CN109978784B Mr图像和ct图像配准方法、装置、计算机设备及存储介质（江南大学）

(19)国家知识产权局(12)发明专利(10)授权公告号CN109978784B(65)同一申请的已公布的文献号(73)专利权人江南大学地址214012江苏省无锡市蠡湖大道1800号(72)发明人钱鹏江蒋亦樟郑佳敏王子贤刘凡汪思瀚吴甜颖杨晨(74)专利代理机构北京科亿知识产权代理事务所(普通合伙)11350专利代理师汤东凤审查员王永贵(54)发明名称备及存储介质像和CT图像；根据所述MR图像生成模拟CT图像；根据所述模拟CT图像与待配准的CT图像确定当前位移场；基于微分同胚算法对所述当前位移场及上一位移场进行处理，生成叠加态位移场；对所述叠加态位移场正则化处理生成平滑形变场；根据平滑形变场以及模拟CT图像生成配准待确认图像；直至满足预设的条件时，确认所述配准待确认图像为配准后图像，否则返回至前述根据所述模拟CT图像与待配准的CT图像确定当前位移场的步骤进行迭代处理。本发明实施例提供的根据所述模拟CT图像与待配准的CT图像确定当前位移场移场以及上一位移场进行处理，,生成平滑形变场拟CT图像生成配准待确认图像否期所足查配准条件否是为配准后图像确定为模拟CT图像2根据待配准的MR图像生成模拟CT图像；根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移场；基于微分同胚算法对当前位移场以及上一位移场进行处理，生成叠加态位移场；对所述叠加态位移场正则化处理，生成平滑形变场；根据所述平滑形变场以及所述模拟CT图像生成配准待确认图像；当判断不满足预设的配准条件时，将所述配准待确认图像确定为模拟CT图像，并返回至所述根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移场的步骤；当判断满足预设的配准条件时，确认所述配准待确认图像为配准后图像，其中，当当前位移场为第一次根据所述模拟CT图像与待配准的CT图像确定时，所述上一位移场为0;所述基于微分同胚算法对所述当前位移场以及上一位移场进行处理，生成叠加态位移场的步骤包括：根据当前位移场的确定性以及叠加确定性映射确定当前位移场以及上一位移场的权基于微分同胚算法进行形变场的指数映射以及权重确定叠加态位移场。对所述MR图像进行处理获取所述MR图像的多个mdixon序列图像，所述多个mdixon序列根据多个mdixon序列图像确定所述MR图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值；根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼；根据所述各图像点对应的成分类别的概率确定各图像点对应的CT值；根据所述CT值生成模拟CT图像。与待配准的CT图像之间的相位差确定位移场的步骤包括：根据极性可分函数确定正交滤波器；根据正交滤波器确定模拟CT图像与待配准的CT图像中在特定频率与特定方向上的局部相位以及局部相位差；根据加权最小二乘法以及所述局部相位差确定在不同尺度下的位移场。4.根据权利要求1所述的MR图像和CT图像配准方法，其特征在于，所述对所述叠加态位移场正则化处理生成平滑形变场的步骤，具体包括：根据位移场选区确定正函数和滤波器；根据正函数以及滤波器确定归一化卷积核并对位移场进行卷积处理；根据卷积处理后的位移场以及滤波器确定平滑形变场。3模拟CT图像生成单元，用于根据待配准的MR图像生成模拟CT图像；位移场确定单元，用于根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移叠加态处理单元，用于基于微分同胚算法对当前位移场以及上一位移场进行处理，生成叠加态位移场；正则化处理单元，用于对所述叠加态位移场正则化处理，生成平滑形变场；配准待确认图像生成单元，用于根据所述平滑形变场以及所述模拟CT图像生成配准待确认图像；迭代处理单元，用于当判断不满足预设的配准条件时，将所述配准待确认图像确定为模拟CT图像，并返回至所述根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移场的步骤；配准图像确定单元，用于当判断满足预设的配准条件时，确认所述配准待确认图像为配准后图像，其中，当当前位移场为第一次根据所述模拟CT图像与待配准的CT图像确定时，所述上一位移场为0;所述叠加态处理单元具体用于根据当前位移场的确定性以及叠加确定性映射确定当前位移场以及上一位移场的权重，并基于微分同胚算法进行形变场的指数映射以及权重确定叠加态位移场。6.根据权利要求5所述的MR图像和CT图像MR图像处理模块，用于对所述MR图像进行处理获取所述MR图像的多个mdixon序列图特征信息确定模块，用于根据多个mdixon序列图像确定所述MR图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值；分类模块，用于根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率，所述成分类别包括CT值确定模块，用于根据所述各图像点对应的成分类别的概率确定各图像点对应的CT模拟CT图像生成模块，用于根据所述CT值生成模拟CT图像。7.根据权利要求5所述的MR图像和CT图像配准装置，其特征在于，所述位移场确定单元包括：正交滤波器确定模块，用于根据极性可分函数确定正交滤波器；局部相位差确定模块，用于根据正交滤波器确定模拟CT图像与待配准的CT图像中在特定频率与特定方向上的局部相位以及局部相位差；位移场确定模块，用于根据加权最小二乘法以及所述局部相位差确定在不同尺度下的位移场。48.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至4中任一项权9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至4中任一项权利5MR图像和CT图像配准方法、装置、计算机设备及存储介质技术领域[0001]本发明属于计算机领域，尤其涉及MR图像和CT图像配准方法、装置、计算机设备及存储介质。背景技术[0002]医学图像有多种成像技术，例如CT(ComputedTomography,电子计算机断层扫描)成像，MR(MagneticResonance,核磁共振)成像。在进行医学图像分析时，常常要将同一患者的多幅图像放在一起对比分析，从而获得该患者病灶的病变程度等动态信息。而在对不同图像做定量对比分析时，首先就需要进行图像配准。[0003]现有技术中，对医学图像的配准通常采用demons算法，Demons算法是一种基于灰度信息的全自动非刚性配准方法。具体来讲，该算法使用参考图像的灰度梯度信息来决定浮动图像每个像素的移动，同时，使用高斯滤波来平滑处理得到的偏移，进行正则化，使得待配准图像局部信息的变换在全局范围内连续。但demons算法对于处理有较大形变的图像效果欠佳，且对一些器官或组织的压缩和变形不可逆转，因此配准出的图像效果不够理想。[0004]可见，现有的医学图像配准方法还存在着对较大形变的图像配准效果欠佳。配准出来的图像效果不够理想的技术问题。发明内容[0005]本发明实施例的目的在于提供一种MR图像和CT图像配准方法，旨在解决现有的医学图像配准方法还存在的对较大形变的图像配准效果欠佳。配准出来的图像效果不够理想的技术问题。[0008]根据待配准的MR图像生成模拟CT图像；[0009]根据所述模拟CT图像与待配准的CT图像确定当前位移场；[0010]基于微分同胚算法对所述当前位移场以及上一位移场进行处理，生成叠加态位移[0011]对所述叠加态位移场正则化处理，生成平滑形变场；[0012]根据所述平滑形变场以及所述模拟CT图像生成配准待确认图像；[0013]当判断不满足预设的配准条件时，将所述配准待确认图像确定为模拟CT图像，并返回至所述根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移场的步骤；[0014]当判断满足预设的配准条件时，确认所述配准待确认图像为配准后图像，[0015]其中，当当前位移场为第一次根据所述模拟CT图像与待配准的CT图像确定时，所述上一位移场为0。6[0018]模拟CT图像生成单元，用于根据待配准的MR图像生成模拟CT图像；[0019]位移场确定单元，用于根据所述模拟CT图像与待配准的CT图像确定当前位移场；[0020]叠加态处理单元，用于基于微分同胚算法对所述当前位移场以及上一位移场进行[0022]配准待确认图像生成单元，用于根据所述平滑形变场以及所述模拟CT图像生成配准待确认图像；[0023]迭代处理单元，用于当判断不满足预设的配准条件时，将所述配准待确认图像确定为模拟CT图像，并返回至所述根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移场的步骤；[0024]配准图像确定单元，用于当判断满足预设的配准条件时，确认所述配准待确认图像为配准后图像，[0025]其中，当当前位移场为第一次根据所述模拟CT图像与待配准的CT图像确定时，所述上一位移场为0。[0026]本发明实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行[0027]本发明实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上图像后，对待配准的MR图像处理生成模拟CT图像，然后根据模拟CT图像与待配准的CT图像确定当前位移场，并基于微分统配算法处理所述位移场生成叠加态位移场，利用正则化处理处理所述叠加态位移场生成平滑形变场，再将所述平滑形变场以及所述模拟CT图像生成配准待确认图像，多次重复上述步骤，直至满足预设的条件后，将当前配准待确认图像为配准后图像。本发明实施例提供的MR图像和CT图像配准方法是基于微分同胚算法，对具有较大或者较小形变的图像均适用，原本处于分离状态的解剖结构仍保持分离，处于连续状态的解剖结构仍保持连续，配准结果可逆且光滑地表达出图像间解剖结构的差异，配准效果附图说明[0029]图1为本发明实施例提供的MR图像和CT图像配准方法的步骤流程图；[0030]图2为本发明实施例提供的模拟CT图生成方法的步骤流程图；[0031]图3为本发明实施例提供的确定位移场的方法的步骤流程图；[0032]图4为本发明实施例提供的处理生成叠加态位移场的步骤流程图；[0033]图5为本发明实施例提供的正则化处理生成平滑形变场的步骤流程图；[0034]图6为本发明实施例提供的MR图像和CT图像配准装置的结构示意图；[0035]图7为本发明实施例提供的模拟CT图像生成单元的结构示意图；[0036]图8为本发明实施例提供的位移场确定单元的结构示意图；7[0037]图9为本发明实施例提供的叠加态处理单元的结构示意图；[0038]图10为本发明实施例提供的正则化处理单元的结构示意图；[0039]图11为本发明实施例提供的不同配准方法的技术效果对比数据；[0040]图12(a)为本发明实施例提供的配准方法的配准图像的效果图；[0041]图12(b)为基于局部相位差的多模态配准方法的配准图像的效果图；[0042]图12(c)为基于互信息的多模态配准方法的配准图像的效果图。具体实施方式[0043]为了使本发明的目的、技术方案及优点更加清楚明白，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，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。[0045]本发明实施例为解决现有的医学配准方法对存在较大形变图像配准效果欠佳的技术问题，通过将带配准图像处理为模拟CT图像，然后基于微分同胚算法以及正则化处理，对模拟CT图像以及待配准的CT图像进行多次迭代配准优化，从而使得图像的最终配准效果得到有效地提升。[0046]如图1所示，在一个实施例中，提出了一种MR图像和CT图像配准方法，具体可以包括以下步骤：[0048]在本发明实施例中，MR图像和CT图像是医学中常见的两种诊断图像，分别通过成像技术和CT扫描技术生成。[0049]步骤S104,根据待配准的MR图像生成[0050]在本发明实施例中，所述根据待配准的MR图像生成模拟CT图像是指将MR图像转化为CT图像。[0051]作为本发明的一个可行实施例，所述根据待配准的MR图像生成模拟CT图像的具体步骤请参阅图2及其解释说明。[0052]步骤S106,根据所述模拟CT图像与待配准的CT图像确定当前位移场。[0053]在本发明实施例中，当前位移场可以理解为图像对应点之间的差异，即模拟CT图像与待配准CT图像对应点之间的相位差。[0054]作为本发明的一个可行实施例，所述根据所述模拟CT图像与待配准的CT图像确定当前位移场的具体步骤请参阅图3及其解释说明。[0055]步骤S108,基于微分同胚算法对所述当前位移场以及上一位移场进行处理，生成叠加态位移场。[0056]在本发明实施例中，利用微分同胚算法进行形变场的指数映射，并将当前形变场与上一形变场相叠加，即在计算当前位移场后，通过更新场增加总位移。[0057]在本发明实施例中，当当前位移场为第一次根据所述模拟CT图像与待配准的CT图8[0058]作为本发明的一个可行实施例，所述基于微分同胚算法对所述当前位移场以及上一位移场进行处理，生成叠加态位移场的具体步骤请参阅图4及其解释说明。[0059]步骤S110,对所述叠加态位移场正则化处理，生成平滑形变场。[0060]在本发明实施例中，通过对叠加态位移场进行正则化处理，能够得到更加平滑的形变场，同时还可以减少图像噪声对配准输出的影响。[0061]作为本发明的一个可行实施例，是通过对位移场的每一个分量施加一个低通滤波器来实现正则化处理，所述对所述叠加态位移场正则化处理，生成平滑形变场的具体步骤请参阅图5及其解释说明。[0062]步骤S112,根据所述平滑形变场以及所述模拟CT图像生成配准待确认图像。[0063]在本发明实施例中，所述平滑形变场可以理解为形变量，将形变量直接叠加在原[0064]在本发明实施例中，确定位移场-确定叠加态位移场-确定光滑位移场可以理解为对模拟CT图像的一个完整的优化循环，后述中涉及优化的地方可以参阅此处的解释说明。[0065]步骤S114,判断是否满足预设的配准条件，当判断满足预设的条件时，执行步骤S116;当判断不满足预设的条件时，执行步骤S118。[0066]在本发明实施例中，所述预设的配准条件是用于判断是否达到了模拟CT图像优化的条件，所述预设的条件可以是从优化次数的角度判断，例如判断优化的次数是否达到预设的阈值，或者也可以从配准待确认图像上直接判断，判断配准的效果是否满足预设的条件。[0067]步骤S116,将所述配准待确认图像确定为模拟CT图像，并返回至所述根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移场的步骤。[0068]在本发明实施例中，当不满足预设的配准条件时，即说明还需要继续对模拟CT图像进行优化。[0069]在本发明实施例中，将所述配准待确认图像确定为模拟CT图像可以理解为一个迭代的过程，将优化后的模拟CT图像迭代，继续进行优化。由于迭代中使用的算法是收敛的，在不断基于微分同胚算法进行叠加的过程中以及在正则化的限制下，解将是规则的和可逆的，且在局部相位差方面也是最优的，而同时，因为相位是单调和平滑的，局部结构的不匹配会自动导致非零场的更新，这有助于改进位移估计，并使结构相适应，即可以持续提高配准图像的配准效果。[0070]步骤S118,确认所述配准待确认图像为配准后图像。[0071]在本发明实施例中，当满足预设的配准条件时，即说明当前的配准待确认图像已达到了预期的配准效果，直接将当前配准待确认图像确定为配准后图像即可。图像后，对待配准的MR图像处理生成模拟CT图像，然后根据模拟CT图像与待配准的CT图像确定当前位移场，并基于微分统配算法处理所述位移场生成叠加态位移场，利用正则化处理处理所述叠加态位移场生成平滑形变场，再将所述平滑形变场以及所述模拟CT图像生成配准待确认图像，多次重复上述步骤，直至满足预设的条件后，将当前配准待确认图像为配准后图像。本发明实施例提供的MR图像和CT图像配准方法是基于微分同胚算法，对具有较9大或者较小形变的图像均适用，原本处于分离状态的解剖结构仍保持分离，处于连续状态的解剖结构仍保持连续，配准结果可逆且光滑地表达出图像间解剖结构的差异，配准效果[0073]在一个实施例中，如图2所示，提供了一种根据待配准的MR图像生成模拟CT图像的[0075]在本发明实施例中，所述mdixon是一种脂肪抑制技术，利用自旋回波序列，在不同的回波时间，分别采集水和脂肪质子的正相位和反相位两种回波信号，通过将两种不通过[0076]步骤S204,根据多个mdixon序列图像确定所述MR图像中各图像点的特征信息。[0077]在本发明实施例中，所述所述特征信息包括各图像点的空间坐标以及在多个[0078]在本发明实施例中，对于MR图像中的每一个图像点都可以用一个三维坐标表示所述图像点的空间坐标，与此同时，将该图像点在每一个mdixon序列图像中对应的MR值与该图像点的空间坐标组合作为该图像点的特征信息。[0079]步骤S206,根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率。[0080]在本发明实施例中，所述成分类别包括脂肪、软组织、空气以及骨骼，即输入一组特征信息后，能够根据所述特征信息直接确定该图像点为脂肪、软组织、空气或者骨骼的概[0081]作为本发明的一个优选实施例，由于支持向量机算法训练生成的分类模型是用于二元分类，为实现四元医学影像分类模型，我们采用层次支持向量机算法进行训练，即先训练生成多个二元医学影像分类模型，然后将所述多个二元医学影像分类模型构建决策树，从而生成四元医学影像分类模型。[0082]步骤S208,根据所述各图像点对应的成分类别的概率确定各图像点对应的CT值。[0083]在本发明实施例中，根据各图像点对应的成分类别的概率作为权重，对各成分类别的标准CT值进行加权运算从而确定各图像点的CT值。[0084]步骤S210,根据所述CT值生成模拟CT图像。[0085]在本发明实施例中，CT值一般取值在-1000Hu～1000Hu之间，其中常见的，致密骨的CT值为1000Hu,水的CT值为0Hu,空气的CT值为-1000Hu,在知晓每个图像点的CT值之后，就可以简单的确定一幅CT图像，该CT图像即为模拟CT图像。[0086]本发明实施例提供的一种模拟CT图像生成方法，通过将所述MR图像处理为多个mdixon序列图像，包括脂肪图、水图、正相位图以及反相位图，然后根据各序列图像确定原MR图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值，并根据各图像点的特征信息以及基于层次支持向量机算法预先训练生成好的四元医学影像分类模型确定各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼，并根据各成分类别的概率确定相应的CT值，从而直接确定模拟医学影像分类模型通过大量样本数据预先训练生成，有效地保证了处理过程中的准确率，[0098]步骤S306,根据加权最小二乘法以及所述局部相位差确定在不同尺度下的位移[0105]步骤S402,根据当前位移场的确定性以及叠加确定性映射确定当前位移场以及上一位移场的权重。[0106]在本发明实施例中，所述上一位移场D的权重设定为1,当前位移场D的权重为[0107]步骤S404,基于微分同胚算法进行形变场的指数映射以及权重确定叠加态位移场D本身的少量递归组合估计指数映射exp(D)改为(由于在任何向量微分同胚算法进行形变场的指数映射并将当前形变场与上一形变场相加确定叠加态位移置的高度确定性，保持位移向量与其相应确定位置之间的对应关系，同时对位移场以及叠加确定性映射进行正则化处理，与前述的微分同胚算法一同对形变场的优化进行了限制，有助于改进位移估计，并使结构相适应。[0125]如图6所示，在一个实施例中，提供了一种MR图像和CT图像配准装置，该MR图像和CT图像配准装置具体可以包括图像获取单元610、模拟CT图像生成单元620、位移场确定单元630、叠加态处理单元640、正则化处理单元650、配准待确认图像生成单元660、迭代处理单元670以及配准图像确定单元680。[0126]所述图像获取单元610,用于获取待配准的MR图像和CT图像。[0127]在本发明实施例中，MR图像和CT图像是医学中常见的两种诊断图像，分别通过成像技术和CT扫描技术生成。[0128]所述模拟CT图像生成单元620,用于根据待配准的MR图像生成模拟CT图像。[0129]在本发明实施例中，所述根据待配准的MR图像生成模拟CT图像是指将MR图像转化[0130]作为本发明的一个可行实施例，所述模拟CT图像生成单元的具体结构示意图请参阅图7及其解释说明。[0131]所述位移场确定单元630,用于根据所述模拟CT图像与待配准的CT图像确定当前位移场。[0132]在本发明实施例中，当前位移场可以理解为图像对应点之间的差异，即模拟CT图像与待配准CT图像对应点之间的相位差。[0133]作为本发明的一个可行实施例，所述位移场确定单元的具体结构示意图请参阅图8及其解释说明。[0134]所述叠加态处理单元640,用于基于微分同胚算法对所述当前位移场以及上一位[0135]在本发明实施例中，利用微分同胚算法进行形变场的指数映射，并将当前形变场与上一形变场相叠加，即在计算当前位移场后，通过更新场增加总位移。[0136]在本发明实施例中，当当前位移场为第一次根据所述模拟CT图像与待配准的CT图[0137]作为本发明的一个可行实施例，所述叠加态处理单元的具体结构示意图请参阅图9及其解释说明。[0138]所述正则化处理单元650,用于对所述叠加态位移场正则化处理，生成平滑形变[0139]在本发明实施例中，通过对叠加态位移场进行正则化处理，能够得到更加平滑的形变场，同时还可以减少图像噪声对配准输出的影响。[0140]作为本发明的一个可行实施例，是通过对位移场的每一个分量施加一个低通滤波器来实现正则化处理，所述正则化处理单元的具体结构示意图请参阅图10及其解释说明。[0141]所述配准待确认图像生成单元660,用于根据所述平滑形变场以及所述模拟CT图像生成配准待确认图像。[0142]在本发明实施例中，所述平滑形变场可以理解为形变量，将形变量直接叠加在原始模拟CT图像后，即可以得到优化后的模拟CT图像，即配准待确认图像。[0143]在本发明实施例中，确定位移场-确定叠加态位移场-确定光滑位移场可以理解为对模拟CT图像的一个完整的优化循环。[0144]所述迭代处理单元670,用于当判断不满足预设的配准条件时，将所述配准待确认图像确定为模拟CT图像。[0145]在本发明实施例中，所述预设的配准条件是用于判断是否达到了模拟CT图像优化的条件，所述预设的条件可以是从优化次数的角度判断，例如判断优化的次数是否达到预设的阈值，或者也可以从配准待确认图像上直接判断，判断配准的效果是否满足预设的条[0146]在本发明实施例中，当不满足预设的配准条件时，即说明还需要继续对模拟CT图像进行优化。[0147]在本发明实施例中，将所述配准待确认图像确定为模拟CT图像可以理解为一个迭代的过程，将优化后的模拟CT图像迭代，继续进行优化。由于迭代中使用的算法是收敛的，在不断基于微分同胚算法进行叠加的过程中以及在正则化的限制下，解将是规则的和可逆的，且在局部相位差方面也是最优的，而同时，因为相位是单调和平滑的，局部结构的不匹配会自动导致非零场的更新，这有助于改进位移估计，并使结构相适应，即可以持续提高配准图像的配准效果。[0148]所述配准图像确定单元680,用于当判断满足预设的配准条件时，确认所述配准待确认图像为配准后图像。[0149]在本发明实施例中，当满足预设的配准条件时，即说明当前的配准待确认图像已达到了预期的配准效果，直接将当前配准待确认图像确定为配准后图像即可。图像确定当前位移场，并基于微分统配算法处理所述位移场生成叠加态位移场，利用正则化处理处理所述叠加态位移场生成平滑形变场，再将所述平滑形变场以及所述模拟CT图像生成配准待确认图像，多次重复上述步骤，直至满足预设的条件后，将当前配准待确认图像为配准后图像。本发明实施例提供的MR图像和CT图像配准方法是基于微分同胚算法，对具有较大或者较小形变的图像均适用，原本处于分离状态的解剖结构仍保持分离，处于连续状态的解剖结构仍保持连续，配准结果可逆且光滑地表达出图像间解剖结构的差异，配准效果更好。[0151]如图7所示，在一个实施例中，模拟CT图像生成单元620具体包括：MR图像处理模块[0152]所述MR图像处理模块701,用于对所述MR图像进行处理获取所述MR图像的多个mdixon序列图像。[0153]在本发明实施例中，所述mdixon是一种脂肪抑制技术，利用自旋回波序列，在不同的回波时间，分别采集水和脂肪质子的正相位和反相位两种回波信号，通过将两种不通过[0154]所述特征信息确定模块702,用于根据多个mdixon序列图像确定所述MR图像中各图像点的特征信息。[0155]在本发明实施例中，所述特征信息包括各图像点的空间坐标以及在多个mdixon序[0156]在本发明实施例中，对于MR图像中的每一个图像点都可以用一个三维坐标表示所述图像点的空间坐标，与此同时，将该图像点在每一个mdixon序列图像中对应的MR值与该图像点的空间坐标组合作为该图像点的特征信息。[0157]所述分类模块703,用于根据所述各图像点的特征信息以及基于层次支持向量机算法训练生成的四元医学影像分类模型确定与所述各图像点对应的成分类别的概率。[0158]在本发明实施例中，所述成分类别包括脂肪、软组织、空气以及骨骼，即输入一组特征信息后，能够根据所述特征信息直接确定该图像点为脂肪、软组织、空气或者骨骼的概[0159]作为本发明的一个优选实施例，由于支持向量机算法训练生成的分类模型是用于二元分类，为实现四元医学影像分类模型，我们采用层次支持向量机算法进行训练，即先训练生成多个二元医学影像分类模型，然后将所述多个二元医学影像分类模型构建决策树，从而生成四元医学影像分类模型。[0160]所述CT值确定模块704,用于根据所述各图像点对应的成分类别的概率确定各图[0161]在本发明实施例中，根据各图像点对应的成分类别的概率作为权重，对各成分类别的标准CT值进行加权运算从而确定各图像点的CT值。[0162]所述模拟CT图像生成模块705,用于根据所述CT值生成模拟CT图像。[0163]在本发明实施例中，CT值一般取值在-1000Hu～1000Hu之间，其中常见的，致密骨的CT值为1000Hu,水的CT值为0Hu,空气的CT值为-1000Hu,在知晓每个图像点的CT值之后，就可以简单的确定一幅CT图像，该CT图像即为模拟CT图像。[0164]本发明实施例提供了一种模拟CT图像生成单元的具体结构示意图，通过将所述MR图像处理为多个mdixon序列图像，包括脂肪图、水图、正相位图以及反相位图，然后根据各序列图像确定原MR图像中各图像点的特征信息，所述特征信息包括各图像点的空间坐标以及在多个mdixon序列图像中的MR值，并根据各图像点的特征信息以及基于层次支持向量机算法预先训练生成好的四元医学影像分类模型确定各图像点对应的成分类别的概率，所述成分类别包括脂肪、软组织、空气以及骨骼，并根据各成分类别的概率确定相应的CT值，从而直接确定模拟CT图像。本发明实施例提供的模拟CT图像生成方法，在输入MR扫描图像后，能够自行对MR图像进行处理，直接输出相应的CT图像，有效地提高了处理效率，且处理过程中所采用的四元医学影像分类模型通过大量样本数据预先训练生成，有效地保证了处理过[0165]如图8所示，在一个实施例中，位移场确定单元630具体包括：正交滤波器确定模块801、局部相位差确定模块802以及位移场确定模块803。[0166]所述正交滤波器确定模块801,用于根据极性可分函数确定正交滤波器。[0167]在本发明实施例中，需要在方向η∈R³上通过极性可分函数确定出一个正交滤波[0168]作为本发明的一个可行实施例，所述极性可分函数的表达式如下：[0169]H,(w)=x+(n⁷[0172]所述局部相位差确定模块802,用于根据正交滤波器确定模拟CT图像与待配准的[0176]所述位移场确定模块803,用于根据加权最小二乘法以及所述局部相位差确定在[0183]所述权重确定模块901,用于根据当前位移场的确定性以及叠加确定性映射确定[0184]在本发明实施例中，所述上一位移场D的权重设定为1,当前位移场D的权重为[0185]所述叠加态位移场确定模块902,用于基于微分同胚算法进行形变场的指数映射(由于在任何向量[0194]所述卷积处理模块1002,用于根据正函数以及滤波器确定归一化卷积核并对位移[0199]所述平滑形变场确定模块1003,用于根据卷积处理后的位移场以及滤波器确定平化处理确定里。,所述平，的计算公式如下：加确定性映射进行正则化处理，与前述的叠加态处理单元一同对形变场的优化进行了限[0206]根据所述模拟CT图像与待配准的CT图像确定当前位移场；[0207]基于微分同胚算法对所述当前位移场以及上一位移场进行处理，生成叠加态位移[0208]对所述叠加态位移场正则化处理，生成平滑形变场；[0209]根据所述平滑形变场以及所述模拟CT图像生成配准待确认图像；[0210]当判断不满足预设的配准条件时，将所述配准待确认图像确定为模拟CT图像，并返回至所述根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移场的步骤；[0211]当判断满足预设的配准条件时，确认所述配准待确认图像为配准后图像，[0212]其中，当当前位移场为第一次根据所述模拟CT图像与待配准的CT图像确定时，所述上一位移场为0。[0213]在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：[0216]根据所述模拟CT图像与待配准的CT图像确定当前位移场；[0217]基于微分同胚算法对所述当前位移场以及上一位移场进行处理，生成叠加态位移[0219]根据所述平滑形变场以及所述模拟CT图像生成配准待确认图像；[0220]当判断不满足预设的配准条件时，将所述配准待确认图像确定为模拟CT图像，并返回至所述根据所述模拟CT图像与待配准的CT图像之间的相位差确定位移场的步骤；[0221]当判断满足预设的配准条件时，确认所述配准待确认图像为配准后图像，[0222]其中，当当前位移场为第一次根据所述模拟CT图像与待配准的CT图像确定时，所述上一位移场为0。[0223]为了直观的表征上述MR图像与CT图像配准方法的技术性能，现按照上述公开的方法，针对美国凯斯西储大学提供的志愿者数据完成实施例，该数据一共包含7个病人下腹部MR图像及CT图像数据。此外将本发明公开的技术方案与现有的基于局部相位差的多模态配准以及基于互信息的多模态配准从互信息、互相关以及像素差平方和三个性能指标进行对比，具体实验数据请参阅下述图11。三种配准方法的配准效果图请分别参阅下述图12(a)、图12(b)以及图12(c),其中图12(a)为采用本发明实施例提供的配准方法的配准图像的效果图，图12(b)为基于局部相位差的多模态配准方法的配准图像的效果图，图12(c)为基于互信息的多模态配准方法的配准图像的效果图。[0224]应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻