一种基于图像块相似性匹配的多模态医学图像配准方法技术

本发明专利技术提供一种基于图像块相似性匹配的多模态医学图像配准方法，包括获取病人某一器官组织的超声、CT/MRI序列图像；对CT/MRI数据做预处理；对超声图像进行筛选和预处理，获取超声图像中器官的有效分割区域；将S3获取的超声图像的有效分割区域与S2获取的预处理后的CT/MRI序列图像进行块的相似性匹配计算，为任一张超声图像匹配CT/MRI序列中的最佳对应切片。本发明专利技术通过对单张或多张超声图像进行筛选和预处理，可以最大限度为相似性匹配计算去除干扰；通过对优化的匹配方法，可以最大限度搜索到最佳的匹配参数。索到最佳的匹配参数。索到最佳的匹配参数。

【技术实现步骤摘要】
一种基于图像块相似性匹配的多模态医学图像配准方法


[0001]本专利技术涉及图像配准领域，尤其涉及一种多模态医学图像配准方法。

技术介绍

[0002]在做医学图像分析时，经常要将同一患者几幅图像放在一起分析，从而得到该患者的多方面的综合信息，提高医学诊断和治疗的水平。
[0003]对几幅不同模态的图像作定量分析，首先要解决这几幅图像的严格对齐问题，如果不能做到严格对齐，那么医生做手术时就无法了解超声模态切片在CT/MRI模态里的确切位置。
[0004]因此，亟需一种精度高的图像配准方法对不同模态的图像进行匹配，使超声图像与CT/MRI医学图像上的对应点达到空间上的一致。

技术实现思路

[0005]本专利技术目的是针对上述空间配准问题，提供一种配准精度高、计算速度快的基于图像块相似性匹配的多模态医学图像配准方法。
[0006]为了实现上述目的，本专利技术的技术方案是：一种基于图像块相似性匹配的多模态医学图像配准方法，包括以下步骤：S1、获取病人某一器官组织的超声、CT/MRI序列图像；S2、对CT/MRI数据做预处理；S3、对超声图像进行筛选和预处理，获取超声图像中器官的有效分割区域；S4、将S3获取的超声图像的有效分割区域与S2获取的预处理后的CT/MRI序列图像进行块的相似性匹配计算，为任一张超声图像匹配CT/MRI序列中的最佳对应切片。
[0007]进一步地，所述步骤S2中预处理包括降噪和对比度调节。
[0008]进一步地，所述步骤S3中筛选包括：对超声图像进行器官的兴趣区域提取，获取超声图像的mask区域；若mask区域像素数为0，则为无效分割，去除该mask区域；若mask区域像素数小于预设的阈值，则分割区域过小，去除该mask区域，获得有效分割区域。
[0009]进一步地，所述步骤S3中预处理为对筛选后超声图像的有效分割区域进行降噪和对比度调节。
[0010]进一步地，所述步骤S4包括：S41、对于任一张超声图像的有效分割区域，提取超声3D空间坐标，获取对应的CT/MRI序列坐标系下的3D空间坐标，通过空间坐标插值法得到CT/MRI序列中对应的切片块；S42、将超声图像块与CT/MRI序列中对应的切片块进行块的相似性匹配计算，选择相似性系数最大的切片作为最佳对应切片。
[0011]进一步地，所述超声3D空间坐标通过3D空间坐标传感器获取，该3D空间坐标传感
器绑定在超声探头上。
[0012]进一步地，所述的相似性匹配计算公式为：；其中：X表示超声图像块，Y表示CT/MRI序列中对应的切片块；指期望条件(Y/X)的偏差，指变量Y的偏差。
[0013]进一步地，所述的相似性匹配计算在GPU上做并行运算。
[0014]本专利技术的有益效果是：本专利技术的图像配准方法计算精度高，通过对单张或多张超声图像进行兴趣区域提取，以及平滑去噪等预处理；可以最大限度为相似性匹配计算去除干扰，能够最大限度搜索到最佳的匹配参数。
[0015]本专利技术的图像配准方法计算速度快，在GPU上进行并行运算，计算速度小于1秒。
[0016]本专利技术对图片进行相似性匹配，为任一张超声图像匹配CT/MRI序列中的最佳对应切片，配准的结果使两幅图像上具有诊断意义的点及手术感兴趣的点都达到匹配。
[0017]本专利技术的其它特征和优点将在随后具体实施方式部分予以详细说明。
附图说明
[0018]通过结合附图对本专利技术示例性实施方式进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本专利技术示例性实施方式中，相同的参考标号通常代表相同部件。
[0019]图1为本专利技术的流程图；图2为原始超声器官区域和预处理过后超声器官区域的比对示意图；图3为本专利技术实施例中，在图像块匹配误差值最小时，获得的最佳匹配配准图；图4为配准前、后同一超声切片在CT下的切片比对示意图（竖向依次排列为超声切片、配准前CT切片、配准后CT切片)；图5为配准后的超声
‑
CT融合效果示意图。
实施方式
[0020]下面将参照附图更详细地描述本专利技术的优选实施方式。虽然附图中显示了本专利技术的优选实施方式，然而应该理解，可以以各种形式实现本专利技术而不应被这里阐述的实施方式所限制。
[0021]如图1至图4所示，本实施例公开了一种基于图像块相似性匹配的多模态医学图像配准方法，包括以下步骤：S1、获取病人某一器官组织的超声、CT/MRI序列图像；S2、对CT/MRI数据做预处理，包括降噪和对比度调节；S3、对超声图像进行筛选和预处理，获取超声图像中器官的有效分割区域；筛选包括：对超声图像进行器官的兴趣区域提取，获取超声图像的mask区域；若
mask区域像素数为0，则为无效分割，去除该mask区域；若mask区域像素数小于预设的阈值，则分割区域过小，去除该mask区域，获得有效分割区域；预处理为对筛选后超声图像的有效分割区域进行降噪和对比度调节；如图2所示，为原始超声器官区域和预处理过后超声器官区域的比对示意图，通过预处理和筛选，提取了mask区域进行相似性匹配计算，而不是全图计算，可以最大限度为相似性匹配计算去除干扰；S4、将S3获取的超声图像的有效分割区域与S2获取的预处理后的CT/MRI序列图像进行块的相似性匹配计算，为任一张超声图像匹配CT/MRI序列中的最佳对应切片，具体为：S41、对于任一张超声图像的有效分割区域，提取超声3D空间坐标，获取对应的CT/MRI序列坐标系下的3D空间坐标，通过空间坐标插值法得到CT/MRI序列中对应的切片块；所述超声3D空间坐标通过3D空间坐标传感器获取，该3D空间坐标传感器绑定在超声探头上；S42、将超声图像块与CT/MRI序列中对应的切片块进行块的相似性匹配计算，选择相似性系数最大的切片作为最佳对应切片，选择相似性系数最大的切片作为最佳对应切片，所述的相似性匹配计算在GPU上做并行运算；；其中：X表示超声图像块，Y表示CT/MRI序列中对应的切片块；指期望条件(Y/X)的偏差，指变量Y的偏差。
[0022]在本实施例中，通过对单张或多张超声图像有效分割区域即器官区域提取，在CT/MRI中寻找最佳匹配切片，解决了多模态医学图像配准难的问题。通过对输入超声采样图像及CT/MRI数据进行的一系列预处理操作以及改进的优化寻参搜索方法，提高了相似性匹配的计算精度，最终的配准误差在体膜上只有1
‑
3个像素，如图2所示，同时本专利技术算法可以在GPU上并行运算，具备了较优的实时性，单机情况下小于0.5s。
[0023]以上已经描述了本专利技术的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本
的普通技术人员来说许多修改和变更都是显而易见的。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像块相似性匹配的多模态医学图像配准方法，其特征在于：包括以下步骤：S1、获取病人某一器官组织的超声、CT/MRI序列图像；S2、对CT/MRI数据做预处理；S3、对超声图像进行筛选和预处理，获取超声图像中器官的有效分割区域；S4、将S3获取的超声图像的有效分割区域与S2获取的预处理后的CT/MRI序列图像进行块的相似性匹配计算，为任一张超声图像匹配CT/MRI序列中的最佳对应切片。2.如权利要求1所述的一种基于图像块相似性匹配的多模态医学图像配准方法，其特征在于：所述步骤S2中预处理包括降噪和对比度调节。3.如权利要求1所述的一种基于图像块相似性匹配的多模态医学图像配准方法，其特征在于：所述步骤S3中筛选包括：对超声图像进行器官的兴趣区域提取，获取超声图像的分割掩模区域即mask区域；若mask区域像素数为0，则为无效分割，去除该mask区域；若mask区域像素数小于预设的阈值，则分割区域过小，去除该mask区域，获得有效分割区域。4.如权利要求3所述的一种基于图像块相似性匹配的多模态医学图像配准方法，其特征在于：所述步骤S3中预处理为对...

【专利技术属性】
技术研发人员：汪明润，王杉杉，吴梦麟，
申请(专利权)人：卡本深圳医疗器械有限公司，
类型：发明
国别省市：