[发明专利]一种多图谱融合方法、系统及医疗设备

说明书

技术领域

本发明属于医学图像处理技术领域，尤其涉及一种多图谱融合方法、系统及医疗设备。

背景技术

图谱融合的最重要目的就是为已经分割好的一系列图谱提供一个有效、可靠、准确的方法融合到结果图像中，多图谱融合是图像分割的一种重要方法。

随着计算机处理能力的不断提高，图谱融合技术不断发展，图谱融合方法也不断更新，例如，根据当前流行的AdaBoost算法提出用一系列的“弱分类器”组合成“强分类器”的方法，提出了利用分类器对图谱进行分类的融合算法；基于机器学习中EM算法，提出了STAPLE融合算法，能同时估计输入分割图谱性能与估计分割结果；使用加权融合的方法，对输入的标识图分配不同的权重，实现融合；基于形状平均（Shape-Based Averaging）的融合算法，结合了形状信息和欧氏距离图，也达到了不错的融合效果；基于灰度相关性图谱选择的STAPLE算法，利用了灰度的信息选择最优的图谱进行融合。

然而，现有图谱融合算法大多是基于总体的全局配准图像，而局部配准较好的图像未被充分考虑，使得局部配准效果好的图谱没有起到作用。

发明内容

本发明实施例的目的在于提供一种多图谱融合方法，旨在解决现有图谱融合算法大多是基于总体的全局配准图像，而局部配准较好的图像未被充分考虑，使得局部配准效果好的图谱没有起到作用的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

本发明实施例是这样实现的，一种多图谱融合方法，所述方法包括：

对多组图谱图像和目标图像进行配准，所述图谱图像包括标识图像和灰度图像；

将配准的多组图谱图像和目标图像对应的划分成子块区域；

计算目标灰度图像的每一子块区域与每幅图谱灰度图像中对应的子块区域的局部相关度；

在每一子块区域对应的局部相关度结果中，选取相关度值位于前X位的图谱灰度图像，其中，所述X为正整数；

根据所述位于前X位的图谱灰度图像对应的图谱标识图像，对目标灰度图像的每一子块区域进行融合；

将每一子块区域的融合结果进行整合，得到目标图像的融合图像

本发明实施例还提供了一种多图谱融合系统，所述系统包括：

配准单元，用于对多组图谱图像和目标图像进行配准，所述图谱图像包括标识图像和灰度图像；

划分单元，用于将配准的多组图谱图像和目标图像对应的划分成子块区域；

计算单元，用于计算目标灰度图像的每一子块区域与每幅图谱灰度图像中对应的子块区域的局部相关度；

选取单元，用于在每一子块区域对应的局部相关度结果中，选取相关度值位于前X位的图谱灰度图像，其中，所述X为正整数；

融合单元，用于根据所述位于前X位的图谱灰度图像对应的图谱标识图像，对目标灰度图像的每一子块区域进行融合；

整合单元，用于将每一子块区域的融合结果进行整合，得到目标图像的融合图像。其特征在于，所述医疗设备包括上述多图谱融合系统。

本发明实施例与现有技术相比，有益效果在于：通过对多组图谱图像和目标图像进行配准，所述图谱图像包括标识图像和灰度图像，将配准的多组图谱图像和目标图像对应的划分成子块区域，计算目标灰度图像的每一子块区域与每幅图谱灰度图像中对应的子块区域的局部相关度，在每一子块区域对应的局部相关度结果中，选取相关度值位于前X位的图谱灰度图像，根据所述位于前X位的图谱灰度图像对应的图谱标识图像，对目标灰度图像的每一子块区域进行融合，将每一子块区域的融合结果进行整合，得到目标图像的融合图像。由于充分考虑了配准效果好的图谱局部信息，可以达到更加精确，快速的分割效果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，对于本领域普通技术人员来讲，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是本发明实施例一提供的多图谱融合方法的实现的流程图；

图2a、图2b是本发明实施例一提供的局部相似度计算过程示意图；

图3a-图3d是本发明实施例一提供的融合实验图像示意图；

图4是本发明实施例二提供的多图谱融合系统的结构图。

具体实施方式