[发明专利]显微光学图像的脑区扩张校正方法

权利要求书

1.一种显微光学图像的脑区扩张校正方法，其特征在于，所述方法包括如下步骤：

步骤S1，区域特征提取及三维表面重建：对待配准图像数据集和参考图像数据集进行降采样，获得降采样待配准图像数据集和降采样参考图像数据集，所述降采样待配准图像数据集和所述降采样参考图像数据集的体素分辨率相同，在所述降采样待配准图像数据集和所述降采样参考图像数据集上，手动标记区域特征，获得待配准图像数据集区域特征和参考图像数据集区域特征，基于所述待配准图像数据集区域特征和所述参考图像数据集区域特征，在三维空间中分别构建各区域特征的外表面模型，获得待配准图像数据集区域特征外表面模型和参考图像数据集区域特征外表面模型；所述“手动标记区域特征”包括：围绕第三脑室和侧脑室，分别手动标记海马、皮层和基底神经节三个围绕脑室的解剖结构；围绕第四脑室，分别手动标记基底神经节和延髓两个围绕脑室的解剖结构；

步骤S2，点云非线性配准：从所述待配准图像数据集区域特征外表面模型和所述参考图像数据集区域特征外表面模型中提取各区域特征的外表面模型的顶点，构造点云数据集，获得待配准图像数据集点云数据集和参考图像数据集点云数据集，将所述待配准图像数据集点云数据集非线性地配准到所述参考图像数据集点云数据集上，获得配准后图像数据集，所述配准后图像数据集中的各个点及其索引顺序与所述待配准图像数据集点云数据集相同；

步骤S3，图像非线性配准：基于所述待配准图像数据集点云数据集和所述配准后图像数据集配准前后的空间位置变化，构造特征点对应列表，并以所述特征点对应列表为基础，构建覆盖全脑、且全脑各处形变程度均匀的全局非线性形变场；

步骤S4，高分辨非线性配准：对所述全局非线性形变场进行升采样，获得高分辨形变场，然后将所述高分辨形变场应用到所述待配准图像数据集，实现对脑室扩张的校正。

2.根据权利要求1所述的显微光学图像的脑区扩张校正方法，其特征在于，所述待配准图像数据集的水平分辨率为1μm/pixel、轴向分辨率为2μm/pixel，所述降采样待配准图像数据集的水平分辨率和轴向分辨率均为25μm/pixel。

3.根据权利要求1所述的显微光学图像的脑区扩张校正方法，其特征在于，所述参考图像数据集为具有三维立体定位的参考脑图谱。

4.根据权利要求1所述的显微光学图像的脑区扩张校正方法，其特征在于，所述构建各区域特征的外表面模型，是基于移动立方体算法，使用面-顶点模型进行构建。

5.根据权利要求1所述的显微光学图像的脑区扩张校正方法，其特征在于，所述构造点云数据集，是从所述待配准图像数据集区域特征外表面模型和所述参考图像数据集区域特征外表面模型的顶点中，以1%的比例随机挑选出部分顶点，构成点云数据集。

6.根据权利要求1所述的显微光学图像的脑区扩张校正方法，其特征在于，所述将所述待配准图像数据集点云数据集非线性地配准到所述参考图像数据集点云数据集上，采用非刚性迭代最近点算法。

7.根据权利要求1所述的显微光学图像的脑区扩张校正方法，其特征在于，所述步骤S3，图像非线性配准，具体包括：遍历所述待配准图像数据集点云数据集和所述配准后图像数据集中的每个点，记录其空间坐标位置，然后寻找所述待配准图像数据集区域特征外表面模型中该位置处的像素是否与脑室相邻，对于与脑室相邻的像素，相应点分别置入待配准图像数据集点云数据集相邻像素和配准后图像数据集相邻像素中，反之分别置入待配准图像数据集点云数据集非相邻像素和配准后图像数据集非相邻像素中，根据所述待配准图像数据集点云数据集相邻像素、所述配准后图像数据集相邻像素、所述待配准图像数据集点云数据集非相邻像素、所述配准后图像数据集非相邻像素，构造所述特征点对应列表，所述特征点对应列表中的每一行为一对特征点，基于所述特征点对应列表，使用薄板样条算法开展非线性配准，构造所述全局非线性形变场。