CN109903264B - 数字人图像与ct图像的配准方法及系统 - Google Patents
数字人图像与ct图像的配准方法及系统 Download PDFInfo
- Publication number
- CN109903264B CN109903264B CN201910040664.3A CN201910040664A CN109903264B CN 109903264 B CN109903264 B CN 109903264B CN 201910040664 A CN201910040664 A CN 201910040664A CN 109903264 B CN109903264 B CN 109903264B
- Authority
- CN
- China
- Prior art keywords
- image
- digital human
- registration
- human image
- conversion
- 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.)
- Active
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种数字人图像与CT图像的配准方法,包括有:灰度转换步骤,将第一数字人图像进行灰度转换以生成第二数字人图像;灰度配准步骤,将所述第二数字人图像与CT图像进行灰度配准,生成图像转换函数;转换合成步骤,根据所述图像转换函数分别对所述第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。本发明还相应提供一种数字人图像与CT图像的配准系统。借此,本发明能够实现彩色数字人图像和CT图像的配准,利用数字人图像带的器官分割数据,可以把配准结果应用于CT图像的器官分割中,从而快速实现CT图像的器官分割。
Description
技术领域
本发明涉及医学图像处理、计算机人工智能、计算机医学辅助诊疗系统技术领域,尤其涉及一种数字人图像与CT图像的配准方法及系统。
背景技术
随着医学、计算机技术及生物工程技术的发展,医学影像学为临床诊断提供了多种模态的医学图像,如CT(Computed Tomography,计算机断层成像)、MR(MagneticResonance Imaging,磁共振成像)、SPECT(Single-Photon Emission ComputedTomography,单光子发射计算机断层成像术)、PET(Positron Emission ComputedTomography,正电子发射型计算机断层显像)、DSA(减影血管造影,Digital SubtractionAngiography)、超声图像、电阻抗图像等,这些图像可以提供关于病变组织或器官的解剖或功能信息。在实际临床应用中,单模态的图像往往不能提供医生所需要的足够的信息。通常需要将不同模态的图像融合在一起,得到更丰富的信息以便了解病变组织或器官的综合信息,从而作出准确的诊断或制订出合适的治疗方案。例如,在放射治疗中,需要用CT扫描来计算放射剂量的分布,而用MR来准确地定位病变组织的轮廓。在外科手术导航系统中,将手术前所得到的CT或MR的病灶三维图像与手术中所得到的实时X荧光图像或超声图像进行融合,或它们到物理空间的配准与融合。以便实时地指导和观察,确保手术顺利准确地进行。这些是多模态图像的配准与融合的基本研究内容,而配准是进行其必要工作的前提。
目前解决非刚性多模图像配准问题的方法大体上被分为两类:第一类是基于互信息测度的配准方法,然而这类方法通常都没有考虑图像的局部特征结构,计算耗时,而且容易陷入局部极值导致配准结果不准确。第二类方法通过图像结构表征方法将多模图像配准简化为单模图像配准。目前配准主要使用与主体间的配准,多模态配准,多模态主要是基于灰度图像的CT、MR、PET等单通道灰度图像。
数字人图像是计算机图形图像技术与临床解剖学相结合,将足够多个人体数据为基础生成计算机三维几何模型,目前医学图像的配准主要利用待配准图像的灰度分布特性进行配准,考虑到数字人图像带有器官分割数据,数字人图像是多通道彩色图像,因此实现彩色数字人图像与CT图像的配准将有重要意义。
中国发明专利申请201810156716.9公开了一种基于梯度分布的非刚体医学图像配准方法,其构造归一化互信息相似性测度,构建梯度分布距离,建立非刚体配准模型;对配准模型进行求解,但是考虑了医学图像的梯度分布信息进行配准,该专利申请仅限CT图像与CT图像之间的配准。
中国发明专利申请201611174000.9公开了一种医学图像配准方法,但该专利申请仅限CT、MR灰度图像的多模态配准以及CT的单模态配准。
综上可知,现有技术在实际使用上显然存在不便与缺陷,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种数字人图像与CT图像的配准方法及系统,其能够实现彩色数字人图像和CT图像的配准,利用数字人图像带的器官分割数据,可以把配准结果应用于CT图像的器官分割中,从而快速实现CT图像的器官分割。
为了实现上述目的,本发明提供一种数字人图像与CT图像的配准方法,包括有:
灰度转换步骤,将第一数字人图像进行灰度转换以生成第二数字人图像;
灰度配准步骤,将所述第二数字人图像与CT图像进行灰度配准,生成图像转换函数;
转换合成步骤,根据所述图像转换函数分别对所述第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。
根据本发明所述的数字人图像与CT图像的配准方法,所述转换合成步骤之后还包括:
融合处理步骤,将所述第三数字人图像与所述CT图像进行融合处理。
根据本发明所述的数字人图像与CT图像的配准方法,所述灰度转换步骤中,通过平均法、最大最小平均法或加权平均法将所述第一数字人图像进行灰度转换以生成所述第二数字人图像;
所述平均法将同一个像素位置的3个通道RGB的值进行平均,其公式为:I(x,y,z)=1/3*I_R(x,y,z)+1/3*I_G(x,y,z)+1/3*I_B(x,y,z),所述I(x,y,z)为平均值,所述I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标;或者
所述最大最小平均法取同一个像素位置的3个通道RGB中亮度最大的和最小的值进行平均,其公式为:I(x,y,z)=0.5*max(I_R(x,y,z),I_G(x,y,z),I_B(x,y,z))+0.5*min(I_R(x,y,z),I_G(x,y,z),I_B(x,y,z)),所述I(x,y,z)为平均值,所述I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标;或者
所述加权平均法将同一个像素位置的3个通道RGB的加权值进行平均,其公式为:I(x,y,z)=a*I_R(x,y,z)+b*I_G(x,y,z)+c*I_B(x,y,z),所述I(x,y,z)为平均值,所述I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标,所述a、b、c分别是3个通道RGB的权数。
根据本发明所述的数字人图像与CT图像的配准方法,所述a、b、c分别为0.3、0.59、0.11。
根据本发明所述的数字人图像与CT图像的配准方法,所述灰度配准步骤进一步包括:
将所述第二数字人图像与所述CT图像利用刚性配准变换得到第一配准结果;
将所述第一配准结果通过基于B_spline的非刚性配准变换得到第二配准结果;
将所述第二配准结果进行寻优处理生成所述图像转换函数。
根据本发明所述的数字人图像与CT图像的配准方法,所述将所述第二数字人图像与CT图像利用刚性配准变换得到第一配准结果的步骤进一步包括:
选择所述CT图像的指定图像范围,将所述CT图像的指定图像范围与所述第二数字人图像的对应图像范围利用刚性配准变换得到所述第一配准结果。
根据本发明所述的数字人图像与CT图像的配准方法,所述将所述第二数字人图像与CT图像利用刚性配准变换得到第一配准结果的步骤进一步包括:
将所述第二数字人图像与所述CT图像利用平移变换和旋转变换得到所述第一配准结果,变换公式如下:
X'=AX+b;
X'=(x,y,z);
其中,所述X=(x,y,z)是像素的位置坐标;所述A是3*3的旋转变换矩阵:
所述b是3*1的平移向量(△x,△y,△z)。
根据本发明所述的数字人图像与CT图像的配准方法,所述基于B_spline的非刚性配准变换的变换公式为:
其中,所述φi,j,k是格点的坐标;
i,j,k格点坐标:(int)(x/δx);
l、m、n是变量;
所述u,v,w分别为x,y,z方向上的相对位置:
u=(x/δx)-(int)(x/δx);
B_spline基函数:
B0(t)=(-t3+3t2-3t+1)/6;
B1(t)=(3t3-6t2+4)/6;
B2(t)=(-3t3+3t2+3t+1)/6;
B3(t)=(t3)/6。
根据本发明所述的数字人图像与CT图像的配准方法,所述寻优处理的寻优公式为:
其中,If(.)和Ir(.)分别表示固定图像和移动图像,(.)表示二维情形下的(x,y)或三维情形下的(x,y,z),S表示相似性测度,T表示空间变换,max表示最大相识测度,Θ表示变换T的参数。
本发明还提供一种数字人图像与CT图像的配准系统,包括有:
灰度转换模块,用于将第一数字人图像进行灰度转换以生成第二数字人图像;
灰度配准模块,用于将所述第二数字人图像与CT图像进行灰度配准,生成图像转换函数;
转换合成模块,用于根据所述图像转换函数分别对所述第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。
本发明数字人图像与CT图像的配准方法包括三个阶段:将第一数字人图像进行灰度转换以生成第二数字人图像;将第二数字人图像与CT图像进行灰度配准,生成图像转换函数;根据图像转换函数分别对第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。借此,本发明能够实现彩色数字人图像和CT图像的配准,利用数字人图像带的器官分割数据,可以把配准结果应用于CT图像的器官分割中,从而快速实现CT图像的器官分割。
附图说明
图1是本发明数字人图像与CT图像的配准系统的结构示意图;
图2是本发明优选数字人图像与CT图像的配准系统的结构示意图;
图3是本发明数字人图像与CT图像的配准方法的流程图;
图4是本发明优选数字人图像与CT图像的配准方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的,本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用,指的是描述的该实施例可包括特定的特征、结构或特性,但是不是每个实施例必须包含这些特定特征、结构或特性。此外,这样的表述并非指的是同一个实施例。进一步,在结合实施例描述特定的特征、结构或特性时,不管有没有明确的描述,已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
此外,在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件,所属领域中具有通常知识者应可理解,制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式,而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语,故应解释成“包含但不限定于”。以外,“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
图1示出了本发明数字人图像与CT图像的配准系统的结构示意图,所述数字人图像与CT图像的配准系统100包括有灰度转换模块10、灰度配准模块20以及转换合成模块30,其中:
所述灰度转换模块10,用于将第一数字人图像进行灰度转换以生成第二数字人图像。即对彩色数字人图像做预处理,生成彩色数字人图像对应的灰度图像。
所述灰度配准模块20,用于将第二数字人图像与CT图像进行灰度配准,生成图像转换函数。由于第二数字人图像为灰度图像也是灰度图像,因此可以将第二数字人图像与CT图像进行灰度配准转换。
所述转换合成模块30,用于根据图像转换函数分别对第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。完成数字人图像与CT图像灰度配准后,把彩色数字人图像三通道每个通道利用配准变换单独进行转换,得到每个通道配准结果,把每个通道结果合成三通道彩色图像结果。
数字人图像是多通道彩色图像,CT图像是单通道灰度图像,不能直接使用数字人图像配准到CT图像上,本发明采用先对数字人彩色图像进行灰度图像进行转换,再配准到CT图像上,利用配准转换,把原有彩色数字人图像多个通道进行转换,最后合成所需的彩色数字人配准图像,利用数字人图像带的器官分割数据,可以把配准结果应用于CT图像的器官分割中。
图2示出了本发明优选数字人图像与CT图像的配准系统的结构示意图,所述数字人图像与CT图像的配准系统100包括有灰度转换模块10、灰度配准模块20、转换合成模块30以及融合处理模块40,其中:
所述灰度转换模块10,用于将第一数字人图像进行灰度转换以生成第二数字人图像。所述灰度转换模块10进一步包括:
第一灰度转换子模块11,用于通过平均法将第一数字人图像进行灰度转换以生成第二数字人图像,所述平均法将同一个像素位置的3个通道RGB的值进行平均,其公式为:I(x,y,z)=1/3*I_R(x,y,z)+1/3*I_G(x,y,z)+1/3*I_B(x,y,z),I(x,y,z)为平均值,I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标。或者
第二灰度转换子模块12,用于通过最大最小平均法将第一数字人图像进行灰度转换以生成第二数字人图像,所述最大最小平均法取同一个像素位置的3个通道RGB中亮度最大的和最小的值进行平均,其公式为:I(x,y,z)=0.5*max(I_R(x,y,z),I_G(x,y,z),I_B(x,y,z))+0.5*min(I_R(x,y,z),I_G(x,y,z),I_B(x,y,z)),I(x,y,z)为平均值,I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标。或者
第三灰度转换子模块13,用于通过加权平均法将第一数字人图像进行灰度转换以生成第二数字人图像,所述加权平均法将同一个像素位置的3个通道RGB的加权值进行平均,其公式为:I(x,y,z)=a*I_R(x,y,z)+b*I_G(x,y,z)+c*I_B(x,y,z),I(x,y,z)为平均值,I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标,a、b、c分别是3个通道RGB的权数。优选的是,a、b、c分别为0.3、0.59、0.11,即I(x,y,z)=0.3*I_R(x,y,z)+0.59*I_G(x,y,z)+0.11*I_B(x,y,z)。
所述灰度配准模块20,用于将第二数字人图像与CT图像进行灰度配准,生成图像转换函数。灰度配准模块20进一步包括第一配准子模块21、第二配准子模块22和寻优子模块23,其中:
第一配准子模块21,用于将第二数字人图像与CT图像利用刚性配准变换得到第一配准结果。由于数字人图像和CT图像由于位置和方向的差异,可先利用刚性配准变换进行处理,对图像整体做变换。
优选的是,第一配准子模块用于选择CT图像的指定图像范围,将CT图像的指定图像范围与第二数字人图像的对应图像范围利用刚性配准变换得到第一配准结果。以数字人头部为例,可用矩形框选定CT图像中头部图像范围。将CT图像的头部图像范围与第二数字人图像的头部头像范围利用刚性配准变换得到第一配准结果。
具体而言,将第二数字人图像与CT图像利用平移变换和旋转变换得到第一配准结果,变换公式如下:
X'=AX+b。
X'=(x,y,z)。
其中,X=(x,y,z)是像素的位置坐标;A是3*3的旋转变换矩阵;
b是3*1的平移向量(△x,△y,△z)。且矩阵A满足约束条件:ATA=I,detA=1。AT表示矩阵的转置,I为单位阵。以上是刚体变换的正交矩阵表示法,除此之外,A的表示方法还有Euler角、四元数和轴角表示法等。使用的是Euler角表示法,即用θx,θy,θz,分别表示图像围绕三个坐标轴的连续旋转角度,则总的旋转矩阵A为:
第二配准子模块22,用于将第一配准结果通过基于B_spline的非刚性配准变换得到第二配准结果。由于刚性配准只能保持图像平直型,由于图像实际差异,可以使用基于B_spline的非刚性配准变换。所述变换公式为:
此公式是三维图像的坐标变化公式。将一副图像用一定间隔的网格分割成不同的区域。φi,j,k是格点的坐标。原图像中的任意一个像素点的坐标变换到新图像中的坐标,以该点周围4*4*4的控制点来计算。设网格点的间隔分别大小为:δx,δy,δz。
i,j,k格点坐标:(int)(x/δx);
l、m、n是变量(l,m,n可从0变到4);
u,v,w分别为x,y,z方向上的相对位置:u=(x/δx)-(int)(x/δx);
B_spline基函数:
B0(t)=(-t3+3t2-3t+1)/6
B1(t)=(3t3-6t2+4)/6
B2(t)=(-3t3+3t2+3t+1)/6
B3(t)=(t3)/6
寻优子模块23,用于将第二配准结果进行寻优处理生成图像转换函数,所述寻优处理的寻优公式为:
即定义一种相似性准则,采用某种优化算法使得该测度达到最优值。经过坐标变换后,两幅图像中相关点的几何关系已经一一对应,需要定义一种相似性测度来度量两幅图像的相似程度,并且通过不断地调整变换参数,使得相似性测度达到最优,即配准问题转化为多参数最优化问题。其中,If(.)和Ir(.)分别表示固定图像(fix Image)和移动图像(move Image),(.)表示二维情形下的(x,y)或三维情形下的(x,y,z),S表示相似性测度,T表示空间变换,max表示最大相识测度,Θ表示变换T的参数。
所述转换合成模块30,用于根据图像转换函数分别对第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。完成数字人图像与CT图像灰度配准后,把彩色数字人图像三通道每个通道利用配准变换单独进行转换,得到每个通道配准结果,把每个通道结果合成三通道彩色图像结果。
所述融合处理模块40,将合成的第三数字人图像与CT图像进行融合处理。
本发明主要解决的问题是利用彩色数字人图像和CT图像进行配准,把数字人配准结果图像和CT图像进行融合显示,最大限度提供在CT图像进行分割解剖器官。本发明对彩色数字人图像进行预处理,对原始图像进行变换,实现彩色数字人图像与CT图像的配准,利用数字人图像带的器官分割数据,可以把配准结果应用于CT图像的器官分割中,可以快速实现CT图像的器官分割,为后续的二次数据库开发、图像分割、重建和数字解剖学等提供精确的三维数据集。彩色数字人图像的配准结果可应用于与原始CT图像融合处理,彩色数字人图像带的人脑解剖结构,有利于观察CT图像各器官特征。
图3是本发明数字人图像与CT图像的配准方法的流程图,其可通过如图1或图2所示的数字人图像与CT图像的配准系统100实现,所述方法包括有:
步骤S301,灰度转换步骤:将第一数字人图像进行灰度转换以生成第二数字人图像。即对彩色数字人图像做预处理,生成彩色数字人图像对应的灰度图像。
步骤S302,灰度配准步骤,将第二数字人图像与CT图像进行灰度配准,生成图像转换函数。由于第二数字人图像为灰度图像也是灰度图像,因此可以将第二数字人图像与CT图像进行灰度配准转换。
步骤S303,转换合成步骤,根据图像转换函数分别对第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。完成数字人图像与CT图像灰度配准后,把彩色数字人图像三通道每个通道利用配准变换单独进行转换,得到每个通道配准结果,把每个通道结果合成三通道彩色图像结果。
数字人图像是多通道彩色图像,CT图像是单通道灰度图像,不能直接使用数字人图像配准到CT图像上,本发明采用先对数字人彩色图像进行灰度图像进行转换,再配准到CT图像上,利用配准转换,把原有彩色数字人图像多个通道进行转换,最后合成所需的彩色数字人配准图像,利用数字人图像带的器官分割数据,可以把配准结果应用于CT图像的器官分割中。
图4是本发明优选数字人图像与CT图像的配准方法的流程图,其可通过如图2所示的数字人图像与CT图像的配准系统100实现,所述方法包括有:
步骤S401,将第一数字人图像进行灰度转换以生成第二数字人图像。优选的是,本步骤包括:通过平均法、最大最小平均法或加权平均法将第一数字人图像进行灰度转换以生成第二数字人图像。
平均法将同一个像素位置的3个通道RGB的值进行平均,其公式为:I(x,y,z)=1/3*I_R(x,y,z)+1/3*I_G(x,y,z)+1/3*I_B(x,y,z),I(x,y,z)为平均值,I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标。或者
最大最小平均法取同一个像素位置的3个通道RGB中亮度最大的和最小的值进行平均,其公式为:I(x,y,z)=0.5*max(I_R(x,y,z),I_G(x,y,z),I_B(x,y,z))+0.5*min(I_R(x,y,z),I_G(x,y,z),I_B(x,y,z)),I(x,y,z)为平均值,I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标。或者
加权平均法将同一个像素位置的3个通道RGB的加权值进行平均,其公式为:I(x,y,z)=a*I_R(x,y,z)+b*I_G(x,y,z)+c*I_B(x,y,z),I(x,y,z)为平均值,I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标,a、b、c分别是3个通道RGB的权数。优选的是,a、b、c分别为0.3、0.59、0.11,即I(x,y,z)=0.3*I_R(x,y,z)+0.59*I_G(x,y,z)+0.11*I_B(x,y,z)。
步骤S402,将第二数字人图像与CT图像利用刚性配准变换得到第一配准结果。由于数字人图像和CT图像由于位置和方向的差异,可先利用刚性配准变换进行处理,对图像整体做变换。
优选的是,本步骤中选择CT图像的指定图像范围,将CT图像的指定图像范围与第二数字人图像的对应图像范围利用刚性配准变换得到第一配准结果。以数字人头部为例,可用矩形框选定CT图像中头部图像范围。将CT图像的头部图像范围与第二数字人图像的头部头像范围利用刚性配准变换得到第一配准结果。
更好的是,本步骤中将第二数字人图像与CT图像利用平移变换和旋转变换得到第一配准结果,变换公式如下:
X'=AX+b。
X'=(x,y,z)。
其中,X=(x,y,z)是像素的位置坐标;A是3*3的旋转变换矩阵;
b是3*1的平移向量(△x,△y,△z)。
且矩阵A满足约束条件:ATA=I,detA=1。AT表示矩阵的转置,I为单位阵。以上是刚体变换的正交矩阵表示法,除此之外,A的表示方法还有Euler角、四元数和轴角表示法等。使用的是Euler角表示法,即用θx,θy,θz,分别表示图像围绕三个坐标轴的连续旋转角度,则总的旋转矩阵A为:
步骤S403,刚性配准只能保持图像平直型,由于图像实际差异,可将第一配准结果通过基于B_spline的非刚性配准变换得到第二配准结果。
优选的是,基于B_spline的非刚性配准变换的变换公式为:
此公式是三维图像的坐标变化公式。将一副图像用一定间隔的网格分割成不同的区域。φi,j,k是格点的坐标。原图像中的任意一个像素点的坐标变换到新图像中的坐标,以该点周围4*4*4的控制点来计算。设网格点的间隔分别大小为:δx,δy,δz。
i,j,k格点坐标:(int)(x/δx);
l、m、n是变量(l,m,n可从0变到4)
u,v,w分别为x,y,z方向上的相对位置:u=(x/δx)-(int)(x/δx);
B_spline基函数:
B0(t)=(-t3+3t2-3t+1)/6
B1(t)=(3t3-6t2+4)/6
B2(t)=(-3t3+3t2+3t+1)/6
B3(t)=(t3)/6
步骤S404,将第二配准结果进行寻优处理生成图像转换函数。
优选的是,寻优处理的寻优公式为:
即定义一种相似性准则,采用某种优化算法使得该测度达到最优值。经过坐标变换后,两幅图像中相关点的几何关系已经一一对应,需要定义一种相似性测度来度量两幅图像的相似程度,并且通过不断地调整变换参数,使得相似性测度达到最优,即配准问题转化为多参数最优化问题。其中,If(.)和Ir(.)分别表示固定图像(fix Image)和移动图像(move Image),(.)表示二维情形下的(x,y)或三维情形下的(x,y,z),S表示相似性测度,T表示空间变换,max表示最大相识测度,Θ表示变换T的参数。
步骤S405,根据图像转换函数分别对第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。完成数字人图像与CT图像灰度配准后,把彩色数字人图像三通道每个通道利用配准变换单独进行转换,得到每个通道配准结果,把每个通道结果合成三通道彩色图像结果。
步骤S406,将第三数字人图像与CT图像进行融合处理。彩色数字人图像带的人脑解剖结构,有利于观察CT图像各器官特征。利用数字人图像带的器官分割数据,可以把配准结果应用于CT图像的器官分割中,可以快速实现CT图像的器官分割。
综上所述,本发明数字人图像与CT图像的配准方法包括三个阶段:将第一数字人图像进行灰度转换以生成第二数字人图像;将第二数字人图像与CT图像进行灰度配准,生成图像转换函数;根据图像转换函数分别对第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。借此,本发明能够实现彩色数字人图像和CT图像的配准,利用数字人图像带的器官分割数据,可以把配准结果应用于CT图像的器官分割中,从而快速实现CT图像的器官分割。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (4)
1.一种数字人图像与CT图像的配准方法,其特征在于,包括有:
灰度转换步骤,将第一数字人图像进行灰度转换以生成第二数字人图像;
灰度配准步骤,将所述第二数字人图像与CT图像进行灰度配准,生成图像转换函数;
转换合成步骤,根据所述图像转换函数分别对所述第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像;
所述灰度转换步骤中,通过平均法、最大最小平均法或加权平均法将所述第一数字人图像进行灰度转换以生成所述第二数字人图像;
所述平均法将同一个像素位置的3个通道RGB的值进行平均,其公式为:I(x,y,z) = 1/3 * I_R(x,y,z) +1/3 * I_G(x,y,z)+ 1/3 * I_B(x,y,z),所述I(x,y,z)为平均值,所述I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标;或者
所述最大最小平均法取同一个像素位置的3个通道RGB中亮度最大的和最小的值进行平均,其公式为:I(x,y,z) = 0.5 * max(I_R(x,y,z), I_G(x,y,z),I_B(x,y,z))+ 0.5 *min(I_R(x,y,z),I_G(x,y,z),I_B(x,y,z)),所述I(x,y,z)为平均值,所述I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标;或者
所述加权平均法将同一个像素位置的3个通道RGB的加权值进行平均,其公式为: I(x,y,z) = a * I_R(x,y,z) +b * I_G(x,y,z)+ c * I_B(x,y,z),所述I(x,y,z)为平均值,所述I_R(x,y,z)、I_G(x,y,z)、I_B(x,y,z)分别是3个通道RGB的像素的位置坐标,所述a、b、c分别是3个通道RGB的权数;
所述灰度配准步骤进一步包括:
将所述第二数字人图像与所述CT图像利用刚性配准变换得到第一配准结果;
将所述第一配准结果通过基于B_spline的非刚性配准变换得到第二配准结果;
将所述第二配准结果进行寻优处理生成所述图像转换函数;
所述将所述第二数字人图像与CT图像利用刚性配准变换得到第一配准结果的步骤进一步包括:
选择所述CT图像的指定图像范围,将所述CT图像的指定图像范围与所述第二数字人图像的对应图像范围利用刚性配准变换得到所述第一配准结果;
所述将所述第二数字人图像与CT图像利用刚性配准变换得到第一配准结果的步骤进一步包括:
将所述第二数字人图像与所述CT图像利用平移变换和旋转变换得到所述第一配准结果,变换公式如下:
X' = AX +b;
X'=(x,y,z);
其中,所述X= (x,y,z)是像素的位置坐标;所述A是3*3的旋转变换矩阵:
所述b是3*1的平移向量(△x,△y,△z) ;
所述基于B_spline的非刚性配准变换的变换公式为:
其中,所述ϕi,j,k是格点的坐标;
i,j,k格点坐标:(int)(x/δx);
l、m、n是变量;
所述u,v,w 分别为x,y,z方向上的相对位置:
u=(x/δx)−(int)(x/δx);
B_spline 基函数:
B0(t)=(−t3+3t2−3t+1)/6;
B1(t)=(3t3−6t2+4)/6;
B2(t)=(−3t3+3t2+3t+1)/6;
B3(t)=(t3)/6;
所述寻优处理的寻优公式为:
其中,If(.)和Ir(.)分别表示固定图像和移动图像,(.) 表示二维情形下的(x,y)或三维情形下的(x,y,z),S表示相似性测度,T表示空间变换,max表示最大相识测度,Θ表示变换T的参数。
2.根据权利要求1所述的数字人图像与CT图像的配准方法,其特征在于,所述转换合成步骤之后还包括:
融合处理步骤,将所述第三数字人图像与所述CT图像进行融合处理。
3.根据权利要求1所述的数字人图像与CT图像的配准方法,其特征在于,所述a、b、c分别为0.3、0.59 、0.11。
4.一种实现如权利要求1~3任一项所述数字人图像与CT图像的配准方法的数字人图像与CT图像的配准系统,其特征在于,包括有:
灰度转换模块,用于将第一数字人图像进行灰度转换以生成第二数字人图像;
灰度配准模块,用于将所述第二数字人图像与CT图像进行灰度配准,生成图像转换函数;
转换合成模块,用于根据所述图像转换函数分别对所述第一数字人图像的各个通道进行转换,并将各个通道的转换结果合成为第三数字人图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040664.3A CN109903264B (zh) | 2019-01-16 | 2019-01-16 | 数字人图像与ct图像的配准方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040664.3A CN109903264B (zh) | 2019-01-16 | 2019-01-16 | 数字人图像与ct图像的配准方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109903264A CN109903264A (zh) | 2019-06-18 |
CN109903264B true CN109903264B (zh) | 2023-01-03 |
Family
ID=66943722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040664.3A Active CN109903264B (zh) | 2019-01-16 | 2019-01-16 | 数字人图像与ct图像的配准方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903264B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110610481A (zh) * | 2019-08-06 | 2019-12-24 | 深圳市旭东数字医学影像技术有限公司 | 基于医学图像的脑干自动分割方法及系统 |
CN112598669B (zh) * | 2021-03-04 | 2021-06-01 | 之江实验室 | 一种基于数字人技术的肺叶分割方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004213589A (ja) * | 2003-01-09 | 2004-07-29 | Mitsubishi Electric Corp | 特定部分姿勢推定装置 |
CN103226823A (zh) * | 2013-03-18 | 2013-07-31 | 华中科技大学 | 基于对数差值点集模板的图像快速配准方法 |
CN108053431A (zh) * | 2018-02-24 | 2018-05-18 | 中原工学院 | 一种基于梯度分布的非刚体医学图像配准方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8774481B2 (en) * | 2010-03-25 | 2014-07-08 | Emory University | Atlas-assisted synthetic computed tomography using deformable image registration |
-
2019
- 2019-01-16 CN CN201910040664.3A patent/CN109903264B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004213589A (ja) * | 2003-01-09 | 2004-07-29 | Mitsubishi Electric Corp | 特定部分姿勢推定装置 |
CN103226823A (zh) * | 2013-03-18 | 2013-07-31 | 华中科技大学 | 基于对数差值点集模板的图像快速配准方法 |
CN108053431A (zh) * | 2018-02-24 | 2018-05-18 | 中原工学院 | 一种基于梯度分布的非刚体医学图像配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109903264A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10946214B2 (en) | Automated anatomy delineation for image guided therapy planning | |
Montúfar et al. | Automatic 3-dimensional cephalometric landmarking based on active shape models in related projections | |
US8787648B2 (en) | CT surrogate by auto-segmentation of magnetic resonance images | |
US7817836B2 (en) | Methods for volumetric contouring with expert guidance | |
CN107909622B (zh) | 模型生成方法、医学成像的扫描规划方法及医学成像系统 | |
CA2620216A1 (en) | Image processing method, image processing program, and image processing device | |
KR102537214B1 (ko) | 자기 공명 이미지들에서 정중시상 평면을 결정하기 위한 방법 및 장치 | |
CN109903264B (zh) | 数字人图像与ct图像的配准方法及系统 | |
US10660707B2 (en) | ENT bone distance color coded face maps | |
CN115830016A (zh) | 医学图像配准模型训练方法及设备 | |
JP7409624B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US8265361B2 (en) | Automatic transfer of outlined objects from one data set into another data set | |
CN114359309A (zh) | 基于标定点检测和形状灰度模型匹配的医学图像分割方法 | |
Wang et al. | A pulmonary deformation registration framework for biplane x-ray and ct using sparse motion composition | |
Al Abboodi et al. | Supervised Transfer Learning for Multi Organs 3D Segmentation With Registration Tools for Metal Artifact Reduction in CT Images | |
CN111743628A (zh) | 一种基于计算机视觉的自动穿刺机械臂路径规划的方法 | |
CN112785632B (zh) | 基于epid的图像引导放疗中dr和drr影像跨模态自动配准方法 | |
EP3526799A1 (en) | Optimizing an atlas | |
US20240148351A1 (en) | Image-based planning of tomographic scan | |
CN114565666A (zh) | 一种脑部组织可视化定位方法 | |
CN117017490A (zh) | 用于医疗辅助的系统和方法 | |
Rajion et al. | Coordinate systems integration for development of Malaysian craniofacial database | |
WO2023174677A1 (en) | Providing normalised medical images |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |