一种基于形状约束的连续脑片图像三维配准方法
阅读说明:本技术 一种基于形状约束的连续脑片图像三维配准方法 (Continuous brain picture image three-dimensional registration method based on shape constraint ) 是由 丰钊 李安安 张邹涛 龚辉 骆清铭 于 2019-10-11 设计创作,主要内容包括:本发明提供了一种基于形状约束的连续脑片图像三维配准方法,涉及图像配准的技术领域。包括S1:将待配准的二维脑图像序列对齐,得到二维对齐序列,重建成初始三维体;S2:将标准脑图谱线性配准到初始三维体上,得到参考脑图谱,将二维对齐序列的图片逐张配准在参考脑图谱内对应位置的切面上,得到二维校正序列,重建成校正三维体;S3:获得校正三维体内各像素点的反向形变参数,根据反向形变参数对校正三维体进行空间偏移调整,得到精修三维体。把参考脑图谱作为全局形状的约束条件,从而将真实脑组织的正确形状引入到校正三维体重建中,解决了现有技术中由于缺少空间位置关系和全局形状信息而导致的轴向偏移问题。(The invention provides a three-dimensional registration method of continuous brain slice images based on shape constraint, and relates to the technical field of image registration. Including S1: aligning the two-dimensional brain image sequence to be registered to obtain a two-dimensional alignment sequence, and reconstructing into an initial three-dimensional body; s2: linearly registering the standard brain atlas to the initial three-dimensional body to obtain a reference brain atlas, registering pictures of the two-dimensional alignment sequence on a section of a corresponding position in the reference brain atlas one by one to obtain a two-dimensional correction sequence, and reconstructing into a corrected three-dimensional body; s3: and obtaining reverse deformation parameters of all pixel points in the corrected three-dimensional body, and carrying out spatial offset adjustment on the corrected three-dimensional body according to the reverse deformation parameters to obtain the refined three-dimensional body. The reference brain atlas is used as a constraint condition of the global shape, so that the correct shape of the real brain tissue is introduced into the corrected three-dimensional body reconstruction, and the problem of axial offset caused by lack of spatial position relation and global shape information in the prior art is solved.)
技术领域
本发明涉及图像配准的技术领域,特别涉及一种基于形状约束的连续脑片图像三维配准方法。
背景技术
脑图谱常常被称为脑科学和医学等领域的百度地图,通过将神经元投射、脑血管分支等感兴趣的神经生物学信号匹配到标准坐标系中,为开展临床手术、精确给药、认知行为研究、大脑功能环路研究等不同方向的工作提供了准确的空间定位信息。
构建精细的脑图谱依赖于更高空间分辨率的图像数据。随着显微光学成像技术的进步,当前所获取的三维图像数据集已经可以同时在横向和轴向上达到微米分辨水平,由此人们得以构建以“通用坐标框架”(Common Coordinate Framework,CCF)为代表的三维高精度脑图谱,为介观水平神经科学研究提供了更精准的空间信息参考。
然而与此同时,目前大部分实验室受限于技术和资金,依然只能使用传统的样本制备和成像技术获取神经图像数据集。这类数据集由一系列空间间距较大的二维图像构成,其水平分辨率可达微米乃至亚微米水平,而轴向空间分辨率则通常只有百微米水平,相差两到三个数量级。水平和轴向空间分辨率的巨大差异,使得这类数据集无法被视为典型的三维图像,而只能被认为是二维图像序列,针对三维图像建立的配准技术也因而无法适用。为此,人们专门开发了将这类二维图像序列定位到三维脑图谱的技术。
现有技术中将二维脑图像序列定位到高精度三维脑图谱的方法可分为两大类。第一类是直接配准,即对于序列中的每一张图像,分别在三维脑图谱中找到与其最接近的切面,然后使用二维配准算法,将当前图像配准到该切面上。这类方法将序列中的各个图像当作了彼此孤立的待配准对象,没有考虑序列中相邻图像的空间位置关系,且仅考虑了待配准图像的平面内形变,因此其应用场景极为有限,对于平面外形变等传统样本制备过程中更普遍存在的情况则难以适用。
第二类方法是先重建后配准。该类方法首先将二维脑图像序列重建为三维脑块,然后再在三维空间中将该脑块配准到标准脑图谱上。这类方法引入了相邻图像的位置关系,同时也考虑了脑片在样本制备过程中发生的平面外形变,因此适用性更为广泛。然而该类型方法在三维重建过程中,普遍采用的是相邻图像逐张对齐的策略,没有引入脑组织的全局形状信息,使得局部误差在重建过程中不断累积,造成最终重建的脑组织整体形状偏离正常形态。这类重建所产生的问题通常叫做“轴向偏移”(Z-Shift)问题。
综上所述,目前尚缺乏将二维脑图像序列精准地定位到高精度三维脑图谱的方法,给介观水平神经科学研究中的数据分析环节制造了严重障碍。
发明内容
本发明的目的是提供一种基于形状约束的连续脑片图像三维配准方法,以解决现有技术中将二维脑图像序列配准到三维脑图谱的过程中产生的轴向偏移问题。
一种基于形状约束的连续脑片图像三维配准方法,包括以下步骤:
S1,局部形状校正:将整个待配准的二维脑图像序列的图片进行对齐,全部对齐后得到二维对齐序列,然后三维重建成初始三维体;
S2,全局形状校正:将标准脑图谱线性配准到初始三维体上,得到参考脑图谱,再将二维对齐序列的图片逐张线性配准在参考脑图谱内对应位置的切面上,得到二维校正序列,然后对二维校正序列进行三维重建,得到校正三维体;
S3,三维形状精修:获得校正三维体内各像素点的反向形变参数,根据反向形变参数对校正三维体进行空间偏移调整,得到精修三维体。
上述技术方案中,将二维脑图像序列对齐后重建成初始三维体,再利用标准脑图谱得到参考脑图谱,作为全局形状的约束参考,在该约束条件下,将对齐后得到的二维对齐序列逐张配准到参考脑图谱中对应位置的切面上,从而将真实脑组织的正确形状引入到校正三维体的重建步骤中,对初始三维体的数据形状实现进一步的优化,得到的校正三维体的整体形态不偏离正确的形状。最后,通过空间偏移调整来校正局部和非均匀的平面外形变,从而解决了现有技术中由于缺少空间位置关系和全局形状信息而导致的轴向偏移问题,使得最终的结果能很好地符合真实脑组织的整体形状。
进一步地,所述S1具体为:
S101,从待配准的二维脑图像序列中选取一张作为起始图片;
S102,从起始图片出发,将与起始图片相邻的两张图片逐张对齐到起始图片上;
S103,再将待配准的二维脑图像序列中的其他图片依次对齐到前一张图片上,直到遍历整个待配准的二维脑图像序列,得到二维对齐序列;
S104,基于二维对齐序列,进行三维重建,得到初始三维体。
进一步地,所述S2中将标准脑图谱线性配准到初始三维体上,得到参考脑图谱的同时还得到含有参考脑图谱数据的参考三维体;
然后通过参照参考三维体,在参考脑图谱里一一找到与二维对齐序列中的图片位置逐张对应的切面。
进一步地,所述S2中将标准脑图谱线性配准到初始三维体中依据的线性变换关系为:
T=argminMI(Valigned,T(Vreference));
其中,T表示三维线性变换参数,Valigned表示初始三维体,Vreference表示标准脑图谱,MI表示两者之间的互信息。
进一步地,所述S2中将二维对齐序列逐张地线性配准到参考脑图谱对应位置的切面上依据的线性变换关系为:
Ii aligned表示二维对齐序列的第i张图片,Ii reference表示参考脑图谱与第i张图片位置对应的切面,MI指两者之间的互信息,Ti表示将Ii aligned配准到Ii reference的二维线性变换参数。
进一步地,所述S3中获取反向形变参数的具体方式为:
将校正三维体在三维空间中非线性配准到参考脑图谱上,获得各像素点的反向形变参数;
S3中空间偏移调整的具体方式为:根据反向形变参数将参考脑图谱反向非线性配准到校正三维体内。
进一步地,所述S3中的非线性配准需要通过校正三维体在三维空间中不同位置的灰度和形状特征,获得反向形变场,所述反向形变参数用于描述所述反向形变场。
进一步地,所述S3中非线性配准的具体方式为:
遍历参考脑图谱上所有的像素点,根据该像素点的空间坐标,在反向形变场中检索该空间坐标的形变偏移量,将该空间坐标按照其对应的形变偏移量移动到新的位置。
附图说明
图1为本发明的流程框图;
图2中a为经过全局形状校正的二维校正序列中单张图片的示意图;
图2中b为映射了边界信息后的二维校正序列中单张图片的示意图。
具体实施方式
为了使本发明要解决的技术问题、技术方案及有益效果更为清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解此处描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本实施例具体公开了一种基于形状约束的连续脑片图像三维配准方法,参照图1,包括以下步骤:
S1,局部形状校正:
S101,从待配准的二维脑图像序列中选取一张破损较少的图片作为起始图片。
S102,从起始图片出发,应用线性配准算法,将与起始图片相邻的两张图片逐张对齐到起始图片上。
S103,再将二维脑图像序列中的其他图片依次对齐到前一张图片上,直到遍历整个二维脑图像序列为止,最终得到二维对齐序列,以此来消除相邻图片间存在的局部错位与形变。
S104,基于二维对齐序列,进行三维重建,得到初始三维体。初始三维体经过对齐后重建,对局部形状达到校正的目的并携带有可供后续步骤参考的三维信息。
S2,全局形状校正:
S201,应用线性配准算法,将标准脑图谱配准到初始三维体上,得到与标准脑图谱对应的参考脑图谱,同时还得到含有参考脑图谱数据的参考三维体,参考三维体具有各个脑区在三维空间中的完整形状,达到全局形状校正的目的,可结合参考脑图谱作为后续处理时的参考约束。
该步骤中的线性配准算法使用通用的优化计算方法,依据最优的线性变换关系,记为T,T=argminMI(Valigned,T(Vreference)),其中,T表示三维线性变换参数,Valigned表示初始三维体,Vreference表示标准脑图谱,MI表示两者之间的互信息。
S202,通过参照参考三维体,从而在S201的参考脑图谱中一一找到与二维对齐序列中的图片数据一一位置对应的切面,并使用线性配准算法将二维对齐序列中的图片逐张地配准到参考脑图谱中对应的切面上,任意两张图片的配准互不干扰,配准过程可用如下公式表达:
其中,Ii aligned表示二维对齐序列的第i张图片,Ii reference表示参考脑图谱与第i张图片位置对应的切面,MI指两者之间的互信息,Ti表示将Ii aligned配准到Ii reference的二维线性变换参数。
S203,对S202得到的二维校正序列进行三维重建,得到校正三维体。
在S202的线性配准过程中,受到参考三维体的形状约束,二维对齐序列能够与参考脑图谱的对应切面的形状匹配,由此实现对二维对齐序列中所有图片的全局形态修正,解决了二维对齐序列的整体形状偏差,最终得到了经过全局形状校正的校正三维体。
S3,三维形状精修:
S301,使用非线性配准算法,将S203得到的校正三维体在三维空间中配准到S201中的参考脑图谱上,获取反向形变参数。该步骤使用的非线性配准算法可以是ANTs TOOL中的Large Deformation Diffeomorphism Metric Mapping算法,该算法需要通过校正三维体在三维空间中不同位置的灰度和形状特征,获取反向形变场,反向形变参数则用于描述反向形变场。
S302,对校正三维体进行空间偏移调整:根据反向形变参数将参考脑图谱反向地非线性配准到校正三维体上,从而实现将参考脑图谱的边界信息匹配到校正三维体上。非线性配准过程具体为:遍历参考脑图谱上的所有像素点,当像素点对应反向形变场时,根据该像素点的空间坐标、对应的反向形变场的形变参数,在反向形变场中检索该空间坐标的形变偏移量,将该空间坐标按照其对应的形变偏移量移动到新的位置,从而实现将参考脑图谱反向地线性配准到校正三维体上,得到精修三维体。如图2所示,使得参考脑图谱中包含的脑区三维边界信息能映射到校正三维体对应的二维校正序列上,便于用于其他的分析计算入感兴趣神经图像信号的分析计算中。
将标准脑图谱配准到初始三维体内,得到参考三维体和参考脑图谱,作为全局形状校正和三维形状精修过程中的参考约束条件,然后通过逐张配准,将真实脑组织的正确形态引入到校正三维体内,最后通过空间偏移调整,得到保留了准确三维形态信息的精修三维体,从而有效地避免了轴向偏移的问题。
以上仅为本发明的若干个优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。