[发明专利]基于先验统计运动模型及自适应配准的肺部运动估计方法

权利要求书

1.一种肺部运动信息的计算机获取方法，其特征在于，该方法采用计算机，实现方式为MATLAB，所述的方法包括依次执行的以下步骤：

S1：事先获取多组病人呼吸始末两个相位的胸部CT图像，其中两个相位分别为吸气末EI、呼气末EE；

S2：处理从步骤S1中获取的胸部CT图像，对其进行肺部组织的图像分割，得到肺实质；

S3：将每组病人两个不同呼吸相位的胸部CT图像进行配准；

S4：根据配准后的序列图像信息，提取肺实质的运动信息，并以此建立肺部呼吸运动样本库，每组样本的EI时刻CT图像都与第一组样本的EI时刻CT图像做配准，获取样本间的转换矩阵；

S5：采集一组新增肺部运动模型EI时刻的全局肺区CT及一组EE时刻的肺部病灶区域CT；

S6：在新增的两种CT中选取十组的特征点对，获取这些特征点对的运动信息作为步骤S7的输入；

S7：稀疏先验运动模型的生成：将步骤S5中EI时刻的CT与运动样本库中的第一组CT数据进行配准，得到两者之间的转换矩阵，结合步骤S6中的特征点对运动信息获取其在运动样本库中各个样本中的各异性表达，计算获得步骤S6提供的运动信息在运动样本库中的稀疏线性表达，并以此生成肺实质的运动信息；

S8：病灶区域的精确运动信息获取：稀疏先验运动模型提供的先验运动信息作为依据，结合步骤S5中的两组图像利用配准算法得到病灶区域的精确运动信息；

所述的步骤S7中稀疏先验运动模型的生成表示为：

其中y_j为步骤S6中特征点对的运动信息；M为这些特征点在样本库每组样本中对应位置的运动信息，其中k为特征点对数量，n为样本数量；x为一组样本线性表达的系数；e为输入y_j的误差；λ₁和λ₂控制x和e的稀疏量；

所述的步骤S8中病灶区域的精确运动信息获取表示为：

其中，Ω为图像区域；为B样条配准中控制点影响系数；I_j，EE和I_j，EI为当前病例在呼气末和吸气末的CT图像；g_prior为稀疏先验运动模型提供的先验统计运动信息；g(X)为B样条控制点的运动量，g_n+1(X)和g_n(X)为第n+1次和第n次配准时控制点的运动量；λ为控制点运动量正则化系数。

2.根据权利要求1所述的一种肺部运动信息的计算机获取方法，其特征在于，所述的步骤S3中配准所需的能量公式E(d)为：

式中，Ω为图像区域；I_p，EE和I_p，EI为样本库中每个病例在呼气末和吸气末的CT图像；x_i为图像像素的位置；d为像素的运动向量；|Δd|为运动向量的梯度，α为正则化系数。

3.根据权利要求1所述的一种肺部运动信息的计算机获取方法，其特征在于，所述的步骤S4中样本间的对应关系获取描述为：

采用S3中的配准方法对每组样本的EI时刻CT图像都与第一组样本的EI时刻CT图像进行配准，获取样本间的转换矩阵得到运动样本库中每组样本I_p，EI对应第一组样本EI时刻CT图像I_1，EI的关系为：

4.根据权利要求1所述的一种肺部运动信息的计算机获取方法，其特征在于，所述的步骤S8中B样条配准中控制点影响系数的表达公式为：

其中，R_i，j，k为第ijk个控制点在EI时刻图像上所影响的区域；为其在EE时刻图像上所影响的区域，为ξ_i，j，k的集合。