基于三角剖分優(yōu)化匹配的醫(yī)學(xué)影像剛性配準(zhǔn)方法
【專利摘要】本發(fā)明公開一種基于三角剖分優(yōu)化匹配的醫(yī)學(xué)影像剛性配準(zhǔn)方法，包括：獲取三維醫(yī)學(xué)影像數(shù)據(jù)；分割得到三維醫(yī)學(xué)影像中相同組織器官；針對已分割得到的組織器官，提取組織器官的表面點(diǎn)云信息；采用三角剖分的方法將兩組組織器官的點(diǎn)云剖分為兩組多個四面體的集合；分別從兩組四面體集合中選取任意一個四面體，剛性配準(zhǔn)兩個四面體，獲得旋轉(zhuǎn)矩陣和平移向量；根據(jù)獲得的所有旋轉(zhuǎn)矩陣和平移向量，計算兩組點(diǎn)云的距離誤差，并選取距離誤差最小的旋轉(zhuǎn)矩陣和平移向量作為最優(yōu)配準(zhǔn)矩陣；根據(jù)最優(yōu)配準(zhǔn)矩陣，將三維醫(yī)學(xué)影像旋轉(zhuǎn)平移并融合顯示。本發(fā)明能夠精準(zhǔn)完成三維醫(yī)學(xué)影像的匹配，為臨床多模態(tài)影像融合顯示提供理論基礎(chǔ)。
【專利說明】基于三角剖分優(yōu)化匹配的醫(yī)學(xué)影像剛性配準(zhǔn)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于三角剖分優(yōu)化匹配的醫(yī)學(xué)影像剛性配準(zhǔn)方法，適用于醫(yī)學(xué)影像配準(zhǔn)融合顯示領(lǐng)域。

【背景技術(shù)】
[0002]醫(yī)學(xué)圖像配準(zhǔn)是將來自相同或不同成像方式的醫(yī)學(xué)圖像進(jìn)行一定的變換處理，使它們之間的空間位置、空間坐標(biāo)達(dá)到匹配。配準(zhǔn)的結(jié)果是使兩幅圖像上所有的解剖點(diǎn)，至少是所有具有診斷意義的點(diǎn)及手術(shù)感興趣的點(diǎn)都達(dá)到匹配。隨著醫(yī)學(xué)影像工程和計算機(jī)技術(shù)的發(fā)展，醫(yī)學(xué)成像已經(jīng)成為現(xiàn)代醫(yī)療不可或缺的一部分，其應(yīng)用貫穿于整個臨床工作，不僅廣泛地應(yīng)用于疾病的診斷，而且在外科手術(shù)和放射治療的計劃設(shè)計、方案實施以及療效評估等方面都發(fā)揮著重要的作用。然而，由于不同設(shè)備的成像原理不同，臨床診斷上出現(xiàn)了多種模態(tài)的醫(yī)學(xué)圖像，不同成像技術(shù)對人體同一解剖結(jié)構(gòu)所得到的形態(tài)和功能信息是互不相同、互為補(bǔ)充的。在臨床診斷中，通常需要將多幅圖像中的信息進(jìn)行整合，以便醫(yī)生了解病變組織或器官的綜合隋況，做出更加準(zhǔn)確的診斷或制定出更加合適的治療方案。多幅圖像信息整合首要解決的就是圖像的嚴(yán)格對齊，即圖像配準(zhǔn)問題。圖像配準(zhǔn)的效果直接影響圖像融合的質(zhì)量，因此只有準(zhǔn)確的配準(zhǔn)才能為醫(yī)生提供準(zhǔn)確的診斷依據(jù)。雖然到目前為止已經(jīng)有大量的配準(zhǔn)方法被提出來，但是在醫(yī)學(xué)圖像配準(zhǔn)方法中還存在著算法復(fù)雜度高、配準(zhǔn)精度低，自動化差的缺陷。


【發(fā)明內(nèi)容】

[0003]本發(fā)明提出了一種基于三角剖分優(yōu)化匹配的醫(yī)學(xué)影像剛性配準(zhǔn)方法，通過三角剖分完成三維醫(yī)學(xué)影像的配準(zhǔn)，為多模態(tài)醫(yī)學(xué)影像配準(zhǔn)提供了一種便利的工具。
[0004]該基于三角剖分優(yōu)化匹配的醫(yī)學(xué)影像剛性配準(zhǔn)方法，包括以下步驟:
[0005]第一步，獲取三維醫(yī)學(xué)影像數(shù)據(jù)；
[0006]第二步，根據(jù)所述的影像數(shù)據(jù)分割得到三維醫(yī)學(xué)影像中相同組織器官；
[0007]第三步，針對已分割得到的組織器官，提取組織器官的表面點(diǎn)云信息；
[0008]第四步，采用三角剖分的方法將兩組組織器官的點(diǎn)云剖分為兩組多個四面體的集合；
[0009]第五步，分別從兩組四面體集合中選取任意一個四面體，剛性配準(zhǔn)兩個四面體，獲得旋轉(zhuǎn)矩陣和平移向量；
[0010]第六步，根據(jù)獲得的所有旋轉(zhuǎn)矩陣和平移向量，計算兩組點(diǎn)云的距離誤差，并選取距離誤差最小的旋轉(zhuǎn)矩陣和平移向量作為最優(yōu)配準(zhǔn)矩陣；
[0011]第七步，根據(jù)最優(yōu)配準(zhǔn)矩陣，將三維醫(yī)學(xué)影像旋轉(zhuǎn)平移并融合顯示。
[0012]利用本發(fā)明的方法，可以通過三角剖分的方法實現(xiàn)三維醫(yī)學(xué)影像的配準(zhǔn)。

【專利附圖】

【附圖說明】
[0013]圖1是本發(fā)明實施例的流程示意圖；
[0014]圖2是本發(fā)明所提出的點(diǎn)云三角剖分示意圖；
[0015]圖3是本發(fā)明所提出的MarchingCube算法提取表面點(diǎn)云示意圖；
[0016]圖4是本發(fā)明所提出的參數(shù)形變模型分割組織器官示意圖。

【具體實施方式】
[0017]關(guān)于本發(fā)明的優(yōu)點(diǎn)與精神可以通過以下的發(fā)明詳述及附圖得到進(jìn)一步的了解。
[0018]附圖1為重建流程圖，所述醫(yī)學(xué)影像剛性配準(zhǔn)方法包括以下幾個步驟:
[0019]步驟S101，獲取三維醫(yī)學(xué)影像數(shù)據(jù)。
[0020]將采集得到的二維醫(yī)學(xué)序列切片數(shù)據(jù)組成醫(yī)學(xué)三維影像數(shù)據(jù)。
[0021]步驟S102，分割得到三維醫(yī)學(xué)影像中相同組織器官。
[0022]依據(jù)已經(jīng)獲取的三維醫(yī)學(xué)影像數(shù)據(jù)，采用參數(shù)形變模型分割提取三維醫(yī)學(xué)影像中相同組織器官。
[0023]定義X(s) = [x(s), y (s), z(s)], s e [O, I]為三維空間中的參數(shù)形變模型，s為弧長參數(shù)，那么參數(shù)形變模型的能量函數(shù)可定義為:
[0024]《曜=Iuw)+uwrn,
[0025]其中Einternal和Eraitwnal分別為參數(shù)形變模型的內(nèi)能和外能。Eint ernal的作用是保持參數(shù)形變模型的平滑性，而Eraitenal的作用是使參數(shù)形變模型向著目標(biāo)特征迭代演化。如圖4所示，初始化參數(shù)模型2在自身內(nèi)部能量場和外部能量場的作用下迭代變化，得到不斷趨近于目標(biāo)邊緣I的參數(shù)模型3。
[0026]步驟S103，針對已分割得到的組織器官，提取組織器官的表面點(diǎn)云信息。
[0027]針對從三維醫(yī)學(xué)影像中分割得到的兩個相同的組織器官，采用MarchingCube算法提取兩個組織器官的表面點(diǎn)云信息。
[0028]MarchingCube算法的思想是逐個掃描組織器官中的體素，分類出與等值面相交的體素，采用插值計算出等值面與體素邊緣的交點(diǎn)。根據(jù)體素與等值面的相對位置，將等值面與體素的交點(diǎn)按一定方式連接生成等值面，作為等值面與體素的一個逼近表示。滿足Marching Cubes的基本假設(shè):沿六面體邊的數(shù)據(jù)場呈連續(xù)性變化。也就是講，如果一條邊的兩個頂點(diǎn)分別大于或小于等值面的值，則在該條邊上有且僅有一點(diǎn)是這條邊與等值面的交點(diǎn)。如圖3所示，左圖為灰度不同的灰度圖像，中圖與右圖表示采用MarchingCube得到圖像邊緣。
[0029]步驟S104，采用三角剖分的方法將兩組組織器官的點(diǎn)云剖分為兩組多個四面體的隹A
口 O
[0030]針對已經(jīng)獲得的兩組組織器官的點(diǎn)云，采用Delaunay三角剖分的方法將點(diǎn)云剖分為多個四面體的集合。Delaunay三角剖分算法的實現(xiàn)是不斷增加網(wǎng)格點(diǎn)迭代計算的，其步驟如下為:首先，判斷新加入的網(wǎng)格點(diǎn)與三角形外接圓的關(guān)系，如果在某個三角形外接圓的內(nèi)部，則三角形需要改造；然后，把需要改造的三角形集中到一起，將它們相鄰的邊去掉，形成一個凸多邊形；接著，找到這個多邊形的外邊界，并利用它們的相鄰關(guān)系把它們連接起來構(gòu)成一個頭尾銜接的環(huán)；再將環(huán)上的每兩個相鄰的網(wǎng)格點(diǎn)取出，與待加入的網(wǎng)格點(diǎn)構(gòu)成三角形，計算其外心，并將相鄰的三角形的信息建立起來，將三角形網(wǎng)格點(diǎn)和相鄰三角形信息儲存在只包含這些三角形的Delaunay剖分的數(shù)據(jù)結(jié)構(gòu)數(shù)組中；最后，將上述新加入的三角形數(shù)據(jù)結(jié)構(gòu)數(shù)組替換三角形數(shù)據(jù)結(jié)構(gòu)數(shù)組中需要改造的三角形，并對三角形重新編號，從而得到新的結(jié)構(gòu)數(shù)組。如圖2所示，左圖表示5個點(diǎn)的三角剖分的結(jié)果，中圖表示在左圖中增加一個點(diǎn)的三角剖分的結(jié)果，右圖表示在中圖中增加一個點(diǎn)的三角剖分的結(jié)果。
[0031]步驟S105，分別從兩組四面體集合中選取任意一個四面體，剛性配準(zhǔn)兩個四面體，獲得旋轉(zhuǎn)矩陣和平移向量。
[0032]分別從已得到的兩組四面體集合中任意選取一個四面體，采用LM優(yōu)化算法將兩個四面體進(jìn)行剛性配準(zhǔn)，獲得兩個四面體頂點(diǎn)距離最小的旋轉(zhuǎn)矩陣和平移向量。
[0033]定義選取的兩個四面體為A(a1; a2, a3, a4)和 B (Id1, b2, b3, b4), ai; IDi (i = 1,2,3,4)表示兩個四面體的四個頂點(diǎn)，R為旋轉(zhuǎn)矩陣，T為平移向量，A' (a'2，a' 3，a' 4)為四面體A旋轉(zhuǎn)平移后得到的四面體，計算公式為:
[0034]a' J = [RI T] aj, i = 1,2,3,4
[0035]則兩個四面體剛性配準(zhǔn)的目標(biāo)是保證A' (a'2，a' 3，a' 4)與B(b1;b2，b3，b4)四個頂點(diǎn)間的距離和最小，即
[0036]/|E,T) = Biitt(亡= into(亡丨 1^為)>
[0037]可以采用LM優(yōu)化算法得到兩個四面體剛性配準(zhǔn)的旋轉(zhuǎn)矩陣R和平移向量T。
[0038]步驟S106，根據(jù)獲得的所有旋轉(zhuǎn)矩陣和平移向量，計算兩組點(diǎn)云的距離誤差，并選取距離誤差最小的旋轉(zhuǎn)矩陣和平移向量作為最優(yōu)配準(zhǔn)矩陣。
[0039]根據(jù)兩個四面體剛性配準(zhǔn)得到的旋轉(zhuǎn)矩陣和平移向量，旋轉(zhuǎn)平移醫(yī)學(xué)影像中組織器官的一組點(diǎn)云，計算旋轉(zhuǎn)平移后的點(diǎn)云與另一組點(diǎn)云之間的距離誤差，選取距離誤差最小的旋轉(zhuǎn)矩陣和平移向量作為最優(yōu)配準(zhǔn)矩陣。
[0040]定義Rk，Tk (k = 1,2,...，Μ)為得到的M組旋轉(zhuǎn)矩陣和平移向量，P(Pi) (i = 1，2，...，Np)，Q(Qj) (j = 1，2，...，N,)為分別包括Np和N,個點(diǎn)的兩組點(diǎn)云，kP' (kp, ^表示點(diǎn)云P(Pi)經(jīng)旋轉(zhuǎn)矩陣Rk和平移向量Tk變換后的點(diǎn)云，計算公式為:
[0041]V i = [RkITkJpi, i = 1,2,..., Np
[0042]則兩組點(diǎn)云的距離誤差為:
[0043]err =q(.)
[0044]其中，1^表示點(diǎn)云Q(Qi)中距離kP' 1最小的點(diǎn)，則有旋轉(zhuǎn)矩陣R和平移矩陣T組成的最優(yōu)配準(zhǔn)矩陣的選取條件為:
[0045](R.T) = min(err) =| TfJpjZqi))
[0046]步驟S107，根據(jù)最優(yōu)配準(zhǔn)矩陣，將三維醫(yī)學(xué)影像旋轉(zhuǎn)平移并融合顯示。
[0047]依據(jù)已經(jīng)獲取的兩組點(diǎn)云的最優(yōu)匹配矩陣，在同一世界坐標(biāo)系下，旋轉(zhuǎn)平移并融合顯示三維醫(yī)學(xué)影像。
[0048]雖然參考優(yōu)選實施例對本發(fā)明進(jìn)行描述，但以上所述實例并不構(gòu)成本發(fā)明保護(hù)范圍的限定，任何在本發(fā)明的精神及原則內(nèi)的修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求保護(hù)范圍內(nèi)。
【權(quán)利要求】
1.基于三角剖分優(yōu)化匹配的醫(yī)學(xué)影像剛性配準(zhǔn)方法，其特征在于，包括以下步驟: 第一步，獲取三維醫(yī)學(xué)影像數(shù)據(jù)； 第二步，根據(jù)所述的影像數(shù)據(jù)分割得到三維醫(yī)學(xué)影像中相同組織器官； 第三步，針對已分割得到的組織器官，提取組織器官的表面點(diǎn)云信息； 第四步，采用三角剖分的方法將兩組組織器官的點(diǎn)云剖分為兩組多個四面體的集合； 第五步，分別從兩組四面體集合中選取任意一個四面體，剛性配準(zhǔn)兩個四面體，獲得旋轉(zhuǎn)矩陣和平移向量； 第六步，根據(jù)獲得的所有旋轉(zhuǎn)矩陣和平移向量，計算兩組點(diǎn)云的距離誤差，并選取距離誤差最小的旋轉(zhuǎn)矩陣和平移向量作為最優(yōu)配準(zhǔn)矩陣； 第七步，根據(jù)最優(yōu)配準(zhǔn)矩陣，將三維醫(yī)學(xué)影像旋轉(zhuǎn)平移并融合顯示。
2.如權(quán)利要求1所述的醫(yī)學(xué)影像剛性配準(zhǔn)方法，其特征在于，在第二步中，三維醫(yī)學(xué)影像中的組織器官分割采用基于統(tǒng)計模型的分割算法實現(xiàn)。
3.如權(quán)利要求1或2所述的醫(yī)學(xué)影像剛性配準(zhǔn)方法，其特征在于，在第三步中，針對以及分割得到的相對應(yīng)的組織器官，采用MarchingCube算法提取組織器官的表面點(diǎn)云信息。
4.如權(quán)利要求1或2所述的醫(yī)學(xué)影像剛性配準(zhǔn)方法，其特征在于，在第五步中，采用LM優(yōu)化算法剛性匹配兩個四面體。
5.如權(quán)利要求1或2所述的醫(yī)學(xué)影像剛性配準(zhǔn)方法，其特征在于，在第五步中，所述三角剖分方法包括以下步驟:首先，判斷新加入的網(wǎng)格點(diǎn)與三角形外接圓的關(guān)系，如果在某個三角形外接圓的內(nèi)部，則三角形需要改造；然后，把需要改造的三角形集中到一起，將它們相鄰的邊去掉，形成一個凸多邊形；接著，找到這個多邊形的外邊界，并利用它們的相鄰關(guān)系把它們連接起來構(gòu)成一個頭尾銜接的環(huán)；再將環(huán)上的每兩個相鄰的網(wǎng)格點(diǎn)取出，與待加入的網(wǎng)格點(diǎn)構(gòu)成三角形，計算其外心，并將相鄰的三角形的信息建立起來，將三角形網(wǎng)格點(diǎn)和相鄰三角形信息儲存在只包含這些三角形的Delaunay剖分的數(shù)據(jù)結(jié)構(gòu)數(shù)組中；最后，將上述新加入的三角形數(shù)據(jù)結(jié)構(gòu)數(shù)組替換三角形數(shù)據(jù)結(jié)構(gòu)數(shù)組中需要改造的三角形，并對三角形重新編號，從而得到新的結(jié)構(gòu)數(shù)組。
【文檔編號】G06T7/00GK104318554SQ201410543401
【公開日】2015年1月28日 申請日期:2014年10月15日 優(yōu)先權(quán)日:2014年10月15日
【發(fā)明者】楊健, 叢偉建, 劉越, 王涌天, 艾丹妮 申請人:北京理工大學(xué)