【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...
【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
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。