基于个性化形变模型与混合模糊相似度的前列腺多模图像非刚体部分配准方法研究

Prostate MRI-ultrasound multi-modal image registration can improve the accuracy of targeted prostate diagnosis and therapy by combining the high diagnosis performance of pre-operative MRI imaging and the real-time manner of intra-operative ultrasound imaging. How to improve the robustness and registration accuracy is the core of the problem faced by existing research. In this regard, we propose a novel non-rigid prostate MRI-ultrasound image registration method. First, we propose a personalized deformable model based on elastography to describe the significant individual difference in geometric structures and mechanical properties. This method can provide a solid foundation for physically deformable registration. Second, the traditional point correspondence estimation may potentially result in unfavorable local optima. To this end, we propose a hybrid fuzzy correspondence function to augment the surface registration. Third, we propose a partial registration method based on segmentation confidence. This method gives a feasible solution for the surface registration, which often depends on the segmentation result. Last, we propose a novel auto-context guided hierarchical structured random forest algorithm for the automatic prostate segmentation from ultrasound images. The segmentation results are essential for the construction of surface model and the following surface registration. Our proposed novel methods can provide a practical tool for the diagnosis and therapy of prostate cancer, and accumulate scientific knowledge for multi-modal image registration.

前列腺核磁-超声多模图像配准可结合术前核磁图像的诊断优势和术中超声的实时引导优势，对病灶区域实施靶向定位，进而提高前列腺癌诊疗精度，具有重要科学与临床意义。如何提高配准的鲁棒性与精度，是现有研究面临的核心问题。本项目提出一种旨在提高配准鲁棒性与精度的非刚体配准研究新思路：首先，研究基于超声弹性成像的个性化统计形变模型，有效表述个体几何结构与力学属性的显著差异，为形变配准提供精确的物理先验知识；其次，研究混合模糊相似度函数，有效解决表面配准中点云匹配易陷于局部极值的问题；再次，研究基于分割置信度的部分配准方法，为解决表面配准依赖于分割结果的固有问题提供有效解决方案；最后，研究自动上下文引导的多层结构化随机森林分割方法，为后续图像配准提供表面模型。本项目提出的一系列研究方案具有原始初创性，可为前列腺癌诊疗靶向定位提供实用方法与工具，也可为多模态图像配准的若干科学问题提供知识积累。

前列腺核磁-超声多模图像配准可结合术前核磁图像的诊断优势和术中超声的实时引导优势，对病灶区域实施靶向定位，进而提高前列腺癌诊疗精度，具有重要科学与临床意义。如何提高配准的鲁棒性与精度，是现有研究面临的核心问题。本项目提出一种旨在提高配准鲁棒性与精度的非刚体配准研究新思路，主要包括以下研究内容：首先，研究基于超声弹性成像的个性化统计形变模型，有效表述个体几何结构与力学属性的显著差异，为形变配准提供精确的物理先验知识；其次，研究混合模糊相似度函数，有效解决表面配准中点云匹配易陷于局部极值的问题；再次，研究基于分割置信度的部分配准方法，为解决表面配准依赖于分割结果的固有问题提供有效解决方案；最后，研究超声图像中前列腺轮廓的自动分割方法，为后续图像配准提供表面模型。..本项目取得了优异的研究成果，主要包括：发表学术文章47篇，其中SCI收录25篇（（包括IEEE Transactions on Medical Imaging等国际顶刊），MICCAI、ISBI等会议论文22篇；申请专利4项（1项授权）；成果获吴文俊人工智能科学技术奖的技术发明奖三等奖1项。项目组获得的重要学术贡献主要如下：（1）在国际上首次提出一种基于超声剪切波弹性成像的个性化形变模型建模方法；（2）在国际上首次提出基于MIND（多模态独立邻域描述子）特征相似度和物理距离的混合模糊相似度函数及自适应权重机制，有机的将多模态图像灰度信息和表面形状信息相结合；（3）在国际上首次提出基于映射字典学习方法构建分割置信度的MRI-TRUS表面配准方法；（4）提出多种创新的前列腺超声图像分割方法，包括基于多级自动上下文的分割方法、利用双向长短期记忆神经网络的分割方法、将注意力机制引入深度学习分割模型的方法。