專利名稱：一種基于梯度場的變約束圖像變形配準方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于梯度場的變約束圖像變形配準方法。
背景技術(shù)：
現(xiàn)代放射治療技術(shù)，比如調(diào)強適形放療，可以將高度適形的劑量分布投射到靜 止靶區(qū)。然而，放射治療過程通常采用分割照射技術(shù)，即放療需要分若干次進行。分次 放療過程中，腫瘤及其周圍重要器官的位置和形狀可能產(chǎn)生放療分次間變化(如腫塊的 增大或退縮)和分次內(nèi)變化(如呼吸等生理運動引起的腫塊位置和形狀變化)?；趯@ 些運動變化的考慮，常規(guī)的做法是將腫瘤區(qū)外放一定范圍作為照射靶區(qū)，從而造成更多 的正常組織受到放射損傷。放療前，通常需要獲取圖像質(zhì)量高的扇形束CT (Fan-Beam CT，F(xiàn)BCT)用來制 定放療計劃。分次放療實施前，在線采集的錐形束CT(Cone-beam CT，CBCT)影像包 含了當(dāng)前腫瘤和周圍器官的位置和形狀信息。通過對FBCT和在線CBCT圖像進行快速 準確的變形配準，可以獲取腫瘤及其周圍器官的運動和變形信息，并據(jù)此修改先前的放 療計劃，從而減少考慮到運動變化而增加的不必要的照射范圍，減少腫瘤周圍正常組織 的放射損傷。變形配準問題可以表達為，已知參考圖像R(X)，目標(biāo)圖像M(x')，求參考圖 像到目標(biāo)圖像的變形場U(X)，使得在變形場作用下的目標(biāo)圖像M' (X) =M(x+u(x)與 參考圖像R(X)中的對應(yīng)對象相吻合。當(dāng)前的FBCT和CBCT圖像的變形配準方法主要分為兩類，一類方法基于目標(biāo)的 輪廓，這類方法需要在配準前對CBCT中的目標(biāo)進行人工或自動的分割以獲取目標(biāo)的輪 廓。配準的準確性也高度依賴于圖像分割的準確性。另一類方法基于圖像的灰度值，但 是由于電子散射，CBCT圖像的CT值并不十分準確，受其影響這些基于圖像灰度值的配 準算法得出的結(jié)果也不十分準確。本發(fā)明提出了一種基于梯度場的快速準確的圖像變形 配準算法，在來自于參考圖像和目標(biāo)圖像兩個變形力的驅(qū)動下更快速的收斂，通過在配 準過程中實施變約束的策略，使算法更少的陷入局部最小，配準結(jié)果更準確。

發(fā)明內(nèi)容
因此，本發(fā)明的目的在于提供一種配準結(jié)果更準確的基于梯度場的變約束圖像 變形配準方法。本發(fā)明采用以下技術(shù)方案該發(fā)明基于梯度場的變約束圖像變形配準方法，其包括以下步驟1)給定參考圖象，記為R(x)，并給定該參考圖象的目標(biāo)圖像，記為M(x')；2)對所述參考圖象和目標(biāo)圖像中帶有噪聲的圖像進行平滑濾波；3)在參考圖象與目標(biāo)圖像之間進行剛體配準；4)提取參考圖象和目標(biāo)圖像的邊緣信息并計算各自邊緣信息的梯度場或者直接計算參考圖象和目標(biāo)圖像的梯度場；5)基于所獲得的所述梯度場，通過在不同的配準階段對不同的配準對象設(shè)置不 同的約束值進行參考圖象到目標(biāo)圖像變形場的迭代優(yōu)化；6)迭代優(yōu)化完成后，將得到的參考圖像到目標(biāo)圖像的變形場輸出。依據(jù)本發(fā)明技術(shù)方案的基于梯度場的變約束圖像變形配準方法，在來自參考圖 象與目標(biāo)圖像兩個變形力的驅(qū)動下更快速的收斂，通過配準過程中變約束的策略，使算 法更少的陷入局部最小，配準結(jié)果更準確。上述配準方法，該配準方法、該配準方法中的參考對象和目標(biāo)對象都是基于向 量描述的，該配準方法對向量所包含的所有分量進行配準。當(dāng)向量為一維向量時，該配 準算法進行一維圖像變形配準。當(dāng)向量為二維向量時，該配準算法進行二維圖像變形配 準。當(dāng)向量為更高維向量時，該配準算法進行對應(yīng)的更高維的圖像變形配準。上述配準方法，所述步驟2)中的平滑濾波采用平滑濾波器。上述配準方法，所述平滑濾波器優(yōu)選高斯濾波器。上述配準方法，所述剛體配準包括包括基于圖像特征的剛體配準和基于優(yōu)化圖 像相關(guān)性或互信息指標(biāo)的剛體配準。上述配準方法，所述步驟4)中提取參考圖像和目標(biāo)圖像邊緣信息的方法采用 Canny邊緣提取算子。上述配準方法，在步驟5)中進行迭代優(yōu)化生成變形場的迭代公式為
權(quán)利要求
1.一種基于梯度場的變約束圖像變形配準方法，其特征在于其包括以下步驟1)給定參考圖象，記為R(x)，并給定該參考圖象的目標(biāo)圖像，記為M(x')；2)對所述參考圖象和目標(biāo)圖像中帶有噪聲的圖像進行平滑濾波；3)在參考圖象與目標(biāo)圖像之間進行剛體配準；4)提取參考圖象和目標(biāo)圖像的邊緣信息并計算各自邊緣信息的梯度場或者直接計算 參考圖象和目標(biāo)圖像的梯度場；5)基于所獲得的所述梯度場，通過在不同的配準階段對不同的配準對象設(shè)置不同的 約束值進行參考圖象到目標(biāo)圖像變形場的迭代優(yōu)化；6)迭代優(yōu)化完成后，將得到的參考圖像到目標(biāo)圖像的變形場輸出。
2.根據(jù)權(quán)利要求1所述的配準方法，其特征在于該配準方法、和該配準方法中的 參考對象和目標(biāo)對象都是基于向量描述的，該算法對向量所包含的所有分量進行配準。
3.根據(jù)權(quán)利要求1所述的配準方法，其特征在于所述步驟2)中的平滑濾波采用平 滑濾波器。
4.根據(jù)權(quán)利要求3所述的配準方法，其特征在于所述平滑濾波器優(yōu)選高斯濾波器。
5.根據(jù)權(quán)利要求1所述的配準方法，其特征在于所述剛體配準包括包括基于圖像 特征的剛體配準和基于優(yōu)化圖像相關(guān)性或互信息指標(biāo)的剛體配準。
6.根據(jù)權(quán)利要求1所述的配準方法，其特征在于所述步驟4)中提取參考圖像和目 標(biāo)圖像邊緣信息的方法采用Canny邊緣提取算子。
7.根據(jù)權(quán)利要求1至6任一所述的配準方法，其特征在于在步驟5)中進行迭代優(yōu) 化生成變形場的迭代公式為
8.根據(jù)權(quán)利要求7所述的配準方法，其特征在于迭代優(yōu)化采用象素值從粗到精的多分辨率方法。
9.根據(jù)權(quán)利要求8所述的配準方法，其特征在于所述步驟5)中在迭代優(yōu)化過程中 采用先設(shè)置數(shù)值較小的變形約束參數(shù)λ進行迭代優(yōu)化，然后使用較大的變形約束參數(shù)λ 進行迭代優(yōu)化的優(yōu)選變約束策略。
10.根據(jù)權(quán)利要求9所述的配準方法，其特征在于在迭代優(yōu)化過程中所述優(yōu)選變約 束策略可以重復(fù)多次使用。
全文摘要
本發(fā)明公開了一種基于梯度場的變約束圖像變形配準方法，在來自參考圖象與目標(biāo)圖像兩個變形力的驅(qū)動下更快速的收斂，通過配準過程中變約束的策略，使算法更少的陷入局部最小，配準結(jié)果更準確。
文檔編號G06T7/00GK102024256SQ20101052091
公開日2011年4月20日 申請日期2010年10月27日 優(yōu)先權(quán)日2010年10月27日
發(fā)明者李寶生, 李洪升 申請人:李寶生