CN120196775A - 一种基于多模态配准的pet/mri图像融合方法及系统 - Google Patents

Abstract

本发明公开了一种基于多模态配准的PET/MRI图像融合方法及系统，涉及图像融合技术领域。包括：获取目标图像融合区域，得到目标区域项，目标区域项用于表示目标患者的待融合PET图像获取区域以及MRI图像获取区域；基于目标区域项，设定至少两个标记区域作为标记特征点，对标记特征点进行标号赋予，得到标号特征集。本发明将获取的PET和MRI图像数据拆分为数据片段后，通过选定方法快速筛选出目标数据片段，避免了对大量无关数据的处理，依据标号特征集的位置信息筛选出目标数据片段，以其实际位置数据作为对齐轮廓进行对齐和融合，减小融合过程中因为呼吸而导致的胸部轮廓差异造成的影响，提高了图像融合的精度。

Description

一种基于多模态配准的PET/MRI图像融合方法及系统

技术领域

本发明涉及图像融合技术领域，具体为一种基于多模态配准的PET/MRI图像融合方法及系统。

背景技术

PET成像为正电子发射计算机断层扫描，是一种重要的医学成像技术，主要用于观察体内的代谢活动，MRI成像为磁共振成像，是利用强磁场和无线电波来获取体内结构的详细图像，包括强磁场的产生、射频脉冲的应用、信号的释放、信号的采集和处理、图像重建等步骤，PET与MRI图像融合方法是将正电子发射断层扫描和磁共振成像的图像结合在一起以提高医学成像的诊断能力的一种技术，融合这两种成像技术的优势，能够同时获取结构和功能信息。

专利公开号为CN113362261A的图像融合方法，在一次融合得到的第一融合图像的基础上，可以利用颜色迁移实施二次融合，以使第一融合图像的亮度和颜色都可以向可见光图像迁移，从而可以得到亮度和颜色更接近可见光图像的第二融合图像，由此，以第二融合图像作为图像融合的输出结果，可以降低由于红外图像存在的亮度差异而在融合图像中引发的颜色失真。

上述以及类似的技术方案在对患者的胸腔部位进行PET以及MRI图像融合时，需要首先获取胸腔部位的PET以及MRI图像数据时，但是在这个过程中，患者是处于不断呼吸的状态，胸腔会自主出现扩张以及收缩，进而会导致获取到的PET以及MRI图像数据存在一定的差异，即胸腔扩张程度不一致，此时在融合PET以及MRI图像数据时，会导致融合结果精确度受到影响。

发明内容

本发明的目的在于提供一种基于多模态配准的PET/MRI图像融合方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于多模态配准的PET/MRI图像融合方法，包括：

获取目标图像融合区域，得到目标区域项，目标区域项用于表示目标患者的待融合PET图像获取区域以及MRI图像获取区域；

基于目标区域项，设定至少两个标记区域作为标记特征点，对标记特征点进行标号赋予，得到标号特征集；

分别获取目标患者的PET图像数据以及MRI图像数据，得到第一数据集和第二数据集，第一数据集和第二数据集分别表示获取到目标患者的目标区域项PET以及MRI图像数据；

对第一数据集和第二数据集进行拆分，将第一数据集和第二数据集拆分为至少两个数据片段，得到第一片段集和第二片段集；

分别获取第一片段集和第二片段集中标号特征集的位置信息，得到第一位置集和第二位置集；

通过选定方法获取第一位置集和第二位置集中的目标数据片段，得到第一目标片段集和第二目标片段集；

以第一目标片段集和第二目标片段集中标号特征集处于第一位置集和第二位置集中的实际位置数据作为对齐轮廓，得到第一轮廓集和第二轮廓集；

基于第一轮廓集和第二轮廓集分别对齐，进而分别对齐第一目标片段集和第二目标片段集，使得第一目标片段集和第二目标片段集中的数据片段根据对应位置进行融合，进而得到至少两个融合片段。

更进一步地，所述目标区域项的获取方法包括：

获取融合需求，融合需求包括位置需求，得到目标位置项，目标位置项用于表示目标患者的实际待融合位置；

基于目标位置项，设定限位区域，限位区域为固定范围值，基于限位区域与目标位置项的组合结果，得到以目标位置项为起点的待融合范围，进而得到目标区域项。

更进一步地，所述标号特征集的获取方法包括：

设定标记间隙，标记间隙为固定百分比数值，基于标记间隙与目标区域项的组合结果，得到至少两个间隙特征点；

以间隙特征点作为标记特征点，得到标记特征集，依据从上到下的排序方式对标记特征集进行排序以及标号赋予，进而得到标号特征集。

更进一步地，所述第一数据集和第二数据集的获取方法包括：

设定获取时长，得到目标时长项，以目标区域项的边界位置作为获取起点以及获取终点，得到起点位置项以及终点位置项；

基于目标时长项，以起点位置项以及终点位置项作为获取端点，分别通过第一目标设备和第二目标设备获取PET图像数据以及MRI图像数据，进而得到第一数据集和第二数据集。

更进一步地，所述第一片段集和第二片段集的获取方法包括：

获取目标患者的呼吸频率以及呼吸时长，得到呼吸频率项以及呼吸时长项；

设定拆分阈值，拆分阈值为固定百分比数值，基于拆分阈值对呼吸时长项进行拆分，得到至少两个呼吸拆分项；

基于呼吸频率项，以目标患者的频率波谷点作为拆分起点，以频率波峰点作为拆分终点，得到拆分范围，以呼吸拆分项对拆分范围进行拆分，得到至少一个第一拆分集和至少一个第二拆分集；

基于第一数据集和第二数据集中呼吸频率项的数量信息，得到第一拆分集和第二拆分集的组合结果，进而得到第一片段集和第二片段集。

更进一步地，所述第一位置集和第二位置集的获取方法包括：

基于标号特征集，分别粘贴反光贴片，通过目标追踪设备追踪反光贴片的实时位置信息，得到第一实时位置集和第二实时位置集；

基于第一片段集和第二片段集，分别获取第一实时位置集和第二实时位置集中与第一片段集和第二片段集对应的反光贴片的位置信息，得到第一位置集和第二位置集。

更进一步地，所述选定方法包括：

获取第一位置集和第二位置集中，反光贴片处于最高位置以及最低位置时的数据片段，得到极高片段项和极低片段项；

获取第一位置集和第二位置集中，反光贴片高度差距最小时的数据片段，得到差距极小项；

基于极高片段项、极低片段项和差距极小项组合结果中各自对应的第一位置集和第二位置集，得到第一目标片段集和第二目标片段集。

更进一步地，所述第一轮廓集和第二轮廓集的获取方法包括：

获取第一目标片段集和第二目标片段集中标号特征集分别处于最高位置、最低位置和差距最小的实时位置数据，得到第一极高位置集、第一极低位置集、第一差距极小位置集、第二极高位置集、第二极低位置集、第二差距极小位置集；

第一极高位置集与第二极高位置集、第一极低位置集与第二极低位置集、第一差距极小位置集与第二差距极小位置集分别一一对应，得到组合对应集，分别以组合对应集中标号特征集的实时位置数据作为垂直剖面，得到第一轮廓集和第二轮廓集。

更进一步地，一种基于多模态配准的PET/MRI图像融合系统，使用了上述所述的一种基于多模态配准的PET/MRI图像融合方法，包括：

获取模块：获取目标图像融合区域，得到目标区域项，基于目标区域项，设定至少两个标记区域作为标记特征点，对标记特征点进行标号赋予，得到标号特征集，分别获取目标患者的PET图像数据以及MRI图像数据，得到第一数据集和第二数据集，第一数据集和第二数据集分别表示获取到目标患者的目标区域项PET以及MRI图像数据；

处理模块：对第一数据集和第二数据集进行拆分，将第一数据集和第二数据集拆分为至少两个数据片段，得到第一片段集和第二片段集，分别获取第一片段集和第二片段集中标号特征集的位置信息，得到第一位置集和第二位置集，通过选定方法获取第一位置集和第二位置集中的目标数据片段，得到第一目标片段集和第二目标片段集；

融合模块：以第一目标片段集和第二目标片段集中标号特征集处于第一位置集和第二位置集中的实际位置数据作为对齐轮廓，得到第一轮廓集和第二轮廓集，基于第一轮廓集和第二轮廓集分别对齐，进而分别对齐第一目标片段集和第二目标片段集，使得第一目标片段集和第二目标片段集中的数据片段根据对应位置进行融合，进而得到至少两个融合片段。

与现有技术相比，本发明的有益效果是：

该基于多模态配准的PET/MRI图像融合方法及系统，通过获取目标图像融合区域得到目标区域项，明确了待融合PET图像和MRI图像的获取区域，设定标记区域并赋予标号形成标号特征集，便于在图像数据中精准定位关键特征，将获取的PET和MRI图像数据拆分为数据片段后，数据拆分操作将第一数据集和第二数据集拆分为多个数据片段，在获取标号特征集的位置信息后，可通过选定方法快速筛选出目标数据片段，避免了对大量无关数据的处理，依据标号特征集的位置信息筛选出目标数据片段，以其实际位置数据作为对齐轮廓进行对齐和融合，减小融合过程中因为呼吸而导致的胸部轮廓差异造成的影响，提高了图像融合的精度。

附图说明

图1为本发明的整体流程示意图；

图2为本发明的目标位置项与目标区域项示意图；

图3为本发明的标号特征集示意图；

图4为本发明的第一拆分集示意图；

图5为本发明的选定方法示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

正电子发射断层扫描和磁共振成像作为重要的临床影像技术，在疾病诊断和治疗评估中发挥着不可替代的作用，PET能够反映组织代谢活动，MRI则提供高分辨率的解剖结构信息，通过PET/MRI图像融合，可以综合利用两者的优势，从而提高诊断的准确性和治疗的个性化，然而，在胸腔部位的PET/MRI图像融合过程中，患者的呼吸运动所带来的挑战不容忽视，呼吸运动导致的胸腔扩张和收缩，使得分别获取的PET和MRI图像数据存在明显的差异，进而严重影响图像融合的精确度，吸气时，肋间肌收缩，膈肌下降，胸腔容积增大，肺组织扩张，呼气时，这些肌肉放松，胸腔容积减小，肺组织收缩，这种动态的胸腔形态变化直接影响了PET和MRI图像的获取，这种差异性的存在，使得直接将PET和MRI图像进行融合变得困难，未经校正的融合会导致图像模糊、重叠错误以及位置偏差，从而无法准确地将代谢信息与解剖结构信息对应起来，而本申请提供的一种基于多模态配准的PET/MRI图像融合方法，通过获取目标图像融合区域得到目标区域项，明确了待融合PET图像和MRI图像的获取区域，设定标记区域并赋予标号形成标号特征集，便于在图像数据中精准定位关键特征，将获取的PET和MRI图像数据拆分为数据片段后，依据标号特征集的位置信息筛选出目标数据片段，以其实际位置数据作为对齐轮廓进行对齐和融合，减小融合过程中因为呼吸而导致的胸部轮廓差异造成的影响，提高了图像融合的精度，数据拆分操作将第一数据集和第二数据集拆分为多个数据片段，在获取标号特征集的位置信息后，可通过选定方法快速筛选出目标数据片段，避免了对大量无关数据的处理，如图1所示，包括步骤S100-S800。

步骤S100：获取目标图像融合区域，得到目标区域项。

需要注意的是，目标区域项用于表示目标患者的待融合PET图像获取区域以及MRI图像获取区域，目标区域项的获取方法包括：获取融合需求，融合需求包括位置需求，得到目标位置项，目标位置项用于表示目标患者的实际待融合位置；基于目标位置项，设定限位区域，限位区域为固定范围值，限位区域的固定范围值大小为±20cm，基于限位区域与目标位置项的组合结果，得到以目标位置项为起点的待融合范围，进而得到目标区域项。

实施例一

在具体的实施过程中，如图2所示，某患者在就医之后，根据医护人员的整治结果，判断出该患者需要在肺部进行正电子发射断层扫描和磁共振成像扫描，即需要获取肺部区域的PET图像以及MRI图像，此时位置需求即为肺部区域，得到目标位置项，此时再根据设定的限位区域的固定范围值，以肺部区域为起点，上下±20cm的待融合范围，进而得到目标区域项是以肺部区域为中心点的上下各延展20cm长度的范围，得到目标区域项。

步骤S200：基于目标区域项，设定至少两个标记区域作为标记特征点，对标记特征点进行标号赋予，得到标号特征集。

需要注意的是，标号特征集的获取方法包括：设定标记间隙，标记间隙为固定百分比数值，标记间隙为20％，基于标记间隙与目标区域项的组合结果，得到六个间隙特征点；以间隙特征点作为标记特征点，得到标记特征集，依据从上到下的排序方式对标记特征集进行排序以及标号赋予，进而得到标号特征集。

实施例二

在具体的实施过程中，如图3所示，某患者在就医之后根据医护人员的整治结果，得到目标区域项是以肺部区域为中心点的上下各延展20cm长度的范围，得到目标区域项，此时根据设定的标记间隙，在目标区域项中设定六个标记特征点，分别为目标区域项底部位置，以及距离底部位置8cm、16cm、24cm、32cm以及40cm，而40cm的位置正好为目标区域项的顶部位置，得到标记特征集，此时根据从上到下的排序方式对标记特征集进行排序以及标号赋予，最上端也就是目标区域项的顶部位置的标记特征点为一号，往下以此类推，目标区域项底部位置，以及距离底部位置8cm、16cm、24cm、32cm标号分别为6、5、4、3、2号，进而得到标号特征集。

步骤S300：分别获取目标患者的PET图像数据以及MRI图像数据，得到第一数据集和第二数据集。

需要注意的是，第一数据集和第二数据集分别表示获取到目标患者的目标区域项PET以及MRI图像数据，第一数据集和第二数据集的获取方法包括：设定获取时长，获取时长为10min，得到目标时长项，以目标区域项的边界位置作为获取起点以及获取终点，得到起点位置项以及终点位置项；基于目标时长项，以起点位置项以及终点位置项作为获取端点，分别通过第一目标设备和第二目标设备获取PET图像数据以及MRI图像数据，第一目标设备和第二目标设备分别为PET扫描仪以及MRI扫描仪，进而得到第一数据集和第二数据集。

步骤S400：对第一数据集和第二数据集进行拆分，将第一数据集和第二数据集拆分为至少两个数据片段，得到第一片段集和第二片段集。

需要注意的是，第一片段集和第二片段集的获取方法包括：获取目标患者的呼吸频率以及呼吸时长，得到呼吸频率项以及呼吸时长项；设定拆分阈值，拆分阈值为固定百分比数值，拆分阈值为10％，基于拆分阈值对呼吸时长项进行拆分，得到十个呼吸拆分项；基于呼吸频率项，以目标患者的频率波谷点作为拆分起点，以频率波峰点作为拆分终点，得到拆分范围，以呼吸拆分项对拆分范围进行拆分，得到至少一个第一拆分集和至少一个第二拆分集；基于第一数据集和第二数据集中呼吸频率项的数量信息，得到第一拆分集和第二拆分集的组合结果，进而得到第一片段集和第二片段集。

实施例三

在具体的实施过程中，如图4所示，获取到目标患者的单次呼吸时长为10s，此时根据设定的拆分阈值，对呼吸时长进行拆分，得到十个呼吸拆分项，分别为1s、2s、3s，一直到10s，共计10个，获取到该患者的呼吸频率中，1-5s为吸气，5-10s为呼气，此时频率波谷点10s时对应的点位，作为拆分起点，频率波峰点为5s时对应的点位，为拆分终点，得到拆分范围，此时以呼吸拆分项对拆分范围进行拆分，得到5个第一拆分集和5个第二拆分集，分别为5s-6s、6s-7s、7s-8s、8s-9s、9s-10s，而由于在10min的目标时长项内，第一数据集和第二数据集中呼吸频率项的数量非常多，在10s内存在5个第一拆分集和5个第二拆分集，在1min内，存在30个第一拆分集和第二拆分集，在10min内，存在300个第一拆分集和第二拆分集，因此得到多个第一拆分集和第二拆分集的组合结果，进而得到第一片段集和第二片段集。

步骤S500：分别获取第一片段集和第二片段集中标号特征集的位置信息，得到第一位置集和第二位置集。

需要注意的是，第一位置集和第二位置集的获取方法包括：基于标号特征集，分别粘贴反光贴片，通过目标追踪设备追踪反光贴片的实时位置信息，目标追踪设备为红外线传感器，通过红外线传感器实时监测各个反光贴片的位置，得到第一实时位置集和第二实时位置集；基于第一片段集和第二片段集，分别获取第一实时位置集和第二实时位置集中与第一片段集和第二片段集对应的反光贴片的位置信息，得到第一位置集和第二位置集。

步骤S600：通过选定方法获取第一位置集和第二位置集中的目标数据片段，得到第一目标片段集和第二目标片段集。

需要注意的是，如图5所示，选定方法包括：获取第一位置集和第二位置集中，反光贴片处于最高位置以及最低位置时的数据片段，得到极高片段项和极低片段项；获取第一位置集和第二位置集中，反光贴片高度差距最小时的数据片段，得到差距极小项；基于极高片段项、极低片段项和差距极小项组合结果中各自对应的第一位置集和第二位置集，得到第一目标片段集和第二目标片段集。

实施例四

在具体的实施过程中，某患者在就医之后根据医护人员的整治结果，得到目标区域项是以肺部区域为中心点的上下各延展20cm长度的范围，得到目标区域项，此时根据设定的标记间隙，在目标区域项中设定六个标记特征点，分别为目标区域项底部位置，以及距离底部位置8cm、16cm、24cm、32cm以及40cm，而40cm的位置正好为目标区域项的顶部位置，在六个标记特征点处分别粘贴反光贴片，序号从上到下分别为1-6号，通过红外线传感器实时监测各个反光贴片的位置，以1号为基准点，获取到在第一位置集中，反光贴片处于最高位置以及最低位置时的数据片段分别为在第3min的第5个第一拆分集以及第5min的第2个第一拆分集：1号最高位置为0，最低位置为-0.8cm；2号最高位置为1.2cm，最低位置为-1.5cm；3号最高位置为2.8cm，最低位置为-3.2cm；4号最高位置为2.1cm，最低位置为-2.9cm；5号最高位置为0.9cm，最低位置为-1.8cm；6号最高位置为0.3cm，最低位置为-2.1cm；获取到在第二位置集中，反光贴片处于最高位置以及最低位置时的数据片段分别为在第6min的第4个第二拆分集以及第4min的第3个第二拆分集：1号最高位置为0，最低位置为-0.7cm；2号最高位置为1.3cm，最低位置为-1.4cm；3号最高位置为2.9cm，最低位置为-3.3cm；4号最高位置为2.3cm，最低位置为-2.2cm；5号最高位置为0.5cm，最低位置为-1.5cm；6号最高位置为0.2cm，最低位置为-2.3cm，得到极高片段项和极低片段项；获取第一位置集和第二位置集中，反光贴片高度差距最小时的数据片段位在第6min的第3个第一拆分集和第二拆分集，其中1号为0cm，2号为0cm，3号为1cm，4号为0cm，5号为0cm，6号为0cm，得到差距极小项；基于极高片段项、极低片段项和差距极小项组合结果中各自对应的第一位置集和第二位置集，得到第一目标片段集和第二目标片段集。

步骤S700：以第一目标片段集和第二目标片段集中标号特征集处于第一位置集和第二位置集中的实际位置数据作为对齐轮廓，得到第一轮廓集和第二轮廓集。

需要注意的是，第一轮廓集和第二轮廓集的获取方法包括：获取第一目标片段集和第二目标片段集中标号特征集分别处于最高位置、最低位置和差距最小的实时位置数据，得到第一极高位置集、第一极低位置集、第一差距极小位置集、第二极高位置集、第二极低位置集、第二差距极小位置集；第一极高位置集与第二极高位置集、第一极低位置集与第二极低位置集、第一差距极小位置集与第二差距极小位置集分别一一对应，得到组合对应集，分别以组合对应集中标号特征集的实时位置数据作为垂直剖面，得到第一轮廓集和第二轮廓集。

步骤S800：基于第一轮廓集和第二轮廓集分别对齐，进而分别对齐第一目标片段集和第二目标片段集。

需要注意的是，使得第一目标片段集和第二目标片段集中的数据片段根据对应位置进行融合，进而得到至少两个融合片段，由于组合对应集中第一极高位置集与第二极高位置集、第一极低位置集与第二极低位置集、第一差距极小位置集与第二差距极小位置集分别一一对应，此时获取到的第一轮廓集和第二轮廓集分别为轮廓最大、轮廓最小以及轮廓最接近的三组轮廓数据片段，融合后得到三个融合片段。

一种基于多模态配准的PET/MRI图像融合系统，使用了上述的一种基于多模态配准的PET/MRI图像融合方法，包括：获取模块：获取目标图像融合区域，得到目标区域项，基于目标区域项，设定至少两个标记区域作为标记特征点，对标记特征点进行标号赋予，得到标号特征集，分别获取目标患者的PET图像数据以及MRI图像数据，得到第一数据集和第二数据集，第一数据集和第二数据集分别表示获取到目标患者的目标区域项PET以及MRI图像数据；处理模块：对第一数据集和第二数据集进行拆分，将第一数据集和第二数据集拆分为至少两个数据片段，得到第一片段集和第二片段集，分别获取第一片段集和第二片段集中标号特征集的位置信息，得到第一位置集和第二位置集，通过选定方法获取第一位置集和第二位置集中的目标数据片段，得到第一目标片段集和第二目标片段集；融合模块：以第一目标片段集和第二目标片段集中标号特征集处于第一位置集和第二位置集中的实际位置数据作为对齐轮廓，得到第一轮廓集和第二轮廓集，基于第一轮廓集和第二轮廓集分别对齐，进而分别对齐第一目标片段集和第二目标片段集，使得第一目标片段集和第二目标片段集中的数据片段根据对应位置进行融合，进而得到至少两个融合片段。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附实施例及其等同物限定。

Claims (9)

1.一种基于多模态配准的PET/MRI图像融合方法，包括：

获取目标图像融合区域，得到目标区域项，目标区域项用于表示目标患者的待融合PET图像获取区域以及MRI图像获取区域；

其特征在于：

基于目标区域项，设定至少两个标记区域作为标记特征点，对标记特征点进行标号赋予，得到标号特征集；

分别获取目标患者的PET图像数据以及MRI图像数据，得到第一数据集和第二数据集，第一数据集和第二数据集分别表示获取到目标患者的目标区域项PET以及MRI图像数据；

对第一数据集和第二数据集进行拆分，将第一数据集和第二数据集拆分为至少两个数据片段，得到第一片段集和第二片段集；

分别获取第一片段集和第二片段集中标号特征集的位置信息，得到第一位置集和第二位置集；

通过选定方法获取第一位置集和第二位置集中的目标数据片段，得到第一目标片段集和第二目标片段集；

以第一目标片段集和第二目标片段集中标号特征集处于第一位置集和第二位置集中的实际位置数据作为对齐轮廓，得到第一轮廓集和第二轮廓集；

基于第一轮廓集和第二轮廓集分别对齐，进而分别对齐第一目标片段集和第二目标片段集，使得第一目标片段集和第二目标片段集中的数据片段根据对应位置进行融合，进而得到至少两个融合片段。

2.根据权利要求1所述的一种基于多模态配准的PET/MRI图像融合方法，其特征在于：所述目标区域项的获取方法包括：

获取融合需求，融合需求包括位置需求，得到目标位置项，目标位置项用于表示目标患者的实际待融合位置；

基于目标位置项，设定限位区域，限位区域为固定范围值，基于限位区域与目标位置项的组合结果，得到以目标位置项为起点的待融合范围，进而得到目标区域项。

3.根据权利要求1所述的一种基于多模态配准的PET/MRI图像融合方法，其特征在于：所述标号特征集的获取方法包括：

设定标记间隙，标记间隙为固定百分比数值，基于标记间隙与目标区域项的组合结果，得到至少两个间隙特征点；

以间隙特征点作为标记特征点，得到标记特征集，依据从上到下的排序方式对标记特征集进行排序以及标号赋予，进而得到标号特征集。

4.根据权利要求1所述的一种基于多模态配准的PET/MRI图像融合方法，其特征在于：所述第一数据集和第二数据集的获取方法包括：

设定获取时长，得到目标时长项，以目标区域项的边界位置作为获取起点以及获取终点，得到起点位置项以及终点位置项；

基于目标时长项，以起点位置项以及终点位置项作为获取端点，分别通过第一目标设备和第二目标设备获取PET图像数据以及MRI图像数据，进而得到第一数据集和第二数据集。

5.根据权利要求1所述的一种基于多模态配准的PET/MRI图像融合方法，其特征在于：所述第一片段集和第二片段集的获取方法包括：

获取目标患者的呼吸频率以及呼吸时长，得到呼吸频率项以及呼吸时长项；

设定拆分阈值，拆分阈值为固定百分比数值，基于拆分阈值对呼吸时长项进行拆分，得到至少两个呼吸拆分项；

基于呼吸频率项，以目标患者的频率波谷点作为拆分起点，以频率波峰点作为拆分终点，得到拆分范围，以呼吸拆分项对拆分范围进行拆分，得到至少一个第一拆分集和至少一个第二拆分集；

基于第一数据集和第二数据集中呼吸频率项的数量信息，得到第一拆分集和第二拆分集的组合结果，进而得到第一片段集和第二片段集。

6.根据权利要求1所述的一种基于多模态配准的PET/MRI图像融合方法，其特征在于：所述第一位置集和第二位置集的获取方法包括：

基于标号特征集，分别粘贴反光贴片，通过目标追踪设备追踪反光贴片的实时位置信息，得到第一实时位置集和第二实时位置集；

基于第一片段集和第二片段集，分别获取第一实时位置集和第二实时位置集中与第一片段集和第二片段集对应的反光贴片的位置信息，得到第一位置集和第二位置集。

7.根据权利要求1所述的一种基于多模态配准的PET/MRI图像融合方法，其特征在于：所述选定方法包括：

获取第一位置集和第二位置集中，反光贴片处于最高位置以及最低位置时的数据片段，得到极高片段项和极低片段项；

获取第一位置集和第二位置集中，反光贴片高度差距最小时的数据片段，得到差距极小项；

基于极高片段项、极低片段项和差距极小项组合结果中各自对应的第一位置集和第二位置集，得到第一目标片段集和第二目标片段集。

8.根据权利要求1所述的一种基于多模态配准的PET/MRI图像融合方法，其特征在于：所述第一轮廓集和第二轮廓集的获取方法包括：

获取第一目标片段集和第二目标片段集中标号特征集分别处于最高位置、最低位置和差距最小的实时位置数据，得到第一极高位置集、第一极低位置集、第一差距极小位置集、第二极高位置集、第二极低位置集、第二差距极小位置集；

第一极高位置集与第二极高位置集、第一极低位置集与第二极低位置集、第一差距极小位置集与第二差距极小位置集分别一一对应，得到组合对应集，分别以组合对应集中标号特征集的实时位置数据作为垂直剖面，得到第一轮廓集和第二轮廓集。

9.一种基于多模态配准的PET/MRI图像融合系统，其特征在于：使用了权利要求1-8任意一项所述的一种基于多模态配准的PET/MRI图像融合方法，包括：

获取模块：获取目标图像融合区域，得到目标区域项，基于目标区域项，设定至少两个标记区域作为标记特征点，对标记特征点进行标号赋予，得到标号特征集，分别获取目标患者的PET图像数据以及MRI图像数据，得到第一数据集和第二数据集，第一数据集和第二数据集分别表示获取到目标患者的目标区域项PET以及MRI图像数据；

处理模块：对第一数据集和第二数据集进行拆分，将第一数据集和第二数据集拆分为至少两个数据片段，得到第一片段集和第二片段集，分别获取第一片段集和第二片段集中标号特征集的位置信息，得到第一位置集和第二位置集，通过选定方法获取第一位置集和第二位置集中的目标数据片段，得到第一目标片段集和第二目标片段集；

融合模块：以第一目标片段集和第二目标片段集中标号特征集处于第一位置集和第二位置集中的实际位置数据作为对齐轮廓，得到第一轮廓集和第二轮廓集，基于第一轮廓集和第二轮廓集分别对齐，进而分别对齐第一目标片段集和第二目标片段集，使得第一目标片段集和第二目标片段集中的数据片段根据对应位置进行融合，进而得到至少两个融合片段。