[发明专利]锥束CT图像间体素稠密对应的自动建立方法

说明书

本发明公布了一种锥束CT图像间体素稠密对应的自动建立方法，分为对级联测地随机森林进行训练过程和在线测试过程；首先根据锥束CT图像定义图像子集，基于表观随机森林获取图像子集间体素的相似度，然后基于级联测地随机森林更新图像子集间体素的相似度，再利用正则化机制获取原始图像间稠密体素对应，由此实现锥束CT图像间体素稠密对应的快速自动建立。本发明建立对应的方法有效克服了现有方法对标注数据的大量需求以及稠密体素对应效率低的问题，基于本发明的体素对应可得到锥束CT图像之间的非刚性变形以及配准，用于估计不同锥束CT图像之间的差异及临床正畸治疗评价。

技术领域

本发明涉及口腔临床医学和计算机视觉领域，具体涉及一种自动建立锥束CT图像之间体素稠密对应关系(相似度)的方法。

背景技术

在正畸学临床中使用锥束CT图像记录并度量治疗前后颅面结构的变化，其中图像之间体素的稠密对应以及图像配准是量化图像结构变化的关键。考虑到锥束CT图像中较低的信噪比、图像中颅面结构中由于治疗与生长造成的形态差异、数据采集中微小的姿态变化，以及三维锥束CT极大的数据规模，在锥束CT图像之间建立体素的稠密对应是一项有挑战性的任务。

现有技术中，基于常见的互信息、归一相关、以及拉普拉斯嵌入流形距离等测度来计算图像的非刚性配准以及体素的稠密对应，一般费时并易于出现局部最小。最近出现的基于缩减子集的方法用于对锥束CT图像进行刚性的重叠，但是，由于一般临床正畸治疗会持续较长的时间并包含非刚性的形态变化，因而刚性的重叠方法并不适用于对锥束CT图像建立体素稠密对应。随机森林技术可用于体素分类以及对应，但是，采用有监督的分类随机森林算法则需要大量的标注数据或者基于超体素分解获取的标签。基于超体素分解的方法可以自动获取对应体素的标签，但是，基于超体素分解的方法仅仅可以使用来自一个锥束CT图像的体素训练随机森林，难以从有限的样本中获取泛化的分类以及对应关系(相似度)。

发明内容

为了克服上述现有技术的不足，本发明提供一种自动建立锥束CT图像之间体素稠密对应的方法，基于非监督级联随机森林技术快速建立锥束CT图像之间体素的稠密对应，进而可以得到锥束CT图像之间的非刚性变形以及配准，可用于估计不同锥束CT图像之间的差异及临床正畸治疗评价。

本发明的原理是：针对获取锥束CT图像之间体素的稠密对应问题，本发明提出基于非监督级联随机森林技术建立体素的稠密对应，其中以三维SIFT(Scale-invariantfeature transform，尺度不变特征变换)技术抽取卷积平滑差异图像的局部极值构造图像子集，并在该图像子集上建立表观随机森林。以非监督聚类随机森林算法生成表观随机森林，获取体素之间的相似度，进而获取图像子集之间体素映射函数。除了常见的基于上下文体素灰度的特征描述之外，本发明利用测地坐标以克服近邻结构的对应混淆。在图像子集中基于体素相似度矩阵构造加权的无向图，其中在空间近邻的体素之间建立边连接。体素的测地坐标定义为该无向图中的最短路径长度，并在体素的测地坐标上建立测地随机森林。由于测地坐标可以描述体素关于结构与背景之间的差异，由测地随机森林所得到的体素相似度反应了体素是否位于相同解剖结构，并用于修正基于表观随机森林得到的体素相似度。由于图像子集中的加权无向图会随着体素的相似度矩阵更新而发生变化，因而可以在迭代更新的测地坐标上构造级联测地随机森林。级联测地随机森林中的每一层都可用于修正当前图像子集体素的相似度。利用多数投票机制建立图像子集间的体素相似度。最后利用正则化机制将图像子集中的体素对应扩散到整个锥束CT图像，获取锥束CT图像之间体素的稠密对应。

本发明提供的技术方案是：

一种锥束CT图像间体素稠密对应的自动建立方法，分为对级联测地随机森林进行训练过程和在线测试过程；首先根据锥束CT图像定义图像子集，基于表观随机森林获取图像子集间体素的相似度，然后基于级联测地随机森林更新图像子集间体素的相似度，再利用正则化机制获取原始图像间稠密体素对应，由此实现锥束CT图像间体素稠密对应的自动建立；具体包括如下步骤：