融合T1w-MRI和fMRI信息的大脑核磁共振图像配准方法

技术特征：
1.一种融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，该方法包括如下步骤：图像采集:采集多个被试的mri图像组，且每个被试的mri图像组均包括该被试的t1w-mri图像和相应的静息态fmri图像；图像预处理:分别对采集到的多个被试的mri图像组进行预处理以得到多个预处理后的被试的mri图像组，其中，每个预处理后的被试的mri图像组中，预处理后的静息态fmri图像的尺寸为预处理后的t1w-mri图像的尺寸1/t，其中，t的取值范围为2～5；图像划分:对预处理后的被试的mri图像组进行划分以得到训练集和验证集；构建模型：构建包括卷积神经网络和半监督损失函数的配准模型；训练模型:利用训练集对配准模型进行迭代训练以获得训练好的配准模型；验证模型:利用验证集对训练好的配准模型进行验证并通过调整超参数以获得最终的配准模型；获取配准后图像:根据最终的配准模型获取待配准被试的mri图像组的配准后图像；其中，根据最终的配准模型获取待配准被试的mri图像组的配准后图像包括：选取目标被试和待配准被试组成被试对，对所述被试对的mri图像组进行所述图像预处理；将预处理后的待配准被试和目标被试的t1w-mri图像同时输入最终的配准模型，以从最终的配准模型输出待配准被试的t1w-mri图像的变形场，并通过空间变换网络对待配准被试的t1w-mri图像进行变形得到待配准被试的t1w-mri配准后图像，对待配准被试的t1w-mri图像的变形场进行下采样处理，以得到待配准被试的静息态fmri图像的变形场，并通过空间变换网络对待配准被试的静息态fmri图像进行变形得到待配准被试的静息态fmri配准后图像。2.如权利要求1所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，所述卷积神经网络为u-net卷积神经网络。3.如权利要求2所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，所述半监督损失函数定义为以下公式：l＝l
t1-sim
λl
f-sim
γl
smooth
；其中，l为所述半监督损失函数，l
t1-sim
为待配准被试的t1w-mri配准后图像和目标被试的t1w-mri图像的相似度损失函数，l
f-sim
为待配准被试的fmri配准后图像和目标被试的fmri图像的相似度函数；l
smooth
为变形场平滑函数；λ和γ为权重系数；根据经验给半监督损失函数中权重系数λ和γ一个初始值以得到一个最初的半监督损失函数。4.如权利要求3所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，权重系数λ和γ的初始值均为0.2。5.如权利要求3所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，利用训练集对配准模型进行迭代训练以获得训练好的配准模型的步骤包括：步骤s1，从所述训练集中随机的选取两个不同被试的mri图像组作为被试对的mri图像组，将被试对的mri图像组中两个不同被试对应的t1w-mri图像，分别作为待配准t1w-mri图像和目标t1w-mri图像输入到卷积神经网络中，并在经过卷积神经网络计算之后得到变形
场φ后，对变形场φ进行下采样处理，以得到变形场φ的1/t比例变形场φ
1/t
；其中，变形场φ为t1w-mri图像的变形场，变形场φ
1/t
为静息态t1w-mri图像的变形场；步骤s2，将变形场φ和变形场φ
1/t
通过空间变换网络分别施加到被试对的相应的待配准图像上以得到配准后的图像；步骤s3，根据配准后的图像与目标图像的相似度和变形场的梯度经过计算获取半监督损失函数的值后，根据半监督损失函数的值利用优化器更新卷积神经网络的参数以得到更新后的卷积神经网络。步骤s4，继续将训练集的数据输入更新后的卷积神经网络中，重复步骤s1～s3，直到达到最大迭代次数，以得到训练好的配准模型。6.如权利要求5所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，采用adam优化器对卷积神经网络的参数进行更新，并设置学习率为10-4
，以得到更新后的卷积神经网络。7.如权利要求1所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，在所述图像预处理的步骤中，分别对采集到的多个被试的mri图像组进行预处理的步骤具体包括：对被试的t1w-mri图像进行去除头骨、强度标准化、仿射对齐、剪裁和归一化处理，对被试的静息态fmri图像进行去除前10个时间点、时间层矫正、头动校正、协变量回归、去除线性漂移、滤波、平滑、仿射对齐和剪裁处理。8.如权利要求7所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，对被试的t1w-mri图像进行仿射对齐是将经过强度标准化处理后的t1w-mri图像仿射对齐到体素尺寸为1mm的标准空间模板，对被试的静息态t1w-mri图像进行仿射对齐是将经过平滑处理后的静息态fmri图像仿射对齐到体素尺寸为t mm的标准空间模板。9.如权利要求1所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法，其特征在于，在所述图像划分的步骤中:训练集和验证集的比例为7:3～9:1。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当执行该计算机程序产品时，进行权利要求1～9中任一项所述的融合t1w-mri和fmri信息的大脑核磁共振图像配准方法。

技术总结
本发明涉及一种基于融合T1w-MRI和fMRI信息的大脑核磁共振图像配准方法，属于脑影像学图像处理技术领域，该方法同时利用了大脑T1加权核磁共振图像精细的结构信息和功能核磁共振图像的功能信息，融合了两种模态中所蕴含的不同的重要信息，实现了大脑结构区域对应和功能区域的对应。对于两种模态的配准来说，一定程度上提升了配准精度。对于fMRI图像的配准来说，还减少了借助结构图像进行分步配准所产生的累计误差，同时引用深度学习来进行全局优化，利用GPU加速计算，大大缩短了配准算法的计算时间。算时间。算时间。


技术研发人员：石玉虎 李保龙
受保护的技术使用者：上海海事大学
技术研发日：2022.10.29
技术公布日：2023/2/3