[发明专利]微分同胚Demons图像配准方法、系统及存储介质

说明书

本发明涉及一种微分同胚Demons图像配准方法、系统及存储介质，方法包括以下步骤：S1、选择参考图像s和浮动图像f；S2、设置初始形变位移场t₀；S3、选择Demons力计算更新位移场u；S4、对更新位移场u进行高斯卷积；S5、采用adam优化算法对浮动图像每个体素处更新的位移自适应调整步长，并更新初始的形变位移场t₀，得到空间变换c；S6、对空间变换c进行高斯卷积得到更新的形变位移场t_n，n是迭代次数；S7、采用更新的形变位移场t_n对浮动图像f进行空间变换得到变形后的浮动图像f'；S8、判断是否迭代终止，是则输出最新的形变位移场t_n；否则转向步骤S3。

技术领域

本发明是关于一种基于自适应步长的微分同胚Demons图像配准方法、系统、计算机程序及存储介质，涉及医学图像处理技术领域。

背景技术

Demons图像配准方法源于光流学模型，是基于图像灰度自动的非刚性图像配准方法，该算法实现简单并且计算效率高，因此吸引了大量研究者对其进行深入研究。针对原始Demons算法存在的一些问题，研究人员分别提出了主动Demons算法、对称Demons算法以及微分同胚Demons算法。其中，主动Demons算法和对称Demons算法主要适用于形变较大图像之间的配准，并且配准精度更高，收敛速度更快。而微分同胚Demons算法则可以生成可逆的变形场，保持图像的拓扑结构。

图像配准实质上是一个优化过程，通过优化找到一个映射关系，使基于浮动图像和参考图像生成的能量函数达到最小，最终使浮动图像经过坐标变换后的体素与参考图像中体素所指向的解剖结构位置在空间一致。研究人员从最小化能量函数(包括相似性测度和正则化项)的角度重新解释了Demons算法，得出微分同胚原始Demons算法、主动Demons算法以及对称Demons算法分别等价于使用Newton-Raphson(牛顿法)、Gauss-Newton以及ESM优化算法对能量函数进行优化。其中，现有的微分同胚Demons图像配准算法的流程如图1所示，实现步骤为：

(1)设置初始的形变位移场t；

(2)选择不同的Demons力(包括原始Demons力、主动Demons力以及对称Demons力，分别对应于原始Demons算法、主动Demons算法以及对称Demons算法)的表达式，计算更新位移场u；

(3)对u进行高斯卷积，从而产生流体映射模型的规则化效果；

(4)通过复合运算更新c←to(α*exp(u))，其中，o代表复合运算，α是步长；

(5)对c进行高斯卷积并更新t，从而产生扩散模型的规则化效果；

(6)判断是否迭代终止，是则输出t；否则转向步骤(2)。

微分同胚Demons算法优化的是每个体素在x、y、z三个方向的位移量，在图1所示微分同胚Demons算法优化过程的关键是确定搜索方向和步长α，其中，搜索方向通过选择的Demons力决定，即更新位移场u；而步长α则往往设置为固定值，这样设置步长有以下缺陷：(1)步长设置为固定值，如果设置过大，则在迭代更新的过程中容易错过极小值；设置过小，则每次更新少，迭代速度慢；(2)相同的步长被应用于所有体素，这样某些体素处位移量优化达到收敛条件时，而其它体素处位移量优化还未收敛，导致迭代收敛慢，配准精度降低；(3)难以设置最佳的初始步长。

发明内容

针对上述问题，本发明的目的是提供一种基于自适应步长的微分同胚Demons图像配准方法，该配准方法中通过对每个体素(三维图像空间的最小单位)设置不同的步长以及优化过程中自适应每个体素的步长，加快收敛速度并提高配准精度，适应于微分同胚原始Demons算法、对称Demons算法以及主动Demons算法。

为实现上述目的，本发明采取以下技术方案：