CN101501727A - 电解剖标测点到对应的图像数据的配准 - Google Patents
电解剖标测点到对应的图像数据的配准 Download PDFInfo
- Publication number
- CN101501727A CN101501727A CNA2007800293119A CN200780029311A CN101501727A CN 101501727 A CN101501727 A CN 101501727A CN A2007800293119 A CNA2007800293119 A CN A2007800293119A CN 200780029311 A CN200780029311 A CN 200780029311A CN 101501727 A CN101501727 A CN 101501727A
- Authority
- CN
- China
- Prior art keywords
- imaging data
- points
- registration
- data collection
- hardware
- 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.)
- Granted
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 16
- 238000003384 imaging method Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000013480 data collection Methods 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 210000003484 anatomy Anatomy 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims 2
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 210000001174 endocardium Anatomy 0.000 abstract 1
- 230000006870 function Effects 0.000 description 20
- 230000002526 effect on cardiovascular system Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 239000012528 membrane Substances 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000002583 angiography Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000002675 image-guided surgery Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
-
- 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
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供了一种对感兴趣体积中的结构进行识别的方法。所述方法包括以连续模式采集与所述结构相关的多个点，随后将所述点中的至少一个配准到所述结构的先前采集的成像数据集。本发明还提供了一种装置、系统以及计算机可读介质。本发明通过对标测系统进行修改，提供了对EAM点的更快采集，以便自动且连续地记录导管尖端位置，而不需要显式导航到心内膜，也不需要在心内膜上标注基准路标。
Description
技术领域
本发明大体关于医学成像领域。更具体地，本发明涉及将电解剖标测点配准到预采集的成像数据集。
背景技术
用于心血管应用的图像引导疗法包括例如从MRI、CT、超声或者荧光透视成像获取的诸如3D成像数据的预采集的体积成像数据与过程中电解剖标测(EAM)信息的整合，所述过程中电解剖标测(EAM)信息可以由磁场、电场、或超声技术进行定位。该技术依赖于两个数据集的正确对准，也就是所公知的配准过程。
现有用于对EAM和成像数据进行配准的方法基于点到表面距离最小化算法(例如，迭代最近点算法ICP)。这种方法要求在标测过程中对心脏内表面的点进行特异性选择，然后对EAM点与从成像数据集分割的腔室表面边界进行点到表面的配准。
常规用于点采集和后续点到表面配准的方案依赖于技术且耗时费力，这是由于必须首先操作标测导管尖端以使其到达心内膜上的路标，之后，必须在EAM数据记录中对尖端位置进行明显标注。这一单独的路标识别和标注过程必须重复50到100次，以便为基于ICP的配准定义出具有足够细节的心内膜表面从而使函数准确。为此，在患者研究的临床或诊断或治疗分量开始之前，仅仅为了配准过程就必须进行15-45分钟的标测。应该认识到，未与腔室表面接触的任何所采集的EAM点位置反过来影响用点到表面距离最小化的配准的质量。
因此，改进的点采集方法能够有利地提高灵活性，并能够节约成本和时间。
发明内容
因此，本发明优选地通过提供根据所附权利要求的方法、装置、系统和计算机可读介质，单独地或以任意组合的方式寻求缓解、减轻或消除一个或多个上述现有技术中的不足和缺点，并解决至少上面所提到的问题。
在本发明的一方面，提供了一种对感兴趣体积中的结构进行识别的方法。所述方法包括以连续模式采集与所述结构相关的多个点，随后，将至少一个所述点配准到所述结构的先前所采集的成像数据集。
在本发明的另一方面，提供了一种对感兴趣体积中的结构进行识别的装置。所述装置包括以连续模式采集与所述结构相关的多个点的采集硬件，以及随后将数据点中的每一个配准到所述结构的成像数据集的配准硬件。
在本发明的另一方面，提供了一种包括根据本发明的上述方面的装置的医学成像系统。
在本发明的又一方面，提供了一种其上嵌有计算机程序的计算机可读介质，所述计算机程序由计算机进行处理，以对感兴趣体积中的结构进行识别。所述计算机程序包括以连续模式采集与所述结构相关的多个点的采集代码段，以及将至少一个点配准到结构的先前所采集的成像数据集的配准代码段。
在本发明的再一方面，提供了一种对感兴趣体积中的解剖结构进行识别的方法。所述方法包括以连续模式采集与所述解剖结构相关的多个点，随后，将至少一个点配准到所述结构的过程前或过程后所采集的成像数据集。
本发明通过对标测系统进行修改，提供了更快的EAM点的采集，使得对导管尖端位置进行自动且连续的记录，而不需要显式导航(explicitnavigation)到心内膜，也不需要在心内膜上标注基准路标。
附图说明
本发明能够具有的这些和其他方面、特征和优势将从下述参照附图对本发明的实施例的描述中变得明显并参照其进行阐述，在附图中：
图1为示出EAM点到预采集的成像数据的常规配准的图示；
图2示出了根据实施例的连续点云(簇)采集的方法；
图3为示出根据实施例的方法的图示；
图4为示出根据实施例的装置的图示；
图5为示出根据实施例的装置的图示；以及
图6为示出根据实施例的计算机可读介质的图示。
具体实施例
图1示出了EAM点到预采集的成像数据的常规配准，其需要繁琐的导管导航和靶标点选择，以识别心内膜上的表面点。在来自术前成像(示出为带阴影的表面模型)的经分割的心脏表面模型上对这些EAM点进行配准和覆盖。
下列描述集中于本发明的应用于医学成像的实施例，具体而言为将连续采集的电解剖标测点配准到成像数据集。然而，应该理解，本发明并不局限于这一应用，而是可以应用于需要将分散的3D点云(多个点)与多态性体积成像数据集进行快速融合的用于例如心脏恢复室、EP实验室或图像引导外科手术室的介入性引导或诊断的任何术中过程。
本发明提供了一种点采集方法，其中，没有对EAM数据集中的心血管边界进行明确定义，所以不能使用传统的点到表面距离最小化(例如，ICP)方法。即：远离心脏内表面的内部点位置会反过来影响配准质量。
根据图2a，在本发明的实施例中，提供了一种连续点云(非组织和非靶标的点簇)采集的方法，该方法不同于图像引导标测的常规点采集。所述方法不需要(一个或多个)导管尖端到心内膜的特定导航。所述方法提供了以连续方式以非门控(un-gated)或门控(其中，可以将诸如ECG信号或者呼吸信号的时间选通信号用作触发以标记在配准过程中应该包括哪个EAM点)模式进行记录的EAM位置(点)21的自动采集，而电生理学家/用户用操纵具有一个或多个位置传感器元件的导管贯穿诸如心室的感兴趣的心血管结构。
通过将所述方法用于连续点云采集，在非常短的时间段中采集大量的点。例如，如果以非门控模式采集所述点，在5分钟内可以有效地采集大约10,000个点。由于生成的体积点云包括分散轨迹宽泛的导管尖端位置，并对所述体积点云进行密集采样，这能够得到关于感兴趣的心血管结构的几何形状的良好定义，从而使其足够与术前的成像数据进行配准。
在本发明的实施例中，提供了将连续采集的EAM点云映射到至少一个成像数据集的方法。所述方法可以概括为两个分开的步骤，其中，第一步骤包括至少一个成像数据集的图像处理。第二步骤包括将连续采集的点云对准到所处理的至少一个成像数据集，或者执行连续采集的点云到所处理的至少一个成像数据集的配准。
图2b中示出了使用连续点云采集的方法的结果，所述方法将连续采集的点映射到成像数据集，其中，将所述连续采集的点对准到过程前或过程后所采集的成像数据集。
在一个实施例中，提供了一种识别感兴趣体积中的结构的方法。所述方法包括以连续模式采集与结构相关的多个点，并随后将所述至少一个点配准到结构的先前采集的成像数据集。
根据图3，在一个实施例中，配准包括通过分割对成像数据集进行处理33，以在成像数据集中对感兴趣体积中的结构进行定位，从而生成构成所述结构的经分割的表面。另外，配准包括基于经分割的表面，通过将位于结构表面内的体素定义为非零掩模值(例如值1)，同时将结构表面外的体素赋予零掩模值，来对3D二元掩模(binary mask)进行计算34。
另外，配准包括计算353D距离函数或者反映从3D二元掩模到感兴趣的结构表面的距离的其他计算度量。步骤33-35的总体目标为从成像体积提取3D距离测量，可以将所述测量用于下述步骤，以确定将多个点配准到成像数据集的感兴趣体积中的结构的接近程度。
配准还包括通过使用从例如过程前MR/CT和电解剖标测系统(即：CARTO)的已知坐标系定向导出的表变换而启动36对连续采集的多个点与成像数据集的对准。另外，配准包括对未知的配准参数进行迭代估计37，以相对于成像数据集对多个点进行更新。例如，给定一组估计的参数值，可以通过将变换矩阵乘以3D点坐标而执行与成像数据集相关的多个点的空间变换。
配准还包括将每个点与来自距离函数的对应值进行比较38，从而根据所估计的配准参数对目标函数值进行计算39。在一个实施例中，对于所有的点，将对在步骤38中于每个点处计算的距离函数值进行求和，从而生成对应于当前配准变换估计的目标函数值。另外，配准包括例如通过基于共轭梯度的函数最小化，对所估计的配准参数30进行迭代更新，直到所估计的配准参数的变化小于预定的容差，而将目标函数最小化。
在一个实施例中，多个点为电解剖标测点。
在一个实施例中，至少一个成像数据集为过程前采集的成像数据集。
在一个实施例中，至少一个成像数据集为在连续采集多个点之后进行的过程后采集。
在一个实施例中，至少一个成像数据集为在连续的多个点采集之前采集的。
在一个实施例中，成像数据集的感兴趣体积中的结构为心脏结构。
在一个实施例中，至少一个成像数据集的图像处理包括分割和进行掩模，即，通过使用至少一个分割工具计算3D二元掩模，所述分割工具可以为通常可用于成像工作站(例如Siemens Syngo或Philips Brilliance工作站)上或者图像分析软件(例如Analyze、MATLAB、InsightRegistration/Segmentation Toolkit)内的诸如用于可变形表面的算法、水平集分割方法、连通分量区域生长等的各种分割工具中的任一种。处理还包括基于掩模计算3D距离函数，使得距离值对于经分割的腔室内的所有像素都为零，而对于腔室外的每个像素，距离值为从成像数据集到经分割的表面上的最近边界点的距离。
在一个实施例中，分割包括向成像数据集使用在对形状约束表面模型进行基于标准化区域的演化的基础上的可变形表面。
在一个实施例中，配准步骤包括通过将点云的质心移位以匹配3D二元掩模的质心，而将连续采集的点云与经处理的成像数据集(例如，来自3D旋转血管造影(3DRA)的预采集CT/MR体积数据或术中采集的类似CT的重建)参照系进行粗略对准。接下来，例如利用将EAM坐标系与MR或CT成像系统的坐标系进行映射的近似表变换开始，将未知的刚体变换参数的初始估计用于相对于成像体积更新EAM点云位置。之后，使用EAM点云内的每个点的当前位置查找距离函数中的对应值，对云内的所有点的距离值进行求和以计算目标函数值，所述目标函数值依赖于未知的配准参数，在3D中，所述目标函数值对应于X/Y/Z中的三个未知平移参数并且对应于围绕X/Y/Z轴的三个未知旋转角。接下来，通过利用例如基于共轭梯度的函数最小化方法，通过对EAM点云和所处理的成像数据集之间的未知的基于刚性的变换的参数估计进行迭代地更新，而对目标函数进行最小化。预定阈值(例如运动<0.1mm)定义了何时迭代被认为已经收敛。最终的配准参数表示EAM坐标系和成像系统坐标系之间经估计的变换。
在一个实施例中，至少一个成像数据集为术中采集的成像数据集。
在一个实施例中，处理步骤和计算步骤不包括分割和3D二元掩模生成。在这一情况下，如在图3中所示，方法从步骤31开始，而非从步骤32开始。这可以是如下这样的情况：对其而言心血管腔室具有相对一致强度值的成像数据集的情况，例如，对于对比增强的X射线/CT成像数据集而言或者对于暗血/亮血MRI脉冲序列而言，心血管腔室具有相对一致强度值的成像数据集。如果不需要进行分割，降低了处理步骤的总时间，在一些实施例中，这有很大的优势。然而，在一些情况下，当不执行分割时，降低了多个点的对准准确性。因此，在一些实施例中优选进行分割，而在一些实施例中，优选不进行分割。不进行分割的实施例是有优势的，这是由于不需要分立的分割步骤，并且其使得临床工作流程更加快速。在过程前成像数据的体积可视化足够用于电解剖标测的过程中，可以采用不进行分割的方法。
在使用经分割的表面模型的其他实施例中，分割方法为优选的实施例。在一个实施例中，配准步骤包括基于已知的表变换将连续采集的点云进行粗略对准，将EAM坐标系映射到成像坐标系。接下来，使用点位置在体积成像数据集中的对应位置处对图像强度值进行采样。所有点位置处的强度值的分布提供了可以用于执行变换参数估计的强度直方图。在一致增强的心血管腔室的情况下，强度直方图会显示出围绕平均强度值的相对紧密分布。对于不良配准估计，强度直方图会显示出源自从位于感兴趣的心血管结构之外的体素采样的点的更大分布。
根据一个实施例，使用诸如从直方图得出的标准偏差或熵的测量，以能够对变换参数估计进行迭代，从而将对3D点云中的所有点采样的体素强度值的相似性最大化。因此，可以在不需要进行分割的情况下得出最后配准变换估计。
根据图4，在一个实施例中，提供了识别感兴趣体积中的结构的设备40。所述设备包括以连续的模式采集与结构相关的多个点的采集硬件41，和随后将每个数据点配准到结构的成像数据集的配准硬件42。
根据图5，在本发明的一个实施例中，配准硬件还包括通过分割对成像数据集进行处理的处理硬件51。装置还包括计算3D二元掩模的第一计算硬件52，和计算距离函数或者反映到感兴趣的结构表面的距离的其他计算度量的第二计算硬件53。另外，装置包括对准硬件54，其用于将连续采集的多个点与成像数据集进行对准；以及估计硬件55，其用于估计配准参数，以相对于成像数据集对多个点进行更新。另外，装置包括比较硬件56，其用于将每个点与来自距离函数的对应值相比较；以及第三计算硬件57，其用于根据所估计的配准参数计算目标函数的值；以及最小化硬件58，其通过利用基于共轭梯度的函数最小化对所估计的配准参数进行迭代更新，直到所估计的配准参数的变化小于预定的容差，而将目标函数最小化。
在本发明的一个实施例中，配准硬件能够执行根据一些实施例的方法。
在一些实施例中，装置的采集硬件包括处理器和存储器。处理器能够启动对多个点的采集，并将多个点存储到存储器中。可以将不同的处理器和存储器用于采集过程。
在一些实施例中，装置的配准硬件包括处理器和存储器。处理器能够执行配准过程，而存储器用于存储。可以使用用于配准过程的不同步骤的不同处理器和存储器。可以将存储器集成在处理器中，诸如处理器内部存储器。
处理器可以为诸如Intel或AMD处理器、CPU、微处理器、可编程智能计算机(PIC)微控制器、数字信号处理器(DSP)等的各种存储器的任一种。然而，本发明的范围不局限于这些特定处理器。
存储器可以为任一种能够存储点信息的存储器，例如双密度RAM(DDR、DDR2)、单密度RAM(SDRAM)、静态RAM(SRAM)、动态RAM(DRAM)、图像RAM(VRAM)等的随机存取存储器(RAM)。存储器也可以为诸如USB、Compact Flash、SmartMedia、MMC存储器、MemoryStick、SD Card、MiniSD、MicroSD、xD Card、TransFlash和MicroDrive存储器等的FLASH存储器。然而，本发明的范围不局限于这些特定的存储器。
存储器和任选的处理器内部存储器可以包括执行多个点的采集和配准的软件。
在一个实施例中，采集硬件还包括通过使用导管上的适当感测元件能够进行感兴趣体积的连续点采集的导管。所述导管可以具有多个分离的感测元件以进一步促进点采集过程。
若干种当前可获得的进行点采集的导管可以用于通过以连续的方式进行问询(poll)而执行连续的点采集，并且将测量数据连续地传送回控制器软件。
在一个实施例中，导管利用电磁进行点位置的连续电磁感测。
在一个实施例中，导管利用超声进行点位置的连续超声感测。
在一个实施例中，装置为医学工作站。
在一个实施例中，提供了包括所述装置的系统。
在一个实施例中，所述系统为诸如CT系统、MRI系统或超声系统的医学成像系统。
根据图6，在一个实施例中，提供了其上嵌有由计算机处理的计算机程序60的计算机可读介质。计算机程序包括执行连续EAM点云采集的代码段61。计算机程序60还包括将所采集的连续点云对准到至少一个成像数据集的配准代码段62。
计算机可以为诸如处理器或存储器(参见上述描述)的具有处理和存储能力的任何设备。
在一个实施例中，计算机程序具有于执行根据本发明的实施例的方法的代码段。
在另一实施例中，计算机程序包括控制例如由导管执行的连续点采集的代码段(控制器软件)。
在本发明的一个实施例中，计算机程序包括在根据一些实施例的装置的硬件中。
在一个实施例中，感兴趣体积为能够用导管进行点云的连续采样的任何解剖学空腔。
在一个实施例中，感兴趣体积为能够用导管进行点云的连续采样的任何非解剖学空腔。
在本发明的具体实施方式中，首先，将导管引入诸如患者心脏的器官。使用导管对描述器官空腔的数据点进行连续采集。之后，对器官的CT或MRI成像数据集进行处理，并将所采集的器官空腔的点对准到经处理的成像数据集。对准之后，可以开始心脏的图像引导疗法。
本发明可以以包括硬件、软件、固件或者这些的任意的任何适合的形式实现。然而，优选地，将本发明实现为在一个或多个数据处理器和/或数字信号处理器上运行的计算机软件。本发明的实施例的元件和组件可以以任何适合的方式进行物理地、功能性地或者逻辑性地实现。实际上，可以在单个单元上、多个单元上或者作为其他功能单元的一部分实现所述功能性。这样，本发明可以在单个单元上实现，或者可以物理上地或功能上地分散到不同单元和处理器。
尽管上面参考具体实施例对本发明进行了描述，但本发明并不局限于上述实施例中的具体形式。实际上，本发明仅由所附权利要求限定，上述特定实施例之外的实施例同样落入所附权利要求的范围。
在权利要求中，词语“包括”不排除其他的元件或步骤。另外，虽然是单独列出的，但是多个硬件、元件或方法步骤也可以例如由单个单元或处理器来实现。另外，尽管在不同的权利要求中包括单独的特征，可以有利地对这些特征进行合并，不同权利要求的内容并不意味着特征的组合不可行和/或无优势。另外，单数参考不排除复数。词语“一”、“一个”“第一”“第二”等不排除多个。仅将权利要求中的参考数字提供作为说明示例，不应该将其理解为以任何方式限制权利要求的范围。
Claims (16)
1、一种对感兴趣体积中的结构进行识别的方法，包括：
-以连续模式采集与所述结构相关的多个点，以及随后
-将至少一个所述点配准到所述结构的先前采集的成像数据集。
2、如权利要求1所述的方法，其中，所述配准包括
-通过分割对所述成像数据集进行处理，
-计算3D二元掩模，
-计算距离函数或者反映到所述感兴趣结构的表面的距离的其他计算度量，
-将所述连续采集的多个点与所述成像数据集进行对准，
-估计配准参数以相对于所述成像数据集对所述多个点进行更新，
-将每个点与来自所述距离函数的对应值相比较，
-根据所述估计的配准参数计算目标函数值，
-通过利用基于共轭梯度的函数最小化对所述配准参数进行迭代更新，直到所述配准参数的变化小于预定的容差，而将所述目标函数最小化。
3、如权利要求2所述的方法，其中，所述分割包括通常可用于成像工作站或者在图像分析软件中提供的用于可变形表面的算法、水平集分割方法、或连通分量区域生长。
4、如权利要求1所述的方法，包括
-基于将所述EAM坐标系映射到所述成像坐标系的已知表变换，将所述连续采集的多个点进行对准，
-基于所述连续采集的点位置对从所述成像数据集内的所述对应位置处的图像强度导出的值进行采样，以消除对分割的需要，
-提供所有点位置处的强度或强度导出值的分布的强度直方图，以及
-基于所述强度直方图执行变换参数估计。
5、如权利要求4所述的方法，包括使用从所述直方图导出的标准差和/或熵在变换参数估计上进行迭代，以便使在所述多个点中的所有点上采样的体素强度值的相似性最大化。
6、一种对感兴趣体积中的结构进行识别的装置(40)，包括
-采集硬件(41)，其用于以连续模式采集与所述结构相关的多个点，以及
-配准硬件(42)，其用于随后将所述数据点中的每一个配准到所述结构的成像数据集。
7、如权利要求6所述的装置(50)，其中，所述配准硬件还包括
-处理硬件(51)，其用于通过分割对所述成像数据集进行处理，
-第一计算硬件(52)，其用于计算3D二元掩模，
-第二计算硬件(53)，其用于计算距离函数或者反映到所述感兴趣的结构表面的距离的其他计算度量，
-对准硬件(54)，其用于将所述连续所采集的多个点与所述成像数据集进行对准，
-估计硬件(55)，其用于估计配准参数，以相对于所述成像数据集对所述多个点进行更新，
-比较硬件(56)，其用于将每个点与来自所述距离函数的对应值相比较，
-第三计算硬件(57)，其用于根据所述估计的配准参数计算目标函数的值，以及
-最小化硬件(58)，其通过利用基于共轭梯度的函数最小化对所述估计的配准参数进行迭代更新，直到所述估计的配准参数的变化小于预定的容差，而将所述目标函数最小化。
8、如权利要求6所述的装置，其中，所述多个点为电解剖标测点，所述成像数据集为过程前或过程后采集的成像数据集。
9、如权利要求8所述的装置，其中，所述采集硬件还包括配置为使用超声或电磁进行点位置采集的导管。
10、如权利要求6所述的装置，其中，所述装置为医学工作站。
11、如权利要求6所述的装置，其中，将所述装置配置为执行如权利要求1-5的任一个所述的方法。
12、一种医学成像系统包括如权利要求6所述的装置。
13、一种其上嵌有计算机程序(60)的计算机可读介质，所述计算机程序由计算机处理以对感兴趣体积中的结构进行识别，所述计算机程序包括
-采集代码段(61)，其用于以连续模式采集与所述结构相关的多个点，以及
-配准代码段(62)，其用于将至少一个所述点配准到所述结构的先前采集的成像数据集。
14、如权利要求13所述的计算机可读介质，包括执行如权利要求1-5的任一个所述的方法的至少一个代码段。
15、如权利要求13所述的计算机可读介质，还包括用于控制进行连续点采集的导管的控制代码段。
16、一种对感兴趣体积中的解剖结构进行识别的方法，包括
-以连续模式采集与所述解剖结构相关的多个点，以及随后，
-将至少一个所述点配准到过程前或过程后采集的所述结构的成像数据集。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US82172806P | 2006-08-08 | 2006-08-08 | |
| US60/821,728 | 2006-08-08 | ||
| PCT/IB2007/053079 WO2008017999A1 (en) | 2006-08-08 | 2007-08-06 | Registration of electroanatomical mapping points to corresponding image data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101501727A true CN101501727A (zh) | 2009-08-05 |
| CN101501727B CN101501727B (zh) | 2012-03-14 |
Family
ID=38740539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2007800293119A Active CN101501727B (zh) | 2006-08-08 | 2007-08-06 | 用于识别感兴趣体积中的结构的方法、装置、系统 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US8437518B2 (zh) |
| EP (1) | EP2052362B1 (zh) |
| CN (1) | CN101501727B (zh) |
| WO (1) | WO2008017999A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103079478A (zh) * | 2010-08-23 | 2013-05-01 | 皇家飞利浦电子股份有限公司 | 用于医疗流程的标测系统和方法 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9251585B2 (en) * | 2007-07-12 | 2016-02-02 | Siemens Aktiengesellschaft | Coregistration and analysis of multi-modal images obtained in different geometries |
| US20090232355A1 (en) * | 2008-03-12 | 2009-09-17 | Harris Corporation | Registration of 3d point cloud data using eigenanalysis |
| CN101901502B (zh) * | 2010-08-17 | 2012-05-02 | 黑龙江科技学院 | 光学三维测量中多视点云数据的全局优化配准方法 |
| US10039502B2 (en) | 2011-04-12 | 2018-08-07 | Medtronic Ablation Frontiers Llc | Electrophysiological signal processing and utilization |
| US10249036B2 (en) * | 2012-02-22 | 2019-04-02 | Veran Medical Technologies, Inc. | Surgical catheter having side exiting medical instrument and related systems and methods for four dimensional soft tissue navigation |
| KR102205898B1 (ko) | 2013-09-04 | 2021-01-21 | 삼성전자주식회사 | 의료영상들을 정합하는 방법 및 장치 |
| US9265434B2 (en) * | 2013-12-18 | 2016-02-23 | Biosense Webster (Israel) Ltd. | Dynamic feature rich anatomical reconstruction from a point cloud |
| US9280825B2 (en) | 2014-03-10 | 2016-03-08 | Sony Corporation | Image processing system with registration mechanism and method of operation thereof |
| CN108024699B (zh) | 2015-08-14 | 2020-11-03 | 直观外科手术操作公司 | 用于图像引导外科手术的配准系统和方法 |
| EP3334324B1 (en) | 2015-08-14 | 2021-01-06 | Intuitive Surgical Operations Inc. | Systems and methods of registration for image-guided surgery |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5385146A (en) | 1993-01-08 | 1995-01-31 | Goldreyer; Bruce N. | Orthogonal sensing for use in clinical electrophysiology |
| US5647360A (en) * | 1995-06-30 | 1997-07-15 | Siemens Corporate Research, Inc. | Digital subtraction angiography for 3D diagnostic imaging |
| US7263397B2 (en) | 1998-06-30 | 2007-08-28 | St. Jude Medical, Atrial Fibrillation Division, Inc. | Method and apparatus for catheter navigation and location and mapping in the heart |
| US6611615B1 (en) * | 1999-06-25 | 2003-08-26 | University Of Iowa Research Foundation | Method and apparatus for generating consistent image registration |
| US20040152974A1 (en) | 2001-04-06 | 2004-08-05 | Stephen Solomon | Cardiology mapping and navigation system |
| EP1502237A2 (en) * | 2002-04-03 | 2005-02-02 | Segami S.A.R.L. | Image registration process |
| CN100359534C (zh) * | 2002-06-05 | 2008-01-02 | 皇家飞利浦电子股份有限公司 | 多维结构分析 |
| US7563748B2 (en) | 2003-06-23 | 2009-07-21 | Cognis Ip Management Gmbh | Alcohol alkoxylate carriers for pesticide active ingredients |
| US20050031176A1 (en) * | 2003-08-08 | 2005-02-10 | Hertel Sarah R. | Method and apparatus of multi-modality image fusion |
| CN100388314C (zh) * | 2003-08-14 | 2008-05-14 | 美国西门子医疗解决公司 | 用于定位图像中紧凑目标的系统和方法 |
| JP5030588B2 (ja) | 2003-08-21 | 2012-09-19 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ２つの画像を組み合わせるための装置及び方法 |
| US7632265B2 (en) | 2004-05-28 | 2009-12-15 | St. Jude Medical, Atrial Fibrillation Division, Inc. | Radio frequency ablation servo catheter and method |
| US7715604B2 (en) | 2005-01-18 | 2010-05-11 | Siemens Medical Solutions Usa, Inc. | System and method for automatically registering three dimensional cardiac images with electro-anatomical cardiac mapping data |
| US7855723B2 (en) * | 2006-03-21 | 2010-12-21 | Biosense Webster, Inc. | Image registration using locally-weighted fitting |
| US8175350B2 (en) * | 2007-01-15 | 2012-05-08 | Eigen, Inc. | Method for tissue culture extraction |
-
2007
- 2007-08-06 CN CN2007800293119A patent/CN101501727B/zh active Active
- 2007-08-06 EP EP07805308.9A patent/EP2052362B1/en active Active
- 2007-08-06 US US12/376,130 patent/US8437518B2/en active Active
- 2007-08-06 WO PCT/IB2007/053079 patent/WO2008017999A1/en active Application Filing
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103079478A (zh) * | 2010-08-23 | 2013-05-01 | 皇家飞利浦电子股份有限公司 | 用于医疗流程的标测系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2052362A1 (en) | 2009-04-29 |
| CN101501727B (zh) | 2012-03-14 |
| US20100067755A1 (en) | 2010-03-18 |
| WO2008017999A1 (en) | 2008-02-14 |
| EP2052362B1 (en) | 2018-10-17 |
| US8437518B2 (en) | 2013-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101501727B (zh) | 用于识别感兴趣体积中的结构的方法、装置、系统 | |
| US10835207B2 (en) | Fast anatomical mapping using ultrasound images | |
| US7430309B2 (en) | Computation of a geometric parameter of a cardiac chamber from a cardiac tomography data set | |
| US20200279412A1 (en) | Probe localization | |
| CN110660058B (zh) | 对周期性生理活动的图像序列进行分析的方法、介质和系统 | |
| Lu et al. | Automatic view planning for cardiac MRI acquisition | |
| CN103402453A (zh) | 用于导航系统的自动初始化和配准的系统和方法 | |
| AU2007221876A1 (en) | Registration of images of an organ using anatomical features outside the organ | |
| CN105793893B (zh) | 解剖结构的基于模型的分割 | |
| US8422753B2 (en) | Method and system for automatic extraction of personalized left atrium models | |
| Wu et al. | Fast catheter segmentation from echocardiographic sequences based on segmentation from corresponding X-ray fluoroscopy for cardiac catheterization interventions | |
| Hsu et al. | Fully automatic 3D feature-based registration of multi-modality medical images | |
| Manzke et al. | Automatic segmentation of rotational X-ray images for anatomic intra-procedural surface generation in atrial fibrillation ablation procedures | |
| CN114943714A (zh) | 医学图像处理系统、装置、电子设备及存储介质 | |
| Fallavollita | Acquiring multiview c-arm images to assist cardiac ablation procedures | |
| KR20160031794A (ko) | 병변 검출 장치 및 그 방법 | |
| US20230138666A1 (en) | Intraoperative 2d/3d imaging platform | |
| Mukhopadhyay et al. | Morphological analysis of the left ventricular endocardial surface and its clinical implications | |
| CN202714860U (zh) | 疾病检测仪 | |
| CN112489051A (zh) | 基于血管及病变区域的肝脏裁切方法及系统 | |
| Wodzinski et al. | Usage of ICP algorithm for initial alignment in B-splines FFD image registration in breast cancer radiotherapy planning | |
| Yu et al. | Automating the tracking of lymph nodes in follow-up studies of thoracic CT images | |
| Wels et al. | Data-driven breast decompression and lesion mapping from digital breast tomosynthesis | |
| Jeong et al. | Non-rigid registration based on hierarchical deformation of coronary arteries in CCTA images | |
| WO2023081594A1 (en) | Monitoring and analysis of invasive and non-invasive electrophysiological signals |
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 |