CN104899886A - 基于空间和阻抗的carto电解剖图与ct图像的配准方法和装置 - Google Patents
基于空间和阻抗的carto电解剖图与ct图像的配准方法和装置 Download PDFInfo
- Publication number
- CN104899886A CN104899886A CN201510311980.1A CN201510311980A CN104899886A CN 104899886 A CN104899886 A CN 104899886A CN 201510311980 A CN201510311980 A CN 201510311980A CN 104899886 A CN104899886 A CN 104899886A
- Authority
- CN
- China
- Prior art keywords
- carto
- electro
- image
- registration
- anatomical map
- 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
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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
-
- 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
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于空间和阻抗的CARTO电解剖图与CT图像的配准方法和装置。CARTO电生理解剖图包括电解剖图、阻抗图等,电解剖图与阻抗图有着完全相同的空间信息。首先,利用空间信息,配准CARTO电解剖图与CT图像,得到粗配准变换;然后,以粗配准变换为初始变换,利用阻抗信息,配准CARTO阻抗图与CT图像,得到精配准变换;最后,依据所述精配准变换对CARTO电解剖图作变换,将变换后的电解剖图叠加在CT图像上,得到配准后的CARTO电解剖图与CT图像。相对现有方法,本发明既利用了空间信息,也利用了阻抗信息,配准后的CARTO电解剖图与CT图像的配准精度得到很大提高,可以为房颤射频消融手术中的导管提供精确导航。
Description
技术领域
本发明涉及手术导航中图像配准技术领域,尤其涉及心房颤动(房颤)射频消融介入手术导航中的CARTO电解剖图与CT图像的配准方法和装置。
背景技术
房颤是临床上最常见的心律失常,有着较高的致残率和致死率。三维标测和消融系统CARTO是治疗房颤的首选手术平台。
CARTO电解剖图是消融手术中实时模拟生成的心房解剖结构图,依据医生在心房内壁标测的若干个标测点构建。医生可以直接在CARTO电解剖图上操作导管实施消融,然而,由于模拟构建CARTO电解剖图的标测点较少,导致电解剖图分辨率低,肺静脉的数目、具体开口部分及每支肺静脉各自的分支情况等等这些复杂的解剖结构无法在电解剖图上清晰地显示出来,医生难以准确定位并有效隔离肺静脉,致使房颤复发率高,并可能伴随肺静脉狭窄等严重并发症,从而极大地影响消融治疗效果。
众所周知,CT图像分辨率高,能清晰地显示上述消融靶区的复杂结构,然而,CT图像只能在术前获得,医生不能在上面直接实施导管操作。
配准CARTO电解剖图和CT图像,可帮助实时并清楚地显示心腔和肺静脉的解剖结构。依据两者的配准图像,医生将导管头固定在发生房颤的肺静脉前庭,在上面设定围绕左或右侧上、下肺静脉的环状消融线;导管头释放射频电能,逐点消融,把导致房颤的纤维组织烧掉,直至肺静脉出现与左心房无关的自律性电位。因此,CARTO电解剖图和CT图像的配准图像能够让医生从多个角度观察消融靶区的结构,从而增加消融位点的精确性,减少手术相关并发症,缩短手术时间和X线曝光时间。
然而,现有的CARTO电解剖图和CT图像配准技术达到的配准精度均难以满足消融导管精确导航的要求。
发明内容
有鉴于此,本发明提供了一种房颤射频消融介入手术导航中的CARTO电解剖图与CT图像的配准方法和装置,以提高CARTO电解剖图与CT图像的配准精度,为房颤消融导管提供精确导航。
需要说明的是,CARTO电生理解剖图包括有CARTO电解剖图、CARTO阻抗图等;CARTO阻抗图是在CARTO电解剖图上叠加阻抗信息生成的,其实质是叠加了阻抗信息的CARTO电解剖图,阻抗图与电解剖图有着完全相同的空间信息。因此,配准了CARTO阻抗图与CT图像,也就是配准了CARTO电解剖图与CT图像。
为了达到上述发明目的,本发明的第一方面提出了一种CARTO电解剖图与CT图像的配准方法,包括如下步骤:
获取CT图像和CARTO电生理解剖图,所述CARTO电生理解剖图包括CARTO电解剖图和CARTO阻抗图;所述CT图像是对CT原始图像进行重建分割之后获得的心房内壁的曲面图像;所述CARTO阻抗图是在CARTO电解剖图上叠加阻抗信息生成的,有着与CARTO电解剖图完全相同的空间信息,同时,CARTO阻抗图中的阻抗值与所述CT图像的CT值相关;
配准所述CARTO电解剖图与CT图像,得到粗配准变换;
以所述粗配准变换作为初始变换,配准所述CARTO阻抗图与CT图像,得到精配准变换;
依据所述精配准变换对所述CARTO电解剖图作变换,将变换后的CARTO电解剖图叠加在所述CT图像上,得到最终配准的CARTO电解剖图与CT图像。
基于本发明的第一方面提出的CARTO电解剖图与CT图像的配准方法,本发明同时还提出了一种CARTO电解剖图与CT图像的配准装置,包括:
获取图像数据单元,用于获取CT图像和CARTO电生理解剖图,所述CARTO电生理解剖图包括CARTO电解剖图和CARTO阻抗图;所述CT图像是对CT原始图像进行重建分割之后获得的心房内壁的曲面图像;所述CARTO阻抗图是在CARTO电解剖图上叠加阻抗信息生成的,有着与CARTO电解剖图完全相同的空间信息,同时,CARTO阻抗图中的阻抗值与所述CT图像的CT值相关;
粗配准单元,用于配准所述CARTO电解剖图与CT图像,得到粗配准变换;
精配准单元,用于以所述粗配准变换作为初始变换,配准所述CARTO阻抗图与CT图像,得到精配准变换;
输出配准图像单元,用于依据所述精配准变换对所述CARTO电解剖图作变换,将变换后的CARTO电解剖图叠加在所述CT图像上,得到最终配准的CARTO电解剖图与CT图像。
相较于现有技术,本发明具有以下有益效果:
相对现有技术,本发明提供的CARTO电解剖图和CT图像配准方法和装置不仅利用了CARTO电解剖图所提供的空间信息,同时,也充分利用了CARTO阻抗图所提供的阻抗信息,有效克服了CARTO电解剖图中标测点少、信息量不足的缺陷,使得配准精度得到很大提高。本发明最终获得的CARTO电解剖图与CT图像配准精度能够满足房颤消融导管精确导航的要求,从而保证了导管消融位点的准确性。
附图说明
为了清楚地理解本发明的技术方案,下面对描述本发明具体实施方式时用到的附图进行简要说明。显而易见,这些附图仅是本发明的一部分附图,本领域普通技术人员在不付出创造性劳动的前提下,还可以获得其它附图。
图1是本发明实施例提供的CARTO电解剖图与CT图像配准方法的流程示意图;
图2是本发明实施例提供的CARTO电解剖图与CT图像粗配准过程的流程示意图;
图3是本发明实施例提供的CARTO阻抗图与CT图像精配准过程的流程示意图;
图4是本发明实施例提供的CARTO电解剖图与CT图像配准装置的结构示意图。
具体实施方式
为使本发明的目的、技术手段和有益效果更加清楚完整,下面结合附图对本发明的具体实施方式进行描述。
在介绍本发明的具体实施方式之前,首先介绍CARTO电生理解剖图和CT图像的生成过程。
CARTO电生理解剖图是在房颤消融手术中实时生成的。手术过程中,医生在X线电视监控下,用一根电极导管从静脉插入左心房,导管在心腔内壁逐点标测,这样依次获得数百个标测点,导管头采集的磁场信号返回有标测点的空间位置信息,依此构建出心腔的空间三维结构模型,即CARTO电解剖图。导管头采集的磁场信号同时还记录了心房不同部位的阻抗大小、时间激动的早晚顺序等电生理信息,这些电生理信息以颜色变化叠加在CARTO电解剖图上,分别表现为显示阻抗信息的阻抗图、显示激动顺序信息的激动时间图等。这些图均独立显示,统称为CARTO电生理解剖图。换句话说,CARTO电生理解剖图不仅包括显示空间位置信息的CARTO电解剖图,还包括显示阻抗信息的的CARTO阻抗图,以及显示激动顺序信息的CARTO激动时间图等。
CT图像则是在消融手术前生成的。在进行消融手术之前,先对患者进行CT扫描,得到CT原始图像;然后在CARTO标测系统中,利用相应软件对CT原始图像进行重建分割,得到心房内壁的曲面图像,即本发明所用CT图像。
从上述生成CARTO电生理解剖图的过程中,可以看到,CARTO阻抗图和CARTO电解剖图各自独立存在,CARTO阻抗图实质是叠加了阻抗信息的CARTO电解剖图,两者有着完全相同的空间解剖结构信息。因此,配准了CARTO阻抗图与CT图像,也就是配准了CARTO电解剖图与CT图像,反之亦然。
图1是本发明实施例提供的CARTO电解剖图与CT图像配准方法的流程示意图。如图1所示,该配准方法包括以下步骤:
S101、获取CT图像A和CARTO电生理解剖图B,CARTO电生理解剖图B包括CARTO电解剖图B1和CARTO阻抗图B2:
首先,利用CARTO三维标测系统,生成CARTO电生理解剖图和CT图像;然后,将CARTO电生理解剖图和CT图像导入普通PC机内,在PC机上实施CARTO电解剖图与CT图像配准。
S102、配准所述CARTO电解剖图B1与CT图像A,得到粗配准变换:
首先,从CARTO电生理解剖图B中分离出CARTO电解剖图B1和CARTO阻抗图B2。
其次,采用刚体变换模型,以基于主轴的方法配准CARTO电解剖图B1与CT图像A,得到粗配准变换。
CARTO电解剖图与CT图像均是形状完整的封闭目标,适合采用基于主轴的配准算法。同时,为了减少医生与病人在X线下的暴露时间,提高配准效率,本发明选择了刚体变换模型。由于CT图像比CARTO电解剖图分辨率高,细节信息更丰富,所以,本发明将CT图像作为参考图像,CARTO电解剖图作为浮动图像。
如图2所示,粗配准过程具体具体包括以下步骤:
S201、计算CT图像A的质心CA、惯性矩阵IA和特征矩阵EA;计算CARTO电解剖图B1的质心CB1、惯性矩阵IB1和特征矩阵EB1。
S202、计算与CT图像具有主轴对应关系的CARTO电解剖图B1’:
惯性矩阵中的每一个特征向量对应一个主轴,坐标系中的任何坐标轴旋转180度,并不会影响图像的惯性矩阵。因此,设定CT图像的特征矩阵EA中的特征向量排列固定不变,与之对应,构成CARTO电解剖图的特征矩阵EB1的特征向量排列方式有种,即CARTO电解剖图的特征矩阵EB1共有48种。对每一个EB1分别计算对应的CARTO电解剖图B1’,计算公式如下:
其中,是特征矩阵EB1的转置矩阵;
S203、计算并比较48个CARTO电解剖图B1’到所述CT图像A的距离,与CT图像距离最小的CARTO电解剖图B1'即是粗配准后的CARTO电解剖图B1*,其特征矩阵为EB1*:
在本发明实施例中,CARTO电解剖图B1’到所述CT图像A的距离可以定义为所有CARTO标测点到CT图像最近点欧式距离的均方根。因为仅需遍历48种主轴的对应关系,寻找其中使得两图距离最小的一种作为最终的配准结果,所以粗配准算法中不涉及任何优化搜索算法。
S204、根据特征矩阵EB1*计算刚性的粗配准变换T0,计算公式如下:
T0=[R,Tr];Tr=CA-R*CB1;
其中,R为旋转变换,Tr为平移变换。
S103、以所述粗配准变换作为初始变换,配准所述CARTO阻抗图与CT图像,得到精配准变换:
如前所述,CARTO阻抗图实质是叠加了阻抗信息的CARTO电解剖图,阻抗图与电解剖图有着完全相同的空间信息。所以,配准了CARTO阻抗图与CT图像,也就是配准了CARTO电解剖图与CT图像,反之,配准了CARTO电解剖图与CT图像,也就是配准了CARTO阻抗图与CT图像。
发明人经过研究发现,在众多的电生理信息中,心房的阻抗值与CT值之间存在很大的相关性,可以运用互信息度量CARTO阻抗图与CT图像之间的相似度,以基于互信息的方法配准CARTO阻抗图和CT图像,进而实现CARTO电解剖图与CT图像的配准。
因为心脏是弹性体,考虑速度与精度的平衡,本步骤采用了不同于粗配准刚体变换的仿射变换模型。
如图3所示,精配准过程具体包括以下步骤:
S301、对CARTO阻抗图B2作仿射变换,得到仿射变换后的CARTO阻抗图。
S302、计算所述仿射变换后的CARTO阻抗图与CT图像A之间的互信息。
S303、采用单纯形法,以所述粗配准变换作为优化搜索的初始变换,在仿射变换空间域内搜索,寻找使得所述互信息达到最大值的仿射变换T*,即为精配准变换。
S104、依据上述精配准变换,对CARTO电解剖图B1作变换,将变换后的CARTO电解剖图B1叠加在CT图像A上,得到最终配准的CARTO电解剖图与CT图像。
以上为本发明实施例提供的CARTO电解剖图与CT图像配准方法的具体实施方式。
相对现有技术仅利用空间信息的方法,本发明提供的CARTO电解剖图和CT图像配准方法不仅利用了CARTO电解剖图所提供的空间信息,同时,也充分利用了CARTO阻抗图所提供的阻抗信息,有效克服了CARTO电解剖图中标测点少、信息量不足的缺陷,使得配准精度得到很大程度提高。本发明最终得到的CARTO电解剖图与CT图像配准精度能够满足房颤消融导管精确导航的要求,从而保证了导管消融位点的准确性。
基于上述实施例提供的CARTO电解剖图与CT图像的配准方法,本发明实施例还提供了CARTO电解剖图与CT图像的配准装置。具体参见以下实施例。
图4是本发明实施例提供的CARTO电解剖图与CT图像配准装置的结构示意图。如图4所示,该配置装置包括以下单元:
获取图像数据单元41,用于获取CT图像和CARTO电生理解剖图,所述CARTO电生理解剖图包括CARTO电解剖图和CARTO阻抗图;所述CT图像是对CT原始图像进行重建分割之后获得的心房内壁的曲面图像;所述CARTO阻抗图是在CARTO电解剖图上叠加阻抗信息生成的,有着与CARTO电解剖图完全相同的空间信息,同时,CARTO阻抗图中的阻抗值与所述CT图像的CT值相关;
粗配准单元42,用于配准所述CARTO电解剖图与CT图像,得到粗配准变换;
精配准单元43,用于以所述粗配准变换作为初始变换,配准所述CARTO阻抗图与CT图像,得到精配准变换;
输出配准图像单元44,用于依据所述精配准变换对所述CARTO电解剖图作变换,将变换后的CARTO电解剖图叠加在所述CT图像上,得到最终配准的CARTO电解剖图与CT图像。
通过上述实施例提供的配置装置,最终获得的配准后的CARTO电解剖图与CT图像配准精度能够满足消融导管精确导航要求,能够保证导管消融位点的准确性。
进一步地,所述粗配准单元42包括采用刚体变换模型,以基于主轴的配准方法粗配准CARTO电解剖图与CT图像,得到粗配准变换的子单元。
更进一步地,所述粗配准单元42包括:
第一计算子单元421,用于计算CT图像A的质心CA、惯性矩阵IA和特征矩阵EA;计算CARTO电解剖图B1的质心CB1、惯性矩阵IB1和特征矩阵EB1;
第二计算子单元422,用于计算每一个EB1对应的CARTO电解剖图B1’;设定CT图像A的特征矩阵EA固定不变,每一个特征向量对应一个主轴,与CT图像主轴对应的CARTO电解剖图主轴有48种排列方式,即CARTO电解剖图特征矩阵EB1的特征向量有48种排列;对每一个EB1分别计算对应的CARTO电解剖图B1’,计算公式如下:
其中,是特征矩阵EB1的转置矩阵;
第三计算子单元423,用于计算并比较48个CARTO电解剖图B1’到所述CT图像A的距离;与CT图像A距离最小的CARTO电解剖图B1'即是粗配准后的CARTO电解剖图B1*,其特征矩阵为
第四计算子单元424,用于根据特征矩阵计算刚性的粗配准变换T0,计算公式如下:
T0=[R,Tr];Tr=CA-R*CB1;
其中,R为旋转变换,Tr为平移变换。
再进一步地,所述精配准单元43包括采用仿射变换模型,以基于互信息的方法配准所述CARTO阻抗图与CT图像,得到精配准变换的子单元。
更进一步地,所述精配准单元43包括:
仿射变换子单元431,用于对CARTO阻抗图做仿射变换,得到仿射变换后的CARTO阻抗图;
第五计算子单元432,用于计算所述仿射变换后的CARTO阻抗图与所述CT图像之间的互信息;
优化搜索子单元433,用于采用单纯形法,以粗配准变换作为初始变换,在仿射变换空间域内搜索,寻找使得所述互信息达到最大值的仿射变换T*,所述仿射变换T*即为精配准变换。
以上所述仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制。虽然本发明以较佳实施例揭露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (9)
1.一种CARTO电解剖图与CT图像的配准方法,其特征在于,包括:
获取CT图像和CARTO电生理解剖图,所述CARTO电生理解剖图包括CARTO电解剖图和CARTO阻抗图;所述CT图像是对CT原始图像进行重建分割之后获得的心房内壁的曲面图像;所述CARTO阻抗图是在CARTO电解剖图上叠加阻抗信息生成的,有着与CARTO电解剖图完全相同的空间信息,同时,CARTO阻抗图中的阻抗值与所述CT图像的CT值相关;
配准所述CARTO电解剖图与CT图像,得到粗配准变换;
以所述粗配准变换作为初始变换,配准所述CARTO阻抗图与CT图像,得到精配准变换;
依据所述精配准变换对所述CARTO电解剖图作变换,将变换后的CARTO电解剖图叠加在所述CT图像上,得到最终配准的CARTO电解剖图与CT图像。
2.根据权利要求1所述的方法,其特征在于,配准所述CARTO电解剖图与CT图像,得到粗配准变换,具体包括:
采用刚体变换模型,以基于主轴的配准方法粗配准CARTO电解剖图与CT图像,得到粗配准变换。
3.根据权利要求2所述的方法,其特征在于,采用刚体变换模型,以基于主轴的方法粗配准CARTO电解剖图与CT图像,得到粗配准变换,具体包括:
A1、计算CT图像A的质心CA、惯性矩阵IA和特征矩阵EA;计算CARTO电解剖图B1的质心CB1、惯性矩阵IB1和特征矩阵EB1;
A2、设定CT图像A的特征矩阵EA固定不变,每一个特征向量对应一个主轴,与CT图像主轴对应的CARTO电解剖图主轴有48种排列方式,即CARTO电解剖图特征矩阵EB1的特征向量有48种排列;对每一个EB1分别计算对应的CARTO电解剖图B1’,计算公式如下:
其中,是特征矩阵EB1的转置矩阵;
A3、计算并比较48个CARTO电解剖图B1'到所述CT图像A的距离,与CT图像A距离最小的CARTO电解剖图B1'即是粗配准后CARTO电解剖图其特征矩阵为
A4、根据特征矩阵计算刚性的粗配准变换T0,计算公式如下:
T0=[R,Tr];Tr=CA-R*CB1;
其中,R为旋转变换,Tr为平移变换。
4.根据权利要求1所述的方法,其特征在于,配准所述CARTO阻抗图与CT图像,得到精配准变换,具体包括;
采用仿射变换模型,以基于互信息的方法配准所述CARTO阻抗图与CT图像,得到精配准变换。
5.根据权利要求4所述的方法,其特征在于,采用仿射变换模型,以基于互信息的方法配准所述CARTO阻抗图与CT图像,得到精配准变换,具体包括:
B1、对CARTO阻抗图作仿射变换,得到仿射变换后的CARTO阻抗图;
B2、计算仿射变换后的CARTO阻抗图B2与CT图像A之间的互信息;
B3、采用单纯形法,以粗配准变换作为初始变换,在仿射变换空间域内搜索,寻找使得所述互信息达到最大值的仿射变换T*,所述仿射变换T*即为精配准变换。
6.一种CARTO电解剖图与CT图像的配准装置,其特征在于,包括:
获取图像数据单元,用于获取CT图像和CARTO电生理解剖图,所述CARTO电生理解剖图包括CARTO电解剖图和CARTO阻抗图;所述CT图像是对CT原始图像进行重建分割之后获得的心房内壁的曲面图像;所述CARTO阻抗图是在CARTO电解剖图上叠加阻抗信息生成的,有着与CARTO电解剖图完全相同的空间信息,同时,CARTO阻抗图中的阻抗值与所述CT图像的CT值相关;
粗配准单元,用于配准所述CARTO电解剖图与CT图像,得到粗配准变换;
精配准单元,用于以所述粗配准变换作为初始变换,配准所述CARTO阻抗图与CT图像,得到精配准变换;
输出配准图像单元,用于依据所述精配准变换对所述CARTO电解剖图作变换,将变换后的CARTO电解剖图叠加在所述CT图像上,得到最终配准的CARTO电解剖图与CT图像。
7.根据权利要求6所述的装置,其特征在于,所述粗配准单元包括:
第一计算子单元,用于计算CT图像A的质心CA、惯性矩阵IA和特征矩阵EA;计算CARTO电解剖图B1的质心CB1、惯性矩阵IB1和特征矩阵EB1;
第二计算子单元,用于计算每一个EB1对应的CARTO电解剖图B1’;设定CT图像A的特征矩阵EA固定不变,每一个特征向量对应一个主轴,与CT图像主轴对应的CARTO电解剖图主轴有48种排列方式,即CARTO电解剖图特征矩阵EB1的特征向量有48种排列;对每一个EB1分别计算对应的CARTO电解剖图B1’,计算公式如下:
其中,是特征矩阵EB1的转置矩阵;
第三计算子单元,用于计算并比较48个CARTO电解剖图B1’到所述CT图像A的距离;与CT图像A距离最小的CARTO电解剖图B1'即是粗配准后的CARTO电解剖图B1*,其特征矩阵为
第四计算子单元,用于根据特征矩阵计算刚性的粗配准变换T0,计算公式如下:
T0=[R,Tr];Tr=CA-R*CB1;
其中,R为旋转变换,Tr为平移变换。
8.根据权利要求6或7所述的装置,其特征在于,所述精配准单元包括采用仿射变换模型,以基于互信息的方法配准所述CARTO阻抗图与CT图像,得到精配准变换的子单元。
9.根据权利要求8所述的装置,其特征在于,所述精配准单元包括:
仿射变换子单元,用于对CARTO阻抗图做仿射变换,得到仿射变换后的CARTO阻抗图;
第五计算子单元,用于计算所述仿射变换后的CARTO阻抗图与所述CT图像之间的互信息;
优化搜索子单元,用于采用单纯形法,以粗配准变换作为初始变换,在仿射变换空间域内搜索,寻找使得所述互信息达到最大值的仿射变换T*,所述仿射变换T*即为精配准变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510311980.1A CN104899886A (zh) | 2015-06-08 | 2015-06-08 | 基于空间和阻抗的carto电解剖图与ct图像的配准方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510311980.1A CN104899886A (zh) | 2015-06-08 | 2015-06-08 | 基于空间和阻抗的carto电解剖图与ct图像的配准方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104899886A true CN104899886A (zh) | 2015-09-09 |
Family
ID=54032531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510311980.1A Pending CN104899886A (zh) | 2015-06-08 | 2015-06-08 | 基于空间和阻抗的carto电解剖图与ct图像的配准方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104899886A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780572A (zh) * | 2016-12-12 | 2017-05-31 | 首都医科大学附属北京安贞医院 | 基于迭代最近点的自动电解剖图与ct图像配准方法和装置 |
WO2022001358A1 (zh) * | 2020-06-30 | 2022-01-06 | 上海微创电生理医疗科技股份有限公司 | 图像处理方法、装置、计算机设备、存储介质及标测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060253030A1 (en) * | 2005-04-26 | 2006-11-09 | Altmann Andres C | Registration of electro-anatomical map with pre-acquired image using ultrasound |
CN101984462A (zh) * | 2010-09-08 | 2011-03-09 | 天津科技大学 | 电阻抗断层功能图像与解剖图像的合成方法 |
-
2015
- 2015-06-08 CN CN201510311980.1A patent/CN104899886A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060253030A1 (en) * | 2005-04-26 | 2006-11-09 | Altmann Andres C | Registration of electro-anatomical map with pre-acquired image using ultrasound |
CN101984462A (zh) * | 2010-09-08 | 2011-03-09 | 天津科技大学 | 电阻抗断层功能图像与解剖图像的合成方法 |
Non-Patent Citations (2)
Title |
---|
LIXIA SHU等: "A Fully Automatic Registration Method for CARTO Electro-anatomic Map and CT Surface", 《COMPUTING IN CARDIOLOGIST》 * |
舒丽霞 等: "基于Hausdorff距离的CARTO电解剖图与CT曲面配准", 《生物医学工程研究》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780572A (zh) * | 2016-12-12 | 2017-05-31 | 首都医科大学附属北京安贞医院 | 基于迭代最近点的自动电解剖图与ct图像配准方法和装置 |
WO2022001358A1 (zh) * | 2020-06-30 | 2022-01-06 | 上海微创电生理医疗科技股份有限公司 | 图像处理方法、装置、计算机设备、存储介质及标测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11842456B2 (en) | Flattened view for intra-lumenal navigation | |
US10499992B2 (en) | Method and system for estimating a deflated lung shape for video assisted thoracic surgery in augmented and mixed reality | |
AU2014274615B2 (en) | Dynamic feature rich anatomical reconstruction from a point cloud | |
US20120172724A1 (en) | Automatic identification of intracardiac devices and structures in an intracardiac echo catheter image | |
US20070167706A1 (en) | Method and apparatus for visually supporting an electrophysiological catheter application in the heart by means of bidirectional information transfer | |
CN103948361B (zh) | 无标志点的内窥镜定位跟踪方法和系统 | |
US11282191B2 (en) | Flattened view for intra-lumenal navigation | |
JP5337367B2 (ja) | 医用画像表示装置 | |
Richmond et al. | Validation of computed tomography image integration into the EnSite NavX mapping system to perform catheter ablation of atrial fibrillation | |
Karim et al. | Surface flattening of the human left atrium and proof-of-concept clinical applications | |
CN106691438A (zh) | 用于复杂心律失常的整体心脏三维标测系统 | |
CN105243657B (zh) | 基于增强弹性形变的carto电解剖图与ct图像配准方法和装置 | |
CN110916799A (zh) | 基于5g网络的穿刺机器人导航系统 | |
CN101443792A (zh) | 用于将电生理学信息映射到复杂几何形状上的系统和方法 | |
AU2013242839A1 (en) | Combining three-dimensional surfaces | |
US20180271358A1 (en) | Navigating an imaging instrument in a branched structure | |
CN104899886A (zh) | 基于空间和阻抗的carto电解剖图与ct图像的配准方法和装置 | |
Shao et al. | Augmented reality navigation with real-time tracking for facial repair surgery | |
CN111386557B (zh) | 用于内腔导航的扁平化视图 | |
Ma et al. | Cardiac unfold: a novel technique for image-guided cardiac catheterization procedures | |
CN106780572A (zh) | 基于迭代最近点的自动电解剖图与ct图像配准方法和装置 | |
CN116327362A (zh) | 磁探头辅助支气管术中导航方法、装置、介质及电子设备 | |
CN106580471A (zh) | 图像导航定位系统及方法 | |
JP5618653B2 (ja) | 超音波三次元再構成方法及び装置、並びに超音波システム | |
Markides et al. | New mapping technologies: an overview with a clinical perspective |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150909 |