基于三角剖分优化匹配的医学影像刚性配准方法
【专利摘要】本发明公开一种基于三角剖分优化匹配的医学影像刚性配准方法，包括：获取三维医学影像数据；分割得到三维医学影像中相同组织器官；针对已分割得到的组织器官，提取组织器官的表面点云信息；采用三角剖分的方法将两组组织器官的点云剖分为两组多个四面体的集合；分别从两组四面体集合中选取任意一个四面体，刚性配准两个四面体，获得旋转矩阵和平移向量；根据获得的所有旋转矩阵和平移向量，计算两组点云的距离误差，并选取距离误差最小的旋转矩阵和平移向量作为最优配准矩阵；根据最优配准矩阵，将三维医学影像旋转平移并融合显示。本发明能够精准完成三维医学影像的匹配，为临床多模态影像融合显示提供理论基础。
【专利说明】基于三角剖分优化匹配的医学影像刚性配准方法
【技术领域】
[0001]本发明涉及一种基于三角剖分优化匹配的医学影像刚性配准方法，适用于医学影像配准融合显示领域。
【背景技术】
[0002]医学图像配准是将来自相同或不同成像方式的医学图像进行一定的变换处理，使它们之间的空间位置、空间坐标达到匹配。配准的结果是使两幅图像上所有的解剖点，至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。随着医学影像工程和计算机技术的发展，医学成像已经成为现代医疗不可或缺的一部分，其应用贯穿于整个临床工作，不仅广泛地应用于疾病的诊断，而且在外科手术和放射治疗的计划设计、方案实施以及疗效评估等方面都发挥着重要的作用。然而，由于不同设备的成像原理不同，临床诊断上出现了多种模态的医学图像，不同成像技术对人体同一解剖结构所得到的形态和功能信息是互不相同、互为补充的。在临床诊断中，通常需要将多幅图像中的信息进行整合，以便医生了解病变组织或器官的综合隋况，做出更加准确的诊断或制定出更加合适的治疗方案。多幅图像信息整合首要解决的就是图像的严格对齐，即图像配准问题。图像配准的效果直接影响图像融合的质量，因此只有准确的配准才能为医生提供准确的诊断依据。虽然到目前为止已经有大量的配准方法被提出来，但是在医学图像配准方法中还存在着算法复杂度高、配准精度低，自动化差的缺陷。
【发明内容】
[0003]本发明提出了一种基于三角剖分优化匹配的医学影像刚性配准方法，通过三角剖分完成三维医学影像的配准，为多模态医学影像配准提供了一种便利的工具。
[0004]该基于三角剖分优化匹配的医学影像刚性配准方法，包括以下步骤:
[0005]第一步，获取三维医学影像数据；
[0006]第二步，根据所述的影像数据分割得到三维医学影像中相同组织器官；
[0007]第三步，针对已分割得到的组织器官，提取组织器官的表面点云信息；
[0008]第四步，采用三角剖分的方法将两组组织器官的点云剖分为两组多个四面体的集合；
[0009]第五步，分别从两组四面体集合中选取任意一个四面体，刚性配准两个四面体，获得旋转矩阵和平移向量；
[0010]第六步，根据获得的所有旋转矩阵和平移向量，计算两组点云的距离误差，并选取距离误差最小的旋转矩阵和平移向量作为最优配准矩阵；
[0011]第七步，根据最优配准矩阵，将三维医学影像旋转平移并融合显示。
[0012]利用本发明的方法，可以通过三角剖分的方法实现三维医学影像的配准。
【专利附图】
【附图说明】
[0013]图1是本发明实施例的流程示意图；
[0014]图2是本发明所提出的点云三角剖分示意图；
[0015]图3是本发明所提出的MarchingCube算法提取表面点云示意图；
[0016]图4是本发明所提出的参数形变模型分割组织器官示意图。
【具体实施方式】
[0017]关于本发明的优点与精神可以通过以下的发明详述及附图得到进一步的了解。
[0018]附图1为重建流程图，所述医学影像刚性配准方法包括以下几个步骤:
[0019]步骤S101，获取三维医学影像数据。
[0020]将采集得到的二维医学序列切片数据组成医学三维影像数据。
[0021]步骤S102，分割得到三维医学影像中相同组织器官。
[0022]依据已经获取的三维医学影像数据，采用参数形变模型分割提取三维医学影像中相同组织器官。
[0023]定义X(s) = [x(s), y (s), z(s)], s e [O, I]为三维空间中的参数形变模型，s为弧长参数，那么参数形变模型的能量函数可定义为:
[0024]《曜=Iuw)+uwrn,
[0025]其中Einternal和Eraitwnal分别为参数形变模型的内能和外能。Eint ernal的作用是保持参数形变模型的平滑性，而Eraitenal的作用是使参数形变模型向着目标特征迭代演化。如图4所示，初始化参数模型2在自身内部能量场和外部能量场的作用下迭代变化，得到不断趋近于目标边缘I的参数模型3。
[0026]步骤S103，针对已分割得到的组织器官，提取组织器官的表面点云信息。
[0027]针对从三维医学影像中分割得到的两个相同的组织器官，采用MarchingCube算法提取两个组织器官的表面点云信息。
[0028]MarchingCube算法的思想是逐个扫描组织器官中的体素，分类出与等值面相交的体素，采用插值计算出等值面与体素边缘的交点。根据体素与等值面的相对位置，将等值面与体素的交点按一定方式连接生成等值面，作为等值面与体素的一个逼近表示。满足Marching Cubes的基本假设:沿六面体边的数据场呈连续性变化。也就是讲，如果一条边的两个顶点分别大于或小于等值面的值，则在该条边上有且仅有一点是这条边与等值面的交点。如图3所示，左图为灰度不同的灰度图像，中图与右图表示采用MarchingCube得到图像边缘。
[0029]步骤S104，采用三角剖分的方法将两组组织器官的点云剖分为两组多个四面体的隹A
口 O
[0030]针对已经获得的两组组织器官的点云，采用Delaunay三角剖分的方法将点云剖分为多个四面体的集合。Delaunay三角剖分算法的实现是不断增加网格点迭代计算的，其步骤如下为:首先，判断新加入的网格点与三角形外接圆的关系，如果在某个三角形外接圆的内部，则三角形需要改造；然后，把需要改造的三角形集中到一起，将它们相邻的边去掉，形成一个凸多边形；接着，找到这个多边形的外边界，并利用它们的相邻关系把它们连接起来构成一个头尾衔接的环；再将环上的每两个相邻的网格点取出，与待加入的网格点构成三角形，计算其外心，并将相邻的三角形的信息建立起来，将三角形网格点和相邻三角形信息储存在只包含这些三角形的Delaunay剖分的数据结构数组中；最后，将上述新加入的三角形数据结构数组替换三角形数据结构数组中需要改造的三角形，并对三角形重新编号，从而得到新的结构数组。如图2所示，左图表示5个点的三角剖分的结果，中图表示在左图中增加一个点的三角剖分的结果，右图表示在中图中增加一个点的三角剖分的结果。
[0031]步骤S105，分别从两组四面体集合中选取任意一个四面体，刚性配准两个四面体，获得旋转矩阵和平移向量。
[0032]分别从已得到的两组四面体集合中任意选取一个四面体，采用LM优化算法将两个四面体进行刚性配准，获得两个四面体顶点距离最小的旋转矩阵和平移向量。
[0033]定义选取的两个四面体为A(a1; a2, a3, a4)和 B (Id1, b2, b3, b4), ai; IDi (i = 1,2,3,4)表示两个四面体的四个顶点，R为旋转矩阵，T为平移向量，A' (a'2，a' 3，a' 4)为四面体A旋转平移后得到的四面体，计算公式为:
[0034]a' J = [RI T] aj, i = 1,2,3,4
[0035]则两个四面体刚性配准的目标是保证A' (a'2，a' 3，a' 4)与B(b1;b2，b3，b4)四个顶点间的距离和最小，即
[0036]/|E,T) = Biitt(亡= into(亡丨 1^為)>
[0037]可以采用LM优化算法得到两个四面体刚性配准的旋转矩阵R和平移向量T。
[0038]步骤S106，根据获得的所有旋转矩阵和平移向量，计算两组点云的距离误差，并选取距离误差最小的旋转矩阵和平移向量作为最优配准矩阵。
[0039]根据两个四面体刚性配准得到的旋转矩阵和平移向量，旋转平移医学影像中组织器官的一组点云，计算旋转平移后的点云与另一组点云之间的距离误差，选取距离误差最小的旋转矩阵和平移向量作为最优配准矩阵。
[0040]定义Rk，Tk (k = 1,2,...，Μ)为得到的M组旋转矩阵和平移向量，P(Pi) (i = 1，2，...，Np)，Q(Qj) (j = 1，2，...，N,)为分别包括Np和N,个点的两组点云，kP' (kp, ^表示点云P(Pi)经旋转矩阵Rk和平移向量Tk变换后的点云，计算公式为:
[0041]V i = [RkITkJpi, i = 1,2,..., Np
[0042]则两组点云的距离误差为:
[0043]err =q(.)
[0044]其中，1^表示点云Q(Qi)中距离kP' 1最小的点，则有旋转矩阵R和平移矩阵T组成的最优配准矩阵的选取条件为:
[0045](R.T) = min(err) =| TfJpjZqi))
[0046]步骤S107，根据最优配准矩阵，将三维医学影像旋转平移并融合显示。
[0047]依据已经获取的两组点云的最优匹配矩阵，在同一世界坐标系下，旋转平移并融合显示三维医学影像。
[0048]虽然参考优选实施例对本发明进行描述，但以上所述实例并不构成本发明保护范围的限定，任何在本发明的精神及原则内的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围内。
【权利要求】
1.基于三角剖分优化匹配的医学影像刚性配准方法，其特征在于，包括以下步骤: 第一步，获取三维医学影像数据； 第二步，根据所述的影像数据分割得到三维医学影像中相同组织器官； 第三步，针对已分割得到的组织器官，提取组织器官的表面点云信息； 第四步，采用三角剖分的方法将两组组织器官的点云剖分为两组多个四面体的集合； 第五步，分别从两组四面体集合中选取任意一个四面体，刚性配准两个四面体，获得旋转矩阵和平移向量； 第六步，根据获得的所有旋转矩阵和平移向量，计算两组点云的距离误差，并选取距离误差最小的旋转矩阵和平移向量作为最优配准矩阵； 第七步，根据最优配准矩阵，将三维医学影像旋转平移并融合显示。
2.如权利要求1所述的医学影像刚性配准方法，其特征在于，在第二步中，三维医学影像中的组织器官分割采用基于统计模型的分割算法实现。
3.如权利要求1或2所述的医学影像刚性配准方法，其特征在于，在第三步中，针对以及分割得到的相对应的组织器官，采用MarchingCube算法提取组织器官的表面点云信息。
4.如权利要求1或2所述的医学影像刚性配准方法，其特征在于，在第五步中，采用LM优化算法刚性匹配两个四面体。
5.如权利要求1或2所述的医学影像刚性配准方法，其特征在于，在第五步中，所述三角剖分方法包括以下步骤:首先，判断新加入的网格点与三角形外接圆的关系，如果在某个三角形外接圆的内部，则三角形需要改造；然后，把需要改造的三角形集中到一起，将它们相邻的边去掉，形成一个凸多边形；接着，找到这个多边形的外边界，并利用它们的相邻关系把它们连接起来构成一个头尾衔接的环；再将环上的每两个相邻的网格点取出，与待加入的网格点构成三角形，计算其外心，并将相邻的三角形的信息建立起来，将三角形网格点和相邻三角形信息储存在只包含这些三角形的Delaunay剖分的数据结构数组中；最后，将上述新加入的三角形数据结构数组替换三角形数据结构数组中需要改造的三角形，并对三角形重新编号，从而得到新的结构数组。
【文档编号】G06T7/00GK104318554SQ201410543401
【公开日】2015年1月28日 申请日期:2014年10月15日 优先权日:2014年10月15日
【发明者】杨健, 丛伟建, 刘越, 王涌天, 艾丹妮 申请人:北京理工大学