基于显著区域面积匹配的心脏CT与超声图像配准方法技术

本发明专利技术公开了一种基于显著区域面积匹配的心脏CT与超声图像配准方法，主要解决现有技术配准精度低、速度慢的问题。其实现步骤为：1)将预处理后的CT和超声图像，分别作为参考图像和浮动图像，分别建立这两幅图像的灰度特征金字塔模型和邻域均差特征金字塔模型；2)基于这两种金字塔模型分别生成参考图像和浮动图像的显著图，并对其进行二值化；3)对于二值化结果，根据区域面积特征提取其感兴趣区域，并对感兴趣区域进行基于区域质心距离的粗配准和基于ICP算法的精配准，得到配准参数；5)根据配准参数，对浮动图像进行旋转和平移变换，得到配准结果。本发明专利技术配准精度高，速度快，可用于对术前CT图像和术中超声图像的实时配准。

Heart CT and ultrasonic image registration method based on significant region area matching

The invention discloses a heart CT and ultrasonic image registration method based on significant area matching, which mainly solves the problems of low registration accuracy and slow speed of the prior art. The method comprises the following steps: 1) the pretreatment of CT and ultrasound images were used as the reference and floating images, respectively establish the gray feature model and neighborhood characteristics of Pyramid Pyramid by the two images of the model; 2) saliency map the two Pyramid models were generated based on the reference and floating images, and the the binarization; 3) for binarization results, based on area feature extraction the region of interest, and the region of interest based on the coarse registration area and centroid distance based on the precise registration of the ICP algorithm, get the registration parameters; 5) according to the registration parameters of rotation and translation of the floating image transform the registration results obtained. The invention has high registration accuracy and high speed, and can be used for real-time registration of preoperative CT images and intraoperative ultrasonic images.

【技术实现步骤摘要】
基于显著区域面积匹配的心脏CT与超声图像配准方法
本专利技术属于医学图像处理
，特别是一种图像的配准方法，可用于心脏手术中对术前CT图像和术中超声图像的实时配准。
技术介绍
随着现代社会生活节奏的不断加快、生活压力的不断增大，心血管疾病的发病率逐年攀升。据世界卫生组织的调查数据显示，每年心血管疾病的死亡人数占全球死亡总数的30％。预计到2030年，死于心血管疾病的人数将增加至2330万，心血管疾病将继续成为威胁人类健康的头号死因。因此对心血管疾病的诊断研究受到广泛关注，更加准确、高效的医疗诊断成为一种迫切的需要。目前，对于心脏的诊疗和评估高度依赖于CT、超声和核磁共振等成像技术。其中，心脏超声成像由于成本相对较低、能够实时成像和操作方便等原因，被广泛应用于微创手术中。它可以帮助医生在手术过程中定位病理区域，并为手术工具提供引导。而超声图像固有的斑点噪声、伪影、分辨率差、信噪比较低等局限，使得它难以清晰的显示器官、血管和肿瘤的解剖结构和病理信息。CT图像虽然成像精度和信噪比高，但由于成本高、灵活性差、不能实时成像等缺点，无法反映手术中组织的移位和变形。将术前CT图像与术中超声图像两种模态图像信息相结合，利用术前图像的信息来引导术中图像，提高手术的精度和准确率，是当前研究的热点。其中术前CT图像和术中超声图像配准技术是图像引导手术中的关键技术。超声图像与CT图像的配准方法，目前主要包括基于灰度的方法和基于几何或解剖特征的方法。基于灰度的配准方法直接利用整幅图像的灰度信息，建立两幅图像之间的相似性度量，然后使用搜索方法寻找使相似性度量值最大或最小的变化模型的参数值。然而，由于超声图像质量较差、与CT图像灰度差异大，单一的基于灰度的配准精度并不理想且耗时长，不能满足图像引导手术对图像配准精度和速度的要求。基于特征的配准方法将对整个图像的分析转换为对图像特征的分析，所说大大减少了图像处理过程中的计算量，具有较好的实时性，但配准精度的高低主要取决于几何或解剖特征的选择和提取，特征提取的准确程度将对整个配准过程产生很大的影响，由于常用的特征提取主要依赖于人工选取，速度慢且会引入人为偏差，使提取的不同模态下图像特征差异较大。因此迫切需要准确可靠、全自动的特征提取方法以确保图像配准的精度和速度，满足手术要求。
技术实现思路
本专利技术的目的在于针对目前已有配准技术的不足，提出一种基于显著区域面积匹配的心脏CT图像与超声图像配准方法，以实现CT图像对超声图像的精确引导，提高手术的精度和成功率。为实现上述目的，本专利技术包括如下步骤：(1)输入待配准心脏CT图像及食道超声心动图TEE，采用双线性插值方法调整CT图像，使其与TEE图像每个像素对应的物理分辨率大小一致；(2)对CT图像和TEE图像分别进行非局部均值滤波处理，并将滤波后的CT图像作为参考图像r，将滤波后的TEE图像作为浮动图像f；(3)分别建立参考图像r的灰度特征金字塔模型AI、邻域均差特征金字塔模型AM和浮动图像f的灰度特征金字塔模型BI、邻域均差特征金字塔模型BM；(4)根据参考图像r的灰度特征金字塔模型AI和邻域均差特征金字塔模型AM生成参考图像的显著图Sr，根据浮动图像f的灰度特征金字塔模型BI和邻域均差特征金字塔模型BM生成浮动图像的显著图Sf；(5)设置灰度阈值T1＝85，利用灰度阈值T1分别对参考图像的显著图Sr和浮动图像的显著图Sf进行二值化分割，得到参考图像显著图的分割结果br和浮动图像显著图的分割结果bf；(6)分别统计参考图像显著图的分割结果br和浮动图像显著图的分割结果bf中每个非连通区域的面积，根据非连通区域的面积特征提取参考图像的感兴趣区域轮廓点集pr和浮动图像的感兴趣区域轮廓点集pf；(7)分别提取参考图像r中感兴趣区域的质心(xr,yr)和浮动图像f中感兴趣区域的质心(xf,yf)，计算两区域质心间的距离(Δx,Δy)，并将浮动图像f和其感兴趣区域轮廓点集pf分别横向平移Δx个像素，纵向平移Δy个像素，得到粗配准结果图f'和粗配准结果图f'的感兴趣区域轮廓点集p'f；(8)以参考图像r的感兴趣区域轮廓点集pr和粗配准结果图f'的感兴趣区域轮廓点集p'f作为输入，使用迭代最近点ICP算法进行精配准，得到两点集之间的旋转矩阵TR和平移矩阵TT；(9)将粗配准结果图f'按旋转矩阵TR和平移矩阵TT依次进行旋转和平移操作，得到最终配准结果q，输出配准图像q。本专利技术与现有技术相比具有以下优点：1、本专利技术通过分别建立参考图像和浮动图像的灰度特征金字塔模型和邻域均差特征金字塔模型以提取其显著图，并根据区域面积特征精确地提取了参考图像和浮动图像的感兴趣区域，为后续参考图像和浮动图像的高精度配准奠定了基础。2、本专利技术对参考图像和浮动图像进行了基于参考图像和浮动图像感兴趣区域质心距离的粗配准和基于迭代最近点ICP算法的精配准，具有更高的准确性。3、本专利技术在整个配准过程中实现了全自动化，无需人机交互，避免了人为因素的干扰，配准效率高，满足图像引导手术对配准速度和配准精度的要求。附图说明图1是本专利技术的实现流程图；图2是从某医院获取的心脏CT图像和心脏食道超声TEE图像；图3是用本专利技术提取CT图像和TEE图像的显著图；图4是用本专利技术对CT图像和TEE图像的显著图进行二值化后的结果图；图5是用本专利技术对CT图像和TEE图像感兴趣区域的分割结果图；图6是以CT图为参考图像，TEE图为浮动图像，采用本专利技术进行配准的结果图；图7是本专利技术所使用的同一个人的心脏CT图像和超声TEE图像；图8是用本专利技术对图7中CT图像和超声TEE图像进行配准的结果图。具体实施方法以下结合附图对本专利技术的实施例和效果作详细描述。参照图1，本专利技术的实现步骤如下：步骤1.输入心脏CT图像和食道超声TEE图像，调整图像像素大小。心脏CT图像和食道超声图像是从某医院获取的，如图2所示，其中图2(a)是心脏CT图像，图2(b)是食道超声TEE图像，心脏CT图像的大小是512×512，像素分辨率是0.24×0.24mm，食道超声TEE图像的大小是600×800，像素分辨率是0.17×0.17mm；采用双线性插值方法调整CT图像，使其与TEE图像像素分辨率大小一致。步骤2.对待配准图像进行预处理。将心脏CT图像进行非局部均值滤波，使图像更平滑、清晰，并用滤波后的图像作为参考图像r；将食道超声TEE图像进行非局部均值滤波，以去除其固有的斑点、伪影这些噪声，使图像更平滑、清晰，并用该滤波后的图像作为浮动图像f。步骤3.分别建立参考图像r和浮动图像f的灰度特征金字塔模型和邻域均差特征金字塔模型。(3a)提取参考图像r的灰度特征图Ir和邻域均差特征图Mr：Mr(i,j)＝|r(i,j)-F(i,j)|式中Ir(i,j)是参考图像r的灰度特征图Ir在坐标(i,j)处的值，r(i,j)是参考图像r在坐标(i,j)处的灰度值，max()为提取矩阵最大灰度值，min()为提取矩阵最小灰度值，Mr是邻域均差特征图，Mr(i,j)是Mr在坐标(i,j)处的值，F(i,j)是参考图像r在坐标(i,j)处的3×3邻域均值；(3b)以参考图像r的灰度特征图Ir为第一层，在其基础上进行下采样，得到大小为第一层图像1/2的第二层灰本文档来自技高网...

【技术保护点】
基于显著区域面积匹配的心脏CT与超声图像配准方法，包括如下步骤：(1)输入待配准心脏CT图像及食道超声心动图TEE，采用双线性插值方法调整CT图像，使其与TEE图像像素大小一致；(2)对CT图像和TEE图像分别进行非局部均值滤波处理，并将滤波后的CT图像作为参考图像r，将滤波后的TEE图像作为浮动图像f；(3)分别建立参考图像r的灰度特征金字塔模型AI、邻域均差特征金字塔模型AM和和浮动图像f的灰度特征金字塔模型BI、邻域均差特征金字塔模型BM；(4)根据参考图像r的灰度特征金字塔模型AI和邻域均差特征金字塔模型AM生成参考图像的显著图Sr，根据浮动图像f的灰度特征金字塔模型BI和邻域均差特征金字塔模型BM生成浮动图像的显著图Sf；(5)设置灰度阈值T1＝85，利用灰度阈值T1分别对参考图像的显著图Sr和浮动图像的显著图Sf进行二值化分割，得到参考图像显著图的分割结果br和浮动图像显著图的分割结果bf；(6)分别统计参考图像显著图的分割结果br和浮动图像显著图的分割结果bf中各非连通区域的面积，根据非连通区域的面积特征提取参考图像的感兴趣区域轮廓点集pr和浮动图像的感兴趣区域轮廓点集pf；(7)分别提取参考图像r中感兴趣区域的质心(xr,yr)和浮动图像f中感兴趣区域的质心(xf,yf)，计算两区域质心间的距离(Δx,Δy)，并将浮动图像f和其感兴趣区域轮廓点集pf分别横向平移Δx个像素，纵向平移Δy个像素，得到粗配准结果图f'和粗配准结果图的感兴趣区域轮廓点集p'f；(8)以参考图像r的感兴趣区域轮廓点集pr和粗配准结果图f'的感兴趣区域轮廓点集p'f作为输入，使用迭代最近点ICP算法进行精配准，得到两点集之间的旋转矩阵TR和平移矩阵TT；(9)将粗配准结果图f'按旋转矩阵TR和平移矩阵TT依次进行旋转和平移操作，得到最终配准结果q，完成配准工作。...

【技术特征摘要】
1.基于显著区域面积匹配的心脏CT与超声图像配准方法，包括如下步骤：(1)输入待配准心脏CT图像及食道超声心动图TEE，采用双线性插值方法调整CT图像，使其与TEE图像像素大小一致；(2)对CT图像和TEE图像分别进行非局部均值滤波处理，并将滤波后的CT图像作为参考图像r，将滤波后的TEE图像作为浮动图像f；(3)分别建立参考图像r的灰度特征金字塔模型AI、邻域均差特征金字塔模型AM和和浮动图像f的灰度特征金字塔模型BI、邻域均差特征金字塔模型BM；(4)根据参考图像r的灰度特征金字塔模型AI和邻域均差特征金字塔模型AM生成参考图像的显著图Sr，根据浮动图像f的灰度特征金字塔模型BI和邻域均差特征金字塔模型BM生成浮动图像的显著图Sf；(5)设置灰度阈值T1＝85，利用灰度阈值T1分别对参考图像的显著图Sr和浮动图像的显著图Sf进行二值化分割，得到参考图像显著图的分割结果br和浮动图像显著图的分割结果bf；(6)分别统计参考图像显著图的分割结果br和浮动图像显著图的分割结果bf中各非连通区域的面积，根据非连通区域的面积特征提取参考图像的感兴趣区域轮廓点集pr和浮动图像的感兴趣区域轮廓点集pf；(7)分别提取参考图像r中感兴趣区域的质心(xr,yr)和浮动图像f中感兴趣区域的质心(xf,yf)，计算两区域质心间的距离(Δx,Δy)，并将浮动图像f和其感兴趣区域轮廓点集pf分别横向平移Δx个像素，纵向平移Δy个像素，得到粗配准结果图f'和粗配准结果图的感兴趣区域轮廓点集p'f；(8)以参考图像r的感兴趣区域轮廓点集pr和粗配准结果图f'的感兴趣区域轮廓点集p'f作为输入，使用迭代最近点ICP算法进行精配准，得到两点集之间的旋转矩阵TR和平移矩阵TT；(9)将粗配准结果图f'按旋转矩阵TR和平移矩阵TT依次进行旋转和平移操作，得到最终配准结果q，完成配准工作。2.根据权利要求1所述的方法，其中步骤(3)中分别建立参考图像r和浮动图像f的灰度特征金字塔模型和邻域均差特征金字塔模型，按如下步骤进行：(3a)提取参考图像r的灰度特征图Ir和邻域均差特征图Mr；(3b)以灰度特征图Ir为第一层，在其基础上进行下采样，得到大小为第一层图像1/2的第二层灰度特征图，再在第二层灰度特征图上进行相同下采样，得到大小为第二层灰度特征图1/2的第三层灰度特征图，以此三层灰度特征图建立参考图像r的灰度特征金字塔模型AI；(3c)按照与(3b)相同的操作建立参考图像r的邻域均差特征金字塔模型AM；(3d)提取浮动图像f的灰度特征图If和邻域均差特征图M...

【专利技术属性】
技术研发人员：缑水平，童诺，杨淑媛，焦李成，黄力宇，李军，黄美萍，庄建，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61