專利名稱：一種基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)學(xué)圖像分析技術(shù)領(lǐng)域，特別是一種基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法。
背景技術(shù)：
隨著醫(yī)學(xué)影像技術(shù)的不斷發(fā)展，出現(xiàn)了越來越多的成像方式，并廣泛應(yīng)用于大腦認(rèn)知功能的研究與醫(yī)療臨床診斷和治療中。由于成像的原理和設(shè)備不同，存在多種成像模式，它們主要包括描述生理形態(tài)的解剖結(jié)構(gòu)成像模式(如計(jì)算機(jī)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(fā)射斷層攝影(SPECT)，正電子發(fā)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(yōu)缺點(diǎn)，解剖結(jié)構(gòu)成像的空間分辨率高，能夠提供人體的解剖形態(tài)信息；功能成像空間分辨率較低，但能夠提供人體內(nèi)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(jié)構(gòu)成像中CT能夠清晰的顯示骨骼的結(jié)構(gòu)影像，MRI適合對(duì)軟組織形態(tài)成像，因此，不同模態(tài)的成像方式能提供形態(tài)和功能方面互相補(bǔ)充的信息。
在腦功能研究與醫(yī)療臨床診斷治療中，基于多種原因，通常需要對(duì)同一個(gè)人或多個(gè)人進(jìn)行多種模式或同一種模式的多次成像，即同時(shí)從幾幅圖像獲取信息，進(jìn)行綜合分析。為了實(shí)現(xiàn)上述目的，醫(yī)學(xué)圖像的配準(zhǔn)是必須解決的問題。醫(yī)學(xué)圖像配準(zhǔn)是指對(duì)于兩幅或多幅醫(yī)學(xué)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(diǎn)在空間上的達(dá)到一致性對(duì)應(yīng)。從而達(dá)到幾幅圖像信息融合的目的。
目前已有的醫(yī)學(xué)圖像配準(zhǔn)方法大致可分為兩類基于圖像特征匹配的方法和基于圖像灰度信息相似性最大化的方法。其中一個(gè)著名的方法是Maes與Wells等人提出互信息最大化的配準(zhǔn)方法，作者通過求解使待配準(zhǔn)圖像之間的互信息最大化的空間變換達(dá)到圖像配準(zhǔn)的目的。互信息最大化的配準(zhǔn)方法是目前最為成功的且具代表性的一種多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法，它的有效性及配準(zhǔn)精度得到多方面的驗(yàn)證。
可對(duì)比的技術(shù)文獻(xiàn)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(fā)明內(nèi)容
本發(fā)明的目的是提出一種新的基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法，為多模態(tài)醫(yī)學(xué)圖像的配準(zhǔn)提供一種快速魯棒的方法。
本發(fā)明的技術(shù)方案，如圖1所示，主要包括以下兩步驟組成1、信息敏感區(qū)域的確定與提取(1)互信息敏感區(qū)域在多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)應(yīng)用中，待配準(zhǔn)的兩幅圖像的互信息敏感區(qū)域定義為滿足以下條件的圖像區(qū)域a)圖像區(qū)域?qū)?yīng)的解剖結(jié)構(gòu)在待配準(zhǔn)的兩幅圖像中共同存在；b)待配準(zhǔn)圖像的該圖像區(qū)域的灰度信息大致具有一一對(duì)應(yīng)關(guān)系。
例如在MRI與CT的頭部圖像配準(zhǔn)應(yīng)用中，互信息敏感區(qū)域?yàn)轭^皮，頭骨和背景對(duì)應(yīng)的圖像區(qū)域。
(2)互信息敏感區(qū)域的提取確定互信息敏感區(qū)域后，可以使用成熟的圖像分割算法提取互信息敏感圖像區(qū)域。由于在配準(zhǔn)方法的實(shí)現(xiàn)中只需要一個(gè)浮動(dòng)圖像，因而互信息敏感區(qū)域可以從待配準(zhǔn)圖像中空間分辨率較高的圖像中提取。在這里，魯棒性是指我們的配準(zhǔn)方法對(duì)空間變換的初值不敏感。
2、互信息敏感區(qū)域的配準(zhǔn)基于互信息敏感區(qū)域的多模態(tài)圖像配準(zhǔn)方法的基本原理是從待配準(zhǔn)圖像中提取互信息敏感區(qū)域，通過基于互信息最大化方法配準(zhǔn)該互信息敏感區(qū)域從而實(shí)現(xiàn)圖像的配準(zhǔn)。用數(shù)學(xué)語言概念描述本發(fā)明，可以定義為，定義設(shè)If(浮動(dòng)圖像)Ir與(參考圖像)是兩幅要配準(zhǔn)或?qū)R的圖像，Ωf與Ωr是從以上圖像中提取出的互信息敏感區(qū)域。配準(zhǔn)就是尋求某種空間變換ФΩf→Ωr使Ωf的解剖點(diǎn)ω在空間上與Ωr的解剖點(diǎn)Ф(ω)一致性對(duì)應(yīng)。這種空間變換推廣到圖像中就是使變換后的浮動(dòng)圖像Ф(If(xf，yf，zf))與參考圖像Ir(xr，yr，zr)所代表的解剖結(jié)構(gòu)在空間上一致性對(duì)應(yīng)。在數(shù)學(xué)上，可以通過求解以下優(yōu)化問題得到該空間變換argmax(θ∈Θ)Fsimilarity(Φθ(Ωf)-Ωr),]]>其中Fsimilarity是給定的相似度測量，而θ∈Θ是空間變換的參數(shù)。
在基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法中，采用歸一化互信息或互信息作為相似性度量，本發(fā)明與現(xiàn)有多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)技術(shù)比較有以下優(yōu)點(diǎn)本發(fā)明首先提出了基于互信息敏感區(qū)域的互信息最大化醫(yī)學(xué)圖像配準(zhǔn)方法。與以往的醫(yī)學(xué)圖像方法相比，該技術(shù)在配準(zhǔn)的魯棒性與配準(zhǔn)速度上均有顯著的提高。
本方法與經(jīng)典基于互信息最大化的配準(zhǔn)方法相比，在魯棒性求解方面體現(xiàn)出很大的優(yōu)點(diǎn)，即互信息配準(zhǔn)函數(shù)具有更大的解吸引域，主要表現(xiàn)在(1)針對(duì)圖像平移的配準(zhǔn)函數(shù)曲線的比較；(2)針對(duì)圖像旋轉(zhuǎn)的配準(zhǔn)函數(shù)曲線比較。此外在本發(fā)明，圖像配準(zhǔn)方法中的計(jì)算強(qiáng)度由于采用互信息敏感區(qū)域而被極大的降低。大量的實(shí)驗(yàn)表明該方法是快速魯棒的。


圖1是基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法的流程圖。
S1為從原始浮動(dòng)圖像中提取互信息敏感區(qū)域。
S2為對(duì)提取出的互信息敏感區(qū)域進(jìn)行空間變換。
S3為計(jì)算空間變換后的互信息敏感區(qū)域與其空間對(duì)應(yīng)的參考圖像的區(qū)域的互信息。
S4為判斷S2中的空間變換是否使S3中計(jì)算出的互信息達(dá)到極值，如達(dá)到極值，則進(jìn)行S5停止計(jì)算，輸出空間變換參數(shù)；如沒有達(dá)到極值，則進(jìn)行S2。
S5為根據(jù)配準(zhǔn)結(jié)果(空間變換參數(shù))，進(jìn)行可視化。
圖2顯示用基于互信息敏感區(qū)域的互信息最大化的醫(yī)學(xué)圖像配準(zhǔn)方法對(duì)多模態(tài)圖像進(jìn)行配準(zhǔn)的結(jié)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(yīng)的單層圖像，圖2(c)為不經(jīng)過配準(zhǔn)直接融合的結(jié)果，圖2(d)為經(jīng)過配準(zhǔn)后融合的結(jié)果，圖2(e)為不經(jīng)過配準(zhǔn)直接融合結(jié)果的三維表面顯示，圖2(f)為配準(zhǔn)后融合結(jié)果的三維表面顯示。
圖3顯示基于互信息敏感區(qū)域的互信息最大化的醫(yī)學(xué)圖像配準(zhǔn)方法用于多模態(tài)圖像配準(zhǔn)是提取出的互信息敏感區(qū)域的二維結(jié)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(qū)域，圖3(c)為互信息敏感區(qū)域的空間結(jié)構(gòu)。
圖4是基于互信息敏感區(qū)域的互信息最大化的醫(yī)學(xué)圖像配準(zhǔn)方法用于配準(zhǔn)MRI圖像與CT圖像所得到的互信息配準(zhǔn)函數(shù)曲線與歸一化互信息函數(shù)曲線，同時(shí)在圖4中同時(shí)給出了現(xiàn)有方法的相應(yīng)的函數(shù)曲線。
圖4(a)是待配準(zhǔn)圖像相對(duì)于配準(zhǔn)位置發(fā)生層內(nèi)旋轉(zhuǎn)時(shí)的互信息函數(shù)曲線，圖4(b)是待配準(zhǔn)圖像相對(duì)于配準(zhǔn)位置發(fā)生平移時(shí)的互信息函數(shù)曲線，
圖4(c)是待配準(zhǔn)圖像相對(duì)于配準(zhǔn)位置發(fā)生層內(nèi)旋轉(zhuǎn)時(shí)的歸一化互信息函數(shù)曲線，圖4(d)是待配準(zhǔn)圖像相對(duì)于配準(zhǔn)位置發(fā)生平移時(shí)的歸一化互信息函數(shù)曲線。
具體實(shí)施例方式僅以配準(zhǔn)MRI與CT圖像頭部圖像為例說明本發(fā)明的使用方法。
隨著醫(yī)學(xué)影像技術(shù)的不斷發(fā)展，出現(xiàn)了越來越多的成像方式，并廣泛應(yīng)用于大腦認(rèn)知功能的研究與醫(yī)療臨床診斷和治療中。由于成像的原理和設(shè)備不同，存在多種成像模式，它們主要包括描述生理形態(tài)的解剖結(jié)構(gòu)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(yī)療臨床診斷治療中，基于多種原因，通常需要對(duì)同一個(gè)人或多個(gè)人進(jìn)行多種模式或同一種模式的多次成像，即同時(shí)從幾幅圖像獲取信息，進(jìn)行綜合分析。為了實(shí)現(xiàn)上述目的，醫(yī)學(xué)圖像的配準(zhǔn)是必須解決的問題。
下面介紹基于互信息敏感區(qū)域的互信息最大化的醫(yī)學(xué)圖像配準(zhǔn)方法基于互信息敏感區(qū)域的互信息最大化的醫(yī)學(xué)圖像配準(zhǔn)方法可以轉(zhuǎn)化為一種最優(yōu)化問題，其配準(zhǔn)的工作過程可以用以下流程圖表示現(xiàn)表述用基于互信息敏感區(qū)域的互信息最大化的醫(yī)學(xué)圖像配準(zhǔn)方法來完成多模態(tài)圖像配準(zhǔn)的使用。這里給出了同一病人的核磁共振圖像(MRI)與CT圖像進(jìn)行配準(zhǔn)的例子及其配準(zhǔn)評(píng)價(jià)結(jié)果，共有三個(gè)方面配準(zhǔn)的精度，配準(zhǔn)的計(jì)算量和配準(zhǔn)函數(shù)曲線。
圖1中，給出了基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法的流程圖。
S1為從原始浮動(dòng)圖像中提取互信息敏感區(qū)域。
S2為對(duì)提取出的互信息敏感區(qū)域進(jìn)行空間變換。
S3為計(jì)算空間變換后的互信息敏感區(qū)域與其空間對(duì)應(yīng)的參考圖像的區(qū)域的互信息。
S4為判斷S2中的空間變換是否使S3中計(jì)算出的互信息達(dá)到極值，如達(dá)到極值，則進(jìn)行S5停止計(jì)算，輸出空間變換參數(shù)；如沒有達(dá)到極值，則進(jìn)行S2。
S5為根據(jù)配準(zhǔn)結(jié)果(空間變換參數(shù))，進(jìn)行可視化。輸出空間變換參數(shù)給出可視化結(jié)果。
圖2中，給出了配準(zhǔn)前的圖像，以及配準(zhǔn)前后進(jìn)行圖像融合的結(jié)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(qū)域，以及互信息敏感區(qū)域的空間結(jié)構(gòu)。
由于在我們的方法中，互信息的計(jì)算只是基于互信息敏感區(qū)域，而基于互信息的配準(zhǔn)方法的計(jì)算量主要集中于互信息的計(jì)算，因而大大降低計(jì)算強(qiáng)度。我們方法的計(jì)算強(qiáng)度是其它配準(zhǔn)方法的5％～6％，在目前普通個(gè)人電腦上的配準(zhǔn)時(shí)間一般小于5分鐘。
圖4中，從這些配準(zhǔn)函數(shù)曲線我們可以看出，我們的方法相對(duì)于現(xiàn)有方法而言，具有更大的解吸引域，因而配準(zhǔn)更容易實(shí)現(xiàn)，具有更強(qiáng)的魯棒性。方法的配準(zhǔn)精度的定量評(píng)價(jià)表明，我們的方法可以獲得次象素級(jí)的精度。
本發(fā)明可以實(shí)現(xiàn)快速魯棒的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)，特別適合多模態(tài)頭部圖像的配準(zhǔn)。
為了定量地評(píng)價(jià)我們方法的配準(zhǔn)精度，我們對(duì)美國范德比爾特大學(xué)“全回顧性配準(zhǔn)評(píng)價(jià)項(xiàng)目”(project ＂Evaluation of Retrospective ImageRegistration″，Vanderbilt University，Nashville，TN.)所提供的41對(duì)MR與CT圖像，30對(duì)MR與PET圖像進(jìn)行了剛體配準(zhǔn)。該項(xiàng)目對(duì)我們方法配準(zhǔn)結(jié)果給出了配準(zhǔn)誤差評(píng)價(jià)(表1，2)。該定量評(píng)價(jià)表明，我們的方法可以獲得次象素級(jí)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(shù)圖像，T1為MRI的T1參數(shù)圖像，T2為MRI的T2參數(shù)圖像，PDrect，T1rect，與T2rect分別是上述圖像幾何校正的結(jié)果。
表一MR與CT圖像的配準(zhǔn)誤差(單位毫米)

表二MR與PET圖像的配準(zhǔn)誤差(單位毫米)

權(quán)利要求
1.一種基于互信息敏感區(qū)域的，通過互信息最大化技術(shù)實(shí)現(xiàn)的，用于多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)的方法，其特征在于，在醫(yī)學(xué)圖像配準(zhǔn)過程中，首先提取對(duì)互信息敏感的圖像區(qū)域，然后通過配準(zhǔn)上述互信息敏感圖像區(qū)域而實(shí)現(xiàn)圖像的配準(zhǔn)。
2.根據(jù)權(quán)利要求1所述的一種用于多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)的方法，其特征是在配準(zhǔn)中首先要提取互信息敏感區(qū)域，該互信息敏感區(qū)域用于互信息計(jì)算。
3.根據(jù)權(quán)利要求1所述的一種用于多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)的方法，其特征是，在實(shí)現(xiàn)互信息敏感區(qū)域的配準(zhǔn)時(shí)使用的相似性度量可以是互信息，歸一化互信息，以及其它基于聯(lián)合熵與互信息相似的圖像相似性度量。
4.一種基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法，主要包括兩步驟(1)互信息敏感區(qū)域的確定與提?。?2)互信息敏感區(qū)域的配準(zhǔn)。
5.根據(jù)權(quán)利要求4的基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法，其特征在于，互信息敏感區(qū)域的確定與提取包括(1)互信息敏感區(qū)域在多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)應(yīng)用中，待配準(zhǔn)的兩幅圖像的互信息敏感區(qū)域定義為滿足以下條件的圖像區(qū)域a)圖像區(qū)域?qū)?yīng)的解剖結(jié)構(gòu)在待配準(zhǔn)的兩幅圖像中共同存在；b)待配準(zhǔn)圖像的該圖像區(qū)域的灰度信息大致具有一一對(duì)應(yīng)關(guān)系；(2)互信息敏感區(qū)域的提取確定互信息敏感區(qū)域后，可以使用成熟的圖像分割算法提取互信息敏感圖像區(qū)域。
6.根據(jù)權(quán)利要求4的基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法，其特征在于，互信息敏感區(qū)域的配準(zhǔn)包括基于互信息敏感區(qū)域的多模態(tài)圖像配準(zhǔn)方法的基本原理是從待配準(zhǔn)圖像中提取互信息敏感區(qū)域，通過基于互信息最大化方法配準(zhǔn)該互信息敏感區(qū)域從而實(shí)現(xiàn)圖像的配準(zhǔn)。
7.根據(jù)權(quán)利要求4的基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法，其具體步驟如下；S1為從原始浮動(dòng)圖像中提取互信息敏感區(qū)域，S2為對(duì)提取出的互信息敏感區(qū)域進(jìn)行空間變換，S3為計(jì)算空間變換后的互信息敏感區(qū)域與其空間對(duì)應(yīng)的參考圖像的區(qū)域的互信息，S4為判斷S2中的空間變換是否使S3中計(jì)算出的互信息達(dá)到極值，如達(dá)到極值，則進(jìn)行S5停止計(jì)算，輸出空間變換參數(shù)；如沒有達(dá)到極值，則進(jìn)行S2，S5為根據(jù)配準(zhǔn)結(jié)果，空間變換參數(shù)，進(jìn)行可視化，輸出空間變換參數(shù)給出可視化結(jié)果。
全文摘要
本發(fā)明涉及醫(yī)學(xué)圖像分析技術(shù)領(lǐng)域的一種基于互信息敏感區(qū)域的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法。主要步驟包括互信息敏感區(qū)域的確定與提取互信息敏感區(qū)域的配準(zhǔn)。首先提取待配準(zhǔn)圖像的互信息敏感區(qū)域，然后通過互信息最大化方法實(shí)現(xiàn)互信息敏感區(qū)域的配準(zhǔn)，從而實(shí)現(xiàn)待配準(zhǔn)圖像的配準(zhǔn)。本發(fā)明可以實(shí)現(xiàn)快速魯棒的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)，特別適合多模態(tài)頭部圖像配準(zhǔn)。(在這里，魯棒性是指我們的配準(zhǔn)方法對(duì)空間變換的初值不敏感)
文檔編號(hào)A61B6/03GK1631321SQ20031012243
公開日2005年6月29日 申請(qǐng)日期2003年12月23日 優(yōu)先權(quán)日2003年12月23日
發(fā)明者范勇, 蔣田仔 申請(qǐng)人:中國科學(xué)院自動(dòng)化研究所