CN105678726A - 基于标记法的多模态微波成像方法及系统 - Google Patents
基于标记法的多模态微波成像方法及系统 Download PDFInfo
- Publication number
- CN105678726A CN105678726A CN201511020196.1A CN201511020196A CN105678726A CN 105678726 A CN105678726 A CN 105678726A CN 201511020196 A CN201511020196 A CN 201511020196A CN 105678726 A CN105678726 A CN 105678726A
- Authority
- CN
- China
- Prior art keywords
- image
- microwave
- tomoscan
- signal
- radar detection
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 58
- 238000002372 labelling Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000004927 fusion Effects 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims description 18
- 230000001427 coherent effect Effects 0.000 claims description 11
- 238000013519 translation Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000003325 tomography Methods 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims 1
- 206010028980 Neoplasm Diseases 0.000 abstract description 6
- 201000011510 cancer Diseases 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 210000005075 mammary gland Anatomy 0.000 abstract 1
- 238000013507 mapping Methods 0.000 abstract 1
- 210000000481 breast Anatomy 0.000 description 11
- 238000009826 distribution Methods 0.000 description 11
- 230000009466 transformation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003874 inverse correlation nuclear magnetic resonance spectroscopy Methods 0.000 description 2
- 210000001165 lymph node Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000000790 scattering method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- IWXAZSAGYJHXPX-BCEWYCLDSA-N Bisbentiamine Chemical compound C=1C=CC=CC=1C(=O)OCC/C(SS\C(CCOC(=O)C=1C=CC=CC=1)=C(/C)N(CC=1C(=NC(C)=NC=1)N)C=O)=C(/C)N(C=O)CC1=CN=C(C)N=C1N IWXAZSAGYJHXPX-BCEWYCLDSA-N 0.000 description 1
- 241000581364 Clinitrachus argentatus Species 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- 241000219000 Populus Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000010562 histological examination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30068—Mammography; Breast
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于标记法的多模态微波成像方法及系统,通过将所述雷达探测图像和所述断层扫描图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。在诊断早期癌症患者的过程中可以通过使用不同的成像模态进行优势互补,本发明中将这两种技术成功融合,构成一套多模微波乳腺成像系统,达到成像优劣互补的目的。
Description
技术领域
本发明涉及一种图像的融合方法及系统,尤其涉及一种雷达探测图像和断层扫描图像的融合方法及系统。
背景技术
在医疗检测过程中,通常包括X光摄片、彩超、磁共振以及组织学检测。X光摄片分辨率高,但伴随着电离辐射和对乳房的压缩,不适应于病人的普查。彩超检测无放射性损害,但是对部分癌症病患、钙化点和毛刺杨结构不能显示,且受检查医师经验影响大。磁共振费用高,成像时间久,而组织学检查亦需精确定位,如钼靶引导入针、彩超引导入针等。因此,当前的这些检测手段并不适用于大规模的癌症病患筛查,尤其是针对中国广大的农村地区,医疗设施和普及非常不平衡的条件下,而微波成像的临床检测具有无电离辐射、造价低、效果和X光相当、可长期监测特点,能够成为我过大规模筛查的重要工具。
在微波成像技术中,包括了两种技术,微波雷达成像和微波断层扫描成像,前者对于对比清晰的乳房组织,能够很好的发现强散射区域,符合X光以及超声和MRI的判断,对于非常致密的乳房难以解读,而对于良性肿瘤,或一些组织结块,一样会给出误读,微波断层扫描成像则可以判断组织的致密类型,同时可以判断不同组织的区域,两种成像方法各有优点但很难统一。
发明内容
本发明解决的技术问题是:构建一种基于标记法的多模态微波成像方法及系统,克服现有技术单一检测器件不能对两种图像进行统一的技术问题。
本发明的技术方案是:提供一种基于标记法的多模态微波成像方法,包括如下步骤:
微波扫描:对待测区域发生微波宽带脉冲信号和微波单频相干信号;接收微波宽带脉冲回波信号和微波单频回波信号;
分别成像:根据微波宽带脉冲回波信号生成雷达探测图像,根据微波单频回波信号生成断层扫描图像;
图像融合:将所述断层扫描图像作为参考图像,将所述雷达探测图像作为浮动图像进行配准,对所述雷达探测图像的像素进行刚体变换,将所述断层扫描图像和所述雷达探测图像的灰度值分别看作两个随机变量进行互信息相关评估,当两个随机变量达到最佳配准时,它们对应像素的灰度互相关信息值达到最大,完成图像的融合。
本发明的进一步技术方案是:在所述雷达探测图像和所述断层扫描图像两者中图像的特征点处进行标记,将所述雷达探测图像和所述断层扫描图像的图像标记重合对所述雷达探测图像和所述断层扫描图像进行融合。
本发明的进一步技术方案是:在图像融合时,将所述雷达探测图像和所述断层扫描图像的图像标记进行识别,然后将识别图像作为界标进行图像融合。
本发明的进一步技术方案是:在图像融合步骤中,以所述断层扫描图像和所述雷达探测图像的相似性侧度来衡量两幅图像的相似程度进行融合优化。
本发明的进一步技术方案是:在进行图像融合之前还包括利用点运算来进行对比度的扩展的图像预处理。
本发明的技术方案是:构建一种基于标记法的多模态微波成像系统,包括微波信号发生单元、微波信号接收单元、雷达成像单元、断层扫描成像单元、融合处理单元,所述微波信号发生单元对待测区域发生微波宽带脉冲信号和微波单频相干信号,所述微波信号接收单元接收微波宽带脉冲回波信号和微波单频回波信号,所述雷达成像单元根据微波宽带脉冲回波信号生成雷达探测图像,所述断层扫描成像单元根据微波单频回波信号生成断层扫描图像,所述融合处理单元所述融合处理单元将所述断层扫描图像作为参考图像,将所述雷达探测图像作为浮动图像进行配准,所述融合处理单元对所述雷达探测图像的像素进行刚体变换,所述融合处理单元将所述断层扫描图像和所述雷达探测图像的灰度值分别看作两个随机变量进行互信息相关评估,当两个随机变量达到最佳配准时,它们对应像素的灰度互相关信息值达到最大,完成图像的融合。。
本发明的进一步技术方案是:所述融合处理单元还包括图像标记模块,所述图像标记模块在所述雷达探测图像和所述断层扫描图像两者中图像的特征点处进行标记,将所述雷达探测图像和所述断层扫描图像的图像标记重合对所述雷达探测图像和所述断层扫描图像进行融合。
本发明的进一步技术方案是:所述融合处理单元还包括图像标记识别模块,所述图像标记识别模块将所述雷达探测图像和所述断层扫描图像的图像标记进行识别。
本发明的进一步技术方案是:还包括图像优化模块,所述图像优化模块以所述断层扫描图像和所述雷达探测图像的相似性侧度来衡量两幅图像的相似程度进行融合优化。
本发明的进一步技术方案是:所述微波信号处理单元包括微波雷达信号处理单元和微波断层信号处理单元。
本发明的技术效果是:构建一种基于标记法的多模态微波成像方法及系统,通过将所述断层扫描图像作为参考图像,将所述雷达探测图像作为浮动图像进行配准,对所述雷达探测图像的像素进行刚体变换,将所述断层扫描图像和所述雷达探测图像的灰度值分别看作两个随机变量进行互信息相关评估,当两个随机变量达到最佳配准时,它们对应像素的灰度互相关信息值达到最大,完成图像的融合。在诊断早期癌症患者的过程中可以通过使用不同的成像模态进行优势互补,微波雷达成像利用超宽带微波信号来获取目标散射中心在距离上的高分辨率,然后利用多普勒信息,获得散射中心在横向距离上的高分辨率,两者结合即可获得目标的二维或三维分辨率,从而使目标的多位高分辨率得以实现。微波断层扫描成像是将低功率微波射向被测物体,在微波的激励下被测物产生一个散射场,该散射场与被测物内部的复介电常数分布有关,通过对该散射物的测量,得到被测物的相对介电常数及电导率的分布,进行相应的信息处理后即可获得被测物内部目标的微波断层成像。本发明中将这两种技术成功融合,构成一套多模微波乳腺成像系统,达到成像优劣互补的目的。
附图说明
图1为本发明的结构示意图。
图2为本发明的结构图。
图3为本发明的融合流程图。
具体实施方式
下面结合具体实施例,对本发明技术方案进一步说明。
如图1所示,本发明的具体实施方式是:提供一种基于标记法的多模态微波成像方法,包括如下步骤:
微波扫描:对待测区域发生微波宽带脉冲信号和微波单频相干信号;接收微波宽带脉冲回波信号和微波单频回波信号;
具体实施过程如下:微波发生单元通过微波天线对待测区域发生微波宽带脉冲信号,微波宽带脉冲信号照射成像区域中的病灶区域,在病灶区域表面产生散射,用若干个微波天线扫描接收从病灶表面散射的微波宽带脉冲回波信号。微波信号发生单元1包括微波发生器和微波发射天线,微波信号接收单元包括微波接收天线。微波天线包括微微波发射天线和微波接收天线。微波发生单元通过微波天线对对待测区域发生微波单频相干信号,微波天线扫描接收并记录下所在位置的微波单频回波信号。微波扫描天线交替实现信号发射和接收;或微波发射天线和微波接收天线呈阵列排列,同时进行发射微波信号和接收微波回波信号微波信号发生单元为多个信号发生器,为系统提供微波宽带脉冲信号和微波单频相干信号。
分别成像:根据微波宽带脉冲回波信号生成雷达探测图像,根据微波单频回波信号生成断层扫描图像。
具体实施过程如下:微波雷达成像原理利用合成孔径雷达原理,以一个小天线作为单个辐射单元,沿一直线方向不断移动扫描,在移动中选择若干位置发射信号,接收相应的发射位置的回波信号,存贮接收信号的振幅和相位。通过微波天线记录接收到微波散射信号的时间,即可算出时延,而微波天线与病灶的距离固定,故可得到微发射天线到病灶的距离,从而进行精确的成像。微波断层成像方法类似于计算机断层摄影术,是一种电磁逆散射方法,通过在散射体外部观测到的电磁场来反演成像区域的电磁特征参数分布,从而判断散射体目标的位置、形状和尺寸分布等信息。将接收的微波单频回波信号,根据电磁特征参数分布及散射体目标的位置、形状和尺寸分布信息生成断层扫描图像。
图像融合:将所述雷达探测图像和所述断层扫描图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。
具体实施过程如下:图像融合包括多种方法:一种方法为标记法,在所述雷达探测图像和所述断层扫描图像两者中图像的特征点处进行标记,将所述雷达探测图像和所述断层扫描图像的图像标记重合对所述雷达探测图像和所述断层扫描图像进行融合,在图像融合时,将所述雷达探测图像和所述断层扫描图像的图像标记进行识别,然后将识别图像作为界标进行图像融合,识别图像标记特征,可以使图像融合更精确。具体实施例中,在进行标记后对图像进行优化,分割后,对分割区域进行图像融合。图像标记软件设计成将图像的特征点识别作为图像合成的界标。图像标记软件根据所述雷达探测图像和断层扫描图像对组织识别的标记、淋巴结识别的标记以及特征部分的标记,在坐标轴上形成重合点,完成所述雷达探测图像和断层扫描图像的融合,该方法同样适用于其他方式组合的二维或三维乳房图像。还包括了对多模态微波乳房图像的显示,显示乳房的二维和三维信息,对病灶区域的标记。
具体步骤如下:
图像配准
通过使用匹配、叠加等处理手段,将多幅图像中的同一对象保持在图像中的同一位置,使其具有相同的空间坐标的过程。
在微波断层扫描图像与微波雷达图像的配准中,将相对稳定的微波断层扫描图像作为参考图象I,将微波雷达图像作为浮动图像II,进行基于像素的最大互信息法的图像配准,流程图如图3所示下:
刚体变换包括比例变换,在二维图像II中,点(x1,y1)经过刚性变换到点(x2,y2)应用公式为:
其中,α为旋转角度,K为尺度参数.
互信息相关性评估。将两幅待配准的图像的灰度值分别看作两个随机变量A和B,范围0到255,边缘概率分布分别为PA(a)和PB(b),联合概率分布为PAB(a,b),则可以得到A与B的边缘熵和联合熵分别为:H(A),H(B)和H(A,B)。则有:
随机变量A和B的归一化互信息相关评估函数I(A,B),为:
当两幅基于共同解剖结构的图像达到最佳配准时,它们对应像素的灰度互相关信息值I(A,B)应该达到最大。
还包括图像优化模块,所述图像优化模块以所述断层扫描图像和所述雷达探测图像的相似性侧度来衡量两幅图像的相似程度进行融合优化。刚体变换完成后,图像优化模块需进一步找到一种相似性侧度来衡量两幅图像的相似程度,需要不断的变换参数α和K,使得相似侧度达到最优,其中尺度参数K变化范围为0到1,旋转角度范围为0到180度。
①将α与K变换范围集合为坐标轴的单位向量:ci=e(i=1,2,…,N);
②记录初始值位置向量为P0=(α0,K0);
③对i=1,2,…,N,将Pi‐1移至目标函数I(A,B)延ci方向的极大值位置,记下此点Pi;
④对i=1,2,…,N,将ci+1赋给ci,并置cN=PN‐P0;
⑤将PN移至目标函数I(A,B)在cN方向上的极大值点,并记录此点的P0;
⑥重复步骤②到⑤,直至函数值I(A,B)不再增大。
本发明的优选实施方式为:在进行图像融合之前还包括进行图像预处理。
微波断层扫描图像预处理方法如下:基于微波断层扫描成像受外界干扰因素大,图像预处理我们利用点运算来进行对比度的扩展,使图像清晰,特征明显,假定原图像f(x,y)的灰度范围为[a,b],变换后的图像g(x,y)的灰度范围线性的扩展至[c,d],则存在灰度线性变换表达式为:
当图像中大部分像素的灰度级分布在区间[a,b]内,fmax为原图的最大灰度级,只有很小一部分的灰度级超过了此区间,则为了改善增强效果,我们令
通过对图像的线性拉伸,可以有效改善图像对比度效果。
微波雷达图像预处理方法如下:由于微波雷达成像除了存在的固有问题斑点噪声外,同时还存在随机出现的亮点高频噪声,我们利用低通递归滤波方法对其进行预处理。
假设第n幅微波雷达图像中各像素点的灰阶值用xn(i,j)表示,α为相关系数,则处理后的图像yn(i,j)为
yn(i,j)=α*yn‐1(i,j)+(1‐α)*xn(i,j)(4)
由式(4)可以得知,当前每个像素点的值只取决于本像素点的输入及上一次的输出,与其他像素的值无关,我们借助一维的Z变换方法来分析它的频率特性,分析各个像素点自身的频率响应,即有:
y(n)=α*y(n‐1)+(1‐α)*x(n)(5)
其传递函数为,
H(z)=Y(z)/X(z)=(1‐α)/(1‐αz‐1)(6)
在仿真试验中,取值α为0.2,0.6以及0.8的幅频特性,α值越大,高频成分被抑制的越厉害,削弱斑点噪声越明显。
如图1、图2所示,本发明的具体实施方式是:本发明构建一种多模态微波成像系统,包括微波信号发生单元1、微波信号接收单元2、雷达成像单元3、断层扫描成像单元4、融合处理单元5,所述微波信号发生单元1对待测区域发生微波宽带脉冲信号和微波单频相干信号,所述微波信号接收单元2接收微波宽带脉冲回波信号和微波单频回波信号,所述雷达成像单元3根据微波宽带脉冲回波信号生成雷达探测图像,所述断层扫描成像单元4根据微波单频回波信号生成断层扫描图像,所述融合处理单元5将所述断层扫描图像作为参考图像,将所述雷达探测图像作为浮动图像进行配准,所述融合处理单元5对所述雷达探测图像的像素进行刚体变换,所述融合处理单元5将所述断层扫描图像和所述雷达探测图像的灰度值分别看作两个随机变量进行互信息相关评估,当两个随机变量达到最佳配准时,它们对应像素的灰度互相关信息值达到最大,完成图像的融合。。
具体实施过程如下:所述微波信号发生单元1对待测区域发生微波宽带脉冲信号和微波单频相干信号,所述微波信号接收单元2接收微波宽带脉冲回波信号和微波单频回波信号。所述微波信号发生单元1包括微波发生器和微波发射天线,所述微波信号接收单元2包括微波接收天线,微波天线包括微波发射天线和微波接收天线。微波信号发生单元1通过微波天线对待测区域发生微波宽带脉冲信号,微波宽带脉冲信号照射成像区域中的病灶区域,在病灶区域表面产生散射,用若干个微波天线扫描接收从病灶表面散射的信号。微波信号发生单元1通过微波天线对对待测区域发生微波单频相干信号,微波天线扫描接收并记录下所在位置的微波宽带脉冲回波信号。微波发射天线和微波接收天线可以为同一个微波天线,交替使用;微波发射天线和微波接收天线也可以分别为不同微波天线,分别进行发射微波信号和接收微波回波信号使用。微波信号发生单元为多个,分别发生微波宽带脉冲信号和微波单频相干信号;或者微波信号发生单元为一个,交替发生微波宽带脉冲信号和微波单频相干信号。微波雷达成像原理利用合成孔径雷达原理,以一个小天线作为单个辐射单元,沿一直线方向不断移动扫描,在移动中选择若干位置发射信号,接收相应的发射位置的回波信号,存贮接收信号的振幅和相位。通过微波天线记录接收到微波宽带脉冲回波信号的时间,即可算出时延,而微波发射天线与病灶的距离固定,故可得到微发射天线到病灶的距离,从而进行精确的成像。微波断层成像方法类似于计算机断层摄影术,是一种电磁逆散射方法,通过在散射体外部观测到的电磁场来反演成像区域的电磁特征参数分布,从而判断散射体目标的位置、形状和尺寸分布等信息。将接收的微波单频回波信号,根据电磁特征参数分布及散射体目标的位置、形状和尺寸分布信息生成断层扫描图像。所述融合处理单元5将所述雷达探测图像和所述断层扫描图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。
图像融合包括多种方法:一种方法为标记法,所述融合处理单元5还包括图像标记模块51、图像标记识别模块52、图像优化模块53,所述图像标记模块51在所述雷达探测图像和所述断层扫描图像两者中图像的特征点处进行标记,将所述雷达探测图像和所述断层扫描图像的图像标记重合对所述雷达探测图像和所述断层扫描图像进行融合。所述图像标记识别模块52将所述雷达探测图像和所述断层扫描图像的图像标记进行识别。所述图像优化模块53对标记后的图像进行优化,分割后,对分割区域进行图像融合。在图像融合时,将所述雷达探测图像和所述断层扫描图像的图像标记进行识别,然后将识别图像作为界标进行图像融合。具体实施例中,在进行标记后对图像进行优化。图像标记软件设计成将图像的特征点识别作为图像合成的界标。图像标记软件根据所述雷达探测图像和断层扫描图像对组织识别的标记、淋巴结识别的标记以及特征部分的标记,在坐标轴上形成重合点,完成所述雷达探测图像和断层扫描图像的融合,该方法同样适用于其他方式组合的二维或三维乳房图像。还包括了对多模态微波乳房图像的显示,显示乳房的二维和三维信息,对病灶区域的标记。另一种方法为像素加权平均法,即:将所述雷达探测图像和所述断层扫描图像对应位置的图像像素加权平均完成图像融合。
具体步骤如下:
图像配准
通过使用匹配、叠加等处理手段,将多幅图像中的同一对象保持在图像中的同一位置,使其具有相同的空间坐标的过程。
在微波断层扫描图像与微波雷达图像的配准中,将相对稳定的微波断层扫描图像作为参考图象I,将微波雷达图像作为浮动图像II,进行基于像素的最大互信息法的图像配准,流程图如图3所示下:
刚体变换包括比例变换,在二维图像II中,点(x1,y1)经过刚性变换到点(x2,y2)应用公式为:
其中,α为旋转角度,K为尺度参数.
互信息相关性评估。将两幅待配准的图像的灰度值分别看作两个随机变量A和B,范围0到255,边缘概率分布分别为PA(a)和PB(b),联合概率分布为PAB(a,b),则可以得到A与B的边缘熵和联合熵分别为:H(A),H(B)和H(A,B)。则有:
随机变量A和B的归一化互信息相关评估函数I(A,B),为:
当两幅基于共同解剖结构的图像达到最佳配准时,它们对应像素的灰度互相关信息值I(A,B)应该达到最大。
还包括图像优化模块,所述图像优化模块以所述断层扫描图像和所述雷达探测图像的相似性侧度来衡量两幅图像的相似程度进行融合优化。刚体变换完成后,图像优化模块需进一步找到一种相似性侧度来衡量两幅图像的相似程度,需要不断的变换参数α和K,使得相似侧度达到最优,其中尺度参数K变化范围为0到1,旋转角度范围为0到180度。
①将α与K变换范围集合为坐标轴的单位向量:ci=e(i=1,2,…,N);
②记录初始值位置向量为P0=(α0,K0);
③对i=1,2,…,N,将Pi‐1移至目标函数I(A,B)延ci方向的极大值位置,记下此点Pi;
④对i=1,2,…,N,将ci+1赋给ci,并置cN=PN-P0;
⑤将PN移至目标函数I(A,B)在cN方向上的极大值点,并记录此点的P0;
⑥重复步骤②到⑤,直至函数值I(A,B)不再增大。
本发明的优选实施方式为:在进行图像融合之前还包括进行图像预处理。
微波断层扫描图像预处理方法如下:基于微波断层扫描成像受外界干扰因素大,图像预处理我们利用点运算来进行对比度的扩展,使图像清晰,特征明显,假定原图像f(x,y)的灰度范围为[a,b],变换后的图像g(x,y)的灰度范围线性的扩展至[c,d],则存在灰度线性变换表达式为:
当图像中大部分像素的灰度级分布在区间[a,b]内,fmax为原图的最大灰度级,只有很小一部分的灰度级超过了此区间,则为了改善增强效果,我们令
通过对图像的线性拉伸,可以有效改善图像对比度效果。
微波雷达图像预处理方法如下:由于微波雷达成像除了存在的固有问题斑点噪声外,同时还存在随机出现的亮点高频噪声,我们利用低通递归滤波方法对其进行预处理。
假设第n幅微波雷达图像中各像素点的灰阶值用xn(i,j)表示,α为相关系数,则处理后的图像yn(i,j)为
yn(i,j)=α*yn‐1(i,j)+(1‐α)*xn(i,j)(4)
由式(4)可以得知,当前每个像素点的值只取决于本像素点的输入及上一次的输出,与其他像素的值无关,我们借助一维的Z变换方法来分析它的频率特性,分析各个像素点自身的频率响应,即有:
y(n)=α*y(n‐1)+(1‐α)*x(n)(5)
其传递函数为,
H(z)=Y(z)/X(z)=(1‐α)/(1‐αz‐1)(6)
在仿真试验中,取值α为0.2,0.6以及0.8的幅频特性,α值越大,高频成分被抑制的越厉害,削弱斑点噪声越明显。
本发明的优选实施方式是:所述微波天线构成天线阵列。天线阵列能够同时满足微波雷达成像和微波断层扫描成像的需求,天线阵列整体是呈半球形转向朝向半球中心的32个收发天线单元。天线阵列分为发送和接收单元,交替等间隔排列,一个发送单元对应两个接收单元,交错收发,由微波控制单元控制天线阵列向被测目标连续发射微波雷达探测信号,控制方式为单刀多掷开关。微波控制单元向微波开关天线阵列提供连续频率波,工作频率范围为1到30GHz。
本发明的技术效果是:构建一种基于标记法的多模态微波成像方法及系统,通过将所述雷达探测图像和所述断层扫描图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。在诊断早期癌症患者的过程中可以通过使用不同的成像模态进行优势互补,微波雷达成像利用超宽带微波信号来获取目标散射中心在距离上的高分辨率,然后利用多普勒信息,获得散射中心在横向距离上的高分辨率,两者结合即可获得目标的二维或三维分辨率,从而使目标的多位高分辨率得以实现。微波断层扫描成像是将低功率微波射向被测物体,在微波的激励下被测物产生一个散射场,该散射场与被测物内部的复介电常数分布有关,通过对该散射物的测量,得到被测物的相对介电常数及电导率的分布,进行相应的信息处理后即可获得被测物内部目标的微波断层成像。本发明中将这两种技术成功融合,构成一套多模微波乳腺成像系统,达到成像优劣互补的目的。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于标记法的多模态微波成像方法,包括如下步骤:
微波扫描:对待测区域发生微波宽带脉冲信号和微波单频相干信号;接收微波宽带脉冲回波信号和微波单频回波信号;
分别成像:根据微波宽带脉冲回波信号生成雷达探测图像,根据微波单频回波信号生成断层扫描图像;
图像融合:将所述断层扫描图像作为参考图像,将所述雷达探测图像作为浮动图像进行配准,对所述雷达探测图像的像素进行刚体变换,将所述断层扫描图像和所述雷达探测图像的灰度值分别看作两个随机变量进行互信息相关评估,当两个随机变量达到最佳配准时,它们对应像素的灰度互相关信息值达到最大,完成图像的融合。
2.根据权利要求1所述基于标记法的多模态微波成像方法,其特征在于,在所述雷达探测图像和所述断层扫描图像两者中图像的特征点处进行标记,将所述雷达探测图像和所述断层扫描图像的图像标记重合对所述雷达探测图像和所述断层扫描图像进行融合。
3.根据权利要求2所述基于标记法的多模态微波成像方法,其特征在于,在图像融合时,将所述雷达探测图像和所述断层扫描图像的图像标记进行识别,然后将识别图像作为界标进行图像融合。
4.根据权利要求1所述基于标记法的多模态微波成像方法,其特征在于,在图像融合步骤中,以所述断层扫描图像和所述雷达探测图像的相似性侧度来衡量两幅图像的相似程度进行融合优化。
5.根据权利要求1所述基于标记法的多模态微波成像方法,其特征在于,在进行图像融合之前还包括利用点运算来进行对比度的扩展的图像预处理。
6.一种基于标记法的多模态微波成像系统,其特征在于,包括微波信号发生单元、微波信号接收单元、雷达成像单元、断层扫描成像单元、融合处理单元,所述微波信号发生单元对待测区域发生微波宽带脉冲信号和微波单频相干信号,所述微波信号接收单元接收微波宽带脉冲回波信号和微波单频回波信号,所述雷达成像单元根据微波宽带脉冲回波信号生成雷达探测图像,所述断层扫描成像单元根据微波单频回波信号生成断层扫描图像,所述融合处理单元将所述断层扫描图像作为参考图像,将所述雷达探测图像作为浮动图像进行配准,所述融合处理单元对所述雷达探测图像的像素进行刚体变换,所述融合处理单元将所述断层扫描图像和所述雷达探测图像的灰度值分别看作两个随机变量进行互信息相关评估,当两个随机变量达到最佳配准时,它们对应像素的灰度互相关信息值达到最大,完成图像的融合。
7.根据权利要求6所述基于标记法的多模态微波成像系统,其特征在于,所述融合处理单元还包括图像标记模块,所述图像标记模块在所述雷达探测图像和所述断层扫描图像两者中图像的特征点处进行标记,将所述雷达探测图像和所述断层扫描图像的图像标记重合对所述雷达探测图像和所述断层扫描图像进行融合。
8.根据权利要求7所述基于标记法的多模态微波成像系统,其特征在于,所述融合处理单元还包括图像标记识别模块,所述图像标记识别模块将所述雷达探测图像和所述断层扫描图像的图像标记进行识别。
9.根据权利要求7所述基于标记法的多模态微波成像系统,其特征在于,还包括图像优化模块,所述图像优化模块以所述断层扫描图像和所述雷达探测图像的相似性侧度来衡量两幅图像的相似程度进行融合优化。
10.根据权利要求6所述基于标记法的多模态微波成像系统,其特征在于,所述微波信号处理单元包括微波雷达信号处理单元和微波断层信号处理单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511020196.1A CN105678726A (zh) | 2015-12-31 | 2015-12-31 | 基于标记法的多模态微波成像方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511020196.1A CN105678726A (zh) | 2015-12-31 | 2015-12-31 | 基于标记法的多模态微波成像方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105678726A true CN105678726A (zh) | 2016-06-15 |
Family
ID=56298030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511020196.1A Pending CN105678726A (zh) | 2015-12-31 | 2015-12-31 | 基于标记法的多模态微波成像方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678726A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528773A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市一体医疗科技有限公司 | 基于标记法的多模态微波成像方法及系统 |
CN111175744A (zh) * | 2019-09-20 | 2020-05-19 | 中国船舶工业系统工程研究院 | 一种雷达图像快速生成与缩放方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130148908A1 (en) * | 2010-08-05 | 2013-06-13 | Ramot At Tel-Aviv University Ltd. | Method and system for processing an image featuring multiple scales |
CN103218811A (zh) * | 2013-03-29 | 2013-07-24 | 中国资源卫星应用中心 | 一种基于统计分布的卫星多光谱图像波段配准方法 |
US20130204118A1 (en) * | 2010-02-09 | 2013-08-08 | Dartmouth College | System and method for collection & use of magnetic resonance data & microwave data to identify boundaries of interest |
CN104091333A (zh) * | 2014-07-01 | 2014-10-08 | 黄河科技学院 | 基于区域可信融合的多类无监督彩色纹理图像分割方法 |
CN104473617A (zh) * | 2014-11-10 | 2015-04-01 | 南方科技大学 | 生物体组织探测装置、系统及方法 |
CN105528773A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市一体医疗科技有限公司 | 基于标记法的多模态微波成像方法及系统 |
-
2015
- 2015-12-31 CN CN201511020196.1A patent/CN105678726A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130204118A1 (en) * | 2010-02-09 | 2013-08-08 | Dartmouth College | System and method for collection & use of magnetic resonance data & microwave data to identify boundaries of interest |
US20130148908A1 (en) * | 2010-08-05 | 2013-06-13 | Ramot At Tel-Aviv University Ltd. | Method and system for processing an image featuring multiple scales |
CN103218811A (zh) * | 2013-03-29 | 2013-07-24 | 中国资源卫星应用中心 | 一种基于统计分布的卫星多光谱图像波段配准方法 |
CN104091333A (zh) * | 2014-07-01 | 2014-10-08 | 黄河科技学院 | 基于区域可信融合的多类无监督彩色纹理图像分割方法 |
CN104473617A (zh) * | 2014-11-10 | 2015-04-01 | 南方科技大学 | 生物体组织探测装置、系统及方法 |
CN105528773A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市一体医疗科技有限公司 | 基于标记法的多模态微波成像方法及系统 |
Non-Patent Citations (3)
Title |
---|
刘广东: "乳腺癌检测的时域微波成像算法研究", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
朱圣权: "基于互信息的医学图像配准方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
马东 等: "多模式医学图像的融合和配准技术", 《生物医学工程学杂志》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528773A (zh) * | 2015-12-31 | 2016-04-27 | 深圳市一体医疗科技有限公司 | 基于标记法的多模态微波成像方法及系统 |
CN111175744A (zh) * | 2019-09-20 | 2020-05-19 | 中国船舶工业系统工程研究院 | 一种雷达图像快速生成与缩放方法 |
CN111175744B (zh) * | 2019-09-20 | 2023-08-15 | 中国船舶工业系统工程研究院 | 一种雷达图像快速生成与缩放方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Winters et al. | Estimating the breast surface using UWB microwave monostatic backscatter measurements | |
CN105866771B (zh) | 一种隐藏物检测系统及其检测方法 | |
CA3111578A1 (en) | Apparatus and process for medical imaging | |
CN109199381A (zh) | 一种全息微波弹性成像系统及其成像方法 | |
CN105708492A (zh) | 一种融合b超成像和微波成像的方法及系统 | |
Chen et al. | Pulse design for time reversal method as applied to ultrawideband microwave breast cancer detection: A two-dimensional analysis | |
AlShehri et al. | 3D experimental detection and discrimination of malignant and benign breast tumor using NN-based UWB imaging system | |
Khalesi et al. | Free-space operating microwave imaging device for bone lesion detection: A phantom investigation | |
Godinho et al. | Experimental evaluation of an axillary microwave imaging system to aid breast cancer staging | |
Reimer et al. | The diagnostic performance of machine learning in breast microwave sensing on an experimental dataset | |
CN105528773A (zh) | 基于标记法的多模态微波成像方法及系统 | |
Alam et al. | UWB microwave imaging for non-invasive anomaly detection in human lung and possible application in COVID-19 diagnosis: A review | |
CN105678726A (zh) | 基于标记法的多模态微波成像方法及系统 | |
CN205729316U (zh) | 一种多模态微波乳房成像装置 | |
Alsaedi et al. | A breast cancer detection system using metasurfaces with a convolution neural network: A feasibility study | |
Malla et al. | Investigation of breast tumor detection using microwave imaging technique | |
CN206151437U (zh) | 一种多模态微波成像装置 | |
CN205729400U (zh) | 一种融合b超成像和雷达成像的装置 | |
CN105662408A (zh) | 一种多模态微波成像方法及系统 | |
Pavlov et al. | Towards in-vivo ultrasound-histology: Plane-waves and generative adversarial networks for pixel-wise speed of sound reconstruction | |
CN205758511U (zh) | 一种微波扫描乳房成像装置 | |
CN105725965A (zh) | 一种多模态微波扫描乳房成像方法及系统 | |
CN205814296U (zh) | 一种多模态微波扫描乳房成像装置 | |
CN205729361U (zh) | 一种多模态微波扫描成像装置 | |
CN105534479A (zh) | 一种多模态微波乳房成像方法及系统 |
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: 20160615 |
|
RJ01 | Rejection of invention patent application after publication |