组织器官的配准方法、装置、计算机设备和存储介质与流程

1.本技术涉及医疗图像处理技术领域，特别是涉及一种组织器官的配准方法、装置、计算机设备和存储介质。


背景技术：

2.在进行胸腹部介入手术的过程中，一般术前诊断会进行ct增强扫描，可用于提供器官、血管及肿瘤等相关的解剖信息。由于临床条件的限制，术中一般只会进行ct平扫，由于环境和病人身体的影响，导致术中ct平扫图像相比于术前ct增强图像，图像中病人体内器官及组织发生偏移，所以术前获取的解剖信息无法在术中加以利用，给介入手术带来较大的难度和挑战。所以需要进行术前术中配准，将术前获得的解剖信息配准到术中，减少介入手术的难度和挑战。
3.传统的将术前ct增强图像配准到术中ct平扫图像的方法包括：提取术前ct增强图像的特征和术中ct平扫图像的特征，再将术前ct增强图像的特征和ct平扫图像的特征进行配准，以完成将术前ct增强图像上的特征配准到术中的ct平扫图像上。
4.但是，上述配准方法需要配准的两组数据信息对称，但介入手术术前ct增强图像有大量造影高亮信息，而术中ct平扫图像缺少这部分信息，使得在配准过程中，器官内部的细节信息，如血管、肿瘤等，配准结果较差，不能满足实际介入手术高准确性的需求。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够提高配准准确性的组织器官的配准方法、装置、计算机设备和存储介质。
6.第一方面，一种组织器官的配准方法，所述方法包括：
7.获取第一图像的第一处理图像和第二图像的第二处理图像；所述第一图像和所述第二图像中包含同一对象在不同时期的目标器官；
8.将所述第一处理图像中的目标器官和所述第二处理图像中的目标器官进行刚性配准，得到刚性配准结果；
9.将所述刚性配准结果中的目标器官和所述第二处理图像中的目标器官进行弹性配准，得到弹性配准结果；
10.根据所述刚性配准结果和所述弹性配准结果对所述第一图像进行处理，得到配准后的图像。
11.在其中一个实施例中，所述根据所述刚性配准结果和所述弹性配准结果对所述第一图像进行处理，得到配准后的图像，包括：
12.基于所述刚性配准结果中的目标器官构建所述目标器官的力学模型；
13.将所述弹性配准结果和所述刚性配准结果之差作为边界条件求解所述力学模型，得到所述目标器官内部各点的形变场；
14.根据所述刚性配准结果中的刚性变换矩阵和所述目标器官内部各点的形变场对
所述第一图像进行处理，得到配准后的图像。
15.在其中一个实施例中，所述根据所述刚性配准结果中的刚性变换矩阵和所述目标器官内部各点的形变场对所述第一图像进行处理，得到配准后的图像，包括：
16.基于所述刚性变换矩阵对所述第一图像进行平移和/或旋转变换，得到变换后的第一图像；
17.基于所述目标器官内部各点的形变场，对所述变换后的第一图像中目标器官内部的各点进行平移和/或旋转，得到所述配准后的图像。
18.在其中一个实施例中，所述方法还包括：
19.对所述目标器官内部各点的形变场进行插值处理，得到所述目标器官内部各像素点的形变场；
20.所述基于所述目标器官内部各点的形变场，对所述变换后的第一图像中目标器官内部的各点进行平移，得到所述配准后的图像，包括：
21.基于所述目标器官内部各像素点的形变场，对所述变换后的第一图像中目标器官内部的各像素点进行平移，得到所述配准后的图像。
22.在其中一个实施例中，所述获取第一图像的第一处理图像和第二图像的第二处理图像，包括：
23.获取所述第一图像和所述第二图像；
24.提取所述第一图像中目标器官的第一掩膜图像，以及所述第二图像中目标器官的第二掩膜图像；
25.对所述第一掩膜图像中的目标器官进行表面网格划分，得到所述第一处理图像，以及对所述第二掩膜图像中的目标器官进行表面网格划分，得到所述第二处理图像。
26.在其中一个实施例中，所述第一图像为增强类型的图像，所述第二图像为平扫类型的图像，所述获取第一图像的第一处理图像和第二图像的第二处理图像之前，所述方法还包括：
27.获取第三图像；所述第三图像为增强类型的图像；
28.对所述第三图像进行图像变换，得到所述第二图像。
29.在其中一个实施例中，所述对所述第三图像进行图像变换，得到所述第二图像，包括：
30.对所述第三图像进行去除高亮信息处理，得到所述第二图像；
31.或者，将所述第三图像输入预设的图像变换网络，得到所述第二图像。
32.第二方面，一种组织器官的配准验证方法，所述方法包括：
33.对第三图像提取目标器官以及内部细节掩膜，得到与所述第三图像对应的第三掩膜图像；所述第三图像为增强类型的图像；
34.根据所述第三掩膜图像对配准后的图像进行验证；所述配准后的图像为第一图像和第二图像按照如第一方面所述的方法进行配准后得到的图像；所述第二图像为对所述第三图像进行图像变换后得到的图像。
35.在其中一个实施例中，所述根据所述第三掩膜图像对配准后的图像进行验证，包括：
36.对所述配准后的图像提取目标器官以及内部细节掩膜，得到与所述配准后的图像
对应的第四掩膜图像；
37.计算所述第三掩膜图像中目标器官所在区域与所述第四掩膜图像中目标器官所在区域内重复的像素点个数；
38.根据所述重复的像素点个数、所述第三掩膜图像中目标器官所在区域内像素点的个数、所述第四掩膜图像中目标器官所在区域内像素点的个数，求取验证值；
39.若所述验证值大于预设阈值，则确定所述配准后的图像验证通过，若所述验证值不大于预设阈值，则确定所述配准后的图像验证未通过。
40.第三方面，一种组织器官的配准装置，所述装置包括：
41.获取第一图像的第一处理图像和第二图像的第二处理图像；所述第一图像和所述第二图像中包含同一对象在不同时期的目标器官；
42.将所述第一处理图像中的目标器官和所述第二处理图像中的目标器官进行刚性配准，得到刚性配准结果；
43.将所述刚性配准结果中的目标器官和所述第二处理图像中的目标器官进行弹性配准，得到弹性配准结果；
44.根据所述刚性配准结果和所述弹性配准结果对所述第一图像进行处理，得到配准后的图像。
45.第四方面，一种组织器官的配准验证装置，所述装置包括：
46.分割模块，用于对第三图像提取目标器官以及内部细节掩膜，得到与所述第三图像对应的第三掩膜图像；所述第三图像为增强类型的图像；
47.验证模块，用于根据所述第三掩膜图像对配准后的图像进行验证；所述配准后的图像为第一图像和第二图像按照第三方面所述的装置进行配准后得到的图像。
48.第五方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面和第二方面所述的方法。
49.第六方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面和第二方面所述的方法。
50.上述组织器官的配准方法、装置、计算机设备和存储介质，通过获取第一图像的第一处理图像和第二图像的第二处理图像，再将第一处理图像中的目标器官和第二处理图像中的目标器官进行刚性配准，得到刚性配准结果，以及将刚性配准结果中的目标器官和第二处理图像中的目标器官进行弹性配准，得到弹性配准结果，再根据刚性配准结果和弹性配准结果对第一图像进行处理，得到配准后的图像。上述方法提供了一种不同类型图像的配准验证方法，且通过刚性配准获取到要配准的目标器官的大致配准位置，通过弹性配准获取到要配准的目标器官的表面特征点的配准位置，进而再基于目标器官的大致配准位置和表面特征点的配准位置，可以计算得到需配准的第一图像和第二图像中目标器官内部的各特征点的转换关系，进而基于该转换关系，对待配准的第一图像进行配准，可以实现将第一图像中包含的目标器官的丰富信息配准到第二图像中，且基于目标器官内部各特征点的转换关系进行配准，可以避免传统的在增强图像和平扫图像像素信息不对称情况下进行基于像素信息的配准带来的结果不准确的问题，因此通过本技术提供的配准方法得到的配准结果更加准确，且鲁棒性强。
附图说明
51.图1为一个实施例中组织器官的配准方法的应用环境图；
52.图2为一个实施例中组织器官的配准方法的流程示意图；
53.图3图2实施例中s104的一种实现方式的流程示意图；
54.图4图3实施例中s203的一种实现方式的流程示意图；
55.图5图3实施例中s203的一种实现方式的流程示意图；
56.图6为一个实施例中组织器官的配准方法的流程示意图；
57.图7图6实施例中s401的一种实现方式的流程示意图；
58.图8为一个实施例中组织器官的配准验证方法的流程示意图；
59.图9图8实施例中s602的一种实现方式的流程示意图；
60.图10为一个实施例中组织器官的配准验证方法的流程示意图；
61.图11为一个实施例中组织器官的配准装置的结构框图；
62.图12为一个实施例中组织器官的配准装置的结构框图；
63.图13为一个实施例中组织器官的配准装置的结构框图；
64.图14为一个实施例中组织器官的配准装置的结构框图；
65.图15为一个实施例中组织器官的配准装置的结构框图；
66.图16为一个实施例中组织器官的配准装置的结构框图；
67.图17为一个实施例中组织器官的配准验证装置的结构框图；
68.图18为一个实施例中组织器官的配准验证装置的结构框图；
69.图19为一个实施例中计算机设备的内部结构图。
具体实施方式
70.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
71.在实际应用中，在进行胸腹部介入手术时，一般术前诊断会进行ct增强扫描，获得术前的增强图像，术前的增强图像能够提供器官、血管及肿瘤等明显的解剖信息，可用于进行血管、肿瘤的准确分割。由于临床条件的限制，术中一般只会进行ct平扫，因此术中ct平扫图像缺少介入手术所需要的血管及肿瘤的解剖结构信息。而血管是介入手术中在手术路径规划中进行规避的重要组织，肿瘤是介入手术的靶点，都是术中手术路径规划和治疗引导所必需的要识别的组织和病灶。同时由于环境，病人自身身体状态及呼吸运动，导致术中ct平扫图像相比于术前ct增强图像，病人体内器官及组织发生偏移，所以术前获取的丰富信息无法在术中加以利用，给介入手术带来较大的难度和挑战。所以需要进行术前术中配准，将术前获得的丰富信息配准到术中，减少介入手术的难度和挑战。传统的基于体素或特征的配准方法，需要配准的两组数据信息对称。但介入手术术前图像有大量造影高亮信息而术中平扫图像缺少这部分信息，使得在配准过程中，器官内部的细节信息，如血管、肿瘤等，配准结果较差，不能满足实际介入手术高准确性的需求。为了解决上述技术问题，本技术提出了一种组织器官的配准验证方法，能够基于生物力学模型及表面弹性配准方法，真实模拟器官配准变形过程中，器官表面及内部的变形情况，利用模拟的真实形变，使得器官
内部的细节信息，如血管、肿瘤等，准确的配准，满足实际介入手术高准确率的需求。下面实施例将详细介绍本技术提供的组织器官的配准验证方法。
72.本技术提供的组织器官的配准验证方法，可以应用于如图1所示的应用环境中，其中，终端102与服务器104通过无线或有线通信连接。终端102用于采集两个待配准的图像数据，即包含目标器官的不同时期的图像数据，服务器104用于从终端102上获取两个待配准的图像数据进行处理，以完成对两个待配准的图像数据中目标器官的配准。其中，终端102可以是电子计算机断层扫描(computed tomography，ct)设备、磁共振扫描(magnetic resonance，,mr)设备等任何一种类型的图像扫描设备，服务器104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104还可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
73.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的应用环境的限定，具体的应用环境可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
74.在一个实施例中，如图2所示，提供了一种组织器官的配准验证方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
75.s101，获取第一图像的第一处理图像和第二图像的第二处理图像。
76.其中，第一图像和第二图像中包含同一对象在不同时期的目标器官或组织，比如，第一图像和第二图像为同一患者在不同时期采集的某一器官的不同类型的图像数据，第一图像可以为增强图像数据，第二图像可以为平扫图像数据。目标器官可以是肺、肝、脾等任何类型的组织器官，此处不限定。具体的，第一图像和第二图像为对应目标器官/组织在不同时期的区域图像或片层图像，以及为不同时期扫描的，任意模态(例如，ct、mr、超声等)的图像。第一图像的第一处理图像包括对第一图像中的组织器官进行网格划分后的网格图像，也可以包括对第一图像进行掩膜提取后的掩膜图像。
77.本实施例中，可以使用ct设备预先对同一对象进行增强扫描和平扫扫描，得到同一对象对应的增强图像数据和平扫图像数据，服务器通过对接ct设备从ct设备上获取到同一对象的增强图像数据和平扫图像数据，即第一图像和第二图像。比如，服务器可以获取到患者a在术前的胸腹部位的增强图像数据，得到第一图像，以及获取患者a在术中的胸腹部位的平扫图像数据，得到第二图像。可选的，服务器也可以通过其它方式获取同一对象在不同时期的目标器官的图像数据，比如直接从网上下载同一对象对应的第一图像和第二图像。当服务器获取到第一图像和第二图像后，还可以对第一图像和第二图像分别进行相同方式的处理，比如表面重建和网格划分，得到各自对应的网格图像，即第一图像对应的第一处理图像和与第二图像对应的第二处理图像；可选的，当服务器获取到第一图像和第二图像后，也可以对一图像和第二图像分别进行掩膜提取，得到各自对应的掩膜图像，即第一图像对应的第一处理图像和与第二图像对应的第二处理图像。
78.s102，将第一处理图像中的目标器官和第二处理图像中的目标器官进行刚性配准，得到刚性配准结果。
79.其中，刚性配准结果包括刚性变换矩阵和刚性配准后的图像。刚性变换矩阵表示在刚性配准过程中，将第一处理图像中的目标器官所在位置移动到第二处理图像中的目标器官所在位置时，目标器官上各点的移动距离。刚性配准后的图像为按照第二处理图像中
的目标器官的位置，将第一处理图像中的目标器官进行水平或竖直移动，或偏转后的目标器官的图像，或者，按照第一处理图像中的目标器官的位置，将第二处理图像中的目标器官进行水平或竖直移动，或偏转后的目标器官的图像。
80.本实施例中，当服务器获取到第一处理图像和第二处理图像时，即可对第一处理图像中的目标器官和第二处理图像中的目标器官进行刚性配准，得到包括刚性变换矩阵和刚性配准后的图像。具体的，在刚性配准过程中，服务器可以将第二处理图像中的目标器官所在位置为参考，将第一处理图像中的目标器官进行不同方向的平移、偏转等操作，使第一处理图像中目标器官所在位置能够和第二处理图像中目标器官所在位置对齐。可选的，服务器也可以将第一处理图像中的目标器官所在位置为参考，将第二处理图像中的目标器官进行不同方向的平移、偏转等操作，使第二处理图像中目标器官所在位置能够和第一处理图像中目标器官所在位置能够对齐。
81.s103，将刚性配准结果中的目标器官和第二处理图像中的目标器官进行弹性配准，得到弹性配准结果。
82.当服务器获取到刚性配准结果时，即可得到刚性配准后的图像，并可以进一步的将刚性配准后的图像中的目标器官和第二处理图像中的目标器官进行弹性配准，得到包括弹性配准后的图像的弹性配准结果。具体的，在弹性配准过程中，服务器可以将刚性配准后的图像中的目标器官和第二处理图像中目标器官上表面的特征点进行前后方向或深度方向的平移操作，使刚性配准后的图像中的目标器官上的各表面的特征点的位置能够和第二处理图像中目标器官上的各表面的特征点的位置重合。
83.s104，根据刚性配准结果和弹性配准结果对第一图像进行处理，得到配准后的图像。
84.当服务器获取到刚性配准结果和弹性配准结果后，由于刚性配准结果包含了从第一图像中的目标器官到第二图像中的目标器官的变化过程中目标器官所在位置的转换关系，以及由于弹性配准结果包含了从第一图像中的目标器官到第二图像中的目标器官上各表面特征点的转换关系，因此，通过分析刚性配准结果和弹性配准结果中目标器官先后变化的关系，可以得到从第一图像中的目标器官到第二图像中的目标器官的目标器官内部的各特征点的转换关系，基于该转换关系，将第一图像中目标器官上的各特征点进行转换，并将转化后的图像确定为配准后的图像，即可实现将第一图像中丰富的信息配准到第二图像中。
85.上述组织器官的配准方法，通过获取第一图像的第一处理图像和第二图像的第二处理图像，再将第一处理图像中的目标器官和第二处理图像中的目标器官进行刚性配准，得到刚性配准结果，以及将刚性配准结果中的目标器官和第二处理图像中的目标器官进行弹性配准，得到弹性配准结果，再根据刚性配准结果和弹性配准结果对第一图像进行处理，得到配准后的图像。上述方法提供了一种不同类型图像的配准验证方法，且通过刚性配准获取到要配准的目标器官的大致配准位置，通过弹性配准获取到要配准的目标器官的表面特征点的配准位置，进而再基于目标器官的大致配准位置和表面特征点的配准位置，可以计算得到需配准的第一图像和第二图像中目标器官内部的各特征点的转换关系，进而基于该转换关系，对待配准的第一图像进行配准，可以实现将第一图像中包含的目标器官的丰富信息配准到第二图像中，且基于目标器官内部各特征点的转换关系进行配准，可以避免
传统的在增强图像和平扫图像像素信息不对称情况下进行基于像素信息的配准带来的结果不准确的问题，因此通过本技术提供的配准方法得到的配准结果更加准确，且鲁棒性强。
86.在一个实施例中，提供了上述s104的一种实现方式，如图3所示，上述s104“根据刚性配准结果和弹性配准结果对第一图像进行处理，得到配准后的图像”，包括：
87.s201，基于刚性配准结果中的目标器官构建目标器官的力学模型。
88.当服务器获取到刚性配准结果后，即可得到第一图像中目标器官的大致轮廓和体积数据等，计算机设备即可基于这些数据根据相应的力学模型构建算法，在仿真软件中构建目标器官的力学模型。
89.s202，将弹性配准结果和刚性配准结果之差作为边界条件求解力学模型，得到目标器官内部各点的形变场。
90.当服务器获取到刚性配准结果和弹性配准结果时，由于刚性配准结果为目标器官上各点的大致位置匹配，弹性配准结果为目标器官表面各点的大致位置匹配，因此，弹性配准结果和刚性配准结果之差可以反映目标器官表面各点的位置变化关系，基于此，本实施例中可以将弹性配准结果和刚性配准结果之差作为边界条件，再结合相应的材料参数，求解根据目标器官的力学模型，即可得到目标器官内部各点的形变场。
91.s203，根据刚性配准结果中的刚性变换矩阵和目标器官内部各点的形变场对第一图像进行处理，得到配准后的图像。
92.当服务器获取到刚性配准结果中的刚性变换矩阵，以及目标器官内部各点的形变场时，可以先根据刚性变换矩阵将第一图像中目标器官上各点进行粗配准，得到初步配准图像，再根据目标器官内部各点的形变场对初步配准后的图像中的目标器官的内部点进行细节配准，最终得到配准后的图像。
93.上述方法通过将弹性配准结果和刚性配准结果之差作为边界条件求解目标器官的力学模型实现不同类型图像中目标器官上各点的精确配准，提供了一种基于生物力学模型进行配准的方法，且利用有限元求解目标器官的力学模型，可以得到目标器官内部各点的形变场，之后基于该形变场进行配准的方法可以使配准后的图像中包含第一图像中丰富的特征信息，因此，本技术提供的配准方法可以应用在术前增强图像和术中平扫图像的精确配准，使术中平扫图像上可以包含术前增强图像中更多的高亮信息，克服传统医生参考平扫图像进行手术时因平扫图像中包含较少的高亮信息导致的手术失败率高的问题，故当本技术提供的配准验证方法应用在术前和术中图像配准时，可以提高手术的成功率。
94.进一步的，如图4所示，上述s203“根据刚性配准结果中的刚性变换矩阵和目标器官内部各点的形变场对第一图像进行处理，得到配准后的图像”步骤，包括：
95.s301，基于刚性变换矩阵对第一图像进行平移和/或旋转变换，得到变换后的第一图像。
96.具体的，当服务器根据刚性变换矩阵对第一图像中目标器官进行粗配准时，可以对第一图像中目标器官上的各点进行平移和/或旋转变换，得到变换后的第一图像。
97.s302，基于目标器官内部各点的形变场，对变换后的第一图像中目标器官内部的各点进行平移和/或旋转，得到配准后的图像。
98.具体的，当服务器根据目标器官内部各点的形变场对第一图像中目标器官内部各点进行细配准时，可以对第一图像中目标器官内部各点进行平移和/或旋转变换，得到配准
后的图像。
99.在一个实施例中，如图5所示，上述图4实施例所述的方法还包括步骤：
100.s303，对目标器官内部各点的形变场进行插值处理，得到目标器官内部各像素点的形变场。
101.当服务器根据目标器官内部各点的形变场对第一图像中目标器官内部各点进行细配准时，为了更为精确的配准第一图像，服务器还可以先对目标器官内部各点的形变场进行插值处理，得到目标器官内部各像素点的形变场。
102.对应的，服务器在执行上述s302步骤时，具体执行：基于目标器官内部各像素点的形变场，对变换后的第一图像中目标器官内部的各像素点进行平移，得到配准后的图像。
103.具体的，当服务器根据目标器官内部各像素点的形变场对第一图像中目标器官内部各点进行细配准时，可以对第一图像中目标器官内部各像素点进行平移和/或旋转，得到配准后的图像。由于目标器官内部各像素点比建立的目标器官的力学模型内部的各点更加密集，那么对目标器官的力学模型的内部的各点的形变场进行插值，使其与目标器官内部各像素点密度一致后，插值后的各点的形变场能够更精确的体现目标器官内部各特征点的变化情况，故本实施例提供的配准方法可以得到更为准确的配准结果，以及使配准后的图像中包含更为丰富的高亮信息。
104.可选的，如图6所示，在服务器获取第一图像的第一处理图像和第二图像的第二处理图像之前，还需要执行如下步骤：
105.s401，获取第一图像和第二图像。
106.其中，第一图像可以为增强图像数据，第二图像可以为平扫图像数据。可选的，第一图像也可以为其它类型的图像数据，第二图像也可以为其它类型的图像数据，只要第一图像和第二图像中包含同一扫描对象即可。
107.本实施例中，可以使用ct设备预先对同一对象进行增强扫描和平扫扫描，得到同一对象对应的增强图像数据和平扫图像数据，服务器通过对接ct设备从ct设备上获取到该增强图像数据和平扫图像数据，即第一图像和第二图像。比如，服务器可以获取到患者a在术前的胸腹部位的增强图像数据，得到第一图像，以及获取患者a在术中的胸腹部位的平扫图像数据，得到第二图像。可选的，服务器也可以通过其它方式获取同一对象在不同时期的目标器官的图像数据。
108.s402，提取第一图像中目标器官的第一掩膜图像，以及提取第二图像中目标器官的第二掩膜图像。
109.本实施例中，当服务器获取到第一图像和第二图像时，可以进一步的采用预设的表面重建方法，提取第一图像中目标器官的掩膜图像(mask)，得到第一掩膜图像，以及提取第二图像中目标器官的掩膜图像(mask)，得到第二掩膜图像。
110.s403，对第一掩膜图像中的目标器官进行表面网格划分，得到第一处理图像，以及对第二掩膜图像中的目标器官进行表面网格划分，得到第二处理图像。
111.为了后期对第一图像中的目标器官建立力学模型，以及对第一图像进行刚性配准和弹性配准，在服务器获取到第一图像对应的第一掩膜图像和第二图像对应的第二掩膜图像时，需要进一步的对第一掩膜图像进行网格划分，将第一掩膜图像中的目标器官表面进行网格划分，得到目标器官上表面各特征点的数据，以及对第二掩膜图像进行网格划分，将
第二掩膜图像中的目标器官表面进行网格划分，得到目标器官上表面各特征点的数据，以便之后基于目标器官上表面各特征点的数据构建目标器官的力学模型，以及实现对第一掩膜图像中的目标器官和第二掩膜图像中的目标器官上各表面点的刚性配准和弹性配准。
112.可选的，提供了获取上述第二图像的一种实现方式，如图7所示，该方式包括：
113.s501，获取第三图像；第三图像为增强类型的图像。
114.基于前述s101的说明，服务器可以获取到同一对象在不同时期的第一图像和第二图像，其中，第一图像为增强类型的图像，第二图像为平扫类型的图像，相应的，服务器可也可以获取到同一对象在不同时期的第一图像和第三图像，第三图像也为增强类型的图像，只是与第一图像处于不同时期，比如，第一图像为患者在术前的ct增强扫描图像，第三图像为患者在术中的ct增强扫描图像。
115.s502，对第三图像进行图像变换，得到第二图像。
116.当服务器可获取到增强类型的第三图像时，需要进一步的将第三图像转换为平扫类型的图像，即第二图像。
117.本实施例中，提供了三种根据第三图像得到第二图像的方式，根据增强类型的图像得到平扫类型的图像。具体的，第一种方式为：对第三图像进行去除高亮信息处理，得到第二图像；第二种方式为：将第三图像输入预设的图像变换网络，得到第二图像；对第三图像进行不同期相的图像融合，得到第二图像。
118.在第一种方式中，服务器可通过增强图像(第三图像)分割目标器官内部细节，如血管、肿瘤，以确定分割的掩膜图像mask在原始的增强图像中目标器官内部细节的高亮位置，并将高亮位置周围一定范围内的非造影高亮区域的像素值均匀赋值给高亮位置，去除增强图像中的高亮信息，从而根据增强图像生成平扫图像，即第二图像。
119.在第二种方式中，服务器可采用预设算法去除第三图像中血管造影的高亮信息，模拟生成平扫图像，其中，预设算法可以为通过生成对抗网络学习大量平扫图像，训练好模型，当导入第三图像后，该对抗网络会输出与第三图像对应的平扫图像，即第二图像。
120.在第三种方式中，计算机设备可以预先获取不同期相的图像，再将不同期相的图像进行融合，得到融合后的图像，即第二图像。
121.上述实施例所述的方法提出了一种基于增强图像生成平扫图像的方法，因为在实验时，同一扫描对象的术中平扫图像往往难以获取，因此在提出配准方法时，可以先基于增强图像转换后的平扫图像进行配准，之后还可以基于转换前的增强图像对配准后的图像进行验证，以验证本技术提供的配准方法是否可行以及准确性。
122.在实际应用中，当服务器采用图1
‑
图7实施例所述的配准方法对第一图像和第二图像进行配准后，还可以进一步的对图8
‑
图9实施例所述的配准方法进行验证，以验证上述配准方法是否可行或是否准确，基于此，本技术还提供了一种组织器官的配准验证方法，如图8所示，该方法包括：
123.s601，对第三图像提取目标器官以及内部细节掩膜，得到与第三图像对应的第三掩膜图像。
124.其中，第三图像为增强类型的图像。内部细节可以为第三图像中待检测对象内部的一些细节组织，比如，若待检测对象为肺部组织器官时，内部细节可以为肺动脉血管、病灶部位等。本实施例涉及服务器验证图1
‑
图7实施例所述的配准方法的过程，在此过程中，
首先，服务器获取第三图像，并采用相应的掩膜处理算法，提取第三图像中的目标器官以及内部细节掩膜，得到与第三图像对应的第三掩膜图像，以便之后使用该第三掩膜图像验证配准方法。
125.s602，根据第三掩膜图像对配准后的图像进行验证。
126.其中，配准后的图像为第一图像和第二图像按照图1
‑
图7实施例所述的配准方法进行配准后得到的图像。第二图像为对第三图像进行图像变换后得到的图像，具体变换方法可参见前述图7实施例所述的方法，此处不赘述。
127.本实施例中，当服务器获取到配准后的图像时，可以进一步的使用第三图像对应的第三掩膜图像对配准后的图像进行验证，由于配准后的图像是由第一图像和第二图像进行配准后得到的图像，而第二图像是对第三图像进行图像变换后得到的图像，因此，对第三图像进行掩膜处理，得到对应的第三掩膜图像，再利用该第三掩膜图像对配准后的图像进行验证，可以有效且准确的验证图1
‑
图7实施例所述的配准方法是否可行或是否准确。
128.进一步的，上述步骤s602，如图9所示，包括：
129.s701，对配准后的图像提取目标器官以及内部细节掩膜，得到与配准后的图像对应的第四掩膜图像。
130.本实施例中，服务器可以采用相应的掩膜图像处理算法，提取配准后的图像中的目标器官以及内部细节掩膜，得到第四掩膜图像。
131.s702，计算第三掩膜图像中目标器官所在区域与第四掩膜图像中目标器官所在区域内重复的像素点个数。
132.当服务器获取到第三掩膜图像和第四掩膜图像时，即可开始对第四掩膜图像进行验证，具体的，服务器可以通过比较第三掩膜图像中目标器官所在区域内的各像素点的位置和第四掩膜图像中目标器官所在区域内的各像素点的位置，并将位置一致的像素点确定为重复的像素点，进而确定出第三掩膜图像中目标器官所在区域与第四掩膜图像中目标器官所在区域内重复的像素点个数。
133.s703，根据重复的像素点个数、第三掩膜图像中目标器官所在区域内像素点的个数、第四掩膜图像中目标器官所在区域内像素点的个数，求取验证值，若验证值大于预设阈值，则执行步骤s704，若验证值不大于预设阈值，则执行步骤s705。
134.s704，确定配准后的图像验证通过。
135.s705，确定配准后的图像验证未通过。
136.进一步的，服务器可以计算得到第三掩膜图像中目标器官所在区域与第四掩膜图像中目标器官所在区域内重复的像素点个数、第三掩膜图像中目标器官所在区域内像素点的个数、第四掩膜图像中目标器官所在区域内像素点的个数，可选的，服务器可采用如下关系式(1)求取验证值：
[0137][0138]
上式中，n
c
表示第三掩膜图像中目标器官所在区域与第四掩膜图像中目标器官所在区域内重复的像素点个数；n
a
表示第三掩膜图像中目标器官所在区域内像素点的个数；n
b
表示第四掩膜图像中目标器官所在区域内像素点的个数；y表示验证值。
[0139]
上述预设阈值用于衡量第三掩膜图像和第四掩膜图像的匹配度，为服务器预先根
据实际匹配要求确定。当服务器获取到验证值时，即可使用该验证值对配准后的图像进行验证，具体的，将验证值和预设阈值进行比较，若验证值大于预设阈值，说明第三掩膜图像中目标器官所在区域与第四掩膜图像中目标器官所在区域内重复的像素点个数较多，即第三掩膜图像和配准图像的匹配度很高，也就说明上述图1
‑
图7实施例所述的配准方法是可行的或配准结果是准确的，所以该情况下确定配准后的图像验证通过。若验证值不大于预设阈值，说明第三掩膜图像中目标器官所在区域与第四掩膜图像中目标器官所在区域内重复的像素点个数较少，即第三掩膜图像和配准图像的匹配度较低，也就说明上述图1
‑
图7实施例所述的配准方法不可行，或者其中的配准过程某一环节出现错误导致配准后的图像不准确，此种情况下，确定配准后的图像验证未通过，且重新返回上述图1
‑
图7实施例所述的配准方法中的各步骤，查验各步骤中可能出现错误的地方进行调整或修正，再重新基于调整或修正后的各步骤进行第一图像和第二图像的配准，再利用图8
‑
图9实施例所述的方法对配准方法进行验证，直到验证通过为止。
[0140]
图8
‑
图9实施例提供的组织器官的配准验证方法，可以在配准完成的基础上，对配准结果进行验证，以验证配准方法的可行性或配准结果的准确性，为后期将图1
‑
图7实施例所述的配准方法实际应用到临床医学时，比如，应用到术前增强图像和术中平扫图像的配准过程中，提供可靠且准确的配准方法，以提高手术的成功率。
[0141]
综合上述所有实施例，如图10所示，本技术还提供了一种组织器官的配准验证方法，该方法包括：
[0142]
s801，获取第三图像；第三图像为增强类型的图像。
[0143]
s802，对第三图像进行图像变换，得到第二图像。
[0144]
s803，获取第一图像；第一图像为增强类型的图像，第一图像和第三图像为同一对象在不同时期的图像。
[0145]
s804，提取第一图像中目标器官的第一掩膜图像。
[0146]
s805，提取第二图像中目标器官的第二掩膜图像。
[0147]
s806，对第一掩膜图像中的目标器官进行表面网格划分，得到第一网格图像。
[0148]
s807，对第二掩膜图像中的目标器官进行表面网格划分，得到第二网格图像。
[0149]
s808，将第一网格图像中的目标器官和第二网格图像中的目标器官进行刚性配准，得到刚性配准结果。
[0150]
s809，将刚性配准结果中的目标器官和第二网格图像中的目标器官进行弹性配准，得到弹性配准结果。
[0151]
s810，基于刚性配准结果中的目标器官构建目标器官的力学模型。
[0152]
s811，将弹性配准结果和刚性配准结果之差作为边界条件求解力学模型，得到目标器官内部各点的形变场。
[0153]
s812，对目标器官内部各点的形变场进行插值处理，得到目标器官内部各像素点的形变场。
[0154]
s813，基于刚性变换矩阵对第一图像进行平移和/或旋转变换，得到变换后的第一图像。
[0155]
s814，基于目标器官内部各像素点的形变场，对变换后的第一图像中目标器官内部的各像素点进行平移，得到配准后的图像。
[0156]
s815，对配准后的图像提取目标器官以及内部细节掩膜，得到与配准后的图像对应的第四掩膜图像。
[0157]
s816，对第三图像提取目标器官以及内部细节掩膜，得到与第三图像对应的第三掩膜图像。
[0158]
s817，计算第三掩膜图像中目标器官所在区域与第四掩膜图像中目标器官所在区域内重复的像素点个数。
[0159]
s818，根据重复的像素点个数、第三掩膜图像中目标器官所在区域内像素点的个数、第四掩膜图像中目标器官所在区域内像素点的个数，求取验证值，若验证值大于预设阈值，则确定配准后的图像验证通过，若验证值不大于预设阈值，则确定配准后的图像验证未通过，返回s801的步骤，重新对第一图像和第二图像进行配准，至少配准后的图像通过为止。
[0160]
上述各步骤在前述实施例中均有说明，详细内容请参见前述说明，此处不赘述。综上，本技术提供了一种组织器官的配准验证方法，即提供了一种对不同类型的图像进行配准和验证的方法，且通过对配准方法或配准结果进行验证，再基于验证结果返回重新调整配准方法，使本技术提供的配准方法在实际应用中更加可靠，进而提供系统的鲁棒性。
[0161]
应该理解的是，虽然图2
‑
10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2
‑
10中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0162]
在一个实施例中，如图11所示，提供了一种组织器官的配准装置，包括：
[0163]
获取模块11，用于获取第一图像的第一处理图像和第二图像的第二处理图像；所述第一图像和所述第二图像中包含同一对象在不同时期的目标器官。
[0164]
刚性配准模块12，用于将所述第一处理图像中的目标器官和所述第二处理图像中的目标器官进行刚性配准，得到刚性配准结果。
[0165]
弹性配准模块13，用于将所述刚性配准结果中的目标器官和所述第二处理图像中的目标器官进行弹性配准，得到弹性配准结果。
[0166]
在一个实施例中，如图12所示，上述弹性配准模块13，包括：
[0167]
构建单元131，用于基于所述刚性配准结果中的目标器官构建所述目标器官的力学模型；
[0168]
求解单元132，用于将所述弹性配准结果和所述刚性配准结果之差作为边界条件求解所述力学模型，得到所述目标器官内部各点的形变场；
[0169]
处理单元133，用于根据所述刚性配准结果中的刚性变换矩阵和所述目标器官内部各点的形变场对所述第一图像进行处理，得到配准后的图像。
[0170]
在一个实施例中，如图13所示，上述处理单元133，包括：
[0171]
第一变换子单元1331，用于基于所述刚性变换矩阵对所述第一图像进行平移和/或旋转变换，得到变换后的第一图像；
[0172]
第二变换子单元1332，用于基于所述目标器官内部各点的形变场，对所述变换后
的第一图像中目标器官内部的各点进行平移和/或旋转，得到所述配准后的图像。
[0173]
在一个实施例中，如图14所示，上述处理单元133，还包括：
[0174]
插值处理单元1333，用于对所述目标器官内部各点的形变场进行插值处理，得到所述目标器官内部各像素点的形变场；
[0175]
对应的，上述第二变换子单元1332，具体用于基于所述目标器官内部各像素点的形变场，对所述变换后的第一图像中目标器官内部的各像素点进行平移，得到所述配准后的图像。
[0176]
在一个实施例中，如图15所示，上述获取模块11，包括：
[0177]
获取单元111，用于获取所述第一图像和所述第二图像；
[0178]
提取单元112，用于提取所述第一图像中目标器官的第一掩膜图像，以及所述第二图像中目标器官的第二掩膜图像；
[0179]
划分单元113，用于对所述第一掩膜图像中的目标器官进行表面网格划分，得到所述第一处理图像，以及对所述第二掩膜图像中的目标器官进行表面网格划分，得到所述第二处理图像。
[0180]
在一个实施例中，如图16所示，上述组织器官的配准装置，还包括：
[0181]
获取初始图像模块14，用于获取第三图像；所述第三图像为增强类型的图像；
[0182]
变换模块15，用于对所述第三图像进行图像变换，得到所述第二图像。
[0183]
在一个实施例中，上述变换模块具体用于对所述第三图像进行去除高亮信息处理，得到所述第二图像；或者，将所述第三图像输入预设的图像变换网络，得到所述第二图像。
[0184]
在一个实施例中，如图17所示，提供了一种组织器官的配准验证装置，包括：
[0185]
分割模块21，用于对第三图像提取目标器官以及内部细节掩膜，得到与所述第三图像对应的第三掩膜图像；所述第三图像为增强类型的图像；
[0186]
验证模块22，用于根据所述第三掩膜图像对配准后的图像进行验证；所述配准后的图像为第一图像和第二图像按照如图11
‑
图17所述的配准装置进行配准后得到的图像。
[0187]
在一个实施例中，如图18所示，上述验证模块22，包括：
[0188]
分割单元221，用于对所述配准后的图像提取目标器官以及内部细节掩膜，得到与所述配准后的图像对应的第四掩膜图像；
[0189]
计算单元222，用于计算所述第三掩膜图像中目标器官所在区域与所述第四掩膜图像中目标器官所在区域内重复的像素点个数；
[0190]
求取单元223，用于根据所述重复的像素点个数、所述第三掩膜图像中目标器官所在区域内像素点的个数、所述第四掩膜图像中目标器官所在区域内像素点的个数，求取验证值；
[0191]
验证单元224，用于在所述验证值大于预设阈值的情况下，确定所述配准后的图像验证通过，在所述验证值不大于预设阈值的情况下，确定所述配准后的图像验证未通过。
[0192]
关于组织器官的配准装置的具体限定可以参见上文中对于组织器官的配准方法的限定，在此不再赘述。关于组织器官的配准验证装置的具体限定可以参见上文中对于组织器官的配准验证方法的限定，在此不再赘述。上述组织器官的配准装置和组织器官的配准验证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以
硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0193]
本技术提供的组织器官的配准方法和组织器官的配准验证方法，可以应用于如图19所示的计算机设备中，该计算机设备可以是服务器，该计算机设备也可以是终端，其内部结构图可以如图19所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种组织器官的配准方法和组织器官的验证方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0194]
本领域技术人员可以理解，图19中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0195]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0196]
获取第一图像的第一处理图像和第二图像的第二处理图像；所述第一图像和所述第二图像中包含同一对象在不同时期的目标器官；
[0197]
将所述第一处理图像中的目标器官和所述第二处理图像中的目标器官进行刚性配准，得到刚性配准结果；
[0198]
将所述刚性配准结果中的目标器官和所述第二处理图像中的目标器官进行弹性配准，得到弹性配准结果；
[0199]
根据所述刚性配准结果和所述弹性配准结果对所述第一图像进行处理，得到配准后的图像。
[0200]
上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0201]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0202]
获取第一图像的第一处理图像和第二图像的第二处理图像；所述第一图像和所述第二图像中包含同一对象在不同时期的目标器官；
[0203]
将所述第一处理图像中的目标器官和所述第二处理图像中的目标器官进行刚性配准，得到刚性配准结果；
[0204]
将所述刚性配准结果中的目标器官和所述第二处理图像中的目标器官进行弹性配准，得到弹性配准结果；
[0205]
根据所述刚性配准结果和所述弹性配准结果对所述第一图像进行处理，得到配准后的图像。
[0206]
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法
实施例类似，在此不再赘述。
[0207]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0208]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0209]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。