基于分割的脑部mr图像配准方法
【专利摘要】本发明提供一种脑部MR图像配准方法。先将模板脑部MR图像和目标脑部MR图像在经过分割之后，会得到三个明显的组织区域，对于分割出来的组织区域，我们首先计算对应组织之间的相似性，对于不同相似度的组织区域，在进行配准时，我们使用不同的分层等级。如果对应组织区域相似度较高，我们在配准时使用较少的分层以及较高的网格分辨率就可以得到很好的配准结果。当对应组织区域配准完成后，目标图像就可以完整配准到模板图像。
【专利说明】基于分割的脑部MR图像配准方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，主要基于图像分割的MR脑部图像配准方法。
【背景技术】
[0002] 图像配准就是将不同时间、不同成像设备或不同条件下获取的两幅或多幅图像进 行匹配、叠加的过程。图像配准技术在遥感领域，医学图像领域，制图领域，和计算机视觉 领域都有很高的应用。一般情况下，我们将其主要应用归为四类：多视角分析，多时态分 析，多模态分析，场景到模型配准。由于图像多样性以及图像本身不同程度的退化，我们 很难找到一种通用的的方法完成所有的配准任务。每一种方法不仅仅需要考虑图像的几 何形变，还需要考虑放射形变和噪声干扰等因素。大部分图像配准方法主要有四个步骤： 特征检测，特征匹配，变换模型评估，图像重采样和变换。详见文献：Barbara Zitova, Jan Flusser. "Image registration methods : a survey，'，Image and Vision Computing 21(2003)977 - 1000 所述。
[0003] 对于脑部核磁共振MR图像配准，需要将目标脑部MR图像与模板脑部MR图像进行 匹配、叠加。由于MR图像本身的噪声、灰度不均匀以及弱边界的影响，如何将目标图像完整 配准到模板图像是个有待解决的问题。
【发明内容】
[0004] 本发明所要解决的技术问题是，提供一种脑部MR图像配准方法。
[0005] 本发明为解决上述技术问题所采用的技术方案是，基于分割的脑部MR图像配准 方法，包括以下步骤：
[0006] 步骤一，对目标图像I和模板图像Γ进行图像分割，分别得到目标图像和模板图 像的脑脊液、灰质、白质三个组织区域I CSF、IGM、Ι?Μ和I' CSF、I' GM、I' IM ;
[0007] 步骤二，对目标图像的组织区域和模板图像的组织区域1'^、1'『1'《" 分别一一对应采用互信息的方法进行相似测量；
[0008] 步骤三，对于相似度较高的对应组织区域，设置较低的分层等级参数进行FFD配 准，对于相似度较低的对应组织区域，设置较高的分层等级参数进行FFD配准；
[0009] 步骤四，利用各组织区域对应的分层等级参数，将目标图像组织区域ICSF、I eM、ΙΜ 配准到模板图像的组织区域I' CSF、I' GM、I' wm ;
[0010] 步骤五，对于目标图像配准好的组织区域进行组合，对于重叠区域采用融合方法， 对于漏空区域采用三线性差值方法得到最终的配准图像。
[0011] 本发明的有益效果是，先将模板脑部MR图像和目标脑部MR图像在经过分割之后， 会得到三个明显的组织区域，对于分割出来的组织区域，我们首先计算对应组织之间的相 似性，对于不同相似度的组织区域，在进行配准时，我们使用不同的分层等级。如果对应组 织区域相似度较高，我们在配准时使用较少的分层以及较高的网格分辨率就可以得到很好 的配准结果。当对应组织区域配准完成后，目标图像就可以完整配准到模板图像。
【专利附图】
【附图说明】
[0012] 图1为实施例流程图。
【具体实施方式】
[0013] 为了方便地描述实施例内容，对现有术语进行介绍：
[0014] 偏差场。相同组织的不同局部区域的均值，方差有较大的偏差，尤其是当高场强的 核磁共振设备出现后，这一问题更加突出。一般采用的偏差场模型为乘性偏差场。
[0015] 梯度下降法。利用负梯度方向来决定每次迭代的新的搜索方向，使得每次迭代能 是优化的目标函数逐步减小。
[0016] B-样条。B-样条是样条曲线一种特殊的表示形式。它是B-样条基曲线的线性组 合。B-样条是贝兹曲线的一种一般化，可以进一步推广为非均匀有理B样条，使得我们能给 更多一般的几何体建造精确的模型。
[0017] 仿射变换。指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为 另一个向量空间。
[0018] 互信息。互信息是信息论里一种有用信息的信息度量，它是指两个事件集合之间 的相关性，两个事件X和Y的互信息定义为：
【权利要求】
1. 基于分割的脑部MR图像配准方法，其特征在于，包括以下步骤： 步骤一，对目标图像I和模板图像I'进行图像分割，分别得到目标图像和模板图像的 脑脊液、灰质、白质三个组织区域ICSF、IGM、Iwm和I' CSF、I' GM、I' WM ; 步骤二，对目标图像的组织区域ICSF、I?、I"m和模板图像中对应的组织区域I'CSF、I'?、 Γ Μ采用互信息的方法进行相似度测量； 步骤三，根据测量的相似度针对不同组织区域的设置自由变形算法FFD配准的分层等 级参数，相似度越高的组织区域设置越低的分层等级参数，根据设置的分层等级参数将目 标图像组织区域ICSF、I GM、ΙΜ单独配准到模板图像中对应的组织区域Γ CSF、Γ GM、Γ Μ ; 步骤四，对于目标图像配准好的组织区域进行组合，对于重叠区域采用融合方法，对于 漏空区域采用三线性差值方法得到最终的配准图像。
2. 如权利要求1所述基于分割的脑部MR图像配准方法，其特征在于，步骤一的具体方 法为： 1) 确定目标函数 F (U，c，W) = / Ω 11 (X) - (WTG (X) (cTU (X))) 12dx， 其中 c= (Ci，…，cN)T，U(x) = (w!，…，wM)T，G(x) = (gjx)，... g"(x))T,
T表示转置，
为像素点x的估偏差场，W表示正交基函数 系数，G(x)表示正交基函数，Μ为正交基函数个数，I(x)表示三维像素点X在原始图像中的 像素值，
J(x)表示三维像素点X在真实图像中的像素值，组织区域类型总 数N = 3，Ω表示整个图像区域，q表示第i个组织区域的平均灰度值，w (X)表示三维像 素点X是否属于第i个组织区域的二值标识，〇表示不属于，1表示属于； 2) 采用梯度下降法对目标函数求极小值，各参数的更新如下： 2-1)初始化图像中组织区域的二值标识U、正交基函数系数W、组织区域的平均灰度值 c ； 2-2)更新图像中组织区域的二值标识U中各元素值，
其中，
表示取函数最小时i的值； 2-3)更新各组织区域的平均灰度值：
2-3)更新正交基函数系数，W = AU中，中间量A = / ￡^〇〇6〇〇?〇〇办，中间量￥ =/ ΩI (X) G (X) J (X) dx ; 2-4)将当前更新的组织区域的二值标识U、正交基函数系数W、组织区域的平均灰度值 c代入目标函数，判断是否目标函数达到最小值或当前迭代次数达到最大值，如是则停止迭 代，依据当前更新的组织区域的二值标识U完成组织区域的划分，否则转到步骤2-2)继续 迭代更新各参数。
3.如权利要求1所述基于分割的脑部MR图像配准方法，其特征在于，步骤三的具体方 法为： 1) 根据测量的相似度设置分层等级参数L ; 2) 用分层等级参数L初始化不同分辨率的网格点Φ1，…Φ1，其中1 e (1，···，〇， 初始化1 = 1 ; 3) 确定目标函数C = -CsimilaHty (Γ (X)，T (I (X))) + λ Cs_th作为目标函数，根据梯度下 降法求梯度向量
；其中，Cs_th(T)为约束项，
0表示求导，T为将目标图像匹配到模板图像的变换，λ为预设权值，图像分辨率V = 1\乂\凡，其中^，乂，凡分别代表图像在^7、1三个维度上的大小；1' (X)表示模板图 像中三维像素点X的像素值，T (I (X))表示目标图像中三维像素点X经变换T后的像素值， 为计算相识度的函数，?表示全局仿射变换参数； 4) 判断梯度向量
C是否大于指定阈值ε，如是，则更新
表示范数，q为预设调节变量，否则，令1 = 1+1，如果1 = L，则配准结束，将当前变换Τ作 为目标图像匹配到模板图像的最优变换，如果1〈L，则转步骤3)继续迭代。
【文档编号】G06T7/00GK104050666SQ201410256866
【公开日】2014年9月17日 申请日期:2014年6月10日 优先权日:2014年6月10日
【发明者】解梅, 宋浩 申请人:电子科技大学