一种前列腺图像融合方法

摘要

本发明公开了一种前列腺图像融合方法，所述方法包括图像采集与分割、图像标志点提取、计算映射函数f三个预处理步骤，最后根据f定位病灶区域在超声图像中的位置。本发明通过图像融合技术，能够有效提高活检系统精确度以及跟踪病灶区域的准确性。通过将核磁共振图像(MRI)和超声(US)图像的融合，将MRI图像中反映出的可疑病灶位置，在融合之后能够计算出在US图像中的位置，利用US的实时性来监控扎针位置；由此能够有效提高扎针的准确性，同时减少前列腺不必要的损伤。

主权项

一种前列腺图像融合方法，其特征在于：包括图像采集与分割、图像标志点提取、计算映射函数f三个预处理步骤，最后根据f定位病灶区域在超声图像中的位置，具体步骤如下：第一步，图像采集，通过核磁共振设备以及超声设备，获取前列腺的MRI图像和US图像，以核磁共振提供MRI图像作为精标准，然后在扎针过程由超声设备提供US图像，所述US图像是由超声棒在移动中成像，其中切片直接的距离以及US图像应能够反映出前列腺的轮廓以及三维形态；第二步，图像分割，首先根据采集前列腺样本作为前列腺分割的预判断，然后分割中通过学习算法预先选择一个最为相近的样本，最后调节图像使其能够涵盖前列腺组织的区域，由此构造出病人前列腺的实际三维图像模型；第三步，图像标志点提取，由于US图像未能够提供前列腺内部组织结构，所以需要提取能够反映出前列腺整体轮廓的三维表面的点集作为标志点，标志点的提取或者舍去的要求：a、取出单片已分割的前列腺图像数据，通过边缘检测提取出单片前列腺图像轮廓；b、设置提出标志点的步长(step)，遍历前列腺轮廓图像，每隔step提取出该点作为标志点，直至单片标志点提取完成；c、同样设置提取标志点片之间的间隔步长(step)，执行a、b直至所有片都处理完毕；第四步，假设提取的标志点为X和V，需求解出两者之间的关联函数f(x)＝z，构造能量函数：$E(M,f)=\underset{i=1}{\overset{N}{\Sigma }}\underset{a=1}{\overset{K}{\Sigma }}{m}_{\mathrm{ai}}{\left|\right|x_i-f\left(v_a\right)\left|\right|}^2+\lambda {\left|\right|\mathrm{Lf}\left|\right|}^2+T\underset{i=1}{\overset{N}{\Sigma }}\underset{a=1}{\overset{K}{\Sigma }}{m}_{\mathrm{ai}}\log m_{\mathrm{ai}}-\zeta \underset{i=1}{\overset{N}{\Sigma }}\underset{a=1}{\overset{K}{\Sigma }}{m}_{\mathrm{ai}}---\left(1\right)$其中：(a＝1,2,......,K；i＝1,2,......,N；T为退火策略中的温度参数)$y_a=\underset{i=1}{\overset{N}{\Sigma }}{m}_{\mathrm{ai}}{x}_i.$$m_{\mathrm{ai}}=\frac{1}{T}\exp (-\frac{{(x_i-f\left({\upsilon }_a\right))}^T(x_i-f\left({\upsilon }_a\right))}{2T})---\left(2\right)$$m_{K+1,i}=\frac{1}{T_0}\exp (-\frac{{(x_i-{\upsilon }_{K+1})}^T(x_i-{\upsilon }_{K+1})}{2T_0})---\left(3\right)$$m_{a,N+1}=\frac{1}{T_0}\exp (-\frac{{(x_{N+1}-f\left({\upsilon }_a\right))}^T(x_{N+1}-f\left({\upsilon }_a\right))}{2T_0})---\left(4\right)$初始化(1)中的参数，计算(2)(3)(4)，更新参数，直至能量函数收敛。在能量函数中存在T控制参数，作为模拟退火参数，再函数收敛过程中不断减小，直至函数收敛。第五步，根据f定位病灶区域在超声图像中的位置，由医生在MRI图像中勾画出的病变位置，通过形变函数f计算出在US图像中的位置；并将实际结果传送给定位扎针系统，从而准确定位病灶区域。