一种医学图像配准方法技术

本发明专利技术涉及一种医学图像配准方法

【技术实现步骤摘要】
一种医学图像配准方法、控制系统、电子设备和存储介质


[0001]本专利技术涉及医学图像处理
，特别是涉及一种医学图像配准方法
、
控制系统
、
电子设备和存储介质
。

技术介绍

[0002]医疗诊断过程中，病灶情形的判定依据大多来源于医疗影像设备拍摄的医学图像
。
由于拍摄环境或者设备本身存在噪声的缘故，采集到的图像对病灶及其周围环境的成像只能表达某一个角度
(
如病灶的轮廓
、
结构
、
纹理等
)
的状况，例如拍摄环境不稳定引起拍摄病灶影像上的亮度水平波动，造成图像中有斑点
、
条纹等噪声，掩盖了病灶的纹理细节，只能从轮廓这单一角度观测，故医生无法根据这些不完整的图像获取有效的病灶信息，无法进行诊断方案的制定
。
医学图像配准技术被提出进行多个设备或者同一设备不同时间
、
环境下的同一病灶目标图像的对齐，从多个角度对病灶信息进行互补式的描述，展示其完整信息，帮助对病情的准确诊断
。
医学图像配准是医学图像处理的基础步骤之一，在医学图像融合
、
病灶的智能诊断
、
图像引导手术等的过程中具有重要意义
。
[0003]按照交互性，医学图像的配准装置可分为人工配准和自动配准；按照配准控制点的位置可分为基于外部控制点的配准和基于内部控制点的配准；按照配准过程，可分为基于特征的配准和基于灰度的配准
。
当前配准装置无法在保持高配准精度的同时保持高速度的实时性，例如完全的人工配准容易引起精度的不稳定，而自动配准虽然拥有稳定的配准精度但速度受限
。
基于特征的配准往往采用深度学习的方法而精度很高，但过于过程复杂导致实时性差，而基于灰度的配准因其简洁的处理方法具有较高的实时性，但配准精度无法满足临床需求
。
[0004]目前，在对医学图像进行图像配准时需要对医学图像进行图像特征提取并获取多个具有图像特征信息
(
如颜色特征
、
纹理特征
、
形状特征
、
空间关系特征
、
几何特征
、
轮廓特征
、
区域特征等
)
的像素点，然后进一步对不同的医学图像上对应位置的像素点进行匹配，针对匹配成功的像素点进行空间叠加获取新的匹配图像即完成图像配准，故获取具有图像特征信息的像素点是进行图像配准并获取配准后的目标图像的关键，但现有技术中，由于对医学图像进行图像特征信息提取时会因图像处理算法的计算结果精度不高，难以确保待配准的医学图像上均能准确获取到具有图像特征信息的像素点，从而使得该医学图像无法进行图像配准，降低了图像配准的成功率和有效率，容易引起医生对真实病灶或诊断结果产生误判和干扰
。

技术实现思路

[0005](1)
要解决的技术问题
[0006]本专利技术提供一种医学图像配准方法
、
控制系统
、
电子设备和存储介质，通过反复更新图像梯度函数的计算结果来提高整个计算结果的精度，从而可以避免因计算精度较低而导致具有图像特征信息的像素点被遗漏的问题，提高了图像配准的成功率和有效率，降低
医生对真实病灶或诊断结果产生误判和干扰的风险
。
[0007](2)
技术方案
[0008]第一方面，本专利技术的实施例提出了一种医学图像配准方法，所述医学图像包括白光图像和荧光图像，包括步骤
S1
：获取所述白光图像与所述荧光图像；步骤
S2
：对所述白光图像以及所述荧光图像分别进行图像特征提取，用于获取具有图像特征信息的像素点，包括步骤
S21
：选取所述白光图像和所述荧光图像上任一像素点，并规划所述像素点的中心像素和邻域像素；步骤
S22
：采用图像梯度函数计算所述中心像素与所述邻域像素的梯度差值的绝对值作为第一差值，以及计算各所述邻域像素之间的梯度差值的绝对值作为第二差值，并计算第一差值与第一阈值的第一比值以及第二差值与第二阈值的第二比值；步骤
S23
：比较第一比值与第一临界值的大小以及第二比值与第二临界值的大小；步骤
S24
：响应于第一比值大于第一临界值且第二比值小于等于第二临界值判断所述像素点具有图像特征信息，反之，则判断所述像素点不具有图像特征信息；步骤
S3
：响应于已获取具有图像特征信息的像素点，进入步骤
S5
；响应于未获取具有图像特征信息的像素点，进入步骤
S4
；步骤
S4
：对所述图像梯度函数的计算结果进行更新，并用更新后的计算结果与所述第一阈值以及所述第二阈值的比值重新比较对应的所述第一临界值和所述第二临界值直至获取具有图像特征信息的像素点，进入步骤
S5
；步骤
S5
：配准所述白光图像上具有图像特征信息的像素点与所述荧光图像上具有图像特征信息的像素点得到目标图像
。
[0009]进一步地，所述对所述图像梯度函数的计算结果进行更新，并用更新后的计算结果与所述第一阈值以及所述第二阈值的比值重新比较对应的所述第一临界值和所述第二临界值直至获取具有图像特征信息的像素点，包括步骤
S41
：采用所述图像梯度函数计算所述中心像素与所述邻域像素的第一梯度值与将所述邻域像素作为所述中心像素时且将所述中心像素作为对应的所述邻域像素时的第二梯度值，同时计算所述第一梯度值的
N
次方与第二梯度值的
N
次方的差值绝对值作为第三差值；步骤
S42
：采用所述图像梯度函数计算任一两个所述邻域像素的第三梯度值与将两个所述邻域像素互换位置后的第四梯度值，同时计算所述第三梯度值的
N
次方与第三梯度值的
N
次方的差值绝对值作为第四差值；步骤
S43
：计算第三差值与第一阈值的第三比值以及第四差值与第二阈值的第四比值，并比较第三比值与第一临界值的大小以及第四比值与第二临界值的大小；步骤
S44
：响应于第三比值大于第一临界值且第四比值小于等于第二临界值判断所述像素点具有图像特征信息，则进入步骤
S5
；反之，则判断所述像素点不具有图像特征信息，则进入步骤
S41
，计算第一梯度值的
N+1
次方与第二梯度值的
N+1
次方的差值绝对值，直至判断所述像素点具有图像特征信息
。
[0010]进一步地，还包括步骤
S6
：对所述目标图像的图像质量进行评估，并响应于所述目标图像的质量评估结果调节光源强度
。
[0011]进一步地，所述对所述目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种医学图像配准方法，所述医学图像包括白光图像和荧光图像，其特征在于，包括：步骤
S1
：获取所述白光图像与所述荧光图像；步骤
S2
：对所述白光图像以及所述荧光图像分别进行图像特征提取，用于获取具有图像特征信息的像素点，包括：步骤
S21
：选取所述白光图像和所述荧光图像上任一像素点，并规划所述像素点的中心像素和邻域像素；步骤
S22
：采用图像梯度函数计算所述中心像素与所述邻域像素的梯度差值的绝对值作为第一差值，以及计算各所述邻域像素之间的梯度差值的绝对值作为第二差值，并计算第一差值与第一阈值的第一比值以及第二差值与第二阈值的第二比值；步骤
S23
：比较第一比值与第一临界值的大小以及第二比值与第二临界值的大小；步骤
S24
：响应于第一比值大于第一临界值且第二比值小于等于第二临界值判断所述像素点具有图像特征信息，反之，则判断所述像素点不具有图像特征信息；步骤
S3
：响应于已获取具有图像特征信息的像素点，进入步骤
S5
；响应于未获取具有图像特征信息的像素点，进入步骤
S4
；步骤
S4
：对所述图像梯度函数的计算结果进行更新，并用更新后的计算结果与所述第一阈值以及所述第二阈值的比值重新比较对应的所述第一临界值和所述第二临界值直至获取具有图像特征信息的像素点，进入步骤
S5
；步骤
S5
：配准所述白光图像上具有图像特征信息的像素点与所述荧光图像上具有图像特征信息的像素点得到目标图像
。2.
根据权利要求1所述的医学图像配准方法，其特征在于，所述对所述图像梯度函数的计算结果进行更新，并用更新后的计算结果与所述第一阈值以及所述第二阈值的比值重新比较对应的所述第一临界值和所述第二临界值直至获取具有图像特征信息的像素点，包括：步骤
S41
：采用所述图像梯度函数计算所述中心像素与所述邻域像素的第一梯度值与将所述邻域像素作为所述中心像素时且将所述中心像素作为对应的所述邻域像素时的第二梯度值，同时计算所述第一梯度值的
N
次方与第二梯度值的
N
次方的差值绝对值作为第三差值；步骤
S42
：采用所述图像梯度函数计算任一两个所述邻域像素的第三梯度值与将两个所述邻域像素互换位置后的第四梯度值，同时计算所述第三梯度值的
N
次方与第三梯度值的
N
次方的差值绝对值作为第四差值；步骤
S43
：计算第三差值与第一阈值的第三比值以及第四差值与第二阈值的第四比值，并比较第三比值与第一临界值的大小以及第四比值与第二临界值的大小；步骤
S44
：响应于第三比值大于第一临界值且第四比值小于等于第二临界值判断所述像素点具有图像特征信息，则进入步骤
S5
；反之，则判断所述像素点不具有图像特征信息，则进入步骤
S41
，计算第一梯度值的
N+1
次方与第二梯度值的
N+1
次方的差值绝对值，直至判断所述像素点具有图像特征信息
。3.
根据权利要求1所述的医学图像配准方法，其特征在于，还包括步骤
S6
：对所述目标图像的图像质量进行评估，并响应于所述目标图像的质量评估结果调节光源强度
。
4.
根据权利要求3所述的医学图像配准方法，其特征在于，所述对所述目标图像的图像质量进行评估，并响应于所述目标图像的质量评估结果调节光源强度，包括：步骤
S61
：计算所述白光图像上所有像素点的灰度值的均值作为第一均值；和所述荧光图像上所有像素点的灰度值的均值作为第二均值；和所述目标图像上所有像素点的灰度值的均值作为第三均值；步骤
S62
：计算所述第一均值与所述第三均值的差值绝对值以及所述第二均值与所述第三均值的差值绝对值，并对所述第一均值与所述第三均值的绝对值差值以及所述第二均值与所述第三均值的差值绝对值求平均得到第四均值；步骤
S63
：计算所述第四均值与所述第一均值或所述第二均值的差值绝...

【专利技术属性】
技术研发人员：张存广，刘翔，王娟，
申请(专利权)人：华东数字医学工程研究院，
类型：发明
国别省市：