CN105046644B - 基于线性相关性的超声与ct图像配准方法和*** - Google Patents

Abstract

本发明公开一种基于线性相关性的超声与CT图像配准方法和***，该方法包括：建立线性相关性测度；根据超声图像纹理信息，预设超声与CT图像配准变换矩阵；优化变换矩阵，计算得到线性相关性测度最优值；根据变换矩阵参数，改变超声图像空间位姿，超声图像与CT图像融合。该***包括：相似性测度构建模块、初始状态设置模块、变换矩阵优化模块、融合显示模块。本发明能够快速精准的完成超声与CT图像配准，为临床病灶诊疗提供理论指导。

Description

基于线性相关性的超声与CT图像配准方法和***

技术领域

本发明涉及医学技术领域，具体涉及一种基于线性相关性的超声与CT图像配准方法与***。

背景技术

图像引导手术导航利用医学成像计算和计算机图像技术，在术前对扫描得到的患者医学图像进行人体组织器官和病灶的分割识别、三维重建与可视化，临床医生可以通过获取的图像进行最优手术路径规划以及临床手术模拟；在术中可以对术前获取的医学图像和患者真实的物理空间进行配准，将术前医学图像、术中患者实际***以及手术器械转换到同一空间三维坐标系中，根据定位设备实时定位手术器械在人体组织以及病灶中的相对位置，实时融合显示它们之间的关系。临床医生可以通过融合显示的图像从各个角度实时观测到手术器械在组织和病灶中的位姿以及各种参数(例如角度、深度等)，从而最大限度的避开人体重要组织器官(例如大血管等)，在最短的时间内从最优手术路径到达病灶进行精准手术治疗。超声图像凭借着实时、无创、无电离辐射等优势，成为目前临床常用的术中成像设备，超声引导手术导航技术也因此迅速发展起来。由于超声成像机理的限制，超声二维图像分辨率低、成像视野狭窄，并且包含特有的斑点噪声，所以很难通过超声二维图像准确的识别并判断出病灶在人体中的位置。相比于超声二维图像，电子计算机断层扫描(Computed Tomography，CT)图像是三维图像，成像分辨率高、成像视野宽，从CT图像中能够准确识别分割出人体组织器官大部分病灶，但是获取CT图像时一方面对患者有辐射伤害，另一方面不能够术中实时成像，所以不能够作为术中手术导航***的引导图像。因此，结合超声二维图像和CT图像的成像特点，在图像引导手术导航***的临床应用中，将超声二维图像作为术中引导图像，临床医生可以通过超声二维图像来实时定位手术器械，并将术中实时超声图像与术前CT图像进行配准，完成超声图像与CT图像的融合显示，辅助临床医生定位人体组织器官和病灶的位置。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于线性相关性的超声与CT图像配准方法和***，能够完成二维超声图像与三维CT图像的精确配准。

为解决上述技术问题，本发明实施例提供了一种基于线性相关性的超声与CT图像配准方法，包括：

建立线性相关性测度，计算超声图像与CT图像之间的相似性；

根据超声图像纹理信息，预设超声与CT图像配准变换矩阵；

优化变换矩阵，计算得到线性相关性测度最优值；

根据变换矩阵参数，改变超声图像空间位姿，超声图像与CT图像融合。

在本发明的其他方案中，线性相关性测度将超声反射系数引入到超声与CT图像相似性测度中。

在本发明的其他方案中，超声图像与CT图像之间的相似性是计算超声与CT图像中相对应的感兴趣区域之间的差异。

在本发明的其他方案中，超声图像纹理信息包括超声图像中的人体组织器官边界、血管分叉点。

在本发明的其他方案中，变换矩阵的优化是改变变换矩阵中7个参数值。

在本发明的其他方案中，线性相关性测度的最优值是指超声图像根据变换矩阵改变空间位置后，与CT图像中感兴趣区域差异值最小。

在本发明的其他方案中，超声图像与CT图像融合是指，根据预设的透明度，超声图像与CT图像感兴趣区域叠加显示。

本发明实施例还提供了一种基于线性相关性的超声与CT图像配准***，包括：

相似性测度构建模块，其建立线性相关性测度，计算超声图像与CT图像之间的相似性；

初始状态设置模块，其根据超声图像纹理信息，预设超声与CT图像配准变换矩阵；

变换矩阵优化模块，其优化变换矩阵，计算得到线性相关性测度最优值；

融合显示模块，其根据变换矩阵参数，改变超声图像空间位姿，超声图像与CT图像融合。

利用本发明，能够完成二维超声图像与三维CT图像的精确配准。

附图说明

图1是本发明所提出基于线性相关性的超声与CT图像配准方法的工作流程图；

图2是本发明所提出的基于线性相关性的超声与CT图像配准方法的超声与CT图像配准的示意图；

图3是本发明所提出的超声图像与CT图像融合显示的示意图。其中，(a)是超声图像，(b)是CT图像，(c)是超声图像与CT图像融合显示；

图4是本发明实施例的基于线性相关性的超声与CT图像配准***的结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。

图1为本发明实施例的基于线性相关性的超声与CT图像配准方法的流程示意图，具体步骤包括：

步骤S1，

建立线性相关性测度，计算超声图像与CT图像之间的相似性。

定义超声图像与CT图像的相关比率相似度为：

其中，U表示超声图像，μ表示CT图像，T表示超声/CT图像配准矩阵，f表示超声二维图像U与CT切片μ之间的映射函数，Ω表示图像的大小。假设映射函数f是线性函数，表示为：

f(μ)＝αμ+β

在超声图像中存在很多大范围的反射和组织器官的回波，而CT图像不存在反射和回声信息，将超声波反射系数r引入到超声/CT图像配准的相似度评估标准中。定义

表示一个像素的灰度值，那么像素灰度值计算函数式可以写为：

fx_i＝αp_i+βr_i+γ

保证未知参数α、β和γ最小化

其中，

在上述中，超声图像与CT图像之间的相似性可以是计算超声与CT图像中相对应的感兴趣区域之间的差异。当然，还可以基于其他的标准。

步骤S2，

根据超声图像纹理信息，预设超声与CT图像配准变换矩阵。

超声图像纹理信息可以包括超声图像中的人体组织器官边界、血管分叉点，这些超声图像纹理信息通过图像分割方法得到。

步骤S3，

优化变换矩阵，计算得到线性相关性测度最优值。

定义超声/CT图像初始配准矩阵为G₀，一般情况下，G₀不是使得评估标准测度达到最优值的矩阵，然后设置配准矩阵优化搜索的方向和步长，在配准矩阵不断迭代优化时，超声/CT图像的相似度评估标准不断变化G₁,G₂,...,G_n。配准矩阵迭代优化公式可以表达为：

G_k＝G_k+1+a_ks_k

其中，s表示配准矩阵优化搜索的方向向量，a表示步长。

把优化计算超声/CT图像配准矩阵的过程分解为配准矩阵迭代变化过程，将每一次配准矩阵的迭代表示为一个包含n+1个参数的一维向量，在配准矩阵迭代过程中，以初始配准矩阵G₀为原点，在n个方向上进行配准矩阵优化，并计算超声/CT图像相似度评估标准函数，选取相似度评估标准最优的配准矩阵G，然后计算从G₀到G配准矩阵变化中相似度评估标准最优的配准矩阵G'，以G'作为新的原点，继续进行配准矩阵的迭代变化。如图2所示，示意地给出了超声与CT图像配准结果。

其中，线性相关性测度的最优值可以是指超声图像根据变换矩阵改变空间位置后，与CT图像中感兴趣区域差异值最小。

步骤S4，

根据变换矩阵参数，改变超声图像空间位姿，超声图像与CT图像融合。

优化计算得到超声与CT图像配准变换矩阵后，根据变换矩阵参数，改变用于配准的超声图像空间位姿。根据预设的超声图像与CT图像透明度，将超声图像与CT图像同时显示，完成超声图像与CT图像融合显示。如图3所示，示意地给出了超声图像与CT图像融合结果。超声图像与CT图像融合可以是指，根据预设的透明度，超声图像与CT图像感兴趣区域叠加显示。

图4是本发明实施例的基于线性相关性的超声与CT图像配准***的结构示意图。如图4所示，基于线性相关性的超声与CT图像配准***包括相似性测度构建模块、初始状态设置模块、变换矩阵优化模块、融合显示模块。

1、相似性测度构建模块

建立线性相关性测度，计算超声图像与CT图像之间的相似性。

定义超声图像与CT图像的相关比率相似度为：

其中，U表示超声图像，μ表示CT图像，T表示超声/CT图像配准矩阵，f表示超声二维图像U与CT切片μ之间的映射函数，Ω表示图像的大小。假设映射函数f是线性函数，表示为：

f(μ)＝αμ+β

在超声图像中存在很多大范围的反射和组织器官的回波，而CT图像不存在反射和回声信息，将超声波反射系数r引入到超声/CT图像配准的相似度评估标准中。定义

表示一个像素的灰度值，那么像素灰度值计算函数式可以写为：

fx_i＝αp_i+βr_i+γ

保证未知参数α、β和γ最小化

其中，

2、初始状态设置模块

根据超声图像纹理信息，预设超声与CT图像配准变换矩阵。

超声图像纹理信息包括超声图像中的人体组织器官边界、血管分叉点，这些超声图像纹理信息通过图像分割方法得到。

3、变换矩阵优化模块

优化变换矩阵，计算得到线性相关性测度最优值。

定义超声/CT图像初始配准矩阵为G₀，一般情况下，G₀不是使得评估标准测度达到最优值的矩阵，然后设置配准矩阵优化搜索的方向和步长，在配准矩阵不断迭代优化时，超声/CT图像的相似度评估标准不断变化G₁,G₂,...,G_n。配准矩阵迭代优化公式可以表达为：

G_k＝G_k+1+a_ks_k

其中，s表示配准矩阵优化搜索的方向向量，a表示步长。

把优化计算超声/CT图像配准矩阵的过程分解为配准矩阵迭代变化过程，将每一次配准矩阵的迭代表示为一个包含n+1个参数的一维向量，在配准矩阵迭代过程中，以初始配准矩阵G₀为原点，在n个方向上进行配准矩阵优化，并计算超声/CT图像相似度评估标准函数，选取相似度评估标准最优的配准矩阵G，然后计算从G₀到G配准矩阵变化中相似度评估标准最优的配准矩阵G'，以G'作为新的原点，继续进行配准矩阵的迭代变化。如图2所示，示意地给出了超声与CT图像配准结果。

4、融合显示模块

根据变换矩阵参数，改变超声图像空间位姿，超声图像与CT图像融合。

优化计算得到超声与CT图像配准变换矩阵后，根据变换矩阵参数，改变用于配准的超声图像空间位姿。根据预设的超声图像与CT图像透明度，将超声图像与CT图像同时显示，完成超声图像与CT图像融合显示。如图3所示，示意地给出了超声图像与CT图像融合结果。

当然，以上所述是本发明的优选实施方式。为方便说明起见，使用了步骤S1、S2等序号，但是应该认识到的是，这些步骤本身还可以包括其他过程，这些步骤之间还可以有其他步骤，这也在本发明的保护范围之内。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (8)

1.一种基于线性相关性的超声与CT图像配准方法，其特征在于，包括：

建立线性相关性测度，计算超声图像与CT图像之间的相似性；

根据超声图像纹理信息，预设超声与CT图像配准变换矩阵；

优化变换矩阵，计算得到线性相关性测度最优值；

根据变换矩阵参数，改变超声图像空间位姿，超声图像与CT图像融合，

其中，建立线性相关性测度，计算超声图像与CT图像之间的相似性具体包括：

定义超声图像与CT图像的相关比率相似度CR为，

其中，U表示超声图像，μ表示CT图像，T表示超声/CT图像配准矩阵，f表示超声图像U与CT图像μ之间的映射函数，Ω表示图像的大小，映射函数f是线性函数，表示为：f(μ)＝αμ+β，

将超声反射系数引入到超声与CT图像相似性测度中，定义

表示一个像素的灰度值，那么像素灰度值计算函数式写为：

fx_i＝αp_i+βr_i+γ，

保证未知参数α、β和γ最小化，

其中，

2.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法，其特征在于，超声图像与CT图像之间的相似性是计算超声与CT图像中相对应的感兴趣区域之间的差异。

3.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法，其特征在于，超声图像纹理信息包括超声图像中的人体组织器官边界、血管分叉点。

4.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法，其特征在于，变换矩阵的优化是改变变换矩阵中7个参数值。

5.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法，其特征在于，线性相关性测度的最优值是指超声图像根据变换矩阵改变空间位置后，与CT图像中感兴趣区域差异值最小。

6.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法，其特征在于，超声图像与CT图像融合是指，根据预设的透明度，超声图像与CT图像感兴趣区域叠加显示。

7.一种基于线性相关性的超声与CT图像配准***，其特征在于，包括：

相似性测度构建模块，其建立线性相关性测度，计算超声图像与CT图像之间的相似性；

初始状态设置模块，其根据超声图像纹理信息，预设超声与CT图像配准变换矩阵；

变换矩阵优化模块，其优化变换矩阵，计算得到线性相关性测度最优值；

融合显示模块，其根据变换矩阵参数，改变超声图像空间位姿，超声图像与CT图像融合，

其中，建立线性相关性测度，计算超声图像与CT图像之间的相似性具体包括：

定义超声图像与CT图像的相关比率相似度CR为，

其中，U表示超声图像，μ表示CT图像，T表示超声/CT图像配准矩阵，f表示超声图像U与CT图像μ之间的映射函数，Ω表示图像的大小，映射函数f是线性函数，表示为：f(μ)＝αμ+β，

将超声反射系数引入到超声与CT图像相似性测度中，定义

表示一个像素的灰度值，那么像素灰度值计算函数式写为：

fx_i＝αp_i+βr_i+γ，

保证未知参数α、β和γ最小化，

其中，

8.根据权利要求7所述的基于线性相关性的超声与CT图像配准***，其特征在于，超声图像与CT图像之间的相似性是计算超声与CT图像中相对应的感兴趣区域之间的差异。

Images