一种基于运动估计的肺4D-CT图像的超分辨率冠矢状面图像重建方法

摘要

一种基于运动估计的肺4D-CT图像的超分辨率冠矢状面图像重建方法，依次包括：（1）读取由多个不同相位的肺部3D图像组成的肺部4D-CT图像数据；（2）根据肺部4D-CT图像数据，对每个相位提取同一肺部部位对应的冠矢状面图像；（3）采用基于完全搜索块匹配算法估计不同“帧”肺部冠矢状面图像之间的运动矢量场；（4）以步骤（3）得到的运动矢量场为基础，采用迭代反投影法重建高分辨率肺4D-CT冠矢状面图像。本发明获得的肺4D-CT图像的超分辨率冠矢状面重建图像的分辨率有明显的提高，局部放大图中，肺实质中的血管和周边组织的亮度和清晰度有明显增强,可以克服由采集时间和放射剂量造成的图像分辨率低的限制，能够有效引导肺癌的精确放射治疗。

说明书

技术领域

本发明涉及医学图像处理技术领域，具体涉及一种基于运动估计的肺4D-CT图像的超分辨率冠矢状面图像重建方法。

背景技术

肺4D-CT图像能够提供全面的高精度放射治疗呼吸运动表征。在肺4D-CT图像数据中，由于有多个相位的图像,通常是10-20个，通过各相位图像有助于获取肺部呼吸运动信息，是放射治疗目标精确定位的关键,因此肺4D-CT技术在肺肿瘤精确放射治疗中发挥着越来越重要的作用。

肺4D-CT数据的获取，通常是根据床位和肺体积，将多个自由呼吸的3D-CT数据段排序而得。然而，由于CT固有的高剂量照射，沿纵向（通常命名为Z轴方向）的密集采样往往是不实际的，从而导致所获得的肺4D-CT数据的层间分辨率远低于层内分辨率，造成数据显著的各项异性。

因此，在对各相位3D数据进行冠矢状面观察时，为了获得正确比例的图像，需要根据3D数据的层间分辨率和层内分辨率的比例，沿Z轴方向进行插值放大。常用的插值方法为最近邻或双线性插值法，但是,这些方法都会导致图像模糊，尤其是当层间分辨率与层内分辨率比例差别比较大时图像模糊更严重。

因此,针对现有技术不足,提供一种基于运动估计的肺4D-CT图像的超分辨率冠矢状面图像重建方法以克服现有技术不足甚为必要。

发明内容

本发明的目的在于针对现有技术不足，提供一种基于运动估计的肺4D-CT图像的超分辨率冠矢状面图像重建方法，该方法能够提高肺4D-CT图像的冠矢状面图像的分辨率。

本发明的上述目的通过如下技术方案实现。

一种基于运动估计的肺4D-CT图像的超分辨率冠矢状面图像重建方法，依次包括如下步骤，

（1）    读取由多个不同相位的肺部3D图像组成的肺部4D-CT图像数据；

（2）    根据肺部4D-CT图像数据，对每个相位提取同一肺部部位对应的冠矢状面图像；

（3）    估计不同“帧”肺部冠矢状面图像之间的运动矢量场；

（4）    以步骤（3）得到的运动矢量场为基础，重建高分辨率肺4D-CT冠矢状面图像。

上述步骤（3）是采用基于完全搜索块匹配算法估计不同“帧”肺部冠矢状面图像之间的运动矢量场。

上述步骤（3）具体包括：

（3.1）在当前帧中选取一子块，根据最小绝对误差匹配准则，在参考帧的给定的搜索区域内找出与当前帧中的当前块最相似的块作为匹配块；

根据匹配块与当前块的相对位置计算运动位移作为当前块的运动矢量，所述运动矢量亦为全局最优的相对运动矢量；

（3.2）所述最小绝对误差匹配准则如下：

  …… 式（Ⅰ）

其中，当前块分辨率的大小为，当前块左上角的坐标为；运动矢量为；和分别为当前帧和参考帧在像素处的值，在搜索区域内使值最小的运动矢量即为当前块的最优运动矢量；

   （3.3）对不同的帧，依次重复上述步骤（3.1）和（3.2），获得不同“帧”肺部冠矢状面图像之间的运动矢量场。

    上述步骤（4）具体是采用迭代反投影法重建高分辨率肺4D-CT冠矢状面图像。

上述步骤（4）具体是包括：

（4.1）将需要重建的原始低分辨率图像插值放大为初始高分辨率图像，为迭代次数；

（4.2）根据退化模型将初始高分辨率图像模拟成像过程得到低分辨图像的集合，表示原始序列低分辨率图像的数量；

所述退化模型具体为：

；

其中：表示幅低分辨率图像中的第幅，表示需要重建的初始高分辨率图像；

 表示几何变换，由运动估计求得的运动矢量；

表示下采样矩阵；

是系统加性噪声；

表示模糊矩阵，是由光学系统本身、成像系统与原始场景的相对运动，以及低分辨率传感器的点扩散函数而造成的；

具体的，在第次迭代过程中，的成像过程由退化模型模拟得到：

；

其中：表示第次迭代过程中假设的高分辨率图像；表示次迭代后由退化模型得到的低分辨率图像；表示从到的二维几何变换，即为步骤（3）获得的运动矢量；是高斯模糊算子；是下采样算子；

   （4.3）判断误差是否达到最小值，如果达到最小值，停止迭代，以前估计的高分辨率图像为最终所求的超分辨率图像；

 如果误差未达到最小值，则进入步骤（4.4）；

   （4.4）根据误差对当前高分辨率图像进行更新，更新过程具体如下式：

其中，表示上采样算子；表示背投影算子，由和决定；

（4.5）将更新后的高分辨率图像作为初始高分辨率图像，进入步骤（4.2）。

优选的,上述步骤（4.3）中判断误差是否达到最小值具体是通过判断误差函数是否小于设定的阈值来进行的，误差函数的具体计算公式是：

。 

   优选的,上述步骤（4.3）中判断误差是否达到最小值具体是通过判断是否达到最大迭代次数来判定的，当迭代次数达到时,判定误差达到最小值，否则判定误差未达到最小值。 

   优选的, 最大迭代次数范围设置为大于等于1而小于等于5。

   进一步的,最大迭代次数设置为3。

和现有技术相比，本发明获得的肺4D-CT图像的超分辨率冠矢状面重建图像的分辨率有明显的提高，局部放大图中，肺实质中的血管和周边组织的亮度和清晰度有明显增强,可以克服由于采集时间和放射剂量造成的图像分辨率限制，从而有效引导肺癌的精确放射治疗。

附图说明

利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。

图1是本发明一肺4D-CT图像中的某相位的冠状面初始低分辨率图像；

图2是对图1的肺4D-CT图像的某相位的冠状面初始低分辨率图像采用最近邻方法插值后得到的图像。

图3是本发明中两个不同相位间冠状面的运动矢量场的估计结果示意图。

图4是本发明中两个不同相位间矢状面的运动矢量场的估计结果示意图。

图5是本发明相位0的冠状面采用不同方法重建的结果示意图，从左到右依次对应最近邻插值方法、双线性插值方法和本发明的插值方法。

图6是对应图5中的方框部分的放大示意图。      图7是本发明相位0的矢状面采用不同方法重建的结果示意图，从左到右依次对应最近邻插值方法、双线性插值方法和本发明的插值方法。

图8是对应图7中的方框部分的放大示意图。      图9是本发明相位7的冠状面采用不同方法重建的结果示意图，从左到右依次对应最近邻插值方法、双线性插值方法和本发明的插值方法。

图10是对应图9中的方框部分的放大示意图。      图11是本发明相位7的矢状面采用不同方法重建的结果示意图，从左到右依次对应最近邻插值方法、双线性插值方法和本发明的插值方法。

图12是对应图11中的方框部分的放大示意图。 

具体实施方式

下面结合具体的实施例对本发明进行详细描述。

实施例1。

一种基于运动估计的肺4D-CT图像的超分辨率冠矢状面图像重建方法，依次包括如下步骤，

（1）    读取由多个不同相位的肺部3D图像组成的肺部4D-CT图像数据。

（2）    从肺部4D-CT图像数据，对每个相位提取同一肺部部位对应的冠矢状面图像。

（3） 估计不同“帧”肺部冠矢状面图像之间的运动矢量场。

   步骤（3）是采用基于完全搜索块匹配算法估计不同“帧”肺部冠矢状面图像之间的运动矢量场。

步骤（3）具体包括：

（3.1）在当前帧中选取一子块，根据最小绝对误差匹配准则，在参考帧的给定的搜索区域内找出与当前帧中的当前块最相似的块作为匹配块；

根据匹配块与当前块的相对位置计算运动位移作为当前块的运动矢量，所述运动矢量亦为全局最优的相对运动矢量；

（3.2）所述最小绝对误差匹配准则如下：

  …… 式（Ⅰ）

其中，当前块分辨率的大小为，当前块左上角的坐标为；运动矢量为；和分别为当前帧和参考帧在像素处的值，在搜索区域内使值最小的运动矢量即为当前块的最优运动矢量。

    （3.3）对不同的帧，依次重复上述步骤（3.1）和（3.2），获得不同“帧”肺部冠矢状面图像之间的运动矢量场。

（4）以步骤（3）得到的运动矢量场为基础，重建高分辨率肺4D-CT冠矢状面图像。

    步骤（4）具体是采用迭代反投影法重建高分辨率肺4D-CT冠矢状面图像。

步骤（4）具体是包括：

（4.1）将需要重建的原始低分辨率图像插值放大为初始高分辨率图像，为迭代次数；

（4.2）根据退化模型将初始高分辨率图像模拟成像过程得到低分辨图像的集合，表示原始序列低分辨率图像的数量；

所述退化模型具体为：

；

其中：表示幅低分辨率图像中的第幅，表示需要重建的初始高分辨率图像；

 表示几何变换，由运动估计求得的运动矢量；

表示下采样矩阵；

是系统加性噪声；

表示模糊矩阵，是由光学系统本身、成像系统与原始场景的相对运动，以及低分辨率传感器的点扩散函数而造成的；

具体的，在第次迭代过程中，的成像过程由退化模型模拟得到：

；

其中：表示第次迭代过程中假设的高分辨率图像；表示次迭代后由退化模型得到的低分辨率图像；表示从到的二维几何变换，即为步骤（3）获得的运动矢量；是高斯模糊算子； 是下采样算子；

   （4.3）判断误差是否达到最小值，如果达到最小值，停止迭代，以前估计为最终所求的超分辨率图像；

 如果误差未达到最小值，则进入步骤（4.4）。

上述步骤（4.3）中判断误差是否达到最小值可以是通过判断误差函数是否小于设定的阈值来进行的，误差函数的具体计算公式是：

。

   步骤（4.3）中判断误差是否达到最小值也可以是通过判断是否达到最大迭代次数来判定的，当迭代次数达到时,判定误差达到最小值，否则判定误差未达到最小值。 

   最大迭代次数范围设置为大于等于1而小于等于5，优选设置为3次，既能兼顾图像的分辨率，又能兼顾运算量小、处理时间短的需求。

 

  （4.4）根据误差对当前高分辨率图像进行更新，更新过程具体如下式：

其中，表示上采样算子；表示背投影算子，由和决定；

（4.5）将更新后的高分辨率图像作为初始高分辨率图像，进入步骤（4.2）。

本发明根据肺4D-CT图像数据的特点，采用超分辨率技术重建清晰的肺冠矢状面图像。图像超分辨率技术是利用多帧关于同一场景的有相互位移的低分辨率降质图像来重建高分辨率高质量图像的技术。肺4D-CT图像，由10-20个不同相位的3D图像所组成，其每一相位对应不同的肺运动时刻。因此对于某一3D图像的某一部位的低分辨率冠矢状面图像，其他相位对应位置的冠矢状面图像可认为是相关的、有运动位移的多“帧”同一场景低分辨率图像，故可采用图像超分辨率重建技术来获得高分辨率肺4D-CT冠矢状面图像。 

与现有技术相比，本发明获得的肺4D-CT图像的超分辨率冠矢状面重建图像的分辨率有较明显的提高，局部放大图中，肺实质中的血管和周边组织的亮度和清晰度有明显增强,可以克服由采集时间和放射剂量造成的图像分辨率低的限制，从而能够有效引导肺癌的精确放射治疗。

实施例2。

 结合一具有10个相位的4D-CT序列图像来详细描述本发明方法的处理过程，该肺4D-CT冠矢状面超分辨率重建方法的具体步骤如下：

（1）读取肺部4D-CT图像数据，该图像数据由10个不同相位的肺部3D-CT图像数据构成，分辨率为256*256*49，图像层内分辨率为1.13mm，层间分辨率为5mm；

（2）从肺部4D-CT图像数据中分别提取10个相位的对应同一肺部部位的冠状面和矢状面图像，作为本发明的初始低分辨率图像，分辨率均为256*49。

图1显示了肺4D-CT某相位的冠状面初始低分辨率图像，图2是对图1采用最近邻插值方法处理后的图像，从图中可以看出采用最近邻插值方法处理后的图像非常模糊。

(3)采用基于完全搜索块匹配算法估计不同“帧”肺部冠矢状面图像之间的运动矢量场。

具体包括：

（3.1）在当前帧中选取一子块，根据最小绝对误差匹配准则，在参考帧的给定的搜索区域内找出与当前帧中的当前块最相似的块作为匹配块；

根据匹配块与当前块的相对位置计算运动位移作为当前块的运动矢量，所述运动矢量亦为全局最优的相对运动矢量。

（3.2）具体的，运动估计中块的大小设定为16*16，搜索区域为全局，采用最小绝对误差匹配准则，定义如下：

；

其中，当前块的大小为，块左上角的坐标为；运动矢量为；和分别为当前帧和参考帧在像素处的值。在搜索区域内使值最小的运动矢量即为当前块的最优运动矢量。

（3.3）对不同的帧，依次重复步骤（3.1）和（3.2），获得不同“帧”肺部冠矢状面图像之间的运动矢量场。

图3和图4分别显示了两个不同相位间冠状面和矢状面图像运动矢量场，通过运动矢量场可明显看出肺的整体运动趋势。

（4）以步骤（3）得到的运动矢量场为基础，采用迭代反投影法重建高分辨率肺4D-CT冠矢状面图像。

   具体包括：

（4.1）将需要重建的原始低分辨率图像插值放大为大小是256*216初始高分辨率图像，为迭代次数； 

（4.2）根据退化模型将初始高分辨率图像模拟成像过程得到分辨率为256*49的低分辨图像的集合，表示原始序列低分辨率图像的数量。

退化模型具体为：

；

其中：表示幅低分辨率图像中的第幅，表示需要重建的初始高分辨率图像；

 表示几何变换，由运动估计求得的运动矢量；

表示下采样矩阵；

      是系统加性噪声；

表示模糊矩阵，是由光学系统本身、成像系统与原始场景的相对运动，以及低分辨率传感器的点扩散函数而造成的。

具体的，在第次迭代过程中，的成像过程由退化模型模拟得到：

；

其中：表示第次迭代过程中假设的高分辨率图像；表示次迭代后由退化模型得到的低分辨率图像；表示从到的二维几何变换，即为步骤（3）获得的运动矢量；是高斯模糊算子，本发明采用高斯模型，标准差设为3；是下采样算子。

   （4.3）判断误差是否达到最小值，如果达到最小值，停止迭代，以当前估计的作为最终所求的超分辨率图像；

 如果误差未达到最小值，则进入步骤（4.4）。

步骤（4.3）中判断误差是否达到最小值可以是通过判断误差函数是否小于设定的阈值来进行的，误差函数的具体计算公式是：

。

 

   步骤（4.3）中判断误差是否达到最小值也可以通过判断是否达到最大迭代次数来判定的，当迭代次数达到时,判定误差达到最小值，否则判定误差未达到最小值。 本实施例中，最大迭代次数设为3次，既能兼顾图像的分辨率，又能兼顾运算量小、处理时间短的需求。

  （4.4）根据误差对当前高分辨率图像进行更新，更新过程具体如下式：

；

其中，表示上采样算子；表示背投影算子，由和决定。

（4.5）将更新后的高分辨率图像作为初始高分辨率图像，进入步骤（4.2）。

通过反复迭代，直到小于设定阈值或达到最大迭代次数，迭代结束，当前估计的为最终所求的超分辨率图像。

图5、图6显示了相位0的典型冠状面图像显示效果，从左至右分别为最近邻插值、双线性插值和本发明方法重建的结果。图7、图8显示了相位0的典型矢状面图像显示效果，从左至右分别为最近邻插值、双线性插值和本发明方法重建的结果。

图9、图10显示了相位7的典型冠状面图像显示效果，从左至右分别为最近邻插值、双线性插值和本发明方法重建的结果。图11、图12显示了相位7的典型矢状面图像显示效果，从左至右分别为最近邻插值、双线性插值和本发明方法重建的结果。

    从以上结果可以看出，本发明获得的超分辨率重建图像比传统的最近邻插值、双线性插值方法有较大的改进，对图像的分辨率有较明显的提高，从局部放大图像来看，肺实质中的血管和周边组织的亮度和清晰度有明显增强。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。