[发明专利]一种非刚性医学图像配准方法

摘要

本发明公开了一种非刚性医学图像配准方法，其步骤主要包括读取参考图像S和浮动图像M，并将S和M转化为double类型；对两幅图像进行高斯平滑处理，并对其进行仿射变换，返回仿射变换参数矩阵；在经典多层B样条自由形变配准方法的代价函数上引入控制点参数矩阵的Frobenius范数项作为L2规范正则项，作为新的配准模型(L2‑Norm FFD)。将L2规范正则项的系数与平滑约束项系数进行协调一致性调整，既能保持图像拓扑结构，又能解决因平滑约束太强而导致精度较低的问题。通过引入L2规范正则项，可以对控制点网格的形变场进行空间限制，从而在一定程度上避免了过配准，能够对局部大扭曲形变进行配准。

主权项

一种非刚性医学图像配准方法，其特征是包括以下步骤：步骤1：读取参考图像S和浮动图像M，并将S和M转化为double类型；步骤2：对两幅图像进行高斯平滑处理，并对其进行仿射变换，返回仿射变换参数矩阵；步骤3：在经典多层B样条自由形变配准方法的代价函数上引入控制点参数矩阵的Frobenius范数项作为L2规范正则项，作为新的配准模型(L2‑Norm FFD)，在经典的基于多层级B样条的自由形变配准方法中，其代价函数由相似性测度和平滑约束两项组成，表达式为：argminψE(ψ)=Csimilarity(I(xo,yo),T(I(x,y)))+λCsmooth(T)---(1)]]>式中，ψ表示控制点参数矩阵，T表示配准的空间变换，I(xo，yo)表示参考图像，I(x，y)表示浮动图像，T(I(x，y))表示配准后的结果，λ表示平滑约束系数，Csimilarity和Csmooth(T)分别表示相似性测度和空间变换的平滑约束，在式(1)的基础上引入了控制点参数矩阵的Frobenius范数项作为L2规范正则项，其表达式为：argminψE(ψ)=Csimilarity(I(xo,yo),T(I(x,y)))+λCsmooth(T)+λL||ψ||F---(2)]]>式中，||ψ||F表示引入的控制点参数矩阵的Frobenius范数项，λL为控制该项权重的系数。步骤4：利用参考图像和配准结果计算客观评价指标，为方法做出评价。