基于分块的肺4d-ct图像冠矢状面超分辨率重建方法
【专利摘要】本发明公开了基于分块的肺4D-CT图像冠矢状面超分辨率重建方法，包括(1)读取肺部4D-CT图像，任意选择某一个相位的肺部3D-CT图像作为待重建的目标图像；(2)将目标图像和其他相位的肺部3D-CT图像，分成若干个大小相同的图像块；(3)选取5幅与目标图像块最相似的其他相位图像块；(4)估计出目标图像块与其他相位图像块之间的运动变形场；(5)重建高分辨率肺4D-CT冠矢状面图像块；(6)重复步骤(2)至(5)，直到目标图像上的每一分块都重建出高分辨率图像块；(7)重新拼接出一幅完整的肺4D-CT冠矢状面高分辨率图像。本发明能够有效消除图像伪影，还能够得到清晰度更高的肺4D-CT图像。
【专利说明】基于分块的肺4D-CT图像冠矢状面超分辨率重建方法
【技术领域】
[0001]本发明涉及医学图像处理【技术领域】，具体是指一种基于分块的肺4D-CT图像冠矢状面超分辨率重建方法。
【背景技术】
[0002]4D-CT在传统3D-CT的基础上加入了时间轴，动态采集患者呼吸时的CT图像，而后通过图像重建和重新排序得到患者在不同呼吸相位的3D-CT图像。4D-CT不仅能够明显消除呼吸运动伪影，而且能够真实准确地反映肺部随呼吸运动的运动变化规律，为实现个体化精确放疗奠定了有力基础。
[0003]然而，由于CT高剂量照射的特性，沿纵向(Z轴方向)无法实现密集采样，导致数据层间分辨率远低于层内分辨率，进而造成各项数据异性。因此，在观察数据冠矢状面图像时，需沿Z轴进行插值放大以显示正确比例的图像，而这一操作往往造成图像模糊。
[0004]现阶段已提出的肺4D-CT图像超分辨率重建的方法都是基于整幅图像和所有呼吸相位信息的。可是，肺4D-CT数据在一个呼吸周期内仅采集10-20幅不同呼吸相位的图像，各相位图像之间不仅运动幅度差异较大，而且个别组织结构也有显著不同，如附图1所示。此时，利用基于整幅图像、所有相位信息的超分辨率重建方法不仅使得差异明显的组织结构得不到有效修正，还会因引入差别较大的结构信息而造成伪影。
[0005]因此，提供一种基于分块的肺4D-CT图像冠矢状面超分辨率重建方法以克服现有技术的不足甚为必要。
【发明内容】
[0006]本发明的目的在于针对现有技术不足，提供一种基于分块的肺4D-CT图像冠矢状面超分辨率重建方法，该方法能够提高肺4D-CT图像冠矢状面分辨率。
[0007]本发明的目的可通过下述技术措施来实现:基于分块的肺4D-CT图像冠矢状面超分辨率重建方法，该方法包括以下步骤:
[0008](I)读取肺部4D-CT图像，该图像由多个不同相位的肺部3D-CT图像组成，任意选择某一个相位的肺部3D-CT图像作为待重建的目标图像；
[0009](2)将目标图像和其他相位的肺部3D-CT图像，按照相同的结构位置，全部分成若干个大小相同的图像块，依次选取目标图像的各个分块作为目标图像块；
[0010](3)采用自适应选择，选取5幅与目标图像块最相似的其他相位图像块；
[0011](4)估计出目标图像块与由步骤(3)选出的5幅最相似的其他相位图像块之间的运动变形场；
[0012](5)以步骤(4)得到的运动变形场为基础，重建高分辨率肺4D-CT冠矢状面图像块；
[0013](6)重复步骤(2)至步骤(5)，直到目标图像上的每一分块都重建出高分辨率图像块；
[0014](7)将步骤(6)得到的所有高分辨率图像块，按照与分块时相同的位置关系，重新拼接出一幅完整的肺4D-CT冠矢状面高分辨率图像。
[0015]本发明中，所述步骤(2)的分块方式是采用均匀、重叠的分块方式，具体为:分块尺寸为32像素X 32像素，步长为24像素，重叠部分为8像素，其中，针对肺叶底部分块，建立搜索机制:以肺叶底部图像块为中心上下左右各平移3个像素点分别得到4个搜索块。
[0016]本发明中,所述步骤(3)中的自适应选择是利用Active Demons配准算法进行其他相位图像块的自适应选取，具体过程包括:
[0017](3.DActive Demons配准算法假设扩散是双向的，参考图像的灰度梯度信息使浮动图像向参考图像扩散的同时，浮动图像的灰度梯度信息也驱使参考图像向浮动图像扩散，Active Demons算法的驱动力表示如下:
【权利要求】
1.基于分块的肺4D-CT图像冠矢状面超分辨率重建方法，该方法包括以下步骤: (1)读取肺部4D-CT图像，该图像由多个不同相位的肺部3D-CT图像组成，任意选择某一个相位的肺部3D-CT图像作为待重建的目标图像； (2)将目标图像和其他相位的肺部3D-CT图像，按照相同的结构位置，全部分成若干个大小相同的图像块，依次选取目标图像的各个分块作为目标图像块； (3)采用自适应选择，选取5幅与目标图像块最相似的其他相位图像块； (4)估计出目标图像块与由步骤(3)选出的5幅最相似的其他相位图像块之间的运动变形场； (5)以步骤(4)得到的运动变形场为基础，重建高分辨率肺4D-CT冠矢状面图像块； (6)重复步骤(2)至步骤(5)，直到目标图像上的每一分块都重建出高分辨率图像块； (7)将步骤(6)得到的所有高分辨率图像块，按照与分块时相同的位置关系，重新拼接出一幅完整的肺4D-CT冠矢状面高分辨率图像。
2.根据权利要求1所述的基于分块的肺4D-CT图像冠矢状面超分辨率重建方法，其特征在于:所述步骤(2)的分块方式是采用均匀、重叠的分块方式，具体为:分块尺寸为32像素X32像素，步长为24像素，重叠部分为8像素，其中，针对肺叶底部分块，建立搜索机制:以肺叶底部图像块为中心上下左右各平移3个像素点分别得到4个搜索块。
3.根据权利要求1所述的基于分块的肺4D-CT图像冠矢状面超分辨率重建方法，其特征在于:所述步骤(3)中的自适应选择是利用Active Demons配准算法进行其他相位图像块的自适应选取，具体过程包括: (3.DActive Demons配准算法假设扩散是双向的，参考图像的灰度梯度信息使浮动图像向参考图像扩散的同时，浮动图像的灰度梯度信息也驱使参考图像向浮动图像扩散，Active Demons算法的驱动力表示如下:
式中，令U =表示坐标(x，y)从M到F所需的偏移量，F代表参考图像在坐标
(x, y)处的灰度值，M代表浮动图像在坐标(x，y)处的灰度值，▽ F是参考图像在(x，y)处的灰度梯度，VM是浮动图像在(x，y)处的灰度梯度，α为均化系数； (3.2)将目标图像块作为参考图像，其余各相位的相应图像块依次作为浮动图像，通过步骤(3.1)，分别得到各配准后的图像； (3.3)通过相似性测度函数，衡量配准后图像与参考图像的相似性，相似性愈高说明浮动图像与参考图像愈相近；反之，说明与参考图像愈相远； (3.4)选择相似度最高的5幅浮动图像作为超分辨率重建算法输入的低分辨率图像序列。
4.根据权利要求1所述的基于分块的肺4D-CT图像冠矢状面超分辨率重建方法，其特征在于:所述步骤(4)的具体过程是，根据式(I)估计出目标图像块与由步骤(3)选出的其他相位图像块之间的运动变形场。
5.根据权利要求1所述的基于分块的肺4D-CT图像冠矢状面超分辨率重建方法，其特征在于:所述步骤(5)采用迭代反投影法重建高分辨率肺4D-CT冠矢状面图像块，具体过程包括: (5.1)将待重建的原始低分辨率图像插值放大，作为初始高分辨率图像f(n)，η为迭代次数； (5.2)根据退化模型将初始高分辨率图像f(n)退化成一系列低分辨率图像序列{Μ.)}。，分别对应于原始低分辨率图像序列{g,，K表示原始低分辨率图像序列中图像的数量； 具体的，在第η次迭代过程中，f(n)模拟退化为g!)的过程如下表示:
......式⑶； 其中，Tk表示从f到gk的二维几何变换，，即为步骤(4)中获得的运动变形场；h是高斯模糊算子；丨s是下采样算子； (5.3)判断误差
是否达到设定阈值，若达到，则停止迭代，估计的高分辨率图像f(n)为最终所求的超分辨率图像；若未达到，则进入步骤(5.4)； (5.4)根据误差对当前高分辨率图像进行更新，更新过程如下式:
......式⑷；
式中，丨S表示上采样算子；P表示背投影算子，依赖于h和Tk; (5.5)将更新后的高分辨率图像作为初始高分辨率图像，进入步骤(5.2)。
【文档编号】G06T3/40GK104200448SQ201410329304
【公开日】2014年12月10日 申请日期:2014年7月10日 优先权日:2014年7月10日
【发明者】张煜, 王婷婷 申请人:南方医科大学