图像配准方法、装置和电子设备与流程

1.本技术涉及图像处理技术领域，特别是涉及一种图像配准方法、装置和电子设备


背景技术：

2.医学成像技术是指在医疗或医学研究中，对目标对象的感兴趣区域以非侵入的方式取得内部组织图像的过程。当需要对感兴趣区域进行持续观察时，则会增加一个时间轴，并按照一定的时序排列获取该时间轴中扫描的多张内部组织图像，也称之为时序图像。然而，在对感兴趣区域扫描的过程中，由于各种不可控的因素，感兴趣区域会产生或大或小的偏移运动，导致这一时间轴上获得的多张时序图像无法对齐，因此，就需要对时序图像进行配准。
3.目前主流的图像配准技术，在对各时序图像进行配准的过程中，存在冗余计算，导致配准效率十分低下。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种图像配准方法、装置和电子设备，以解决现有技术在对各时序图像进行配准的过程中，存在冗余计算，导致配准效率十分低下的问题。
5.第一方面，本技术提供了一种图像配准方法，所述方法包括：
6.获取感兴趣区域的多张初始医学图像。
7.根据所述多张初始医学图像中的第一图像，得到第一目标形变矩阵。
8.基于所述第一目标形变矩阵，对所述第一图像对应的第二图像进行配准。所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等于第一预设阈值的图像。
9.在一种可能的实现方式中，所述根据所述多张初始医学图像中的第一图像，得到第一目标形变矩阵，包括：
10.在所述多张初始医学图像中确定参考图像。
11.基于所述参考图像对所述多张初始医学图像中的各第一图像进行配准，得到各所述第一图像的第一目标形变矩阵。
12.在一种可能的实现方式中，所述在所述多张初始医学图像中确定参考图像，包括：
13.获取所述多张初始医学图像中，各初始医学图像对应的掩膜图像。
14.根据所述多张掩膜图像，确定所述参考图像。
15.在一种可能的实现方式中，所述根据所述多张掩膜图像，确定所述参考图像，包括：
16.对所述多张掩膜图像进行平均处理，得到平均图像。
17.在所述多张掩膜图像中，确定与所述平均图像重合度最高的目标掩膜图像。
18.将所述目标掩膜图像对应的初始图像，确定为所述参考图像。
19.在一种可能的实现方式中，所述基于所述参考图像对所述多张初始医学图像中的各第一图像进行配准，得到各所述第一图像的第一目标形变矩阵，包括：
20.根据所述参考图像的掩膜图像对所述第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
21.根据各所述第一形变矩阵对所述第一图像的掩膜图像进行形变，得到各配准后的所述第一图像的掩膜图像。
22.在多个配准后的所述第一图像的掩膜图像中，确定与所述参考图像的掩膜图像差异最小的目标掩膜图像。
23.将所述目标掩膜图像使用的第一形变矩阵，确定为所述第一目标形变矩阵。
24.在一种可能的实现方式中，所述基于所述第一目标形变矩阵，对第二图像进行配准，包括：
25.根据所述第一目标形变矩阵，对所述第二图像的掩膜图像进行形变，得到初始形变掩膜图像。
26.根据所述参考图像的掩膜图像对所述初始形变掩膜图像进行配准，得到第二目标形变矩阵。
27.利用所述第一目标形变矩阵和所述第二目标形变矩阵对所述第二图像进行形变，得到配准后的第二图像。
28.在一种可能的实现方式中，所述方法还包括：
29.在所述多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，所述配准损失值用于表征所述配准后的图像与所述参考图像的差异度。
30.根据多个配准损失值，确定多个配准后的图像中的异常图像。
31.在一种可能的实现方式中，所述根据多个配准损失值，确定多个配准后的图像中的异常图像，包括：
32.将所述配准损失值大于或等于第二预设阈值的所述配准后的图像，确定为第一异常图像。
33.第二方面，本技术还提供一种图像配准方法，该方法包括：
34.获取感兴趣区域的多张初始医学图像。
35.获取所述多张初始医学图像中，各初始医学图像对应的掩膜图像。
36.对所述多张掩膜图像进行平均处理，得到平均图像。
37.在所述多张掩膜图像中，确定与所述平均图像重合度最高的目标掩膜图像。
38.将所述目标掩膜图像对应的初始图像，确定为所述参考图像。
39.根据所述参考图像的掩膜图像对所述第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
40.根据各所述第一形变矩阵对所述第一图像的掩膜图像进行形变，得到各配准后的所述第一图像的掩膜图像。
41.在多个配准后的所述第一图像的掩膜图像中，确定与所述参考图像的掩膜图像差异最小的目标掩膜图像。
42.将所述目标掩膜图像使用的第一形变矩阵，确定为所述第一目标形变矩阵。
43.根据所述第一目标形变矩阵，对所述第二图像的掩膜图像进行形变，得到初始形
变掩膜图像；所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等于第一预设阈值的图像。
44.根据所述参考图像的掩膜图像对所述初始形变掩膜图像进行配准，得到第二目标形变矩阵。
45.利用所述第一目标形变矩阵和所述第二目标形变矩阵对所述第二图像进行形变，得到配准后的第二图像。
46.在所述多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，所述配准损失值用于表征所述配准后的图像与所述参考图像的差异度。
47.根据多个配准损失值，确定多个配准后的图像中的异常图像；其中，将所述配准损失值大于或等于第二预设阈值的所述配准后的图像，确定为第一异常图像。
48.第三方面，本技术还提供一种图像配准装置，所述装置包括：
49.获取模块，用于获取感兴趣区域的多张初始医学图像。
50.处理模块，用于根据所述获取模块获取的所述多张初始医学图像中的第一图像，得到第一目标形变矩阵。
51.所述处理模块，还用于基于所述第一目标形变矩阵，对所述第一图像对应的第二图像进行配准；所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等于第一预设阈值的图像。
52.第四方面，本技术还提供了一种计算机设备。该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以下步骤：
53.获取感兴趣区域的多张初始医学图像。
54.根据所述多张初始医学图像中的第一图像，得到第一目标形变矩阵。
55.基于所述第一目标形变矩阵，对所述第一图像对应的第二图像进行配准。所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等于第一预设阈值的图像。
56.或者，所述处理器执行所述计算机程序时实现以下步骤：
57.获取感兴趣区域的多张初始医学图像。
58.获取所述多张初始医学图像中，各初始医学图像对应的掩膜图像。
59.对所述多张掩膜图像进行平均处理，得到平均图像。
60.在所述多张掩膜图像中，确定与所述平均图像重合度最高的目标掩膜图像。
61.将所述目标掩膜图像对应的初始图像，确定为所述参考图像。
62.根据所述参考图像的掩膜图像对所述第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
63.根据各所述第一形变矩阵对所述第一图像的掩膜图像进行形变，得到各配准后的所述第一图像的掩膜图像。
64.在多个配准后的所述第一图像的掩膜图像中，确定与所述参考图像的掩膜图像差异最小的目标掩膜图像。
65.将所述目标掩膜图像使用的第一形变矩阵，确定为所述第一目标形变矩阵。
66.根据所述第一目标形变矩阵，对所述第二图像的掩膜图像进行形变，得到初始形变掩膜图像；所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等
于第一预设阈值的图像。
67.根据所述参考图像的掩膜图像对所述初始形变掩膜图像进行配准，得到第二目标形变矩阵。
68.利用所述第一目标形变矩阵和所述第二目标形变矩阵对所述第二图像进行形变，得到配准后的第二图像。
69.在所述多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，所述配准损失值用于表征所述配准后的图像与所述参考图像的差异度。
70.根据多个配准损失值，确定多个配准后的图像中的异常图像；其中，将所述配准损失值大于或等于第二预设阈值的所述配准后的图像，确定为第一异常图像。
71.第五方面，本技术还提供了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以下步骤：
72.获取感兴趣区域的多张初始医学图像。
73.根据所述多张初始医学图像中的第一图像，得到第一目标形变矩阵。
74.基于所述第一目标形变矩阵，对所述第一图像对应的第二图像进行配准。所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等于第一预设阈值的图像。
75.或者，所述计算机程序被处理器执行时实现以下步骤：
76.获取感兴趣区域的多张初始医学图像。
77.获取所述多张初始医学图像中，各初始医学图像对应的掩膜图像。
78.对所述多张掩膜图像进行平均处理，得到平均图像。
79.在所述多张掩膜图像中，确定与所述平均图像重合度最高的目标掩膜图像。
80.将所述目标掩膜图像对应的初始图像，确定为所述参考图像。
81.根据所述参考图像的掩膜图像对所述第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
82.根据各所述第一形变矩阵对所述第一图像的掩膜图像进行形变，得到各配准后的所述第一图像的掩膜图像。
83.在多个配准后的所述第一图像的掩膜图像中，确定与所述参考图像的掩膜图像差异最小的目标掩膜图像。
84.将所述目标掩膜图像使用的第一形变矩阵，确定为所述第一目标形变矩阵。
85.根据所述第一目标形变矩阵，对所述第二图像的掩膜图像进行形变，得到初始形变掩膜图像；所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等于第一预设阈值的图像。
86.根据所述参考图像的掩膜图像对所述初始形变掩膜图像进行配准，得到第二目标形变矩阵。
87.利用所述第一目标形变矩阵和所述第二目标形变矩阵对所述第二图像进行形变，得到配准后的第二图像。
88.在所述多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，所述配准损失值用于表征所述配准后的图像与所述参考图像的差异度。
89.根据多个配准损失值，确定多个配准后的图像中的异常图像；其中，将所述配准损
失值大于或等于第二预设阈值的所述配准后的图像，确定为第一异常图像。
90.第六方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时以下步骤：
91.获取感兴趣区域的多张初始医学图像。
92.根据所述多张初始医学图像中的第一图像，得到第一目标形变矩阵。
93.基于所述第一目标形变矩阵，对所述第一图像对应的第二图像进行配准。所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等于第一预设阈值的图像。
94.或者，该计算机程序被处理器执行时以下步骤：
95.获取感兴趣区域的多张初始医学图像。
96.获取所述多张初始医学图像中，各初始医学图像对应的掩膜图像。
97.对所述多张掩膜图像进行平均处理，得到平均图像。
98.在所述多张掩膜图像中，确定与所述平均图像重合度最高的目标掩膜图像。
99.将所述目标掩膜图像对应的初始图像，确定为所述参考图像。
100.根据所述参考图像的掩膜图像对所述第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
101.根据各所述第一形变矩阵对所述第一图像的掩膜图像进行形变，得到各配准后的所述第一图像的掩膜图像。
102.在多个配准后的所述第一图像的掩膜图像中，确定与所述参考图像的掩膜图像差异最小的目标掩膜图像。
103.将所述目标掩膜图像使用的第一形变矩阵，确定为所述第一目标形变矩阵。
104.根据所述第一目标形变矩阵，对所述第二图像的掩膜图像进行形变，得到初始形变掩膜图像；所述第二图像为所述多张初始医学图像中与所述第一图像的相似度大于或等于第一预设阈值的图像。
105.根据所述参考图像的掩膜图像对所述初始形变掩膜图像进行配准，得到第二目标形变矩阵。
106.利用所述第一目标形变矩阵和所述第二目标形变矩阵对所述第二图像进行形变，得到配准后的第二图像。
107.在所述多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，所述配准损失值用于表征所述配准后的图像与所述参考图像的差异度。
108.根据多个配准损失值，确定多个配准后的图像中的异常图像；其中，将所述配准损失值大于或等于第二预设阈值的所述配准后的图像，确定为第一异常图像。
109.上述图像配准方法、装置和电子设备，通过获取的感兴趣区域的多张初始医学图像中的第一图像，得到第一目标形变矩阵，并基于该第一目标形变矩阵，对多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的第二图像进行配准。这样，减少了第二图像配准过程中的搜索范围，降低了第二图像进行配准时的难度和计算量，进而提高了感兴趣区域的多张初始医学图像的配准速率。
附图说明
110.图1为一个实施例中图像配准系统的架构图；
111.图2为一个实施例中图像配准方法的流程示意图之一；
112.图3为一个实施例中图像配准方法的流程示意图之二；
113.图4为一个实施例中二值化图像的效果示意图；
114.图5为一个实施例中平均图像的效果示意图；
115.图6为一个实施例中图像配准方法的流程示意图之三；
116.图7为一个实施例中图像配准流程的结构示意图；
117.图8为一个实施例中图像配准的效果对比示意图；
118.图9为一个实施例中图像配准方法的流程示意图之四；
119.图10为一个实施例中确定异常图像的流程示意图；
120.图11为一个实施例中图像配准方法的流程示意图之五；
121.图12为一个实施例中图像配准装置的结构示意图；
122.图13为一个实施例中计算机设备的内部结构图。
具体实施方式
123.下面将结合附图，对本技术一些实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术所提供的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本技术保护的范围。
124.在图像处理领域，存在多种图像间的配准技术，可以基于某种评估标准，将一个或多个图像最优映射到目标图像上，使得两个图像间的距离(也即图像的差异性)减小，提升图像间对比的复杂度。对于时序图像而言，图像间扫描的时间差相对较小，常有较大的相似性，如果使用目前主流的图像对的配准，对时序中的各个图像进行依次配准，无疑是存在极大的冗余计算的，导致配准效率十分低下。
125.基于上述现有技术中存在的问题，本技术实施例提供一种图像配准方法，该方法的原理是：在针对感兴趣区域中拍摄的多张医学图像中，确定出参考图像、第一图像和第二图像，其中第一图像与第二图像的相似度大于或等于第一预设阈值。将第一图像基于参考图像进行配准后确定的形变矩阵，对第二图像进行形变，并将形变后的第二图像基于参考图像进行配准，从而减少第二图像的配准计算量，简化第二图像的配准过程，进而提高感兴趣区域中的多张医学图像配准速率。
126.为了便于使用本实施例，参见图1所示的图像配准系统10的架构，在图像配准系统10中，包括图像配准装置11以及影像设备12。该影像设备12能够对感兴趣区域进行拍摄，并得到线圈单元的k空间数据。
127.在一个示例性的方案中，通常情况下，图像配准装置11可以为终端设备；该终端设备可以具备多通用或专用的计算装置环境或配置。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。该终端设备可以有不同的名称，例如用户设备(user equipment，ue)、接入设备、终端单元、终端站、移动站、移动台、远方站、远程终端、移动设备、无线通信设备、终端代理或终端装置等。本技术实施例中，用于实现图像配准装置11的功能的装置可以是终端设备，也
可以是能够支持图像配准装置11实现该功能的装置，例如芯片系统等。本技术中，芯片系统可以有芯片构成，也可以包括芯片和其他分立器件。
128.结合上述图1，对本技术实施例提供的图像配准方法进行详细介绍，参照图2，该方法包括：
129.s11、获取感兴趣区域的多张初始医学图像。
130.示例性的，多张初始医学图像是针对目标对象的同一位置(即感兴趣区域)在一个时间轴中按照一定的时序排列拍摄而成的多张内部组织图像，也可称之为时序图像。当然，本技术的实施例中的多张初始医学图像并不仅限于在一个时间轴中拍摄而成的时序图像，也可以是对感兴趣区域进行拍摄得到具备一定相似性的序列图像。
131.这里的初始医学图像可以指断层扫描图像(tomographic images)，例如，ct(computed tomography，电子计算机断层扫描)图像、mri(magnetic resonance imaging,磁共振成像)，spect(single photon emission computed tomography，单光子发射计算机断层扫描)，pet(positron emission computed tomography，正电子发射型计算机断层显像)等医学图像。本技术的实施例并不于此，也可以应用于其它类型的医学图像。
132.进一步的，上述初始医学图像可以是存储于医学图像阅片系统的数据库中的医学图像序列；因此，在进行图像配准时可以从数据库中获取该医学图像序列。可替代地，作为另一实例，也可以在进行图像配准时从医学成像设备直接获取该医学图像序列。
133.s12、根据多张初始医学图像中的第一图像，得到第一目标形变矩阵。
134.示例性的，分别对各初始医学图像中的感兴趣区域进行边缘识别，得到各初始医学图像的边缘识别结果，其中该目标可以具备刚性特征。
135.例如，该感兴趣区域也可以为具有刚性特征的人体部位，例如，该感兴趣区域可以为头骨。由于头骨的基本结构比起其他的肌肉和软组织而言几乎不会发生整体骨骼形变，可以认为是刚体。因此，采用先进行边缘识别再进行配准对于头骨这一区域的图像配准会非常有效。应理解的，该感兴趣区域也可以是人体的胸部或者其它具有刚性特征的人体部位。
136.在本实施例中，可以采用边缘检测算子对医学图像序列中的每幅医学图像进行边缘检测或识别，得到的三维边缘识别结果可以包括多幅二维医学图像上的边缘识别结果(也可以称为边缘检测结果)。边缘检测算子例如可以是sobel，canny或laplacian算子等，本技术实施例对边缘检测算子不作限定。
137.在实际应用中，首先需要在多张初始医学图像中确定参考图像，将其他初始医学图像基于该参考图像进行配准。基于多张初始医学图像是按照时序进行拍摄的特性，可在多张初始医学图像中除去参考图像的其他初始医学图像中，确定拍摄时间最早的一张医学图像作为第一图像。当然，也可在多张初始医学图像中除去参考图像的其他初始医学图像中，任选一张作为第一图像。
138.在一种可能的实现方式中，在多张初始医学图像中确定参考图像。并基于参考图像对多张初始医学图像中的各第一图像进行配准，得到各第一图像的第一目标形变矩阵。
139.需要说明的是，多张初始医学图像中可以存在多张第一图像，也可以只存在一张第一图像，其判断标准主要是基于多张初始医学图像中除去参考图像和第一图像以外的其他初始医学图像与第一图像的相似度来确定。
140.示例性的，对于多张初始医学图像中确定第一图像及其数量的方式可以为：首先在多张初始医学图像中除去参考图像的其他初始医学图像中选取一张第一图像a，当除去参考图像和第一图像a的其他初始医学图像与第一图像a的相似度均大于或等于第一预设阈值时，那么，第一图像则只有上述选取第一图像a。当多张初始医学图像中除去参考图像和第一图像a的其他初始医学图像中，只有一部分与第一图像a的相似度大于或等于第一预设阈值时，则还需要在剩余的另一部分初始医学图像中确定其他的第一图像；这时，第一图像除去上述选取的第一图像a，还可能存在第一图像b、第一图像c、第一图像d等等。因此，本技术实施例对第一图像的具体数量不作任何限定。
141.s13、基于第一目标形变矩阵，对第一图像对应的第二图像进行配准；第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的图像。
142.具体的，第一图像与第二图像的相似度可以理解为第一图像与第二图像的重叠度。例如，可采用预设算法训练的识别模型来确定第一图像与第二图像的重叠度，预设算法可采用神经网络、深度学习网络等人工智能算法。又如，还可采用欧式距离的计算方式计算第一图像与第二图像的重叠度。
143.上述图像配准方法，通过获取的感兴趣区域的多张初始医学图像中的第一图像，得到第一目标形变矩阵，并基于该第一目标形变矩阵，对多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的第二图像进行配准。这样，减少了第二图像配准过程中的搜索范围，降低了第二图像进行配准时的计算量，进而提高了感兴趣区域的多张初始医学图像的配准速率。
144.在一种可能的实现方式中，参照图3，为了能够更加凸显出感兴趣区域，便于快速且准确的确定出参考图像，因此，在多张初始医学图像中确定参考图像，包括：
145.s21、获取多张初始医学图像中，各初始医学图像对应的掩膜图像。
146.具体的，根据感兴趣区域的先验知识，确定各初始医学图像对应的掩膜图像。
147.可以理解的，图像二值化之后为黑白图像，相当于掩膜(mask)图像。因此，获取多张初始医学图像中各初始医学图像对应的掩膜图像的其中一种实现方式也可以是获取多张初始医学图像中各初始医学图像对应的二值化图像。
148.具体的，获取多张初始医学图像中各初始医学图像对应的二值化图像，就是根据各初始医学图像上的像素点的参数值与二值化分割阈值，重新划分各初始医学图像中像素点的参数值，以呈现出明显的黑白效果。例如，可以根据初始医学图像成像后各像素点的参数值所代表的含义设定相应的阈值t，当该像素点的参数值小于阈值t时，将该像素点的参数值设置为0，表示黑色；当该像素点的参数值大于或等于阈值t时，将该像素点的参数值设置为1，表示白色。
149.示例性的，以感兴趣区域为脑部ct图像中的头骨为例，一般情况下，脑部ct图像中的头骨的密度大于400亨氏单位(hounsfield unit，hu)，可以基于头骨的密度将阈值设定为400hu，将脑部ct图像中小于400hu的像素点的参数值设置为0，表示黑色；将脑部ct图像中大于或等于400hu的像素点的参数值设置为1，表示白色。则实现对脑部ct图像中的头骨进行二值化处理，即可得到如图4所示的包含有头骨的二值化图像。
150.进一步的，当同一张初始医学图像中存在多个感兴趣区域，一般情况下，该多个感兴趣区域在该初始医学图像中位于不同部分，且具有不同亮度。因此可采用自适应阈值，此
时的自适应阈值是根据初始医学图像上的每一个感兴趣区域确定与其对应的阈值。这样，在同一张初始医学图像中的不同感兴趣区域可以采用不同的阈值，从而得到包含了多个感兴趣区域的二值化图像。
151.s22、根据多张掩膜图像，确定参考图像。
152.可以理解的，参考图像是在多张初始医学图像中确定的，因此，对于在一个时间轴中按照一定的时序排列拍摄而成的多张初始医学图像，也可以采用将拍摄时间最早的一张初始医学图像作为参考图像或者在多张初始医学图像中任意选取一张作为参考图像。
153.本实施例中，通过多张初始医学图像对应的多张掩膜图像，以便于在多张初始医学图像中确定参考图像，从而提高了多张初始医学图像配准的速率和准确率。
154.在一种可能的实现方式中，s22包括：对多张掩膜图像进行平均处理，得到平均图像；并在多张掩膜图像中，确定与平均图像重合度最高的目标掩膜图像。之后，将目标掩膜图像对应的初始图像，确定为参考图像。
155.具体的，将多张掩膜图像中同一像素点的参数值相加后除以掩膜图像的数量，得到平均图像中该像素点的参数值。
156.可以理解的，对多张掩膜图像进行平均处理得到的平均图像为灰度图像。例如，对于感兴趣区域为头骨的情况，对多张掩膜图像进行平均处理，得到平均图像可参照图5所示。
157.可选的，对多张掩膜图像进行加权平均处理，得到平均图像。
158.示例性的，掩膜图像与平均图像的重合度可以采用dice、均方误差、欧拉距离或者cosin算法等方式确定。
159.因此，本技术实施例能够在多张掩膜图像中，确定出与对多张掩膜图像进行平均处理得到的平均图像重合度最高的目标掩膜图像，进而得到参考图像，提高了图像配准的配准速率和准确率。
160.在一种可能的实现方式中，基于参考图像对多张初始医学图像中的各第一图像进行配准，得到各第一图像的第一目标形变矩阵具体包括：根据参考图像的掩膜图像对第一图像的掩膜图像进行配准，得到多个第一形变矩阵。并根据各第一形变矩阵对第一图像的掩膜图像进行形变，得到各配准后的第一图像的掩膜图像。之后，在多个配准后的第一图像的掩膜图像中，确定与参考图像的掩膜图像差异最小的目标掩膜图像。这样，即将目标掩膜图像使用的第一形变矩阵，确定为第一目标形变矩阵。
161.基于s12中的实施例，在一种实现方式中，考虑到初始医学图像可以为一维、二维、三维或者更多维度，则根据参考图像的掩膜图像对第一图像的掩膜图像进行配准，可以对二维医学图像分别进行配准，也可以是对三维医学图像序列进行配准。配准的过程可以包括：通过对边缘识别结果进行空间变换来确定参考图像的掩膜图像与第一图像的掩膜图像重合像素最多时的空间变换量，然后将重合像素去除后对剩余像素迭代执行空间变换确定重合像素最多时的空间变换量的步骤，直到满足迭代中止条件，最后得到的空间变换量(即第一目标形变矩阵)。例如，空间变换可以包括平移和/或者旋转和/或缩放等过程，本技术的实施例对于空间变换的顺序不作限定，例如，可以是先平移和/或旋转，再进行缩放，也可以是先缩放再进行平移和/或旋转。
162.进一步的，基于第一目标形变矩阵对第一图像进行配准得到第一配准图像(即配
准后的第一图像)。
163.本实施例中，根据参考图像的掩膜图像对第一图像的掩膜图像进行配准，得到多个第一形变矩阵。并根据各第一形变矩阵对第一图像的掩膜图像进行形变，得到各配准后的第一图像的掩膜图像。之后，在多个配准后的第一图像的掩膜图像中，确定与参考图像的掩膜图像差异最小的目标掩膜图像。从而将目标掩膜图像使用的第一形变矩阵，确定为第一目标形变矩阵。通过利用掩膜图像进行配准能够简化第一目标形变矩阵确定过程中的计算量，提高了图像配准的速率。
164.在一种可能的实现方式中，参照图6，为了提高第二图像的配准速率，本技术的实施例可以首先基于第一目标形变矩阵，对第二图像的掩膜图像进行形变后，再根据参考图像的掩膜图像对形变后的第二图像的掩膜图像进行配准；因此，s13包括：
165.s131、根据第一目标形变矩阵，对第二图像的掩膜图像进行形变，得到初始形变掩膜图像。
166.s132、根据参考图像的掩膜图像对初始形变掩膜图像进行配准，得到第二目标形变矩阵。
167.在一种实现方式中，考虑到本技术的实施例中第一图像与第二图像的相似度满足大于或等于第一预设阈值这一条件，还可选择直接基于第一图像的掩膜图像来确定第二目标形变矩阵；因此，确定第二目标形变矩阵的流程不限于s131和s132，例如还可以是：基于第一图像的掩膜图像对第二图像的掩膜图像进行配准，得到第二目标形变矩阵。
168.s133、利用第一目标形变矩阵和第二目标形变矩阵对第二图像进行形变，得到配准后的第二图像。
169.可选的，考虑到多张初始医学图像还可能包括第三图像的情况，其中第三图像与第一图像的相似度小于第一预设阈值；因此，本技术的实施例还可以包括对第三图像的配准流程：在多张初始医学图像中确定第三图像，第三图像与第一图像的相似度小于第一预设阈值；根据配准图像的掩膜图像对第三图像的掩膜图像进行配准，得到第三目标形变矩阵；利用第三目标形变矩阵对第三图像进行配准，得到配准后的第三图像。
170.为了更好的理解，以多张初始医学图像在一个时间轴中拍摄而成的时序图像为例，对本技术的实施例对s131-s133以及第三图像的配准流程进行示例性说明，这里可以按照拍摄的时间顺序在不包括参考图像的其他初始医学图像中，首选时间最早的一张初始医学图像作为第一张第一图像，并按照拍摄时间的先后顺序依次搜索确定第二图像和第三图像。例如，参照图7，有5张初始医学图像，按照拍摄时间的先后顺序将其定义为时序图像1、时序图像2、时序图像3、时序图像4和时序图像5，时序图像1的掩膜图像为掩膜图像1、时序图像2的掩膜图像为掩膜图像2、时序图像3的掩膜图像为掩膜图像3、时序图像4的掩膜图像为掩膜图像4以及时序图像5的掩膜图像为掩膜图像5；其中时序图像2为参考图像，那么，首先将时序图像1作为首选的第一图像，在时序图像3、时序图像4和时序图像5中确定与时序图像1的相似度大于或等于第一预设阈值的第二图像，假设为时序图像3，此时可以将时序图像1的第一目标形变矩阵(即图7中的形变矩阵1)用于对掩膜图像3进行形变，得到时序图像3对应的初始形变掩膜图像，并利用时序图像3对应的初始形变掩膜图像向掩膜图像2进行配准，得到时序图像3的第二目标形变矩阵，进而根据时序图像1的第一目标形变矩阵和时序图像3的第二目标形变矩阵对时序图形3进行形变，得到配准后的时序图形3。
171.进一步的，可以将时序图像3重新作为第一图像，在时序图像4和时序图像5中确定与时序图像3的相似度大于或等于第二图像，假设时序图像4和时序图像5与时序图像3的相似度均大于或等于第二图像；那么，可以基于时序图像1的第一目标形变矩阵和时序图像3的第二目标形变矩阵对掩膜图像4进行形变，得到时序图像4对应的初始形变掩膜图像，并利用时序图像4对应的初始形变掩膜图像向掩膜图像2进行配准，得到时序图像4的第二目标形变矩阵，进而根据时序图像1的第一目标形变矩阵、时序图像3的第二目标形变矩阵以及时序图像4的第二目标形变矩阵对时序图形4进行形变，得到配准后的时序图像4。对于时序图像5的配准过程同理，此处不再赘述。可以理解的，本技术实施例的初始医学图像不限于上述的5张时序图像，还可以存在其他数量的初始医学图像，对于其他数量的初始医学图像均可参照上述的5张时序图像的配准流程进行配准，此处不再赘述。
172.在其中一种实现方式中，也可将时序图像4作为第一图像，确定时序图像5与时序图像4的相似度是否大于或等于第一预设阈值；若是，则参考上述时序图像1与时序图像3的配准流程，此处不再赘述。若否，则时序图像4与时序图像5均作为第三图像各自向掩膜图像2进行配准，配准流程可参照上述的第三图像的配准流程，此处不再赘述。
173.本实施例中，通过第一目标形变矩阵，对第二图像的掩膜图像进行形变，得到第二图像对应的初始形变掩膜图像，并基于参考图像的掩膜图像对该初始形变掩膜图像进行配准，得到第二目标形变矩阵；使得根据第一目标形变矩阵与第二目标形变矩阵对第二图像进行形变，从而降低了第二图像配准过程的难度和计算量。
174.示例性的，以感兴趣区域为头骨进行说明，参照图8本技术实施例还提供了一种针对头骨图像进行配准后的配准效果对比图，区域1中展示的是感兴趣区域的编号为a1-a8的8张初始医学图像，区域2中展示的是通过本技术的实施例所提供的图像配准方法对a1-a8进行配准后得到的编号为b1-b8的8张配准后的图像。其中，b1为a1进行配准后的图像、b2为a2配准后的图像、
……
、b8为a8配准后的图像。图8中的所有箭头的起始端位于头骨中的同一位置，末端位于头骨中的同一位置，通过a1-a8中的箭头指向可以看出a1-a8头骨偏离方向是有区别的，对a1-a8进行配准后得到的b1-b8可以看出箭头指向为同一方向，通过图8展示的效果图能够证明本技术实施例提供的图像配准方法，在提高图像配准速率，降低配准复杂度的同时，保证了图像配准的有效性。
175.在一种可能的实现方式中，考虑到对图像配准后的图像中存在严重伪影等质量低下的图像，为了避免这些质量低下的图像影响后续的图像处理流程，本技术的实施例还能够识别配准后的图像中的异常图像，因此，参照图9，还包括以下步骤：
176.s41、在多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，配准损失值用于表征配准后的图像与参考图像的差异度。
177.具体的，可采用距离评估方法，各配准后的图像的配准损失值。
178.s42、根据多个配准损失值，确定多个配准后的图像中的异常图像。
179.在一种可能的实现方式中，根据多个配准损失值，确定多个配准后的图像中的异常图像，包括：将配准损失值大于或等于第二预设阈值的配准后的图像，确定为第一异常图像。
180.在另一种可能的实现方式中，将配准损失值大于或等于第二预设阈值的配准后的图像，确定为第一异常图像之后，还包括：根据小于第二预设阈值的配准损失值计算均值和
方差；根据均值和方差，确定第二异常图像。
181.具体的，根据均值和方差确定第三预设阈值，具体公式如下：
182.t3＝ε+k
×
δ
183.其中，t3表示第三预设阈值；ε表示均值；δ表示方差；k表示方差的预设系数。
184.基于上例，将小于第二预设阈值的配准损失值中，大于第三预设阈值的配准损失值对应的图像确定为第二异常图像。
185.为了更好的理解，参照图10，对s41和s42的执行步骤进行系统性说明。其中，各配准后的图像的配准损失值可组成第一配准损失序列。
186.s51、遍历第一配准损失序列；跳转至s52。
187.s52、第一配准损失序列中是否有大于或等于第二预设阈值的配准损失值(即第一类配准损失值)；若是，跳转至s53；若否，跳转至s55。
188.s53、将第一类配准损失值对应的配准后的图像标记为第一异常图像；跳转至s54。
189.s54、从第一配准序列中剔除第一类配准损失值，得到第二配准损失序列；跳转至s55。
190.s55、计算第二配准损失序列的均值和方差，并根据均值和方差计算第三预设阈值。
191.s56、遍历第二配准损失序列；跳转至s57。
192.s57、第二配准损失序列中是否有大于或等于第三预设阈值的配准损失值(即第二类配准损失值)；若是，跳转至s58；若否，则结束。
193.s58、将第二类配准损失值对应的配准后的图像标记为第二异常图像，结束。
194.本实施例中，通过在多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，配准损失值用于表征配准后的图像与参考图像的差异度；并根据多个配准损失值，确定多个配准后的图像中的异常图像。能够有效防范严重伪影等图像质量低下的数据进入后续的图像处理流程中，避免了对后续的图像处理流程造成干扰。
195.参照图11，本技术实施例还提供一种图像配准方法，该方法包括：
196.s61、获取感兴趣区域的多张初始医学图像。
197.s62、获取多张初始医学图像中，各初始医学图像对应的掩膜图像。
198.s63、对多张掩膜图像进行平均处理，得到平均图像。
199.s64、在多张掩膜图像中，确定与平均图像重合度最高的目标掩膜图像。
200.s65、将目标掩膜图像对应的初始图像，确定为参考图像。
201.s66、根据参考图像的掩膜图像对第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
202.s67、根据各第一形变矩阵对第一图像的掩膜图像进行形变，得到各配准后的第一图像的掩膜图像。
203.s68、在多个配准后的第一图像的掩膜图像中，确定与参考图像的掩膜图像差异最小的目标掩膜图像。
204.s69、将目标掩膜图像使用的第一形变矩阵，确定为第一目标形变矩阵。
205.s70、根据第一目标形变矩阵，对第二图像的掩膜图像进行形变，得到初始形变掩膜图像；第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的
图像。
206.s71、根据参考图像的掩膜图像对初始形变掩膜图像进行配准，得到第二目标形变矩阵。
207.s72、利用第一目标形变矩阵和第二目标形变矩阵对第二图像进行形变，得到配准后的第二图像。
208.s73、在多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，配准损失值用于表征配准后的图像与参考图像的差异度。
209.s74、根据多个配准损失值，确定多个配准后的图像中的异常图像；其中，将配准损失值大于或等于第二预设阈值的配准后的图像，确定为第一异常图像。
210.需要说明的是，参照图10中示出的图像配准方法的具体限定可以参见上文中对于图像配准方法的限定，在此不再赘述。
211.应该理解的是，虽然图2、3、6、9、10、11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、3、6、9、10、11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。
212.在一个实施例中，参照图12，提供了一种图像配准装置11，装置11包括：
213.获取模块111，用于获取感兴趣区域的多张初始医学图像。
214.处理模块112，用于根据获取模块111获取的多张初始医学图像中的第一图像，得到第一目标形变矩阵。
215.处理模块112，还用于基于第一目标形变矩阵，对第一图像对应的第二图像进行配准；第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的图像。
216.在一种可能的实现方式中，处理模块112，具体用于，
217.在多张初始医学图像中确定参考图像。
218.基于参考图像对多张初始医学图像中的各第一图像进行配准，得到各第一图像的第一目标形变矩阵。
219.在一种可能的实现方式中，处理模块112，具体用于，
220.获取多张初始医学图像中，各初始医学图像对应的掩膜图像。
221.根据多张掩膜图像，确定参考图像。
222.在一种可能的实现方式中，处理模块112，具体用于，
223.对多张掩膜图像进行平均处理，得到平均图像。
224.在多张掩膜图像中，确定与平均图像重合度最高的目标掩膜图像。
225.将目标掩膜图像对应的初始图像，确定为参考图像。
226.在一种可能的实现方式中，处理模块112，具体用于，
227.根据参考图像的掩膜图像对第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
228.根据各第一形变矩阵对第一图像的掩膜图像进行形变，得到各配准后的第一图像的掩膜图像。
229.在多个配准后的第一图像的掩膜图像中，确定与参考图像的掩膜图像差异最小的目标掩膜图像。
230.将目标掩膜图像使用的第一形变矩阵，确定为第一目标形变矩阵。
231.在一种可能的实现方式中，处理模块112，具体用于，
232.根据第一目标形变矩阵，对第二图像的掩膜图像进行形变，得到初始形变掩膜图像。
233.根据参考图像的掩膜图像对初始形变掩膜图像进行配准，得到第二目标形变矩阵。
234.利用第一目标形变矩阵和第二目标形变矩阵对第二图像进行形变，得到配准后的第二图像。
235.在一种可能的实现方式中，处理模块112，还用于，
236.在多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，配准损失值用于表征配准后的图像与参考图像的差异度。
237.根据多个配准损失值，确定多个配准后的图像中的异常图像。
238.在一种可能的实现方式中，处理模块112，具体用于将配准损失值大于或等于第二预设阈值的配准后的图像，确定为第一异常图像。
239.关于图像配准装置的具体限定可以参见上文中对于图像配准方法的限定，在此不再赘述。上述种图像配准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。
240.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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、计算机程序和数据库。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。该计算机设备的数据库用于存储初始数据，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图像配准方法。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。
241.本领域技术人员可以理解，图13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。
242.在一个实施例中，提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
243.获取感兴趣区域的多张初始医学图像。
244.根据多张初始医学图像中的第一图像，得到第一目标形变矩阵。
245.基于第一目标形变矩阵，对第一图像对应的第二图像进行配准。第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的图像。
246.或者，处理器执行计算机程序时实现以下步骤：
247.获取感兴趣区域的多张初始医学图像。
248.获取多张初始医学图像中，各初始医学图像对应的掩膜图像。
249.对多张掩膜图像进行平均处理，得到平均图像。
250.在多张掩膜图像中，确定与平均图像重合度最高的目标掩膜图像。
251.将目标掩膜图像对应的初始图像，确定为参考图像。
252.根据参考图像的掩膜图像对第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
253.根据各第一形变矩阵对第一图像的掩膜图像进行形变，得到各配准后的第一图像的掩膜图像。
254.在多个配准后的第一图像的掩膜图像中，确定与参考图像的掩膜图像差异最小的目标掩膜图像。
255.将目标掩膜图像使用的第一形变矩阵，确定为第一目标形变矩阵。
256.根据第一目标形变矩阵，对第二图像的掩膜图像进行形变，得到初始形变掩膜图像；第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的图像。
257.根据参考图像的掩膜图像对初始形变掩膜图像进行配准，得到第二目标形变矩阵。
258.利用第一目标形变矩阵和第二目标形变矩阵对第二图像进行形变，得到配准后的第二图像。
259.在多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，配准损失值用于表征配准后的图像与参考图像的差异度。
260.根据多个配准损失值，确定多个配准后的图像中的异常图像；其中，将配准损失值大于或等于第二预设阈值的配准后的图像，确定为第一异常图像。
261.在一个实施例中，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：
262.获取感兴趣区域的多张初始医学图像。
263.根据多张初始医学图像中的第一图像，得到第一目标形变矩阵。
264.基于第一目标形变矩阵，对第一图像对应的第二图像进行配准。第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的图像。
265.或者，计算机程序被处理器执行时实现以下步骤：
266.获取感兴趣区域的多张初始医学图像。
267.获取多张初始医学图像中，各初始医学图像对应的掩膜图像。
268.对多张掩膜图像进行平均处理，得到平均图像。
269.在多张掩膜图像中，确定与平均图像重合度最高的目标掩膜图像。
270.将目标掩膜图像对应的初始图像，确定为参考图像。
271.根据参考图像的掩膜图像对第一图像的掩膜图像进行配准，得到多个第一形变矩
阵。
272.根据各第一形变矩阵对第一图像的掩膜图像进行形变，得到各配准后的第一图像的掩膜图像。
273.在多个配准后的第一图像的掩膜图像中，确定与参考图像的掩膜图像差异最小的目标掩膜图像。
274.将目标掩膜图像使用的第一形变矩阵，确定为第一目标形变矩阵。
275.根据第一目标形变矩阵，对第二图像的掩膜图像进行形变，得到初始形变掩膜图像；第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的图像。
276.根据参考图像的掩膜图像对初始形变掩膜图像进行配准，得到第二目标形变矩阵。
277.利用第一目标形变矩阵和第二目标形变矩阵对第二图像进行形变，得到配准后的第二图像。
278.在多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，配准损失值用于表征配准后的图像与参考图像的差异度。
279.根据多个配准损失值，确定多个配准后的图像中的异常图像；其中，将配准损失值大于或等于第二预设阈值的配准后的图像，确定为第一异常图像。
280.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
281.获取感兴趣区域的多张初始医学图像。
282.根据多张初始医学图像中的第一图像，得到第一目标形变矩阵。
283.基于第一目标形变矩阵，对第一图像对应的第二图像进行配准。第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的图像。
284.或者，计算机程序被处理器执行时实现以下步骤：
285.获取感兴趣区域的多张初始医学图像。
286.获取多张初始医学图像中，各初始医学图像对应的掩膜图像。
287.对多张掩膜图像进行平均处理，得到平均图像。
288.在多张掩膜图像中，确定与平均图像重合度最高的目标掩膜图像。
289.将目标掩膜图像对应的初始图像，确定为参考图像。
290.根据参考图像的掩膜图像对第一图像的掩膜图像进行配准，得到多个第一形变矩阵。
291.根据各第一形变矩阵对第一图像的掩膜图像进行形变，得到各配准后的第一图像的掩膜图像。
292.在多个配准后的第一图像的掩膜图像中，确定与参考图像的掩膜图像差异最小的目标掩膜图像。
293.将目标掩膜图像使用的第一形变矩阵，确定为第一目标形变矩阵。
294.根据第一目标形变矩阵，对第二图像的掩膜图像进行形变，得到初始形变掩膜图像；第二图像为多张初始医学图像中与第一图像的相似度大于或等于第一预设阈值的图像。
295.根据参考图像的掩膜图像对初始形变掩膜图像进行配准，得到第二目标形变矩阵。
296.利用第一目标形变矩阵和第二目标形变矩阵对第二图像进行形变，得到配准后的第二图像。
297.在多个初始医学图像均配准完成后，确定各配准后的图像的配准损失值，配准损失值用于表征配准后的图像与参考图像的差异度。
298.根据多个配准损失值，确定多个配准后的图像中的异常图像；其中，将配准损失值大于或等于第二预设阈值的配准后的图像，确定为第一异常图像。
299.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、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、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。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等。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。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
300.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。
301.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本技术专利范围的限制。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，本技术的保护范围应以所附权利要求为准。