[发明专利]基于Hadoop并行加速的分级图分组配准方法

摘要

本发明公开了一种基于Hadoop并行加速的分级图分组配准方法。本发明步骤如下：1.将图像上传至HDFS文件系统中，确定blocksize为64Mb，系统把文件划分成多个块，并分散地存储于3个数据节点，每个数据节点尽量均匀存储图像,且每个数据节点上的块信息复制2份存储于其他数据节点上。2.读入图像并计算相似度矩阵；3.基于MapRedue的分布式AP聚类，将所有的图像聚类分成Ω个小组；4.构建分级图的连接体系；5.计算变形场；6.配准以及写入图像；7.将步骤5和6循环迭代，直到达到所期望的迭代次数。本发明在保证了配准精度的前提下，提高多张脑图像分组配准的运行速度。

主权项

1.基于Hadoop并行加速的分级图分组配准方法，其特征在于包括如下步骤：步骤1.将图像上传至HDFS文件系统中，确定blocksize为64Mb，HDFS文件系统把文件划分成多个块，划分后的块分散地存储于3个数据节点datanode上，为了达到负载均衡，每个datanode尽量均匀存储图像,每个datanode上的块信息复制2份存储于其他datanode上；步骤2.读入图像并计算相似度矩阵2‑1.先调用simpleITK库来读入图像，然后转化为MapReduce可识别的格式ImageInputFormat，键key为图像的编号，value为图像数据；再计算两两图像间的距离矩阵，并将距离矩阵作为两两图像的相似度矩阵；2‑2.并行计算直方图匹配，第一张图像作为标准并且每张图像为一个map，其余图像都与第一张图像进行直方图匹配；从而得到图像数据集合I，I＝{I_i|i＝1,...,N}；2‑3.Map函数中最初输入的<key,value>为<I,I_i>，然后将两两图像组合起来输出为<(i,j),(I_i,I_j)>；在Reduce函数使用SSD来度量两两图像的相似度d_ij，即公式得到<key,value>为<(i,j),d_ij>；2‑4.使用累加计数器计算每张图像的相似度总和，最小的那张为全局中心图像I_O，即公式步骤3.基于MapRedue的分布式AP聚类，将所有的图像聚类分成Ω个小组图像的距离矩阵的维度为N*N,先将矩阵中的n²个数据分配到3个数据节点上，将吸引度矩阵R_i和归属度矩阵A_i初始化，全都置为0；该方法的AP聚类所用的偏好值如下：3‑1.计算吸引度矩阵R，最初吸引度和归属度都初始化为零，第一个Map函数输入<key,value>为<图像i,相似度S_i>,<图像i,归属度a_i>，输出<图像i,(相似度S_i，归属度a_i)>；第二个Map函数的输入为第一个Map函数的输出，通过吸引度和图像的相似度计算出吸引度，最后Reduce函数将结果合并输出<图像i,吸引度r_i>,3‑2.计算归属度矩阵A，Map函数输入<key,value>为<r,r(i，k)>,输出<k,r(I，k)>，Reduce函数输出<图像i,归属度a_i>.3‑3.确定聚类簇的中心，也就是在每个小组中确定该组的代表性图像在AP聚类中判断聚类簇的中心方法是，符合归属度加上吸引度大于0的点为该簇的中心，但是这是运用在图像配准中，因此使用MapReduce中的计数器Counter计算该组中的每张图像与全局中心图的相似度总和，最小的那张为该组的代表图像步骤4.构建分级图的连接体系4‑1.构建小组内的连接体系，设定一个阈值，与代表性图像相似性较高的图像I_i{I_i∈G_α,i≠i_α}才有连接，否则全都设为0；4‑2.构建小组间的连接体系，每个代表性图像都与这张全局中心图像有连接，任意两个代表图像之间无连接，设为0；步骤5.计算变形场5‑1.每张图像都与之有连接的图像进行两两配准，调用LogDemonReg函数将两两图像进行匹配，生成变形场ImaVelField，因此<key,value>为<(图像i,图像j),ImaVelField>，计算出多个变形场后调用SimpleITK库中的函数addDeformationField‑>Update()把多个变形场叠加起来；5‑2.调用SimpleITK库中的函数divideVectorFields计算每张图像的平均合成速度场、计算浮动图像的位移场和逆位移场；<key,value>分别为<图像i,平均合成速度场>、<图像i,位移场>、<图像i,逆位移场>5‑3.调用函数ComposeDeformationFields把每张图像的当前位移场和逆位移场合并，<key,value>为<(当前位移场i,逆位移场),新的当前位移场i>；步骤6.配准以及写入图像6‑1.配准，调用函数ApplyDeformationField将之前计算的变形场运用到对应的图像，<key,value>为<(图像i,当前位移场i),配准图像i>；6‑2.将配准了的图像写入到相应的HDFS路径中，输出格式为ImageOutputFormat，迭代次数加1；步骤7.将步骤5和6循环迭代，直到达到所期望的迭代次数。