锥束计算机断层扫描图像对应与配准方法技术
Image correspondence and registration method of cone beam computed tomography
The invention discloses a cone beam computed tomography images corresponding to the registration method, based on the corresponding measure of mixed forest, ultra dense voxel between unsupervised clustering forest generation cone beam CT images; then using the estimated super dense voxel between corresponding cone beam CT image between the cone beam CT image registration based on forest measure. The training includes: extraction of super hybrid measure forest voxel features; training the initial clustering forest, estimation of similarity between voxels over estimation; weak labeling; initial clustering forest forest measure based on iterative enhancement based on estimation; flexible consistency; online test will be super voxel features are input to the mixed forest measure trained, similarity estimation super voxel between corresponding, and estimate the flexible consistency; to obtain the deformation parameters of cone beam CT image and realize the registration. The invention can quickly establish the correspondence and registration of 3D cone beam computed tomography.
【技术实现步骤摘要】
锥束计算机断层扫描图像对应与配准方法
本专利技术涉及口腔临床医学和计算机视觉
，具体涉及锥束计算机断层扫描图像对应与配准方法。
技术介绍
锥束计算机断层扫描(锥束CT)图像在口腔正畸临床中广泛使用，用于评价治疗以及度量组织结构的生长发育。高效与可靠的锥束CT图像配准以及图像之间体素的稠密对应是计算机辅助的术中干预与在线的图像属性迁移诸如特征点定位与分割标签迁移的关键。在医学图像处理领域，对三维图像配准已经进行多年的研究。尽管多年的研究对图像配准有了极大的推动，但是高效的锥束CT图像配准以及体素的稠密对应仍具有挑战性。考虑到锥束CT中通常包含上亿个体素，使用一般的图像测度例如互信息与规范相关，并利用大规模的非线性优化通常难以实现在线快速的图像配准。此外当图像配准的初始化较差时，配准易于陷入局部最小。对于诸如计算机辅助的术中干预等在线的交互应用，高效可靠的锥束CT之间的体素稠密对应以及图像配准仍有待解决。基于缩减采样的技术被用于加速图像配准与体素对应，尽管利用重要性采样加速了相似性测度的梯度计算，但其仍然依赖迭代优化技术并耗时数分钟。而且，在采样过程中，离散样本...
【技术保护点】
一种锥束计算机断层扫描图像对应与配准方法，基于混合测度森林，生成锥束CT图像之间的超体素之间的稠密对应与锥束CT图像的配准；包括：(一)训练锥束CT图像超体素的混合测度森林；1)从锥束CT图像中分解超体素，提取超体素特征；所述超体素特征包括灰度特征、空间上下文特征和测地坐标特征；2)训练初始聚类森林，估计得到超体素之间的相似度；给定一组包含M个锥束CT图像的图像集V＝{Vi|i＝0，...，M}与对应锥束CT图像分解的超体素集S＝{si|i＝1，...，N}，其中包含N个超体素，利用非监督的聚类森林估计得到超体素之间的相似度；3)利用超体素之间的相似度，进行估计得到超体素的...
【技术特征摘要】
1.一种锥束计算机断层扫描图像对应与配准方法，基于混合测度森林，生成锥束CT图像之间的超体素之间的稠密对应与锥束CT图像的配准；包括：(一)训练锥束CT图像超体素的混合测度森林；1)从锥束CT图像中分解超体素，提取超体素特征；所述超体素特征包括灰度特征、空间上下文特征和测地坐标特征；2)训练初始聚类森林，估计得到超体素之间的相似度；给定一组包含M个锥束CT图像的图像集V＝{Vi|i＝0，...，M}与对应锥束CT图像分解的超体素集S＝{si|i＝1，...，N}，其中包含N个超体素，利用非监督的聚类森林估计得到超体素之间的相似度；3)利用超体素之间的相似度，进行估计得到超体素的弱标注；在给定的锥束CT图像集中选择具有最一致的超体素索引的弱标注迁移的图像作为参照图像，使得锥束CT图像数据集利用该参照图像获取的对应超体素之间的相似度和最大；利用从聚类随机森林获取的弱标注定义超体素及类别的置信分数，并基于置信分数区分未得到良好聚类的超体素及超体素类别；4)训练混合测度森林，所述混合测度森林是基于初始聚类森林，使用迭代的方式增强基于森林的测度；在训练过程中，优先考虑在上一次迭代中未能获得良好聚类的超体素；利用步骤3)得到的超体素索引的弱标注，在节点分裂中通过关于分类的加权信息增益与关于聚类的加权信息增益，寻找获得最优的节点分裂参数，并不断更新混合测度森林，使得在迭代过程中混合测度森林节点分裂的信息增益将优先考虑未能得到良好聚类的样本与类别，不断增强基于森林的测度用于估计锥束CT图像之间的对应；最终得到训练好的混合测度森林；5)基于训练好的混合测度森林，估计柔性一致度；再利用柔性一致度估计在图像上下文约束下的由混合测度森林所确定超体素对应的一致性；(二)在线测试阶段；从锥束CT图像中分解超体素，提取超体素特征；将超体素特征输入到训练好的混合测度森林，估计超体素之间的相似度与超体素之间的对应，并估计对应的超体素的柔性一致度；去除柔性一致度较低的超体素对应，并以该超体素近邻超体素在另一个锥束CT图像中所对应超体素确定新的对应，由此获取锥束CT图像之间超体素对应；在获取锥束CT图像之间超体素对应后，即可获取锥束CT图像之间的变形参数并实现配准。2.如权利要求1所述锥束计算机断层扫描图像对应与配准方法，其特征是，超体素特征中，超体素的灰度特征表示为其中，b为超体素中包含体素的灰度直方图；为超体素的近邻超体素的灰度直方图的均值；超体素的上下文特征fc定义为fc＝{χ2(fa(s)，fa(s+Δk))|s+Δk∈P}，即当前超体素灰度特征fa(s)与上下文立方体中的超体素灰度特征fa(s+Δk)之间的卡方距离；P为随机采样模式，由一组预先采样的偏移向量Δk组成，其中每个向量结合当前超体素的坐标均可确定上下文立方体中的一个超体素；超体素的测地坐标特征fg定义为当前超体素s与背景超体素sg之间的最短测地距离fg(s)＝mind(s，sg|G)；其中，G为在锥束CT图像分解的超体素之间构造的图模型，该图模型的节点为超体素，相邻超体素之间以边连接，并基于相邻超体素的灰度差异定义边上的权重为exp(-ρ||fa(si)-fa(sj)||)，其中归一化的系数ρ＝1/max||fa(si)-fa(sj)||。3.如权利要求1所述锥束计算机断层扫描图像对应与配准方法，其特征是，步骤2)训练初始聚类森林，利用非监督的聚类森林估计得到超体素之间的相似度；包括步骤21)-22)：21)在非监督聚类森林训练中，利用数据分布不确定性的超椭球体积度量节点分裂的信息增益，表示为式1：其中，tr为节点分裂后的左子节点l、右子节点r中的超体素数据的协方差矩阵的迹；系数22)对于包含nT棵树的森林，基于聚类森林的相似度定义为式2：a(si，sj)＝1/nT∑ak(si，sj)(式2)其中，a(si，sj)表示基于聚类森林的测度返回的超体素si与sj的相似度；ak(si，sj)表示基于聚类森林中的第k棵树返回的超体素si与sj的相似度；对于第k棵树，对应的相似度ak(si，sj)＝[ι(si)＝ι(sj)]，其中[·]是指示函数；当超体素si与sj被分配到相同的叶子节点ι，即ι(s...
【专利技术属性】
技术研发人员：裴玉茹，易芸皑，郭玉珂，许天民，查红彬，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京,11
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。