医学成像系统中的图像配准系统和方法与流程

本申请要求2015年10月14日提交的中国专利申请201510679427.3的优先权，其全部内容通过引用结合于此。

本申请一般涉及用于图像处理的系统和方法，更具体地，涉及用于从在不同时间获取的两个或多个医学图像检测病理变化的系统和方法。

背景技术

在医学图像处理中，图像配准可指在图像上执行某些空间变换的过程，以便于比较随着疾病的发展而在其不同时期或阶段获取的多个对象图像。图像配准可广泛用于医学诊断和治疗的目的。图像配准可以帮助医生可视化和监视随着时间推移同一对象的病理变化。例如，图像配准可以帮助医生监视病变或结节的生长或收缩，并且可以帮助检测病灶或结节的密度随时间的微小变化。因此，期望提高医学图像中图像配准的精度。

技术实现要素：

本申请涉及医学图像处理。具体地，本申请涉及用于生成差分减影图像的系统和方法。生成的差分减影图像可以通过对在不同时间获取的对象的多个图像执行一系列图像配准来得到。

在不同阶段获取的对象的图像可以帮助医生或放射科医师识别异常和/或确定两次检查之间发生的变化。例如，可以比较图像中所示的对象在不同阶段的病变的大小和/或位置，以指示病变的发展。然而，比较在不同时间获取的多个图像可能是困难的。例如，如果多个图像是在对象的不同呼吸阶段获取的，呼吸可能会影响这些图像。

可以对图像执行图像配准方法，以便于比较在不同时间获取的不同图像。为了执行图像配准，需要至少提供两个图像。其中一个图像可以作为参考图像。另外一个图像可以作为浮动图像。可以执行空间变换以使浮动图像变形以获得辅助图像，并且可以通过称为成本函数或目标函数的函数来测量辅助图像与参考图像之间的差异。对于所选择的成本函数，图像配准方法可以利用优化算法来减少或基本上最小化基于辅助图像和参考图像的成本函数，从而实现参考图像和辅助图像之间具有改进的或最佳的对准。减影图像可以通过基于从改进或优化得到的辅助图像中减去参考图像来得到。利用减影图像，可以显示参考图像和浮动图像之间的差异。在感兴趣区域的变化可以使用参考图像、浮动图像和/或减影图像来展现。如果浮动图像和参考图像是在不同时间被获取，则减影图像可以指示随着时间推移在感兴趣区域的变化，并且减影图像可以被称为时间减影图像。

可以通过选择成本函数、对图像数据执行的空间变换、和/或优化算法来设计图像配准的各种方式。

本申请的一方面提供了一种图像配准方法。所述方法可以包括以下操作中的一者或多者。可以指定对象的第一图像为参考图像。参考图像可以至少包括参考特征点和参考结构体。可以获得对象的第二图像。第二图像可以包括特征点和结构体。所述特征点可以对应于所述参考图像的所述参考特征点。所述结构体可以对应于所述参考图像的所述参考结构体。可以执行所述第二图像的第一配准以获得第一配准图像。所述第一配准可以包括仿射变换。所述第一配准图像可以包括所述特征点和所述结构体。所可以执行所述第一配准图像的第二配准以获得第二配准图像。所述第二配准可以包括将所述第一配准图像中的所述结构体与所述参考图像中的所述参考结构体对齐。所述第二配准图像可以包括所述特征点。可以执行所述第二配准图像的第三配准以获得第三配准图像。所述第三配准可以包括将所述第二配准图像中的所述特征点与所述参考图像中的所述参考特征点对齐。可以从参考图像中减去第三配准图像以获得减影图像。所述减影图像可以包括所述特征点或所述结构体。

根据本申请的另一个方面，提供一种包含指令的非暂态的计算机可读存储介质。当所述指令由处理器执行时，可以使处理器实现包括以下操作中的一个或多个的方法。指定对象的第一图像为参考图像。参考图像可以至少包括参考特征点和参考结构体。可以获得对象的第二图像。第二图像可以包括特征点和结构体。所述特征点可以对应于所述参考图像的所述参考特征点。所述结构体可以对应于所述参考图像的所述参考结构体。可以执行所述第二图像的第一配准以获得第一配准图像。所述第一配准可以包括仿射变换。所述第一配准图像可以包括所述特征点和所述结构体。可以执行所述第一配准图像的第二配准以获得第二配准图像。所述第二配准可以包括将所述第一配准图像中的所述结构体与所述参考图像中的所述参考结构体对齐。所述第二配准图像可以包括所述特征点。可以执行所述第二配准图像的第三配准以获得第三配准图像。所述第三配准可以包括将所述第二配准图像中的所述特征点与所述参考图像中的所述参考特征点对齐。可以从参考图像中减去第三配准图像以获得减影图像。所述减影图像可以包括所述特征点或所述结构体。

在一些实施例中，所述第一配准可以是基于互信息或均方误差的优化在一些实施例中，所述第一配准的优化方法可以基于下降单纯形方法。

在一些实施例中，所述第二配准可以基于自由形状变形模型变换。在一些实施例中，所述第二配准可以是基于互信息或均方差的优化。在一些实施例中，所述第二配准可以基于l-bfgs法。

在一些实施例中，所述第三配准可以基于demons模型的变换。在一些实施例中，所述第三配准可以是基于互信息或均方差的优化。在一些实施例中，所述第三配准可以基于l-bfgs法。

在一些实施例中，所述第一图像和所述第二图像是在不同时间获取的。

在一些实施例中，所述第一图像、所述第二图像和所述减影图像可以显示在同一显示装置上。它们中的一个或多个可以显示在一行或一列中。

在一些实施例中，所述参考图像中的所述参考特征点和所述第二图像中的所述特征点可以被显示在所述减影图像中。

在一些实施例中，所述减影图像可以和所述参考图像融合，以示出所述参考图像和所述第二图像之间在所述参考特征点和/或所述参考结构体上的变化。仅作为示例，医生可以通过观察参考特征点和特征点之间的差异来确定参考特征点(例如病变)是否已经改变。这类信息可以为医生诊断和/或改善或修改治疗计划提供指导。

在一些实施例中，除了包括一系列的图像配准外，所述方法可以还包括在减影图像中的感兴趣区域内识别在第二图像中的结构体，以及量化在所述感兴趣区域的病理变化。

在本发明的再一个方面，提供一种图像处理系统。所述图像系统可以包括获取模块和图像处理模块。所述获取模块可以获取第一图像和第二图像。所述图像处理模块可以指定所述第一图像为参考图像。所述图像处理模块可以指定所述第二图像为浮动图像。所述图像处理模块可以基于所述参考图像和所述浮动图像来执行图像配准，以及基于所述图像配准和所述参考图像来执行图像减法，以获得时间减影图像。

在一些实施例中，所述图像处理模块可以包括执行病变检测和病变测量的后处理单元。在一些实施例中，所述图像处理模块可以包括控制单元，所述控制单元控制一系列配准的性能。

在一些实施例中，所述成像系统可以包括计算机断层扫描(ct)系统、数字射线照相(dr)系统、计算断层扫描-正电子发射断层扫描(ct-pet)系统、计算机断层扫描-磁共振成像(ct-mri)系统、x射线安检系统或x射线异物检测系统等，或其任意组合。

附加的特征将有一部分在以下描述中阐述，且有一部分在本领域技术人员查阅了以下描述和附图后变得显而易见，或可通过示例的生产或操作来获知附加的特征。可通过以下讨论的详细示例中所阐述的方法、手段、和组合的各个方面的实践或使用，来实现和达到本申请的特征。

附图说明

在此所述的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的限定。在各图中，相同标号表示相同部件。

图1示出根据本申请的一些实施例的图像处理系统的示意图。

图2为根据本申请的一些实施例的图像处理的示意性流程图。

图3示出根据本申请的一些实施例的处理模块的示意图。

图4是根据本申请的一些实施例描述图像配准处理的示意性流程图。

图5是根据本申请的一些实施例描述图像处理过程的示意性流程图。

图6是根据本申请的一些实施例的图像配准单元的示意图。

图7是根据本申请的一些实施例描述执行配准的过程的示意性流程图。

图8a到图8c示出通过执行如图7所示的配准而获得的多个示意性图像。

图9是根据本申请的一些实施例描述执行配准的过程的示意性流程图。

图10a到图10d示出通过执行如图9所示的配准而获得的多个示意性图像。

图11是根据本申请的一些实施例描述执行配准的过程的示意性流程图。

图12a到图12d示出通过执行如图11所示的配准而获得的多个示意性图像。

图13是根据本申请的一些实施例描述执行一系列配准的过程的示意性流程图。

图14a-14f示出根据本申请的一些实施例基于图像配准而生成的六个ct图像。

图15a-15f示出根据本申请的一些实施例基于图像配准而生成的六个x光图像。

具体实施方式

为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。应当理解，给出这些示例性实施例仅是为了使相关领域的技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。

可以理解的是，本申请中的“模块”、“引擎”、“单元”、“组件”或“系统”仅用于区分不同的组件、成分、部分的分布次序。然而，这里所使用的术语仅用于描述特定方面，并不对此加以限制。

不同系统、模块或单元之间的连接、耦合可表示直接电气连接或直接电气耦合，以用于不同模块之间的信息传递，还可采用无线通信同时进行相互之间的信息传递。本说明书中的“和/或”表示两者之一或者两者的结合。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。还应当理解，本申请中的“重构”和“重建”都表示从数据到图像的相同或相近的处理过程。

虽然本申请对根据本申请的实施例的系统中的某些系统、模块或单元做出了各种引用，然而，任何数量的不同模块可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。

在一些实施例中，医学成像系统可能以在各种模式下操作，包括但不限于，数字减影血管造影(dsa)、磁共振成像(mri)、磁共振血管造影(mra)、计算机断层扫描(ct)、数字x射线造影(dr)，计算机断层扫描血管造影(cta)、超声波扫描(us)、正电子发射断层扫描术(pet)、单光子发射断层扫描(spect)、ct-mr、ctpet、ce-spect、dsa-mr、pet-mr、pet-us、spect-us、经颅磁刺激(tms-mr)系统、us-ct、us-mr、x-ray-ct、x光-mr、x光-us、电子ct、电子us，或类似的任何组合。可以理解的，以下描述中提供的与医学图像处理示意图仅是示例性描述，而不是为了限制目前披露的范围。图像处理可以用于医学治疗或诊断以外的目的。例如，图像处理可能用于检测结构中的损伤或随着时间的推移的变化，或者在材料上的非均匀性，等。

具有辐射的医学成像系统可发射粒子射线、光子射线，或类似的组合。粒子可能包括中子、质子、电子、μ-meson、重离子，或类似的组合。光子束可能包括x射线、γ射线、α射线、β射线、紫外线、激光，或类似的组合。在一些实施例中，图像配准可以配准ct图像。例如，通过扫描病人的肺部区域得到的各种ct图像可被处理或者形变，或者用于检查病人的肺部区域的状态。在一些实施例中，图像配准图像可适用于dr图像的配准。例如，各种dr图像可展示病人大脑区域在一段时间的形变，还可包括融合处理。

在一些实施例中，对象可能是人、动物、器官、纹理、区域、病变、肿瘤，或类似的组合。示例性地，对象可包括头、乳房、肺、气管、胸膜、纵隔、腹部、小肠、膀胱、胆囊、盆腔、脊柱、四肢、骨骼、血管，或类似的组合。在一些实施例中，医学图像可能包含2d图像和/或3d图像。在一些一些实施例中，3d图像可能包括一系列2d图像或2d切片层。

为了说明的目的，提供以下描述以帮助更好地理解图像处理。应当理解，这并不意图限制本申请的范围。对于本领域普通技术人员而言，可以在本申请的教导下演绎得到一定数量的变化、变形和/或修改。然而，那些变化、变形和/或修改并不脱离本申请的范围。

本申请涉及医学图像处理。具体地，本申请涉及用于图像配准的系统和方法。图像配准可以用于遥感、多光谱分类、环境监测、图像拼接、天气预报、超分辨率图像重建。图像配准也可广泛用于医学中诊断和治疗患者，例如组合计算机断层扫描(ct)和核磁共振(nmr)数据，以获得关于例如患者、对象、天气等的更完整的信息或其变化。图像配准也可用于制图(地图更新)和计算机视觉(目标定位、自动质量控制)。如本申请中所说明的图像配准过程可以是完全自动的，以实现时间减影图像和/或融合图像的自动生成。图像配准过程可以嵌入到计算机辅助的和自动化的医学诊断和治疗系统中。

图1示出根据本申请的一些实施例的图像处理系统的示意图。如图1所示，图像处理系统可以包括获取模块110、处理模块120、存储模块130、输出模块140、网络150和服务器160。不同单元之间的连接可以是有线或无线的。有线连接可以包括使用金属电缆、光缆、混合电缆、接口等，或其任意组合。无线连接可包括使用局域网(lan)、广域网(wan)、蓝牙、紫蜂、近场通信(nfc)等，或其任意组合。

获取模块110可以获取和/或发送与图像处理有关的信息。该信息可以从处理模块120、存储模块130、输出模块140、网络150、服务器160等，或其任意组合获取。该信息可以包括诸如数字、文本、图像、语音、力、模型、算法、软件、程序等，或其任意组合的数据。例如，该信息可以包括关于对象、操作者、设备、指令等，或其任意组合的信息。本文所用的对象可以指人类、动物、器官、纹理(texture)、区域、病变、肿瘤等，或其任意组合。在一些实施例中，对象可包括物质、组织、样本、身体等，或者其任意组合。对象可包括头、胸、肺、胸膜、纵膈、腹、大肠、小肠、膀胱、胆囊、三焦、盆腔、骨干、四肢、骨架、血管等，或者其任意组合。关于对象的示例性信息可以包括种族、国籍、宗教、性别、年龄、婚姻、身高、体重、病史、工作、个人习惯、待检查的器官或组织等，或其任何组合。与操作者有关的示例性信息可以包括操作者的部门、头衔、先前经验、证书、操作历史等，或其任意组合。与设备相关的示例性信息可以包括图像处理系统的：操作状态、医学成像系统的序列号、操作日期等，或其任意组合。关于指令的示例性信息可以包括图像处理系统的：控制命令、诸如用于选择图像的命令的操作命令等，或其任意组合。仅作为示例，用于选择图像的命令可以是用于选择一个或多个图像以便评估图像变化的指令。

处理模块120可以处理从以下不同模块或单元接收的不同种类的信息：获取模块110、存储模块130、输出模块140、网络150、服务器160或可能生成信息的其他模块或单元。处理模块120可以处理来自获取模块110的数据，以生成被检查对象的ct图像。

处理模块120可以执行预处理、图像配准、图像减影和后处理等，或其任意组合。在一些实施例中，预处理可以包括图像归一化、图像分割、图像重建、图像平滑、抑制、削弱和/或去除细节、突变、噪声等，或其任意组合。在一些实施例中，图像配准可以包括一系列配准。在一些实施例中，后处理可以包括疾病检测、疾病测量、图像显示、图像存储管理、其他2d和/或3d后处理技术等，或其任意组合。仅作为示例，在图像减法之后获得的图像可能包含噪声，该噪声可以在后处理中被处理。

处理模块120可以将信息从存储模块130传送到可由处理模块120识别、理解或执行的特定形式，并且它可处理来自获取模块110的信息以从存储模块130取回数据从获取模块110到输出模块140的信息可以由存储模块130首先进行处理，以便它可被处理模块120识别、理解或执行。上文关于处理模块120的描述仅仅出于示例性的目的，不应该被理解为仅有的实施例，这些示例不限定本申请的保护范围。

在一些实施例中，处理模块120可以是中央处理单元(cpu)、专用集成电路(asic)、应用特定指令集处理器(asip)、图形处理单元(gpu)、物理处理单元(ppu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、可编程逻辑器件(pld)、控制器、微控制器单元、处理器、微处理器、arm等，或其任意组合。

存储模块130可以存储与图像处理有关的信息。在一些实施例中，存储模块130可以执行一些存储相关功能，例如数据合并和/或数据预处理。存储模块130可以从其他模块获取信息或输出到其他模块。仅作为示例，存储模块130可以从获取模块接收数据，然后在可能的预处理之后将其传送到处理模块。存储在存储模块130中的信息可以从外部资源获取或输出至外部资源，该外部资源可以是诸如软盘、硬盘、cd-rom、网络服务器、云服务器、无线终端等，或其任意组合。

存储模块130可以通过电、磁、光能或虚拟存储资源等方式存储信息。通过电能存储信息的存储模块可以包括随机存取存储器(ram)、只读存储器rom)、闪存等，或其任意组合。通过磁能存储信息的存储模块可以包括硬盘、软盘、磁带、磁芯存储器、磁泡存储器、usb闪存驱动器等，或其任意组合。通过光能存储信息的存储模块可以包括cd(压缩盘)、vcd(视频光盘)等，或其任意组合。通过虚拟存储资源存储信息的存储模块可以包括云存储、虚拟专用网络和/或其他虚拟存储资源。存储信息的方法可以包括顺序存储、链接存储、哈希存储、索引存储等，或其任意组合。

输出模块140可以输出与图像处理相关的信息和/或数据。例如，输出模块140可以显示从获取模块110和/或存储模块130获取的图像，输出模块140可以显示和/或输出由处理模块120处理的图像。输出模块140可以包括或者与个人计算机、台式计算机、个人数字助理、体感设备、移动电话、屏幕、监视器、打印机等，或其任意组合进行通信。输出模块140可以与一个或多个外部设备连接。外部设备可以包括鼠标、键盘、遥控单元、传感器等，或其任意组合。

网络150可以建立获取模块110、处理模块120、存储模块130、输出模块140和服务器160中的任何两个之间的连接，以彼此通信。网络150可以是单个网络、或不同网络的组合。例如，网络150可以是局域网(lan)、广域网(wan)、公共网络、专用网络、专有网络、公共电话交换网络(pstn)、因特网、无线网络、虚拟网络等，或其任意组合。

服务器160可以存储和/或实现与图像处理有关的一些信息和一些图像处理算法。服务器160可以是云服务器。仅作为示例，服务器160可以在可提供存储容量、计算能力等、或其组合的云服务器中实现。

应当注意，关于图像处理系统的上述描述仅仅是一个例子，不应被理解为唯一的实施例。明显地，对于本领域技术人员而言，理解不同模块之间连接的基本原理之后，可以在不背离原理的情况下修改或者改变这些模块以及这些模块之间的连接。修改和变化仍然是在上文描述的当前公开的范围之内。在一些实施例中，这些模块是独立的，而在一些实施例中，这些模块的一部分可以被集成到一个模块以共同工作。仅作为示例，一些信息可以存储在服务器160中，图像处理的一些步骤可以由服务器160执行，获取模块110和输出模块130的功能可以在一个模块中执行，通过获取模块110所接收的信息可以来自服务器160。

图2为根据本申请的一些实施例的图像处理的示意性流程图。在步骤201中，可以获取对象/物体的至少两个图像。这些图像可以经由获取模块110获得。这些图像可以在不同的时间生成。例如，可以在对象的肺癌早期阶段生成至少一个图像，并且可以在同一对象的肺癌晚期阶段产生至少一个图像。这两个图像可以是单模态图像。这些图像可以由相同的单模成像装置或相同的多模成像装置获得。这些图像可以通过不同的单模成像装置获得。例如，这些图像可以由数字减影血管造影术(dsa)、磁共振成像(mri)、磁共振血管造影术(mra)、计算机断层扫描(ct)、数字射线照相术(dr)、计算机断层扫描血管造影术(cta)、超声波扫描(us)、正电子发射断层扫描(pet)、单光子发射计算机断层扫描(spect)、ct-mr、ct-pet、ce-spect、dsa-mr、pet-mr、pet-us、spect-us、tms(经颅磁刺激)-mr，us-ct、us-mr、x射线ct、x射线-mr、x射线门、x射线-us，video-ct，vide-us等，或其任意组合。在一些实施例中，这些图像可以是一个对象在不同时间和/或不同医院生成的两个ct图像。仅作为示例，这些图像可以包括一个对象在不同时间和/或使用不同成像装置的不同医院拍摄的两个dr图像。这些成像装置可以是相同类型或不同类型的。其中一个图像可以被设置为参考图像。如本文所使用的，参考图像可以指在早期时间点获取的图像。例如，参考图像可以是早期在肺癌的初始阶段的对象的图像，显示对象的状态以及肺部区域内的病变或结节的分布。如本文所使用的，浮动图像或动态图像可以指与参考图像相同或相似的区域的图像。浮动图像可以是在与参考图像不同的时间获取的。例如，对象的浮动图像可以显示同一对象的相同或相似的肺区域在后一时间的状态，例如肺部区域内的病变或结节的分布或密度。

在步骤202中，可以对对象的两个图像进行预处理。预处理过程可以由获取模块110执行。作为替代，预处理过程可以由处理模块120执行。在一些实施例中，预处理可以包括在医学图像中识别肋区域的方式。例如，可以首先获得呈现肺部区域的医学图像。例如，在中国申请号为201310170102.3的专利申请文件中的方法，该方法公开了将肺部区域从图像中分割出来。可以对医学图像执行预处理以定位图像中的肺部区域内的肋。预处理可以基于霍夫模板(houghtemplate)来执行。霍夫模板可以用于在肺部区域内的肋的下边界部分上执行霍夫变换。基于霍夫模板的重心值，可以确定基本上最佳的霍夫模板。对应于基本上最佳的霍夫模板的肋的下边界部分可以被提取，并且被平滑以用作图像的基线模板。使用基线模板，可以在肺部区域内的肋的下边界部分执行广义霍夫变换，以提供初始定位。然后可以执行双向动态规划算法来分割肋的上边界和下边界，并将分割结果返传到图像，以便分离肺部区域内的肋。在一些实施例中，预处理可以包括图像归一化、图像分割、图像识别、图像重建、图像平滑、抑制、削弱和/或去除细节、噪声等，或其任意组合。

图像分割可以指将数字图像分割成多个片段的过程。在一些实施例中，分割的方法可以包括阈值分割、区域增长分割、区域分割和/或合并分割、边缘跟踪分割、统计模式识别、c均值聚类分割、可变形模型分割、图形搜索分割、神经网络分割、测地最小路径分割、目标跟踪分割、基于图集的分割、基于规则的分割、耦合表面分割、基于模型的分割、可变形生物分割等，或其任意组合。在一些实施例中，分割方法可以在手动模式、半自动模式或自动模式中执行。这三种模式可以允许用户或操作者以各种程度来控制图像处理。在手动模式的一些实施例中，分割的参数可以由用户或操作者确定。示例性参数可以包括阈值水平、均匀性标准、函数、方程、算法、模型等，或其任意组合。在自动模式的一些实施例中，分割可以与有关期望对象的一些信息结合，该信息可以包括例如先验信息、优化方法、专家定义规则、模型等，或其任意组合。信息也可以通过培训或自学习来更新。在半自动模式的一些实施例中，用户或操作者可以在一定程度上监督分割过程。

图像平滑可以指以数字方式去除噪声并提高图像质量的过程。图像平滑的处理可以在空间域和/或频域中进行。在一些实施例中，空间域中的平滑可以包括直接处理图像像素和/或体素。在频域中的平滑可以包括首先处理从图像获取的变换值，然后将变换值逆变换到空间域。示例性图像平滑可以包括中值平滑、高斯平滑、平均平滑、归一化平滑、双边平滑等，或其任意组合。

在步骤203中，可以对浮动图像执行一系列图像配准以获得用于与参考图像进行比较的一个或多个所需目标图像。在一些实施例中，可以在浮动图像或由其产生的图像(例如，本申请中别处描述的辅助图像)上顺序地执行一系列粗配准、精细配准和超精细配准。图像配准可以包括空间变换组的选择、成本函数和优化方法的指定。空间变换组可以描述在浮动图像上执行的特定空间变换。在一些实施例中，空间变换组可以是一组变换(translations)。在一些实施例中，空间变换组可以是一组刚性移动。在一些实施例中，空间变换组可以是一组仿射变换。空间变换组也可以基于弹性模型或流体模型。

可以使用成本函数来测量两个图像之间的差异。在一些实施例中，成本函数可以是这两个图像之间的互信息(mutualinformation，mi)或相对熵。基于信息理论，互信息可以表示一个图像可能包含关于第二图像的信息量。互信息可以通过以最佳方式对准这两个图像来最大化。为了说明的目的，第一图像a和第二图像b之间的互信息可以表示为下面的方程(1)：

csimilarity(a,b)＝h(a)+h(b)-h(a,b)，(1)

其中，h(a)和h(b)可以表示a、b的边际熵，并且h(a,b)可以表示从a和b的联合直方图计算得到的它们的联合熵。

在一些实施例中，成本函数可以是这两个图像之间的归一化互信息(nmi)。归一化互信息可以使用根据方程(2)的图像熵来计算：

其中，h(a)和h(b)可以表示a、b的边际熵，并且h(a,b)可以表示从a和b的联合直方图计算得到的它们的联合熵。

在一些实施例中，成本函数可以是这两个图像之间的均方差(mse)。在一些实施例中，这两个图像之间的互相关可以被指定为成本函数。在一些实施例中，成本函数可以是这两个图像之间的平方强度差之和。

应当注意，以上成本函数的描述是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的保护范围。例如，成本函数可以是混合nmi(hybrid-nmi)。

在步骤203中，可以基于所选择的成本函数和空间变换组的性质来选择优化方法。在一些实施例中，成本函数的优化可以涉及多个参数。例如，对于基于b样条的自由形变(ffd)算法，控制节点为10×10×10，描述自由度的参数可以达到13×13×13＝2197。优化的复杂性可以取决于网格的大小，即控制节点之间的距离，因为小的网格尺寸可能涉及大量的计算。优化方法可以包括powell方法、下降单纯形法、梯度下降法、最深梯度下降法、共轭梯度法、拟牛顿法、准牛顿法、最小二乘和高斯牛顿法、broyden-fletcher-goldfarb-shanno(bfgs)法、有限存储broyden-fletcher-goldfarb-shanno(l-bfgs)法、模拟退火法、蚁群优化法(aco)方法、遗传算法(ga)、levenberg-marquardt优化方法、几何散列法、粒子群优化(pso)法、萤火虫算法(fa)等，或其组合。

在步骤204中，可以执行后处理。在一些实施例中，可以对来自步骤203的结果图像执行后处理的过程。减影图像可以通过从参考图像中减去浮动图像或与浮动图像相关的图像(例如，本申请的其他地方描述的辅助图像)来生成。在一些实施例中，浮动图像可以包括与参考图像相同或相似的区域。在一些实施例中，浮动图像可以是在一个不同时间获取的。通过减去在与参考图像不同的时间获取的浮动图像而获得的减影图像可以被称为时间减影图像。时间减影图像可以显示变换图像和参考图像之间的差异。在一些实施例中，减影图像(例如，时间减影图像)可以与参考图像组合以提供融合图像。可以进一步处理融合图像和/或参考图像以及其它相关图像(例如，一个或多个浮动图像)以指定感兴趣的区域。感兴趣区域的大小可以被计算，并且感兴趣区域的位置可以被标记以备将来使用。在一些实施例中，时间减影图像和/或融合图像可以被提供给显示装置以进行显示。后处理可以包括疾病检测、疾病测量、图像显示、图像存储管理、其他2d和/或3d后处理技术等，或其任意组合。仅作为示例，在图像减法之后获得的图像可能包含噪声，该噪声可以在后处理中被处理。

应当注意，以上描述的流程是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的范围。例如，步骤201、步骤202、步骤203和步骤204可以与上述图2中描述的顺序不同的顺序执行。步骤201、步骤202、步骤203和步骤204中的至少两个步骤可以同时被执行。步骤201、步骤202、步骤203和步骤204可以合并为单个步骤或分成多个步骤。此外，可以在执行步骤201、步骤202、步骤203和步骤204之前或之后执行一个或多个其他操作。步骤201、步骤202、步骤203和步骤204中的至少一个可以是不必要的，并且可以省略。

图3示出根据本申请的一些实施例的处理模块的示意图。如图3所示，处理模块可以包括预处理单元310、控制单元320、配准单元330、存储单元340和后处理单元350。不同单元之间可以经由有线连接或无线连接进行通信或数据交换。有线连接可以包括使用金属电缆、光缆、混合电缆、接口等，或其任意组合。无线连接可包括使用局域网(lan)、广域网(wan)、蓝牙、紫蜂、近场通信(nfc)等，或其任意组合。

预处理单元310可以获取和/或发送与图像处理有关的信息。该信息可以从控制单元320、配准单元330、存储单元340或后处理单元350等，或其任意组合获取。该信息可以包括诸如数字、文本、图像、语音、力、模型、算法、软件、程序等，或其任意组合的数据。例如，该信息可以包括关于如本申请在其它部分描述的对象、操作者、设备、指令等，或其任意组合的信息。

控制单元320可以协调图像配准的执行。控制单元320可从预处理单元310获取与对象、操作者、设备和指令等有关的信息，和/或转发与对象、操作者、设备和指令等有关的信息到预处理单元310。控制单元320可以将所获得的信息的至少一部分转发到配准单元330。例如，可以将不同时间的对象的不同图像转发到配准单元330进行处理。控制单元320可以确定要对图像执行的配准类型。例如，控制单元320可以确定空间变换组、成本函数的选择和优化方法。在一些实施例中，控制单元320可以确定要执行的粗配准的类型(参见下面的粗配准的详细描述)。仅作为示例，粗配准可以包括一组仿射变换，以及图像之间的归一化互信息的成本函数，以及下降单纯形方法的优化方法。

配准单元330可以对所获得的图像执行特定图像配准。图像配准的类型可以由控制单元320选择。替代地，图像配准的类型可以由配准单元330选择。基于所选择的图像配准，配准单元330可以通过为图像设置适当的网格尺寸并选择空间变换中涉及的参数来选择相应的空间变换。配准单元330可以确定所选成本函数和优化方法的求解器的类型。求解器可以是矩阵求解器。在一些实施例中，求解器可以是普通微分方程(ode)求解器。在一些实施例中，求解器可以是偏微分方程(pde)求解器。例如，当涉及用于建模非刚性网格的偏移的弹性模型或流体模型时，可以选择pde求解器。

存储单元340可以存储与图像处理有关的信息。在一些实施例中，存储单元340可以存储与图像配准有关的算法。例如，算法可以包括与粗配准相关的算法、与精细配准相关的算法、与超精细配准相关的算法。

存储单元340可以从其他模块获取信息或向其提供信息。仅作为示例，一些信息可以从外部源获取或输出至外部源，外部源例如是软盘、硬盘、无线终端等、或其任意组合。

存储单元340可以通过电、磁、光能或虚拟存储资源等方式存储信息。通过电能存储信息的存储模块可以包括随机存取存储器(ram)、只读存储器(rom)等，或其任意组合。通过磁能存储信息的存储模块可以包括硬盘、软盘、磁带、磁芯存储器、磁泡存储器、usb闪存驱动器等，或其任意组合。通过光能存储信息的存储模块可以包括cd(压缩盘)、vcd(视频光盘)等，或其任意组合。通过虚拟存储资源存储信息的存储模块可以包括云存储、虚拟专用网络和/或其他虚拟存储资源。存储信息的方法可以包括顺序存储、链接存储、哈希存储、索引存储等，或其任意组合。

后处理单元350可以执行后处理。后处理可以包括疾病检测、疾病测量、图像显示、图像存储管理、其他2d和/或3d后处理技术等，或其任意组合。仅作为示例，在图像减法之后获得的图像可能包含噪声，该噪声可能在后处理中被处理。图像的显示可以由后处理单元350提供。

应当注意，以上图像处理模块的描述是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的保护范围。例如，由预处理单元310获取的数据可以被发送到存储单元340和/或配准单元330。控制单元320可以与存储单元340组合以用作单个操作单元。图4是根据本申请的一些实施例描述图像配准的方法的示意性流程图。在步骤401中，可以确定用于图像配准的模型。图像配准模型可以指定空间变换组。例如，三维仿射变换可以采用以下形式：

其中(x'，y'，z')可以是变换后体素的坐标，(x，y，z)可以是变换之前的体素的坐标。系数a11、a12、a13、a21、a22、a23、a31、a32、a33、tx、ty、tz可以是要被优化的参数。在另一示例中，空间变换可以基于b样条变换模型，其中b样条函数描述如下：

其中

b0(u)＝(1-u)³/6，(8)

b1(u)＝(3u³-6u²+4)/6，(9)

b2(u)＝(-3u³+3u²+3u+1)/6，(10)

b3(u)＝u³/6，(11)

以及

可以是控制点的系数，并且，dx，dy，dz可以分别给出控制点沿x方向，y方向和z方向的偏移。控制点的集合给出了b样条变换的框架，因此控制点沿着x方向，y方向和z方向的移动给出了在配准期间要被优化的参数。

在一些其它实施例中，空间变换可以基于局部变形场的建模。例如，如果图像配准过程可以基于变形场的图像力(imageforce)和高斯调节，例如demons方法(demonsmethod)。demons方法的变换模型可以是局部位移场，即，在每个像素x处，变形可以通过位移矢量u[x]来描述，使得t[x])＝x+u[x]。demons法可以迭代地更新位移场u。在每个步骤中，位移场可以通过将图像力场方向上的增量与前一步骤的位移场相加来更新。

在一些实施例中，demons方法可以被用作空间变换组的模型。具体地，体素沿x方向、y方向和z方向的运动可以分别由参考图像的灰度级的梯度来确定：

在这里，对于体素p，f＝f(p)是参考图像中在p处的灰度级，m＝m(p)是辅助图像中在p处的灰度级。和分别是函数m(p)和f(p)的梯度。

在步骤402中，可以确定相似性度量。在一些实施例中，相似性度量可以基于空间变换的模型来确定。例如，对于由仿射变换给出的空间变换，相似性度量可以是包括参考图像和浮动图像的多个图像之间的互信息。在一些实施例中，相似性度量可以是这些图像之间的归一化互信息。在一些实施例中，相似性度量可以是这些图像之间的混合归一化的互信息。在一些实施例中，相似性度量可以是互相关、均方误差、梯度互相关、梯度差和两个图像之间的平方强度差之和等，或其组合。

在步骤403中，可以确定优化方法。优化方法的确定可以取决于空间变换和/或相似性度量。这里考虑的优化方法可以包括鲍威尔方法(powellmethod)、下降单纯形法、梯度下降法、最深梯度下降法、共轭梯度法、拟牛顿法、准牛顿法、最小二乘和高斯牛顿法、broyden-fletcher-goldfarb-shanno(bfgs)法、有限存储broyden-fletcher-goldfarb-shanno(l-bfgs)法、模拟退火法、蚁群优化法(aco)方法、遗传算法(ga)、levenberg-marquardt优化方法、几何散列法、粒子群优化(pso)法、萤火虫算法(fa)法等，或其组合。

例如，l-bfgs方法可以被实现为优化方法。有限存储bfgs(l-bfgs)方法在其实现方面可以与bfgs方法基本相似。差异可能在于矩阵更新方法。bfgs校正可以被单独存储，并且当可用存储用完时，可以删除最旧的校正以为新的校正腾出空间。所有后续迭代可以是这种形式，即删除一个校正并插入新的校正。

另一个例子，下降单纯形法可以被实现为优化方法。下降单纯形法可能仅需要函数求值，而不需要求导。在n维空间中，单纯形是具有n+1个顶点的多面体。可以选择n+1个点，并且可以在下降单纯形方法的实现中定义初始单纯形。下降单纯形法可以通过反射、扩展、一维收缩和多次收缩的操作来迭代地更新最差点。为了说明的目的，反射可能涉及将单纯形(其中目标函数的值最高)的最差点(顶点)移动到通过剩余的n个点反射的点。如果这一点比以前的最佳点好，那么该方法可以尝试扩展单纯形，此操作可以称为扩展。另一方面，如果新点不比上一点更好，则单纯形可以从最高点沿着一个维度收缩，此操作可以被称为收缩。此外，如果新点比以前的多个点差，单纯形可以沿着所有维度收缩到最佳点并且沿着山谷(valley)下降。通过重复这一系列操作，该方法可以找到最优解。

应当注意，以上图像处理模块的描述是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的保护范围。

图5是根据本申请的一些实施例描述图像处理的方法的示意性流程图。对象的两个图像可以被输入以进行一系列图像配准。在步骤501中，第一配准可以在该两个图像上执行。该第一配准可以是粗配准。该第一配准可以基于空间变换。两个图像中的一个可以被称为参考图像，另一个可以被称为浮动图像。第一配准可以指定要对浮动图像执行的特定空间变换组。在一些实施例中，空间变换组可以是一组变换(translations)。该组变换可以对应于方程(3)的情形，其中系数a12、a13、a21、a23、a31和a32可以设定为0，a11、a22和a33可以设定为1。在一些实施例中，空间变换组可以是一组刚性移动。该组刚性移动可以对应于等式(3)的情形，其中矩阵

可以是正交矩阵，即aat＝i，其中

可以是单位矩阵，并且at可以是矩阵a的转置。在一些实施例中，空间变换组可以是一组仿射变换。

要被应用于浮动图像的特定空间变换的选择可以取决于相似性度量的选择，或者称为成本函数。为了测量图像之间的相似性/差异，可以通过多种方式设置成本函数。在一些实施例中，成本函数可以作为互信息给出。基于信息理论，互信息可以表示一个图像可能包含关于第二图像的信息量。互信息可以通过以最佳方式对准这两个图像来最大化。在一些实施例中，成本函数可以作为均方误差给出。在一些实施例中，成本函数可以作为相对熵给出。在一些实施例中，成本函数可以作为梯度相对熵给出。

可以使用优化方法来找到给定成本函数的期望空间变换。作为示例，空间变换组可以包括一组仿射变换。该成本函数可以是互信息或归一化互信息。优化方法可以是下降单纯形法。作为另一示例，空间变换组可以包括一组刚性移动。成本函数可以是相对熵。优化方法可以是鲍威尔方法。通过对浮动图像执行粗配准，可获得中间图像。参考图像、浮动图像和中间图像这三个图像中的一个或多个，可以被提供给步骤502。

在步骤502中，可以对从步骤501输入的至少两个图像执行第二配准。该第二配准可以在第一配准的基础上来执行。该第二配准可以是精细配准。两个图像中的一个图像可以是参考图像，另一个图像可以是中间图像。在一些实施例中，另一图像可以是中间图像和浮动图像的组合。第二配准可以指定参考图像中的感兴趣区域(roi)。在一些实施例中，感兴趣区域作为特征点被提供。可以选择指定了特征点偏移的特定空间变换组。在一些实施例中，可以使用自由形变(ffd)。例如，三阶b样条模型可以用作空间变换组的模型。具体地，体素沿x方向、y方向和z方向的偏移量可以表示为与根据方程(4)-(12)的体素相邻的4×4×4个控制点的偏移的b样条函数。

在设置用于第二配准的空间变换组的模型之后，可以确定相似性度量，或称为成本函数。为了测量图像之间的相似性/差异，可以通过多种方式设置成本函数。在一些实施例中，成本函数可以作为互信息给出。基于信息理论，互信息表示一个图像可能包含关于这第二图像的信息量。互信息可以通过以最佳方式对准这两个图像来最大化。在一些实施例中，成本函数可以作为均方误差给出。在一些实施例中，成本函数可以作为相对熵给出。在一些实施例中，成本函数可以作为梯度相对熵给出。

可以使用优化方法来找到给定成本函数的期望空间变换。在一些实施例中，空间变换组可以作为基于b样条变换的自由形变组给出。该成本函数可以是互信息或归一化互信息。优化方法可能是有限存储broyden-fletcher-goldfarb-shannon(l-bfgs)方法。

在一些实施方案中，优化方法可以是broyden-fletcher-goldfarb-shannon(bfgs)方法。通过对中间图像执第二配准，可获得辅助图像。参考图像、中间图像和辅助图像这三个图像中的一个或所有，可以被输出给步骤503。

在步骤503中，可以对从步骤502输入的至少两个图像执行第三配准。该第三配准可以在第一配准和/或第二配准的基础上来执行。该第三配准可以是超精细配准。两个图像中的一个图像可以是参考图像，另一个图像可以是辅助图像。在一些实施例中，另一图像可以是辅助图像和中间图像或浮动图像的组合。第三配准可以指定辅助图像中的特征点和/或结构体。特征点可以是图像内指示图像特征的点。例如，特征点可以是具有最高灰度级的点。对于另一示例，特征点可以是指定肋的定位的点。结构体可以是特征点的形成物。例如，在肺部区域内的肋骨展现可以是结构体。另一个例子，血管可以是结构体。在一些实施例中，结构体可以通过部分地利用特征点来形成。可以选择指定了特征点偏移的特定空间变换组。在一些实施例中，可以使用基于灰度级的非刚性配准模型。例如，demons方法可以被用作空间变换组的模型。具体地，体素沿x方向、y方向和z方向的移动可以分别由参考图像的灰度级的梯度来确定，这已在方程(15)中描述。

在设置用于第三配准的空间变换组的模型之后，可以确定相似性度量，或称为成本函数。为了度量图像之间的相似性/差异，可以通过多种方式设置成本函数。在一些实施例中，成本函数可以作为互信息给出。在一些实施例中，成本函数可以作为均方误差给出。在一些实施例中，成本函数可以作为相对熵给出。在一些实施例中，成本函数可以作为梯度相对熵给出。

可以使用优化方法来找到给定成本函数的期望空间变换。在一些实施例中，空间变换组可以作为基于非刚性变换的自由形变形组给出。成本函数可以是用于度量图像之间的相关性的互信息或归一化互信息。优化方法可能是有限存储broyden-fletcher-goldfarb-shannon(l-bfgs)方法。有限存储bfgs方法在其实现方面可以与bfgs方法基本相似。差异可能在于矩阵更新方法。bfgs校正可以被单独存储，并且当可用存储用完时，可以删除最旧的校正以为新的校正腾出空间。所有后续迭代可以是这种形式，即删除一个校正并插入新的校正。可替代地，优化方法可以是broyden-fletcher-goldfarb-shannon(bfgs)方法。

应当注意，以上描述的流程是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的范围。例如，步骤501、步骤502和步骤503可以与上述图5中描述的顺序不同的顺序执行。步骤501、步骤502和步骤503可以同时或选择地执行。步骤501、步骤502和步骤503可以合并为单个步骤或分成多个步骤。此外，可以在执行步骤501、步骤502和步骤503之前或之后执行一个或多个其他操作。

图6是根据本申请的一些实施例的配准单元330的示意性框图。配准单元330可以包括选择模块610、计算模块620和判断模块630。

选择模块610可以基于判断模块630来确定是否执行一系列的配准，以及哪个配准可以被执行。选择模块610可以基于从判断模块630发送的信息来确定要执行的配准模型、相似性度量、优化方法。

计算模块620可以执行由选择模块610和/或判断模块630确定的一系列配准。例如，计算模块620可以计算相似性度量和优化方法的参数，例如像素的灰度等级、控制点的索引、变换后体素的坐标、图像熵。

判断模块630可以基于参考图像、期望的浮动图像和图像处理系统的规格来判断是否对图像执行一系列的配准。判断模块630可以判断是否计算相似性度量或者优化方法的参数。

应当注意，以上图像处理模块的描述是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的保护范围。例如，计算模块620和判断模块630可以合并到一个模块中。

图7是根据本申请的一些实施例描述执行配准的算法的示意性流程图。该配准可以是粗配准。在步骤701中可以获得至少两个图像，一个图像可以是参考图像，另一个图像可以是浮动图像。在步骤702中，可以提取位于参考图像上的一个或多个特征点，也称为采样点。在步骤703中，可以根据下降单纯形法设定初始解的解空间。在使用三维仿射变换作为空间变换的示例性情况下，要确定的参数的数量可以不小于13。在步骤704中，可以根据涉及仿射变换的采样点和等式(4)来计算解空间中的每个解的互信息。在步骤705中，可以根据下降单纯形法的更新规则和解空间中的每个解的互信息来更新解空间。在步骤706中，可以检查下降单纯形法的收敛准则。如果满足收敛准则，则获得的解可以作为指示最佳仿射变换的最优解被输出到步骤707中。如果不满足收敛准则，则算法可以返回到步骤704。在步骤708中，可以通过对浮动图像执行最佳仿射变换来获得中间图像。

应当注意，对执行粗配准的流程图的以上描述仅仅是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的范围。

图9是根据本申请的一些实施例描述执行配准的算法的示意性流程图。该配准可以是精细配准。该配准可以基于在本申请的其他地方描述的配准来执行，例如，如图7所示的配准。在步骤901中可以获得至少两个图像，一个图像可以是参考图像，另一个图像可以是浮动图像。例如，浮动图像可以是从粗配准获得的中间图像。在步骤902中，可以提取位于参考图像上的特征点，也称为采样点。在步骤903中，可以根据l-bfgs方法和b样条变换模型设定初始解。在步骤904中，可以根据b样条变换的采样点和模型以及相对于优化变量的互信息的梯度来计算解空间中的每个解的互信息。在步骤905中，可以根据l-bfgs方法的更新规则和/或解空间中的每个解的互信息来更新解空间。在步骤906中，可以检查l-bfgs方法的收敛准则。如果满足收敛准则，则获得的解可以作为指示最佳b样条变换的最优解被输出到步骤907中。如果不满足收敛准则，则算法可以返回到步骤904。在步骤908中，可以通过对浮动图像执行最佳b样条变换来获得辅助图像。

应当注意，对与图9相关的执行配准算法的流程图的以上描述仅仅是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的范围。

图11是根据本申请的一些实施例描述执行配准的算法的示意性流程图。该配准可以是超精细配准。该配准可以基于在本申请的其他地方描述的配准来执行，例如，如图7所示的配准和/或图9所示的配准。在步骤1101中可以获得至少两个图像，一个图像可以是参考图像，另一个图像可以是浮动图像。例如，浮动图像可以是从精细配准获得的辅助图像。在步骤1102中，可以提取位于参考图像上的特征点，也称为采样点。特征点可以被选择为与参考图像的灰度级相关。例如，特征点可以被选择为ct图像的肺部区域中的许多次要血管的位置。在步骤1103中，可以根据l-bfgs方法和demons变换模型(demonstransformationmodel)设定初始解。在步骤1104中，可以根据采样点和demons变换的模型来计算解空间中的每个解的互信息。在步骤1105中，计算相对于优化变量的互信息的梯度。在步骤1106中，可以根据l-bfgs方法的更新规则和/或解空间中的每个解的互信息来更新解空间。在步骤1107中，可以检查l-bfgs方法的收敛准则。如果满足收敛准则，则获得的解可以作为挑选出最佳demons变换的最优解被输出到步骤1108中。如果不满足收敛准则，则算法可以返回到步骤1104。在步骤1108中，可以通过对浮动图像执行最佳demons变换来获得目标图像。

应当注意，对执行超精细配准算法的流程图的以上描述仅仅是为了说明的目的而提供的，而并非旨在限定本申请的范围。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的范围。

图13是根据本申请的一些实施例描述执行一系列配准的算法的示意性流程图。在步骤1301中可以获得至少两个图像，一个图像可以是参考图像，另一个图像可以是浮动图像。该两个图像可以是对象在不同阶段的两个医学图像。例如，这两个图像可以是一个患者在不同时间的两个ct图像。对于另一示例，这两个图像可以是患者在两个阶段的两个dr图像。在步骤1302中，可以对两个图像执行例如图像归一化、图像分割、图像识别、图像重建、图像平滑、抑制、削弱和/或去除细节、突变、噪声等，或其任意组合的预处理。在步骤1303中，可以执行两个图像的第一配准。例如，可以在这两个图像上执行粗配准以生成中间图像。参考图像、浮动图像和中间图像这三个图像可以被输出到步骤1304。在步骤1304中，可以在该三个图像上执行第二配准。例如，可以对参考图像和中间图像执行精细配准以产生作为输出图像的辅助图像。在步骤1305中，可以对参考图像和辅助图像执行第三配准以产生目标图像。在步骤1306中，可以通过从参考图像中减去目标图像来获得时间减影图像，从而示出新的病变的可能位置和/或减小的病变的可能位置。在步骤1307中，可以在时间减影图像上执行自动检测，以挑选出感兴趣区域以进一步处理。在步骤1308中，可以从整个过程期间生成的图像中产生数据的量化，例如病变的体积、感兴趣区域的密度、关于患者的对象信息、设备信息和指令信息。在一些实施例中，可以以经验或统计方式获得与医学图像的病变区域(或感兴趣区域)中的每个像素或体素相对应的体积。然后可以通过将病变区域中的像素或体素的数量乘以与每个像素或体素对应的特定体积来获得病变的总体积。在一些实施例中，可以以经验或统计方式获得医学图像的每个像素或体素中的病变区域(或感兴趣区域)的密度。然后可以计算对应于每个像素或体素的病变区域(或感兴趣区域)的质量。然后可以通过将病变区域中的所有像素或体素的质量相加来获得病变区域(或感兴趣区域)的总质量。在步骤1309中，可以将图像与相关数据一起输出到显示装置。

应当注意，对执行超精细配准算法的流程图的以上描述仅仅是为了说明的目的而提供的，而并非旨在限定本申请的范围。例如，可以在不同的阶段，以自动或手动的方式使用如图13所示的过程来获得一个对象的病变的大小和位置。在得到病变大小的差异和/或病变大小的变化率时，可以考虑对象的图像生成的时间。在一些实施例中，参考图像、浮动图像和减影图像可以在同一显示设备上一行显示。在一些实施例中，参考图像、浮动图像和减影图像可以在同一显示设备上一列显示。对于本领域普通技术人员而言，可在本申请的教导下进行各种变形和修改。然而，那些变形和修改并不脱离本申请的范围。

示例

以下示例是出于说明目的而提供的，且并不旨在限定本申请的范围。

示例1

图8a到图8c示出在如图7所示的粗配准处理后而获得的多个示意性图像。图8a是参考图像，图8b是浮动图像，图8c给出了参考图像和中间图像之间的时间减影图像。中间图像是通过对参考图像和浮动图像执行粗配准得到。

示例2

图10a到图10d示出在如图9所示的精细配准处理后而获得的多个示意性图像。图10a是参考图像，图10b是浮动图像，图10c给出了参考图像和中间图像之间的时间减影图像。中间图像是通过对参考图像和浮动图像执行粗配准得到。在肺部中的仍有许多阴影区域显示了血管。图10d给出了参考图像和辅助图像之间的时间减影图像。辅助图像是通过对参考图像和中间图像执行精细配准得到。

示例3

图12a到图12d示出在如图11所示的超精细配准处理后而获得的多个示意性图像。图12a是参考图像，图12b是浮动图像，图12d给出了参考图像和目标图像(或称之为辅助图像)之间的时间减影图像。目标图像是通过在浮动图像上执行超精细配准得到。肺部区域只有几个突出的阴影区域。图12c给出了参考图像和时间减影图像之间的融合图像。注意在图12c中的红点指定对应于在图12d中的特征点，其表示病变的变化。

示例4

图14a-14f示出了基于依如图13所示出的用于执行一系列配准的算法的图像配准而产生的六个ct图像。图14a、14b和图14d、14e分别是两组参考图像和浮动图像，其中图14c和14f是基于如在本申请中所描述的各种图像配准或其组合而生成的时间减影图像。

示例5

图15a-15f示出了基于依如图13所示出的用于执行一系列配准的算法的图像配准而产生的六个x光图像。图15a、15b和图15d、15e分别是两组参考图像和浮动图像，其中图15c和15f是基于如在本申请中所描述的各种图像配准或其组合而生成的时间减影图像。

示例6

使用本文所描述的图像配准来处理59个ct图像和232个dr图像。为了评估减影图像的质量，独立地使用五名放射科医师和五名物理学家的客观评价。然后根据客观评价生成了以下四分评级量表：

1差：大多数肋骨(或血管)未被良好地配准；

2可接受：大多数肋骨(或血管)配准良好，但有一些轻微的误配准错误；

3好：大多数肋骨(或血管)几乎完全配准，但有一些非常轻微的误配准；以及

4优：所有的肋骨(或血管)都被精确地配准。

根据多位观察者提供的评级的平均值(或多数)，对每种情况确定出上述四个类别之一的评级。总共291个数据图像的测试结果可以分为如上所述的四类：“优”，“好”，“可接受”和“差”。其中，229个结果是优，56个结果是好，2个结果是可接受，4个结果是差。大约97.9％的结果是优或好。

上述四个类别(或大多数)提供的评级是基于多个观察者的平均值。试验结果是将291张数据图像可为四类:“优秀”，“好”，“接受，”和“坏”。其中229张结果优秀，56的结果是好的，2张是可以接受的结果，4张的结果是坏的。大约97.9％的结果是优秀的或好的等级。

需要指出的是,上面描述的方法可能需要在电脑或控制器上实现或显示。上述方法还可以体现在包含指令的形式的计算机程序代码，这些代码可存储固定形式的媒体，如软盘、光盘驱动器cd-roms、硬盘驱动器,或任何其他计算机可读存储介质中。其中，当计算机程序代码存储在电脑或控制器、计算机中，这些也属于本申请所保护的范围内。本申请的内容也可以体现在计算机程序代码或信号，例如，无论是否存储在存储介质中、加载到和/或由计算机执行或控制；在媒介中传播，如在电线或电缆、光纤；或通过电磁辐射，当计算机程序代码加载到执行的计算机，该计算机属于本申请保护的范围。当在微处理器上实现时，计算机程序代码段配置成微处理器包含的特定的逻辑电路。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档、物件等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。