CN103700086A - 一种图像配准的验证方法及系统 - Google Patents

Abstract

本发明公开了一种对刚体图像配准算法进行验证的方法，所述方法包括：获取利用被验证的刚体图像配准算法对一个图像数据进行刚体图像配准所得到的第一转换矩阵；获取精标准所定义的对于该图像数据进行刚体图像配准的第二转换矩阵；计算所获取的所述第一转换矩阵和所述第二转换矩阵中各个分量的差值；根据所述第一转换矩阵和所述第二转换矩阵中各个分量的差值计算得到单一的验证指标，该单一的验证指标表征该被验证的刚体图像配准算法的配准精度。本发明还提出了一种相应的验证系统。采用本发明方法和系统所得到的验证指标能够直观的反映刚体图像配准的精度。

Description

一种图像配准的验证方法及系统

技术领域

本发明涉及医学图像处理技术领域，特别涉及医学图像处理中的一种图像配准（Image Registration）的验证方法及系统。

背景技术

医学图像配准是指，针对来自诸如磁共振成像（MRI）、计算机X射线断层（CT）等不同形式的探测器的医学图像，利用计算机技术实现为一幅医学图像寻求一种或者一系列的空间变换，使它与另一幅医学图像上的对应点达到空间上的一致，进而能够将来自不同形式探测器的医学图像相结合，在同一幅图像上同时表达人体的多方面信息，从而从医学影像上反应人体的内部结构和功能状态，更加直接提供人体解剖和生理病理信息。

其中，医学图像配准可分为两类，刚体（rigid body）图像配准和非刚体图像配准。此外，还需要对图像配准所基于的图像配准算法进行量化验证（quantitative validation），以确定图像配准算法所能实现的配准精度。

现有的对于刚体图像配准中的图像配准算法的量化验证有如下两种：

一、比较基于图像配准算法的两幅图像之间的转换矩阵（transformationmatrix）和来自精标准（groundtruth）的这两幅图像之间的转换矩阵，得到这两个转换矩阵之间的差值（也称为误差测量值）；

二、计算参考图像（reference image）和活动图像（moving image）中在预先选取的标记（landmark）上的目标配准误差（TRE，Target Registration Error）。

在上述第一种方法中，基于某一图像配准算法得到的转换矩阵为利用该图像配准算法对这两幅图像进行图像配准后得到的转换矩阵；所谓精标准为预先定义的图像配准的精确数据，其中包括能够实现两幅图像之间精确的图像配准的标准转换矩阵等数据；所谓来自精标准的转换矩阵是指精标准所定义的对于这两幅图像进行刚体图像配准的标准转换矩阵。因此，通过基于某一图像配准算法的转换矩阵与来自精标准的标准转换矩阵之间的差值，可以确定该图像配准算法所实现的配准的精度。这里，精标准为本领域公知的概念，其可通过人工手动配置等方式实现，关于具体如何获得精标准的方法本文不做描述。

在上述第一种方法中，所得到的验证指标有多个。假定转换矩阵包括三个平动分量（translationcomponent）和三个旋转分量（rotation component），那么计算得到的转换矩阵之间的差值就包括三个平动分量的差值和三个旋转分量的差值，共六个差值，即得到六个验证指标。而由于这六个差值很可能体现出不同的差异趋势，比如：某一平动分量的差值为正向的，而另一平动分量的差值为负向的，则这六个差值不能直接反映出两个转换矩阵之间差值的几何意义。也就是说，根据现有的这种计算转换矩阵差值的量化验证方法所得到的验证指标不能直观反映图像配准算法的配准精度。进一步的，在同时验证多个图像配准算法时，采用此种量化验证方法得到的验证指标无法直接用来比较这些图像配准算法的配准精度。

在上述第二种方法中，所选取的标记在图像中的位置对TRE的计算值影响较大，比如：如果所选取的标记的位置离旋转中心较远，则计算出的TRE的值将较大，所以需要谨慎的选择标记的位置。此外，还需要人工手动的对标记填加高准确的注释。因此，此种方法需要耗费很多人力和时间。

发明内容

为解决上述问题，本发明提出了一种图像配准的验证方法和系统，其所得到的验证指标能够直观的反映刚体图像配准的精度，且易于实现，不必耗费较多的人力和时间。

本发明提出一种对刚体图像配准算法进行验证的方法，该方法可以包括：获取利用被验证的刚体图像配准算法对图像数据进行刚体图像配准所得到的第一转换矩阵；获取精标准所定义的对于该图像数据进行刚体图像配准的第二转换矩阵；计算所获取的所述第一转换矩阵和所述第二转换矩阵中各个分量的差值；根据所述第一转换矩阵和所述第二转换矩阵中各个分量的差值计算得到单一的验证指标，该单一的验证指标能够表征该被验证的刚体图像配准算法的配准精度。采用此种方法所得到的验证指标能够直观反映图像配准算法的配准精度。

本发明还提出了一种对刚体图像配准算法进行验证的系统，该系统包括：该系统包括：验证数据模块和量化验证模块所述验证数据模块用于，获取利用被验证的刚体图像配准算法对图像数据进行刚体图像配准所得到的第一转换矩阵和精标准所定义的对于该图像数据进行刚体图像配准的第二转换矩阵；所述量化验证模块用于，计算所述第一转换矩阵和所述第二转换矩阵中各个分量的差值，根据所述第一转换矩阵和所述第二转换矩阵中各个分量的差值计算得到单一的验证指标，该单一的验证指标表征所述被验证的刚体图像配准算法的配准精度。采用此种系统所得到的验证指标能够直观反映图像配准算法的配准精度。

采用本发明实施例所提供的方法及系统，能够得到直观反映刚体图像配准精度的单一验证指标，且易于实现，并且能够避免人为干预对验证结果的影响。

附图说明

下面将通过参照附图详细描述本发明的示例性实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：

图1为依据本发明一实施例的方法流程图；及，

图2为依据本发明一实施例的系统组成结构示意图。

具体实施方式

下文将以明确易懂的方式通过对优选实施例的说明并结合附图来对本发明上述特性、技术特征、优点及其实现方式予以进一步说明。

本发明提出了一种图像配准的验证方法，该方法用于对刚体图像配准算法进行量化验证。如图1所示，该方法包括如下步骤：

步骤101：针对一个图像数据，获取利用被验证的图像配准算法对该图像数据进行图像配准所得到的转换矩阵和来自精标准的转换矩阵。

这里，一个图像数据代表被用来进行一次图像配准的一组图像，比如：两幅或两幅以上进行图像配准的图像。所述来自精标准的转换矩阵是指精标准所定义的对于该图像数据进行刚体图像配准的转换矩阵。

步骤102：计算步骤101获取的两个转换矩阵中各个分量的差值。

具体的，每一转换矩阵包括若干旋转分量和若干平动分量，本步骤计算得到的两个转换矩阵中各个分量的差值包括这些旋转分量的差值和这些平动分量的差值。

步骤103：对步骤102计算得到的各个分量的差值做进一步计算得到单一的验证指标，该单一的验证指标可直观反映该被验证的图像配准算法的配准精度。

针对每一个图像数据，都可执行图1所示流程来得到一个单一的验证指标。

进一步的，可以对多个图像配准算法进行量化验证，针对每一图像配准算法都可执行以上步骤101~103以得到单一的验证指标，还可进一步比较这些图像配准算法的单一的验证指标以直接对这些图像配准算法的配准精度进行比较。

上述步骤103中，计算得到单一的验证指标的方法可以包括：计算转换矩阵中若干平动分量的差值的向量的模得到平动分量的单一差值，记为d_T；计算转换矩阵中若干旋转分量的差值的欧氏距离（Euclideandistance）或黎曼距离（Riemannian distance）得到旋转分量的单一差值d_R；再根据d_T和d_R计算得到单一的验证指标，记为d。

具体的，可以将d_T和d_R相加得到d，即，d=d_T+d_R。进一步的，可以根据图像配准算法的不同应用，给d_R乘以特定的正向加权系数，比如，d=d_T+α·d_R，其中，α为正向加权系数。

具体的，利用被验证的图像配准算法进行图像配准所得到的转换矩阵可被表示为 $M_1=\left(\begin{array}{cc}{R}_1& t_1\\ 0& 1\end{array}\right),$ 其中，R₁为n×n旋转矩阵，其包括至少一个旋转分量，t₁为n×1平动向量，其包括至少一个平动分量，0为1×n的零向量；来自精标准的转换矩阵可被表示为 $M_2=\left(\begin{array}{cc}{R}_2& t_2\\ 0& 1\end{array}\right),$ 其中，R₂为n×n的旋转矩阵，其包括至少一个旋转分量，t₂为n×1的平动向量，其包括至少一个平动分量，0为1×n的零向量；n为整数，且n≥1。

以下以对三维图像进行配准的刚体图像配准算法为例，对上述步骤103的计算方法加以具体说明。在本例子中，转换矩阵包括三个旋转分量和三个平动分量，即n=3，利用图像配准算法进行图像配准所得到的转换矩阵被表示为 $M_1=\left(\begin{array}{cc}{R}_1& t_1\\ 0& 1\end{array}\right),$ 其中，R₁为3×3的旋转矩阵，其包括三个旋转分量，t₁为3×1的平动向量，其包括三个平动分量，0为1×3的零向量，利用M₁可以将参考图像中的一点映射到活动图像中；来自精标准的转换矩阵被表示为 $M_2=\left(\begin{array}{cc}{R}_2& t_2\\ 0& 1\end{array}\right),$ 其中，R₂为3×3的旋转矩阵，t₂为3×1的平动向量，0为1×3的零向量，M₂表示出了参考图像中的一点与活动图像中对应点之间的精确映射关系。利用以上两个转换矩阵计算单一验证指标的具体方法如下：

1）计算转换矩阵M₁和M₂中两个平动向量t₁和t₂之差的向量的模，记为d_T(t₁,t₂)=||t₁-t₂‖。

2）计算转换矩阵M₁和M₂中两个旋转矩阵R₁和R₂之间的欧氏距离或黎曼距离，记为d_R(R₁,R₂)。

其中，计算欧氏距离的公式为d_R(R₁,R₂)=‖R₁-R₂||_F，计算黎曼距离的公式为

这里，‖·‖_F表示弗罗宾尼斯范数（Frobenius norm），

为R₁的转置矩阵。

由以上计算欧氏距离和黎曼距离的公式可以看出，R₁和R₂之间的欧氏距离相当于

而R₁和R₂之间的黎曼距离相当于|θ|，其中，

3）根据以上计算得到的d_T(t₁,t₂)和d_R(R₁,R₂)计算得到一个综合的验证指标，记为d(M₁,M₂)=d_T(t₁,t₂)+α·d_R(R₁,R₂)。其中，α为正向加权系数，根据图像配准算法的不同应用场景，其可以有不同的取值，比如，可以设定α的取值，使得d_T(t₁,t₂)和α·d_R(R₁,R2)的值相近。

当使用上述验证方法对对二维图像进行配准的刚体图像配准算法进行验证时，即n为2时，计算验证指标d(M₁,M₂)的方法跟前述相同，这里不再赘述。

基于上述验证方法，本发明还提出了一种图像配准的验证系统。如图2所示，该系统包括：验证数据模块201和量化验证模块202。其中，验证数据模块201用于获取验证所需的对图像数据进行刚体图像配准得到的第一转换矩阵和第二转换矩阵，至少包括：利用图像配准算法对图像数据进行图像配准所得到的第一转换矩阵和来自精标准的针对该图像数据的第二转换矩阵；量化验证模块202用于从验证数据模块201读取验证所需的数据并计算得到验证指标，其中，针对某一个图像数据，量化验证模块202可按前面所述的任一种验证方法计算得到一个单一的验证指标。该系统还可进一步包括验证报告产生模块203，此验证报告产生模块203用于生成对于图像配准算法的验证报告，该验证报告中至少包括量化验证模块202所得到的各个单一的验证指标。这里，验证报告产生模块203所产生的每一验证报告可以包括：针对一个或多个图像数据得到的验证指标；此外，针对一个图像数据的验证指标可以包括针对一个或多个刚体图像配准算法的验证指标，验证报告还可进一步包括对于多个刚体图像配准算法的验证指标的比较结果。

在本发明一实施例中，验证数据模块201用于获取被验证的多个刚体图像配准算法对该图像数据进行刚体图像配准所得到的多个第一转换矩阵，其中，每一刚体图像配准算法对应一个第一转换矩阵；量化验证模块202从验证数据模块201读取所述多个第一转换矩阵和所述第二转换矩阵，并计算得到对应于所述多个第一转换矩阵的多个验证指标；其中，针对每一第一转换矩阵，计算该第一转换矩阵和所述第二转换矩阵中各个分量的差值并根据该第一转换矩阵和所述第二转换矩阵中各个分量的差值计算得到单一的验证指标，该单一的验证指标直接表征该第一转换矩阵所对应的刚体图像配准算法的配准精度；量化验证模块202进一步比较所述多个验证指标，以比较所述多个刚体图像配准算法的配准精度。在此实施例基础之上，该系统可进一步包括验证报告产生模块203，其所生成的所述验证报告可包括所述多个验证指标的比较结果。

在本发明一实施例中，验证数据模块201可进一步包括：验证数据库模块2011、刚体图像配准算法模块2012和精标准定义模块2013。其中，验证数据库模块（2011）用于存储用于刚体图像配准的一个或多个图像数据；刚体图像配准算法模块2012用于从验证数据库模块2011中选择图像数据，在所选的图像数据上运行被验证的刚体图像配准算法得到选择的图像数据对应的第一转换矩阵，并在验证数据库模块2011中以对应于所述选择的图像数据的方式保存第一转换矩阵。精标准定义模块2013用于从验证数据库模块2011选择一个图像数据，并定义针对所选的图像数据完全对齐的参考图像和活动图像的转换矩阵（即，来自精标准的转换矩阵）。精标准定义模块2013中的转换矩阵通常是由专家配准图像并借助软件获得的。

采用本发明方法和系统，能够使用单一验证指标来评价刚体图像配准算法的精度，即刚体图像配准技术的性能，这样就能解决现有技术出现的问题，并带来如下技术效果：一、针对每一验证图像数据（即一个图像数据和一个刚体图像配准算法），只得到一个误差测量值，这可避免由多个平动分量和多个旋转分量之间不同的差异趋势而引发的混淆；二、本发明根据利用图像配准算法得到的转换矩阵和精标准定义的转换矩阵就可实现验证，而无需在图像中谨慎选定标记并进行复杂的手动注释，与基于目标配准误差的现有验证方法相比，可减少很多验证中的工作量，并显著降低验证中用户的人为干预对验证结果的影响；三、本发明可以减少刚体图像配准的量化验证的复杂度并提高其效率。

本发明还提供了一种机器可读的存储介质，存储用于使一机器执行如本文所述的图像配准的验证方法的指令。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机（或CPU或MPU）读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘（如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW）、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。

上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，本领域技术人员从中推导出来的其它方案也在本发明的保护范围之内。

Claims (11)

1.一种对刚体图像配准算法进行验证的方法，其特征在于，该方法包括：

获取利用被验证的刚体图像配准算法对图像数据进行刚体图像配准得到的第一转换矩阵（101）；

获取精标准所定义的对于该图像数据进行刚体图像配准的第二转换矩阵（101）；

计算获取的所述第一转换矩阵和所述第二转换矩阵中各个分量的差值（102）；

根据所述第一转换矩阵和所述第二转换矩阵中各个分量的差值计算得到单一的验证指标，该单一的验证指标表征所述被验证的刚体图像配准算法的配准精度（103）。

2.根据权利要求1所述的方法，其中，所述方法用于对多个刚体图像配准算法进行验证，其中，针对每一个刚体图像配准算法得到一个单一的验证指标；该方法进一步包括：

比较得到的所述多个验证指标，以比较所述多个刚体图像配准算法的配准精度。

3.根据权利要求1所述的方法，其中，所述第一转换矩阵和第二转换矩阵都包括至少一个旋转分量和至少一个平动分量，所述第一转换矩阵和所述第二转换矩阵中各个分量的差值包括：所述至少一个旋转分量的差值和所述至少一个平动分量的差值；

所述根据所述第一转换矩阵和所述第二转换矩阵中各个分量的差值计算得到单一的验证指标，包括：

计算所述第一转换矩阵和所述第二转换矩阵中所述至少一个平动分量的差值的向量的模，以得到平动分量的单一差值d_T；

计算所述第一转换矩阵和所述第二转换矩阵中所述至少一个旋转分量的差值的欧氏距离或黎曼距离，以得到旋转分量的单一差值d_R；

根据d_T和d_R计算得到所述单一的验证指标d。

4.根据权利要求3所述的方法，其中，根据d_T和d_R，按以下公式（1）计算得到验证指标d；

d=d_T+α·d_R（1）

其中，α为正向加权系数。

5.根据权利要求4所述的方法，其中，α的取值是根据所述刚体图像配准算法的应用场景确定的。

6.根据权利要求3所述的方法，其中，所述第一转换矩阵表示为 $M_1=\left(\begin{array}{cc}{R}_1& t_1\\ 0& 1\end{array}\right),$ 其中，R₁为n×n旋转矩阵，其包括所述第一转换矩阵中的所述至少一个旋转分量，t₁为n×1平动向量，其包括所述第一转换矩阵中的所述至少一个平动分量，0为1×n的零向量；所述第二转换矩阵被表示为 $M_2=\left(\begin{array}{cc}{R}_2& t_2\\ 0& 1\end{array}\right),$ 其中，R₂为n×n的旋转矩阵，其包括所述第二转换矩阵中的所述至少一个旋转分量，t₂为n×1的平动向量，其包括所述第二转换矩阵中的所述至少一个平动分量，0为1×n的零向量；其中n=2或3；

按以下公式（2）计算得到d_T；

d_T(t₁,t₂)=||t₁-t₂‖（2）

按以下公式（3）计算所述欧氏距离或者按以下公式（4）计算所述黎曼距离，以得到d_R；

d_R(R₁,R₂)=||R₁-R₂||_F                   （3）

$d_R(R_1,R_2)=\frac{1}{\sqrt{2}}\left|\right|{\mathrm{Log}\left(R_1^T{R}_2\right)\left|\right|}_F---\left(4\right)$

其中，‖·‖_F表示弗罗宾尼斯范数，

为R₁的转置矩阵。

7.一种对刚体图像配准算法进行验证的系统，其特征在于，该系统包括：验证数据模块（201）和量化验证模块（202）；

所述验证数据模块（201）用于，获取利用被验证的刚体图像配准算法对图像数据进行刚体图像配准所得到的第一转换矩阵和精标准所定义的对于该图像数据进行刚体图像配准的第二转换矩阵；

所述量化验证模块（202）用于，计算所述第一转换矩阵和所述第二转换矩阵中各个分量的差值，根据所述第一转换矩阵和所述第二转换矩阵中各个分量的差值计算得到单一的验证指标，该单一的验证指标表征所述被验证的刚体图像配准算法的配准精度。

8.根据权利要求7所述的系统，其中，所述验证数据模块（201）用于获取被验证的多个刚体图像配准算法对图像数据进行刚体图像配准所得到的多个第一转换矩阵，其中，每一刚体图像配准算法对应一个第一转换矩阵；

所述量化验证模块（202）用于计算对应于所述多个第一转换矩阵的多个验证指标，并比较所述多个验证指标以比较所述多个刚体图像配准算法的配准精度。

9.根据权利要求7或8中所述的系统，其中，所述第一转换矩阵和第二转换矩阵均包括至少一个旋转分量和至少一个平动分量，所述第一转换矩阵和所述第二转换矩阵中各个分量的差值包括：所述至少一个旋转分量的差值和所述至少一个平动分量的差值；

所述量化验证模块（202）计算所述第一转换矩阵和所述第二转换矩阵中所述至少一个平动分量的差值的向量的模，以得到平动分量的单一差值d_T，计算所述第一转换矩阵和所述第二转换矩阵中所述至少一个旋转分量的差值的欧氏距离或黎曼距离，以得到旋转分量的单一差值d_R，并根据d_T和d_R计算得到所述单一的验证指标。

10.根据权利要求9所述的系统，其中，所述量化验证模块（202）根据d_T和d_R按以下公式（1）计算得到验证指标d；

d=d_T+α·d_R（1）

其中，α为正向加权系数。

11.根据权利要求7或8所述的系统，其中，所述验证数据模块（201）进一步包括：

验证数据库模块（2011），用于存储用于刚体图像配准的至少一个图像数据；

刚体图像配准算法模块（2012），用于从所述验证数据库模块（2011）中选择图像数据，在所选的图像数据上运行被验证的刚体图像配准算法得到所述图像数据对应的第一转换矩阵，并在所述验证数据库模块（2011）中以对应于所述选择的图像数据的方式保存第一转换矩阵；

精标准定义模块（2013），用于从所述验证数据库模块（2011）中选择图像数据，并定义针对所选的图像数据完全对齐的参考图像和活动图像的第二转换矩阵，并在所述验证数据库模块（2011）中以对应于所述选择的图像数据的方式保存第二转换矩阵。

Images