[发明专利]三维脑图谱数据集空间校准方法及系统

说明书

本发明提供一种三维脑图谱数据集空间校准方法及系统，所述三维脑图谱数据集空间校准方法包括以下步骤：S1.初步方位校正；S2.特征分割；S3.降采样；S4.线性配准；S5.非线性配准；S6.升采样；S7.线性及非线性校正。本发明克服了不同个体的三维脑图谱数据集、不同模态三维脑图谱数据集、不同成像质量三维脑图谱数据集等空间校准困难以及校准不准确的问题，采取了一种更加客观、准确、足量的特征提取的方式，实现了不同个体的三维脑图谱数据集、不同模态三维脑图谱数据集、不同成像质量三维脑图谱数据集等空间校准，具有一定的通用性。

技术领域

本发明涉及图像处理领域，尤其涉及一种三维脑图谱数据集空间校准方法及系统。

背景技术

随着脑科学研究中成像技术的发展，研究人员能够对全脑进行高分辨率的成像，成像甚至能够达到单个的神经元水平，这为我们研究神经元在不同脑区间的联系以及投射提供了机遇。但是由于不同脑之间个体的差异性，样本制作过程中带来的脑变形等为我们分析神经元间的连接、图谱绘制以及脑区分割带来了一定的困难。如何将不同个体、不同模态、不同成像质量的带有细胞构筑信息的脑图谱数据集在较高分辨率水平快速的校准到一个标准的空间，进而完成标准脑图谱的构建，或其他与脑空间定位相关的神经科学等分析是一个非常大的挑战。

在中国发明专利说明书CN103337065B中提出了小鼠三维ct图像的非刚性配准方法来对小鼠图像进行空间校准。该方法通过刚性配准初步校准空间方位；通过阈值分割的方法提取骨骼图像进一步提取特征点；通过特征点匹配，薄板样条位移场变换得到点配准图像；通过点配准图像和目标图像精细配准得到灰度匹配图像。这种特征点匹配的方法确实可以沿用至脑图谱的配准中，但是该方法针对的是相同模态的数据进行配准，对于不同模态数据会很难提取出对应的特征点。而且在图像质量较差的情况下，阈值分割的方法会有很大的误差，无法准确的提取出特征点，甚至造成错误的配准。

相比国外的三维脑数据集校准技术，在文献“Evaluation of 14 nonlineardeformation algorithms applied to human brain MRI registration.( Arno Klein,Jesper Andersson, Babak A. Ardekani, et al., NeuroImage 46, 786-802 (2009))”中对14种非线性的配准算法进行一个评估，该文献包含了绝大部分的非线性配准算法的研究，对三维的人脑的MRI数据进行了大量的配准以及评估。但是里面的算法都是应用于MRI的数据，相同模态之间的数据，不具有一定的通用性。而且MRI数据形变比较小，若在样本形变比较大或者图像质量较差的情况下，往往达不到理想的配准效果。

综合上述的专利以及文献，图像配准的方法有很多，有基于特征点匹配的方法，有基于图像灰度值的方法。基于自动提取特征点的方法经常局限于特征点提取的准确性与特征点匹配的准确性，无法对灰度差异大或者图像质量差的三维脑图谱进行处理；基于手动提取特征点的方法无法在三维脑空图像中客观的、足量的提取特征点，难以在全脑范围对数据很好配准；而基于灰度的方法往往只能处理相同模态之间的数据，对于灰度差异较大的不同模态之间的数据无法很好的配准。

到目前为止，现有的图像配准的技术，没有一种通用的图像配准的方法能够广泛的对不同个体的三维脑图谱数据集、不同模态三维脑图谱数据集、不同成像质量三维脑图谱数据集等进行空间校准。因此，发展一种通用的、准确的适合于不同个体、不同模态、不同成像质量等数据集的空间校准的方法是很有必要的。

发明内容

本发明的目的是提供一种三维脑图谱数据集空间校准方法及系统，能够对不同个体的三维脑图谱数据集、不同模态三维脑图谱数据集、不同成像质量三维脑图谱数据集等进行空间校准。

为实现上述目的，本发明的三维脑图谱数据集空间校准方法，包括以下步骤：

S1. 初步方位校正步骤；对待校准图像进行方位校正，与预设的参考图像方位一致；