CN113902780A - 一种影像配准方法、装置、设备和可读存储介质 - Google Patents

一种影像配准方法、装置、设备和可读存储介质 Download PDF

Info

Publication number
CN113902780A
CN113902780A CN202111009569.0A CN202111009569A CN113902780A CN 113902780 A CN113902780 A CN 113902780A CN 202111009569 A CN202111009569 A CN 202111009569A CN 113902780 A CN113902780 A CN 113902780A
Authority
CN
China
Prior art keywords
sequence
registered
image
standard
gravity center
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
Application number
CN202111009569.0A
Other languages
English (en)
Other versions
CN113902780B (zh
Inventor
肖月庭
阳光
郑超
左伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shukun Technology Co ltd
Original Assignee
Shukun Beijing Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shukun Beijing Network Technology Co Ltd filed Critical Shukun Beijing Network Technology Co Ltd
Priority to CN202111009569.0A priority Critical patent/CN113902780B/zh
Publication of CN113902780A publication Critical patent/CN113902780A/zh
Application granted granted Critical
Publication of CN113902780B publication Critical patent/CN113902780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10104Positron emission tomography [PET]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10108Single photon emission computed tomography [SPECT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30016Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种影像配准方法、装置、设备和可读存储介质,包括:获取针对同一部位的标准序列影像和待配准序列影像;基于标准序列影像和待配准序列影像,分别获取针对同一部位中对应相同组织的标准重心序列和待配准重心序列;基于标准重心序列和待配准重心序列,确定用于将待配准重心序列变换至标准重心序列的配准参数;基于配准参数,对标准序列影像和待配准序列影像进行配准。通过获取标准重心序列和待配准重心序列,基于标准重心序列和待配准重心序列生成配准参数,通过配准参数对待配准序列影像进行定向配准,相比传统中通过穷尽所有旋转、平移的可能性而言,提高了配准效率高,同时减少了计算量。

Description

一种影像配准方法、装置、设备和可读存储介质
技术领域
本发明涉及医学影像技术领域,尤其涉及一种影像配准方法、装置、 设备和可读存储介质。
背景技术
在医学影像分析领域,我们希望通过一种算法,可以让两个影像的 数据,通过配准方法,配准到一起,进而通过不同影像的数据做影像分 析。
现有的配准方法为对待配准序列影像穷尽所有旋转、平移的可能性, 使与标准序列影像相近,但是此种配准方式的耗时比较长。
发明内容
本发明实施例提供了一种影像配准方法、装置、设备和可读存储介 质,具有配准效率高、计算量小的技术效果。
本发明一方面提供一种影像配准方法,所述方法包括:获取针对同 一部位的标准序列影像和待配准序列影像;基于所述标准序列影像和所 述待配准序列影像,分别获取针对所述同一部位中对应相同组织的标准 重心序列和待配准重心序列;基于所述标准重心序列和所述待配准重心 序列,确定用于将所述待配准重心序列变换至所述标准重心序列的配准 参数;基于所述配准参数,对所述标准序列影像和待配准序列影像进行 配准。
在一可实施方式中,所述基于所述标准序列影像和所述待配准序列 影像,分别获取针对所述同一部位中相同组织的标准重心序列和待配准 重心序列,包括:基于所述相同组织的像素特征,从所述标准序列影像 和所述待配准序列影像中分别提取所述相同组织;基于所述相同组织的 轮廓,确定每张切片的重心位置;基于所述重心位置,分别生成所述标 准重心序列和所述待配准重心序列。
在一可实施方式中,所述方法还包括:判断所述相同组织是否为刚 性组织,若判定为非刚性组织,则将所述标准序列影像和待配准序列影 像的每张切片分别划分为多个区域;所述标准序列影像和待配准序列影 像各自基于多个区域,分别确定针对每个区域的标准重心序列和待配准 重心序列;基于多组标准重心序列和待配准重心序列,确定用于将每一 个所述待配准重心序列变换至对应标准重心序列的多个配准参数;基于 多个所述配准参数,对所述标准序列影像和待配准序列影像进行配准。
在一可实施方式中,所述配准参数包括平移量和旋转角度;所述基 于所述配准参数,对所述标准序列影像和待配准序列影像进行配准,包 括:对所述待配准序列影像按照所述平移量和旋转角度进行相应的平移、 旋转处理,以实现所述标准序列影像和待配准序列影像的配准。
在一可实施方式中,在对所述待配准序列影像按照所述平移量和旋 转角度进行相应的平移、旋转处理之后,所述方法还包括:将经处理后 的待配准序列影像在指定平移或旋转范围内进行二次调整,以使所述待 配准序列影像与所述标准序列影像之间的相似度最大。
在一可实施方式中,所述方法还包括:判断所述标准重心序列和待 配准重心序列中是否均存在多种组织,若判定为是,则基于不同组织将 所述标准重心序列和待配准重心序列分为多段序列;基于所述多段序列, 分别确定所述配准参数。
在一可实施方式中,所述确定用于将所述待配准重心序列变换至所 述标准重心序列的配准参数,包括:判断所述标准重心序列和待配准重 心序列是否重合,若判定为是,则分别获取所述标准序列影像和待配准 序列影像中其他特定组织;基于所述其他特定组织,确定所述配准参数。
本发明另一方面提供一种影像配准装置,所述装置包括:影像获取 模块,用于获取针对同一部位的标准序列影像和待配准序列影像;重心 序列获取模块,用于基于所述标准序列影像和所述待配准序列影像,分 别获取针对所述同一部位中对应相同组织的标准重心序列和待配准重 心序列;配准参数确定模块,用于基于所述标准重心序列和所述待配准 重心序列,确定用于将所述待配准重心序列变换至所述标准重心序列的 配准参数;影像配准模块,用于基于所述配准参数,对所述标准序列影 像和待配准序列影像进行配准。
本发明另一方面提供一种影像配准设备,所述设备包括存储器和处 理器;所述存储器用于存储指令,所述指令用于控制所述处理器进行操 作以执行时上述任一项影像配准方法。
本发明另一方面提供一种计算机可读存储介质,所述存储介质包括 一组计算机可执行指令,当所述指令被执行时用于执行上述任一项所述 的影像配准方法。
在本发明实施例中,本方案通过获取标准序列影像和待配准序列影 像,并获取到相同组织的标准重心序列和待配准重心序列,基于标准重 心序列和待配准重心序列生成一个配准参数,通过配准参数对待配准序 列影像进行定向配准,相比传统中通过穷尽所有旋转、平移的可能性而 言,本方案具有配准效率高、计算量小的技术效果。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上 述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而 非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明实施例一种影像配准方法的实现流程示意图;
图2为本发明实施例一种影像配准方法的具体配准流程示意图;
图3为本发明实施例一种影像配准方法中重心位置提取过程示意图;
图4为本发明实施例一种影像配准方法中针对非刚性组织的区域划 分示意图;
图5为本发明实施例一种影像配准装置的结构组成示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结 合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完 整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全 部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性 劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明一方面提供一种影像配准方法,方法包括:
步骤101,获取针对同一部位的标准序列影像和待配准序列影像;
步骤102,基于标准序列影像和待配准序列影像,分别获取针对同 一部位中对应相同组织的标准重心序列和待配准重心序列;
步骤103,基于标准重心序列和待配准重心序列,确定用于将待配 准重心序列变换至标准重心序列的配准参数;
步骤104,基于配准参数,对标准序列影像和待配准序列影像进行 配准。
本实施例中,影像具体包括CT、MRI、SPECT、PET等断层扫描图 像。
在步骤101中,标准序列影像一般为众多序列影像中被用于参考的 序列影像,可事先进行存储;待配准序列影像为需要校准的影像,一般 为患者在影像扫描过程中因身体移动导致的错误影像。标准序列影像和 待配准序列影像在获取时,选取同一部分的序列影像,其中同一部分包 括脑部、四肢、胸腔等等。
结合图2所示,每一个序列影像均自上而下包括多张切片,每张切 片一般包含多个组织并且每张切片所包含的组织可能存在不同,例如人 体躯干的序列影像,该序列影像的切片有的包括心脏部分、肝脏部分、 肾脏部分和小肠部分等,应用到脑部也是同样的道理。
在步骤102中,在获取到标准序列影像和待配准序列影像之后,分 别从标准序列影像和待配准序列影像中确定相同组织,其中相同组织前 提是标准序列影像和待配准序列影像中均有的组织,并且相同组织可以 是一个或多个,以标准序列影像和待配准序列影像均为脑部影像为例, 相同组织可以是脑骨、脑组织或脑血管等。
在影像中,不同组织在影像中体现的像素值不同,由此,相同组织 的确认方式可以是基于该组织的像素值范围来从序列影像提取,以序列 影像均为脑部影像为例,患者在CT脑灌注之后,脑骨在影像中所呈现 的亮度较高,因此可以设置较大的像素值范围来提取脑骨部分。
序列影像中每张切片的相同组织均可以通过现有的图像重心算法 来得到,重心算法可以是下列计算公式,(x1、x2、x3…)为整个图像的 横向坐标位置,(y1、y2、y3…)为整个图像的纵向坐标位置,w表示每 个横向坐标位置/纵向坐标位置的像素值,W表示像素总值:
x=(x1*w1+x2*w2+...+xn*wn)/W;
y=(y1*w1+y2*w2+...+yn*wn)/W;
最终得到的(x,y)即为重心位置。
将标准序列影像和待配准序列影像中的每张切片均按照上述公式 计算得到重心位置,将所得到的重心位置按照切片序列进行排列,分别 得到标准重心序列和待配准重心序列,其中标准重心序列和待配准重心 序列以图形显示可参考图2所示。
在步骤103中,配准参数的确定方式具体可以为:
例如标准重心序列为A=[x1、x2、x3、x4、x5];
待配准重心序列为B=[y1、y2、y3、y4、y5];
A=Z*B,其中Z即为配准参数,具体包括平移量和旋转角度。
在步骤104中,在得到配准参数之后,具体根据平移量和旋转角度 对待配准序列影像进行平移和旋转处理,以实现两个序列的配准,配准 结果的其中一种可能性可参考图2所示。
由此,本方案通过获取标准序列影像和待配准序列影像,并获取到 相同组织的标准重心序列和待配准重心序列,基于标准重心序列和待配 准重心序列生成一个配准参数,通过配准参数对待配准序列影像进行定 向配准,相比传统中通过穷尽所有旋转、平移的可能性而言,本方案具 有配准效率高、计算量小的技术效果。
在一可实施方式中,基于标准序列影像和待配准序列影像,分别获 取针对同一部位中相同组织的标准重心序列和待配准重心序列,包括:
基于相同组织的像素特征,从标准序列影像和待配准序列影像中分 别提取相同组织;
基于相同组织的轮廓,确定每张切片的重心位置;
基于所述重心位置,分别生成标准重心序列和待配准重心序列。
本实施例中,步骤102的具体实施过程为,结合图3所示:
获取每个序列影像中相同组织的像素特征,其中像素特征指的是每 个组织所对应的像素值范围,基于像素范围即可从序列影像中提取到对 应的组织,例如图3所示,图3为脑部的序列影像中的其中一个切片, 颜色较浅的为脑骨,提取时,基于脑骨特有的像素范围提取脑骨部分。
获取到相同组织之后,便可获取到该组织的轮廓,根据轮廓的所处 位置利用上述的重心算法便可确定每张切片的重心位置。如图3所示, 基于脑骨的轮廓,利用上述重心算法便可得到该切片的重心位置,其余 的切片也按照该方法获取到重心位置。
通过轮廓确定重心序列的优点在于:组织的轮廓位置相对稳定,进 而经过重心算法所得到的重心序列相对更加准确。
将同一序列的所有重心位置按照序列影像排列,便可分别生成标准 重心序列和待配准重心序列。
在一可实施方式中,方法还包括:
判断相同组织是否为刚性组织,若判定为非刚性组织,则将标准序 列影像和待配准序列影像的每张切片分别划分为多个区域;
标准序列影像和待配准序列影像各自基于多个区域,分别确定针对 每个区域的标准重心序列和待配准重心序列;
基于多组标准重心序列和待配准重心序列,确定用于将每一个待配 准重心序列变换至对应标准重心序列的多个配准参数;
基于多个配准参数,对标准序列影像和待配准序列影像进行配准。
本实施例中,组织具体还分为刚性组织和非刚性组织,其中刚性组 织为人体内的某些器官在一定的图像采集时间间隔内基本不发生形变, 如人脑图像,非刚性组织则是如肺部、心脏在相应的时间间隔内会发生 自主运动而产生内部的畸变。
由此,在获取到相同组织之后,还需判断相同组织是否为刚性组织, 若判定为刚性组织,则继续按照上述步骤执行即可,若判定为非刚性组 织,则将标准序列影像和待配准序列影像的每张切片分别划分为多个区 域,其中划分方式可以是4等分或者9等分等;参考图4所示,假设图 4中较浅的部分为所要提取的部分并且为非刚性组织,可将其每个切片划分为4个区域,每个区域按照相同方法单独提取组织并计算重心位置, 最终将得到多组标准重心序列和待配准重心序列,每个标准重心序列与 对应的待配准重心序列进行配准参数的计算以及后续的配准。
通过将相同组织进一步区分刚性组织以及非刚性组织,并且对刚性 组织以及非刚性组织在获取重心序列时分别采用针对性的手段,进而使 得刚性组织和非刚性组织的重心序列更加精准,后续的配准操作也更加 精准。
在一可实施方式中,配准参数包括平移量和旋转角度;
基于配准参数,对标准序列影像和待配准序列影像进行配准,包括:
对待配准序列影像按照平移量和旋转角度进行相应的平移、旋转处 理,以实现标准序列影像和待配准序列影像的配准。
本实施例中,平移、旋转的用于使得待配准序列影像更加接近于标 准序列影像,上面提到配准参数可通过标准重心序列和待配准重心序列 计算得到。
通过平移量以及旋转角度进行序列配准,配准效率高,且计算量低。
在一可实施方式中,对待配准序列影像按照平移量和旋转角度进行 相应的平移、旋转处理之后,方法还包括:
将经处理后的待配准序列影像在指定平移或旋转范围内进行二次 调整,以使待配准序列影像与标准序列影像之间的相似度最大。
本实施例中,对待配准序列影像按照平移量和旋转角度进行相应的 平移、旋转处理之后,还进一步需要在指定平移或旋转范围内进行二次 调整,二次调整具体为将待配准序列影像在指定阈值空间内穷尽所有旋 转、平移的可能性,以使待配准序列影像与标准序列影像之间的相似度 最大,其中相似度最大即表示待配准序列影像和标准序列影像中各个重 心位置之间的距离和最小。
通过对经平移、旋转处理之后序列影像进行二次调整,使得最终的 待配准序列影像更加精确,便于后续的诊断。
在一可实施方式中,方法还包括:
判断标准重心序列和待配准重心序列中是否均存在多种组织,若判 定为是,则基于不同组织将标准重心序列和待配准重心序列分为多段序 列;
基于多段序列,分别确定配准参数。
本实施例中,仍结合图2所示,上述已经说明每个切片可能包含的 组织不同,那所得到的序列影像也对应着多个不同组织,例如序列影像 上半部分是心脏部分,接着是肝脏、肾脏和小肠,在此情况下,将重心 序列按照不同组织分开成多段序列,并每个序列各自计算对应的配准参 数,并各自进行配准操作,其中配准参数的计算以及配准操作与上述不存在多种组织的配准参数、配准操作一致。
通过对标准重心序列和待配准重心序列判断是否存在多种组织,并 且在存在多种组织的情况下,对其进行分段处理,以生成多段序列,每 段序列按照各自计算得到的配准参数进行配准操作,使得对于多种组织 的待配准重心序列在配准过程中更加精准。
在一可实施方式中,在确定用于将待配准重心序列变换至标准重心 序列的配准参数之前,方法还包括:
判断标准重心序列和待配准重心序列是否重合,若判定为是,则分 别获取标准序列影像和待配准序列影像中其他特定组织;
基于其他特定组织,确定配准参数。
本实施例中,实际应用中存在出现标准重心序列和待配准重心序列 重合的情况,拿人体大腿骨为例,人体大腿骨比较直,因此标准重心序 列和待配准重心序列在配准后容易出现重合的情况,如果重合,则不确 定两个序列的方向是否正确。判断是否重合方式根据配准参数的平移量, 若平移量较小,则判定重合,反之则判定不重合。
若出现重合的情况,则在提取序列影像中其他组织的重心序列,根 据其他组织的重心序列来重新确定配准参数,并且根据所重新确定的配 准参数进行配准操作。
通过对进一步判断标准重心序列和待配准重心序列是否重合,并且 在判定重合的情况下,利用其它特定组织确定配准参数,以防止出现两 者重心序列重合但序列方向不同的特殊情况,进而进一步提升配准的精 确度。
如图5所示,本发明另一方面提供一种影像配准装置,装置包括:
影像获取模块201,用于获取针对同一部位的标准序列影像和待配 准序列影像;
重心序列获取模块202,用于基于标准序列影像和待配准序列影像, 分别获取针对同一部位中对应相同组织的标准重心序列和待配准重心 序列;
配准参数确定模块203,用于基于标准重心序列和待配准重心序列, 确定用于将待配准重心序列变换至标准重心序列的配准参数;
影像配准模块204,用于基于配准参数,对标准序列影像和待配准 序列影像进行配准。
本实施例中,影像具体包括CT、MRI、SPECT、PET等断层扫描图 像。
在影像获取模块201中,标准序列影像一般为众多序列影像中被用 于参考的序列影像,可事先进行存储;待配准序列影像为需要校准的影 像,一般为患者在影像扫描过程中因身体移动导致的错误影像。标准序 列影像和待配准序列影像在获取时,选取同一部分的序列影像,其中同 一部分包括脑部、四肢、胸腔等等。
结合图2所示,在获取到标准序列影像和待配准序列影像之后,分 别从标准序列影像和待配准序列影像中确定相同组织,其中相同组织前 提是标准序列影像和待配准序列影像中均有的组织,并且相同组织可以 是一个或多个,以标准序列影像和待配准序列影像均为脑部影像为例, 相同组织可以是脑骨、脑组织或脑血管等。
在影像中,不同组织在影像中体现的像素值不同,由此,相同组织 的确认方式可以是基于该组织的像素值范围来从序列影像提取,以序列 影像均为脑部影像为例,患者在CT脑灌注之后,脑骨在影像中所呈现 的亮度较高,因此可以设置较大的像素值范围来提取脑骨部分。
序列影像中每张切片的相同组织均可以通过现有的图像重心算法 来得到,重心算法可以是下列计算公式,(x1、x2、x3…)为整个图像的 横向坐标位置,(y1、y2、y3…)为整个图像的纵向坐标位置,w表示每 个横向坐标位置/纵向坐标位置的像素值,W表示像素总值:
x=(x1*w1+x2*w2+...+xn*wn)/W;
y=(y1*w1+y2*w2+...+yn*wn)/W;
最终得到的(x,y)即为重心位置。
将标准序列影像和待配准序列影像中的每张切片均按照上述公式 计算得到重心位置,将所得到的重心位置按照切片序列进行排列,分别 得到标准重心序列和待配准重心序列,其中标准重心序列和待配准重心 序列以图形显示可参考图2所示。
在配准参数确定模块203中,配准参数的确定方式具体可以为:
例如标准重心序列为A=[x1、x2、x3、x4、x5];
待配准重心序列为B=[y1、y2、y3、y4、y5];
A=Z*B,其中Z即为配准参数,具体包括平移量和旋转角度。
在影像配准模块204中,在得到配准参数之后,具体根据平移量和 旋转角度对待配准序列影像进行平移和旋转处理,以实现两个序列的配 准,配准结果的其中一种可能性可参考图2所示。
由此,本方案通过获取标准序列影像和待配准序列影像,并获取到 相同组织的标准重心序列和待配准重心序列,基于标准重心序列和待配 准重心序列生成一个配准参数,通过配准参数对待配准序列影像进行定 向配准,相比传统中通过穷尽所有旋转、平移的可能性而言,本方案具 有配准效率高、计算量小的技术效果。
在一可实施方式中,重心序列获取模块202具体用于:
基于相同组织的像素特征,从标准序列影像和待配准序列影像中分 别提取相同组织;
基于相同组织的轮廓,确定每张切片的重心位置;
基于重心位置,分别生成标准重心序列和待配准重心序列。
本实施例中,重心序列获取模块202的具体实施过程为,结合图3 所示:
获取每个序列影像中相同组织的像素特征,其中像素特征指的是每 个组织所对应的像素值范围,基于像素范围即可从序列影像中提取到对 应的组织,例如图3所示,图3为脑部的序列影像中的其中一个切片, 颜色较浅的为脑骨,提取时,基于脑骨特有的像素范围提取脑骨部分。
获取到相同组织之后,便可获取到该组织的轮廓,根据轮廓的所处 位置利用上述的重心算法便可确定每张切片的重心位置。如图3所示, 基于脑骨的轮廓,利用上述重心算法便可得到该切片的重心位置,其余 的切片也按照该方法获取到重心位置。
通过轮廓确定重心序列的优点在于:组织的轮廓位置相对稳定,进 而经过重心算法所得到的重心序列相对更加准确。
将同一序列的所有重心位置按照序列影像排列,便可分别生成标准 重心序列和待配准重心序列。
在一可实施方式中,配准参数确定模块203还具体用于:
判断相同组织是否为刚性组织,若判定为非刚性组织,则将标准序 列影像和待配准序列影像的每张切片分别划分为多个区域;
标准序列影像和待配准序列影像各自基于多个区域,分别确定针对 每个区域的标准重心序列和待配准重心序列;
基于多组标准重心序列和待配准重心序列,确定用于将每一个待配 准重心序列变换至对应标准重心序列的多个配准参数;
基于多个配准参数,对标准序列影像和待配准序列影像进行配准。
本实施例中,组织具体还分为刚性组织和非刚性组织,其中刚性组 织为人体内的某些器官在一定的图像采集时间间隔内基本不发生形变, 如人脑图像,非刚性组织则是如肺部、心脏在相应的时间间隔内会发生 自主运动而产生内部的畸变。
由此,在获取到相同组织之后,还需判断相同组织是否为刚性组织, 若判定为刚性组织,则继续按照上述步骤执行即可,若判定为非刚性组 织,则将标准序列影像和待配准序列影像的每张切片分别划分为多个区 域,其中划分方式可以是4等分或者9等分等;参考图4所示,假设图 4中较浅的部分为所要提取的部分并且为非刚性组织,可将其每个切片划分为4个区域,每个区域按照相同方法单独提取组织并计算重心位置, 最终将得到多组标准重心序列和待配准重心序列,每个标准重心序列与 对应的待配准重心序列进行配准参数的计算以及后续的配准。
通过将相同组织进一步区分刚性组织以及非刚性组织,并且对刚性 组织以及非刚性组织在获取重心序列时分别采用针对性的手段,进而使 得刚性组织和非刚性组织的重心序列更加精准,后续的配准操作也更加 精准。
在一可实施方式中,配准参数包括平移量和旋转角度;
影像配准模块204还具体用于:
对待配准序列影像按照平移量和旋转角度进行相应的平移、旋转处 理,以实现标准序列影像和待配准序列影像的配准。
本实施例中,平移、旋转的用于使得待配准序列影像更加接近于标 准序列影像,上面提到配准参数可通过标准重心序列和待配准重心序列 计算得到。
通过平移量以及旋转角度进行序列配准,配准效率高,且计算量低。
在一可实施方式中,影像配准模块204对待配准序列影像按照平移 量和旋转角度进行相应的平移、旋转处理之后,还具体用于:
将经处理后的待配准序列影像在指定平移或旋转范围内进行二次 调整,以使待配准序列影像与标准序列影像之间的相似度最大。
本实施例中,对待配准序列影像按照平移量和旋转角度进行相应的 平移、旋转处理之后,还进一步需要在指定平移或旋转范围内进行二次 调整,二次调整具体为将待配准序列影像在指定阈值空间内穷尽所有旋 转、平移的可能性,以使待配准序列影像与标准序列影像之间的相似度 最大,其中相似度最大即表示待配准序列影像和标准序列影像中各个重 心位置之间的距离和最小。
通过对经平移、旋转处理之后序列影像进行二次调整,使得最终的 待配准序列影像更加精确,便于后续的诊断。
在一可实施方式中,配准参数确定模块203还具体用于:
判断标准重心序列和待配准重心序列中是否均存在多种组织,若判 定为是,则基于不同组织将标准重心序列和待配准重心序列分为多段序 列;
基于多段序列,分别确定配准参数。
本实施例中,仍结合图2所示,上述已经说明每个切片可能包含的 组织不同,那所得到的序列影像也对应着多个不同组织,例如序列影像 上半部分是心脏部分,接着是肝脏、肾脏和小肠,在此情况下,将重心 序列按照不同组织分开成多段序列,并每个序列各自计算对应的配准参 数,并各自进行配准操作,其中配准参数的计算以及配准操作与上述不存在多种组织的配准参数、配准操作一致。
通过对标准重心序列和待配准重心序列判断是否存在多种组织,并 且在存在多种组织的情况下,对其进行分段处理,以生成多段序列,每 段序列按照各自计算得到的配准参数进行配准操作,使得对于多种组织 的待配准重心序列在配准过程中更加精准。
在一可实施方式中,在确定用于将待配准重心序列变换至标准重心 序列的配准参数之前,配准参数确定模块203还具体用于:
判断标准重心序列和待配准重心序列是否重合,若判定为是,则分 别获取标准序列影像和待配准序列影像中其他特定组织;
基于其他特定组织,确定配准参数。
本实施例中,实际应用中存在出现标准重心序列和待配准重心序列 重合的情况,拿人体大腿骨为例,人体大腿骨比较直,因此标准重心序 列和待配准重心序列在配准后容易出现重合的情况,如果重合,则不确 定两个序列的方向是否正确。判断是否重合方式根据配准参数的平移量, 若平移量较小,则判定重合,反之则判定不重合。
若出现重合的情况,则在提取序列影像中其他组织的重心序列,根 据其他组织的重心序列来重新确定配准参数,并且根据所重新确定的配 准参数进行配准操作。
通过对进一步判断标准重心序列和待配准重心序列是否重合,并且 在判定重合的情况下,利用其它特定组织确定配准参数,以防止出现两 者重心序列重合但序列方向不同的特殊情况,进而进一步提升配准的精 确度。
本发明另一方面提供一种影像配准设备,设备包括存储器和处理器;
存储器用于存储指令,指令用于控制处理器进行操作以执行时实现 上述影像配准方法。
在本发明实施例中计算机可读存储介质包括一组计算机可执行指 令,当指令被执行时用于获取针对同一部位的标准序列影像和待配准序 列影像;基于标准序列影像和待配准序列影像,分别获取针对同一部位 中对应相同组织的标准重心序列和待配准重心序列;基于标准重心序列 和待配准重心序列,确定用于将待配准重心序列变换至标准重心序列的 配准参数;基于配准参数,对标准序列影像和待配准序列影像进行配准。
本方案通过获取标准序列影像和待配准序列影像,并获取到相同组 织的标准重心序列和待配准重心序列,基于标准重心序列和待配准重心 序列生成一个配准参数,通过配准参数对待配准序列影像进行定向配准, 相比传统中通过穷尽所有旋转、平移的可能性而言,本方案具有配准效 率高、计算量小的技术效果。
本发明另一方面提供一种计算机可读存储介质,存储介质包括一组 计算机可执行指令,当指令被执行时用于执行上述任一项的影像配准方 法。
在本发明实施例中计算机可读存储介质包括一组计算机可执行指 令,当指令被执行时用于,用于获取针对同一部位的标准序列影像和待 配准序列影像;基于标准序列影像和待配准序列影像,分别获取针对同 一部位中对应相同组织的标准重心序列和待配准重心序列;基于标准重 心序列和待配准重心序列,确定用于将待配准重心序列变换至标准重心 序列的配准参数;基于配准参数,对标准序列影像和待配准序列影像进 行配准。
本方案通过获取标准序列影像和待配准序列影像,并获取到相同组 织的标准重心序列和待配准重心序列,基于标准重心序列和待配准重心 序列生成一个配准参数,通过配准参数对待配准序列影像进行定向配准, 相比传统中通过穷尽所有旋转、平移的可能性而言,本方案具有配准效 率高、计算量小的技术效果。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例 或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个 实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在 任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾 的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示 例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指 示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限 定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。 在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确 具体的限定。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限 于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可 轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发 明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种影像配准方法,其特征在于,所述方法包括:
获取针对同一部位的标准序列影像和待配准序列影像;
基于所述标准序列影像和所述待配准序列影像,分别获取针对所述同一部位中对应相同组织的标准重心序列和待配准重心序列;
基于所述标准重心序列和所述待配准重心序列,确定用于将所述待配准重心序列变换至所述标准重心序列的配准参数;
基于所述配准参数,对所述标准序列影像和待配准序列影像进行配准。
2.根据权利要求1所述的方法,其特征在于,所述基于所述标准序列影像和所述待配准序列影像,分别获取针对所述同一部位中相同组织的标准重心序列和待配准重心序列,包括:
基于所述相同组织的像素特征,从所述标准序列影像和所述待配准序列影像中分别提取所述相同组织;
基于所述相同组织的轮廓,确定每张切片的重心位置;
基于所述重心位置,分别生成所述标准重心序列和所述待配准重心序列。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述相同组织是否为刚性组织,若判定为非刚性组织,则将所述标准序列影像和待配准序列影像的每张切片分别划分为多个区域;
所述标准序列影像和待配准序列影像各自基于多个区域,分别确定针对每个区域的标准重心序列和待配准重心序列;
基于多组标准重心序列和待配准重心序列,确定用于将每一个所述待配准重心序列变换至对应标准重心序列的多个配准参数;
基于多个所述配准参数,对所述标准序列影像和待配准序列影像进行配准。
4.根据权利要求1所述的方法,其特征在于,所述配准参数包括平移量和旋转角度;
所述基于所述配准参数,对所述标准序列影像和待配准序列影像进行配准,包括:
对所述待配准序列影像按照所述平移量和旋转角度进行相应的平移、旋转处理,以实现所述标准序列影像和待配准序列影像的配准。
5.根据权利要求4所述的方法,其特征在于,在对所述待配准序列影像按照所述平移量和旋转角度进行相应的平移、旋转处理之后,所述方法还包括:
将经处理后的待配准序列影像在指定平移或旋转范围内进行二次调整,以使所述待配准序列影像与所述标准序列影像之间的相似度最大。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述标准重心序列和待配准重心序列中是否均存在多种组织,若判定为是,则基于不同组织将所述标准重心序列和待配准重心序列分为多段序列;
基于所述多段序列,分别确定所述配准参数。
7.根据权利要求1所述的方法,其特征在于,所述确定用于将所述待配准重心序列变换至所述标准重心序列的配准参数,包括:
判断所述标准重心序列和待配准重心序列是否重合,若判定为是,则分别获取所述标准序列影像和待配准序列影像中其他特定组织;
基于所述其他特定组织,确定所述配准参数。
8.一种影像配准装置,其特征在于,所述装置包括:
影像获取模块,用于获取针对同一部位的标准序列影像和待配准序列影像;
重心序列获取模块,用于基于所述标准序列影像和所述待配准序列影像,分别获取针对所述同一部位中对应相同组织的标准重心序列和待配准重心序列;
配准参数确定模块,用于基于所述标准重心序列和所述待配准重心序列,确定用于将所述待配准重心序列变换至所述标准重心序列的配准参数;
影像配准模块,用于基于所述配准参数,对所述标准序列影像和待配准序列影像进行配准。
9.一种影像配准设备,其特征在于,所述设备包括存储器和处理器;
所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行时实现权利要求1-7任一项所述的影像配准方法。
10.一种可读存储介质,其特征在于,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行权利要求1-7任一项所述的影像配准方法。
CN202111009569.0A 2021-08-31 2021-08-31 一种影像配准方法、装置、设备和可读存储介质 Active CN113902780B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111009569.0A CN113902780B (zh) 2021-08-31 2021-08-31 一种影像配准方法、装置、设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111009569.0A CN113902780B (zh) 2021-08-31 2021-08-31 一种影像配准方法、装置、设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN113902780A true CN113902780A (zh) 2022-01-07
CN113902780B CN113902780B (zh) 2023-02-21

Family

ID=79188442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111009569.0A Active CN113902780B (zh) 2021-08-31 2021-08-31 一种影像配准方法、装置、设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN113902780B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651132A (zh) * 2012-04-06 2012-08-29 华中科技大学 一种基于交叉视觉皮质模型的医学图像配准方法
US20140126819A1 (en) * 2012-11-06 2014-05-08 Apple Inc. Region of Interest Based Image Registration
US20150289848A1 (en) * 2014-04-14 2015-10-15 Korea Advanced Institute Of Science And Technology Method and apparatus for registration of medical images
CN107481224A (zh) * 2017-07-25 2017-12-15 中国科学院自动化研究所 基于线粒体结构的图像配准方法及装置、存储介质及设备
CN110458874A (zh) * 2019-07-17 2019-11-15 苏州博芮恩光电科技有限公司 一种图像非刚性配准方法和系统
CN110782489A (zh) * 2019-10-21 2020-02-11 科大讯飞股份有限公司 影像数据的匹配方法、装置、设备及计算机可读存储介质
CN111091567A (zh) * 2020-03-23 2020-05-01 南京景三医疗科技有限公司 医学图像配准方法、医疗设备及存储介质
CN111127427A (zh) * 2019-12-24 2020-05-08 强联智创(北京)科技有限公司 一种基于颅脑影像数据的对称轴/对称面提取方法及系统
CN111311655A (zh) * 2020-02-13 2020-06-19 东软医疗系统股份有限公司 多模态图像配准方法、装置、电子设备、存储介质
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
CN113256754A (zh) * 2021-07-16 2021-08-13 南京信息工程大学 一种分割后小面积肿瘤块的堆叠投影重建方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651132A (zh) * 2012-04-06 2012-08-29 华中科技大学 一种基于交叉视觉皮质模型的医学图像配准方法
US20140126819A1 (en) * 2012-11-06 2014-05-08 Apple Inc. Region of Interest Based Image Registration
US20150289848A1 (en) * 2014-04-14 2015-10-15 Korea Advanced Institute Of Science And Technology Method and apparatus for registration of medical images
CN107481224A (zh) * 2017-07-25 2017-12-15 中国科学院自动化研究所 基于线粒体结构的图像配准方法及装置、存储介质及设备
CN110458874A (zh) * 2019-07-17 2019-11-15 苏州博芮恩光电科技有限公司 一种图像非刚性配准方法和系统
CN110782489A (zh) * 2019-10-21 2020-02-11 科大讯飞股份有限公司 影像数据的匹配方法、装置、设备及计算机可读存储介质
CN111127427A (zh) * 2019-12-24 2020-05-08 强联智创(北京)科技有限公司 一种基于颅脑影像数据的对称轴/对称面提取方法及系统
CN111311655A (zh) * 2020-02-13 2020-06-19 东软医疗系统股份有限公司 多模态图像配准方法、装置、电子设备、存储介质
CN111091567A (zh) * 2020-03-23 2020-05-01 南京景三医疗科技有限公司 医学图像配准方法、医疗设备及存储介质
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
CN113256754A (zh) * 2021-07-16 2021-08-13 南京信息工程大学 一种分割后小面积肿瘤块的堆叠投影重建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QIU YINA等: "image registration gravity", 《2009 3RD INTERNATIONAL CONFERENCE ON BIOINFORMATICS AND BIOMEDICAL ENGINEERING》 *
林森林等: "基于超声同步观测辅助技术的CT成像系统设计及图像融合", 《数学建模及其应用》 *

Also Published As

Publication number Publication date
CN113902780B (zh) 2023-02-21

Similar Documents

Publication Publication Date Title
CN107230206B (zh) 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法
US8787648B2 (en) CT surrogate by auto-segmentation of magnetic resonance images
CN106133790B (zh) 用于在组织种类分离的帮助下基于磁共振图像生成一幅或多幅计算机断层摄影图像的方法和设备
US20160228075A1 (en) Image processing device, method and recording medium
US20150141818A1 (en) Vascular imaging method and device
CN110766735B (zh) 一种图像的匹配方法、装置、设备及存储介质
KR20140096919A (ko) 의료 영상 정합 방법 및 장치
KR20150118484A (ko) 의료 영상 정합 방법 및 장치
CN111402305B (zh) 医学影像配准方法、系统和计算机可读介质
CN113538533B (zh) 一种脊柱配准方法、装置、设备及计算机存储介质
CN108961278B (zh) 基于影像数据的腹壁肌肉分割的方法及其系统
KR102437616B1 (ko) 3차원 영상 정합 제공 장치, 이를 이용한 영상 좌표 정합 방법 및 표면 데이터 획득 방법
KR102373725B1 (ko) 3차원 복부 영상 분석 방법 및 장치
CN113902780B (zh) 一种影像配准方法、装置、设备和可读存储介质
CN106296685A (zh) 基于颅外轮廓特征几何不变量多信息3d医学图像配准方法
KR20190004591A (ko) 증강현실 기술을 이용한 간병변 수술 내비게이션 시스템 및 장기 영상 디스플레이 방법
CN106462969B (zh) 用于两幅图像的配准的设备和方法
EP4082444A1 (en) Automatic frame selection for 3d model construction
KR20160031794A (ko) 병변 검출 장치 및 그 방법
CN111243084B (zh) 一种用于心脏放射治疗中的心脏三维模型构建方法
EP4107697B1 (en) Methods and systems for cardiac chamber imaging
Shimizu et al. Simultaneous extraction of multiple organs from abdominal CT
JP5846368B2 (ja) 医療画像処理装置、方法、及びプログラム
US20240242400A1 (en) Systems and methods for medical imaging
WO2020240995A1 (ja) マッチング装置、方法およびプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB02 Change of applicant information

Address after: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Applicant after: Shukun (Beijing) Network Technology Co.,Ltd.

Address before: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Applicant before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Patentee after: Shukun Technology Co.,Ltd.

Address before: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Patentee before: Shukun (Beijing) Network Technology Co.,Ltd.

CP01 Change in the name or title of a patent holder