CN104246827A - 患者监视器和方法 - Google Patents
患者监视器和方法 Download PDFInfo
- Publication number
- CN104246827A CN104246827A CN201380020931.1A CN201380020931A CN104246827A CN 104246827 A CN104246827 A CN 104246827A CN 201380020931 A CN201380020931 A CN 201380020931A CN 104246827 A CN104246827 A CN 104246827A
- Authority
- CN
- China
- Prior art keywords
- point
- summit
- nearest
- identified
- patient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims description 57
- 238000003384 imaging method Methods 0.000 claims description 56
- 238000013519 translation Methods 0.000 claims description 18
- 230000001225 therapeutic effect Effects 0.000 claims description 13
- 230000013011 mating Effects 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims 1
- 238000011282 treatment Methods 0.000 abstract description 15
- 230000009466 transformation Effects 0.000 abstract 2
- 230000008878 coupling Effects 0.000 description 21
- 238000010168 coupling process Methods 0.000 description 21
- 238000005859 coupling reaction Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 12
- SEQDDYPDSLOBDC-UHFFFAOYSA-N Temazepam Chemical compound N=1C(O)C(=O)N(C)C2=CC=C(Cl)C=C2C=1C1=CC=CC=C1 SEQDDYPDSLOBDC-UHFFFAOYSA-N 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000001959 radiotherapy Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000228740 Procrustes Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/111—Transformation of image signals corresponding to virtual viewpoints, e.g. spatial image interpolation
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
-
- 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
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2004—Aligning objects, relative positioning of parts
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N2013/0074—Stereoscopic image analysis
- H04N2013/0085—Motion estimation from stereoscopic image signals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Veterinary Medicine (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明描述了患者监视系统和方法。监视系统包括一组立体摄像机(10),其被定向为获得机械床(18)上的患者(20)的图像。摄像机(10)连接至计算机14,其包括:3D位置确定模块(26),其可操作来处理患者的立体图像以识别所成像患者的表面上的多个点的3D位置;目标模型存储器(32),其可操作来存储包括标识三角形3D线网模型的顶点的集合的3D位置和表示顶点之间的连接的连通性的数据的目标模型;以及匹配模块(34),其可操作来识别目标模型存储器中存储的目标模型表面中离由3D位置确定模块识别的点最近的三角形,并计算最小化在所识别的点与包含目标模型表面的被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换。所确定的转换可以用于指示机械床(18)将患者(20)定位在与所存储目标模型相对应的位置上或者可替换地在患者超出位置大于阈值量时禁止治疗设备(16)操作。
Description
技术领域
本发明涉及患者监视。更特别地,本发明的实施例涉及监视患者的定位并且还能够检测患者的移动。本发明特别适于与放射治疗装置和计算机断层摄影(CT)扫描器等一起使用,其中,患者移动的精确定位和检测对于成功的治疗来说很重要。
背景技术
放射治疗包括在患者身体的预定区域上投射辐射波束以破坏或消除其中存在的肿瘤。这种治疗通常定期和重复地进行。在每次医疗干预中,辐射源必须相对于患者定位以利用尽可能最高的准确度照射所选择的区域,从而避免辐射到辐射波束会对其有害的邻近组织。
当将辐射施加至患者时,治疗设备的选通应该与呼吸周期匹配以使得辐射聚焦在肿瘤的位置上并且最小化对其他组织的附带损害。如果检测到患者的移动,则治疗应该被停止以避免照射患者的除肿瘤位置以外的区域。
为此,用于在放射治疗期间协助患者定位的许多监视系统被提出,诸如在维申RT(Vision RT)的早期专利以及专利申请US7348974、US7889906和US2009-018711中所述,其全部内容通过引用包含于此。
在Vision RT的专利和专利申请中所述的系统中,患者的立体图像被获得并被处理以生成标识与所成像患者的表面上的点相对应的大量点的3D位置的数据。这些数据可以与之前情况下生成的数据进行比较并用于以一致的方式定位患者或在患者移动出位置时提供警告。通常,这种比较包括进行普氏分析(Procrustes analysis)以确定转换,该转换最小化了由基于实时图像生成的数据所标识的患者表面上的点和由之前情况下生成的数据所标识的患者表面上的点之间的位置差异。
确定当前患者位置和治疗前期患者位置之间的精确匹配是困难的。
一个特殊问题是不能保证恰好患者的相同部分在两个不同情况下被成像。这意味着,尽管所获得的数据可以标识患者表面上的点的3D坐标,但在一个模型中标识的点不一定对应于在先前所生成模型中的数据所表示的点。由此,试图确定转换以最小化不同情况下所获得的数据中的点之间的平均距离可能不能精确地反映患者的位置如何改变。
此外,在使用时,治疗设备的部分可能模糊立体摄像机的视图,以使得仅可以生成患者的表面的一部分的数据。这可能意味着,所成像表面和用于生成目标数据的表面之间仅存在有限的重叠区域。
除了试图识别两个表面之间的精确匹配之外,还期望快速确定这种匹配。给出在典型模型表面中的大量数据点,点的子集有时被选择并用于计算初始匹配。通常,这些点被选择以使得它们分布在模型的表面上。然而,在仅点的子集被用于确定两个表面之间的匹配的情况下,如果仅使用相对少量的点来确定与当前模型和目标模型之间的重叠区域相对应的匹配,则匹配的准确度可能很差。
需要一种能够快速和准确地识别匹配的替代系统。
发明内容
根据本发明的一个方面,提供一种确定用于将物体的位置与由目标模型表示的目标物体的位置匹配的刚性转换的计算机实现的方法,目标模型包括标识三角形3D线网的顶点的集合的3D位置和表示顶点之间的连接的连通性的数据,所述方法包括:获得物体的立体图像;利用计算机处理立体图像以识别所成像物体的表面上的多个点的3D位置;利用计算机基于在所识别的3D位置和目标模型中被识别为离所述位置最近的顶点之间的所确定距离来选择所成像物体的表面上的所识别3D位置的集合作为要用于确定刚性转换的点,该刚性转换用于将物体的位置与目标物体的位置匹配;以及利用计算机来计算最小化在所识别的3D位置的集合与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换。
在一些实施例中,选择所成像物体的表面上所识别3D位置的集合以及计算最小化在所识别的3D位置的集合与包含目标模型表面的被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换可以包括多次迭代:确定要用于当前迭代的阈值;基于在所识别3D位置和目标模型中被识别为与所述位置最近的顶点之间的距离与阈值的比较来选择所成像物体的表面上所识别3D位置的集合作为要用于确定刚性转换的点,该刚性转换用于将物体的位置与目标物体的位置进行匹配;计算最小化在所识别3D位置的集合与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换;其中,用于将物体的位置与目标物体的位置匹配的刚性转换包括在每次迭代时确定的转换的和。
在这些实施例中,可以设置用于第一次迭代的初始阈值,以及可以基于所识别的3D位置和目标模型中被识别为离所述位置最近的顶点之间的平均距离来确定用于随后迭代的阈值。
可以基于在点处的物体的相对定向和目标模型表面中被识别为离该点最近的三角形的定向来选择所成像物体的表面上的要用于确定用于将物体的位置与目标物体的位置匹配的刚性转换的3D位置的集合。
此外,所选择的集合可以被过滤以在计算刚性转换之前移除被确定为投影至相同位置的任何点,刚性转换最小化在所过滤的所识别的3D位置的集合与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离。
在一些实施例中,计算最小化在所成像物体的表面上的所识别点与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换可以包括:针对所述点的每一个确定所述点至包含目标模型表面中被识别为与这些点最近的三角形的平面的投影;确定将被识别为位于物体的表面上的位置的点的质心与所述点至包含目标模型表面中被识别为离这些点最近的三角形的所识别平面的投影对准的平移;以及在施加所确定的平移之后,确定最小化在所成像物体的表面上的所识别点与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的旋转。
识别目标模型表面中离所成像物体的表面上的点的3D位置最近的三角形可以包括:生成用于针对3D空间中点的规则网格来识别目标模型中离这些点最近的顶点的阵列;识别规则3D网格的离所成像物体的表面上的点最近的部分;以及通过阵列利用与3D网格的所识别部分相关联的顶点来识别目标模型表面中离所述点最近的三角形。
在这些实施例中,通过阵列利用与3D网格的所识别部分相关联的顶点来识别目标模型表面中离所述点最近的三角形可以包括:确定与3D网格的所识别部分相关联的顶点、模型表面中与当前正被处理的物体的表面上的点最近的顶点;确定直接连接至所确定的最近顶点的顶点中的任一个是否更接近于当前正被处理的所成像物体的表面上的点的3D位置;如果直接连接的顶点中的任一个被确定为更接近于当前正被处理的所成像物体的表面上的点的3D位置,则识别连接至该顶点的任意顶点是否更接近于当前正被处理的所成像物体的表面上的点的3D位置;以及当确定直接连接的顶点都没被确定为更接近于当前正被处理的所成像物体的表面上的点的3D位置时,针对目标模型中包含最近所识别顶点的每个三角形来确定包含该三角形的平面和所成像物体的表面上的点的3D位置之间的距离,以识别目标表面中离当前正被处理的物体的表面上的点最近的三角形。
合适的阵列可以通过以下生成:针对目标模型中的每个顶点使用与目标模型的顶点相关联的3D坐标来识别规则3D网格中与顶点的位置最近的部分;确定顶点与对应于规则3D网格的所识别部分中的点的位置之间的距离;以及确定所识别的点是否与表示离目标模型中另一顶点更近的点的数据相关联,以及如果不是,将所述点关联到标识顶点和顶点与所述点之间的距离的数据。规则网格的不与标识顶点的数据相关联的部分之后可以通过以下与数据相关联:在与规则3D网格的轴相对应的方向中的每一个上遍历规则3D网格,以及当遍历网格时,确定在遍历的方向上与网格上的邻近点相关联的顶点是否比之前与该网格点相关联的任何顶点更接近于与当前网格点相关联的位置,以及如果这样,关联该网格点和标识与该邻近网格点相关联的顶点的数据。
在另一方面中,提供一种患者监视系统,包括:3D位置确定模块,其可操作来处理患者的立体图像以识别所成像患者的表面上的多个点的3D位置;目标模型存储器,其可操作来存储目标模型,该目标模型包括标识三角形3D线网模型的顶点的集合的3D位置和表示顶点之间的连接的连通性的数据;以及匹配模块,其可操作来识别目标模型存储器中存储的目标模型表面中离由3D位置确定模块所识别的点最近的三角形,并计算最小化在所识别点的所选择集合与包含目标模型表面的被识别为与这些点最近的三角形的平面之间的点到平面距离的刚性转换,其中,基于在所识别的3D位置和目标模型中被识别为离这些位置最近的顶点之间的所确定距离来选择用于确定刚性转换的所选择的点的集合。
该患者监视系统可以另外地包括立体摄像机,其可操作来获得患者的立体图像,其中,3D位置确定模块被配置为处理由立体摄像机获得的立体图像。
系统还可以包括机械床,其中,立体摄像机可操作来获得床上的患者的立体图像,以及匹配模块可操作来基于最小化在所成像患者的表面上的所识别点和包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的所计算的刚性转换,生成指令以使得机械床对准所成像患者。
此外,系统还可以包括治疗设备,其中治疗设备被配置为:如果匹配模块确定最小化在所成像患者的表面上的所识别点和包含目标模型表面中被识别为与这些点最近的三角形的平面之间的点到平面距离的所计算的刚性转换表示患者从位置移动大于阈值量,则禁止操作。
附图说明
现在将参考附图描述本发明的实施例,其中:
图1是根据本发明实施例的患者监视器的示意图;
图2是图1的患者监视器的确定用于匹配两个模型表面的匹配平移和旋转的处理的流程图;
图3是图1的监视器的填充标识最近顶点的阵列的处理的流程图;
图4A-C是图3的对阵列的一部分的处理的示意图;以及
图5是图1的监视器的识别模型表面中离另一表面上的点最近的三角形平面的处理的流程图。
具体实施方式
图1是根据本发明实施例的患者监视器的示意图。根据本实施例,提供一组立体摄像机10,其通过电线12连接至计算机14。计算机14还连接至治疗设备16,诸如用于施加放射治疗的直线加速器或者用于计划放射治疗的x射线模拟器。机械床18被提供为治疗设备的一部分,患者20在治疗期间躺在机械床18上。治疗设备16和机械床18被配置为使得在计算机14的控制下,机械床18和治疗设备16的相对位置可以横向地、垂直地、纵向地和旋转地变化。
在使用时,立体摄像机10获得躺在机械床18上的患者20的视频图像。这些视频图像经由电线12传输至计算机14。计算机14之后处理患者20的图像以生成患者表面模型。该模型与在前期治疗进程期间生成的患者模型进行比较。当定位患者时,当前模型表面和从前期进程获得的目标模型表面之间的差异被识别并且对准表面所需的定位指令被确定并发送至机械床18。随后,在治疗期间,与初始设置之间的任何偏差可以被识别并且如果偏差大于阈值,则计算机14将指令发送至治疗设备16以使得治疗停止,直到患者20可以被重新定位。
为了计算机14能够处理从立体摄像机10接收到的图像,计算机14通过在盘22上提供的软件或者通过经由通信网络接收电信号24来配置成多个功能模块26-36。可以理解,图1所示的功能模块26-36仅仅是概念性的,以协助理解所要求的发明的工作并且在某些实施例中可以不直接对应于软件的源代码中的代码块。在其他实施例中,由所示功能模块26-36执行的功能可以在不同模块之间划分或者可以通过相同模块的重新使用来执行以用于不同功能。
在该实施例中,功能模块26-36包括:3D位置确定模块26,用于处理从立体摄像机10接收到的图像;模型生成模块28,用于处理由3D位置确定模块26生成的数据并将该数据转换成所成像计算机表面的3D线网模型;生成模型存储器30,用于存储所成像表面的3D线网模型;目标模型存储器32,用于存储之前生成的3D线网模型;匹配模块34,用于确定将所生成的模型与目标模型匹配所需的旋转和平移;以及最近顶点阵列36。
在使用中,随着图像通过立体摄像机10被获得,这些图像被3D位置确定模块26处理。该处理使得3D位置确定模块能够识别在图像对中相应点的3D位置。由3D位置确定模块26生成的位置数据之后被传输至模型生成模块28,其处理该位置数据以生成由立体摄像机10所成像的患者20的表面的3D线网模型。
在本实施例中,3D模型包括三角形线网模型,其中,模型的顶点对应于由3D位置确定模块26确定的3D位置。当确定了这样的模型时,该模型被存储在生成模型存储器30中。
当患者20的表面的线网模型被存储时,匹配模型34之后被调用以确定基于由立体摄像机10所获得的当前图像的所生成模型与存储在目标模型存储器32中的患者表面的之前所生成模型之间的匹配平移和旋转。如将要解释的,匹配模块34以使得匹配被快速确定并且高精度匹配被确定的方式利用最近顶点阵列36来确定这种匹配。
所确定的平移和旋转之后可以被作为指令发送至机械床18以使得床将患者20定位在相对于治疗设备16的、与他们之前被治疗时所在的位置相同的位置。随后,立体摄像机10可以继续监视患者20,并且可以通过生成另外的模型表面并将这些所生成的表面与存储在目标模型存储器32中的目标模型进行比较来识别位置中的任何变化。如果确定为患者从位置移动,则治疗设备16可以被停止并且患者20被重新定位,由此避免照射患者20的错误部位。
现在将参考图2-5详细描述通过匹配模块34进行的处理。
首先参考图2,其是由匹配模块34进行的处理的流程图,当匹配模块34第一次被调用时,最初(s2-1)匹配模块34利用存储在目标模型存储器32中的数据来填充最近顶点阵列36以使得匹配模块34能够以有效方式识别所存储模型的3D空间中对于空间中其他点的最近顶点。
当试图确定匹配转换以将所生成模型表面与目标模型表面匹配时,经常需要能够识别目标模型中离由基于处理当前图像所生成的数据所识别的位置最近的顶点或三角形。通常,这种确定需要针对所生成模型表面中的每个点进行多次,同时计算迭代转换。传统上,识别最近顶点将涉及确定当前点与模型中表示的所有顶点之间的距离。在当前所生成的模型和目标模型都具有N个顶点的情况下,这涉及N2次计算,其必须在每次迭代时被确定。
相反,根据本申请,进行处理以识别目标模型中离位置的网格最近的顶点,并且该数据被存储在最近顶点阵列36中。随后,利用最近顶点阵列来识别目标模型中的少量顶点,其可以是离空间中特定点最近的顶点。这会将处理具有N个点的模型的量从N2的级别降低到N的级别。
现在将参考图3和4A-C来描述由匹配模块34进行的填充最近顶点阵列36的处理。
转向图3,其是由匹配模块34进行的处理的流程图,最初(s3-1)匹配模型34从存储在目标模型存储器32中的目标模型中选择第一顶点。
匹配模块34之后(s3-2)利用标识当前所选择顶点在3D空间中的位置的几何数据,来识别最近顶点阵列的与该区域相对应的部分,并且确定标识在所选择顶点的位置和与3维网格中包含该位置的立方体的角相对应的位置之间的距离的距离值。
更具体地,在本实施例中,最近顶点阵列36包括用于存储与3维阵列相关联的数据的数据存储器,其中阵列中的每个项与空间中规则3D网格上的点相关联。当处理所存储模型中的顶点时,使用顶点的几何数据来识别顶点阵列36中与阵列中离该顶点最近的点相对应的8个项。
由此,例如,假定顶点与标识具有坐标(x+δx,y+δy,z+δz)的位置的位置数据相关联,匹配模块34将由最近顶点阵列36表示的网格上的最近点识别为与位置(x,y,z)、(x+1,y,z)、(x,y+1,z)、(x+1,y+1,z)、(x,y,z+1)、(x+1,y,z+1)、(x,y+1,z+1)和(x+1,y+1,z+1)相关联的点。
匹配模块34之后确定在由正在被处理的顶点的几何数据所标识的位置与这些位置中的每一个之间的欧几里得距离,并且之后(s3-3)确定最近顶点阵列36中那些所识别的位置是否与标识大于那些所确定距离的顶点距离的数据相关联。
如果匹配模块34确定与顶点阵列中的项相关联的当前距离数据大于在由阵列中的项表示的位置与正被处理的顶点之间的欧几里得距离,或者如果匹配模块34确定当前没有数据与顶点阵列36的所识别部分相关联,则匹配模块之后将标识当前顶点以及该顶点和与阵列中的项相关联的位置之间的距离的数据存储在最近顶点阵列36的该部分中。
由此,例如,如果顶点A与坐标(x+δx,y+δy,z+δz)相关联,当确定要针对位置(x,y,z)存储在最近顶点阵列36中的数据时,最初,顶点和位置(x,y,z)之间的欧几里得距离将被确定,其在该示例中将是(δx2+δy2+δz2)1/2。如果该距离小于与点(x,y,z)相关联的当前距离或者没有数据与该点相关联,则标识顶点A和所计算的距离的数据将被存储。
当匹配模块34检查了最近顶点阵列36中与阵列中离正在被处理的顶点最近的8个点相关联的所有八个项并根据需要更新了与这些点相关联的数据时,匹配模块34之后确定(s3-5)目标模型的所有顶点是否被处理。如果不是这样,则选择目标模型中的下一顶点(s3-6)以及最近顶点阵列36中的数据之后被更新(s3-2-s3-4),然后,匹配模块34再次检查目标模型中的所有顶点是否被处理。
图4是由匹配模块34针对最近顶点阵列36的部分所进行的处理的示意图。
在图4A的示例中,在相对于网格的位置中示出了示例性顶点的点A-D,其中,网格线的交叉点对应于与最近顶点阵列36中的数据相关联的位置。在图4的示图中,仅示出了二维阵列,但在实际实施例中,数据将被存储在三维阵列中。
当处理顶点A时,顶点A的坐标数据能够使得包含A的正方形被识别并且该正方形的角之后与标识矢量A的数据以及该角和顶点A的实际位置之间的距离相关联。类似地,当处理顶点B时,包含顶点B的正方形被识别并且阵列的与该正方形的角相关联的部分将被更新以标识顶点B。当处理顶点C时,阵列中的相同点将被识别,因为B和C都位于相同正方形中。阵列的与该正方形相对应的离顶点C比离顶点B更近的角之后被更新以与顶点C、而不是与顶点B相关联。
图4B示出了当顶点A、B、C和D被处理后阵列的状态。在该阶段,与字母相关联的交叉点中的每一个与标识顶点的数据(在图中示出为字母A-D)以及标识在由阵列项表示的位置和由字母标识的顶点的位置之间的距离的距离数据相关联。
返回至图3,在处理了目标模型中的所有顶点并生成了诸如图4B所示的稀疏填充的阵列之后,匹配模块34之后(s3-7)将顶点和距离数据传播遍及整个网格。
更具体地,始于阵列的左下角,阵列中的每个项被依次考虑。在初始传递中,项被从左到右处理。阵列被扫描直到与顶点和距离数据相关联的第一项被识别。针对阵列中每个随后位置,如果没有顶点数据与阵列中的位置相关联,则标识最近识别的最近顶点的数据以及标识该顶点和当前标识点之间的距离的距离数据被存储。如果阵列中的点已经与顶点数据相关联,则确定与正在被处理的阵列的部分相关联的顶点是否与该点最近,或者最近识别的顶点是否最近,并且将阵列中的该点与标识更近顶点和离该顶点的距离的数据相关联。
由此例如,在图4B所示的阵列的情况中,在阵列的左下方开始,从左向右移动,在阵列的底部,要遇到的阵列的第一项将是在阵列底部的与顶点B相关联的项。进一步向右移动,下一项与顶点C相关联。在该情况下,检查顶点B还是顶点C离由网格中该项所标识的位置最近。确定了顶点C是最近的之后,阵列中向右移动的随后项将被更新以与顶点C相关联,直到识别到更近的项。
从左向右移动地更新了阵列之后,相同的处理之后通过从右向左、从上到下、从下到上以及从前到后和从后到前移动来重复。
图4C是在最近顶点数据被传播遍及整个阵列之后图4B的阵列的部分的示意图。如可以在图4C中所看到的,在处理之后,最近顶点阵列36中的每个点与标识最近顶点的数据相关联。顶点阵列被填充的方式是使得确保顶点数据标识目标模型中与空间中关联于顶点的点最近的顶点。因为顶点阵列中标识的点是规则网格上的点,因此阵列中与空间中的任何位置最近的点可以从坐标数据快速确定。
返回至图2,在已经填充了最近顶点阵列36之后,阵列之后可以被利用来协助识别所生成的模型表面中与目标模型存储器32中的目标模型的部分相对应的部分。
在该实施例中,最初,存储在生成模型存储器30中的所生成模型中的所有顶点被认为适于匹配至目标模型的部分。
目标模型中离当前被考虑用于匹配的所生成模型中的顶点中的每一个最近的三角形之后被确定(s2-2)。针对所生成模型中的每个顶点依次来进行该确定。
转向图5,其是匹配模块34的用于识别目标模型中离所生成模型中的顶点最近的三角形的处理的流程图,最初(s5-1),通过基于正在被处理的顶点的坐标使用最近顶点阵列36作为查找表,来识别用于识别目标模型中与当前顶点的位置最近的部分的种子。
由此例如,当处理所生成模型中与坐标数据(x+δx,y+δy,z+δz)相关联的顶点时,匹配模块34将使用最近顶点阵列36中的顶点数据来标识最近顶点阵列34中的与位置(x,y,z)、(x+1,y,z)、(x,y+1,z)、(x+1,y+1,z)、(x,y,z+1)、(x+1,y,z+1)、(x,y+1,z+1)和(x+1,y+1,z+1)相关联的顶点。
匹配模块34之后(s5-2)通过确定由最近顶点阵列36访问的部分中的顶点数据标识的哪些顶点与当前正被处理的顶点的位置最近来识别用于识别目标模型中的最近三角形的单个种子点。由此,通过访问最近顶点阵列36标识了直到8个顶点作为候选种子点之后,当前被处理的顶点和候选顶点的位置之间的距离被确定,并且目标模型中被确定为在空间中离正在被处理的顶点的位置最近的顶点被标识。
匹配模块34之后(s5-3)利用存储在目标模型存储器32中的模型的连通数据来识别目标模型中连接至所标识的最近种子顶点的顶点,并针对每个顶点计算在目标模型中所标识顶点的位置和与当前被处理的当前所生成模型中的顶点相关联的位置之间的欧几里得距离。
如果匹配模块34确定(s5-4)连接至当前种子顶点的任何顶点在空间中与正被处理的当前所生成模型中顶点的位置更接近,则被识别为与当前正被处理的所生成模型中的顶点的位置最近的顶点被设置为种子顶点,以及之后在确定那些所连接顶点的距离值(s5-3)之前使用用于目标模型的连通数据来识别连接至新的种子顶点的顶点(s5-5)。匹配模型34之后再次确定(s5-4)所连接顶点中的任何一个在空间中是否比当前种子顶点更接近于当前正被处理的所生成的模型中的顶点。
以这种方式,匹配模块34在目标模型的表面上移动,在使用最近顶点阵列36选择的位置开始,并且在每次迭代中向目标模型中更接近所生成表面中当前被处理的顶点的位置的顶点移动。
最后,当处理所连接的顶点时,匹配模块36将确定(s5-4)连接至当前种子顶点的顶点在空间中都不比种子顶点本身更接近于正被处理的所生成模型中顶点的位置。在该点(s5-6),匹配模块34识别包含种子顶点的三角形平面中的哪一个离正被处理的所生成模型中的顶点最近。
更具体地,确定了目标模型中最近的顶点之后,匹配模块34使用目标模型表面的连通数据来识别目标模型中包括该顶点的所有三角形。之后针对在当前正被处理的所生成模型中顶点的位置和包含所识别三角形中的每一个的平面中的每一个之间的距离来计算点到平面的距离。之后存储标识最近的点到平面距离以及目标模型中包含在与该距离相关联的平面中的三角形的数据。
由此,在该阶段,匹配模块34已经识别了离正被处理的顶点最近的包含目标模型中的三角形的平面。如果当前模型和目标模型对应于相同表面,则考虑中的顶点可能会对应于该三角形内某处或表面上附近某处的点。
返回至图2,确定了目标模型中离所生成模型中当前正被用于匹配的各顶点的位置最近的三角形之后,匹配模块之后(s2-3)确定用于选择顶点的一组阈值,以用于确定匹配转换。
在该实施例中,匹配模块34针对过滤使用三个标准。
首先,顶点被过滤以移除点到平面距离超过阈值的任何匹配。最初,该阈值被设置为诸如与米相对应的距离的高值,以仅除去异常值和错误数据点。在随后迭代中,基于来自之前迭代的平均点到平面距离来设置阈值。为了平衡灵活性和将数据集降低至易管理大小的需要,发现将距离阈值设置为平均所确定的点到平面距离的1.5倍是可接受的。这种过滤使得异常数据点被除去并且因此防止这些异常值影响当前表面和模型表面之间的匹配。
除了基于点到平面距离的过滤以外,也可以使用定向测量来对顶点进行过滤。当前所生成模型中顶点的定向矢量可以通过计算包含该顶点的当前所生成模型中三角形的平均法向矢量来确定。之后可以通过计算包含目标模型中所识别最近三角形的平面的法线和针对正被处理的顶点计算的平均法向矢量的交叉乘积来确定两个模型的相对定向。这种点积的范围从-1至1,其中-1指示在其最近点处的两个表面在相反方向上定向,以及为1的值指示定向的完全一致。如利用距离测量那样,所确定的点积可以与阈值进行比较,该阈值最初可以被设置为不除去任何顶点并且逐渐增大以要求定向的增加的相似性。该渐进方法最大化了模型的匹配部分相互对应的可能性,因为期望的是,如果点匹配,则表面处的定向也将匹配。
最后,除了基于距离和定向测量考虑排除顶点以外,在该实施例中,匹配模块34还检查是否针对任意两个顶点,顶点至所识别的三角形平面上的投影标识同一位置,如果是,则这些顶点被移除而不会被进一步考虑。对这些重复的排除确保了可以确定最小化点到平面距离的唯一转换。
确定了要用于当前迭代的距离和定向阈值之后,匹配模块34(s2-4)识别满足当前匹配标准的顶点的集合。也就是说,匹配模块34识别以下顶点的集合:其与小于当前距离阈值的点到平面距离相关联并且与不大于当前定向阈值的定向测量相关联并标识所存储模型中仅有的最近顶点。
基于距离、定向过滤了顶点并确保每个顶点与至三角形平面的唯一投影相关联之后,匹配模块34之后(s2-5)确定当前模型的平移和旋转,其最小化了在当前模型中的顶点和目标模型中所识别的最近三角形平面之间的点到平面距离。
通过考虑将当前正被用于匹配表面的当前模型中的顶点的质心与对应于一组点中每一个至针对这些点确定的相应最近三角形平面的投影的该组点的质心对准所需的平移,可以确定合适的平移。确定了合适的平移之后,可以通过应用普氏分析来确定用于匹配两个表面的旋转,普氏分析用作匹配测量的良好度的度量,其试图最小化与正被匹配的顶点相关联的点至平面距离度量的平方和。
确定了平移和旋转之后,匹配模块34确定(s2-6)是否已经进行了所需数量的迭代。如果不是,则匹配模块34将所确定的平移和旋转施加(s2-7)至正被匹配的当前所生成模型的顶点数据。目标模型中离当前模型中用于将当前模型匹配至目标模型的顶点中的每一个最近的三角形平面在被过滤(s2-3-s2-4)之前被确定(s2-2)并且用于确定(s2-5)用于改进的匹配的平移和旋转。
当匹配模块34确定(s2-6)进行了最终迭代时,匹配模块34输出(s2-8)用于将所生成表面匹配至模型表面所确定的平移和旋转的和,作为所计算的最终转换。所确定的转换之后可以用于使机械床18重定向患者或者替代地在患者被检测为从位置移动大于可接受量的情况下触发警报或停止治疗。
以所述方式确定匹配转换已经被确定为能够比简单试图进行普氏分析生成更精确的匹配,普氏分析基于试图最小化模型对中顶点的最小平方距离来匹配当前和目标模型。当从在不同时刻获得的立体图像生成患者的表面的模型时,模型中的顶点仅对应于表面上的点并且不必然对应于患者的表面上的相同点。所述系统确定便于将顶点匹配至被识别为位于包括由三角形表示的所有表面的目标模型表面上的任何位置的匹配,而不是试图确定模型中顶点之间的匹配。
所述方法还能够使得这些匹配被快速地确定。预填充最近顶点阵列36能够非常快速地确定用于确定匹配的初始种子点。在模型的表面上移动以检查目标模型中的附近顶点实际上是否比初始识别的种子点更接近顶点消除了由于在选择初始种子点时使用的任何近似而可能发生的误差。可以通过在每次迭代时仅考虑用于匹配的顶点的子集而进一步提高匹配的速度。如所述,保留最可能对应于两个模型之间的重叠区域的顶点的合适子集可以通过考虑正被匹配的点处的相对定向和平面至点距离测量来确定。通过逐渐增大用于顶点的继续使用的阈值,仅保持被确定为最适于匹配的那些点。
另外的替换和实施例
尽管参考附图描述的本发明的实施例包括计算机设备和在计算机设备中进行的处理,但本发明还扩展至适于实现本发明的计算机程序,特别地在载体上或中的计算机程序。程序可以是源或目标代码的形式或者适用于实现根据本发明的处理的任何其他形式。载体可以是能够承载程序的任何实体或装置。
例如,载体可以包括诸如ROM(例如CD ROM或半导体ROM)的存储介质、或者例如软盘或硬盘的磁记录介质。此外,载体可以是能传送的载体,诸如电或光信号,其可以经由电缆或光缆或者通过无线电或其他方式传输。
当程序以可以通过电缆或者其他装置或部件直接传输的信号实现时,载体可以由这种电缆或者其他装置或部件构成。
可替换地,载体可以是其中嵌入了程序的集成电路,该集成电路适于执行或用于执行相关处理。
Claims (24)
1.一种确定用于将物体的位置与由目标模型表示的目标物体的位置匹配的刚性转换的计算机实现的方法,所述目标模型包括标识三角形3D线网的顶点的集合的3D位置和表示顶点之间的连接的连通性的数据,所述方法包括:
获得物体的立体图像;
利用计算机处理所述立体图像以识别所成像物体的表面上的多个点的3D位置;
利用所述计算机基于所识别的3D位置和所述目标模型中被识别为离所述位置最近的顶点之间的所确定距离来选择所成像物体的表面上的所识别3D位置的集合作为要用于确定刚性转换的点,所述刚性转换用于将物体的位置与目标物体的位置进行匹配;以及
利用所述计算机来计算最小化在所识别3D位置的集合与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换。
2.根据权利要求1所述的计算机实现的方法,其中,选择所成像物体的表面上的所识别3D位置的集合以及计算最小化在所识别3D位置的集合与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换包括多次迭代:
确定要用于当前迭代的阈值;
基于所识别的3D位置和所述目标模型中被识别为离所述位置最近的顶点之间的距离与所述阈值的比较来选择所成像物体的表面上的所识别3D位置的集合作为要用于确定刚性转换的点,所述刚性转换用于将物体的位置与目标物体的位置进行匹配;
计算最小化在所识别3D位置的集合与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换;
其中,用于将物体的位置与目标物体的位置进行匹配的刚性转换包括在每次迭代时确定的转换的和。
3.根据权利要求2所述的计算机实现的方法,其中:确定要用于当前迭代的阈值包括:
设置用于第一次迭代的初始阈值;以及
基于所识别的3D位置和所述目标模型中被识别为离所述位置最近的顶点之间的平均距离来确定用于随后迭代的阈值。
4.根据权利要求1所述的计算机实现的方法,其中,选择所成像物体的表面上的所识别3D位置的集合作为要用于确定用于将物体的位置与目标物体的位置进行匹配的刚性转换的点还包括:
基于在点处的所述物体的相对定向和所述目标模型表面中被识别为离该点最近的三角形的定向来选择所成像物体的表面上的要用于计算刚性转换的所识别3D位置。
5.根据权利要求1所述的计算机实现的方法,其中,选择所成像物体的表面上的所识别3D位置的集合作为要用于确定用于将物体的位置与目标物体的位置进行匹配的刚性转换的点还包括:
过滤所成像物体的表面上的所选择的要用于计算刚性转换的所识别3D位置,以在计算刚性转换之前移除被确定为投影至相同位置的任何点,所述刚性转换最小化在所过滤的所识别3D位置的集合与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离。
6.根据权利要求1所述的计算机实现的方法,其中,计算最小化在所成像物体的表面上的所识别点与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换包括:
针对所述点的每一个确定所述点至包含所述目标模型表面中被识别为离这些点最近的三角形的平面的投影;
确定将被识别为位于物体的表面上的位置的点的质心与所述点至包含所述目标模型表面中被识别为离这些点最近的三角形的所识别平面的投影对准的平移;以及
在施加所确定的平移之后,确定最小化在所成像物体的表面上的所识别点与包含所述目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的旋转。
7.根据前述权利要求中任一项所述的计算机实现的方法,其中,针对所成像物体的表面上的点的所识别3D位置来识别所述目标模型表面中离所述点最近的三角形包括:
生成用于针对3D空间中点的规则网格来识别所述目标模型中离这些点最近的顶点的阵列;
识别规则3D网格的离所成像物体的表面上的点最近的部分;
通过所述阵列利用与所述3D网格的所识别部分相关联的顶点来识别所述目标模型表面中离所述点最近的三角形。
8.根据权利要求7所述的计算机实现的方法,其中,通过所述阵列利用与所述3D网格的所识别部分相关联的顶点来识别所述目标模型表面中离所述点最近的三角形包括:
确定与所述3D网格的所识别部分相关联的顶点、所述模型表面中与当前正被处理的物体的表面上的点最近的顶点;
确定直接连接至所确定的最近顶点的顶点中的任一个是否更接近于当前正被处理的所成像物体的表面上的点的3D位置;
如果直接连接的顶点中的任一个被确定为更接近于当前正被处理的所成像物体的表面上的点的3D位置,则识别连接至该顶点的任意顶点是否更接近于当前正被处理的所成像物体的表面上的点的3D位置;以及
当确定所述直接连接的顶点都没被确定为更接近于当前正被处理的所成像物体的表面上的点的3D位置时,针对所述目标模型中包含最近所识别顶点的每个三角形来确定在包含该三角形的平面和所成像物体的表面上的点的3D位置之间的距离,以识别所述目标表面中离当前正被处理的物体的表面上的点最近的三角形。
9.根据权利要求7所述的计算机实现的方法,其中,所述生成用于针对3D空间中点的规则网格来识别目标模型中离这些点最近的顶点的阵列包括针对目标模型中的每个顶点:
使用与目标模型的顶点相关联的3D坐标来识别规则3D网格中与所述顶点的位置最近的部分;
确定所述顶点与对应于规则3D网格的所识别部分中的点的位置之间的距离;以及
确定所识别的点是否与表示离所述目标模型中另一顶点更近的点的数据相关联,以及如果不是,将所述点关联到标识所述顶点和所述顶点与所述点之间的距离的数据。
10.根据权利要求9所述的计算机实现的方法,还包括:
通过以下来关联所述规则网格的不与标识顶点的数据相关联的部分:在与所述规则3D网格的轴相对应的方向中的每一个上遍历所述规则3D网格,以及当遍历所述网格时,确定在遍历方向上与所述网格上的邻近点相关联的顶点是否比之前与该网格点相关联的任何顶点更接近于与当前网格点相关联的位置,以及如果这样,关联所述网格点和标识与该邻近网格点相关联的顶点的数据。
11.一种患者监视系统,包括:
3D位置确定模块,其可操作来处理患者的立体图像以识别所成像患者的表面上的多个点的3D位置;
目标模型存储器,其可操作来存储目标模型,该目标模型包括标识三角形3D线网模型的顶点的集合的3D位置和表示顶点之间的连接的连通性的数据;以及
匹配模块,其可操作来识别所述目标模型存储器中存储的目标模型表面中离由所述3D位置确定模块所识别的点最近的三角形,并计算最小化在所识别点的所选择集合与包含所述目标模型表面的被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换,其中,基于所识别的3D位置和所述目标模型中被识别为离所述位置最近的顶点之间的所确定距离来选择用于确定所述刚性转换的所选择的点的集合。
12.根据权利要求11所述的患者监视系统,其中,所述匹配模块可操作来通过以下步骤选择用于计算刚性转换的所成像患者的表面上的所识别的3D位置:
确定点与所述目标模型中被识别为离该点最近的顶点之间的距离;以及
选择与小于阈值的距离相关联的点作为要用于计算刚性转换的点。
13.根据权利要求12所述的患者监视系统,其中,所述阈值包括基于在所识别的3D位置和所述目标模型中所识别的最近顶点之间的平均确定距离而确定的阈值。
14.根据权利要求11所述的患者监视系统,其中,所述匹配模块可操作来基于在点处的物体的相对定向和所述目标模型表面中被识别为离该点最近的三角形的定向来选择所成像患者的表面上的所识别3D位置,以用于计算最小化点到平面距离的刚性转换。
15.根据权利要求11所述的患者监视系统,其中,所述匹配模块可操作来过滤所成像患者的表面上要用于计算最小化点到平面距离的刚性转换的所选择的所识别3D位置,以在计算最小化在所过滤的所识别3D位置的集合与包含所述目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换之前移除被确定为投影至相同位置的任何点。
16.根据权利要求11所述的患者监视系统,其中,所述匹配模块可操作来通过以下计算最小化点到平面距离的刚性转换:
针对点确定所述点至包含所述目标模型表面中被识别为离这些点最近的三角形的平面的投影;
确定将被识别为位于患者的表面上的位置的点的质心与所述点至包含所述目标模型表面中被识别为离这些点最近的三角形的所识别平面的投影对准的平移;以及
在施加所确定的平移之后,确定最小化在所成像患者的表面上的所识别点与包含所述目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的旋转。
17.根据权利要求11所述的患者监视系统,还包括:
最近顶点阵列,其可操作来存储针对规则网格上的点来识别所述目标模型存储器中存储的模型的离所述点最近的顶点的数据,
其中,所述匹配模块可操作来通过以下步骤识别所述目标模型存储器中存储的目标模型表面中离由所述3D位置确定模块所识别的点最近的三角形:
识别所述规则3D网格的离所成像患者的表面上的点最近的部分;以及
通过所述最近顶点阵列利用与所述3D网格的所识别部分相关联的顶点来识别所述目标模型表面中离所述点最近的三角形。
18.根据权利要求17所述的患者监视系统,其中,所述匹配模块可操作来通过以下步骤来通过所述最近顶点阵列利用与所述3D网格的所识别部分相关联的顶点来识别目标模型表面中离所述点最近的三角形:
通过所述最近顶点阵列中的数据来确定与所述3D网格的所识别部分相关联的顶点、所述模型表面中与当前正被处理的患者的表面上的点最近的顶点;
确定直接连接至所确定的最近顶点的顶点中的任一个是否更接近于当前正被处理的所成像患者的表面上的点的3D位置;
如果直接连接的顶点中的任一个被确定为更接近于当前正被处理的所成像患者的表面上的点的3D位置,则识别连接至该顶点的任意顶点是否更接近于当前正被处理的所成像物体的表面上的点的3D位置;以及
当确定所述直接连接的顶点都没被确定为更接近于当前正被处理的所成像患者的表面上的点的3D位置时,针对所述目标模型中包含最近所识别顶点的每个三角形来确定在包含该三角形的平面与所成像物体的表面上的点的3D位置之间的距离,以识别所述目标表面中离当前正被处理的患者的表面上的点最近的三角形。
19.根据权利要求17所述的患者监视系统,其中,所述匹配模块可操作来通过针对目标模型中的每个顶点执行下述步骤来生成阵列,其中该阵列针对3D空间中点的规则网格来识别目标模型中离这些点最近的顶点:
使用与目标模型的顶点相关联的3D坐标来识别规则3D网格中与所述顶点的位置最近的部分;
确定所述顶点与对应于规则3D网格的所识别部分中的点的位置之间的距离;以及
确定所识别的点是否与表示离所述目标模型中另一顶点更近的点的数据相关联,以及如果不是,将所述点关联到标识所述顶点和所述顶点与所述点之间的距离的数据。
20.根据权利要求19所述的患者监视系统,其中,所述匹配模块可进一步操作为:
通过以下来关联所述规则网格的不与所述最近顶点阵列中的数据相关联的部分:在与所述规则3D网格的轴相对应的方向中的每一个上遍历所述规则3D网格,以及当遍历所述网格时,确定在遍历方向上通过所述最近顶点阵列中的数据与所述网格上的邻近点相关联的顶点是否比之前与该网格点相关联的任何顶点更接近于与当前网格点相关联的位置,以及如果这样,关联所述最近顶点阵列中的该网格点和标识与该邻近网格点相关联的顶点的数据。
21.根据权利要求11所述的患者监视系统,还包括:
立体摄像机,其可操作来获得患者的立体图像,其中,所述3D位置确定模块被配置为处理由所述立体摄像机获得的立体图像。
22.根据权利要求21所述的患者监视系统,还包括:
机械床,其中,所述立体摄像机可操作来获得所述床上的患者的立体图像,以及所述匹配模块可操作来基于最小化在所成像患者的表面上的所识别点和包含所述目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的所计算的刚性转换,生成指令以使得所述机械床对准所成像患者。
23.根据权利要求11所述的患者监视系统,还包括治疗设备,其中所述治疗设备被配置为:如果所述匹配模块确定最小化在所成像患者的表面上的所识别点和包含所述目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的所计算的刚性转换表示患者从位置移动大于阈值量,则禁止操作。
24.一种存储计算机可执行指令的非瞬态计算机可读介质,所述计算机可执行指令在由可编程计算机执行时使得所述计算机确定用于将物体的位置与由目标模型表示的目标物体的位置匹配的刚性转换,所述目标模型包括标识三角形3D线网的顶点的集合的3D位置和表示顶点之间的连接的连通性的数据,所述方法包括:
获得物体的立体图像;
处理所述立体图像以识别所成像物体的表面上多个点的3D位置;
基于所识别的3D位置与所述目标模型中被识别为离所述位置最近的顶点之间的所确定距离来选择所成像物体的表面上的所识别3D位置的集合作为要用于确定刚性转换的点,所述刚性转换用于将物体的位置与目标物体的位置进行匹配;以及
计算最小化在所识别3D位置的集合与包含目标模型表面中被识别为离这些点最近的三角形的平面之间的点到平面距离的刚性转换。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1206915.9A GB2501308A (en) | 2012-04-19 | 2012-04-19 | Matching the position of an object to a target model using rigid transformations |
GB1206915.9 | 2012-04-19 | ||
PCT/GB2013/050976 WO2013156775A1 (en) | 2012-04-19 | 2013-04-17 | Patient monitor and method |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104246827A true CN104246827A (zh) | 2014-12-24 |
CN104246827B CN104246827B (zh) | 2016-12-14 |
Family
ID=46261590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380020931.1A Active CN104246827B (zh) | 2012-04-19 | 2013-04-17 | 患者监视器和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9420254B2 (zh) |
EP (1) | EP2839432B1 (zh) |
JP (1) | JP5996092B2 (zh) |
CN (1) | CN104246827B (zh) |
GB (1) | GB2501308A (zh) |
WO (1) | WO2013156775A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111052186A (zh) * | 2017-08-08 | 2020-04-21 | 维申Rt 有限公司 | 用于测量由患者监测系统生成的模型的准确度的方法和设备 |
CN111408072A (zh) * | 2015-04-02 | 2020-07-14 | 瓦里安医疗系统国际股份公司 | 射野剂量测定系统、设备和方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015008798A1 (ja) * | 2013-07-18 | 2015-01-22 | 三菱電機株式会社 | 目標類識別装置 |
US9530226B2 (en) * | 2014-02-18 | 2016-12-27 | Par Technology Corporation | Systems and methods for optimizing N dimensional volume data for transmission |
JP2015230982A (ja) * | 2014-06-05 | 2015-12-21 | 株式会社東芝 | 対象物分布解析装置および対象物分布解析方法 |
DE102015111291B4 (de) | 2015-06-12 | 2021-11-11 | Institut Für Luft- Und Kältetechnik Gemeinnützige Gmbh | Strömungsmaschine mit gegenläufigen Schaufelrädern |
US10272265B2 (en) | 2016-04-01 | 2019-04-30 | Varian Medical Systems International Ag | Collision avoidance for radiation therapy |
US9789338B1 (en) * | 2016-04-13 | 2017-10-17 | Vision Rt Ltd. | Patient monitoring system |
WO2018232634A1 (en) * | 2017-06-21 | 2018-12-27 | The Hong Kong Polytechnic University | APPARATUS AND METHOD FOR STIMULATING ULTRASOUND SPINAL CORD |
JP7350519B2 (ja) * | 2019-05-29 | 2023-09-26 | キヤノン株式会社 | 放射線撮影システム、放射線撮影制御装置及びその制御方法、並びに、プログラム |
US10881353B2 (en) * | 2019-06-03 | 2021-01-05 | General Electric Company | Machine-guided imaging techniques |
KR102235858B1 (ko) * | 2020-04-09 | 2021-04-02 | 에스케이씨 주식회사 | 탄화규소 잉곳의 제조방법 및 탄화규소 잉곳 제조용 시스템 |
Citations (3)
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 |
US7889906B2 (en) * | 2002-07-08 | 2011-02-15 | Vision Rt Limited | Image processing system for use with a patient positioning device |
CN102365655A (zh) * | 2009-06-10 | 2012-02-29 | 三菱电机株式会社 | 图像核对装置以及使用了该图像核对装置的患者定位装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6362820B1 (en) * | 1999-06-24 | 2002-03-26 | Microsoft Corporation | Quadric metric for simplifying meshes with appearance attributes |
GB2355789A (en) | 1999-10-26 | 2001-05-02 | Tricorder Technology Plc | Surface registration |
GB2465298B (en) * | 2004-09-24 | 2010-06-30 | Vision Rt Ltd | Image processing system for use with a patient positioning device |
US8591225B2 (en) * | 2008-12-12 | 2013-11-26 | Align Technology, Inc. | Tooth movement measurement by automatic impression matching |
JP5110356B2 (ja) | 2007-07-10 | 2012-12-26 | オムロン株式会社 | 検出装置および方法、並びに、プログラム |
US8108189B2 (en) * | 2008-03-25 | 2012-01-31 | Align Technologies, Inc. | Reconstruction of non-visible part of tooth |
-
2012
- 2012-04-19 GB GB1206915.9A patent/GB2501308A/en not_active Withdrawn
-
2013
- 2013-04-17 CN CN201380020931.1A patent/CN104246827B/zh active Active
- 2013-04-17 EP EP13718213.5A patent/EP2839432B1/en active Active
- 2013-04-17 US US14/394,704 patent/US9420254B2/en active Active
- 2013-04-17 JP JP2015506304A patent/JP5996092B2/ja active Active
- 2013-04-17 WO PCT/GB2013/050976 patent/WO2013156775A1/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7889906B2 (en) * | 2002-07-08 | 2011-02-15 | Vision Rt Limited | Image processing system for use with a patient positioning device |
US20050096515A1 (en) * | 2003-10-23 | 2005-05-05 | Geng Z. J. | Three-dimensional surface image guided adaptive therapy system |
CN102365655A (zh) * | 2009-06-10 | 2012-02-29 | 三菱电机株式会社 | 图像核对装置以及使用了该图像核对装置的患者定位装置 |
Non-Patent Citations (5)
Title |
---|
ANDREI SHARF等: "Context-based Surface Completion", 《PROCEEDING OF SIGGRAPH "04 ACM SIGGRAPH 2004 PAPERS》 * |
FRANK B. TER HAAR等: "Automatic multiview quadruple alignment of unordered range scans", 《IEEE INTERNATIONAL CONFERENCE ON SHAPE MODELING AND APPLICATIONS,2007》 * |
S. M. YAMANY等: "Novel surface registration using the grid closest point (GCP) transform", 《1998 INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
YONGHUAI LIU: "Penalizing closest point sharing for automatic free form shape registration", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
佟帅等: "基于视觉的三维重建技术综述", 《计算机应用研究》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111408072A (zh) * | 2015-04-02 | 2020-07-14 | 瓦里安医疗系统国际股份公司 | 射野剂量测定系统、设备和方法 |
US11191979B2 (en) | 2015-04-02 | 2021-12-07 | Varian Medical Systems International Ag | Portal dosimetry systems, devices, and methods |
CN111408072B (zh) * | 2015-04-02 | 2022-04-26 | 瓦里安医疗系统国际股份公司 | 评价放射剂量递送的装置和验证放射剂量递送的系统 |
CN111052186A (zh) * | 2017-08-08 | 2020-04-21 | 维申Rt 有限公司 | 用于测量由患者监测系统生成的模型的准确度的方法和设备 |
CN111052186B (zh) * | 2017-08-08 | 2023-06-02 | 维申Rt 有限公司 | 患者监测系统生成的模型的准确度的测量方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
JP5996092B2 (ja) | 2016-09-21 |
US20150071527A1 (en) | 2015-03-12 |
GB2501308A (en) | 2013-10-23 |
EP2839432A1 (en) | 2015-02-25 |
CN104246827B (zh) | 2016-12-14 |
US9420254B2 (en) | 2016-08-16 |
JP2015515068A (ja) | 2015-05-21 |
EP2839432B1 (en) | 2016-07-20 |
WO2013156775A1 (en) | 2013-10-24 |
GB201206915D0 (en) | 2012-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104246827A (zh) | 患者监视器和方法 | |
US11605185B2 (en) | System and method for generating partial surface from volumetric data for registration to surface topology image data | |
US10861193B2 (en) | Method of calibrating a patient monitoring system for use with a radiotherapy treatment apparatus | |
CN111627521B (zh) | 增强现实在放疗中的应用 | |
JP7553561B2 (ja) | 動きに影響される治療線量を再構成するための部分変形マップ | |
CN101467180A (zh) | 轮廓三角测量系统和方法 | |
EP3285639B1 (en) | Monitoring a patient's position using a planning image and subsequent thermal imaging | |
US11628012B2 (en) | Patient positioning using a skeleton model | |
US11348216B2 (en) | Technologies for determining the accuracy of three-dimensional models for use in an orthopaedic surgical procedure | |
CN105339983A (zh) | 链接跨成像研究的乳腺病变位置 | |
AU2020217368A1 (en) | Technologies for determining the accuracy of three-dimensional models for use in an orthopaedic surgical procedure | |
Wagner et al. | Accuracy analysis for triangulation and tracking based on time‐multiplexed structured light | |
Noe et al. | Surface membrane based bladder registration for evaluation of accumulated dose during brachytherapy in cervical cancer | |
CN112075957B (zh) | 乳腺环扫轨迹规划方法、装置及计算机可读存储介质 | |
EP4299114A1 (en) | Methods, systems and computer readable mediums for determining a region-of-interest in surface-guided monitoring | |
KR102691188B1 (ko) | 혈관의 3차원 형상 복원 방법 및 장치 | |
Yu et al. | Real-time Perception of Patient Space for Collision Avoidance in Radiation Treatmet | |
US20240233103A9 (en) | Technologies for determining the accuracy of three-dimensional models for use in an orthopaedic surgical procedure | |
Rahman | Development of an Arduino-Based 3D Printed 6DOF Robotic Phantom and a Matlab-Based Software for Radiation Therapy Quality Assurance | |
Chai et al. | Real-time monitoring system with accelerator controlling: An improvement of radiotherapy monitoring based on binocular location and classification | |
Shih et al. | SLResNet: Neural-Network-Based End-to-End Structure Light 3D Reconstruction for Endoscope | |
CN117984310A (zh) | 医疗机器人的避障方法、装置、系统和医疗机器人 | |
He et al. | A Self-termination judgment method in 3D object automatic measurement and inspection | |
Oliveira et al. | Depth-map images for the aesthetic evaluation of breast cancer treatment | |
Hentschke et al. | Intensity-based Registration of 2D-DSA and 3D-DSA Data Sets for Flow Simulation in Intracranial Aneurysms. |
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 |