CN104637061A - 一种二维三维医学图像配准方法 - Google Patents
一种二维三维医学图像配准方法 Download PDFInfo
- Publication number
- CN104637061A CN104637061A CN201510080333.4A CN201510080333A CN104637061A CN 104637061 A CN104637061 A CN 104637061A CN 201510080333 A CN201510080333 A CN 201510080333A CN 104637061 A CN104637061 A CN 104637061A
- Authority
- CN
- China
- Prior art keywords
- plane
- drr
- image
- dimensional
- axis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims description 20
- 239000012141 concentrate Substances 0.000 claims description 14
- 238000011524 similarity measure Methods 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000002591 computed tomography Methods 0.000 abstract description 7
- 238000001914 filtration Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000009792 diffusion process Methods 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002786 image-guided radiation therapy Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
- 238000002673 radiosurgery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
- G06T2207/10124—Digitally reconstructed radiograph [DRR]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Abstract
本发明提供能够快速对术中二维X光图像和术前三维CT图像配准的一种二维三维医学图像配准方法,包括:对三维CT图像进行滤波预处理,根据最大密度投影MIP算法,将所述三维CT图像在互相正交的两平面系内进行投影获得对应的两个数字重建影像DRR集;获取另外两个正交平面上的两个二维X光图像,并对所述二维X光图像进行滤波预处理;遍历所述两个DRR集与相应的所述另外两个正交的二维X光图像进行配准,确定对应的最相似的所述DRR及其平面内位置坐标、平面内旋转角度和平面外旋转角度;将所述坐标和角度转换到三维CT图像坐标系下得到六个配准参数。本发明所述方法能够对X光图像与预先生成的CT图像准确快速的进行实时配准。
Description
技术领域
本发明涉及医学成像技术领域,特别涉及一种二维三维医学图像配准方法。
背景技术
为实现图像引导治疗(Image Guided Therapy,IGRT),图像引导放射治疗(Image Guided Radiosurgery,IGRS)和图像引导微创治疗(Image GuidedMinimally Invasive Therapy,IGMIT),现有的手术病灶定位过程主要包括:在术前进行三维(Three Dimension,3D)的计算机断层放射扫描成像(Computed Tomography,CT);在术中实时扫描病灶二维(Two-Dimension,2D)的X光图像,并从CT图像中根据光线投影算法生成2D的数字重建影像(Digitally Reconstructed Radio-graphs,DRR),通过测DRR与X光图像相似度对CT图像与X光图像进行配准,从而获得病灶(X光图像)当前在CT图像中的准确位置和方向,进而实时引导治疗,这种方法在配准精度要求较高时则需消耗长时间生成大量DRR来进行配准,因此难以实现快速准确的CT与X光间的配准,使CT图像不能快速准确的引导治疗。
发明内容
本发明提供一种二维三维医学图像配准方法,以实现快速准确的三维CT图像与二维X光图像间的配准,使三维CT图像能够快速准确的引导治疗。
本发明一种二维三维医学图像配准方法,包括:
对病灶的三维CT图像进行滤波预处理,根据最大密度投影(maximumintensity projection,MIP)算法,将所述三维CT图像在互相正交两平面系内进行投影获得对应的两个数字重建影像DRR集;
获取所述病灶在最接近所述互相正交两平面系的另外两个正交平面上的两个二维X光图像,并对所述二维X光图像进行滤波预处理;
遍历所述两个DRR集与相应的所述另外两个正交二维X光图像进行配准,确定对应的最相似的所述DRR图像及其平面内位置坐标、平面内旋转角度和平面外旋转角度;
将所述平面内位置坐标、平面内旋转角度和平面外旋转角度转换到所述三维CT图像坐标系下得到六个配准参数。
本发明的有益效果为:
本发明一种二维三维医学图像配准方法通过对三维CT图像和二维X光图像进行曲率各向异性弥散(Curvature Anisotropic Diffusion)滤波预处理并采用MIP算法生成DRR集,采用近似方法将同样进行曲率各向异性弥散滤波预处理的二维X光图像与投影生成的DRR集分别在平面内和平面外配准,再将平面的四个配准参数变换到三维CT图像坐标系得到六个配准参数,解决了对实时生成二维X光图像与预先生成的三维CT图像进行2D/3D配准时由于重建DRR数量大而不能快速配准的技术问题,从而实现了快速准确的CT图像与X光间的配准,使CT图像能够快速准确的引导治疗。
附图说明
图1是本发明一种二维三维医学图像配准方法实施例一的流程图;
图2是本发明一种二维三维医学图像配准方法实施例一中DRR集与二维X光图像配准流程图;
图3是本发明一种二维三维医学图像配准方法实施例一中两正交方向X光图像的效果图;
图4是本发明一种二维三维医学图像配准方法实施例一中平面到三维配准参数转换的原理图;
图5是本发明一种二维三维医学图像配准方法实施例二中DRR集与二维X光图像配准流程图。
具体实施方式
图1是本发明一种二维三维医学图像配准方法实施例一的流程图,如图1所示,本发明一种二维三维医学图像配准方法,包括:
S101、对病灶的三维CT图像进行滤波预处理,根据最大密度投影算法,将所述三维CT图像在互相正交两平面系内进行投影获得对应的两个数字重建影像DRR集;
所述三维CT图像还可以用CT、MRI、PER或3DRA图像替换;优选的,所述x轴为人体三维CT图像的纵轴,所述三维CT图像为术前也即在手术计划阶段生成的计算机断层放射扫描成像CT图像;
优选的,所述滤波预处理为曲率各向异性弥散(Curvature AnisotropicDiffusion,CAD)滤波预处理;
各向异性弥散算法通过创建尺度空间图像集,并与二维各项同性高斯滤波器进行卷积,从而达到上述效果,其定义方程为:
其中,I为尺度空间图像集,Δ为拉普拉斯算子,为图像梯度,div为散度算子,c(x,y,t)为弥散系数,是一个用来控制平滑程度的单调递减函数,满足随梯度增大而减小。这样保证了在区域内部以较快速度弥散,在边缘处不再弥散,进而起到边缘增强的作用;时间步长最大不超过0.5/2N,N为图像维度,对三维CT图像取时间步长为0.12,对于二维X光图像,取时间步长为0.06,以保证两种图像不但得到平滑效果,和保证能保留图像的解剖结构细节。
需要说明的是,曲率各向异性弥散滤波是开源医学图像算法库(InsightToolkit,ITK)内置的实现各向异性弥散滤波程序,不但保证图像得到平滑效果,而且保证能边缘增强的作用,从而保留图像的解剖结构细节;
优选的,所述根据最大密度投影MIP算法,将三维CT图像沿互相正交的方向进行投影获得两组数字重建影像DRR集包括:
将三维CT图像直角坐标系xyz的xy平面和xz平面绕x轴转动第一角度分别形成第一参考平面和第二参考平面,在将所述第一参考平面和第二参考平面同时在小于采样角阈值范围内等间隔或不等间隔绕x轴转动形成的投影平面上对所述三维CT图像执行MIP算法获得对应的两组DRR后组成第一DRR集和第二DRR集;
优选的,所述采样角阈值为5°;所述在将第一参考平面和第二参考平面同时在小于采样角阈值范围内等间隔或不等间隔绕x轴转动形成的投影平面上对所述三维CT图像执行MIP算法获得对应的两组DRR包括:
在将所述第一参考平面和第二参考平面同时在0°~3°内以第一采样密度等间隔绕x轴转动形成的投影平面上、在3°~5°内以第二采样密度等间隔绕x轴转动形成的投影平面上对所述三维CT图像执行所述MIP算法获得对应的两组DRR,所述第一采样密度大于所述第二采样密度;所述第一采样密度可以为0.05°,所述第二采样密度可以为0.02°;在本步骤中,通过对参考平面邻域内的投影平面进行深度采样,对偏转较大的投影平面进行稀疏采样,可以进一步提高生成DRR集的效率;
S102、获取所述病灶在最接近所述互相正交两平面系的另外两个正交平面上的两个二维X光图像,并对所述二维X光图像进行滤波预处理;;
优选的,获取所述病灶在最接近所述互相正交两平面系的另外两个正交平面上的两个二维X光图像包括:
将三维直角坐标系x0y0z0的x0y0平面和x0z0平面绕x0轴转动所述第一角度分别形成第一图像平面和第二图像平面、所述三维直角坐标系的位置与取向趋近所述三维CT图像直角坐标系,获取分别在所述第一图像平面和第二图像平面内的第一二维X光图像和第二二维X光图像;
优选的,所述x'轴可以为人体的纵轴;所述二维X光图像可以为在手术进行过程中实时生成的X光图像;图3是本发明一种二维三维医学图像配准方法实施例一中两正交方向X光图像的效果图;
优选的,所述对二维X光图像进行滤波预处理的过程与S101中所述对三维CT图像预处理的过程类似,不再赘述;具体来说,这里分别对术前CT图像和术中X光图像进行曲率各向异性弥散(Curvature AnisotropicDiffusion,CAD)滤波预处理,保证能保留图像的解剖结构细节。
S103、遍历所述两个DRR集与相应的所述另外两个正交平面上的两个二维X光图像进行配准,确定对应的最相似的所述DRR的平面内位置坐标、平面内旋转角度和平面外旋转角度;图2是本发明一种二维三维医学图像配准方法实施例一中DRR集与二维X光图像配准流程图,如图2所示,优选的,所述遍历所述两个DRR集与相应的所述另外两个正交平面上的两个二维X光图像进行配准,确定对应的最相似的所述DRR图像及其平面内位置坐标、平面内旋转角度和平面外旋转角度包括:
遍历所述第一DRR集和第二DRR集分别与所述第一二维X光图像和第二二维X光图像进行配准并确定对应的最相似的所述DRR图像及其相对于所述第一参考平面的第一平面内位置坐标、第一平面内旋转角度和所述绕x轴转动的第一x向平面外旋转角度,及其相对于所述第二参考平面的第二平面内位置坐标、第二平面内旋转角度和所述绕x轴转动的第二x向平面外旋转角度,包括:
S1031、对所述第一二维X光图像与所述第一DRR集中第一个DRR根据多分辨率搜索和均方差和的相似性测度进行配准,确定所述第一个DRR相对于所述第一参考平面的第一平面内位置坐标、第一平面内旋转角度;对所述第二二维X光图像与所述第二DRR集中第一个DRR根据多分辨率搜索和均方差和的相似度测度进行配准,确定所述第二参考平面的第二平面内位置坐标、第二平面内旋转角度;
S1032、根据黄金分割法,对所述第一二维X光图像和所述第一DRR集进行配准,确定所述第一DRR集中最相似的DRR相对于第一参考平面的所述绕x轴转动的第一x向平面外旋转角度,和对所述第二二维X光图像和所述第二DRR集进行配准,确定所述第二DRR集中最相似的DRR相对于第二参考平面的所述绕x轴转动的第二x向平面外旋转角度;
S104、将所述平面内位置坐标、平面内旋转角度和平面外旋转角度转换到所述三维CT图像坐标系下得到六个配准参数;图4是本发明一种二维三维医学图像配准方法实施例一中平面到三维配准参数转换的原理图,如图4所示,为描述方便,图中坐标系x'y'z'为所述三维CT图像坐标系转动第一角度后、x轴与共x轴的所述第一参考平面和所述第二参考平面组成的虚拟三维CT图像坐标系;
优选的,所述将平面内位置坐标、平面内旋转角度和平面外旋转角度转换到所述三维CT图像坐标系下得到六个配准参数包括:
根据所述第一角度,所述第一角度可以为45度,将所述第一平面内位置坐标、第一平面内旋转角度和所述绕x轴转动的第一x向平面外旋转角度,或第二平面内位置坐标、第二平面内旋转角度和所述绕x轴转动的第二x向平面外旋转角度平面内位置坐标、平面内旋转角度和所述绕x轴转动的x向平面外旋转角度转换成所述三维CT图像直角坐标系下的六个配准参数,包括:
其中,分别表示所述在投影平面上对所述三维CT图像执行所述MIP算法时的所述DRR对所述三维CT图像在所述第一参考平面和第二参考平面内的放大因子;xA、yA分别表示所述最相似的DRR相对于所述第一参考平面的第一平面内位置坐标,xB、yB分别表示所述最相似的DRR相对于所述第二参考平面的第二平面内位置坐标;θA、θB分别表示所述对应的最相似的DRR相对于所述第一参考平面和第二参考平面的第一平面内旋转角度和第二平面内旋转角度;表示所述绕x轴转动的第一x向平面外旋转角度或所述绕x轴转动的第二x向平面外旋转角度。
本发明一种二维三维医学图像配准方法通过对三维CT图像和二维X光图像进行曲率各向异性弥散(Curvature Anisotropic Diffusion)滤波预处理并采用MIP算法生成DRR集,采用近似方法将同样进行曲率各向异性弥散滤波预处理的二维X光图像与投影生成的DRR集分别在平面内和平面外配准,再将平面的四个配准参数变换到三维CT图像坐标系得到六个配准参数,解决了对实时生成二维X光图像与预先生成的三维CT图像进行2D/3D配准时由于重建DRR数量大而不能快速配准的技术问题,从而实现了快速准确的CT图像与X光间的配准,使CT图像能够快速准确的引导治疗。
图5是本发明一种二维三维医学图像配准方法实施例二中DRR集与二维X光图像配准流程图,如图5所示,本发明一种二维三维医学图像配准方法实施例二中S201~S202与实施例一中S101~S102对应相同,S204与实施例中S104对应相同,不同之处在于,S203改变为:
S203、遍历所述两个DRR集与相应的所述另外两个正交平面上的两个二维X光图像进行配准,确定对应的最相似的所述DRR图像及其平面内位置坐标、平面内旋转角度和平面外旋转角度;
优选的,所述遍历所述两个DRR集与相应的所述另外两个正交平面上的两个二维X光图像进行配准,确定对应的最相似的所述DRR的平面内位置坐标、平面内旋转角度和平面外旋转角度包括:
遍历所述第一DRR集和第二DRR集分别与所述第一二维X光图像和第二二维X光图像进行配准并确定对应的最相似的所述DRR图像及其相对于所述第一参考平面的第一平面内位置坐标、第一平面内旋转角度和所述绕x轴转动的第一x向平面外旋转角度,以及相对于所述第二参考平面的第二平面内位置坐标、第二平面内旋转角度和所述绕x轴转动的第二x向平面外旋转角度,包括:
S2031、对所述第一二维X光图像与所述第一DRR集中第一个DRR根据多分辨率搜索和均方差和的相似性测度进行配准,确定所述第一个DRR相对于所述第一参考平面的第一平面内位置坐标、第一平面内旋转角度;对所述第二二维X光图像与所述第二DRR集中第一个DRR根据多分辨率搜索和均方差和的相似度测度进行配准,确定所述第二参考平面的第二平面内位置坐标、第二平面内旋转角度;
S2032、根据黄金分割法,对所述第一二维X光图像和所述第一DRR集进行配准,确定所述第一DRR集中最相似的DRR图像及其相对于第一参考平面的所述绕x轴转动的第一x向平面外旋转角度,和对所述第二二维X光图像和所述第二DRR集进行配准,确定所述第二DRR集中最相似的DRR图像及其相对于第二参考平面的所述绕x轴转动的第二x向平面外旋转角度;
S2033、根据陡降最小优化算法,通过利用所述第一x向平面外旋转角度和所述第二x向平面外旋转角度执行所述相似性测度的迭代,获得优化后的所述第一平面内位置坐标、第一平面内旋转角度、第二平面内位置坐标和第二平面内旋转角度。
可以看到,本实施例在一维搜索得到初步的配准结果后对配准参数进一步优化,本领域技术人员容易理解,所述优化过程是在最后一步变换得到配准参数之前进行的,且本步骤可以反复迭代以得到更优的结果,从而使得图像配准的准确度更高。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种二维三维医学图像配准方法,其特征在于,包括:
对病灶的三维CT图像进行滤波预处理,根据最大密度投影MIP算法,将所述三维CT图像在互相正交的两平面系内进行投影获得对应的两个数字重建影像DRR集;
获取所述病灶在最接近所述互相正交两平面系的另外两个正交平面上的两个二维X光图像,并对所述二维X光图像进行滤波预处理;
遍历所述两个DRR集与相应的所述另外两个正交的术中X光图像进行配准,确定对应的最相似的所述DRR及其平面内位置坐标、平面内旋转角度和平面外旋转角度;
将所述平面内位置坐标、平面内旋转角度和平面外旋转角度转换到所述三维CT图像坐标系下得到六个配准参数。
2.根据权利要求1所述的一种二维三维医学图像配准方法,其特征在于,所述滤波预处理为曲率各向异性弥散滤波预处理;时间步长最大不超过0.5/2N;
其中,N为图像维度。
3.根据权利要求1所述的一种二维三维医学图像配准方法,其特征在于,所述根据最大密度投影MIP算法,将三维CT图像沿互相正交的方向进行投影获得两组数字重建影像DRR集包括:
将三维CT图像所在直角坐标系xyz的xy平面和xz平面绕x轴转动第一角度分别形成第一参考平面和第二参考平面,在将所述第一参考平面和第二参考平面同时在小于采样角阈值范围内等间隔或不等间隔绕x轴转动形成的投影平面上对所述三维CT图像执行MIP算法获得对应的两组DRR后组成第一DRR集和第二DRR集;
相应的,遍历所述两个DRR集与相应的术中两个正交平面上的X光图像进行配准,确定对应的最相似的所述DRR图像及其平面内位置坐标、平面内旋转角度和平面外旋转角度包括:
遍历所述第一DRR集和第二DRR集分别与所述两张正交的X光图像进行配准并确定对应的最相似的所述DRR图像和相对于所述第一张X光图像的第一平面内位置坐标、第一平面内旋转角度和所述绕x轴转动的第一x向平面外旋转角度,和相对于所述第二张X光图像的第二平面内位置坐标、第二平面内旋转角度和所述绕x轴转动的第二x向平面外旋转角度;
相应的,所述将平面内位置坐标、平面内旋转角度和平面外旋转角度转换到所述三维CT图像坐标系下得到六个配准参数包括:
根据所述第一角度,将所述第一平面内位置坐标、第一平面内旋转角度和所述绕x轴转动的第一x向平面外旋转角度,和第二平面内位置坐标、第二平面内旋转角度和所述绕x轴转动的第二x向平面外旋转角度平面内位置坐标、平面内旋转角度和所述绕x轴转动的x向平面外旋转角度转换成所述三维CT图像直角坐标系下的六个配准参数。
4.根据权利要求2所述一种二维三维医学图像配准方法,其特征在于,所述滤波预处理的时间步长为0.12。
5.根据权利要求3所述一种二维三维医学图像配准方法,其特征在于,所述遍历第一DRR集和第二DRR集分别与所述第一X光图像和第二X光图像进行配准确定对应的最相似的所述DRR及其相对于所述第一参考平面的第一平面内位置坐标、第一平面内旋转角度和所述绕x轴转动的第一x向平面外旋转角度,以及,相对于所述第二参考平面的第二平面内位置坐标、第二平面内旋转角度和所述绕x轴转动的第二x向平面外旋转角度包括:
对所述第一X光图像与所述第一DRR集中第一个DRR根据多分辨率搜索和均方差和的相似性测度进行配准,确定所述第一个DRR相对于所述第一参考平面的第一平面内位置坐标、第一平面内旋转角度;对所述第二X光图像与所述第二DRR集中第一个DRR根据多分辨率搜索和均方差和的相似度测度进行配准,确定所述第二参考平面的第二平面内位置坐标、第二平面内旋转角度;
根据黄金分割法,对所述第一X光图像和所述第一DRR集进行配准,确定所述第一DRR集中最相似的DRR图像及其相对于第一参考平面的所述绕x轴转动的第一x向平面外旋转角度,和对所述第二二维X光图像和所述第二DRR集进行配准,确定所述第二DRR集中最相似的DRR图像及其相对于第二参考平面的所述绕x轴转动的第二x向平面外旋转角度。
6.根据权利要求3所述一种二维三维医学图像配准方法,其特征在于,在所述对第一X光图像和所述第一DRR集进行配准,确定所述第一DRR集中最相似的DRR相对于第一参考平面的所述绕x轴转动的第一x向平面外旋转角度,和对所述第二X光图像和所述第二DRR集进行配准,确定所述第二DRR集中最相似的DRR图像及其相对于第二参考平面的所述绕x轴转动的第二x向平面外旋转角度之后,还包括:
根据陡降最小优化算法,通过利用所述第一x向平面外旋转角度和所述第二x向平面外旋转角度执行所述相似性测度的迭代,获得优化后的所述第一平面内位置坐标、第一平面内旋转角度、第二平面内位置坐标和第二平面内旋转角度。
7.根据权利要求3所述的一种二维三维医学图像配准方法,其特征在于,所述第一角度为45度,相应的,所述根据第一角度,将所述第一平面内位置坐标、第一平面内旋转角度和所述绕x轴转动的第一x向平面外旋转角度,和第二平面内位置坐标、第二平面内旋转角度和所述绕x轴转动的第二x向平面外旋转角度平面内位置坐标、平面内旋转角度和所述绕x轴转动的x向平面外旋转角度转换成所述三维CT图像直角坐标系下的六个配准参数包括:
其中,分别表示所述在投影平面上对所述三维CT图像执行所述MIP算法时的所述DRR对所述三维CT图像在所述第一参考平面和第二参考平面内的放大因子;xA、yA分别表示所述最相似的DRR相对于所述第一参考平面的第一平面内位置坐标,xB、yB分别表示所述最相似的DRR相对于所述第二参考平面的第二平面内位置坐标;θA、θB分别表示所述对应的最相似的DRR相对于所述第一参考平面和第二参考平面的第一平面内旋转角度和第二平面内旋转角度;表示所述绕x轴转动的第一x向平面外旋转角度或所述绕x轴转动的第二x向平面外旋转角度。
8.根据权利要求3所述一种二维三维医学图像配准方法,其特征在于,所述采样角阈值为5°;所述在将第一参考平面和第二参考平面同时在小于采样角阈值范围内等间隔或不等间隔绕x轴转动形成的投影平面上对所述三维CT图像执行MIP算法获得对应的两组DRR包括:
在将所述第一参考平面和第二参考平面同时在0°~3°内以第一采样密度等间隔绕x轴转动形成的投影平面上、在3°~5°内以第二采样密度等间隔绕x轴转动形成的投影平面上对所述三维CT图像执行所述MIP算法获得对应的两组DRR,所述第一采样密度大于所述第二采样密度。
9.根据权利要求8所述一种二维三维医学图像配准方法,其特征在于,所述第一采样密度为0.05°,所述第二采样密度为0.02°。
10.根据权利要求1~9所述一种二维三维医学图像配准方法,其特征在于,所述x轴为病灶三维CT图像的纵轴,所述x'轴为病灶的纵轴。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510080333.4A CN104637061A (zh) | 2015-01-30 | 2015-02-13 | 一种二维三维医学图像配准方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2015100513115 | 2015-01-30 | ||
CN201510051311 | 2015-01-30 | ||
CN201510080333.4A CN104637061A (zh) | 2015-01-30 | 2015-02-13 | 一种二维三维医学图像配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104637061A true CN104637061A (zh) | 2015-05-20 |
Family
ID=53215767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510080333.4A Pending CN104637061A (zh) | 2015-01-30 | 2015-02-13 | 一种二维三维医学图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104637061A (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106198597A (zh) * | 2016-07-04 | 2016-12-07 | 中国科学院自动化研究所 | 基于组织学和超高场磁共振技术的计算神经解剖处理方法 |
CN106408509A (zh) * | 2016-04-29 | 2017-02-15 | 上海联影医疗科技有限公司 | 一种配准方法及其装置 |
CN109195527A (zh) * | 2016-03-13 | 2019-01-11 | 乌泽医疗有限公司 | 用于与骨骼手术一起使用的设备及方法 |
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 |
WO2019062177A1 (zh) * | 2017-09-26 | 2019-04-04 | 北京大学深圳研究生院 | 基于主视点的全景视频映射方法 |
CN109767458A (zh) * | 2018-12-21 | 2019-05-17 | 西北大学 | 一种半自动分段的顺序优化配准方法 |
CN110009669A (zh) * | 2019-03-22 | 2019-07-12 | 电子科技大学 | 一种基于深度强化学习的3d/2d医学图像配准方法 |
CN110428483A (zh) * | 2019-07-31 | 2019-11-08 | 北京长木谷医疗科技有限公司 | 一种图像处理方法及计算设备 |
WO2020006681A1 (zh) * | 2018-07-03 | 2020-01-09 | 西安大医集团有限公司 | 标记数据的获取方法及装置、训练方法及装置、医疗设备 |
CN111386555A (zh) * | 2018-10-30 | 2020-07-07 | 西安大医集团股份有限公司 | 图像引导方法及装置、医疗设备、计算机可读存储介质 |
CN111659031A (zh) * | 2020-06-24 | 2020-09-15 | 刘希军 | 一种具有二维图像融合功能的放射治疗计划系统 |
CN112132876A (zh) * | 2020-09-25 | 2020-12-25 | 天津大学 | 2d-3d图像配准中的初始位姿估计方法 |
CN112184782A (zh) * | 2020-09-21 | 2021-01-05 | 上海交通大学 | 一种骨关节的自动配准定位方法及装置 |
CN112308765A (zh) * | 2020-10-13 | 2021-02-02 | 杭州三坛医疗科技有限公司 | 投影参数的确定方法及装置 |
CN113040908A (zh) * | 2021-02-02 | 2021-06-29 | 武汉联影智融医疗科技有限公司 | 手术导航的配准方法、装置、计算机设备和存储介质 |
CN113100803A (zh) * | 2021-04-20 | 2021-07-13 | 西门子数字医疗科技(上海)有限公司 | 用于显示静脉血栓的方法、装置、计算机设备和介质 |
CN113421226A (zh) * | 2021-06-03 | 2021-09-21 | 山东师范大学 | 基于互信息的ct-dr多模态食管图像配准方法及系统 |
US11224483B2 (en) | 2017-07-08 | 2022-01-18 | Vuze Medical Ltd. | Apparatus and methods for use with image-guided skeletal procedures |
CN114159160A (zh) * | 2020-09-10 | 2022-03-11 | 杭州三坛医疗科技有限公司 | 手术导航方法、装置、电子设备、存储介质 |
CN115082534A (zh) * | 2022-07-21 | 2022-09-20 | 杭州三坛医疗科技有限公司 | 双平面图像配准方法、装置及机器人 |
CN117159138A (zh) * | 2023-09-20 | 2023-12-05 | 上海涛影医疗科技有限公司 | 一种基于关节定位的2d-3d配准方法及系统 |
WO2023240912A1 (zh) * | 2022-06-14 | 2023-12-21 | 中国人民解放军总医院第一医学中心 | 用于股骨颈骨折手术导航的图像配准方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070127845A1 (en) * | 2005-11-16 | 2007-06-07 | Dongshan Fu | Multi-phase registration of 2-D X-ray images to 3-D volume studies |
CN102222330A (zh) * | 2011-05-16 | 2011-10-19 | 付东山 | 一种二维-三维医学图像配准方法及系统 |
CN102222331A (zh) * | 2011-05-16 | 2011-10-19 | 付东山 | 一种基于双平板的二维-三维医学图像配准方法及系统 |
US20140334709A1 (en) * | 2013-05-07 | 2014-11-13 | The Johns Hopkins University | 3d-2d image registration for medical imaging |
-
2015
- 2015-02-13 CN CN201510080333.4A patent/CN104637061A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070127845A1 (en) * | 2005-11-16 | 2007-06-07 | Dongshan Fu | Multi-phase registration of 2-D X-ray images to 3-D volume studies |
CN102222330A (zh) * | 2011-05-16 | 2011-10-19 | 付东山 | 一种二维-三维医学图像配准方法及系统 |
CN102222331A (zh) * | 2011-05-16 | 2011-10-19 | 付东山 | 一种基于双平板的二维-三维医学图像配准方法及系统 |
US20140334709A1 (en) * | 2013-05-07 | 2014-11-13 | The Johns Hopkins University | 3d-2d image registration for medical imaging |
Non-Patent Citations (5)
Title |
---|
YANG LEI, YAN ZHANG: "An Improved 2D-3D Medical Image Registration Algorithm based on Modified Mutual Information and Expanded Powell Method", 《2013 IEEE INTERNATIONAL CONFERENCE ON MEDICAL IMAGING PHYSICS AND ENGINEERING》 * |
余建明,牛延涛: "《CR、DR成像技术学》", 30 September 2009 * |
周振环 等: "《医学图像分割与配准(ITC初步手册)》", 30 June 2007 * |
宋红 等: "腹部CT图像序列中的肝脏分割", 《哈尔滨工业大学学报》 * |
罗守华 等: "最大密度投影算法的改进", 《北京生物医学工程》 * |
Cited By (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11911118B2 (en) | 2016-03-13 | 2024-02-27 | Vuze Medical Ltd. | Apparatus and methods for use with skeletal procedures |
CN109195527A (zh) * | 2016-03-13 | 2019-01-11 | 乌泽医疗有限公司 | 用于与骨骼手术一起使用的设备及方法 |
US11452570B2 (en) | 2016-03-13 | 2022-09-27 | Vuze Medical Ltd. | Apparatus and methods for use with skeletal procedures |
US11490967B2 (en) | 2016-03-13 | 2022-11-08 | Vuze Medical Ltd. | Apparatus and methods for use with skeletal procedures |
CN106408509A (zh) * | 2016-04-29 | 2017-02-15 | 上海联影医疗科技有限公司 | 一种配准方法及其装置 |
CN106198597A (zh) * | 2016-07-04 | 2016-12-07 | 中国科学院自动化研究所 | 基于组织学和超高场磁共振技术的计算神经解剖处理方法 |
US11224483B2 (en) | 2017-07-08 | 2022-01-18 | Vuze Medical Ltd. | Apparatus and methods for use with image-guided skeletal procedures |
US11406338B2 (en) | 2017-07-08 | 2022-08-09 | Vuze Medical Ltd. | Apparatus and methods for use with image-guided skeletal procedures |
US11806183B2 (en) | 2017-07-08 | 2023-11-07 | Vuze Medical Ltd. | Apparatus and methods for use with image-guided skeletal procedures |
US11301953B2 (en) | 2017-09-26 | 2022-04-12 | Peking University Shenzhen Graduate School | Main viewpoint-based panoramic video mapping method |
WO2019062177A1 (zh) * | 2017-09-26 | 2019-04-04 | 北京大学深圳研究生院 | 基于主视点的全景视频映射方法 |
US11972582B2 (en) | 2018-07-03 | 2024-04-30 | Our United Corporation | Method and apparatus for acquiring labeled data, training method and apparatus, and medical equipment |
CN111149128B (zh) * | 2018-07-03 | 2024-03-29 | 西安大医集团股份有限公司 | 标记数据的获取方法及装置、训练方法及装置、医疗设备 |
CN111149128A (zh) * | 2018-07-03 | 2020-05-12 | 西安大医集团股份有限公司 | 标记数据的获取方法及装置、训练方法及装置、医疗设备 |
WO2020006681A1 (zh) * | 2018-07-03 | 2020-01-09 | 西安大医集团有限公司 | 标记数据的获取方法及装置、训练方法及装置、医疗设备 |
EP3819861A4 (en) * | 2018-07-03 | 2022-03-16 | Our United Corporation | METHOD AND APPARATUS FOR OBTAINING MARK DATA, METHOD AND APPARATUS FOR TEACHING, AND MEDICAL DEVICE |
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 |
CN111386555A (zh) * | 2018-10-30 | 2020-07-07 | 西安大医集团股份有限公司 | 图像引导方法及装置、医疗设备、计算机可读存储介质 |
CN111386555B (zh) * | 2018-10-30 | 2024-03-29 | 西安大医集团股份有限公司 | 图像引导方法及装置、医疗设备、计算机可读存储介质 |
US11961245B2 (en) | 2018-10-30 | 2024-04-16 | Our United Corporation | Method and apparatus for performing image guidance, medical equipment, and computer-readable storage medium |
CN109767458B (zh) * | 2018-12-21 | 2023-01-20 | 西北大学 | 一种半自动分段的顺序优化配准方法 |
CN109767458A (zh) * | 2018-12-21 | 2019-05-17 | 西北大学 | 一种半自动分段的顺序优化配准方法 |
CN110009669B (zh) * | 2019-03-22 | 2021-12-10 | 电子科技大学 | 一种基于深度强化学习的3d/2d医学图像配准方法 |
CN110009669A (zh) * | 2019-03-22 | 2019-07-12 | 电子科技大学 | 一种基于深度强化学习的3d/2d医学图像配准方法 |
CN110428483B (zh) * | 2019-07-31 | 2021-09-03 | 北京长木谷医疗科技有限公司 | 一种图像处理方法及计算设备 |
CN110428483A (zh) * | 2019-07-31 | 2019-11-08 | 北京长木谷医疗科技有限公司 | 一种图像处理方法及计算设备 |
CN111659031A (zh) * | 2020-06-24 | 2020-09-15 | 刘希军 | 一种具有二维图像融合功能的放射治疗计划系统 |
CN114159160B (zh) * | 2020-09-10 | 2023-09-05 | 杭州三坛医疗科技有限公司 | 手术导航方法、装置、电子设备、存储介质 |
CN114159160A (zh) * | 2020-09-10 | 2022-03-11 | 杭州三坛医疗科技有限公司 | 手术导航方法、装置、电子设备、存储介质 |
CN112184782B (zh) * | 2020-09-21 | 2023-05-23 | 上海涛影医疗科技有限公司 | 一种骨关节的自动配准定位方法及装置 |
CN112184782A (zh) * | 2020-09-21 | 2021-01-05 | 上海交通大学 | 一种骨关节的自动配准定位方法及装置 |
CN112132876B (zh) * | 2020-09-25 | 2022-03-29 | 天津大学 | 2d-3d图像配准中的初始位姿估计方法 |
CN112132876A (zh) * | 2020-09-25 | 2020-12-25 | 天津大学 | 2d-3d图像配准中的初始位姿估计方法 |
CN112308765A (zh) * | 2020-10-13 | 2021-02-02 | 杭州三坛医疗科技有限公司 | 投影参数的确定方法及装置 |
CN113040908A (zh) * | 2021-02-02 | 2021-06-29 | 武汉联影智融医疗科技有限公司 | 手术导航的配准方法、装置、计算机设备和存储介质 |
CN113100803A (zh) * | 2021-04-20 | 2021-07-13 | 西门子数字医疗科技(上海)有限公司 | 用于显示静脉血栓的方法、装置、计算机设备和介质 |
CN113421226A (zh) * | 2021-06-03 | 2021-09-21 | 山东师范大学 | 基于互信息的ct-dr多模态食管图像配准方法及系统 |
WO2023240912A1 (zh) * | 2022-06-14 | 2023-12-21 | 中国人民解放军总医院第一医学中心 | 用于股骨颈骨折手术导航的图像配准方法及系统 |
CN115082534A (zh) * | 2022-07-21 | 2022-09-20 | 杭州三坛医疗科技有限公司 | 双平面图像配准方法、装置及机器人 |
CN117159138B (zh) * | 2023-09-20 | 2024-04-19 | 上海涛影医疗科技有限公司 | 一种基于关节定位的2d-3d配准方法及系统 |
CN117159138A (zh) * | 2023-09-20 | 2023-12-05 | 上海涛影医疗科技有限公司 | 一种基于关节定位的2d-3d配准方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104637061A (zh) | 一种二维三维医学图像配准方法 | |
US7204640B2 (en) | Apparatus and method for registering 2D radiographic images with images reconstructed from 3D scan data | |
EP3698848A1 (en) | Magnetic resonance projection imaging | |
Wu et al. | Evaluation of similarity measures for use in the intensity‐based rigid 2D‐3D registration for patient positioning in radiotherapy | |
Karnik et al. | Assessment of image registration accuracy in three‐dimensional transrectal ultrasound guided prostate biopsy | |
CN102222330B (zh) | 一种二维-三维医学图像配准方法及系统 | |
Gendrin et al. | Validation for 2D/3D registration II: the comparison of intensity‐and gradient‐based merit functions using a new gold standard data set | |
US9858690B2 (en) | Computed tomography (CT) image reconstruction method | |
CN102222331B (zh) | 一种基于双平板的二维-三维医学图像配准方法及系统 | |
US20110019791A1 (en) | Selection of optimal views for computed tomography reconstruction | |
Shao et al. | Real-time liver tumor localization via a single x-ray projection using deep graph neural network-assisted biomechanical modeling | |
Schreibmann et al. | Image registration with auto‐mapped control volumes | |
US20190005685A1 (en) | Systems and Methods for Generating 2D Projection from Previously Generated 3D Dataset | |
US8253739B2 (en) | Method for interpolating an intermediate polygon p from two polygons p1 and p2 | |
Wodzinski et al. | Improving oncoplastic breast tumor bed localization for radiotherapy planning using image registration algorithms | |
Lemus et al. | Dosimetric assessment of patient dose calculation on a deep learning‐based synthesized computed tomography image for adaptive radiotherapy | |
CN101023448A (zh) | 成像系统 | |
Chou et al. | Claret: A fast deformable registration method applied to lung radiation therapy | |
An et al. | Robust orthogonal-view 2-D/3-D rigid registration for minimally invasive surgery | |
Wei et al. | A multilevel probabilistic cerenkov luminescence tomography reconstruction framework based on energy distribution density region scaling | |
Rutherford et al. | An inception network for positron emission tomography based dose estimation in carbon ion therapy | |
Manescu et al. | Motion compensation for PET image reconstruction using deformable tetrahedral meshes | |
Ma et al. | A real-time tracking and visualization system for robot-assisted template location method applied to lung cancer brachytherapy | |
Steininger et al. | A novel class of machine-learning-driven real-time 2D/3D tracking methods: texture model registration (TMR) | |
Mao et al. | CT image registration in sinogram space |
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: 20150520 |