基于不连续运动的肝部三维多模态图像配准方法技术

本发明专利技术公开一种基于不连续运动的肝部三维多模态图像配准方法，其包括以下步骤：对获取的原始肝部序列图像进行预处理和刚性配准；采用结合三阶B样条函数的自由形变模型模拟肝部图像的弹性形变，采用基于全变分的正则项和混合测度来构建代价函数，衡量两幅图像的相似性程度，采用有限内存拟牛顿插值法来优化求解代价函数。本发明专利技术提供的基于不连续运动的肝部三维多模态图像配准方法，避免了现有技术中二范数作为正则项导致全局平滑的结果，能够很好的保留肝部器官运动导致的边界不连续性，配准精度高。

【技术实现步骤摘要】
基于不连续运动的肝部三维多模态图像配准方法
本专利技术涉及数字图像处理
，更具体地说，本专利技术涉及一种基于不连续运动的肝部三维多模态图像配准方法。
技术介绍
在图像配准当中，通常希望得到的是一个全局平滑的位移场，但是当人体进行呼吸运动时，肺部和肝部这些器官和它们周围组织之间会存在一个相对的滑移运动，此时器官的运动和它们边界的运动是断裂的，因此会在肺和胸膜之间、肝部和腹壁之间会产生一个不连续的位移场，传统的保证全局平滑的代价函数约束项已经不适用于这种特殊的情况。现有技术中，处理这类不连续位移场的配准问题比较主流的方法是基于分割的运动掩膜法，运动掩膜法仅能保留器官运动的真实性，不能够反应器官外部组织的有效的位移场；运动掩膜法还需要一个初始的分割操作，这对于难以分割的腹部器官来说并不适用。另外，一些基于扩散模型的配准方法被提出，如方向相关的正则项，基于Demons的自适应正则项等方法，这些方法基于非参的形变模型，没有显式的表达式来进行最优化的求解。
技术实现思路
针对上述技术中存在的不足之处，本专利技术提供一种基于不连续运动的肝部三维多模态图像配准方法，避免了现有技术中二范数作为正则项导致全局平滑的结果，能够很好的保留肝部器官运动导致的边界不连续性，配准精度高。为了实现根据本专利技术的这些目的和其它优点，本专利技术通过以下技术方案实现：本专利技术提供一种基于不连续运动的肝部三维多模态图像配准方法，其包括以下步骤：对获取的原始肝部序列图像进行预处理和刚性配准；采用结合三阶B样条函数的自由形变模型模拟刚性配准后肝部图像的弹性形变，采用基于全变分的正则项和混合测度来构建代价函数，衡量两幅图像的相似性程度；采用基于图像的多分辨率金字塔的优化策略，利用有限记忆拟牛顿插值法来优化所述代价函数，求得最优的变换解。优选的是，模拟弹性形变，包括以下步骤：定义所述肝部三维CT图像为参考图像，定义所述肝部三维MR图像为浮动图像，分别加载所述参考图像和所述浮动图像；对所述浮动图像进行弹性形变，并采用结合三阶B样条函数的自由形变模型来模拟所述浮动图像的弹性形变；设所述浮动图像的图像域为Φ，包含nx×ny×nz个间距为δ的控制点，则，u是所述浮动图像的位移，φ为所述浮动图像的控制点，(x,y,z)为所述浮动图像上的像素点；(px,py,pz)是距离像素点最近的控制点，且u,v,w是像素点和距其最近的控制点间的距离，且Bth表示三阶B样条的基函数。优选的是，所述浮动图像的控制点网格间距设为7*7*7mm，所述浮动图像上每个像素点的形变由周围64个控制点的形变决定。优选的是，所述混合测度，指的是基于归一化互信息的相关比，公式如下：CRMI(M,F；φ)＝(2-NMI(M,F；φ))·(1-CR(M,F；φ))；其中，M表示所述浮动图像，F表示所述参考图像，NMI表示归一化互信息，CR表示相关比；在归一化互信息中，p(m；u)表示所述浮动图像的边缘概率密度，p(f)表示所述参考图像的边缘概率密度，p(m,f；u)表示两幅图像的联合概率密度；在相关比中，X和Y分别表示参考图像和浮动图像的随机变量，Var[Y]为Y的方差，Var[Y-E(Y|X)]为Y独立于X方差。优选的是，所述基于全变分的正则项，公式如下：其中，是求导符号，和分别表示形变场在三维空间三个方向上的导数，β是一个用于避免全变分函数在零处不可导的常数。优选的是，所述代价函数为：C＝D(F(x),M(u(x)))+λRTV(u)；其中，F(x)为所述参考图像，M(x)为所述浮动图像，x为图像上的像素点，RTV为正则项，λ为正则项的权重因子。优选的是，所述λ的值为100。优选的是，所述预处理和刚性配准，包括以下步骤：对获取的原始肝部序列图像进行三维重建和尺度归一化处理，输出肝部三维CT图像和肝部三维MR图像；采用水平集的方法，分别对所述肝部三维CT图像进行去床处理、对所述肝部三维MR图像进行高斯平滑去噪处理；对去床处理的所述肝部三维CT图像和去噪处理的所述肝部三维MR图像进行刚性配准，获得两幅边界位置大致对齐的肝部图像。优选的是，利用有限记忆拟牛顿插值法优化所述代价函数，指的是对所述代价函数进行求导，获得最优的变换解；求导的公式为：则，全变分的求导展开式为：其中，优选的是，所述基于图像的多分辨率金字塔的层数为三层，包括：将图像降采样，先降采样为原来图像的八分之一大小，进行配准得到一个最优解，将此次结果作为第二层配准的初始值；第二层是将图像降采样成原来的四分之一大小，进行配准求得此次最优解，将此作为第一层图像的配准起点，对原始图像进行配准从而得到最终的优化变换解。本专利技术至少包括以下有益效果：1)对原始获取的肝部序列图像进行预处理和刚性配准，用于获得初步粗匹配的肝部图像；2)将全变分作为代价函数的正则项来约束不连续运动的位移场，此方法能够很好的保留肝部器官运动导致的边界不连续性，避免了传统技术中二范数作为正则项导致全局平滑的结果，不需要初始的分割操作，可显示求解优化函数，配准精度高；3)采用结合三阶B样条函数的自由形变模型来模拟形变，构造一个有参的形变场以优化求解；4)采用基于归一化互信息的相关比作为混合测度，此测度对噪声具有较好的鲁棒性，在矫正局部形变的同时也能够考虑图像间函数依赖关系，弥补了使用单一测度的缺陷，提高了配准的精度。本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。附图说明图1(a)-1(b)为本专利技术所述的单模肺部CT图像配准验证的参考图像和浮动图像；图2(a)-2(b)为采用二范数作为正则项所得到的位移场及局部边界放大图；图3(a)-3(b)为采用全变分作为正则项所得到的位移场及局部边界放大图；图4(a)-4(b)为原始待配准的三维肝部CT和MR图像；图5为原始肝部三维多模态图像的融合图；图6(a)-6(b)为分别采用二范数和全变分作为正则项所得的配准后的融合图；图7(a)-7(b)为采用二范数作为正则项所得的肝部三维多模位移场图及局部边界放大图；图8(a)-8(b)为采用全变分作为正则项所得的肝部三维多模位移场图及局部边界放大图；图9为本专利技术所述的基于不连续运动的肝部三维多模态图像配准方法的示意图。具体实施方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。如图9所示，本专利技术提供一种基于不连续运动的肝部三维多模态图像配准方法，其包括以下步骤：S10，对获取的原始肝部序列图像进行预处理和刚性配准；S20，采用结合三阶B样条函数的自由形变模型模拟刚性配准后肝部图像的弹性形变，采用基于全变分的正则项和混合测度来构建代价函数，衡量两幅图像的相似性程度；S30，采用基于图像的多分辨率金字塔的优化策略，利用有限记忆拟牛顿插值法来优化所述代价函数，求得最优的变换解。作为本专利技术的一种具体实施方式，模拟弹性形变，包括以下步骤：S21，定义肝部三维CT图像为参考图像，定义肝部三维MR图像为浮动图像，分别加载参考图像和浮动图像；S22，对浮动图像进行弹性形变，并采用结合三阶B样条函数的自由形本文档来自技高网...

【技术保护点】
一种基于不连续运动的肝部三维多模态图像配准方法，其特征在于，其包括以下步骤：对获取的原始肝部序列图像进行预处理和刚性配准；采用结合三阶B样条函数的自由形变模型模拟刚性配准后肝部图像的弹性形变，采用基于全变分的正则项和混合测度来构建代价函数，衡量两幅图像的相似性程度；采用基于图像的多分辨率金字塔的优化策略，利用有限记忆拟牛顿插值法来优化所述代价函数，求得最优的变换解。

【技术特征摘要】
1.一种基于不连续运动的肝部三维多模态图像配准方法，其特征在于，其包括以下步骤：对获取的原始肝部序列图像进行预处理和刚性配准；采用结合三阶B样条函数的自由形变模型模拟刚性配准后肝部图像的弹性形变，采用基于全变分的正则项和混合测度来构建代价函数，衡量两幅图像的相似性程度；采用基于图像的多分辨率金字塔的优化策略，利用有限记忆拟牛顿插值法来优化所述代价函数，求得最优的变换解。2.如权利要求1所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述模拟弹性形变，包括以下步骤：定义所述肝部三维CT图像为参考图像，定义所述肝部三维MR图像为浮动图像，分别加载所述参考图像和所述浮动图像；对所述浮动图像进行弹性形变，并采用结合三阶B样条函数的自由形变模型来模拟所述浮动图像的弹性形变：设所述浮动图像的图像域为Φ，包含nx×ny×nz个间距为δ的控制点，则，u是所述浮动图像的位移，φ为所述浮动图像的控制点，(x,y,z)为所述浮动图像上的像素点；(px,py,pz)是距离像素点最近的控制点，且u,v,w是像素点和距其最近的控制点间的距离，且Bth表示三阶B样条的基函数。3.如权利要求2所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述浮动图像的控制点网格间距设为7*7*7mm，所述浮动图像上每个像素点的形变由周围64个控制点的形变决定。4.如权利要求2所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述混合测度，指的是基于归一化互信息的相关比，公式如下：CRMI(M,F；φ)＝(2-NMI(M,F；φ))·(1-CR(M,F；φ))；其中，M表示所述浮动图像，F表示所述参考图像，NMI表示归一化互信息，CR表示相关比；在归一化互信息中，p(m；u)表示所述浮动图像的边缘概率密度，p(f)表示所述参考图像的边缘概率密度，p(m,f；u)表示两幅图像的联合概率密度；在相关比中，X和Y分别表示参考图像和浮动图像的随机变量，Var[Y]为Y的方差，Var[Y-E(Y|X)]为Y独立于X方差。5.如权利要求2所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述基于全变分的正则项，公式如下：其中，是求导符号，和分别表示形变场在三维空间三个方向上的导数，β是一个用于避免全变分函数在零处不可导的常数。6.如权利要求2所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，基于全变分的正则项和混合测度来构建的代价函数为：C＝D(F(X),M(u(X)))+λRTV(u)；其中，F(...

【专利技术属性】
技术研发人员：郑健，丁敏，杜雪莹，龚伦，章程，李铭，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：江苏,32