The invention discloses a medical image registration method based on super-pixel guide, which includes steps: 1) rigid pre-registration of reference image and floating image using FFD registration algorithm based on B-spline to obtain reference image and floating image after pre-registration; 2) downsampling of reference image and floating image after pre-registration to form a multi-resolution pyramid with a level of L 3; The image registration of multi-resolution scheme starts with the coarsest resolution and proceeds from coarse to fine step by step. Under the current resolution l, the acquired spatial transform UL is sampled up to get ul_1 after iteration, and then the pyramid level l_1 image is transformed by spatial transform ul_1, and the obtained image is iterated again until the lowest level of the pyramid image ends. The final spatial transformation u is applied to the floating image after rigid registration, and the final registration result image is obtained. The invention obtains better registration accuracy and robustness than the current mainstream DIR registration models such as FFD model based on B spline and DD model.
【技术实现步骤摘要】
一种基于超像素向导的医学图像配准方法
本专利技术涉及医学图像处理及应用的
,尤其是指一种基于超像素向导的医学图像配准方法。
技术介绍
肺癌是当今全世界发病率和死亡率增长最快、对人类健康和生命威胁最大的恶性肿瘤之一。肺癌切除术后胸部随访CT(ComputedTomography,CT)图像之间的配准是预测术后肺功能、监测术后肿瘤的复发和转移情况、评估术后残肺代偿效果以及判断预后并指导治疗等的关键指标。然而,由于肺部固有的易变形性,再加上器官蠕动、呼吸运动及患者移动等特征,使得胸部随访图像之间存在复杂大形变,对它们精确地配准仍然是一项艰巨的任务。近年来,针对肺部的形变图像配准(DeformationImageRegistration,DIR)已经取得了重要进展:该类算法比以往更快,更精确,更易于使用。然而,DIR通常依赖于所寻求的变换是平滑的这一假设,从而阻止对那些不连续性解剖变化(例如组织生长/收缩或肿瘤反应)的正确估计。因此,为了能够处理由肺部代偿生长、肿瘤组织收缩/膨胀以及肿瘤反应等原因引起的复杂大形变,对肺部的生理特性、运动特点和解剖结构等先验知识来向导DIR模型优化进行研究具有重要的理论意义和临床应用价值。当前,Demons模型是肺部图像进行形变配准最流行使用的一类DIR模型。然而,该类DIR模型假设所寻求的变换是平滑的,从而阻止对那些不连续性解剖变化(例如肺部膨胀/收缩、体重减轻/增加或肿瘤反应)的正确估计。因此,为了能够处理由肺部代偿生长、肿瘤组织收缩/膨胀以及肿瘤反应等原因引起的复杂大形变,需要结合肺部的生理特性、运动特点和解剖变化特点等 ...
【技术保护点】
1.一种基于超像素向导的医学图像配准方法,其特征在于,包括以下步骤:1)对参考图像和浮动图像采用基于B样条的FFD配准算法进行刚性预配准,获得预配准后的参考图像和浮动图像;2)对预配准后的参考图像和浮动图像,进行下采样,形成多分辨率金字塔,级数为l;3)多分辨率方案的图像配准从最粗的分辨率开始,由粗至精的逐步配准,在当前分辨率l下,经如下迭代过程之后,对已获得的空间变换ul进行上采样得到ul‑1,然后利用空间变换ul‑1对金字塔第l‑1级的图像进行变换,将获得的图像再次进入如下迭代过程,直到金字塔图像最低层结束;其中,所述迭代过程如下:3.1)分别计算当前分辨率l下参考图像和浮动图像的超像素的二值表示B0(x)和B1(x);3.2)将当前超像素二值表示B0(x)和B1(x)之间的欧氏距离构造的一个新的匹配项结合于经典DD模型的目标能量函数中,构建新目标能量函数;3.3)根据新目标能量函数,利用空间变换ul‑1与更新速度场vl‑1关系式和新目标能量函数的一阶最优性条件,获取使得新目标函数最小化的空间变换函数;3.4)判断是否达到最大迭代次数,若没有达到,则返回步骤3.1),继续迭代;否则 ...
【技术特征摘要】
1.一种基于超像素向导的医学图像配准方法,其特征在于,包括以下步骤:1)对参考图像和浮动图像采用基于B样条的FFD配准算法进行刚性预配准,获得预配准后的参考图像和浮动图像;2)对预配准后的参考图像和浮动图像,进行下采样,形成多分辨率金字塔,级数为l;3)多分辨率方案的图像配准从最粗的分辨率开始,由粗至精的逐步配准,在当前分辨率l下,经如下迭代过程之后,对已获得的空间变换ul进行上采样得到ul-1,然后利用空间变换ul-1对金字塔第l-1级的图像进行变换,将获得的图像再次进入如下迭代过程,直到金字塔图像最低层结束;其中,所述迭代过程如下:3.1)分别计算当前分辨率l下参考图像和浮动图像的超像素的二值表示B0(x)和B1(x);3.2)将当前超像素二值表示B0(x)和B1(x)之间的欧氏距离构造的一个新的匹配项结合于经典DD模型的目标能量函数中,构建新目标能量函数;3.3)根据新目标能量函数,利用空间变换ul-1与更新速度场vl-1关系式和新目标能量函数的一阶最优性条件,获取使得新目标函数最小化的空间变换函数;3.4)判断是否达到最大迭代次数,若没有达到,则返回步骤3.1),继续迭代;否则判断是否达到最大分解级数,若没有达到,则对低分辨率下得到的形变矩阵进行超采样,将其作为上一级高分辨率的初始变换,返回步骤3.1),否则配准结束,进入步骤4);4)将最终获得的空间变换u作用于刚性配准后的浮动图像,获得最终的配准后结果图像。2.根据权利要求1所述的一种基于超像素向导的医学图像配准方法,其特征在于:在步骤3.1)中,所述参考图像和浮动图像的超像素的二值表示计算,包括以下步骤:3.1.1)初始化聚类种子点,...
【专利技术属性】
技术研发人员:田联房,张莉,李彬,朱文博,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
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。