CN103426174A - 多模态医学影像配准方法 - Google Patents

Abstract

本发明提出一种多模态医学影像配准方法，其基于虚拟仿真技术，包括如下步骤：步骤S11、分别获取MRI影像和真实的超声影像；步骤S12、对MRI影像进行手动阀值分割，得到各个组织器官的对应直方图；步骤S13、根据直方图确定各个组织器官的阻抗值；步骤S14、利用阻抗值仿真计算超声影像，得到虚拟仿真的超声影像；步骤S15、对虚拟仿真的超声影像和真实的超声影像进行相似性测量，得到测量值；步骤S16、根据测量值对步骤S14中的参数进行优化，直到测量值达到设定的阀值范围，即完成影像配准。所述多模态医学影像配准方法可将多模态影像配准转化同模态影像配准，实现快速、准确、鲁棒的影像配准。

Description

多模态医学影像配准方法

技术领域

本发明涉及医学影像技术，尤其涉及一种基于虚拟仿真技术的多模态医学影像配准方法。

背景技术

多模态影像融合引导技术是通过将不同成像设备获取的影像进行配准融合来辅助医生进行手术操作。超声成像具有适应面广、价格低廉、无辐射、快捷及无创等优点，已广泛应用于医学领域；目前，国内外的神经外科和腹部手术中，医生基本上采用超声设备来进行实时监测，以提高手术的安全性和成功率。MRI能提供软组织高对比度、高分辨率的影像，且辐射少，已经逐渐成为术前采集影像的主流成像设备。术前采集MRI影像并进行三维重建，而术中实时的采集超声影像，通过精确、实时的配准算法，实现超声与核磁双模导航，医学技术领域已开展了相关研究及应用。

多模态影像融合引导技术的核心就是需要实时、准确的配准算法。而现有的多模态融合算法没有从不同模态物理成像机制方面进行探索，因此多模影像配准一直是一个技术难题，再加上超声影像本身结构信息不是很明显，其准确性很难得到保证，如何自动快速实现MRI影像和超声影像配准融合，目前还没有很好的实现方法，而且存在很多挑战性难题。由于两种不同成像模态的影像具有不同的物理特征属性以及超声影像本身的质量问题，大部分配准方法是手动的，还很难实现一个准确、快速、智能的配准方法。在目前的MRI和超声配准方法中，基本上是采用外部标志点的方式进行配准，对于非侵式的标志点方法很难实现非刚体变换，而侵入式的植入外部标志点，又直接给病人带来痛苦，尤其对于小孩、老人等体弱病人，一般无法实现标志点的植入。

目前医学影像配准方法主要有：一种基于影像特征信息的配准，通过对提取待配准影像上的共性特征信息，如：点、线、面等信息，然后建立目标优化函数，通过优化算法实现影像变换矩阵的求解，但是这类方法的精度很大程度上依赖于特征点的提取精度，抗噪声性能较差，而且对于医学影像，有效的特征信息非常少，如超声影像，影像本身信噪比不高，特征信息更少。另外一种是基于影像灰度信息的配准，一方面本身计算量大，更重要的是另一方面由于不同模态影像数据之间无可比性、像素大小也不一致，因此很难通过基于灰度信息有效的实现影像配准目的。

发明内容

针对上述问题，本发明的目的是提供一种可解决上述技术问题的多模态医学影像配准方法。

一种多模态医学影像配准方法，其基于虚拟仿真技术，所述多模态医学影像配准方法包括如下步骤：

步骤S11、分别获取MRI影像和真实的超声影像；

步骤S12、对所述MRI影像进行手动阀值分割，得到各个组织器官的对应直方图；

步骤S13、根据所述直方图确定所述各个组织器官的阻抗值；

步骤S14、利用所述阻抗值仿真计算超声影像，得到虚拟仿真的超声影像；

步骤S15、对所述虚拟仿真的超声影像和所述真实的超声影像进行相似性测量，得到测量值；

步骤S16、根据所述测量值对步骤S14中的参数进行优化，直到所述测量值达到设定的阀值范围，即完成影像配准。

本发明一较佳实施方式中，步骤S11中，所述MRI影像和所述真实的超声影像分别由MRI成像设备和超声成像设备获得。

本发明一较佳实施方式中，步骤S12中，所述手动阀值分割通过多阀值的方法，手动设置阀值范围。

本发明一较佳实施方式中，步骤S13包括：对所述直方图进行均一化处理，并根据所述直方图计算核磁三维空间每个体素属于对应组织器官的概率，同时通过比例系数加权来确定不同组织器官的阻抗值。

本发明一较佳实施方式中，步骤S14中，计算超声影像时：

反射信号的能量大小由反射系数

决定，其中，Z₁和Z₂表示人体组织器官的超声阻抗值，阻抗值大小由组织密度ρ和声速c来确定Z＝ρc，透过分界面的能量大小由透射系数α_t＝1-α_r确定；

散射信号的强度利用朗伯散射模型来计算，散射信号的幅度为

其中，I_i(·)为入射波束大小，

为入射波束的单位方向向量，

为分界面的法向矢量；

得到反射信号的大小为： $I_r\left(\stackrel{\→}{x}\right)\∝{\mathrm{\α}}_r\left(\stackrel{\→}{x}\right)\frac{I_i^2\left(\stackrel{\→}{x}\right)}{I_0}|r\left(\stackrel{\→}{x}\right)\·n\left(\stackrel{\→}{x}\right)|.$

本发明一较佳实施方式中，在多个振源的情况下，通过对各个振源信号大小进行积分，并采用窗函数进行加窗处理，得到反射信号的大小为：

$I_r\left(\stackrel{\→}{x}\right)\∝{\∫}_{x-l}^{x+l}{\mathrm{\α}}_r(u,y)\frac{I_i^2(u,y)}{I_0}|r(u,y)\·n(u,y)|w\left(u\right)\mathrm{du}$

其中w(·)是加窗函数，l是激活孔径的长度，l＝n_a(w_e+s_e)，n_a为激活孔径的数目，w_e是振源的宽度，s_e为振源的之间的间隙。

本发明一较佳实施方式中，进一步利用汉明或者三角窗对所述反射信号进行变迹处理，再根据反射信号强度，得到超声的反射图。

本发明一较佳实施方式中，进一步采用瑞利分布添加到反射信号中，得到虚拟仿真的超声影像：

$I_{\mathrm{us}}\left(\stackrel{\→}{x}\right)=(I_r\left(\stackrel{\→}{x}\right)+\mathrm{\α})I_s\left(\stackrel{\→}{x}\right)$

其中I_us(·)为超声影像，I_r(·)为反射图，I_s(·)为散射图，α为融合系数。

本发明一较佳实施方式中，进一步采用对数压缩的方法对所述虚拟仿真的超声影像进行压缩，得到：

${I_{\mathrm{us}}}^{\′}=\frac{\log (\mathrm{\β}\·I_{\mathrm{us}}+1)}{\log (\mathrm{\β}+1)},$

其中β为压缩参数。

本发明一较佳实施方式中，先将所述虚拟仿真的超声影像分为两部分，包括：

第一部分是通过MRI数据虚拟出来的超声数据信息

其中

是MRI数据，T(·)是MRI数据和超声数据之间的转化函数，即

其中n为组织的数目，P_i为核磁三维空间每个体素属于对应组织的概率；

第二部分是超声和MRI物理成像关系中经验映射图其中φ(·)是物理成像关系中不同模态成像对同一组织的经验值的映射函数；

然后将所述两部分数据进行加权融合，得到最终的虚拟超声影像的强度信息：

$f\left({\stackrel{\→}{x}}_i\right)=\mathrm{\α}{r}_i+\mathrm{\β}{p}_i+\mathrm{\γ}$

本发明一较佳实施方式中，进一步包括利用所述虚拟超声影像的强度信息将所述MRI影像虚拟出超声影像，然后利用所述超声影像和所述真实的超声影像进行配准。

本发明一较佳实施方式中，步骤S15中，利用互信息方法计算所述虚拟仿真的超声影像和所述真实的超声影像之间的互信息值大小I(s,r)：

$I(s,r)=\underset{a=0}{\overset{255}{\mathrm{\Σ}}}\underset{b=0}{\overset{255}{\mathrm{\Σ}}}{P}_{\mathrm{sr}}(a,b)\log \frac{P_{\mathrm{sr}}(a,b)}{P_s\left(a\right)P_r\left(b\right)}$

其中，P_s(a)为所述虚拟仿真的超声影像中某像素点的强度为a的概率，P_r(b)为所述真实的超声影像中某像素点的强度为b的概率，P_sr(a,b)为联合概率，如果所述虚拟仿真的超声影像和所述真实的超声影像非常相似，则联合概率P_sr(a,b)为最大值，如果所述虚拟仿真的超声影像和所述真实的超声影像完全不同，则对应的联合概率P_sr(a,b)＝P_s(a)P_r(b)，此时对应的互信息值I(s,r)就是0。

相较于现有技术，本发明提供的所述多模态医学影像配准方法以MRI和超声成像基础的物理成像原理为切入口，根据两种不同模态的成像物理特征属性，利用MRI影像虚拟出虚拟仿真的超声影像，再将所述虚拟仿真的超声影像和真实的超声影像进行相似性测量，由此，即将多模态影像配准转化同模态影像配准，实现快速、准确、鲁棒的影像配准，解决了现有技术中多模态影像融合的瓶颈问题，为医学影像配准融合领域提供新思路、新方法。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举实施例，并配合附图，详细说明如下。

附图说明

图1为本发明一实施例提供的多模态医学影像配准方法的流程图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细的说明。

请参阅图1，本发明一较佳实施例提供一种多模态医学影像配准方法，其基于虚拟仿真技术，所述多模态医学影像配准方法包括如下步骤：

步骤S11、分别获取MRI影像和真实的超声影像。

可以理解的是，所述MRI影像和所述真实的超声影像可以分别利用MRI成像设备和超声成像设备来获得。

本实施例中，所述MRI影像为术前三维MRI影像，所述真实的超声影像为术中获取的实时二维超声影像。

步骤S12、对所述MRI影像进行手动阀值分割，得到各个组织器官的对应直方图。

可以理解的是，组织器官包括肝脏、血管、脂肪等。

本实施例中，所述手动阀值分割通过多阀值的方法，手动设置阀值范围。

步骤S13、根据所述直方图确定所述各个组织器官的阻抗值。

本实施例中，在步骤S12通过手动阀值分割得到不同组织器官，如肝脏、血管、脂肪组织等之后，对所述直方图进行均一化处理，并根据所述直方图计算核磁三维空间每个体素属于对应组织器官的概率（P_i,I∈1，2，…，N），同时通过比例系数(μ_i,i∈1，2，…，N）加权来确定不同组织器官的阻抗值（μ₁P₁+μ₂P₂+…+μ_nP_n）。

步骤S14、利用所述阻抗值仿真计算超声影像，得到虚拟仿真的超声影像。

根据超声成像原理可知，当超声经过人体组织后，由于组织的声阻抗不同，会在分界面发生反射、折射效应。其中，反射信号的能量大小由反射系数α_r决定：

${\mathrm{\α}}_r=\left(\frac{Z_2-Z_1}{Z_2+Z_1}\right)$

其中，Z₁和Z₂表示人体组织器官的超声阻抗值，阻抗值大小Z＝ρc，由组织密度ρ和声速c来确定；透过分界面的能量大小由透射系数α_t确，α_t＝1-α_r。

超声经过组织反射面后，最后被超声探头接收到，本实施例中，利用朗伯散射模型来估算其中散射信号的强度，其幅度

由入射角所确定：

$R\left(\stackrel{\→}{x}\right)={\mathrm{\α}}_r{I}_i\left(\stackrel{\→}{x}\right)|r\left(\stackrel{\→}{x}\right)\·n\left(\stackrel{\→}{x}\right)|$

其中，I_i(·)为入射波束大小，

为入射波束的单位方向向量，

为分界面的法向矢量。

本实施例中，设入射波束幅度的初始值为I₀，空间位置

处的入射波幅度为

则在点

的累积衰减大小为

声波传播到衰减介质中，最后由接收器接收到最后返回的信号大小

随着波形的往前传播，每一步的衰减系数都是一样的，最后可以得到近似的反射信号大小：

$I_r\left(\stackrel{\→}{x}\right)\∝{\mathrm{\α}}_r\left(\stackrel{\→}{x}\right)\frac{I_i^2\left(\stackrel{\→}{x}\right)}{I_0}|r\left(\stackrel{\→}{x}\right)\·n\left(\stackrel{\→}{x}\right)|$

在多个振源的情况下，通过对各个振源信号大小进行积分，并采用合适的窗函数进行加窗处理，得到反射信号的大小为：

$I_r\left(\stackrel{\→}{x}\right)\∝{\∫}_{x-l}^{x+l}{\mathrm{\α}}_r(u,y)\frac{I_i^2(u,y)}{I_0}|r(u,y)\·n(u,y)|w\left(u\right)\mathrm{du}$

其中w(·)是加窗函数，l是激活孔径的长度，l＝n_a(w_e+s_e)，n_a为激活孔径的数目，w_e是振源的宽度，s_e为振源的之间的间隙。

进一步地，利用汉明或者三角窗对所述反射信号进行变迹处理，再根据反射信号强度，即可得到超声的反射图。

可以理解的是，超声影像中还存在斑点噪声纹理，该噪声在超声成像中是一个不可或缺的内在的特征。基于此，本实施例采用瑞利分布添加到反射信号中，最终得到虚拟仿真的超声影像：

$I_{\mathrm{us}}\left(\stackrel{\→}{x}\right)=(I_r\left(\stackrel{\→}{x}\right)+\mathrm{\α})I_s\left(\stackrel{\→}{x}\right)$

其中I_us(·)为超声影像，I_r(·)为反射图，I_s(·)为散射图，α为融合系数。

由于计算得到的超声影像强度动态范围很大，远远超出了屏幕能显示的范围，人眼无法辨别，因此，为了降低动态范围，需要采用对数压缩方法对所述虚拟仿真的超声影像进行压缩，得到：

$I_{\mathrm{us}}^{\′}=\frac{\log (\mathrm{\β}\·I_{\mathrm{us}}+1)}{\log (\mathrm{\β}+1)},$

其中β为压缩参数。

本实施例中，为了能够提高所述虚拟仿真的超声影像的准确度和真实性，先将所述虚拟仿真的超声影像分为两部分：第一部分是通过MRI影像虚拟出来的超声影像信息其中

是MRI影像，T(·)是MRI影像和超声影像之间的转化函数，即

其中n为组织的数目，P_i为核磁三维空间每个体素属于对应组织的概率；第二部分是超声和MRI物理成像关系中经验映射图其中φ(·)是物理成像关系中不同模态成像对同一组织的经验值的映射函数。

然后将所述两部分数据进行加权融合，得到最终的虚拟超声影像的强度信息：

$f\left({\stackrel{\→}{x}}_i\right)={\mathrm{\αr}}_i+{\mathrm{\βp}}_i+\mathrm{\γ}$

步骤S15、对所述虚拟仿真的超声影像和所述真实的超声影像进行相似性测量，得到测量值。

本实施例中，采用互信息方法进行相似性测量，即利用互信息方法计算所述虚拟仿真的超声影像和所述真实的超声影像之间的互信息值大小I(s,r)：

$I(s,r)=\underset{a=0}{\overset{255}{\mathrm{\Σ}}}\underset{b=0}{\overset{255}{\mathrm{\Σ}}}{P}_{\mathrm{sr}}(a,b)\log \frac{P_{\mathrm{sr}}(a,b)}{P_s\left(a\right)P_r\left(b\right)}$

其中，P_s(a)为所述虚拟仿真的超声影像中某像素点的强度为a的概率，P_r(b)为所述真实的超声影像中某像素点的强度为b的概率，P_sr(a,b)为联合概率，如果所述虚拟仿真的超声影像和所述真实的超声影像非常相似，则联合概率P_sr(a,b)为最大值，如果所述虚拟仿真的超声影像和所述真实的超声影像完全不同，则对应的联合概率P_sr(a,b)＝P_s(a)P_r(b)，此时对应的互信息值I(s,r)就是0。

步骤S16、根据所述测量值对步骤S14中的参数进行优化，直到所述测量值达到设定的阀值范围，即完成影像配准。

本实施例中，利用所述虚拟超声影像的强度信息将所述MRI影像虚拟出超声影像，然后利用所述超声影像和所述真实的超声影像进行配准。即将术前三维MRI影像虚拟出三维超声影像，然后利用所述三维超声影像和所述真实的超声影像进行配准。

本实施例中，对互信息值I(s,r)预设一个阀值。

可以理解的是，当计算的互信息值未达到所述阀值时，则采用优化函数对配准和步骤S14中计算超声影像的虚拟参数进行优化计算，得到新的仿真图像，然后再对所述虚拟仿真的超声影像和所述真实的超声影像进行相似性测量，计算互信息值。此处，利用优化算法进行迭代计算，直到互信息值达到所述阀值或者达到所需的迭代次数，配准结束。

可以理解的是，由于所述MRI影像已经虚拟出所述超声影像，因此即可将多模态配准问题转化为同模态配准问题，最后可采用基于灰度信息的互信息法和基于法向量信息法实现快速、准确和鲁棒的配准方法，并将初步的配准结果采用优化算法进行优化，得到最终的配准结果。

相较于现有技术，本发明提供的所述多模态医学影像配准方法以MRI和超声成像基础的物理成像原理为切入口，根据两种不同模态的成像物理特征属性，利用MRI影像虚拟出虚拟仿真的超声影像，再将所述虚拟仿真的超声影像和真实的超声影像进行相似性测量，由此，即将多模态影像配准转化同模态影像配准，实现快速、准确、鲁棒的影像配准，解决了现有技术中多模态影像融合的瓶颈问题，为医学影像配准融合领域提供新思路、新方法。

以上所述，仅是本发明的实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (12)

1.一种多模态医学影像配准方法，其基于虚拟仿真技术，其特征在于，所述多模态医学影像配准方法包括如下步骤：

步骤S11、分别获取MRI影像和真实的超声影像；

步骤S12、对所述MRI影像进行手动阀值分割，得到各个组织器官的对应直方图；

步骤S13、根据所述直方图确定所述各个组织器官的阻抗值；

步骤S14、利用所述阻抗值仿真计算超声影像，得到虚拟仿真的超声影像；

步骤S15、对所述虚拟仿真的超声影像和所述真实的超声影像进行相似性测量，得到测量值；

步骤S16、根据所述测量值对步骤S14中的参数进行优化，直到所述测量值达到设定的阀值范围，即完成影像配准。

2.如权利要求1所述的多模态医学影像配准方法，其特征在于，步骤S11中，所述MRI影像和所述真实的超声影像分别由MRI成像设备和超声成像设备获得。

3.如权利要求1所述的多模态医学影像配准方法，其特征在于，步骤S12中，所述手动阀值分割通过多阀值的方法，手动设置阀值范围。

4.如权利要求1所述的多模态医学影像配准方法，其特征在于，步骤S13包括：对所述直方图进行均一化处理，并根据所述直方图计算核 磁三维空间每个体素属于对应组织器官的概率，同时通过比例系数加权来确定不同组织器官的阻抗值。

5.如权利要求1所述的多模态医学影像配准方法，其特征在于，步骤S14中，计算超声影像时：

反射信号的能量大小由反射系数

决定，其中，Z₁和Z₂表示人体组织器官的超声阻抗值，阻抗值大小由组织密度ρ和声速c来确定Z＝ρc，透过分界面的能量大小由透射系数α_t＝1-α_r确定；

散射信号的强度利用朗伯散射模型来计算，散射信号的幅度为

其中，I_i(·)为入射波束大小，

为入射波束的单位方向向量，为分界面的法向矢量；

设入射波束幅度的初始值为I₀，空间位置

处的入射波幅度为

则在点

的累积衰减大小为

声波传播到衰减介质中，最后由接收器接收到最后返回的信号大小

随着波形的往前传播，每一步的衰减系数都是一样的，最后得到反射信号的大小为：

$I_r\left(\stackrel{\→}{x}\right)\∝{\mathrm{\α}}_r\left(\stackrel{\→}{x}\right)\frac{I_i^2\left(\stackrel{\→}{x}\right)}{I_0}|r\left(\stackrel{\→}{x}\right)\·n\left(\stackrel{\→}{x}\right)|.$

6.如权利要求5所述的多模态医学影像配准方法，其特征在于，在多个振源的情况下，通过对各个振源信号大小进行积分，并采用窗函数进行加窗处理，得到反射信号的大小为：

$I_r\left(\stackrel{\→}{x}\right)\∝{\∫}_{x-l}^{x+l}{\mathrm{\α}}_r(u,y)\frac{I_i^2(u,y)}{I_0}|r(u,y)\·n(u,y)|w\left(u\right)\mathrm{du}$

其中w(·)是加窗函数，l是激活孔径的长度，l＝n_a(w_e+s_e)，n_a为激活孔径的数目，w_e是振源的宽度，s_e为振源的之间的间隙。

7.如权利要求6所述的多模态医学影像配准方法，其特征在于，进一步利用汉明或者三角窗对所述反射信号进行变迹处理，再根据反射信号强度，得到超声的反射图。

8.如权利要求7所述的多模态医学影像配准方法，其特征在于，进一步采用瑞利分布添加到反射信号中，得到虚拟仿真的超声影像：

$I_{\mathrm{us}}\left(\stackrel{\→}{x}\right)=(I_r\left(\stackrel{\→}{x}\right)+\mathrm{\α})I_s\left(\stackrel{\→}{x}\right)$

其中I_us(·)为超声影像，I_r(·)为反射图，I_s(·)为散射图，α为融合系数。

9.如权利要求8所述的多模态医学影像配准方法，其特征在于，进一步采用对数压缩方法对所述虚拟仿真的超声影像进行压缩，得到：

${I_{\mathrm{us}}}^{\′}=\frac{\log (\mathrm{\β}\·I_{\mathrm{us}}+1)}{\log (\mathrm{\β}+1)},$

其中β为压缩参数。

10.如权利要求9所述的多模态医学影像配准方法，其特征在于，先将所述虚拟仿真的超声影像分为两部分，包括：

第一部分是通过MRI影像虚拟出来的超声数据信息

其中

是MRI影像，T(·)是MRI影像和超声影像之间的转化函数，即

其中n为组织的数目，P_i为核磁三维空间每个体素属于对应组织的概率；

第二部分是超声和MRI物理成像关系中经验映射图

其中φ(·)是物理成像关系中不同模态成像对同一组织的经验值的映射函数；

然后将所述两部分数据进行加权融合，得到最终的虚拟超声影像的强度信息：

$f\left({\stackrel{\→}{x}}_i\right)=\mathrm{\α}{r}_i+\mathrm{\β}{p}_i+\mathrm{\γ}$

11.如权利要求9所述的多模态医学影像配准方法，其特征在于，进一步包括利用所述虚拟超声影像的强度信息将所述MRI影像虚拟出超声影像，然后利用所述超声影像和所述真实的超声影像进行配准。

12.如权利要求1所述的多模态医学影像配准方法，其特征在于，步骤S15中，利用互信息方法计算所述虚拟仿真的超声影像和所述真实的超声影像之间的互信息值大小I(s,r)：

$I(s,r)=\underset{a=0}{\overset{255}{\mathrm{\Σ}}}\underset{b=0}{\overset{255}{\mathrm{\Σ}}}{P}_{\mathrm{sr}}(a,b)\log \frac{P_{\mathrm{sr}}(a,b)}{P_s\left(a\right)P_r\left(b\right)}$

其中，P_s(a)为所述虚拟仿真的超声影像中某像素点的强度为a的概率，P_r(b)为所述真实的超声影像中某像素点的强度为b的概率，P_sr(a,b)为联合概率，如果所述虚拟仿真的超声影像和所述真实的超声影像非常相似，则联合概率P_sr(a,b)为最大值，如果所述虚拟仿真的超声影像和所述真实的超声影像完全不同，则对应的联合概率P_sr(a,b)＝P_s(a)_rP(b，此时对应的互信息值I(s,r)就是0。

Images