[发明专利]基于几何代数的医学图像配准方法和系统

说明书

本发明公开了一种基于几何代数的医学图像配准方法和系统，基于GA‑SURF算法对参考图像和浮动图像分别进行GA特征点提取，得到参考图像特征点和浮动图像特征点，根据GA球体构建算法，分别利用参考图像特征点和浮动图像特征点构建参考图像特征球和浮动图像特征球，在共形几何代数空间中，利用参考图像特征球和浮动图像特征球确定变换关系，基于变换关系对参考图像和浮动图像进行配准。由于几何代数具有丰富统一的计算方式，能够将复杂的线性运算和矩阵运算简化，减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，同时几何代数能直接处理高维信息，未丢失医学图像的维度信息，使得医学图像配准精度更高。

技术领域

本发明涉及医学图像配准领域，尤其涉及一种基于几何代数(GeometricAlgebra，GA)的医学图像配准方法和系统。

背景技术

现有技术中的医学图像配准大多是针对二维图像的配准，因为2D/2D医学图像配准(表示2D的参考图像与2D的浮动图像进行配准)易实现、速度快、成本低。但是对二维图像的配准没有考虑到使用高维度信息时的情况，在维度信息比较高的情况下，3D/3D医学图像配准(表示3D的参考图像与3D的浮动图像进行配准)更能满足临床医学、手术导航中的要求。目前，3D/3D图像配准存在数据参数多、几何变换复杂度高及计算量很大的问题。

发明内容

本发明的主要目的在于提供一种基于几何代数的医学图像配准方法和系统，可以解决3D/3D图像配准数据参数多、几何变换复杂度高及计算量很大的技术问题。

为实现上述目的，本发明第一方面提供一种基于几何代数的医学图像配准方法，其特征在于，所述方法包括：

基于GA-SURF算法对参考图像和浮动图像分别进行几何代数GA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；

根据GA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；

在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。

为实现上述目的，本发明第二方面提供一种基于几何代数的医学图像配准系统，其特征在于，所述系统包括：

提取模块，用于基于GA-SURF算法对参考图像和浮动图像分别进行几何代数GA特征点提取，得到参考图像特征点和浮动图像特征点，所述参考图像与所述浮动图像均为医学图像；

构建模块，用于根据GA球体构建算法，分别利用所述参考图像特征点和所述浮动图像特征点构建参考图像特征球和浮动图像特征球；

确定配准模块，用于在共形几何代数空间中，利用所述参考图像特征球和所述浮动图像特征球确定变换关系，基于所述变换关系对所述参考图像和所述浮动图像进行配准，所述变换关系包括旋转、平移和缩放。

本发明提供一种基于几何代数的医学图像配准方法和系统。由于本发明利用了几何代数及几何代数中的共形几何代数，二者均具有丰富统一的计算方式，能够将复杂的线性运算和矩阵运算简化，且为几何变换提供更为简单直接的表达，能减少配准数据参数、降低几何变换复杂度、简化计算量并加快计算速度，同时利用几何代数能直接处理高维信息的优点，未丢失医学图像的维度信息，使得医学图像配准精度更高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明第一实施例中一种基于几何代数的医学图像配准方法的流程示意图；