肺部 CT 的三维配准方法技术

技术编号:10383599 阅读:231 留言:0更新日期:2014-09-05 11:15
一种肺部CT的三维配准方法,其包括以下步骤:载入第一肺部CT体数据和第二肺部CT体数据;以互信息为配准测度,对第一肺部CT体数据和第二肺部CT体数据进行三维刚性配准,使二者中的肺部区域整体对齐,记录X轴、Y轴和Z轴三个方向的位移参数和旋转参数,作为第一配准参数;在刚性配准的基础上进行非刚性配准,记录非刚性配准的最优位移场,作为第二配准参数;用第一配准参数和第二配准参数对第一肺部CT体数据和第二肺部CT体数据中的结节进行匹配,建立对应关系。本发明专利技术方法能够实现精确配准,并利用配准结果将同一位置的结节病灶在不同CT数据中的成像位置进行自动对应,从而能够方便医生对结节病情发展进行对比。

【技术实现步骤摘要】
肺部CT的三维配准方法
本专利技术属于计算机视觉及图像处理
,具体涉及一种肺部CT的三维配准方法。
技术介绍
根据WHO2008年的全球肿瘤流行病统计数据(GLOBOCAN2008),仅2008年全球肿瘤病例为1270万,死亡760万例[1],其中,中国所有的肿瘤新病例为280万,是美国新发肿瘤病例的2倍(美国为140万);同年中国肿瘤死亡病例为196万,而美国的死亡病例为57万,二者的差距为3.4倍。恶性肿瘤占我国居民死亡原因的20%以上。据WHO国际肿瘤研究理事会负责人BernardStewart报道,到2020年全球肿瘤发病率还将上升50%。提高肿瘤病人的五年存活率的关键在于如何尽早的发现并确诊肿瘤病情,并进行治疗。随着CT技术的发展,高分辨率CT因为其良好的成像质量,成为肿瘤筛查的重要工具,被越来越广泛地在临床上采用,但是随之而来的问题是医生阅片工作量的增加,尤其是在对比阅片时在大量CT数据中手动进行相同解剖位置图像匹配。因此利用计算机辅助诊断工具帮助医生高效准确地对肿瘤病情进行诊断有着巨大的现实意义。目前相关的计算机辅助诊断工具的研究都集中如何从一套CT数据中进行肺结节的识别和分割,以及根据特征对结节的良恶性进行判断。在肿瘤的诊断和治疗中,对比同一位置病灶特征的变化有着重要的临床意义,而在如何提高医生在进行病情对比时的阅片效率方面的研究很少。在一些PACS(PictureArchivingandCommunicationSystems)系统中,虽然提供了自动定位相近断层图像的功能,但是这种功能精确度不高,并且只是进行了断层与断层之间的匹配,如果一个断层中出现多个结节,这种方法并不能提供有效的对应结果。
技术实现思路
本专利技术的目的是提供一种肺部CT的三维配准方法,该三维配准方法能够将同一位置的结节在不同CT数据中的成像位置进行自动对应。本专利技术中提出的配准技术应用的对象是高分辨率肺部CT图像,其技术思路为:首先进行刚性配准,通过互信息将CT体数据中的肺部区域进行整体对齐;然后在刚性配准的基础上利用提取的匹配特征点对结合局部单点互信息(SMI)最大化的方式进行非刚性配准,得到最终的精确配准结果;然后利用配准结果提供的空间变换信息,进行相同结节成像位置的对应,从而方便结节的特征变化进行对比。本专利技术的具体技术方案为:一种肺部CT的三维配准方法,包括以下步骤:载入第一肺部CT体数据和第二肺部CT体数据;以互信息为配准测度,对第一肺部CT体数据和第二肺部CT体数据进行三维刚性配准,使二者中的肺部区域整体对齐,记录X轴、Y轴和Z轴三个方向的位移参数和旋转参数,作为第一配准参数;在刚性配准的基础上进行非刚性配准,记录非刚性配准的最优位移场,作为第二配准参数;用第一配准参数和第二配准参数对第一肺部CT体数据和第二肺部CT体数据中的结节进行匹配,建立对应关系。在上述的肺部CT的三维配准方法中,优选地,所述非刚性配准包括特征点提取、特征点匹配和位移场搜索。在上述的肺部CT的三维配准方法中,优选地,采用三维的算子提取特征点,特征点匹配中被匹配为特征点对的两个特征点r、f满足以下两个条件:一、参考图像中的特征点r在浮动图像中最邻近的点是特征点f,且特征点f在参考图像中的最邻近的点也是特征点r;二、最邻近特征点与次临近特征点间的距离比小于预设的第一阈值。在上述的肺部CT的三维配准方法中,优选地,采用BBF算法确定最邻近的特征点。在上述的肺部CT的三维配准方法中,优选地,所述非刚性配准用互信息结合特征点限制作为相似性测度。在上述的肺部CT的三维配准方法中,优选地,所述位移场搜索包括以下步骤:计算位移场变化量;将位移场变化量与位移场相加,更新位移场;利用特征点对位移场进行限制,包括计算特征点x处的位移场Un+1(x),计算该位移场Un+1(x)与V(x)的差值,该差值小于预设的第二阈值时,使位移场Un+1(x))V(x),否则Un+1(x)保持不变,V(x)为构成特征点对的两个特征点之间的位移,该特征点对包括特征点x;计算浮动图像插值结果,计算该插值结果与参考图像之间的互信息,当互信息停止增大或迭代次数达到限定次数时,将当前位移场作为最优位移场,否则重复上述步骤。在上述的肺部CT的三维配准方法中,优选地,更新位移场前还包括平滑位移场变化量的步骤,在利用特征点对位移场进行限制后还包括对位移场进行加权高斯平滑的步骤,所述加权高斯平滑在特征点处采用第一权值,在其它位置采用第二权值。在上述的肺部CT的三维配准方法中,优选地,采用对称搜索的方式计算位移场变化量。在上述的肺部CT的三维配准方法中,优选地,该三维配准方法还包括在进行配准前将第一肺部CT体数据和第二肺部CT体数据每个体素代表的物理尺寸降采样到相同尺度上。在上述的肺部CT的三维配准方法中,优选地,采用浮动图像与参考图像之间的联合灰度分布直方图计算互信息,其中采用PV插值的方式来计算联合灰度分布直方图。本专利技术方法能够实现精确配准,并利用配准结果将同一位置的结节病灶在不同CT数据中的成像位置进行自动对应,能够方便医生对结节病情发展进行对比,从而能够大大提高医生的诊断效率。附图说明图1为一些实施例肺部CT的三维配准方法的流程图;图2为采用算子提取特征点匹配后的结果;图3为浮动图像配准后的插值图像与参考图像相减图。具体实施方式下面结合附图和实施例对本专利技术进一步说明。这些更详细的描述旨在帮助理解本专利技术,而不应被用于限制本专利技术。根据本专利技术公开的内容,本领域技术人员明白,可以不需要一些或者所有这些特定细节即可实施本专利技术。而在其它情况下,为了避免将专利技术创造淡化,未详细描述众所周知的操作过程。如图1所示,本肺部CT的三维配准方法包括以下步骤:步骤S1、载入第一肺部CT体数据和第二肺部CT体数据。第一肺部CT体数据和第二肺部CT体数据是同一被测者在不同时间或不同检测条件下的肺部CT体数据。步骤S2、以互信息为配准测度,对第一肺部CT体数据和第二肺部CT体数据进行三维刚性配准,使二者中的肺部区域整体对齐,记录X轴、Y轴和Z轴三个方向的位移参数和旋转参数,作为第一配准参数。三维刚性配准采用互信息作为相似性测度,因此不要对肺实质进行预分割处理。互信息的定义式如下:其中F表示浮动图像,R表示参考图像,T是将浮动图像映射到参考图像的变换矩阵,hTCg·O表示在变换矩阵T下,浮动图像与参考图像之间的联合灰度分布直方图,并由此估计浮动图像与参考图像间灰度的联合概率分布pFR,T(f,r)及边缘概率分布pF,T(f)和pR,T(r)。在计算直方图分布时,采用了PV插值的方式,PV插值是根据浮动图像映射到目标图像上的对应坐标值,利用线性加权方式计算联合直方图的分布。因此PV插值并不是真正意义上的插值,没有生成真正的插值图像,从而避免了生成插值图像时的舍入误差对直方图的估算精度造成影响。刚性变换矩阵是具有三个位移参数和三个旋转参数的刚性变换矩阵,具体的变换方程可表示为:VR(PR-CR)=Rx(φx)Ry(φy)Rz(φz)VF(PF-CF)+t(tx,ty,tz)(5)其中VR和VF是3×3的对角阵,每个对角线元素代表分别表示一个体素在x、y、z三个方向上表示的物理尺寸;PR、PF分别代表参考图像和浮本文档来自技高网
...
<a href="http://www.xjishu.com/zhuanli/55/201410209850.html" title="肺部 CT 的三维配准方法原文来自X技术">肺部 CT 的三维配准方法</a>

【技术保护点】
一种肺部CT的三维配准方法,其特征在于,该三维配准方法包括以下步骤:载入第一肺部CT体数据和第二肺部CT体数据;以互信息为配准测度,对第一肺部CT体数据和第二肺部CT体数据进行三维刚性配准,使二者中的肺部区域整体对齐,记录X轴、Y轴和Z轴三个方向的位移参数和旋转参数,作为第一配准参数;在刚性配准的基础上进行非刚性配准,记录非刚性配准的最优位移场,作为第二配准参数;用第一配准参数和第二配准参数对第一肺部CT体数据和第二肺部CT体数据中的结节进行匹配,建立对应关系。

【技术特征摘要】
1.一种肺部CT的三维配准方法,其特征在于,该三维配准方法包括以下步骤:载入第一肺部CT体数据和第二肺部CT体数据;以互信息为配准测度,对第一肺部CT体数据和第二肺部CT体数据进行三维刚性配准,使二者中的肺部区域整体对齐,记录X轴、Y轴和Z轴三个方向的位移参数和旋转参数,作为第一配准参数;在刚性配准的基础上进行非刚性配准,记录非刚性配准的最优位移场,作为第二配准参数;用第一配准参数和第二配准参数对第一肺部CT体数据和第二肺部CT体数据中的结节进行匹配,建立对应关系;所述非刚性配准包括特征点提取、特征点匹配和位移场搜索;其中,采用三维的算子提取特征点,特征点匹配中被匹配为特征点对的两个特征点r、f满足以下两个条件:一、参考图像中的特征点r在浮动图像中最邻近的点是特征点f,且特征点f在参考图像中的最邻近的点也是特征点r;二、最邻近特征点与次临近特征点间的距离比小于预设的第一阈值;位移场搜索中,用互信息结合特征点限制作为相似性测度,利用单点互信息与互信息之间的关系,采用邻域搜索的方式进行位移场迭代,从而得到最优位移场,位移场搜索包括以下步骤:计算位移场变化量;将位移场变化量与位移场相加,更新位移场;利用特征点对位移场进行限制,包括计算特征点x处的位移场Un+1(x),计算该位移场Un+...

【专利技术属性】
技术研发人员:袁克虹于川汇
申请(专利权)人:清华大学深圳研究生院
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 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。

1