专利名称：一种脑功能磁共振图像运动校正方法
技术领域：
本发明涉及一种脑功能磁共振图像运动校正方法。用于解决脑功能磁共振图像的运动校正问题，可应用于功能磁共振成像领域。将其与不同图像采集设备结合，可推广应用于其它图像校正配准领域，如利用CT、MRI模板库进行疾病的诊断等。
背景技术：
在进行脑功能磁共振成像测试时，被试通常是需要重复进行测试，得到上百幅功能MRI图像。而在分析功能MRI数据时是基于体元的，需要保证每个功能图像同一位置的体元表示相同的脑部位，否则是没有意义的。这就要求被试在测试过程中头部保持不动，然而即使在实际扫描过程中使用了头部固定器，也不能完全消除头动，还会给被试带来不适，影响被试的心情，被试心情的变化更会对测试结果产生影响。因此，必须在后期通过各种方法对功能图像进行校正以消除头动等因素影响，这种校正是相同模式图像间的校正。
然而现有技术都不能很好的解决脑功能图像的运动校正问题，传统方法对图像进行预处理带有一定的主观性，特别是不能实现运动校正的自动化。相关法由于要对每种变换参数可能的取值都要计算一次相似性测度，其计算代价十分庞大。矩和主轴法，无法达到很高的校正精度。最大互信息法由于使用到了图像的所有像素，因此计算速度非常慢，而且由于没有考虑到图像内的信息，对于同模态图像运动校正过于复杂。因此，越来越多的学者尝试直接用简单的灰度差方法来度量图像间的相似性。但是灰度直方图未含有图像的位置信息，不能进行精确的运动校正。
发明内容
本发明的目的在于针对现有技术不能高精度快速完成脑功能磁共振图像运动校正问题，提出了一种新的脑功能磁共振图像运动校正方法。具体包括提出了结合位置信息的灰度直方图策略、非线性分辨率的采样子集策略和无损扩大图像背景的出界点处理方法。为脑功能磁共振图像提供精确、快速的运动校正方法。
为实现本发明所述目的，本发明包括以下步骤1、图像像素的归一化从硬件设备(主要是磁共振设备)采集模板图像和待校正的图像。由于本发明方法具有很强的鲁棒性，因此不需要进行去噪、增强等预处理。由于图像采集设备不同，必须对图像的大小和尺寸进行一致化处理，也就是要求图像的像素大小一致，几何尺寸一致。其方法描述如下
设图像f与模板图像g进行校正，图像f的几何尺寸为X×Y×Z，像素大小为a×b×cmm，Mf定义如下Mf=X00-X×a/20Y0-Y×b/200Z-Z×c/20001.]]>同理可以定义Mg。设式中Mr为坐标变换矩阵，则f与g有下式的关系Mgg＝MrMffg=Mg-1MrMff]]>通过定义Mg和Mf实现图像的像素大小一致化。
2、参数初始化给定待校正图像的初始化坐标变换矩阵。由于使用的优化方法具有全局收敛性，因此初始坐标变换矩阵的选择并不会对结果的精度产生影响，但是可以显著提高收敛的速度。刚体变换根据二维和三维的情况分别采用4参数(其中坐标参数为3个，缩放参数为1个)和7参数(其中坐标参数为6个，缩放参数为1个)矩阵，缩放参数也可以采用不等比例的缩放参数(二维的时候2个，三维的时候3个)。
3、根据选定的参数对待校正图像进行坐标变换采用的是刚体变换再加上一个等比例缩放参数的几何变换方法。由于在几何变换和灰度变换时，都会产生超出范围的值，因此在此过程中涉及图像出界的处理方法；非线性分辨率的采样子集策略；插值方法。
4、图像出界处理通过对图像几何尺寸和操作设置约束条件，提出了无损图像出界处理的策略。根据脑功能图像位移非常小的特点，该方法非常适用。也就是，关心的目标区域始终不会移到图像的外面，因此也就不需要进行常规的有损的出界处理。
5、插值策略采用不引入新采样点的三线性PV插值方法。由于在校正过程中会出现数据缺失、数据大小越界、数据需要整数化等情况，因此需要采用插值策略。PV插值方法可以在通常两次插值的情况下避免一次插值，会使校正精度更高。
6、非线性分辨率采样子集为了提高校正速度，本发明方法对图像进行非线性分辨率采样。就是在采样的过程中采取不同的分辨率，在感兴趣区采样的频率高，而在非感兴趣区，采样频率较低，采样频率呈非线性分布。
7、计算位置灰度直方图计算模板图像和待校正图像经过3、4、5、6步以后图像的位置灰度直方图，该位置灰度直方图既带有位置信息，又带有统计意义上图像的灰度信息。根据分别计算出的模板图像和待校正图像的位置灰度直方图，获得基于位置灰度直方图的优化目标。步骤7也是本发明方法的核心。
8、参数优化利用遗传优化方法对参数进行优化。
9、运动校正结果的输出可以在仪器中输出校正的参数和校正图像，以供后面的处理使用。
本发明的优点是为脑功能磁共振图像提供精确、快速的运动校正方法，为设备随后进行的统计处理和脑功能区的标识提供了已经精确校正的图像。
图1为本发明的脑功能磁共振图像运动校正方法流程图。
图2为本发明实施例中采用的模板图像图3为本发明实施例中采用的待校正图像图4为本发明实施例中校正结果
具体实施例方式为了更好地理解本发明的技术方案，以下结合附图1对本发明的实施方式及原理做进一步描述。
1.对待校正的图像进行坐标变换脑功能图像的运动校正可以看成是在三维(二维)刚体变换的基础上增加一个新参数m(尺度变换参数)的全局尺度变换。设N′为模板图像，N为待校正的图像，则N′＝T(p，q，r)M(m)Rx(α)Ry(β)Rz(γ)(N-N0)(1)式中T(p，q，r)为平移矩阵，p，q，r分别为沿着x，y，z轴的平移系数；M(m)为全局缩放参数矩阵，m为全局缩放参数；Rx(α)，Ry(β)，Rz(γ)和α，β，γ分别为绕x，y，z轴的旋转矩阵和旋转角度。N0为图像的坐标原点。
2.图像的出界、插值技术和采样子集只要目标区域移出了图像，无论如何选取图像出界策略，都会造成不同程度的误差。本发明方法在于通过设置适当大小的背景，使得目标区域不会移出图像。
设Xmax与Ymax为图像的最大尺寸，即图像的大小为Xmax×Ymax。所采取方法是若Xmax＞Ymax，则Ymax＝Xmax＝L，在原图像的上下两边各加上|Xmax-Ymax|/2作为背景；若Xmax≤Ymax，则Xmax＝Ymax＝L，在原图像的左右两边各加上|Xmax-Ymax|/2作为背景。
图像的大小变为L×L＝MAX(Xmax，Ymax)。在Xmax＞Ymax时如下式所示
g(x,y)=f(0,j),0≤x<hf(i,j),h≤x<h+Ymaxf(Xmax-1,j),h+Ymax≤x≤Xmax]]>式中i＝0，1，Λ，Xmax-1，j＝0，1，Λ，Ymax-1。
图像插值采用最近邻插值和三线性PV(Trilinear Partial Volume Distribution)插值方法。
在利用本发明方法时，可以选用全部的位置灰度直方图，但是3D的脑功能图像包括了数百万、乃至千万的像素点，因此实施起来影响实时性。因此，在实施时采用部分的位置灰度直方图。传统技术中的采样方法有两种一个是随机采样法；二是从所有的位置灰度直方图中每隔几条选取一条。采样子集能加快运算的速度，但影响精度问题，误差会扩大。为此，本发明提出非线性分辨率的采样法，即靠近原点的地方采集的位置灰度直方图密集，远离原点的地方稀疏，即根据位置的远近来调整采样率。具体方法如下设图像的大小为N×N，原点在图像的中心，构造如下的采样点函数Y=N2(1-cos(π·XN))---(2)]]>X=±N2Mi,i=0,1,M---(3)]]>式中Y为要求的采样点坐标，M为采样点的个数。
3.基于位置灰度直方图的相似性准则令f(x，y)和g(x，y)分别表示两幅图像，f(x，y)为参考图像即模板图像，g(x，y)为待校正的图像。由于两幅图像对应着解剖学的同一个位置，因此同一物体点在两幅图像上的对应点具有相同的灰度。
假设ri(α)表示待校正的图像经过空间几何变换α后，第i个像素和参考图像第i个像素的灰度差，α是运动校正(平移、旋转、缩放等)，则有ri(α)＝fi(x，y)-gi(α(x，y)) i＝1，2，Λ，N(4)式中N是校正图像的总个数。
因此基于灰度进行运动校正的目标函数就是M(α)=1NΣi=0N-1[ri(α)]2---(5)]]>求解(5)式最小化的α即为所求的空间变换。但是该方法没有统计特性，鲁棒性较差，对噪声非常敏感。在实际进行运动校正中并不实用。
上面的校正策略是基于同一物体点在两幅图像上的对应点具有相同的灰度，还可以认为同一图像内灰度相同的点在经过空间几何变换后的灰度仍然相同，即具有相同灰度的点的个数在经过空间几何变换后仍然相同。
本发明方法对图像的灰度直方图进行改进，提出带有图像空间位置信息的位置灰度直方图概念，作为校正策略用于图像运动校正实施中。
与传统技术中统计图像像素的灰度直方图不同，本发明技术中位置灰度直方图是统计图像上某条线上的灰度直方图。设图像的大小为M×N，坐标原点在图像的中点，x轴水平向右，y轴垂直向上。与传统技术中直方图的定义类似，定义沿x轴方向的位置灰度直方图为对一幅图像中垂直于x轴的某条直线所包含的全部像素的灰度做统计，并以横坐标表示灰度值，纵坐标表示图像中具有该灰度的个数，记为Ix(i)，x＝0，1，Λ，N-1。沿x轴方向的位置直方图对图像沿x轴方向的运动敏感，但是对于图像沿y方向的运动不敏感。因此，需要同理定义沿y方向的位置灰度直方图为对一幅图像中垂直于y轴的某条直线所包含的全部像素的灰度做统计，并以横坐标表示灰度值，纵坐标表示图像中具有该灰度的个数，记为Iy(i)，y＝0，1，Λ，M-1。
利用位置灰度直方图的定义，本发明给出了图像运动校正的优化目标MIN,M(α)=1NΣx=0N-1(Σi=0255(Ix(i)-Iαx(i))2)+1MΣy=0M-1(Σi=0255(Iy(i)-Iαy(i))2)---(6)]]>上述优化目标将灰度直方图对像素的统计信息与图像的位置信息考虑进去。克服了传统技术中直接使用灰度信息鲁棒性不强的缺点，也克服了最大互信息方法对图像灰度信息缺失敏感的缺点，增强了本发明方法的鲁棒性。
按照二维定义的位置灰度直方图，可以推广到对三维图像的定义。设三维图像大小为M×N×L，坐标原点在图像的中心，x轴、y轴和z轴构成右手螺旋坐标系。定义沿x轴方向的位置灰度直方图为对图像中垂直于x轴的某个断层图像所包含的全部像素的灰度做统计，并以横坐标表示灰度值，纵坐标表示图像中具有该灰度的个数，记为Ix(i)，x＝0，1，Λ，M-1。同理可以定义沿着y轴和z轴的位置灰度直方图分别为Iy(i)和Iz(i)，y＝0，1，Λ，N-1，z＝0，1，Λ，L-1。
4.参数优化对经过前述步骤获得的优化目标进行多参数优化处理，对于二维图像就是4参数的优化问题，对于三维图像就是7参数的优化问题。本发明方法采用现代优化方法求解空间变换参数，能够获得全局最优解，得到满意的校正效果。
5.本发明实施例图像运动校正结果从人脑对于双耳听觉刺激的测试中，选择一系列功能磁共振图像，使用本发明的方法进行运动校正。在这里采用平均图像作为参考图像，可以明显的减少搜索的次数。按照具体实施方式
的1，2，3，4步，完成对该系列图像的运动校正。图2为模板图像，图3为待校正的图像，图4为校正结束的图像。
本发明方法提出的脑功能磁共振图像运动校正方法的精度和效率较传统技术具有明显的优势，是一种高效的图像运动校正方法。本方法和各种脑功能图像采集设备结合在一起，可为脑功能磁共振图像提供精确、快速的运动校正方法，为随后进行的统计处理和脑功能区的标识提供已经精确校正的图像。克服由于运动产生的伪影对脑功能区定位的影响，从而得到较为准确的脑功能激活区域，为临床诊断治疗、放疗定位、脑外科手术以及疗效评估提高更加全面准确的信息。
权利要求
1.一种脑功能磁共振图像运动校正方法，其特征是该方法包括如下步骤(1)从硬件设备(如磁共振设备)采集模板图像和待校正的图像，进行图像像素的归一化处理，实现不同硬件设备获得的图像像素大小的一致化，几何尺寸的一致化；(2)给定待校正图像的初始化坐标变换矩阵，以提高该校正方法的速度，可以根据实际情况，设置要校正的参数个数，如二维图像选择4个参数；三维图像选择7个参数；(3)根据选定的参数对待校正图像进行坐标变换，即采用刚体变换再加上一个等比例缩放参数的几何变换方法；(4)通过对图像几何尺寸和操作设备约束条件，采用无损图像出界处理方法，对出界的图像进行处理；(5)采用不引入新采样点的三线性(PV)插值方法，以提高校正的精度；(6)对待校正图像和模板图像相应位置进行非线性分辨率采样，在感兴趣区域采用较高的采样频率，而在非感兴趣区域采用较低的采样频率，甚至不采样，以便提高校正的精度和速度；(7)计算模板图像和待校正图像经过上述第(3)步至第(6)步以后图像的位置灰度直方图；根据分别计算出的模板图像和待校正图像的位置灰度直方图，获得优化目标。(8)利用现代优化方法(如遗传优化方法)对坐标变换参数进行优化；(9)通过仪器输出校正的参数和校正后的图像。
全文摘要
一种脑功能磁共振图像运动校正方法是用于解决脑功能磁共振图像的运动校正问题。该方法的步骤是(1)采集模板图像和待校正图像；(2)给定待校正图像的初始化坐标变换矩阵；(3)根据选定的参数对待校正图像进行坐标变换；(4)采用无损图像出界处理；(5)采用三线性(PV)插值方法；(6)采用对图像进行非线性分辨率采样计算位置灰度直方图；(7)利用现代优化方法(如遗传优化方法)对坐标变换矩阵参数进行优化。以快速、有效的对脑功能磁共振图像进行运动校正。本方法使得在功能性磁共振测试中，因被试运动而产生的图像偏差得以校正，从而获得不受运动影响的高质量的图像。
文档编号A61B5/055GK1663527SQ20051003845
公开日2005年9月7日 申请日期2005年3月16日 优先权日2005年3月16日
发明者李韪韬, 宋晓峰, 王惠南 申请人:南京航空航天大学