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 ...
【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p ...
【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
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。