一种mpMRI影像与超声影像的高精度智能融合方法及系统与流程

一种mpmri影像与超声影像的高精度智能融合方法及系统
技术领域
1.本发明属于医学影像分析技术领域，尤其涉及一种mpmri影像与超声影像的高精度智能融合方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.现在基于前列腺癌mpmri影像与超声影像的高精度智能融合存在如下问题：
4.1、传统基于marching cubes(mc)算法在前列腺癌的mpmri影像医学图像三维重建时因模型表面容易产生空洞、计算量大、精度低等缺点；
5.2、传统手工注释mpmri图像过于昂贵与费时；
6.3、在传统基于active demons的mpmri和超声图像配准方法中，mpmri和超声图像两种模态在灰度方面的相关性差，单独使用互信息不能准确对齐图像；由于使用超声探头或者mri直肠线圈会引起前列腺的形变，从而会导致两种模态图像在目标形状上存在差异。


技术实现要素：

7.为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种mpmri影像与超声影像的高精度智能融合方法及系统，通过关联浮动图像和参考图像，构建金字塔分解图像，分级计算mpmri和超声图像两种模态的相关性，解决了mpmri和超声图像两种模态在灰度方面的相关性差，单独使用互信息不能准确对齐图像的问题。
8.由于使用超声探头或者mri直肠线圈会引起前列腺的形变，从而会导致两种模态图像在目标形状上存在差异。
9.为了实现上述目的，本发明采用如下技术方案：
10.本发明的第一个方面提供一种mpmri影像与超声影像的高精度智能融合方法，包括步骤：
11.获取mpmri医疗影像数据和超声影像数据；
12.将超声影像数据作为参考图像，对mpmri医疗影像数据进行三维模型重建得到浮动图像；
13.通过仿射变换对浮动图像和参考图像进行初始配准获得浮动图像的初始位置；
14.建立多级金字塔分解图像，从金字塔的最高层开始，计算金字塔的最高层的变形场；
15.对所述浮动图像的初始位置和金字塔的最高层的变形场进行相似性度量，得到相似度测量值；
16.判断所述相似度测量值是否满足设定的阈值范围，若不满足，改变并重新计算变形场直到满足相似性度量的要求，若满足，对金字塔的最高层的变形场进行插值计算，得到金字塔的底部变形场；
17.将金字塔底部变形场作用于浮动图像，得到最终的图像配准结果。
18.本发明的第二个方面提供一种mpmri影像与超声影像的高精度智能融合系统，包括：
19.数据获取模块，被配置为：获取mpmri医疗影像数据和超声影像数据；
20.图像融合模块，被配置为：将超声影像数据作为参考图像，基于mc算法对mpmri医疗影像数据进行三维模型重建得到浮动图像；通过仿射变换对浮动图像和参考图像进行初始配准获得浮动图像的初始位置；
21.建立多级金字塔分解图像，从金字塔的最高层开始，计算金字塔的最高层的变形场；
22.对所述浮动图像的初始位置和金字塔的最高层的变形场进行相似性度量，得到相似度测量值；
23.判断所述相似度测量值是否满足设定的阈值范围，若不满足，改变并重新计算变形场直到满足相似性度量的要求，若满足，对金字塔的最高层的变形场进行插值计算，得到金字塔的底部变形场；将金字塔底部变形场作用于浮动图像，得到最终的图像配准结果。
24.本发明的第三个方面提供一种计算机可读存储介质。
25.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种mpmri影像与超声影像的高精度智能融合方法中的步骤。
26.本发明的第四个方面提供一种计算机设备。
27.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种mpmri影像与超声影像的高精度智能融合方法中的步骤。
28.与现有技术相比，本发明的有益效果是：
29.采用通过关联浮动图像和参考图像，构建金字塔分解图像，分级计算mpmri和超声图像两种模态的相关性，解决了mpmri和超声图像两种模态在灰度方面的相关性差，单独使用互信息不能准确对齐图像的问题。
30.判断所述相似度测量值是否满足设定的阈值范围，若不满足，改变参数并重新计算变形场uh直到满足相似性度量的要求。若满足，对金字塔的最高层的变形场进行插值计算，得到金字塔的底部变形场；将金字塔底部变形场作用于浮动图像，得到最终的图像配准结果，解决了使用超声探头或者mri直肠线圈会引起前列腺的形变，从而会导致两种模态图像在目标形状上存在差异的问题。
附图说明
31.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
32.图1是改进的mpmri与超声影像的高精度智能融合方法结构框架图；
33.图2是改进的marching cubes(mc)算法流程图；
34.图3是focalmix方法的框架图；
35.图4是两种混合方法的实例性说明。
具体实施方式
36.下面结合附图与实施例对本发明作进一步说明。
37.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
38.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
39.实施例一
40.近些年来，前列腺癌在国内发病率持续升高，成为威胁我国老年男性健康的重要疾病。因此，前列腺癌的准确诊断变得尤为重要。
41.随着医学影像学的发展和影像技术的不断提高，经直肠前列腺超声和前列腺多参数磁共振成像(multiparametric magnetic resonance imaging，mpmri)的检查也逐渐应用于临床。
42.经直肠超声检查凭借其实时性、无创性和简便性等优势成为临床应用最广泛的影像学检查方法，但是经直肠超声检查在前列腺癌病灶检测中仍有一定的不足，比如并非所有前列腺癌患者的病灶均存在低回声结节的影像学表现。
43.对于mpmri发现的体积较小的可疑病灶或者是位于某些特殊部位的可疑病灶通过经直肠超声前列腺穿刺活检的准确性会下降，因此在临床工作中需要更为精确、客观和便捷的穿刺方法来引导前列腺的靶向穿刺。此外，多参数mri在诊断前列腺癌的诊断敏感度方面可以高达90％，其诊断特异度可以高达85％，因此在前列腺相关疾病的诊断中mpmri检测对诊断前列腺癌具有非常显著的优势，将mpmri的诊断优势与经直肠超声检测的实时性和便捷性相结合创新出的融合引导穿刺方式成为前列腺穿刺发展的重要趋势。
44.如图1所示，本实施例公开了一种mpmri影像与超声影像的高精度智能融合方法，包括如下步骤：
45.s1：获取mpmri原始图像数据和实时超声影像数据；
46.s2：将实时超声影像数据作为参考图像f，基于mc算法对mpmri医疗影像数据进行三维模型重建得到浮动图像m；
47.s3：通过仿射变换对浮动图像m和参考图像f进行初始配准获得浮动图像的初始位置m1；
48.s4：为浮动图像m和参考图像f建立多级金字塔的分解图像，从金字塔的最高层h开始，使用mh和fh分别代表第h层浮动图像和参考图像，将mh和fh代入公式(1)中，计算金字塔最高层h层的变形场uh；
[0049][0050]
其中,f和m是参考图像和浮动图像中相对应的灰度，和是参考图像和浮动图像中对应的梯度；
[0051]
s5：从初始浮动图像m1和变形场uh得到一个新的浮动图像mh，然后将和加入公式
(2)(能量函数公式)中，确定其相似度测量值；
[0052]
e(u(r))＝∫
ω
[sim(f(r),m(u(r)) reg(u(r))]dr
ꢀꢀ
(2)
[0053]
其中，u(r)表示变形场，m(u(r))代表浮动图像，f(r)代表参考图像，sim(f(r),m(u(r)))代表相似测度分量，reg(u(r))代表正则分量；
[0054]
s6：判断所述相似度测量值是否满足设定的阈值范围，若不满足，改变参数并重新计算变形场uh直到满足相似性度量的要求。若满足，对金字塔的最高层h的变形场uh进行插值，得到下一层的变形场um，然后，将f
h-1
、m
h-1
、u
h-1
放入公式中，得到金字塔的底部变形场u0；
[0055]
s7：将金字塔底部变形场u0作用于浮动图像m，得到最终的图像配准结果。
[0056]
如图2所示，其中，将实时超声影像数据作为参考图像f，基于mc算法对mpmri医疗影像数据进行三维模型重建得到浮动图像m，包括如下步骤：
[0057]
s201：分层依次扫描mpmri原始图像相邻两层数据，逐个构造立方体；
[0058]
s202：将立方体顶点的灰度值和立方体的等值面的阈值进行比较，得到索引值；
[0059]
s203：分类构建查找表，将索引表封装在协议映射表中；
[0060]
其中，本实施例采用24种拓扑构型分三类处理，每一类都有自己的查找表，函数指针以及处理函数，便于快速查找处理。每一类处理采用多线程方式处理，每一类对应一个线程，多线程之间的同步采用关键段方法；
[0061]
所述关键段方法具体为：关键段方法具体是多个线程使用同一小段代码，但在使用其前必须取得某些共享资源的所有权；从而避免线程由用户态转向内核态，尽力减少此过程的消耗。
[0062]
对于含有等值面的立方体，用差分法计算其顶点的梯度，如公式(2)所示：
[0063][0064][0065][0066]
式中，gx,gy,yz分别表示在x,y,z轴方向上的梯度；x,y,z表示顶点在直角坐标系的位置；i(*)代表等值面立方体顶点的函数；δx,δy,δz代表带入i中x,y,z的差。
[0067]
s204：由索引值利用多线程并行处理方法通过函数指针由协议映射表指向相应的分类边索引表，获得和等值面有交点的当前立方体的相交边；其中多线程同步方法采用临界区实现。
[0068]
s205：根据上述步骤s204获得的相交边的两顶点及其法向量，通过中点选择法计算等值点坐标和法向量；根据边索引表中的数据通过协议映射表里的函数指针查改进扩充的三角片索引表，确定当前立方体内构成三角片的等值点的组合方式。
[0069]
其中，等值点坐标和法向量的计算过程为：设a1和a2分别代表立方体某边上的两顶点，a代表该边上的中点，则由中点选择法有：
[0070][0071]
设其法向量为n，则由中点选择法有：
[0072][0073]
其中，n1和n2分别代表立方体体素两顶点的法向量。
[0074]
s206：由各立方体内的三角片构成等值面。
[0075]
在利用人工智能技术进行前列腺癌mpmri医学图像的病灶检测时，需要对大量原始的核磁共振图像进行注释，这种注释工作不仅需要专业的专家医师，还需要花费大量的时间和精力，针对以上问题，本实施例基于mpmri的三维重建医学图像，提出基于focalmix的图像可疑位点标记方法，利用病理图像的特征，结合三维数据的特性，研究三维医学图像的病灶检测，具体包括：
[0076]
如图3所示，基于focalmix的三维医学影像对可疑位点标记方法，包括：
[0077]
s1：提出焦损失的通用泛化，现代半监督学习框架中出现的软训练目标来训练检测模型。
[0078]
为半监督学习提出的软目标焦损失定义为：
[0079]
sfl(p)＝[α0 y(α
1-α0)]
·
|y-p|
γ
·
ce(y,p)
[0080]
其中，ce(y,p)＝-ylog p-(1-y)log(1-p)为交叉熵损失。
[0081]
当y∈{0,1}时，焦损失是我们提出的软目标焦损失的一种特殊情况。基于焦损失，结合两个术语，可以将所提出的方法推广到软目标的情况下，提出软目标焦损失训练模型。
[0082]
s2：在训练过程中，按照计算机视觉中的常见做法，即从原始图像中采样相同大小的patch。同时，确保图像patch的边缘长度可以被fpn中使用的最大步长整除。因此，图像补丁中的每个锚都可以在旋转或翻转后落入另一个锚的位置。将每个补丁的扩展定义为在其上应用这两种类型的软转换。此外，三维医学图像在不同方向上的旋转和翻转有着更丰富的组合。然后，利用该模型预测变换后的图像块中每个锚点与目标匹配的概率。通过逆变换(旋转或向后翻转)得到原始面片中每个锚的一个猜测目标。
[0083]
s3：通过混合增强技术使得模型在训练示例之间表现线性，以获得更好的泛化性能。
[0084]
在实施例中，研究了两种适用于医学图像损伤检测的混合方法：图像级混合和物级混合。
[0085]
实例如下，图4显示了图像级的混合，其中箭头指向原始图像中的结节，并展示了对象级的混合，放大结节，并将其定位在每个图像补丁的中心，以便更好地显示。
[0086]
实施例二
[0087]
本实施例公开了一种mpmri影像与超声影像的高精度智能融合系统，包括：
[0088]
数据获取模块，被配置为：获取mpmri医疗影像数据和超声影像数据；
[0089]
图像融合模块，被配置为：将超声影像数据作为参考图像，基于mc算法对mpmri医疗影像数据进行三维模型重建得到浮动图像；通过仿射变换对浮动图像和参考图像进行初始配准获得浮动图像的初始位置；
[0090]
建立多级金字塔分解图像，从金字塔的最高层开始，计算金字塔的最高层的变形场；
[0091]
对所述浮动图像的初始位置和金字塔的最高层的变形场进行相似性度量，得到相似度测量值；
[0092]
判断所述相似度测量值是否满足设定的阈值范围，若不满足，改变并重新计算变形场直到满足相似性度量的要求，若满足，对金字塔的最高层的变形场进行插值计算，得到金字塔的底部变形场；将金字塔底部变形场作用于浮动图像，得到最终的图像配准结果。
[0093]
实施例三
[0094]
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种mpmri影像与超声影像的高精度智能融合方法中的步骤。
[0095]
实施例四
[0096]
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种mpmri影像与超声影像的高精度智能融合方法中的步骤。
[0097]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0098]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0099]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0100]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0101]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
[0102]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。