CN101161201A - 自动外周dsa弹性配准方法 - Google Patents
自动外周dsa弹性配准方法 Download PDFInfo
- Publication number
- CN101161201A CN101161201A CNA2007100313699A CN200710031369A CN101161201A CN 101161201 A CN101161201 A CN 101161201A CN A2007100313699 A CNA2007100313699 A CN A2007100313699A CN 200710031369 A CN200710031369 A CN 200710031369A CN 101161201 A CN101161201 A CN 101161201A
- Authority
- CN
- China
- Prior art keywords
- dsa
- frisket
- pixel
- registrating
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种自动外周DSA弹性配准方法,该方法包括如下步骤:(1)输入蒙片和对比片;(2)对蒙片合理划分子区域;(3)检测蒙片特征点;(4)特征点运动矢量估计;(5)变换模型参数最优化求解,得到全图每个象素的运动矢量;(6)根据全图的每个像素的运动矢量,对蒙片进行弹性形变;(7)结束。本发明的有益效果包括:伪影消除能力优秀,不会有像素平移方法的顾此失彼的结果;全自动,不需要任何繁琐的交互操作,极大地提高了医生的工作效率;可靠性高,无论是在特征提取,运动估计及全局各像素运动优化过程均采用了有针对性的先进算法,提高了整个配准过程的可靠性;耗时小,达到了医疗实用的标准。
Description
技术领域
本发明涉及医学影像技术领域,尤其涉及基于数字减影血管造影术的弹性配准方法。
背景技术
血管造影用于显示人体的血管,以便能够在显示中识别出可能的血管异常,如血管狭窄或血管扩张。为了改善X射线图象中血管的可视度,在拍摄X射线图象之前在血液中加入造影剂,使得血管在X射线图象中从背景中清楚地凸现出来。但是,X射线图象中除了血管外,通常还可以看见其它结构或器官,例如骨头,它们可能部分地覆盖图像中的血管。为了避免该问题,采用了减影造影技术。在数字减影血管造影技术(DSA,Digital Subtraction Angiography)中,在同一投影方向下拍摄相同身体区域的两幅数字X射线照片,两张照片中的一张、即所谓的蒙片(Mask),是没有采用造影剂拍摄的,另一张照片、即所谓的对比片(即充盈图像Contrast Image),则是采用造影剂拍摄的。通过将这两张由X射线探测器的对数测量值获得的照片的数字图像数据进行相减,照片中相同的解剖背景消失,从而只给出纯粹的的血管图像。
数字减影血管造影术(DSA)是显示血管影像的标准技术,有着重要的医学地位。然而,由于病人的自主或不自主运动,DSA减影结果中常常含有干扰影像(伪影),这极大地影响了DSA的诊断价值,而伪影的消除本质上是一个图像配准的过程,即让蒙片(没有造影剂的X射线影像)和对比片(血管中含有造影剂的X射线影像)的相同的解剖组织在空间位置上对准,然后进行数字减影,去掉骨骼和软组织,得到仅含有血管影像。对于外周(四肢)DSA中的伪影消除,国内现有的实用配准技术是手动、半自动及全自动的像素平移配准(Pixel Shifting)方法。其中最先进的是全自动方法,与手动、半自动方法比较,全自动的方法最为先进,效率有了很大提高,但这种像素平移的配准方法对于伪影消除效果却并不理想,常常的现象是消除了某个局部的伪影,而图像的其他地方又多出了平移图像带来的新的伪影。这是由于病人的自主或不自主运动相当复杂,并非单一的平动。还有一些更高级的用于外周DSA配准的技术,采用了更复杂的图像变形模型,但由于图像运动估计的可靠性不高或算法太过耗时而医疗实用性较差。
发明内容
本发明目的是解决现有技术的缺陷,提供一种自动外周DSA弹性配准方法,该目的由以下技术方案实现:
一种自动外周DSA弹性配准方法,其特征在于,包括如下步骤:
(1)输入蒙片和对比片;
(2)对蒙片合理划分子区域;
(3)检测蒙片特征点;
(4)特征点运动矢量估计;
(5)变换模型参数最优化求解,得到全图每个象素的运动矢量;
(6)根据全图的每个像素的运动矢量,对蒙片进行弹性形变;
(7)结束。
上述方法步骤(3)中,检测蒙片特征点时采用改进的Harris算法,首先对方向偏导进行低通滤波,然后再进行角点检测;其中,角点测度C(x),(x=[x,y]T)为:C(x)=det(G)+k×trace2(G)
W(x)取为以x=[x,y]T为中心的5×5的区域,Ix,Iy分别表示该区域内每像素点的x,y方向灰度偏导数,k取值0.03。
上述方法步骤(4)中,特征点运动矢量估计是基于直方图能量相似准则进行的,首先对蒙片和对比片提取梯度信息,梯度差直方图能量最大即为最佳匹配,其中采用爬山快速搜索算法。
上述方法步骤(5)中,变换模型采用仿射变换模型,并采用奇异值分解算法求解出了仿射模型过定方程的最小二乘意义下的最优解,从而得到了全局每个像素的运动矢量。
上述方法步骤(6)中,通过双线性插值的方法对蒙片进行弹性形变。
本发明较现有技术有以下一些优点:
①伪影消除能力优秀,对于不同局部的不同运动造成的伪影都能很好地消除,不会有像素平移方法的顾此失彼的结果;
②全自动,不需要任何繁琐的交互操作,极大地提高了医生的工作效率;
③可靠性高,无论是在特征提取,运动估计及全局各像素运动优化过程均采用了有针对性的先进算法,提高了整个配准过程的可靠性;
④耗时小,完全达到了医疗实用的标准,对于配准过程的每个环节都着重考虑了实时性的问题,对图像进行合理的自动子区域划分,仅对图像中分布合理的最有效的特征点进行提取和运动估计,并且在运动估计中采用快速搜索算法,在优化求解过程中又采用了快速的矩阵奇异值分解算法,测试表明:整个配准过程对于CPU P4 2.0,内存512M的普通系统配置下,1024*1024大小的图像配准仅需要2秒钟左右便可完成,这使得该方法具有很高的实用价值。
附图说明
图1为本发明自动外周DSA弹性配准方法的流程图;
图2中,左上方为不含血管的特征区域的示意图、左下方为含血管的特征区域的示意图、中上方为针对不含血管的特征区域正确匹配时的梯度差分直方图、中下方为针对含血管的特征区域正确匹配时的梯度差分直方图、右上方为针对不含血管的特征区域错误匹配时的梯度差分直方图、右下方为针对含血管的特征区域错误匹配时的梯度差分直方图;
图3中,左上方为蒙片各像素运动矢量图、右上方为对比片示意图、左下方为采用本发明自动外周DSA弹性配准后减影的效果图、右下方为直接减影的效果图。
具体实施方式
请结合参阅图1,本发明提供一种自动外周DSA弹性配准方法,包括如下步骤:
(1)输入蒙片和对比片;
(2)对蒙片合理划分子区域;
(3)检测蒙片特征点;
(4)特征点运动矢量估计;
(5)变换模型参数最优化求解,得到全图每个象素的运动矢量;
(6)根据全图的每个像素的运动矢量,对蒙片进行弹性形变;
(7)结束。
上述自动外周DSA弹性配准方法中存在以下待解决的技术难点:①四肢部位特征较少,当特征选取不当时,会由于孔径效应而造成运动估计不可靠,即在一条直线上去定位某一线段;②蒙片和对比片由于造影剂的存在,相同部位图像差异很大,通常的特征匹配算法不能适应;③四肢部位可以很好地近似为刚体,即内部变形可以忽略,但其相对运动通常包含径向轻微的转动和投影面上的轻微转动,将其变换模型简单地近似为平动模型会产生较大的配准误差;④从稀疏特征点的运动矢量估计全局图像每个像素运动矢量的最优化方法。通常的做法是直接插值,但这样的做法会使个别特征点的估计偏差会严重影响到该点周围邻域像素的运动矢量精度。
本发明分析了造成这些技术难点的本质原因,并针对主要的技术难点提出了相应的解决办法。
①采用改进的Harris算法检测蒙片特征点:对Harris角点检测算法进行了改进,并调节了相应参数,使之快速检测X射线透视图像的角点。
角点测度C(x),(x=[x,y]T)为:C(x)=det(G)+k×trace2(G)
其中W(x)取为以x=[x,y]T为中心的5×5的区域,Ix,Iy分别表示该区域内每像素点的x,y方向灰度偏导数。为了适合X射线透视图像的角点检测,我们的主要改进为,首先对方向偏导进行低通滤波(采用与区域大小相适合的5×5平均滤波),然后再进行角点检测;在大量实验下,确定了如下的参数:(a)采用5×5的区域;(b)k取值0.03。
并跟据蒙片大小对其进行了合理的子区域划分(N个,可根据需要认为指定),子区域分布均匀且之间有合理的距离,对每个子区域提取出一个特征点(最大角点测度)作为候选特征点,然后选取其中角点测度最大的M(M<N,根据需要指定,通常50左右足够了)个作为最终的特征点。
②由于造影剂的注入使得含有血管的相同部位的蒙片和对比片图像存在非常大的差异,通常的匹配相似准则是不适用用的,在这里采用了基于直方图能量的相似准则很好地解决了这个问题。并且在匹配过程中为了提高匹配的可靠性,首先对蒙片和对比片提取了梯度信息,梯度差直方图能量最大即为最佳匹配,如图2所示,可见差分直方图能量最大相似准则无论特征区域内是否包含血管,在正确匹配的时候直方图具有明显峰值,此时直方图能量最大;而其他相似准则在特征区域包含血管时无法判断是否正确匹配;为了提高匹配速度,采用了爬山快速搜索算法。
③采用像素平移的配准方法始终不能得到满意的结果,是因为病人外周的运动并非简单的平动,实验证明采用仿射变换模型能非常好地近似外周的轻微径向或水平面上的转动、平动和扭曲等合成的运动模型,而采用更高次的非线性变换模型在外周DSA配准中除了显著增加了运算量外,对改善配准质量并没有特别大的提高。
④直接采用插值特征点运动适量来获得全图每个像素运动适量的方法会非常依赖于每个特征点运动估计的可靠性和精确度,这里采用了奇异值分解算法求解出了仿射模型过定方程的最小二乘意义下的最优解,进而得到了全局每个像素的运动矢量。该方法的最大优点是使个别特征点的不可靠不精确运动估计对全局的影响最小化,从而增强了整个配准方案的可靠性。
⑤最后利用全图的每个像素的运动矢量,通过双线性插值的方法对蒙片进行了弹性变形,整个图像配准的过程就结束了。
本发明提供的外周DSA弹性配准方法通常在医疗影像工作站上使用。外周DSA弹性配准方法经过C++编程语言在计算机上实现,封装成一个DLL模块。这个模块主要集成在医疗影像工作站上。医疗影像工作站的软件调用外周DSA弹性配准方法的接口,输入图像数据就可以得到经过外周DSA弹性配准方法处理后的DSA图像。
Claims (5)
1.一种自动外周DSA弹性配准方法,其特征在于,包括如下步骤:
(1)输入蒙片和对比片;
(2)对蒙片合理划分子区域;
(3)检测蒙片特征点;
(4)特征点运动矢量估计;
(5)变换模型参数最优化求解,得到全图每个象素的运动矢量;
(6)根据全图的每个像素的运动矢量,对蒙片进行弹性形变;
(7)结束。
2.如权利要求1所述的自动外周DSA弹性配准方法,其特征在于,步骤(3)中,检测蒙片特征点时采用改进的Harris算法,首先对方向偏导进行低通滤波,然后再进行角点检测;其中,角点测度C(x),(x=[x,y]T)为:C(x)=det(G)+k×trace2(G)
W(x)取为以x=[x,y]T为中心的5×5的区域,Ix,Iy分别表示该区域内每像素点的x,y方向灰度偏导数,k取值0.03。
3.如权利要求1所述的自动外周DSA弹性配准方法,其特征在于,步骤(4)中,特征点运动矢量估计是基于直方图能量相似准则进行的,首先对蒙片和对比片提取梯度信息,梯度差直方图能量最大即为最佳匹配,其中采用爬山快速搜索算法。
4.如权利要求1所述的自动外周DSA弹性配准方法,其特征在于,步骤(5)中,变换模型采用仿射变换模型,并采用奇异值分解算法求解出了仿射模型过定方程的最小二乘意义下的最优解,从而得到了全局每个像素的运动矢量。
5.如权利要求1所述的自动外周DSA弹性配准方法,其特征在于,步骤(6)中,通过双线性插值的方法对蒙片进行弹性形变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007100313699A CN101161201A (zh) | 2007-11-08 | 2007-11-08 | 自动外周dsa弹性配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007100313699A CN101161201A (zh) | 2007-11-08 | 2007-11-08 | 自动外周dsa弹性配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101161201A true CN101161201A (zh) | 2008-04-16 |
Family
ID=39296240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007100313699A Pending CN101161201A (zh) | 2007-11-08 | 2007-11-08 | 自动外周dsa弹性配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101161201A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103428407A (zh) * | 2012-05-25 | 2013-12-04 | 信帧电子技术(北京)有限公司 | 一种视频中打架的侦测方法 |
CN102131462B (zh) * | 2008-08-13 | 2014-06-25 | 皇家飞利浦电子股份有限公司 | 用于心脏减影的掩模构造 |
CN106821404A (zh) * | 2017-01-20 | 2017-06-13 | 北京东软医疗设备有限公司 | 血管造影方法和系统 |
CN108852386A (zh) * | 2017-03-28 | 2018-11-23 | 佳能医疗系统株式会社 | 医用图像处理装置、医用图像处理方法及x射线诊断装置 |
CN110245671A (zh) * | 2019-06-17 | 2019-09-17 | 艾瑞迈迪科技石家庄有限公司 | 一种内窥镜图像特征点匹配方法及系统 |
-
2007
- 2007-11-08 CN CNA2007100313699A patent/CN101161201A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102131462B (zh) * | 2008-08-13 | 2014-06-25 | 皇家飞利浦电子股份有限公司 | 用于心脏减影的掩模构造 |
CN103428407A (zh) * | 2012-05-25 | 2013-12-04 | 信帧电子技术(北京)有限公司 | 一种视频中打架的侦测方法 |
CN103428407B (zh) * | 2012-05-25 | 2017-08-25 | 信帧机器人技术(北京)有限公司 | 一种视频中打架的侦测方法 |
CN106821404A (zh) * | 2017-01-20 | 2017-06-13 | 北京东软医疗设备有限公司 | 血管造影方法和系统 |
CN108852386A (zh) * | 2017-03-28 | 2018-11-23 | 佳能医疗系统株式会社 | 医用图像处理装置、医用图像处理方法及x射线诊断装置 |
CN110245671A (zh) * | 2019-06-17 | 2019-09-17 | 艾瑞迈迪科技石家庄有限公司 | 一种内窥镜图像特征点匹配方法及系统 |
CN110245671B (zh) * | 2019-06-17 | 2021-05-28 | 艾瑞迈迪科技石家庄有限公司 | 一种内窥镜图像特征点匹配方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109754387B (zh) | 一种全身骨显像放射性浓聚灶的智能检测定位方法 | |
Zheng et al. | Automatic aorta segmentation and valve landmark detection in C-arm CT: application to aortic valve implantation | |
CN110047082B (zh) | 基于深度学习的胰腺神经内分泌肿瘤自动分割方法及系统 | |
CN100586371C (zh) | 一种基于磁共振三维肾图的图像处理系统 | |
US20160117797A1 (en) | Image Processing Apparatus and Image Processing Method | |
CN105825516A (zh) | 一种dicom影像血流分析系统 | |
Gupta et al. | Cardiac MR perfusion image processing techniques: a survey | |
CN109767459B (zh) | 新型眼底图配准方法 | |
CN101161201A (zh) | 自动外周dsa弹性配准方法 | |
WO2019220417A1 (en) | Method and system for automatically generating and analyzing fully quantitative pixel-wise myocardial blood flow and myocardial perfusion reserve maps to detect ischemic heart disease using cardiac perfusion magnetic resonance imaging | |
CN108510493A (zh) | 医学图像内目标对象的边界定位方法、存储介质及终端 | |
CN110838140A (zh) | 基于混合监督学习的超声和核磁图像配准融合方法及装置 | |
CN103606152A (zh) | 基于sift特征点聚类及布尔差运算的dsa血管图像分割方法 | |
JP5510619B1 (ja) | 画像処理装置 | |
CN106548491B (zh) | 一种图像配准方法、其图像融合方法及其装置 | |
Kim et al. | Automatic segmentation of the left ventricle in echocardiographic images using convolutional neural networks | |
WO2018103015A1 (zh) | 一种环形伪影修正的方法及装置 | |
US10217230B2 (en) | X-ray image processing apparatus, X-ray image processing method, and storage medium | |
KR101028798B1 (ko) | 다중 페이즈 간 ct영상들의 정합을 이용한 간세포암 검출방법 | |
US8170321B2 (en) | System and method for contour tracking in cardiac phase contrast flow MR images | |
Li et al. | Pseudo ground truth based nonrigid registration of myocardial perfusion MRI | |
US20220338829A1 (en) | Automatic Determination of a Motion Parameter of the Heart | |
CN116071250A (zh) | 一种脑动脉狭窄闭塞的asl图像处理系统、设备及终端 | |
CN104361606B (zh) | X射线造影图像序列中的心动周期恢复方法 | |
Cao et al. | DSA image registration based on multiscale Gabor filters and mutual information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080416 |