CN104463832A - 一种神经外科手术导航的注册方法及系统 - Google Patents
一种神经外科手术导航的注册方法及系统 Download PDFInfo
- Publication number
- CN104463832A CN104463832A CN201310442944.XA CN201310442944A CN104463832A CN 104463832 A CN104463832 A CN 104463832A CN 201310442944 A CN201310442944 A CN 201310442944A CN 104463832 A CN104463832 A CN 104463832A
- Authority
- CN
- China
- Prior art keywords
- registration
- art
- image
- point set
- obtains
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明适用于医学领域,提供了一种神经外科手术导航的注册方法,包括:对病人头部作CT/MR扫描获取术前图像,并分割术前图像;根据分割后的术前图像提取头部表面的两条中线;提取分割后的术前图像的表面并简化;在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化;通过高斯混合模型方法做术前点集与术中点集的配准;在术中利用探针在病人额头部位无规则划线取点并简化;在初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。本发明还提供了一种神经外科手术导航的注册系统。本发明所提供的神经外科手术导航的注册方法及系统能有效地提高注册精度。
Description
技术领域
本发明涉及医学图像处理及应用技术领域,尤其涉及一种神经外科手术导航的注册方法及系统。
背景技术
对于神经外科手术,医生通常凭借经验确定病灶或功能区域,因此经验较少的医生很难实施此类手术。随着计算机辅助诊断的出现,特别是神经外科手术导航系统的实施,使得手术过程中医生能够从病人的术前图像中观察到手术器械相对病灶的位置,从而能够快速准确的确定病灶或功能区域,大大增强了手术的可复制性。
神经外科手术导航系统的关键技术是将术中手术器械映射到术前病人图像空间中,即求解病人空间与图像空间之间的变换关系,此过程称为注册。
传统的注册方法大致分为三步:1)在患者头部固定若干人工标记点,通过CT/MR扫描获取带有标记点的术前图像;2)在术前图像中手动提取标记点的图像空间坐标,并于手术过程中利用光学定位系统获取标记点的病人空间坐标;3)对术前点集和术中点集做最小二乘拟合,得到图像空间和病人空间之间的变换关系。
上述这种传统的注册方法的缺点有:(1)术前设置人工标记点,不仅使得注册流程复杂化并且对病人产生一定的伤害性;(2)手动选取术前点集,容易造成较大配准误差,也不利于注册流程的简化;(3)基于标记点的注册方法,因标记点数量较少,其所携带的空间信息较少,无法获得一个足够小的注册误差。
因此,亟需设计一种全新的神经外科手术导航的注册方法及系统,从而可以提高注册精度。
发明内容
有鉴于此,本发明实施例的目的在于提供一种神经外科手术导航的注册方法及系统,旨在解决现有技术中神经外科手术导航的注册方法及系统的注册精度不够的问题。
本发明实施例是这样实现的,一种神经外科手术导航的注册方法,包括:
对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像;
根据分割后的所述术前图像提取头部表面的两条中线;
提取分割后的所述术前图像的表面并简化;
在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化;
通过高斯混合模型方法做术前点集与术中点集的配准,以完成注册过程的初始配准,并得到初始的空间变换参数;
在术中利用探针在病人额头部位无规则划线取点并简化;
在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。
优选的,所述对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像的步骤具体包括:
通过CT/MR扫描获取病人头部的三维体数据;
对所述三维体数据做区域生长分割得到初始分割后的图像;
提取最大连通区域,并做腐蚀操作以得到只包含头部区域的二值图像。
优选的,所述根据分割后的所述术前图像提取头部表面的两条中线的步骤具体包括:
计算分割后的所述二值图像的质心;
提取所述二值图像的轮廓,并在所述质心所在的矢状面和冠状面上提取轮廓线并组成头部表面的两条中线。
优选的,所述提取分割后的所述术前图像的表面并简化的步骤具体包括:
对于分割后的所述二值图像,通过移动立方体算法获取头部表面数据;
通过基于误差二次曲线与定向边缘的网格简化算法处理所述头部表面数据以得到简化后的所述术前图像的表面。
优选的,所述在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化的步骤具体包括:
通过探针划线取点方式获取术中点集后,根据点的空间坐标值,对所述点集中的每个点做中值滤波,并剔除两点距离小于0.5mm时的其中一个点。
优选的,所述预设算法为Perturbed ICP算法,其中,所述在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数的步骤具体包括:
利用探针划线取点方式在病人额头部位进行划线取点以得到精配准阶段的术中点集,并对所述精配准阶段的术中点集进行简化处理;
在所述初始配准的基础上,利用所述Perturbed ICP算法将简化后的所述精配准阶段的术中点集与简化后的术前表面做Perturbed ICP配准,并得到最终的空间变换参数。
另一方面,本发明还提供一种神经外科手术导航的注册系统,所述注册系统包括:
图像获取模块,用于对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像;
中线提取模块,用于根据分割后的所述术前图像提取头部表面的两条中线;
表面简化模块,用于提取分割后的所述术前图像的表面并简化;
中线简化模块,用于在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化;
初始配准模块,用于通过高斯混合模型方法做术前点集与术中点集的配准,以完成注册过程的初始配准,并得到初始的空间变换参数;
额头简化模块,用于在术中利用探针在病人额头部位无规则划线取点并简化;
最终配准模块,用于在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。
优选的,所述图像获取模块包括:
第一获取子模块,用于通过CT/MR扫描获取病人头部的三维体数据;
第二获取子模块,用于对所述三维体数据做区域生长分割得到初始分割后的图像;
第三获取子模块,用于提取最大连通区域,并做腐蚀操作以得到只包含头部区域的二值图像。
优选的,所述中线提取模块包括:
第一提取子模块,用于计算分割后的所述二值图像的质心;
第二提取子模块,用于提取所述二值图像的轮廓,并在所述质心所在的矢状面和冠状面上提取轮廓线并组成头部表面的两条中线。
优选的,所述表面简化模块包括:
第一简化子模块,用于对于分割后的所述二值图像,通过移动立方体算法获取头部表面数据;
第二简化子模块,用于通过基于误差二次曲线与定向边缘的网格简化算法处理所述头部表面数据以得到简化后的所述术前图像的表面。
优选的,所述中线简化模块,具体用于通过探针划线取点方式获取术中点集后,根据点的空间坐标值,对所述点集中的每个点做中值滤波,并剔除两点距离小于0.5mm时的其中一个点。
优选的,所述预设算法为Perturbed ICP算法,其中,所述最终配准模块包括:
第一配准子模块,用于利用探针划线取点方式在病人额头部位进行划线取点以得到精配准阶段的术中点集,并对所述精配准阶段的术中点集进行简化处理;
第二配准子模块,用于在所述初始配准的基础上,利用所述Perturbed ICP算法将简化后的所述精配准阶段的术中点集与简化后的术前表面做PerturbedICP配准,并得到最终的空间变换参数。
在本发明实施例中,本发明提供的技术方案,通过自动提取术前点集,避免了手动取点的繁琐进而达到简化了注册流程的目的;通过使用探针(Probe)划线取点,增加了用于配准的空间信息,并引入由初始配准和精配准组成的二次配准法,从而大大提高了配准精度;通过采用Perturbed ICP算法进行初始配准后的校正,进而有效的规避了传统ICP算法容易陷入局部最优的缺陷,达到了较好的鲁棒性;通过对数据的简化,大大减少了注册时间,进而降低了注册的时间成本。
本发明不需要术前预先设置人工标记点即可实现注册,能够自动计算术前点集在图像中的位置,避免了手动取点的过程,同时利用Passive Polaris系统中探针(Probe)划线取得的点集作为术中点集与术前点集做配准,大大增加了用于注册的空间信息,从而有效地提高了注册精度。
附图说明
图1为本发明一实施方式中神经外科手术导航的注册方法流程图;
图2为本发明一实施方式中图1所示的步骤S11的详细方法流程图;
图3为本发明一实施方式中图1所示的步骤S12的详细方法流程图;
图4为本发明一实施方式中图1所示的步骤S13的详细方法流程图;
图5为本发明一实施方式中图1所示的步骤S17的详细方法流程图;
图6为本发明一实施方式中神经外科手术导航的注册系统10的结构示意图;
图7为本发明一实施方式中图6所示的图像获取模块101的具体结构示意图;
图8为本发明一实施方式中图6所示的中线提取模块102的具体结构示意图;
图9为本发明一实施方式中图6所示的表面简化模块103的具体结构示意图;
图10为本发明一实施方式中图6所示的最终配准模块107的具体结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明具体实施方式提供了一种神经外科手术导航的注册方法,主要包括如下步骤:
S11、对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像;
S12、根据分割后的所述术前图像提取头部表面的两条中线;
S13、提取分割后的所述术前图像的表面并简化;
S14、在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化;
S15、通过高斯混合模型方法做术前点集与术中点集的配准,以完成注册过程的初始配准,并得到初始的空间变换参数;
S16、在术中利用探针在病人额头部位无规则划线取点并简化;
S17、在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。
本发明所提供的一种神经外科手术导航的注册方法,不需要术前预先设置人工标记点即可实现注册,能够自动计算术前点集在图像中的位置,避免了手动取点的过程,同时利用Passive Polaris系统中探针(Probe)划线取得的点集作为术中点集与术前点集做配准,大大增加了用于注册的空间信息,从而有效地提高了注册精度。
以下将对本发明所提供的一种神经外科手术导航的注册方法进行详细说明。
请参阅图1,为本发明一实施方式中神经外科手术导航的注册方法流程图。
在步骤S11中,对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像。
在本实施方式中,步骤S11具体还包括更详细的步骤,如图2所示。
请参阅图2,为本发明一实施方式中图1所示的步骤S11的详细方法流程图。
在步骤S111中,通过CT/MR扫描获取病人头部的三维体数据。
在步骤S112中,对所述三维体数据做区域生长分割得到初始分割后的图像。
在步骤S113中,提取最大连通区域,并做腐蚀操作以得到只包含头部区域的二值图像。
请继续参阅图1,在步骤S12中,根据分割后的所述术前图像提取头部表面的两条中线。
在本实施方式中,步骤S12具体还包括更详细的步骤,如图3所示。
请参阅图3,为本发明一实施方式中图1所示的步骤S12的详细方法流程图。
在步骤S121中,计算分割后的所述二值图像的质心。
在步骤S122中,提取所述二值图像的轮廓,并在所述质心所在的矢状面和冠状面上提取轮廓线并组成头部表面的两条中线。
请继续参阅图1,在步骤S13中,提取分割后的所述术前图像的表面并简化。
在本实施方式中,步骤S13具体还包括更详细的步骤,如图4所示。
请参阅图4,为本发明一实施方式中图1所示的步骤S13的详细方法流程图。
在步骤S131中,对于分割后的所述二值图像,通过移动立方体(MarchingCubes)算法获取头部表面数据。
在步骤S132中,通过基于误差二次曲线与定向边缘的网格简化算法处理所述头部表面数据以得到简化后的所述术前图像的表面。在本实施方式中,简化后的表面点数是原始表面点数的一半。
请继续参阅图1,在步骤S14中,在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化。在本实施方式中,步骤S14具体包括:通过探针(Probe)划线取点方式获取术中点集后,根据点的空间坐标值,对所述点集中的每个点做中值滤波,并剔除两点距离小于0.5mm时的其中一个点。在本实施方式中,中值滤波的邻域范围为10,当两点的距离小于0.5mm时,则剔除其中一个点。
在步骤S15中,通过高斯混合模型方法做术前点集与术中点集的配准,以完成注册过程的初始配准,并得到初始的空间变换参数。
在步骤S16中,在术中利用探针在病人额头部位无规则划线取点并简化。在本实施方式中,简化的方法和步骤S14所示的简化方法相同。
在步骤S17中,在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。在本实施方式中,所述预设算法为Perturbed ICP算法。
在本实施方式中,步骤S17具体还包括更详细的步骤,如图5所示。
请参阅图5,为本发明一实施方式中图1所示的步骤S17的详细方法流程图。
在步骤S171中,利用探针划线取点方式在病人额头部位进行划线取点以得到精配准阶段的术中点集,并对所述精配准阶段的术中点集进行简化处理。在本实施方式中,简化的方法和步骤S14所示的简化方法相同。
在步骤S172中,在所述初始配准的基础上,利用所述Perturbed ICP算法将简化后的所述精配准阶段的术中点集与简化后的术前表面做Perturbed ICP配准,并得到最终的空间变换参数。
本实施方式中,Perturbed ICP算法是基于ICP算法的一种改进算法,其特点是能够有效避免算法在迭代过程中陷入局部最优,主要思想是当迭代陷入局部最优时(即若干次迭代后配准误差无明显变化),给变换参数施加一个适当的偏移即为扰动,具体的扰动策略为:
1)计算当次迭代结束后得到的变换参数与上一次迭代结束后变换参数之间的差||T2-T1||;
2)对于T2中每个平移分量施加一个适当的偏移量yi即定义yi的值从[-di,di]中均匀随机的选取;
3)若5次迭代后,配准误差无明显变化(即当差值小于0.1mm时认为是无明显变化),则从[-di,di]中随机选取yi施加于ti上;
4)在首次施加偏移后,若经过4次迭代,配准误差无明显变化,则从[-2di,2di]中随机选取yi施加于ti上;
5)在第2次施加偏移之后,若经过3次迭代,配准误差无明显变化,则从[-3di,3di]中随机选取yi施加于ti上,依次类推,直至施加完第5次偏移后,停止扰动。
本发明所提供的一种神经外科手术导航的注册方法,通过自动提取术前点集,避免了手动取点的繁琐进而达到简化了注册流程的目的;通过使用探针(Probe)划线取点,增加了用于配准的空间信息,并引入由初始配准和精配准组成的二次配准法,从而大大提高了配准精度;通过采用Perturbed ICP算法进行初始配准后的校正,进而有效的规避了传统ICP算法容易陷入局部最优的缺陷,达到了较好的鲁棒性;通过对数据的简化,大大减少了注册时间,进而降低了注册的时间成本。
本发明具体实施方式还提供一种神经外科手术导航的注册系统10,主要包括:
图像获取模块101,用于对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像;
中线提取模块102,用于根据分割后的所述术前图像提取头部表面的两条中线;
表面简化模块103,用于提取分割后的所述术前图像的表面并简化;
中线简化模块104,用于在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化;
初始配准模块105,用于通过高斯混合模型方法做术前点集与术中点集的配准,以完成注册过程的初始配准,并得到初始的空间变换参数;
额头简化模块106,用于在术中利用探针在病人额头部位无规则划线取点并简化;
最终配准模块107,用于在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。
本发明所提供的一种神经外科手术导航的注册系统10,不需要术前预先设置人工标记点即可实现注册,能够自动计算术前点集在图像中的位置,避免了手动取点的过程,同时利用Passive Polaris系统中探针(Probe)划线取得的点集作为术中点集与术前点集做配准,大大增加了用于注册的空间信息,从而有效地提高了注册精度。
以下将对本发明所提供的一种神经外科手术导航的注册系统10进行详细说明。
请参阅图6,所示为本发明一实施方式中神经外科手术导航的注册系统10的结构示意图。在本实施方式中,神经外科手术导航的注册系统10包括图像获取模块101、中线提取模块102、表面简化模块103、中线简化模块104、初始配准模块105、额头简化模块106以及最终配准模块107。
图像获取模块101,用于对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像。
在本实施方式中,图像获取模块101具体包括第一获取子模块1011、第二获取子模块1012、第三获取子模块1013,如图7所示。
请参阅图7,为本发明一实施方式中图6所示的图像获取模块101的具体结构示意图。
第一获取子模块1011,用于通过CT/MR扫描获取病人头部的三维体数据;
第二获取子模块1012,用于对所述三维体数据做区域生长分割得到初始分割后的图像;
第三获取子模块1013,用于提取最大连通区域,并做腐蚀操作以得到只包含头部区域的二值图像。
请继续参阅图6,中线提取模块102,用于根据分割后的所述术前图像提取头部表面的两条中线。
在本实施方式中,中线提取模块102具体包括第一提取子模块1021和第二提取子模块1022,如图8所示。
请参阅图8,为本发明一实施方式中图6所示的中线提取模块102的具体结构示意图。
第一提取子模块1021,用于计算分割后的所述二值图像的质心;
第二提取子模块1022,用于提取所述二值图像的轮廓,并在所述质心所在的矢状面和冠状面上提取轮廓线并组成头部表面的两条中线。
请继续参阅图6,表面简化模块103,用于提取分割后的所述术前图像的表面并简化。
在本实施方式中,表面简化模块103具体包括第一简化子模块1031和第二简化子模块1032,如图9所示。
请参阅图9,为本发明一实施方式中图6所示的表面简化模块103的具体结构示意图。
第一简化子模块1031,用于对于分割后的所述二值图像,通过移动立方体(Marching Cubes)算法获取头部表面数据。
第二简化子模块1032,用于通过基于误差二次曲线与定向边缘的网格简化算法处理所述头部表面数据以得到简化后的所述术前图像的表面。在本实施方式中,简化后的表面点数是原始表面点数的一半。
请继续参阅图6,中线简化模块104,用于在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化。在本实施方式中,中线简化模块104具体用于通过探针划线取点方式获取术中点集后,根据点的空间坐标值,对所述点集中的每个点做中值滤波,并剔除两点距离小于0.5mm时的其中一个点。在本实施方式中,中值滤波的邻域范围为10,当两点的距离小于0.5mm时,则剔除其中一个点。
初始配准模块105,用于通过高斯混合模型方法做术前点集与术中点集的配准,以完成注册过程的初始配准,并得到初始的空间变换参数。
额头简化模块106,用于在术中利用探针在病人额头部位无规则划线取点并简化。
最终配准模块107,用于在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。在本实施方式中,所述预设算法为Perturbed ICP算法。
在本实施方式中,最终配准模块107具体包括第一配准子模块1071和第二配准子模块1072,如图10所示。
请参阅图10,为本发明一实施方式中图6所示的最终配准模块107的具体结构示意图。
第一配准子模块1071,用于利用探针划线取点方式在病人额头部位进行划线取点以得到精配准阶段的术中点集,并对所述精配准阶段的术中点集进行简化处理。在本实施方式中,简化的方法和步骤S14所示的简化方法相同。
第二配准子模块1072,用于在所述初始配准的基础上,利用所述PerturbedICP算法将简化后的所述精配准阶段的术中点集与简化后的术前表面做Perturbed ICP配准,并得到最终的空间变换参数。
本实施方式中,Perturbed ICP算法是基于ICP算法的一种改进算法,其特点是能够有效避免算法在迭代过程中陷入局部最优,主要思想是当迭代陷入局部最优时(即若干次迭代后配准误差无明显变化),给变换参数施加一个适当的偏移即为扰动,具体的扰动策略为:
1)计算当次迭代结束后得到的变换参数与上一次迭代结束后变换参数之间的差||T2-T1||;
2)对于T2中每个平移分量施加一个适当的偏移量yi即定义yi的值从[-di,di]中均匀随机的选取;
3)若5次迭代后,配准误差无明显变化(即当差值小于0.1mm时认为是无明显变化),则从[-di,di]中随机选取yi施加于ti上;
4)在首次施加偏移后,若经过4次迭代,配准误差无明显变化,则从[-2di,2di]中随机选取yi施加于ti上;
5)在第2次施加偏移之后,若经过3次迭代,配准误差无明显变化,则从[-3di,3di]中随机选取yi施加于ti上,依次类推,直至施加完第5次偏移后,停止扰动。
本发明所提供的一种神经外科手术导航的注册系统10,通过自动提取术前点集,避免了手动取点的繁琐进而达到简化了注册流程的目的;通过使用探针(Probe)划线取点,增加了用于配准的空间信息,并引入由初始配准和精配准组成的二次配准法,从而大大提高了配准精度;通过采用Perturbed ICP算法进行初始配准后的校正,进而有效的规避了传统ICP算法容易陷入局部最优的缺陷,达到了较好的鲁棒性;通过对数据的简化,大大减少了注册时间,进而降低了注册的时间成本。
在本发明实施例中,本发明提供的技术方案,不需要术前预先设置人工标记点即可实现注册,能够自动计算术前点集在图像中的位置,避免了手动取点的过程,同时利用Passive Polaris系统中探针(Probe)划线取得的点集作为术中点集与术前点集做配准,大大增加了用于注册的空间信息,从而有效地提高了注册精度。
值得注意的是,上述实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种神经外科手术导航的注册方法,其特征在于,所述方法包括:
对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像;
根据分割后的所述术前图像提取头部表面的两条中线;
提取分割后的所述术前图像的表面并简化;
在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化;
通过高斯混合模型方法做术前点集与术中点集的配准,以完成注册过程的初始配准,并得到初始的空间变换参数;
在术中利用探针在病人额头部位无规则划线取点并简化;
在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。
2.如权利要求1所述的神经外科手术导航的注册方法,其特征在于,所述对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像的步骤具体包括:
通过CT/MR扫描获取病人头部的三维体数据;
对所述三维体数据做区域生长分割得到初始分割后的图像;
提取最大连通区域,并做腐蚀操作以得到只包含头部区域的二值图像。
3.如权利要求2所述的神经外科手术导航的注册方法,其特征在于,所述根据分割后的所述术前图像提取头部表面的两条中线的步骤具体包括:
计算分割后的所述二值图像的质心;
提取所述二值图像的轮廓,并在所述质心所在的矢状面和冠状面上提取轮廓线并组成头部表面的两条中线。
4.如权利要求2所述的神经外科手术导航的注册方法,其特征在于,所述提取分割后的所述术前图像的表面并简化的步骤具体包括:
对于分割后的所述二值图像,通过移动立方体算法获取头部表面数据;
通过基于误差二次曲线与定向边缘的网格简化算法处理所述头部表面数据以得到简化后的所述术前图像的表面。
5.如权利要求1所述的神经外科手术导航的注册方法,其特征在于,所述在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化的步骤具体包括:
通过探针划线取点方式获取术中点集后,根据点的空间坐标值,对所述点集中的每个点做中值滤波,并剔除两点距离小于0.5mm时的其中一个点。
6.如权利要求1所述的神经外科手术导航的注册方法,其特征在于,所述预设算法为Perturbed ICP算法,其中,所述在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数的步骤具体包括:
利用探针划线取点方式在病人额头部位进行划线取点以得到精配准阶段的术中点集,并对所述精配准阶段的术中点集进行简化处理;
在所述初始配准的基础上,利用所述Perturbed ICP算法将简化后的所述精配准阶段的术中点集与简化后的术前表面做Perturbed ICP配准,并得到最终的空间变换参数。
7.一种神经外科手术导航的注册系统,其特征在于,所述注册系统包括:
图像获取模块,用于对病人头部作CT/MR扫描获取术前图像,并分割所述术前图像;
中线提取模块,用于根据分割后的所述术前图像提取头部表面的两条中线;
表面简化模块,用于提取分割后的所述术前图像的表面并简化;
中线简化模块,用于在术中利用探针划线取点方式获取术中病人头部表面的两条中线并简化;
初始配准模块,用于通过高斯混合模型方法做术前点集与术中点集的配准,以完成注册过程的初始配准,并得到初始的空间变换参数;
额头简化模块,用于在术中利用探针在病人额头部位无规则划线取点并简化;
最终配准模块,用于在所述初始配准的基础上通过预设算法做术中额头部位点集与术前表面的配准,并得到最终的空间变换参数。
8.如权利要求7所述的神经外科手术导航的注册系统,其特征在于,所述图像获取模块包括:
第一获取子模块,用于通过CT/MR扫描获取病人头部的三维体数据;
第二获取子模块,用于对所述三维体数据做区域生长分割得到初始分割后的图像;
第三获取子模块,用于提取最大连通区域,并做腐蚀操作以得到只包含头部区域的二值图像。
9.如权利要求8所述的神经外科手术导航的注册系统,其特征在于,所述中线提取模块包括:
第一提取子模块,用于计算分割后的所述二值图像的质心;
第二提取子模块,用于提取所述二值图像的轮廓,并在所述质心所在的矢状面和冠状面上提取轮廓线并组成头部表面的两条中线。
10.如权利要求8所述的神经外科手术导航的注册系统,其特征在于,所述表面简化模块包括:
第一简化子模块,用于对于分割后的所述二值图像,通过移动立方体算法获取头部表面数据;
第二简化子模块,用于通过基于误差二次曲线与定向边缘的网格简化算法处理所述头部表面数据以得到简化后的所述术前图像的表面。
11.如权利要求7所述的神经外科手术导航的注册系统,其特征在于,所述中线简化模块,具体用于通过探针划线取点方式获取术中点集后,根据点的空间坐标值,对所述点集中的每个点做中值滤波,并剔除两点距离小于0.5mm时的其中一个点。
12.如权利要求7所述的神经外科手术导航的注册系统,其特征在于,所述预设算法为Perturbed ICP算法,其中,所述最终配准模块包括:
第一配准子模块,用于利用探针划线取点方式在病人额头部位进行划线取点以得到精配准阶段的术中点集,并对所述精配准阶段的术中点集进行简化处理;
第二配准子模块,用于在所述初始配准的基础上,利用所述Perturbed ICP算法将简化后的所述精配准阶段的术中点集与简化后的术前表面做PerturbedICP配准,并得到最终的空间变换参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310442944.XA CN104463832B (zh) | 2013-09-25 | 2013-09-25 | 一种神经外科手术导航的注册方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310442944.XA CN104463832B (zh) | 2013-09-25 | 2013-09-25 | 一种神经外科手术导航的注册方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463832A true CN104463832A (zh) | 2015-03-25 |
CN104463832B CN104463832B (zh) | 2018-04-13 |
Family
ID=52909817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310442944.XA Active CN104463832B (zh) | 2013-09-25 | 2013-09-25 | 一种神经外科手术导航的注册方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463832B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108836479A (zh) * | 2018-05-16 | 2018-11-20 | 山东大学 | 一种医学图像配准方法和手术导航系统 |
CN109994188A (zh) * | 2019-03-12 | 2019-07-09 | 上海嘉奥信息科技发展有限公司 | 基于ndi的神经外科导航配准测试方法和系统 |
CN113850851A (zh) * | 2021-09-03 | 2021-12-28 | 北京长木谷医疗科技有限公司 | 手术机器人骨骼的配准方法及系统 |
CN113842213A (zh) * | 2021-09-03 | 2021-12-28 | 北京长木谷医疗科技有限公司 | 手术机器人导航定位方法及系统 |
CN113842214A (zh) * | 2021-09-03 | 2021-12-28 | 北京长木谷医疗科技有限公司 | 手术机器人导航定位系统及方法 |
CN113907889A (zh) * | 2021-09-03 | 2022-01-11 | 北京长木谷医疗科技有限公司 | 机器人机械臂的控制方法及系统 |
WO2023029784A1 (zh) * | 2021-09-03 | 2023-03-09 | 北京长木谷医疗科技有限公司 | 手术机器人追踪和移动的方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1775183A (zh) * | 2005-12-07 | 2006-05-24 | 嘉兴市第一医院 | 有框架立体定向神经外科手术系统注册方法 |
CN101332088A (zh) * | 2008-07-21 | 2008-12-31 | 深圳先进技术研究院 | 一种获取脑部特征参数的方法、系统及溶栓决策系统及方法 |
CN101496723A (zh) * | 2008-01-30 | 2009-08-05 | 深圳安科高技术股份有限公司 | 一种获取神经导航系统影像学资料的方法 |
CN101518447A (zh) * | 2009-03-02 | 2009-09-02 | 北京积水潭医院 | 一种提高脊柱外科手术计算机导航系统精度的方法 |
CN101628154A (zh) * | 2008-07-16 | 2010-01-20 | 深圳市海博科技有限公司 | 基于预测的图像引导跟踪方法 |
CN103417295A (zh) * | 2012-05-17 | 2013-12-04 | 中国科学院深圳先进技术研究院 | 手术导航系统及手术导航方法 |
-
2013
- 2013-09-25 CN CN201310442944.XA patent/CN104463832B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1775183A (zh) * | 2005-12-07 | 2006-05-24 | 嘉兴市第一医院 | 有框架立体定向神经外科手术系统注册方法 |
CN101496723A (zh) * | 2008-01-30 | 2009-08-05 | 深圳安科高技术股份有限公司 | 一种获取神经导航系统影像学资料的方法 |
CN101628154A (zh) * | 2008-07-16 | 2010-01-20 | 深圳市海博科技有限公司 | 基于预测的图像引导跟踪方法 |
CN101332088A (zh) * | 2008-07-21 | 2008-12-31 | 深圳先进技术研究院 | 一种获取脑部特征参数的方法、系统及溶栓决策系统及方法 |
CN101518447A (zh) * | 2009-03-02 | 2009-09-02 | 北京积水潭医院 | 一种提高脊柱外科手术计算机导航系统精度的方法 |
CN103417295A (zh) * | 2012-05-17 | 2013-12-04 | 中国科学院深圳先进技术研究院 | 手术导航系统及手术导航方法 |
Non-Patent Citations (5)
Title |
---|
MICHAEL GARLAND 等: "Surface Simplification Using Quadric Error Metrics", 《COMPUTER GRAPHICS AND INTERACTIVE TECHNIQUES》 * |
YONGHONG LI 等: "Registration of Head CT Images with Subarachnoid Hemorrhage", 《BIOMEDICAL ENGINEERING AND INFORMATICS》 * |
向华: "手术导航三维空间配准技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
吴劲松: "融合功能磁共振影像的神经导航治疗运动区脑肿瘤", 《中国优秀博硕士学位论文全文数据库(博士) 医药卫生科技辑》 * |
宋来君 等: "手术导航系统在神经外科临床应用的初步探讨", 《河南实用神经疾病杂志》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108836479A (zh) * | 2018-05-16 | 2018-11-20 | 山东大学 | 一种医学图像配准方法和手术导航系统 |
CN108836479B (zh) * | 2018-05-16 | 2020-01-24 | 山东大学 | 一种医学图像配准方法和手术导航系统 |
CN109994188A (zh) * | 2019-03-12 | 2019-07-09 | 上海嘉奥信息科技发展有限公司 | 基于ndi的神经外科导航配准测试方法和系统 |
CN113850851A (zh) * | 2021-09-03 | 2021-12-28 | 北京长木谷医疗科技有限公司 | 手术机器人骨骼的配准方法及系统 |
CN113842213A (zh) * | 2021-09-03 | 2021-12-28 | 北京长木谷医疗科技有限公司 | 手术机器人导航定位方法及系统 |
CN113842214A (zh) * | 2021-09-03 | 2021-12-28 | 北京长木谷医疗科技有限公司 | 手术机器人导航定位系统及方法 |
CN113907889A (zh) * | 2021-09-03 | 2022-01-11 | 北京长木谷医疗科技有限公司 | 机器人机械臂的控制方法及系统 |
WO2023029784A1 (zh) * | 2021-09-03 | 2023-03-09 | 北京长木谷医疗科技有限公司 | 手术机器人追踪和移动的方法及系统 |
WO2023029362A1 (zh) * | 2021-09-03 | 2023-03-09 | 北京长木谷医疗科技有限公司 | 一种手术机器人导航定位方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104463832B (zh) | 2018-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104463832A (zh) | 一种神经外科手术导航的注册方法及系统 | |
Vezzetti et al. | 3D geometry-based automatic landmark localization in presence of facial occlusions | |
JP4785880B2 (ja) | 三次元オブジェクト認識のためのシステムおよび方法 | |
CN109146948A (zh) | 基于视觉的作物长势表型参数量化与产量相关性分析方法 | |
CN102799763B (zh) | 一种基于点云姿态标准化的点云线特征提取方法 | |
CN102663367B (zh) | 一种基于模拟退火算法的三维人脸识别方法 | |
CN110500954A (zh) | 一种基于圆特征及p3p算法的飞行器位姿测量方法 | |
WO2022179002A1 (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
CN106446773A (zh) | 一种全自动、鲁棒的三维人脸检测方法 | |
CN109903319A (zh) | 一种基于多分辨率的快速迭代最近点配准算法 | |
Chen et al. | The location and identification of concentric circles in automatic camera calibration | |
CN109994188A (zh) | 基于ndi的神经外科导航配准测试方法和系统 | |
CN115187676A (zh) | 一种高精度线激光三维重建标定方法 | |
CN104392434A (zh) | 一种基于三角形约束的图像匹配扩散方法 | |
WO2010084928A1 (ja) | 生体認証装置、生体認証方法及び記録媒体 | |
Mishra et al. | Active segmentation | |
Zou et al. | Sketch-based 3-D modeling for piecewise planar objects in single images | |
CN113159103B (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
CN114004894A (zh) | 基于三个标定板的激光雷达与双目相机空间关系确定方法 | |
CN104090945B (zh) | 一种地理空间实体构建方法及系统 | |
CN104392030B (zh) | 一种基于stl三维模型的曲面加工方法 | |
CN109801223A (zh) | 一种点云去噪及空洞修补方法 | |
CN102226919A (zh) | 基于非线性复扩散及全局和局部特性的角点检测方法 | |
Balzer et al. | Volumetric reconstruction applied to perceptual studies of size and weight | |
Meng et al. | Research on the ROI registration algorithm of the cardiac CT image time series |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |