[發(fā)明專利]基于管狀結(jié)構(gòu)檢測的三維US/MR配準融合方法及裝置

在審

• 申請?zhí)枺?/td>: 202110971889.8
• 申請日: 2021-08-20
• 公開（公告）號: CN113689480A
• 公開（公告）日: 2021-11-23
• 發(fā)明（設計）人: 楊健;董嘉慧;王涌天;范敬凡;宋紅
• 申請（專利權(quán)）人: 北京理工大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/13;G06T5/50;G06T5/30
• 代理公司: 北京市中聞律師事務所 11388
• 代理人: 馮夢洪

基于管狀結(jié)構(gòu)檢測的三維US/MR配準融合方法及裝置，能夠?qū)⑿g(shù)中三維US圖像與術(shù)前獲取的三維磁共振圖像進行融合顯示，為醫(yī)生提供更加直觀全面的肝臟結(jié)構(gòu)信息，為后續(xù)的診療提供重要的輔助。方法包括：(1)將經(jīng)過不同尺度和方向的線結(jié)構(gòu)元素處理后的三維US/MR圖像表示為張量；(2)通過分析多尺度張量的特征值獲得血管概率；(3)利用結(jié)合三維US/MR圖像的局部信息和全局信息的新的活動輪廓模型，從血管概率圖中提取血管邊緣；(4)利用帶回溯的最小路徑傳播算法提取血管中心線，通過血管分叉點及端點之間的剛性配準完成兩幅圖像的初始剛性配準；(5)將剛性配準后的血管作為標簽和sMIND共同構(gòu)建彈性配準相似性測度，完成三維US/MR的配準融合。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學圖像處理的技術(shù)領(lǐng)域，尤其涉及一種基于管狀結(jié)構(gòu)檢測的三維US/MR配準融合方法，以及基于管狀結(jié)構(gòu)檢測的三維US/MR配準融合裝置。

背景技術(shù)

超聲圖像(US)由于其特有的優(yōu)點，廣泛應用于臨床手術(shù)導航過程中。然而，與磁共振圖像(MR)相比，超聲圖像的主要缺點是圖像質(zhì)量相對較低，信噪比較低。磁共振圖像是一種安全的成像協(xié)議，當用于臨床診斷時，它能夠提供比超聲圖像更多的解剖細節(jié)，但它的缺點是不能夠?qū)崟r成像。為使超聲影像引導手術(shù)成為可能，將術(shù)中超聲圖像和術(shù)前高質(zhì)量的磁共振圖像進行配準融合是很重要。然而，直接將磁共振圖像和超聲圖像進行配準在技術(shù)上是很困難的，因為超聲和磁共振圖像對人體組織器官成像清晰度及內(nèi)容大不相同。

管狀檢測技術(shù)大多會采用管狀結(jié)構(gòu)等先驗知識來對管狀結(jié)構(gòu)進行增強得到概率圖。有人利用二階強度導數(shù)的Hessian矩陣對血管的管狀幾何結(jié)構(gòu)進行建模，以區(qū)分圓形結(jié)構(gòu)，管狀結(jié)構(gòu)，和平面結(jié)構(gòu)。但，由于在血管處濾波器的響應較低且特征值相似，使得該方法在血管相交處失敗。因此，血管網(wǎng)絡的連通性可能丟失。有人提出了一種新的基于體積比的增強濾波器來檢測血管結(jié)構(gòu)，該方法通過計算圖像強度的多尺度Hessian特征值的比率，來處理低特征值和不同結(jié)構(gòu)間的均勻響應。然而，由于Hessian矩陣僅代表圖像的局部幾何特征，當增強曲線結(jié)構(gòu)時，其他管狀結(jié)構(gòu)(如軟組織和噪聲)也會得到增強。近年來，張量的利用促進了類血管結(jié)構(gòu)的檢測。相位一致性張量將相位一致性原理和局部張量相結(jié)合來增強血管結(jié)構(gòu)，其特征值可以用來代替Hessian特征值以減少對局部圖像對比度的依賴。分數(shù)各向異性張量通常測量不同血管結(jié)構(gòu)的特征值的方差，并利用基于正則化Hessian特征值和多尺度連接重建策略來構(gòu)建新的增強函數(shù)來檢測血管結(jié)構(gòu)。多尺度底帽張量將多尺度形態(tài)學濾波和圖像中類血管結(jié)構(gòu)的局部張量表示相結(jié)合，從而增強血管結(jié)構(gòu)。與基于hessians的方法相比，基于張量的方法對圖像中的強度和噪聲變化不敏感，適用于較低強度和包含噪聲的醫(yī)學圖像中血管結(jié)構(gòu)的增強。

其它檢測方法，例如主動輪廓模型，區(qū)域增長，模糊c均值紋理特征和水平集方法也被用于三維血管檢測問題。與其它檢測方法相比，活動輪廓模型由于可以在強度不均勻的醫(yī)學圖像中確定血管和周圍組織之間的邊界，因此，在處理血管檢測問題上表現(xiàn)出良好的效果。目前已經(jīng)提出了很多活動輪廓模型的方法來對血管進行檢測，例如：有人提出了一種基于區(qū)域可縮放擬合的活動輪廓模型，該模型通過一個尺度參數(shù)引入了局部區(qū)域的強度信息。同樣的，有人提出了一種局部圖像擬合能量來提取局部圖像信息，對強度不均勻的血管進行檢測。有人提出了將區(qū)域可縮放擬合和優(yōu)化的高斯拉普拉斯能量相結(jié)合的活動輪廓模型進行血管檢測的算法。有人又提出了一種新的基于局部預擬合能量的快速血管檢測的活動輪廓模型算法。這些活動輪廓模型方法提高了魯棒性，能夠有效地檢測強度不均勻的圖像，但計算效率低，并不能直接用于三維血管的檢測。