一种基于多模影像数据体空间的配准方法与流程

本发明属于医学图像处理，具体涉及一种基于多模影像数据体空间的配准方法。

背景技术：

1、ct或mr等断层扫描序列图像中，配准是一个在病人多次检查后，医生诊断需要对比序列时常用的技术，常应用于特征匹配、肿瘤检测、病灶定位等。不同次的检查，受设备、床板定位、病人方位的不同或变化等因素影响，造成生成的断层扫描序列图像，无法直观对比或者需要手工调整位置后再对比，才能进行诊断。而配准技术可以解决这些麻烦的问题，让医生简单快捷的直接进入对比诊断。病人的多次的检查对比，除了对器官变化、病灶良恶性等有简单直接的诊断价值，对术前术后对比也有非常大的意义。

2、与单模序列配准不同，多模序列配准指的是两次或多次检查，检查类型不同，比如一个序列是ct检查类型，另一个是mr检查类型。它们之间的配准难度要比单模序列配准高很多，一般而言，ct和mr序列特征差异很大，比如对于头部检查而言，ct常用于检查脑外伤、脑出血等，而mr对脑肿瘤、脑神经有更显著的优点。二者的联合诊断，对于医生而言，可以更全面的发现病变及相关性。

3、多模序列配准常用于头部、关节等部位。

4、现有技术的缺点如下：

5、1、现有大多数空间的多模序列体数据配准，大多集中在仅z轴的应用配准上，这可以解决床板带来的影响，方便医生观察同层的区别，但对人体的角度不同带来的影响无法解决。对于多模序列的图像融合、病灶定位，都极度依赖医生的经验；

6、2、有些空间体配准算法可以解决，但存在配准效率低，需要更多计算资源等缺点。

7、3、多模态的体数据配准，受ct和mr序列图像特征差异的干扰，配准精度达不到诊断要求。

技术实现思路

1、本发明的目的在于克服上述现有技术的不足，提供了一种基于多模影像数据体空间的配准方法。

2、为了解决技术问题，本发明的技术方案是：一种基于多模影像数据体空间的配准方法，包括以下步骤：

3、步骤1：任意读入两次检查的ct和mr序列图像，以及文件头中的元信息；

4、步骤2：对步骤1两个体数据进行预处理，同时体数据按照slicelocation排列；

5、步骤3：设置ct序列图像为固定序列，mr序列图像为可移动序列，并计算两个序列的空间分辨率；

6、步骤4：对ct和mr序列图像分别进行灰度范围的变化，将高位ct和mr序列图像映射为低位ct和mr序列图像；

7、步骤5：对两个低位ct和mr序列图像计算其冠状位序列和对应的空间分辨率，对应的高位ct和mr序列图像也同时生成冠状位序列；

8、步骤6：对低位ct序列图像做冠状位的平均密度投影，生成二维的冠状位图像；对低位mr序列图像做冠状位的最大密度投影或平均密度投影，生成二维的冠状位图像，同时计算对应的图像分辨率；

9、步骤7：设置优化器和度量参数，对步骤6的两个二维冠状位图像，使用基于强度的二维图像配准，计算出冠状位的变换矩阵；

10、步骤8：利用冠状位的变换矩阵，对低位和高位可移动序列的每一层，分别做仿射变换运算，生成两个基于冠状位的低位和高位序列；

11、步骤9：对步骤8的结果进行反冠状位的计算，重新生成了和原始mr序列图像同方向的低位和高位新序列，即更新后的可移动序列，同时恢复空间分辨率，完成第一次配准；

12、步骤10：利用步骤9更新后的可移动序列的低位和高位序列及对应的空间分辨率，计算其基于矢状位的低位和高位序列，并重新计算矢状位的空间分辨率；

13、步骤11：重复步骤6到步骤8的过程，不同之处是基于矢状位序列或矢状位投影图像来处理；

14、步骤12：对步骤11的结果进行反矢状位的计算，重新生成了和原始mr序列同方向的低位和高位新序列，同时恢复空间分辨率，完成第二次配准；

15、步骤13：由于步骤12的结果和原始序列本身都是轴位序列，因此不用重新计算轴位序列和空间分辨率；重复步骤6到步骤8的过程，不同之处是基于轴位序列或轴位投影图像来处理；

16、步骤14：由于步骤13的结果本就是轴位序列，无需再做反轴位变换，完成第三次配准；

17、步骤15：所述第一次配准、第二次配准和第三次配准的先后顺序可进行调整，经过三次空间变换和三次配准后的可移动序列可直接和固定序列做对比诊断。

18、优选的，所述步骤1中元信息包括图像信息，图像信息为高度、宽度和像素分辨。

19、优选的，所述步骤2中预处理主要处理图像存储和实际图像像素之间可能存在的变换，slicelocation排列即按照dicomtag中定义的slicelocation排列，预处理和slicelocation排列的规则需要保持一致。

20、优选的，所述步骤3中空间分辨率的计算方法为：x轴和y轴的分辨率通过pixelspacing获得，z轴分辨率通过spacingbetweenslices直接获取，也可通过相邻两层的imageposition中的第三组相减来计算。

21、优选的，所述步骤4中ct序列图像的灰度范围变化方法为：利用dicomtag中的窗宽和窗位，即windowcenter和windowwidth来计算最大最小值，最大值＝windowcenter+windowwidth/2，最小值＝windowcenter-windowwidth/2，根据最大最小值，做线性变换，大于最大值的全部设置为255，小于最小值的全部设置为0，其余的使用(像素值-最小值)/(最大值-最小值)*255设置为线性变换后的灰度值，使得高位ct序列图像转成低位ct序列图像，每层图像灰度的最小值为0，最大值为255；mr序列图像的灰度范围变化方法为：采用基于灰度直方图的双阈值做最大最小值，使得高位mr序列图像转成低位mr序列图像。

22、优选的，所述高位ct和mr序列图像为12位或16位，低位ct和mr序列图像为8位。

23、优选的，所述步骤5中冠状位序列的计算方法为：遍历序列中的每个图像的每个像素点，交换其y轴和z轴坐标，做为冠状位序列的像素值；并重新计算冠状位序列的空间分辨率，x轴分辨率不变，交换y轴和z轴的分辨率即可。

24、优选的，所述步骤6中平均密度投影的方法为：遍历x轴和y轴，一次性获取z轴上的所有像素值作为一个向量，计算向量的平均值，做为二维冠状位图像的坐标为(x，y)的像素值；最大密度投影的方法为：遍历x轴和y轴，一次性获取z轴上的所有像素值作为一个向量，计算向量的最大值，做为二维冠状位图像的坐标为(x，y)的像素值，当低位mr序列图像为骨占比较大的膝关节mr，采用平均密度投影，当低位mr序列图像为头颅mr，采用最大密度投影。

25、优选的，所述步骤7中优化器最小步长设置为1.0e-5，最大步长设置为6.25e-2，梯度幅度容差设置为1.0e-4，松弛因子5e-1，最大迭代次数设置为300。

26、优选的，所述步骤10中基于矢状位的低位和高位序列的计算方法为：遍历序列中的每个图像的每个像素点，x轴对应原y轴，y轴对应原z轴，z轴对应原x轴，计算矢状位序列的像素值；并重新计算矢状位序列的空间分辨率，x轴分辨率等于原y轴分辨率，y轴分辨率等于原z轴分辨率，z轴分辨率等于原x轴分辨率。

27、与现有技术相比，本发明的优点在于：

28、(1)本发明提出的是一种多模序列的配准方法，对ct序列图像，做基于多角度的平均密度投影，对mr序列图像，做冠状位的平均密度投影或最大密度投影，避免ct和mr序列图像特征差异带来的干扰，提高配准精度，然后基于生成的两个平面图，使用基于灰度强度的二维图像配准方法，配准的算法，则使用常见的刚性配准，计算出变换矩阵，再对原始mr序列中的每一层图像，使用该变换矩阵，生成冠状位的新的序列，再利用相同的方法和过程，对矢状位和轴位分别做同样的处理，最终可实现快速的多模序列的体数据配准；

29、(2)本发明为mr配准采用基于灰度直方图的双阈值法来将高阶图像(16位或12位)转成8位，解决默认窗宽窗位导致图像配准特征不明显的问题，并减少内存资源消耗，而且也提升了配准的精度；

30、(3)本发明通过平均密度投影，包括平均密度投影，以及最大密度投影，将体空间的配准，简化为3次二维平面的配准，极大的提升了配准精度和效率；

31、(4)本发明每次变换都将空间分辨率同步调整，所以配准顺序完全可以做到自定义，比如可以先冠状位、再矢状位，最后轴位，也可以先矢状位、再轴位，最后冠状位；

32、(5)本发明解决了在多次检查产生的多模序列图像(都是ct或都是mr)中，因为设备不同、床板位置变化、病人方位不同等因素造成的无法直观对比观察的问题，实现一个简单快捷、通用性强的序列图像配准方案。