[发明专利]一种三维脑图谱模板构建方法

说明书

本发明提供一种三维脑图谱模板构建方法，其包括：步骤一，形变场获取：选取一套二维图像的序列，对于任意相邻的两张二维图像，将前一张配准到后一张上，配准过程生成形变场；步骤二，中间形变场生成：对于任意相邻的两张二维图像配准生成的形变场，按时间的形变路径积分，计算中间形变场；步骤三，插值图像生成：对于任意相邻的两张二维图像，根据所述中间形变场，计算待插值图像。本发明所述三维脑图谱模板构建方法、存储介质及电子设备，避免了传统三维重建思路可能产生的碎片空洞和缝隙重叠等问题。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种三维脑图谱模板构建方法。

背景技术

基于二维图像序列的三维重建是图像处理领域的常规任务，其目的是在轴向信息匮乏，即图像序列的轴向分辨率远低于其单张图像水平分辨率的情况下，重构出图像序列所记录对象的三维形态信息。

脑图谱模板构建同样属于三维重建任务中的一种。所谓的脑图谱模板，一般指标注了若干脑结构的三维图像，图像上属于同一个解剖结构的体素被相同的灰度值标记。相比于光学显微镜、磁共振仪等设备获取的包含真实脑结构信息的自然图像，仅包含标记信息的脑图谱模板更适合作为人工比对或者图像配准计算中的标准参考，因此可用于辅助用户在三维空间中定位神经环路、血管分布等不同类型的脑信息。

脑图谱模板构建通常遵循如下步骤。首先从同一个脑组织样本中获取若干张二维脑片，置于显微镜下成像，然后将获取的自然图像在轴向上对齐，构造一套待标记的自然图像数据集。受成像技术所限，自然图像数据集的水平分辨率往往高于其轴向分辨率1～2个数量级。接下来，由具备神经解剖知识的专家手工界定脑片图像上各个解剖结构的边界，并使用不同的灰度值对各解剖结构边界内的像素进行填充，得到标记图像。由于标记图像来自于自然图像，其空间分辨率同样远高于轴向上的空间距离，因此需对标记图像进行轴向插值操作，计算出若干“中间图像”，以此使得标记图像数据集在轴向上的空间分辨率和水平方向相当。插值所得的数据集即为三维脑图谱模板。

近年来，以“显微光学切片断层成像技术”为代表的新的成像技术，已经可以获取轴向分辨率与水平分辨率均达到1微米量级的哺乳动物脑图像数据集。以小鼠脑为例，现有技术所获取的单套数据集可包含1万多张水平分辨率达到微米水平的脑片，相邻脑片之间的轴向间距也均为1微米。然而，由于一张脑片上包含的解剖结构数量众多，且彼此之间的边界难以用自动算法识别和提取，因此依然要由解剖专家手动进行标注。另一方面，专家经验的习得需要长年的神经解剖学训练，难以规模化和批量化，限制了专家所能手动标注的图像数量。同样以小鼠脑为例，为了从新成像技术所获取的图像数据集构建三维图谱模板，需要每100张左右选取1张脑片进行手动标注，才能将工作量控制在合理范围内，而由此所获得的标记图像序列的轴向分辨率，依然低于水平分辨率2个数量级。由此可见，如何基于数量有限的二维标注图像来构建三维脑图谱模板，一直是一项亟待解决的任务。

目前的主流处理思路可大致分为两种。第一类方法是将其视为常规图像插值问题的一种特例，包括经典的最近邻插值、线性插值、双三次插值等，其核心思想是对于空间中的任意一个点，搜索二维图像序列中与其最近的若干个像素，通过对这些像素按距离进行排序或灰度值的加权平均，获取该点应该填充的灰度值。这一类方法并未将被标注的脑解剖结构作为一个整体来看待，其处理对象是一个个孤立的体素点，因此最终插值出的结果不可避免地会产生空洞、碎片，使得重建结果无法满足三维脑图谱模板中各个解剖结构边界必须闭合、连续的要求。