医学图像配准方法、医疗设备及存储介质技术

本发明专利技术涉及图像处理技术领域，具体涉及医学图像配准方法、医疗设备及存储介质，其中方法包括获取目标部位的参考医学图像序列以及待配准医学图像序列；确定待配准医学图像序列的各个图像层面中的血管边界，以得到各个图像层面的边界子图；分别对参考医学图像序列的至少一个图像层面以及待配准医学图像序列的至少一个图像层面进行血管边界的采样，得到第一边界点集合以及第二边界点集合；基于第一边界点集合以及第二边界点集合中对应边界点的偏移量，确定最优变换；根据最优变换对各个边界子图进行调整，以对所述待配准医学图像序列进行配准。将最优变换作用在边界子图上，能够抵消在扫描的过程中由于位移、呼吸等导致的血管位置在图像中的偏移。

Medical image registration method, medical equipment and storage medium

【技术实现步骤摘要】
医学图像配准方法、医疗设备及存储介质
本专利技术涉及图像处理
，具体涉及医学图像配准方法、医疗设备及存储介质。
技术介绍
医学图像配准是图像处理研究领域中的一项重要且复杂的任务，由于医学图像会来自不同的采集设备、不同的扫描时间、不同的拍摄角度、不同的研究对象等等。因此，往往在进行图像融合、图像分割等后续处理步骤之前需要先进行图像配准以达到针对同一解剖结构在不同的采集图像中对应于空间中的同一位置。传统的图像配准方法主要包括基于特征的方法，该方法往往需要利用边缘、表面、像素等信息进行特征提取，配准的成功与否很大程度上依赖于提取的特征。这就导致传统方法存在诸如适用性差、处理速度慢、配准评估不统一等问题。近年来随着深度学习在图像处理领域大放异彩，基于深度学习的图像配准方法也随之兴起。但是对于监督学习来说，依然面临标注数据有限的窘境。总的来说，不管是传统方法还是深度学习方法，均存在一定的局限性。
技术实现思路
有鉴于此，本专利技术实施例提供了一种医学图像配准方法、医疗设备及存储介质，以解决医学图像配准的问题。根据第一方面，本专利技术实施例提供了一种医学图像配准方法，包括：获取目标部位的参考医学图像序列以及待配准医学图像序列；确定所述待配准医学图像序列的各个图像层面中的血管边界，以得到各个图像层面的边界子图；分别对参考医学图像序列的至少一个图像层面以及所述待配准医学图像序列的至少一个图像层面进行血管边界的采样，得到第一边界点集合以及第二边界点集合；基于所述第一边界点集合以及所述第二边界点集合中对应边界点的偏移量，确定最优变换；根据所述最优变换对各个所述边界子图进行调整，以对所述待配准医学图像序列进行配准。本专利技术实施例提供的医学图像配准方法，利用对参考医学图像序列的至少一个图像层面以及待配准医学图像序列的至少一个图像层面进行边界采样得到的第一边界点集合以及第二边界点集合中对应边界点的偏移量确定最优变换，再利用最优变换对待配准序列中的边界子图进行调整，从而实现对待配准医学图像序列的配准；该方法将最优变换作用在边界子图上，能够抵消在扫描得到各个序列的过程中由于位移、呼吸等导致的血管位置在图像中的偏移，具有较高的配准的准确性。结合第一方面，在第一方面第一实施方式中，所述基于所述第一边界点集合以及所述第二边界点集合中对应边界点的偏移量，确定最优变换，包括：利用所述第一边界点集合与所述第二边界点集合中对应边界点的偏移量以及变换矩阵形成目标函数；其中，所述第一边界点集合以及所述第二边界点集合为所述目标函数的约束条件。基于所述目标函数对所述变换矩阵进行优化，以得到所述最优变换。结合第一方面第一实施方式，在第一方面第二实施方式中，所述目标函数采用如下公式表示：；其中，F为所述变换矩阵，t为常数向量，Fj为所述变换矩阵中的第j列，Fk为所述变换矩阵中的第k列，Fi为所述变换矩阵中的第i列，movEdge为所述第一边界点集合，targetEdge为所述第二边界点集合，、为正则化参数，n为第一边界点集合中边界点的数量。结合第一方面，在第一方面第三实施方式中，所述根据所述最优变换对各个所述边界子图进行调整，以对所述待配准医学图像序列进行配准，包括：依次将所述最优变换作用在各个所述边界子图上，得到配准后的边界子图；将所述配准后的边界子图与所述待配准图像序列中对应的图像层面进行融合得到目标图像层面；其中，所述目标图像层面中每个像素点的像素值是基于所述目标图像层面中每个像素点与所述配准后的边界子图的位置关系确定的。本专利技术实施例提供的医学图像配准方法，利用目标图像层面中每个像素点与所述配准后的边界子图的位置关系确定目标图像层面中各个像素点的像素值，能够减少数据处理量，提高了医学图像配准的效率。结合第一方面第三实施方式，在第一方面第四实施方式中，所述将所述配准后的边界子图与所述待配准图像序列中对应的图像层面进行融合得到目标图像层面，包括：当所述目标图像层面的像素点位于所述配准后的边界子图内时，所述目标图像层面的像素点的像素值为所述配准后的边界子图对应像素点的像素值；当所述目标图像层面的像素点位于所述配准后的边界子图外时，所述目标图像层面的像素点的像素值为所述边界子图对应像素点的像素值；当所述目标图像层面的像素点位于所述配准后的边界子图的边界时，所述目标图像层面的像素点的像素值为所述边界子图对应像素点的像素值与所述配准后的边界子图对应像素点的像素值的插值结果。结合第一方面，在第一方面第五实施方式中，所述确定所述待配准医学图像序列的各个图像层面中血管的边界，以得到各个图像层面的边界子图，包括：基于所述参考医学图像序列，形成血管管腔的掩膜图像；确定所述血管管腔的掩膜图像中每根血管的感兴趣区域及所述感兴趣区域内的种子点位置；利用所述每根血管的感兴趣区域及所述感兴趣区域内的种子点位置，得到所述各个图像层面的边界子图。本专利技术实施例提供的医学图像配准方法，利用参考医学图像序列形成血管管腔的掩膜图像，避免采用参考医学图像中的所有区域进行后续边界组图的提取，能够减少数据处理量；此外，由于血管管腔的轮廓相对于血管管壁的轮廓更容易被识别，因此，利用血管管腔的掩膜图像能够提高后续配准的准确性。结合第一方面第五实施方式，在第一方面第六实施方式中，所述确定所述血管管腔的掩膜图像中每根血管的感兴趣区域及所述感兴趣区域内的种子点位置，包括：对所述掩膜图像进行连通区域标记，得到所述掩膜图像中每根血管的位置；基于所述掩膜图像中每根血管的位置，提取每根血管的边界点以形成血管管腔的包围盒；将所述包围盒往外扩充预设数量的像素点得到每根血管对应的感兴趣区域；计算所述感兴趣区域内所有像素点的坐标平均值得到所述种子点位置。结合第一方面第六实施方式，在第一方面第七实施方式中，所述利用所述每根血管的感兴趣区域及所述感兴趣区域内的种子点位置，得到所述各个图像层面的边界子图，包括：基于所述每根血管对应的感兴趣区域生成模板图；将所述模板图与所述各个图像层面相乘得到待处理子图；利用所述每根血管对应的所述种子点位置，在极坐标系下确定所述待处理子图中血管管腔的边界，以得到所述边界子图。本专利技术实施例提供的医学图像配准方法，利用感兴趣区域进行边界子图的提取，使得边界子图的提取仅在感兴趣区域内进行，减少了数据处理量。结合第一方面第七实施方式，在第一方面第八实施方式中，所述利用所述每根血管对应的所述种子点位置，在极坐标系下确定所述待处理子图中血管管腔的边界，以得到所述边界子图，包括：以所述种子点位置为极坐标原点，将所述待处理子图转换为极坐标系下的待处理子图；计算所述极坐标系下的待处理子图的梯度图；利用预设值筛选出所述极坐标系下的待处理子图中血管管腔的边界点，得到所述边界子图。根据第二方面，本专利技术实施例还提供本文档来自技高网...

【技术保护点】
1.一种医学图像配准方法，其特征在于，包括：/n获取目标部位的参考医学图像序列以及待配准医学图像序列；/n确定所述待配准医学图像序列的各个图像层面中的血管边界，以得到各个图像层面的边界子图；/n分别对参考医学图像序列的至少一个图像层面以及所述待配准医学图像序列的至少一个图像层面进行血管边界的采样，得到第一边界点集合以及第二边界点集合；/n基于所述第一边界点集合以及所述第二边界点集合中对应边界点的偏移量，确定最优变换；/n根据所述最优变换对各个所述边界子图进行调整，以对所述待配准医学图像序列进行配准。/n

【技术特征摘要】
1.一种医学图像配准方法，其特征在于，包括：
获取目标部位的参考医学图像序列以及待配准医学图像序列；
确定所述待配准医学图像序列的各个图像层面中的血管边界，以得到各个图像层面的边界子图；
分别对参考医学图像序列的至少一个图像层面以及所述待配准医学图像序列的至少一个图像层面进行血管边界的采样，得到第一边界点集合以及第二边界点集合；
基于所述第一边界点集合以及所述第二边界点集合中对应边界点的偏移量，确定最优变换；
根据所述最优变换对各个所述边界子图进行调整，以对所述待配准医学图像序列进行配准。


2.根据权利要求1所述的方法，其特征在于，所述基于所述第一边界点集合以及所述第二边界点集合中对应边界点的偏移量，确定最优变换，包括：
利用所述第一边界点集合与所述第二边界点集合中对应边界点的偏移量以及变换矩阵形成目标函数；其中，所述第一边界点集合以及所述第二边界点集合为所述目标函数的约束条件；
基于所述目标函数对所述变换矩阵进行优化，以得到所述最优变换。


3.根据权利要求2所述的方法，其特征在于，所述目标函数采用如下公式表示：

；
其中，F为所述变换矩阵，t为常数向量，Fj为所述变换矩阵中的第j列，Fk为所述变换矩
阵中的第k列，Fi为所述变换矩阵中的第i列，movEdge为所述第一边界点集合，targetEdge
为所述第二边界点集合，、为正则化参数，n为第一边界点集合中边界点的数量。


4.根据权利要求1所述的方法，其特征在于，所述根据所述最优变换对各个所述边界子图进行调整，以对所述待配准医学图像序列进行配准，包括：
依次将所述最优变换作用在各个所述边界子图上，得到配准后的边界子图；
将所述配准后的边界子图与所述待配准医学图像序列中对应的图像层面进行融合得到目标图像层面；其中，所述目标图像层面中每个像素点的像素值是基于所述目标图像层面中每个像素点与所述配准后的边界子图的位置关系确定的。


5.根据权利要求4所述的方法，其特征在于，所述将所述配准后的边界子图与所述待配准图像序列中对应的图像层面进行融合得到目标图像层面，包括：
当所述目标图像层面的像素点位于所述配准后的边界子图内时，所述目标图像层面的像素点的像素值为所述配准后的边界子图对应像素点的像素值；
当所述目标图像层面的像素点位于所述配准后的边界子图外时，所述目标图像层面的像素点的像素值为所述边界子图对应像素点的像素值；
当所述目标图像层面的像素点位于所述配准...

【专利技术属性】
技术研发人员：张玲玲，滕忠照，沈金花，
申请(专利权)人：南京景三医疗科技有限公司，
类型：发明
国别省市：江苏;32