基于图像配准的心脏冠脉CTA模型建立方法

摘要

本发明提出了基于图像配准的心脏冠脉CTA模型建立方法。其步骤包括：对心脏CTA实验数据进行预处理，随后，利用图像的配准算法，将实验数据映射到同一坐标空间下；然后，利用形状平均方法对8个映射到同一坐标空间下的分割标记图求平均，多次迭代配准，建立具有一定泛化能力的心脏冠脉CTA模型。利用建立的CTA模型和配准算法，对未知待检测心脏CTA数据进行分割；本发明主要提出了一种基于图像配准的心脏冠脉CTA模型的建立方法，通过对已有实验数据进行配准，建立一个具有一定泛化能力的CTA模型，利用该模型，对未知的心脏CTA数据，可以进行自主分割以及中心线的提取，为临床医学工作者提供辅助诊断。

权利要求

1.基于图像配准的心脏冠脉CTA模型建立方法，其特征在于，所述的心脏冠脉CTA模型建立方法包括：对心脏CTA实验数据进行预处理、图像配准、利用形状平均方法进行图像融合、图像迭代及建立模型。

2.根据权利要求1所述的基于图像配准的心脏冠脉CTA模型建立方法，其特征在于，所述的心脏冠脉CTA模型建立方法的具体操作步骤如下：

2.1、对心脏冠脉CTA数据进行预处理，去除心脏冠脉CTA中的原始数据中的噪声：利用软件对原始实验数据进行处理，去除影响后续配准工作中的噪声，以提高配准精度；

2.2、图像配准:对预处理之后的图像进行配准，分别研究仿射变换和B样条可变形变换两种配准算法，比较两种方法的配准效果，结合两种配准算法，将实验数据映射到同一空间坐标系之下；

2.3、利用形状平均方法进行图像融合：对映射到同一空间坐标系下的实验数据，利用形状平均方法，将这些数据融合成一个心脏CTA模型；

2.4、图像迭代：以上述步骤中得到的模型为参考图像，以预处理得到的实验数据为待配准图像，所述2.2、2.3步骤；

2.5、建立模型：多次迭代之后，将误差降低到设定的阈值以下，建立一个具有一定泛化能力的基于图像配准的心脏冠脉CTA模型。

3.根据权利要求1所述的基于图像配准的心脏冠脉CTA模型建立方法，其特征在于，所述的图像配准包括刚体变换、仿射变换、B样条可变形变换。

4.根据权利要求2所述的基于图像配准的心脏冠脉CTA模型建立方法，其特征在于，所述的原始的心脏实验数据，像素值的范围在-1000到2000素值之间，所述素值中包含了大量的噪声成分，包括组织液，细胞等心脏本身携带的噪声和医学影像采集过程中加入的噪声。

说明书

基于图像配准的心脏冠脉CTA模型建立方法

技术领域

[0001] 本发明涉及医学图像处理技术领域。提出了一种基于图像配准的心脏冠脉CTA模型建立方法。主要用于自动分割心脏的四个腔体，帮助自动定位冠脉的初始位置，为临床工作者研究冠脉位置的提取与分割准备等方面。

背景技术

[0002] CTA(Computed Tomography Angiography)是CT血管造影，是通过外周静脉内注射对比剂扫描后，采用三维成像诊断血管性疾病的方法；与常规X线血管造影相比，CTA的诊断准确率较高；属于无创或微创检查；三维重组显示立体结构清楚，在一定范围内可替代常规血管造影。

[0003] 当前，心血管疾病已成为人类生命健康的重大威胁之一，发病率和死亡率都居于各类疾病之首，而我国正是世界上心血管疾病发病率和死亡率最高的国家之一；据卫生部的公布的统计资料显示：我国心血管病人已经超过了1.5亿人口，其中每年死于相关疾病的人口更是达到了400万以上，这占了各类疾病导致的死亡人数的50％，约占世界心血管疾病死亡率的24％，并且呈现明显的上升趋势；心脏冠脉CTA模型有利于临床医学工作者对患者心脏的整体情况进行初步分析，为下一步心血管疾病的筛查和诊断做好准备，因此心脏冠脉CTA模型就变得极为重要。

[0004] 随着科学技术的不断发展，医学图像的采集获得了迅猛发展，计算机技术的加入，使得医学图像的计算机处理获得了更广泛的研究和关注；影像诊断虽然较传统方式更为直观和方便，但也受到许多原因和条件的限制，在更多的情况下，医生仍然是依据现代影像提供的形态信息做出判断；由于病人的个体差异以及医生对影像信息把握的局限性，使得医生工作强度大，容易出现判断失误；因此，怎么对采集到的实验数据进行自动分割代替临床工作者的手动分割，怎么自动定位冠脉的初始位置越来越成为了研究的热点。

[0005] 在计算机辅助诊断系统中，图像配准是其中的一个重要组成部分；在做医学图像分析时，经常要将同一患者几幅图像放在一起分析，从而得到该患者的多方面的综合信息，提高医学诊断和治疗的水平；对几幅不同的图像作定量分析，首先要解决这几幅图像的严格对齐问题,这就是我们所说的图像的配准；常见的配准算法包括刚体变换、仿射变换、B样条可变形变换等等；本发明所提供的方法主要研究仿射变化和B样条可变形变换，仿射变换是图像配准算法中最常见的算法；仿射变换将直线映射为直线，并保持平行性。具体表现可以是各个方向尺度变换系数一致的均匀尺度变换或变换系数不一致的非均匀尺度变换及剪切变换等；B样条可变形变换在研究腹部、胸部脏器的图像配准时，不自主的生理运动或患者移动等使其内部的器官和组织的位置、尺寸和形状发生改变，或者由于手术干涉产生的组织或器官的变形等方面有更好的效果，本发明基于上述方法，建立了一个具有一定泛化能力的心脏冠脉CTA模型。

发明内容

[0006] 针对上述问题，本发明主要用于解决心脏医学影像无法进行自动分割，冠脉的初始位置无法自动定位，需要临床医学工作者进行手动分割，从而资源的浪费以及失误率较高的问题。

[0007] 本发明的技术方案是：基于图像配准的心脏冠脉CTA模型建立方法，所述的心脏冠脉CTA模型建立方法包括：对心脏CTA实验数据进行预处理、图像配准、利用形状平均方法进行图像融合、图像迭代及建立模型。

[0008] 所述的心脏冠脉CTA模型建立方法的具体操作步骤如下：

[0009] 1.1、对心脏冠脉CTA数据进行预处理，去除心脏冠脉CTA中的原始数据中的噪声：利用软件对原始实验数据进行处理，去除影响后续配准工作中的噪声，以提高配准精度；

[0010] 1.2、图像配准:对预处理之后的图像进行配准，分别研究仿射变换和B样条可变形变换两种配准算法，比较两种方法的配准效果，结合两种配准算法，将实验数据映射到同一空间坐标系之下；

[0011] 1.3、利用形状平均方法进行图像融合：对映射到同一空间坐标系下的实验数据，利用形状平均方法，将这些数据融合成一个心脏CTA模型；

[0012] 1.4、图像迭代：以上述步骤中得到的模型为参考图像，以预处理得到的实验数据为待配准图像，所述1.2、1.3步骤；

[0013] 1.5、建立模型：多次迭代之后，将误差降低到设定的阈值以下，建立一个具有一定泛化能力的基于图像配准的心脏冠脉CTA模型。

[0014] 所述的图像配准包括刚体变换、仿射变换、B样条可变形变换。

[0015] 所述的原始的心脏实验数据，像素值的范围在-1000到2000素值之间，所述素值中包含了大量的噪声成分，包括组织液，细胞等心脏本身携带的噪声和医学影像采集过程中加入的噪声。

[0016] 本发明的有益效果是：本发明主要用于解决心脏医学影像无法进行自动分割，冠脉的初始位置无法自动定位的问题。以往的心脏医学影像的分割需要临床工作者手动进行操作，容易造成误差以及资源的浪费。本发明重点研究图像配准算法来建立具有一定泛化能力的模型，主要分析了仿射变换和B样条可变形变换两种配准算法，利用形状平均方法将实验数据融合成一个模型，并经过多次迭代，提高了所建模型的准确性。

附图说明

[0017] 图1本发明流程示意图；

[0018] 图2-图9是经过预处理之后的原始数据；

[0019] 图10是本发明建立的模型。

具体实施方式

[0020] 下面就具体实施方式，进一步阐明本发明，应理解这些实施方式仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

[0021] 为了理解本发明，下面对本发明进行进一步的详细说明。

[0022] 基于图像配准的心脏冠脉CTA模型建立方法，所述的心脏冠脉CTA模型建立方法包括：对心脏CTA实验数据进行预处理、图像配准、利用形状平均方法进行图像融合、图像迭代及建立模型。

[0023] 所述的心脏冠脉CTA模型建立方法的具体操作步骤如下：

[0024] 1.1、对心脏冠脉CTA数据进行预处理，去除心脏冠脉CTA中的原始数据中的噪声：利用软件对原始实验数据进行处理，去除影响后续配准工作中的噪声，以提高配准精度；

[0025] 1.2、图像配准:对预处理之后的图像进行配准，分别研究仿射变换和B样条可变形变换两种配准算法，比较两种方法的配准效果，结合两种配准算法，将实验数据映射到同一空间坐标系之下；

[0026] 1.3、利用形状平均方法进行图像融合：对映射到同一空间坐标系下的实验数据，利用形状平均方法，将这些数据融合成一个心脏CTA模型；

[0027] 1.4、图像迭代：以上述步骤中得到的模型为参考图像，以预处理得到的实验数据为待配准图像，所述1.2、1.3步骤；

[0028] 1.5、建立模型：多次迭代之后，将误差降低到设定的阈值以下，建立一个具有一定泛化能力的基于图像配准的心脏冠脉CTA模型。

[0029] 所述的图像配准包括刚体变换、仿射变换、B样条可变形变换。

[0030] 所述的原始的心脏实验数据，像素值的范围在-1000到2000素值之间，所述素值中包含了大量的噪声成分，包括组织液，细胞等心脏本身携带的噪声和医学影像采集过程中加入的噪声。

[0031] 如图1所示，本发明所提供的一种基于图像配准的心脏冠脉CTA模型的建立方法，包括如下步骤：

[0032] 1、数据预处理，去除原始数据中的噪声：

[0033] 对于原始的心脏实验数据，像素值的范围在-1000到2000之间，其中包含了大量的噪声成分，包括组织液，细胞等心脏本身携带的噪声和医学影像采集过程中加入的噪声。为了减少这些噪声对后续配准工作的影响，本发明首先使用软件删除实验数据中像素值为0的部分，并将剩余的部分平均分配到0～1024像素值范围之内，以提高后续配准过程的精确度。

[0034] 2、图像配准：

[0035] 本发明在配准过程中主要研究了两种配准算法：仿射变换和B样条可变形变换。如果在映射过程中，源图像中的直线经过变换后，在目标图像中仍为直线，而且两直线具有平行映射关系，这种变换称为仿射变换。仿射变换可以分解为线性变换和平移变换。点(x,y)经过仿射变换到(x',y')的变换公式可以表示为：

[0036]

[0037] 其中， 为线性变换矩阵。

[0038] 在组织器官配准过程中，由于组织器官的结构复杂，往往刚体和仿射变换不能够满足配准的要求，很难精确地完成配准。为了能够很精确的完成配准，这时候需要引进B样条可变形变换。通过操作嵌入形变图像的网格上的网格点，来控制图像的形变。B样条网格控制点定义了B样条自由形变的参数，同时也决定了形变的自由度。网格控制点的分辨率对B样条自由形变的过程有着重要的影响，稀疏的网格点可以模仿图像的全局变换，密集的网格点可以模仿图像的精确局部变换。网格点的分辨率决定着形变的自由度，关系着整个形变的复杂度。例如：B样条自由形变定义了10*10*10的网格点，就拥有了3000个自由度。本发明先采用仿射变换进行全局的粗配准，在利用B样条可变形变换进行精确配准，在保证准确性的前提下，减少了配准过程消耗的资源。

[0039] 3、图像融合：

[0040] 对于8组实验数据，以其中1组实验数据为参考图像，将其他7组实验数据配准到该参考图像所在的空间坐标之下。对于同一空间坐标系下的实验数据，利用形状平均方法(Shape-based Averaging)将这些数据融合成一个图像。

[0041] 4、图像迭代：

[0042] 以上步骤三所得到的图像为参考图像，将另外8组实验数据作为待配准图像，再次进行配准。重复上述两个步骤的过程，直至误差降低到设定的阈值范围以下。

[0043] 5、建立模型：

[0044] 以最终得到的实验数据建立一个具有一定泛化能力的心脏冠脉CTA模型。该模型可以帮助临床医学工作者自动分割心脏腔体，自动提取中心线。将临床医学工作者从手动分割心脏冠脉的工作中解放出来，节约医疗资源。

[0045] 实施例说明

[0046] 图2到图9是实验采用的8个原始数据，经过软件经过去噪处理，图10是经过多次配准迭代产生的新的心脏模型，具有一定的泛化能力。

[0047] 本发明主要用于解决心脏医学影像无法进行自动分割，冠脉的初始位置无法自动定位的问题。以往的心脏医学影像的分割需要临床工作者手动进行操作，容易造成误差以及资源的浪费。本发明重点研究图像配准算法来建立具有一定泛化能力的模型，主要分析了仿射变换和B样条可变形变换两种配准算法，利用形状平均方法将实验数据融合成一个模型，并经过多次迭代，提高了所建模型的准确性。