到非剛性配準后的醫學圖像warped image。借此，能有效解決OAR金標準缺乏的問題。

技術領域

本發明涉及圖像處理領域、深度學習領域、醫療領域，尤其是一種基于自動勾畫的圖像配準方法。

背景技術

圖像配準在醫學圖像處理與分析中有眾多具有實用價值的應用。隨著醫學成像設備的進步，對于同一患者，可以采集含有準確解剖信息的多種不同模態的圖像，如CT、CBCT、MRI、PET等。然而，通過觀察不同圖像進行診斷需要憑著空間想象和醫生的主觀經驗。采用正確的圖像配準方法則可以將多種多樣的信息準確地融合到同一圖像中，使醫生更方便更精確地從各個角度觀察病灶和結構。同時，通過對不同時刻采集的動態圖像的配準，可以定量分析病灶和器官的變化情況，使得醫療診斷、制定手術計劃、放射治療計劃更準確可靠。

傳統的圖像配準方法基于相似度目標函數的優化求解問題，容易收斂至局部極小值，尤其對不同模態圖像的配準效果較差，且迭代求解的過程耗時較長。而基于危及器官(OAR)勾畫的圖像配準方法能解決上述問題，但OAR金標準的獲得需要耗費醫生、專家的大量時間，成本較高。近年來，人們對探索利用人工智進行診斷產生了濃厚的興趣，并在某些領域利用AI算法建立了表現優于人類醫學專家的數學模型。因此有理由相信，利用AI算法對傳統圖像配準方法進行改進能有效提高圖像配準的效果。

公開于該背景技術部分的信息僅僅旨在增加對本發明的總體背景的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域一般技術人員所公知的現有技術。

發明內容

本發明的目的在于提供一種基于自動勾畫的圖像配準方法，其能夠利用AI算法對傳統圖像配準方法進行改進能有效提高圖像配準的效果。

為實現上述目的，本發明提供了一種基于自動勾畫的圖像配準方法，包括以下步驟：輸入兩個任意模態(CT、CBCT、MRI、PET等)的醫學圖像，一個作為fixed image(參考圖像)，另一個作為moving image(待配準圖像)；采用域自適應的遷移學習策略訓練神經網絡，在訓練數據僅有CT的OAR(危及器官)勾畫金標準時，使其能對除CT外的其它模態(CBCT、MRI、PET等)也具備識別OAR的能力；對兩個輸入圖像分別輸入上述神經網絡，得到各自的全身OAR分割結果；基于OAR輪廓點采用迭代式優化方法得到剛性配準的變換矩陣和位移向量，從而得到剛性配準后的醫學圖像warped image；在剛性配準的基礎上，針對每個OAR，對fixed image中該OAR的輪廓點與對應moving image中該OAR的輪廓點進行匹配，進而得到輪廓點的位移值；以及通過基于控制點的插值法得到完整的位移場三維矩陣，從而得到非剛性配準后的醫學圖像warped image。