单模态医学图像的配准方法、系统及计算机可读存储介质与流程

1.本发明涉及医学影像处理领域，尤其涉及一种单模态医学图像的配准方法、系统及计算机可读存储介质。


背景技术：

2.图像配准是将由同一传感器或不同传感器所直接采集的不同时间段、不同观察视角得到的同一个场景的两幅或几幅图像在空间位置上对齐的过程，其关键在于寻找配准图像间的空间变换，从而实现对应点在相同的空间坐标系中。
3.图像配准技术现在已被应用到各种行业，比如材料力学、地理信息系统以及医学图像处理等。根据具体应用的不同，部分侧重于配准结果，部分侧重于研究变换来获得图像的细节信息。在医学领域中，图像配准可以用于辅助诊断、病理分析、智能诊疗等。
4.医学影像精准分析技术是实现医学智能化诊疗的基础和前提，是“卡脖子”核心技术，高效精准的医学影像分析技术可以及时准确地预测和识别患者的疾病、科学规划治疗方案和量化评估治疗效果等。
5.图像配准方法可以分为两大类：基于特征和基于灰度的配准方法。基于特征的方法又可以细分为两种：基于图像内部特征和外部特征。基于外部特征的方法一般依据于空间定位，在手术前将容易显示图像的人为标记物置于待配准器官的表面，在手术中使用追踪装置对其进行跟踪定位，通过标记物的相对位置对手术前、手术中的图像进行配准分析。基于图像内部特征的方法是通过确定参考图像与目标图像的特征匹配关系来寻找配准图像间的几何变换关系。图像内部特征主要包括角点、轮廓、边界、曲面、纹理等。
6.基于灰度的方法是通过迭代来优化一个相似性度量，从而寻找配准图像间的几何变换。常见的相似性度量主要有均方距离、互信息等，此类相似性度量一般都需要满足以下假设：浮动图像和参考图像的对应结构具有相同的灰度值，因此被广泛应用于单模态配准。其中，基于demons模型的图像配准方法是一种经典的基于灰度的配准方法。demons 模型是从参考图像获得驱动形变的梯度信息，而其改进方法active-demons模型假设驱动形变的扩散是双向的，不仅产生将一个形变的“浮动”目标扩散至一个对应的“参考”目标的力，还产生将这个“参考”目标扩散至对应的“浮动”目标的力，这个力就称为“正力”。 active-demons模型在demons模型的基础上引入“正力”，更容易得到高精度配准结果。但是，以参考图像的梯度信息作为配准驱动力的active-demons模型，难以对弱边缘、弱纹理和特征不显著的医学图像进行有效配准，主要表现在求解泛函极值问题时容易陷入局部最优值。
7.现今，智能医学影像辅助临床肿瘤治疗(例如：微波消融、射频消融等微创介入治疗)愈加受到各级医疗机构的重视，成为继手术开刀、放射治疗、化学治疗之后的第四类治疗手段。为了寻找最佳治疗手段，并且防止过度医疗，多种治疗手段的疗效评估研究也愈加受到重视。
8.因此，需要一种新型的基于改进active-demons模型的单模态医学图像的配准方法，可解决现有的active-demons模型中无法良好地配准边缘模糊、纹理不清晰以及特征不
显著的图像的问题，能够很好地应用于疗效评估研究中，还可用于医学成像设备伪影或人体器官运动伪影的校正、生物体的生长监控、疾病随时间发展变化的病理研究等，具有重要的科学价值和临床意义。


技术实现要素：

9.为了克服上述技术缺陷，本发明的目的在于提供一种单模态医学图像的配准方法、系统及计算机可读存储介质，可适用于配准边缘模糊、纹理不清晰以及特征不显著的医学图像。
10.本发明公开了一种单模态医学图像的配准方法，包括以下步骤：
11.采集待配准医学图像，对待配准医学图像预处理后得到预处理图像，其中预处理图像包括参考图像和浮动图像；
12.初始化active-demons模型中的位移偏量，使得位移偏量u0＝0，并设定 active-demons模型中的最大迭代次数、相似性度量和针对所述相似性度量的预设精度，以输入预处理图像中的参考图像和浮动图像；
13.绘制分数阶微分的阶次对预处理图像的图像信号在不同频率的振幅关系图，以配置一自适应分数阶阶次函数；
14.基于自适应分数阶阶次函数的分数阶微分，计算浮动图像的形变向量场u，并对形变向量场u作高斯滤波；
15.基于滤波后的形变向量场u对浮动图像形变，并通过执行双线性插值操作得到形变后的浮动图像；
16.判断执行双线性插值操作后的浮动图像与参考图像之间的相似性度量是否达到预设精度，或是否达到最大迭代次数，若是，则获取执行双线性插值操作的浮动图像为配准图像，若否，则反复迭代上述步骤。
17.优选地，采集待配准医学图像，对待配准医学图像预处理后得到预处理图像，其中预处理图像包括参考图像和浮动图像的步骤包括：
18.采集待配准医学图像，并判断待配准医学图像中的部分或全部是否包括冗余信息，若具有冗余信息，则配置待配准医学图像的灰度值为零；
19.待配准医学图像包括参考图像和浮动图像的预处理图像，并分别在参考图像和浮动图像中选取至少三对特征点；
20.于特征点上，对参考图像和浮动图像执行仿射变换刚性粗配准，以获得预处理图像。
21.优选地，绘制分数阶微分的阶次对预处理图像的图像信号在不同频率的振幅关系图，以配置一自适应分数阶阶次函数的步骤包括：
22.由active-demons模型的整数阶微分形式推出分数阶微分形式，以获得分数阶微分的表达式：并基于以下公式对其中的图像信号 f(x)的分数阶微分形式d
α
f(x)做傅里叶变换：其中，α表示分数阶阶数，f(x)表示预处理图像的图像信号，表示分数阶微分形式d
α
f 的傅里叶
变换函数，γ表示gamma函数，ω表示频率，表示对x求导，表示在区间[a,x]上积分；
[0023]
基于以下公式计算关于ω的具体表达式：并基于绘制分数阶微分的阶次对图像信号在不同频率的振幅关系图，以得到阶次在 [0,1]之间的自适应分数阶阶次函数，其中sgn(
·
)为符号函数，i为虚数单位；
[0024]
定义图像信号f(i,j)中每一个像素点在八个方向上的梯度的平均值为g(i,j)，对 g(i,j)进行归一化后，得到0≤|g|≤1，并定义自适应函数α＝log2(|g| 1)，其中，log2表示以2为底求对数。
[0025]
优选地，基于自适应分数阶阶次函数的分数阶微分，计算浮动图像的形变向量场u，并对形变向量场u作高斯滤波的步骤包括：
[0026]
将预处理图像中的参考图像和浮动图像定义为一运动图像序列中的两帧，根据灰度图像光流场约束条件计算形变向量场其中s表示参考图像，m表示浮动图像，u为浮动图像的形变向量场向量，表示梯度算子；
[0027]
将分数阶微分的表达式应用至形变向量场u，获得形变向量场其中，d
α
s为对参考图像的α阶微分；
[0028]
基于active-demons模型，获得如下形变向量场u的表达式：
[0029][0030]
其中，d
α
m为浮动图像的α阶微分，d
α
s为对参考图像的α阶微分；
[0031]
构造分数阶微分掩模，将形变向量场u中的分数阶微分部分改写为如下卷积形式：并将上述卷积形式扩展到二维空间，获得如下公式：
[0032][0033][0034]
再将分数阶微分掩模离散化，获得如下形式：
[0035][0035]
以基于卷积对预处理图像作分数阶微分处理，其中，f(x,y)为图像信号，h
x
(x,y,α)、hy(x,y,α)为掩模算
子，xm,yn为掩模算子中的特征点相对掩模中心点的坐标值，*表示卷积操作，表示对x求偏导。
[0036]
优选地，基于自适应分数阶阶次函数的分数阶微分，计算浮动图像的形变向量场u，并对形变向量场u作高斯滤波的步骤还包括：
[0037]
将掩模算子中的特征点邻域内其他特征点点到邻域中心的距离带入二维高斯函数，计算获得一高斯模板；
[0038]
将高斯模板的中心对准预处理图像的矩阵，使得高斯模板与矩阵的对应元素相乘后相加，其中当高斯模板与矩阵中的某处不具有元素时，该处的元素补零，且高斯模板的窗口大小为10*10。
[0039]
优选地，基于滤波后的形变向量场u对浮动图像形变，并通过执行双线性插值操作得到形变后的浮动图像的步骤包括：
[0040]
基于：u
′
(x)＝u
′
(x) u(x)更新形变向量场u
′
的值，对前一形变向量场u
′
的值加上求得的形变向量场矫正值，得到更新形变向量场u
′
的值；
[0041]
根据更新形变向量场u
′
，对浮动图像形变得到m(x u
′
(x))，其中，u
′
(x)为浮动图像的形变量，m(x)为形变前的浮动图像。
[0042]
优选地，基于滤波后的形变向量场u对浮动图像形变，并通过执行双线性插值操作得到形变后的浮动图像的步骤还包括：
[0043]
使用双线性插值法对浮动图像进行插值操作，以获得配准图像。
[0044]
本发明还公开了一种单模态医学图像的配准系统，包括：
[0045]
采集模块，采集待配准医学图像，对待配准医学图像预处理后得到预处理图像，其中预处理图像包括参考图像和浮动图像；
[0046]
初始化模块，接收初始化预处理图像，并初始化active-demons模型中的位移偏量，使得位移偏量u0＝0，并设定active-demons模型中的最大迭代次数、相似性度量和针对所述相似性度量的预设精度，以输入预处理图像中的参考图像和浮动图像；
[0047]
绘制模块，绘制分数阶微分的阶次对预处理图像的图像信号在不同频率的振幅关系图，以配置一自适应分数阶阶次函数；
[0048]
处理模块，基于自适应分数阶阶次函数的分数阶微分，计算浮动图像的形变向量场 u，并对形变向量场u作高斯滤波；
[0049]
插值模块，基于滤波后的形变向量场u对浮动图像形变，并通过执行双线性插值操作得到形变后的浮动图像；
[0050]
输出模块，判断执行双线性插值操作后的浮动图像与参考图像之间的相似性度量是否达到预设精度，或是否达到最大迭代次数，若是，则获取执行双线性插值操作的浮动图像为配准图像，若否，则反复迭代上述步骤。
[0051]
本发明又公开了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上所述的步骤。
[0052]
采用了上述技术方案后，与现有技术相比，具有以下有益效果：
[0053]
1.通过结合自适应分数阶微分的方法，可快速寻找到医学影像中最适合处理边缘模糊、纹理不清晰以及特征不显著等问题的分数阶阶数；
[0054]
2.输出的配准结果对齐准确。
附图说明
[0055]
图1为符合本发明一优选实施例中单模态医学图像的配准方法的流程示意图；
[0056]
图2为符合本发明一优选实施例中分数阶微分的阶次对图像信号在不同频率的振幅关系示意图；
[0057]
图3为符合本发明一优选实施例中分数阶微分掩模的掩模算子示意图；
[0058]
图4为符合本发明一优选实施例中单模态医学图像的配准图像示意图。
具体实施方式
[0059]
以下结合附图与具体实施例进一步阐述本发明的优点。
[0060]
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0061]
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0062]
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0063]
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0064]
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0065]
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
[0066]
参阅图1，为符合本发明一优选实施例中单模态医学图像的配准方法，在该实施例中，配准方法包括以下步骤：
[0067]
s100：采集待配准医学图像，对所述待配准医学图像预处理后得到预处理图像，其
中所述预处理图像包括参考图像和浮动图像；
[0068]
图像配准的目的，即为将作为待校准的浮动图像对齐于作为模板的参考图像。因此该实施例中所采集的，主要为待配准医学图像，预处理完毕后，得到其中的参考图像和浮动图像。
[0069]
s200：初始化active-demons模型中的位移偏量，使得所述位移偏量u0＝0，并设定active-demons模型中的最大迭代次数、相似性度量和针对所述相似性度量的预设精度，以输入预处理图像中的参考图像和浮动图像；
[0070]
demons算法是一种基于光流理论发展起来的配准方法，该算法与其它光流算法一样，具有亮度恒定和小运动的约束条件。active-demons模型，把浮动图像的梯度加入偏移量的计算中。原始算法中驱动扩散的内力为参考图像的梯度，这时增加了浮动图像的梯度作为新的内力，因此加快了迭代的收敛速度。该步骤中，初始化active-demons模型中的位移偏量，使得所述位移偏量u0＝0，并设定active-demons模型中的最大迭代次数、相似性度量和针对所述相似性度量的预设精度，以输入预处理图像中的参考图像和浮动图像。相似性度量是衡量每次变换结果优劣的准则，用来对配准的结果进行评估，为搜索策略的下一步动作提供依据。相似性变换和特征空间、搜索空间紧密相关，不同的特征空间往往对应不同的相似性度量；而相似性度量的值将直接决定配准变换的选择，以及判断当前所取得变换模型下图像是否被正确配准了。通常配准算法抗干扰的能力是由提取的特征和相似性度量共同决定得。常用的相似性度量有互信息、归一化信息、联合熵、相关性、欧式距离、梯度互相关等。
[0071]
s300：绘制分数阶微分的阶次对所述预处理图像的图像信号在不同频率的振幅关系图，以配置一自适应分数阶阶次函数；
[0072]
分数阶微分是微积分的一个分支，它对函数进行分数阶微分，如对函数求阶导数。例如：对xn求阶导数：首先对xn求1阶导数后为nx
n-1
，2阶导数后为n(n-1)x
n-2
...那么 m＜n时，m阶导数后为n(n-1)(n-2)
···
(n-m 1)x
n-m
，也就是由于阶乘的概念可以扩展：n！＝γ(n 1)，故对xn求m阶导数后为令则得：特别地，x的导数为sin(x)的阶导数为预处理图像的图像信号(或也可称为图像函数)在不同频率的振幅关系图(参阅图2)绘制后，以设计可解决弱边缘、弱纹理和特征不显著情况的自适应分数阶阶次函数。
[0073]
s400：基于自适应分数阶阶次函数的分数阶微分，计算浮动图像的形变向量场u，并对所述形变向量场u作高斯滤波；
[0074]
获得上述最优的分数阶阶次后，对浮动图像作分数阶微分处理，从而计算得到浮
动图像的形变向量场u。形变向量场u也可称为位移向量场(dvf)，即图像的每个像素的位移组成的场。高斯滤波后得到浮动图像上每一像素的位移向量。
[0075]
s500：基于滤波后的形变向量场u对浮动图像形变，并通过执行双线性插值操作得到形变后的浮动图像；
[0076]
得到形变向量场u后，将对浮动图像的每一像素作依据于形变向量场u的形变，并通过执行双线性插值操作得到形变后的浮动图像。双线性插值，又称为双线性内插。在数学上，双线性插值是对线性插值在二维直角网格上的扩展，用于对双变量函数(例如x 和y)进行插值，核心思想是在两个方向分别进行一次线性插值。同时，双线性插值也指使用连接两个已知量的直线来确定在这两个已知量之间的一个未知量的值的方法。举例来说，假如想得到未知函数f在点p＝(x,y)的值，假设已知函数f在 q
11
＝(x1,y1),q
12
＝(x1,y2),q
21
＝(x2,y1),q
22
＝(x2,y2)四个点的值。首先在x方向进行线性插值，得到f(r1)和f(r2)，
[0077][0078][0079]
然后在y方向进行线性插值，得到f(p)。
[0080][0081]
整合后的公式如下：
[0082][0083]
s600：判断执行双线性插值操作后的浮动图像与参考图像之间的相似性度量是否达到预设精度，或是否达到最大迭代次数，若是，则获取执行双线性插值操作的浮动图像为配准图像，若否，则反复迭代上述步骤。
[0084]
根据步骤s200中设定的最大迭代次数和相似性度量，判断执行双线性插值操作后的浮动图像与参考图像之间的相似性度量是否达到预设精度，或是否达到最大迭代次数。当满足上述任一条件时，将判断为完成期望的图像配准，从而获取执行双线性插值操作后的浮动图像为配准图像并输出，若未满足上述任一条件，则反复迭代步骤s300-s500，直至满足上述任一条件为止。
[0085]
通过上述步骤，为待配准医学图像建立了相应的光流场模型。同时结合评估分数阶微分的阶次对图像在不同频率的振幅的影响，进而设计出对应的自适应分数阶阶次函数。其次，将光流场模型计算得到的形变向量场u的表达式中的梯度替换为分数阶微分。再次，采用高斯滤波器对形变向量场u进行平滑操作，再作用于待配准图像中的浮动图像。接着，对校正移动后的图像进行插值。将上述过程进行循环迭代，直至参考图像和浮动图像的相似性测度值达到预定要求，便得到最终的配准结果，使得对医学影像精准分析、疾病的预测和识别、治疗方案规划、量化评估治疗效果等方面具有重要科学意义和临床应用价值。
[0086]
一优选实施例中，步骤s100包括：
[0087]
s110：采集待配准医学图像，并判断待配准医学图像中的部分或全部是否包括冗余信息，若具有冗余信息，则配置待配准医学图像的灰度值为零；
[0088]
冗余信息即在待配准医学图像的某些区域中，是否具有无用信息，例如背景、杂物等。若具有这些无用信息，则将其灰度值置为零。
[0089]
s120：待配准医学图像包括参考图像和浮动图像的预处理图像，并分别在参考图像和浮动图像中选取至少三对特征点；
[0090]
特征点的选取可以是随机的，也可以是针对待配准医学图像中器官区域内的点。
[0091]
s130：于特征点上，对参考图像和浮动图像执行仿射变换刚性粗配准，以获得预处理图像。
[0092]
仿射变换，又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。刚性粗配准的核心思路如下∶将待配准图像中的其中一幅图像设定为参考，称标准图像；另一幅图像依据标准图像进行空间变换，称为浮动图像。刚性粗配准的过程可以分解为一系列旋转平移的操作步骤，浮动图像进过一系列的变换与标准图像上相对应的像素点达到空间位置上的一致。一般说来，参与刚性配准的待配准图像既可以是刚性单模态的影像，也可以是刚性多模态的图像，如ct-mri 之间的配准。本文采用都是基于像素的图像配准方法，利用图像本身一些灰度的统计信息而不需要事先提取影像的特征及进行其他复杂的分割操作，在整幅图像基础上估算图像的变换。
[0093]
优选或可选地，步骤s300包括：
[0094]
s310：由active-demons模型的整数阶微分形式推出分数阶微分形式，以获得分数阶微分的表达式：并基于以下公式对其中的图像信号f(x)的分数阶微分形式d
α
f(x)做傅里叶变换：其中，本发明中的分数阶微分采用的是r-l定义，α表示分数阶阶数，f(x)表示预处理图像的图像信号，表示分数阶微分形式d
α
f的傅里叶变换函数，γ表示gamma函数，ω表示频率，表示对x求导，表示在区间[a,x]上积分；
[0095]
s320：基于以下公式计算关于ω的具体表达式：并基于绘制分数阶微分的阶次对图像信号在不同频率的振幅关系图(参阅图2)，以得到阶次在[0,1]之间的自适应分数阶阶次函数，其中sgn(
·
)为符号函数，i为虚数单位；
[0096]
s330：定义图像信号f(i,j)中每一个像素点在八个方向上的梯度的平均值为g(i,j)，对g(i,j)进行归一化后，得到0≤|g|≤1，并定义自适应函数α＝log2(|g| 1)，其中，log2表示以2为底求对数。该自适应函数α＝log2(|g| 1)可解决待配准图像弱边缘、弱纹理和特征不显著等问题。当g越大，即对应边缘、纹理区域，需要对中高频区域(边缘、纹理区域)的增强程度应该越大，由振幅关系图可知阶数应在[0,1]区间内尽可能大；当g 越小，即对应
平滑区域，对低频区域(平滑区域)的保留程度应该较大，由振幅关系图可知阶数应在[0,1]内尽可能小。
[0097]
优选或可选地，步骤s400包括：
[0098]
s410：将预处理图像中的参考图像和浮动图像定义为一运动图像序列中的两帧，根据灰度图像光流场约束条件计算形变向量场其中s表示参考图像， m表示浮动图像，u为浮动图像的形变向量场向量，表示梯度算子；
[0099]
s420：将分数阶微分的表达式应用至形变向量场u，获得形变向量场其中，d
α
s为对参考图像的α阶微分，也即对于形变向量场u的获得，利用了前述步骤中获得的分数阶微分。
[0100]
s430：基于active-demons模型，获得如下形变向量场u的表达式：
[0101][0102]
其中，d
α
m为浮动图像的α阶微分，d
α
s为对参考图像的α阶微分；
[0103]
s440：构造分数阶微分掩模，将形变向量场u中的分数阶微分部分改写为如下卷积形式：由于待配准图像是二维信号，故需要将卷积形式的分数阶微分部分扩展到二维空间，因此，将上述卷积形式扩展到二维空间后获得如下公式：
[0104][0105][0106]
s450：再将分数阶微分掩模离散化，获得如下形式：
[0107][0107]
以基于卷积对预处理图像作分数阶微分处理，其中，f(x,y)为图像信号，h
x
(x,y,α)、hy(x,y,α)为掩模算子(如图3所示)，xm,yn为掩模算子中的特征点相对掩模中心点的坐标值，*表示卷积操作，表示对x求偏导。
[0108]
更进一步地，步骤s400还包括：
[0109]
s460：将掩模算子中的特征点邻域内其他特征点点到邻域中心的距离带入二维高斯函数，计算获得一高斯模板；
[0110]
对高斯函数进行离散化，得到的高斯函数值即作为高斯模板的系数。
[0111]
s470：将高斯模板的中心对准预处理图像的矩阵，使得高斯模板与矩阵的对应元素相乘后相加，其中当高斯模板与矩阵中的某处不具有元素时，该处的元素补零，且所述高
斯模板的窗口大小为10*10。
[0112]
优选或可选地，步骤s500包括：
[0113]
s510：基于：u
′
(x)＝u
′
(x) u(x)更新形变向量场u
′
的值，对前一形变向量场u
′
的值加上求得的形变向量场矫正值，得到更新形变向量场u
′
的值；
[0114]
也即在步骤s510中，不断迭代形变向量场u
′
以矫正。
[0115]
s520：根据更新形变向量场u
′
，对浮动图像形变得到m(x u
′
(x))，其中，u
′
(x)为浮动图像的形变量，m(x)为形变前的浮动图像。
[0116]
优选或可选地，步骤s600包括：s610：使用双线性插值法对形变后的浮动图像执行插值操作，以获得配准图像(如图4所示)。
[0117]
本发明还公开了一种单模态医学图像的配准系统，包括：采集模块，采集待配准医学图像，对待配准医学图像预处理后得到预处理图像，其中预处理图像包括参考图像和浮动图像；初始化模块，接收初始化预处理图像，并初始化active-demons模型中的位移偏量，使得位移偏量u0＝0，并设定active-demons模型中的最大迭代次数、相似性度量和针对所述相似性度量的预设精度，以输入预处理图像中的参考图像和浮动图像；绘制模块，绘制分数阶微分的阶次对预处理图像的图像信号在不同频率的振幅关系图，以配置一自适应分数阶阶次函数；处理模块，基于自适应分数阶阶次函数的分数阶微分，计算浮动图像的形变向量场u，并对形变向量场u作高斯滤波；插值模块，基于滤波后的形变向量场u对浮动图像形变，并通过执行双线性插值操作得到形变后的浮动图像；输出模块，判断执行双线性插值操作后的浮动图像与参考图像之间的相似性度量是否达到预设精度，或是否达到最大迭代次数，若是，则获取执行双线性插值操作的浮动图像为配准图像，若否，则反复迭代上述步骤。
[0118]
本发明又公开了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上所述的步骤。
[0119]
应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。