【技術(shù)領(lǐng)域】

本方案涉及醫(yī)學(xué)圖像處理領(lǐng)域，尤其涉及一種醫(yī)學(xué)圖像處理方法及設(shè)備。

背景技術(shù)：

醫(yī)學(xué)成像技術(shù)經(jīng)歷了一個(gè)從靜態(tài)到動(dòng)態(tài)、從形態(tài)到功能、從平面到立體的發(fā)展過程，特別是在成像硬件的推動(dòng)下，醫(yī)學(xué)成像技術(shù)的發(fā)展給臨床醫(yī)學(xué)提供了各種形態(tài)和功能的影像信息。目前醫(yī)學(xué)圖像分析的研究的對(duì)象日益廣泛，可以利用自動(dòng)精確定量的計(jì)算機(jī)輔助圖像分析，幫助臨床醫(yī)生和研究者高校準(zhǔn)確地處理海量圖像信息。

在醫(yī)學(xué)圖像分析時(shí)，經(jīng)常要將同一患者的幾幅圖像放在一起分析，從而得到該患者的多方面的綜合信息，提高醫(yī)學(xué)診斷和治療的水平，而圖像的配準(zhǔn)是將不同的圖像對(duì)齊經(jīng)常采用的技術(shù)手段。早期醫(yī)學(xué)圖像的配準(zhǔn)，通常是將顯示人體不同信息的醫(yī)學(xué)圖像(包括不同時(shí)間或不同條件)放在統(tǒng)一的坐標(biāo)系中顯示，通過尋找合適的空間變換或映射關(guān)系，使得一幅圖像與另一幅圖像的對(duì)應(yīng)點(diǎn)達(dá)到空間上的一致，這種一致可指人體上的同一解剖點(diǎn)在兩張匹配圖像上有相同的空間位置(包括位置、角度或大小一致)，進(jìn)而進(jìn)行圖像融合或其他操作。

現(xiàn)有的醫(yī)學(xué)圖像配準(zhǔn)多采用剛體配準(zhǔn)或者基于多項(xiàng)式的擬合配準(zhǔn)方法。

現(xiàn)有的醫(yī)學(xué)圖像配準(zhǔn)方法可大致實(shí)現(xiàn)醫(yī)學(xué)圖像的對(duì)齊，消除減影圖像中存在的較大偽影。但是對(duì)于含有較多微細(xì)結(jié)構(gòu)的組織，如ct肺部圖像中通常含有較多的毛細(xì)血管等微細(xì)結(jié)構(gòu)組織，僅通過現(xiàn)有技術(shù)無法實(shí)現(xiàn)這些微細(xì)結(jié)構(gòu)的完全對(duì)齊，這樣基于配準(zhǔn)之后獲得的減影圖像通常會(huì)出現(xiàn)較大細(xì)小的偽影，嚴(yán)重影響醫(yī)生從減影圖像中獲得有用的臨床信息。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本方案實(shí)施例提供了一種醫(yī)學(xué)圖像處理方法及設(shè)備，用以解決現(xiàn)有醫(yī)學(xué)圖像配準(zhǔn)中精度較低、魯棒性差的問題。

第一方面，本方案實(shí)施例提供一種醫(yī)學(xué)圖像處理方法，所述方法包括：

接收指定目標(biāo)的第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像，所述第二醫(yī)學(xué)圖像的成像時(shí)間早于所述第一醫(yī)學(xué)圖像的成像時(shí)間；

基于第一空間變換模型，將所述第二醫(yī)學(xué)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第一配準(zhǔn)圖像；

基于第二空間變換模型，將所述第一配準(zhǔn)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第二配準(zhǔn)圖像；

基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將所述第二配準(zhǔn)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將所述第二配準(zhǔn)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像，包括：

分別在所述第一醫(yī)學(xué)圖像和所述第二配準(zhǔn)圖像中確定指定像素點(diǎn)；

利用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法，對(duì)所述第一醫(yī)學(xué)圖像和所述第二配準(zhǔn)圖像中的指定像素點(diǎn)進(jìn)行訓(xùn)練，得到指定像素點(diǎn)的特征信息；

根據(jù)所述特征信息，計(jì)算所述第三空間變換模型的參數(shù)；

根據(jù)所述參數(shù)，對(duì)所述第二配準(zhǔn)圖像進(jìn)行所述第三空間變換模型對(duì)應(yīng)的變換，得到所述第三配準(zhǔn)圖像。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述非監(jiān)督深度學(xué)習(xí)的方法采用卷積棧式自編碼訓(xùn)練方式；

所述利用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法，對(duì)所述第一醫(yī)學(xué)圖像和所述第二配準(zhǔn)圖像中的指定像素點(diǎn)進(jìn)行訓(xùn)練，得到指定像素點(diǎn)的特征信息，包括：

以所述指定像素點(diǎn)為中心，提取三維小塊作為非監(jiān)督深度學(xué)習(xí)的樣本，并從所述樣本獲取所述指定像素點(diǎn)的特征信息。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述第三空間變換模型的參數(shù)為所述第二配準(zhǔn)圖像相對(duì)所述第一醫(yī)學(xué)圖像的形變場(chǎng)；

根據(jù)所述特征信息，計(jì)算所述第三空間變換模型的參數(shù)，包括：

根據(jù)所述指定像素點(diǎn)的特征信息，獲取所述指定像素點(diǎn)的六鄰域空間信息；

根據(jù)所述指定像素點(diǎn)的六鄰域空間信息進(jìn)行置信度傳播，并獲取置信度傳播的信任向量；

根據(jù)所述置信度傳播的信任向量確定所述第二配準(zhǔn)圖像的指定像素點(diǎn)相對(duì)所述第一醫(yī)學(xué)圖像的指定像素點(diǎn)的偏移值；

根據(jù)所述偏移值確定所述第二配準(zhǔn)圖像相對(duì)所述第一醫(yī)學(xué)圖像的形變場(chǎng)。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述方法還包括：

從所述第一醫(yī)學(xué)圖像確定第一選定區(qū)域，并計(jì)算所述第一選定區(qū)域中灰度值處于設(shè)定范圍的第一像素點(diǎn)數(shù)目；

從所述第三配準(zhǔn)圖像確定與所述第一選定區(qū)域相對(duì)應(yīng)的第一對(duì)應(yīng)區(qū)域，并計(jì)算所述第一對(duì)應(yīng)區(qū)域中灰度值處于所述設(shè)定范圍的第二像素點(diǎn)數(shù)目；

根據(jù)所述第一像素點(diǎn)數(shù)目、所述第二像素點(diǎn)數(shù)目，獲取所述第一醫(yī)學(xué)圖像相對(duì)所述第二醫(yī)學(xué)圖像像素點(diǎn)發(fā)生變化的數(shù)目。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述方法還包括：

將所述第一醫(yī)學(xué)圖像與所述第三配準(zhǔn)圖像進(jìn)行相減處理，得到減影圖像。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述方法還包括：

將所述減影圖像與所述第一醫(yī)學(xué)圖像作融合處理，得到融合圖像。

第二方面，本方案實(shí)施例提供一種醫(yī)學(xué)圖像處理設(shè)備，所述設(shè)備包括：

處理器；

用于存儲(chǔ)所述處理器可執(zhí)行指令的存儲(chǔ)器；

所述處理器被配置為：

接收指定目標(biāo)的第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像，所述第二醫(yī)學(xué)圖像的成像時(shí)間早于所述第一醫(yī)學(xué)圖像的成像時(shí)間；

基于第一空間變換模型，將所述第二醫(yī)學(xué)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第一配準(zhǔn)圖像；

基于第二空間變換模型，將所述第一配準(zhǔn)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第二配準(zhǔn)圖像；

基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將所述第二配準(zhǔn)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述處理器還被配置為：

將所述第一醫(yī)學(xué)圖像與所述第三配準(zhǔn)圖像進(jìn)行相減處理，得到減影圖像；

將所述減影圖像與所述第一醫(yī)學(xué)圖像作融合處理，得到融合圖像。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述設(shè)備還包括顯示器，所述顯示器用于成行或成列的顯示所述減影圖像、所述第一醫(yī)學(xué)圖像和/或所述第二醫(yī)學(xué)圖像；或者，

所述顯示器用于成行或成列的顯示所述第一醫(yī)學(xué)圖像、所述第二醫(yī)學(xué)圖像、所述減影圖像和所述融合圖像。

本發(fā)明實(shí)施例，分別基于第一空間變換模型、第二空間變換模型將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，分別可實(shí)現(xiàn)兩圖像主結(jié)構(gòu)的對(duì)齊以及肺部感興趣區(qū)域的對(duì)齊，隨后基于肺部區(qū)域包含多個(gè)血管的特點(diǎn)，提取肺部中的血管微細(xì)結(jié)構(gòu)，對(duì)該血管微細(xì)結(jié)構(gòu)進(jìn)行基于非監(jiān)督深度學(xué)習(xí)的精配準(zhǔn)，提高了醫(yī)學(xué)圖像配準(zhǔn)的精度，且魯棒性更強(qiáng)；在不同時(shí)刻圖像配準(zhǔn)基礎(chǔ)上獲得的減影圖像，可有效減小由于肺部微細(xì)結(jié)構(gòu)未配準(zhǔn)對(duì)減影圖像的影響，減小減影圖像中產(chǎn)生的偽影，提高信噪比。

【附圖說明】

為了更清楚地說明本方案實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本方案的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1為本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理方法的第一流程示例圖。

圖2為本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理方法的第二流程示例圖。

圖3為本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理方法的第三流程示例圖。

圖4(a)是過去ct圖像和現(xiàn)在ct圖像的示例圖。

圖4(b)是圖4(a)中現(xiàn)在ct圖像與過去ct圖像的減影圖像。

圖5為本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理裝置的功能方塊圖。

圖6是醫(yī)學(xué)圖像處理設(shè)備的簡(jiǎn)化框圖。

圖7是醫(yī)學(xué)圖像處理設(shè)備600的顯示器的顯示界面示例圖。

【具體實(shí)施方式】

為了更好的理解本方案的技術(shù)方案，下面結(jié)合附圖對(duì)本方案實(shí)施例進(jìn)行詳細(xì)描述。

應(yīng)當(dāng)明確，所描述的實(shí)施例僅僅是本方案一部分實(shí)施例，而不是全部的實(shí)施例。基于本方案中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本方案保護(hù)的范圍。

在本方案實(shí)施例中使用的術(shù)語是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本方案。在本方案實(shí)施例和所附權(quán)利要求書中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。

應(yīng)當(dāng)理解，本文中使用的術(shù)語“和/或”僅僅是一種描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，a和/或b，可以表示：?jiǎn)为?dú)存在a，同時(shí)存在a和b，單獨(dú)存在b這三種情況。另外，本文中字符“/”，一般表示前后關(guān)聯(lián)對(duì)象是一種“或”的關(guān)系。

取決于語境，如在此所使用的詞語“如果”可以被解釋成為“在……時(shí)”或“當(dāng)……時(shí)”或“響應(yīng)于確定”或“響應(yīng)于檢測(cè)”。類似地，取決于語境，短語“如果確定”或“如果檢測(cè)(陳述的條件或事件)”可以被解釋成為“當(dāng)確定時(shí)”或“響應(yīng)于確定”或“當(dāng)檢測(cè)(陳述的條件或事件)時(shí)”或“響應(yīng)于檢測(cè)(陳述的條件或事件)”。

實(shí)施例一

本發(fā)明實(shí)施例提供了一種醫(yī)學(xué)圖像處理方法。該醫(yī)學(xué)圖像處理方法可以通過應(yīng)用程序app來實(shí)現(xiàn)，計(jì)算機(jī)、醫(yī)用工作站等終端可以通過安裝該應(yīng)用程序獲取相應(yīng)的醫(yī)學(xué)圖像處理功能。

圖1為本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理方法的第一流程示例圖。如圖1所示，本實(shí)施例中，醫(yī)學(xué)圖像處理方法可以包括如下步驟：

s101，接收指定目標(biāo)的第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像，第二醫(yī)學(xué)圖像的成像時(shí)間早于第一醫(yī)學(xué)圖像的成像時(shí)間。

可選地，第一醫(yī)學(xué)圖像的成像時(shí)間與第二醫(yī)學(xué)圖像的成像時(shí)間間隔一般不小于24小時(shí)。

s102，基于第一空間變換模型，將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第一配準(zhǔn)圖像。

本步驟可以看作是對(duì)第二醫(yī)學(xué)圖像進(jìn)行的第一配準(zhǔn)。

s103，基于第二空間變換模型，將第一配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第二配準(zhǔn)圖像。

本步驟可以看作是對(duì)第一配準(zhǔn)圖像進(jìn)行的第二配準(zhǔn)。

s104，基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將第二配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像。

其中，第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像是關(guān)于同一指定目標(biāo)的醫(yī)學(xué)圖像，例如第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像為病人甲胸部的醫(yī)學(xué)圖像。

其中，第一醫(yī)學(xué)圖像是配準(zhǔn)過程中的參考圖像，第二醫(yī)學(xué)圖像是配準(zhǔn)過程中第一次配準(zhǔn)的浮動(dòng)圖像。

其中，第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像的圖像類型相同，可以是ct圖像、mr圖像、超聲圖像、x光圖像或者pet圖像等。

其中，第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像可以為二維圖像或三維圖像。

其中，第二醫(yī)學(xué)圖像的成像時(shí)間早于第一醫(yī)學(xué)圖像的成像時(shí)間。例如，第二醫(yī)學(xué)圖像是過去時(shí)間采集的病人甲胸部的醫(yī)學(xué)圖像，第一醫(yī)學(xué)圖像是現(xiàn)在時(shí)間采集的病人甲胸部的醫(yī)學(xué)圖像?；蛘?，第二醫(yī)學(xué)圖像是當(dāng)時(shí)采集的病人甲胸部的醫(yī)學(xué)圖像，第一醫(yī)學(xué)圖像是隨后采集的病人甲胸部的醫(yī)學(xué)圖像。

更進(jìn)一步地，過去時(shí)間可以是病人治療之前，現(xiàn)在時(shí)間可以是病人進(jìn)行治療之后；當(dāng)然，過去時(shí)間可以是病人剛治療完成時(shí)，現(xiàn)在時(shí)間可以是病人治療完成后一段時(shí)間，這段時(shí)間病人的身體狀態(tài)可能會(huì)發(fā)生變化。可選地，當(dāng)?shù)谝会t(yī)學(xué)圖像和第二醫(yī)學(xué)圖像為mr圖像，兩圖像的拍攝/采集時(shí)間間隔可以是1個(gè)月、2個(gè)月、3個(gè)月、一年或者更長(zhǎng)時(shí)間；當(dāng)?shù)谝会t(yī)學(xué)圖像和第二醫(yī)學(xué)圖像為pet圖像，兩圖像的拍攝/采集時(shí)間間隔可以是3個(gè)月、4個(gè)月、5個(gè)月、一年或者更長(zhǎng)時(shí)間；當(dāng)?shù)谝会t(yī)學(xué)圖像和第二醫(yī)學(xué)圖像為ct圖像，考慮對(duì)人體輻射劑量的影響，兩圖像的拍攝/采集時(shí)間間隔通常大于6個(gè)月。

其中，對(duì)醫(yī)學(xué)圖像的配準(zhǔn)通過圖像配準(zhǔn)算法實(shí)現(xiàn)。圖像配準(zhǔn)算法主要包括三個(gè)部分，即空間變換模型、相似性測(cè)度、最優(yōu)化方法。在醫(yī)學(xué)圖像配準(zhǔn)中，首先根據(jù)實(shí)際的配準(zhǔn)需求選擇一種空間變換模型，然后再根據(jù)實(shí)際需求選擇合適的相似性測(cè)度和最優(yōu)化方法。

在一個(gè)示例性地實(shí)現(xiàn)過程中，基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將所述第二配準(zhǔn)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像，可以包括：分別在第一醫(yī)學(xué)圖像和第二配準(zhǔn)圖像中確定指定像素點(diǎn)；利用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法，對(duì)第一醫(yī)學(xué)圖像和第二配準(zhǔn)圖像中的指定像素點(diǎn)進(jìn)行訓(xùn)練，得到指定像素點(diǎn)的特征信息；根據(jù)特征信息，計(jì)算第三空間變換模型的參數(shù)(形變場(chǎng))；根據(jù)參數(shù)，對(duì)第二配準(zhǔn)圖像進(jìn)行第三空間變換模型對(duì)應(yīng)的變換，得到第三配準(zhǔn)圖像。

通過配準(zhǔn)圖像可獲得第一醫(yī)學(xué)圖像和/或第二醫(yī)學(xué)圖像中任一選擇區(qū)域中像素點(diǎn)灰度值的變化情況，也可獲得像素點(diǎn)發(fā)生變換的區(qū)域的體積或大小。例如，從第一醫(yī)學(xué)圖像確定第一選定區(qū)域，并計(jì)算第一選定區(qū)域中灰度值處于設(shè)定范圍的第一像素點(diǎn)數(shù)目；從第三配準(zhǔn)圖像確定與第一選定區(qū)域相對(duì)應(yīng)的第一對(duì)應(yīng)區(qū)域，并計(jì)算第一對(duì)應(yīng)區(qū)域中灰度值處于設(shè)定范圍的第二像素點(diǎn)數(shù)目；根據(jù)第一像素點(diǎn)數(shù)目、第二像素點(diǎn)數(shù)目，獲取第一醫(yī)學(xué)圖像相對(duì)第二醫(yī)學(xué)圖像像素點(diǎn)發(fā)生變化的數(shù)目，該數(shù)目可增加或減小，具體顯示在圖像為灰度值的改變。

在上述實(shí)施例中，例如可選定第一醫(yī)學(xué)圖像中較亮(灰度值處于設(shè)定范圍如10-30)的區(qū)域作為第一選定區(qū)域，并自動(dòng)計(jì)算該第一選定區(qū)域的體積(像素?cái)?shù)目)；同時(shí)，通過上述配準(zhǔn)過程，可確定第三配準(zhǔn)圖像(對(duì)應(yīng)第二醫(yī)學(xué)圖像)中的第一對(duì)應(yīng)區(qū)域，并可自動(dòng)計(jì)算第一對(duì)應(yīng)區(qū)域中像素值同樣處于設(shè)定灰度值范圍內(nèi)的像素點(diǎn)數(shù)目或體積。

進(jìn)一步地，比較第一醫(yī)學(xué)圖像中選定區(qū)域的體積以及第三配準(zhǔn)圖像中對(duì)應(yīng)區(qū)域的像素的體積，獲取該第一醫(yī)學(xué)圖像中選定區(qū)域的灰度值發(fā)生變化的像素點(diǎn)數(shù)目或第一醫(yī)學(xué)圖像中選定區(qū)域體積的變化。在一個(gè)示例性地實(shí)現(xiàn)過程中，非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法采用csae(convolutionalstackedauto-encodernetwork，卷積棧式自編碼)訓(xùn)練方式。在非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法采用卷積棧式自編碼訓(xùn)練方式的情況下，在一個(gè)示例性地實(shí)現(xiàn)過程中，利用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法，對(duì)第一醫(yī)學(xué)圖像和第二配準(zhǔn)圖像中的指定像素點(diǎn)進(jìn)行訓(xùn)練，得到指定像素點(diǎn)的特征信息，可以包括：以指定像素點(diǎn)為中心，提取三維小塊作為非監(jiān)督深度學(xué)習(xí)的樣本，并從樣本獲取指定像素點(diǎn)的特征信息。

在一個(gè)示例性地實(shí)現(xiàn)過程中，第一配準(zhǔn)可以為對(duì)指定目標(biāo)的粗配準(zhǔn)，第一空間變換模型為affine變換模型(即仿射變換模型)；第二配準(zhǔn)可以為對(duì)指定目標(biāo)的肺內(nèi)部血管的精配準(zhǔn)，第二空間變換模型為基于b樣條的ffd(freeformdeformation，自由形變)變換模型。

例如，第一配準(zhǔn)可以為對(duì)人體左右兩肺的配準(zhǔn)，第一空間變換模型為affine變換模型；第二配準(zhǔn)可以為對(duì)肺部血管的配準(zhǔn)，第二空間變換模型為基于b樣條的ffd變換模型。

其中，對(duì)指定目標(biāo)的粗配準(zhǔn)，用于將第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像的主結(jié)構(gòu)進(jìn)行對(duì)齊，使得兩幅圖像的主結(jié)構(gòu)匹配。其中，主結(jié)構(gòu)對(duì)齊是指將第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像的絕大部分像素點(diǎn)進(jìn)行匹配，從而使得這兩幅圖像的主結(jié)構(gòu)匹配。例如，當(dāng)?shù)谝会t(yī)學(xué)圖像和第二醫(yī)學(xué)圖像都為ct肺部圖像時(shí)，指定目標(biāo)的主結(jié)構(gòu)為左、右肺部區(qū)域，這一配準(zhǔn)能夠使左、右肺部區(qū)域基本對(duì)齊，以克服形變很大的問題，從而提高減影的效果。

其中，對(duì)指定目標(biāo)的指定局部結(jié)構(gòu)的精配準(zhǔn)，用于將第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像的指定局部結(jié)構(gòu)進(jìn)行對(duì)齊。例如，指定目標(biāo)的指定局部結(jié)構(gòu)可以是肺部的血管，通過精配準(zhǔn)可以基本對(duì)齊兩幅圖像中的血管區(qū)域，消除大的偽影，從而提高后續(xù)減影的效果。

其中，對(duì)第二配準(zhǔn)圖像和第一醫(yī)學(xué)圖像進(jìn)行基于非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)，用于將第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像的指定細(xì)微結(jié)構(gòu)進(jìn)行對(duì)齊。例如，指定細(xì)微結(jié)構(gòu)可以是肺部的血管點(diǎn)，僅僅通過對(duì)指定局部結(jié)構(gòu)的精配準(zhǔn)無法保證血管完全對(duì)齊，通過這一配準(zhǔn)能夠使得血管完全對(duì)齊，消除指定細(xì)微結(jié)構(gòu)處的細(xì)微小偽影，進(jìn)一步提高后續(xù)減影的效果。

圖1所示實(shí)施例，通過對(duì)指定目標(biāo)的在先采集的第二醫(yī)學(xué)圖像進(jìn)行三次配準(zhǔn)，可提高圖像配準(zhǔn)的精度和魯棒性。并且，由于在配準(zhǔn)過程中采用了基于非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)，而基于非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)能夠消除細(xì)微結(jié)構(gòu)的細(xì)小偽影。進(jìn)一步地，可自動(dòng)獲得第一醫(yī)學(xué)圖像與第二醫(yī)學(xué)圖像之間的精準(zhǔn)的差異信息，使得用戶能夠通過該差異信息獲知新增病灶或病灶變化。進(jìn)而，新增病灶或病灶變化的檢測(cè)精度的提高，可以幫助醫(yī)生提高臨床腫瘤的檢測(cè)準(zhǔn)確率，并能夠定量輔助醫(yī)生對(duì)腫瘤治療療效的評(píng)估。

圖2為本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理方法的第二流程示例圖。如圖2所示，本實(shí)施例中，醫(yī)學(xué)圖像處理方法可以包括如下步驟：

s201，接收指定目標(biāo)的第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像，第二醫(yī)學(xué)圖像的成像時(shí)間早于第一醫(yī)學(xué)圖像的成像時(shí)間。例如，第二醫(yī)學(xué)圖像可以是病人患病前的診斷圖像，第二醫(yī)學(xué)圖像可以是病人經(jīng)過有效治療后的診斷圖像

s202，基于第一空間變換模型，將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第一配準(zhǔn)圖像。

s203，基于第二空間變換模型，將第一配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第二配準(zhǔn)圖像。

s204，基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將第二配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像。

s205，將第一醫(yī)學(xué)圖像與第三配準(zhǔn)圖像進(jìn)行相減處理，得到減影圖像，該減影圖像為第一醫(yī)學(xué)圖像與第二醫(yī)學(xué)圖像的減影圖像。。

需要指出的是，減影是將不同時(shí)間采集的同一部位或器官的醫(yī)學(xué)圖像之間的時(shí)間間隔變化可視化的一種手段。

在一個(gè)示例性地實(shí)現(xiàn)過程中，在s205之后，還可以包括如下步驟：輸出減影圖像。

為了方便用戶或醫(yī)師的觀測(cè)，減影圖像、第一醫(yī)學(xué)圖像和/或第二醫(yī)學(xué)圖像可成行或者成列的顯示。在此實(shí)施例中，由于獲得減影圖像的過程是根據(jù)程序自動(dòng)完成的，因此不會(huì)出現(xiàn)漏檢現(xiàn)象，能夠提高新增病灶或病灶變化的檢測(cè)精度。

并且，由于在配準(zhǔn)過程中采用了基于非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)，而基于非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)能夠消除細(xì)微結(jié)構(gòu)的細(xì)小偽影，因此使得減影效果更好，從而使得檢測(cè)精度更高。圖3為本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理方法的第三流程示例圖。如圖3所示，本實(shí)施例中，醫(yī)學(xué)圖像處理方法可以包括如下步驟：

s301，接收指定目標(biāo)的第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像，第二醫(yī)學(xué)圖像的成像時(shí)間早于第一醫(yī)學(xué)圖像的成像時(shí)間。

s302，基于第一空間變換模型，將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第一配準(zhǔn)圖像。

s303，基于第二空間變換模型，將第一配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第二配準(zhǔn)圖像。

s304，基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將第二配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像。

s305，將第一醫(yī)學(xué)圖像與第三配準(zhǔn)圖像進(jìn)行相減處理，獲得第一醫(yī)學(xué)圖像與第二醫(yī)學(xué)圖像的減影圖像。

s306，將第一醫(yī)學(xué)圖像和減影圖像作融合處理，得到融合圖像。

在獲得減影圖像之后，可以成行或者成列地輸出第一醫(yī)學(xué)圖像、第二醫(yī)學(xué)圖像和減影圖像以及融合圖像，這樣不僅便于用戶對(duì)減影圖像進(jìn)行查看或存儲(chǔ)，還便于用戶在查看研究減影圖像的同時(shí)對(duì)照查看原始圖像的相關(guān)內(nèi)容。

下面通過示例來對(duì)本發(fā)明實(shí)施例的醫(yī)學(xué)圖像處理方法作進(jìn)一步說明。

本示例中，假設(shè)第一醫(yī)學(xué)圖像為病人乙現(xiàn)在的肺部ct圖像，記為圖像a；第二醫(yī)學(xué)圖像為病人乙過去某個(gè)時(shí)刻的肺部ct圖像，記為圖像b。那么，圖像a與圖像b的處理過程如下：

a1，接收?qǐng)D像a和圖像b。

a2，采取基于螢火蟲算法的affine配準(zhǔn)對(duì)圖像b進(jìn)行全局粗配準(zhǔn)，以使兩圖像肺部對(duì)齊，獲得配準(zhǔn)圖像b1。

其中，步驟a2可以包括如下子步驟：

a21，在圖像a中抽取感興趣的像素點(diǎn)，即抽樣點(diǎn)，此處，抽樣點(diǎn)為圖像a中隨機(jī)提取的20萬個(gè)像素點(diǎn)/感興趣像素點(diǎn)。

a22，根據(jù)螢火蟲算法，設(shè)置初代種群的解空間，這里，三維affine變換的解空間設(shè)為40個(gè)。

a23，根據(jù)a21抽取的抽樣點(diǎn)和三維affine變換公式，計(jì)算解空間中每個(gè)解的絕對(duì)差測(cè)度值。

a24，根據(jù)a23計(jì)算所得的每個(gè)解的絕對(duì)差測(cè)度值，按照螢火蟲算法的更新規(guī)則，更新解空間。

a25，驗(yàn)證是否滿足螢火蟲算法的收斂條件，如果不收斂，返回步驟a23，如果收斂，說明更新后解空間中解為螢火蟲算法獲得的最優(yōu)解，執(zhí)行步驟a26。

a26，將螢火蟲算法獲得的最優(yōu)解作為affine變換的最佳參數(shù)，根據(jù)affine變換的最佳參數(shù)和三維affine變換公式，對(duì)圖像b進(jìn)行affine變換，得到圖像b1。

其中，三維affine變換公式如下：

公式(1)中，x′、y′、z′為affine變換之后的像素空間坐標(biāo)，x、y、z為變換之前的坐標(biāo)，a11、a12、a13、a21、a22、a23、a31、a32、a33、tx、ty、tz為affine變換參數(shù)。

a3，采用基于b樣條的ffd變換模型對(duì)圖像b1進(jìn)行局部精配準(zhǔn)，獲得配準(zhǔn)圖像b2。

其中，步驟a3可以包括如下子步驟：

a31，在圖像a中抽取感興趣的像素點(diǎn)，即抽樣點(diǎn)，本步驟同前述a21相同。

a32，設(shè)置初始解，根據(jù)b樣條變換模型(ffd)和lbfgs(limitedmemorybroyden-fletcher-goldfarb-shanno)優(yōu)化算法來設(shè)置，初始解只有1個(gè)。

a33，根據(jù)a31抽取的抽樣點(diǎn)和b樣條變換模型，計(jì)算當(dāng)前解的絕對(duì)差測(cè)度值，并計(jì)算該測(cè)度對(duì)優(yōu)化變量的梯度。

a34，利用lbfgs算法更新解。

a35，判斷是否滿足收斂條件，如果不收斂，返回步驟a33，如果收斂，說明更新后的解為lbfgs獲得的最優(yōu)解，執(zhí)行步驟a36。

a36，將lbfgs獲得的最優(yōu)解作為ffd變換模型的最佳參數(shù)，對(duì)圖像b1進(jìn)行ffd變換，得到圖像b2。

其中，像素點(diǎn)在x、y和z三個(gè)方向上的位移分量是其周圍的4x4x4個(gè)控制點(diǎn)位移分量的b樣條函數(shù)如公式(2)所示：

公式(2)中，是控制點(diǎn)的序號(hào)。

公式(2)中，b0(u)＝(1-u)³/6，b1(u)＝(3u³-6u²+4)6，b2(u)＝(-3u³+3u²+3u+1)6，b3(u)＝u³/6。

dx,dy,dz分別為控制點(diǎn)在x、y和z三個(gè)方向上的位移分量，即配準(zhǔn)過程的待優(yōu)化參數(shù)。

a4，采用基于非監(jiān)督深度學(xué)習(xí)的光流場(chǎng)變換模型對(duì)圖像b2進(jìn)行細(xì)微結(jié)構(gòu)精配準(zhǔn)，得到圖像b2。需要說明的是，細(xì)微結(jié)構(gòu)為肺部血管。

其中，步驟a4可以包括如下子步驟：

a41，在圖像a和圖像b這兩個(gè)圖像中，以感興趣像素點(diǎn)為中心，提取3d小塊(cube)作為深度學(xué)習(xí)的訓(xùn)練樣本，經(jīng)過csae(convolutionalstackedauto-encodernetwork，卷積棧式自編碼)訓(xùn)練獲取每個(gè)像素點(diǎn)的特征信息。

a42，采用基于mrf(markovrandomfields,馬爾科夫隨機(jī)場(chǎng))的bp(beliefpropagation，置信度傳播)算法，基于第一步所獲得的每個(gè)像素點(diǎn)特征，計(jì)算每個(gè)像素點(diǎn)的六鄰域空間信息，然后進(jìn)行置信度傳播，計(jì)算每次傳播的信任向量。經(jīng)過t次傳播后(t可以是100)，計(jì)算每個(gè)像素點(diǎn)的信任向量，信任向量中最小的元素，就是該像素點(diǎn)的偏移值，從而獲得整幅圖像的形變場(chǎng)。為了提高bp尋優(yōu)的速度，可以采取多分辨率尋優(yōu)策略，采取從粗到精的尋優(yōu)模式。

a43，將bp算法獲得的形變場(chǎng)最優(yōu)解作為光流場(chǎng)變換模型的參數(shù)，對(duì)圖像b2進(jìn)行光流場(chǎng)變換，得到圖像b3。

a5，將圖像a與圖像b3進(jìn)行相減，得到減影圖像c。

a6，將圖像a與減影圖像c作融合處理，得道融合圖像d。

其中，過去ct圖像和現(xiàn)在ct圖像的示例圖如圖4(a)所示，圖4(a)中現(xiàn)在ct圖像與過去ct圖像的減影圖像如圖4(b)所示。

本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理方法，分別基于第一空間變換模型、第二空間變換模型將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，分別可實(shí)現(xiàn)兩圖像主結(jié)構(gòu)的對(duì)齊以及肺部感興趣區(qū)域的對(duì)齊，隨后基于肺部區(qū)域包含多個(gè)血管的特點(diǎn)，提取肺部中的血管微細(xì)結(jié)構(gòu)，對(duì)該血管微細(xì)結(jié)構(gòu)進(jìn)行基于非監(jiān)督深度學(xué)習(xí)的精配準(zhǔn)，提高了醫(yī)學(xué)圖像配準(zhǔn)的精度，且魯棒性更強(qiáng)。在不同時(shí)刻圖像配準(zhǔn)基礎(chǔ)上獲得的減影圖像，可有效減小由于肺部微細(xì)結(jié)構(gòu)未配準(zhǔn)對(duì)減影圖像的影響，減小減影圖像中產(chǎn)生的偽影，提高信噪比。

實(shí)施例二

本發(fā)明實(shí)施例提供了一種醫(yī)學(xué)圖像處理裝置，該醫(yī)學(xué)圖像處理裝置能夠?qū)崿F(xiàn)前述實(shí)施例中醫(yī)學(xué)圖像處理方法的各步驟。

圖5為本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理裝置的功能方塊圖。如圖5所示，本實(shí)施例中，醫(yī)學(xué)圖像處理裝置包括：

接收模塊510，用于接收指定目標(biāo)的第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像，第二醫(yī)學(xué)圖像的成像時(shí)間早于第一醫(yī)學(xué)圖像的成像時(shí)間；

第一配準(zhǔn)模塊520，用于基于第一空間變換模型，將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第一配準(zhǔn)圖像；

第二配準(zhǔn)模塊530，用于基于第二空間變換模型，將第一配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第二配準(zhǔn)圖像；

第三配準(zhǔn)模塊540，用于基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將第二配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像。

在一個(gè)示例性地實(shí)現(xiàn)過程中，第三配準(zhǔn)模塊540在用于基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將所述第二配準(zhǔn)圖像配準(zhǔn)至所述第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像時(shí)，具體用于：分別在第一醫(yī)學(xué)圖像和第二配準(zhǔn)圖像中確定指定像素點(diǎn)；利用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法，對(duì)第一醫(yī)學(xué)圖像和第二配準(zhǔn)圖像中的指定像素點(diǎn)進(jìn)行訓(xùn)練，得到指定像素點(diǎn)的特征信息；根據(jù)特征信息，計(jì)算第三空間變換模型的參數(shù)；根據(jù)參數(shù)，對(duì)第二配準(zhǔn)圖像進(jìn)行第三空間變換模型對(duì)應(yīng)的變換，得到第三配準(zhǔn)圖像。

在一個(gè)示例性地實(shí)現(xiàn)過程中，非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法采用卷積棧式自編碼訓(xùn)練方式；第三配準(zhǔn)模塊540在用于利用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法，對(duì)第一醫(yī)學(xué)圖像和第二配準(zhǔn)圖像中的指定像素點(diǎn)進(jìn)行訓(xùn)練，得到指定像素點(diǎn)的特征信息時(shí)，具體用于：以指定像素點(diǎn)為中心，提取三維小塊作為非監(jiān)督深度學(xué)習(xí)的樣本，并從樣本獲取指定像素點(diǎn)的特征信息。

在一個(gè)示例性地實(shí)現(xiàn)過程中，第三空間變換模型的參數(shù)為第二配準(zhǔn)圖像相對(duì)第一醫(yī)學(xué)圖像的形變場(chǎng)；第三配準(zhǔn)模塊540在用于根據(jù)特征信息，計(jì)算第三空間變換模型的參數(shù)時(shí)，具體用于：根據(jù)指定像素點(diǎn)的特征信息，獲取指定像素點(diǎn)的六鄰域空間信息；根據(jù)指定像素點(diǎn)的六鄰域空間信息進(jìn)行置信度傳播，并獲取置信度傳播的信任向量；根據(jù)置信度傳播的信任向量確定第二配準(zhǔn)圖像的指定像素點(diǎn)相對(duì)所述第一醫(yī)學(xué)圖像的指定像素點(diǎn)的偏移值；根據(jù)偏移值確定第二配準(zhǔn)圖像相對(duì)第一醫(yī)學(xué)圖像的形變場(chǎng)。

在一個(gè)示例性地實(shí)現(xiàn)過程中，醫(yī)學(xué)圖像處理裝置還可以包括：第一選擇及計(jì)算模塊，用于從第一醫(yī)學(xué)圖像確定第一選定區(qū)域，并計(jì)算第一選定區(qū)域中灰度值處于設(shè)定范圍的第一像素點(diǎn)數(shù)目；第二選擇及計(jì)算模塊，用于從第三配準(zhǔn)圖像確定與第一選定區(qū)域相對(duì)應(yīng)的第一對(duì)應(yīng)區(qū)域，并計(jì)算第一對(duì)應(yīng)區(qū)域中灰度值處于設(shè)定范圍的第二像素點(diǎn)數(shù)目；數(shù)目獲取模塊，用于根據(jù)第一像素點(diǎn)數(shù)目、第二像素點(diǎn)數(shù)目，獲取第一醫(yī)學(xué)圖像相對(duì)第二醫(yī)學(xué)圖像像素點(diǎn)發(fā)生變化的數(shù)目。

在一個(gè)示例性地實(shí)現(xiàn)過程中，醫(yī)學(xué)圖像處理裝置還可以包括：減影模塊，用于將第一醫(yī)學(xué)圖像與第三配準(zhǔn)圖像進(jìn)行相減處理，得到減影圖像。

在一個(gè)示例性地實(shí)現(xiàn)過程中，醫(yī)學(xué)圖像處理裝置還可以包括：融合模塊，用于將減影圖像與第一醫(yī)學(xué)圖像作融合處理，得到融合圖像。

由于本實(shí)施例中的醫(yī)學(xué)圖像處理裝置能夠執(zhí)行前述實(shí)施例一中的醫(yī)學(xué)圖像處理方法，本實(shí)施例未詳細(xì)描述的部分，可參考對(duì)前述實(shí)施例一中醫(yī)學(xué)圖像處理方法的相關(guān)說明。

本發(fā)明實(shí)施例提供的醫(yī)學(xué)圖像處理裝置，分別基于第一空間變換模型、第二空間變換模型將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，分別可實(shí)現(xiàn)兩圖像主結(jié)構(gòu)的對(duì)齊以及肺部感興趣區(qū)域的對(duì)齊，隨后基于肺部區(qū)域包含多個(gè)血管的特點(diǎn)，提取肺部中的血管微細(xì)結(jié)構(gòu)，對(duì)該血管微細(xì)結(jié)構(gòu)進(jìn)行基于非監(jiān)督深度學(xué)習(xí)的精配準(zhǔn)，提高了醫(yī)學(xué)圖像配準(zhǔn)的精度，且魯棒性更強(qiáng)。在不同時(shí)刻圖像配準(zhǔn)基礎(chǔ)上獲得的減影圖像，可有效減小由于肺部微細(xì)結(jié)構(gòu)未配準(zhǔn)對(duì)減影圖像的影響，減小減影圖像中產(chǎn)生的偽影，提高信噪比。

實(shí)施例三

本發(fā)明實(shí)施例提供一種醫(yī)學(xué)圖像處理設(shè)備，該設(shè)備包括：處理器；用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；處理器被配置為：接收指定目標(biāo)的第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像，第二醫(yī)學(xué)圖像的成像時(shí)間早于第一醫(yī)學(xué)圖像的成像時(shí)間；基于第一空間變換模型，將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第一配準(zhǔn)圖像；基于第二空間變換模型，將第一配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第二配準(zhǔn)圖像；基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將第二配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像。

其中，醫(yī)學(xué)圖像處理設(shè)備可以是計(jì)算機(jī)。

圖6是醫(yī)學(xué)圖像處理設(shè)備的簡(jiǎn)化框圖。參見圖6，該醫(yī)學(xué)圖像處理設(shè)備600可以包括與一個(gè)或多個(gè)數(shù)據(jù)存儲(chǔ)工具連接的處理器601，該數(shù)據(jù)存儲(chǔ)工具可以包括存儲(chǔ)介質(zhì)606和內(nèi)存單元604。醫(yī)學(xué)圖像處理設(shè)備600還可以包括輸入接口605和輸出接口607，用于與另一裝置或系統(tǒng)進(jìn)行通信。被處理器601的cpu執(zhí)行的程序代碼可存儲(chǔ)在內(nèi)存單元604或存儲(chǔ)介質(zhì)606中。

醫(yī)學(xué)圖像處理設(shè)備600中的處理器601調(diào)用存儲(chǔ)在內(nèi)存單元604或存儲(chǔ)介質(zhì)606的程序代碼，執(zhí)行下面各步驟：

接收指定目標(biāo)的第一醫(yī)學(xué)圖像和第二醫(yī)學(xué)圖像，第二醫(yī)學(xué)圖像的成像時(shí)間早于第一醫(yī)學(xué)圖像的成像時(shí)間；

基于第一空間變換模型，將第二醫(yī)學(xué)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第一配準(zhǔn)圖像；

基于第二空間變換模型，將第一配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第二配準(zhǔn)圖像；

基于第三空間變換模型，采用非監(jiān)督深度學(xué)習(xí)的配準(zhǔn)方法將第二配準(zhǔn)圖像配準(zhǔn)至第一醫(yī)學(xué)圖像，得到第三配準(zhǔn)圖像。

可選地，醫(yī)學(xué)圖像處理設(shè)備600中的處理器601可以從第一醫(yī)學(xué)圖像確定第一選定區(qū)域，并計(jì)算第一選定區(qū)域中灰度值處于設(shè)定范圍的第一像素點(diǎn)數(shù)目；從第三配準(zhǔn)圖像確定與第一選定區(qū)域相對(duì)應(yīng)的第一對(duì)應(yīng)區(qū)域，并計(jì)算第一對(duì)應(yīng)區(qū)域中灰度值處于設(shè)定范圍的第二像素點(diǎn)數(shù)目；根據(jù)第一像素點(diǎn)數(shù)目、第二像素點(diǎn)數(shù)目，獲取第一醫(yī)學(xué)圖像相對(duì)第二醫(yī)學(xué)圖像像素點(diǎn)發(fā)生變化的數(shù)目。

醫(yī)學(xué)圖像處理設(shè)備600中的處理器601還可將第一醫(yī)學(xué)圖像與第三配準(zhǔn)圖像進(jìn)行相減處理，得到第一醫(yī)學(xué)圖像與第二醫(yī)學(xué)圖像的減影圖像。進(jìn)一步地，醫(yī)學(xué)圖像處理設(shè)備600中的處理器601還可執(zhí)行如下步驟：將減影圖像與第一醫(yī)學(xué)圖像作融合處理，得到融合圖像。

進(jìn)一步地，醫(yī)學(xué)圖像處理設(shè)備600還可包括顯示器，顯示器可成行或成列的顯示減影圖像、第一醫(yī)學(xué)圖像和/或所述第二醫(yī)學(xué)圖像；或者，顯示器可以成行或成列的顯示第一醫(yī)學(xué)圖像、第二醫(yī)學(xué)圖像、減影圖像和融合圖像。

圖7是醫(yī)學(xué)圖像處理設(shè)備600的顯示器的顯示界面示例圖，如圖7所示，整個(gè)顯示界面可分為r1、r2、r3、r4和r5等多個(gè)區(qū)域。其中，左上角r1為第二醫(yī)學(xué)圖像的顯示區(qū)域，第二醫(yī)學(xué)圖像如病人治療前的圖像；r2為第一醫(yī)學(xué)圖像的顯示區(qū)域，第一醫(yī)學(xué)圖像如病人治療后的圖像；r3為vr(virtualreality)區(qū)域，該區(qū)域可動(dòng)態(tài)顯示第一醫(yī)學(xué)圖像與第二醫(yī)學(xué)圖像的配準(zhǔn)過程和/或減影過程，可選地，該區(qū)域還設(shè)置有切換vr模板的按鈕、視野切換按鈕(全局或局部)；r4為減影圖像顯示區(qū)域；r5可顯示量化的自動(dòng)檢測(cè)結(jié)果和工具欄。在此實(shí)施例中，r5區(qū)域可顯示第一醫(yī)學(xué)圖像中的選定區(qū)域相對(duì)第二醫(yī)學(xué)圖像的區(qū)域的體積變化情況，其中，“+”表示體積增加；“-”表示體積減小，醫(yī)生可根據(jù)量化的結(jié)果確定病灶區(qū)域。工具欄可包括切換布局按鈕、層厚選擇按鈕、視野選擇按鈕、翻頁(yè)/指針、調(diào)窗、縮放、平移、標(biāo)注、保存以及打印、測(cè)量等多種工具選項(xiàng)，還可包括保存書簽工具，以在特定圖像切片層設(shè)置標(biāo)簽。

上述實(shí)施例中，存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器(read-onlymemory，rom)，或是可讀寫的，例如硬盤、閃存。內(nèi)存單元可為隨機(jī)存取存儲(chǔ)器(randomaccessmemory，ram)。內(nèi)存單元可與處理器物理集成或集成在存儲(chǔ)器中或構(gòu)建為單獨(dú)的單元。

處理器為上述設(shè)備(該設(shè)備為上述服務(wù)器或者上述客戶端)的控制中心，并提供處理裝置，用于執(zhí)行指令，進(jìn)行中斷操作，提供計(jì)時(shí)功能以及多種其他功能?？蛇x地，處理器包括一個(gè)或多個(gè)中央處理單元(cpu)，例如圖6中示出的cpu0和cpu1。上述設(shè)備中包括一個(gè)或者多個(gè)的處理器。處理器可為單核(單cpu)處理器或多核(多cpu)處理器。除非另有聲明，描述為用于執(zhí)行任務(wù)的例如處理器或存儲(chǔ)器的部件可實(shí)現(xiàn)為通用部件，其暫時(shí)用于在給定時(shí)間執(zhí)行任務(wù)，或?qū)崿F(xiàn)為專門制造用于執(zhí)行該任務(wù)的特定部件。此處所用的術(shù)語“處理器”指一個(gè)或多個(gè)裝置，電路和/或處理核，用于處理數(shù)據(jù)，例如計(jì)算機(jī)程序指令。

被處理器的cpu執(zhí)行的程序代碼可存儲(chǔ)在內(nèi)存單元或存儲(chǔ)介質(zhì)中?？蛇x地，存儲(chǔ)在存儲(chǔ)介質(zhì)中的程序代碼可以被復(fù)制入內(nèi)存單元以便處理器的cpu執(zhí)行。處理器可執(zhí)行至少一個(gè)內(nèi)核(例如linux^tm、unix^tm、windows^tm、android^tm、ios^tm)，眾所周知，該內(nèi)核用于通過控制其他程序或過程的執(zhí)行、控制與外圍裝置的通信以及控制計(jì)算機(jī)設(shè)備資源的使用來控制上述設(shè)備的操作。

上述設(shè)備中的上述元件可通過總線彼此連接，總線例如數(shù)據(jù)總線、地址總線、控制總線、擴(kuò)展總線和局部總線之一或其任意組合。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。

在本方案所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如，多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本方案各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。

以上所述僅為本方案的較佳實(shí)施例而已，并不用以限制本方案，凡在本方案的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本方案保護(hù)的范圍之內(nèi)。