[发明专利]一种多模态医学图像三维点云配准优化方法

权利要求书

1.一种多模态医学图像三维点云配准优化方法，其特征在于：包括以下步骤：

S1、获取人体MRI序列图像并进行去噪、增强操作；

S2、根据医学数字成像和通信DICOM信息从人体MRI序列图像自动提取一组点云数据作为粗配准的源点云；同时采用人工神经网络技术训练分割人体MRI序列图像，获取分割后的器官点云数据作为精配准的目标点云；

S3、使用电磁定位系统从人体MRI序列图像采集一组点云数据作为粗配准的目标点云；

S4、使用ICP迭代完成粗配准操作，获取粗配准变换系数；

S5、利用超声探头手动采集一组超声序列图像，并保存每帧超声序列图像四个顶点的三维坐标；

S6、通过每帧超声序列图像四个顶点的三维坐标重建超声体，获取超声体的点云数据作为精配准的源点云；

S7、使用ICP迭代完成精配准操作，获取精配准变换系数；

S8、通过粗配准变换系数与精配准变换系数来获取最终配准变换系数；

所述步骤S4中，将粗配准的源点云与粗配准的目标点云用KNN树进行结构配对，确定粗配准源点云与粗配准目标点云的对应点对，然后基于ICP迭代完成粗配准操作，得到粗配准变换系数，粗配准变换系数包括粗配准旋转矩阵R和粗配准平移量T；

所述步骤S7中，对精配准的目标点云、精配准的源点云分别进行下采样为原来的1/10，然后采用ICP迭代完成精配准操作，得到精配准变换系数；所述精配准变换系数包括精配准旋转矩阵R’和精配准平移量T’；

所述步骤S8中，通过精配准变换系数与粗配准变换系数得到最终变换系数，最终变换系数包括最终旋转矩阵R0和最终平移量T0；其计算公式为：

R0＝R’R，T0＝R’T+T’。

2.如权利要求1所述的多模态医学图像三维点云配准优化方法，其特征在于：所述步骤S1中采用高斯平滑滤波对人体MRI序列图像进行图像去噪操作，采取小波增强算法对人体MRI序列图像进行增强操作。

3.如权利要求2所述的多模态医学图像三维点云配准优化方法，其特征在于：所述步骤S2中，根据医学数字成像和通信DICOM信息中的病人位置信息，同时结合医学数字成像和通信DICOM信息中病人影像位置的Z轴坐标值，提取一组Z轴方向和X轴方向的点云数据作为粗配准的源点云。

4.如权利要求3所述的多模态医学图像三维点云配准优化方法，其特征在于：所述步骤S3具体包括以下步骤：

S31、将电磁定位系统与传感器连接，实时获取传感器的位置坐标；

S32、通过电磁定位系统的程序控制连续采集人体MRI序列图像中沿Z轴方向变化的点云数据和沿X轴方向变化的点云数据；

S33、将采集的点云数据保存作为粗配准的目标点云。

5.如权利要求4所述的多模态医学图像三维点云配准优化方法，其特征在于：所述步骤S5具体包括以下步骤：

S51、将电磁定位系统与传感器连接，并将传感器绑定在超声探头上；

S52、通过电磁定位系统的程序控制连续采集一组超声序列图像及每帧超声序列图像的四个顶点坐标并进行保存。

6.如权利要求5所述的多模态医学图像三维点云配准优化方法，其特征在于：所述步骤S6具体包括以下步骤：

S61、将步骤S5中采集的每帧超声序列图像四个顶点坐标通过坐标转换方式得到每帧超声序列图像每个像素对应的物理空间坐标，其坐标转换公式如下：

P＝Q+uH+vK；

其中，(u,v)为超声序列图像的像素坐标，P为转换后的三维空间坐标，Q为超声序列图像四个顶点坐标中的左上顶点坐标，H为三维空间的x方向向量且H＝(tr-tl)/|tr-tl|，K为三维空间的y方向向量且K＝(bl-tl)/|bl-tl|；

S62、对每帧超声序列图像进行转换并得到其空间坐标，计算前后两帧图像相同像素位置对应的空间坐标，然后将该空间坐标转换为体像素位置来进行插值，得到重建后的超声体；

S63、将超声体进行三角网格化处理并进行平滑操作，下采样得到超声体点云数据作为精配准的源点云。