一种脑磁测量装置以及脑磁测量装置与MRI配准的方法与流程

一种脑磁测量装置以及脑磁测量装置与mri配准的方法
技术领域
1.本发明涉及脑磁研究领域，特别是涉及一种脑磁测量装置以及脑磁测量装置与mri配准的方法。


背景技术：

2.脑磁图(magnetoencephalography，meg)是一种强大的功能性神经成像技术，该技术通过检测大脑神经元中电流产生的微小颅外磁场反应大脑活动的变化，实现对大脑功能的检测。脑磁图能为研究大脑活动和诊断脑内疾病提供一个非侵入性的窗口。由于脑磁图是一种对脑内生理现象的直接推断方式，其时间精度良好。此外，由于磁场相对不受头部不均匀电导率的影响，脑磁图比脑电图(eeg)拥有更高的空间分辨率。这些优点使脑磁图成为了一种研究大脑活动及功能的强大手段，对前沿神经科学、临床应用等方面都有重要意义。目前，脑磁图技术已被应用于语言、视觉、听觉、体感诱发等脑波信号研究、神经外科术前脑功能区定位、脑内疾病诊断等方面。
3.近年来，以原子磁强计为代表的弱磁传感器的成熟极大推动了新一代脑磁图的发展，与传统基于超导量子干涉装置(squids)实现的脑磁测量系统相比，新一代脑磁图系统不再需要庞大的头部装置，只需要被试者在磁屏蔽环境中佩戴小型脑磁头盔就可测量，拥有体积小，重量轻，测量方便等诸多优点。但在新一代脑磁系统中，存在传感器阵列不固定、插入头盔深度不固定、传感器线路遮挡、扫描传感器阵列耗时长等问题，对扫描探头位置造成一定困难，此外，头盔上大量传感器探头和线缆使得脑磁系统难以对受试者卧式实验场景进行测量。
4.在脑磁研究中，正确定位传感器阵列位置是必不可少的一步，但传统配准方法费时费力，难以支撑实际应用，例如使用颜色标记传感器位置，使用线圈测量传感器位置等传统配准方法，不但步骤繁琐，耗时长，在操作过程中还会引入大量人为误差，不适用于实际使用场景。如何快速精确扫描定位脑磁头盔上的传感器阵列，成为新型脑磁图系统的重要问题。
5.此外，如何精确的使扫描图像与大脑皮层配准于同一坐标系下，对脑磁图后续信号溯源的准确性至关重要，传统方法使用最近点迭代算法(icp)对三维扫描图像与mri面部图像进行配准，但最近点迭代算法(icp)对待配点云初始位置要求较高，若所选初始位置不合理，则会导致算法陷入局部最优，导致配准不准确。


技术实现要素：

6.本发明的目的是提供一种脑磁测量装置以及脑磁测量装置与mri配准的方法，以解决传统配准方法配准结果不准确的问题。
7.为实现上述目的，本发明提供了如下方案：
8.一种脑磁测量装置，包括脑磁头盔主体、标识模块和传感器阵列；所述传感器阵列和所述标识模块均设置于所述脑磁头盔主体的上表面；
9.所述脑磁头盔主体用于佩戴于被试者头部；
10.所述传感器阵列用于检测大脑神经元中电流产生的颅外磁场；
11.所述标识模块用于定位所述传感器阵列。
12.可选地，所述标识模块为十字交叉的圆柱体、t字形的长方体或者锥体。
13.一种脑磁测量装置与mri配准的方法，包括：
14.获取戴有上述的脑磁测量装置的被试者头部图像；
15.将所述被试者头部图像进行点云化，得到场景点云；
16.对所述场景点云和构建的标识模块模型的模型点云进行对应点聚类处理，识别脑磁测量装置的标识模块并确定所述标识模块的位置坐标；
17.根据所述标识模块的位置坐标以及所述标识模块与传感器阵列的相对位置关系，确定传感器阵列探头位置坐标；
18.获取被试者头部三维mri图像，并将所述被试者头部三维mri图像分离为头皮三维图像和大脑皮层解剖结构；
19.根据所述头皮三维图像提取mri面部图像；
20.基于所述传感器阵列探头位置坐标，将所述mri面部图像与所述被试者头部图像进行配准，使传感器阵列与所述大脑皮层解剖结构在统一坐标系下。
21.可选地，所述对所述场景点云和构建的标识模块模型的模型点云进行对应点聚类处理，识别脑磁测量装置的标识模块并确定所述标识模块的位置坐标，具体包括：
22.对所述场景点云和所述模型点云分别进行下采样处理，提取场景点云关键点和模型点云关键点；
23.根据所述场景点云关键点和所述模型点云关键点，计算场景关键点特征描述子和模型点云关键点特征描述子；
24.根据所述场景关键点特征描述子和所述模型点云关键点特征描述子，计算标识模块模型在场景中的对应点，确定场景描述子点云和模型描述子点云之间的对应点对集合；所述场景描述子点云包括场景关键点特征描述子；所述模型描述子点云包括模型点云关键点特征描述子；
25.对所述对应点对集合进行对应点聚类处理，识别出所述场景点云中与所述模型点云匹配的对应点聚类，得到可穿戴式脑磁测量装置的标识模块，并确定所述标识模块的位置坐标。
26.可选地，所述基于所述传感器阵列探头位置坐标，将所述mri面部图像与所述被试者头部图像进行配准，使传感器阵列与所述大脑皮层解剖结构在统一坐标系下，具体包括：
27.分别计算所述被试者头部图像与所述mri面部图像的特征描述子，得到头部图像特征描述子和面部图像特征描述子；
28.根据所述头部图像特征描述子和所述面部图像特征描述子，采用采样一致性配准算法对所述被试者头部图像与所述mri面部图像进行粗配准，得到第一坐标变换矩阵；
29.对所述第一坐标变换矩阵进行正态分布变换，得到第二坐标变换矩阵；
30.将所述第一坐标变换矩阵和所述第二坐标变换矩阵，应用于所述传感器阵列探头位置坐标，完成所述mri面部图像与所述被试者头部图像的配准，使传感器阵列与大脑皮层解剖结构对准于同一坐标系下。
31.可选地，所述对应点聚类处理的方法为霍夫投票算法或者几何一致性聚类算法。
32.可选地，根据所述场景点云关键点和所述模型点云关键点，基于方向直方图特征、点直方图特征、角度直方图特征、法线对准径向特征、惯性矩特征或者偏心率特征计算场景关键点特征描述子和模型点云关键点特征描述子。
33.根据本发明提供的具体实施例，本发明公开了以下技术效果：
34.本发明提供了一种脑磁测量装置以及脑磁测量装置与mri图像配准的方法，所述脑磁测量装置包括标识模块，通过获取佩戴有该脑磁测量装置的被试者头部图像，识别出图像中的标识模块，利用标识模块的位置以及所述标识模块与传感器阵列的相对位置关系，确定出传感器阵列探头位置的坐标，本发明中使用标识模块定位传感器阵列，不需要扫描所有传感器探头，大大节省扫描所需时间，提升整体效率。且利用采样一致性配准与正态分布变换，将被试者头部图像与mri图像进行配准，使传感器阵列与大脑皮层解剖结构置于同一坐标系下，避免了采用最近点迭代算法(icp)进行配准，对待配点云初始位置要求较高，若所选初始位置不合理，则会使最近点迭代算法陷入局部最优，从而导致配准不准确的问题，采用本发明的配准方法能够提高配准精度。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
36.图1为本发明提供的脑磁测量装置的结构示意图；
37.图2为本发明提供的标识模块的示意图；
38.图3为本发明提供的脑磁测量装置与mri图像配准的方法流程图；
39.图4为本发明在实际应用中的配准方法流程图。
40.符号说明：1、脑磁头盔主体；2、标识模块；3、磁性传感器。
具体实施方式
41.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.本发明的目的是提供一种脑磁测量装置以及脑磁测量装置与mri配准的方法，以解决传统配准方法配准结果不准确的问题。
43.本发明使用对应点聚类算法，通过脑磁测量装置上标识模块定位传感器阵列，并通过采样一致性算法(sac-ia)与正态分布变换(ndt)将脑磁测量装置与被试者mri图像进行配准，降低对粗配准的要求，提高整个扫描配准过程快速性、精确性。
44.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
45.图1为本发明提供的一种脑磁测量装置的结构示意图，如图1所示，该脑磁测量装
置包括脑磁头盔主体1、标识模块2和传感器阵列；所述传感器阵列和所述标识模块2均设置于所述脑磁头盔主体1的上表面。所述传感器阵列包括多个磁性传感器3。所述脑磁测量装置为可穿戴式脑磁测量装置。
46.所述脑磁头盔主体1用于佩戴于被试者头部；所述传感器阵列用于检测大脑神经元中电流产生的颅外磁场；所述标识模块2用于定位所述传感器阵列。大脑神经元之间的传递信息靠的是神经元接受刺激后产生的电位差，因此大脑神经元上有局部电流。
47.进一步地，所述标识模块2设置于所述脑磁头盔主体1的上表面的预设位置，在所述预设位置的所述标识模块2不会被磁性传感器3的线缆遮挡。
48.进一步地，所述标识模块2为十字交叉的圆柱体、t字形的长方体或者锥体。在实际应用中，所述标识模块2为十字交叉的圆柱体，如图2所示。
49.图3为本发明提供的一种脑磁测量装置与mri配准的方法流程图，图4为本发明在实际应用中的配准方法流程图，如图3和图4所示，所述方法包括：
50.步骤301：获取戴有上述的脑磁测量装置的被试者头部图像。
51.步骤302：将所述被试者头部图像进行点云化，得到场景点云。
52.在实际应用中，使用三维结构光扫描仪，扫描佩戴脑磁测量装置的被试者头部，获取头部三维点云，作为场景点云，将标识模块模型的点云作为模型点云。所述场景点云包括标识模块点云和面部点云，标识模块模型是已知的，这里的模型点云可以直接通过对已知标识模块模型进行点云转化得到。这里的标识模块模型的已知，指的是已知标识模块模型的形状，并且能直接得到它完整的形状点云。
53.步骤303：对所述场景点云和构建的标识模块模型的模型点云进行对应点聚类处理，识别脑磁测量装置的标识模块并确定所述标识模块的位置坐标。在实际应用中，获取上述场景点云和模型点云的关键点，识别出场景点云中所有与标识模块模型匹配的对应点聚类，对应点聚类即为脑磁测量装置上待识别的标识模块。
54.进一步地，所述步骤303，具体包括：
55.步骤3031：对所述场景点云和所述模型点云分别进行下采样处理，提取场景点云关键点和模型点云关键点。
56.步骤3031：根据所述场景点云关键点和所述模型点云关键点，计算场景关键点特征描述子和模型点云关键点特征描述子。所述场景关键点特征描述子或者所述模型点云关键点特征描述子可以基于方向直方图特征、点直方图特征、角度直方图特征、法线对准径向特征、惯性矩特征或者偏心率特征得到。
57.根据所述场景点云关键点和所述模型点云关键点，基于方向直方图特征、点直方图特征、角度直方图特征、法线对准径向特征、惯性矩特征或者偏心率特征计算场景关键点特征描述子和模型点云关键点特征描述子。
58.在实际应用中，对所述场景点云和标识模块模型点云，分别计算每一个点的法向量，并分别进行均匀下采样计算关键点，根据法向量和关键点分别计算方向直方图特征描述子(场景关键点特征描述子和模型点云关键点特征描述子)。所述关键点可以基于法向对准径向特征或者尺度不变特征变换得到。
59.步骤3031：根据所述场景关键点特征描述子和所述模型点云关键点特征描述子，计算标识模块模型在场景中的对应点，确定场景描述子点云和模型描述子点云之间的对应
点对集合；所述场景描述子点云包括场景关键点特征描述子；所述模型描述子点云包括模型点云关键点特征描述子。
60.在实际应用中，对上一步骤得到的模型点云关键点特征描述子中的每一个点，使用kd树结构在欧式空间中进行有效最近邻搜索，找到场景描述子点云中与模型描述子点云对应的点。
61.步骤3031：对所述对应点对集合进行对应点聚类处理，识别出所述场景点云中与所述模型点云匹配的对应点聚类，得到脑磁测量装置的标识模块，并确定所述标识模块的位置坐标。
62.在实际应用中，使用霍夫投票算法(houghvoting)或几何一致性聚类算法(gc)对上一步骤获取的对应点对集合进行聚类处理，识别出场景点云中所有与标识模块模型点云匹配的对应点聚类，对应点聚类即为脑磁测量装置上的标识模块，获取标识模块坐标。
63.步骤304：根据所述标识模块的位置坐标以及所述标识模块与传感器阵列的相对位置关系，确定传感器阵列探头位置坐标。在实际应用中，根据标识模块与传感器阵列的相对位置关系计算磁性传感器坐标，即可得到传感器阵列探头位置坐标。
64.步骤305：获取被试者头部三维mri图像，并将所述被试者头部三维mri图像分离为头皮三维图像和大脑皮层解剖结构。在实际应用中，使用核磁共振设备获取被试者头部t1结构像，重建为三维图像(被试者头部三维mri图像)，并将被试者头部三维mri图像分离为头皮三维图像及大脑皮层解剖结构。
65.步骤306：根据所述头皮三维图像提取mri面部图像。在实际应用中，从头皮三维图像中提取面部三维图像(mri面部图像)。
66.步骤307：基于所述传感器阵列探头位置坐标，将所述mri面部图像与所述被试者头部图像进行配准，使传感器阵列与所述大脑皮层解剖结构在统一坐标系下。
67.进一步地，所述步骤307，具体包括：
68.步骤3071：分别计算所述被试者头部图像与所述mri面部图像的特征描述子，得到头部图像特征描述子和面部图像特征描述子。分别计算步骤301中得到的被试者头部图像和步骤306中得到的mri面部图像的快速点直方图特征描述子。
69.步骤3072：根据所述头部图像特征描述子和所述面部图像特征描述子，采用采样一致性配准算法对所述被试者头部图像与所述mri面部图像进行粗配准，得到第一坐标变换矩阵。在实际应用中，根据步骤3071中的描述子用采样一致性算法(sac-ia)进行粗配准，得到坐标变换矩阵m1(第一坐标变换矩阵)。
70.步骤3073：对所述第一坐标变换矩阵进行正态分布变换，得到第二坐标变换矩阵。在实际应用中，对步骤3072得到的粗配准结果，使用正态分布变换(ndt)进行精细化处理，得到坐标变换矩阵m2第二坐标变换矩阵。
71.坐标变换矩阵m1和m2，表达式如下：
[0072][0073]
其中r
3*3
为源点云到目标点云的旋转矩阵，t
3*1
为源点云到目标点云的平移矩阵。
[0074]
步骤3074：将所述第一坐标变换矩阵和所述第二坐标变换矩阵，应用于所述传感器阵列探头位置坐标，完成所述mri面部图像与所述被试者头部图像的配准，使传感器阵列
与大脑皮层解剖结构对准于同一坐标系下。
[0075]
将步骤3072和步骤3073中得到的坐标变换矩阵m1和m2应用于步骤304中获取的磁性传感器坐标，完成脑磁测量装置与mri图像的配准，即可将传感器阵列与大脑皮层解剖结构对齐于同一坐标系下，进而能够提高脑磁图后续信号溯源的准确性。
[0076]
本发明涉及的一种脑磁测量装置以及脑磁测量装置与mri配准的方法，在脑磁测量装置上设置标识模块，实现佩戴有脑磁测量装置的被试者头部三维图像中与mri图像的配准。本方法通过扫描仪同时获取戴有脑磁测量装置的被试者头部图像及脑磁测量装置中标识模块的数字化点云模型(标识模块模型)，基于关键点识别的对应点聚类，定位识别脑磁测量装置上的标识模块，从而根据已知的标识模块与传感器阵列的相对位置关系获取脑磁测量装置上传感器阵列探头的位置信息；并通过采样一致性算法(sac-ia)与正态分布变换(ndt)与被试者mri图像进行配准。
[0077]
与现有技术相比，本发明具有如下优点：
[0078]
本发明着重解决可穿戴式脑磁图与mri图像的扫描配准问题，提出了针对可穿戴式脑磁测量装置的光学扫描及传感器识别方法，以及与mri图像的精确配准方法。
[0079]
针对脑磁测量装置上标识模块与传感器相对位置已知这一特性，提出了使用基于关键点的对应点聚类算法通过识别标记物从而定位传感器坐标的方法。
[0080]
使用根据标识模块定位传感器的方法，对佩戴脑磁测量装置的被试者头部进行三维光学扫描时，只需扫描完整的标识模块形状及被试者面部信息，不需要扫描所有传感器探头，大大节省扫描所需时间，提升整体效率。
[0081]
本发明提出的方法较为灵活，标识模块适用于各种可穿戴式脑磁测量装置，并能解决传统脑磁图无法进行卧式测量的缺陷。
[0082]
标识模块在脑磁测量装置上的位置可调，有效避免光学扫描时传感器线缆对摄像头的遮挡问题。
[0083]
通过采样一致性配准(sac-ia)与正态分布变换(ndt)达到精确匹配的目的，避免了传统最近点迭代法(icp)配准对粗配准要求较高，容易陷入局部最优的缺点，降低了粗配准要求。
[0084]
本发明公开了一种可穿戴式脑磁测量装置与mri配准的方法，具有自动化、高精度、适应性强的特点，适用于任何实际使用场景。
[0085]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0086]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。