一种DICOM影像与TPS报告影像的对齐方法与流程

本发明涉及医疗临床，尤其涉及一种dicom影像与tps报告影像的对齐方法。

背景技术：

1、dicom影像包含病人的解剖结构信息，而tps报告影像则包含了治疗计划的指导信息，dicom影像与tps报告影像的对齐方法的需求在于确保放射治疗过程中影像数据的一致性和准确性，因为对于治疗用户的解刨结构时，影像对齐方法可以使得治疗计划与具体解刨结构有更高的匹配度。然而，传统的dicom影像与tps报告影像的对齐方法需要通过手动进行调节，浪费人工资源，并且对齐影像的精准度较低，使得dicom影像与tps报告影像的对齐效果较差。

技术实现思路

1、基于此，本发明提供一种dicom影像与tps报告影像的对齐方法，以解决至少一个上述技术问题。

2、为实现上述目的，一种dicom影像与tps报告影像的对齐方法，所述方法包括以下步骤：

3、步骤s1：获取医疗数据库中的dicom影像数据与tps报告影像数据；对dicom影像数据以及tps报告影像数据进行数据整合及预处理，生成标准影像数据；

4、步骤s2：对标准影像数据进行影像数据特征点提取及编码转换，生成影像特征点参数；

5、步骤s3：基于孪生神经网络算法对影像特征点参数进行影像特征点的匹配筛选预测，生成影像匹配点参数；利用ransac算法对影像匹配点参数进行影像匹配点优化，生成优化匹配点参数；

6、步骤s4：对优化匹配点参数进行匹配点放射变换及优化，生成优化变换匹配点参数；

7、步骤s5：对优化变换匹配点参数进行解码转换，生成优化变换匹配点数据；利用优化变换匹配点数据对dicom影像数据进行dicom影像重采样，生成重采样dicom影像数据；将重采样dicom影像数据与tps报告影像进行影像报告对齐验证，生成影像报告验证数据。

8、本发明从医疗数据库中获取dicom影像数据与tps报告影像数据，并进行数据整合与预处理，生成标准影像数据，通过数据整合与预处理，可以对dicom和tps数据进行对应数据整理，并进行图像类的预处理步骤，消除数据间的差异性和噪声，提高后续步骤的稳定性和准确性。对标准影像数据进行影像特征点提取与编码转换，生成影像特征点参数，影像特征点是一种有效的表示图像内容的方式，通过提取特征点并进行编码转换，可以将图像数据转化为更具有信息含量的参数表示，这有助于减少数据维度，提高后续步骤的计算效率，并且有助于保留影像数据的重要信息。使用孪生神经网络算法对影像特征点参数进行匹配筛选预测，生成影像匹配点参数，孪生神经网络是一种用于比较相似性的模型，可以在匹配过程中找到dicom影像和tps报告影像之间的对应关系，接着，利用ransac算法对影像匹配点参数进行匹配点优化，生成优化匹配点参数，ransac算法可以排除匹配错误或离群值，提高匹配的鲁棒性。对优化匹配点参数进行匹配点放射变换及优化，生成优化变换匹配点参数，通过对匹配点进行放射变换，可以实现dicom影像的空间转换，将其对齐到tps报告影像的坐标系统中，通过解码转换，生成优化变换匹配点数据，用于对dicom影像数据进行dicom影像重采样，将重采样dicom影像数据与tps报告影像进行影像报告对齐验证，生成影像报告验证数据，确保dicom影像与tps报告影像在空间位置上的一致性，从而保证精确的对齐和验证。因此，本发明的dicom影像与tps报告影像的对齐方法需要通过计算将dicom影像与修复计划的tps报告影像进行精准对应，实现自动化地对齐影像数据，减少了人工资源，并且通过影像之间的特征点进行一一对齐，使得对齐精准度更高，保障dicom影像与tps报告影像的对齐效果。

9、优选地，步骤s1包括以下步骤：

10、步骤s11：获取医疗数据库中的dicom影像数据与tps报告影像数据；

11、步骤s12：对dicom影像数据以及tps报告影像数据进行对应影像数据的数据整合，生成待处理影像数据；

12、步骤s13：对待处理影像数据进行数据清洗处理，生成清洗影像数据；

13、步骤s14：利用直方图均衡化对清洗影像数据进行影像对比度增强处理，生成增强影像数据；

14、步骤s15：对增强影像数据进行标准影像尺寸调整，生成标准影像数据。

15、本发明获取医疗数据库中的dicom影像数据和tps报告影像数据，这些数据可能来自不同的设备或系统，具有不同的格式和分辨率，在数据获取阶段，确保数据的完整性和准确性对于后续的对齐过程至关重要。将dicom影像数据与tps报告影像数据进行对应，确保匹配的影像具有相同的解剖结构和信息，通过对应影像数据的数据整合，消除了dicom影像和tps报告影像之间的不匹配问题，为后续处理提供了一致的数据源。对待处理影像数据进行数据清洗，去除可能存在的噪声、伪影、运动伪影等不必要的干扰因素，数据清洗有助于提高影像质量，减少对齐过程中的误差和干扰，确保影像数据的准确性和可靠性。直方图均衡化是一种用于增强图像对比度的方法，通过重新分布图像的像素值，使得图像的像素值范围更加均匀分布，对清洗影像数据进行直方图均衡化处理，增强了图像的对比度，使得影像特征更加明显和容易提取。对增强影像数据进行标准影像尺寸调整，由于tps报告影像可能与dicom影像的尺寸不同，导致特征匹配可能存在问题，对增强影像数据进行标准影像尺寸调整，统一影像的尺寸和像素间距，确保后续处理的一致性和稳定性。

16、优选地，步骤s2包括以下步骤：

17、步骤s21：利用边缘检测技术对调整影像数据进行影像目标区域划分，生成调整影像数据的影像目标区域；

18、步骤s22：根据影像目标区域对调整影像数据进行目标区域影像提取，生成目标影像数据；

19、步骤s23：对目标影像数据进行影像数据特征点提取，生成影像特征点数据；

20、步骤s24：对影像特征点数据进行编码转换，生成影像特征点参数。

21、本发明边缘检测是一种常用的图像处理技术，它可以识别图像中明显的边缘和轮廓，将图像分割成不同的区域，通过边缘检测技术，对调整后的影像数据进行目标区域的划分，将图像中感兴趣的目标从背景中分离出来，这有助于减少后续处理的计算量，聚焦于关键区域的特征提取，提高对齐的效率和准确性。根据影像目标区域，从调整后的影像数据中提取出目标区域影像，通过提取目标区域进一步减少图像的冗余信息，只保留关键部分，提高后续特征提取的准确性和效率。对目标影像数据进行特征点提取，即从图像中选择出一组代表性的特征点，这些特征点可能是图像中的角点、边缘点或其他显著的局部特征，通过提取影像特征点，将图像的信息转化为更紧凑且信息丰富的表示形式，为后续匹配过程提供更有效的数据描述。对影像特征点数据进行编码转换，将特征点的位置、形状和其他特征转化为参数表示，编码转换可以使用各种方法，例如局部描述子、深度学习特征提取等，通过编码转换，可以将复杂的特征点数据转化为更具有信息含量的参数表示，减少数据维度和冗余，提高匹配和对齐的效率和准确性。

22、优选地，步骤s23包括以下步骤：

23、步骤s231：利用高斯金字塔对目标影像数据进行影像的尺度空间建立，生成影像尺度空间；

24、步骤s232：利用差分高斯算法对影像尺度空间进行关键点检测，生成影像尺度空间的关键点数据；

25、步骤s233：利用插值法对关键点数据进行关键点定位，生成关键点定位数据；

26、步骤s234：对关键点定位数据进行梯度幅值及方向计算，生成关键点梯度数据；

27、步骤s235：根据关键点梯度数据进行局部区域的特征描述子计算，生成特征描述子数据；

28、步骤s236：对特征描述子数据进行描述子相似度匹配，获得特征描述子匹配度，选取最优的特征描述子匹配度对应的关键点数据进行特征标记，以获取影像特征点数据。

29、本发明高斯金字塔是一种多尺度图像表示方法，通过对图像进行逐级高斯模糊和下采样操作，构建不同尺度的图像，利用高斯金字塔对目标影像数据进行尺度空间建立，可以检测到不同尺度下的目标特征，从而实现对影像特征的多尺度表示。差分高斯算法是一种常用的关键点检测方法，用于寻找图像中的显著局部特征点，利用差分高斯算法对影像尺度空间进行关键点检测，可以检测到影像中的角点、边缘点等重要特征点。在关键点检测后，通常需要使用插值法对关键点进行更精确的定位，以获取更准确的特征点位置，利用插值法对关键点数据进行关键点定位，提高了特征点的定位精度。计算关键点周围区域的梯度幅值和方向信息，这些梯度信息可以用于描述关键点周围区域的纹理和形状特征，为后续的特征描述子计算提供了重要的基础。根据关键点梯度数据，计算关键点周围局部区域的特征描述子，特征描述子是一种用于表示关键点周围图像信息的向量，能够有效地描述图像的局部纹理和形状特征，为后续的匹配和对齐提供了更具有区分性和代表性的数据表示。对特征描述子数据进行相似度匹配，比较待匹配特征点与目标特征点的相似程度，通过匹配得到的特征描述子匹配度确定最优的匹配关键点，从而获取影像特征点数据。这些影像特征点数据是图像中具有代表性的、有区分性的关键点，能够用于描述图像的重要特征，为后续的影像匹配和对齐提供了有价值的信息。

30、优选地，步骤s3包括以下步骤：

31、步骤s31：基于孪生神经网络算法建立影像特征点的匹配筛选映射关系，生成初始特征点匹配预测模型；

32、步骤s32：获取医疗数据库中的历史影像对齐数据；

33、步骤s33：利用历史影像对齐数据对初始特征点匹配预测模型进行模型训练处理，生成特征点匹配预测模型；

34、步骤s34：利用特征点匹配预测模型优化算法对特征点匹配预测模型进行模型参数的误差优化，生成优化特征点匹配预测模型；

35、步骤s35：将影像特征点参数传输至优化特征点匹配预测模型中进行影像特征点的匹配筛选预测，生成影像匹配点参数；

36、步骤s36：利用ransac算法对影像匹配点参数进行影像匹配点优化，生成优化匹配点参数。

37、本发明孪生神经网络是一种用于比较相似性的深度学习模型，它可以学习到影像特征点之间的相似性映射关系，利用孪生神经网络算法建立影像特征点的匹配筛选映射关系，生成初始特征点匹配预测模型。这个预测模型可以根据特征点参数预测匹配点之间的对应关系，从而实现特征点的初步匹配。从医疗数据库中获取历史影像对齐数据，历史影像对齐数据包含了之前成功对齐的dicom影像与tps报告影像之间的匹配信息，这些数据可以用于训练和优化特征点匹配预测模型，提高匹配的准确性和稳定性。利用历史影像对齐数据对初始特征点匹配预测模型进行模型训练，通过训练，孪生神经网络可以学习到更准确的特征点匹配映射关系，提高特征点匹配预测模型的准确性和泛化能力。利用特征点匹配预测模型优化算法对特征点匹配预测模型进行参数的误差优化，通过优化模型参数，可以进一步提高特征点匹配预测模型的性能和鲁棒性，使其更好地适应新的数据和场景。将影像特征点参数传输至优化特征点匹配预测模型中，进行影像特征点的匹配筛选预测，通过优化后的模型，对dicom影像和tps报告影像中的特征点进行预测和匹配筛选，得到影像匹配点参数，这些匹配点参数用于表示dicom影像和tps报告影像之间的对应关系。利用ransac算法对影像匹配点参数进行优化，ransac算法可以排除匹配错误或离群值，从而进一步提高影像匹配点的准确性和稳定性，得到更可靠的优化匹配点参数。

38、优选地，步骤s34中的特征点匹配预测模型优化算法如下所示：

39、

40、式中，p表示为特征点匹配预测模型的模型优化指数，n表示为特征点匹配预测模型的模型输入数据量，表示为特征点匹配预测模型的学习率，ai表示为第i个dicom影像对应的模型输入参数，bi表示为第i个dicom影像对应的模型预测输出参数与真实输出参数的差值，ci表示为第i个tps报告影像对应的模型输入参数，di表示为第i个tps报告影像对应的模型预测输出参数与真实输出参数的差值，k表示为特征点匹配预测模型的权重参数，τ表示为模型优化指数的异常调整值。

41、本发明利用一种特征点匹配预测模型优化算法，该算法充分考虑了特征点匹配预测模型的模型输入数据量n、特征点匹配预测模型的学习率第i个dicom影像对应的模型输入参数ai、第i个dicom影像对应的模型预测输出参数与真实输出参数的差值bi、第i个tps报告影像对应的模型输入参数ci、第i个tps报告影像对应的模型预测输出参数与真实输出参数的差值di、表示为特征点匹配预测模型的权重参数k以及函数之间的相互作用关系，以形成函数关系式：

42、即，特征点匹配预测模型的模型输入数据量表示特征点匹配预测模型所用于训练和优化的样本数据量，样本数据量越大，模型训练和优化的效果通常会更好；特征点匹配预测模型的学习率是优化算法中的一个重要超参数，用于控制模型参数在每一次优化迭代中的更新步长，适当的学习率可以加速模型收敛，避免优化过程中的震荡和发散；第i个dicom影像对应的模型输入参数包括dicom影像的特征点坐标、梯度信息等；第i个tps报告影像对应的模型输入参数包括tps报告影像的特征点坐标、梯度信息等；第i个dicom影像对应的模型预测输出参数与真实输出参数以及第i个tps报告影像对应的模型预测输出参数与真实输出参数的差值，在优化过程中尝试调整模型参数，使得这个差值尽可能减小，从而提高模型的预测准确性；特征点匹配预测模型的权重参数表示为控制特征点匹配预测模型权重的参数，用于平衡特征点匹配过程中不同参数的重要性，不同的权重值可能会对模型的优化效果产生影响。通过优化算法对模型参数进行迭代更新，优化算法尝试找到最优的模型参数配置，使得特征点匹配预测模型在训练集上的误差最小化，优化后的模型能够更好地适应dicom影像与tps报告影像之间的特征点对齐和匹配任务，提高了模型的泛化能力和预测准确性。利用模型优化指数的异常调整值τ对函数关系式进行调整修正，减少异常数据或误差项带来的误差影响，从而更准确地生成特征点匹配预测模型的模型优化指数p，提高了对特征点匹配预测模型进行模型参数的误差优化的准确性和可靠性。同时该公式中的权重信息以及调整值可以根据实际情况进行调整，应用于特征点匹配预测模型不同的参数中，提高了算法的灵活性与适用性。

43、优选地，步骤s4包括以下步骤：

44、步骤s41：利用仿射变换对优化匹配点参数进行匹配点放射变换处理，生成变换匹配点参数；

45、步骤s42：利用变换匹配点距离优化算法对变换匹配点参数进行仿射变换后的匹配点最小距离优化计算，生成优化变换匹配点参数。

46、本发明利用仿射变换对优化匹配点参数进行处理，仿射变换是一种二维空间的线性变换，可以对匹配点进行放射变换，调整其位置和方向，使其更好地对齐到目标影像上，通过仿射变换实现dicom影像与tps报告影像之间的空间转换，使其更接近一致。利用变换匹配点距离优化算法对经过仿射变换后的匹配点参数进行优化计算，该优化算法旨在找到dicom影像与tps报告影像之间的最佳匹配点，以使其之间的距离最小化，通过优化匹配点的位置进一步提高匹配的准确性和精度，减少因匹配点距离造成的影像对齐误差。

47、优选地，步骤s42中的变换匹配点距离优化算法如下所示：

48、

49、式中，k表示为变换匹配点参数的优化距离，m表示为变换匹配点参数的数据量，xj'表示为dicom影像对应的变换匹配点横坐标，xj表示为tps报告影像对应的变换匹配点横坐标，yj'表示为dicom影像对应的变换匹配点纵坐标，yj表示为tps报告影像对应的变换匹配点纵坐标，p表示为变换匹配点的距离可比参数，r表示为变换匹配点参数的匹配点偏移量，u表示为修正偏移量调整值，表示为优化距离的异常调整值。

50、本发明利用一种变换匹配点距离优化算法，该算法充分考虑了变换匹配点参数的数据量m、dicom影像对应的变换匹配点横坐标xj'、tps报告影像对应的变换匹配点横坐标xj、dicom影像对应的变换匹配点纵坐标yj'、tps报告影像对应的变换匹配点纵坐标yj、变换匹配点的距离可比参数p、变换匹配点参数的匹配点偏移量r、修正偏移量调整值u以及函数之间的相互作用关系，以形成函数关系式：

51、即，变换匹配点参数的数据量表示参与优化计算的变换匹配点的数量，数据量越大，优化算法的泛化能力和对匹配点分布的建模能力通常会更好；dicom影像对应的变换匹配点横坐标、dicom影像对应的变换匹配点纵坐标表示dicom影像中的一个变换匹配点在横坐标上的位置，这些变换匹配点是通过之前的匹配筛选预测得到的，通过优化算法调整这些匹配点的位置，使其更准确地对齐到对应的tps报告影像的坐标位置；变换匹配点的距离可比参数是一个控制距离比较的参数，用于调整dicom影像与tps报告影像之间距离计算的方法，影响了距离差异对优化距离的影响程度，不同的变换匹配点的距离可比参数可能会对优化算法的收敛性和效果产生影响；变换匹配点参数的匹配点偏移量用于调整变换匹配点的位置，通过调整变换匹配点参数的匹配点偏移量，优化算法可以调整dicom影像中的匹配点相对于tps报告影像的位置偏移量，以实现更好的匹配效果；修正偏移量调整值用来对匹配点偏移量进行修正，以适应不同的匹配情况和变换模式，通过调整修正偏移量调整值，优化算法可以实现更加灵活的匹配优化。通过对dicom影像和tps报告影像的变换匹配点进行横纵坐标距离差值计算，有助于更全面地描述dicom影像与tps报告影像之间的空间对齐情况，提高了对齐的准确性和稳定性，从而为后续的优化提供了可靠的指标。利用模型优化距离的异常调整值对函数关系式进行调整修正，减少异常数据或误差项带来的误差影响，从而更准确地生成变换匹配点参数的优化距离k，提高了对变换匹配点参数进行仿射变换后的匹配点最小距离优化计算的准确性和可靠性。同时该公式中的距离可比参数以及调整值可以根据实际情况进行调整，应用于不同的变换匹配点参数中，提高了算法的灵活性与适用性。

52、优选地，步骤s5包括以下步骤：

53、步骤s51：对优化变换匹配点参数进行解码转换，生成优化变换匹配点数据；

54、步骤s52：将优化变换匹配点数据进行影像映射处理，生成变换匹配点映射数据；

55、步骤s53：利用变换匹配点映射数据对dicom影像数据进行dicom影像重采样，生成重采样dicom影像数据；

56、步骤s54：将重采样dicom影像数据与tps报告影像进行影像报告对齐验证，生成影像报告验证数据。

57、本发明对经过优化的变换匹配点参数进行解码转换，得到优化变换匹配点数据，这些匹配点数据包含了dicom影像与tps报告影像之间的对应关系和空间变换信息。将优化变换匹配点数据应用于dicom影像和tps报告影像进行影像映射处理，通过影像映射将dicom影像中的像素点映射到tps报告影像的空间中，实现dicom影像与tps报告影像的对齐和匹配。利用变换匹配点映射数据对dicom影像数据进行dicom影像重采样，重采样是将dicom影像中的像素点按照新的坐标位置重新插值，从而实现dicom影像的对齐和变换，通过重采样，dicom影像与tps报告影像之间的对齐关系得到了进一步验证，并且可以得到重采样后的dicom影像数据。将重采样的dicom影像数据与原始的tps报告影像进行影像报告对齐验证，通过对齐验证，可以评估dicom影像与tps报告影像之间的对齐精度和准确性，生成的影像报告验证数据可以用于评估整个对齐方法的性能和有效性。

58、优选地，步骤s53包括以下步骤：

59、步骤s531：利用变换匹配点映射数据对dicom影像数据进行dicom影像数据几何变换，生成变换dicom影像数据；

60、步骤s532：对变换dicom影像数据进行影像像素重采样，生成重采样dicom影像数据。

61、本发明利用变换匹配点映射数据对dicom影像数据进行几何变换。几何变换是通过应用变换参数将dicom影像中的像素点转换到新的坐标位置，实现dicom影像的空间对齐和变换，通过几何变换，dicom影像可以与tps报告影像之间进行对齐，并获得相应的变换dicom影像数据。对变换dicom影像数据进行像素重采样，像素重采样是将dicom影像中的像素点按照新的坐标位置重新插值，以适应新的空间对齐关系，通过像素重采样得到重采样后的dicom影像数据，使其与tps报告影像具有相同的空间对齐关系，dicom影像和tps报告影像之间的对齐关系得到了进一步的确认，并获得了重采样后的dicom影像数据。

62、本技术有益效果在于，本发明对医疗数据库中的dicom影像数据与tps报告影像数据进行整合和预处理，生成标准影像数据，通过数据整合确保dicom影像与tps报告影像具有相同的图像尺寸和坐标系，为后续的对齐处理提供一致性基础，预处理包括数据清洗和影像对比度增强，有效去除噪声和增强影像对比度，提高后续特征提取的效果。利用边缘检测和关键点检测等技术，提取dicom影像和tps报告影像的影像特征点，这些特征点包含了影像的重要结构和纹理信息，用于表示dicom影像与tps报告影像的关键特征，编码转换将特征点数据转换为参数表示，方便后续的特征匹配和优化。利用孪生神经网络和历史影像对齐数据，建立影像特征点的匹配筛选预测模型，这个预测模型能够预测dicom影像与tps报告影像的特征点之间的对应关系，通过模型优化算法进一步优化模型参数，提高匹配的准确性和泛化能力，最终获得优化后的匹配点参数，用于表示dicom影像与tps报告影像之间的对应关系。利用仿射变换和ransac算法，对优化匹配点参数进行匹配点放射变换处理和优化，通过仿射变换调整匹配点的位置和方向，实现dicom影像与tps报告影像之间的空间对齐，ransac算法用于排除匹配错误和离群值，提高匹配的准确性和鲁棒性，获得优化的匹配点参数。利用变换匹配点映射数据对dicom影像进行几何变换和像素重采样，实现dicom影像与tps报告影像之间的对齐和匹配，重采样后的dicom影像保持了与tps报告影像相同的空间对齐关系，验证了整个对齐过程的准确性和可靠性，获得了重采样dicom影像数据，用于医学影像处理等领域的应用。