基于医学影像图像的配准方法、可读存储介质及电子设备技术

本发明专利技术公开了一种基于医学影像图像的配准方法、可读存储介质及电子设备，属于医学图像处理领域。该基于医学影像图像的配准方法包括以下步骤：将医学影像图像进行三维模型重建获得多边形网格和多边形网格中的每个顶点的属性特征；将多边形网格膨胀并映射至球面以获得具有属性特征的球化后的多边形网格；将球化后的多边形网格和所对应的球化模版输入非刚性配准图神经网络中，以获得球化后的多边形网格配准至所对应的球化模版的非刚性配准欧拉角；将球化后的多边形网格中的每个顶点基于其所对应的非刚性配准欧拉角旋转变换以获得非刚性配准后的多边形网格。刚性配准后的多边形网格。刚性配准后的多边形网格。

【技术实现步骤摘要】
基于医学影像图像的配准方法、可读存储介质及电子设备
[0001]相关申请的交叉引用
[0002]本申请要求于2022年9月29日提交的在先申请202211198303.X的优先权，这些申请通过引用全文并入本文。


[0003]本专利技术涉及医学图像处理领域，特别涉及一种基于医学影像图像的配准方法、可读存储介质及电子设备。

技术介绍

[0004]在对大脑皮层进行结构分析时，通常需要经过大脑皮层表面重建、大脑皮层表面配准和大脑皮层表面的结构分区等多个环节。大脑皮层表面配准是指同一区域内以不同成像手段所获得的不同图像图形的地理坐标的匹配，配准通常包括几何纠正、投影变换与统一比例尺三方面的处理。大脑皮层表面结构分区是根据大脑的结构或连接信息，将大脑皮层表面划分为多个不同的具有神经生物学意义的区域。
[0005]大脑皮层的结构分析主要依据大脑皮层表面的结构分区来进行，因此大脑皮层表面的结构分区是大脑皮层结构分析中最主要的环节。而由于大脑皮层表面的结构分区是通过非线性配准将模版上标记的结构分区投射到个体大脑皮层上完成的，因此大脑皮层的配准的准确性将会影响到结构分区的准确性。
[0006]同时，由于在结构分析过程中，大脑皮层表面重建和大脑皮层表面配准由于技术较为复杂，因此在处理过程中往往将耗费十几个小时才能完成三维模型重建和配准。
[0007]因此，确有必要提供一种准确性高且能够快速实现配准的新的基于医学影像图像的配准方法和可读存储介质。

技术实现思路

[0008]为了解决现有技术中存在的上述问题和缺陷的至少一个方面，本专利技术提供了一种基于医学影像图像的配准方法和可读存储介质，能够至少部分地实现快速进行三维模型配准、三维模型配准的准确性高的技术效果。所述技术方法如下：
[0009]根据本专利技术的一个方面，提供了一种基于医学影像图像的配准方法，包括以下步骤：
[0010]将医学影像图像进行三维模型重建获得多边形网格和所述多边形网格中的每个顶点的属性特征；
[0011]将所述多边形网格膨胀并映射至球面以获得具有所述属性特征的球化后的多边形网格；
[0012]将所述球化后的多边形网格和所对应的球化模版输入非刚性配准图神经网络中，以获得所述球化后的多边形网格配准至所述所对应的球化模版的非刚性配准欧拉角；
[0013]将所述球化后的多边形网格中的每个顶点基于其所对应的所述非刚性配准欧拉
角旋转变换以获得非刚性配准后的多边形网格。
[0014]根据本专利技术的另一方面，提供了一种可存储介质，其中，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时以执行上述的基于医学影像图像的配准方法。
[0015]根据本专利技术的还一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，其中，
[0016]所述存储器上存储程序，所述程序被所述处理器执行时以执行上述任一项所述的基于医学影像图像的配准方法。根据本专利技术实施例的基于医学影像图像的配准方法、可读存储介质及电子设备具有以下优点中的至少一个：
[0017](1)本专利技术提供的基于医学影像图像的配准方法、可读存储介质及电子设备能够通过非刚性配准图神经网络的设计，能够快速实现三维模型配准，由此显著缩短了三维模型配准的时间，大大提升了三维模型处理效率；
[0018](2)本专利技术提供的基于医学影像图像的配准方法、可读存储介质及电子设备通过非刚性配准图神经网络的设计，在配准过程中对每个顶点位置精配准以实现每个顶点位置的精细调整，从而能够获得更加精准的大脑皮层表面配准多边形网格。
附图说明
[0019]本专利技术的这些和/或其他方面和优点从下面结合附图对优选实施例的描述中将变得明显和容易理解，其中：
[0020]图1是根据本专利技术一个实施例的基于医学影像图像的配准方法的流程图；
[0021]图2A
‑
图2C是图1所示的多边形网格球化过程的示意图，其中图2A为医学影像图像经三维模型重建后得到的多边形网格，图2B为多边形网格膨胀后得到的多边形网格，图2C为膨胀后的多边形网格映射至球面得到的球化后的多边形网格；
[0022]图3是图1所示的非刚性配准图神经网络的结构示意图；
[0023]图4是图1所示的球化后的多边形网格基于非刚性配准欧拉角旋转变换的流程图；
[0024]图5A是图1所示的重采样多边形网格的局部示意图；
[0025]图5B是图5A所示的重采样多边形网格发生折叠时的效果示意图；
[0026]图5C是图5A所示的重采样多边形网格未发生折叠时的效果示意图；
[0027]图6是图1所示的欧拉角的原理图。
具体实施方式
[0028]下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明。在说明书中，相同或相似的附图标号指示相同或相似的部件。下述参照附图对本专利技术实施方式的说明旨在对本专利技术的总体专利技术构思进行解释，而不应当理解为对本专利技术的一种限制。
[0029]本文中所使用的术语“医学影像图像”应当被广义地理解为为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得的内部组织影像图像。
[0030]本文中所使用的术语“多边形网格表示”，即mesh表示，应当被广义地理解为在三维空间中，通过一系列顶点和一组轮廓线连接构成的曲面并彼此组合以表示三维曲面的一种表示方式。通常包括三角形网格、四边形网格或者其他凸多边形网格。
[0031]本文中所使用的术语“模版”，应当被广义地理解为是通过将正常人大脑皮层表面进行平均得到的具有代表性的大脑结构或者特性分布。例如通过将大脑的结构、沟回深度和曲率进行平均得到的模版。
[0032]本文中所使用的术语“欧拉角”，应当被广义地理解为指用来确定定点转动刚体位置的3个一组独立角参量(α,β,γ)。欧拉角(α,β,γ)的三个角度分别表示依次围绕Z、Y和X轴旋转的角度表示方式。欧拉角表示与旋转矩阵具有等价的表示能力，且两者之间能够互相转换。
[0033]本文中所使用的术语“三维模型”，应当被广义地理解为物体的多边形表示，通常用计算机或者其它视频设备进行显示。
[0034]参见图1，示出了根据本专利技术的一个实施例的基于医学影像图像的配准方法。该基于医学影像图像的配准方法包括以下步骤：
[0035]步骤S1根据医学影像图像进行三维模型重建获得多边形网格和多边形网格中的每个顶点的属性特征；
[0036]步骤S2将多边形网格膨胀并映射至球面以获得具有属性特征的球化后的多边形网格；
[0037]步骤S3将球化后的多边形网格和所对应的球化模版输入非刚性配准图神经网络中，以获得球化后的多边形网格配准至所对应的球化模版的非刚性配准欧拉角；
[0038]步骤S4将球化后的多边形网格中的每个顶点基于其所对应的非刚性配准欧拉角旋转变换以获得非刚性配准后的多边形网格。
[0039]在一个示例中，采集的医学影像图像包括解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于医学影像图像的配准方法，包括以下步骤：将医学影像图像进行三维模型重建获得多边形网格和所述多边形网格中的每个顶点的属性特征；将所述多边形网格膨胀并映射至球面以获得具有所述属性特征的球化后的多边形网格；将所述球化后的多边形网格和所对应的球化模版输入非刚性配准图神经网络中，以获得所述球化后的多边形网格配准至所述所对应的球化模版的非刚性配准欧拉角；将所述球化后的多边形网格中的每个顶点基于其所对应的所述非刚性配准欧拉角旋转变换以获得非刚性配准后的多边形网格。2.根据权利要求1所述的基于医学影像图像的配准方法，其中，输出的非刚性配准欧拉角的数量与球化后的多边形网格中的顶点数量相同，在步骤S4中，每个顶点基于自身的非刚性配准欧拉角来旋转变换。3.根据权利要求2所述的基于医学影像图像的配准方法，其中，所述医学影像图像为人体器官的医学影像图像，所述人体器官为脑组织，所述脑组织包括大脑、小脑和脑干中的至少一种。4.根据权利要求3所述的基于医学影像图像的配准方法，其中，所述属性特征包括每个顶点的第一位置信息和每个顶点处的第一脑沟回深度特征，所述非刚性配准图神经网络的输入通道分别用于输入具有所述第一脑沟回深度特征与所述第一位置信息的球化后的人体器官多边形网格和具有每个模版顶点的第二脑沟回深度特征与第二位置信息的球化模版。5.根据权利要求1
‑
4中任一项所述的基于医学影像图像的配准方法，其中，所述属性特征包括每个顶点的第一曲率特征，所述非刚性配准图神经网络的输入通道还分别用于输入具有第一曲率特征的球化后的多边形网格和具有每个模版顶点的第二曲率特征的球化模版。6.根据权利要求1所述的基于医学影像图像的配准方法，其中，所述非刚性配准图神经网络包括编码路径、解码路径和跳跃连接，所述编码路径包括多个第一图卷积块，所述多个第一图卷积块中的每一个第一图卷积块包括至少一个第一图卷积子块和用于下采样的第一图池化层，所述至少一个第一图卷积子块中的每一个第一图卷积子块包括第一图卷积层、第一批标准化层和第一激活函数，所述解码路径包括多个第二图卷积块，所述多个第二图卷积块中的每一个第二图卷积块包括至少一个第二图卷积子块和用于上采样的第二反图卷积层，所...

【专利技术属性】
技术研发人员：王伟伟，安宁，
申请(专利权)人：优脑银河浙江科技有限公司，
类型：发明
国别省市：