医学图像的配准方法和装置、存储介质及电子设备

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种医学图像的配准方法和装置、存储介质及电子设备。

背景技术

医学图像配准技术是医学图像处理的基础，在放射治疗计划、肿瘤诊断、手术引导以及治疗跟踪等方面发挥着重要作用。一般来说，图像配准可以分为刚体配准和形变配准（非刚体配准），然而在实际应用中刚体配准无法满足大部分高度非线性和复杂形变的人体组织配准。因此，在实际应用中具有更多自由度，能实现非线性白由形变，并以优化方式得到非线性变换参数或者位移场的形变配准算法就尤为重要。

当前形变配准算法主要是对医学图像进行全局形变，此类算法对于放射治疗计划以及手术引导中更为重要的器官区域和靶区区域的形变效果会比较差并且会出现折叠情况，无法满足实际应用中对器官区域和靶区区域形变要求。

针对相关技术中进行图像配准时的形变配准依赖于医学图像的全局形变，导致图像配准的准确度比较低的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种医学图像的配准方法和装置、存储介质及电子设备，以解决相关技术中进行图像配准时的形变配准依赖于医学图像的全局形变，导致图像配准的准确度比较低的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种医学图像的配准方法。该方法包括：获取医学图像信息，其中，所述医学图像信息中至少包括：参考医学图像、所述参考医学图像的第一器官勾画信息、待配准医学图像和所述待配准医学图像的第二器官勾画信息；对所述参考医学图像和所述待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；依据所述N层参考医学图像、N层待配准医学图像、所述N层第一目标器官勾画信息和所述N层第二目标器官勾画信息确定目标形变场；依据所述目标形变场对所述待配准医学图像和所述第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息。

进一步地，在获取医学图像信息之后，所述方法还包括：依据所述参考医学图像对所述待配准医学图像进行刚性配准，得到第一待配准医学图像，并依据所述参考医学图像的第一器官勾画信息对所述待配准医学图像的第二器官勾画信息进行刚性配准，得到所述待配准医学图像的第三器官勾画信息；对所述参考医学图像和所述待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息包括：对所述参考医学图像和所述第一待配准医学图像进行分辨率分级，得到N层参考医学图像和N层第一待配准医学图像；对所述参考医学图像的第一器官勾画信息和所述待配准医学图像的第三器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息。

进一步地，依据所述参考医学图像对所述待配准医学图像进行刚性配准，得到第一待配准医学图像包括：获取所述参考医学图像与所述待配准医学图像之间的转换矩阵；依据所述转换矩阵对所述待配准医学图像进行刚性配准，得到所述第一待配准医学图像。

进一步地，对所述参考医学图像和所述待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像包括：分别对所述参考医学图像和所述待配准医学图像进行高斯滤波，得到滤波后的参考医学图像和滤波后的待配准医学图像；分别对所述滤波后的参考医学图像和所述滤波后的待配准医学图像进行降采样处理，得到所述N层参考医学图像和所述N层待配准医学图像。

进一步地，依据所述N层参考医学图像、N层待配准医学图像、所述N层第一目标器官勾画信息和所述N层第二目标器官勾画信息确定目标形变场包括：对于第一层参考医学图像和第一层待配准医学图像，设置第一层的初始形变场，并依据所述第一层参考医学图像、所述第一层参考医学图像对应的第一目标器官勾画信息、所述第一层待配准医学图像和所述第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数；依据所述目标约束函数对所述初始形变场进行迭代更新至预设次数，得到第一层的形变场；对于第M层参数医学图像和第M层待配准医学图像，将第M-1层的形变场确定为第M层的初始形变场，并对所述第M层的初始形变场进行迭代处理，得到第M层的形变场，其中，M小于等于N；对第N层的形变场进行上采样处理，并将处理后的第N层的形变场确定为所述目标形变场。

进一步地，依据所述第一层参考医学图像、所述第一层参考医学图像对应的第一目标器官勾画信息、所述第一层待配准医学图像和所述第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数包括：依据所述第一层的初始形变场对所述第一层待配准医学图像进行形变，得到形变后的第一层待配准医学图像；依据所述形变后的第一层待配准医学图像和所述第一层参考医学图像中的像素点进行计算，得到第一约束函数；依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数；依据所述第一层的初始形变场在目标方向上的梯度值，得到第三约束函数；依据所述第一层的初始形变场的雅克比矩阵，得到第四约束函数；依据所述第一约束函数、所述第二约束函数、所述第三约束函数和所述第四约束函数确定所述目标约束函数。

进一步地，依据所述形变后的第一层待配准医学图像和所述第一层参考医学图像中的像素点进行计算，得到第一约束函数包括：计算所述形变后的第一层待配准医学图像中的像素点的第一平方差之和，并依据所述第一平方差之和以及所述形变后的第一层待配准医学图像中的噪声估计进行计算，得到第一自相似函数；计算所述第一层参考医学图像中的像素点的第二平方差之和，并依据所述第二平方差之和以及所述第一层参考医学图像中的噪声估计进行计算，得到第二自相似函数；依据所述第一自相似函数和所述第二自相似函数进行计算得到所述第一约束函数。

进一步地，依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数包括：获取所述第一层参考医学图像中每个器官的第一目标器官勾画信息，和获取形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息；对所述第一层参考医学图像中每个器官的第一目标器官勾画信息和所述形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息进行相似度计算，得到每个器官对应的相似度约束值；获取每个器官的体积值和所有器官的总体积值，并依据每个器官的体积值、所述总体积值和每个器官对应的相似度约束值进行计算，得到所述第二约束函数。

进一步地，依据所述第一约束函数、所述第二约束函数、所述第三约束函数和所述第四约束函数确定所述目标约束函数包括：分别对所述第一约束函数、所述第二约束函数、所述第三约束函数和所述第四约束函数设置权重值，得到所述第一约束函数对应的第一权重值，所述第二约束函数对应的第二权重值、所述第三约束函数对应的第三权重值和所述第四约束函数对应的第四权重值；依据所述第一约束函数、所述第二约束函数、所述第三约束函数、所述第四约束函数、所述第一权重值、所述第二权重值、所述第三权重值和所述第四权重值进行计算得到所述目标约束函数。

为了实现上述目的，根据本申请的另一方面，提供了一种医学图像的配准装置。该装置包括：获取单元，用于获取医学图像信息，其中，所述医学图像信息中至少包括：参考医学图像、所述参考医学图像的第一器官勾画信息、待配准医学图像和所述待配准医学图像的第二器官勾画信息；分级单元，用于对所述参考医学图像和所述待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；确定单元，用于依据所述N层参考医学图像、N层待配准医学图像、所述N层第一目标器官勾画信息和所述N层第二目标器官勾画信息确定目标形变场；第一配准单元，用于依据所述目标形变场对所述待配准医学图像和所述第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息。

进一步地，在获取医学图像信息之后，所述装置还包括：第二配准单元，用于依据所述参考医学图像对所述待配准医学图像进行刚性配准，得到第一待配准医学图像，并依据所述参考医学图像的第一器官勾画信息对所述待配准医学图像的第二器官勾画信息进行刚性配准，得到所述待配准医学图像的第三器官勾画信息；所述分级单元包括：第一分级子单元，用于对所述参考医学图像和所述第一待配准医学图像进行分辨率分级，得到N层参考医学图像和N层第一待配准医学图像；第二分级子单元，用于对所述参考医学图像的第一器官勾画信息和所述待配准医学图像的第三器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息。

进一步地，所述第二配准单元包括：获取子单元，用于获取所述参考医学图像与所述待配准医学图像之间的转换矩阵；第一配准子单元，用于依据所述转换矩阵对所述待配准医学图像进行刚性配准，得到所述第一待配准医学图像。

进一步地，所述分级单元包括：滤波子单元，用于分别对所述参考医学图像和所述待配准医学图像进行高斯滤波，得到滤波后的参考医学图像和滤波后的待配准医学图像；降采样子单元，用于分别对所述滤波后的参考医学图像和所述滤波后的待配准医学图像进行降采样处理，得到所述N层参考医学图像和所述N层待配准医学图像。

进一步地，所述确定单元包括：设置子单元，用于对于第一层参考医学图像和第一层待配准医学图像，设置第一层的初始形变场，并依据所述第一层参考医学图像、所述第一层参考医学图像对应的第一目标器官勾画信息、所述第一层待配准医学图像和所述第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数；迭代子单元，用于依据所述目标约束函数对所述初始形变场进行迭代更新至预设次数，得到第一层的形变场；确定子单元，用于对于第M层参数医学图像和第M层待配准医学图像，将第M-1层的形变场确定为第M层的初始形变场，并对所述第M层的初始形变场进行迭代处理，得到第M层的形变场，其中，M小于等于N；上采样子单元，用于对第N层的形变场进行上采样处理，并将处理后的第N层的形变场确定为所述目标形变场。

进一步地，所述设置子单元包括：形变模块，用于依据所述第一层的初始形变场对所述第一层待配准医学图像进行形变，得到形变后的第一层待配准医学图像；第一计算模块，用于依据所述形变后的第一层待配准医学图像和所述第一层参考医学图像中的像素点进行计算，得到第一约束函数；第二计算模块，用于依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数；第一处理模块，用于依据所述第一层的初始形变场在目标方向上的梯度值，得到第三约束函数；第二处理模块，用于依据所述第一层的初始形变场的雅克比矩阵，得到第四约束函数；确定模块，用于依据所述第一约束函数、所述第二约束函数、所述第三约束函数和所述第四约束函数确定所述目标约束函数。

进一步地，所述第一计算模块包括：第一计算子模块，用于计算所述形变后的第一层待配准医学图像中的像素点的第一平方差之和，并依据所述第一平方差之和以及所述形变后的第一层待配准医学图像中的噪声估计进行计算，得到第一自相似函数；第二计算子模块，用于计算所述第一层参考医学图像中的像素点的第二平方差之和，并依据所述第二平方差之和以及所述第一层参考医学图像中的噪声估计进行计算，得到第二自相似函数；第三计算子模块，用于依据所述第一自相似函数和所述第二自相似函数进行计算得到所述第一约束函数。

进一步地，所述第二计算模块包括：获取子模块，用于获取所述第一层参考医学图像中每个器官的第一目标器官勾画信息，和获取形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息；第四计算子模块，用于对所述第一层参考医学图像中每个器官的第一目标器官勾画信息和所述形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息进行相似度计算，得到每个器官对应的相似度约束值；第五计算子模块，用于获取每个器官的体积值和所有器官的总体积值，并依据每个器官的体积值、所述总体积值和每个器官对应的相似度约束值进行计算，得到所述第二约束函数。

进一步地，所述确定模块包括：设置子模块，用于分别对所述第一约束函数、所述第二约束函数、所述第三约束函数和所述第四约束函数设置权重值，得到所述第一约束函数对应的第一权重值，所述第二约束函数对应的第二权重值、所述第三约束函数对应的第三权重值和所述第四约束函数对应的第四权重值；第六计算子模块，用于依据所述第一约束函数、所述第二约束函数、所述第三约束函数、所述第四约束函数、所述第一权重值、所述第二权重值、所述第三权重值和所述第四权重值进行计算得到所述目标约束函数。

为了实现上述目的，根据本申请的另一方面，还提供了一种计算机可读存储介质，所述存储介质存储程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述任意一项所述的医学图像的配准方法。

为了实现上述目的，根据本申请的一个方面，提供了一种电子设备，电子设备包括一个或多个处理器和存储器，存储器用于存储一个或多个处理器实现上述任意一项所述的医学图像的配准方法。

通过本申请，采用以下步骤：获取医学图像信息，其中，医学图像信息中至少包括：参考医学图像、参考医学图像的第一器官勾画信息、待配准医学图像和待配准医学图像的第二器官勾画信息；对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对第一器官勾画信息和第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场；依据目标形变场对所述待配准医学图像和第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息，解决了相关技术中进行图像配准时的形变配准依赖于医学图像的全局形变，导致图像配准的准确度比较低的问题。在本方案中，在对待配准医学图像进行配准前，对待配准图像和参考医学图像进行分辨率分级，得到N层参考医学图像、N层待配准医学图像。这样可以有效减少形变场迭代时的计算量，然后利用器官勾画信息计算形变场，进一步提高器官形变的准确性和合理性，进而达到了提高图像配准的准确度的效果。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例提供的医学图像的配准方法的流程图；

图2是根据本申请实施例提供的可选的医学图像的配准方法的流程图；

图3是根据本申请实施例提供的医学图像的配准装置的示意图；

图4是根据本申请实施例提供的医学图像的配准系统的示意图；

图5是根据本申请实施例提供的电子设备的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，本公开所涉及的相关信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于展示的数据、分析的数据、医学图像数据等），均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。

下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的医学图像的配准方法的流程图，如图1所示，该方法包括如下步骤：

步骤S101，获取医学图像信息，其中，医学图像信息中至少包括：参考医学图像、参考医学图像的第一器官勾画信息、待配准医学图像和待配准医学图像的第二器官勾画信息；

具体地，获取参考医学图像和浮动图像（即上述的待配准医学图像），同时获取参考医学图像的勾画信息、获取浮动图像的勾画信息，从浮动图像的勾画信息和参考医学图像的勾画信息中筛选出指定的相对应勾画信息或者靶区相邻的相对应勾画信息，得到上述的第一器官勾画信息和第二器官勾画信息。由于在本申请实施例中的形变场计算时，添加了浮动图像和参考医学图像的勾画信息，因此要求两者提供的勾画信息要对应，所以需要提前筛选出参考医学图像和待配准医学图像中相对应的勾画信息。例如，参考医学图像的肺勾画对待配准医学图像的肺勾画。

步骤S102，对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对第一器官勾画信息和第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；

具体地，可以通过多分辨率金字塔式的迭代算法对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像。由于参考医学图像和浮动图像进行了分辨率分级，分成N层分辨率图像，所以参考医学图像的勾画信息和待配准医学图像的勾画信息也要进行分辨率分级并且层数和分辨率要和参考医学图像和浮动图像的分级保持一致，因此，对第一器官勾画信息和第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息。

在一可选的实施例中，N可以直接设置成2。利用多分辨率金字塔式的迭代法对参考医学图像和待配准医学图像进行多层分辨率分级，获得由高到低的2层分辨率参考医学图像以及2层分辨率待配准医学图像。

通过对参考医学图像和待配准医学图像进行分辨率分级，有利于减少计算量，提高计算效率。

步骤S103，依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场；

具体地，在得到N层参考医学图像、N层待配准医学图像之后，通过N层参考医学图像、N层待配准医学图像、第一目标器官勾画信息和第二目标器官勾画信息确定目标形变场。

步骤S104，依据目标形变场对待配准医学图像和第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息。

具体地，利用步骤S103得到的目标形变场对待配准医学图像和第二器官勾画信息进行形变配准，最后输出配准后的医学图像和配准后的第二器官勾画信息。

综上所述，在对待配准医学图像进行配准前，对待配准图像和参考医学图像进行分辨率分级，得到N层参考医学图像、N层待配准医学图像。这样可以有效减少形变场迭代时的计算量，然后利用器官勾画信息计算形变场，进一步提高器官形变的准确性和合理性，进而达到了提高图像配准的准确度的效果。

为了提高对医学图像配准的准确性，在本申请实施例提供的医学图像的配准方法中，在获取医学图像信息之后，还包括：依据参考医学图像对待配准医学图像进行刚性配准，得到第一待配准医学图像，并依据参考医学图像的第一器官勾画信息对待配准医学图像的第二器官勾画信息进行刚性配准，得到待配准医学图像的第三器官勾画信息；对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息包括：对参考医学图像和第一待配准医学图像进行分辨率分级，得到N层参考医学图像和N层第一待配准医学图像；对所述参考医学图像的第一器官勾画信息和所述待配准医学图像的第三器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息。

依据参考医学图像对待配准医学图像进行刚性配准，得到第一待配准医学图像包括：获取参考医学图像与待配准医学图像之间的转换矩阵；依据转换矩阵对待配准医学图像进行刚性配准，得到第一待配准医学图像。

具体地，根据参考医学图像对待配准医学图像进行刚性配准，获得刚性配准所需的转换矩阵。其次，利用转换矩阵，对待配准医学图像进行刚性变换，获得刚性配准后的第一待配准医学图像。最后，利用转换矩阵，对第一器官勾画信息进行刚性变换，获得刚性配准后的第三器官勾画信息。

通过参考医学图像对待配准医学图像进行刚性配准能够有效提高对医学图像配准的准确性。

此外，如果参考医学图像对待配准医学图像进行了刚性配准，那么对应的进行分辨率分级时，对刚性配准后的第一待配准医学图像进行分辨率分级，得到N层第一待配准医学图像。

在本申请实施例提供的医学图像的配准方法中，对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像包括：分别对参考医学图像和待配准医学图像进行高斯滤波，得到滤波后的参考医学图像和滤波后的待配准医学图像；分别对滤波后的参考医学图像和滤波后的待配准医学图像进行降采样处理，得到N层参考医学图像和N层待配准医学图像。

具体地，对参考医学图像和待配准医学图像进行分辨率分级包括以下内容，分别对参考医学图像和待配准医学图像进行高斯滤波平滑处理，得到滤波后的参考医学图像和滤波后的待配准医学图像，然后分别对滤波后的参考医学图像和滤波后的待配准医学图像进行降采样处理或者下采样处理，得到分辨率由高到低的N层参考医学图像以及N层待配准医学图像。

通过对参考医学图像和待配准医学图像进行分辨率分级，有利于减少计算量，提高计算效率。

需要说明的是，对第一器官勾画信息和第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息的步骤与对参考医学图像和待配准医学图像进行分辨率分级的步骤是一致的，因此，不再进行赘述。

如何确定目标形变场是至关重要的，因此，在本申请实施例提供的医学图像的配准方法中，依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场包括：对于第一层参考医学图像和第一层待配准医学图像，设置第一层的初始形变场，并依据第一层参考医学图像、第一层参考医学图像对应的第一目标器官勾画信息、第一层待配准医学图像和第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数；依据目标约束函数对初始形变场进行迭代更新至预设次数，得到第一层的形变场；对于第M层参数医学图像和第M层待配准医学图像，将第M-1层的形变场确定为第M层的初始形变场，并对第M层的初始形变场进行迭代处理，得到第M层的形变场，其中，M小于等于N；对第N层的形变场进行上采样处理，并将处理后的第N层的形变场确定为目标形变场。

具体地，对于第一层参考医学图像和第一层待配准医学图像，设置第一层对应的初始形变场，例如，初始形变场设置为零矩阵，其大小为[x，y，z，3]，其中3代表该像素在三个方向（x，y，z）上的偏移量。每次更新形变场，偏移量都会发生变化。需要说明的是第一层参考医学图像和第一层待配准医学图像为N层参考医学图像、N层待配准医学图像中的最低分辨率的图像。

通过第一层对应的初始形变场对第一层待配准医学图像进行形变，并根据梯度下降法的目标约束函数对初始形变场进行迭代更新，直至更新迭代次数达到指定次数（例如，50次），返回第一层对应的形变场。

需要说明的是，目标约束函数通过第一层参考医学图像、第一层参考医学图像对应的第一目标器官勾画信息、第一层待配准医学图像和第一层待配准医学图像对应的第二目标器官勾画信息得到。

在得到第一层对应的形变场之后，将第一层对应的形变场作为下一层的初始形变场。由于第一层的医学图像和第二层的医学图像的分辨率存在不同，因此，可以先对第一层对应的形变场进行上采样处理，将处理后的第一层对应的形变场作为下一层的初始形变场，然后重复上述的对初始形变场的迭代过程，得到下一层对应的形变场，直至得到最后一层的对应的形变场，最后对最后一层对应的形变场进行上采样处理，得到最终的目标形变场。

如何得到目标约束函数是至关重要的，因此，在本申请实施例提供的医学图像的配准方法中，依据第一层参考医学图像、第一层参考医学图像对应的第一目标器官勾画信息、第一层待配准医学图像和第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数包括：依据第一层的初始形变场对第一层待配准医学图像进行形变，得到形变后的第一层待配准医学图像；依据形变后的第一层待配准医学图像和第一层参考医学图像中的像素点进行计算，得到第一约束函数；依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数；依据第一层的初始形变场在目标方向上的梯度值，得到第三约束函数；依据第一层的初始形变场的雅克比矩阵，得到第四约束函数；依据第一约束函数、第二约束函数、第三约束函数和第四约束函数确定目标约束函数。

具体地，目标约束函数有四个约束函数组成，具体如下：

（1）为了衡量待配准医学图像每次形变之后与参考医学图像的对齐程度，基于模态独立领域描述符(A Modality Independent Neighbourhood Descriptor MIND)和基于块的自相似上下文(self-similarity context SSC)，作为两个图像之间相似度约束（即上述的第一约束函数）。即根据形变后的第一层待配准医学图像和第一层参考医学图像中的像素点进行计算，得到第一约束函数。

（2）通过计算形变后第一层待配准医学图像的勾画数据与第一层参考医学图像对应的勾画数据之间的相似度值（也可以叫做Dice值）作为器官勾画引导的约束条件，即根据第一层参考医学图像对应的第一目标器官勾画信息和第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数。

（3）为了改善形变场的平滑程度，使用扩散正则化器进行平滑约束并且取均值，作为形变场平滑度约束条件，也就是根据第一层的初始形变场在目标方向上的梯度值，得到第三约束函数。

在一可选的实施例中，第三约束函数为L

其中，mean为均值函数，Ф为当前的形变场，▽U（Ф）为当前的形变场在x，y，z三个方向上的梯度值。

（4）为了优化折叠问题，引入雅可比矩阵系数作为第四约束函数。

在一可选的实施例中，第四约束函数为L

其中，JD

其中，0对应x方向，1对应y方向，2对应z方向。

在得到上述的第一约束函数、第二约束函数、第三约束函数和第四约束函数之后，利用这些约束函数确定目标约束函数。

综上所述，通过引入第一约束函数、第二约束函数、第三约束函数和第四约束函数，提高了形变场的泛化性和准确性，进一步引导危机器官或靶区区域形变并且适用于多模态图像。

在本申请实施例提供的医学图像的配准方法中，依据形变后的第一层待配准医学图像和第一层参考医学图像中的像素点进行计算，得到第一约束函数包括：计算形变后的第一层待配准医学图像中的像素点的第一平方差之和，并依据第一平方差之和以及形变后的第一层待配准医学图像中的噪声估计进行计算，得到第一自相似函数；计算第一层参考医学图像中的像素点的第二平方差之和，并依据第二平方差之和以及第一层参考医学图像中的噪声估计进行计算，得到第二自相似函数；依据第一自相似函数和第二自相似函数进行计算得到第一约束函数。

具体地，在计算第一约束函数时包括：对形变后的第一层待配准医学图像中的像素点进行计算得到第一平方差之和，然后通过第一平方差之和以及形变后的第一层待配准医学图像中的噪声估计进行计算，得到第一自相似函数。对第一层参考医学图像中的像素点进行计算得到第二平方差之和，然后通过第二平方差之和以及第一层参考医学图像中的噪声估计进行计算，得到第二自相似函数。最后根据第一自相似函数和第二自相似函数进行计算得到第一约束函数。

在一可选的实施例中，采用以下公式计算得到第一自相似函数和第二自相似函数：

其中，参考医学图像为F，MS

在计算得到第一自相似函数和第二自相似函数之后，采用以下公式计算得到第一约束函数：

综上所述，通过将待配准医学图像每次形变之后与参考图像的对齐程度作为约束函数，能够适用于多模态医学图像，并有效提升目标形变场的形变的准确性。

在本申请实施例提供的医学图像的配准方法中，采用以下步骤依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数：获取第一层参考医学图像中每个器官的第一目标器官勾画信息，和获取形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息；对第一层参考医学图像中每个器官的第一目标器官勾画信息和形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息进行相似度计算，得到每个器官对应的相似度约束值；获取每个器官的体积值和所有器官的总体积值，并依据每个器官的体积值、总体积值和每个器官对应的相似度约束值进行计算，得到第二约束函数。

具体地，分别获取第一层参考医学图像中每个器官的第一目标器官勾画信息和第一层待配准医学图像中的每个器官的第二目标器官勾画信息，然后计算每个器官的第一目标器官勾画信息与每个器官的第二目标器官勾画信息的相似度，得到每个器官对应的相似度约束值，之后，根据多个器官体积比例分配每个器官的权重，最后得到第二约束函数。

在一可选的的实施例中，通过以下公式计算得到每个器官对应的相似度约束值：

其中，

在一可选的实施例中，通过以下公式得到上述的第二约束函数：

其中，

通过引用多个器官勾画，进一步对器官区域进行形变，能够有效引导危机器官或靶区区域的形变，提高形变的准确性。

为了提高目标约束函数设置的合理性，在本申请实施例提供的医学图像的配准方法中，依据第一约束函数、第二约束函数、第三约束函数和第四约束函数确定目标约束函数包括：分别对第一约束函数、第二约束函数、第三约束函数和第四约束函数设置权重值，得到第一约束函数对应的第一权重值，第二约束函数对应的第二权重值、第三约束函数对应的第三权重值和第四约束函数对应的第四权重值；依据第一约束函数、第二约束函数、第三约束函数、第四约束函数、第一权重值、第二权重值、第三权重值和第四权重值进行计算得到目标约束函数。

具体地，将上述所有约束函数L

在一可选的实施例中，目标约束函数如下述所示：

需要说明的是，具体实施时，可以设置W

在一可选的实施例中，可以采用如图2所示的流程图实现对医学图像的配准，读取参考图像、浮动图像以及参考图像对应的器官勾画信息和浮动图像对应的器官勾画信息。对数据进行刚性配准，基于多分辨率金字塔式的迭代法对图像数据进行分级。对第i层图像数据，初始化形变场，基于形变场对数据进行形变配准，基于形变结果，计算约束函数，并利用约束函数对初始化形变场会进行迭代，得到第i层的形变场，将第i层的形变场作为下一层的初始形变场，重复执行上述步骤直至得到最后一层的形变场，然后基于对最后一层的形变场的尺寸进行规范，得到目标形变场，最后利用目标形变场对浮动图像进行配准，得到形变配准结果。

本申请实施例提供的医学图像的配准方法，通过获取医学图像信息，其中，医学图像信息中至少包括：参考医学图像、参考医学图像的第一器官勾画信息、待配准医学图像和待配准医学图像的第二器官勾画信息；对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对第一器官勾画信息和第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场；依据目标形变场对所述待配准医学图像和第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息，解决了相关技术中进行图像配准时的形变配准依赖于医学图像的全局形变，导致图像配准的准确度比较低的问题。在本方案中，在对待配准医学图像进行配准前，对待配准图像和参考医学图像进行分辨率分级，得到N层参考医学图像、N层待配准医学图像。这样可以有效减少形变场迭代时的计算量，然后利用器官勾画信息计算形变场，进一步提高器官形变的准确性和合理性，进而达到了提高图像配准的准确度的效果。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例还提供了一种医学图像的配准装置，需要说明的是，本申请实施例的医学图像的配准装置可以用于执行本申请实施例所提供的用于医学图像的配准方法。以下对本申请实施例提供的医学图像的配准装置进行介绍。

图3是根据本申请实施例的医学图像的配准装置的示意图。如图3所示，该装置包括：获取单元301，分级单元302，确定单元303和第一配准单元304。

获取单元301，用于获取医学图像信息，其中，医学图像信息中至少包括：参考医学图像、参考医学图像的第一器官勾画信息、待配准医学图像和待配准医学图像的第二器官勾画信息；

分级单元302，用于对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；

确定单元303，用于依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场；

第一配准单元304，用于依据目标形变场对所述待配准医学图像和第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息。

本申请实施例提供的医学图像的配准装置，通过获取单元301获取医学图像信息，其中，医学图像信息中至少包括：参考医学图像、参考医学图像的第一器官勾画信息、待配准医学图像和待配准医学图像的第二器官勾画信息；分级单元302对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；确定单元303依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场；第一配准单元304依据目标形变场对所述待配准医学图像和第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息，解决了相关技术中进行图像配准时的形变配准依赖于医学图像的全局形变，导致图像配准的准确度比较低的问题。在本方案中，在对待配准医学图像进行配准前，对待配准图像和参考医学图像进行分辨率分级，得到N层参考医学图像、N层待配准医学图像。这样可以有效减少形变场迭代时的计算量，然后利用器官勾画信息计算形变场，进一步提高器官形变的准确性和合理性，进而达到了提高图像配准的准确度的效果。

可选地，在本申请实施例提供的医学图像的配准装置中，在获取医学图像信息之后，装置还包括：第二配准单元，用于依据参考医学图像对待配准医学图像进行刚性配准，得到第一待配准医学图像，并依据参考医学图像的第一器官勾画信息对待配准医学图像的第二器官勾画信息进行刚性配准，得到待配准医学图像的第三器官勾画信息；分级单元包括：第一分级子单元，用于对参考医学图像和第一待配准医学图像进行分辨率分级，得到N层参考医学图像和N层第一待配准医学图像；第二分级子单元，用于对所述参考医学图像的第一器官勾画信息和所述待配准医学图像的第三器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息。

可选地，在本申请实施例提供的医学图像的配准装置中，第二配准单元包括：获取子单元，用于获取参考医学图像与待配准医学图像之间的转换矩阵；第一配准子单元，用于依据转换矩阵对待配准医学图像进行刚性配准，得到第一待配准医学图像。

可选地，在本申请实施例提供的医学图像的配准装置中，分级单元包括：滤波子单元，用于分别对参考医学图像和待配准医学图像进行高斯滤波，得到滤波后的参考医学图像和滤波后的待配准医学图像；降采样子单元，用于分别对滤波后的参考医学图像和滤波后的待配准医学图像进行降采样处理，得到N层参考医学图像和N层待配准医学图像。

可选地，在本申请实施例提供的医学图像的配准装置中，确定单元包括：设置子单元，用于对于第一层参考医学图像和第一层待配准医学图像，设置第一层的初始形变场，并依据第一层参考医学图像、第一层参考医学图像对应的第一目标器官勾画信息、第一层待配准医学图像和第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数；迭代子单元，用于依据目标约束函数对初始形变场进行迭代更新至预设次数，得到第一层的形变场；确定子单元，用于对于第M层参数医学图像和第M层待配准医学图像，将第M-1层的形变场确定为第M层的初始形变场，并对第M层的初始形变场进行迭代处理，得到第M层的形变场，其中，M小于等于N；上采样子单元，用于对第N层的形变场进行上采样处理，并将处理后的第N层的形变场确定为目标形变场。

可选地，在本申请实施例提供的医学图像的配准装置中，设置子单元包括：形变模块，用于依据第一层的初始形变场对第一层待配准医学图像进行形变，得到形变后的第一层待配准医学图像；第一计算模块，用于依据形变后的第一层待配准医学图像和第一层参考医学图像中的像素点进行计算，得到第一约束函数；第二计算模块，用于依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数；第一处理模块，用于依据第一层的初始形变场在目标方向上的梯度值，得到第三约束函数；第二处理模块，用于依据第一层的初始形变场的雅克比矩阵，得到第四约束函数；确定模块，用于依据第一约束函数、第二约束函数、第三约束函数和第四约束函数确定目标约束函数。

可选地，在本申请实施例提供的医学图像的配准装置中，第一计算模块包括：第一计算子模块，用于计算形变后的第一层待配准医学图像中的像素点的第一平方差之和，并依据第一平方差之和以及形变后的第一层待配准医学图像中的噪声估计进行计算，得到第一自相似函数；第二计算子模块，用于计算第一层参考医学图像中的像素点的第二平方差之和，并依据第二平方差之和以及第一层参考医学图像中的噪声估计进行计算，得到第二自相似函数；第三计算子模块，用于依据第一自相似函数和第二自相似函数进行计算得到第一约束函数。

可选地，在本申请实施例提供的医学图像的配准装置中，第二计算模块包括：获取子模块，用于获取第一层参考医学图像中每个器官的第一目标器官勾画信息，和获取形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息；第四计算子模块，用于对第一层参考医学图像中每个器官的第一目标器官勾画信息和形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息进行相似度计算，得到每个器官对应的相似度约束值；第五计算子模块，用于获取每个器官的体积值和所有器官的总体积值，并依据每个器官的体积值、总体积值和每个器官对应的相似度约束值进行计算，得到第二约束函数。

可选地，在本申请实施例提供的医学图像的配准装置中，确定模块包括：设置子模块，用于分别对第一约束函数、第二约束函数、第三约束函数和第四约束函数设置权重值，得到第一约束函数对应的第一权重值，第二约束函数对应的第二权重值、第三约束函数对应的第三权重值和第四约束函数对应的第四权重值；第六计算子模块，用于依据第一约束函数、第二约束函数、第三约束函数、第四约束函数、第一权重值、第二权重值、第三权重值和第四权重值进行计算得到目标约束函数。

医学图像的配准装置包括处理器和存储器，上述的获取单元301，分级单元302，确定单元303和第一配准单元304等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现对医学图像的配准。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

在一可选的实施例中，可以采用如图4所示的系统实现对医学图像的配准。该系统包括：数据读取模块，用于参考图像、浮动图像以及参考图像对应的器官勾画信息和浮动图像对应的器官勾画信息。刚性配准模块，用于对数据进行刚性配准。数据分级模块，用于对医学图像和勾画信息分级；形变场计算模块，用于计算得到目标形变场；数据形变配准模块，用于利用目标形变场对浮动图像进行配准。输出模块，用于将输出形变配准结果。

本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现医学图像的配准方法。

本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行医学图像的配准方法。

如图5所示，本发明实施例提供了一种电子设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取医学图像信息，其中，医学图像信息中至少包括：参考医学图像、参考医学图像的第一器官勾画信息、待配准医学图像和待配准医学图像的第二器官勾画信息；对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场；依据目标形变场对所述待配准医学图像和第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息。

可选地，在获取医学图像信息之后，该方法还包括：依据参考医学图像对待配准医学图像进行刚性配准，得到第一待配准医学图像，并依据参考医学图像的第一器官勾画信息对待配准医学图像的第二器官勾画信息进行刚性配准，得到待配准医学图像的第三器官勾画信息；对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息包括：对参考医学图像和第一待配准医学图像进行分辨率分级，得到N层参考医学图像和N层第一待配准医学图像；对所述参考医学图像的第一器官勾画信息和所述待配准医学图像的第三器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息。

可选地，依据参考医学图像对待配准医学图像进行刚性配准，得到第一待配准医学图像包括：获取参考医学图像与待配准医学图像之间的转换矩阵；依据转换矩阵对待配准医学图像进行刚性配准，得到第一待配准医学图像。

可选地，对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像包括：分别对参考医学图像和待配准医学图像进行高斯滤波，得到滤波后的参考医学图像和滤波后的待配准医学图像；分别对滤波后的参考医学图像和滤波后的待配准医学图像进行降采样处理，得到N层参考医学图像和N层待配准医学图像。

可选地，依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场包括：对于第一层参考医学图像和第一层待配准医学图像，设置第一层的初始形变场，并依据第一层参考医学图像、第一层参考医学图像对应的第一目标器官勾画信息、第一层待配准医学图像和第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数；依据目标约束函数对初始形变场进行迭代更新至预设次数，得到第一层的形变场；对于第M层参数医学图像和第M层待配准医学图像，将第M-1层的形变场确定为第M层的初始形变场，并对第M层的初始形变场进行迭代处理，得到第M层的形变场，其中，M小于等于N；对第N层的形变场进行上采样处理，并将处理后的第N层的形变场确定为目标形变场。

可选地，依据第一层参考医学图像、第一层参考医学图像对应的第一目标器官勾画信息、第一层待配准医学图像和第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数包括：依据第一层的初始形变场对第一层待配准医学图像进行形变，得到形变后的第一层待配准医学图像；依据形变后的第一层待配准医学图像和第一层参考医学图像中的像素点进行计算，得到第一约束函数；依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数；依据第一层的初始形变场在目标方向上的梯度值，得到第三约束函数；依据第一层的初始形变场的雅克比矩阵，得到第四约束函数；依据第一约束函数、第二约束函数、第三约束函数和第四约束函数确定目标约束函数。

可选地，依据形变后的第一层待配准医学图像和第一层参考医学图像中的像素点进行计算，得到第一约束函数包括：计算形变后的第一层待配准医学图像中的像素点的第一平方差之和，并依据第一平方差之和以及形变后的第一层待配准医学图像中的噪声估计进行计算，得到第一自相似函数；计算第一层参考医学图像中的像素点的第二平方差之和，并依据第二平方差之和以及第一层参考医学图像中的噪声估计进行计算，得到第二自相似函数；依据第一自相似函数和第二自相似函数进行计算得到第一约束函数。

可选地，依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数包括：获取第一层参考医学图像中每个器官的第一目标器官勾画信息，和获取形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息；对第一层参考医学图像中每个器官的第一目标器官勾画信息和形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息进行相似度计算，得到每个器官对应的相似度约束值；获取每个器官的体积值和所有器官的总体积值，并依据每个器官的体积值、总体积值和每个器官对应的相似度约束值进行计算，得到第二约束函数。

可选地，依据第一约束函数、第二约束函数、第三约束函数和第四约束函数确定目标约束函数包括：分别对第一约束函数、第二约束函数、第三约束函数和第四约束函数设置权重值，得到第一约束函数对应的第一权重值，第二约束函数对应的第二权重值、第三约束函数对应的第三权重值和第四约束函数对应的第四权重值；依据第一约束函数、第二约束函数、第三约束函数、第四约束函数、第一权重值、第二权重值、第三权重值和第四权重值进行计算得到目标约束函数。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取医学图像信息，其中，医学图像信息中至少包括：参考医学图像、参考医学图像的第一器官勾画信息、待配准医学图像和待配准医学图像的第二器官勾画信息；对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息，其中，N为大于等于2的正整数；依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场；依据目标形变场对所述待配准医学图像和第二器官勾画信息进行配准，得到配准后的医学图像和配准后的第二器官勾画信息。

可选地，在获取医学图像信息之后，该方法还包括：依据参考医学图像对待配准医学图像进行刚性配准，得到第一待配准医学图像，并依据参考医学图像的第一器官勾画信息对待配准医学图像的第二器官勾画信息进行刚性配准，得到待配准医学图像的第三器官勾画信息；对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像，并对所述第一器官勾画信息和所述第二器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息包括：对参考医学图像和第一待配准医学图像进行分辨率分级，得到N层参考医学图像和N层第一待配准医学图像；对所述参考医学图像的第一器官勾画信息和所述待配准医学图像的第三器官勾画信息进行分辨率分级，得到N层第一目标器官勾画信息和N层第二目标器官勾画信息。

可选地，依据参考医学图像对待配准医学图像进行刚性配准，得到第一待配准医学图像包括：获取参考医学图像与待配准医学图像之间的转换矩阵；依据转换矩阵对待配准医学图像进行刚性配准，得到第一待配准医学图像。

可选地，对参考医学图像和待配准医学图像进行分辨率分级，得到N层参考医学图像和N层待配准医学图像包括：分别对参考医学图像和待配准医学图像进行高斯滤波，得到滤波后的参考医学图像和滤波后的待配准医学图像；分别对滤波后的参考医学图像和滤波后的待配准医学图像进行降采样处理，得到N层参考医学图像和N层待配准医学图像。

可选地，依据N层参考医学图像、N层待配准医学图像、N层第一目标器官勾画信息和N层第二目标器官勾画信息确定目标形变场包括：对于第一层参考医学图像和第一层待配准医学图像，设置第一层的初始形变场，并依据第一层参考医学图像、第一层参考医学图像对应的第一目标器官勾画信息、第一层待配准医学图像和第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数；依据目标约束函数对初始形变场进行迭代更新至预设次数，得到第一层的形变场；对于第M层参数医学图像和第M层待配准医学图像，将第M-1层的形变场确定为第M层的初始形变场，并对第M层的初始形变场进行迭代处理，得到第M层的形变场，其中，M小于等于N；对第N层的形变场进行上采样处理，并将处理后的第N层的形变场确定为目标形变场。

可选地，依据第一层参考医学图像、第一层参考医学图像对应的第一目标器官勾画信息、第一层待配准医学图像和第一层待配准医学图像对应的第二目标器官勾画信息得到目标约束函数包括：依据第一层的初始形变场对第一层待配准医学图像进行形变，得到形变后的第一层待配准医学图像；依据形变后的第一层待配准医学图像和第一层参考医学图像中的像素点进行计算，得到第一约束函数；依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数；依据第一层的初始形变场在目标方向上的梯度值，得到第三约束函数；依据第一层的初始形变场的雅克比矩阵，得到第四约束函数；依据第一约束函数、第二约束函数、第三约束函数和第四约束函数确定目标约束函数。

可选地，依据形变后的第一层待配准医学图像和第一层参考医学图像中的像素点进行计算，得到第一约束函数包括：计算形变后的第一层待配准医学图像中的像素点的第一平方差之和，并依据第一平方差之和以及形变后的第一层待配准医学图像中的噪声估计进行计算，得到第一自相似函数；计算第一层参考医学图像中的像素点的第二平方差之和，并依据第二平方差之和以及第一层参考医学图像中的噪声估计进行计算，得到第二自相似函数；依据第一自相似函数和第二自相似函数进行计算得到第一约束函数。

可选地，依据所述第一层参考医学图像对应的第一目标器官勾画信息和形变后的第一层待配准医学图像对应的第二目标器官勾画信息进行计算，得到第二约束函数包括：获取第一层参考医学图像中每个器官的第一目标器官勾画信息，和获取形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息；对第一层参考医学图像中每个器官的第一目标器官勾画信息和形变后的第一层待配准医学图像中的每个器官的第二目标器官勾画信息进行相似度计算，得到每个器官对应的相似度约束值；获取每个器官的体积值和所有器官的总体积值，并依据每个器官的体积值、总体积值和每个器官对应的相似度约束值进行计算，得到第二约束函数。

可选地，依据第一约束函数、第二约束函数、第三约束函数和第四约束函数确定目标约束函数包括：分别对第一约束函数、第二约束函数、第三约束函数和第四约束函数设置权重值，得到第一约束函数对应的第一权重值，第二约束函数对应的第二权重值、第三约束函数对应的第三权重值和第四约束函数对应的第四权重值；依据第一约束函数、第二约束函数、第三约束函数、第四约束函数、第一权重值、第二权重值、第三权重值和第四权重值进行计算得到目标约束函数。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。