CN101984462A - 电阻抗断层功能图像与解剖图像的合成方法 - Google Patents
电阻抗断层功能图像与解剖图像的合成方法 Download PDFInfo
- Publication number
- CN101984462A CN101984462A CN 201010275856 CN201010275856A CN101984462A CN 101984462 A CN101984462 A CN 101984462A CN 201010275856 CN201010275856 CN 201010275856 CN 201010275856 A CN201010275856 A CN 201010275856A CN 101984462 A CN101984462 A CN 101984462A
- Authority
- CN
- China
- Prior art keywords
- image
- electrical impedance
- impedance tomography
- anatomic
- eit
- 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.)
- Pending
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明涉及一种电阻抗断层功能图像与解剖图像的合成方法,包括如下步骤:(1)获取相同时刻的电阻抗断层功能图像和解剖图像;(2)将电阻抗断层功能图像和解剖图像进行边界配准;(3)提取电阻抗断层功能图像中的电阻抗敏感区域的图像特征;(4)将电阻抗断层功能图像与解剖图像使用图像分割方法进行图像合成得到伪彩色显示的合成图像。本发明将电阻抗断层功能图像与解剖图像进行合成生成伪彩色显示图像,解决了电阻抗断层功能图像信息与临床解剖图像信息的有效合成问题,为临床诊断和治疗提供更加充分、全面的解剖和功能图像信息,具有处理方法简单、性能高且易于实现等特点。
Description
技术领域
本发明属于生物医学成像技术领域,尤其是一种电阻抗断层功能图像与解剖图像的合成方法。
背景技术
医学成像已经成为现代医疗领域不可或缺的一部分,其应用贯穿于整个临床工作,不仅广泛用于疾病诊断,而且在外科手术和放射治疗等的计划设计、方案实施以及疗效评估方面发挥着重要作用。目前,医学图像分为解剖图像和功能图像两个部分。解剖图像主要描述人体形态信息,包括X射线透射成像、CT、MRI、US以及各类内窥镜(如腹腔镜及喉镜)获取的序列图像等;功能图像主要描述人体代谢信息,包括PET、SPECT、fMRI等。电阻抗断层成像(EIT)技术是近三十年新兴的无创功能成像技术,它具有无核素、无辐射、体积小、价格低及可连续成像等特点,是一种新的功能成像技术。
电阻抗断层成像与解剖成像是两种不同的成像模式,前者提供的是功能分布信息,后者提供的是解剖结构分布信息,不同成像模式提供的图像信息是具有互补性的,为了综合使用多种成像模式以提供更全面的信息,有必要将两种类型图像的有效信息进行整合。目前,功能图像与解剖图像进行合成的仅有PET与CT或MRI的图像合成,而没有将电阻抗断层功能图像与解剖图像合成的方法。
发明内容
本发明的目的在于克服现有技术的不足,提供一种电阻抗断层功能图像与解剖图像的合成方法,该方法解决了电阻抗断层功能图像信息与临床解剖图像信息的有效合成问题,为临床诊断和治疗提供更加充分、全面的解剖和功能图像信息。
本发明解决现有的技术问题是采取以下技术方案实现的:
一种电阻抗断层功能图像与解剖图像的合成方法,包括如下步骤:
(1)获取相同时刻的电阻抗断层功能图像和解剖图像;
(2)将电阻抗断层功能图像和解剖图像进行边界配准;
(3)提取电阻抗断层功能图像中的电阻抗敏感区域的图像特征;
(4)将电阻抗断层功能图像与解剖图像使用图像分割方法进行图像合成得到伪彩色显示的合成图像。
而且,在步骤(1)和(3)之间还包括采用共轭梯度方法重构电阻抗断层功能图像的步骤。
而且,所述重构电阻抗断层功能图像的具体步骤:
(1)采用canny算子提取解剖图像的边界特征;
(2)利用解剖图像的边界特征建立电阻抗断层成像数学模型进行正问题求解;
(3)采用共轭梯度法重建具有与解剖图像相同边界特征的电阻抗断层功能图像。
而且,所述步骤(4)中的图像分割方法是将电阻抗敏感区域的图像特征用颜色映射到解剖图像中的对应位置,从而得到伪彩色显示的合成图像。
本发明的优点和积极效果是:
1、本方法有效地将电阻抗断层功能图像信息与解剖图像信息合成生成伪彩色显示图像,充分发挥了电阻抗断层图像及高分辨率的解剖图像各自的特点,将两种图像进行优势互补、相互融合,既能反映解剖结构又能反映测量区域电导率变化情况,为临床诊断和治疗提供更加充分、全面的解剖和功能图像信息。
2、本方法解决了电阻抗断层功能图像与解剖图像的有效合成问题,其与目前的PET/CT技术相比具有处理方法简单、易于实现以及可连续多次成像的优势。
3、本发明将电阻抗断层功能图像与解剖图像进行合成生成伪彩色显示图像,解决了电阻抗断层功能图像信息与临床解剖图像信息的有效融合问题,为临床诊断和治疗提供更加充分、全面的解剖和功能图像信息,具有处理方法简单、性能高且易于实现等特点。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
一种电阻抗断层功能图像与解剖图像的合成方法,是将电阻抗断层功能图像与解剖图像信息合成在一起从而获得伪彩色显示的合成图像,为临床诊断和治疗提供一种更加充分、全面的解剖和功能图像信息。电阻抗断层功能图像(fEIT功能图像)和解剖图像(CT解剖图像)是采用不同的成像系统在同一时刻获取的图像。
一种电阻抗断层功能图像与解剖图像的合成方法,包括如下步骤:
(1)获取相同时刻的电阻抗断层功能图像和解剖图像;
(2)采用共轭梯度方法重构电阻抗断层功能图像;
重构电阻抗断层功能图像的目的在于提高电阻抗断层功能成像质量,共轭梯度方法的具体步骤为:
①采用canny算子提取解剖图像的边界特征;
②利用解剖图像的边界特征建立电阻抗断层成像数学模型进行正问题求解;
电阻抗成像电阻抗断层成像数学模型可以用如下线性系统方程:
Ax=b
其中,A为Jacobian矩阵(灵敏度系数矩阵);b为边界测量数据;x为内部场域的电导率分布。考虑到边界特征和接触阻抗,数学模型描述为
测量区
式中,n为边界上任意一点的外法向量,为场域内的电势分布,γ为电导率,s为接触面积,z为接触阻抗,I为注入电流值,U为边界测量电压值。该问题是在给定第三类边界条件下求电势的泊松方程的定解。解剖图像边界划分得到的不同区域具有不同的电导率,所以求得的解包含了解剖信息,而且该解与边界电流之间的线性映射关系就是第一式中的Jacobian矩阵。
③采用共轭梯度法重建具有与解剖图像相同边界特征的电阻抗断层功能图像;
电阻抗断层功能图像重建就是已知Jacobian矩阵A和测量数据b,求解x。由于A不是对称正定矩阵,因此,需要对原方程进行转换。
ATAx=ATb
由于A并非列满秩矩阵,因此,ATA也不是对称正定矩阵,可以通过增加正则化矩阵的办法来解决这个问题即可得到:
(ATA+λI)x=ATb
此时,系数矩阵为对称正定矩阵,可以运用共轭梯度算法进行求解。
共轭梯度法是依次沿着非零共轭方向进行搜索达到其极小点而进行求解的,当迭代误差小于设定阈值,那么迭代结束。
迭代过程:
经过第i次迭代得到的解xi连续逼近真解,迭代误差ri=b-Axi,搜索方向设定为pi,迭代次数与迭代误差的更新为qi=Api,从而有
xi=xi-1+αipi,
αi是标量,使得r(α)*A-1r(α)最小,其中r(α)=ri-1-αqi-1。所以有
保证pi与所有Apj正交,ri与所有的rj都正交(j<i)。
(3)将电阻抗断层功能图像和解剖图像进行边界配准;
在本步骤中,电阻抗断层功能图像和解剖图像是根据各自图像的边界特征进行配准。
(4)提取电阻抗断层功能图像中的电阻抗敏感区域的图像特征;
(5)将电阻抗断层功能图像与解剖进行图像合成得到伪彩色显示的合成图像;
在本步骤中,电阻抗断层功能图像和解剖图像合成是采用图像分割方法进行图像合成,即将电阻抗敏感区域的图像特征用彩色映射到解剖图像中的对应位置,从而获得伪彩色显示的图像合成效果。具体图像合成步骤为:
将电阻抗断层功能图像中的电阻抗变化区域的特征参数值从电导率变化敏感区域分割出来,若f1(x,y)是功能图像中的电阻抗变化像素点的灰度值,f2(x,y)是解剖图像中同一像素点的灰度值,那么合成后图像在该像素点的灰度值为:
其中,ROI是指电阻抗变化区域。
通过上述方法即可将电阻抗变化区域中的功能信息的变化映射到解剖图像中,更有益于分析和定位异常位置。
本发明所述的实施例是说明性的,而不是限定性的,因此发明并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (4)
1.一种电阻抗断层功能图像与解剖图像的合成方法,其特征在于:包括如下步骤:
(1)获取相同时刻的电阻抗断层功能图像和解剖图像;
(2)将电阻抗断层功能图像和解剖图像进行边界配准;
(3)提取电阻抗断层功能图像中的电阻抗敏感区域的图像特征;
(4)将电阻抗断层功能图像与解剖图像使用图像分割方法进行图像合成得到伪彩色显示的合成图像。
2.根据权利要求1所述的电阻抗断层功能图像与解剖图像的合成方法,其特征在于:在步骤(1)和(3)之间还包括采用共轭梯度方法重构电阻抗断层功能图像的步骤。
3.根据权利要求2所述的电阻抗断层功能图像与解剖图像的合成方法,其特征在于:所述重构电阻抗断层功能图像的具体步骤:
(1)采用canny算子提取解剖图像的边界特征;
(2)利用解剖图像的边界特征建立电阻抗断层成像数学模型进行正问题求解;
(3)采用共轭梯度法重建具有与解剖图像相同边界特征的电阻抗断层功能图像。
4.根据权利要求1所述的电阻抗断层功能图像与解剖图像的合成方法,其特征在于:所述步骤(4)中的图像分割方法是将电阻抗变化区域的特征参数值用颜色映射到解剖图像中的对应位置,从而得到伪彩色显示的合成图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010275856 CN101984462A (zh) | 2010-09-08 | 2010-09-08 | 电阻抗断层功能图像与解剖图像的合成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010275856 CN101984462A (zh) | 2010-09-08 | 2010-09-08 | 电阻抗断层功能图像与解剖图像的合成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101984462A true CN101984462A (zh) | 2011-03-09 |
Family
ID=43641632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010275856 Pending CN101984462A (zh) | 2010-09-08 | 2010-09-08 | 电阻抗断层功能图像与解剖图像的合成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101984462A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104025119A (zh) * | 2011-10-05 | 2014-09-03 | 塞伏瑞斯派恩公司 | 用于手术和介入性医疗过程中的成像系统和方法 |
CN104408734A (zh) * | 2014-12-11 | 2015-03-11 | 山东师范大学 | 联合图像分割与形变配准技术的自适应目标区域转换方法 |
CN104739407A (zh) * | 2013-12-30 | 2015-07-01 | 中国医学科学院生物医学工程研究所 | 一种减小边界变形影响的电阻抗成像方法 |
CN104899886A (zh) * | 2015-06-08 | 2015-09-09 | 首都医科大学附属北京安贞医院 | 基于空间和阻抗的carto电解剖图与ct图像的配准方法和装置 |
US9785246B2 (en) | 2010-10-06 | 2017-10-10 | Nuvasive, Inc. | Imaging system and method for use in surgical and interventional medical procedures |
CN108742621A (zh) * | 2017-07-31 | 2018-11-06 | 上海联影医疗科技有限公司 | 利用电阻抗断层成像以及其他成像进行放射治疗的系统和方法 |
CN108830875A (zh) * | 2018-05-08 | 2018-11-16 | 天津大学 | 一种基于残差最小的电阻抗层析成像图像分割方法 |
US11231787B2 (en) | 2010-10-06 | 2022-01-25 | Nuvasive, Inc. | Imaging system and method for use in surgical and interventional medical procedures |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007070997A1 (en) * | 2005-12-20 | 2007-06-28 | Dixtal Biomedica Industria E Comercio Ltda. | Electrode assembly for electrical impedance tomography |
CN101564294A (zh) * | 2009-06-01 | 2009-10-28 | 中国人民解放军第四军医大学 | 一种结构信息融合的电阻抗断层成像方法 |
-
2010
- 2010-09-08 CN CN 201010275856 patent/CN101984462A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007070997A1 (en) * | 2005-12-20 | 2007-06-28 | Dixtal Biomedica Industria E Comercio Ltda. | Electrode assembly for electrical impedance tomography |
CN101564294A (zh) * | 2009-06-01 | 2009-10-28 | 中国人民解放军第四军医大学 | 一种结构信息融合的电阻抗断层成像方法 |
Non-Patent Citations (3)
Title |
---|
《ICEBI2007,IFMBE Proceedings》 20071231 D.McCormick, et al. Conversion of EIT brain images for co-registration 第384页摘要,第I部分"Introduction"第387页第V部分"Coregistration and data fusion",第VI部分"Conclusions"、图4 1-4 第17卷, 2 * |
《医疗设备信息》 20060630 张见威,等。 医学解剖图像与功能图像配准技术综述 第90页右栏倒数第3行-第91页左栏第6行,第91页右栏第3-12行,第92页第2.4节表面匹配法 1-4 第21卷, 第6期 2 * |
《天津大学学报》 20080415 王化祥,等。 基于肺部先验知识的电阻抗成像重构算法 摘要,第384-385页第1节"模型的建立",第2节"基于先验知识的雅可比矩阵",第387页第4节"图像重建",第5节"实验结果" 2,3 第41卷, 第4期 2 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9785246B2 (en) | 2010-10-06 | 2017-10-10 | Nuvasive, Inc. | Imaging system and method for use in surgical and interventional medical procedures |
US11231787B2 (en) | 2010-10-06 | 2022-01-25 | Nuvasive, Inc. | Imaging system and method for use in surgical and interventional medical procedures |
US11941179B2 (en) | 2010-10-06 | 2024-03-26 | Nuvasive, Inc. | Imaging system and method for use in surgical and interventional medical procedures |
CN104025119A (zh) * | 2011-10-05 | 2014-09-03 | 塞伏瑞斯派恩公司 | 用于手术和介入性医疗过程中的成像系统和方法 |
CN104025119B (zh) * | 2011-10-05 | 2017-08-25 | 纽文思公司 | 用于手术和介入性医疗过程中的成像系统和方法 |
CN104739407A (zh) * | 2013-12-30 | 2015-07-01 | 中国医学科学院生物医学工程研究所 | 一种减小边界变形影响的电阻抗成像方法 |
CN104408734A (zh) * | 2014-12-11 | 2015-03-11 | 山东师范大学 | 联合图像分割与形变配准技术的自适应目标区域转换方法 |
CN104408734B (zh) * | 2014-12-11 | 2017-10-27 | 山东师范大学 | 联合图像分割与形变配准技术的自适应目标区域转换方法 |
CN104899886A (zh) * | 2015-06-08 | 2015-09-09 | 首都医科大学附属北京安贞医院 | 基于空间和阻抗的carto电解剖图与ct图像的配准方法和装置 |
CN108742621A (zh) * | 2017-07-31 | 2018-11-06 | 上海联影医疗科技有限公司 | 利用电阻抗断层成像以及其他成像进行放射治疗的系统和方法 |
CN108830875A (zh) * | 2018-05-08 | 2018-11-16 | 天津大学 | 一种基于残差最小的电阻抗层析成像图像分割方法 |
CN108830875B (zh) * | 2018-05-08 | 2021-04-27 | 天津大学 | 一种基于残差最小的电阻抗层析成像图像分割方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101984462A (zh) | 电阻抗断层功能图像与解剖图像的合成方法 | |
Ladefoged et al. | A multi-centre evaluation of eleven clinically feasible brain PET/MRI attenuation correction techniques using a large cohort of patients | |
Boussion et al. | A multiresolution image based approach for correction of partial volume effects in emission tomography | |
US9581627B2 (en) | Method and system for tomographic imaging | |
AU2012350363B2 (en) | Method and apparatus for the assessment of medical images | |
Le Pogam et al. | Evaluation of a 3D local multiresolution algorithm for the correction of partial volume effects in positron emission tomography | |
Hsu et al. | A large deformation diffeomorphic metric mapping solution for diffusion spectrum imaging datasets | |
Wang et al. | Semi-supervised mp-MRI data synthesis with StitchLayer and auxiliary distance maximization | |
CN110264559B (zh) | 一种骨断层图像重建方法及系统 | |
Lee et al. | Semi-automatic segmentation for 3D motion analysis of the tongue with dynamic MRI | |
CN103020976B (zh) | 一种基于带权模糊互信息的三维医学图像配准方法及系统 | |
CN103942772A (zh) | 一种多模态多维度的血管融合方法及系统 | |
Liu et al. | MRI and PET image fusion using the nonparametric density model and the theory of variable-weight | |
Kolbitsch et al. | Joint cardiac and respiratory motion estimation for motion-corrected cardiac PET-MR | |
Florkow et al. | The impact of MRI-CT registration errors on deep learning-based synthetic CT generation | |
Dai et al. | Deep learning‐based motion tracking using ultrasound images | |
Chang et al. | High-resolution MRI synthesis using a data-driven framework with denoising diffusion probabilistic modeling | |
Li et al. | Medical image fusion based on sparse representation and neighbor energy activity | |
CN116797519A (zh) | 脑胶质瘤分割和三维可视化模型训练方法及系统 | |
Li et al. | Eliminating CT radiation for clinical PET examination using deep learning | |
Hunt et al. | Fast Deformable image registration for real-time target tracking during radiation therapy using cine MRI and deep learning | |
Wang et al. | Cross modality generative learning framework for anatomical transitive Magnetic Resonance Imaging (MRI) from Electrical Impedance Tomography (EIT) image | |
Han et al. | Efficient registration of pathological images: a joint PCA/image-reconstruction approach | |
Malczewski | Super-Resolution with compressively sensed MR/PET signals at its input | |
Zhang et al. | Automatic parotid gland segmentation in MVCT using deep convolutional neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110309 |