一种医学图像配准方法及设备技术

本发明专利技术实施例提供一种医学图像配准方法及设备。所述方法包括：获取测试图像，在测试图像上根据第一预设规则提取多个测试子块；获取由模板子块和训练子块根据第二预设规则构建的最小生成树；计算测试子块与训练子块的第一相关度，并选择与测试子块第一相关度最高的训练子块对应的最优形变场；将最优形变场作为测试图像的稀疏形变场，并根据稀疏形变场构建稠密形变场；根据稠密形变场和测试图像向模板图像配准；其中，最优形变场由训练子块向模板子块配准获得。本发明专利技术实施例通过模板子块和训练子块构建的最小生成树以及根据测试子块获得稠密形变场，根据稠密形变场和测试图像向模板图像配准，在提高了配准的精确度的同时，缩短了在线配准时间。

【技术实现步骤摘要】
一种医学图像配准方法及设备
本专利技术实施例涉及图像处理
，尤其涉及一种医学图像配准方法及设备。
技术介绍
快速精准的非刚性配准算法是医学图像分析的重要需求。将病人术前术后的图像或者将不同个体的图像配准的目的在于，找到使图像之间相似度最大的最优形变场，使图像中对应的像素点反映相同的组织解剖信息。现有技术中，通过计算测试图像的最优形变场，将得到的最优形变场作用于测试图像，得到中间模板图像(intermediatetemplates，简称IT图像)，并将IT图像向模板图像配准。其中中间模板图像的生成方式有中间模板生成(intermediatetemplategeneration，简称ITG)和中间模板选择(intermediatetemplateselection，简称ITS)两类。ITG方法的目的在于利用当前训练图像集构建新的IT图像。常用的ITG方法，通过对训练集图像与模板图像间对应关系的求解，找到测试图像对应位置的形变场，利用该形变场将测试图像映射从而求解出IT图像，然后再利用常用配准算法将IT图像直接与模板图像进行配准，最终获得匹配后的测试图像。不同于ITG方法，ITS方法中的iTREE算法是利用统计模型在训练集图像的基础上生成更多的图像，将生成的图像与训练图像作为IT图像集，根据IT图像之间的差异建立最小生成树，利用树形结构对所有IT图像进行建模，其中树的根节点为模板图像，然后所有IT图像将沿着树形结构中的边，向模板图像配准，将配准求得的最优形变场保存，在测试阶段，将计算测试图像与所有IT图像之间的差异，找到与测试图像相似度最大的IT图像BMIT，并将它们之间连接，更新建立好的最小生成树，最后将训练阶段求得的BMIT向模板图像配准的形变场作为测试图像的初始形变场，将测试图像向模板图像配准。从ITG与ITS方法可以看出，基于IT图像的配准算法共同面临的问题在于如何构建丰富的训练集样本，实现对IT图像精准的生成与选择。只有建立了数据丰富的训练集，才能利用训练模型对初始形变场进行准确的预测，否则对初始形变场的估计将存在较大的误差。而一般情况下，并不能获得丰富的训练图像，使存在大量与模板图像差异较小的训练图像，从而图像差异大导致图像配准的精度与速度低的问题。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种医学图像配准方法及设备。本专利技术实施例提供一种医学图像配准方法，包括：获取测试图像，在所述测试图像上根据第一预设规则提取多个测试子块；获取多个最小生成树，所述最小生成树由模板子块和训练子块根据第二预设规则构建，其中，所述模板子块是通过模板图像提取得到的，所述训练子块是通过训练图像提取得到的，且所述模板子块、所述训练子块与所述测试子块大小相同；计算所述测试子块与所述训练子块的第一相关度，并选择与所述测试子块第一相关度最高的所述训练子块对应的最优形变场；将所述最优形变场作为所述测试图像的稀疏形变场，并根据所述稀疏形变场构建稠密形变场；根据所述稠密形变场和所述测试图像向模板图像配准；其中，所述最优形变场由训练子块向模板子块配准获得。本专利技术实施例提供一种医学图像配准设备，包括：提取模块，用于获取测试图像，在所述测试图像上根据第一预设规则提取多个测试子块；第一构建模块，用于获取多个最小生成树，所述最小生成树由模板子块和训练子块根据第二预设规则构建，其中，所述模板子块是通过模板图像提取得到的，所述训练子块是通过训练图像提取得到的，且所述模板子块、所述训练子块与所述测试子块大小相同；计算模块，用于计算所述测试子块与所述训练子块的第一相关度，并选择与所述测试子块第一相关度最高的所述训练子块对应的最优形变场；第二构建模块，用于将所述最优形变场作为所述测试图像的稀疏形变场，并根据所述稀疏形变场构建稠密形变场；配准模块，用于根据所述稠密形变场和所述测试图像向模板图像配准；其中，所述最优形变场由训练子块向模板子块配准获得。本专利技术实施例提供的一种医学图像配准方法及设备，通过提取模板子块和训练子块，根据模板子块和训练子块构建最小生成树，计算测试子块与最小生成树中训练子块的第一相关度并获得稀疏形变场，根据稀疏形变场获得稠密形变场，根据稠密形变场和测试图像向模板图像配准，在提高了配准的精确度的同时，缩短了在线配准时间。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种医学图像配准方法流程示意图；图2为本专利技术另一实施例提供的一种医学图像配准方法流程示意图；图3为本专利技术实施例提供的一种医学图像配准设备结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例提供的一种医学图像配准方法流程示意图，如图1所示，所述方法，包括：步骤101：获取测试图像，在所述测试图像上根据第一预设规则提取多个测试子块；具体地，获取测试图像，并根据第一预设规则在测试图像上提取多个测试子块，其中，测试子块的大小可以根据实际情况进行设定。步骤102：获取多个最小生成树，所述最小生成树由模板子块和训练子块根据第二预设规则构建，其中，所述模板子块是通过模板图像提取得到的，所述训练子块是通过训练图像提取得到的，且所述模板子块、所述训练子块与所述测试子块大小相同；具体地，在获取到的模板图像上提取模板子块，并且在训练图像上提取训练子块，模板子块、训练子块与上述测试子块大小相同，利用模板子块和训练子块根据第二预设规则构建最小生成树，可以理解的是，模板图像上有多个模板子块，每个模板子块对应多个训练子块，且每个模板子块对应一颗最小生成树。步骤103：计算所述测试子块与所述训练子块的第一相关度，并选择与所述测试子块第一相关度最高的所述训练子块对应的最优形变场；具体地，利用归一化互信息的方法计算测试子块与所有训练子块的第一相关度，并选择第一相关度最高的训练子块对应的最优形变场。应当说明的是，最优形变场是最小生成树中训练子块向模板子块配准得到的，且为一个最优变换矩阵，通过获取到的最优形变场，对测试图像进行变换，可以减小与模板图像间的差异，提高配准的效率。步骤104：将所述最优形变场作为所述测试图像的稀疏形变场，并根据所述稀疏形变场构建稠密形变场；具体地，测试图像中的每一个测试子块对应一个最优形变场，因此测试图像上的所有测试子块对应的多个最优形变场构成了稀疏形变场，由于测试子块没有覆盖整个测试图像，所以测试图像中有的区域没有对应的最优形变场，因此称为稀疏形变场。根据插值的方法，计算测试图像中没有被测试子块覆盖的区域对应的最优形变场，从而构成了稠密形变场。步骤105：根据所述稠密形变场和所述测试图像向模板图像配准；其中，所述最优形变场由训练子块向模板子本文档来自技高网...

【技术保护点】
一种医学图像配准方法，其特征在于，包括：获取测试图像，在所述测试图像上根据第一预设规则提取多个测试子块；获取多个最小生成树，所述最小生成树由模板子块和训练子块根据第二预设规则构建，其中，所述模板子块为所述最小生成树的根节点，所述训练子块为所述最小生成树的子叶节点，所述模板子块是通过模板图像提取得到的，所述训练子块是通过训练图像提取得到的，且所述模板子块、所述训练子块与所述测试子块大小相同；计算所述测试子块与所述训练子块的第一相关度，并选择与所述测试子块第一相关度最高的所述训练子块对应的最优形变场；将所述最优形变场作为所述测试图像的稀疏形变场，并根据所述稀疏形变场构建稠密形变场；根据所述稠密形变场和所述测试图像向模板图像配准；其中，所述最优形变场由训练子块向模板子块配准获得。

【技术特征摘要】
1.一种医学图像配准方法，其特征在于，包括：获取测试图像，在所述测试图像上根据第一预设规则提取多个测试子块；获取多个最小生成树，所述最小生成树由模板子块和训练子块根据第二预设规则构建，其中，所述模板子块为所述最小生成树的根节点，所述训练子块为所述最小生成树的子叶节点，所述模板子块是通过模板图像提取得到的，所述训练子块是通过训练图像提取得到的，且所述模板子块、所述训练子块与所述测试子块大小相同；计算所述测试子块与所述训练子块的第一相关度，并选择与所述测试子块第一相关度最高的所述训练子块对应的最优形变场；将所述最优形变场作为所述测试图像的稀疏形变场，并根据所述稀疏形变场构建稠密形变场；根据所述稠密形变场和所述测试图像向模板图像配准；其中，所述最优形变场由训练子块向模板子块配准获得。2.根据权利要求1所述的方法，其特征在于，所述最小生成树由模板子块和训练子块根据第二预设规则构建，包括：获取模板图像，在所述模板图像中获取像素点对应的曲率大于第一阈值的作为模板关键点，以所述模板关键点为中心，获取以预设像素个数构成的模板子块；获取训练图像，将所述训练图像向模板图像配准，获取与所述模板图像上所述模板关键点相对应的训练关键点，以所述训练关键点为中心获取预设个数的所述训练子块构成训练子块组；根据所述训练子块组计算加权平均子块，计算所述模板子块和所述加权平均子块的第二相关度，根据所述第二相关度构建最小生成树。3.根据权利要求1所述的方法，其特征在于，所述在所述测试图像上根据第一预设规则提取测试子块，包括：将所述测试图像上像素点对应的曲率大于第二阈值的作为测试关键点，以所述测试关键点为中心，获取所述测试子块。4.根据权利要求2所述的方法，其特征在于，所述计算所述测试子块与所述训练子块的第一相关度，包括：利用归一化互信息算法计算所述测试子块和所述训练子块的第一相关度。5.根据权利要求2所述的方法，其特征在于，所述根据所述稀疏形变场构建稠密形变场，包括：根据所述稀疏形变场，利用插值的方法构建稠密形变场。6.一种...

【专利技术属性】
技术研发人员：杨健，付天宇，王涌天，李勤，范敬凡，丛伟建，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11