[发明专利]一种前列腺核磁超声图像配准融合方法

权利要求书

1.一种前列腺核磁超声图像配准融合方法，其特征在于，包括以下步骤：

步骤1：在前列腺超声图像的训练集中的前列腺超声图像人工标注前列腺区域的精准轮廓，前列腺区域的精准轮廓上包括多个标签点，基于标签点训练前列腺的主动表观模型；

步骤2：应用ECC算法将步骤1中的前列腺超声图像训练集进行通道对齐，消除尺度误差；提取前列腺区域的训练特征F＝(X,V)，其中，X＝(x_pixel,y_pixel)表示像素点的图像坐标，V＝(mean,std)表示以X为中心的邻域的均值、标准差；使用随机森林的机器学习模型训练前列腺图像区域的二分类分类器，获得训练好的随机森林模型；

步骤3：完成一副新的超声图像的自动分割，其包括：

步骤3.1：使用步骤2中训练好的随机森林模型对一副新的超声图像进行分类，实现二值分割，获得预分割的二值图像；

步骤3.2：建立步骤3.1中获得的预分割的二值图像区域的边界驱动函数的数学模型，应用遗传算法进行边界驱动函数的数学模型的参数优化，得到超声图像上前列腺区域的分割姿态参数；

步骤3.3：基于步骤3.2中所计算的姿态参数，在步骤1中训练好的主动表观模型中进行轮廓分割，获得超声图像的前列腺轮廓的自动分割结果；

步骤4：提取由步骤3得到的超声图像的前列腺轮廓的自动分割结果以及术前手动分割核磁图像的轮廓边界的形状上下文特征，采用KM算法求解匹配的轮廓点，得到核磁图像与超声图像上轮廓点对的匹配关系；

步骤5：根据步骤4得到的轮廓点对的匹配关系，应用薄板样条对具有匹配关系的轮廓点进行插值，最后基于插值拟合的TPS函数进行图像配准。

2.根据权利要求1所述的前列腺核磁超声图像配准融合方法，其特征在于，在步骤3.2中，以步骤3.1中获得的预分割的二值图像的前列腺区域的边界轮廓作为均值形状的目标姿态建立边界驱动函数f：

G_i＝outside_i-inside_i (2)

式中：n表示均值形状的标签点数量，G_i表示第i(i＝1,2,…,n)处标签点上沿法向的边界梯度值，outside_i和inside_i分别表示在法线上背向质心和朝向质心的像素和值；

为了建立边界驱动函数f与均值形状的数学关系，定义均值形状在目标姿态下的形状C表示轮廓点的标记数目，其转换关系经下式计算得到：

式中：表示是一个仿射变换矩阵；为目标姿态下的的质心坐标，表示姿态t下的点集；θ表示旋转角，以x轴顺时针方向旋转为正；scale表示比例缩放因子；表示一种随机状态k下的点集；

以目标姿态下任一标签点为中心，沿法线取长度为2D的线段，记p_ij为点法线上的距离为j的像素的灰度值，其图像坐标记为和则有：

式中：表示法向方向的斜率，取2D作为法向的长度，j＝-D,-1,0,1…,D代表不同的取样距离；由上述的数学模型可知，当目标姿态发生变化时，边界驱动函数f的值域会在[-255,0]进行波动，仅当f→-255时，轮廓将迭代至最优解，此时将与前列腺预分割的二值图像的轮廓最大程度重合；以轮廓的一种随机状态k下的姿态参数作为优化目标参数，建立边界驱动函数f为优化目标的数学模型：

min f(x_k,y_k,θ_k,scale_k)

式中：姿态参数(x_k,y_k,θ_k,scale_k)分别表示随机状态k下的平移、缩放和比例因子；x_p、y_p、α、s可由和预分割的二值图像的最小外接矩形参数计算得到，(x_p,y_p)表示预分割的二值图像的轮廓的质心的图像坐标，w₁、h₁、w₂、h₂分别表示最小外接矩形的宽度和长度，α表示外接矩形的旋转角。

3.根据权利要求1或2所述的前列腺核磁超声图像配准融合方法，其特征在于，在步骤4中，点p_i和点q_j(i,j＝1,2,…,n_pt)分别表示前列腺术前手动分割核磁图像上的轮廓点和步骤3中自动分割得到的经直肠超声图像上轮廓点，二者对应的形状上下文矢量为h_i和h_j；

将形状上下文算子的特征描述符划分为num＝num_r·num_c个子区间，记作k_rc(1≤r≤num_r,1≤c≤num_c)，统计子空间k_rc上的轮廓点数量，记为N_rc，则h_j＝[N_1,1,N_1,2,…,N_r,c]；

记点p_i和点q_j的匹配代价C_ij满足：

定义排列π(q_i)，使得点集总代价H(π)满足：

采用KM算法求解上述代价匹配问题，得到超声和核磁图像上前列腺区域的轮廓点对匹配关系。