CN111161330A - 非刚性图像配准方法、装置、系统、电子设备、存储介质 - Google Patents
非刚性图像配准方法、装置、系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN111161330A CN111161330A CN201911327484.XA CN201911327484A CN111161330A CN 111161330 A CN111161330 A CN 111161330A CN 201911327484 A CN201911327484 A CN 201911327484A CN 111161330 A CN111161330 A CN 111161330A
- Authority
- CN
- China
- Prior art keywords
- field
- image
- registration
- deformation
- deformation field
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 27
- 238000004422 calculation algorithm Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 8
- 238000009499 grossing Methods 0.000 description 8
- 230000010412 perfusion Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 210000000056 organ Anatomy 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 238000011524 similarity measure Methods 0.000 description 6
- 239000002872 contrast media Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Abstract
本发明公开了非刚性图像配准方法、装置、系统、电子设备、存储介质。所述非刚性图像配准方法包括:确定待配准图像向配准参考图像配准的速率场;对所述速率场进行第一约束处理,直至所述速率场满足速率场收敛条件;根据满足所述速率场收敛条件的速率场确定形变场;对所述形变场进行第二约束处理,直至所述形变场满足形变场收敛条件,其中,满足所述形变场收敛条件的形变场用于实现所述待配准图像向所述配准参考图像的配准。本发明中,结合速率场和形变场作为迭代收敛条件,可以更加有效地判断迭代程度,同时在速率场和形变场进行体积保持约束,保证和改善了约束应用的效果。
Description
技术领域
本发明涉及医学成像技术领域,特别涉及非刚性图像配准方法、装置、系统、电子设备、存储介质。
背景技术
灌注成像是临床上一种常用功能成像方式,通过对灌注成像扫描获得的多帧图像进行灌注分析,能测量器官的血流量、血流速度、通透性等一些功能性指标。
灌注成像首先需要对患者注射造影剂,通过造影剂来增强显示对应的病变、血管等组织器官。由于呼吸运动、心脏运动、以及器官固有运动,和其他原因,会导致不同扫描帧之间存在明显的位置差异,所以需要进行运动校正,来减少各种运动对灌注分析结果的影响。
目前,常采用非刚性图像配准方法实现对灌注成像获得的图像进行运动校正,然而目前的非刚性图像配准方法存在要么精确度低,要么计算量大的缺陷。
发明内容
本发明提供非刚性图像配准方法、装置、系统、电子设备、存储介质,以提高非刚性图像配准的准确度和效率。
具体地,本发明是通过如下技术方案实现的:
第一方面,提供一种非刚性图像配准方法,所述非刚性图像配准方法包括:
确定待配准图像向配准参考图像配准的速率场;
对所述速率场进行第一约束处理,直至所述速率场满足速率场收敛条件;
根据满足所述速率场收敛条件的速率场确定形变场;
对所述形变场进行第二约束处理,直至所述形变场满足形变场收敛条件,其中,满足所述形变场收敛条件的形变场用于实现所述待配准图像向所述配准参考图像的配准。
可选地,所述速率场满足速率场收敛条件,包括:
所述速率场的散度在散度阈值范围内;
或,所述速率场的雅克比行列式在行列式阈值范围内。
可选地,对所述速率场进行第一约束处理,包括:
对所述速率场进行高斯约束和/或无散度约束。
可选地,所述形变场满足形变场收敛条件,包括:
所述形变场的散度在散度阈值范围内;
或,所述形变场的雅克比行列式在行列式阈值范围内。
可选地,对所述形变场进行第二约束处理,包括:
对所述形变场进行无散度约束。
第二方面,提供一种非刚性图像配准方法,所述非刚性图像配准方法包括:
获取多个分辨率下的配准参考图像和待配准图像;
按照分辨率由低至高的顺序,对每个分辨率下的配准参考图像和待配准图像,利用第一方面中任意一项所述的非刚性图像配准方法确定所述分辨率下的形变场;
将分辨率最高的形变场作用于相同分辨率的待配准图像,实现所述待配准图像向所述配准参考图像的图像配准。
第三方面,提供一种非刚性图像配准装置,所述非刚性图像配准装置包括:
速率场确定模块,用于确定待配准图像向配准参考图像配准的速率场;
第一约束模块,用于对所述速率场进行第一约束处理,直至所述速率场满足速率场收敛条件;
形变场确定模块,用于根据满足所述速率场收敛条件的速率场确定形变场;
第二约束模块,用于对所述形变场进行第二约束处理,直至所述形变场满足形变场收敛条件,其中,满足所述形变场收敛条件的形变场用于实现所述待配准图像向所述配准参考图像的配准。
可选地,所述速率场满足速率场收敛条件,包括:
所述速率场的散度在散度阈值范围内;
或,所述速率场的雅克比行列式在行列式阈值范围内。
可选地,所述第一约束模块具体用于:
对所述速率场进行高斯约束和/或无散度约束。
可选地,所述形变场满足形变场收敛条件,包括:
所述形变场的散度在散度阈值范围内;
或,所述形变场的雅克比行列式在行列式阈值范围内。
可选地,所述第二约束模块具体用于:
对所述形变场进行无散度约束。
第四方面,提供一种非刚性图像配准系统,所述非刚性图像配准系统包括:获取装置、配准装置和第三方面中任意一项所述的非刚性图像配准装置;
所述获取装置,用于获取多个分辨率下的配准参考图像和待配准图像;
所述非刚性图像配准装置,用于按照分辨率由低至高的顺序,确定每个分辨率下的待配准图像向配准参考图像配准的形变场;
配准模块,将分辨率最高的形变场作用于相同分辨率的待配准图像,实现所述待配准图像向所述配准参考图像的图像配准。
第五方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述的非刚性图像配准方法。
第六方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的非刚性图像配准方法的步骤。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明实施例中,提出了一种进行非刚性图像配准的联合约束策略,结合速率场和形变场作为迭代收敛条件,可以更加有效地判断迭代程度,同时在速率场和形变场进行体积保持约束,改进了造影剂增强区域器官的体积收缩膨胀问题,改善了存在大形变情况下配准效果不佳问题,保证和改善了约束应用的效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本发明一示例性实施例示出的一种非刚性图像配准方法的流程图;
图2是本发明一示例性实施例示出的一种对速率场进行约束处理的流程图;
图3是本发明一示例性实施例示出的另一种对速率场进行约束处理的流程图;
图4是本发明一示例性实施例示出的另一种非刚性图像配准方法的流程图;
图5是本发明一示例性实施例示出的一种非刚性图像配准装置的模块示意图;
图6是本发明一示例性实施例示出的一种非刚性图像配准系统的模块示意图;
图7为本发明一示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本发明实施例提供一种非刚性图像配准方法,用于对灌注成像扫描得到的多帧医学图像(如MRI图像、CT图像等)进行非刚性图像配准,适用于多种单模态三维图像灌注成像配准,也适用于二维配准情况。进行图像配准时,从多帧医学图像中选择一帧图像作为配准参考图像,其余图像作为待配准图像。对于每帧待配准图像,确定其与配准参考图像的相似性测度。相似性测度可以但不限于采用互信息表征。
基于互信息的非刚性配准算法数学模型表示如下:
非刚性配准就是求解一个最优的图像变换,以将待配准图像映射到配准参考图像,使得待配准图像与配准参考图像对应于空间同一位置的点一一对应起来,从而达到信息融合的目的。
对于非刚性配准,图像变换一般通过WarpField(形变场)来表示。形变场大小对应图像尺寸大小,对于三维医学图像配准,有X/Y/Z方向上三个分量。速率场是形变场的微分,表示形变场随着时间变化情况。
下面对实现一帧待配准图像向配准参考图像进行图像配准的具体实现过程进行说明。
图1是本发明一示例性实施例示出的一种非刚性图像配准方法的流程图,包括以下步骤:
步骤101、根据配准参考图像与待配准图像的相似性测度确定待配准图像向配准参考图像配准的速率场。
其中,配准参考图像与待配准图像的维度相同,均为二维图像或均为三维图像;配准参考图像与待配准图像的分辨率相同。
本实施例中,速率场可基于Viscous Fluid Model(流体力学模型)确定,若配准参考图像与待配准图像均为三维图像,速率场可表示如下:
A(x,y,z)=P(x,y,z)i+Q(x,y,z)j+R(x,y,z)k; (2)
其中,P(x,y,z)、Q(x,y,z)、R(x,y,z)分别表示速率场在x、y、z方向上的分量。
步骤102、对速率场进行第一约束处理,直至速率场满足速率场收敛条件。
步骤102中,通过对速率场进行多次迭代约束,直至速率场满足速率场收敛条件。其中,速率场收敛条件可以但不限于是速率场的散度满足散度阈值,或速率场的雅克比行列式满足行列式阈值。在速率场的迭代过程中,对上一轮迭代获得的速率场进行约束处理,得到本轮迭代中的速率场,若本轮迭代中的速率场的散度满足散度阈值,或速率场的雅克比行列式满足行列式阈值,则停止迭代。
下面对速率场的具体约束过程作进一步说明。
图2是本发明一示例性实施例示出的一种对速率场进行约束处理的流程图,本实施例中采用速率场的散度作为对速率场进行约束的迭代停止条件,参见图2,步骤102包括:
步骤102-1、计算本轮迭代中速率场的散度。
散度计算公式表示如下:
其中,divA表示散度,是一个标量。
步骤102-2、判断本轮迭代中速率场的散度是否在散度阈值范围内。
由于在采集配准参考图像与待配准图像的两个时刻,若器官的体积保持不变,也即既没有压缩也没有膨胀,两张图像的速率场的散度接近于0。基于此,将散度阈值范围设置为0左右,例如[-0.1,0.1)。
步骤102-2中,若散度不在散度阈值范围内,说明未达到迭代停止条件,则执行步骤102-3。
步骤102-3、对速率场进行无散度约束。然后返回步骤102-1,进行下一轮迭代。
本实施例中,可以但不限于采用泊松等式对速率场进行无散度约束,具体的:根据步骤102-1计算的散度建立泊松等式,求解泊松等式,得到标量势场;对标量势场求梯度,计算校正场;根据校正场,更新输入的速率场,得到无散度的速率场,完成本轮迭代的无散度约束过程。
其中,泊松等式求解步骤,是求解一个巨大变量的线性系统问题,可以但不限于采用以下算法或算法组合:3D Fast Fourier Transform算法、Jacobi算法、Gauss-Seidel算法、Cyclic Reduction算法、Full Multigrid算法、Fourier Analysis算法,多种组合算法等。由于3D Fast Fourier Transform算法的速率较快,本实施例中采用3D Fast FourierTransform算法,在频率域求解,同时利用FFT的可并行性。
步骤102-2中,若散度在散度阈值范围内,说明达到迭代停止条件,则停止迭代,并执行步骤103。
在另一个实施例中,步骤102-3之前,先对速率场进行高斯平滑约束,然后对经过高斯平滑约束的速率场进行无散度约束。其中,三维高斯平滑约束的公式可以但不限于表示如下:
其中,σ为高斯参数,表征高斯平滑的程度。
对速率场进行高斯平滑约束的过程中,高斯参数对能形变的大小有重要影响。本实施例中适当减小高斯参数,例如,从常规使用的9个像素值,减少到本实施例采用的5个像素值,从而相应增大Elastic约束参数,以减少平滑滤波器尺寸,减少对速率场的平滑,使得速率场减少对周围位置的速率值的依赖,增加算法的可形变适应性。
图3是本发明一示例性实施例示出的另一种对速率场进行约束处理的流程图,本实施例中采用速率场的雅克比行列式作为对速率场进行约束的迭代停止条件,参见图3,步骤102包括:
步骤102-1’、计算本轮迭代中速率场的雅克比行列式。
速率场的雅克比行列式计算公式表示如下:
其中,D表示雅克比行列式,是一个标量。
步骤102-2’、判断本轮迭代中速率场的雅克比行列式是否在行列式阈值范围内。
由于在采集配准参考图像与待配准图像的两个时刻,若器官的体积保持不变,也即既没有压缩也没有膨胀,两张图像的速率场的雅克比行列式接近于1值。基于此,将行列式阈值范围设置为1左右,例如(0.9,1.1]。
步骤102-2’中,若雅克比行列式不在行列式阈值范围内,说明未达到迭代停止条件,则执行步骤102-3’。
步骤102-3’、对速率场进行无散度约束。然后返回步骤102-1’,进行下一轮迭代。
步骤102-3’的具体实现方式与步骤102-3类似,此处不再赘诉。
步骤102-2’中,若雅克比行列式不在阈值范围内,说明达到迭代停止条件,则停止迭代,并执行步骤103。
本实施例中,根据速率场的雅克比行列式和散度作为约束条件,配准过程中实时确定是否添加约束,来加速配准过程。
在另一个实施例中,步骤102-3’之前,先对速率场进行高斯平滑约束,然后对经过高斯平滑约束的速率场进行无散度约束。对速率场进行高斯平滑约束过程中,Elastic约束参数对能形变的大小有重要影响,本实施例中适当增大约束参数,减少平滑滤波器尺寸,来增加该算法的可形变适应性。
步骤103、根据满足速率场收敛条件的速率场确定形变场。
步骤103中通过对步骤102得到的速率场进行积分处理,即可得到形变场。
步骤104、对形变场进行第二约束处理,直至形变场满足形变场收敛条件。
步骤104中,通过对形变场进行迭代约束,直至形变场满足形变场收敛条件。其中,形变场收敛条件可以但不限于是形变场的散度满足散度阈值,或形变场的雅克比行列式满足行列式阈值。在形变场的迭代过程中,对上一轮迭代获得的形变场进行约束处理,得到本轮迭代中的形变场。对形变场进行约束处理包括:对形变场进行无散度约束。对形变场的具体约束过程与对速率场的具体约束过程类似,此处不再赘诉。
本实施例中,将对形变场进行约束的迭代停止条件设置为形变场的散度为0左右(或形变场的雅克比行列式为1左右),从而将该形变场作用于待配准图像后,实现了对医学图像的体积保持约束。
步骤105、将满足形变场收敛条件的形变场作用于待配准图像,实现待配准图像向配准参考的配准。
本实施例中,迭代收敛条件方面,传统算法一般根据形变场的变化情况或者最大迭代数目等来限定迭代过程,本实施例中改进了迭代收敛条件,提出了一种联合约束策略,结合速率场和形变场作为迭代收敛条件,可以更加有效地判断迭代程度,同时在速率场和形变场进行体积保持约束,改进了造影剂增强区域器官的体积收缩膨胀问题,改善了存在大形变情况下配准效果不佳问题,保证和改善了约束应用的效果。
对于方法的实现,可以但不限于通过GPU(一种微处理器)编码来加速求解过程。求解过程中:配准涉及到数据和参数都放置到GPU显存中进行计算,以减少CUP内存和GPU显存之间的数据传输时间;采样GPU快速计算算法求解互信息(MI),以避免多个线程同时写入问题;采用GPU快速实现算法实现高斯平滑约束,以加速约束过程;采用GPU快速算法实现泊松等式求解,以加速无散度约束过程;其他涉及图像操作的部分同样可通过GPU快速实现,例如速率场计算、速率场更新、散度计算、梯度计算等。
图4是本发明一示例性实施例示出的另一种非刚性图像配准方法的流程图,本实施例中通过对配准参考图像与待配准图像进行多个分辨率下的配准,以提高图像配准的准确度和速率。在进行图像配准之前,先对扫描获得的配准参考图像与待配准图像进行压缩处理和/或插值处理,得到不同分辨率下的图像,例如,分辨率为64×64的配准参考图像和待配准图像、分辨率为128×128的配准参考图像与待配准图像。下面以对上述两个分辨率下的图像进行两轮分辨率配准为例,对多分辨率的图像配准的实现过程进行说明,参见图4,方法包括以下步骤:
步骤401、根据第一分辨率下的配准参考图像与待配准图像的相似性测度确定待配准图像向配准参考图像配准的速率场。
进行多分辨率迭代配准的过程中,按照分辨率由低至高的顺序进行,从最低分辨率开始,第一分辨率也即最低的分辨率。步骤401中也即确定分辨率为64×64的待配准图像向分辨率为64×64的配准参考图像进行配准的速率场。
步骤402、对第一分辨率下的速率场进行第一约束处理,直至速率场满足速率场收敛条件。
步骤402中,对速率场进行约束处理的具体实现过程与步骤102类似,此处不再赘述。
步骤403、根据满足速率场收敛条件的速率场确定第一分辨率下的形变场。
步骤403中,通过对步骤402得到的速率场进行积分处理,即可得到形变场。
步骤404、对第一分辨率下的形变场进行第二约束处理,直至形变场满足形变场收敛条件。
其中,步骤404中是对分辨率为64×64的形变场进行约束处理,具体实现过程与步骤102类似,此处不再赘述。
步骤405、对满足形变场收敛条件的形变场进行插值处理,得到第二分辨率下的形变场。
其中,第二分辨率也即配准参考图像与待配准图像中大小排序第二的分辨率,第二分辨率大于第一分辨率。本实施例中的第二分辨率为128×128。
本实施例中,可以但不限于采用三线性插值算法对所述形变场进行插值处理。
步骤406、将第二分辨率下的形变场作用于第二分辨率下的待配准图像,得到中间配准图像。
其中,步骤406获得的中间配准图像的分辨率为128×128。
步骤407、根据第二分辨率下的配准参考图像与中间配准图像的相似性测度确定中间配准图像向第二分辨率下的配准参考图像配准的速率场。
步骤408、对第二分辨率下的速率场进行第一约束处理,直至速率场满足速率场收敛条件。
步骤409、根据满足速率场收敛条件的速率场确定第二分辨率下的形变场。
步骤410、对第二分辨率下的形变场进行第二约束处理,直至速率场满足速率场收敛条件。
其中,步骤407~步骤410的具体实现方式与步骤101~步骤104的具体实现方式类似,此处不再赘述。
步骤411、将满足形变场收敛条件的形变场作用于第二分辨率下的待配准图像。
从而,完成了对配准参考图像与待配准图像的两轮分辨率的配准。
需要说明的是,对配准参考图像与待配准图像进行不同分辨率下的配准不限于本实施例提供的两轮分辨率的配准,可以是三轮或者更多,每轮迭代中分辨率的数值根据实际需求自行设置。本实施例的配准方法可以有效提高配精度和速度,且通过逐步提高分辨率的方式,可以更好地处理较大变形。
与前述非刚性图像配准方法实施例相对应,本发明还提供了非刚性图像配准装置、系统的实施例。
图5是本发明一示例性实施例示出的一种非刚性图像配准装置的模块示意图,该非刚性图像配准装置包括:速率场确定模块51、第一约束模块52、形变场确定模块53、第二约束模块54。
速率场确定模块51用于确定待配准图像向配准参考图像配准的速率场;
第一约束模块52用于对所述速率场进行第一约束处理,直至所述速率场满足速率场收敛条件;
形变场确定模块53用于根据满足所述速率场收敛条件的速率场确定形变场;
第二约束模块54用于对所述形变场进行第二约束处理,直至所述形变场满足形变场收敛条件,其中,满足所述形变场收敛条件的形变场用于实现所述待配准图像向所述配准参考图像的配准。
可选地,所述速率场满足速率场收敛条件,包括:
所述速率场的散度在散度阈值范围内;
或,所述速率场的雅克比行列式在行列式阈值范围内。
可选地,所述第一约束模块具体用于:
对所述速率场进行高斯约束和/或无散度约束。
可选地,所述形变场满足形变场收敛条件,包括:
所述形变场的散度在散度阈值范围内;
或,所述形变场的雅克比行列式在行列式阈值范围内。
可选地,所述第二约束模块具体用于:
对所述形变场进行无散度约束。
图6是本发明一示例性实施例示出的一种非刚性图像配准系统的模块示意图,该非刚性图像配准系统包括:获取装置61、配准装置62和上述任一实施例示出的非刚性图像配准装置63。
所述获取装置61用于获取多个分辨率下的配准参考图像和待配准图像;
所述非刚性图像配准装置63用于按照分辨率由低至高的顺序,确定每个分辨率下的待配准图像向配准参考图像配准的形变场;
配准模块62将分辨率最高的形变场作用于相同分辨率的待配准图像,实现所述待配准图像向所述配准参考图像的图像配准。
图7为本发明一示例性实施例提供的一种电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备70的框图。图7显示的电子设备70仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备70可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备70的组件可以包括但不限于:上述至少一个处理器71、上述至少一个存储器72、连接不同系统组件(包括存储器72和处理器71)的总线73。
总线73包括数据总线、地址总线和控制总线。
存储器72可以包括易失性存储器,例如随机存取存储器(RAM)721和/或高速缓存存储器722,还可以进一步包括只读存储器(ROM)723。
存储器72还可以包括具有一组(至少一个)程序模块724的程序工具725(或实用工具),这样的程序模块724包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器71通过运行存储在存储器72中的计算机程序,从而执行各种功能应用以及数据处理,例如上述任一实施例提供的方法。
电子设备70也可以与一个或多个外部设备74(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口75进行。并且,模型生成的电子设备70还可以通过网络适配器76与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器76通过总线73与模型生成的电子设备70的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的电子设备70使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时上述任一实施例提供的非刚性图像配准方法的步骤。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (14)
1.一种非刚性图像配准方法,其特征在于,所述非刚性图像配准方法包括:
确定待配准图像向配准参考图像配准的速率场;
对所述速率场进行第一约束处理,直至所述速率场满足速率场收敛条件;
根据满足所述速率场收敛条件的速率场确定形变场;
对所述形变场进行第二约束处理,直至所述形变场满足形变场收敛条件,其中,满足所述形变场收敛条件的形变场用于实现所述待配准图像向所述配准参考图像的配准。
2.如权利要求1所述的非刚性图像配准方法,其特征在于,所述速率场满足速率场收敛条件,包括:
所述速率场的散度在散度阈值范围内;
或,所述速率场的雅克比行列式在行列式阈值范围内。
3.如权利要求1所述的非刚性图像配准方法,其特征在于,对所述速率场进行第一约束处理,包括:
对所述速率场进行高斯约束和/或无散度约束。
4.如权利要求1所述的非刚性图像配准方法,其特征在于,所述形变场满足形变场收敛条件,包括:
所述形变场的散度在散度阈值范围内;
或,所述形变场的雅克比行列式在行列式阈值范围内。
5.如权利要求1所述的非刚性图像配准方法,其特征在于,对所述形变场进行第二约束处理,包括:
对所述形变场进行无散度约束。
6.一种非刚性图像配准方法,其特征在于,所述非刚性图像配准方法包括:
获取多个分辨率下的配准参考图像和待配准图像;
按照分辨率由低至高的顺序,对每个分辨率下的配准参考图像和待配准图像,利用权利要求1-5中任意一项所述的非刚性图像配准方法确定所述分辨率下的形变场;
将分辨率最高的形变场作用于相同分辨率的待配准图像,实现所述待配准图像向所述配准参考图像的图像配准。
7.一种非刚性图像配准装置,其特征在于,所述非刚性图像配准装置包括:
速率场确定模块,用于确定待配准图像向配准参考图像配准的速率场;
第一约束模块,用于对所述速率场进行第一约束处理,直至所述速率场满足速率场收敛条件;
形变场确定模块,用于根据满足所述速率场收敛条件的速率场确定形变场;
第二约束模块,用于对所述形变场进行第二约束处理,直至所述形变场满足形变场收敛条件,其中,满足所述形变场收敛条件的形变场用于实现所述待配准图像向所述配准参考图像的配准。
8.如权利要求7所述的非刚性图像配准装置,其特征在于,所述速率场满足速率场收敛条件,包括:
所述速率场的散度在散度阈值范围内;
或,所述速率场的雅克比行列式在行列式阈值范围内。
9.如权利要求7所述的非刚性图像配准装置,其特征在于,所述第一约束模块具体用于:
对所述速率场进行高斯约束和/或无散度约束。
10.如权利要求7所述的非刚性图像配准装置,其特征在于,所述形变场满足形变场收敛条件,包括:
所述形变场的散度在散度阈值范围内;
或,所述形变场的雅克比行列式在行列式阈值范围内。
11.如权利要求7所述的非刚性图像配准装置,其特征在于,所述第二约束模块具体用于:
对所述形变场进行无散度约束。
12.一种非刚性图像配准系统,其特征在于,所述非刚性图像配准系统包括:获取装置、配准装置和如权利要求7-11中任意一项所述的非刚性图像配准装置;
所述获取装置,用于获取多个分辨率下的配准参考图像和待配准图像;
所述非刚性图像配准装置,用于按照分辨率由低至高的顺序,确定每个分辨率下的待配准图像向配准参考图像配准的形变场;
配准模块,将分辨率最高的形变场作用于相同分辨率的待配准图像,实现所述待配准图像向所述配准参考图像的图像配准。
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任意一项所述的非刚性图像配准方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6任意一项所述的非刚性图像配准方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327484.XA CN111161330B (zh) | 2019-12-20 | 2019-12-20 | 非刚性图像配准方法、装置、系统、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327484.XA CN111161330B (zh) | 2019-12-20 | 2019-12-20 | 非刚性图像配准方法、装置、系统、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161330A true CN111161330A (zh) | 2020-05-15 |
CN111161330B CN111161330B (zh) | 2024-03-22 |
Family
ID=70557609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911327484.XA Active CN111161330B (zh) | 2019-12-20 | 2019-12-20 | 非刚性图像配准方法、装置、系统、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161330B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030816A (zh) * | 2021-04-15 | 2021-06-25 | 上海交通大学 | 提高磁共振弹性成像模量计算分辨率的方法、系统及介质 |
TWI767614B (zh) * | 2020-07-16 | 2022-06-11 | 大陸商上海商湯智能科技有限公司 | 圖像處理方法及電子設備、電腦可讀儲存介質 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080037865A1 (en) * | 2006-08-09 | 2008-02-14 | Siemens Corporate Research, Inc. | System and method for non-rigid multi-modal registration on the gpu |
US20090080779A1 (en) * | 2006-12-05 | 2009-03-26 | Siemens Corporate Research, Inc. | Method and system for registration of contrast- enhanced images with volume-preserving constraint |
CN103400376A (zh) * | 2013-07-19 | 2013-11-20 | 南方医科大学 | 一种乳腺动态增强磁共振图像序列的配准方法 |
CN108171737A (zh) * | 2018-01-09 | 2018-06-15 | 北京理工大学 | 一种具有不可压缩器官的医学图像配准方法及系统 |
-
2019
- 2019-12-20 CN CN201911327484.XA patent/CN111161330B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080037865A1 (en) * | 2006-08-09 | 2008-02-14 | Siemens Corporate Research, Inc. | System and method for non-rigid multi-modal registration on the gpu |
US20090080779A1 (en) * | 2006-12-05 | 2009-03-26 | Siemens Corporate Research, Inc. | Method and system for registration of contrast- enhanced images with volume-preserving constraint |
CN103400376A (zh) * | 2013-07-19 | 2013-11-20 | 南方医科大学 | 一种乳腺动态增强磁共振图像序列的配准方法 |
CN108171737A (zh) * | 2018-01-09 | 2018-06-15 | 北京理工大学 | 一种具有不可压缩器官的医学图像配准方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI767614B (zh) * | 2020-07-16 | 2022-06-11 | 大陸商上海商湯智能科技有限公司 | 圖像處理方法及電子設備、電腦可讀儲存介質 |
CN113030816A (zh) * | 2021-04-15 | 2021-06-25 | 上海交通大学 | 提高磁共振弹性成像模量计算分辨率的方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111161330B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Van Reeth et al. | Super‐resolution in magnetic resonance imaging: a review | |
US9547902B2 (en) | Method and system for physiological image registration and fusion | |
US8861891B2 (en) | Hierarchical atlas-based segmentation | |
US8792729B2 (en) | Image processing apparatus and method | |
US7945117B2 (en) | Methods and systems for registration of images | |
JP4917733B2 (ja) | 尤度最大化を利用した画像位置合わせシステム及び方法 | |
Jurek et al. | CNN-based superresolution reconstruction of 3D MR images using thick-slice scans | |
Mair et al. | Estimation of images and nonrigid deformations in gated emission CT | |
Ghanei et al. | A 3D deformable surface model for segmentation of objects from volumetric data in medical images | |
CN111161330B (zh) | 非刚性图像配准方法、装置、系统、电子设备、存储介质 | |
CN112150571A (zh) | 一种图像运动伪影消除方法、装置、设备及存储介质 | |
Fahmy et al. | Myocardial segmentation using contour-constrained optical flow tracking | |
Alessandrini et al. | Multiscale optical flow computation from the monogenic signal | |
CN116703994A (zh) | 医学图像配准的方法、计算设备和计算机可读存储介质 | |
Bergvall et al. | A fast and highly automated approach to myocardial motion analysis using phase contrast magnetic resonance imaging | |
Morais et al. | Dense motion field estimation from myocardial boundary displacements | |
Hermosillo et al. | Image registration in medical imaging: applications, methods, and clinical evaluation | |
Li et al. | Multimodal medical image registration based on an information-theory measure with histogram estimation of continuous image representation | |
Lötjönen et al. | Correction of motion artifacts from cardiac cine magnetic resonance images1 | |
US20220215601A1 (en) | Image Reconstruction by Modeling Image Formation as One or More Neural Networks | |
Miller et al. | Motion compensated extreme MRI: Multi-scale low rank reconstructions for highly accelerated 3D dynamic acquisitions (MoCo-MSLR) | |
Xu | A Robust and Efficient Framework for Slice-to-Volume Reconstruction: Application to Fetal MRI | |
Menon et al. | Applicability of non-rigid medical image registration using moving least squares | |
Gou et al. | Lung dynamic MRI deblurring using low‐rank decomposition and dictionary learning | |
Close et al. | Estimation of motion from sequential images using integral constraints |
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 |