[发明专利]医学图像配准方法、医疗设备及存储介质

说明书

本发明涉及图像处理技术领域，具体涉及医学图像配准方法、医疗设备及存储介质，其中方法包括获取目标部位的参考医学图像序列以及待配准医学图像序列；确定待配准医学图像序列的各个图像层面中的血管边界，以得到各个图像层面的边界子图；分别对参考医学图像序列的至少一个图像层面以及待配准医学图像序列的至少一个图像层面进行血管边界的采样，得到第一边界点集合以及第二边界点集合；基于第一边界点集合以及第二边界点集合中对应边界点的偏移量，确定最优变换；根据最优变换对各个边界子图进行调整，以对所述待配准医学图像序列进行配准。将最优变换作用在边界子图上，能够抵消在扫描的过程中由于位移、呼吸等导致的血管位置在图像中的偏移。

技术领域

本发明涉及图像处理技术领域，具体涉及医学图像配准方法、医疗设备及存储介质。

背景技术

医学图像配准是图像处理研究领域中的一项重要且复杂的任务，由于医学图像会来自不同的采集设备、不同的扫描时间、不同的拍摄角度、不同的研究对象等等。因此，往往在进行图像融合、图像分割等后续处理步骤之前需要先进行图像配准以达到针对同一解剖结构在不同的采集图像中对应于空间中的同一位置。

传统的图像配准方法主要包括基于特征的方法，该方法往往需要利用边缘、表面、像素等信息进行特征提取，配准的成功与否很大程度上依赖于提取的特征。这就导致传统方法存在诸如适用性差、处理速度慢、配准评估不统一等问题。近年来随着深度学习在图像处理领域大放异彩，基于深度学习的图像配准方法也随之兴起。但是对于监督学习来说，依然面临标注数据有限的窘境。总的来说，不管是传统方法还是深度学习方法，均存在一定的局限性。

发明内容

有鉴于此，本发明实施例提供了一种医学图像配准方法、医疗设备及存储介质，以解决医学图像配准的问题。

根据第一方面，本发明实施例提供了一种医学图像配准方法，包括：

获取目标部位的参考医学图像序列以及待配准医学图像序列；

确定所述待配准医学图像序列的各个图像层面中的血管边界，以得到各个图像层面的边界子图；

分别对参考医学图像序列的至少一个图像层面以及所述待配准医学图像序列的至少一个图像层面进行血管边界的采样，得到第一边界点集合以及第二边界点集合；

基于所述第一边界点集合以及所述第二边界点集合中对应边界点的偏移量，确定最优变换；

根据所述最优变换对各个所述边界子图进行调整，以对所述待配准医学图像序列进行配准。

本发明实施例提供的医学图像配准方法，利用对参考医学图像序列的至少一个图像层面以及待配准医学图像序列的至少一个图像层面进行边界采样得到的第一边界点集合以及第二边界点集合中对应边界点的偏移量确定最优变换，再利用最优变换对待配准序列中的边界子图进行调整，从而实现对待配准医学图像序列的配准；该方法将最优变换作用在边界子图上，能够抵消在扫描得到各个序列的过程中由于位移、呼吸等导致的血管位置在图像中的偏移，具有较高的配准的准确性。

结合第一方面，在第一方面第一实施方式中，所述基于所述第一边界点集合以及所述第二边界点集合中对应边界点的偏移量，确定最优变换，包括：

利用所述第一边界点集合与所述第二边界点集合中对应边界点的偏移量以及变换矩阵形成目标函数；其中，所述第一边界点集合以及所述第二边界点集合为所述目标函数的约束条件。

基于所述目标函数对所述变换矩阵进行优化，以得到所述最优变换。

结合第一方面第一实施方式，在第一方面第二实施方式中，所述目标函数采用如下公式表示：

；