[發明專利]一種跨模態脊柱圖像配準方法、系統及設備

在審

• 申請號: 202310762419.X
• 申請日: 2023-06-27
• 公開（公告）號: CN116664634A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 劉玉增;楊賀捷;張希諾;海涌;楊明軒
• 申請（專利權）人: 首都醫科大學附屬北京朝陽醫院
• 主分類號: G06T7/30
• 分類號: G06T7/30;G06T3/00;G06T7/00
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 李冉

1.一種跨模態脊柱圖像配準方法，其特征在于，包括以下步驟：

圖像獲取步驟：

獲取術前CT圖像和對應的術中光學圖像；

圖像預處理步驟：

將術前CT圖像中的像素值進行反轉，獲取反轉CT圖像；

基于術中光學圖像獲取對應的術中灰度圖像；

基于深度強化學習思想的圖像變換步驟：

將反轉CT圖像和術中灰度圖像輸入基于強化學習思想的網絡模型，以相同像素個數占總像素的比例作為評價指標，以擬合函數曲線并采樣和空間變換網絡作為動作空間的兩個動作；

將反轉CT圖像作為待執行圖像，執行動作空間的兩個動作，獲取執行后的采樣動作CT圖像和空間變換CT圖像；

將采樣動作CT圖像和空間變換CT圖像，分別與術中灰度圖像進行基于評價指標的相似度衡量計算，將指標更大的采樣動作CT圖像或空間變換CT圖像作為新的待執行圖像；

將新的待執行圖像再次執行動作空間的兩個動作，并將執行結果再次與術中灰度圖像進行基于評價指標的相似度衡量計算，直到執行結果的評價指標滿足設定的閾值，將滿足設定閾值的執行結果作為最終的待配準CT圖像；所述執行結果包括執行動作空間兩個動作后的采樣動作CT圖像或空間變換CT圖像；

圖像融合步驟：

將待配準CT圖像和術中灰度圖像進行融合，獲取配準后的融合圖像。

2.根據權利要求1所述的跨模態脊柱圖像配準方法，其特征在于，圖像獲取步驟中，獲取術前CT圖像具體包括：

將拍攝的術前dicom文件通過mimcs合成，得到術前CT圖像。

3.根據權利要求1所述的跨模態脊柱圖像配準方法，其特征在于，圖像預處理步驟還包括，將反轉CT圖像和術中灰度圖像的尺寸調整為一致大小。

4.根據權利要求1所述的跨模態脊柱圖像配準方法，其特征在于，圖像預處理步驟中，基于術中光學圖像獲取對應的術中灰度圖像，具體包括，將術中光學圖像通過訓練好的Unet神經網絡提取對應的術中灰度圖像。

5.根據權利要求1所述的跨模態脊柱圖像配準方法，其特征在于，基于深度強化學習思想的圖像變換步驟中，獲取采樣動作CT圖像，具體包括以下步驟：

將反轉CT圖像中像素值大于設定閾值像素點的橫縱坐標進行五次多項式曲線擬合，得到一條函數曲線；

計算所有像素值不為0的像素點到所述函數曲線上對應橫坐標的距離，將超出設定距離閾值的像素點剔除，獲取采樣動作CT圖像。

6.根據權利要求1所述的跨模態脊柱圖像配準方法，其特征在于，基于深度強化學習思想的圖像變換步驟中，獲取最終的待配準CT圖像，還包括：

將新的待執行圖像再次執行動作空間的兩個動作，并將執行結果再次與術中灰度圖像進行基于評價指標的相似度衡量計算，直到執行次數滿足設定的閾值，將最后一次執行結果中評價指標較高的采樣動作CT圖像或空間變換CT圖像作為最終的待配準CT圖像。

7.根據權利要求1所述的跨模態脊柱圖像配準方法，其特征在于，基于深度強化學習思想的圖像變換步驟中，獲取空間變換CT圖像，具體包括以下步驟：

將反轉CT圖像通過空間變換網絡，進行50次迭代，獲取空間變換CT圖像。

8.根據權利要求7所述的跨模態脊柱圖像配準方法，其特征在于，所述空間變換網絡的損失函數，包括歸一化互相關損失、梯度平滑損失及信息熵損失。

9.一種跨模態脊柱圖像配準系統，其特征在于，所述系統包括計算機程序，所述計算機程序執行時，實現權利要求1-8任意一項所述的跨模態脊柱圖像配準方法。

10.一種跨模態脊柱圖像配準設備，其特征在于，所述設備包括計算機系統，所述計算機系統用于實現權利要求1-8任意一項所述的跨模態脊柱圖像配準方法。