[发明专利]一种多模态医学图像的配准方法及相关装置

说明书

本申请公开了一种多模态医学图像的配准方法及相关装置，方法包括将第一模态图像和第二模态图像输入风格转换模块，通过风格转换模块确定第一模态图像的第一模态转换图像及第二模态图像的第二模态转换图像；将第一模态图像和第一模态转换图像输入第一配准模块，通过第一配准模块确定第一配准图像；将第二模态图像和第二模态转换图像输入第二配准模块，通过第二配准模块确定第二配准图像。本申请通过风格转换模块实现第一模态图像和第二模态图像的双向图像风格转换，并通过形状先验知识对多模态图像的形状进行约束以改善转换后图像的质量，保留原有图像的结构信息，这样可以提高多模态图像的配准精度。

技术领域

本申请涉及医学图像处理技术领域，特别涉及一种多模态医学图像的配准方法及相关装置。

背景技术

近年来，随着深度学习的快速发展，计算机辅助诊断(Computer AidedDiagnosis，简称CAD)技术越来越成熟。其中，医学图像配准也成为计算机辅助诊断的研究热点之一，它在影像学诊断、手术导航和放射治疗计划等医学领域有众多的应用。

图像配准主要依据相似性度量预测图像间的空间转换参数，建立线性或非线性的点对点位置对应关系，从而实现空间一致性。随着医学成像设备的快速发展，医学成像技术呈现出多维度、多模态、高分辨率的发展趋势。对于同一患者，可以采集具有不同解剖信息的多种图像，如计算机断层成像(Computed Tomography，简称CT)和磁共振成像(MagneticResonance Imaging，简称MRI)；同时，也可以采集具有功能信息的图像如单光子发射计算机断层成像(Single-Photon Emission Computed Tomography，简称SPECT)。然而，因为每种成像技术都有它的优缺点，所以单一的成像技术已经无法满足疾病的诊断需求。因此借助图像配准技术根据医生的需求对多模态图像进行融合，能够辅助医生更快速和精确地从各个角度观察病灶及其他解剖结构，使得临床诊断结果、手术及放射治疗计划的制定更准确可靠。例如，多模态图像配准在临床中应用包括：基于MRI-TRUS融合引导的前列腺靶向穿刺活检；基于PET/CT图像融合来表达病灶区域的结构形态；基于图像配准的三维重建技术等。

传统的多模态图像配准方法主要是依据相似度度量作为优化目标，通过不断迭代优化实现图像最佳匹配。然而该方法对于高维的医学图像需要花费较长的配准时间且需要先进的计算资源；同时，相似度度量也无法适用于多种不同模态图像，使得现有多模态图像配准方法在泛化性能较差等方面。虽然现有的基于深度学习的多模态图像配准方法有效地解决了配准时间长的问题，但现有基于深度学习的多模态图像配准方法普遍存在无法保留图像细节信息的问题，从而无法保证配准图像的图像效果。

因而现有技术还有待改进和提高。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种多模态医学图像的配准方法及相关装置。

为了解决上述技术问题，本申请实施例第一方面提供了一种多模态医学图像的配准方法，所述配准方法包括：

将待配准的第一模态图像和第二模态图像输入风格转换模块，通过所述风格转换模块确定所述第一模态图像对应的第二模态转换图像以及所述第二模态图像对应的第一模态转换图像；

将所述第一模态图像和所述第一模态转换图像输入第一配准模块，通过所述第一配准模块确定第一形变场并基于所述第一形变场确定所述第一模态图像对应的第一配准图像；

将所述第二模态图像和所述第二模态转换图像输入第二配准模块，通过所述第二配准模块确定第二形变场，并基于所述第二形变场确定所述第二模态图像对应的第二配准图像。