一种联合空域和时域信息的4D‑CT形变配准方法

摘要

本发明公开了一种联合空域和时域信息的4D‑CT形变配准方法，采用双树复小波变换建立形变模型，定量描述4D‑CT不同时相空间域上的形变，通过Navier偏微分方程来建立形变能量函数和外力约束函数，由粗及精地估计表示空间域形变特征的小波系数；同时采用基于B样条的周期时域模型来描述序列图像在时域上的周期性和连续性，并采用分段平滑约束函数保证呼吸运动模型的准确性，从而准确描述4D‑CT序列图像中的肿瘤靶区和危及器官运动规律，对定量分析胸腹部肿瘤和危及器官的运动规律具有重要意义。

主权项

一种联合空域和时域信息的4D‑CT形变配准方法，其特征是，包括以下步骤：第一步：从临床数据中获取N个时相图像数据，从获取的N个时相中任取两个时相图像，分别定义为参考图像和目标图像，并去除伪影、噪声成分；第二步：将参考图像和目标图像进行多尺度小波分解，对N个时相图像进行形变配准，获得不同时相图像之间的形变规律，即形变域；第三步：对所述形变域进行三维小波分解，将小波系数根据不同尺度和不同方向进行分类，并假设这些不同类型的小波系数分别表达不同的形变特征，利用Marquardt‑Levenberg优化算法对上述小波系数进行估计；根据所需的配准精度控制小波系数在某个尺度上收敛；第四步：将4D‑CT序列图像用一个强度函数F(i，k)来表示，其中，i和k分别是N个呼吸时相的空域和时域样本；采用双树复小波变换建立形变模型表示不同时相图像空域间的形变域，采用基于B样条的周期时域模型来描述序列图像时域间的相关性；第五步：建立目标图像变换模型，选取小波系数为变换参数，对目标图像进行变换；经过插值算法，利用相似性测度函数计算变换后的目标图像与参考图像之间的相似性测度，判断所得相似性测度值是否达到了全局最优值；第六步：如果没有寻找到全局最优值，则循环进行第五步，为目标图像变换模型提供下一个小波变换系数进行变换，继续计算相似性测度值；当优化算法判定相似性测度值达到全局最优值时，配准过程结束，输出最终的小波变换系数；第七步：将输出的小波系数代入目标图像变换模型对目标图像进行形变变换；所述第四步的具体方法为：采用基于B样条的周期时域模型来描述序列图像时域上的相关性，将肿瘤的运动轨迹建模为基于B样条的时域平滑函数；同时考虑呼吸运动中吸气末至呼气始时刻器官运动方向的快速反向转换，建立分段约束函数，保证整个呼吸运动轨迹平滑的同时，保持呼吸轨迹在吸气末处运动轨迹的准确性；采用双树复小波变换来表达4D‑CT不同时相的呼吸运动相关序列图像的形变域，将形变域建模为小波系数的函数；通过Navier偏微分方程来建立形变能量函数，由粗及精地估计表示空间域形变特征的小波系数。