CN105976372B - 一种术前三维影像与术中透视图像的无标定物配准方法 - Google Patents
一种术前三维影像与术中透视图像的无标定物配准方法 Download PDFInfo
- Publication number
- CN105976372B CN105976372B CN201610293634.XA CN201610293634A CN105976372B CN 105976372 B CN105976372 B CN 105976372B CN 201610293634 A CN201610293634 A CN 201610293634A CN 105976372 B CN105976372 B CN 105976372B
- Authority
- CN
- China
- Prior art keywords
- image
- ray
- drr
- preoperative
- 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.)
- Active
Links
Classifications
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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]
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种术前三维影像与术中透视图像的无标定物配准方法,它包括以下步骤:1)手术开始前,CT或MRI获取一系列三维图像,根据手术需求生成N个DRR图像,得到每个图像的位姿坐标W;2)手术中,C型臂上的X射线机获取不同角度的X‑Ray透视图像;3)对DRR图像i和X‑Ray透视图像均做归一化处理;4)采用非线性直方图匹配算法;5)对DRR图像i与X‑Ray透射图像进行秩相关相似度比较,如果两组图像匹配,获取X‑Ray透射图像位姿参数,进入下一步;否则提取DRR图像i+1信息,返回步骤3);6)基于多分辨率机制和梯度差异相关性为术前三维影像和X‑Ray透视图像精确配准,输出精确配准后的图像。本发明降低了病人手术中所受的伤害。
Description
技术领域
本发明涉及一种无标定物配准方法,特别是关于一种医学领域中使用的术前三维影像与术中透视图像的无标定物配准方法。
背景技术
目前,在常见医疗机器人的手术导航定位过程中,尤其在脊柱手术中,传统方法是在脊柱脊突上植入标定物,以建立机器人坐标系与手术空间坐标系之间的映射关系,并在此基础上进行手术路径规划和定位。该方法能够减少X射线透视次数,从而降低对病人及医生的危害;但术前准备繁琐,且需要植入标定物,病人所受损伤较大。
一种方法是利用2D/3D图像配准算法的图像导航的放射手术方法和系统,其利用了分层和迭代的2D/3D配准算法求出内层面和外层面的变换参数。此配准算法的缺点是准确度较低,速度较慢。另一种方法是使用DRR技术对MRI和X-Ray图像配准的算法和系统,其特点在于先对MRI图像做提取分割,由分割后的图像生成DRR用于配准,缺点是算法需要事先训练,从而获取特征用于分割,受限于训练的集合大小及范围,而且成本较大。
发明内容
针对上述问题,本发明的目的是提供一种术前三维影像与术中透视图像的无标定物配准方法,其操作简单,速度快,准确度高。
为实现上述目的,本发明采取以下技术方案:一种术前三维影像与术中透视图像的无标定物配准方法,其特征在于它包括以下步骤:1)在手术开始前,由CT或MRI获取一系列三维图像,根据手术需求,在冠状位,矢状位或横断位的视角方向上,从0°开始每间隔预设度数根据CT或MRI提供的三维图像生成N个DRR图像,获取对应的位姿参数;2)手术中,C型臂上的X射线机获取不同角度的X-Ray透视图像;3)对DRR图像i和X-Ray透视图像上的每一个像素均做二维高斯加权归一化处理,每一个像素原始灰度值减去高斯加权均值,然后除以高斯加权均方差从而获取归一化后的像素灰度值;4)采用非线性直方图匹配算法,校正DRR图像i与X-Ray透射图像的灰度差异,选择灰度值大于投影图像灰度均值的区域进行直方图匹配,消除背景像素对直方图的影响;5)对DRR图像i与X-Ray透射图像进行秩相关相似度比较,如果两组图像匹配,获取X-Ray透射图像位姿参数,并进入下一步;否则提取DRR图像i+1信息,并返回步骤3);6)基于多分辨率机制和梯度差异相关性为术前三维影像和X-Ray透视图像精确配准,输出精确配准后的图像,完成术前三维影像与术中透视图像的无标定物配准。
优选地,所述步骤1)中,从0°开始每间隔预设度数优选为1°或2°根据CT/MRI提供的三维图像生成N个DRR图像。
优选地,所述步骤1)中,所述DRR图像的生成采用基于GPU加速的光影透射算法中的cuberille算法,同时使用稀疏抽样提高图像性能。
优选地,所述步骤2)中,C型臂上的X射线机获取X-Ray透视图像至少获取两张。
优选地,所述步骤5)中,所述秩相关作为相似度测量的配准算法,秩相关MSRC函数如下:
其中,表示每个像素的秩方差,是随机选出的像素数量,其数值远小于图像所有像素数量。
本发明由于采取以上技术方案,其具有以下优点:1、本发明采用了基于GPU的DRR稀疏抽样生成算法,保证了初始参数的准确度和快速获取。2、本发明采用了术前三维影像与术中透视图像的无标定物配准方法,降低了病人所受的损伤。3、本发明采用了随机秩相关作为图像相似度的衡量标准,提高了结果的可靠性和准确性。
附图说明
图1是本发明从不同视野角度对术前CT或MRI图像进行数字投影重建示意图;
图2是本发明X射线源围绕病人旋转移动获取N个投影图像示意图;
图3是本发明整体流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1~图3所示,本发明提供一种术前三维影像与术中透视图像的无标定物配准方法,其包括以下步骤:
1)在手术开始前,由CT或MRI获取一系列三维图像,根据手术需求,在冠状位、矢状位或横断位的视角方向上,从0°开始每间隔预设度数根据CT或MRI提供的三维图像生成N个放射成像图像(DRR图像),获取对应的位姿参数W;其中,预设度数优选为1°或2°;
W=(θx,θy,θz,X,Y,Z) (1)
式中,θx、θy、θz表示旋转方向,X、Y、Z表示在坐标系各个方向下的平移量。
2)手术中,C型臂上的X射线机获取不同角度的X-Ray透视图像;其中,透视图像至少获取两张;
3)对DRR图像i(0<i<N,且i为整数)和X-Ray透视图像上的每一个像素均做二维高斯加权归一化处理,每一个像素原始灰度值减去高斯加权均值,然后除以高斯加权均方差从而获取归一化后的像素灰度值;
4)采用非线性直方图匹配算法,校正DRR图像i与X-Ray透射图像的灰度差异,选择灰度值大于投影图像灰度均值的区域进行直方图匹配,消除背景像素对直方图的影响;
5)对DRR图像i与X-Ray透射图像进行秩相关相似度比较,如果两组图像匹配,获取X-Ray透射图像位姿参数,并进入下一步;否则提取DRR图像i+1信息,并返回步骤3);
6)基于多分辨率机制和梯度差异相关性为术前三维影像和X-Ray透视图像精确配准,输出精确配准后的图像,完成术前三维影像与术中透视图像的无标定物配准。
上述步骤1)中,DRR图像的生成采用基于GPU加速的光影透射算法中的cuberille算法,使图像的边界尽可能的小,同时使用稀疏抽样提高图像性能。
上述步骤5)中,秩相关作为相似度测量的配准算法,秩相关MSRC函数如下:
其中,表示每个像素的秩方差,是随机选出的像素数量,其数值远小于图像所有像素数量。
上述步骤6)中,多分辨率机制用于加速配准进程,同时也可以在能量函数最小化过程中避免陷入局部最小。
上述各实施例仅用于说明本发明,各部件的结构、尺寸、设置位置及形状都是可以有所变化的,在本发明技术方案的基础上,凡根据本发明原理对个别部件进行的改进和等同变换,均不应排除在本发明的保护范围之外。
Claims (2)
1.一种术前三维影像与术中透视图像的无标定物配准方法,其特征在于:它包括以下步骤:
1)在手术开始前,由CT或MRI获取一系列三维图像,根据手术需求,在冠状位,矢状位或横断位的视角方向上,从0°开始每间隔预设度数根据CT或MRI提供的三维图像生成N个DRR图像,获取对应的位姿参数W;其中,W=(θx,θy,θz,X,Y,Z),θx、θy、θz表示旋转方向,X、Y、Z表示在坐标系各个方向下的平移量;
2)手术中,C型臂上的X射线机获取不同角度的X-Ray透视图像;
3)对DRR图像i和X-Ray透视图像上的每一个像素均做二维高斯加权归一化处理,每一个像素原始灰度值减去高斯加权均值,然后除以高斯加权均方差从而获取归一化后的像素灰度值;
4)采用非线性直方图匹配算法,校正DRR图像i与X-Ray透射图像的灰度差异,选择灰度值大于投影图像灰度均值的区域进行直方图匹配,消除背景像素对直方图的影响;
5)对DRR图像i与X-Ray透射图像进行秩相关相似度比较,如果两组图像匹配,获取X-Ray透射图像位姿参数,并进入下一步;否则提取DRR图像i+1信息,并返回步骤3);
6)基于多分辨率机制和梯度差异相关性为术前三维影像和X-Ray透视图像精确配准,输出精确配准后的图像,完成术前三维影像与术中透视图像的无标定物配准;
所述步骤1)中,从0°开始每间隔预设度数1°或2°根据CT/MRI提供的三维图像生成N个DRR图像;
所述步骤1)中,所述DRR图像的生成采用基于GPU加速的光影透射算法中的cuberille算法,同时使用稀疏抽样提高图像性能;
所述步骤2)中,C型臂上的X射线机获取X-Ray透视图像至少获取两张。
2.如权利要求1所述的一种术前三维影像与术中透视图像的无标定物配准方法,其特征在于:所述步骤5)中,所述秩相关作为相似度测量的配准算法,秩相关MSRC函数如下:
其中,表示每个像素的秩方差,是随机选出的像素数量,其数值远小于图像所有像素数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610293634.XA CN105976372B (zh) | 2016-05-05 | 2016-05-05 | 一种术前三维影像与术中透视图像的无标定物配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610293634.XA CN105976372B (zh) | 2016-05-05 | 2016-05-05 | 一种术前三维影像与术中透视图像的无标定物配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105976372A CN105976372A (zh) | 2016-09-28 |
CN105976372B true CN105976372B (zh) | 2019-03-05 |
Family
ID=56991327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610293634.XA Active CN105976372B (zh) | 2016-05-05 | 2016-05-05 | 一种术前三维影像与术中透视图像的无标定物配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105976372B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109700528B (zh) * | 2019-02-27 | 2021-02-02 | 江苏霆升科技有限公司 | 一种实时构建心脏三维模型方法及装置 |
CN109993792B (zh) * | 2019-03-04 | 2021-05-25 | 杭州三坛医疗科技有限公司 | 投影方法、装置及系统和可读存储介质 |
CN109978927A (zh) * | 2019-03-12 | 2019-07-05 | 上海嘉奥信息科技发展有限公司 | 图像配准误差的测量装置及测量方法和系统 |
CN111723836A (zh) * | 2019-03-21 | 2020-09-29 | 杭州三坛医疗科技有限公司 | 图像相似度的计算方法及装置、电子设备、存储介质 |
CN110148160A (zh) * | 2019-05-22 | 2019-08-20 | 合肥中科离子医学技术装备有限公司 | 一种正交x射线影像快速2d-3d医学图像配准方法 |
CN112472293B (zh) * | 2020-12-15 | 2022-10-21 | 山东威高医疗科技有限公司 | 一种术前三维影像与术中透视图像的配准方法 |
CN112509022A (zh) * | 2020-12-17 | 2021-03-16 | 安徽埃克索医疗机器人有限公司 | 一种术前三维影像与术中透视图像的无标定物配准方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147919A (zh) * | 2010-02-10 | 2011-08-10 | 昆明医学院第一附属医院 | 一种校正术前三维图像的术中配准方法和装置 |
US8036441B2 (en) * | 2003-04-25 | 2011-10-11 | Medtronic Navigation, Inc. | Method and apparatus for performing 2D to 3D registration |
-
2016
- 2016-05-05 CN CN201610293634.XA patent/CN105976372B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8036441B2 (en) * | 2003-04-25 | 2011-10-11 | Medtronic Navigation, Inc. | Method and apparatus for performing 2D to 3D registration |
CN102147919A (zh) * | 2010-02-10 | 2011-08-10 | 昆明医学院第一附属医院 | 一种校正术前三维图像的术中配准方法和装置 |
Non-Patent Citations (3)
Title |
---|
2D/3D Image Registration using Regression Learning;Chen-Rui Chou等;《Computer Vision & Image Understanding》;20131231;第117卷(第9期);第1095-1106页 |
Stochastic rank correlation: A robust merit function for 2D/3D registration of image data obtained at different energies;Wolfgang Birkfellner等;《Medical Physics》;20091231;第36卷(第8期);第3420-3428页 |
基于灰度的二维/三维图像配准方法及其在骨科导航手术中的实现;张薇等;《中国医学影像技术》;20071231;第23卷(第7期);第1080-1084页 |
Also Published As
Publication number | Publication date |
---|---|
CN105976372A (zh) | 2016-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105976372B (zh) | 一种术前三维影像与术中透视图像的无标定物配准方法 | |
Markelj et al. | A review of 3D/2D registration methods for image-guided interventions | |
Markelj et al. | Robust gradient-based 3-D/2-D registration of CT and MR to X-ray images | |
US9240046B2 (en) | Method and system to assist 2D-3D image registration | |
US8705829B2 (en) | Method and apparatus for performing 2D to 3D registration | |
EP2175931B1 (en) | Systems for compensating for changes in anatomy of radiotherapy patients | |
CN105608747B (zh) | 一种从三维牙科锥形束ct数据中提取全景图的方法 | |
JP2010246883A (ja) | 患者位置決めシステム | |
CN111627521A (zh) | 增强现实在放疗中的应用 | |
WO2013171441A2 (en) | Virtual fiducial markers | |
US10074199B2 (en) | Systems and methods for tissue mapping | |
CN112509022A (zh) | 一种术前三维影像与术中透视图像的无标定物配准方法 | |
CN109925053B (zh) | 手术路径的确定方法、装置和系统、可读存储介质 | |
Fu et al. | Xsight lung tracking system: a fiducial-less method for respiratory motion tracking | |
Zhang et al. | A kernel-based method for markerless tumor tracking in kV fluoroscopic images | |
CN112581606A (zh) | 一种脊柱椎弓根螺钉植入手术导航方法 | |
CN109767458A (zh) | 一种半自动分段的顺序优化配准方法 | |
TW202333630A (zh) | 註冊二維影像資料組與感興趣部位的三維影像資料組的方法及導航系統 | |
CN106875376B (zh) | 腰椎配准先验模型的构建方法以及腰椎配准方法 | |
US9254106B2 (en) | Method for completing a medical image data set | |
KR101767069B1 (ko) | 치료계획용 4d mdct 영상과 치료시 획득한 4d cbct 영상 간 영상 정합 및 종양 매칭을 이용한 방사선 치료시 종양 움직임 추적 방법 및 장치 | |
Chen et al. | Automated global optimization surface-matching registration method for image-to-patient spatial registration in an image-guided neurosurgery system | |
Kim et al. | Comparison of similarity measures for rigid-body CT/Dual X-ray image registrations | |
CN111408066B (zh) | 基于磁共振影像的肿瘤位置标定系统及设备 | |
Wang et al. | Parallax-free long bone X-ray image stitching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |