功能磁共振图像配准方法技术

一种功能磁共振图像配准方法，包括步骤：根据给定的空间邻域范围，在每个像素处确定其局部空间邻域，并计算该像素与在其空间邻域内其它所有像素之间的功能连接模式；根据得到的一组相关系数值，提取具有旋转不变性的特征；定义基于所述特征的不同图像的空间对应像素的相似性度量，基于该相似性，利用类流体DEMONS模型对待配准图像进行空间位置配准。本发明专利技术能够避免直接利用全局连接模式的配准算法中的不稳定性。同时，较之于最大化不同功能磁共振图像对应像素时间序列的相关系数的配准算法，本发明专利技术又具有更好的泛化能力。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及医学图像处理
，特别涉及对功能磁共振脑图像进行配准的方法。
技术介绍
在脑功能的研究中，不同个体功能磁共振图像的组间统计分析是一种常用的研究方法。而统计分析结果有意义的一个前提假设是不同个体之间的功能磁共振图像所对应的 脑功能解剖空间位置具有较好的对应性。目前，消除不同个体之间的脑功能解剖空间位置差异的方法主要有基于脑结构图像的配准和对功能图像做空间平滑。然而，这两种方法都不能很好地达到消除个体差异的目的。一方面，脑功能区的空间位置并不完全依赖于脑的解剖结构，即使不同个体间的解剖结构具有良好的对应性，其脑功能区的空间位置差异仍然存在，因此，仅仅利用结构图像完成的图像配准并不能真正达到不同个体间功能区对应；另一方面，基于功能磁共振图像的空间平滑会模糊真实的功能信号，从而可能对分析脑功能信号带来不稳定因素，进而影响组间统计分析结果的真实性。因此，开发一种有效的基于功能磁共振图像的配准算法具有非常重要的意义。近年来,功能磁共振图像配准的方法逐渐被人们所重视。Sabuncu (M. R. Sabuncu,B.D.Singer, B.Conroy.2010. Function-based intersubject alignment of humancortical anatomy. Cerebral Cortex, 20 (I), 130-40.)首先提出最大化不同个体功能信号间的Pearson相关系数来达到功能像配准的目的。然而，不同个体间，功能信号本身并不具有同步性和相关性，尤其如静息态功能图像，即便是同一个体，前后相差仅几分钟的信号也完全不同。所以，这种方法并不具备良好的泛化性，不能适用于一般性情况。另外，Conroy (B. R. Conroy, B.D.Singer, J. V. Haxby.2009. fMRI-Based Inter-Subject CorticalAlignment Using Functional Connectivity. NIPS,378-386.)和 Langs (G. Langs,P.Golland, Y. Tie.2010. Functional Geometry Alignment and Localization of BrainArea. NIPS, 1125-1233.)利用全局的功能连接模式提取特征进行配准，这种方法很好的克服了前一种方法的局限性。然而，全局的功能连接模式容易受到局部空间位置上微小扰动的干扰，因此并不稳定。此外，计算全局功能连接模式产生的矩阵维数往往非常大，不易于进行后续的处理。
技术实现思路
本专利技术的目的是提供一种对功能磁共振图像进行自动配准的方法。为了实现上述目的，一种，包括步骤根据给定的空间邻域范围，在每个像素处确定其局部空间邻域，并计算该像素与在其空间邻域内其它所有像素之间的功能连接模式；根据得到的一组相关系数值，提取具有旋转不变性的特征；定义所述特征的不同图像像素的相似性度量，基于该相似性，利用类流体DFMONS模型对待配准图像进行空间位置配准。本专利技术能够避免直接利用全局连接模式的配准算法中的不稳定性。同时，较之于最大化不同功能磁共振图像对应像素时间序列的相关系数的配准算法，本专利技术又具有更好的泛化能力。附图说明图I是包含预处理前后的功能图像以及局部功能连接模式和特征提取的示意图；图2是本专利技术的实施方式的流程图；图3是对配准前后个体间一致性的对比结果。具体实施方式 下面结合附图详细说明本专利技术技术方案中所涉及的各个细节问题。应指出的是，所描述的实施例仅旨在便于对于本专利技术的理解，而不起任何限定作用。如图I所示，图像102，104，分别展示了一层原始功能磁共振图像及预处理后的功能磁共振图像的轴状位视图，其中，102为原始功能图像，104为经过预处理后的功能图像；图106给出了计算局部功能连接模式的示意图，即计算像素(实心方形点)与其局部空间邻域内其它像素(与实心方形点相连的实心圆点)的时间序列数据之间的Pearson线性相关系数，图108给出了提取的特征的示意图，即一个概率分布直方图。本方法将配准问题建立在优化不同个体间功能连接模式的相似性上，提取具有旋转不变性的特征，利用类流体DEMONS模型进行配准，在迭代中逐渐将最初的局部功能连接模式逐渐扩展到全局功能连接模式实现多尺度的图像配准。图2示出了本专利技术进行基于多尺度连接模式的功能图像配准的流程。在步骤202中，进行功能图像的预处理。其中每个个体包含一幅结构图像和一幅功能图像(时间序列信号)。预处理的步骤包括重采样时间点，使同一时间点对应的功能图像中的所有像素的采集时间点近似相同；利用刚体变换去除头动导致的不同时间点功能图像之间的偏移和旋转；去除头皮等颅外组织；功能与结构磁共振图像的空间对齐，使所有个体的功能图像和结构图像处于同一公共空间中；去除由于扫描设备趋于稳定造成的信号中的线性漂移趋势；低通滤波去除功能信号中的高频成分；去协变量，去除白质与脑脊液对功能信号的影响；结构图像配准，去除不同个体之间脑结构的差异。在步骤204中，读入两个不同个体的预处理后的功能图像，其中一幅图像作为目标图像，另一幅作为待配准的图像。后续的步骤将待配准的图像配准到目标图像上。在步骤206中，需指定初始的局部空间邻域范围。空间邻域可以为立方体，此时需指定立方体的边长；也可以为球形，此时需指定球形空间邻域的半径。另外，其他合适的空间领域形状均可采用，视具体情况而定。在步骤208中，根据给定的空间邻域范围，在每个像素处确定其局部空间邻域，并计算该像素与其空间邻域内其它所有像素之间的Pearson相关系数，得到局部空间邻域内的一组相关系数值。Pearson相关系数是一种反应功能连接的常用指标，其具体计算公式为权利要求1.一种，包括步骤 根据给定的空间邻域范围，在每个像素处确定其局部空间邻域，并计算该像素与在其空间邻域内其它所有像素之间的功能连接模式； 根据得到的一组相关系数值，提取具有旋转不变性的特征； 定义基于所述特征的不同图像的空间对应像素的相似性度量，基于该相似性，利用类流体DEMONS模型对待配准图像进行空间位置配准。2.按权利要求I所述的方法，还包括在进行功能图像配准之前的预处理步骤 重采样时间点，使同一时间点对应的功能图像中的所有像素的采集时间点近似相同； 去除头动导致的不同时间点功能图像之间的偏移和旋转； 去除头皮等颅外组织； 功能与结构磁共振图像的空间对齐，使所有个体的功能图像和结构图像处于同一空间中； 去除由于扫描设备趋于稳定造成的信号中的线性漂移趋势； 低通滤波去除功能信号中的高频成分； 去协变量，去除白质与脑脊液对功能信号的影响； 结构像配准，去除不同个体之间脑结构的差异。3.按权利要求I所述的方法，其特征在于所述局部空间邻域为立方体或球体。4.按权利要求I所述的方法，其特征在于对图像中的每个像素计算其在所述局部空间领域内的功能连接模式。5.按权利要求I所述的方法，其特征在于所述提取具有旋转不变性的特征包括 将计算出的相关系数值看作服从某一概率分布的样本点，利用核概率密度估计的方法估计出该概率分布在一组均匀采样点处的概率值。6.按权利要求I所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】

【专利技术属性】
技术研发人员：范勇，江頔，蒋田仔，
申请(专利权)人：中国科学院自动化研究所，
类型：
国别省市：