技术摘要：
一种颅脑医学图像配准方法包括以下步骤：S1：分别对颅脑CT原始图像、颅脑MRI原始图像进行多分辨率分解；S2：通过IBSO算法对CT低分辨率图像和MRI低分辨率图像进行图像配准，得到第一粗配准结果；S3：对第一粗配准结果进行倍率缩放并作为单纯形搜索法起点对CT次高分辨率  全部
背景技术：
随着电子技术的发展，近年来涌现出多种医学成像设备。各种成像设备因为其成 像原理不同，各有其优势应用领域。CT图像对高密度组织有较高的分辨能力，成像中高密度 组织显像清晰。MRI图像对软组织分辨率最高，可以清晰地显示组织的层次。 其中，颅内病变无法直接观察，对颅脑疾病的诊断、治疗极度依赖于医学影像。而 单模态的医学影像无法呈现完整的病灶信息，为了从患者影像中获取更多的病灶信息通常 需要将多种模态的影像进行医学图像融合。CT与MRI图像优势特性互补，将CT、MRI图像进行 融合有助于辅助医生诊断、治疗。由于患者在CT、MRI成像时的姿态、成像设备之间存在差 异，因此将颅脑CT、MRI图像进行融合前需要进行医学图像配准。然而，现有的医学图像配准 方法存在配准速度慢，精度不够高等问题，尤其是对颅脑CT、MRI图像配准效果不够理想。
技术实现要素：
本发明的技术目的是提供一种颅脑医学图像配准方法，以解决颅脑CT、MRI图像配 准速度慢精度低，配准效果不够理想的技术问题。 为解决上述问题，本发明的技术方案为： 一种颅脑医学图像配准方法包括以下步骤： S1：分别对颅脑CT原始图像、颅脑MRI原始图像进行多分辨率分解，经处理后得到 CT低分辨率图像、CT次高分辨率图像、MRI低分辨率图像、MRI次高分辨率图像，其中，原始图 像的分辨率大于次高分辨率，次高分辨率大于低分辨率； S2：通过IBSO算法对CT低分辨率图像和MRI低分辨率图像进行图像配准，得到第一 粗配准结果； S3：对第一粗配准结果进行倍率缩放，得到第一粗配准缩放结果，以第一粗配准缩 放结果作为单纯形搜索法起点对CT次高分辨率图像和MRI次高分辨率图像进行图像配准， 得到第二粗配准结果； S4：根据第二粗配准结果进行倍率缩放，得到第二粗配准缩放结果，以第二粗配准 缩放结果作为单纯形搜索法起点对CT原始图像和MRI原始图像进行图像配准，得到CT原始 图像与MRI原始图像结合的配准图像。 其中，步骤S1具体包括： S11：将颅脑CT原始图像和颅脑MRI原始图像分别进行小波图像分解，得到CT次高 分辨率图像和MRI次高分辨率图像； S12：对CT次高分辨率图像的低频部分和MRI次高分辨率图像的低频部分分别进行 小波图像分解，得到CT低分辨率图像和MRI低分辨率图像； S13：将MRI原始图像、MRI次高分辨率图像和MRI低分辨率图像组成MRI图像金字 5 CN 111612782 A 说　明　书 2/6 页 塔； 将CT原始图像、CT次高分辨率图像和CT低分辨率图像组成CT图像金字塔。 其中，步骤S2具体包括： S21：以CT低分辨率图像作为参考图像，MRI低分辨率图像作为浮动图像； S22：通过IBSO算法的初始起点对MRI低分辨率图像进行空间变换和插值操作； S23：计算经图像处理后的MRI低分辨率图像与CT低分辨率图像之间的适应度值： 若适应度值为非最优适应度值且迭代次数未达到预设的最大迭代次数，则继续对 MRI低分辨率图像与CT低分辨率图像的适应度值进行IBSO算法寻优，并根据IBSO算法寻优 的寻优结果进行空间变换和插值操作； 若适应度值为最优适应度值或迭代次数达到预设的最大迭代次数，则结束配准， 输出第一粗配准结果(x,y,θ)，其中，第一粗配准结果中的x代表浮动图像x轴平移量，y代表 浮动图像y轴平移量，θ代表浮动图像旋转角度； 其中，迭代次数的初始值为0，每经一次步骤S23中的IBSO算法寻优后迭代次数加 1。 其中，在步骤S23中，对MRI低分辨率图像进行IBSO算法寻优进一步包括以下步骤： A1：对计算适应度值后得到的IBSO种群通过聚类算法聚类成若干个子群； A2：将若干子群中适应度最高的个体选作聚类中心，对若干聚类中心按适应度值 高低进行排序，适应度值最高的聚类中心称之为最优聚类中心，适应度值第二高的聚类中 心称之为次优聚类中心； A3：将步骤A2中的最优聚类中心Cen(best)与次优聚类中心Cen(secold)进行差分， 差分向量与[0 ,1]间的随机数相乘，添加至次优聚类中心上，产生新的聚类中心Cen (secgen)，如公式(1)所示： Cen(secgen)＝Cen(secold) rand( )×(Cen(best)-Cen(secold))    (1) A4：将步骤A3的新聚类中心Cen(secgen)与次优聚类中心Cen(secold)进行适应度值 比较，选择适应度值较大的作为新的次优聚类中心Cen(secnew)，如公式(2)所示： A5：根据最后得到的次优聚类中心和最优聚类中心，形成寻优结果。 其中，步骤S3具体包括： S31：以CT次高分辨率图像作为参考图像，MRI次高分辨率图像作为浮动图像； S32：对步骤S23的第一粗配准结果(x,y ,θ)进行倍率缩放，以倍率缩放后的(2x, 2y,θ)作为单纯形搜索法的搜索起点对MRI次高分辨率图像进行空间变换和插值操作； S33：计算经处理后的MRI次高分辨率图像与CT次高分辨率图像之间的适应度值， 若适应度值为非最优适应度值且迭代次数未达到预设的最大迭代次数，则继续对 MRI次高分辨率图像与CT次高分辨率图像的适应度值使用单纯形搜索法算法寻优，并根据 寻优结果进行空间变换和插值操作； 若适应度值为最优适应度值或迭代次数达到预设的最大迭代次数，则结束配准， 输出第二粗配准结果(x’,y’,θ’)；其中，第二粗配准结果中的x’代表浮动图像x轴平移量， y’代表浮动图像y轴平移量，θ’代表浮动图像旋转角度； 6 CN 111612782 A 说　明　书 3/6 页 其中，迭代次数的初始值为0，每经一次步骤S33中的单纯形搜索法算法寻优迭代 次数加1。 其中，在步骤S4中的次高分辨率图像配准的具体方法为： S41：以CT原始图像作为参考图像，MRI原始图像作为浮动图像； S42：对步骤S33的第二粗配准结果(x’,y’,θ’)进行倍率缩放，以倍率缩放后的 (2x’,2y’,θ’)作为单纯形搜索法的搜索起点对MRI原始图像进行空间变换和插值操作； S43：计算经处理后的MRI原始图像与CT原始图像之间的适应度值， 若适应度值为非最优适应度值且迭代次数未达到预设的最大迭代次数，则继续对 MRI原始图像与CT原始图像的适应度值使用单纯形搜索法算法寻优，并根据寻优结果进行 空间变换和插值操作； 若适应度值为最优适应度值或迭代次数达到预设的最大迭代次数，则结束配准， 输出最终粗配准结果，并获取配准后的图像； 其中，迭代次数的初始值为0，每经一次步骤S43中的单纯形搜索法算法寻优迭代 次数加1。 本发明由于采用以上技术方案，使其与现有技术相比具有以下的优点和积极效 果： 本发明采用IBSO算法和单纯形搜索法相结合对颅脑CT图像与颅脑MRI图像进行配 准，首先通过IBSO算法对数据量小的低分辨率图像进行配准，IBSO算法精度高，并且由于数 据量小提高了IBSO算法的运算速度，为后续单纯形搜索法提供第一粗配准结果，而单纯形 搜索法处理大数据速度快，在IBSO算法的第一粗配准结果帮助下可显著提升单纯形搜索法 的运算精度，因此，通过IBSO算法和单纯形搜索法相互结合可以显著地提升颅脑CT-MRI图 像配准精度、配准效果，减少配准所需的时间。 附图说明 通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通 技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明 的限制。 图1为本发明提供的一种颅脑医学图像配准方法的流程图； 图2为本发明提供的一种颅脑医学图像配准方法的IBSO算法流程图； 图3为本发明提供的一种颅脑医学图像配准方法的图像金字塔模型； 图4为本发明提供的一种颅脑医学图像配准方法的整体框架图。