【技术实现步骤摘要】
本申请涉及图像配准，特别是涉及基于采样频率图的平滑图像采样配准方法、装置、终端及介质。
技术介绍
1、图像配准在医学图像分析中扮演着关键的角色。例如配准不同时期的动态对比增强核磁共振图像可以揭示造影剂的流动和暴露潜在的病变。配准图像可以实现跟踪同一位置的肿瘤对造影剂反应，有助于临床肿瘤治疗后的疗效评估。此外，不同时期的图像配准也可以帮助医生确定肿瘤受累范围和临床分级。
2、guha balakrishnan等人在ieee transactions on medical imaging期刊的第38卷,第8期的“voxelmorph:a learning framework for deformable medical imageregistration”一文中提到，现有的基于深度学习的配准方法涉及使用神经网络输入一组图像数据集中的两幅图像，通过反向传播和梯度下降寻找一种空间变换把一副图像(源图像)映射到另一幅图像(目标图像)上，使得两图中对应于空间同一位置的点一一对应起来，从而达到信息融合的目的。
3、对于动态对比增强核磁共振这种有着不同的灰度或者结构外观差异的图像施行配准是具有挑战的。张雅斌等人在ieee transactions on image processing期刊的第25卷，第9期的“backward registration based aspect ratio similarity for imageretargeting quality assessment”一文中提到配准模型往往是基于后
4、导致这种细节信息丢失的现象可归因于普遍采用的基于后向映射的配准场在执行空间变换时没有受到采样约束。虽然基于前向映射的配准场在理论上可行，但是从应用的角度来看却很具有挑战性。尤其是采样和插值技术极大的促进了基于后向映射的配准场的高效实现。这种广为流行的基于后向映射的配准场虽然可以提供没有明显孔洞的配准结果，但是却隐藏了源图像中的采样孔洞的存在。
技术实现思路
1、鉴于以上所述现有技术的缺点，本申请的目的在于提供基于采样频率图的平滑图像采样配准方法、装置、终端及介质，用于解决基于后向映射的配准场虽然可以提供没有明显孔洞的配准结果，但是却隐藏了源图像中的采样孔洞的存在的技术问题。
2、为实现上述目的及其他相关目的，本申请的第一方面提供一种基于采样频率图的平滑图像采样配准方法，包括：获取图像数据集；所述图像数据集包括源图像和目标图像；将所述图像数据集输入预先构建的配准模型以计算得到基于后向映射的配准场；基于所述配准场，将所述源图像配准至目标图像空间内以得到初步配准后的图像；分别使用损失函数优化配准场及初步配准后的图像；通过预构建的采样频率估计器得到基于配准场的初步采样频率图；使用损失函数优化所述初步采样频率图；重复上述所有步骤直至配准模型收敛；根据收敛后的配准模型得到最终配准场、最终配准后的图像及最终采样频率图。
3、于本申请的第一方面的一些实施例中，通过所述配准模型输出的基于后向映射的配准场定义在目标图像空间内，其中配准场中的值代表目标图像空间内的网格位置点到源图像空间内采样时的采样点坐标。
4、于本申请的第一方面的一些实施例中，所述基于所述配准场，将所述源图像配准至目标图像空间内以得到初步配准后的图像，其包括：根据所述配准场构建基于配准场的空间转换；利用所述空间转换将所述源图像配准至目标图像空间内。
5、于本申请的第一方面的一些实施例中，所述空间转换的过程包括如下：根据配准场得到落于源图像空间内的采样点坐标，根据采样点坐标确定对应的采样值；将所述采样值回填至目标图像空间内的对应位置，并在完成所有采样点的采样值回填后构建得到所述初步配准后的图像。
6、于本申请的第一方面的一些实施例中，所述方法包括：使用正则化损失函数优化配准场；所述正则化损失函数基于采样时的采样偏移位移场中相邻位置的数值差的模的平方求得最小化位移场的空间梯度。
7、于本申请的第一方面的一些实施例中，所述配准场的正则化损失函数利用采样偏移位移场中相邻网格位置点的采样偏移位移数值的差值的模来实现最小化位移场的空间梯度，表示如下：
8、
9、其中，ω代表目标图像空间，|ω|代表目标图像空间内网格位置总数，代表目标图像空间内网格位置点与相邻网格位置点的采样偏移位移的差值；采样偏移位移场u表示为：u＝φ-id；φ表示配准场，id代表目标空间图像内的网格位置点。
10、于本申请的第一方面的一些实施例中，所述方法包括：通过衡量图像对之间的差异来表征图像对的相似性损失函数，据以优化初步配准后的图像。
11、于本申请的第一方面的一些实施例中，所述相似性损失函数表示如下：
12、
13、其中，ncc代表归一化互相关损失函数，用于衡量初步配准后的图像和目标图像t之间的相似性。于本申请的第一方面的一些实施例中，所述通过预构建的采样频率估计器得到基于配准场的初步采样频率图，其过程包括：基于源图像中位于网格位置点的被采样次数确定采样频率；采样频率值由其周围的不确定数量的采样点的插值权重之和确定；执行初步采样频率图的矢量化构建。
14、于本申请的第一方面的一些实施例中，采样频率图中的采样频率的计算方式如下：
15、
16、其中，sfm是采样频率图；sfm(q)是采样频率图在源图像网格位置点的采样频率；z(q)是出现在网格位置点周围距离不大于1的邻近采样点构成的集合；该集合的元素是采样点φ(p)；该集合元素φ(p)与q位置重合时则是网格位置点，与q距离大于0时则为非网格位置点；φ代表定义在目标图像空间内的配准场；d是配准图像的三个空间维度，图像为2d时，则空间维度集合为{x,y}；图像为3d时，则空间维度集合为{x,y,z}；是采样点φ(p)进行插值操作时网格位置点q贡献给采样点φ(p)的插值权重。
17、于本申请的第一方面的一些实施例中，所述执行初步采样频率图的矢量化构建，其包括：
18、根据配准场指明的采样偏移位移，目标图像空间内的网格位置点的坐标加上采样偏移位移后得到采样点坐标；其中，所述采样偏移位移是指采样偏移位移场中的点的数值；
19、若所述采样点坐标落于源图像空间内的网格位置点，则的采样频率全部分散给sfm(q)；若所述采样点坐标落于源图像空间内的非网格位置点，则的采样频率分散给sfm(q)，剩余的采样频率按照插值权重分配给该非网格位置点周围的网格位置点；其中，若为3d图像配准，则该非网格位置点周围的网格位置点的数量为8，执行1对8的分散操作；若为2d图像配准，则该非网格位置点周围的网格位置点的数量为4，执行1对4的分散操作。<本文档来自技高网...
【技术保护点】
1.一种基于采样频率图的平滑图像采样配准方法，其特征在于，包括：
2.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，通过所述配准模型输出的基于后向映射的配准场定义在目标图像空间内，其中配准场中的值代表目标图像空间内的网格位置点到源图像空间内采样时的采样点坐标。
3.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述基于所述配准场，将所述源图像配准至目标图像空间内以得到初步配准后的图像，其包括：根据所述配准场构建基于配准场的空间转换；利用所述空间转换将所述源图像配准至目标图像空间内。
4.根据权利要求3所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述空间转换的过程包括如下：根据配准场得到落于源图像空间内的采样点坐标，根据采样点坐标确定对应的采样值；将所述采样值回填至目标图像空间内的对应位置，并在完成所有采样点的采样值回填后构建得到所述初步配准后的图像。
5.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述方法包括：使用正则化损失函数优化配准场；所述正
6.根据权利要求5所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述配准场的正则化损失函数利用采样偏移位移场中相邻网格位置点的采样偏移位移数值的差值的模来实现最小化位移场的空间梯度，表示如下：
7.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述方法包括：通过衡量图像对之间的差异来表征图像对的相似性损失函数，据以优化初步配准后的图像。
8.根据权利要求7所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述相似性损失函数表示如下：
9.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述通过预构建的采样频率估计器得到基于配准场的初步采样频率图，其过程包括：基于源图像中位于网格位置点的被采样次数确定采样频率；采样频率值由其周围的不确定数量的采样点的插值权重之和确定；执行初步采样频率图的矢量化构建。
10.根据权利要求9所述的基于采样频率图的平滑图像采样配准方法，其特征在于，采样频率图中的采样频率的计算方式如下：
11.根据权利要求10所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述执行初步采样频率图的矢量化构建，其包括：
12.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述使用损失函数优化初步采样频率图包括如下各步骤：
13.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述配准模型的收敛条件包括：若所述配准模型为基于迭代优化的算法模型，则以满足迭代优化的条件作为模型的收敛条件；若所述配准模型为基于学习的深度学习模型，则以深度学习对整个数据集执行优化的损失函数开始表现收敛作为模型的收敛条件。
14.根据权利要求13所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述基于学习的深度学习模型包括卷积神经网络，所述卷积神经网络对整个数据集执行优化的损失函数表示为如下：
15.一种基于采样频率图的平滑图像采样配准装置，其特征在于，包括：
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至14中任一项所述基于采样频率图的平滑图像采样配准方法。
17.一种电子终端，其特征在于，包括：处理器及存储器；
...【技术特征摘要】
1.一种基于采样频率图的平滑图像采样配准方法，其特征在于，包括：
2.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，通过所述配准模型输出的基于后向映射的配准场定义在目标图像空间内，其中配准场中的值代表目标图像空间内的网格位置点到源图像空间内采样时的采样点坐标。
3.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述基于所述配准场，将所述源图像配准至目标图像空间内以得到初步配准后的图像，其包括：根据所述配准场构建基于配准场的空间转换；利用所述空间转换将所述源图像配准至目标图像空间内。
4.根据权利要求3所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述空间转换的过程包括如下：根据配准场得到落于源图像空间内的采样点坐标，根据采样点坐标确定对应的采样值；将所述采样值回填至目标图像空间内的对应位置，并在完成所有采样点的采样值回填后构建得到所述初步配准后的图像。
5.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述方法包括：使用正则化损失函数优化配准场；所述正则化损失函数基于采样时的采样偏移位移场中相邻位置的数值差的模的平方求得最小化位移场的空间梯度。
6.根据权利要求5所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述配准场的正则化损失函数利用采样偏移位移场中相邻网格位置点的采样偏移位移数值的差值的模来实现最小化位移场的空间梯度，表示如下：
7.根据权利要求1所述的基于采样频率图的平滑图像采样配准方法，其特征在于，所述方法包括：通过衡量图像对之间的差异来表征图像对的相似性损失函数，据以优化初步配准后的图像。
8.根据权利要求7所述的基于采样频率图的平滑图像采样配准方法，其特征在于...
【专利技术属性】
技术研发人员：沈定刚，沙清瑞，曹晓欢，孙开聪，薛忠，江才文，徐铭泽，
申请(专利权)人：上海科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。