【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于多模态影像的影像配准融合方法。
技术介绍
1、前列腺癌是75岁以上男性癌症死亡的常见病因，较少见于40岁以下的男性。早期筛查包括直肠指检和检测血液样本中的前列腺特异性抗原(psa)，当病患需进一步测试通常涉及组织活检以获得确诊。
2、组织活检是应诊断、治疗的需要，从患者体内切取、钳取或穿刺等取出病变组织，进行病理学检查的技术，如前列腺组织活检，以其为例，目前较广泛使用的前列腺组织活检方法是通过会阴皮肤将活检针插入前列腺的不同位置，通过超声实时图像显示，医生能够确认穿刺针插入的轨迹及到达位置。
3、但是，在单一的超声影像下进行穿刺具有一定限制，例如：
4、1、在超声显示下，医生靠经验和感知(徒手)进行的穿刺，随机组织样本检出率降低；
5、2、缺乏可追溯性及可重复性的穿刺过程，因此医生无法进行后续随访检验或治疗手术。
技术实现思路
1、专利技术目的：针对上述不足，本专利技术提出一种基于多模态影像的影像配准融合方法，可以兼具多模态影像的优点，如影像精度、病灶区辨识度、超声即时监控的优点，进而可以减少依赖认知融合及其对穿刺精度的影响。
2、技术方案：
3、本专利技术提供一种基于多模态影像的影像配准融合方法，包括：
4、s1、获取参与配准的包含配准目标的多模态影像，得到其各切面图像；
5、s2、选取s1中任意两影像对应的切面图像按照原切面图像分辨率设定若干比
6、s3、根据s2得到的映射关系将同一分辨率层次的两图像的降采样图像变换至同一参照下，寻找使得同一参照下的两图像之间的相似度度量最大的变形场；
7、s4、根据s2得到的映射关系及s3得到的变形场计算两对应的切面图像在各分辨率层次的降采样图像之间的映射关系，完成两影像的配准融合。
8、具体地，所述s2具体为：
9、以选取的任意两影像对应的切面图像中一图像为静态图像，另一为动态图像，按照原切面图像分辨率设定若干比例分别对静态图像和动态图像进行降采样，得到对应的若干分辨率层次的降采样图像，对各分辨率层次对应的动态图像和静态图像的降采样图像进行配准得到各分辨率层次的配准参数，即得到对应的降采样图像之间的变换矩阵，也即得到两影像之间的映射关系。
10、更具体地，所述s2中，所述配准包括：
11、s21、针对某一分辨率层次的降采样图像，遍历静态图像中的所有像素点形成点集a＝{p1,...,pn}，从该分辨率层次的动态图像中选取与点集a中各像素点最相似的像素点，由此得到与点集a最相似的点集a'；
12、s22、通过最小二乘法计算点集a与点集a'之间的误差最小的变换矩阵tmin；
13、s23、根据s22计算得到刚性配准后的该分辨率层次的动态图像m'＝m×tmin；
14、s24、将s21中的动态图像更新为s23得到的动态图像m'，重复s21-s23，最终得到误差满足预设阈值时所对应的变换矩阵t'，即对应的配准参数。
15、进一步地，所述s21中，所述从该分辨率层次的动态图像m中选取与点集a中各像素点最相似的像素点，具体为：
16、针对点集a的任意一点vi，遍历动态图像中所有像素点的像素值，找到di值最小的点作为与vi最相似的像素点；
17、di＝||vj-vi||2
18、其中，vi是点集a中的像素点pi的像素值，i＝[1,n]，n为该分辨率层次的静态图像中的所有像素点的数量；vj是动态图像中的像素点pj的像素值，j＝[1,m]，m是该分辨率层次的动态图像中像素点的数量。
19、进一步地，所述s22中，点集a与点集a'之间的误差e为：
20、
21、其中，pk为点集a中的像素点，pk'为点集a'中与像素点pk对应的像素点，t是点集a与点集a'之间的变换矩阵。
22、具体地，所述s3包括：
23、s31、将所述同一参照下的两图像分别定义为第一图像和第二图像，将所述第一图像均匀分成若干立方体单元，每个立方体单元通过其8个顶点控制形变，所述8个顶点即控制点；
24、s32、设变形场为w，得到s31中的各控制点变换后的坐标，进而计算得到变换后的第一图像；
25、s33、计算变换后的第一图像与第二图像之间的相似度度量，据此设定目标函数，通过反向梯度算法计算得到目标函数最小时的变形场，同时得到对应的变换后的第一图像；
26、s34、判断s33得到的变形场是否满足其对应的变换后的第一图像与第二图像之间的戴斯相似性参数dice是否满足设定阈值，若满足则结束迭代，否则返回s33。
27、更具体地，所述s33中，计算变换后的第一图像与第二图像之间的相似度度量z，具体为：
28、
29、其中，h(i)、h(j)分别表示变换后的第一图像和第二图像的熵，其中，pi表示第i个像素点对应的像素值在变换后的第一图像中的概率；其中，pj表示第j个像素点对应的像素值在第二图像中的概率；h(i,j)表示变换后的第一图像和第二图像的联合熵，其中，pij表示变换后的第一图像中第i个像素点的像素值和第二图像中第j个像素点的像素值在图像中同时发生的概率。
30、更具体地，所述s33中，所述目标函数具体为：
31、c*z+d*j
32、其中，c和d为可变参数，z为变换后的第一图像与第二图像之间的相似度度量，j为雅可比矩阵，
33、
34、其中，x1、…、xn表示变换后的第一图像中各控制点的坐标，n表示变换后的第一图像中控制点的数量；p1、…、pm表示变换后的第一图像中各像素点的坐标，m表示变换后的第一图像中像素点的数量。
35、进一步地，所述s33中，通过反向梯度算法计算得到目标函数最小时的变形场，具体为：
36、通过变化目标函数中的可变参数c、d及各像素点的坐标，计算得到使得目标函数最小时各像素点的变形量，进而得到变形场。
37、具体地，所述s2中，在选取得到s1中任意两影像对应的切面图像后，根据所述配准目标对二者对应的切面图像进行分割得到对应的掩膜，对二者的掩膜进行刚性配准得到二者之间的映射关系。
38、本专利技术与现有技术相比，具体如下有益效果：
39、本专利技术可以基于多模态影像进行配准融合，进而兼具多模态影像的优点，如影像精度、病灶区辨识度、超声即时监控的优点，进而可以减少依赖认知融合及其对穿刺精度的影响，同时通过软件记录实际的穿刺针着陆位置，实现穿刺手术导航定位，提高活检手术的一致性及精准度。
本文档来自技高网...【技术保护点】
1.一种基于多模态影像的影像配准融合方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态影像的影像配准融合方法，其特征在于，所述S2具体为：
3.根据权利要求2所述的基于多模态影像的影像配准融合方法，其特征在于，所述S2中，所述配准包括：
4.根据权利要求3所述的基于多模态影像的影像配准融合方法，其特征在于，所述S21中，所述从该分辨率层次的动态图像M中选取与点集A中各像素点最相似的像素点，具体为：
5.根据权利要求3所述的基于多模态影像的影像配准融合方法，其特征在于，所述S22中，点集A与点集A'之间的误差E为：
6.根据权利要求1所述的基于多模态影像的影像配准融合方法，其特征在于，所述S3包括：
7.根据权利要求6所述的基于多模态影像的影像配准融合方法，其特征在于，所述S33中，计算变换后的第一图像与第二图像之间的相似度度量z，具体为：
8.根据权利要求6所述的基于多模态影像的影像配准融合方法，其特征在于，所述S33中，所述目标函数具体为：
9.根据权利要求8所述的基于多模
10.根据权利要求1所述的基于多模态影像的影像配准融合方法，其特征在于，所述S2中，在选取得到S1中任意两影像对应的切面图像后，根据所述配准目标对二者对应的切面图像进行分割得到对应的掩膜，对二者的掩膜进行刚性配准得到二者之间的映射关系。
...【技术特征摘要】
1.一种基于多模态影像的影像配准融合方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态影像的影像配准融合方法，其特征在于，所述s2具体为：
3.根据权利要求2所述的基于多模态影像的影像配准融合方法，其特征在于，所述s2中，所述配准包括：
4.根据权利要求3所述的基于多模态影像的影像配准融合方法，其特征在于，所述s21中，所述从该分辨率层次的动态图像m中选取与点集a中各像素点最相似的像素点，具体为：
5.根据权利要求3所述的基于多模态影像的影像配准融合方法，其特征在于，所述s22中，点集a与点集a'之间的误差e为：
6.根据权利要求1所述的基于多模态影像的影像配准融合方法，其特征在于，所述s3包括：<...
【专利技术属性】
技术研发人员：王俊杰，李雨浪，贾洪飞，王英武，
申请(专利权)人：佗道医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。