一种医学图像融合方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109146993A(43)申请公布日2019.01.04(21)申请号201811058185.6(22)申请日2018.09.11(71)申请人广东工业大学地址510006广东省广州市番禺区大学城外环西路100号(72)发明人方桂标徐圣兵林森林陈广诚杜钦涛(74)专利代理机构北京集佳知识产权代理有限公司11227代理人张春水唐京桥(51)Int.Cl.G06T11/00(2006.01)G06T5/50(2006.01)权利要求书2页说明书6页附图3页(54)发明名称一种医学图像融合方法及系统(57)摘要本发明公开了一种医学图像融合方法及系统，该方法包括：获取已配准的CT图像和超声图像；对CT图像和超声图像中的硬组织部位的分界轮廓进行标注，分界轮廓将CT图像和超声图像划分为硬组织部位区域、硬软组织边界区域和软组织部位区域；获取与硬组织部位区域、硬软组织边界区域和软组织部位区域分别对应的区域权值对(μ1,μ2)；分别计算硬组织部位区域、硬软组织边界区域和软组织部位区域的加权融合后图像的像素灰度值X，以生成融合图像。本发明实施例提供的技术方案，具有位移不变性，在图像配准不够精确时也不会使融合图像失真，有利于应用推广，不会出现明显的拼接痕迹和丢失边缘轮廓等信息，增强了图像的细节和清晰度，使融合图像的信息更全面、更精准。CN109146993ACN109146993A权利要求书1/2页1.一种医学图像融合方法，其特征在于，包括：获取已配准的CT图像和超声图像；采用深度学习训练模型对所述CT图像中的硬组织部位的分界轮廓进行标注，并基于配准关系对所述超声图像中的硬组织部位的分界轮廓同步进行标注，所述分界轮廓将所述CT图像和超声图像中所述分界轮廓所在的图像区域划分为硬组织部位区域、硬软组织边界区域和软组织部位区域；其中，硬软组织边界区域为以分界轮廓为中心，ε为半径的环带状区域；获取与所述硬组织部位区域、硬软组织边界区域和软组织部位区域分别对应的区域权值对(μ1,μ2)；其中，μ1为所述CT图像的权值，μ2为所述超声图像的权值，μ1+μ2＝1；根据如下公式分别计算所述硬组织部位区域、硬软组织边界区域和软组织部位区域的加权融合后图像的像素灰度值X，以生成融合图像：X＝μ1X1+μ2X2；其中，X1为所述CT图像的像素灰度值，X2为所述超声图像的像素灰度值。2.根据权利要求1所述的医学图像融合方法，其特征在于，所述获取已配准的CT图像和超声图像的步骤包括：利用CT系统和超声系统分别对待测物体的同一截面成像，得到CT图像和超声图像；在所述CT图像和超声图像上分别选取特征点，并根据所述特征点将所述CT图像和超声图像在空间上点点对应，使得待测物体在所述CT图像和超声图像上具备相同的坐标位置。3.根据权利要求1所述的医学图像融合方法，其特征在于，所述方法还包括：建立深度学习训练模型，所述建立深度学习训练模型的步骤包括：获取训练样本，所述训练样本由人工标注获得；根据训练样本对预设的训练模型进行训练，得到深度学习训练模型。4.根据权利要求1所述的医学图像融合方法，其特征在于：所述硬组织部位区域的权值对为(1,0)，所述软组织区域的权值对为(0，1)，所述硬软组织边界区域的权值对为其中，s为以分界轮廓中心为原点建立的坐标系上的任意一点的坐标。5.一种医学图像融合系统，其特征在于，包括：图像获取模块，用于获取已配准的CT图像和超声图像；轮廓标注模块，用于采用深度学习训练模型对所述CT图像中的硬组织部位的分界轮廓进行标注，并基于配准关系对所述超声图像中的硬组织部位的分界轮廓同步进行标注，所述分界轮廓将所述CT图像和超声图像中所述分界轮廓所在的图像区域划分为硬组织部位区域、硬软组织边界区域和软组织部位区域；其中，硬软组织边界区域为以分界轮廓为中心，ε为半径的环带状区域；权值获取模块，用于获取与所述硬组织部位区域、硬软组织边界区域和软组织部位区域分别对应的区域权值对(μ1,μ2)；其中，μ1为所述CT图像的权值，μ2为所述超声图像的权值，μ1+μ2＝1；计算融合模块，用于根据如下公式分别计算所述硬组织部位区域、硬软组织边界区域和软组织部位区域的加权融合后图像的像素灰度值X，以生成融合图像：2CN109146993A权利要求书2/2页X＝μ1X1+μ2X2；其中，X1为所述CT图像的像素灰度值，X2为所述超声图像的像素灰度值。6.根据权利要求5所述的医学图像融合系统，其特征在于，所述图像获取模块包括：物体成像单元，用于利用CT系统和超声系统分别对待测物体的同一截面成像，得到CT图像和超声图像；图像配准单元，用于在所述CT图像和超声图像上分别选取特征点，并根据所述特征点将所述CT图像和超声图