基于人工智能的二维医学图像配准方法及系统与流程

本发明涉及图像数据处理的，特别涉及一种基于人工智能的二维医学图像配准方法及系统。

背景技术：

1、人工智能（ai）是计算机科学领域中一门研究和模拟人类智能的学科。旨在研究如何让计算机具有类似人类的感知、推理、计划、学习、执行、交流等功能，目前主要应用到的领域有机器学习、深度学习、计算机视觉、自然语言处理和专家决策等功能。

2、而现有的二维医学图像技术是一种重要的临床医疗辅助诊断手段，以乳腺x光、磁共振成像（mri）、计算机断层扫描（ct）、超声波等不同模式的影像设备采集患者身体组织图像，生成二维切片图像，其广泛应用在诊断支持、治疗计划制定以及手术导航等领域，但现有在二维医学图像配准防线上存在诸多难点和弊端：

3、图像模态不同，面对不同模态的图像（如ct和mri），二维医学图像配准需处理不同类型图像间的强度差异、对比度差异及噪声等问题，导致匹配度量难以实现。

4、非刚性变形，由于生物组织在不同时间或不同姿势下容易发生非刚性变形（例如器官变形、肿瘤缩小等），这种非刚性变形不易建模，给配准任务增加复杂度。

5、运动伪影，在采集图像的过程中，病人的生理因素（如心跳、呼吸等）可能导致图像出现运动伪影，影响对齐精度。

技术实现思路

1、本发明的主要目的为提供一种基于人工智能的二维医学图像配准方法及系统，其结合前景检测、三维测量和非刚性变形补偿以及减少运动伪影提出的多模态二维医学图像配准方法，再通过ai处理二维医学图像以为更广泛的医学图像分析与诊断提供技术支持。

2、为实现上述目的，本发明提供的基于人工智能的二维医学图像配准方法，包括以下步骤：

3、获取第一二维医学图像，所述第一二维医学图像包括不同模态的ct图像和/或mri图像；

4、对所述第一二维医学图像进行图像特征提取以得到若干与第一二维图像匹配的图像特征，并对若干所述图像特征进行统一转换以生成对应的特征空间；

5、对所述特征空间中的若干图像特征中的运动目标进行前景检测，提取一项或多项图像特征的运动区域；

6、对所述特征空间中的若干图像特征随机标定四个相互垂直的检测点位，通过所述运动区域对特征空间中的检测点位进行实时垂直监听；

7、获取第二二维医学图像，所述第二二维医学图像是第一二维医学图像之后再获取的二维医学图像；

8、将所述第二二维医学图像加载至特征空间中进行伪影减少处理和非刚性变形补偿处理，并输出处理后的第二二维医学图像。

9、进一步地，所述将所述第二二维医学图像加载至特征空间中进行伪影减少处理的步骤中，包括：

10、根据所述第二二维图像中的血管ct图像，对所述特征空间进行灰度化设置，并通过所述特征空间的运动区域识别血管ct图像的血液信息；

11、对灰度化设置后的特征空间中对所述血液信息进行roi压制，以获取血管壁图像和位于血管壁内的黑血图像；

12、将所述血管壁图像和黑血图像与特征空间中的图像特征进行血管路匹配，删除所述血管壁图像和黑血图像中超出图像特征血管路的部分。

13、进一步地，根据所述第二二维图像中的血管ct图像，对所述特征空间进行灰度化设置，并通过所述特征空间的运动区域识别血管ct图像的血液信息的步骤之后，包括：

14、对所述特征空间中确定出与血液信息匹配的若干图像特征；

15、对若干图像特征进行感兴趣设置，以通过所述感兴趣设置确定所述血液信息中的不重要血液信息；

16、将所述不重要血液信息对应的图像特征在所述特征空间中进行删减。

17、进一步地，所述将所述第二二维医学图像加载至特征空间中进行伪影减少处理的步骤中，还包括：

18、获取第二二维医学图像中的其它ct图像，所述其它ct图像包括但不限于骨架、心脏以及其它器官；

19、将所述其它ct图像输入至特征空间中，并对位所述其它ct图像在特征空间中的运动区域；

20、通过对所述运动区域进行位移预设，将所述其它ct图像超出预设位移的图像部分进行删减。

21、进一步地，将所述第二二维医学图像加载至特征空间中进行非刚性变形补偿处理的步骤包括：

22、在所述特征空间中使用b-spline变换算法对第二二维医学图像进行变形场计算，生成与所述第二二维医学图像匹配的点云集；

23、通过所述点云集与特征空间中图像特征的比对，获取比对后的图像特征与点云集的差异值；

24、根据所述差异至对应补偿修正第二二维医学图像。

25、进一步地，对所述第一二维医学图像进行图像特征提取以得到若干与第一二维图像匹配的图像特征，并对若干所述图像特征进行统一转换以生成对应的特征空间的步骤，包括：

26、采用sift特征提取算法和surf特征提取算法对第一二维医学图像进行识别提取，分别识别出对应的第一特征组和第二特征组；

27、利用flann匹配法将所述第一特征组和第二特征组进行匹配，以匹配出所述第一特征组和第二特征组中的若干近似特征；

28、将所述近似特征作为图像特征进行坐标转换和归一化处理，以将若干所述图像特征生成至对应的特征空间中；

29、将所述特征空间的若干图像特征与后续的图像传输接口接通，以获取后续输入的二维医学图像数据。

30、进一步地，对所述特征空间中的若干图像特征中的运动目标进行前景检测，提取一项或多项图像特征的运动区域的步骤，包括：

31、识别所述特征空间中若干图像特征对用的运动向量；

32、通过lucas-kanade算法识别若干所述运动向量的运动目标和速度；

33、对计算出的所述运动目标和速度进行光流场阈值处理，以过滤较小的运动向量；

34、利用开闭运算消除若干运动向量中孤立的噪点；

35、连接若干所述运动向量对应的运动区域。

36、进一步地，对所述特征空间中的若干图像特征随机标定四个相互垂直的检测点位，通过所述运动区域对特征空间中的检测点位进行实时垂直监听的步骤，包括：

37、持续性获取第一二维医学图像并转换为图像特征一一对应的输入至特征空间中的图像特征中；

38、预设四个点位，且四个点位垂直，并将四个点位标注于特征空间的图像特征上；

39、实时监听四个点位的连接线角度是否发生变化。

40、进一步地，实时监听四个点位的连接线角度是否发生变化的步骤之后，包括：

41、若发生变化，则认定为所述特征空间中的图像特征经过伪影减少处理和非刚性变形补偿处理后发生对应的中和行为，并根据认定重新执行所述特征空间的生成过程，其中，所述中和行为是通过第二二维医学图像输入后对图像特征进行均值校准发生的行为。

42、本发明还提出一种基于人工智能的二维医学图像配准系统，包括计算机系统，所述计算机系统执行上述的基于人工智能的二维医学图像配准方法。

43、本发明提供的基于人工智能的二维医学图像配准方法和系统，具有以下有益效果：

44、（1）图像质量提高：通过高级特征提取算法以及伪影减少处理，提高了图像质量以更准确地进行医学分析。

45、（2）非刚性变形补偿处理：使用b-spline变换算法对图像进行非刚性变形补偿，考虑到图像在不同模态下可能存在的变形，提高了图像准确性。

46、（3）灵活的特征空间：采用多种特征提取算法和匹配技术进行统一转换，生成一个既严谨又灵活的特征空间，适应不同类型的医学图像。

47、（4）实时运动目标检测：通过前景检测技术（如lucas-kanade算法）有效识别运动目标，有助于提高诊断结果的可靠性。