[发明专利]基于不连续运动的肝部三维多模态图像配准方法

权利要求书

1.一种基于不连续运动的肝部三维多模态图像配准方法，其特征在于，其包括以下步骤：

对获取的原始肝部序列图像进行预处理和刚性配准；

采用结合三阶B样条函数的自由形变模型模拟刚性配准后肝部图像的弹性形变，采用基于全变分的正则项和混合测度来构建代价函数，衡量两幅图像的相似性程度；

采用基于图像的多分辨率金字塔的优化策略，利用有限记忆拟牛顿插值法来优化所述代价函数，求得最优的变换解；

所述混合测度，指的是基于归一化互信息的相关比，公式如下：

CRMI(M,F；φ)＝(2-NMI(M,F；φ))·(1-CR(M,F；φ))；

其中，M表示浮动图像，F表示参考图像，φ表示浮动图像的控制点，NMI表示归一化互信息，CR表示相关比；

在归一化互信息中，p(M；U)表示所述浮动图像的边缘概率密度，p(F)表示所述参考图像的边缘概率密度，p(M,F；U)表示两幅图像的联合概率密度；

在相关比中，X和Y分别表示参考图像和浮动图像的随机变量，Var[Y]为Y的方差，Var[Y-E(Y|X)]为Y独立于X方差；

所述基于全变分的正则项，公式如下：

其中，是求导符号，U是所述浮动图像的位移，和分别表示形变场在三维空间三个方向上的导数，β是一个用于避免全变分函数在零处不可导的常数；

基于全变分的正则项和混合测度来构建的代价函数为：

C＝D(F(a),M(U(a)))+λR^TV(U)；

其中，F(a)为所述参考图像，M(a)为所述浮动图像，a为图像上的像素点，R^TV为正则项，λ为正则项的权重因子，D(F(a),M(U(a)))表示混合测度，U(a)为浮动图像的位移。

2.如权利要求1所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述模拟弹性形变，包括以下步骤：

定义所述肝部三维CT图像为参考图像，定义所述肝部三维MR图像为浮动图像，分别加载所述参考图像和所述浮动图像；

对所述浮动图像进行弹性形变，并采用结合三阶B样条函数的自由形变模型来模拟所述浮动图像的弹性形变：设所述浮动图像的图像域为Φ，包含n_x×n_y×n_z个间距为δ的控制点，则，

U是所述浮动图像的位移，φ为所述浮动图像的控制点，(x,y,z)为所述浮动图像上的像素点；(p_x,p_y,p_z)是距离像素点最近的控制点，且B_th表示三阶B样条的基函数。

3.如权利要求2所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述浮动图像的控制点网格间距设为7*7*7mm，所述浮动图像上每个像素点的形变由周围64个控制点的形变决定。

4.如权利要求1所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述λ的值为100。

5.如权利要求1-4中任一项所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述预处理和刚性配准，包括以下步骤：

对获取的原始肝部序列图像进行三维重建和尺度归一化处理，输出肝部三维CT图像和肝部三维MR图像；

采用水平集的方法，分别对所述肝部三维CT图像进行去重处理、对所述肝部三维MR图像进行高斯平滑去噪处理；

对去重处理的所述肝部三维CT图像和去噪处理的所述肝部三维MR图像进行刚性配准，获得两幅边界位置大致对齐的肝部图像。

6.如权利要求2-4中任一项所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，利用有限记忆拟牛顿插值法优化所述代价函数，指的是对所述代价函数进行求导，获得最优的变换解；

求导的公式为：则，全变分的求导展开式为：

其中，

7.如权利要求1所述的基于不连续运动的肝部三维多模态图像配准方法，其特征在于，所述基于图像的多分辨率金字塔的层数为三层，包括：

将图像降采样，先降采样为原来图像的八分之一大小，进行配准得到一个最优解，将此次结果作为第二层配准的初始值；

第二层是将图像降采样成原来的四分之一大小，进行配准求得此次最优解，将此作为第一层图像的配准起点，对原始图像进行配准从而得到最终的优化变换解。