CN114820731B - Ct影像和三维体表图像的配准方法及相关装置 - Google Patents
Ct影像和三维体表图像的配准方法及相关装置 Download PDFInfo
- Publication number
- CN114820731B CN114820731B CN202210233256.1A CN202210233256A CN114820731B CN 114820731 B CN114820731 B CN 114820731B CN 202210233256 A CN202210233256 A CN 202210233256A CN 114820731 B CN114820731 B CN 114820731B
- Authority
- CN
- China
- Prior art keywords
- mapping
- point
- points
- body surface
- dimensional body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及图像处理技术领域,尤其涉及一种CT影像和三维体表图像的配准方法及相关装置,用于解决如何有效的配准三维体表图像和术前医学影像,以保证二者融合的效果的问题。本申请分别从CT影像和三维体表图像中提取第一组特征点和第二组特征点,基于第一组特征点和第二组特征点之间的第一映射关系对CT影像进行几何变换,将CT影像投影在三维体表图像中,得到CT影像的第一映射点集。为了进一步提高投影时的准确度,本申请还基于第一映射点集和三维体表图像之间的第二映射关系,将CT影像中生物组织转换至与三维体表图像中同一生物组织的位置。以此在三维体表图像中展示CT影像中的器官内部结构,使医生能更直接地诊断出病灶位置。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种CT影像和三维体表图像的配准方法及相关装置。
背景技术
三维定位设备对器官采集的图像可称之为三维体表图像。三维体表图像能够显示出器官的形状,但是无法显示器官的内部结构,因此医生无法直接观察到器官表面以下的结构。
以肝切除手术为例,肝切除术具有切口小、痛苦小、恢复快、疤痕小等优点,快速成为当前手术的发展趋势。但由于其深度感知信息缺失的原因,对外科医生提出了更大的挑战。增强现实技术可以将基于术前医学影像重建的模型数据与术中图像进行融合显示,可使得医生能够直观的看到器官表面以下解剖结构,有效解决深度感知信息缺失的问题,使外科手术更快速、更精确、更安全。如何有效的配准三维体表图像和术前医学影像,以保证二者融合的效果,目前仍需解决。
发明内容
本申请提供一种电子计算机断层扫描影像和三维体表图像的配准方法及相关装置,用于解决如何有效的配准三维体表图像和术前医学影像,以保证二者融合的效果的问题。
第一方面,本申请提出了一种电子计算机断层扫描影像和三维体表图像的配准方法,所述方法包括:
从电子计算机断层扫描(CT,computerized tomography)影像中提取出多个特征位置的第一组特征点,并从三维体表图像中提取出所述多个特征位置的第二组特征点;所述三维体表图像为采用三维定位设备采集的图像;
确定所述第一组特征点和所述第二组特征点之间的第一映射关系;所述第一映射关系用于将所述第一组特征点转换至所述第二组特征点的位置;
基于所述第一映射关系对所述CT影像进行几何变换,得到所述CT影像的第一映射点集;
确定所述第一映射点集和所述三维体表图像之间的第二映射关系,所述第二映射关系用于将所述CT影像中生物组织转换至与所述三维体表图像中同一生物组织的位置。
在一种可能的实施例中,所述确定所述第一组特征点和所述第二组特征点之间的第一映射关系,包括:
基于以下第一映射关系确定公式,确定所述第一映射关系:
其中,S代表所述第一组特征点和所述第二组特征点构成的矩阵,E代表由S的特征值构成的矩阵,U和V代表奇异值分解后构成S的正交矩阵,VT代表V的转置矩阵,R代表所述第一组特征点和所述第二组特征点之间的旋转矩阵,t代表所述第一组特征点和所述第二组特征点之间的平移向量,代表所述第一组特征点的质心,代表所述第二组特征点的质心。
在一种可能的实施例中,所述确定所述第一映射点集和所述三维体表图像之间的第二映射关系,包括:
提取所述第一映射点集和所述三维体表图像的点集之间的点对,所述点对中的两个点表示同一特征点;
基于获取的点对,确定所述第一映射点集合和所述三维体表图像的点集之间的第三映射关系;
采用所述第三映射关系处理所述第一映射点集,得到第二映射点集;
确定所述第二映射点集和所述三维体表图像的点集中同一点对的两点之间的距离;
基于所述各点对的距离,确定距离阈值;
从所述第二映射点集和所述三维体表图像的点集的点对中,筛选出两点之间的距离小于或等于所述距离阈值的点对;
对筛选出的点对采用随机采样一致性算法得到所述第二映射关系。
在一种可能的实施例中,所述确定所述第一映射点集和所述三维体表图像之间的第二映射关系,包括:
提取所述第一映射点集和所述三维体表图像的点集之间的点对,所述点对中的两个点表示同一特征点;
确定使得获取的点对中两点的平均距离最小的刚体变换,得到第四映射关系;
采用所述第四映射关系处理所述第一映射点集,得到第三映射点集;
确定第三映射点集和所述三维体表图像的点集的同一点对中两点的平均距离;
若所述平均距离小于预设值,则将所述第四映射关系作为所述第二映射关系;
若所述平均距离大于或等于所述预设值,则将所述第三映射点集作为新的第一映射点集并返回执行所述提取所述第一映射点集和所述三维体表图像的点集之间的点对的步骤。
在一种可能的实施例中,所述基于所述各点对的距离,确定距离阈值,包括:
确定所述各点对的平均距离作为所述距离阈值。
在一种可能的实施例中,所述对筛选出的点对采用随机采样一致性算法得到所述第二映射关系之后,所述方法还包括:
验证所述第二映射关系的准确度;
若所述第二映射关系的准确度低于准确度阈值,则提取所述第一映射点集和所述三维体表图像的点集之间的点对,所述点对中的两个点表示同一特征点;
确定使得获取的点对中两点的平均距离最小的刚体变换,得到第四映射关系;
采用所述第四映射关系处理所述第一映射点集合,得到第三映射点集;
确定第三映射点集和所述三维体表图像的点集的同一点对中两点的平均距离;
若所述平均距离小于预设值,则将所述第四映射关系作为所述第二映射关系;
若所述平均距离大于或等于所述预设值,则将所述第三映射点集作为新的第一映射点集返回执行所述提取所述第一映射点集和所述三维体表图像的点集之间的点对的步骤。
在一种可能的实施例中,所述提取所述第一映射点集和所述三维体表图像的点集之间的点对,包括:
采用快速点特征直方图描述子提取所述第一映射点集合所述三维体表图像的点集之间的点对。
第三方面,本申请提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如上述第一方面中所述的任一方法。
第四方面,本申请还提供了一种计算机可读存储介质,包括:
当所述计算机可读存储介质中的指令由所述投影设备的所述处理器执行时,使得所述投影设备能够执行如上述第一方面中任一项所述的方法。
第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被所述处理器执行时实现如上述第一方面中任一项所述的投影设备对焦方法。
本申请的实施例提供的技术方案至少带来以下有益效果:
本申请分别从CT影像和三维体表图像中提取第一组特征点和第二组特征点,基于第一组特征点和第二组特征点之间的第一映射关系对CT影像进行几何变换,将CT影像投影在三维体表图像中,得到CT影像的第一映射点集。为了进一步提高投影时的准确度,本申请还基于第一映射点集和三维体表图像之间的第二映射关系,将CT影像中生物组织转换至与三维体表图像中同一生物组织的位置。以此在三维体表图像中展示CT影像中的器官内部结构,使医生能更直接地诊断出病灶位置,进而使外科手术更快速、更精确、更安全。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本申请各较佳实施例。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的电子设备、CT成像设备与三维定位设备的连接示意图;
图2为本申请实施例提供的一种电子计算机断层扫描影像和三维体表图像的配准方法的示意图;
图3a为本申请实施例提供的确定第二映射关系的流程示意图之一;
图3b为本申请实施例提供的确定点对的示意图;
图4为本申请实施例提供的确定第二映射关系的流程示意图之二;
图5为本申请实施例提供的确定第二映射关系的流程示意图之三;
图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。其中,所描述的实施例是本申请一部分实施例,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它实施例,都属于本申请保护的范围。
并且,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、的特征可以明示或者隐含地包括一个或者更多个该特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
为了便于理解,本申请先对涉及的名词进行解释说明。
三维定位设备:医疗领域中,通常使用具有定位功能的设备建立人体器官的三维模型,通常包括三维电磁定位系统和光学体表影像设备。
迭代最近点(ICP,Iterative Closest Point)算法:是基于数据配准法,利用最近点搜索法,从而解决基于自由形态曲面的一种算法。
随机采样一致(RANSAC,RANdom SAmple Consensus)算法:是根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法。
图1中示例性示出了电子设备、CT成像设备与三维定位设备的连接示意图。
如图1所示,电子设备100例如可以包括:处理器110、存储器120,三维定位设备130和CT成像设备140与电子设备10相连,其中:
CT成像设备140,用于获取CT影像;
三维定位设备130,用于获取三维体表图像;
存储器120被配置为存储用于执行电子图像的处理方法所需的数据,可包括软件程序,应用界面数据等;
处理器110,被配置为执行本申请实施例提供的电子计算机断层扫描影像和三维体表图像的配准方法。
电子设备100,分别与CT成像设备140以及三维定位设备130相连接。
为进一步说明本申请实施例提供的技术方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。
如图2所示,为本申请提出的一种电子计算机断层扫描影像和三维体表图像的配准方法流程示意图。
在步骤201中,从CT影像中提取出多个特征位置的第一组特征点,并从三维体表图像中提取出多个特征位置的第二组特征点。其中,三维体表图像为采用三维定位设备采集的图像。
在本申请实施例中,为了简化计算过程,同时不影响计算结果,本申请在CT影像与光学体表影像中选择最容易获取特征位置的特征点,如使用人体表面剑突,肚脐,耻骨,左右髋骨这五个特征位置提取第一组特征点和第二组特征点能够采用较少量的特征位置以提高计算效率。
在本申请实施例中,第一组特征点的坐标是在CT影像中的坐标系得到的,而第二组特征点的坐标是在三维定位设备中的光学坐标系中获取的,二者坐标的所属坐标系不同,无法直接将第一组特征点转换至第二组特征点的位置,因此需要先在步骤202中,确定第一组特征点和第二组特征点之间的第一映射关系,其中,第一映射关系用于将第一组特征点转换至第二组特征点的位置。
在本申请实施例中,基于公式(1),确定第一映射关系:
其中,S代表第一组特征点和第二组特征点构成的矩阵,E代表由S的特征值构成的矩阵,U和V代表奇异值分解后构成S的正交矩阵,VT代表V的转置矩阵,R代表第一组特征点和第二组特征点之间的旋转矩阵,t代表第一组特征点和第二组特征点之间的平移向量,代表第一组特征点的质心,代表第二组特征点的质心。
将t与R作为第一映射关系,在步骤203中,基于第一映射关系对CT影像进行几何变换,得到CT影像的第一映射点集。
在步骤204中,确定第一映射点集和三维体表图像之间的第二映射关系,其中,第二映射关系用于将CT影像中生物组织转换至与三维体表图像中同一生物组织的位置。
在本申请实施例中,由于第一映射关系只是基于特定的特征位置得到的,仍存在一定误差,因此基于第一映射关系得到的第一映射点集仅仅是粗匹配的过程,为了精准的得到三维体表图像和CT影像之间的映射关系,本申请还提供了精匹配的过程。实施时,可采用如图3a所示的步骤确定第一映射点集和三维体表图像之间的第二映射关系,该第二映射关系的准确性高于第一映射关系。
在步骤301中,提取第一映射点集和三维体表图像的点集之间的点对,其中点对中的两个点表示同一特征点。
在本申请实施例中,若第一映射点集中有一点A,点A所在点对中的另一点为A1。在计算点A对应在三维体表图像的点集中的点A1时,先根据旋转矩阵和平移向量(即第一映射关系)计算点A在三维体表图像的点集坐标中的变换点A’,并计算A’与三维体表图像的点集中所有点的欧氏距离。将与点A’之间欧氏距离最小的点作为点A1。
在本申请的另一种实施例中,还可以采用快速点特征直方图描述子提取第一映射点集合与三维体表图像的点集之间的点对。如图3b所示,以第一映射点集中的任一点为中心点(即图3b中星形的点),在三维体表图像的点集中获取距离中心点最近的若干个点作为第一临近点。如图3b所示,将距离中心点最近的五个黑色圆形的点A~E作为第一临近点。再分别以第一临近点为圆心,设定半径r,构建各个以第一临近点为圆心的圆(即图3b中的圆1~圆5),每个圆中包括除第一临近点之外的点作为第二临近点(即图3b中白色的点)。将中心点分别与第一临近点以及基于第一临近点确定的第二临近点构建多个二叉树,对于在多个二叉树中重复出现的第一临近点或第二临近点可与中心点构成点对。例如图3b中圆5中还包括了用于确定圆1位置的第一临近点A,在建立二叉树时点由于点A和点D分别位于两个圆中,故此点A和点D重复使用两次,以此类推点E重复使用三次,则选择点E与中心点构成一对点对。
若只获取距离中心点最近的一个点作为第一临近点,则将第一临近点与中心点作为一对点对。
在步骤302中,基于获取的点对,确定第一映射点集合和三维体表图像的点集之间的第三映射关系。
在步骤303中,采用第三映射关系处理第一映射点集,得到第二映射点集。
在步骤304中,确定第二映射点集和三维体表图像的点集中同一点对的两点之间的距离。
在步骤305中,基于各点对的距离,确定距离阈值。其中,为了计算方便,本申请将各点对的平均距离作为距离阈值。
在一种可能的实施例中,可以计算所有点对中两点之间的距离,并基于各点对的距离计算平均距离,将该平均距离作为距离阈值。也可以在计算出所有点对的距离之后,去掉距离最大值和最小值,基于剩余点对的距离计算平均距离,并将该平均距离作为距离阈值。本申请对确定距离阈值的方式不进行限定。
在步骤306中,从第二映射点集和三维体表图像的点集的点对中,筛选出两点之间的距离小于或等于距离阈值的点对。
在步骤307中,对筛选出的点对采用随机采样一致性算法得到第二映射关系。
除了上述图3a中采用RANSAC算法得到第二映射关系,在本申请另一实施例中,也可以采用如图4所示的ICP算法的步骤确定第一映射点集和三维体表图像之间的第二映射关系,包括以下步骤:
在步骤401中,提取第一映射点集和三维体表图像的点集之间的点对,点对中的两个点表示同一特征点。
在本申请实施例中,为了保证第一映射点集经过转换到三维体表图像后,各点对之间匹配后的误差最小,本申请还需要在步骤402中,确定使得获取的点对中两点的平均距离最小的刚体变换,得到第四映射关系。
在步骤403中,采用第四映射关系处理第一映射点集,得到第三映射点集。
在步骤404中,在第三映射点集和三维体表图像的点集中,判断同一点对中两点的平均距离是否小于预设值。若小于预设值,则执行步骤405,否则执行步骤406。
在步骤405中,将第四映射关系作为第二映射关系。
在步骤406中,将第三映射点集作为新的第一映射点集并返回执行步骤401。
除了上述两种确定第二映射关系的实施方式之外,在本申请实施例中,在执行如图3a或图4所示的步骤确定第二映射关系时,既可以使用如图3a所示的步骤或如图4所示的步骤,也可以在图3a所示的采用RANSAC算法确定了第二映射关系之后,在如图5所示的方法中进一步验证该映射关系的准确性,并在不准确时换用ICP方法确定第二映射关系。
在步骤501中,验证第二映射关系的准确度是否低于准确度阈值。若准确度低于准确度阈值,则执行步骤502。
在步骤502中,提取第一映射点集和三维体表图像的点集之间的点对,点对中的两个点表示同一特征点。
在步骤503中,确定使得获取的点对中两点的平均距离最小的刚体变换,得到第四映射关系。
在步骤504中,采用第四映射关系处理第一映射点集合,得到第三映射点集。
在步骤505中,在第三映射点集和三维体表图像的点集中,判断同一点对中两点的平均距离是否小于预设值,若平均距离小于预设值,则执行步骤506,否则执行步骤507。
在步骤506中,将第四映射关系作为第二映射关系。
在步骤507中,将第三映射点集作为新的第一映射点集返回执行步骤502。
由此,在通过旋转矩阵和平移向量得到第一映射点集后,再建立第一映射点集与三维体表图像的点集的第二映射关系,使第一映射点集中的点与三维体表图像的点集中的点一一对应,进而使CT影像中生物组织转换至与三维体表图像中同一生物组织的位置,便于在三维体表图像中展示CT影像中的器官以及器官表面以下的结构。
在示例性实施例中,本申请还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器120,上述指令可由电子设备100的处理器110执行以完成上述电子计算机断层扫描影像和三维体表图像的配准方法。可选地,计算机可读存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器110执行时实现如本申请提供的电子计算机断层扫描影像和三维体表图像的配准方法。
在介绍了本申请示例性实施方式的电子计算机断层扫描影像和三维体表图像的配准方法和相关装置之后,接下来,介绍根据本申请的示例性实施方式的电子设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的监控节点的搜索方法中的步骤。例如,处理器可以执行如监控节点的搜索方法中的步骤。
下面参照图6来描述根据本申请的这种实施方式的电子设备100。图6显示的电子设备100仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,电子设备100以通用电子设备的形式表现。电子设备100的组件可以包括但不限于:上述至少一个处理器110、上述至少一个存储器120、连接不同系统组件(包括存储器120和处理器110)的总线133。
总线133表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器120可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1201和/或高速缓存存储器1202,还可以进一步包括只读存储器(ROM)1203。
存储器120还可以包括具有一组(至少一个)程序模块1204的程序/实用工具1205,这样的程序模块1204包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备100也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备100交互的设备通信,和/或与使得该电子设备100能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且,电子设备100还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于电子设备100的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备100使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中,本申请提供的一种监控节点的搜索方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种监控中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于监控的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
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方框图中的每一流程和/或方框、以及流程图和方框图中的流程和方框的结合。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方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种电子计算机断层扫描影像和三维体表图像的配准方法,其特征在于,所述方法包括:
从电子计算机断层扫描CT影像中提取出多个特征位置的第一组特征点,并从三维体表图像中提取出所述多个特征位置的第二组特征点;所述三维体表图像为采用三维定位设备采集的图像;
确定所述第一组特征点和所述第二组特征点之间的第一映射关系;所述第一映射关系用于将所述第一组特征点转换至所述第二组特征点的位置;
基于所述第一映射关系对所述CT影像进行几何变换,得到所述CT影像的第一映射点集;
确定所述第一映射点集和所述三维体表图像之间的第二映射关系,所述第二映射关系用于将所述CT影像中生物组织转换至与所述三维体表图像中同一生物组织的位置;
其中,所述确定所述第一映射点集和所述三维体表图像之间的第二映射关系,包括:
提取所述第一映射点集和所述三维体表图像的点集之间的点对,所述点对中的两个点表示同一特征点;
基于获取的点对,确定所述第一映射点集合和所述三维体表图像的点集之间的第三映射关系;
采用所述第三映射关系处理所述第一映射点集,得到第二映射点集;
确定所述第二映射点集和所述三维体表图像的点集中同一点对的两点之间的距离;
基于所述各点对的距离,确定距离阈值;
从所述第二映射点集和所述三维体表图像的点集的点对中,筛选出两点之间的距离小于或等于所述距离阈值的点对;
对筛选出的点对采用随机采样一致性算法得到所述第二映射关系;
验证所述第二映射关系的准确度;
若所述第二映射关系的准确度低于准确度阈值,则提取所述第一映射点集和所述三维体表图像的点集之间的点对,所述点对中的两个点表示同一特征点;
确定使得获取的点对中两点的平均距离最小的刚体变换,得到第四映射关系;
采用所述第四映射关系处理所述第一映射点集合,得到第三映射点集;
确定第三映射点集和所述三维体表图像的点集的同一点对中两点的平均距离;
若所述平均距离小于预设值,则将所述第四映射关系作为所述第二映射关系;
若所述平均距离大于或等于所述预设值,则将所述第三映射点集作为新的第一映射点集返回执行所述提取所述第一映射点集和所述三维体表图像的点集之间的点对的步骤。
2.根据权利要求1所述的方法,其特征在于,所述确定所述第一组特征点和所述第二组特征点之间的第一映射关系,包括:
基于以下第一映射关系确定公式,确定所述第一映射关系:
S=UEVT,R=VTU,t=q-Rp
其中,S代表所述第一组特征点和所述第二组特征点构成的矩阵,E代表由S的特征值构成的矩阵,U和V代表奇异值分解后构成S的正交矩阵,VT代表V的转置矩阵,R代表所述第一组特征点和所述第二组特征点之间的旋转矩阵,t代表所述第一组特征点和所述第二组特征点之间的平移向量,p代表所述第一组特征点的质心,q代表所述第二组特征点的质心。
3.根据权利要求1所述的方法,其特征在于,所述确定所述第一映射点集和所述三维体表图像之间的第二映射关系,包括:
提取所述第一映射点集和所述三维体表图像的点集之间的点对,所述点对中的两个点表示同一特征点;
确定使得获取的点对中两点的平均距离最小的刚体变换,得到第四映射关系;
采用所述第四映射关系处理所述第一映射点集,得到第三映射点集;
确定第三映射点集和所述三维体表图像的点集的同一点对中两点的平均距离;
若所述平均距离小于预设值,则将所述第四映射关系作为所述第二映射关系;
若所述平均距离大于或等于所述预设值,则将所述第三映射点集作为新的第一映射点集并返回执行所述提取所述第一映射点集和所述三维体表图像的点集之间的点对的步骤。
4.根据权利要求1所述的方法,其特征在于,所述基于所述各点对的距离,确定距离阈值,包括:
确定所述各点对的平均距离作为所述距离阈值。
5.根据权利要求1或3所述的方法,其特征在于,所述提取所述第一映射点集和所述三维体表图像的点集之间的点对,包括:
采用快速点特征直方图描述子提取所述第一映射点集合所述三维体表图像的点集之间的点对。
6.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1-5中任一项所述的方法。
7.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210233256.1A CN114820731B (zh) | 2022-03-10 | 2022-03-10 | Ct影像和三维体表图像的配准方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210233256.1A CN114820731B (zh) | 2022-03-10 | 2022-03-10 | Ct影像和三维体表图像的配准方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114820731A CN114820731A (zh) | 2022-07-29 |
CN114820731B true CN114820731B (zh) | 2024-10-15 |
Family
ID=82529306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210233256.1A Active CN114820731B (zh) | 2022-03-10 | 2022-03-10 | Ct影像和三维体表图像的配准方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820731B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116977381A (zh) * | 2023-07-14 | 2023-10-31 | 武汉人工智能研究院 | 图像配准方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105078514A (zh) * | 2014-04-22 | 2015-11-25 | 重庆海扶医疗科技股份有限公司 | 三维模型的构建方法及装置、图像监控方法及装置 |
WO2022027251A1 (zh) * | 2020-08-04 | 2022-02-10 | 深圳迈瑞生物医疗电子股份有限公司 | 三维显示方法和超声成像系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050096515A1 (en) * | 2003-10-23 | 2005-05-05 | Geng Z. J. | Three-dimensional surface image guided adaptive therapy system |
CN106469445A (zh) * | 2015-08-18 | 2017-03-01 | 青岛海信医疗设备股份有限公司 | 一种三维图像的校准方法、装置和系统 |
CN106361366B (zh) * | 2016-11-02 | 2019-05-03 | 上海联影医疗科技有限公司 | 多模态图像配准方法及系统 |
KR102379481B1 (ko) * | 2019-11-06 | 2022-03-25 | 재단법인대구경북과학기술원 | 3차원 진단 시스템 |
CN113808177A (zh) * | 2021-09-26 | 2021-12-17 | 深圳市精迈医疗科技有限公司 | 一种医学影像图像和三维病理图像的配准方法和系统 |
-
2022
- 2022-03-10 CN CN202210233256.1A patent/CN114820731B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105078514A (zh) * | 2014-04-22 | 2015-11-25 | 重庆海扶医疗科技股份有限公司 | 三维模型的构建方法及装置、图像监控方法及装置 |
WO2022027251A1 (zh) * | 2020-08-04 | 2022-02-10 | 深圳迈瑞生物医疗电子股份有限公司 | 三维显示方法和超声成像系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114820731A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2950735B1 (en) | Registration correction based on shift detection in image data | |
US20160300026A1 (en) | Patient Management Based On Anatomic Measurements | |
JP2011110429A (ja) | 医用画像中の注目対象を測定するためのシステムおよび方法 | |
CN113610826B (zh) | 穿刺定位方法及装置,电子设备及存储介质 | |
CN115005981A (zh) | 手术路径规划方法、系统、设备、介质和手术操作系统 | |
JP2017035469A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
KR102233585B1 (ko) | 복수의 후보 대응점을 이용하는 영상 정합 장치 및 방법 | |
JP7409624B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN113610824A (zh) | 穿刺路径规划方法及装置,电子设备及存储介质 | |
CN114820731B (zh) | Ct影像和三维体表图像的配准方法及相关装置 | |
CN118490354A (zh) | 一种用于乳腺肿瘤手术的图像实时导航系统及相关装置 | |
CN115345913B (zh) | 一种三维模型的配准方法、内窥镜设备及装置 | |
CN115861283A (zh) | 医学影像的分析方法、装置、设备及存储介质 | |
CN112365959B (zh) | 修改三维图像的标注的方法及装置 | |
CN116747017A (zh) | 脑出血手术规划系统及方法 | |
JP2017148283A (ja) | 評価装置、方法およびプログラム | |
CN113317874B (zh) | 一种医学图像处理装置及介质 | |
CN109979572B (zh) | 一种三维脊椎模型中椎弓根的切面获取方法及装置 | |
CN117530708B (zh) | 手术配准方法和手术配准设备 | |
CN114463323B (zh) | 一种病灶区域识别方法、装置、电子设备和存储介质 | |
CN111476768B (zh) | 图像配准方法、装置、路径规划方法、装置、系统及介质 | |
CN118453115B (zh) | 基于外科手术的实时影像导引系统 | |
CN117576321B (zh) | 一种辅助肝脏手术规划建模系统 | |
CN117796905B (zh) | 脊柱手术辅助系统和辅助设备 | |
Liu et al. | UDCR: Unsupervised Aortic DSA/CTA Rigid Registration Using Deep Reinforcement Learning and Overlap Degree Calculation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |