一種肝臟多相期ct圖像融合方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)學(xué)圖像融合技術(shù)領(lǐng)域，特別涉及一種肝臟多相期CT圖像融合方法。
【背景技術(shù)】
[0002] 圖像融合是指將多源信道或多次采集到的關(guān)于同一目標的圖像數(shù)據(jù)經(jīng)過圖像處 理，最大限度的提取各自的有利信息，最后綜合成高質(zhì)量的圖像，從而利于后續(xù)分析。在醫(yī) 學(xué)圖像處理領(lǐng)域中，為獲得人體某一部位更全面、更清晰、特征更顯著的圖像往往采用圖像 融合的方法來提高圖像質(zhì)量。這一技術(shù)將幾組圖像放在一起分析，將細節(jié)信息不同的圖像 綜合成一副細節(jié)信息完整的圖像，并保持與原始圖像近似的細節(jié)部分，從而為后續(xù)的醫(yī)學(xué) 診斷提供幫助。進行圖像融合時，待融合圖像需要在空間上已經(jīng)對齊，即已配準好，配準效 果的好壞直接影響融合的效果。
[0003] 肝臟CT增強掃描指的是往患者體內(nèi)注射造影劑，造影劑隨血流進入肝臟，在不同 的時間段，對患者進行CT掃描。一般將肝臟增強掃描分為動脈期、門脈期及延遲期。CT掃 描時，檢查者呈仰臥位并屏氣不動，操作者按照一定的流速，將一定劑量的造影劑注射到患 者體內(nèi)，給藥后一段時間先進行全肝動脈期掃描；再間隔一段時間后進行全肝門脈期掃描； 最后再間隔一定的時間對病灶區(qū)行延遲掃描。在不同時間進行掃描獲得的多組的圖像稱為 多相期圖像，不同相期的圖像是造影劑在流經(jīng)肝臟內(nèi)部不同的血管時CT掃描所獲取的圖 像，具有不同的特點。動脈期圖像是造影劑流經(jīng)肝臟動脈時獲取的圖像，因此動脈期圖像中 肝動脈呈現(xiàn)高亮度顯示，容易從圖像中區(qū)分出來，但肝臟內(nèi)部的其余管道，如肝靜脈、門靜 脈等管道中不存在造影劑，因此這些管道與肝實質(zhì)在CT數(shù)值上較為接近，不易從圖像中區(qū) 分出來。同理，門脈期圖像中，容易將肝靜脈、門靜脈管道從圖像中區(qū)分出來。
[0004] 在肝病的診斷中，往往需要同時觀察到同一位置肝內(nèi)不同的組織結(jié)構(gòu)以及它們之 間的位置關(guān)系，給診斷提供依據(jù)。此時就需要把這些組織結(jié)構(gòu)在同一幅圖像中顯示出來，并 進行對比和分析。但如前所述，不同組織結(jié)構(gòu)的圖像是在不同相期掃描獲得的，它們是在不 同的圖像中顯示各自的特征，要把這些特征在同一張圖像中顯示出來，這就需要進行圖像 融合，即將圖像細節(jié)信息不同的圖像綜合出一副細節(jié)信息完整的圖像，并保持與原始圖像 近似的細節(jié)部分。
[0005] 然而，由于CT掃描時其起始位置未必完全一致，以及患者在掃描過程中可能存在 呼吸運動或其他輕微的身體位置的移動，肝臟不同相期的掃描圖像序列，它們在空間上的 位置關(guān)系并不是一一對應(yīng)的，不同相期間的圖像并不是完全對齊的。例如動脈期的第50張 圖像未必就對應(yīng)著門脈期的第50張圖像，它們可能表示肝臟的不同位置。目前，醫(yī)生只能 根據(jù)主觀經(jīng)驗來選擇、匹配同一位置的不同圖像，這就給診斷分析帶來了困難和不便。因此 在對肝臟CT增強掃描多相期圖像融合之前，首先需要將這些圖像進行對齊，即需要對肝臟 CT增強掃描多相期圖像進行圖像配準。配準結(jié)果的好壞直接影響圖像融合的質(zhì)量，進而甚 至可能對醫(yī)生的診斷帶來影響。
[0006] 由于肝臟CT增強掃描多相期圖像中還存在胃、脊柱、腎臟等其他組織器官，圖像 中存在這些組織器官可能對肝臟圖像配準帶來誤差甚至引起錯誤。因此，一種較為精確的 配準方式，在其處理時，應(yīng)將圖像中的肝臟器官進行圖像分割后，提取出相同的部分后再進 行圖像配準。
[0007] 此外，由于人的腹腔沒有骨骼包圍（上腹部有部分肋骨包圍），是柔軟且極易發(fā)生 形變的。腹腔除了本身柔軟的特點之外，還受到呼吸運動的影響。在增強掃描的過程中，病 人需要躺在一個設(shè)備上大約5分鐘，因此可以知道在掃描的過程中病人的正常呼吸也在進 行，這將會導(dǎo)致胸腔體積的連續(xù)變化并使胸腔發(fā)生形變。剛體變化、仿射變換的一些傳統(tǒng)線 性變換往往作用于圖像全局或者頭部等有硬骨骼包被的主支氣管的配準。對于腹部圖像， 這樣傳統(tǒng)的全局變換往往不能進行精確的局部建模，或者使用這些全局變換無法建模一些 局部的形變，在實際的臨床應(yīng)用中，還需要更精確的建模方法來實現(xiàn)圖像的配準。同時，由 于非線性形變的復(fù)雜性，在非剛性配準領(lǐng)域，基于互信息的方法很難滿足要求，對基于互信 息的方法進行改進依然是一個值得深入研宄的課題。本發(fā)明首先進行全局剛性變換配準方 法對CT圖像序列進行粗配準，經(jīng)過對圖像中的肝臟器官圖像分割后，提取出肝實質(zhì)部分， 再采用基于B樣條的自由形變變換進行精確的局部建模和基于空間加權(quán)互信息的配準方 法實現(xiàn)圖像的非剛性配準。
[0008] 現(xiàn)有學(xué)者對肝臟CT增強掃描多相期圖像融合方法研宄主要有：廈門大學(xué)黃曉陽 《在體肝臟圖像配準方法及應(yīng)用研宄》以及廈門大學(xué)王振環(huán)《肝臟CT圖像配準、融合技術(shù) 的研宄與實現(xiàn)》，但這些方法中都未進行分割圖像，將肝臟器官提取后再進行配準，這有可 能給圖像配準帶來誤差。同時在非剛性配準的研宄中，引入空間信息是現(xiàn)階段基于像素強 度醫(yī)學(xué)圖像配準領(lǐng)域的研宄方向之一，Studholme等將空間位置信息作為與參考圖像和浮 動圖像地位等同的第三維信息引入到圖像配準中，提出基于區(qū)域互信息RMI的配準方法， Loeckx等對Studholme的方案進行了改進，提出了條件互信息cMI的概念。本發(fā)明采用空 間加權(quán)互信息方案，結(jié)合基于B樣條的自由變換模型對圖像進行空間分塊處理，計算形變 模型B樣條曲線對不同位置像素點的貢獻加權(quán)，該方案配準精度明顯優(yōu)于傳統(tǒng)的互信息方 法。此外，配準框架中常用的鮑威爾算法是一種局部的確定性優(yōu)化算法，收斂速度快。由于 互信息函數(shù)通常不光滑，而鮑威爾算法的尋優(yōu)結(jié)果與初始點的選擇有關(guān)，所以鮑威爾算法 容易陷入局部極值造成誤配準。周其慧等人提出了一種改進的鮑威爾優(yōu)化算法與多分辨率 策略相結(jié)合的配準方法，降低配準算法陷入局部極值的可能。趙海峰等人提出了一種將改 進的人工魚群算法與鮑威爾算法相結(jié)合的配準方法，從而避免鮑威爾算法尋優(yōu)過程中陷入 局部極值的困境?；谏鲜隹紤]，本發(fā)明在剛性配準中結(jié)合了多種優(yōu)化算法的特點，不僅將 高斯多分辨率策略有效整合到配準算法中，并在不同分辨率層使用了不同優(yōu)化算法，有效 克服配準過程中局部極值的影響造成誤配的問題，具有一定的實用價值。而且在剛性配準 中采用基于聯(lián)合直方圖的相似性測度，改進了常用的互信息測度，大大提高了配準速度。但 這些配準方法都未能針對肝臟CT圖像的特點展開研宄。

【發(fā)明內(nèi)容】

[0009] 為了解決上述問題，本發(fā)明公開了一種肝臟多相期CT圖像融合方法，首先利用基 于聯(lián)合直方圖的多分辨率CT圖像配準方法對源圖像序列進行粗配準，接著結(jié)合置信連接 的區(qū)域生長算法實現(xiàn)了肝臟的圖像自動分割和基于梯度向量流snake模型的肝臟圖像分 害J，有效的提取肝臟的邊緣信息；再對肝臟圖像進行基于定向區(qū)域生長算法的血管提取，接 著對肝實質(zhì)圖像進行基于B樣條自由形變變換和基于空間加權(quán)互信息的肝臟非剛性配準， 精確找到空間同一位置的圖像對；最后基于小波變換進行圖像融合。本發(fā)明針對肝臟CT圖 像的特點將圖像分割和圖像配準過程結(jié)合到圖像的融合過程中，從而大大提高了融合的精 度。
[0010] 為達到上述目的，本發(fā)明的技術(shù)方案為：
[0011] 一種肝臟多相期CT圖像融合方法，包括如下步驟：
[0012] 步驟一、輸入動脈期圖像序列A和靜脈期圖像序列B ;
[0013] 步驟二、利用基于聯(lián)合直方圖的多分辨率CT圖像配準方法進行粗配準，對于圖像 序列A中每一張 CT圖像，在圖像序列B中找到空間位置相同的CT圖像，即得到與源圖像序 列A對應(yīng)的圖像序列C ;
[0014] 步驟三、對圖像序列A進行基于置信連接的自動肝臟圖像分割，得到分割后肝臟 圖像序列D ;
[0015] 步驟四、利用步驟三分割后所得肝臟的輪廓線作為圖像序列C的初始輪廓；對圖 像序列C進行基于梯度向量流snake模型的肝臟圖像分割，得到分割后圖像序列E ;
[0016] 步驟五、分別對肝臟圖像序列D，圖像序列E進行基于定向區(qū)域生長算法的血管提 ??；
[0017] 5a)對肝臟圖像灰度分析選取血管根部的種子點；
[0018] 5b)使用定向區(qū)域生長算法對血管進行分割；
[0019] 5c)輸出經(jīng)血管提取后的肝實質(zhì)圖像序列F和肝實質(zhì)圖像序列G ;
[0020] 步驟六、利用基于B樣條的自由形變變換和基于空間加權(quán)互信息的非剛性配準方 法進行細配準，對上面步驟分割提取后的肝實質(zhì)進行處理，即對于肝實質(zhì)圖像序列F中每 一張 CT圖像，在肝實質(zhì)圖像序列G中找到空間位置相同的CT圖像；
[0021] 步驟七、基于小波變換進行圖像融合。
[0022] 進一步的，所述步驟二的詳細步驟為：
[0023] 2a)輸入待配準的兩幅源圖像，分別記為參考圖像和浮動圖像；
[0024] 2b)通過金字塔算法對待參考圖和浮動圖進行多分辨率處理，將圖像分為三層，構(gòu) 成圖像金字塔，頂層圖像分辨率最小，最底層為原始圖像；
[0025] 2c)