一种基于烟花算法增强珊瑚礁优化的多模态医学图像配准方法技术

本发明专利技术提出了一种基于烟花算法增强的珊瑚礁优化的多模态医学图像配准方法。将同一病人部位的CT图像和MR图像输入到医学图像配准系统中进行预处理得到预处理后病人部位的CT图像和MR图像；根据预处理后病人部位的CT图像计算信息熵，根据预处理后病人部位的MR图像计算信息熵，计算预处理后病人的CT图像与MR图像的联合信息熵，进一步计算标准化互信息；将预处理后病人部位的CT图像与MR图像的标准化互信息作为适应度值，根据适应度值通过优化方法多次迭代更新变化矩阵，当达到最大迭代次数或者适应度值大于适应度阈值则结束迭代得到最优变化矩阵，将MR图像应用最优变换矩阵实现与CT图像的配准。本发明专利技术配准精度高，收敛速度快。收敛速度快。收敛速度快。

【技术实现步骤摘要】
一种基于烟花算法增强珊瑚礁优化的多模态医学图像配准方法


[0001]本申请属于医学图像配准
，涉及一种基于烟花算法增强珊瑚礁优化的多模态医学图像配准方法。

技术介绍

[0002]医学影像设备在近年来得到了飞速发展,并广泛应用于临床诊断和治疗。由于设备的成像原理不同,存在着多种模态图像,主要分为解剖图像和功能图像两大类,这两类图像为医生诊断提供了不同的信息。单模态的医学图像不能提供医生所需要的足够信息，因此对于多模态医学图像的配准和融合有着十分重要的意义。多模态医学图像配准是近年来医学图像处理领域中的重要研究问题,通过寻找某种适当的变换模型,使两幅图像达到空间位置上的定位和配准,进而进行图像融合。医学图像配准在临床诊断、治疗、质量保证和疗效评价等方面具有重要的应用价值。
[0003]医学图像配准问题主要的过程有：变换，寻找变换模型，相似度评价。其中寻找最优的变换模型是配准问题的关键。目前的研究重点主要集中在寻找最优的变换模型，这是一个优化问题。一般来说，医学图像配准方法可以分为两大类：基于图像特征和基于图像灰度。基于图像特征的配准方法的缺点在于其结果依赖于特征提取算法的可靠性和稳定性。然而，基于图像灰度的配准方法只需要利用图像的像素值信息，可靠性高。因此，基于图像灰度的配准方法是当前研究的重点。

技术实现思路

[0004]本申请针对上述多模态医学图像配准中的优化问题，提出了一种基于烟花算法增强珊瑚礁优化的多模态医学图像配准方法，包括以下步骤：
[0005]一种基于烟花算法增强珊瑚礁优化的多模态医学图像配准方法和计算系统，
[0006]其特征在于，包括以下步骤：
[0007]步骤1：获取病人部位的CT图像、病人部位的MR图像，将病人部位的CT图像分别进行预处理得到预处理后病人部位的CT图像，将病人部位的MR图像输入到医学图像配准系统中进行预处理得到预处理后病人部位的MR图像；
[0008]步骤2：根据预处理后病人部位的CT图像计算预处理后病人部位的CT图像的信息熵，根据预处理后病人部位的MR图像计算预处理后病人部位的MR图像的信息熵，计算预处理后病人部位的CT图像与预处理后病人部位的MR图像的联合信息熵，进一步计算预处理后病人部位的CT图像与预处理后病人部位的MR图像标准化互信息；
[0009]步骤3：将预处理后病人部位的CT图像与预处理后病人部位的MR图像的标准化互信息作为适应度值，根据适应度值通过多次迭代更新变化矩阵，当达到最大迭代次数或者适应度值大于适应度阈值则得到最优变化矩阵，所述适应度值为NMI
iter
，iter∈[1,Nmax]，NMI
iter
表示第iter次迭代的适应度值，Nmax为最大迭代次数；
[0010]根据适应度值通过多次迭代更新变化矩阵为：
[0011]随机初始化M个体的种群，p1，p2,
…
p
M
；
[0012]种群中每个个体代表一个解向量为：
[0013]SIV
iter,n
＝(tx
iter,n
,ty
iter,n
,tz
iter,n
,α
iter,n
，β
iter,n
，
iter,n
γ)；
[0014]iter∈[1,Nmax]，n∈[1,M][0015]其中，Nmax为最大迭代次数，M表示种群中个体的数量，tx
iter,n
表示第iter次迭代时种群中第n个个体沿X坐标轴的偏移量，ty
iter,n
表示第iter次迭代时种群中第n个个体沿Y坐标轴的偏移量，tz
iter,n
表示第iter次迭代时种群中第n个个体沿Z坐标轴的偏移量，α
iter,n
表示第iter次迭代时种群中第n个个体绕X轴的旋转量，β
iter,n
表示第iter次迭代时种群中第n个个体绕Y轴的旋转量，γ
iter,n
表示第iter次迭代时种群中第n个个体绕Z轴的旋转量；
[0016]种群中个体构建的变换矩阵T表示为：
[0017][0018]其中，tx
iter,n
表示第iter次迭代时种群中第n个个体沿X坐标轴的偏移量，ty
iter,n
表示第iter次迭代时种群中第n个个体沿Y坐标轴的偏移量，tz
iter,n
表示第iter次迭代时种群中第n个个体沿Z坐标轴的偏移量，α
iter,n
表示第iter次迭代时种群中第n个个体绕X轴的旋转量，β
iter,n
表示第iter次迭代时种群中第n个个体绕Y轴的旋转量，γ
iter,n
表示第iter次迭代时种群中第n个个体绕Z轴的旋转量；
[0019]珊瑚礁种群中随机挑选出一定比例F
a
的个体通过两种方式生成子代个体，其中一部分个体通过交叉的方式生成子代个体，另一部分通过烟花算法的爆炸操作先产生火花个体，再对产生的火花个体进行聚类形成聚类中心，这些聚类中心通过与差分偏移向量叠加形成子代个体，生成的子代个体成为新的解向量，得到新的变换矩阵T；
[0020]预处理后病人部位的MR图像即PX_MR经过T
iter
变换后与预处理后病人部位的CT图像即PX_CT通过步骤2计算得到标准化互信息作为第iter次迭代的适应度值即NMI
iter
；
[0021]子代个体n随机的与珊瑚礁种群中的父代个体记为m进行比较，若NMI
iter
‑
1，
m＜
NMI
iter，n
，则使用子代个体n代替珊瑚礁上的父代个体m,SIV
iter
‑
1,m
＝SIV
iter,n
；
[0022]当达到设定的最大迭代次数或者大于等于设定的相似度NMI阈值时，则停止迭代，此时能获得最大NMI的个体得到最优的变换矩阵即T
best,
；
[0023]将预处理后病人部位的MR图像即PX_MR经过T
best
变换后实现与预处理后病人部位的CT图像即PX_CT图像之间的配准。
[0024]在上述的基于烟花算法增强珊瑚礁优化的多模态医学图像配准方法，步骤1所述将病人部位的CT图像进行预处理，具体为：
[0025]将病人部位的CT图像用降采样的方法进行预处理得到dataCT，dataCT进一步通过归一化处理得到预处理后病人部位的CT图像即PX_CT，PX_CT像素值归一化的取值范围是[1,MAX]，MAX为最大像素值；
[0026]步骤1所述将病人部位的MR图像进行预处理，具体为：
[0027]将病人部位的MR图像用降采样的方法进行预处理得到dataMR，data本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于烟花算法增强珊瑚礁优化的多模态医学图像配准方法和计算系统，其特征在于，包括以下步骤：步骤1：获取病人部位的CT图像、病人部位的MR图像，将病人部位的CT图像分别进行预处理得到预处理后病人部位的CT图像，将病人部位的MR图像输入到医学图像配准系统中进行预处理得到预处理后病人部位的MR图像；步骤2：根据预处理后病人部位的CT图像计算预处理后病人部位的CT图像的信息熵，根据预处理后病人部位的MR图像计算预处理后病人部位的MR图像的信息熵，计算预处理后病人部位的CT图像与预处理后病人部位的MR图像的联合信息熵，进一步计算预处理后病人部位的CT图像与预处理后病人部位的MR图像标准化互信息；步骤3：将预处理后病人部位的CT图像与预处理后病人部位的MR图像的标准化互信息作为适应度值，根据适应度值通过多次迭代更新变化矩阵，当达到最大迭代次数或者适应度值大于适应度阈值则得到最优变化矩阵，所述适应度值为NMI
iter
，iter∈[1,Nmax]，NMI
iter
表示第iter次迭代的适应度值，Nmax为最大迭代次数；根据适应度值通过多次迭代更新变化矩阵为：随机初始化M个体的种群，p1，p2,
…
p
M
；种群中每个个体代表一个解向量为：SIV
iter,n
＝(tx
iter,n
,ty
iter,n
,tz
iter,n
,α
iter,n
，β
iter,n
，
iter,n
γ)；iter∈[1,Nmax]，n∈[1,M]其中，Nmax为最大迭代次数，M表示种群中个体的数量，tx
iter,n
表示第iter次迭代时种群中第n个个体沿X坐标轴的偏移量，ty
iter,n
表示第iter次迭代时种群中第n个个体沿Y坐标轴的偏移量，tz
iter,n
表示第iter次迭代时种群中第n个个体沿Z坐标轴的偏移量，α
iter,n
表示第iter次迭代时种群中第n个个体绕X轴的旋转量，β
iter,n
表示第iter次迭代时种群中第n个个体绕Y轴的旋转量，γ
iter
,n表示第iter次迭代时种群中第n个个体绕Z轴的旋转量；种群中个体构建的变换矩阵T表示为：其中，tx
iter,n
表示第iter次迭代时种群中第n个个体沿X坐标轴的偏移量，ty
iter,n
表示第iter次迭代时种群中第n个个体沿Y坐标轴的偏移量，tz
iter,n
表示第iter次迭代时种群中第n个个体沿Z坐标轴的偏移量，α
iter,n
表示第iter次迭代时种群中第n个个体绕X轴的旋转量，β
iter,n
表示第iter次迭代时种群中第n个个体绕Y轴的旋转量，γ
iter,n
表示第iter次迭代时种群中第n个个体绕Z轴的旋转量；珊瑚礁种群中随机挑选出一定比例F
a
的个体通过两种方式生成子代个体，其中一部分个体通过交叉的方式生成子代个体，另一部分通过烟花算法的爆炸操作先产生火花个体，再对产生的火花个体进行聚类形成聚类中心，这些聚类中心通过与差分偏移向量叠加形成子代个体，生成的子代个体成为新的解向量，得到新的变换矩阵T；预处理后病人部位的MR图像即PX_MR经过T
iter
变换后与预处理后病人部位的CT图像即PX_CT通过步骤2计算得到标准化互信息作为第iter次迭代的适应度值即NMI
iter
；子代个体n随机的与珊瑚礁种群中的父代个体记为m进行比较，若NMI
iter
‑
1，m
＜NMI
iter，n<...

【专利技术属性】
技术研发人员：何发智，陈壹林，罗锦坤，舒凌轩，
申请(专利权)人：武汉大学，
类型：发明
国别省市：