CN104680486A - 一种非刚体的配准方法 - Google Patents
一种非刚体的配准方法 Download PDFInfo
- Publication number
- CN104680486A CN104680486A CN201310628081.5A CN201310628081A CN104680486A CN 104680486 A CN104680486 A CN 104680486A CN 201310628081 A CN201310628081 A CN 201310628081A CN 104680486 A CN104680486 A CN 104680486A
- Authority
- CN
- China
- Prior art keywords
- reference mark
- described reference
- rigid
- displacement
- registering
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种非刚体的配准方法,包括:输入参考图像和浮动图像,所述参考图像包含若干数目的控制点,基于所述控制点,将所述浮动图像与所述参考图像进行迭代配准,获取新浮动图像,其中,每次迭代获取所述控制点的位移向量更新后,还包括逐个检查并修正所述控制点的位移向量。本发明采用位移场修正的方法保证了非刚体变换的拓扑不变,避免了自由形变的非刚体配准在较稠密控制点密度的情况下出现的局部图像畸形。
Description
技术领域
本发明涉及医学图像处理领域,尤其涉及一种非刚体的配准方法。
背景技术
医学图像配准是医学图像三维重建与可视化的先决条件。医学图像配准包括刚体配准和非刚体配准,刚体配准主要用于脑部或全身脊柱等只存在全局旋转和平移变化的扫描图像;而非刚体配准用于心脏、肺或乳腺等存在局部位移的器官扫描图像。
基于自由形变的非刚体配准是一种传统并且比较通行的非刚体配准方法,其对应的图像坐标点的位移是其周围网格控制点位移的B样条函数,所述B样条函数的函数关系即为配准中的坐标变换。优化过程中求解的是控制点的位移量。优化的代价函数如果结合弯曲能量可使坐标变换平滑,保持非刚体拓扑变换的连续可导。采用由稀疏到稠密的多级控制点密度逐步地对浮动图像进行校正,本身即符合非刚体形变存在的不同尺度特性,可相应提高配准的精度和速度。
具体地,在基于自由形变(FFD,free form deformation)的非刚体配准方法中,当采用3阶B样条时,像素点在X、Y和Z三个方向上的位移分量是其周围的若干个数量的控制点的位移分量的B样条函数。如图1所示为像素点与对应B样条控制点的关系示意图。其中,图中阵列排布的点为控制点。X为待移动的像素点位置,位于所述图像上的控制点数目为5*5*5,图像外各有1排或2排控制点。其中,在三维方向上的位移量分别为u、v、w的表达式如下:
式中是控制点的序号,如图1所示,
B0(u)=(1-u)3/6,B1(u)=(3u3-6u2+4)/6,B2(u)=(-3u3+3u2+3u+1)/6,B3(u)=u3/6.
dx,dy,dz分别为控制点在X、Y和Z三个方向上的位移分量,即配准过程的待优化参数。
为了使位移场分布的比较平滑,有时候会将一个称作弯曲能量(bendingenergy)的项添加到参考图像与校正的浮动图像之间的相似性测度上,使得优化程序收敛时得到一个变化比较平滑的位移场。
具体可参见文献1:D.Rueckert,L.I.Sonoda,C.Hayes,D.L.G.Hill,M.O.Leach,and D.J.Hawkes,‘Nonrigid Registration Using Free-FormDeformations:Application to Breast MR Images’,IEEE TRANSACTIONS ON MEDICALIMAGING,VOL.18,NO.8,AUGUST1999和文献2:Marius Staring,StefanKlein,‘Spatial derivatives and penalty terms in ITK and elastix’。
所述弯曲能量的计算公式如下:
,其中式中V为全部像素数。
如图2所示,对于这种基本的FFD非刚体配准方法,为了校正较细小的浮动图像形变,采用比较稠密的控制点时,控制点位移向量会出现相互交叉等拓扑畸变,导致校正后的图像局部出现怪异的畸变。
美国专利US8,184,129B2利用归一化互信息测度(NMI,NormalizedMutual Information)和FFD对图像进行非刚体配准。具体地对图像进行了子区域的划分,进行对应子区域单独配准,然后将位移场进行插值平滑得到全局的位移场。但是算法实现复杂,计算较费时。美国专利申请2009/0304252A1在配准CT图像和超声图像用胸隔膜和血管的灰度与梯度等信息生成优化的代价函数,属于基于特征而不是基于灰度的配准方法,算法适用范围较窄。
发明内容
本发明解决的问题是提供一种非刚体的配准方法,用以避免在较稠密控制点密度的情况下,自由形变的非刚体配准的局部图像畸形问题。
为解决上述问题,本发明提供一种非刚体的配准方法,包括:输入参考图像和浮动图像,所述参考图像包含若干数目的控制点,基于所述控制点,将所述浮动图像与所述参考图像进行迭代配准,获取新浮动图像,其中,每次迭代获取所述控制点的位移向量更新后,还包括逐个检查并修正所述控制点的位移向量。
可选的,采用最速下降法进行所述迭代配准。
可选的,所述配准还包括计算所述参考图像和浮动图像的互信息测度及其偏导数、弯曲能量及其偏导数,以进行所述位移场修正。
可选的,所述迭代配准包括:逐点获取参考图像像素点的整数坐标,并基于参考图像的分辨率获取对应的浮点坐标;基于所述控制点的位移,获取所述参考图像的浮点坐标在所述浮动图像上对应像素点的浮点坐标;插值法获取所述浮动图像浮点坐标对应的灰度值。
可选的,所述位移场修正包括以下之一或全部:基于所述控制点的幅值进行位移场修正,基于所述控制点和所述控制点邻域的控制点的拓扑关系进行位移场修正。
可选的,若为二维图像配准,则所述控制点邻域的控制点为与所述控制点相邻的8个控制点;若为三维图像配准,则所述控制点邻域的控制点为与所述控制点相邻的26个控制点。
可选的,所述位移修正包括:提供幅值比例阈值的上限值和下限值,并将所述控制点的幅值与所述控制点的间距进行比较,若所述控制点的幅值与所述控制点间距的比值大于所述幅值比例阈值的上限值或者小于所述幅值比例阈值的下限值,则对所述控制点的位移乘以修正系数,以对所述控制点的位移进行修正。
可选的,所述幅值比例阈值为50%~80%,所述修正系数范围为0.55~0.95。
可选的,基于所述控制点和所述控制点邻域的控制点的拓扑关系进行位移场修正包括:判断所述位移点和与其相邻的若干数目的控制点的极度方向的一致性。
可选的,若所述控制点的水平分量或垂直分量与相邻控制点的极度方向不一致时,对其进行位移修正。
可选的,若所述控制点和所述控制点邻域的控制点形成有拓扑畸变,则对所述控制点进行位移场修正。
可选的,还包括对所述小于所述幅值比例阈值的下限值的控制点进行检查,对于二维图像配准,若控制点与其水平2个相邻控制点的X分量或垂直2个相邻控制点的Y分量出现极度方向不一致的变化趋势时,对所述控制点进行修正;对于三维图像配准,若控制点与其水平2个相邻控制点的X分量,垂直2个相邻控制点的Y分量或垂直2个相邻控制点的Z分量出现极度方向不一致的变化趋势时,对所述控制点进行修正。
本专利综合了上面的几种技术,并且采用位移场修正的方法保证了非刚体变换的拓扑不变,避免了自由形变的非刚体配准在较稠密控制点密度的情况下出现的局部图像畸形,一般地,该种畸形表明优化过程进入了局部极小点;进一步地,采用创新的方法,来加快弯曲能量的计算。
附图说明
图1所示为现有技术的非刚体的配准方法的方法示意图;
图2所示为现有技术的非刚体的配准方法的效果示意图;
图3为本发明一种非刚体的配准方法的一个实施例的流程示意图;
图4所示为检查并修正位移场算法的流程示意图;
图5和图6为形成有拓扑畸变的位移场示意图;
图7为对拓扑畸变的位移场进行修正后的位移场示意图;
图8a到8d所示为一个实施例的本发明非刚体的配准方法的效果示意图;
图9a到9f所示为另一个实施例的本发明非刚体的配准方法的效果示意图。
具体实施方式
本发明提供一种非刚体的配准方法,包括:输入参考图像和浮动图像,所述参考图像包含若干数目的控制点,基于所述控制点,将所述浮动图像与所述参考图像进行迭代配准,获取新浮动图像,其中,每次迭代获取所述控制点的位移向量更新后,还包括逐个检查并修正所述控制点的位移向量。所述位移场修正包括以下之一或全部:基于所述控制点的幅值进行位移场修正,基于所述控制点和所述控制点邻域的控制点的拓扑关系进行位移场修正。
若为二维图像配准,则所述控制点邻域的控制点为与所述控制点相邻的8个控制点;若为三维图像配准,则所述控制点邻域的控制点为与所述控制点相邻的26个控制点。其中,采用最速下降法进行所述迭代配准。
所述迭代配准包括:逐点获取参考图像像素点的整数坐标,并基于参考图像的分辨率获取对应的浮点坐标;基于所述控制点的位移,获取所述参考图像的浮点坐标在所述浮动图像上对应像素点的浮点坐标;插值法获取所述浮动图像浮点坐标对应的灰度值。
进一步地,所述配准还包括计算所述参考图像和浮动图像的互信息测度及其偏导数、弯曲能量及其偏导数,以进行所述位移场修正。
所述位移修正包括:提供幅值比例阈值的上限值和下限值,并将所述控制点的幅值与所述控制点的间距进行比较,若所述控制点的幅值与所述控制点间距的比值大于所述幅值比例阈值的上限值或者小于所述幅值比例阈值的下限值,则对所述控制点的位移乘以修正系数,以对所述控制点的位移进行修正。所述幅值比例阈值为50%~80%,所述修正系数范围为0.55~0.95。
进一步地,还包括对所述小于所述幅值比例阈值的下限值的控制点进行检查,对于二维图像配准,若控制点与其水平2个相邻控制点的X分量或垂直2个相邻控制点的Y分量出现极度方向不一致的变化趋势时,对所述控制点进行修正;对于三维图像配准,若控制点与其水平2个相邻控制点的X分量,垂直2个相邻控制点的Y分量或垂直2个相邻控制点的Z分量出现极度方向不一致的变化趋势时,对所述控制点进行修正。
进一步地,若所述控制点和所述控制点邻域的控制点形成有拓扑畸变,则对所述控制点进行位移场修正。如判断所述位移点和与其相邻的若干数目的控制点的极度方向的一致性以进行位移场修正。进一步地,若所述控制点的水平分量或垂直分量与相邻控制点的极度方向不一致时,对其进行位移修正。
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施的限制。
其次,本发明利用示意图进行详细描述,在详述本发明实施例时,为便于说明,所述示意图只是一个实施例,其在此不应限制本发明保护的范围。
如图3为本发明一种非刚体的配准方法的一个实施例的流程示意图,包括:首先执行步骤S1,输入参考图像和浮动图像;执行步骤S2,设定初始控制点密度(最小的控制点分辨率)。将位移场的X、Y分量pi初始化为0,其中i=0,...N-1为优化变量的序号。
具体地,所述pi为某个控制点i的位移向量X分量或Y分量。N=2·(Gridx+3)·(Gridy+3)为优化变量的个数,其中,Gridx,Gridx分别为图像上控制点的列数和行数。本发明可应用于三维图像或二维图像中,在下面的实施例中,不失一般性,将一直以二维图像作为描述对象。
后续地,将逐个参考图像像素统计参考图像与校正浮动图像之间的互信息测度;并计算该测度对优化变量的偏导数及逐个控制点统计位移场的弯曲能量;并计算弯曲能量对优化变量的偏导数并将所述互信息测度的偏导数及弯曲能量偏导数进行加权处理,以进行位移场的修正。
参考图3,执行步骤S31计算参考图像与校正浮动图像之间的互信息测度,及执行步骤S41,计算互信息测度对优化参数的偏导数;
另外地,还包括执行步骤S32计算弯曲能量,即逐个计算控制点统计位移场的弯曲能量;执行步骤S42计算弯曲能量对优化参数的偏导数。
其中,弯曲能量的计算公式如下,
式中V为全部像素数。
本发明采用快速的方法来计算弯曲能量和弯曲能量对优化变量的导数。即不再是统计所有的像素,仅仅统计控制点所在点的位移向量对弯曲能量的贡献。这些点的控制点将是3个,包括左右各1个,自身所在位置1个。
进一步地,还包括对弯曲能量对优化变量的偏导数进行归一化,即后续地,将使用所述归一化后的弯曲能量对优化变量的偏导数。
按照上述步骤获取所述互信息测度对优化参数的偏导数及弯曲能量对优化参数的偏导数后,将计算两种偏导数的加权和,其中,权值weight一般取0.01。
进一步地,对上述偏导数的加权和进行归一化,即
根据最速下降法和当前步长steplength更新参数,
如图2所示,对于上述的基于自由形变的非刚体配准方法中,为了校正较细小的浮动图像形变,采用比较稠密的控制点时,控制点位移向量会出现相互交叉等拓扑畸变,导致校正后的图像局部出现怪异的畸变。
针对上述问题,本发明在每次迭代使位移向量得到更新之后,再采用位移场修正的方法逐个检查并修正控制点的位移。首先检查位移向量的幅值,如与控制点间距之比大于某个阈值,则进行修正。然后检查控制点与邻域控制点位移向量之间的拓扑关系。迭代过程表明,位移场的修正不会带来整体参考图像与校正浮动图像相似度的降低。这种人为干预使优化迭代过程跳出局部最优,当结合由稀疏到稠密多级的控制点网格进行修正后,能分别将不同尺度的形变依次进行校正。
具体地,所述修正位移场包括步骤S5和S6。根据上述步骤获取的参数进一步执行步骤S5,优化更新位移场;所述具体步骤参见后续的图4部分。
更新所述位移场后,执行步骤S6,检查并修正位移场;执行步骤S7,判断是否满足收敛精度,若是,则执行步骤S8,是否已到预定的最高控制点分辨率。若是,则执行步骤S9,输出校正图像;若否,则执行步骤S10,校正浮动图像作为新浮动图像。并在浮动图像更换后,执行步骤S11,加密控制点使控制点间距减半,即使得所述控制点成倍加密。并继续进行配准,即执行步骤S2,设定初始控制点数目(密度);位移初始值初始化为0。
进一步地,若所述步骤S7的判断为否,即所述修正位移场的精度不满足收敛精度,则基于最速下降法,继续执行步骤S2的后续步骤,即计算所述互信息测度的偏导数及弯曲能量的偏导数及后续处理程序。
进一步地,图4所示为检查并修正位移场算法的流程示意图。首先,记录控制点X方向的相邻控制点的间距作为控制间距spacex,Y方向的相邻控制点的间距作为控制间距spacey,并记录最小间距值为space=min(spacex,spacey)。
接着,更新位移场的X,Y的分量值pi,更新值的备份值为qi=pi。并从所述qi中取出每个控制点位移X分量Kx,Y分量Ky。
首先,进行PartA部分的位移修正,即对幅值过大的控制点位移进行修正。具体地,首先进行第一判断,所述第一判断包括判断所述控制点位移的幅值与所述最小间距值space的大小关系。其中,所述最小间距值space为所述控制点X方向间距和Y方向间距中的最小值。若所述控制点位移的面积大于所述最小间距值space的一定比例,则对所述控制点位移X分量dx,Y分量dy进行修正,所述修正为对原控制点的位移分量乘以修正系数。
作为一个实施例,包括第一判断包括判断所述控制点位移的面积是否大于所述最小间距值的70%,即sqrt(Kx*Kx+Ky*Ky)是否大于0.7*space,若大于,则执行控制点位移的修正。本实施例中,所述修正系数为0.75。
若上述第一判断为否,则执行后续的PartB。所述PartB的位移场修正为对水平分量或垂直分量与相邻8个控制点的极度方向不一致时,对其进行修正,如图5和图6为形成有拓扑畸变的位移场示意图。其中,方形框表示当前控制点,圆形框为位移向量出现极度不一致变化的相邻控制点。经过修正,形成有如图7所述的位移场,其中,所述方形框和圆形框的控制点的极度方向一致。
具体地,所述PartB的位移场修正包括第二判断:判断当前控制点是否为边界点,若是,则执行后续的PartC;若否,则从所述控制点的分量值的备份值qi中取该控制点8个相邻控制点的位移分量,包括X分量和Y分量,其中,所述8个相邻控制点的位移分量记录为Gx和Gy。
接着,执行第三判断:判断是否Gx*Kx<0,且是否|Gx|+|Kx|大于控制点X方向控制间距spacex。若是,则执行控制点位移的修正,所述修正为对原控制点的X位移分量乘以修正系数。作为一个实施例,所述修正系数为0.5。;若所述第三判断为否,则执行后续地第四判断。
进一步地,执行第四判断:判断是否Gy*Ky<0,且是否|Gy|+|Ky|大于控制点Y方向控制间距spacey。若是,则执行控制点位移的修正,所述修正为对原控制点的Y位移分量乘以修正系数。作为一个实施例,所述修正系数为0.5。若否,则执行后续的partC的位移场的修正。
上述的第三判断和第四判断可以互换,即先执行第四判断,再执行第三判断。
partB对水平分量或垂直分量与相邻8个控制点的极度方向不一致时,对其进行修正,如图5和图6为形成有拓扑畸变的位移场示意图。其中,方形框表示当前控制点,圆形框为位移向量出现极度不一致变化的相邻控制点。经过修正,形成有如图7所述的位移场,其中,所述方形框和圆形框的控制点的极度方向一致。
执行上述partB的位移场修正后,接着执行partC的位移场的修正,即对位移向量幅值较小的控制点进行检查,如果与其水平2个相邻控制点的X分量或垂直2个相邻控制点的Y分量出现极度不一致的变化趋势时,进行修正。
具体地,首先重新记录位移场的X,Y的分量值pi,更新值的备份值为qi=pi,并对非边界点上的控制点,从qi中取每个控制点X位移分量Kx,Y位移分量Ky。接着,执行第五判断,包括判断所述控制点位移的面积是否小于所述最小间距值space的一定比例。其中,所述最小间距值space为所述控制点X方向间距和Y方向间距中的最小值。若所述第五判断为否,则转入下一次迭代。本实施例中,所述第五判断为判断所述控制点位移的面积是否小于所述最小间距值space的0.1倍。
若所述第五判断为是,即若所述控制点位移的面积小于所述最小间距值space的0.1倍,则记录水平方向两个相邻控制点X方向位移之积Gx*Gx,垂直方向两个相邻控制点Y方向的位移之积Gy*Gy。
接着进行第六判断和第七判断,分别判断两个相邻控制点X方向位移之积Gx*Gx与最小间距值space的大小关系,和两个相邻控制点Y方向位移之积Gy*Gy与最小间距值space的大小关系。作为一个实施例,所述大小关系为判断所述两个相邻控制点方向位移之积是否大于最小间距值space的0.2倍的乘积的平方。即所述第六判断为Gx*Gx是否大于(0.2*space)2,所述第六判断为Gy*Gy是否大于(0.2*space)2。
若所述第六判断为是,则对所述控制点位移X分量Kx进行修正。本实施例中,所述修正为Kx=sqrt(Gx*Gx)*Mx/|Mx|,其中,Mx为右侧控制点X方向位移。若所述判断为否,则执行第七判断。
若所述第七判断为是,则对所述控制点位移Y分量Ky进行修正。本实施例中,所述修正为Ky=sqrt(Gy*Gy)*Ny/|Ny|,Ny为下侧控制点Y方向位移。若所述第七判断为否,则执行下一次迭代。
上述的第六判断和第七判断可以互换,即先执行第七判断,再执行第六判断。
如图8a到8d所示为一个实施例的本发明非刚体的配准方法的效果示意图,其中,采用对如图所示的lena图像进行配准,分别采用了两级分辨率。第1级的分辨率为17*17(17表示位于图像上的控制点为17个,为了3阶样条的需要再加上外部控制点:左边1个、右边2个共17+3,下同),第2级33*33(33=17*2-1,表示成倍加密后的位于图像上的控制点数目,下一个实施例与此相同)其中,8a为参考图像,8b为浮动图像,8c为第1级分辨率校正浮动图像,8d第2级分辨率校正浮动图像。
如图9a到9f所示为另一个实施例的本发明非刚体的配准方法的效果示意图,具体地,对老鼠肺部的图像进行非刚体配准,并分别采用3级分辨率5x5、9x9、17x17。其中,9a为参考图像,9b为浮动图像,9c为浮动图像与参考图像的减影图;9d为第1级分辨率校正浮动图像,9e为第2级分辨率校正浮动图像,9f为第3级分辨率校正浮动图像。
本专利综合了上面的几种技术,并且采用位移场修正的方法保证了非刚体变换的拓扑不变,避免了自由形变的非刚体配准在较稠密控制点密度的情况下出现的局部图像畸形;并且采用创新的方法,来加快弯曲能量的计算。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,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、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (12)
1.一种非刚体的配准方法,其特征在于,包括:
输入参考图像和浮动图像,所述参考图像包含若干数目的控制点,基于所述控制点,将所述浮动图像与所述参考图像进行迭代配准,获取新浮动图像,其中,每次迭代获取所述控制点的位移向量更新后,还包括逐个检查并修正所述控制点的位移向量。
2.如权利要求1所述的非刚体的配准方法,其特征在于,采用最速下降法进行所述迭代配准。
3.如权利要求1所述的非刚体的配准方法,其特征在于,所述配准还包括计算所述参考图像和浮动图像的互信息测度及其偏导数、弯曲能量及其偏导数,以进行所述位移场修正。
4.如权利要求1所述的非刚体的配准方法,其特征在于,所述迭代配准包括:逐点获取参考图像像素点的整数坐标,并基于参考图像的分辨率获取对应的浮点坐标;基于所述控制点的位移,获取所述参考图像的浮点坐标在所述浮动图像上对应像素点的浮点坐标;插值法获取所述浮动图像浮点坐标对应的灰度值。
5.如权利要求1所述的非刚体的配准方法,其特征在于,所述位移场修正包括以下之一或全部:基于所述控制点的幅值进行位移场修正,基于所述控制点和所述控制点邻域的控制点的拓扑关系进行位移场修正。
6.如权利要求5所述的非刚体的配准方法,其特征在于,若为二维图像配准,则所述控制点邻域的控制点为与所述控制点相邻的8个控制点;若为三维图像配准,则所述控制点邻域的控制点为与所述控制点相邻的26个控制点。
7.如权利要求5所述的非刚体的配准方法,其特征在于,所述位移修正包括:提供幅值比例阈值的上限值和下限值,并将所述控制点的幅值与所述控制点的间距进行比较,若所述控制点的幅值与所述控制点间距的比值大于所述幅值比例阈值的上限值或者小于所述幅值比例阈值的下限值,则对所述控制点的位移乘以修正系数,以对所述控制点的位移进行修正。
8.如权利要求7所述的非刚体的配准方法,其特征在于,所述幅值比例阈值为50%~80%,所述修正系数范围为0.55~0.95。
9.如权利要求5所述的非刚体的配准方法,其特征在于,基于所述控制点和所述控制点邻域的控制点的拓扑关系进行位移场修正包括:若所述控制点和所述控制点邻域的控制点形成有拓扑畸变,则对所述控制点进行位移场修正。
10.如权利要求5所述的非刚体的配准方法,其特征在于,基于所述控制点和所述控制点邻域的控制点的拓扑关系进行位移场修正包括:判断所述位移点和与其相邻的若干数目的控制点的极度方向的一致性。
11.如权利要求10所述的非刚体的配准方法,其特征在于,若所述控制点的水平分量或垂直分量与相邻控制点的极度方向不一致时,对其进行位移修正。
12.如权利要求7所述的非刚体的配准方法,其特征在于,还包括对所述小于所述幅值比例阈值的下限值的控制点进行检查,对于二维图像配准,若控制点与其水平2个相邻控制点的X分量或垂直2个相邻控制点的Y分量出现极度方向不一致的变化趋势时,对所述控制点进行修正;对于三维图像配准,若控制点与其水平2个相邻控制点的X分量,垂直2个相邻控制点的Y分量或垂直2个相邻控制点的Z分量出现极度方向不一致的变化趋势时,对所述控制点进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310628081.5A CN104680486A (zh) | 2013-11-29 | 2013-11-29 | 一种非刚体的配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310628081.5A CN104680486A (zh) | 2013-11-29 | 2013-11-29 | 一种非刚体的配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104680486A true CN104680486A (zh) | 2015-06-03 |
Family
ID=53315485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310628081.5A Pending CN104680486A (zh) | 2013-11-29 | 2013-11-29 | 一种非刚体的配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680486A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230223A (zh) * | 2017-06-09 | 2017-10-03 | 中国科学院苏州生物医学工程技术研究所 | 基于不连续运动的肝部三维多模态图像配准方法 |
CN110913765A (zh) * | 2018-02-08 | 2020-03-24 | 上海联影医疗科技有限公司 | 生成图像的系统和方法 |
CN111524067A (zh) * | 2020-04-01 | 2020-08-11 | 北京东软医疗设备有限公司 | 一种图像处理方法、装置和设备 |
CN111968222A (zh) * | 2020-08-04 | 2020-11-20 | 西北工业大学 | 一种人体组织非静止状态下三维超声重建方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1725245A (zh) * | 2004-07-22 | 2006-01-25 | 中国科学院自动化研究所 | 一种基于粘弹性模型的非刚体医学图像配准方法 |
US20100001996A1 (en) * | 2008-02-28 | 2010-01-07 | Eigen, Llc | Apparatus for guiding towards targets during motion using gpu processing |
CN102169578A (zh) * | 2011-03-16 | 2011-08-31 | 内蒙古科技大学 | 一种基于有限元模型的非刚性医学图像配准方法 |
CN102663738A (zh) * | 2012-03-20 | 2012-09-12 | 苏州生物医学工程技术研究所 | 三维图像配准方法及系统 |
CN103325111A (zh) * | 2013-06-05 | 2013-09-25 | 哈尔滨工程大学 | 一种基于互信息的非刚性声纳图像配准方法 |
-
2013
- 2013-11-29 CN CN201310628081.5A patent/CN104680486A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1725245A (zh) * | 2004-07-22 | 2006-01-25 | 中国科学院自动化研究所 | 一种基于粘弹性模型的非刚体医学图像配准方法 |
US20100001996A1 (en) * | 2008-02-28 | 2010-01-07 | Eigen, Llc | Apparatus for guiding towards targets during motion using gpu processing |
CN102169578A (zh) * | 2011-03-16 | 2011-08-31 | 内蒙古科技大学 | 一种基于有限元模型的非刚性医学图像配准方法 |
CN102663738A (zh) * | 2012-03-20 | 2012-09-12 | 苏州生物医学工程技术研究所 | 三维图像配准方法及系统 |
CN103325111A (zh) * | 2013-06-05 | 2013-09-25 | 哈尔滨工程大学 | 一种基于互信息的非刚性声纳图像配准方法 |
Non-Patent Citations (3)
Title |
---|
刘树伟,尹岭,唐一源: "《功能神经影像学》", 31 August 2011, 山东科学技术出版社 * |
卓力, 王素玉, 李晓光: "《图像/视频的超分辨率复原》", 1 January 2011, 人民邮电出版社 * |
沈影: "非刚体的医学图像配准技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230223A (zh) * | 2017-06-09 | 2017-10-03 | 中国科学院苏州生物医学工程技术研究所 | 基于不连续运动的肝部三维多模态图像配准方法 |
CN107230223B (zh) * | 2017-06-09 | 2021-01-08 | 中国科学院苏州生物医学工程技术研究所 | 基于不连续运动的肝部三维多模态图像配准方法 |
CN110913765A (zh) * | 2018-02-08 | 2020-03-24 | 上海联影医疗科技有限公司 | 生成图像的系统和方法 |
US11672501B2 (en) | 2018-02-08 | 2023-06-13 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for couch sag compensation |
CN110913765B (zh) * | 2018-02-08 | 2023-07-07 | 上海联影医疗科技股份有限公司 | 生成图像的系统和方法 |
CN111524067A (zh) * | 2020-04-01 | 2020-08-11 | 北京东软医疗设备有限公司 | 一种图像处理方法、装置和设备 |
CN111524067B (zh) * | 2020-04-01 | 2023-09-12 | 北京东软医疗设备有限公司 | 一种图像处理方法、装置和设备 |
CN111968222A (zh) * | 2020-08-04 | 2020-11-20 | 西北工业大学 | 一种人体组织非静止状态下三维超声重建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tobon-Gomez et al. | Benchmarking framework for myocardial tracking and deformation algorithms: An open access database | |
US20170178307A1 (en) | System and method for image registration in medical imaging system | |
US20090190809A1 (en) | Method and Apparatus for Efficient Automated Re-Contouring of Four-Dimensional Medical Imagery Using Surface Displacement Fields | |
JP4885138B2 (ja) | 一連の画像における動き修正のための方法およびシステム | |
CN105590304B (zh) | 超分辨率图像重建方法和装置 | |
CN102138161B (zh) | 长轴后期增强心脏mri的分割 | |
JP2013022462A (ja) | 運動対象輪郭トラッキング装置、心筋運動解析装置、運動対象輪郭トラッキング方法および心筋運動解析方法 | |
CN102596025A (zh) | 基于鲁棒统计信息传播的多模态三维磁共振图像脑肿瘤分割方法 | |
CN104680486A (zh) | 一种非刚体的配准方法 | |
US10762648B2 (en) | Image processing apparatus, image processing method, image processing system, and program | |
CN106204550A (zh) | 一种非刚性多模医学图像的配准方法及系统 | |
Marinelli et al. | Automatic PET-CT image registration method based on mutual information and genetic algorithms | |
CN105303547A (zh) | 一种基于网格匹配的Demons算法的多期CT图像配准方法 | |
CN104240226B (zh) | 一种心脏图像的配准方法 | |
US20190362548A1 (en) | Apparatus and method for creating biological model | |
CN103761750A (zh) | 一种心肌质点运动图像与心肌纤维走向图像配准方法 | |
US20140064588A1 (en) | Quantifying curvature of biological structures from imaging data | |
CN103593843B (zh) | 基于量子进化计算和b样条变换的医学图像配准方法 | |
CN107256571A (zh) | 一种基于深度学习与自适应差分盒的分形维数估计方法 | |
CN114387317B (zh) | Ct图像和mri三维图像的配准方法、装置 | |
US20200160118A1 (en) | Computer, neural network construction method, and computer system | |
CN103345741A (zh) | 一种非刚性多模医学图像精确配准方法 | |
CN116563096B (zh) | 用于图像配准的形变场的确定方法、装置以及电子设备 | |
US10297035B2 (en) | Image processing apparatus, image processing method, and program | |
CN100550056C (zh) | 在图像序列中进行运动校正的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150603 |
|
RJ01 | Rejection of invention patent application after publication |