[发明专利]基于互信息的CT-DR多模态食管图像配准方法及系统有效
申请号: | 202110619727.8 | 申请日: | 2021-06-03 |
公开(公告)号: | CN113421226B | 公开(公告)日: | 2022-11-01 |
发明(设计)人: | 李登旺;洪亭轩;张建东;侯勇;黄浦;田伟伟;高祝敏 | 申请(专利权)人: | 山东师范大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/33;G06T5/00;G06T3/40;G06T15/00;G06T15/04;G06V10/74;G06V10/77 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 闫圣娟 |
地址: | 250014 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 互信 ct dr 多模态 食管 图像 方法 系统 | ||
1.一种基于互信息的CT-DR多模态食管图像配准方法,其特征在于,包括:
分别获取食管图像的CT图像和DR图像,并进行预处理;
基于自适应切片3D纹理映射方法,将所述3D的CT图像中的纹理像素映射到2D空间,获得DRR图像;
以最大化所述DRR图像与DR图像间的互信息测度为目标,利用最佳邻域搜索算法对所述CT图像与DR图像间的坐标变换进行迭代优化;
将最优坐标变换应用于DR图像,获得CT图像和DR图像的配准结果;
所述自适应切片3D纹理映射方法,具体包括:将三维的CT数据中感兴趣区域的体素进行渲染,并执行硬件支持的强度转移,根据CT图像内容对体数据进行自适应切片;并通过平移CT图像体素周围的相邻区域,找到局部变换,从最低分辨率的图像到最高分辨率的图像,将这些局部变换转化为连续的整体变换,最终获得DRR图像。
2.如权利要求1所述的一种基于互信息的CT-DR多模态食管图像配准方法,其特征在于,所述最佳邻域搜索算法采用Powell共轭方向法,将其应用于经过互信息测度之后的DRR图像与DR图像的比较,通过利用CT图像的空间坐标对DRR图像进行变换,使DRR图像与DR图像的互信息达到最大。
3.如权利要求1所述的一种基于互信息的CT-DR多模态食管图像配准方法,其特征在于,所述预处理包括:划分食管周围组织来确定感兴趣区域,去除对配准产生负面影响的区域;通过低通滤波来去除三维CT图像中的斑点与噪声,利用模糊化来校正图像间的分辨率差异;使用双线性内插法的重采样校正DR图像中的灰度不均匀情况。
4.一种基于互信息的CT-DR多模态食管图像配准系统,其特征在于,包括:
数据获取单元,其用于分别获取食管图像的CT图像和DR图像,并进行预处理;
降维单元,其用于基于自适应切片3D纹理映射方法,将所述3D的CT图像中的纹理像素映射到2D空间,获得DRR图像;所述自适应切片3D纹理映射方法,具体包括:将三维的CT数据中感兴趣区域的体素进行渲染,并执行硬件支持的强度转移,根据CT图像内容对体数据进行自适应切片;并通过平移CT图像体素周围的相邻区域,找到局部变换,从最低分辨率的图像到最高分辨率的图像,将这些局部变换转化为连续的整体变换,最终获得DRR图像;
变换矩阵优化单元,其用于以最大化所述DRR图像与DR图像间的互信息测度为目标,利用最佳邻域搜索算法对所述CT图像与DR图像间的坐标变换进行迭代优化;
配准单元,其用于将最优坐标变换应用于DR图像,获得CT图像和DR图像的配准结果。
5.如权利要求4所述的一种基于互信息的CT-DR多模态食管图像配准系统,其特征在于,所述最佳邻域搜索算法采用Powell共轭方向法,将其应用于经过互信息测度之后的DRR图像与DR图像的比较,通过利用CT图像的空间坐标对DRR图像进行变换,使DRR图像与DR图像的互信息达到最大。
6.如权利要求4所述的一种基于互信息的CT-DR多模态食管图像配准系统,其特征在于,所述预处理包括:划分食管周围组织来确定感兴趣区域,去除对配准产生负面影响的区域;通过低通滤波来去除三维CT图像中的斑点与噪声,利用模糊化来校正图像间的分辨率差异;使用双线性内插法的重采样校正DR图像中的灰度不均匀情况。
7.一种电子设备,包括存储器、处理器及存储在存储器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-3任一项所述的基于互信息的CT-DR多模态食管图像配准方法。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3任一项所述的基于互信息的CT-DR多模态食管图像配准方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东师范大学,未经山东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110619727.8/1.html,转载请声明来源钻瓜专利网。