【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 ...
【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...
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。