[发明专利]基于自适应分层分块B样条的多模态医学图像配准方法

说明书

现有的配准技术大多是针对于单模态图像之间的配准，多模态图像之间的配准难以寻找合适的相似性度量对两幅图像的相似度进行约束。为了提升多模态图像配准的精确度和速度，从而实现高质量的多模态配准，现提出一种基于自适应分层分块B样条的多模态医学图像配准方法。通过使用网格细分策略，增强B样条函数对图像整体的控制力，实现在不同分辨率层次对图像进行由粗到细的配准。再对图像进行局部分块配准，对分块图像归一化互信息（NMI）较小的子图单独细分，实现局部配准。本发明能够在减少计算时间的前提下提升配准的精度和稳定性。

技术领域

本发明属于医学图像处理技术领域，具体涉及到一种基于自适应分层分块B样条的多模态医学图像配准方法。

背景技术

医学图像配准是医学图像处理中的关键技术。主要分为单模态配准和多模态配准。其中，单模态配准技术最先兴起，发展较为成熟。配准后的图像能够表现同一对象在不同时间、环境下较为明显的体征变化。为克服单一图像的缺点，现代医学的临床诊断以及研究中通常要获取同一对象的大量医学图像，综合图像信息对病症进行分析，提高诊断准确性。

多模态医学图像配准方法主要分为两类：第一种是将多种类型图像在同一空间坐标内进行配准，令各类图像的信息优势互补；第二种是对同一对象或同一类型、不同时间的图像进行配准，比较前后的变化。第一种配准方法的图像中，解剖图像如计算机断层扫描成像(CT)能够清晰显示颅骨等致密结构，磁共振成像(MRI)能够清晰显示脑组织细节，但两者均为特定瞬间的图像数据，没有脑部功能的连续活动信息；功能图像如功能性磁共振成像等能够显示脑部活动信息，但需要在极短时间内进行足够次数扫描，因此图像分辨率低，结构信息模糊，无法将功能区域定位到实际解剖结构；用于进行脑部纤维走向研究的扩散张量成像(diffusion tensor imaging，DTI)，但同样受到采集时间的限制，图像分辨率低，解剖结构不够清晰。

多模态医学图像配准能够将上述不同时间、不同机器中获得的图像进行空间变换，排除人为干扰，校正各类图像的细节偏差，将不同类型图像信息对齐在统一空间坐标系下，为诊断病症、确定手术方案、手术导航以及疾病分析提供帮助。针对同一个对象、不同时间的图像进行配准，可以判断病情。不准确的配准结果影响病情判断以及手术计划制定，容易在实际手术中误伤关键组织，导致不可逆的手术损伤。由此可见，探索更具针对性的医学图像配准技术具有重要的临床应用价值。

发明内容：

本发明针对磁共振(MRI)图像中T1和DTI两个模态图像之间的配准难以寻找合适的相似性度量来对图像之间的相似度进行约束的问题，提出了一种基于局部自适应分层分块B样条的多模态医学图像配准方法。

本发明通过以下技术方案实现：一种基于自适应分层分块B样条的多模态医学图像配准方法。通过使用分层B样条和分块B样条配准，使得多模态图像之间实现由粗到细化的高精度配准。使用大网格间距，对图像进行粗配准，使用细化的网格对图像之间的间距进行微调，之后，把图像按照中心分为2×2×2大小的分块，选出互信息低于整体平均值的分块，并对其进行局部细化配准。分层分块的配准方式能够减少大量的图像体素，因此能够提升图像配准的速度和精度；

(1)进行图像的预处理，包括DTI图像b0图像提取以及T1图像、DTI图像去燥；

(2)层次B样条网格配准：对T1和DT1图像配准，设置层数为2层，设置第一层网格大小为30×30×30，对图像进行初步匹配。当每次迭代互信息变化量小于阈值时，终止当前计算，以20×20×20间距重新划分网格控制点；

(3)分块B样条网格配准：图像经过分网格的非刚性配准实现图像整体对齐之后，根据图像中心将参考图像和浮动图像分为大小相等的2×2×2的子图像。记录每个子图像原点在原始图像中的坐标位置；分别计算浮动子图像的归一化互信息并与整体图像的归一化互信息进行比较，从中选取小于整体图像归一化互信息的若干个子图像重新做网格划分，当第二层配准达到最优解后，停止迭代。子图像的变形场返回整体的变形场中，用于下一步实现浮动图像的形变并输出；