一種基于版本的dicom醫(yī)學(xué)圖像處理方法
【專利摘要】本發(fā)明提供了一種基于版本的DICOM醫(yī)學(xué)圖像處理方法，該方法包括：獲取第一版本的DICOM圖像和第二版本的DICOM圖像；抽取圖像的特征信息組成特征空間；根據(jù)所抽取的特征空間，利用優(yōu)化策略對(duì)第二版本的DICOM圖像進(jìn)行滿足預(yù)定義相似性測度的最優(yōu)變換，完成圖像匹配。本發(fā)明提出了改進(jìn)的圖像配準(zhǔn)方法，有效提高了DICOM醫(yī)學(xué)圖像配準(zhǔn)的速度和精度，為新舊不同版本的DICOM圖像實(shí)現(xiàn)了兼容。
【專利說明】-種基于版本的DICOM醫(yī)學(xué)圖像處理方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)學(xué)圖像處理，特別涉及一種基于版本的DICOM醫(yī)學(xué)圖像處理方法。

【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)科學(xué)的發(fā)展，醫(yī)學(xué)影像信息學(xué)已成為國際上發(fā)展迅速的一個(gè)領(lǐng)域。 DICOM作為醫(yī)學(xué)圖像數(shù)據(jù)標(biāo)準(zhǔn)的使用使不同廠家，不同設(shè)備之間醫(yī)學(xué)圖像數(shù)據(jù)傳輸，交換和 存儲(chǔ)成為可能。DICOM標(biāo)準(zhǔn)強(qiáng)大的兼容性使它越來越廣泛地應(yīng)用到醫(yī)學(xué)領(lǐng)域，逐步成為一種 標(biāo)準(zhǔn)的醫(yī)學(xué)圖像數(shù)據(jù)格式。DICOM醫(yī)學(xué)圖像為臨床診斷醫(yī)學(xué)、計(jì)算機(jī)輔助手術(shù)、病灶監(jiān)控等 提供了高質(zhì)量的信息支持，但是，DICOM圖像也帶來了一些問題，如時(shí)序差異、位置差異、獲 得設(shè)備差異等導(dǎo)致影像版本信息的不一致性。怎樣消除各種差異通過圖像配準(zhǔn)獲取最大有 效信息成為亟待解決的問題。醫(yī)學(xué)圖像的配準(zhǔn)關(guān)鍵在于界定醫(yī)學(xué)圖像之間的相似性。在臨 床方面，這種方法常用于匹配一段時(shí)間內(nèi)來自不同或同一患者的醫(yī)學(xué)圖像。如果將普通圖 像配準(zhǔn)直接應(yīng)用于結(jié)構(gòu)復(fù)雜的DICOM醫(yī)學(xué)圖像，則不僅計(jì)算量非常大，效率低；而且容易產(chǎn) 生誤差導(dǎo)致結(jié)果不準(zhǔn)確。
[0003] 因此，針對(duì)相關(guān)技術(shù)中所存在的上述問題，目前尚未提出有效的解決方案。


【發(fā)明內(nèi)容】

[0004] 為解決上述現(xiàn)有技術(shù)所存在的問題，本發(fā)明提出了一種基于版本的DICOM醫(yī)學(xué)圖 像處理方法，包括：
[0005] 獲取第一版本的DICOM圖像和第二版本的DICOM圖像；
[0006] 抽取第一版本和第二版本的DICOM圖像的特征信息組成特征空間；
[0007] 根據(jù)所抽取的特征空間，利用優(yōu)化策略對(duì)第二版本的DICOM圖像進(jìn)行滿足預(yù)定義 相似性測度的最優(yōu)變換，完成對(duì)第一版本和第二版本的DICOM圖像進(jìn)行匹配。
[0008] 優(yōu)選地，所述最優(yōu)變換通過確定最佳空域和灰度變換函數(shù)，使用相似性測度進(jìn)行 匹配，將第二版本的DICOM圖像進(jìn)行仿射變換，確定旋轉(zhuǎn)參數(shù)和平移參數(shù)，使兩個(gè)圖像的互 信息表示的相似性測度達(dá)到最大值。
[0009] 優(yōu)選地，所述最優(yōu)變換進(jìn)一步包括，使用如下迭代優(yōu)化過程：
[0010] 步驟1、給定預(yù)先設(shè)定的允許誤差ε>0,選取初始點(diǎn)Xw (0,0,0)和一組線性無關(guān) 的搜索方向向量6(1)(1 = 1，2,3)，其中e(1) = (1，0,0)，e(2) = (0，1，0)，e(3) = (0,0，1)，即 $e(i)分別為沿坐標(biāo)軸的方向；
[0011] 步驟2、從X(Q)出發(fā)沿方向e(i)(i= 1，2,3)依次進(jìn)行一維搜索，得到
[0012] X⑴=X(H)+λiXe(.)
[0013] f(X⑴）=min(X(0),X⑴）
[0014] 其中λi為預(yù)設(shè)常數(shù)權(quán)值，在完成了一維搜索后，得到χ(3);
[0015] 步驟3、檢驗(yàn)是否已滿足終止準(zhǔn)則：若|f(X(i))-f(X(CO)I彡ε或者迭代次數(shù)大于等 于U，則停止迭代，退出；其中，U是預(yù)設(shè)的最大迭代次數(shù)；
[0016] 步驟4、按照下式計(jì)算最快下降方向上的函數(shù)的變化量：
[0017] Af=max|f(X(i))-f(X(0))I(l<i<U)；
[0018] 步驟 5、取e=X⑶_X(。)，Pcs= 2X⑶-X(。)，計(jì)算f(e) =f(X⑶-X(。)），f(Pcs)= f(2X⑶-X(0))，
[0019] 若滿足條件f(e)彡f(x(cl))或f(Pcs)〈f(x((l)),且 2(f(x((l))-2f(x(n))+f(e)) [(f(x( Q))-f(X(n))) -Λf]2 >(f(X(Q))-f(e))2Λf，其中l(wèi)〈n〈U則將X(3)賦值給X(Q)作為新的起點(diǎn)，沿 上面的一組舊方向向量e(1)(i= 1,2,3)重復(fù)步驟2至5 ;
[0020] 若條件;^6)彡;^叉(。)）或;^?〇8)〈;^叉(。)），且2(;^叉(。)）-2;^叉(11))+;^6))[江(叉(。)）-;^ χ(η))) -Λf]2 >(f(X(Q))-f(e))2Λf均不滿足，則沿方向e =X(3)-X(Q)，以X(3)作為起始點(diǎn)進(jìn)行 搜索得到目標(biāo)函數(shù)在最快下降方向上的極小值點(diǎn)Pmin ;把此時(shí)的Pmin賦給X(CI)作為新起點(diǎn)， 重復(fù)步驟2至5。
[0021] 本發(fā)明相比現(xiàn)有技術(shù)，具有以下優(yōu)點(diǎn)：
[0022] 提出了改進(jìn)的圖像配準(zhǔn)方法，有效提高了DICOM醫(yī)學(xué)圖像配準(zhǔn)的速度和精度，為 新舊不同版本的DICOM圖像實(shí)現(xiàn)了兼容。

【專利附圖】

【附圖說明】
[0023] 圖1是根據(jù)本發(fā)明實(shí)施例的基于版本的DICOM醫(yī)學(xué)圖像處理方法的流程圖。

【具體實(shí)施方式】
[0024] 下文與圖示本發(fā)明原理的附圖一起提供對(duì)本發(fā)明一個(gè)或者多個(gè)實(shí)施例的詳細(xì)描 述。結(jié)合這樣的實(shí)施例描述本發(fā)明，但是本發(fā)明不限于任何實(shí)施例。本發(fā)明的范圍僅由權(quán) 利要求書限定，并且本發(fā)明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細(xì)節(jié) 以便提供對(duì)本發(fā)明的透徹理解。出于示例的目的而提供這些細(xì)節(jié)，并且無這些具體細(xì)節(jié)中 的一些或者所有細(xì)節(jié)也可以根據(jù)權(quán)利要求書實(shí)現(xiàn)本發(fā)明。
[0025] 本發(fā)明提出一種DICOM醫(yī)學(xué)圖像配準(zhǔn)方法，對(duì)不同版本的DICOM圖像相互配準(zhǔn)。先 對(duì)DICOM醫(yī)學(xué)圖像進(jìn)行預(yù)處理，然后測量待配準(zhǔn)圖像間的相似度，最后優(yōu)化圖像。圖1是根 據(jù)本發(fā)明實(shí)施例的基于版本的DICOM醫(yī)學(xué)圖像處理方法流程圖。首先抽取出圖像的特征信 息組成特征空間；然后根據(jù)所抽取的特征空間確定出一個(gè)空間變換，使一幅圖像經(jīng)過該變 換后能夠達(dá)到所定義的相似性測度。在確定變換的過程中若采取一定的優(yōu)化措施或搜索策 略，則可使相似性測度更好、更快地達(dá)到最優(yōu)值。
[0026] 本發(fā)明尋找最佳空域和灰度變換函數(shù)，便于圖像使用相似性測度進(jìn)行匹配，其過 程就是尋找最優(yōu)變換，其中該最優(yōu)變換將圖像B進(jìn)行變換，以使其盡可能多的包含圖像A的 信息。用互信息表示相似性測度對(duì)兩圖像進(jìn)行精確配準(zhǔn)，通過對(duì)完整的醫(yī)學(xué)圖像尋找一個(gè) 仿射變換即旋轉(zhuǎn)參數(shù)和平移參數(shù)，該仿射變換對(duì)應(yīng)的兩個(gè)圖像的互信息最大，此時(shí)圖像實(shí) 現(xiàn)精確配準(zhǔn)互信息用熵來表示：
[0027] 對(duì)于概率分布函數(shù)為p(a)的隨機(jī)變量集A，其熵H(A)定義如下：
[0028] H(A) = -Σp(a)Iogp(a)aeA
[0029] 對(duì)兩個(gè)圖像，它們的離散的隨機(jī)變量集分別是A和B，它們的邊緣概率分布函數(shù)分 別是P(a)和p(b)，聯(lián)合概率分布函數(shù)是Pab (a，b)，貝幌機(jī)變量A和B的聯(lián)合熵定義如下：
[0030]H(A) = -Σp(a)Iogp(a)Iogp(b)aeAbeB
[0031] 如果H(A/B)表示已知B是A的條件熵，那么H(A)與H(A/B)的差值，就代表了在 B中包含的A的信息，即互信息；因此兩個(gè)隨機(jī)變量集間的互信息定義為：
[0032]I(A，B) =H(A)+H(B)-H(A，B)
[0033] =H(A)-H(A/B)
[0034] =H(B)-H(B/A)
[0035] 在圖像配準(zhǔn)中，當(dāng)兩幅圖像的空間位置達(dá)到完全一致時(shí)，其中一幅圖像A表達(dá)的 關(guān)于另一幅圖像B的信息，也就是對(duì)應(yīng)像素灰度的互信息應(yīng)為最大；用聯(lián)合概率分布和完 全獨(dú)立時(shí)的概率分布間的廣義距離來估計(jì)互信息：

【權(quán)利要求】
1. 一種基于版本的DICOM醫(yī)學(xué)圖像處理方法，其特征在于，包括： 獲取第一版本的DIC0M圖像和第二版本的DIC0M圖像； 抽取第一版本和第二版本的DIC0M圖像的特征信息組成特征空間； 根據(jù)所抽取的特征空間，利用優(yōu)化策略對(duì)第二版本的DIC0M圖像進(jìn)行滿足預(yù)定義相似 性測度的最優(yōu)變換，完成對(duì)第一版本和第二版本的DIC0M圖像進(jìn)行匹配。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述最優(yōu)變換通過確定最佳空域和灰度 變換函數(shù)，使用相似性測度進(jìn)行匹配，將第二版本的DIC0M圖像進(jìn)行仿射變換，確定旋轉(zhuǎn)參 數(shù)和平移參數(shù)，使兩個(gè)圖像的互信息表示的相似性測度達(dá)到最大值。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述最優(yōu)變換進(jìn)一步包括，使用如下迭代 優(yōu)化過程： 步驟1、給定預(yù)先設(shè)定的允許誤差e>〇,選取初始點(diǎn)Xw為（0,0,0)和一組線性無關(guān)的 搜索方向向量e(i)(i= 1，2,3)，其中e(1) = (1，0,0)，e(2) = (0，1，0)，e(3) = (0,0，1)，即令 e(i)分別為沿坐標(biāo)軸的方向； 步驟2、從Xw出發(fā)沿方向e(i)(i= 1，2,3)依次進(jìn)行一維搜索，得到X⑴=XG-D+XiXe(1) f(X(i)) =min(X(0),X(i)) 其中Ai為預(yù)設(shè)常數(shù)權(quán)值，在完成了一維搜索后，得到Xw ; 步驟3、檢驗(yàn)是否已滿足終止準(zhǔn)則：若|f(Xw)-f(Xw) |彡e或者迭代次數(shù)大于等于U， 則停止迭代并退出；其中，U是預(yù)設(shè)的最大迭代次數(shù)； 步驟4、按照下式計(jì)算最快下降方向上的函數(shù)的變化量： Af=max|f(X(i))-f(X(0)) | (l<i<U)； 步驟 5、取e=X⑶-X(Q)，Pcs= 2X⑶-X(Q),計(jì)算f(e) =f(X⑶-X(c0)，f(Pcs)=f(2X⑶-X(0))， 若滿足條件f(e)彡f(x(cl))或f(Pcs)<f(x(cl)),且 2(f(x(cl)) _2f(x(n))+f(e)) [(f(x(cl))-f(xw)) -Af]2彡（f(Xft〇)-f(e))2Af，其中l(wèi)〈n〈U則將X⑶賦值給Xw作為新的起點(diǎn)，沿上面 的一組舊方向向量e(1)(i= 1,2,3)重復(fù)步驟2至5 ; 若條件f(e)彡f(x(。)）或f(Pcs)<f(x(。)），且 2(f(x(。)）_2f(x(n))+f(e)) [(f(x(。)）-f(x(n)))-Af]2彡（f(Xftl))-f(e))2Af均不滿足，則沿方向e =Xw-Xw，以作為起始點(diǎn)進(jìn)行搜 索得到目標(biāo)函數(shù)在最快下降方向上的極小值點(diǎn)Pmin ;把此時(shí)的Pmin賦給Xw作為新起點(diǎn)，重 復(fù)步驟2至5。
【文檔編號(hào)】G06T5/00GK104376569SQ201410714624
【公開日】2015年2月25日 申請(qǐng)日期:2014年11月28日 優(yōu)先權(quán)日:2014年11月28日
【發(fā)明者】徐宇 申請(qǐng)人:成都影泰科技有限公司