一种基于伪CT的CT与CBCT配准方法技术

本发明专利技术涉及医学图像技术领域，且公开了一种基于伪CT的CT与CBCT配准方法，包括以下步骤：步骤1：解析CT和CBCT图像，将图像的像素矩阵值转换成HU值；步骤2：使用皮肤掩膜提取算法，去除身体轮廓之外的冗余信息；步骤3：将CT与CBCT进行刚性配准；步骤4：将步骤1至步骤3处理后的刚性对齐后的CBCT与CT图像对输入到伪CT生成网络中训练。该基于伪CT的CT与CBCT配准方法，将CBCT和CT配准的多模态问题转化为CT和伪CT的单模态配准问题，从而可以快速、准确地完成CT和CBCT图像的配准。完成CT和CBCT图像的配准。完成CT和CBCT图像的配准。

A registration method of CT and CBCT based on pseudo CT

【技术实现步骤摘要】
一种基于伪CT的CT与CBCT配准方法


[0001]本专利技术涉及医学图像
，具体为一种基于伪CT的CT与CBCT配准方法。

技术介绍

[0002]图像配准是寻找将一幅图像(浮动图像)映射到另一幅图像(参考图像)的空间变换的任务，进行变换后的图像能够与参考图像达到匹配。医学图像，特别是不同时间拍摄的医学图像，很难满足浮动图像和参考图像的点一一对应，因此医学图像的配准问题是医学图像分析中的重点和难点问题。
[0003]CBCT图像能够实现快速成像，具有体积小、成本低、对患者的辐射剂量低等特点，因此被广泛用于图像引导放疗，一般用于分次放疗过程中的摆位校正和图像参考，需要将计划CT图像和分次放疗的CBCT图像进行配准。但是CBCT图像相比于CT图像存在更多的伪影，包括散射光子造成的散射伪影和更多的空腔伪影，这些伪影增加了CT图像和CBCT图像配准的难度，使用单模态的相似性测度无法对CBCT和CT图像进行配准，需要使用互信息等多模态相似性测度。
[0004]近年来，深度学习方法已被广泛用于医学图像模态转换以生成伪CT，其中循环一致本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于伪CT的CT与CBCT配准方法，其特征在于，包括以下步骤：步骤1：解析CT和CBCT图像，将图像的像素矩阵值转换成HU值；步骤2：使用皮肤掩膜提取算法，去除身体轮廓之外的冗余信息；步骤3：将CT与CBCT进行刚性配准；步骤4：将步骤1至步骤3处理后的刚性对齐后的CBCT与CT图像对输入到伪CT生成网络中训练；步骤5：将CBCT图像输入步骤4中训练好的伪CT生成网络，得到对应的伪CT图像；步骤6：将CT图像与步骤5生成的伪CT图像进行单模态弹性配准，得到配准的变形场；步骤7：将步骤6得到的变形场作用于待配准的步骤3中刚性变换后的CT图像，得到CT向CBCT配准后的图像。2.根据权利要求1所述的一种基于伪CT的CT与CBCT配准方法，其特征在于，在步骤2中的皮肤掩膜提取算法，通过深度学习自动勾画轮廓与常见的阈值、膨胀、腐蚀图像处理算法，实现皮肤掩膜的准确提取，皮肤掩膜之外的部分赋值为空气的HU值，去除身体轮廓之外的冗余信息。3.根据权利要求1所述的一种基于伪CT的CT与CBCT配准方法，其特征在于，在步骤3中的刚性配准，使用互信息作为相似性测度进行优化，最后得到刚性变换的6个参数，包括x、y和z轴的位移和旋转角度。4.根据权利要求1所述的一种基于伪CT的CT与CBCT配准方法，其特征在于，CT图像经过在刚性配准之后，输入到伪CT生成网络训练之前需要统一CBCT和CT图像的分辨率，然后裁剪出固定的尺寸输入模型。5.根据权利要求1所述的一种基于伪CT的CT...

【专利技术属性】
技术研发人员：常艳奎，李凌燕，吴昊天，徐榭，裴曦，
申请(专利权)人：安徽慧软科技有限公司，
类型：发明
国别省市：