一種基於互信息敏感區域的多模態醫學圖像配準方法
2023-09-21 13:06:40
專利名稱：一種基於互信息敏感區域的多模態醫學圖像配準方法
技術領域：
本發明涉及醫學圖像分析技術領域，特別是一種基於互信息敏感區域的多模態醫學圖像配準方法。
背景技術：
隨著醫學影像技術的不斷發展，出現了越來越多的成像方式，並廣泛應用於大腦認知功能的研究與醫療臨床診斷和治療中。由於成像的原理和設備不同，存在多種成像模式，它們主要包括描述生理形態的解剖結構成像模式(如計算機輔助X射線斷層成像(CT)，核磁共振成像(MRI)等)和描述人體功能或代謝的功能成像模式(如單光子發射斷層攝影(SPECT)，正電子發射斷層攝影(PET)和功能核磁共振成像(fMRI)等)兩大類。這兩類成像方式各有優缺點，解剖結構成像的空間解析度高，能夠提供人體的解剖形態信息；功能成像空間解析度較低，但能夠提供人體內部器官、大腦等的功能信息；即使是同一類成像方式，提供的信息也不完全相同，例如，在結構成像中CT能夠清晰的顯示骨骼的結構影像，MRI適合對軟組織形態成像，因此，不同模態的成像方式能提供形態和功能方面互相補充的信息。
在腦功能研究與醫療臨床診斷治療中，基於多種原因，通常需要對同一個人或多個人進行多種模式或同一種模式的多次成像，即同時從幾幅圖像獲取信息，進行綜合分析。為了實現上述目的，醫學圖像的配準是必須解決的問題。醫學圖像配準是指對於兩幅或多幅醫學圖像尋求一種(或一系列)空間變換，使它們的象素所代表的解剖點在空間上的達到一致性對應。從而達到幾幅圖像信息融合的目的。
目前已有的醫學圖像配準方法大致可分為兩類基於圖像特徵匹配的方法和基於圖像灰度信息相似性最大化的方法。其中一個著名的方法是Maes與Wells等人提出互信息最大化的配準方法，作者通過求解使待配準圖像之間的互信息最大化的空間變換達到圖像配準的目的。互信息最大化的配準方法是目前最為成功的且具代表性的一種多模態醫學圖像配準方法，它的有效性及配準精度得到多方面的驗證。
可對比的技術文獻有以下八篇[1]J.B.Antoine Maintz and M.A.Viergever，″A Survey of Medical ImageRegistration″，Medical Image Analysis，Vol.2，No.1，pp.1-36，1998. F.Maes，A.Collignon，D.Vandermeulen，G.Marchal，and P.Suetens，″Multimodality Image Registration by Maximization of Mutual Information″，IEEE Tran.Medical Imaging，Vol.16，pp.187-198，1997. F.Maes，D.Vandermeulen，P.Suetens，″Comparative evaluation ofmultiresolution optimization strategies for multimodality image registration bymaximization of mutual information″，Medical Image Analysis，Vol.3，No.4，pp.373-386，1999[4]J.P.W.Pluim，J.B.Antoine Maintz，M.A.Viergever，″ImageRegistration by Maximization of Combined Mutual Information and GradientInformation″，IEEE Trans.Medical Imaging，Vol.19，pp.809-814，2000[5]C.Studholme，D.L.G.Hill and D.J.Hawkes，″An overlap invariantentropy measure of 3D medical image alignment″，Pattern Recognition，Vol.32，No.1，pp.71-86，1999[6]W.M.Wells，III，P.Viola，H.Atsumi，S.Nakajima，and R.Kikinis，″Multi-modal Volume Registration by Maximization of Mutual Information″，Medical Image Analysis，Vol.1，pp.35-51，1996. J.West，J.M.Fitzpatrick，M.Y.Wang，B.M.Dawant，C.R.Maurer，Jr.，R.M.Kessler，and R.J.Maciunas，″Retrospective Intermodality RegistrationTechniques for Images of the HeadSurface-Based Versus Volume-Based″，IEEE Tran.Medical Imaging，Vol.18，No.2，pp.144-150，1999 Yong Fan and Tianzi Jiang，″Fast and Robust Mutual Information basedRegistration for Images of the Head″，In Jian-Zhong Qian，Stefan Schaller，andShiyong Zhang，editors，Proceedings of the International Conference onDiagnostic Imaging and Analysis(ICDIA2002)，pp.162-167，ShanghaiScientific and Technological Literature Publishing House，Shanghai，China，2002.
發明內容
本發明的目的是提出一種新的基於互信息敏感區域的多模態醫學圖像配準方法，為多模態醫學圖像的配準提供一種快速魯棒的方法。
本發明的技術方案，如圖1所示，主要包括以下兩步驟組成1、信息敏感區域的確定與提取(1)互信息敏感區域在多模態醫學圖像配準應用中，待配準的兩幅圖像的互信息敏感區域定義為滿足以下條件的圖像區域a)圖像區域對應的解剖結構在待配準的兩幅圖像中共同存在；b)待配準圖像的該圖像區域的灰度信息大致具有一一對應關係。
例如在MRI與CT的頭部圖像配準應用中，互信息敏感區域為頭皮，頭骨和背景對應的圖像區域。
(2)互信息敏感區域的提取確定互信息敏感區域後，可以使用成熟的圖像分割算法提取互信息敏感圖像區域。由於在配準方法的實現中只需要一個浮動圖像，因而互信息敏感區域可以從待配準圖像中空間解析度較高的圖像中提取。在這裡，魯棒性是指我們的配準方法對空間變換的初值不敏感。
2、互信息敏感區域的配準基於互信息敏感區域的多模態圖像配準方法的基本原理是從待配準圖像中提取互信息敏感區域，通過基於互信息最大化方法配準該互信息敏感區域從而實現圖像的配準。用數學語言概念描述本發明，可以定義為，定義設If(浮動圖像)Ir與(參考圖像)是兩幅要配準或對齊的圖像，Ωf與Ωr是從以上圖像中提取出的互信息敏感區域。配準就是尋求某種空間變換ФΩf→Ωr使Ωf的解剖點ω在空間上與Ωr的解剖點Ф(ω)一致性對應。這種空間變換推廣到圖像中就是使變換後的浮動圖像Ф(If(xf，yf，zf))與參考圖像Ir(xr，yr，zr)所代表的解剖結構在空間上一致性對應。在數學上，可以通過求解以下優化問題得到該空間變換argmaxFsimilarity((f)-r),]]>其中Fsimilarity是給定的相似度測量，而θ∈Θ是空間變換的參數。
在基於互信息敏感區域的多模態醫學圖像配準方法中，採用歸一化互信息或互信息作為相似性度量，本發明與現有多模態醫學圖像配準技術比較有以下優點本發明首先提出了基於互信息敏感區域的互信息最大化醫學圖像配準方法。與以往的醫學圖像方法相比，該技術在配準的魯棒性與配準速度上均有顯著的提高。
本方法與經典基於互信息最大化的配準方法相比，在魯棒性求解方面體現出很大的優點，即互信息配準函數具有更大的解吸引域，主要表現在(1)針對圖像平移的配準函數曲線的比較；(2)針對圖像旋轉的配準函數曲線比較。此外在本發明，圖像配準方法中的計算強度由於採用互信息敏感區域而被極大的降低。大量的實驗表明該方法是快速魯棒的。
圖1是基於互信息敏感區域的多模態醫學圖像配準方法的流程圖。
S1為從原始浮動圖像中提取互信息敏感區域。
S2為對提取出的互信息敏感區域進行空間變換。
S3為計算空間變換後的互信息敏感區域與其空間對應的參考圖像的區域的互信息。
S4為判斷S2中的空間變換是否使S3中計算出的互信息達到極值，如達到極值，則進行S5停止計算，輸出空間變換參數；如沒有達到極值，則進行S2。
S5為根據配準結果(空間變換參數)，進行可視化。
圖2顯示用基於互信息敏感區域的互信息最大化的醫學圖像配準方法對多模態圖像進行配準的結果。
圖2(a)是原始MRI圖像的單層圖像，圖2(b)是原始CT圖像相應的單層圖像，圖2(c)為不經過配準直接融合的結果，圖2(d)為經過配準後融合的結果，圖2(e)為不經過配準直接融合結果的三維表面顯示，圖2(f)為配準後融合結果的三維表面顯示。
圖3顯示基於互信息敏感區域的互信息最大化的醫學圖像配準方法用於多模態圖像配準是提取出的互信息敏感區域的二維結果。
圖3(a)是原始MRI圖像的單層圖像，圖3(b)是提取出的互信息敏感區域，圖3(c)為互信息敏感區域的空間結構。
圖4是基於互信息敏感區域的互信息最大化的醫學圖像配準方法用於配準MRI圖像與CT圖像所得到的互信息配準函數曲線與歸一化互信息函數曲線，同時在圖4中同時給出了現有方法的相應的函數曲線。
圖4(a)是待配準圖像相對於配準位置發生層內旋轉時的互信息函數曲線，圖4(b)是待配準圖像相對於配準位置發生平移時的互信息函數曲線，
圖4(c)是待配準圖像相對於配準位置發生層內旋轉時的歸一化互信息函數曲線，圖4(d)是待配準圖像相對於配準位置發生平移時的歸一化互信息函數曲線。
具體實施例方式僅以配準MRI與CT圖像頭部圖像為例說明本發明的使用方法。
隨著醫學影像技術的不斷發展，出現了越來越多的成像方式，並廣泛應用於大腦認知功能的研究與醫療臨床診斷和治療中。由於成像的原理和設備不同，存在多種成像模式，它們主要包括描述生理形態的解剖結構成像模式(如CT，MRI等)和描述人體功能或代謝的功能成像模式(如fMRI，PET，SPECT等)兩大類。在腦功能研究與醫療臨床診斷治療中，基於多種原因，通常需要對同一個人或多個人進行多種模式或同一種模式的多次成像，即同時從幾幅圖像獲取信息，進行綜合分析。為了實現上述目的，醫學圖像的配準是必須解決的問題。
下面介紹基於互信息敏感區域的互信息最大化的醫學圖像配準方法基於互信息敏感區域的互信息最大化的醫學圖像配準方法可以轉化為一種最優化問題，其配準的工作過程可以用以下流程圖表示現表述用基於互信息敏感區域的互信息最大化的醫學圖像配準方法來完成多模態圖像配準的使用。這裡給出了同一病人的核磁共振圖像(MRI)與CT圖像進行配準的例子及其配準評價結果，共有三個方面配準的精度，配準的計算量和配準函數曲線。
圖1中，給出了基於互信息敏感區域的多模態醫學圖像配準方法的流程圖。
S1為從原始浮動圖像中提取互信息敏感區域。
S2為對提取出的互信息敏感區域進行空間變換。
S3為計算空間變換後的互信息敏感區域與其空間對應的參考圖像的區域的互信息。
S4為判斷S2中的空間變換是否使S3中計算出的互信息達到極值，如達到極值，則進行S5停止計算，輸出空間變換參數；如沒有達到極值，則進行S2。
S5為根據配準結果(空間變換參數)，進行可視化。輸出空間變換參數給出可視化結果。
圖2中，給出了配準前的圖像，以及配準前後進行圖像融合的結果示例，包括2維示例以及3維示例，從這些圖中我們可以看出我們的方法具有很高的精度。
圖3中，給出了原始圖像，互信息敏感區域，以及互信息敏感區域的空間結構。
由於在我們的方法中，互信息的計算只是基於互信息敏感區域，而基於互信息的配準方法的計算量主要集中於互信息的計算，因而大大降低計算強度。我們方法的計算強度是其它配準方法的5％～6％，在目前普通個人電腦上的配準時間一般小於5分鐘。
圖4中，從這些配準函數曲線我們可以看出，我們的方法相對於現有方法而言，具有更大的解吸引域，因而配準更容易實現，具有更強的魯棒性。方法的配準精度的定量評價表明，我們的方法可以獲得次象素級的精度。
本發明可以實現快速魯棒的多模態醫學圖像配準，特別適合多模態頭部圖像的配準。
為了定量地評價我們方法的配準精度，我們對美國範德比爾特大學「全回顧性配準評價項目」(project ＂Evaluation of Retrospective ImageRegistration″，Vanderbilt University，Nashville，TN.)所提供的41對MR與CT圖像，30對MR與PET圖像進行了剛體配準。該項目對我們方法配準結果給出了配準誤差評價(表1，2)。該定量評價表明，我們的方法可以獲得次象素級的精度(CT圖像的象素的大小為4mm，PET圖像的象素的大小為8mm)。表中PD為MRI的PD參數圖像，T1為MRI的T1參數圖像，T2為MRI的T2參數圖像，PDrect，T1rect，與T2rect分別是上述圖像幾何校正的結果。
表一MR與CT圖像的配準誤差(單位毫米)
表二MR與PET圖像的配準誤差(單位毫米)
權利要求
1.一種基於互信息敏感區域的，通過互信息最大化技術實現的，用於多模態醫學圖像配準的方法，其特徵在於，在醫學圖像配準過程中，首先提取對互信息敏感的圖像區域，然後通過配準上述互信息敏感圖像區域而實現圖像的配準。
2.根據權利要求1所述的一種用於多模態醫學圖像配準的方法，其特徵是在配準中首先要提取互信息敏感區域，該互信息敏感區域用於互信息計算。
3.根據權利要求1所述的一種用於多模態醫學圖像配準的方法，其特徵是，在實現互信息敏感區域的配準時使用的相似性度量可以是互信息，歸一化互信息，以及其它基於聯合熵與互信息相似的圖像相似性度量。
4.一種基於互信息敏感區域的多模態醫學圖像配準方法，主要包括兩步驟(1)互信息敏感區域的確定與提取；(2)互信息敏感區域的配準。
5.根據權利要求4的基於互信息敏感區域的多模態醫學圖像配準方法，其特徵在於，互信息敏感區域的確定與提取包括(1)互信息敏感區域在多模態醫學圖像配準應用中，待配準的兩幅圖像的互信息敏感區域定義為滿足以下條件的圖像區域a)圖像區域對應的解剖結構在待配準的兩幅圖像中共同存在；b)待配準圖像的該圖像區域的灰度信息大致具有一一對應關係；(2)互信息敏感區域的提取確定互信息敏感區域後，可以使用成熟的圖像分割算法提取互信息敏感圖像區域。
6.根據權利要求4的基於互信息敏感區域的多模態醫學圖像配準方法，其特徵在於，互信息敏感區域的配準包括基於互信息敏感區域的多模態圖像配準方法的基本原理是從待配準圖像中提取互信息敏感區域，通過基於互信息最大化方法配準該互信息敏感區域從而實現圖像的配準。
7.根據權利要求4的基於互信息敏感區域的多模態醫學圖像配準方法，其具體步驟如下；S1為從原始浮動圖像中提取互信息敏感區域，S2為對提取出的互信息敏感區域進行空間變換，S3為計算空間變換後的互信息敏感區域與其空間對應的參考圖像的區域的互信息，S4為判斷S2中的空間變換是否使S3中計算出的互信息達到極值，如達到極值，則進行S5停止計算，輸出空間變換參數；如沒有達到極值，則進行S2，S5為根據配準結果，空間變換參數，進行可視化，輸出空間變換參數給出可視化結果。
全文摘要
本發明涉及醫學圖像分析技術領域的一種基於互信息敏感區域的多模態醫學圖像配準方法。主要步驟包括互信息敏感區域的確定與提取互信息敏感區域的配準。首先提取待配準圖像的互信息敏感區域，然後通過互信息最大化方法實現互信息敏感區域的配準，從而實現待配準圖像的配準。本發明可以實現快速魯棒的多模態醫學圖像配準，特別適合多模態頭部圖像配準。(在這裡，魯棒性是指我們的配準方法對空間變換的初值不敏感)
文檔編號A61B6/03GK1631321SQ20031012243
公開日2005年6月29日 申請日期2003年12月23日 優先權日2003年12月23日
發明者範勇, 蔣田仔 申請人:中國科學院自動化研究所