基于几何代数的医学图像配准方法和系统技术方案

本发明专利技术公开了一种基于几何代数的医学图像配准方法和系统，基于GA‑SURF算法对参考图像和浮动图像分别进行GA特征点提取，得到参考图像特征点和浮动图像特征点，根据GA球体构建算法，分别利用参考图像特征点和浮动图像特征点构建参考图像特征球和浮动图像特征球，在共形几何代数空间中，利用参考图像特征球和浮动图像特征球确定变换关系，基于变换关系对参考图像和浮动图像进行配准。由于几何代数具有丰富统一的计算方式，能够将复杂的线性运算和矩阵运算简化，减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，同时几何代数能直接处理高维信息，未丢失医学图像的维度信息，使得医学图像配准精度更高。

【技术实现步骤摘要】
基于几何代数的医学图像配准方法和系统
本专利技术涉及医学图像配准领域，尤其涉及一种基于几何代数(GeometricAlgebra，GA)的医学图像配准方法和系统。
技术介绍
现有技术中的医学图像配准大多是针对二维图像的配准，因为2D/2D医学图像配准(表示2D的参考图像与2D的浮动图像进行配准)易实现、速度快、成本低。但是对二维图像的配准没有考虑到使用高维度信息时的情况，在维度信息比较高的情况下，3D/3D医学图像配准(表示3D的参考图像与3D的浮动图像进行配准)更能满足临床医学、手术导航中的要求。目前，3D/3D图像配准存在数据参数多、几何变换复杂度高及计算量很大的问题。
技术实现思路
本专利技术的主要目的在于提供一种基于几何代数的医学图像配准方法和系统，可以解决3D/3D图像配准数据参数多、几何变换复杂度高及计算量很大的技术问题。为实现上述目的，本专利技术第一方面提供一种基于几何代数的医学图像配准方法，其特征在于，所述方法包括：基于GA-SURF算法对参考图像和浮动图像分别进行几何代数GA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；根据GA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。为实现上述目的，本专利技术第二方面提供一种基于几何代数的医学图像配准系统，其特征在于，所述系统包括：提取模块，用于基于GA-SURF算法对参考图像和浮动图像分别进行几何代数GA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；构建模块，用于根据GA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；确定配准模块，用于在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。本专利技术提供一种基于几何代数的医学图像配准方法和系统。由于本专利技术利用了几何代数及几何代数中的共形几何代数，二者均具有丰富统一的计算方式，能够将复杂的线性运算和矩阵运算简化，且为几何变换提供更为简单直接的表达，能减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，同时利用几何代数能直接处理高维信息的优点，未丢失医学图像的维度信息，使得医学图像配准精度更高。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简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，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为本专利技术第一实施例中一种基于几何代数的医学图像配准方法的流程示意图；图2为为本专利技术第一实施例中步骤101的细化步骤及之后步骤的流程示意图；图3为本专利技术第一实施例中利用GA特征点构建GA特征球的示意图；图4为本专利技术第一实施例中步骤103的细化步骤的流程示意图；图5为本专利技术第一实施例中参考图像特征球和浮动图像特征球的变换关系示意图；图6为本专利技术第二实施例中一种基于几何代数的医学图像配准系统的结构示意图；图7为本专利技术第二实施例中提取模块201的细化模块的结构示意图；图8为本专利技术第二实施例中构建模块202的细化模块的结构示意图；图9为本专利技术第二实施例中确定配准模块203的细化模块的结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，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，所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域技术人员在没有做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。由于现有技术中存在3D/3D图像配准数据参数多、几何变换复杂度高及计算量很大的技术问题。为了解决上述技术问题，本专利技术提出一种基于几何代数的医学图像配准方法和系统。由于本专利技术利用了几何代数及几何代数中的共形几何代数，二者均具有丰富统一的计算方式，能够将复杂的线性运算和矩阵运算简化，且为几何变换提供更为简单直接的表达，能减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，同时利用几何代数能直接处理高维信息的优点，未丢失医学图像的维度信息，使得医学图像配准精度更高。请参阅图1，为本专利技术第一实施例中一种基于几何代数的医学图像配准方法的流程示意图。具体的，该方法包括：步骤101，基于GA-SURF算法对参考图像和浮动图像分别进行GA特征点提取，得到参考图像特征点和浮动图像特征点，参考图像与浮动图像均为医学图像；需要说明的是，GA-SURF算法是将经典几何中SURF(全称：SpeededupRobustFeature)算法延伸拓展到几何代数(Geometricalgebra，GA)空间中，该算法不仅具有平移不变性、旋转不变性、稳定性和鲁棒性强的优点，还利用几何代数直接处理高维信息、简化计算量。对于一幅N维图像ei2＝-1，i＝1,2,…,N，IΣ(a,b)表示一个从a到b的超箱式区域内所有像素之和，其中a和b是多重向量，即a＝a1e1+a2e2+…+aNeN，b＝b1e1+b2e2+…+bNeN，可以推断出IΣ(a,b)可以表示为：根据上式，可以推断出N维图像的积分图像为：进一步的，请结合参阅图2，为本专利技术第一实施例中步骤101的细化步骤及之后步骤的流程示意图。具体的，该步骤包括：步骤1011，分别根据参考图像与浮动图像求取参考图像的GA积分图像和浮动图像的GA积分图像；其中，所述GA积分图像的公式为：其中，IΣ(X)表示参考图像或者浮动图像的GA积分图像，proj(X,em)表示点X在em方向上的投影，I(x)为表征参考图像或者浮动图像的参数，fim(x)表示医学图像在em方向上的分量，im是与em方向相关的标注，m取值为1或者2或者3；步骤1012，基于GA-SURF算法，分别将参考图像的GA积分图像和浮动图像的GA积分图像，与长方体滤波器进行卷积得到参考图像的图像尺度空间和浮动图像的图像尺度空间，分别在参考图像的图像尺度空间和浮动图像的图像尺度空间的每一层图像上，根据近似Hessian矩阵来检测图像的极值点，得到参考图像特征点和浮动图像特征点；其中，参考图像或者浮动图像的Hessian矩阵为：其中，H(X,σ)表示参考图像或者浮动图像的Hessian矩阵，表示为高斯二阶偏导在点X处与参考图像或者浮动图像I(x)的卷积，m和n取值为1或者2或者3；近似Hessian矩阵为：其中，Happrox(X,σ)表示近似Hessian矩阵，表示为长方体滤波器与参考图像或者浮动图像I(x)的GA积分图像IΣ(X)的卷积，参考图像或者浮动图像的Hessian矩阵近似为长方体滤波器；需要说明的是，由于医学图像为三维的，GA积分图像也是三维的，因此，与GA积分图像进行卷积的卷积模板为长方体滤波器。倘若医学图像为其他本文档来自技高网...

【技术保护点】
1.一种基于几何代数的医学图像配准方法，其特征在于，所述方法包括：基于GA‑SURF算法对参考图像和浮动图像分别进行几何代数GA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；根据GA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。

【技术特征摘要】
1.一种基于几何代数的医学图像配准方法，其特征在于，所述方法包括：基于GA-SURF算法对参考图像和浮动图像分别进行几何代数GA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；根据GA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。2.根据权利要求1所述的方法，其特征在于，所述基于GA-SURF算法对参考图像和浮动图像分别进行GA特征点提取，得到参考图像特征点和浮动图像特征点的步骤具体包括：分别根据所述参考图像与所述浮动图像求取所述参考图像的GA积分图像和所述浮动图像的GA积分图像，所述GA积分图像的公式为：m＝1,2,3其中，IΣ(X)表示所述参考图像或者所述浮动图像的GA积分图像，proj(X,em)表示点X在em方向上的投影，I(x)为表征所述参考图像或者所述浮动图像的参数，fim(x)表示所述医学图像在em方向上的分量，im是与em方向相关的标注，m取值为1或者2或者3；基于GA-SURF算法，分别将所述参考图像的GA积分图像和所述浮动图像的GA积分图像，与长方体滤波器进行卷积得到所述参考图像的图像尺度空间和所述浮动图像的图像尺度空间，分别在所述参考图像的图像尺度空间和所述浮动图像的图像尺度空间的每一层图像上，根据近似Hessian矩阵来检测图像的极值点，得到参考图像特征点和浮动图像特征点，所述参考图像或者所述浮动图像的Hessian矩阵为：其中，H(X,σ)表示所述参考图像或者所述浮动图像的Hessian矩阵，表示为高斯二阶偏导在点X处与所述参考图像或者所述浮动图像I(x)的卷积，m和n取值为1或者2或者3；近似Hessian矩阵为：其中，Happrox(X,σ)表示所述近似Hessian矩阵，表示为长方体滤波器与所述参考图像或者所述浮动图像I(x)的GA积分图像IΣ(X)的卷积，所述参考图像或者所述浮动图像的Hessian矩阵近似为所述长方体滤波器。3.根据权利要求2所述的方法，其特征在于，所述根据近似Hessian矩阵来检测图像的极值点，得到参考图像特征点和浮动图像特征点的步骤之后还包括：分别选取以所述参考图像特征点和所述浮动图像特征点为中心，由配准的多模态构建预设第一立方体邻域，将所述第一立方体邻域在每个维度上分为三个子区域，对于每一个子区域，计算所有像素点的哈尔小波响应值及哈尔小波响应值绝对值的求和，得到对应子区域的描述子，所述描述子的计算公式为：v＝Σd1e1+Σd2e2+Σd3e3+Σ|d1|e1+Σ|d2|e2+Σ|d3|e3其中，v表示与子区域对应的描述子，Σdmem表示在em方向上的所有像素点的哈尔小波响应值的求和，Σ|dm|em表示在em方向上的所有像素点的哈尔小波响应值绝对值的求和，m取值为1或者2或者3。4.根据权利要求1所述的方法，其特征在于，所述根据GA球体构建算法，分别利用所述参考图像特征点和浮动图像特征点构建参考图像特征球和浮动图像特征球的步骤具体包括：选取一个GA特征点A为中心，在由配准的多模态构建的预设第二立方体邻域内寻找与所述GA特征点A距离最近的GA特征点B，若不存在所述GA特征点B，则以所述GA特征点A为中心，以预设第一阈值为半径画GA特征球，若存在所述GA特征点B，则以所述GA特征点A和所述GA特征点B之间的距离为直径画圆，所述第二阈值大于所述第一阈值，所述GA特征点为所述参考图像特征点或者所述浮动图像特征点，所述GA特征球为与所述参考图像特征点对应的所述参考图像特征球或者与所述浮动图像特征点对应的所述浮动图像特征球；判断圆内或者圆上是否存在与由所述GA特征点A和所述GA特征点B组成的直径距离最近的GA特征点C，或者逐渐扩大寻找范围直至圆的直径扩大为所述第二阈值，判断圆内或者圆上是否存在与由所述GA特征点A和所述GA特征点B组成的直径距离最近的GA特征点C，若存在所述GA特征点C，则基于所述GA特征点A、所述GA特征点B和所述GA特征点C组成的三角形，画三角形的外接球，若不存在所述GA特征点C，则以所述GA特征点A和所述GA特征点B之间的距离为直径画GA特征球；在基于所述GA特征点A、所述GA特征点B和所述GA特征点C组成的三角形的外接球的球体内或者球体上寻找是否存在在三角形所在的平面之外的，与三角形平面距离最近的GA特征点D，若存在所述GA特征点D，则三角形的外接球为GA特征球，若不存在所述GA特征点D，则以所述GA特征点A、所述GA特征点B和所述GA特征点C中的任意两个，及球体外与三角形平面距离最近的所述GA特征点D组成的三角形，画三角形的外接球，当球体的直径小于或者等于所述第二阈值时，且球体内或者球体上存在在三角形所在的平面之外的与三角形平面距离最近的第五个GA特征点E时，三角形的外接球为GA特征球。5.根据权利要求1所述的方法，其特征在于，所述在共形几何代数空间中，利用参考图像特征球和浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和浮动图像进行配准的步骤具体包括：分别确定所述参考图像特征球和所述浮动图像特征球的球心和半径，根据所述球心和所述半径确定变换线和变换方向，所述变换线的计算公式为：L＝c1Λc2Λe∞其中，L表示所述变换线，c1表示所述参考图像特征球的球心，c2表示所述浮动图像特征球的球心，e∞表示无穷远点；根据所述变换线和所述变换方向计算第一平移算子浮动图像特征球对原点的第二平移算子缩放因子λ＝r2/r1和缩放算子并根据所述第一平移算子、所述第二平移算子、所述缩放因子和所述缩放算子对所述参考图像和所述浮动图像进行配准，所述配准公式为：其中，nL表示所述变换方向，r2表示所述浮动图像特征球的半径，r...

【专利技术属性】
技术研发人员：曹文明，吕芳芳，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44