CN100538739C - 弹性的图像配准 - Google Patents
弹性的图像配准 Download PDFInfo
- Publication number
- CN100538739C CN100538739C CNB2004800368056A CN200480036805A CN100538739C CN 100538739 C CN100538739 C CN 100538739C CN B2004800368056 A CNB2004800368056 A CN B2004800368056A CN 200480036805 A CN200480036805 A CN 200480036805A CN 100538739 C CN100538739 C CN 100538739C
- Authority
- CN
- China
- Prior art keywords
- image
- monomer
- boundary mark
- tiling
- important
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 45
- 239000000178 monomer Substances 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 10
- 238000012797 qualification Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 7
- 210000003484 anatomy Anatomy 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 238000007670 refining Methods 0.000 description 6
- 238000007667 floating Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000012141 concentrate Substances 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 238000002600 positron emission tomography Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000002224 dissection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 210000002345 respiratory system Anatomy 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000541 pulsatile effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004154 testing of material Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
- Instruments For Viewing The Inside Of Hollow Bodies (AREA)
- Macromonomer-Based Addition Polymer (AREA)
- Developing Agents For Electrophotography (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
图像配准经常是必须要人工执行的冗长乏味的工作。根据本发明的示范性实施例，提出了非刚性配准，它是通过基于具有相似值的界标的组合的迭代精化过程完成的。具有优势的是，可以提供非常快并且健壮的方法。
Description
技术领域
本发明涉及数字成像领域，例如医学成像领域。特别是，本发明涉及一种将第一图像(例如浮动图像)和第二图像(例如参考图像)进行配准的方法，和图像处理设备，并涉及用于对第一图像和第二图像进行配准的计算机程序。
背景技术
在从不同的拍摄角度或者在不同的时间点拍摄相同物体的两个图像时，或者在感兴趣物体的不同移动阶段过程中，或者当两个图像不是来自于相同的物体但是是来自相同类别的物体(例如两张脸或者两个脑部)时，也许非常希望建立对应关系。必须对两类变形进行补偿以便建立这些对应关系：源于成像物体的平移和旋转运动的刚性变形和源于成像物体的弹性变形的非刚性变形。这样的应用的一个例子是将脑部与解剖图相匹配，以自动发现异常，或者用解剖名对脑部进行标记。另外一个例子是例如观察跳动的心脏随时间的变形，或者对不同时间拍摄的患者的可变形区域(例如腹部)的图像进行配准。另外一个例子是为了通过解剖和生理信息的综合分析改进诊断过程而对通过不同形式诸如计算机断层摄影(CT)，核磁共振成像(MRI)，超声(US)，正电子发射断层摄影(PET)，单光子发射计算机断层摄影(SPECT)获得的图像进行合并。
发明内容
本发明的一个目的是提供改进的图像配准。
根据本发明的示范性实施例，上述目的可以通过将第一图像和第二图像进行配准的方法来加以解决，其中该方法包括步骤：分别在第一和第二图像中选择第一和第二重要界标集合，其中所述第一和第二集合中的界面明确相互对应；基于所选择的第一和第二重要界标集合，选择第一和第二图像的单体平铺；为第一图像中的每个界标确定局部变形场；将所确定的局部变形场扩展到整体变形场以便变换第一图像中的区域；计算使用所述整体变形场变换的第一单体平铺中的每个第一单体平铺和第二单体平铺中的对应第二单体平铺之间的相似性；评估所计算的每个第一单体平铺和对应第二单体平铺之间的相似性是否小于预定阈值；基于所述评估，在第一单体平铺内添加新界标并且在对应的第二单体平铺内添加对应的新界标；以及迭代地执行所述确定、扩展、计算、评估和添加步骤。
根据本发明的示范性实施例，上述目的可以通过将第一图像和第二图像进行配准的方法来加以解决，其中在第一图像中选择至少一个第一界标，在第二图像中选择至少一个第二界标。然后，通过使用相似值对这些第一图像和第二图像进行配准，该相似值涉及由至少一个第一界标确定的第一图像中的第一区域和由至少第二界标确定的第二图像中的第二区域的相似性。第一和第二界标相互对应。
换句话说，根据本发明的这个示范性实施例，界标，例如在医学应用中解剖界标，是自动或人工地在图像中选择的。这些界标用于定义图像中的对应区域。例如，在涉及不同心脏阶段的血管造影图(angiopraphic)图像中，LAD(左前降支)和LCX(左回旋支)的交叉点可以用作不同阶段图像中的界标。然后，确定相似值，以表示第一图像中(多个)第一界标所指示的区域和第二图像中(多个)第二界标所指示的区域之间的相似性。该相似值用于配准图像。
第一和第二图像中对应的界标，例如对于解剖应用来说，标记第一图像或第二图像中相同或对应的解剖结构。即，理想的是，在第一或第二图像中对应的界标是要相互配准的点或区域。
根据本发明的另外一个示范性实施例，根据资格函数选择第一和第二界标。这意思是，例如，将仅仅最重要的界标，即仅仅最重要的相应的特征被选为界标。换句话说，本发明的这个示范性实施例将计算工作集中在不多但是重要的界标上，例如在由于大量且高度非线性变形和/或者允许进行清晰准确的配准的描绘得很好的解剖结构而必需的区域中的界标。应该注意的是，界标可以交互式地选择或者自动选择。
具有优势的是，根据本发明的这个示范性实施例，通过仅仅关注重要的界标和显现出高度非线性变形的区域，可以提高图像配准的速度和健壮性。
根据本发明的另外一个示范性实施例，为第一和第二图像中的每个界标确定局部变形。将这些局部变形扩展到图像的整体变形。可以使用整体变形来执行配准。
根据本发明的另外一个示范性实施例，确定一个相似值，以描述第一和第二图像中的界标所定义的第一和第二图像中的各个的区域之间的相似性。这可以通过使用整体变形场来完成。具有优势的是，通过这样，可以确定第一和第二图像中所定义的区域的相似性，并且可以识别出相似性还不够的区域。
根据本发明的另外一个示范性实施例，对于相似性还不够的区域，在第一和第二图像中定义一个新的界标，并且可迭代地重复上述方法，即对于由新界标所定义的新的子区域，通过使用这新界标的局部变形场确定具有子相似值的新的子相似性，其中该局部变形场被扩展到图像的整体变形场。然后，测试所有新定义的子区域各自的相似值是否符合预定的阈值，如果不符合，根据本发明的这个示范性实施例，可以迭代地定义新的界标或新的区域。
由于事实上，精化(refinement)过程始终限定在相似性不够的区域而不应用于整个图像，可以减少计算工作。此外，通过自动地或者交互地执行这种迭代的精化，它为非常准确的配准作了准备。
根据本发明的另外一个示范性实施例，迭代地重复该方法，直到所有区域和所有子区域的所有相似性都超过预定的阈值。
根据本发明的另外一个示范性实施例，在医学成像中，对CT数据集，MRI数据集，PET数据集，SPECT数据集和US数据集中的一种执行该方法。
根据本发明的另外一个示范性实施例，提供了一种图像处理设备，允许通过基于界标和相似值，诸如图像中区域的基于灰度值的测量的迭代精化过程，执行非刚性图像配准方法。
具有优势的是，根据本发明的这个示范性实施例的图像处理设备拥有提高了的配准速度，并且提供了非常准确和健壮的第一和第二图像的配准。
根据本发明的另外一个示范性实施例，提供了一种计算机程序，用于对第一和第二图像进行配准。该计算机程序可以用任何合适的编程语言编写，例如C++，并且可以存储在计算机可读设备中，例如CD-ROM。然而，根据本发明的计算机程序还可以存在于网络上，诸如国际互联网，可以从该网络下载它，例如，将其下载到处理器的内部工作存储器中。
可以看作本发明的一个示范实施例的要点的是，通过基于结合局部模板匹配的界标的迭代的精化过程，执行非刚性图像配准。例如，在Springer在2002年出版的，T.Dohi和R.Kikinis编辑的“Proceedings of 5th international conference on medical imagecomputing and computer-assisted intervention”-MICCAI 2002，639-646页，P.
等人的“3D respiratory motion compensationby template propagation”中描述了局部模板匹配的例子，特此结合该文章作为参考。
各个区域中的图像的相似性可以，例如，根据CRC Press在2001年出版的，J.V.Hajnal等人编辑的，“Medical image registration”来确定，特此结合该书作为参考。该方法将计算工作集中在不多但是重要的界标上，并且仅仅在由于大量且高度的非线性变形和/或者允许进行清晰准确的配准的描绘得很好的解剖结构而必需的区域中，自动精化变形场。当A表示要和参考图像B进行配准的图像时，从不多但是重要的界标开始，图像A由d+1(d＝数据集的维度)相邻的界标所隔开的单体(simplices)PA平铺成。通过在B中基于它们邻域中的局部(例如仿射)变形对界标进行定位来构建整体变形场D。将每个单体(由界标定义的区域)PA转换为单体PB＝D(PA)，并且使用例如交互信息或者互相关来估算例如位于PA中的图像A的灰度值和位于PB中的图像B的灰度值的相似性。如果PA和PB不够相似，则在PA中定位一个新的界标，并将PA分割为多个d+1个更小的单体。具有优点的是，由于这样，迭代地精化平铺直到获得所期望的相似性，结果形成自动自适应局部非线性和例如解剖结构的平铺网格。
参考以下描述的实施例，本发明的这些和其他方面会变得清晰和明了。
以下，会参考以下附图来描述本发明的示范性实施例：
附图说明
图1示出了根据本发明的示范性实施例的图像处理设备的示意表示，该设备适合于执行根据本发明的示范性实施例的方法。
图2示出了根据本发明的方法的示范性实施例的简化流程图，该方法可以在图1所示的图像处理设备中执行。
图3到6示出了经过简化的图像的轮廓，和根据本发明的方法的示范性实施例示出的在图像上执行的操作。
图7示出了两个图像，作为按照根据本发明的方法的示范性实施例的在呼吸系统的呼吸运动过程中执行的整体弹性配准的例子。
具体实施方式
图1描述了根据本发明的图像处理设备的示范性实施例，该图像处理设备用于执行根据本发明的方法的示范性实施例。图1中所示的图像处理设备包括中央处理器单元(CPU)或者图像处理器1，它连接在存储器2上，存储器2用于存储在该方法过程中使用或生成的图像或相似值。图像处理器1可以连接到多个输入/输出，网络或诸如MR设备或者CT设备此类的诊断设备上。此外，处理器1可以连接在超声波扫描仪上。图像处理器还连接在显示设备4(例如，计算机监控器)上，用于显示图像处理器1中计算或者修改的信息或者图像。操作者可以通过键盘5和/或图1未示出的其他输入/输出设备与图像处理器1交互。
图2示出了用于对第一图像和第二图像进行配准的方法的示范性实施例的流程图。
以下，会参考医学成像描述本发明，在医学成像中，界标涉及图像中的解剖特征，和/或涉及拥有大量且高度的非线性变形的区域和/或者允许进行清晰并且准确配准的描绘得很好的解剖结构。然而，应该注意的是，本发明还可以应用于非医学的应用，例如，应用在材料测试和质量控制中，其中实际产品的图像是与参考图像进行比较的。此外，该技术可以用于图像识别系统，例如，所拍摄的脸部要与预先配准的脸部进行匹配以辨别脸部或者人。
简而言之，以下参考图2所描述的根据本发明的这个实施例实施例的方法涉及通过基于结合局部模板匹配的解剖界标和基于灰度值的图像相似性的测量的由迭代的精化过程所执行的非刚性图像配准。让图像A表示要与参考图像B进行配准的浮动图像。从不多但是重要的界标(交互或者自动的选定的界标)开始，图像A由d+1(d＝数据集的维度)个相邻的界标隔开的单体平铺成。通过在图像B中基于它们邻域中的局部(例如仿射)变形对界标进行定位来构建整体变形场D。将每个单体PA转换为单体PB＝D(PA)，并且使用例如交互信息或者互相关来估计位于PA中的图像A的灰度值和位于PB中的图像B的灰度值的相似性。如果PA和PB不够相似，则在PA中定位一个新的界标，并且将PA分割为若干d+1个更小的单体。这样，迭代地精化平铺直到获得所期望的相似性，结果形成自动自适应局部非线性和解剖结构的平铺网格。当所有单体中的相似性测量足够好时，或者在达到精化步骤的最大数量时，可以停止该迭代。然后使用作为结果的整体变形场对所给的图像进行配准。对于调节用于选择界标的资格函数，用于匹配以界标为中心的模板的局部相似性测量，用于估算单体相似性的整体相似性测量，和用于将非线性变形模型化为形态的类型，解剖范围和所涉及的对比机制来说，所述方法是开放的。以下会参考图2更加详细的描述这个。
在图2中，在步骤S1中开始之后，在步骤S1中，例如，获得要配准的图像，在步骤S2中，在两个图像A和B中选择一组(多个)重要的界标{Li}，可以明确地对图像A和B进行相互指定或者分配，即，它们明确地相互对应。因此，可以借助于预先确定的资格函数来确定界标的重要性。利用这些界标Li，确定图像的单体平铺{Pi}。对于二维图像来说，单体是三角形，对于三维图像来说，单体是四面体。这些会在图3中更加详细的示出，图3描述了图像A或图像B，其中已选择了五个界标L1到L5。可以从图3中看到，界标通过线相互连接，从而形成平铺图像区域的单体(这里为三角形)。这也可以称为单体平铺。
如上所述，可以自动地或者由操作员交互地执行界标Li的选择。对于自动执行该界标选择，可以使用上述资格函数，例如，检测图像中最亮的点或者图像中的特定梯度。
然后，在随后的步骤S3中，为每个界标Li确定局部变形场Di(Li，Ui)。换句话说，围绕着每个界标Li，在邻近或者围绕着各个界标Li的区域Ui中确定局部变形场Di(Li，Ui)。
设定区域Ui的形状，大小和/或维数，从而有足够的结构，即在区域Ui中有足够的图像允许明确地确定局部变形。此外，选择Ui的大小，形状，和/或维数从而可以用仿射变换来充分地近似局部变形。
这些会在图4中更加详细的示出，图4示出了围绕着各个界标L1到L5的区域U1到U5。从图4中可以看到，区域U1到U5的形状为圆形。然而，应该注意的是，还可以使用其他形状，例如矩形。在这些区域U1到U5中，确定各个局部变形场D1(L1，U1)到D5(L5，U5)。
在随后的步骤S4中，在区域I上将局部变形场Di(Li，Ui)扩展到整体变形场。换句话说，将局部变形场Di(Li，Ui)扩展到图像A中的整个图像区域I上的整体变形D。
根据示范性实施例，通过变化将局部变形场Di(Li，Ui)扩展到整体变形场D的方式，该方法可以适合于各种应用。例如，可以使用高斯函数，多项式函数，弹性函数或者样条(splines)执行该扩展。
在随后的步骤S5中，确定相似性
换句话说，在每个铺盖片中，平铺的区域或者部分Pi，相似性Si用于表示参考图像
和经过变换的浮动图像
之间或者经过变换的参考图像和浮动图像之间的相似性。具有优势的是，选择相似值使它随着图像之间的一致性的增加而增加，并且是单调的直到最大值。然后，在随后的步骤S6中，确定是否有满足Sj≤∑的单体Pj。
相似值S的预先选定的值∑确定在平铺{Pi}中哪个部分，即在哪个单体中，参考图像B和经过变换的浮动图像A之间的一致性还不够。在步骤S6中确定有单体Pj满足S(Pj)<∑的情况下，则，方法进入到步骤S7，在该步骤中执行精化。否则，方法进入步骤S8，在该步骤中该方法结束。
在步骤S7中，在满足S(Pj)<∑的单体Pj中，即在要进行精化的单体中，选择新的界标。根据本发明的示范性实施例，如图5所示，根据资格函数选定新界标L6，从而使该界标为单体Pj中最重要的界标L’。将该界标加入到界标集合{Li}＝{Li}∪L6。使用新界标L6，平铺单体Pj。在这里，L6通过直线连接到每个顶点(界标L2，L4，L5)。通过这样，对于二维图像生成三个新的三角形，对于三维图像生成四个新的四面体。通常，对于d个特定维度，生成(d+1)个新的单体。在单体集合{Pi}中，用(d+1)个新单片替换单体Pj。然后，采用新界标集合{Li}和单体集合{Pi}，迭代返回到步骤S3，其中，对于之前存在的界标和之前存在的区域Ui来说，保持局部变形Di。方法迭代地继续，直到没有剩下单体Sj<∑为止。
图5和6描述了根据本发明的方法的进一步处理，正如通过步骤S3到S7来描述的。在图5中，Sj<∑的单体Pj画了阴影。对于由界标L2，L4和L5定义的，画了阴影的Pj，选择一个新的界标L6，在Pj中相似值小于一个阈值。优选的是，如上所示，在区域Pj中界标L6是重要的或者最重要的界标。然后，通过将L6和Pj的L2，L4和L5相连接，生成三个新的单体。然后，确定局部变形场D6(L6，U6)，并且将局部变形场扩展到整个变形场。然后，为这三个新的三角形中的每一个确定相似值。在有相似值小于预定的阈值，即SF<∑的三角形的情况下(在图5中为三角形PF)，如图6所示在三角形PF中选定新的界标L7。该方法迭代地继续，直到每个三角形的相似值超过或者等于阈值。
在图7中示出了上述方法的应用例子。在图7中，呼吸系统的两个MR图像显示为在呼出(A)(图7的左图)中和在呼入状态(B)(图7的右图)中。使用界标L10，L11和L12的配准不允许两个图像的足够准确的配准，因为膈的运动不能充分地得到重建。由于该原因，迭代地，已经加入新的重要界标L13。
具有优势的是，上述方法允许单个或者多种形态的图像数据集的非常准确可靠的弹性配准。它可以允许通过集中于重要界标和显示出高度非线性变形的图像区域来提高图像配准的速度的健壮性。此外，它可以允许对界标进行重要性分级和匹配，可以相对于形态、解剖区域和所期望的变形或应用区域独立地优化优化配准的局部或整体质量和非线性变换的类型。通过将这些重要性和质量测量并入关于解剖学的先验知识，它可以允许对差异很大的成像形态进行配准。由于集中在不多但是重要的界标上，结合它对非线性变形的自动的和空间上的适应性，上述发明可以非常快，并且非常适合于实时配准，例如在介入(interventional)过程中。在医学应用中，对于各种临床应用可能需要整体弹性配准，其中需要对不同的形态的或者不同患者的，在不同时刻获取的图像进行对准。例如，关于肿瘤诊断和手术的重要的例子，其中不同形态的图像显示了肿瘤的不同方面，之前和之后的介入图像的比较，医学图像的时间序列的分析，单个图像与来源于群组研究的解剖图的匹配等等。然而，应该注意的是，上述发明还可以应用于任何二维或者三维数据集。
Claims (6)
1.一种对第一图像和第二图像进行配准的方法，该方法包括步骤：
在第一图像中选择(S2)第一重要界标集合以及在第二图像中选择(S2)第二重要界标集合，其中所述第一重要界标集合和第二重要界标集合中的界标明确相互对应；
基于所选择的第一重要界标集合来选择(S2)第一图像的第一单体平铺，以及基于所选择的第二重要界标集合来选择(S2)第二图像的第二单体平铺；
为第一图像中的每个界标确定(S3)局部变形场；
将所确定的局部变形场扩展(S4)到整体变形场以便变换第一图像中的区域；
计算(S5)使用所述整体变形场变换的第一单体平铺中的每个第一单体平铺和第二单体平铺中的对应第二单体平铺之间的相似性；
评估(S6)所计算的每个第一单体平铺和对应第二单体平铺之间的相似性是否小于预定阈值；
基于所述评估，在第一单体平铺内添加(S7)新界标并且在对应的第二单体平铺内添加(S7)对应的新界标；以及
迭代地执行所述确定(S3)、扩展(S4)、计算(S5)、评估(S6)和添加(S7)步骤。
2、如权利要求1所述的方法，其中基于预先确定的资格函数来选择所添加的新界标和对应的新界标。
3、如权利要求2所述的方法，其中所添加的新界标是根据所述资格函数在第一单体平铺中最重要的界标。
4、如权利要求1所述的方法，其中所述局部变形场是仿射变形。
5.如权利要求1所述的方法，其中，在医学图像成像中，将方法应用于CT数据集，MRI数据集，PET数据集，SPECT数据集和超声波成像数据集之中的一种。
6.一种图像处理设备，包括：存储器，用于存储第一图像和第二图像；以及图像处理器，用于对第一图像和第二图像进行配准，其中该图像处理器适合于执行以下操作：
在第一图像中选择第一重要界标集合以及在第二图像中选择第二重要界标集合，其中所述第一重要界标集合和第二重要界标集合中的界标明确相互对应；
基于所选择的第一重要界标集合来选择第一图像的第一单体平铺，以及基于所选择的第二重要界标集合来选择第二图像的第二单体平铺；
为第一图像中的每个界标确定局部变形场；
将所确定的局部变形场扩展到整体变形场以便变换第一图像中的区域；
计算使用所述整体变形场变换的第一单体平铺中的每个第一单体平铺和第二单体平铺中的对应第二单体平铺之间的相似性；
评估所计算的每个第一单体平铺和对应第二单体平铺之间的相似性是否小于预定阈值；
基于所述评估，在第一单体平铺内添加新界标并且在对应的第二单体平铺内添加对应的新界标；以及
迭代地执行所述确定、扩展、计算、评估和添加步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP03104644 | 2003-12-11 | ||
| EP03104644.4 | 2003-12-11 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1890689A CN1890689A (zh) | 2007-01-03 |
| CN100538739C true CN100538739C (zh) | 2009-09-09 |
Family
ID=34684572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2004800368056A Expired - Fee Related CN100538739C (zh) | 2003-12-11 | 2004-12-10 | 弹性的图像配准 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US8326086B2 (zh) |
| EP (1) | EP1695287B1 (zh) |
| JP (1) | JP4787171B2 (zh) |
| CN (1) | CN100538739C (zh) |
| AT (1) | ATE499665T1 (zh) |
| DE (1) | DE602004031551D1 (zh) |
| WO (1) | WO2005059831A1 (zh) |
Families Citing this family (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7672540B2 (en) * | 2005-07-13 | 2010-03-02 | Siemens Medical Solutions USA, Inc, | Nonrigid registration of cardiac perfusion MR images using adaptive local template matching |
| US8406851B2 (en) * | 2005-08-11 | 2013-03-26 | Accuray Inc. | Patient tracking using a virtual image |
| CN101305395A (zh) * | 2005-11-10 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 基于点的自适应弹性图像配准 |
| JP4794993B2 (ja) * | 2005-11-17 | 2011-10-19 | 富士フイルムＲｉファーマ株式会社 | 画像診断支援装置及び画像表示方法 |
| ATE432511T1 (de) * | 2005-12-08 | 2009-06-15 | Koninkl Philips Electronics Nv | System und verfahren zur ermöglichung der auswahl einer bildregistrations-transformation |
| WO2007072451A2 (en) * | 2005-12-22 | 2007-06-28 | Philips Intellectual Property & Standards Gmbh | Adaptive point-based elastic image registration |
| CN101443816B (zh) * | 2006-05-11 | 2016-01-06 | 皇家飞利浦电子股份有限公司 | 用于图像引导下辐射治疗的图像可变形配准 |
| CN100411587C (zh) * | 2006-07-06 | 2008-08-20 | 上海交通大学 | 基于机器学习的立体核磁共振脑图像弹性配准方法 |
| US7693349B2 (en) * | 2006-08-15 | 2010-04-06 | General Electric Company | Systems and methods for interactive image registration |
| DE602007002048D1 (de) * | 2007-02-09 | 2009-10-01 | Agfa Gevaert | Visuelle Hervorhebung von Intervalländerungen mittels einer Zeitsubtraktionstechnik |
| US8121362B2 (en) * | 2007-04-30 | 2012-02-21 | Siemens Medical Solutions Usa, Inc. | Registration of medical images using learned-based matching functions |
| EP2171686B1 (en) | 2007-07-27 | 2014-01-01 | Koninklijke Philips N.V. | Interactive atlas to image registration |
| EP2186058B1 (en) * | 2007-08-03 | 2017-04-26 | Koninklijke Philips N.V. | Anatomically constrained image registration |
| JP5449175B2 (ja) * | 2007-10-26 | 2014-03-19 | コーニンクレッカ フィリップス エヌ ヴェ | マルチモダリティ軟組織画像化のための閉ループレジストレーション制御 |
| DE102008018387B4 (de) * | 2008-04-11 | 2009-12-10 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Bewegungskorrektur |
| CN102132321B (zh) * | 2008-08-04 | 2013-09-18 | 皇家飞利浦电子股份有限公司 | 用于医学图像的配准的自动预对准 |
| US8805036B2 (en) * | 2009-01-13 | 2014-08-12 | Koninklijke Philips N.V. | Image based clinical trial assessment |
| US8811708B2 (en) * | 2009-04-15 | 2014-08-19 | Koninklijke Philips N.V. | Quantification of medical image data |
| JP2011024763A (ja) * | 2009-07-24 | 2011-02-10 | Hitachi Ltd | 画像処理方法および画像処理装置 |
| GB0912845D0 (en) * | 2009-07-24 | 2009-08-26 | Siemens Medical Solutions | Initialisation of registration using an anatomical atlas |
| US20110081061A1 (en) | 2009-10-02 | 2011-04-07 | Harris Corporation | Medical image analysis system for anatomical images subject to deformation and related methods |
| US20110081054A1 (en) | 2009-10-02 | 2011-04-07 | Harris Corporation | Medical image analysis system for displaying anatomical images subject to deformation and related methods |
| US20110081055A1 (en) * | 2009-10-02 | 2011-04-07 | Harris Corporation, Corporation Of The State Of Delaware | Medical image analysis system using n-way belief propagation for anatomical images subject to deformation and related methods |
| JP5587614B2 (ja) * | 2010-01-13 | 2014-09-10 | 富士フイルム株式会社 | 医用画像表示装置および方法、並びにプログラム |
| EP2548511A1 (en) | 2010-03-17 | 2013-01-23 | FUJIFILM Corporation | Medical image conversion device, method, and program |
| EP2550641B1 (en) * | 2010-03-24 | 2017-10-18 | Koninklijke Philips N.V. | System and method for producing an image of a physical object |
| JP5610129B2 (ja) * | 2010-03-26 | 2014-10-22 | 富士通株式会社 | ３次元テンプレート変形方法、装置及びプログラム |
| WO2012035538A1 (en) * | 2010-09-16 | 2012-03-22 | Mor Research Applications Ltd. | Method and system for analyzing images |
| US9014454B2 (en) | 2011-05-20 | 2015-04-21 | Varian Medical Systems, Inc. | Method and apparatus pertaining to images used for radiation-treatment planning |
| KR101904824B1 (ko) | 2011-09-06 | 2018-11-29 | 리쿠아비스타 비.브이. | 계면활성제 및 그것을 이용하여 전기 습윤 표시 장치를 제조하는 방법 |
| CN102411781B (zh) * | 2011-09-09 | 2013-11-13 | 华南理工大学 | 一种双能减影胸部x射线图像的运动校正系统 |
| US20130136329A1 (en) * | 2011-11-30 | 2013-05-30 | General Electric Company | Method and system for automatically setting a landmark for brain scans |
| KR101323334B1 (ko) * | 2012-05-14 | 2013-10-29 | 삼성메디슨 주식회사 | 볼륨 이미지 생성 장치 및 방법 |
| CN104412297B (zh) * | 2012-06-27 | 2019-04-16 | 皇家飞利浦有限公司 | 图像质量驱动的非刚性图像配准 |
| CN104036452B (zh) * | 2013-03-06 | 2017-12-05 | 东芝医疗系统株式会社 | 图像处理装置和方法以及医学图像设备 |
| JP6129310B2 (ja) * | 2013-06-06 | 2017-05-17 | 株式会社日立製作所 | 画像処理装置および画像処理方法 |
| US9208562B1 (en) * | 2014-05-20 | 2015-12-08 | Camelot Biomedical Systems Srl | Method for synchronized navigation of sets of two or more biomedical images |
| JP6482250B2 (ja) * | 2014-11-20 | 2019-03-13 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
| CN105241894B (zh) * | 2015-08-28 | 2018-01-19 | 北京大恒图像视觉有限公司 | 一种用于多工序柔性印刷品检测的模板配准方法 |
| JP6905323B2 (ja) * | 2016-01-15 | 2021-07-21 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
| EP3500171B1 (en) | 2016-08-22 | 2020-06-03 | Koninklijke Philips N.V. | Model regularized motion compensated medical image reconstruction |
| CN108053428A (zh) * | 2017-12-28 | 2018-05-18 | 上海联影医疗科技有限公司 | 一种医学图像的配准方法、装置及设备 |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5715166A (en) * | 1992-03-02 | 1998-02-03 | General Motors Corporation | Apparatus for the registration of three-dimensional shapes |
| EP0599345B1 (en) * | 1992-11-27 | 2002-06-05 | Fuji Photo Film Co., Ltd. | Method for adjusting positions of radiation images |
| EP0602730B1 (en) * | 1992-12-18 | 2002-06-19 | Koninklijke Philips Electronics N.V. | Registration of Volumetric images which are relatively elastically deformed by matching surfaces |
| US5611000A (en) * | 1994-02-22 | 1997-03-11 | Digital Equipment Corporation | Spline-based image registration |
| JP3277111B2 (ja) * | 1995-10-18 | 2002-04-22 | シャープ株式会社 | 動画像符号化装置および動画像復号化装置 |
| KR0171146B1 (ko) * | 1995-03-18 | 1999-03-20 | 배순훈 | 특징점을 이용한 움직임 벡터 검출 장치 |
| US5802220A (en) * | 1995-12-15 | 1998-09-01 | Xerox Corporation | Apparatus and method for tracking facial motion through a sequence of images |
| US5982909A (en) * | 1996-04-23 | 1999-11-09 | Eastman Kodak Company | Method for region tracking in an image sequence using a two-dimensional mesh |
| US6990248B2 (en) * | 1996-05-09 | 2006-01-24 | Koninklijke Philips Electronics N.V. | Segmented video coding and decoding method and system |
| US6226418B1 (en) * | 1997-11-07 | 2001-05-01 | Washington University | Rapid convolution based large deformation image matching via landmark and volume imagery |
| JPH10137231A (ja) * | 1996-11-13 | 1998-05-26 | Toshiba Iyou Syst Eng Kk | 医用画像処理装置 |
| AU9663098A (en) * | 1997-09-23 | 1999-04-12 | Enroute, Inc. | Generating three-dimensional models of objects defined by two-dimensional image data |
| FR2779548B1 (fr) * | 1998-06-05 | 2000-11-10 | Thomson Csf | Procede de suivi dynamique de l'evolution de milieux deformables, et de prediction de leur evolution |
| US6226542B1 (en) * | 1998-07-24 | 2001-05-01 | Biosense, Inc. | Three-dimensional reconstruction of intrabody organs |
| FR2783123B1 (fr) * | 1998-09-04 | 2000-11-24 | France Telecom | Procede d'estimation du mouvement entre deux images |
| US6820043B2 (en) * | 1998-11-02 | 2004-11-16 | T-Surf Corporation | Modeling continuous properties on discontinuous surfaces |
| US6633686B1 (en) * | 1998-11-05 | 2003-10-14 | Washington University | Method and apparatus for image registration using large deformation diffeomorphisms on a sphere |
| US6718290B1 (en) * | 1998-12-10 | 2004-04-06 | Georgia Tech Research Corporation | Systems and methods for encoding tetrahedral meshes |
| US6535623B1 (en) * | 1999-04-15 | 2003-03-18 | Allen Robert Tannenbaum | Curvature based system for the segmentation and analysis of cardiac magnetic resonance images |
| US6563941B1 (en) * | 1999-12-14 | 2003-05-13 | Siemens Corporate Research, Inc. | Model-based registration of cardiac CTA and MR acquisitions |
| JP2001331799A (ja) * | 2000-03-16 | 2001-11-30 | Toshiba Corp | 画像処理装置および画像処理方法 |
| US6580821B1 (en) * | 2000-03-30 | 2003-06-17 | Nec Corporation | Method for computing the location and orientation of an object in three dimensional space |
| DE10048029A1 (de) * | 2000-09-26 | 2002-04-25 | Philips Corp Intellectual Pty | Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation |
| US6664956B1 (en) * | 2000-10-12 | 2003-12-16 | Momentum Bilgisayar, Yazilim, Danismanlik, Ticaret A. S. | Method for generating a personalized 3-D face model |
| EP1374181A1 (en) * | 2001-03-29 | 2004-01-02 | Koninklijke Philips Electronics N.V. | Image processing method for fitness estimation of a 3d mesh model mapped onto a 3d surface of an object |
| DE10163813A1 (de) * | 2001-12-22 | 2003-07-03 | Philips Intellectual Property | Verfahren zur Darstellung von unterschiedlichen Bildern eines Untersuchungsobjektes |
| US20030140088A1 (en) * | 2002-01-24 | 2003-07-24 | Robinson Scott H. | Context-based information processing |
| US7177486B2 (en) * | 2002-04-08 | 2007-02-13 | Rensselaer Polytechnic Institute | Dual bootstrap iterative closest point method and algorithm for image registration |
| US20060034500A1 (en) * | 2002-11-18 | 2006-02-16 | Koninklijke Philips Electronics, N.V. | Method and device for image registration |
-
2004
- 2004-12-10 DE DE602004031551T patent/DE602004031551D1/de active Active
- 2004-12-10 AT AT04801527T patent/ATE499665T1/de not_active IP Right Cessation
- 2004-12-10 WO PCT/IB2004/052746 patent/WO2005059831A1/en active Application Filing
- 2004-12-10 EP EP04801527A patent/EP1695287B1/en not_active Not-in-force
- 2004-12-10 JP JP2006543707A patent/JP4787171B2/ja not_active Expired - Fee Related
- 2004-12-10 CN CNB2004800368056A patent/CN100538739C/zh not_active Expired - Fee Related
- 2004-12-10 US US10/596,321 patent/US8326086B2/en active Active
Non-Patent Citations (4)
| Title |
|---|
| 3-D Inter-Subject Warping and Registrtion of PulmonaryCTImages for a Human Lung Model. Baojun Li,Gary E.Christensen,John Dill,EricA.Hoffman,JosephM.Reinhardt.medical imaging 2002:physiology and function from multidimensional images,Vol.4683 . 2002 |
| 3-D Inter-Subject Warping and Registrtion of PulmonaryCTImages for a Human Lung Model. Baojun Li,Gary E.Christensen,John Dill,EricA.Hoffman,JosephM.Reinhardt.medical imaging 2002:physiology and function from multidimensional images,Vol.4683. 2002 * |
| 3D Respiratory Motion Compensation byTemplatePropagation. Peter Rosch,Thomas Netsch,Marcel Quist,Jurgen Weese.Proceedings of Medical Image Computing and Computer-Assisted Intervention-MICCAI 2002,Vol.2489 . 2002 |
| Robust 3D DeformationFieldEstimationbyTemplatePropagation. P.Rosch,T.Netsch,M.Quist,G.P.Penney,D.L.G.Hill,J.Weese.Proceedings of Medical Image Computing and Computer-Assisted Intervention-MICCAI 2000,Vol.1935 . 2000 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2007516744A (ja) | 2007-06-28 |
| WO2005059831A1 (en) | 2005-06-30 |
| ATE499665T1 (de) | 2011-03-15 |
| US20070179377A1 (en) | 2007-08-02 |
| EP1695287B1 (en) | 2011-02-23 |
| JP4787171B2 (ja) | 2011-10-05 |
| US8326086B2 (en) | 2012-12-04 |
| CN1890689A (zh) | 2007-01-03 |
| EP1695287A1 (en) | 2006-08-30 |
| DE602004031551D1 (de) | 2011-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100538739C (zh) | 弹性的图像配准 | |
| CN111557665B (zh) | 用于医学成像中的患者定位的根据相机数据的密集身体标记估计 | |
| Murphy et al. | Evaluation of registration methods on thoracic CT: the EMPIRE10 challenge | |
| EP2916738B1 (en) | Lung, lobe, and fissure imaging systems and methods | |
| Van Rikxoort et al. | Automatic lung segmentation from thoracic computed tomography scans using a hybrid approach with error detection | |
| KR102410955B1 (ko) | 의료 영상에서 딥러닝에 기반한 복부 장기 자동분할 방법 및 그 컴퓨터 프로그램 | |
| JP5643304B2 (ja) | 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法 | |
| US10997466B2 (en) | Method and system for image segmentation and identification | |
| CN105074775A (zh) | 医学图像的配准 | |
| US20160086049A1 (en) | Contour correction device, method, and program | |
| CN112885453A (zh) | 用于标识后续医学图像中的病理变化的方法和系统 | |
| EP3657435A1 (en) | Apparatus for identifying regions in a brain image | |
| CN107004305A (zh) | 医学图像编辑 | |
| JP5296981B2 (ja) | アフィン変換を用いたモダリティ内医療体積画像の自動位置合わせ | |
| US8094895B2 (en) | Point subselection for fast deformable point-based imaging | |
| US9020215B2 (en) | Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images | |
| RU2573740C2 (ru) | Нормативный набор данных для нейропсихических расстройств | |
| US10937170B2 (en) | Apparatus for adaptive contouring of a body part | |
| AU2020223750B2 (en) | Method and System for Image Annotation | |
| JP3046326B2 (ja) | 画像処理装置及び画像処理方法 | |
| Uchiyama et al. | Automated classification of cerebral arteries in MRA images and its application to maximum intensity projection | |
| del Toro et al. | Hierarchical multi–structure segmentation guided by anatomical correlations | |
| Chauvie et al. | Automatic liver detection and standardised uptake value evaluation in whole-body positron emission tomography/computed tomography scans | |
| CN104106096B (zh) | 层析图像中的器官的分类方法 | |
| Meesters et al. | Multi atlas-based muscle segmentation in abdominal CT images with varying field of view |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090909 Termination date: 20181210 |