[发明专利]基于回归预测的肺4D-CT多相位图像配准方法

说明书

本发明公开了基于回归预测的肺4D‑CT多相位图像配准方法，包括(1)读取肺4D‑CT数据，获得不同相位组成的图像组；(2)选择图像组中某一相位图像为参考图像，某一相位图像为浮动图像；(3)将图像组内除去参考图像和浮动图像的其他相位图像配准至参考图像，得到对应的形变场；(4)将其他相位图像和对应的形变场分块，并以此构建图像表观‑形变场回归模型；(5)将浮动图像分块输入至回归模型中，预测出浮动图像的初始形变场，并由此得到中间图像；(6)配准中间图像与参考图像；(7)重新选择图像组中下一相位图像，将浮动图像及其形变场放入训练集中，重复步骤(4)至(6)。该方法能够提高肺4D‑CT图像配准的准确性。

技术领域

本发明涉及医学图像处理技术领域，具体是指一种基于回归预测的肺4D-CT多相位图像配准方法。

背景技术

肺4D-CT图像，对肺癌的诊断和治疗有重要的指导价值，它为肺肿瘤定位和肺癌放射治疗提供了真实的影像依据。肺4D-CT的配准已经广泛用于肺部图像分析之中，如：肺部分割、跟踪肺部器官组织的运动以及监控疾病等等。

然而，由于肺部图像存在由肺呼吸运动导致的局部大形变，和肺部纹理以及心脏搏动引起的干扰；加之灰度不变假设理论对肺部图像而言并不完全成立。因此肺图像的配准容易出现局部误配准及陷入局部极值的情况。

因此，针对肺部4D-CT图像配准现有不足问题，提供一种基于回归预测的肺4D-CT多相位图像配准方法。

发明内容

本发明的目的在于提供一种基于回归预测的肺4D-CT多相位图像配准方法，该方法利用了与浮动图像相对应的不同相位的图像信息进行形变场预测，能够提高肺4D-CT图像配准的准确性。

本发明的目的通过以下的技术措施实现：基于回归预测的肺4D-CT多相位图像配准方法，该方法包括以下步骤：

(1)读取肺4D-CT数据，获得不同相位组成的图像组；

(2)选择图像组中某一相位图像为参考图像，某一相位图像为浮动图像；

(3)将图像组内除去参考图像和浮动图像的其他相位图像配准至参考图像，得到图像组内除去参考图像和浮动图像的其他相位图像对应的形变场；

(4)将其他相位图像和对应的形变场分块，并以此构建图像表观-形变场回归模型；

(5)将步骤(2)选择的浮动图像分块输入至步骤(4)构建的回归模型中，预测出浮动图像的初始形变场，并由此得到中间图像；

(6)配准由步骤(5)得到的中间图像与步骤(2)选择的参考图像；

(7)重新选择图像组中下一相位图像，将步骤(2)中的浮动图像及其形变场放入训练集中，重复步骤(4)至(6)，完成预测配准，循环配准，直至图像组中所有相位图像配准完成。

本发明中，所述步骤(3)中的配准具体是采用Active Demons配准算法。

本发明中，所述步骤(4)是先将其他相位图像及其对应的形变场分块，以此构建训练集，再利用多维支持向量回归机建立图像表观-形变场回归模型，具体过程如下：

(4.1)分块策略是由左至右，从上到下的扫描式重叠法，分块大小为32像素×32像素；

(4.2)分块后的图像块像素灰度作为回归模型的训练输入X，图像块的形变场作为训练输出Y；利用已知的训练集X和Y，求解图像表观-形变场回归模型：

Y＝R(X)......式(1)；

式中，R表示回归关系；