胸部多模医学图像快速配准

Ｃｏｍｐｕ把ｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用２００９，４５（３３）２２７胸部多模医学图像快速配准李彬ｔ，欧陕兴２，田联房－，余霞、ＩＬＩＢｉｎｌ，ＯＵＳｈａｎ－ｘｉｎ９２，ＴＩＡＮＬｉａｎ－ｆａｎ９１，ＹＵＸｉａ

１．华南理工大学自动化科学与工程学院，广州５１０６４０２．广州军区广州总医院放射科，广州５１００１０１．ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０６４０，Ｃｈｉｎａ２．Ｄｅｐｔ．ｏｆＲａｄｉｏｌｏｇｙａｎｄＰｅｄｉａｔｒｉｃｓ，ＧｕａｎｇｚｈｏｕＧｅｎｅｒａｌＨｏｓｐｉｔａｌｏｆＧｕａｎｇｚｈｏｕＣｏｍｍａｎｄ，Ｇｕａｎｇｚｈｏｕ５１００１０，ＣｈｉｎａＥ－ｍａｉｌ：ｂｉｎｌｅｅｍｍｂｏｙ＠ｙａｈｏｏ．ｃｏｒｎ．ｃａ

ＬＩＢｉｎ，ＯＵＳｈａｎ－ｘｉｎｇ，ＴＩＡＮＬｉａｎ－ｆａｎｇ．ｅｔａ１．Ｒａｐｉｄｔｈｏｒａｘｍｕｌｔｉｍｏｄａｌｍｅｄｉｃａｌｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ

ａｎｄＡｐｐｆｉｃａｔｉｏｎｓ．２００９．４５（３３）：２２７－２３２．

Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｒｅａｌｉｚｅｔｈｅａｕｔｏｍａｔｉｃｒｅｇｉｓｔｒａｔｉｏｎｏｆｔｈｏｒａｘｍｕｌｔｉｍｏｄａｌｍｅｄｉｃａｌｉｍａｇｅｓ，ａｒａｐｉｄｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｈｉｅｒａｒｃｈｉｃａｌａｄａｐｔｉｖｅｆｒｅｅ－ｆｏｒｎｌｄｅｆｏｒｍａｔｉｏｎｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｅｄｇｅｏｆｔｈｏｒａｘｉｓｅｘｔｒａｃｔｅｄｂｙＣ－Ｖｌｅｖｅｌｓｅｔｓ

ａｌｇｏ－

ｒｉｔｈｍ，ａｎｄｆｅａｔｕｒｅｐｏｉｎｔｓａｒｅｍａｔｃｈｅｄａｕｔｏｍａｔｉｃａｌｌｙｗｈｉｃｈｉｓｂａｓｅｄｏｎｐａｒａｌｌｅｌｃｏｍｐｕｔｉｎｇｍｅｔｈｏｄ．Ｔｈｅｎ，ｔｈｅｇｌｏｂａｌｃｏａｒｓｅｒｅｇｉｓｔｒａ－

ｔｉｏｎｏｆｔｈｏｒａｘｍｕｈｉｍｏｄａｌｍｅｄｉｃａｌｉｍａｇｅｓｉｓｍｏｄｅｌｅｄｂｙｐｒｉｎｃｉｐａｌａｘｅｓａｌｇｏｒｉｔｈｍ．Ｆｉｎａｌｌｙ，ｔｈｅｌｏｃａｌｆｉｎｅｒｅｇｉｓｔｒａｔｉｏｎｏｆｔｈｏｒａｘｍｕｈｉｍｏｄａｌｍｅｄｉｃａｌｉｍａｇｅｓｉａｒｅａｌｉｚｅｄｂｙａＦｒｅｅ—ＦｏｒｍＤｅｆｏｒｍａｔｉｏｎ（ＦＦＤ）ｂａｓｅｄｏｎｈｉｅｒａｒｃｈｉｃａｌＢ－ｓｐｌｉｎｅｓ．Ｍｏｒｅｏｖｅｒ，ｔｈｅＦＦＤｐａｒａｍｅｔｅｒｓａｌｅｇｅｎｅｒａｔｅｄｒａｐｉｄｌｙｂｙｇｒａｄｉｅｎｔｄｅｓｃｅｎｔａｎｄｍａｘｉｍｉｚａｔｉｏｎｏｆｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔｓｄｅｍｏｎｓｔｒａｔｅｔｈｅｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ．

Ｋｅｙｗｏｒｄｓ：ａｄａｐｔｉｖｅｆｒｅｅ－ｆｏｒｍｄｅｆｏｒｍａｔｉｏｎ；ｍｕｈｉｍｏｄａｌｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ；ｈｉｅｒａｒｃｈｉｃａｌＢ—ｓｐｌｉｎｅ；ｇｒａｄｉｅｎｔｄｅｓｃｅｎｔ；ｐａｒａｌｌｅｌｃｏｒｎ－ｐｕｔｉｎｇ；ｌｅｖｅｌｓｅｔｓｍｅｔｈｏｄ

摘要：为了实现胸部多模态医学图像的自动配准，提出了一种基于层次Ｂ样条自适应自由变形的快速配准方法。首先采用Ｃ—Ｖ水平集方法实现感兴趣区域的提取，并基于并行计算实现自动配对特征点；接着，采用矩主轴法对多模医学图像进行全局粗配准；最后。基于层次Ｂ样条自适应自由变形法对多模态医学图像进行自动细配准，并且采用梯度下降法以及最大信息熵准则加速求自由变形系数。实验证明该方法不仅效率高，而且配准效果好。关键词：自适应自由变形法；多模图像配准；层次Ｂ样条；梯度下降；并行计算；水平集方法ＤＯＩ：１０．３７７８／ｊ．ｉｓｓｎ．１００２－８３３１．２００９．３３．０７１文章编号：１００２—８３３１（２００９）３３－－０２２７－０６文献标识码：Ａ中图分类号：ＴＰ３９１．４；Ｒ３１９

在胸部临床诊断中通常需要对同一个病人进行多种模式或同一种模式的多次成像，即同时从几幅图像获得信息，进行信息融合、综合分析。单一模式成像只使用一种成像没备，可用于观察病灶生长。对比手术前后的治疗效果等。当一种成像设备所提供的信息不能满足需要时，可以采用多种模式成像。医学图像的配准是融合的基础。胸部医学图像的配准方法可分为刚性配准、仿射配准和弹性配准【ｌ－３］。在胸部脏器临床诊断的应用中，配准方法是计算时间和精确性、鲁棒性要求的一个折衷。提供一个与人工指导配准精确性相当而且快速的自动配准方法，仍然是—个大的挑战。在研究胸部脏器的图像配准中，由于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，因此，在肺脏临床诊断的应用中必须采用ｔＰｔｄｌ｝性配准技术。同薄板样条相比，基于Ｂ样条的自由变形法町以控制局部变形，改变控制点只影响它附件局部领域的形状改变。而较于Ｂ样条，层次Ｂ样条自适应自由变形法对浮动图像的变形有着更好的平滑性和精确性㈣。因此，将研究基于层次Ｂ样条自适应自由变形法对多模态医学图像进行自动细配准。胸部医学图像非刚性配准的过程运算量非常大，通常无法满足ｌ｝盎ｉ床上：实时处理的要求，因而必须采取优化措施。将基于并行算法加速实现特征点的配对。此外，自由变形法和最大互信息法是非线性算法，因此，其优化问题町以归结为多目标的非线性规划｜、ｕＪ题。研究梯度下降法以及最大信息熵准则加速求自由变形系数。

基金项日：国家自然科学基金（ｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔＮｏ．３０５７０４５８）；广东省自然科学基金博士启动资助项目（Ｎｏ．８４５１０６４１０１０００６３１）。作者简介：李彬（１９７９一），男，讲师，博士，在站博士后，主要研究方向：医学图像处理与模式识别、科学计算可视化；欧陕兴（１９５５一），男，主任医师．博士，主要研究方向：影像诊断学、心胸少见病ｃＴ诊断；田联房（１９６８一），男，教授．博士，主要研究方向：生物医学工程、机器人视党伺服控制、模式识别及智能控制；余霞（１９８４一），女。硕士研究生，主要研究方向：图像处理与模式识别。收稿口期：２００９－０１—２２修州口期：２００９—０４—０３

万方数据ＣｏｍｐｕｍｒＥｎ∥ｎｅｅｎｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用综合以上考虑，提出了一种基于自适应自由变形法的快速配准方法。算法首先采用ｃ—Ｖ水平集方法嗍实现感兴趣区域的提取，并基于并行计算实现自动配对特征点；接着，采用矩主轴法对多模医学图像进行全局粗配准；最后，基于层次Ｂ样条自适应自由变形法对多模态医学图像进行自动细配准，并且采用梯度下降法以及最大信息熵准则加速求自由变形系数。实验证明该方法不仅效率高，而且配准效果好。１配准算法流程图提出的基于层次Ｂ样条自适应自由变形法的快速配准方法如图１所示。ＣＴ图像序列ＰＥＴ图像序列‘图像顶处理山基于Ｃ—Ｖ水平集＋并行计算的特征点自动配对０全局粗配准——矩丰轴法０局部细配准——层次Ｂ样条自适应自由变形法最终图像图Ｉ基ｆ层次Ｂ样条自适应自Ｉ｝Ｉ变形法的快速配准方法流程图２胸部多模医学图像相似性测度——瓦信息采用互信息【９］作为相似性测度。根据灰度信息的统计特性——互信息熵定义—个目标函数，作为参考图像与浮动图像之间的相似性测度。设参考图像为厶，浮动图像为，，，图像问的互信皂定义如下：ＭＩ（厶，Ｉｒ）＝Ｈ（ＩＲ）＋Ｈ（，，）一日（厶，厶）（１）式中，日（厶）、日（，，）分别为图像厶、厅的信息熵，Ｈ（ｈ，厶）是厶、，，图像的联合信息熵。当两幅图像之间严格匹配时，互信息Ⅲ（厶，厶）达到峰值。在胸部多模医学图像配准中，虽然两幅图像一般都来自于不同的成像设备，但它们基于共同的人体解剖信息，所以当两幅图像的空Ｉ’日Ｊ位置达到一致时，其中一幅图像表达另一幅图像的信息，即其互信息应为最大。Ｓｍｄｈｏｌｍｅ【９】发现互信息本身的大小与待配准两图像间的重叠度具有一定的关联性，为了消除这种关联关系，应用的标准化互信息的方法（如式（２）），实验证明它比式（１）的互信息法更具有鲁棒性。ＭＩ（ＩＲ，厶）：ｊＨ（ＩＲ）＋Ｈ！旦（２）３特征点自动配对３．１ＳＵＶ（标准摄取值）的计算主要讨论ＰＥＴ与ＣＴ的多模医学图像配准。在ＦＤＧＰＥＴ图像中通常用ＳＵＶ值∞味衡量剂量的摄取情况。肿瘤摄取的剂量比正常细胞多，因此，肿瘤部位都比正常部位要亮。高剂量吸收常用来区分肿瘤和正常组织。组织活性＇，的计算如式（３）所示。Ｙ＝ａＸ＋ｂ（３）式中，ｘ为ＰＥＴ图像的像素值，ｏ为图像的ｒｅｓｃａｌｓｌｏｐｅ值，ｂ为图像的ｒｅｓｃａｌｉｎｔｅｒｃｅｐｔ值。ＳＵＶ值是比较不『司病人肿瘤的一种定量分析的方法。对于每个体素，ＳＵＶ值的计算如式（４）所示。ＳＵＶ：！里Ｄ（４）

式中ｙ是组织活性，Ｗ是病人的体重（ｇ）。Ｄ是在扫描开始时剂量的活性（Ｂｑ）。在开始扫描时剂量的活性可由式（５）得到。ｆＤ＝ｉｎｊｅｃｔｘｅ４嘟｛Ａ：蝗（５）

１％

式中，ｉｎｊｅｃｔ是在注射时刻剂量的活性，￡ｄ沙是注射与扫描的时间间隔，％是１８Ｆ—ＦＤＧ的物理半周期为１０９．８分钟。ＳＵＶ值

越大肿瘤的恶化程度越深。肿瘤的最大ＳＵＶ值一般是７．８。ＳＵＶ值常用来区分良恶性肿瘤，一般以ＳＵＶ＝２．５作为良恶性肿瘤的分界点。ＳＵＶ值受病人的体重，注射与扫描的时间间隔等因素的影响。所以各种不『一器官和组织的ＳＵＶ阈值都不同，如果胸部肿瘤考虑到呼吸运动的影响，其ＳＵＶ值会增大。３．２基于Ｃ—Ｖ水平集与最大巨信息的并行特征点自动配对方法在胸部多模医学图像配准中，因为ＣＴ图像的分辨率比ＰＥＴ图像高，而且最能反映人体的解剖结构细节，所以以ＣＴ图像为基准对ＰＥＴ图像进行变形，也就是以ｃＴ图像作参考图

基于层次Ｂ样条自适应自由变形法（ＦＦＤ）对多模态医学图像进行自动细配准，很关键是要找合适和准确的特征点。对于胸部多模医学图像，胸擘是刚体，而胸腔内心肺等脏器是非刚体而且是运动的。在进行长时问的全身ＰＥＴ／ＣＴ扫描时，目前的ＰＥＴ／ＣＴ扫描设备ＣＴ扫描与ＰＥＴ扫描时间并不一致，位于同一层的胸部ＰＥＴ和ｃＴ图像，必然会发生形状的改变。考虑到胸壁发生形变的幅度较小，因此，定义胸部多模图像的特征点包括胸部轮廓线上的点。另一方面，考虑到如何对ＰＥＴ高亮感兴趣区域和ＣＴ对应区域进行感兴趣区域的配准，需要对ＰＥＴ图像中ＳＵＶ值较大的像素点，在ＣＴ图像中搜索其对应点作为特征点。此外，考虑到心肺脏器的运动形变，还随机选取内部分布点作为特征点。因此，在特征点自动识别中，首先基于ｃ—Ｖ水平集方法对分辨率较高、解剖细节明显的ＣＴ图像进行感兴趣区域提取；而后，在边缘内部随机选取内部分布点；接着在感兴趣区域的位置，基于并行计算和最大互信息法搜索ＰＥＴ中ＳＵＶ值较大的点（ＳＵＶ＞２．５）在ＣＴ图像中的对应点，并作为特征点；最后，基于并行计算和最大互信息法在ＰＥＴ图像搜索对应的特征点，最终完成初始特征点的自动配对。而局部的形变调整将依据后续的梯度下降法系数修正中完成。３．３基于改进Ｃ—Ｖ水平集方法的感兴趣区域提取传统的Ｓｎａｋｅ活动轮廓模型有两个主要弱点：（１）通常轮廓的初始化要接近真实的边界，否则将导致错误的结果；（２）活