[发明专利]一种婴幼儿脑部核磁共振图像群配准方法及其装置

权利要求书

1.一种婴幼儿脑部核磁共振图像群配准方法，其特征在于，所述方法包括：

对训练集浮动图像和目标变形场，采用结构随机回归森林算法进行训练，得到所述训练集浮动图像和其对应的所述目标变形场之间的变形模型；其中，所述训练集浮动图像是不同时间的多个婴幼儿脑部核磁共振图像的集合，目标变形场是不同时间内训练集浮动图像中一个图像与其相应变形图像的形态变化的集合；

对变形图像和目标图像，采用结构随机回归森林算法进行训练，得到所述变形图像和其对应所述目标图像灰度值之间的灰度模型；其中，所述变形图像为所述训练集浮动图像的经过所述变形模型后得到的变形配准结果图像，所述目标图像是所述变形图像相应的灰度参考图像；

根据所述变形模型和所述灰度模型，对待配准浮动图像进行配准，得到同空间图像；其中，所述同空间图像与所述目标图像的形态差别和灰度差别均小于预设阈值。

2.根据权利要求1所述的方法，其特征在于，所述对所述训练集浮动图像和目标变形场，采用结构随机回归森林算法训练，得到所述训练集浮动图像和其对应的所述目标变形场之间的变形模型；具体为：

根据和对所述训练集浮动图像和目标变形场进行训练，得到所述变形模型；其中，训练集浮动图像n表示图像个体序号，N表示图像个体总数，t表示时间点，M表示时间点总数；在所述目标变形场的点u处，选取变形位移向量n表示个体序号，t表示时间点，B表示进入结点Θ的采样点数目，F(Θ)表示进入结点Θ的采样点集合，表示结点Θ的变形位移向量集合的均值。

3.根据权利要求1所述的方法，其特征在于，对变形图像和目标图像，采用结构随机回归森林算法训练，得到所述变形图像和其对应所述目标图像灰度值之间的灰度模型；具体为：

根据和对所述变形图像和目标图像进行训练，得到所述灰度模型；其中，在所述目标图像T的点u处，选取灰度向量P_T(u)，n表示图像个体序号，(Θ)表示进入结点Θ的采样点集合，表示结点Θ的灰度向量集合的均值。

4.根据权利要求1所述的方法，其特征在于，根据所述变形模型，对待配准浮动图像进行配准；具体为：

根据

和对待配准浮动图像进行变形配准，得到所述变形图像；其中，所述待配准浮动图像点u在第l个决策树的变形估计为整个结构随机回归森林的变形估计h(u)，W表示结构随机回归森林中决策树的数目，h_xyz(u)表示输出图块h_xyz在点u处的变形位移向量,h_xyz的大小为(2α+1)×(2β+1)×(2γ+1)×3维。

5.根据权利要求1所述的方法，其特征在于，根据所述灰度模型，对待配准浮动图像进行配准；具体为：

根据

和对变形图像进行灰度配准，得到所述同空间图像；其中，所述变形图像的点u在第l个决策树得到的灰度估计为整个结构随机回归森林得到的灰度估计表示以网格点(x,y,z)为中心的灰度输出图块，表示输出图块在点u处的灰度值。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据对不同时间点的所述同空间图像和所述目标图像T进行成群配准；其中，为更新速度场，为更新速度场约束项，t表示时间点，λ为约束比例系数，σ_i表示噪声大小，σ_x表示规则化程度，符号表示插值，具有李群结构特性，保证了变形的微分同胚性。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

对所述同空间图像，采用时间纵向上生长轨迹的微分同胚形变约束进行群配准；其中，

时间ij，时间点i的同空间图像时间点j的同空间图像到的生长轨迹为Φ_ij，