[发明专利]一种医学影像配准的方法和装置

权利要求书

1.一种多模态的医学影像配准方法，其特征在于，包括：

分别获取感兴趣区域的术前的浮动图像的灰度图和二值图以及术中的固定图像的灰度图和二值图，无需获取术前的固定图像，其中所述术前的浮动图像是核磁共振图像，所述术中的固定图像是计算机断层扫描图像；其中，采用初始化的UNet++神经网络获取感兴趣区域的术前的浮动图像的灰度图和二值图以及术中的固定图像的灰度图和二值图，所述UNet++神经网络包括若干层图像尺寸逐渐递减的卷积块，每层中在先的卷积块分别与在后的卷积块跳跃连接，每层中的第一个卷积块下采样至其下一层的第一个卷积块，每层中的第{i,j}个卷积块上采样至第{i-1，j+1}个卷积块，其中i为网络层数序号，j为卷积块序号，每个所述卷积块包括若干层依次连接的卷积层和残差结构，所述残差结构连接第一层所述卷积层和最后一层所述卷积层；

对所述术前的浮动图像的二值图和所述术中的固定图像的二值图进行刚性配准，计算所述术前的浮动图像与所述术中的固定图像的第一变换参数；所述对所述术前的浮动图像的二值图和所述术中的固定图像的二值图进行刚性配准的步骤，进一步包括：

采用KS系数作为相似性度量进行所述刚性配准，所述KS系数为：

其中μ是所述刚性配准中的位移变量，I_F是所述术中的固定图像的二值图，I_M是所述术前的浮动图像的二值图，T_μ是空间变换函数，1是指标函数，Ω_F是图像域；

以所述第一变换参数为初始条件，对所述术前的浮动图像的灰度图和所述术中的固定图像的灰度图进行自由形变配准，计算所述术前的浮动图像与所述术中的固定图像的第二变换参数并输出经变换的术前的浮动图像；所述对所述术前的浮动图像的灰度图和所述术中的固定图像的灰度图进行自由形变配准的步骤，进一步包括：

采用互信息作为相似性度量进行所述自由形变配准，所述互信息为：

MI(I_F,I_M)＝H(I_F)+H(I_M)-H(I_F,I_M)，其中H(I_F)是所述术中的固定图像的灰度图的灰度熵，H(I_M)是所述术前的浮动图像的灰度图的灰度熵，H(I_F，I_M)是所述术中的固定图像的灰度图和所述术前的浮动图像的灰度图的联合熵。

2.如权利要求1所述的医学影像配准方法，其特征在于，所述分别获取感兴趣区域的术前的浮动图像和术中的固定图像的灰度图和二值图的步骤，进一步包括：

分别将固定图像或浮动图像的训练样本输入到被初始化的UNet++神经网络中进行训练，根据二值交叉熵和Dice系数确定的损失函数分别计算输出图像与相应的真值之间的误差，获得训练后的固定图像分割网络和参考图像分割网络；

将术中的固定图像输入所述固定图像分割网络获取所述感兴趣区域的所述术中的固定图像的灰度图和二值图；

将术前的浮动图像输入所述浮动图像分割网络获取所述感兴趣区域的所述术前的浮动图像的灰度图和二值图；

其中所述损失函数为：

其中y是真值，是预测值。

3.如权利要求1所述的医学影像配准方法，其特征在于，所述UNet++神经网络包括五层图像尺寸逐渐递减的卷积块，并且下一层特征图像的尺寸是上一层特征图像的四分之一。