一种前列腺核磁超声图像配准融合方法技术

本发明专利技术提供一种前列腺核磁超声图像配准融合方法，属于计算机辅助诊断领域。该前列腺核磁超声图像配准融合方法首先，针对图像分割任务训练前列腺超声图像的主动表观模型，并基于随机森林建立边界驱动函数的数学模型，实现超声图像自动分割；接着，提取术前分割的核磁图像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准。本发明专利技术提供的前列腺核磁超声图像配准融合方法可以适应不同设备厂商的成像参数，提高了图像配准穿刺效率，且能够有效解决超声图像因成像质量低导致手动分割配准效率低下的问题。

A method of prostate MRI image registration and fusion

【技术实现步骤摘要】
一种前列腺核磁超声图像配准融合方法
本专利技术属于计算机辅助诊断领域，具体涉及一种前列腺核磁超声图像配准融合方法，将超声图像的分割和超声核磁图像的配准。
技术介绍
目前，前列腺癌的诊断主要依靠前列腺特异性抗原PSA(ProstateSpecificAntigen,PSA)，并继以穿刺活检，由于PSA特异性较差，故临床上将穿刺活检作为确诊前列腺癌的金标准。经直肠超声引导下的前列腺穿刺活检因实时性、低成本、易操作等优点，成为了临床上最为普遍的诊断前列腺癌的方法。然而，由于直肠超声图像低的成像质量，因此很难从图像上准确定位恶性肿瘤区域。经直肠超声引导下前列腺6针法穿刺活检的假阴性率高达30％。另一方面，多参数核磁共振图像(multi-parametricmagneticresonanceimaging,mpMRI)是目前公认的诊断前列腺癌的最佳影像技术，可精确定位可疑病灶区，从而达到靶向穿刺的目的。为了提高前列腺癌的检出率，核磁/经直肠超声(MagneticResonance/Trans-RectalUltrasound,MR/TRUS)融合引导靶向穿刺技术应运而生，它旨在对术前MR图像和实时TRUS图像进行配准融合从而提高穿刺精度。然而，由于MR扫描过程中线圈或直肠内气体的膨胀、病人的呼吸和不自觉的运动、超声探头在直肠中对前列腺腺体的挤压，使得术前MR与实时TRUS下前列腺的形态并不一致。为了补偿形状变化的影响，通常需要对MR/TRUS图像进行的变形配准。由于超声图像低的信噪比及MR/TRUS图像上复杂的灰度变化关系，仅依据图像灰度特征很难对MR/TRUS图像上对应的结构特征进行定位配准，因此前列腺MR/TRUS的配准融合通常是基于已分割的前列腺表面进行变形配准。现有的配准方法主要有基于灰度的配准方法和基于分割表面的配准方法。前者的主要针对MR/TRUS图像复杂的灰度变化下构造区域相似性的度量标准，后者则在于对MR/TRUS图像进行分割，并通过特定的标记点或直接对整个前列腺切片，进行配准融合。然而，由于前列腺的自动分割是一项极具挑战的任务，因此现有的融合方法主要是基于手动或半自动的方式对前列腺MR/TRUS图像进行分割，并基于手动放置或特殊的生理特征点进行刚体或非刚体配准。为了充分发挥前列腺MR/TRUS图像在肿瘤诊断、引导穿刺过程中的优势，对前列腺病人术前的MR图像进行手动分割并标记穿刺区域，在前列腺TRUS图像实时引导穿刺的过程中，将术前标注的MR图像信息配准到TRUS图像上，即采用术前MR图像手动分割的前列腺区域到术中TRUS图像自动分割的前列腺区域的配准方式进行图像融合引导穿刺。考虑到前列腺TRUS图像在分割过程中形状尺寸的变化及纹理灰度的影响，采用基于形状和灰度变化的混合方法建立前列腺TRUS图像的主动表观模型，用于图像的自动分割，同时采用薄板样条对前列腺MR/TRUS图像上对应的轮廓区域进行配准融合。
技术实现思路
针对超声图像因成像质量低导致手动分割配准效率低下的问题，本专利技术提供一种基于监督学习的前列腺MR/TRUS图像自动分割方法，与术前核磁图像进行非刚体配准。本专利技术基于监督学习方法，通过建立边界驱动函数来估计超声图像的前列腺轮廓分割参数，应用主动表观模型进行超声图像自动分割。在配准过程中，基于前列腺核磁和超声图像的轮廓特征点建立形状上下文算子，使用KM算法进行特征匹配，同时引入轮廓特征点的定位误差作为薄板样条的正则因子进行图像配准。为了达到上述目的，本专利技术的技术方案为：一种前列腺核磁超声图像配准融合方法，包括以下步骤：步骤1：在前列腺超声图像的训练集中的前列腺超声图像人工标注前列腺区域的精准轮廓，前列腺区域的精准轮廓上包括多个标签点，基于标签点训练前列腺的主动表观模型；步骤2：应用ECC算法将步骤1中的前列腺超声图像训练集进行通道对齐，消除尺度误差；提取前列腺区域的训练特征F＝(X,V)，其中，X＝(xpixel,ypixel)表示像素点的图像坐标，V＝(mean,std)表示以X为中心的3×3邻域的均值、标准差；使用随机森林的机器学习模型训练前列腺图像区域的二分类分类器，获得训练好的随机森林模型；步骤3：完成一副新的超声图像的自动分割，其包括：步骤3.1：使用步骤2中训练好的随机森林模型对一副新的超声图像进行分类，实现二值分割，获得预分割的二值图像；步骤3.2：建立步骤3.1中获得的预分割的二值图像区域的边界驱动函数的数学模型，应用遗传算法进行边界驱动函数的数学模型的参数优化，得到超声图像上前列腺区域的分割姿态参数；步骤3.3：基于步骤3.2中所计算的姿态参数，在步骤1中训练好的主动表观模型中进行轮廓分割，获得超声图像的前列腺轮廓的自动分割结果；步骤4：提取由步骤3得到的超声图像的前列腺轮廓的自动分割结果以及术前手动分割核磁图像的轮廓边界的形状上下文特征，采用KM算法求解匹配的轮廓点，得到核磁图像与超声图像上轮廓点对的匹配关系；步骤5：根据步骤4得到的轮廓点对的匹配关系，应用薄板样条对具有匹配关系的轮廓点进行插值，最后基于插值拟合的TPS函数进行图像配准。在一个具体的实施方案中，在步骤3.2中，以步骤3.1中获得的预分割的二值图像的前列腺区域的边界轮廓作为均值形状的目标姿态建立边界驱动函数f：Gi＝outsidei-insidei(2)式中：n表示均值形状的标签点数量，Gi表示第i(i＝1,2,…,n)处标签点上沿法向的边界梯度值，outsidei和insidei分别表示在法线上背向质心和朝向质心的像素和值；为了建立边界驱动函数f与均值形状的数学关系，定义均值形状在目标姿态下的形状(C表示轮廓点的标记数目，推荐C＝40)，其转换关系经下式计算得到：式中：表示是一个仿射变换矩阵；为目标姿态下的的质心坐标，表示姿态t下的点集；θ表示旋转角，以x轴顺时针方向旋转为正；scale表示比例缩放因子；表示一种随机状态k下的点集。以目标姿态下任一标签点为中心，沿法线取长度为2D的线段，记pij为点法线上的距离为j的像素的灰度值，其图像坐标记为和则有：式中：表示法向方向的斜率，取2D作为法向的长度，j＝-D,-1,0,1…,D代表不同的取样距离。由上述的数学模型可知，当目标姿态发生变化时，边界驱动函数f的值域会在[-255,0]进行波动，仅当f→-255时，轮廓将迭代至最优解，此时将与前列腺预分割的二值图像的轮廓最大程度重合。以轮廓的一种随机状态k下的姿态参数作为优化目标参数，建立边界驱动函数f为优化目标的数学模型：式中：姿态参数(xk,yk,θk,scalek)分别表示随机状态k下的平移、缩放和比例因子；xp、yp、α、s可由和预分割的二值图像的最小外接矩形参数计算得到，(xp,yp)表示预分割的二值图像的轮廓的质心的图像坐标，w1、h1、w2、h2分别表示最小外接矩形的宽度和长度，α表示外接矩形的旋转角，如图5所示。本文档来自技高网...

【技术保护点】
1.一种前列腺核磁超声图像配准融合方法，其特征在于，包括以下步骤：/n步骤1：在前列腺超声图像的训练集中的前列腺超声图像人工标注前列腺区域的精准轮廓，前列腺区域的精准轮廓上包括多个标签点，基于标签点训练前列腺的主动表观模型；/n步骤2：应用ECC算法将步骤1中的前列腺超声图像训练集进行通道对齐，消除尺度误差；提取前列腺区域的训练特征F＝(X,V)，其中，X＝(x

【技术特征摘要】
1.一种前列腺核磁超声图像配准融合方法，其特征在于，包括以下步骤：
步骤1：在前列腺超声图像的训练集中的前列腺超声图像人工标注前列腺区域的精准轮廓，前列腺区域的精准轮廓上包括多个标签点，基于标签点训练前列腺的主动表观模型；
步骤2：应用ECC算法将步骤1中的前列腺超声图像训练集进行通道对齐，消除尺度误差；提取前列腺区域的训练特征F＝(X,V)，其中，X＝(xpixel,ypixel)表示像素点的图像坐标，V＝(mean,std)表示以X为中心的邻域的均值、标准差；使用随机森林的机器学习模型训练前列腺图像区域的二分类分类器，获得训练好的随机森林模型；
步骤3：完成一副新的超声图像的自动分割，其包括：
步骤3.1：使用步骤2中训练好的随机森林模型对一副新的超声图像进行分类，实现二值分割，获得预分割的二值图像；
步骤3.2：建立步骤3.1中获得的预分割的二值图像区域的边界驱动函数的数学模型，应用遗传算法进行边界驱动函数的数学模型的参数优化，得到超声图像上前列腺区域的分割姿态参数；
步骤3.3：基于步骤3.2中所计算的姿态参数，在步骤1中训练好的主动表观模型中进行轮廓分割，获得超声图像的前列腺轮廓的自动分割结果；
步骤4：提取由步骤3得到的超声图像的前列腺轮廓的自动分割结果以及术前手动分割核磁图像的轮廓边界的形状上下文特征，采用KM算法求解匹配的轮廓点，得到核磁图像与超声图像上轮廓点对的匹配关系；
步骤5：根据步骤4得到的轮廓点对的匹配关系，应用薄板样条对具有匹配关系的轮廓点进行插值，最后基于插值拟合的TPS函数进行图像配准。


2.根据权利要求1所述的前列腺核磁超声图像配准融合方法，其特征在于，在步骤3.2中，以步骤3.1中获得的预分割的二值图像的前列腺区域的边界轮廓作为均值形状的目标姿态建立边界驱动函数f：



Gi＝outsidei-insidei(2)
式中：n表示均值形状的标签点数量，Gi表示第i(i＝1,2,…,n)处标签点上沿法向的边界梯度值，outsidei和insidei分别表示在法线上背向质心和朝向质心的像素和值；
为了建立边界驱动函数f与均值形状的数学关系，定义均值形状在目标姿态下的形...

【专利技术属性】
技术研发人员：丛明，杨德勇，杜宇，刘冬，吴童，
申请(专利权)人：大连理工大学，大连医科大学附属第一医院，大连大华中天科技有限公司，
类型：发明
国别省市：辽宁;21