基于三角剖分優化匹配的醫學影像剛性配準方法
【專利摘要】本發明公開一種基于三角剖分優化匹配的醫學影像剛性配準方法，包括：獲取三維醫學影像數據；分割得到三維醫學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云信息；采用三角剖分的方法將兩組組織器官的點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，剛性配準兩個四面體，獲得旋轉矩陣和平移向量；根據獲得的所有旋轉矩陣和平移向量，計算兩組點云的距離誤差，并選取距離誤差最小的旋轉矩陣和平移向量作為最優配準矩陣；根據最優配準矩陣，將三維醫學影像旋轉平移并融合顯示。本發明能夠精準完成三維醫學影像的匹配，為臨床多模態影像融合顯示提供理論基礎。
【專利說明】基于三角剖分優化匹配的醫學影像剛性配準方法
【技術領域】
[0001]本發明涉及一種基于三角剖分優化匹配的醫學影像剛性配準方法，適用于醫學影像配準融合顯示領域。
【背景技術】
[0002]醫學圖像配準是將來自相同或不同成像方式的醫學圖像進行一定的變換處理，使它們之間的空間位置、空間坐標達到匹配。配準的結果是使兩幅圖像上所有的解剖點，至少是所有具有診斷意義的點及手術感興趣的點都達到匹配。隨著醫學影像工程和計算機技術的發展，醫學成像已經成為現代醫療不可或缺的一部分，其應用貫穿于整個臨床工作，不僅廣泛地應用于疾病的診斷，而且在外科手術和放射治療的計劃設計、方案實施以及療效評估等方面都發揮著重要的作用。然而，由于不同設備的成像原理不同，臨床診斷上出現了多種模態的醫學圖像，不同成像技術對人體同一解剖結構所得到的形態和功能信息是互不相同、互為補充的。在臨床診斷中，通常需要將多幅圖像中的信息進行整合，以便醫生了解病變組織或器官的綜合隋況，做出更加準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格對齊，即圖像配準問題。圖像配準的效果直接影響圖像融合的質量，因此只有準確的配準才能為醫生提供準確的診斷依據。雖然到目前為止已經有大量的配準方法被提出來，但是在醫學圖像配準方法中還存在著算法復雜度高、配準精度低，自動化差的缺陷。
【發明內容】
[0003]本發明提出了一種基于三角剖分優化匹配的醫學影像剛性配準方法，通過三角剖分完成三維醫學影像的配準，為多模態醫學影像配準提供了一種便利的工具。
[0004]該基于三角剖分優化匹配的醫學影像剛性配準方法，包括以下步驟:
[0005]第一步，獲取三維醫學影像數據；
[0006]第二步，根據所述的影像數據分割得到三維醫學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，剛性配準兩個四面體，獲得旋轉矩陣和平移向量；
[0010]第六步，根據獲得的所有旋轉矩陣和平移向量，計算兩組點云的距離誤差，并選取距離誤差最小的旋轉矩陣和平移向量作為最優配準矩陣；
[0011]第七步，根據最優配準矩陣，將三維醫學影像旋轉平移并融合顯示。
[0012]利用本發明的方法，可以通過三角剖分的方法實現三維醫學影像的配準。
【專利附圖】
【附圖說明】
[0013]圖1是本發明實施例的流程示意圖；
[0014]圖2是本發明所提出的點云三角剖分示意圖；
[0015]圖3是本發明所提出的MarchingCube算法提取表面點云示意圖；
[0016]圖4是本發明所提出的參數形變模型分割組織器官示意圖。
【具體實施方式】
[0017]關于本發明的優點與精神可以通過以下的發明詳述及附圖得到進一步的了解。
[0018]附圖1為重建流程圖，所述醫學影像剛性配準方法包括以下幾個步驟:
[0019]步驟S101，獲取三維醫學影像數據。
[0020]將采集得到的二維醫學序列切片數據組成醫學三維影像數據。
[0021]步驟S102，分割得到三維醫學影像中相同組織器官。
[0022]依據已經獲取的三維醫學影像數據，采用參數形變模型分割提取三維醫學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形變模型，s為弧長參數，那么參數形變模型的能量函數可定義為:
[0024]《曜=Iuw)+uwrn,
[0025]其中Einternal和Eraitwnal分別為參數形變模型的內能和外能。Eint ernal的作用是保持參數形變模型的平滑性，而Eraitenal的作用是使參數形變模型向著目標特征迭代演化。如圖4所示，初始化參數模型2在自身內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邊緣I的參數模型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云信息。
[0027]針對從三維醫學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。根據體素與等值面的相對位置，將等值面與體素的交點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:沿六面體邊的數據場呈連續性變化。也就是講，如果一條邊的兩個頂點分別大于或小于等值面的值，則在該條邊上有且僅有一點是這條邊與等值面的交點。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云剖分為兩組多個四面體的隹A
口 O
[0030]針對已經獲得的兩組組織器官的點云，采用Delaunay三角剖分的方法將點云剖分為多個四面體的集合。Delaunay三角剖分算法的實現是不斷增加網格點迭代計算的，其步驟如下為:首先，判斷新加入的網格點與三角形外接圓的關系，如果在某個三角形外接圓的內部，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系把它們連接起來構成一個頭尾銜接的環；再將環上的每兩個相鄰的網格點取出，與待加入的網格點構成三角形，計算其外心，并將相鄰的三角形的信息建立起來，將三角形網格點和相鄰三角形信息儲存在只包含這些三角形的Delaunay剖分的數據結構數組中；最后，將上述新加入的三角形數據結構數組替換三角形數據結構數組中需要改造的三角形，并對三角形重新編號，從而得到新的結構數組。如圖2所示，左圖表示5個點的三角剖分的結果，中圖表示在左圖中增加一個點的三角剖分的結果，右圖表示在中圖中增加一個點的三角剖分的結果。
[0031]步驟S105，分別從兩組四面體集合中選取任意一個四面體，剛性配準兩個四面體，獲得旋轉矩陣和平移向量。
[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優化算法將兩個四面體進行剛性配準，獲得兩個四面體頂點距離最小的旋轉矩陣和平移向量。
[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，R為旋轉矩陣，T為平移向量，A' (a'2，a' 3，a' 4)為四面體A旋轉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的目標是保證A' (a'2，a' 3，a' 4)與B(b1;b2，b3，b4)四個頂點間的距離和最小，即
[0036]/|E,T) = Biitt(亡= into(亡丨 1^為)>
[0037]可以采用LM優化算法得到兩個四面體剛性配準的旋轉矩陣R和平移向量T。
[0038]步驟S106，根據獲得的所有旋轉矩陣和平移向量，計算兩組點云的距離誤差，并選取距離誤差最小的旋轉矩陣和平移向量作為最優配準矩陣。
[0039]根據兩個四面體剛性配準得到的旋轉矩陣和平移向量，旋轉平移醫學影像中組織器官的一組點云，計算旋轉平移后的點云與另一組點云之間的距離誤差，選取距離誤差最小的旋轉矩陣和平移向量作為最優配準矩陣。
[0040]定義Rk，Tk (k = 1,2,...，Μ)為得到的M組旋轉矩陣和平移向量，P(Pi) (i = 1，2，...，Np)，Q(Qj) (j = 1，2，...，N,)為分別包括Np和N,個點的兩組點云，kP' (kp, ^表示點云P(Pi)經旋轉矩陣Rk和平移向量Tk變換后的點云，計算公式為:
[0041]V i = [RkITkJpi, i = 1,2,..., Np
[0042]則兩組點云的距離誤差為:
[0043]err =q(.)
[0044]其中，1^表示點云Q(Qi)中距離kP' 1最小的點，則有旋轉矩陣R和平移矩陣T組成的最優配準矩陣的選取條件為:
[0045](R.T) = min(err) =| TfJpjZqi))
[0046]步驟S107，根據最優配準矩陣，將三維醫學影像旋轉平移并融合顯示。
[0047]依據已經獲取的兩組點云的最優匹配矩陣，在同一世界坐標系下，旋轉平移并融合顯示三維醫學影像。
[0048]雖然參考優選實施例對本發明進行描述，但以上所述實例并不構成本發明保護范圍的限定，任何在本發明的精神及原則內的修改、等同替換和改進等，均應包含在本發明的權利要求保護范圍內。
【權利要求】
1.基于三角剖分優化匹配的醫學影像剛性配準方法，其特征在于，包括以下步驟: 第一步，獲取三維醫學影像數據； 第二步，根據所述的影像數據分割得到三維醫學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云信息； 第四步，采用三角剖分的方法將兩組組織器官的點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，剛性配準兩個四面體，獲得旋轉矩陣和平移向量； 第六步，根據獲得的所有旋轉矩陣和平移向量，計算兩組點云的距離誤差，并選取距離誤差最小的旋轉矩陣和平移向量作為最優配準矩陣； 第七步，根據最優配準矩陣，將三維醫學影像旋轉平移并融合顯示。
2.如權利要求1所述的醫學影像剛性配準方法，其特征在于，在第二步中，三維醫學影像中的組織器官分割采用基于統計模型的分割算法實現。
3.如權利要求1或2所述的醫學影像剛性配準方法，其特征在于，在第三步中，針對以及分割得到的相對應的組織器官，采用MarchingCube算法提取組織器官的表面點云信息。
4.如權利要求1或2所述的醫學影像剛性配準方法，其特征在于，在第五步中，采用LM優化算法剛性匹配兩個四面體。
5.如權利要求1或2所述的醫學影像剛性配準方法，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，判斷新加入的網格點與三角形外接圓的關系，如果在某個三角形外接圓的內部，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系把它們連接起來構成一個頭尾銜接的環；再將環上的每兩個相鄰的網格點取出，與待加入的網格點構成三角形，計算其外心，并將相鄰的三角形的信息建立起來，將三角形網格點和相鄰三角形信息儲存在只包含這些三角形的Delaunay剖分的數據結構數組中；最后，將上述新加入的三角形數據結構數組替換三角形數據結構數組中需要改造的三角形，并對三角形重新編號，從而得到新的結構數組。
【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 優先權日:2014年10月15日
【發明者】楊健, 叢偉建, 劉越, 王涌天, 艾丹妮 申請人:北京理工大學