CN101903885A - 基于一致性度量的图像配准 - Google Patents

基于一致性度量的图像配准 Download PDF

Info

Publication number
CN101903885A
CN101903885A CN200880121106XA CN200880121106A CN101903885A CN 101903885 A CN101903885 A CN 101903885A CN 200880121106X A CN200880121106X A CN 200880121106XA CN 200880121106 A CN200880121106 A CN 200880121106A CN 101903885 A CN101903885 A CN 101903885A
Authority
CN
China
Prior art keywords
objects
subdivision
volume
interest
registration
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
Application number
CN200880121106XA
Other languages
English (en)
Inventor
R·维姆克
S·卡布斯
T·比洛
R·奥普弗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101903885A publication Critical patent/CN101903885A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Abstract

一种方法，包括将第一图像的第一子部分与第二图像的对应的第二子部分配准，并且将第二图像的第二子部分与第一图像的对应的第三子部分配准。第一子部分包含第一感兴趣对象，并且第三子部分包含第三感兴趣对象。该方法还包括当第一和第三感兴趣对象充分相似时减小第一子部分的尺寸。该方法还包括重复配准第一子部分、配准第二子部分、以及减小第一子部分的尺寸的步骤直到第一和第三对象不充分相似为止。

Description

基于一致性度量的图像配准
本发明大体涉及基于一致性度量来配准医疗成像图像，并且本发明尤其应用于计算机断层摄影(CT)。然而，其也适于其他医疗成像应用和非医疗成像应用。
诸如计算机断层摄影(CT)、磁共振(MR)、超声(US)、单光子发射计算机断层摄影(SPECT)、正电子发射断层摄影(PET)和x射线的医疗成像形式在诸如癌症的疾病诊断中扮演重要角色。例如，可以使用它们非侵入地获得指示身体中生理组织的信息，并且可以使用这些信息帮助确定肿瘤是良性的还是恶性的。典型地，这种非侵入技术比诸如活组织检查的侵入技术风险更小并且成本更低。另外，对于相对较小的肿瘤，诸如10毫米或者更小的肿瘤，确定活组织检查针是否击中肿瘤可能相对困难。
更具体地，可以使用诸如CT图像的图像执行不同的诊断。通过举例的方式，可以使用均包括指示同一个肿瘤、但是从在诸如间隔一个月至六个月的不同时刻所采集的数据生成的信息的两幅CT图像，通过将第一图像中肿瘤的尺寸与第二图像中同一个肿瘤的尺寸进行比较获取肿瘤随着时间的生长。概括地说，肿瘤尺寸的增大大于预置阈值(例如，20％)指示该肿瘤是恶性的，而不生长或者小于阈值的生长指示该肿瘤是良性的。
不幸的是，当对这些图像进行比较时，由于患者姿态的不同，诸如肺的一些器官可能不在两幅图像中的相同位置。因而，两幅图像之间的空间配准可能有问题。例如，为了找到显示用于与来自第一次扫描的第一图像进行比较的肿瘤的图像，临床医生可能必须手动查看采用在第二次扫描中所采集的数据生成的、第二个图像集合中的许多图像(例如，200幅或者更多)。即使在空间配准之后，在肺内部诸如肿瘤的结构也可能由于呼吸状态的不同不在同一个位置。
采用自动肿瘤生长评估，将肿瘤在第一图像中的位置自动匹配到第二图像中的位置。使用弹性配准技术，第一图像到第二图像的完全配准是可能的，即使可能存在患者姿态差异、解剖区间变化、以及呼吸状态差异，弹性配准技术也允许成像扭曲。不幸的是，弹性配准可能扭曲图像中的肿瘤，并且因此可能改变肿瘤的尺寸，当执行差异诊断时这是有问题的。
本申请的各方面解决了上面所提出的问题以及其他问题。
根据一个方面，一种方法包括将第一图像的第一子部分与第二图像的对应的第二子部分配准，将第二图像的第二子部分与第一图像的对应的第三子部分配准。第一子部分包含第一感兴趣对象，并且第三子部分包含第三感兴趣对象。该方法还包括当第一和第三感兴趣对象充分相似时减小第一子部分的尺寸。该方法还包括重复配准第一子部分、配准第二子部分、以及减小第一子部分的尺寸直到第一和第三对象不充分相似为止的步骤。
根据另一个方面，一种图像配准系统包括将第一图像的第一感兴趣体积与第二图像的对应的第二感兴趣体积配准和将第二图像的第二感兴趣体积与第一图像的对应的第三感兴趣体积反向配准的配准部件。第一感兴趣体积包括第一感兴趣对象，并且第三感兴趣体积包括第三感兴趣对象。该系统还包括确定第一感兴趣对象和第三感兴趣对象之间一致性值的一致性确定部件。一致性值指示第一感兴趣对象和第三感兴趣对象之间的相似性。该系统还包括基于一致性值确定第一感兴趣体积的尺寸是否减小的判决部件。
根据另一个方面，一种方法包括迭代地减小第一图像中感兴趣体积的尺寸直到第一和第二图像之间感兴趣体积的前向和反向配准之间的一致性误差变得大于一致性误差阈值为止。该方法还包括呈现第一图像的第一感兴趣体积和第二图像的第二感兴趣体积，其中，第一感兴趣体积和第二感兴趣体积的尺寸与在前向配准和反向配准之间的一致性误差小于一致性误差阈值时的感兴趣体积的尺寸对应。
本发明可以以各种部件和部件的布置，和各种步骤和步骤的布置而变得明显。附图仅仅是为了图示说明优选实施例的目的，而不应被解读为限制本发明。
图1图示说明了一种医疗成像装置；
图2图示说明了示例性图像配准部件；
图3图示说明了一种方法；
图4图示说明了在两个图像中VOI的初始配准；
图5图示说明了在经配准的VOI之间的一致性检查；
图6图示说明了在两幅图像中VOI的精确配准。
首先参考图1，计算机断层摄影(CT)扫描仪100包括静止台架102，从扫描期间其一般是静止的意义上来讲其是静止的。然而，可以配置该静止台架102倾斜以及/或者以其它方式移动。
计算机断层摄影(CT)系统100还包括可旋转耦合到静止台架102的旋转台架104。该旋转台架104围绕检查区域106关于纵轴或者z轴108旋转。
诸如x射线管的辐射源110由旋转台架104支撑并与旋转台架104一起围绕检查区域106旋转。辐射源110一般发射横贯检查区域106的扇形、楔形、或者锥形辐射。也可以考虑使用第四代系统。
辐射敏感探测器阵列112探测由辐射源110发射的横贯检查区域106的光子，并且生成指示所探测辐射的投影数据。所图示说明的辐射敏感探测器阵列112包括在z轴方向上延伸的多行辐射敏感光传感器、以及在横向方向上延伸的多列辐射敏感光传感器。也预期单行探测器阵列结构。
重建器114重建来自探测器的投影数据，从而生成指示患者内部解剖体的体积图像数据。
图像处理器116对由重建器114所生成的体积图像数据进行处理，以便以人类可读形式显示。
诸如卧榻的患者支撑物118在检查区域106中支撑患者。患者支撑物118可与旋转台架104的旋转协同沿着z轴108移动，从而促成螺旋状、轴向、或者其他期望扫描轨道。
通用计算系统120作为操作员控制台。操作员控制台120包括诸如显示器和/或打印机的人类可读输出设备以及诸如键盘和/或鼠标的输入设备。驻留在控制台120上的软件允许操作者控制系统100的操作，例如，通过允许操作员选择扫描协议、发起并且终止扫描、观看和/或操控体积图像数据、和/或以其它方式与系统100交互。
可以使用存储部件122存储由重建器114生成的体积图像数据和/或由图像处理器116生成的一个或多个图像。
使用配准系统124基于一致性度量对在不同时刻采集的数据进行配准。一致性确定部件126确定一致性度量。如下面更详细描述的，配准系统124执行迭代配准，其中，基于一致性度量使所配准图像中诸如感兴趣区域(ROI)或者感兴趣体积(VOI)的、包含感兴趣对象的图像子部分的尺寸最优化。在一个实例中，最优化确保图像之间感兴趣对象的一致明确匹配，同时减少了周围的外部解剖结构。
图2进一步图示说明了配准部件124。对于下列讨论，注意到，使用在第一时间采集的数据生成第一图像，并且使用在第二时间采集的数据生成第二图像，该第二时间可能是第一时间之后的数周、数月等。
感兴趣对象识别器202识别第一图像中的第一感兴趣对象。在一个实例中，感兴趣对象识别器202基于用户输入识别第一感兴趣对象。例如，用户可以使用鼠标、键盘和/或其他输入设备在第一图像中选择第一感兴趣对象。
感兴趣体积生成器204在第一图像中在所识别的第一感兴趣对象周围生成第一感兴趣体积(VOI)。在一个实例中，第一VOI的初始形状和尺寸是预配置的。合适的形状可能取决于感兴趣对象和/或感兴趣对象在身体内中的位置。将初始尺寸设置得充分大以包括对于将VOI明确匹配到另一幅图像足够的背景信息。用户定义的形状和/或尺寸也是预期的。另外，VOI可以限制于一个或多个特定器官。
前向配准部件206将第一图像中的第一感兴趣对象和第一VOI与第二图像中的对应的第二感兴趣对象和第二VOI配准。第二感兴趣对象表示第二图像中被认为是对应于第一图像中第一感兴趣对象的结构。第一VOI提供了有助于匹配第一和第二感兴趣对象的背景信息。
在所说明的示例中使用诸如刚性配准的体积保持配准。通过最优化第一VOI中的第一图像值和第二VOI中的第二图像值之间的相似性量度来计算刚性配准。这可以包括对于每个体素计算第一图像和第二图像之间的差异。为了最优化，改变第二VOI的位置、取向和/或比例，直到达到第一感兴趣对象和第二感兴趣对象之间的最佳相似性为止。
在所说明的实施例中，仅计算第一和第二VOI区域之间的相似性量度。相似性量度可以基于相关性、均方根偏差、交互信息等。为了平滑，可以根据(例如，高斯)加权贡献对相似性量度求和，其中权重从VOI中心到外围递减。最优化技术可以是穷举、随机、高斯-牛顿等。
反向配准部件208将第二图像中的第二感兴趣对象与第一图像中对应的第三感兴趣对象配准，第二VOI提供了有助于这种匹配的背景信息。第三感兴趣对象表示第一图像中被认为是对应于第二图像中第二感兴趣对象的结构，并且因此，表示第一图像中被认为是第一感兴趣对象的结构。采用明确配准，所得到的第三感兴趣对象应该与第一感兴趣对象充分相符。第二VOI提供了有助于匹配第二和第三感兴趣对象的背景信息。再次，使用诸如刚性配准的体积保持配准。
一致性确定部件126测量第一图像中第一感兴趣对象和第三感兴趣对象之间的一致性。在所说明的实施例中，通过确定第一感兴趣对象和第三感兴趣对象之间诸如欧几里德距离的距离来计算一致性度量。等式1说明了用于计算第一和第三感兴趣对象之间、通过体素总数目归一化的欧几里德距离的示例算法。
等式1： D = Σ i ( x i 1 - x i 0 ) 2 + ( y i 1 - y i 0 ) 2 + ( z i 1 - z i 0 ) 2 ,
其中，D代表欧几里德距离，i代表体素总数目，并且x、y和z代表体素的坐标。
注意到，在严格意义上，一致性度量不保证能够识别错误匹配。理论上，可能出现错误的、但反向/前向一致的匹配。然而，一致性度量可以提供对错误匹配的充足指示。
判决部件210基于一致性度量确定VOI的尺寸是否是最优化的，该最优化是在该VOI一般是可以将第三感兴趣对象与第一感兴趣对象明确匹配的最小尺寸的意义上的。在一个实例中，判决部件210基于关于一致性度量是大于还是小于预置一致性阈值来进行判决。
如果一致性度量小于阈值，判决部件210就调用感兴趣区域生成器204缩减或者减小第一VOI的尺寸。在一个实例中，按照诸如30％的预置百分比减少VOI的体积。在另一个实例中，按照预置体积减少VOI的体积。也预期其他减少方式。然而，当一致性度量变得大于阈值时，判决部件210将其一致性度量小于阈值的最后一个VOI识别为最优VOI。
存储部件212存储VOI。例如，当一致性度量小于阈值时，将VOI存储在存储部件212中。同样，如果用于下一个VOI的一致性度量大于一致性阈值，当前VOI是可利用的。
讨论各种变化。
在所说明的实施例中，用户识别第一感兴趣对象。在可选实施例中，感兴趣对象识别器202基于期望的组织类型的一个或多个特征识别第一图像中的候选感兴趣对象。这种识别可以基于第一图像中的灰度级值和/或其他特征。
在所说明的实施例中，在感兴趣对象周围生成感兴趣VOI。在可选实施例中，使用感兴趣区域(ROI)。同样，初始ROI尺寸充足大，并且最终ROI尺寸使得它提供一致明确匹配、同时减少外部解剖结构。
VOI可以是不同形状的。例如，合适的形状包括但是不限于立方体、圆柱体、球体、椭圆体、和/或其他形状。当使用ROI而不是VOI时，可以使用相对应的二维形状。
在所说明的实施例中，将初始VOI设置为相对较大，并且随后减少尺寸直到一致性度量变得大于一致性阈值为止。在另一个实施例中，可以将初始VOI(或ROI)设置为相对小，并且随后增大其尺寸直到一致性度量变得小于一致性阈值为止。
在所说明的实施例中，使用刚性配准来保持在VOI中的结构的尺寸。在另一个实施例中，使用弹性配准。在一个实例中，与弹性配准一起使用一系列约束，使得不扭曲感兴趣对象。
应该理解，配准系统124可以是医疗成像系统(如所示)的部分或者是与医疗成像系统分离的工作站的部分。
现在结合图3-6描述操作。
在302处，在第一图像中识别第一感兴趣对象。如上所述，这可以经手动或者自动方法实现。
在304处，在第一感兴趣对象周围生成第一VOI(或者ROI)。对于所选择的感兴趣对象，为了为第一VOI与另一幅图像中的VOI的明确配准捕获足够的解剖背景，算法预见以相对大的固定尺寸的VOI开始。
图4示出了具有第一感兴趣对象402和第一VOI 404的示例性第一图像400。在本示例中，第一VOI 404是立方体形的。
返回图3，在306处，在第二图像中匹配对应的第二VOI和感兴趣对象。
返回图4，平移、旋转和/或缩放对应的VOI 406，直到基于相似性量度第二图像408中的VOI 406与第一图像400中的VOI 404最相似为止。匹配算法对第二图像408中最可能的对应感兴趣对象410进行识别。如上所述，第二图像408中VOI 402的配准可以是刚性的以保持解剖体的形状并且不影响肿瘤生长评估。
返回图3，在308处执行反向配准。对于反向配准，基于第二图像中的第二VOI和感兴趣对象在第一图像中识别第三VOI和感兴趣对象。如上所述，第三感兴趣对象应该与第一感兴趣对象匹配。
在310处，确定第一感兴趣对象和第三感兴趣对象之间的一致性度量或者误差。在所说明的实施例中，一致性度量是第一和第三感兴趣对象之间的欧几里德距离，其提供了对第一和第三感兴趣对象之间匹配的客观量度。
图5示出了第一感兴趣对象402(“P1”)、第二感兴趣对象410(“P2”)和第三感兴趣对象(“P3”)、以及P1和P3之间的距离(“D”)。
返回图3，在312处，将一致性度量与预置的阈值进行比较。如果一致性度量小于阈值，那么在314处减小第一VOI的尺寸，并且再次执行动作306至312。当一致性度量变得大于阈值时，则在316处，选择最后的在其处一致性度量小于阈值的VOI尺寸。
这样，VOI尺寸逐渐或者迭代地减小，直到丢失了如此多背景信息以至于匹配不再互逆并且因此一致性误差变得过大为止。换言之，如果VOI尺寸变得如此小以至于VOI的匹配开始变得不明确，那么前向和后向配准之间的匹配将变得不一致。
图6示出了一个示例，其中，基于一致性度量迭代减小初始VOI尺寸602经过VOI尺寸604和606，直到获得最优尺寸608为止。注意到，在图6中，采用圆柱形VOI，而图4和图5中VOI的形状是立方体。
返回图3，在316处，将产生最后一个仍然可接受的一致性误差的VOI呈现给用户，该用户可以例如是放射线学者或者自动生长评估算法。这样，当匹配一致性误差增大到可容忍水平之上时，该过程中止，并且呈现对应于仍产生一致匹配的最佳VOI的匹配解决方案。
总之，期望最终VOI的尺寸尽可能小，这是因为最重要的任务是感兴趣对象的匹配，该感兴趣对象不应该受诸如肺壁、肋骨、血管或者器官的其他结构影响，其中该其他结构可能在两个图像体积之间已经相对于感兴趣对象改变了位置。另一方面，如果VOI尺寸选择得过小，那么因为丢失了过多背景信息，所以不再可能得到两个VOI的明确匹配。通常的根本想法是VOI尺寸应该足够大以建立一致明确匹配，但是足够小以尽可能精确地将所选结构的位置匹配到另一幅图像中的对应位置，而不会被远处的解剖结构扰乱。
在这里结合计算机断层摄影医疗成像应用对实施例进行描述。然而，应该理解，可以附加地或者备选地与期望在其中捕获辐射频谱方面的其他医疗成像应用和/或非医疗成像应用一起使用本发明。
参考优选实施例对本发明进行了描述。在阅读和理解了前述详细说明的基础上，可以对其进行修改和改变。旨在将本发明解释为包括所有这些修改和改变只要他们落在所附权利要求或者其等同替代范围内。

Claims (20)

1.一种方法，包括：
将第一图像的第一子部分与第二图像的对应的第二子部分配准，其中，所述第一子部分包含第一感兴趣对象；
将所述第二图像的所述第二子部分与所述第一图像的对应的第三子部分配准，其中，所述第三子部分包含第三感兴趣对象；
当所述第一感兴趣对象和所述第三感兴趣对象充分相似时减小所述第一子部分的尺寸；以及
重复配准所述第一子部分、配准所述第二子部分、以及减小所述第一子部分的尺寸的步骤，直到所述第一对象和所述第三对象不充分相似为止。
2.如权利要求1所述的方法，还包括确定指示所述第一感兴趣对象和所述第三感兴趣对象之间的相似性的一致性度量，并且基于所述一致性度量重复配准所述第一子部分、配准所述第二子部分、以及减小所述第一子部分的尺寸的步骤。
3.如权利要求2所述的方法，还包括通过计算所述第一感兴趣对象和所述第三感兴趣对象之间的欧几里德距离来计算所述一致性度量。
4.如权利要求3所述的方法，还包括将所述一致性度量与预置的一致性阈值进行比较，以确定所述第一感兴趣对象和所述第三感兴趣对象是否充分相似。
5.如权利要求1所述的方法，其中，所述第二子部分包含第二感兴趣对象，并且所述方法还包括呈现对应于所述第一感兴趣对象和所述第三感兴趣对象于其处充分相似的所述第一子部分和所述第二子部分的所述第一子部分和所述第二子部分。
6.如权利要求5所述的方法，其中，所呈现的第一子部分和第二子部分具有包括足够解剖内容以将所述第一子部分与所述第二子部分明确配准的尺寸。
7.如权利要求1所述的方法，其中，所述第一子部分和所述第三子部分是感兴趣体积。
8.如权利要求1所述的方法，其中，按照固定百分比减小所述第一子部分的尺寸。
9.如权利要求1所述的方法，还包括使用体积保持配准，其中，仅采用平移、取向和缩放中的一个或多个来配准各子部分。
10.如权利要求1所述的方法，其中，所述第二子部分包含第二感兴趣对象，并且所述方法还包括最优化所述第一子部分和所述第二子部分中的图像值与所述第二子部分和所述第三子部分中的图像值之间的相似性量度。
11.如权利要求1所述的方法，其中，所述感兴趣对象是肿瘤。
12.一种图像配准系统，包括：
配准部件(124、206、208)，其将第一图像的第一感兴趣体积与第二图像的对应的第二感兴趣体积配准，并且将所述第二图像的所述第二感兴趣体积与所述第一图像的对应的第三感兴趣体积反向配准，其中，所述第一感兴趣体积包括第一感兴趣对象，并且所述第三感兴趣体积包括第三感兴趣对象；
一致性确定部件(126)，其确定所述第一感兴趣对象和所述第三感兴趣对象之间的一致性值，其中，所述一致性值指示所述第一感兴趣对象和所述第三感兴趣对象之间的相似性；以及
判决部件(210)，其基于所述一致性值确定是否减小所述第一感兴趣体积的尺寸。
13.如权利要求12所述的系统，其中，所述判决部件(210)将所述一致性值与一致性阈值进行比较，以确定是否减小所述第一感兴趣体积的尺寸。
14.如权利要求12所述的系统，其中，所述一致性值是所述第一感兴趣对象和所述第三感兴趣对象之间的欧几里德距离，并且通过用于确定所述一致性值的体素总数目对所述欧几里德距离进行归一化。
15.如权利要求1所述的方法，其中，按照固定体积减小所述第一感兴趣体积的尺寸。
16.如权利要求1所述的方法，其中，所述一致性值基于相关性、均方根偏差、或者交互信息中的至少一个以配准所述感兴趣体积。
17.如权利要求1所述的方法，还包括来自所述感兴趣体积的加权贡献，所述感兴趣体积具有从所述感兴趣体积的中心到所述感兴趣体积的外围递减的权重。
18.如权利要求1所述的方法，其中，所述配准部件(124、206、208)采用穷举配准、随机配准、或高斯-牛顿配准之一。
19.一种方法，包括：
迭代地减小第一图像中感兴趣体积的尺寸直到在第一图像和第二图像之间的所述感兴趣体积的前向配准和反向配准之间的一致性误差变得大于一致性误差阈值为止；以及
呈现所述第一图像的第一感兴趣体积和所述第二图像的第二感兴趣体积，其中，所述第一感兴趣体积和所述第二感兴趣体积的尺寸与在所述前向配准和所述反向配准之间的所述一致性误差小于所述一致性误差阈值处的所述感兴趣体积的尺寸对应。
20.如权利要求19所述的方法，其中，所述第一感兴趣体积和所述第二感兴趣体积包括用于将所述第一感兴趣体积与所述第二感兴趣体积明确配准以使得所述第一感兴趣体积中的第一感兴趣对象充分映射到所述第二感兴趣体积中的第二感兴趣对象的足够解剖内容，其中，所述第一感兴趣对象和所述第二感兴趣对象对应于同一解剖结构。
CN200880121106XA 2007-12-18 2008-12-12 基于一致性度量的图像配准 Pending CN101903885A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US1446407P 2007-12-18 2007-12-18
US61/014,464 2007-12-18
PCT/IB2008/055254 WO2009077955A1 (en) 2007-12-18 2008-12-12 Consistency metric based image registration

Publications (1)

Publication Number Publication Date
CN101903885A true CN101903885A (zh) 2010-12-01

Family

ID=40436441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880121106XA Pending CN101903885A (zh) 2007-12-18 2008-12-12 基于一致性度量的图像配准

Country Status (5)

Country Link
US (1) US20100260392A1 (zh)
EP (1) EP2225679A1 (zh)
JP (1) JP2011506032A (zh)
CN (1) CN101903885A (zh)
WO (1) WO2009077955A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5712810B2 (ja) * 2011-06-21 2015-05-07 コニカミノルタ株式会社 画像処理装置、そのプログラム、および画像処理方法
ES2627108T3 (es) * 2012-04-03 2017-07-26 Intrasense Método de remapeo de una ROI conservando la topología entre imágenes médicas
US9053541B2 (en) * 2012-07-09 2015-06-09 Kabushiki Kaisha Toshiba Image registration
US9386908B2 (en) * 2013-01-29 2016-07-12 Gyrus Acmi, Inc. (D.B.A. Olympus Surgical Technologies America) Navigation using a pre-acquired image
US9552533B2 (en) * 2013-03-05 2017-01-24 Toshiba Medical Systems Corporation Image registration apparatus and method
US9418427B2 (en) * 2013-03-15 2016-08-16 Mim Software Inc. Population-guided deformable registration
EP3152735B1 (en) 2014-06-04 2019-04-03 Koninklijke Philips N.V. Device and method for registration of two images
JP6467669B2 (ja) * 2015-03-19 2019-02-13 株式会社ヒューマン・エンジニアリング 判定装置および判定プログラム
CN110893108A (zh) * 2018-09-13 2020-03-20 佳能医疗系统株式会社 医用图像诊断装置、医用图像诊断方法及超声波诊断装置
US20220366580A1 (en) * 2019-11-04 2022-11-17 Telefonaktiebolaget Lm Ericsson (Publ) Image registration based on key-point matching

Family Cites Families (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5550937A (en) * 1992-11-23 1996-08-27 Harris Corporation Mechanism for registering digital images obtained from multiple sensors having diverse image collection geometries
US5649032A (en) * 1994-11-14 1997-07-15 David Sarnoff Research Center, Inc. System for automatically aligning images to form a mosaic image
US5852672A (en) * 1995-07-10 1998-12-22 The Regents Of The University Of California Image system for three dimensional, 360 DEGREE, time sequence surface mapping of moving objects
US6009212A (en) * 1996-07-10 1999-12-28 Washington University Method and apparatus for image registration
US5784431A (en) * 1996-10-29 1998-07-21 University Of Pittsburgh Of The Commonwealth System Of Higher Education Apparatus for matching X-ray images with reference images
US6067373A (en) * 1998-04-02 2000-05-23 Arch Development Corporation Method, system and computer readable medium for iterative image warping prior to temporal subtraction of chest radiographs in the detection of interval changes
US6633686B1 (en) * 1998-11-05 2003-10-14 Washington University Method and apparatus for image registration using large deformation diffeomorphisms on a sphere
US6219452B1 (en) * 1999-01-06 2001-04-17 National Instruments Corporation Pattern matching system and method which performs local stability analysis for improved efficiency
US6611615B1 (en) * 1999-06-25 2003-08-26 University Of Iowa Research Foundation Method and apparatus for generating consistent image registration
AU2115901A (en) * 1999-10-21 2001-04-30 Arch Development Corporation Method, system and computer readable medium for computerized processing of contralateral and temporal subtraction images using elastic matching
WO2001067749A2 (en) * 2000-03-07 2001-09-13 Sarnoff Corporation Camera pose estimation
US6775405B1 (en) * 2000-09-29 2004-08-10 Koninklijke Philips Electronics, N.V. Image registration system and method using cross-entropy optimization
US7127093B2 (en) * 2002-09-17 2006-10-24 Siemens Corporate Research, Inc. Integrated image registration for cardiac magnetic resonance perfusion data
US7257244B2 (en) * 2003-02-24 2007-08-14 Vanderbilt University Elastography imaging modalities for characterizing properties of tissue
FR2857130A1 (fr) * 2003-07-01 2005-01-07 Thomson Licensing Sa Procede et dispositif de mesure de similarite visuelle
US7212664B2 (en) * 2003-08-07 2007-05-01 Mitsubishi Electric Research Laboratories, Inc. Constructing heads from 3D models and 2D silhouettes
US7430323B2 (en) * 2003-08-08 2008-09-30 Trustees Of The University Of Pennsylvania Method and apparatus for 4-dimensional image warping
US8090164B2 (en) * 2003-08-25 2012-01-03 The University Of North Carolina At Chapel Hill Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning
US7634301B2 (en) * 2003-09-17 2009-12-15 Koninklijke Philips Electronics N.V. Repeated examination reporting
US8265728B2 (en) * 2003-11-26 2012-09-11 University Of Chicago Automated method and system for the evaluation of disease and registration accuracy in the subtraction of temporally sequential medical images
US8280482B2 (en) * 2004-04-19 2012-10-02 New York University Method and apparatus for evaluating regional changes in three-dimensional tomographic images
US7706633B2 (en) * 2004-04-21 2010-04-27 Siemens Corporation GPU-based image manipulation method for registration applications
CN1707477B (zh) * 2004-05-31 2011-08-17 株式会社东芝 组信息生成系统和组信息生成方法
US7447382B2 (en) * 2004-06-30 2008-11-04 Intel Corporation Computing a higher resolution image from multiple lower resolution images using model-based, robust Bayesian estimation
US8233681B2 (en) * 2004-09-24 2012-07-31 The University Of North Carolina At Chapel Hill Methods, systems, and computer program products for hierarchical registration between a blood vessel and tissue surface model for a subject and a blood vessel and tissue surface image for the subject
JP2008534109A (ja) * 2005-03-31 2008-08-28 パイエオン インコーポレイテッド 管状器官内の機器を位置決めする装置および方法
US7576738B2 (en) * 2005-05-27 2009-08-18 California Institute Of Technology Method for constructing surface parameterizations
AU2006257622B2 (en) * 2005-06-13 2012-02-23 Tripath Imaging, Inc. System and method for re-locating an object in a sample on a slide with a microscope imaging device
US20070133736A1 (en) * 2005-10-17 2007-06-14 Siemens Corporate Research Inc Devices, systems, and methods for imaging
US7903851B2 (en) * 2005-10-17 2011-03-08 Siemens Medical Solutions Usa, Inc. Method and system for vertebrae and intervertebral disc localization in magnetic resonance images
US7715654B2 (en) * 2005-10-18 2010-05-11 Siemens Medical Solutions Usa, Inc. System and method for fast multimodal registration by least squares
US8260008B2 (en) * 2005-11-11 2012-09-04 Eyelock, Inc. Methods for performing biometric recognition of a human eye and corroboration of same
WO2007062135A2 (en) * 2005-11-23 2007-05-31 Junji Shiraishi Computer-aided method for detection of interval changes in successive whole-body bone scans and related computer program product and system
US20080051648A1 (en) * 2006-08-25 2008-02-28 Suri Jasjit S Medical image enhancement system
US8064664B2 (en) * 2006-10-18 2011-11-22 Eigen, Inc. Alignment method for registering medical images
US20080161687A1 (en) * 2006-12-29 2008-07-03 Suri Jasjit S Repeat biopsy system
US8175350B2 (en) * 2007-01-15 2012-05-08 Eigen, Inc. Method for tissue culture extraction
US7986823B2 (en) * 2007-05-14 2011-07-26 Siemens Aktiengesellschaft System and method for consistent detection of mid-sagittal planes for magnetic resonance brain scans
US8131038B2 (en) * 2007-08-21 2012-03-06 Siemens Aktiengesellschaft System and method for global-to-local shape matching for automatic liver segmentation in medical imaging
US8160323B2 (en) * 2007-09-06 2012-04-17 Siemens Medical Solutions Usa, Inc. Learning a coarse-to-fine matching pursuit for fast point search in images or volumetric data using multi-class classification
US20090074276A1 (en) * 2007-09-19 2009-03-19 The University Of Chicago Voxel Matching Technique for Removal of Artifacts in Medical Subtraction Images
US8175352B2 (en) * 2007-09-21 2012-05-08 Siemens Aktiengesellschaft System and method for automated magnetic resonance scan prescription for optic nerves
US8194936B2 (en) * 2008-04-25 2012-06-05 University Of Iowa Research Foundation Optimal registration of multiple deformed images using a physical model of the imaging distortion

Also Published As

Publication number Publication date
EP2225679A1 (en) 2010-09-08
US20100260392A1 (en) 2010-10-14
JP2011506032A (ja) 2011-03-03
WO2009077955A1 (en) 2009-06-25

Similar Documents

Publication Publication Date Title
CN101903885A (zh) 基于一致性度量的图像配准
CN101765865B (zh) 核成像中的运动校正
US8218848B2 (en) System and method for the generation of attenuation correction maps from MR images
US8107695B2 (en) Methods and systems for assessing patient movement in diagnostic imaging
US7116810B2 (en) Method and system for airway measurement
US8155415B2 (en) Extension of truncated CT images for use with emission tomography in multimodality medical images
US9619905B2 (en) Apparatus and method for generation of attenuation map
EP2205157B1 (en) System for quantification of neovasculature in ct volumes
CN101449289B (zh) 基于对成像基准的几何分析根据呼吸相位对4d ct的回顾性分类
US8478015B2 (en) Extension of truncated CT images for use with emission tomography in multimodality medical images
US20060293584A1 (en) Nidus position specifying system and radiation examination apparatus
CN101410060A (zh) 测定插入患者体内的对象周围的组织
EP2245592B1 (en) Image registration alignment metric
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
CN101902964A (zh) 用于改进的计算机辅助诊断的硬件肿瘤体模
CN108553121A (zh) 一种pet延迟扫描的方法和装置
US20230410313A1 (en) Image data processing to increase follow-up analysis fidelity
Gupta et al. Study on anatomical and functional medical image registration methods
CN106548473B (zh) 一种构建相位图像的方法及装置
Shamul et al. Change detection in sparse repeat CT scans with non-rigid deformations
McQuaid Characterisation and correction of respiratory-motion artefacts in cardiac PET-CT
CN117788625A (zh) 一种pet图像的散射校正方法与系统
CN117766121A (zh) 医学图像处理方法、装置以及系统
CN103654829A (zh) 一种正电子发射断层成像图像数据集的方法和装置
CN115702801A (zh) 用于减少计算机断层摄影成像中的混叠伪影的方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20101201