[發明專利]一種CT和CBCT間可變形配準方法

有效

• 申請號: 202110637086.9
• 申請日: 2021-06-08
• 公開（公告）號: CN113344876B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 李騰;胡睿;劉劍飛;王妍
• 申請（專利權）人: 安徽大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/33;G06V10/74;G06V10/774;G06V10/82;G06N3/084
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 丁瑞瑞

1.一種CT和CBCT間可變形配準方法，其特征在于，所述方法包括：

步驟a：獲取目標部位的CT圖像與CBCT圖像，并對CT圖像與CBCT圖像進行預處理得到數據集；

步驟b：構建雙重監督的Unet配準模型；雙重監督的Unet配準模型包括編碼器、注意力模塊P-BLOCK、注意力模塊C-BLOCK以及解碼器，所述編碼器的輸入端接收輸入圖像，所述輸入圖像為數據集中CT圖像與CBCT圖像形成的圖像對，所述編碼器的輸出端分別與注意力模塊P-BLOCK及注意力模塊C-BLOCK連接，注意力模塊P-BLOCK的輸出與注意力模塊C-BLOCK的輸出疊加后輸入到解碼器中，解碼器輸出形變場，使用形變場變形CBCT圖像，變形后的CBCT圖像與CT圖像計算相似度；

所述注意力模塊P-BLOCK的處理過程為：編碼器的第六層的特征圖(N,C,Z,X,Y)作為輸入輸入到注意力模塊P-BLOCK中，將特征圖(N,C,Z,X,Y)分別送入3個卷積層后得到3個特征圖，順序編號為第一特征圖至第三特征圖，第一特征圖至第三特征圖的大小均為(C,X*Y*Z)，3個卷積層的卷積核大小為1×1×1，將第一特征圖和第二特征圖的通道數縮小8倍后均變形為(C/8,X*Y*Z)，對變形后的第一特征圖和第二特征圖中一個進行轉置以后求轉置后的特征圖與未轉置的特征圖的乘積得到第四特征圖，第四特征圖大小為(X*Y*Z,X*Y*Z)，將第四特征圖進行softmax操作得到第五特征圖，將第三特征圖與第五特征圖進行矩陣乘積后，將矩陣進行變形為(C,X,Y,Z)，(C,X,Y,Z)乘以一個空間注意力系數K，其中K初始化為0，系數K在反向傳播中獲得相應的權重，(C,X,Y,Z)乘以一個空間注意力系數K后與最初輸入的特征圖(N,C,Z,X,Y)加權求和；

所述注意力模塊C-BLOCK的處理過程為：編碼器的第六層的特征圖(N,C,Z,X,Y)作為輸入輸入到注意力模塊C-BLOCK中，得到3個特征圖，順序編號為第六特征圖至第八特征圖，對第六特征圖和第七特征圖進行轉置變形，第六特征圖變形為(C,X*Y*Z)，第七特征圖變形為(X*Y*Z,C)，將轉置變形后的第六特征圖與轉置變形后的第七特征圖進行乘積得到第九特征圖，第九特征圖大小為(C,C)，將第九特征圖進行softmax操作得到第十特征圖，將第八特征圖轉置變形為(C,X*Y*Z)，并將轉置變形后的第八特征圖與第十特征圖進行矩陣乘積后得到第十一特征圖，將第十一特征圖變形為(C,X,Y,Z)并乘以一個通道注意力系數L，其中L初始化為0，系數L在反向傳播中獲得相應的權重，第十一特征圖變形為(C,X,Y,Z)后乘以一個通道注意力系數L的結果與最初輸入的特征圖(N,C,Z,X,Y)加權求和；

步驟c：利用數據集對雙重監督的Unet配準模型進行訓練，得到最優化的模型；

步驟d：實時采集患者的CT圖像和CBCT圖像輸入到最優化的模型中，得到配準后的CT圖像和CBCT圖像。

2.根據權利要求1所述的一種CT和CBCT間可變形配準方法，其特征在于，所述步驟a包括：

步驟a1：獲取若干個患者的CT圖像與CBCT圖像；

步驟a2：對若干個患者的CT圖像與CBCT圖像進行篩查，去除除目標部位以外部分的圖像得到每個患者對應的目標圖像對；

步驟a3：將目標圖像對進行位窗統一，所述位窗統一指對比度統一；

步驟a4：將對比度統一后的目標圖像對進行剛性配準；

步驟a5：將所有經過剛性配準的目標圖像對構成數據集，將數據集的90％作為訓練集，將數據集剩下的10％作為測試集。

3.根據權利要求2所述的一種CT和CBCT間可變形配準方法，其特征在于，所述步驟a4包括：

將對比度統一后的目標圖像對按脊柱結構為中心匹配；

使用ANTs配準包將匹配過的目標圖像對進行剛性配準；

利用公式將剛性配準后的目標圖像對進行標準化，其中，μ是圖像的均值，X表示圖像的像素矩陣，σ表示圖像的標準方差，N'表示圖像的像素數量。