CN102959584A

CN102959584A - 功能磁共振图像配准方法

Info

Publication number: CN102959584A
Application number: CN2011800220059A
Authority: CN
Inventors: 范勇; 江頔; 蒋田仔
Original assignee: Institute of Automation of Chinese Academy of Science
Current assignee: Institute of Automation of Chinese Academy of Science
Priority date: 2011-12-21
Filing date: 2011-12-21
Publication date: 2013-03-06
Anticipated expiration: 2031-12-21
Also published as: US8965093B2; WO2013091181A1; CN102959584B; US20130177228A1

Abstract

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，本发明又具有更好的泛化能力。

Description

功能磁共振图像配准方法

技术领域

本发明涉及医学图像处理技术领域，特别涉及对功能磁共振脑图像进行配准的方法。

背景技术

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-basedintersubject alignment of human cortical anatomy.CerebralCortex，20(1)，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-BasedInter-Subject Cortical Alignment Using FunctionalConnectivity.NIPS，378-386.)和Langs(G.Langs，P.Golland，Y.Tie.2010.Functional Geometry Alignment and Localization ofBrain Area.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。

发明内容

本发明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。

本发明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，本发明又具有更好的泛化能力。

附图说明

图1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是本发明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发明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发明的理解，而不起任何限定作用。

如图1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示出了本发明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：

C (X, Y) = \frac{Cov (X, Y)}{\sqrt{Var (X)} * \sqrt{Var (Y)}}

在步骤210中，根据在步骤208中得到的一组相关系数值，提取具有旋转不变性的特征。具体的实施步骤为：将该组相关系数值看作一组服从某一分布的样本点，从而利用核概率密度估计的方法估计出该分布的在一组均匀采样点处的概率直方图，将概率直方图用作配准问题的特征。由于概率分布与空间领域内像素的空间位置无关，故这样提取的特征具有旋转不变的性质。核概率密度估计的计算公式为：

f_{h} (x) = \frac{1}{nh} Σ_{i = 1}^{n} K (\frac{x - x_{i}}{h})

其中，n为样本个数，x_i为样本点，x为采样点，K为某一核函数，如高斯核函数，h为核函数的核宽，f_h(x)为在采样点x处估计出的概率密度。

在步骤212中，基于在步骤208中提取的特征，需要在特征空间中定义一种衡量相似性的度量，以建立能量函数进而进行类流体DEMONS配准。假定在步骤208中的核概率密度估计时估计的采样点个数为m，则特征空间构成一个m维的欧式空间，一个自然的度量定义即为欧式距离。在这里，其他类似的衡量概率分布之间相似性的度量定义均可采用。这样，在两幅功能图像中，像素特征越相似，其距离越近；越不相似，其距离越远。基于此度量定义可构造最小二乘的能量函数，优化该能量函数以达到功能图像之间距离最小化的目的。

在优化能量函数求解形变场的同时，需要对形变场做正则化，使其在物理上有意义，即需要避免过于激烈的空间扭曲。类流体DEMONS模型是一种模拟流体运动的配准模型，利用该模型求解出的配准形变场具有类似于流体运动轨迹的性质。将形变看作是像素经过了一段位移，即g(x)＝x+u(x)，u(x)为x点处位移，g为待求形变场，设v为一次迭代中求取的形变速度场，则类流体DEMONS模型的步骤可描述如下：

1)利用梯度下降法求取速度场v；

2)将速度场卷积高斯核进行平滑，v＝v★K_Gauss；

3)将速度场叠加到位移场得到新的位移场，u＝u+v。

在步骤214中，增大空间空间邻域的范围，对应步骤206，具体的做法为增大立方体空间邻域的边长或增大球形空间邻域的半径，然后重复步骤208、210、212，依此循环。这样，在迭代中，连接模式的计算逐步从局部扩展到全局，完成基于多尺度连接模式配准的目的。

在步骤216中，输出优化过程求取的配准形变场以及基于该形变场形变之后的带配准图像。

图3给出了使用本方法输出的形变场示意图以及配准前后不同个体间一致性的比较结果。图302为某次配准后得到的形变场结果示意图。图304展示了五个常用的默认网络节点，在比较配准前后个体间一致性时，以这五个节点两两之间的功能连接(即相关系数)为指标，检验在配准后这些指标在不同个体间是否更加一致。图306为使用本方法配准前，在一组不同个体的功能图像中计算出的指标值。图308为使用本方法配准后，在同一组功能图像中计算出的指标值。明显可看出，在配准后，这些指标值更为一致。图310展示了这些指标在该组图像中的方差比较结果，蓝色为配准之前，红色为配准之后。明显可看出，配准之后的方差小于配准前的方差，这说明使用本方法进行配准能够达到提高不同个体间功能图像一致性的目的。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所披露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims

1.一种功能磁共振图像配准方法，包括步骤：

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1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1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1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1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1所述的方法，其特征在于基于所述定义特征的不同图像像素的相似性度量包括：

衡量概率分布之间相似性的度量，可以为欧式距离度量。

7.按权利要求1所述的方法，其特征在于所述类流体DEMONS模型的步骤包括：

利用梯度下降法求取速度场v；

将速度场卷积高斯核进行平滑，v＝v★K_Gauss；

将速度场叠加到位移场得到新的位移场，u＝u+v，其中，K_Gauss表示用于平滑速度场的高斯核，u表示空间变换位移场。

8.按权利要求1所述的方法，其特征在于所述相关系数为线性或非线性。

9.按权利要求3所述的方法，其特征在于还包括：

逐步增大空间邻域范围，实现由局部功能连接模式到全局功能连接模式的多尺度配准。

10.按权利要求9所述的方法，其特征在于所述逐步增大空间邻域范围包括：

增大立方体空间邻域的边长或增大球形空间邻域的半径。