CN103854270A - 一种ct和mr异机三维图像融合的配准方法及系统 - Google Patents
一种ct和mr异机三维图像融合的配准方法及系统 Download PDFInfo
- Publication number
- CN103854270A CN103854270A CN201210493464.1A CN201210493464A CN103854270A CN 103854270 A CN103854270 A CN 103854270A CN 201210493464 A CN201210493464 A CN 201210493464A CN 103854270 A CN103854270 A CN 103854270A
- Authority
- CN
- China
- Prior art keywords
- image
- points
- dimensional
- registration
- different machine
- 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
Images
Abstract
本发明公开了一种CT和MR异机三维图像融合的配准方法,包括:将获取的CT图像、与CT图像相匹配的MR图像进行二维图像定位配准,所述二维图像定位配准是通过在CT图像和MR图像上分别选取3个特征面和9个特征点,使CT图像和MR图像在空间上点面对应;将经过二维图像定位配准的CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像。本发明还公开了一种相应的配准系统。采用本发明,输入CT/MR原始数据后采用数字化格式转换,通过“3面9点”立体对位法进行配准,在实时工作站Mimics按照信息交互自动融合模式,通过讯号叠加技术完成图像融合,实现CT和MR异机三维图像的精确融合。
Description
技术领域
本发明涉及数码医学影像工程领域,尤其涉及一种CT和MR异机三维图像融合的配准方法和系统。
背景技术
“正电子放射成像”(positron emission tomography, PET或PT) 可以在体外无创性地获取细胞新陈代谢过程的图像信息,从而被广泛的应用于早期诊断和精确放疗。由于存在低空间分辨率和低信噪比的缺点,PT图像所显示的病变区域的解剖定位欠佳,仅可视为功能定位;计算机X射线断层造影术(X-ray computed tomography,CT) 对刚体(骨、关节等)病灶成像清晰,但对软体(血管、神经、韧带、关节囊等)病灶的显像比不上核磁共振(Magnetic resonance imaging MRI或MR)。因此,将CT图像和MR图像融合的结果,既可对硬组织骨关节等的己定位病灶进行准确定性,又可对软组织的己定性病灶进行准确定位。
在图像融合领域中,从二维融合到高维融合,从同源单模融合到异源二模融合,从黑白到彩色融合,从解剖图像到功能图像融合,国内外涌现出的与本专利近似的异机融合算法越来越多,图像越来越精准,融合级别越来越高。
图像融合分为同机融合(异源图像的扫描同时发生在同一台影像设备上)和异机融合(异源图像的扫描在不同时段而目发生在不同的影像设备上)两种方式。但是,同机融合设备成本非常昂贵,因收费高而不易普及,临床应用受到限制。现有技术的同机CT和MR图像二维融合,虽然影像比较逼真但缺少立体视觉效果,而且扫描同时发生在同一台影像设备上,成本非常昂贵,临床应用受到限制。而异机融合成本相对低廉,有着广阔的应用空间,但其配准效果不佳,所得到的立体融合图像精确度不高。
发明内容
本发明所要解决的技术问题在于,提供一种CT和MR异机三维图像融合的配准方法及系统,可将不同时间、不同来源的CT和MR两幅相同模式的图像进行配准,获得精确的定位定性的立体融合图像,既能了解MR所发现的异常组织的明确位置,又能鉴别CT所发现的异常病灶的性质。
本发明所要解决的技术问题还在于,提供一种CT和MR异机三维图像融合的配准方法及系统,其撇开针对某一融合算法的孤立运用,在Mimics医学图像分析软件的实时工作站通过图像叠加技术一次性解决了异机图像融合的关联问题。
本发明所要解决的技术问题还在于,提供一种CT和MR异机三维图像融合的配准方法及系统,其成本低廉,通过融合手段既获得讯号互补带来的显影、又减轻病人的医疗负担。
为了解决上述技术问题,本发明提供了一种CT和MR异机三维图像融合的配准方法,包括:
将获取的CT图像、与所述CT图像相匹配的MR图像进行二维图像定位配准,所述二维图像定位配准是通过在所述CT图像和MR图像上分别选取3个特征面和9个特征点,使所述CT图像和MR图像在空间上点面对应,达成某一解剖点在所述CT图像和MR图像上具备相同的坐标位置;
将经过二维图像定位配准的所述CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像。
作为上述方案的改进,所述将获取的CT图像、与所述CT图像相匹配的MR图像进行二维图像定位配准,依次包括以下步骤:
在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像;
根据所述3个外部特征点,在穿越所述外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面;
在由每个人体外部特征点所选择的平面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;在切面自动生成轴线,所述切面为所述平面与体表结构线交汇绌合之内的区域;延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点;将所述4个内部特征点加上所述人体外部特征点,混合得到至少5个特征点,并在所述5个特征点中选取3个特征点;
在所述3个特征面中,每个特征面选取3个特征点,共获取9个特征点;
当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
作为上述方案的改进,所述根据3个外部特征点,在穿越外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面的步骤为:
根据所述3个外部特征点,在穿越所述外部特征点的3簇平面中,经过点选、切割,依次从第1簇中分离出冠状面,从第2簇中分离出矢状面,从第3簇中分离出横断面,共获取3个二维的特征面。
作为上述方案的改进,所述在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像步骤,包括:
将被检测对象固定于可移动扫描床上,所述可移动扫描床设有定位框;
对所述被检测对象设定至少3个外部特征点;
对所述被检测对象进行CT扫描,获取CT图像;
对所述被检测对象进行MR扫描,获取MR图像,所述MR扫描的范围、体位、方位、方式与所述CT扫描相同。
作为上述方案的改进,所述将经过二维图像定位配准的所述CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像的步骤为:
将经过二维图像定位配准的所述CT图像和MR图像先进行二维图像融合,再进行三维图像重建,得到CT和MR异机三维融合图像;或者,
将经过二维图像定位配准的所述CT图像和MR图像先进行三维图像重建,再进行三维图像融合,得到CT和MR异机三维融合图像。
作为上述方案的改进,所述图像融合为将MR图像关联映射到CT图像上,在Mimics-14融合界面下对定位图像进行融合选择,按信息交互自动融合模式、通过讯号叠加完成图像融合;
所述三维图像重建为将图像输入到逆向软件 Mimics,输出三角网格和点云;在实时工作站经反求工程对网格进行编辑,所述编辑包括光顺、填充、压缩、删除;再经布尔差运算组建计算机辅助设计CAD模型,重构出非均匀有理B样条内外曲面;然后将多个曲面缝合成实体模型。
相应的,本发明还提供一种CT和MR异机三维图像融合的配准系统,包括:
二维图像定位配准单元,用于将获取的CT图像、与所述CT图像相匹配的MR图像进行二维图像定位配准,所述二维图像定位配准是通过在所述CT图像和MR图像上分别选取3个特征面和9个特征点,使所述CT图像和MR图像在空间上点面对应,达成某一解剖点在所述CT图像和MR图像上具备相同的坐标位置;
CT和MR异机三维融合图像获取单元,用于将经过二维图像定位配准的所述CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像。
作为上述方案的改进,所述二维图像定位配准单元包括:
CT图像和MR图像获取单元,用于在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像;
特征面获取单元,用于根据所述3个外部特征点,在穿越所述外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面;
特征点选取单元,用于在由每个人体外部特征点所选择的平面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;在切面自动生成轴线,所述切面为所述平面与体表结构线交汇绌合之内的区域;延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点;将所述4个内部特征点加上所述人体外部特征点,混合得到至少5个特征点,并在所述5个特征点中选取3个特征点;
特征点获取单元,在所述3个特征面中,每个特征面选取3个特征点,共获取9个特征点;
CT图像和MR图像锁定单元,用于当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
作为上述方案的改进,所述特征面获取单元,用于根据所述3个外部特征点,在穿越所述外部特征点的3簇平面中,经过点选、切割,依次从第1簇中分离出冠状面,从第2簇中分离出矢状面,从第3簇中分离出横断面,共获取3个二维的特征面。
作为上述方案的改进,所述 CT图像和MR图像获取单元包括:
可移动扫描床,用于将被检测对象固定,所述可移动扫描床设有定位框;
外部特征点设定单元,用于对所述被检测对象设定至少3个外部特征点;
CT图像获取单元,用于对所述被检测对象进行CT扫描,获取CT图像;
MR图像获取单元,用于对所述被检测对象进行MR扫描,获取MR图像。
作为上述方案的改进,所述CT和MR异机三维融合图像获取单元包括:
图像融合单元,用于将MR图像关联映射到CT图像上,在Mimics-14融合界面下对定位图像进行融合选择,按信息交互自动融合模式、通过讯号叠加完成图像融合;
三维图像重建单元,用于将图像输入到逆向软件 Mimics,输出三角网格和点云;在实时工作站经反求工程对网格进行编辑,所述编辑包括光顺、填充、压缩、删除;再经布尔差运算组建计算机辅助设计CAD模型,重构出非均匀有理B样条内外曲面;然后将多个曲面缝合成实体模型。
实施本发明,具有如下有益效果:
本发明提供了一种基于体表定位的CT和MR异机三维图像融合的配准方法及系统,实现CT和MR异机三维图像的精确融合。本发明输入CT/MR原始数据后采用数字化格式转换,通过“3面9点”立体对位法进行配准,在实时工作站Mimics按照信息交互自动融合模式,通过讯号叠加技术完成图像融合。
一、本发明包括二维图像定位配准,通过在所述CT图像和MR图像上分别选取3个特征面和9个特征点,使所述CT图像和MR图像在空间上点面对应,达成某一解剖点在所述CT图像和MR图像上具备相同的坐标位置。首先,“3面9点”方案较其他配准方法的优势在于:“3点锁面、3面锁体”的科学定理在本发明获得确立;其次,选取的3个特征面分别为冠状面、矢状面和横断面,人体解剖学上的“横、矢、冠”3面,成90°相交成3线1点,对人体组织达到最大限度的贯穿,比任何非90°的3面相交涵盖更广,因而虚拟切割、三维重建、CT、MR图像融合时更具生理效果。因此,本发明可将不同时间、不同来源的CT和MR两幅相同模式的图像进行精确的定位定性配准,生成了同时展现病变性质和位置的互补立体融合图像,携带着来自CT和MR各自的讯号特征和医学信息,既能了解MR所发现的异常组织的明确位置,又能鉴别CT所发现的异常病灶的性质。
二、本发明包括图像融合、重建,在实时工作站Mimics按照信息交互自动融合模式、通过讯号叠加技术完成图像融合。其撇开针对某一融合算法的孤立运用,在Mimics医学图像分析软件的实时工作站通过图像叠加技术一次性解决了异机图像融合的关联问题。
三、本发明实现异机融合,尤其是CT和MR异机三维图像融合,其成本低廉、减轻病人的医疗负担、有着广阔的应用空间,并且配准效果良好,所获得的立体融合图像精确度高。
附图说明
图1是本发明一种CT和MR异机三维图像融合的配准方法的流程图;
图2是本发明一种CT和MR异机三维图像融合的配准方法的又一流程图;
图3是本发明一种CT和MR异机三维图像融合的配准方法的再一流程图;
图4A、图4B、图4C及图4D是CT、MR头颅图像的“3面9点”配准方案的示意图;
图5是本发明一种CT和MR异机三维图像融合的配准系统的示意图;
图6是图5所示CT和MR异机三维图像融合的配准系统的二维图像定位配准单元的示意图;
图7是图6所示二维图像定位配准单元的CT图像和MR图像获取单元的示意图;
图8是图5所示CT和MR异机三维图像融合的配准系统的CT和MR异机三维融合图像获取单元的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
参见图1,本发明提供了一种CT和MR异机三维图像融合的配准方法的一流程图,包括:
S101,将获取的CT图像、与所述CT图像相匹配的MR图像进行二维图像定位配准。
所述二维图像定位配准是通过在所述CT图像和MR图像上分别选取3个特征面和9个特征点,使所述CT图像和MR图像在空间上点面对应,达成某一解剖点在所述CT图像和MR图像上具备相同的坐标位置。
其中,步骤S101包括:
1、在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像。
进一步,所述在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像的步骤,包括:
(1)将被检测对象固定于可移动扫描床上,所述可移动扫描床设有定位框;
(2)对所述被检测对象设定至少3个外部特征点;
(3)对所述被检测对象进行CT扫描,获取CT图像;
(4)对所述被检测对象进行MR扫描,获取MR图像,所述MR扫描的范围、体位、方位、方式与所述CT扫描相同,所获取的MR图像与CT图像相匹配。
2、根据所述3个外部特征点,在穿越所述外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面。
优选地,根据所述3个外部特征点,在穿越所述外部特征点的3簇平面中,经过点选、切割,依次从第1簇中分离出冠状面,从第2簇中分离出矢状面,从第3簇中分离出横断面,共获取3个二维的特征面。
本发明“3面9点”方案选取的3个特征面分别为冠状面、矢状面和横断面,人体解剖学上的“横、矢、冠”3面,成90°相交成3线1点,对人体组织达到最大限度的贯穿,比任何非90°的3面相交涵盖更广,因而虚拟切割、三维重建、CT、MR图像融合时更具生理效果。
3、在由每个人体外部特征点所选择的平面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;在切面自动生成轴线,所述切面为所述平面与体表结构线交汇绌合之内的区域;延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点;将所述4个内部特征点加上所述人体外部特征点,混合得到至少5个特征点,并在所述5个特征点中选取3个特征点。
4、在所述3个特征面中,每个特征面选取3个特征点,共获取9个特征点。
5、当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
S102,将经过二维图像定位配准的所述CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像。
进一步,步骤S102可以为将经过二维图像定位配准的所述CT图像和MR图像先进行二维图像融合,再进行三维图像重建,得到CT和MR异机三维融合图像;或者,
将经过二维图像定位配准的所述CT图像和MR图像先进行三维图像重建,再进行三维图像融合,得到CT和MR异机三维融合图像。
其中,所述图像融合为将MR图像关联映射到CT图像上,在Mimics-14融合界面下对定位图像进行融合选择,按信息交互自动融合模式、通过讯号叠加完成图像融合;
所述三维图像重建为将图像输入到逆向软件 Mimics,输出三角网格和点云;在实时工作站经反求工程对网格进行编辑,所述编辑包括光顺、填充、压缩、删除;再经布尔差运算组建计算机辅助设计CAD模型,重构出非均匀有理B样条内外曲面;然后将多个曲面缝合成实体模型。
本发明包括图像融合、重建,在实时工作站Mimics按照信息交互自动融合模式、通过讯号叠加技术完成图像融合。其撇开针对某一融合算法的孤立运用,在Mimics医学图像分析软件的实时工作站通过图像叠加技术一次性解决了异机图像融合的关联问题。
参见图2,本发明提供了一种CT和MR异机三维图像融合的配准方法又一流程图,包括:
S201,将被检测对象固定于可移动扫描床上;
所述可移动扫描床设有定位框;
具体的,以人体真空垫塑模固定双下肢、专用线圈固定头部,使体位保持统一,减少定位框架在不同时段施行 CT、MR扫描时位置的偏差。定位框的选择,通常是患者头部的双侧眶上孔、眉间、下颌骨下缘中点4个点,胸部的双侧锁骨中点、双侧第12肋骨中点4个点,膝部的胫骨内侧踝、腓骨头、髌骨中心3点。
S202,对所述被检测对象设定至少3个外部特征点;
所述外部特征点可以根据被检测对象的实际需要而选定。
优选的,所述外部特征点可以根据人体特殊结构 (其中以骨性标志为首选) 确立,通常是在患者头部的双侧眶上孔、眉间、下颌骨下缘中点4个点,胸部的双侧锁骨中点、双侧第12肋骨中点4个点,膝部的胫骨内侧踝、腓骨头、髌骨中心3点中选取。
S203,对所述被检测对象进行CT扫描,获取CT图像。
S204,对所述被检测对象进行MR扫描,获取MR图像。
所述MR扫描的范围、体位、方位、方式与所述CT扫描相同,所获取的MR图像与CT图像相匹配。
需要说明的是,CT操作前在选定的框位以铅点作荧光标记,MR操作前以鱼肝油胶囊作荧光标志。这些体表标志点既可大致提醒扫描范围,又可为下一步成像后的配准提供定位参考。
S205,在CT图像和MR图像中,分别根据所述3个外部特征点,在穿越所述外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面;
优选地,根据所述3个外部特征点,在穿越所述外部特征点的3簇平面中,经过点选、切割,依次从第1簇中分离出冠状面,从第2簇中分离出矢状面,从第3簇中分离出横断面,共获取3个二维的特征面。
S206,在由每个人体外部特征点所选择的平面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;在切面自动生成轴线,所述切面为所述平面与体表结构线交汇绌合之内的区域;延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点;将所述4个内部特征点加上所述人体外部特征点,混合得到至少5个特征点,并在所述5个特征点中选取3个特征点。
优选的,在所述4个内部特征点中选取3个特征点;
因为就定位精确度而言,人工化外部特征点需要完成选面任务,此时其较数字化的内部特征点相形见拙。所以在特征点的选取中,外部特征点它可选可不选。
S207,在所述3个特征面中,每个特征面选取3个特征点,共获取9个特征点。
S208,当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
当成像工作站精准预判到3×3=9个特征点的坐标偏差平方和为最小值得时,九九对应的2个3D被全部锁定。立体几何学上的物体甲(如MR 像)以及相对应的物体乙(如CT像)的互动关系有:若简单地对某1个方向的每层(如横断水平面)固定,甲乙出现一前一后或一左一右(或同时并存);若沿某2个方向的每层(如矢、冠面的前后左右)添维“加固”,甲乙仍然出现一上一下。这样,两者都造成甲乙朝开放性空间游走,使CT/MR 两像无缘吻合。
由此可见:首先,“3面9点”方案较其他配准方法的优势在于:“3点锁面、3面锁体”的科学定理在本发明获得确立;其次,选取的3个特征面分别为冠状面、矢状面和横断面,人体解剖学上的“横、矢、冠”3面,成90°相交成3线1点,对人体组织达到最大限度的贯穿,比任何非90°的3面相交涵盖更广,因而虚拟切割、三维重建、CT、MR图像融合时更具生理效果。
因此,本发明可将不同时间、不同来源的CT和MR两幅相同模式的图像进行精确的定位定性配准,生成了同时展现病变性质和位置的互补立体融合图像,携带着来自CT和MR各自的讯号特征和医学信息,既能了解MR所发现的异常组织的明确位置,又能鉴别CT所发现的异常病灶的性质。
S209,将经过二维图像定位配准的所述CT图像和MR图像先进行二维图像融合;
所述二维图像融合为将经过二维图像定位配准的MR图像关联映射到CT图像上,在Mimics-14融合界面下对定位图像进行融合选择,按信息交互自动融合模式、通过讯号叠加完成图像融合。
需要说明的是,在Mimics-14融合界面下对定位图像进行融合选择,影像讯号的叠加有“加/减/乘/除/差异/最大/最小/平均”等12种的方法,本发明按临床需要选择了加法(针对讯号结果而言而毋管源于何种组织,其算法与声学、光学上各类不同频率、波长的正弦、余弦波相遇时的量值叠加原理相似,以便把早期出现的细微异常讯号“放大”),按信息交互自动融合(叠加值的即时显像)模式进行图像融合。
本发明在实时工作站Mimics按照信息交互自动融合模式、通过讯号叠加技术完成图像融合,其撇开针对某一融合算法的孤立运用,在Mimics医学图像分析软件的实时工作站通过图像叠加技术一次性解决了异机图像融合的关联问题。
S210,将经过二维图像融合的图像再进行三维图像重建,得到CT和MR异机三维融合图像。
所述三维图像重建为将经过二维图像融合的图像输入到逆向软件 Mimics,输出三角网格和点云;在实时工作站经反求工程对网格进行编辑,所述编辑包括光顺、填充、压缩、删除;再经布尔差运算组建计算机辅助设计CAD模型,重构出非均匀有理B样条内外曲面;然后将多个曲面缝合成实体模型。
参见图3,本发明提供了一种CT和MR异机三维图像融合的配准方法再一流程图,包括:
S301,将被检测对象固定于可移动扫描床上,所述可移动扫描床设有定位框。
S302,对所述被检测对象设定至少3个外部特征点。
S303,对所述被检测对象进行CT扫描,获取CT图像。
S304,对所述被检测对象进行MR扫描,获取MR图像;
所述MR扫描的范围、体位、方位、方式与所述CT扫描相同,所获取的MR图像与CT图像相匹配。
S305,在CT图像和MR图像中,分别根据所述3个外部特征点,在穿越所述外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面;
优选地,根据所述3个外部特征点,在穿越所述外部特征点的3簇平面中,经过点选、切割,依次从第1簇中分离出冠状面,从第2簇中分离出矢状面,从第3簇中分离出横断面,共获取3个二维的特征面。
S306,在由每个人体外部特征点所选择的平面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;在切面自动生成轴线,所述切面为所述平面与体表结构线交汇绌合之内的区域;延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点;将所述4个内部特征点加上所述人体外部特征点,混合得到至少5个特征点,并在所述5个特征点中选取3个特征点。
S307,在所述3个特征面中,每个特征面选取3个特征点,共获取9个特征点。
S308,当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
需要说明的是,图3所示配准方法与图2所示配准方法的步骤S201至S208分别与S301至S308相同 ,在此不再赘述。
S309,将经过二维图像定位配准的所述CT图像和MR图像先分别进行三维图像重建;
所述三维图像重建为将经过二维图像定位配准的所述CT图像和MR图像分别输入到逆向软件 Mimics,输出三角网格和点云;在实时工作站经反求工程对网格进行编辑,所述编辑包括光顺、填充、压缩、删除;再经布尔差运算组建计算机辅助设计CAD模型,重构出非均匀有理B样条内外曲面;然后将多个曲面缝合成实体模型。
S310,将经过三维图像重建的MR图像和CT图像进行三维图像融合,得到CT和MR异机三维融合图像;
所述三维图像融合为将经过三维图像重建的MR图像关联映射到经过三维图像重建的CT图像上,在Mimics-14融合界面下对定位图像进行融合选择,按信息交互自动融合模式、通过讯号叠加完成图像融合。
需要说明的是,在Mimics-14融合界面下对定位图像进行融合选择,影像讯号的叠加有“加/减/乘/除/差异/最大/最小/平均”等12种的方法,本发明按临床需要选择了加法(针对讯号结果而言而毋管源于何种组织,其算法与声学、光学上各类不同频率、波长的正弦、余弦波相遇时的量值叠加原理相似,以便把早期出现的细微异常讯号“放大”),按信息交互自动融合(叠加值的即时显像)模式进行图像融合。
本发明在实时工作站Mimics按照信息交互自动融合模式、通过讯号叠加技术完成图像融合,其撇开针对某一融合算法的孤立运用,在Mimics医学图像分析软件的实时工作站通过图像叠加技术一次性解决了异机图像融合的关联问题。
下面结合临床试验对本发明作进一步阐述
一、 试验对象
选择2010年10月期间在广州医学院第一附属医院住院病人6例(男4例,女2例,年龄38~57岁)
二、 仪器设备
日本Toshiba产牌,型号Aquilion TSX-101A(探测器宽度)≧0.5mm,配备高压注射器的)16层计算机体层扫描(CT)扫描机;荷兰Phillips产牌,型号Interal.5 TNova的MR扫描机;比利时Materialise产牌的Mimics-14医学成像软件。
三、 试验方法
1、体表定位:
以人体真空垫塑模固定双下肢、专用线圈固定头部,使体位保持统一,减少定位框架在不同时段施行 CT、MR扫描时位置的偏差。定位框的选择,通常是患者头部的双侧眶上孔、眉间、下颌骨下缘中点4个点,胸部的双侧锁骨中点、双侧第12肋骨中点4个点,膝部的胫骨内侧踝、腓骨头、髌骨中心3点。CT操作前在选定的框位以铅点作荧光标记,MR操作前以鱼肝油胶囊作荧光标志。这些体表标志点既可大致提醒扫描范围,又可为下一步成像后的配准提供定位参考。
2、标本采集
(1)、CT扫描
扫描参数:电压120 kV,电流100 mA,螺距1,层厚2 mm,层间隙1 mm,扫描视野(FOV)230~260 mm×230~2600 mm。扫描时取仰卧位,眶耳平面与水平垂直,扫描平面平行于眶耳平面,自颅顶骨至下颌,胸部膝部按常规扫描,方位包括横断、矢状、冠状3面。
(2)、MR扫描
扫描参数为:无间隙容积扫描SE序列T1加权成像,重复时间(TR) 500 ms,回波时间(TE) 17 ms,矩阵256×256,信号采集均值次数NSA=3,翻转角90°,扫描层厚2 mm。扫描范围、体位、方位、方式与CT扫描相同。
3、数据处理
3.1 [MR+CT]的二维配准
在成像工作站Mimics-14平台以DICOM格式分别引入头部、躯干和下肢的MR系列数据,然后同样以DICOM格式分别引入相应的CT系列数据。读取与标志物相应的部位,经点选、虚拟分割出冠状面、矢状面、横断面的二维图像,寻找重心及其空间关系,分别为这3类二维面各选择1个最为特征的平面,又在每个平面上选择3个特征点作为配准点,即以基于3×3=9个重心点、根据软硬组织解剖位置的匹配关系进行精细的对位调整。
具体的二维配准步骤详见上文图1至图3所述的CT和MR异机三维图像融合的配准方法,下面结合图4A至图4D 所示CT、MR头颅图像的“3面9点”配准方案的示意图,对其作进一步阐述:
具体的,图4A和图4B所示为CT头颅卡通图像和MR头颅卡通图像的3个特征面配准方案,而图4C和图4D为CT头颅脏器卡通图像和MR头颅脏器卡通图像的9个特征点配准方案。
“3面9点”配准方案具体包括以下步骤:
(1)、在CT图像和MR图像中,分别确定三个外部特征点Pa、Ps、Pc;
(2)、在CT图像和MR图像中,在穿越外部特征点Pa的平面A1、A2、A3中选择横断面A3为特征面,在穿越外部特征点Ps的平面S1、S2、S3中选择矢状面S3为特征面,在穿越外部特征点Pc的平面C1、C2、C3中选择冠状面C2为特征面,共获得横断面A3、矢状面S3、冠状面C2三个特征面;
(3)、在由每个人体外部特征点所选择的特征面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;
(4)、在CT图像和MR图像中,分别在冠状面C2中,以外部特征点Pc为中心,生成轴线Xc 和Yc ,延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点,分别为PH1、PH2、PH3、PH4,在PH1、PH2、PH3、PH4任意选择3个,例如PH1、PH2、PH3;
同理,在矢状面S3中,以外部特征点Ps为中心,生成轴线Xs 和Ys ,延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点,分别为PB1、PB2、PB3、PB4,在PB1、PB2、PB3、PB4任意选择3个,例如PB1、PB2、PB4;
在横断面A3中,以外部特征点Pa为中心,生成轴线Xa 和Ya ,延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点,分别为PL1、PL2、PL3、PL4,在PL1、PL2、PL3、PL4任意选择3个,例如PL1、PL3、PL4;
(5)在所述3个特征面C2、S3、A3中,每个特征面选取3个特征点,共获取9个特征点,分别为PH1、PH2、PH3、PB1、PB2、PB4、PL1、PL3、PL4;
(6)当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
3.2 [MR+CT]的二维融合
由于异机图像融合的精确度明显低于同机图像融合,我们在以上“9点3面”立体对准的基础上将MR图像关联映射到CT图像上。在Mimics-14融合界面下对定位图像进行融合选择,影像讯号的叠加有“加/减/乘/除/差异/最大/最小/平均”等12种的方法,本发明按照早期发现的临床需要选择了加法(针对讯号结果而言而毋管源于何种组织,其算法与声学、光学上各类不同频率、波长的正弦、余弦波相遇时的量值叠加原理相似,以便把早期出现的细微异常讯号“放大”),按信息交互自动融合(叠加值的即时显像)模式进行图像融合。
3.3 [MR+CT]的三维重建
把3.2融合出来的二维(2D)图像输入到逆向软件 Mimics,输出三角网格和点云,在实时工作站经反求工程对网格进行光顺、填充、压缩、删除等编辑,再经布尔差运算组建计算机辅助设计(Computer Aided Design) CAD模型,重构出“非均匀有理B样条(Non-Uniform Rational B-Splines)NURBS”内外曲面,然后将多个曲面缝合成实体模型。其中数据处理次序3.2、3.3可以倒置,即先经3.3重建MR和CT的3D图,然后参照3.2的操作把这两幅立体图融合成[MR+CT]三维图。
四、 试验结果
根据成像系统各自的特长(CT擅长于硬组织定位而短于软组织定性,MR擅长于软组织定性而短于硬组织定位),[MR+CT]的影像融合的被赋予了有两重临床意义——更准确地了解CT所发现的异常病灶的性质、更准确地了解MR所发现的异常组织的明确位置。这种融合后的二模综合图像包含着来自CT和MR各自的讯号特征,携带着互补的医学信息。CT和MR异机三维融合图像吸取了CT和MR的优点,生成了同时体现头颅结构、位置和性质的影像。
相应的,参见图5,本发明还提供一种CT和MR异机三维图像融合的配准系统1,包括:
二维图像定位配准单元2,用于将获取的CT图像、与所述CT图像相匹配的MR图像进行二维图像定位配准,所述二维图像定位配准是通过在所述CT图像和MR图像上分别选取3个特征面和9个特征点,使所述CT图像和MR图像在空间上点面对应,达成某一解剖点在所述CT图像和MR图像上具备相同的坐标位置;
CT和MR异机三维融合图像获取单元3,用于将经过二维图像定位配准的所述CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像。
参见图6,所述二维图像定位配准单元2包括:
CT图像和MR图像获取单元21,用于在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像。
特征面获取单元22,用于根据所述3个外部特征点,在穿越所述外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面;
优选的,所述特征面获取单元22,用于根据所述3个外部特征点,在穿越所述外部特征点的3簇平面中,经过点选、切割,依次从第1簇中分离出冠状面,从第2簇中分离出矢状面,从第3簇中分离出横断面,共获取3个二维的特征面。
特征点选取单元23,用于在由每个人体外部特征点所选择的平面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;在切面自动生成轴线,所述切面为所述平面与体表结构线交汇绌合之内的区域;延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点;将所述4个内部特征点加上所述人体外部特征点,混合得到至少5个特征点,并在所述5个特征点中选取3个特征点。
特征点获取单元24,在所述3个特征面中,每个特征面选取3个特征点,共获取9个特征点。
CT图像和MR图像锁定单元25,用于当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
参见图7,所述 CT图像和MR图像获取单元21包括:
可移动扫描床211,用于将被检测对象固定,所述可移动扫描床设有定位框;
外部特征点设定单元212,用于对所述被检测对象设定至少3个外部特征点;
CT图像获取单元213,用于对所述被检测对象进行CT扫描,获取CT图像;
MR图像获取单元214,用于对所述被检测对象进行MR扫描,获取MR图像。
所述CT图像获取单元213可以为但不限于CT扫描机,所述MR图像获取单元214可以为但不限于MR扫描机。
参见图8,所述CT和MR异机三维融合图像获取单元3包括:
图像融合单元31,用于将MR图像关联映射到CT图像上,在Mimics-14融合界面下对定位图像进行融合选择,按信息交互自动融合模式、通过讯号叠加完成图像融合;
三维图像重建单元32,用于将图像输入到逆向软件 Mimics,输出三角网格和点云;在实时工作站经反求工程对网格进行编辑,所述编辑包括光顺、填充、压缩、删除;再经布尔差运算组建计算机辅助设计CAD模型,重构出非均匀有理B样条内外曲面;然后将多个曲面缝合成实体模型。
综上所述,实施本发明,具有如下有益效果:
本发明提供了一种基于体表定位的CT和MR异机三维图像融合的配准方法及系统,有利于实现CT和MR异机三维图像的精确融合。本发明输入CT/MR原始数据后采用数字化格式转换,通过“3面9点”立体对位法进行配准,在实时工作站Mimics按照信息交互自动融合模式,通过讯号叠加技术完成图像融合。
一、本发明包括二维图像定位配准,通过在所述CT图像和MR图像上分别选取3个特征面和9个特征点,使所述CT图像和MR图像在空间上点面对应,达成某一解剖点在所述CT图像和MR图像上具备相同的坐标位置。首先,“3面9点”方案较其他配准方法的优势在于:“3点锁面、3面锁体”的科学定理在本发明获得确立;其次,选取的3个特征面分别为冠状面、矢状面和横断面,人体解剖学上的“横、矢、冠”3面,成90°相交成3线1点,对人体组织达到最大限度的贯穿,比任何非90°的3面相交涵盖更广,因而虚拟切割、三维重建、CT、MR图像融合时更具生理效果。因此,本发明可将不同时间、不同来源的CT和MR两幅相同模式的图像进行精确的定位定性配准,生成了同时展现病变性质和位置的互补立体融合图像,携带着来自CT和MR各自的讯号特征和医学信息,既能了解MR所发现的异常组织的明确位置,又能鉴别CT所发现的异常病灶的性质。
二、本发明包括图像融合、重建,在实时工作站Mimics按照信息交互自动融合模式、通过讯号叠加技术完成图像融合。其撇开针对某一融合算法的孤立运用,在Mimics医学图像分析软件的实时工作站通过图像叠加技术一次性解决了异机图像融合的关联问题。
三、本发明实现异机融合,尤其是CT和MR异机三维图像融合,其成本低廉、减轻病人的医疗负担、有着广阔的应用空间,并且配准效果良好,所获得的立体融合图像精确度高。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种CT和MR异机三维图像融合的配准方法,其特征在于,包括:
将获取的CT图像、与所述CT图像相匹配的MR图像进行二维图像定位配准,所述二维图像定位配准是通过在所述CT图像和MR图像上分别选取3个特征面和9个特征点,使所述CT图像和MR图像在空间上点面对应,达成某一解剖点在所述CT图像和MR图像上具备相同的坐标位置;
将经过二维图像定位配准的所述CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像。
2.如权利要求1所述的CT和MR异机三维图像融合的配准方法,其特征在于,所述将获取的CT图像、与所述CT图像相匹配的MR图像进行二维图像定位配准,依次包括以下步骤:
在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像;
根据所述3个外部特征点,在穿越所述外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面;
在由每个人体外部特征点所选择的平面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;在切面自动生成轴线,所述切面为所述平面与体表结构线交汇绌合之内的区域;延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点;将所述4个内部特征点加上所述人体外部特征点,混合得到至少5个特征点,并在所述5个特征点中选取3个特征点;
在所述3个特征面中,每个特征面选取3个特征点,共获取9个特征点;
当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
3.如权利要求2所述的CT和MR异机三维图像融合的配准方法,其特征在于,所述根据3个外部特征点,在穿越外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面的步骤为:
根据所述3个外部特征点,在穿越所述外部特征点的3簇平面中,经过点选、切割,依次从第1簇中分离出冠状面,从第2簇中分离出矢状面,从第3簇中分离出横断面,共获取3个二维的特征面。
4.如权利要求2所述的CT和MR异机三维图像融合的配准方法,其特征在于,所述在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像步骤,包括:
将被检测对象固定于可移动扫描床上,所述可移动扫描床设有定位框;
对所述被检测对象设定至少3个外部特征点;
对所述被检测对象进行CT扫描,获取CT图像;
对所述被检测对象进行MR扫描,获取MR图像,所述MR扫描的范围、体位、方位、方式与所述CT扫描相同,所获取的MR图像与CT图像相匹配。
5.如权利要求1所述的CT和MR异机三维图像融合的配准方法,其特征在于,所述将经过二维图像定位配准的所述CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像的步骤为:
将经过二维图像定位配准的所述CT图像和MR图像先进行二维图像融合,再进行三维图像重建,得到CT和MR异机三维融合图像;或者,
将经过二维图像定位配准的所述CT图像和MR图像先进行三维图像重建,再进行三维图像融合,得到CT和MR异机三维融合图像。
6.如权利要求5所述的CT和MR异机三维图像融合的配准方法,其特征在于,所述图像融合为将MR图像关联映射到CT图像上,在Mimics-14融合界面下对定位图像进行融合选择,按信息交互自动融合模式、通过讯号叠加完成图像融合;
所述三维图像重建为将图像输入到逆向软件 Mimics,输出三角网格和点云;在实时工作站经反求工程对网格进行编辑,所述编辑包括光顺、填充、压缩、删除;再经布尔差运算组建计算机辅助设计CAD模型,重构出非均匀有理B样条内外曲面;然后将多个曲面缝合成实体模型。
7.一种CT和MR异机三维图像融合的配准系统,其特征在于, 包括:
二维图像定位配准单元,用于将获取的CT图像、与所述CT图像相匹配的MR图像进行二维图像定位配准,所述二维图像定位配准是通过在所述CT图像和MR图像上分别选取3个特征面和9个特征点,使所述CT图像和MR图像在空间上点面对应,达成某一解剖点在所述CT图像和MR图像上具备相同的坐标位置;
CT和MR异机三维融合图像获取单元,用于将经过二维图像定位配准的所述CT图像和MR图像进行图像融合、重建,得到CT和MR异机三维融合图像。
8.如权利要求7所述的CT和MR异机三维图像融合的配准系统,其特征在于,所述二维图像定位配准单元包括:
CT图像和MR图像获取单元,用于在被检测对象上预先设定至少3个外部特征点,并获取所述被检测对象的CT图像、以及与所述CT图像相匹配的MR图像;
特征面获取单元,用于根据所述3个外部特征点,在穿越所述外部特征点的平面中,每个外部特征点各选取1个特征面,共获取3个二维的特征面;
特征点选取单元,用于在由每个人体外部特征点所选择的平面上,通过平移、旋转使所述CT图像和MR图像两幅图像的质心和主轴对齐;在切面自动生成轴线,所述切面为所述平面与体表结构线交汇绌合之内的区域;延长所述轴线使之与所述切面边缘或脏器边缘相交,至少存在4个内部特征点;将所述4个内部特征点加上所述人体外部特征点,混合得到至少5个特征点,并在所述5个特征点中选取3个特征点;
特征点获取单元,在所述3个特征面中,每个特征面选取3个特征点,共获取9个特征点;
CT图像和MR图像锁定单元,用于当所述9个特征点的坐标偏差平方和为最小值时,所述CT图像和MR图像即被锁定,完成二维图像定位配准。
9.如权利要求8所述的CT和MR异机三维图像融合的配准系统,其特征在于,所述 CT图像和MR图像获取单元包括:
可移动扫描床,用于将被检测对象固定,所述可移动扫描床设有定位框;
外部特征点设定单元,用于对所述被检测对象设定至少3个外部特征点;
CT图像获取单元,用于对所述被检测对象进行CT扫描,获取CT图像;
MR图像获取单元,用于对所述被检测对象进行MR扫描,获取MR图像;
其中,所述MR扫描的范围、体位、方位、方式与所述CT扫描相同,所获取的MR图像与CT图像相匹配。
10.如权利要求7所述的CT和MR异机三维图像融合的配准系统,其特征在于, 所述CT和MR异机三维融合图像获取单元包括:
图像融合单元,用于将MR图像关联映射到CT图像上,在Mimics-14融合界面下对定位图像进行融合选择,按信息交互自动融合模式、通过讯号叠加完成图像融合;
三维图像重建单元,用于将图像输入到逆向软件 Mimics,输出三角网格和点云;在实时工作站经反求工程对网格进行编辑,所述编辑包括光顺、填充、压缩、删除;再经布尔差运算组建计算机辅助设计CAD模型,重构出非均匀有理B样条内外曲面;然后将多个曲面缝合成实体模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210493464.1A CN103854270A (zh) | 2012-11-28 | 2012-11-28 | 一种ct和mr异机三维图像融合的配准方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210493464.1A CN103854270A (zh) | 2012-11-28 | 2012-11-28 | 一种ct和mr异机三维图像融合的配准方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103854270A true CN103854270A (zh) | 2014-06-11 |
Family
ID=50861887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210493464.1A Pending CN103854270A (zh) | 2012-11-28 | 2012-11-28 | 一种ct和mr异机三维图像融合的配准方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103854270A (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504705A (zh) * | 2014-12-25 | 2015-04-08 | 东南大学 | 小动物多模态医学影像配准及融合方法 |
CN107451983A (zh) * | 2017-07-18 | 2017-12-08 | 中山大学附属第六医院 | Ct图像的三维融合方法和系统 |
CN107456260A (zh) * | 2017-09-07 | 2017-12-12 | 安徽紫薇帝星数字科技有限公司 | 一种胸腔穿刺针用坐标成像系统 |
CN107767458A (zh) * | 2017-11-02 | 2018-03-06 | 陈树铭 | 不规则三角网曲面几何拓扑一致分析方法及系统 |
CN107773311A (zh) * | 2017-09-25 | 2018-03-09 | 北京缙铖智联高科技有限公司 | 一种基于投影设备的手术定位系统 |
CN107789072A (zh) * | 2017-09-25 | 2018-03-13 | 北京缙铖智联高科技有限公司 | 一种基于头戴式增强现实设备的颅内病变体表全息投影定位系统 |
CN108470379A (zh) * | 2017-02-23 | 2018-08-31 | 株式会社理光 | 三维图像融合方法和装置 |
CN109102533A (zh) * | 2018-06-19 | 2018-12-28 | 黑龙江拓盟科技有限公司 | 一种基于混合现实的特征点定位方法 |
CN109191541A (zh) * | 2018-08-06 | 2019-01-11 | 沈阳晟诺科技有限公司 | 一种ct远程图像重建方法 |
CN109255806A (zh) * | 2018-08-31 | 2019-01-22 | 影为医疗科技(上海)有限公司 | 医学影像的二维与三维图像配准方法、系统、存储介质、配准器 |
CN109727223A (zh) * | 2018-12-27 | 2019-05-07 | 上海联影医疗科技有限公司 | 一种医学图像自动融合方法和系统 |
CN109745062A (zh) * | 2019-01-30 | 2019-05-14 | 腾讯科技(深圳)有限公司 | Ct图像的生成方法、装置、设备及存储介质 |
CN109934861A (zh) * | 2019-01-22 | 2019-06-25 | 广东工业大学 | 一种头颈部多模态医学图像自动配准方法 |
CN109949349A (zh) * | 2019-01-24 | 2019-06-28 | 北京大学第三医院(北京大学第三临床医学院) | 一种多模态三维图像的配准及融合显示方法 |
CN110169820A (zh) * | 2019-04-24 | 2019-08-27 | 艾瑞迈迪科技石家庄有限公司 | 一种关节置换手术位姿标定方法及装置 |
CN110473235A (zh) * | 2019-09-12 | 2019-11-19 | 杭州依图医疗技术有限公司 | 一种对齐两侧乳房图像的方法及装置 |
CN111159751A (zh) * | 2019-12-03 | 2020-05-15 | 深圳博脑医疗科技有限公司 | 三维影像的去隐私化处理方法、装置和终端设备 |
CN111583219A (zh) * | 2020-04-30 | 2020-08-25 | 赤峰学院附属医院 | 颅颌面软硬组织的分析方法及装置、电子设备 |
CN112017275A (zh) * | 2020-08-26 | 2020-12-01 | 长春理工大学 | 一种面部正中矢状参考平面的辅助定位方法 |
CN112164019A (zh) * | 2020-10-12 | 2021-01-01 | 珠海市人民医院 | 一种ct、mr扫描图像融合方法 |
CN112294352A (zh) * | 2020-10-30 | 2021-02-02 | 李艳 | 颅骨切片的获取方法、装置、存储介质及电子设备 |
CN112515764A (zh) * | 2020-12-01 | 2021-03-19 | 江门市中心医院 | 颅内肿瘤三维打印方法、三维打印装置及可读存储介质 |
CN113034558A (zh) * | 2021-03-29 | 2021-06-25 | 上海交通大学医学院附属第九人民医院 | 基于影像辅助的医学诊断评估系统、方法、介质及终端 |
CN116342671A (zh) * | 2023-05-23 | 2023-06-27 | 第六镜科技(成都)有限公司 | 点云与cad模型配准方法、装置、电子设备和存储介质 |
CN110869981B (zh) * | 2016-12-30 | 2023-12-01 | 辉达公司 | 用于自主车辆的高清晰度地图数据的向量数据编码 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120019548A1 (en) * | 2009-01-22 | 2012-01-26 | Koninklijke Philips Electronics N.V. | Pixel-feature hybrid fusion for pet/ct images |
CN102426702A (zh) * | 2011-10-25 | 2012-04-25 | 南阳理工学院 | Ct图像与mr图像的融合方法 |
-
2012
- 2012-11-28 CN CN201210493464.1A patent/CN103854270A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120019548A1 (en) * | 2009-01-22 | 2012-01-26 | Koninklijke Philips Electronics N.V. | Pixel-feature hybrid fusion for pet/ct images |
CN102426702A (zh) * | 2011-10-25 | 2012-04-25 | 南阳理工学院 | Ct图像与mr图像的融合方法 |
Non-Patent Citations (2)
Title |
---|
彭鳒侨等: "基于体表定位的PET/CT/MRI"二机三维"图像融合的数字化对照", 《核医学》, vol. 17, no. 3, 25 June 2011 (2011-06-25), pages 260 - 266 * |
第29卷第4期: "基于"9点3面"配准方案的CT+MR异机三维图像融合研究", 《中国临床解剖学杂志》, vol. 29, no. 4, 25 July 2011 (2011-07-25), pages 418 - 422 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504705B (zh) * | 2014-12-25 | 2017-10-10 | 东南大学 | 小动物多模态医学影像配准及融合方法 |
CN104504705A (zh) * | 2014-12-25 | 2015-04-08 | 东南大学 | 小动物多模态医学影像配准及融合方法 |
CN110869981B (zh) * | 2016-12-30 | 2023-12-01 | 辉达公司 | 用于自主车辆的高清晰度地图数据的向量数据编码 |
CN108470379A (zh) * | 2017-02-23 | 2018-08-31 | 株式会社理光 | 三维图像融合方法和装置 |
CN108470379B (zh) * | 2017-02-23 | 2021-12-07 | 株式会社理光 | 三维图像融合方法和装置 |
CN107451983A (zh) * | 2017-07-18 | 2017-12-08 | 中山大学附属第六医院 | Ct图像的三维融合方法和系统 |
CN107456260A (zh) * | 2017-09-07 | 2017-12-12 | 安徽紫薇帝星数字科技有限公司 | 一种胸腔穿刺针用坐标成像系统 |
CN107773311A (zh) * | 2017-09-25 | 2018-03-09 | 北京缙铖智联高科技有限公司 | 一种基于投影设备的手术定位系统 |
CN107789072A (zh) * | 2017-09-25 | 2018-03-13 | 北京缙铖智联高科技有限公司 | 一种基于头戴式增强现实设备的颅内病变体表全息投影定位系统 |
CN107767458B (zh) * | 2017-11-02 | 2021-07-27 | 陈树铭 | 不规则三角网曲面几何拓扑一致分析方法及系统 |
CN107767458A (zh) * | 2017-11-02 | 2018-03-06 | 陈树铭 | 不规则三角网曲面几何拓扑一致分析方法及系统 |
CN109102533A (zh) * | 2018-06-19 | 2018-12-28 | 黑龙江拓盟科技有限公司 | 一种基于混合现实的特征点定位方法 |
CN109191541A (zh) * | 2018-08-06 | 2019-01-11 | 沈阳晟诺科技有限公司 | 一种ct远程图像重建方法 |
CN109191541B (zh) * | 2018-08-06 | 2023-08-25 | 沈阳晟诺科技有限公司 | 一种ct远程图像重建方法 |
CN109255806B (zh) * | 2018-08-31 | 2020-06-23 | 影为医疗科技(上海)有限公司 | 医学影像的二维与三维图像配准方法、系统、存储介质、配准器 |
CN109255806A (zh) * | 2018-08-31 | 2019-01-22 | 影为医疗科技(上海)有限公司 | 医学影像的二维与三维图像配准方法、系统、存储介质、配准器 |
US11636611B2 (en) | 2018-12-27 | 2023-04-25 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image fusion |
CN109727223A (zh) * | 2018-12-27 | 2019-05-07 | 上海联影医疗科技有限公司 | 一种医学图像自动融合方法和系统 |
CN109727223B (zh) * | 2018-12-27 | 2021-02-05 | 上海联影医疗科技股份有限公司 | 一种医学图像自动融合方法和系统 |
CN109934861B (zh) * | 2019-01-22 | 2022-10-18 | 广东工业大学 | 一种头颈部多模态医学图像自动配准方法 |
CN109934861A (zh) * | 2019-01-22 | 2019-06-25 | 广东工业大学 | 一种头颈部多模态医学图像自动配准方法 |
CN109949349A (zh) * | 2019-01-24 | 2019-06-28 | 北京大学第三医院(北京大学第三临床医学院) | 一种多模态三维图像的配准及融合显示方法 |
CN109745062A (zh) * | 2019-01-30 | 2019-05-14 | 腾讯科技(深圳)有限公司 | Ct图像的生成方法、装置、设备及存储介质 |
CN109745062B (zh) * | 2019-01-30 | 2020-01-10 | 腾讯科技(深圳)有限公司 | Ct图像的生成方法、装置、设备及存储介质 |
CN110169820A (zh) * | 2019-04-24 | 2019-08-27 | 艾瑞迈迪科技石家庄有限公司 | 一种关节置换手术位姿标定方法及装置 |
CN110473235A (zh) * | 2019-09-12 | 2019-11-19 | 杭州依图医疗技术有限公司 | 一种对齐两侧乳房图像的方法及装置 |
CN111159751A (zh) * | 2019-12-03 | 2020-05-15 | 深圳博脑医疗科技有限公司 | 三维影像的去隐私化处理方法、装置和终端设备 |
CN111583219A (zh) * | 2020-04-30 | 2020-08-25 | 赤峰学院附属医院 | 颅颌面软硬组织的分析方法及装置、电子设备 |
CN112017275A (zh) * | 2020-08-26 | 2020-12-01 | 长春理工大学 | 一种面部正中矢状参考平面的辅助定位方法 |
CN112164019A (zh) * | 2020-10-12 | 2021-01-01 | 珠海市人民医院 | 一种ct、mr扫描图像融合方法 |
CN112294352B (zh) * | 2020-10-30 | 2021-12-28 | 李艳 | 颅骨切片的获取方法、装置、存储介质及电子设备 |
WO2022089055A1 (zh) * | 2020-10-30 | 2022-05-05 | 李艳 | 颅骨切片的获取方法、装置、存储介质及电子设备 |
CN112294352A (zh) * | 2020-10-30 | 2021-02-02 | 李艳 | 颅骨切片的获取方法、装置、存储介质及电子设备 |
CN112515764A (zh) * | 2020-12-01 | 2021-03-19 | 江门市中心医院 | 颅内肿瘤三维打印方法、三维打印装置及可读存储介质 |
CN113034558A (zh) * | 2021-03-29 | 2021-06-25 | 上海交通大学医学院附属第九人民医院 | 基于影像辅助的医学诊断评估系统、方法、介质及终端 |
CN116342671A (zh) * | 2023-05-23 | 2023-06-27 | 第六镜科技(成都)有限公司 | 点云与cad模型配准方法、装置、电子设备和存储介质 |
CN116342671B (zh) * | 2023-05-23 | 2023-08-08 | 第六镜科技(成都)有限公司 | 点云与cad模型配准方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103854270A (zh) | 一种ct和mr异机三维图像融合的配准方法及系统 | |
Ayoub et al. | Towards building a photo-realistic virtual human face for craniomaxillofacial diagnosis and treatment planning | |
CN103860191B (zh) | 口腔内影像与容积影像的整合 | |
Mankovich et al. | Surgical planning using three-dimensional imaging and computer modeling | |
Ayoub et al. | A vision-based three-dimensional capture system for maxillofacial assessment and surgical planning | |
Kauffmann et al. | Computer-aided method for quantification of cartilage thickness and volume changes using MRI: validation study using a synthetic model | |
CN105147416A (zh) | 一种组织器官缺损部位弥合物构建方法及构建系统 | |
CN103065322B (zh) | 一种基于双x射线成像的2d和3d医学图像配准方法 | |
Jones | Facial Reconstruction Using Volumetric Data. | |
CN107599412A (zh) | 一种基于组织结构的三维建模方法、系统及三维模型 | |
CN105303604A (zh) | 一种用于人体单侧肢体骨骼骨性损伤测量的方法及系统 | |
Nguyen et al. | Validation of 3D surface reconstruction of vertebrae and spinal column using 3D ultrasound data–A pilot study | |
CN106204511A (zh) | 一种二维图像与ct、mr图像的三维融合方法 | |
CN110393591A (zh) | 多模态2d至3d成像导航 | |
CN103156631A (zh) | 基于数字透视影像的人工髋关节检测系统及方法 | |
Lin et al. | A novel approach of surface texture mapping for cone-beam computed tomography in image-guided surgical navigation | |
CN110264559A (zh) | 一种骨断层图像重建方法及系统 | |
CN108366778B (zh) | 移动解剖体和设备的多视图、多源配准 | |
CN104599257A (zh) | 一种图像融合显示方法 | |
Peng et al. | Clinical significance of creative 3D-image fusion across multimodalities [PET+ CT+ MR] based on characteristic coregistration | |
CN103055424A (zh) | 一种基于ct/mri双体位扫描自动配准与融合放射治疗疗效评价装置及方法 | |
Katatny et al. | Evaluation and validation of the shape accuracy of FDM fabricated medical models | |
Bennani et al. | Three dimensional (3D) lumbar vertebrae data set | |
Chougule et al. | Three dimensional point cloud generations from CT scan images for bio-cad modeling | |
Creehan et al. | Reverse engineering: a review & evaluation of non-contact based systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140611 |