图像配准方法及其模型训练方法与流程

技术特征：
1.一种图像配准方法，包括：获取参考图像和待配准的浮动图像；对所述参考图像和所述浮动图像执行图像预处理，所述图像预处理包括基于迭代最近点配准和互信息配准的刚性配准；对经预处理的所述参考图像和经预处理的所述浮动图像执行非刚性配准，以获得配准结果图像；以及输出所述配准结果图像。2.根据权利要求1所述的方法，其特征在于，所述刚性配准进一步包括：利用迭代最近点配准对所述参考图像和所述浮动图像进行关于轮廓点数据集的粗配准，从而获得第一变换参数；基于所述第一变换参数，利用互信息配准来优化所述参考图像和所述浮动图像之间的配准，从而获得第二变换参数；以及基于所述第二变换参数对所述参考图像与所述浮动图像进行配准。3.根据权利要求2所述的方法，其特征在于，通过移动立方体法来提取所述参考图像和所述浮动图像中的每一者的轮廓点数据集。4.根据权利要求2所述的方法，其特征在于，所述互信息配准进一步包括：以所述第一变换参数为所述互信息配准的初始值而对所述浮动图像进行空间变换；对空间变换后的所述浮动图像进行插值操作；以及计算所得的插值结果与所述参考图像之间的互信息值，从而获得与所述互信息值对应的所述第二变换参数。5.根据权利要求4所述的方法，其特征在于，所述优化进一步包括：通过随机梯度下降，重复所述迭代最近点配准和所述互信息配准，直至所述互信息值收敛或达到预定的重复次数。6.根据权利要求2所述的方法，其特征在于，所述第一变换参数和所述第二变换参数中的每一个包括：x轴方向上的平移像素量、y轴方向上的平移像素量、z轴方向上的平移像素量、轴向面上的中心旋转角度、矢状面上的中心旋转角度、以及冠状面上的中心旋转角度；或者x轴方向上的平移像素量、y轴方向上的平移像素量、以及xy平面上的中心旋转角度。7.根据权利要求1所述的方法，其特征在于，所述图像预处理进一步包括：在执行所述刚性配准之前对所述参考图像和所述浮动图像进行重采样，使得所述参考图像和所述浮动图像的像素间距相同。8.根据权利要求1所述的方法，其特征在于，所述图像预处理进一步包括：在执行所述刚性配准之后对所述参考图像和所述浮动图像进行自适应裁剪。9.根据权利要求8所述的方法，其特征在于，所述自适应裁剪进一步包括：通过半自动或自动的分割方法来定位所述参考图像和经刚性配准的所述浮动图像中的目标对象的轮廓；对所述轮廓执行开运算，以去除孤立点；计算开运算后的轮廓的最小包围盒；以及自动地将所述最小包围盒扩充至期望的尺寸，从而基于所述期望的尺寸获得经裁剪的
参考图像和浮动图像，其中所述期望的尺寸使得所述经裁剪的参考图像和浮动图像适于输入到用于执行所述非刚性配准的模型中。10.根据权利要求1所述的方法，其特征在于，同时对所述参考图像和所述浮动图像执行所述图像预处理。11.根据权利要求1所述的方法，其特征在于，所述非刚性配准进一步包括：通过将经预处理的所述参考图像和经预处理的所述浮动图像输入到u-net中，获得空间变换参数；以及通过将所述空间变换参数输入到空间变换网络中，对所述经预处理的浮动图像进行空间变换和插值操作，从而获得所述配准结果图像。12.一种用于图像的基于迭代最近点配准和互信息配准的刚性配准方法，包括：利用迭代最近点配准对参考图像和待配准的浮动图像进行关于轮廓点数据集的粗配准，从而获得第一变换参数；基于所述第一变换参数，利用互信息配准来优化所述参考图像和所述浮动图像之间的配准，从而获得第二变换参数；以及基于所述第二变换参数对所述参考图像与所述浮动图像进行配准。13.根据权利要求12所述的方法，其特征在于，通过移动立方体法来提取所述参考图像和所述浮动图像中的每一者的轮廓点数据集。14.根据权利要求12所述的方法，其特征在于，所述互信息配准进一步包括：以所述第一变换参数为所述互信息配准的初始值而对所述浮动图像进行空间变换；对空间变换后的所述浮动图像进行插值操作；以及计算所得的插值结果与所述参考图像之间的互信息值，从而获得与所述互信息值对应的所述第二变换参数。15.根据权利要求14所述的方法，其特征在于，所述优化进一步包括：通过随机梯度下降，重复所述迭代最近点配准和所述互信息配准，直至所述互信息值收敛或达到预定的重复次数。16.根据权利要求12所述的方法，其特征在于，在所述迭代最近点配准之前对所述参考图像和所述浮动图像进行重采样，使得所述参考图像和所述浮动图像的像素间距相同。17.一种训练用于图像的非刚性配准模型的方法，包括：(a)通过将经预处理的参考图像和经预处理的浮动图像输入到u-net中，获得空间变换参数；(b)通过将所述空间变换参数输入到空间变换网络中，对所述经预处理的浮动图像进行空间变换和插值操作，从而获得配准结果图像；(c)使用损失函数计算所述参考图像与所述配准结果图像之间的损失函数值，其中所述损失函数包括所述参考图像与所述配准结果图像之间的相关系数和均方误差二者；以及(d)重复步骤(a)-(c)，直至所述非刚性配准模型收敛或达到预定迭代训练次数。18.根据权利要求17所述的方法，其特征在于，所述空间变换包括所述浮动图像的各个像素在x、y和/或z轴方向上的平移操作。19.根据权利要求17所述的方法，其特征在于，所述插值操作是双线性插值。20.一种计算机可读介质，其上具有指令，所述指令在被处理器执行时使得所述处理器
执行如权利要求1-19中任一项所述的方法的步骤。21.一种图像配准设备，包括用于实现如权利要求1-19中任一项所述的方法的步骤的装置。22.一种用于图像配准的系统，包括：医学成像设备，所述医学成像设备用于进行成像扫描以生成医学图像；存储设备，所述存储设备用于存储所述医学图像；以及医学成像工作站或医学图像云平台分析系统，所述医学成像工作站或医学图像云平台分析系统通信地连接至所述存储设备并且包括处理器，所述处理器用于执行如权利要求1-19中任一项所述的方法的步骤。

技术总结
本发明公开了图像配准方法及其模型训练方法。该图像配准方法包括获取参考图像和待配准的浮动图像，对所述参考图像和所述浮动图像执行图像预处理，对经预处理的参考图像和浮动图像执行非刚性配准以获得配准结果图像，以及输出配准结果图像。所述图像预处理包括对参考图像和浮动图像执行基于迭代最近点配准和互信息配准的由粗到精的刚性配准。所述非刚性配准利用参考图像与配准结果图像之间的相关系数和均方误差的组合作为损失函数。本发明还公开了与该方法对应的用于图像配准的设备、系统和计算机可读介质。本发明可以在不同时间、不同模态、或不同序列的图像之间实现精确、高效且适用性强的图像配准。且适用性强的图像配准。且适用性强的图像配准。


技术研发人员：张陈 赵周社 聂颖彬
受保护的技术使用者：通用电气精准医疗有限责任公司
技术研发日：2020.06.11
技术公布日：2021/12/16