CN109584201A - 医学图像配准方法、配准系统、存储介质、及电子设备 - Google Patents
医学图像配准方法、配准系统、存储介质、及电子设备 Download PDFInfo
- Publication number
- CN109584201A CN109584201A CN201811071272.5A CN201811071272A CN109584201A CN 109584201 A CN109584201 A CN 109584201A CN 201811071272 A CN201811071272 A CN 201811071272A CN 109584201 A CN109584201 A CN 109584201A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- magnetic resonance
- tissue slice
- dimensional magnetic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 18
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 15
- 230000009471 action Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 12
- 210000004556 brain Anatomy 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 8
- 210000001519 tissue Anatomy 0.000 description 56
- 238000002595 magnetic resonance imaging Methods 0.000 description 26
- 238000012937 correction Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 3
- 239000002356 single layer Substances 0.000 description 3
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供医学图像配准方法,包括:获取三维磁共振影像及二维组织切片图像并分别做预处理;对预处理后的三维磁共振影像及二维组织切片图像做同等尺度的降采样;将降采样后的三维磁共振影像的全局轮廓及二维组织切片图像的全局轮廓对齐,并获得由降采样后的二维组织切片图像至降采样后的三维磁共振影像的仿射变换矩阵;将仿射变换矩阵施加至预处理后的二维组织切片图像,以将预处理后的二维组织切片图像映射至预处理后的三维磁共振影像的图像空间;在图像空间中选取图像控制点,并在预设变形场模型及预设相似性代价函数的作用下得到三维变形场矩阵,据以生成配准图像。本发明的技术方案,有效提高了组织切片图像与MRI影像的配准速度及精准度。
Description
技术领域
本发明涉及医学影像技术领域,特别是涉及医学图像配准方法、配准系统、存储介质、及电子设备。
背景技术
组织切片和MRI影像(Magnetic Resonance Imaging,磁共振成像)作为两种互补的图像模态,都是医学上很重要的定量技术手段,但在应用范围和分析尺度上差别较大。组织样本切片常用来研究疾病病理学,常被认为是一种金标准。MRI成像广泛地应用于活体扫描检查内在病变,如大脑、胸部、腹部MRI等。在可预见的将来,MRI影像的空间分辨率还不太可能突破0.1mm的扫描尺度,相比而言,组织切片已经是微观级别。此外MRI成像对比度机制复杂,这使得MRI检测到的异常信号和切片的病理特征难以精确对应匹配,基于MRI影像的诊断还需要进一步研究和验证。因此,尽最大可能地将两种重要的图像模态对应匹配起来是重要且有意义的,图像配准技术便成为解决这一问题不可或缺的手段。
传统的解决方案采用粗略的结构描绘,特别如大脑研究中一般把组织皮层轮廓描摹出来,绘制成图如布罗德曼脑图(Brodmann Maps)。随着现代技术发展,组织切片的定量分析逐渐形成标准化,通常把一定数量连续的组织切片在空间坐标上对齐、重建得到体图像,而后方便与MRI体图像进行配准。但这类方法也有不可忽视的缺点:首先,其不能解决少量厚切层的组织图像与MRI影像配准的需求,这需要连续的搜索,即寻找二维到三维一对多的对应;其次,组织切片的形成和制作过程会引入全局或局部的非线性非均匀的变形,比如组织在福尔马林中的浸泡、刀切过程等等,而且切片越薄其变形越会加剧;再者,组织切片和MRI图像之间的空间分辨率差异显著。
图像配准技术是图像处理领域的一项十分重要而且非常困难的技术,其中多模态的医学图像配准算法更是研究的热点。目前的医学图像配准方法大体上可以分为两类:一类是基于特征的配准方法,这里的特征可以是边缘和表面特征,也可以是一些特征点。迭代最近点算法(Iterative Closest Point)是基于特征点配准的经典的算法。基于特征的配准方法利用图像的结构信息,速度较快,但却忽略了图像的灰度信息。另一类配准方法是基于图像灰度信息进行配准,但是没有考虑到图像的结构信息。这两种方法各有优劣,而且具有很大的互补性,研究多尺度混合算法使得在配准过程中兼顾这两类信息从而获得高精度的配准具有重要意义,也是当前研究的热点。
目前,针对前述的配准场景中的问题,即稀疏的二维组织切片图像与三维MRI影像的配准问题,很少有研究文献以及配套软件能提供优良的解决方案。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供医学图像配准方法、配准系统、存储介质、及电子设备,用于解决现有技术中稀疏甚至单层二维组织切片图像与MRI影像的配准方案不够完善的技术问题。
为实现上述目的及其他相关目的,本发明提供一种医学图像配准方法,包括:获取三维磁共振影像及二维组织切片图像;分别对三维磁共振影像及二维组织切片图像做预处理,以使所述三维磁共振影像的灰度均匀、所述二维组织切片图像的光照均匀、且所述三维磁共振影像的空间分辨率与所述二维组织切片图像的空间分辨率一致;对预处理后的三维磁共振影像及二维组织切片图像做同等尺度的降采样;将降采样后的三维磁共振影像的全局轮廓及二维组织切片图像的全局轮廓对齐,并获得由降采样后的二维组织切片图像至降采样后的三维磁共振影像的仿射变换矩阵;将所述仿射变换矩阵施加至预处理后的二维组织切片图像,以将预处理后的二维组织切片图像映射至预处理后的三维磁共振影像的图像空间;在所述图像空间中选取图像控制点,并在预设变形场模型及预设相似性代价函数的作用下得到三维变形场矩阵,据以生成配准图像。
于本发明一实施例中,若所述三维磁共振影像为大脑的三维磁共振影像,则在降采样前对所述三维磁共振影像做去脑壳处理。
于本发明一实施例中,所述预设变形场模型采用B样条曲线模型。
于本发明一实施例中,所述预设相似性代价函数采用归一化互信息算法。
为实现上述目的及其他相关目的,本发明提供一种医学图像配准系统,包括:图像获取模块,用于获取三维磁共振影像及二维组织切片图像;图像处理模块,用于分别对三维磁共振影像及二维组织切片图像做预处理,以使所述三维磁共振影像的灰度均匀、所述二维组织切片图像的光照均匀、且所述三维磁共振影像的空间分辨率与所述二维组织切片图像的空间分辨率一致;图像配准模块,用于对预处理后的三维磁共振影像及二维组织切片图像做同等尺度的降采样;将降采样后的三维磁共振影像的全局轮廓及二维组织切片图像的全局轮廓对齐,并获得由降采样后的二维组织切片图像至降采样后的三维磁共振影像的仿射变换矩阵;将所述仿射变换矩阵施加至预处理后的二维组织切片图像,以将预处理后的二维组织切片图像映射至预处理后的三维磁共振影像的图像空间;在所述图像空间中选取图像控制点,并在预设变形场模型及预设相似性代价函数的作用下得到三维变形场矩阵,据以生成配准图像。
于本发明一实施例中,若所述三维磁共振影像为大脑的三维磁共振影像,所述图像配准模块则在降采样前对所述三维磁共振影像做去脑壳处理。
于本发明一实施例中,所述预设变形场模型采用B样条曲线模型。
于本发明一实施例中,所述预设相似性代价函数采用归一化互信息算法。
为实现上述目的及其他相关目的,本发明提供一种存储介质,其中存储有计算机程序,所述计算机程序被处理器加载执行时,实现如上任一所述的医学图像配准方法。
为实现上述目的及其他相关目的,本发明提供一种电子设备,包括:处理器、及存储器;其中,所述存储器用于存储计算机程序;所述处理器用于加载执行所述计算机程序,以使所述电子设备执行如上任一所述的医学图像配准方法。
如上所述,相较于现有技术先把大量连续组织切片重建成体图像再与MRI影像进行三维配准的方案,本发明的医学图像配准方法、配准系统、存储介质、及电子设备支持将稀疏的甚至是单一的组织切片与MRI影像配准。本发明最终得到的配准图像并非是一个切片平面,而是三维空间中的平滑表面,更符合实际变形的情况,省略了大量组织切片的制作和体图像重建步骤,节省时间、提高效率。除此之外,本发明在诸多应用场景下都能发挥很大用处,特别是对大脑神经解剖的结构切片和三维MRI的匹配映射,包括:二维、三维鼠脑或人脑地图集制作,MRI的病理学、组织学特征识别,还有脑皮层等结构分割验证,很大程度上降低了组织切片和MRI之间的不可比较的隔阂。
附图说明
图1显示为本发明一实施例中的医学图像配准方法的流程示意图。
图2显示为本发明一实施例中的配准过程的分解流程图。
图3显示为本发明一实施例中的医学图像配准系统的模块示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,本实施例提供一种医学图像配准方法,包括如下步骤:
S11:获取三维磁共振影像及二维组织切片图像。
在一实施例中,所述三维磁共振影像可选择T1加权磁共振图像或T2加权磁共振图像。由于T1加权磁共振图像及T2加权磁共振图像的技术定义为现有,故于此不再详细阐述。
S12:分别对三维磁共振影像及二维组织切片图像做预处理。
详细而言,预处理的目的是使所述三维磁共振影像的灰度均匀、所述二维组织切片图像的光照均匀、及所述三维磁共振影像的空间分辨率与所述二维组织切片图像的空间分辨率一致。
在一实施例中,利用legendre二阶多项式估计方法对所述三维磁共振影像做非均质性校正,从而实现所述三维磁共振影像的灰度均匀。具体做法例如包括:
1)预处理:利用OSTU阈值法计算图像二值化,将背景区域分离后像素灰度置零,以消除图像背景对偏移场的影响;
2)非均匀性校正:利用Legendre二阶多项式拟合MRI偏移场见下方公式:
其中,Pi(x),Pi(y)为Legendre多项式基函数,是偏移场。假设采集得到图像为I,真实图像应该为R,噪声为n,那么优选的,多项式的次数为l=5。
在一实施例中,利用直方图均衡化方法对所述二维组织切片图像进行处理,以通过优化图像对比度来实现所述二维组织切片图像的光照均匀。
在一实施例中,利用脑功能成像分析软件SPM的reslice工具对三维磁共振影像进行处理,以将三维磁共振影像的图像空间分辨率调整至与二维组织切片图像的空间分辨率一致。特别的,若三维磁共振影像为大脑的三维磁共振影像,则在降采样前对所述三维磁共振影像做去脑壳处理。
S13:对预处理后的三维磁共振影像及二维组织切片图像做同等尺度的降采样。
例如:对于一幅N*M的图像来说,如果降采样系数为k,则即是在原图中每行每列每隔k个点取一个点组成一幅图像,以将采样点数减少,从而提高处理速度。
S14:将降采样后的三维磁共振影像的全局轮廓及二维组织切片图像的全局轮廓对齐,并获得由降采样后的二维组织切片图像至降采样后的三维磁共振影像的仿射变换矩阵。
本步骤的本质是在三维MRI体图像中搜索与二维组织切片即单层切片最佳匹配的平滑面位置,由此解决稀疏甚至单层组织切片与MRI三维影像的匹配问题。
详细而言,步骤S14是配准的第一阶段,在本步骤中,需将降采样后的三维磁共振影像及二维组织切片图像的整体轮廓对齐,具体涉及放缩、旋转、及平移等仿射变换,最终在三维磁共振影像的Z层面找到最佳对齐参数,作为仿射变换矩阵。所谓的Z层面指的是三维磁共振影像中与二维组织切片图像对应的层面。在磁共振空间中搜索最佳对应层即在磁共振影像空间搜索切片的对应位置,前者是三维的,后者是二维的。
S15:将所述仿射变换矩阵施加至预处理后的二维组织切片图像,以将预处理后的二维组织切片图像映射至预处理后的三维磁共振影像的图像空间。
详细而言,将步骤S14得到的仿射变换矩阵施加至经光照均匀修正的二维组织切片,此时,即可将经光照均匀修正的二维组织切片映射至经空间分辨率调整后的三维磁共振影像的图像空间。
S16:在所述图像空间中选取图像控制点,并在预设变形场模型及预设相似性代价函数的作用下得到三维变形场矩阵,据以生成配准图像。
将得到的三维变形场矩阵施加到原三维MRI图像可以得到对应于二维组织切片的配准好的二维MRI图像。
图像控制点(image control point)的现有定义为:图像几何校正、投影变换和图像配准等几何变换中在图像上选取的用于建立几何变换函数的参考点。每个控制点应包含两组坐标数据,即在输入图像上的坐标和在输出图像上的坐标,因此又可称为控制点对。优选的,控制点空间约为20个像素。
详细而言,步骤S16是配准的第二阶段,在一实施例中,采用B样条(B-spline)曲线模型作为变形场模型,采用归一化互信息算法作为相似性代价函数(Cost Function),最终得到一个三维的变形场矩阵。具体过程例如:b-spline模型的变形过程可使用5-10个控制点,在三维MRI体图像与二维组织切片图像的试验数据中分别选7个控制点,这些控制点固定了三维MRI图像和二维组织切片图像的标志性位置的对应。配准过程中的目标函数即代价函数采用归一化互信息,如下方公式所示:
其中,X、Y分别为当前变形重建图像与参考图像,I(X,Y)为X、Y的互信息。
需要说明的是,在上述步骤中,全局变形矩阵参数、控制点空间约束、变形能量惩罚系数等的初始化参数皆可根据实际需求预先设定。
请参阅图3,本实施例提供一种医学图像配准系统300,包括:图像获取模块301、图像处理模块302、图像配准模块303。
具体的,图像获取模块301,用于执行前述方法实施例中的步骤S11;图像处理模块302,用于执行前述方法实施例中的步骤S12;图像配准模块303,用于执行前述方法实施例中的步骤S13~S16。
本领域技术人员应当理解,医学图像配准系统300的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个或多个物理实体上。且这些模块可以全部以软件通过处理元件调用的形式实现,也可以全部以硬件的形式实现,还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,图像配准模块303可以为单独设立的处理元件,也可以集成在某一个芯片中实现,此外,也可以以程序代码的形式存储于存储器中,由某一个处理元件调用并执行图像配准模块303的功能。其它模块的实现与之类似。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
除此之外,本发明还包括一种存储介质和一种电子设备,由于前述实施例中的技术特征可以应用于存储介质实施例、电子设备实施例,因而不再重复赘述。
所述存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质,其中存储有计算机程序,该计算机程序在被处理器加载执行时,实现前述方法实施例所介绍的医学图像配准方法的全部或部分步骤。
所述电子设备为至少包括处理器(CPU/MCU/SOC)、存储器(ROM/RAM),还包括通信模块(有线/无线网络)、显示模块等的设备,例如:台式计算机、便携式电脑、智能手机等。特别的,该存储器中存储有计算机程序,该处理器在加载执行所述计算机程序时,实现前述实施例所介绍的医学图像配准方法的全部或部分步骤。
综上所述,本发明的医学图像配准方法、配准系统、存储介质、及电子设备,提高了组织切片图像与MRI影像的配准速度及精准度,有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种医学图像配准方法,其特征在于,包括:
获取三维磁共振影像及二维组织切片图像;
分别对所述三维磁共振影像及所述二维组织切片图像做预处理,以使所述三维磁共振影像的灰度均匀、所述二维组织切片图像的光照均匀、且所述三维磁共振影像的空间分辨率与所述二维组织切片图像的空间分辨率一致;
对预处理后的三维磁共振影像及二维组织切片图像做同等尺度的降采样;
将降采样后的三维磁共振影像的全局轮廓及二维组织切片图像的全局轮廓对齐,并获得由降采样后的二维组织切片图像至降采样后的三维磁共振影像的仿射变换矩阵;
将所述仿射变换矩阵施加至预处理后的二维组织切片图像,以将预处理后的二维组织切片图像映射至预处理后的三维磁共振影像的图像空间;
在所述图像空间中选取图像控制点,并在预设变形场模型及预设相似性代价函数的作用下得到三维变形场矩阵,据以生成配准图像。
2.根据权利要求1所述的方法,其特征在于,若所述三维磁共振影像为大脑的三维磁共振影像,则在降采样前对所述三维磁共振影像做去脑壳处理。
3.根据权利要求1所述的方法,其特征在于,所述预设变形场模型采用B样条曲线模型。
4.根据权利要求1所述的方法,其特征在于,所述预设相似性代价函数采用归一化互信息算法。
5.一种医学图像配准系统,其特征在于,包括:
图像获取模块,用于获取三维磁共振影像及二维组织切片图像;
图像处理模块,用于分别对三维磁共振影像及二维组织切片图像做预处理,以使所述三维磁共振影像的灰度均匀、所述二维组织切片图像的光照均匀、且所述三维磁共振影像的空间分辨率与所述二维组织切片图像的空间分辨率一致;
图像配准模块,用于对预处理后的三维磁共振影像及二维组织切片图像做同等尺度的降采样;将降采样后的三维磁共振影像的全局轮廓及二维组织切片图像的全局轮廓对齐,并获得由降采样后的二维组织切片图像至降采样后的三维磁共振影像的仿射变换矩阵;将所述仿射变换矩阵施加至预处理后的二维组织切片图像,以将预处理后的二维组织切片图像映射至预处理后的三维磁共振影像的图像空间;在所述图像空间中选取图像控制点,并在预设变形场模型及预设相似性代价函数的作用下得到三维变形场矩阵,据以生成配准图像。
6.根据权利要求5所述的系统,其特征在于,若所述三维磁共振影像为大脑的三维磁共振影像,所述图像配准模块则在降采样前对所述三维磁共振影像做去脑壳处理。
7.根据权利要求5所述的系统,其特征在于,所述预设变形场模型采用B样条曲线模型。
8.根据权利要求5所述的系统,其特征在于,所述预设相似性代价函数采用归一化互信息算法。
9.一种存储介质,其中存储有计算机程序,其特征在于,所述计算机程序被处理器加载执行时,实现如权利要求1至4中任一所述的医学图像配准方法。
10.一种电子设备,其特征在于,包括:处理器、及存储器;其中,
所述存储器用于存储计算机程序;
所述处理器用于加载执行所述计算机程序,以使所述电子设备执行如权利要求1至4中任一所述的医学图像配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811071272.5A CN109584201A (zh) | 2018-09-14 | 2018-09-14 | 医学图像配准方法、配准系统、存储介质、及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811071272.5A CN109584201A (zh) | 2018-09-14 | 2018-09-14 | 医学图像配准方法、配准系统、存储介质、及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109584201A true CN109584201A (zh) | 2019-04-05 |
Family
ID=65919779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811071272.5A Pending CN109584201A (zh) | 2018-09-14 | 2018-09-14 | 医学图像配准方法、配准系统、存储介质、及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109584201A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782428A (zh) * | 2019-09-20 | 2020-02-11 | 浙江未来技术研究院(嘉兴) | 一种用于构建临床脑部ct图像roi模板的方法及系统 |
CN110782488A (zh) * | 2019-10-11 | 2020-02-11 | 华中科技大学 | 一种基于形状约束的连续脑片图像三维配准方法 |
CN111161332A (zh) * | 2019-12-30 | 2020-05-15 | 上海研境医疗科技有限公司 | 同源病理影像配准预处理方法、装置、设备及存储介质 |
CN111402221A (zh) * | 2020-03-11 | 2020-07-10 | 联想(北京)有限公司 | 一种图像处理方法、装置及电子设备 |
CN112734710A (zh) * | 2020-12-30 | 2021-04-30 | 上海睿刀医疗科技有限公司 | 一种基于历史病理信息的病灶识别模型构建装置及系统 |
CN113628260A (zh) * | 2021-07-05 | 2021-11-09 | 中国科学院深圳先进技术研究院 | 一种图像配准方法、装置、终端设备和存储介质 |
WO2021238732A1 (en) * | 2020-05-23 | 2021-12-02 | Ping An Technology (Shenzhen) Co., Ltd. | Device and method for alignment of multi-modal clinical images using joint synthesis, segmentation, and registration |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020122576A1 (en) * | 2000-11-04 | 2002-09-05 | Juergen Weese | Method and device for the registration of images |
CN104240287A (zh) * | 2013-06-08 | 2014-12-24 | 北京思创贯宇科技开发有限公司 | 一种利用ct图像生成冠脉全景图的方法及系统 |
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 |
-
2018
- 2018-09-14 CN CN201811071272.5A patent/CN109584201A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020122576A1 (en) * | 2000-11-04 | 2002-09-05 | Juergen Weese | Method and device for the registration of images |
CN104240287A (zh) * | 2013-06-08 | 2014-12-24 | 北京思创贯宇科技开发有限公司 | 一种利用ct图像生成冠脉全景图的方法及系统 |
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 |
Non-Patent Citations (4)
Title |
---|
T.ROHLFING ET AL: "Volume-preserving nonrigid registration of MR breast images using free-form deformation with an incompressibility constraint", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
卢振泰: "医学图像配准算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
张叙天 等: "基于SPM的脑功能磁共振数据处理技术", 《2008年中华临床医学工程及数字医学大会暨中华医学会医学工程学分会第九次学术年会论文集》 * |
陈学峰 等: "基于仿射变换的植物切片图像配准及三维重建", 《农机化研究》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782428A (zh) * | 2019-09-20 | 2020-02-11 | 浙江未来技术研究院(嘉兴) | 一种用于构建临床脑部ct图像roi模板的方法及系统 |
CN110782488A (zh) * | 2019-10-11 | 2020-02-11 | 华中科技大学 | 一种基于形状约束的连续脑片图像三维配准方法 |
CN110782488B (zh) * | 2019-10-11 | 2022-08-12 | 华中科技大学 | 一种基于形状约束的连续脑片图像三维配准方法 |
CN111161332A (zh) * | 2019-12-30 | 2020-05-15 | 上海研境医疗科技有限公司 | 同源病理影像配准预处理方法、装置、设备及存储介质 |
CN111402221A (zh) * | 2020-03-11 | 2020-07-10 | 联想(北京)有限公司 | 一种图像处理方法、装置及电子设备 |
CN111402221B (zh) * | 2020-03-11 | 2023-02-17 | 联想(北京)有限公司 | 一种图像处理方法、装置及电子设备 |
WO2021238732A1 (en) * | 2020-05-23 | 2021-12-02 | Ping An Technology (Shenzhen) Co., Ltd. | Device and method for alignment of multi-modal clinical images using joint synthesis, segmentation, and registration |
CN112734710A (zh) * | 2020-12-30 | 2021-04-30 | 上海睿刀医疗科技有限公司 | 一种基于历史病理信息的病灶识别模型构建装置及系统 |
CN113628260A (zh) * | 2021-07-05 | 2021-11-09 | 中国科学院深圳先进技术研究院 | 一种图像配准方法、装置、终端设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109584201A (zh) | 医学图像配准方法、配准系统、存储介质、及电子设备 | |
US11633146B2 (en) | Automated co-registration of prostate MRI data | |
CN109523584B (zh) | 图像处理方法、装置、多模态成像系统、存储介质及设备 | |
Alansary et al. | PVR: patch-to-volume reconstruction for large area motion correction of fetal MRI | |
WO2018000652A1 (zh) | 一种非刚性多模医学图像的配准方法及系统 | |
Yoo et al. | An example-based multi-atlas approach to automatic labeling of white matter tracts | |
CN110619641A (zh) | 一种基于深度学习的三维乳腺癌核磁共振图像肿瘤区域的自动分割方法 | |
CN110555835A (zh) | 一种脑片图像区域划分方法及装置 | |
CN110570394A (zh) | 医学图像分割方法、装置、设备及存储介质 | |
Shahedi et al. | Segmentation of uterus and placenta in MR images using a fully convolutional neural network | |
CN111080658A (zh) | 基于可形变配准和dcnn的宫颈mri图像分割方法 | |
Wu et al. | Midsagittal plane extraction from brain images based on 3D SIFT | |
Alvén et al. | Überatlas: fast and robust registration for multi-atlas segmentation | |
CN109559296B (zh) | 基于全卷积神经网络和互信息的医学图像配准方法及系统 | |
Kumaraswamy et al. | Automatic prostate segmentation of magnetic resonance imaging using Res-Net | |
Schmidt-Richberg et al. | Offset regression networks for view plane estimation in 3D fetal ultrasound | |
CN112102327A (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
Li et al. | A Fast Subpixel Registration Algorithm Based on Single‐Step DFT Combined with Phase Correlation Constraint in Multimodality Brain Image | |
Ruppertshofen et al. | Multi-level approach for the discriminative generalized hough transform | |
Glodeck et al. | Distortion correction of EPI data using multimodal nonrigid registration with an anisotropic regularization | |
CN109949383B (zh) | 一种高动态光学投影层析成像方法及装置 | |
Hu et al. | Single image super resolution of 3D MRI using local regression and intermodality priors | |
Wang et al. | Evaluation on diffusion tensor image registration algorithms | |
Mukherjee et al. | Neighborhood regularized image superresolution for applications to microscopic imaging | |
Xiong et al. | Mapping mouse brain slice sequence to a reference brain without 3D Reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |
|
RJ01 | Rejection of invention patent application after publication |