[發明專利]一種基于頻域和圖像域特征的腦部MRI配準方法

在審

• 申請號: 202210535477.4
• 申請日: 2022-05-17
• 公開（公告）號: CN115018860A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 楊鐵軍;白鑫昊;崔曉娟;苗建雨;張自豪;任笑真;樊超;張鑫;李磊;金軍委;婁翠娟
• 申請（專利權）人: 河南工業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/33;G06T7/00;G06T3/40
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 杜娟

本發明公開了一種基于頻域和圖像域特征的腦部MRI配準方法，應用于醫學圖像處理技術領域，包括：對腦部MRI數據集進行數據預處理；隨機選取一對圖像作為浮動圖像和固定圖像，進行拼接與處理，并分別利用小波變換和旋轉窗Transformer進行特征提取，得到最優特征提取圖；解碼最優特征提取圖得到配準變形場；將浮動圖像與配準變形場輸入空間變換網絡,得到配準圖像；對固定圖像和配準圖像進行相似性測度，并對配準變形場中的邊界對齊以及折疊點進行優化。該方法通過使用雙通道提取圖像的小波域特征和圖像域特征，使用結構相似性損失促進圖像解剖區域的邊界對齊，并在目標函數中增加雅可比反折疊優化正則項，提高了配準精度與真實性。

技術領域

本發明涉及醫學圖像處理技術領域，特別涉及一種基于頻域和圖像域特征的腦部MRI配準方法。

背景技術

大腦是人體最重要的器官之一，然而當前腦部相關疾病的致死率仍然居高不下。腦部疾病具有突發性強、致死率高的特點。磁共振影像(Magnetic Resonance Imaging,MRI)作為一種對軟組織成像良好的非侵入式輔助診斷工具，在腦部疾病篩查、診斷、治療引導和評估中發揮著重要作用。配準后的腦部磁共振圖像融合了兩幅圖像之間的信息，能夠為醫生判斷病情提供更多的可靠信息，在病灶定位、手術導航和預后評估等方面發揮重要作用。在臨床治療中，醫生通常使用人工配準的方法比對病人的兩幅或多幅不同時期，不同角度甚至是不同成像原理的兩幅圖像。然而人工配準的方式受限于醫生的個人經驗和狀態，配準結果因人而異。而且，這種方式耗費人力物力，浪費了大量的醫療資源。因此，臨床需求促使我們發明一種全自動配準算法來替代人工完成耗時費力的工作。隨著卷積神經網絡(Convolutional Neural Network,CNN)的出現和計算機硬件的飛速發展，基于深度學習的醫學影像配準算法逐漸出現并且成為當下的研究熱點。然而，由于腦部圖像內容較為復雜，導致當前基于深度學習的腦部圖像配準算法精度和真實性難以達到臨床應用級別的要求。

為此，如何提供一種能夠有效提高配準精度和真實性的基于頻域和圖像域特征的腦部MRI配準方法是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提出了一種基于頻域和圖像域特征的腦部MRI配準方法。通過使用雙通道提取圖像的小波域特征和圖像域特征，從而獲得區分能力更強的圖像特征，幫助提升網絡的配準精度；同時，使用結構相似性損失通過促進圖像的解剖區域的邊界對齊來提升網絡的配準精度，通過在目標函數中增加雅可比反折疊優化正則項，從而增強變形場的可逆一致性，進而提升配準結果的真實性。

為了實現上述目的，本發明采用如下技術方案：

一種基于頻域和圖像域特征的腦部MRI配準方法，包括：

步驟(1)：獲取腦部MRI數據集，對腦部MRI數據集進行數據預處理。

步驟(2)：在腦部MRI數據集中隨機選取一對圖像作為浮動圖像和固定圖像，進行拼接與處理，并分別利用小波變換和旋轉窗Transformer進行特征提取，得到最優特征提取圖。

步驟(3)：解碼最優特征提取圖得到配準變形場。

步驟(4)：將浮動圖像與配準變形場輸入空間變換網絡,得到配準圖像。

步驟(5)：對固定圖像和配準圖像進行相似性測度，并對配準變形場中的邊界對齊以及折疊點進行優化。

步驟(6)：使用配準網絡進行迭代訓練，得到最優權重參數的網絡模型。

步驟(7)：輸入待配準圖像至最優權重參數的網絡模型，得到配準結果。

可選的，步驟(1)中，數據預處理為：使用FreeSurfer進行顱骨去除處理、仿射對齊、歸一化、尺寸裁剪。