CN107545585A - 用于配准第一图像数据组和第二图像数据组的方法和设备 - Google Patents

用于配准第一图像数据组和第二图像数据组的方法和设备 Download PDF

Info

Publication number
CN107545585A
CN107545585A CN201710499445.2A CN201710499445A CN107545585A CN 107545585 A CN107545585 A CN 107545585A CN 201710499445 A CN201710499445 A CN 201710499445A CN 107545585 A CN107545585 A CN 107545585A
Authority
CN
China
Prior art keywords
image data
data set
anatomical structure
information
registration
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
Application number
CN201710499445.2A
Other languages
English (en)
Inventor
J.比哈尔
A.布罗斯特
P.芒特尼
M.帕纳伊奥图
K.罗德
A.里纳尔迪
D.托特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Healthcare GmbH
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN107545585A publication Critical patent/CN107545585A/zh
Pending legal-status Critical Current

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4266—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a plurality of detector units
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
    • A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
    • A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
    • A61B17/00234—Surgical instruments, devices or methods, e.g. tourniquets for minimally invasive surgery
    • A61B2017/00238—Type of minimally invasive operation
    • A61B2017/00243—Type of minimally invasive operation cardiac
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
    • A61B17/04—Surgical instruments, devices or methods, e.g. tourniquets for suturing wounds; Holders or packages for needles or suture materials
    • A61B17/0401—Suture anchors, buttons or pledgets, i.e. means for attaching sutures to bone, cartilage or soft tissue; Instruments for applying or removing suture anchors
    • A61B2017/0446—Means for attaching and blocking the suture in the suture anchor
    • A61B2017/0458—Longitudinal through hole, e.g. suture blocked by a distal suture knot
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B2090/364—Correlation of different images or relation of image positions in respect to the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B2090/364—Correlation of different images or relation of image positions in respect to the body
    • A61B2090/367—Correlation of different images or relation of image positions in respect to the body creating a 3D dataset from 2D images using position information
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/374—NMR or MRI
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • 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
    • 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
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • 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
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

一种用于配准使用不同的成像模态或者在同一成像模态下使用不同的成像技术获得的患者的目标区域的第一图像数据组(1)和第二图像数据组(2)的方法，包括：‑选择第一解剖结构和第二解剖结构，使得在解剖结构的至少延伸的片段之间存在已知的几何关系，‑通过评估第一和第二图像数据组(1,2)，自动第一几何信息和第二几何信息，关于第一解剖结构的信息和关于第二解剖结构的信息两者本身都不足以使能图像数据组的配准，‑通过最小化与已知几何关系的偏差，自动优化描述解剖结构中的一个相对于另一个的刚性变换的变换参数，以及第一和第二几何信息中的特征之间的几何对应关系，以及‑根据优化的变换参数确定配准信息(3)。

Description

用于配准第一图像数据组和第二图像数据组的方法和设备
技术领域
本发明涉及一种用于配准患者的目标区域的第一图像数据组和第二图像数据组的方法和设备，其中，第一和第二图像数据组使用不同的成像模态或者使用不同的成像技术在同一成像模态下获取。另外，本发明涉及一种计算机程序和电子可读存储介质。
背景技术
在医疗应用中，经常利用两个或更多个不同的模态对患者的目标区域进行成像，以获得单个模态无法描绘的附加信息。在空间上对齐来自两个或更多个图像模态的互补的信息具有宽范围的应用，包括诊断、规划、模拟以及特别是引导。已经对来自不同模态的图像数据组的配准进行了密集研究，并且提出了许多解决方案。这些方法中的许多要求相同的解剖结构或地标中的至少一些在两种模态下是可见的。使用这种跨模态信息来进行配准。然而，在许多情况下，存在很少或者不存在跨模态信息，从而无法基于其进行配准。因此，无法应用诸如使用地标、图像强度、相互信息、基于梯度的方法和学习相似性函数的已知方法。
在诸如心脏再同步治疗(“CRT”)的图像引导的介入中，使用术前MR或者SPECT图像来分析组织特性或功能，并且使用术中X射线透视来引导手术。术前和术中模态在根本上是不同的，并且不共享重要的跨模态信息。在这些情况下，需要替代的配准策略。
在K.S.Rhode等的论文“Registration and tracking to integrate X-ray andMR images in an XMR facility”,IEEE TMI 22(11),1369–1378(2003)中，已经提出了使用基准标记和光学跟踪设备在心脏再同步治疗中进行配准。然而，这种方法需要紧接在手术之前的术前MR成像以及手术室中的附加硬件。另外，提出了解剖结构配准，其中，根据导管推断血管的位置，并且将血管的位置与从术前图像中分割的血管对齐(例如参见Bourier,F.,Brost,A.,Yatziv,L.,Hornegger,J.,Strobel,N.,Kurzidim,K.:CoronarySinus Extraction for Multimodality Registration to Guide TransseptalPuncture.In:8th Interventional MRI Symposium.pp.311-313(2010)，以及Truong,M.V.N.,Aslam,A.,Rinaldi,C.A.,Razavi,R.,Penney,G.P.,Rhode,K.:PreliminaryInvestigation:2D-3D Registration of MR and X-ray Cardiac Images UsingCatheter Constraints.pp.1-9(2009))。然而，导管可能使血管变形，并且磁共振的分辨率可能太低，而不能准确地分割血管。
在规划和视觉化的范围内，Tracy L.Faber等在：“Three-Dimensional Fusion ofCoronary Arteries with Myocardial Perfusion Distributions:ClinicalValidation”,J Nucl Med 2004(45),pp.745–753中，提出了特别是为了规划的目的，通过手动匹配地标，即将室间沟匹配于管状动脉血管，进行迭代最近点(ICP)细化，最后进行非线性扭曲以获得具有融合信息的图像，来视觉化左心室及其周围部分，来将术前SPECT图像数据组与透视图像数据组配准。这种方法依赖于在术前数据中准确地识别地标，这是具有挑战性地，因为解剖结构的变化可能导致不准确性。另外，由于这些不准确性和用于改善视觉化的非线性的扭曲步骤，不能实现术前的第一图像数据组和第二图像数据组之间的准确配准。这种方法无论如何都不能用于介入期间的图像引导，因为必须进行血管在各个沟中的手动放置，以使得ICP能够找到合适的开始点。
发明内容
本发明的目的是提供一种新颖的方法，用于共享不足的共同信息来配准多形态图像，以使配准基于其，所述方法能够完全自动进行并且产生也可以用于介入期间的基于图像的引导的准确的配准信息。
上述目的通过根据本发明的方法、根据本发明的配准设备、根据本发明的计算机程序和根据本发明的电子可读存储介质来实现。
本发明提供一种用于配准患者的目标区域的第一图像数据组和第二图像数据组的方法，其中，第一和第二图像数据组使用不同的成像模态获得，所述方法包括以下步骤：
-选择仅或者至少部分地仅在第一图像数据组中可见的第一解剖结构，和仅或者至少部分地仅在第二图像数据组中可见的第二解剖结构，使得在解剖结构的至少延伸的片段之间存在已知的几何关系，
-通过评估第一和第二图像数据组，自动确定描述包括相应的片段的第一解剖结构的至少一部分的几何结构的第一几何信息，和描述包括相应的片段的第二解剖结构的至少一部分的几何结构的第二几何信息，关于第一解剖结构的信息和关于第二解剖结构的信息两者本身都不足以使能图像数据组的配准，
-通过最小化与已知几何关系的偏差，自动优化描述解剖结构中的一个相对于另一个的刚性变换的变换参数，以及第一和第二几何信息中的特征之间的几何对应关系，以及
-根据优化的变换参数确定配准信息。
在许多情况下，第一解剖结构将不同于第二解剖结构。在许多情况下，第一解剖结构将仅在第一图像数据组中可见，而第二解剖结构仅在第二图像数据组中可见。然而，本发明也涵盖如下情况：解剖结构至少部分地在两个图像数据组中可见，但是特别是可自动推断的信息不足以方便配准。换句话说，通过评估图像数据组确定的关于第一解剖结构的信息和关于第二解剖结构的信息两者本身都不足以使能图像数据组的配准。
本发明利用如下事实：即使没有解剖结构在两个图像数据组可见，以方便配准，也可能存在几何关系至少部分地、即对于延伸的片段已知的解剖结构。为了方便配准处理，对于单个点具有点对应关系或者已知的几何关系是不足的，而是必须延伸片段，其中，优选使用区域、特别是表面作为片段。如果至少可以根据两个图像数据组足够准确地计算描述已知几何关系的第一和第二解剖结构的片段的几何信息，则可以在合适的优化处理中根据几何关系将片段对齐，以产生描述两个图像数据组之间的变换的变换参数，因此使得能够计算用于配准图像数据组的配准信息，因此还方便随后使用第二图像数据组的图像设备获取的图像之间的配准，只要患者不以相关方式移动。
本发明当然还可应用于例如具有多个第二图像数据组或者甚至第三图像数据组的多于两个的图像数据组和/或多于两个的模态的配准，其中，使用涵盖三个解剖结构的几何关系。本发明的方法的应用还包括随着时间获取的图像，特别是例如CINE MRI的4D数据组，其中，可以使用单个第一图像数据组和其第一解剖结构，来与作为第二图像数据组的时间序列的所有部分图像数据组配准。
在此以及在下面，图像数据组和成像模态应当被宽泛地解释为还涵盖用于收集关于解剖结构的几何结构的多维信息和产生的描述这些几何结构的多维解剖数据组的其它方法。例如，这些模态可以包括电解剖标测方法(electro-anatomical mapping methods)和相关方法。在这些情况下，图像数据组可能已经仅包含解剖结构，这使分割简化，和/或它们可能已经包括点云表示和/或表面表示，特别是网格。图像数据组当然可以已经例如通过使用CAD(计算机辅助诊断)和/或作为参数化模型根据至少一个原始图像数据组得到。
另外，所描述的配准处理不仅可应用于不同的模态，而且可应用于使用同一模态的不同的成像技术。例如，第一图像数据组可以是对比度增强的x射线图像数据组，特别是数字减影血管造影(DSA，digital subtraction angiography)图像数据组，而第二图像数据组可以是非对比度增强的图像数据组。
因为配准处理完全是自动的，并且优选能够实时实现，因此不需要手动交互，并且可以将配准信息有利地用于患者的目标区域中的医疗介入中的图像引导。因为仅必须知道片段的几何结构和已知的几何关系，因此本方法具有广泛的应用范围，并且例如也可以用于可能具有较低的空间分辨率的磁共振图像数据组，使得能够例如推导出延伸的区域或表面的几何结构，但是无法看到其它解剖结构位于其中的更细的结构，例如沟。
在有利的实施例中，已知几何关系描述解剖结构的至少部分地平行或者接触或者相交的表面。特别是，使用共享作为已知几何关系的延伸的片段的至少部分地平行、相交或者接触的表面的相邻的解剖结构。在本实施例中所提出的配置方法的核心是使用相邻或者共享共同的表面的解剖结构。
优选第一解剖结构是界定器官和/或器官部分或者与界定器官和/或器官部分的第二组织层相邻的组织层，特别是心肌或心外膜，并且第二解剖结构是血管结构和/或平行于器官的表面。平行在这种情况下可以理解为至少基本上跟随表面的曲率。特别地，第一解剖结构在心脏解剖结构中可以是左心室(LV)的心外膜表面，其与作为第二解剖结构的冠状窦(CS)血管树相邻。左心室在手术磁共振图像数据组中可见，但是冠状窦血管树不可见。血管树在对比度增强的x射线透视期间可见，然而左心室不可见。由于已知冠状窦血管树与左心室的心外膜表面平行地或者在左心室的心外膜表面上延伸，因此可以利用现有的该解剖结构知识、已知的几何结构，在没有跨模态图像信息的情况下配准多形态图像。
虽然下面经常使用心脏解剖结构、特别是左心室来说明本发明的概念，但是所描述的方法也可应用于人体的其它区域，特别是不同的解剖结构。例如，对于其它器官，例如肝脏或者肾脏，还已知在这些器官的表面上找到血管结构。这对于某些种类的肿瘤也成立。所描述的方法的另一个应用领域是脑部解剖结构，其中，例如灰质与脊膜(meninx)(脑膜)和其血管相邻。其它示例包括将脊椎(椎骨中的孔)与脊髓或者与延伸通过脊髓的神经配准，以及将肝脏与隔膜配准。
在优选实施例中，第一图像数据组可以是磁共振图像数据组，并且第二图像数据组可以是x射线图像数据组。x射线图像数据组优选可以是透视图像数据组、特别是双平面透视图像数据组或者在介入期间或者在介入开始时记录的旋转血管造影x射线图像数据组，如下面将进一步详细讨论的。例如，可以使用具有c形臂的双平面x射线设备。
第一几何信息可以使用组织分割确定。例如，对于磁共振图像数据组，提出了多种算法来分割某些类型的组织，例如心肌组织。在实施例中，例如，如在M.P.Jolly等的文章“Automatic segmentation of the myocardium in cine MR images using deformableregistration”,in:STACOM–Imaging and modelling intelligence,Vol 8896,pp.105–113(2011)中所描述的，可以使用机器学习地标检测和灰度级分析的组合，在磁共振数据组中检测心外膜轮廓。然后，可以将网格适配于轮廓，以产生舒张末期的左心室心外膜的表面表示。对于其它应用领域，特别是，脑部解剖结构，已知并且提出了类似的算法。
可以使用对特别是利用造影剂已获得的第二图像数据组的血管分割确定第二几何信息。对血管的成像通常使用x射线技术进行。虽然在旋转血管造影x射线图像数据组中，示出同一血管的对应的像素更容易检测，但是也可以实现对于在两个不同的平面中成像的两个x射线投影、即双平面透视图像数据组的几何信息的自动确定。
因此，在本发明的实施例中，当根据第二图像数据组的多个二维x射线图像作为第二解剖结构重建血管结构时，在所有x射线图像中检测在每个x射线图像中可识别的至少一个特定点，特别是用于暂时阻挡血管的医疗器械的至少一个特定点和/或血管分支的特定点，并且使用特定点作为开始点，使用血管树是互连的限制，检测与同一血管对应的像素。虽然在过去，自动根据几个二维透视图像重建血管树很困难，使得在许多情况下需要进行手动交互，以在所有投影中找到对应的血管，但是近来提出了使用在图像数据组的所有二维图像中可以检测到的特定点作为开始点，并且利用血管全部互连的事实，在投影的稀少的集合中也允许自动分割血管树的技术。以这种方式，即使特别是在介入期间的图像引导情形下，仅可获得几个不同的投影作为二维x射线图像，特别是双平面透视中的两个二维图像，也可以以可靠的方式实现包括解剖结构的分割的完全自动的配准处理。
特定点可以是医疗器械、例如导管的特征点。在CRT中，经常使用气球导管来支持显影剂和/或防止要对比的血管中的显影剂逆流。可以在透视图像数据组的所有投影中自动检测这种医疗器械，因此提供开始血管树的重建的特定点。例如，在Matthias Hoffmann等的文章“Electrophysiology Catheter Detection and Reconstruction from TwoViews in Fluoroscopic Images“,in:IEEE Transactions on Medical Imaging,Vol.35(2015),pp.567–579中，描述了双平面透视中的导管的检测。Tanja Kurzendorfer等在“Cryo-Balloon Catheter Localization Based on a Support-Vector-MachineApproach”,IEEE Transactions on Medical Imaging,DOI:10.1109/TMI.2016.2537052中，还提出了基于支持向量机方法局部化气球导管。
作为这些的方法还可以应用于局部化根据本发明用于重建血管树的特定点。替代地或者附加地，可以使用可自动检测和可识别的分支的特定点。关于在血管树中的特定点处开始的血管树的重建，也已经讨论了用于两个视图中的曲线结构的重建方法，例如参见Matthias Hoffmann等的“Reconstruction method for curvilinear structures fromtwo Views“in:Medical Imaging 2013:Image-Guided Procedures,RoboticInterventions,and Modeling, edited by David R.Holmes and Ziv R.Yaniv,Proc.ofSPIE Vol.8671,86712F(2013)，并且也可以应用于在考虑血管互连的边界条件的情况下的血管树的重建。
通常，在本发明的优选实施例中，第一和/或第二几何信息包括点云表示和/或表面表示，特别是网格。当评估相邻的平行表面时，可以特别有利地使用存在已知几何关系的片段的这些表示。特别地，在这些情况下，本发明的方法优选进行点对点配准或者点对平面配准，以将点云彼此配准或者将点云与表面配准。
配准点云表示或者表面表示的许多算法本身需要仔细选择的初始参数组，因为它们通常仅检测误差函数或者偏差函数的局部最小值。本发明利用如下事实：近来提出了所谓的全局优化(Go)的算法，其通过将这些算法与全局搜索算法组合，使得能够找到这些配准问题的全局最小值。
因此，在本发明的特别优选的实施例中，使用全局优化的配准算法来优化变换参数，特别是全局优化的迭代最近点算法(Go-ICP，globally optimized iterative closestpoint)。虽然优选使用ICP算法，但是也可以使用其它算法，例如相干点漂移算法(CPD，Coherent Point Drift)，如例如Andriy Myronenko 和Xubo Song在“Point SetRegistration in Coherent Point Drift",arXiV:0905.2635vl,15.05.2009中所描述的。在J.Yang等的文章“Solving 3D Registration Efficiently and Globally Optimally”,in:2013IEEE ICCV,pp.1457–1464(2013)中，将分支和绑定(BnB，branch and bound)算法与ICP算法组合，以克服其各自的弱点，因此提供快速的全局优化的解决方案。该Go-ICP算法保证收敛到全局最优解。另外，其比标准BnB算法高效得多，因为即使其探索整个可能的解空间，其也利用ICP方法细化中间结果，因此受益于这两种算法的良好属性。
例如，如果使用重建的血管结构，其中，几何信息是点云表示，则可以将配准问题描述为具有未知点对应关系的部分点云匹配问题。可以将刚性变换描述为旋转和平移，然而，也必须考虑特征、例如点到顶点的对应关系。如果已知最优旋转和平移，则可以容易地找到对应关系，而如果已知对应关系，则很容易计算最优旋转和平移。未知的该问题通过总是找到最近的局部最小值的ICP算法解决，然而，在其Go-ICP算法中附加地使用J.Yang等提出的BnB算法以快速并且可靠的方式产生全局最优解。
应当注意，如果解剖结构中的一个是在另一解剖结构的表面上延伸的血管结构，当然可以关于朝向表面的方向的血管的表面评估血管结构，从而为了进行配置而减少点云。
在优选实施例中，使用描述在第一和第二图像数据组的获取之间患者的可能的运动的边界条件，来减小变换参数的优化的参数空间。特别地，可以考虑第一和第二图像数据组的获取期间的患者的已知定位信息来确定边界条件。以这种方式，可以使用关于患者的定位的信息来减小在配准过程中要搜索的参数空间。例如，如果在仰卧位在两种情况下对患者进行了成像，则可以排除假设患者转向俯卧位的变换。
优选使用关于配准相关的、但是不足以配准图像数据组的关于第一和第二图像数据组的至少一个相关信息，作为优化目标函数的一部分，和/或作为优化变换参数时和/或用于细化配准信息的边界条件。特别地，相关信息可以包括点对应关系或者线对应关系。甚至在延伸的解剖结构无法在两种模态的图像数据组中完全可见的情况下，可能存在一些相互信息，其单独不足以配准图像数据组，但是当然可以用于提高配准的精度，检查配准的似真性(plausibility)，和/或使能更快的计算处理。通过包含在两种模态下共同的信息，本方法得到了改善。例如，在心脏配准中，甚至可以在磁共振图像数据组中识别血管树的一些部分。在另一个示例中，在X射线图像数据组的介入透视图像中可以识别心脏边界、特别是左心室的边界的阴影。因此，在具体的实施例中，可以通过适配于在介入图像中可识别的这些特征，例如左心室的阴影，来细化配准信息。
患者的一些目标区域在图像数据组中的至少一个的获取期间也可能经历运动。优选当在患者运动的不同运动状态、特别是至少部分地周期性的运动下获取图像数据组中的至少一个的部分时，选择图像数据组的至少一部分的运动状态，并且将在其它运动状态期间获取的部分变换到所选择的运动状态。虽然在心脏应用中，一般在患者的屏气状态期间获取图像，但是周期性的心脏运动仍然对图像数据组的各部分有影响。如果图像数据组包括在不同的运动状态下获取的各部分，则优选提取运动，从而可以将图像数据组的所有部分转换到特定的预定的选择的运动状态。特别地，可以使用特别是基于运动的主要分量分析的运动模型，来描述运动状态和运动状态之间的变换。M.Panayiotou等在“Astatistical method for retrospective cardiac and respiratory motion gating ofinterventional cardiac X-ray images”,Medical Physics 41(7),071901(2014)中描述了使用掩蔽的主要分量分析运动门控(masked principle component analysis motiongating)方法。
如已经提及的，多形态图像数据组的完全自动的配准的有利应用领域是在图像引导的介入期间。因此，优选在计算在医疗介入过程期间用于图像引导的融合图像时，使用配准信息，特别是在用于目标区域中的介入医疗过程期间的图像引导的方法中，其中，在生成显示的融合图像时，使用配准信息，显示的融合图像包含来自两个图像数据组的信息，或者优选如果第二图像数据组的模态是介入模态，则包含来自第一图像数据组或者与第一图像数据组相关联的信息和来自第二图像数据组的成像设备的后续图像的信息，至少只要患者不或者仅不相关地移动。一般来说，第一图像数据组、例如磁共振图像数据组将是已经用于介入过程的规划的术前图像数据组。第二图像数据组在这种情况下包括介入图像、例如透视图像，其可以描绘例如在患者的目标区域中的血管结构中使用的医疗器械。因此，使用配准信息，使用每个图像数据组的至少一部分和/或第二图像数据组的成像设备的后续图像来计算融合图像是有利的。特别地，可以将术前图像数据组的各部分叠加到介入模态的介入图像上。融合图像还可以包括从图像数据组中扣除的信息，例如介入过程之前的规划阶段的结果。可以将与第一图像数据组有关的标记和/或附加信息叠加到例如不再是对比度增强的第二图像数据组或者后续图像中的图像数据上。以这种方式，实现医疗介入过程期间的准确引导。
在这种情境下，还优选在目标区域的介入过程期间，至少重新获取一次第二图像数据组，并且用第二图像数据组的每个重新获取，特别是基于先前确定的配准信息和/或实时地更新配准信息。因为本发明提出的配准处理完全自动地运行，因此能够例如通过使用也示出第二解剖结构的最近获取的介入图像数据重新运行配准处理，实时地更新配准信息。在第二图像数据组包括对比度增强的图像数据的情况下，虽然图像引导使用了第二模态的后续非对比度增强的图像，但是如果要更新配准信息，则可以发起对比度增强的重新获取。例如，如果观察到了患者运动，则可以自动触发或者由用户发起新的对比度增强的获取。然而，替代地，也可以使用上面提及的模态之间的稀少的共同信息，通过细化使用该跨模态信息来更新配准信息，该跨模态信息可能不足以配准图像数据组，但是可以用于更新已知的配准信息，特别是根据第二模态的非对比度增强的图像。应当注意，当使用例如Go-ICP的算法时，不一定需要使用先前计算的配准信息作为开始点，因为搜索整个参数空间(如果不如在上面描述的实施例中减小)。
在另一方面，本发明还包括一种用于配准患者的目标区域的第一图像数据组和第二图像数据组的配准设备，其中，第一和第二图像数据组使用不同的成像模态或者在同一成像模态下使用不同的成像技术获得，所述配准设备包括：
-选择单元，用于选择仅或者至少部分地仅在第一图像数据组中可见的第一解剖结构，和仅或者至少部分地仅在第二图像数据组中可见的第二解剖结构，使得在解剖结构的至少延伸的片段之间存在已知的几何关系，
-评估单元，用于通过评估第一和第二图像数据组，自动确定描述包括相应的片段的第一解剖结构的至少一部分的几何结构的第一几何信息，和描述包括相应的片段的第二解剖结构的至少一部分的几何结构的第二几何信息，关于第一解剖结构的信息和关于第二解剖结构的信息两者本身都不足以使能图像数据组的配准，
-优化单元，用于通过最小化与已知几何关系的偏差，自动优化描述解剖结构中的一个相对于另一个的刚性变换的变换参数，以及第一和第二几何信息中的特征之间的几何对应关系，以及
-配准单元，用于根据优化的变换参数确定配准信息。
换句话说，配准设备被适配为执行本发明的方法。因此，关于本发明的方法的所有叙述和特征也适用于本发明的配准设备。配准设备可以包括计算机和/或至少一个处理器，其中，所描述的单元可以作为硬件部件和/或软件部件来实现。
在另一方面，本发明涉及一种计算机程序，当在计算机上执行所述计算机程序时，所述计算机程序执行本发明的方法的步骤。计算机程序可以存储在根据本发明的电子可读存储介质上，根据本发明的计算机程序存储在所述电子可读存储介质上。电子可读存储介质可以是非易失性存储介质，例如CD。
总之，所描述的发明尤其通过省略手动步骤，显著降低了配准处理的难度。配准处理变成了“一键点击”处理。配准时间减少，伴随着潜在的精度提高。所提出的配准处理能够配准不共享跨模态信息/地标的多形态图像，并且能够在患者移动的情况下自动更新配准。配准处理完全自动化，并且找到了配准问题的最优解决方案。其对于CRT介入特别有利，并且能够总体上为多个其它应用领域开启模态间配准的一种新的方式。
附图说明
本发明的其它优点和细节从下面结合附图对优选实施例的描述变得明显，在附图中，
图1示出了根据本发明的方法的实施例的流程图，
图2是视觉化配准处理的图，
图3示出了用于图像引导的融合图像，以及
图4示出了具有集成配准设备的血管造影成像设备。
具体实施方式
图1是根据本发明的方法的实施例的流程图，其在医疗介入手术、在这种情况下为CRT手术期间用于图像引导。在术前，已经获取的磁共振图像数据组，作为第一图像数据组。除了所提及的解剖结构磁共振图像数据组之外，还获取了功能磁共振图像数据组，以定位左心室中的病变。解剖结构图像数据组与功能磁共振图像数据组一起用于规划介入，特别是用于定位病变和心肌的心外膜表面上介入位置。
在实际介入期间，使用微创医疗器械，特别是导管。为了能够引导介入，由于施加了造影剂，使用双平面血管造影成像设备来获取示出患者的目标区域、特别是冠状窦血管树的不同角度的透视图像。还使用二维透视图像来示出医疗器械。所有这些图像形成第二图像数据组。
术前和术中模态在根本上是不同的，从而第一图像数据组和第二图像数据组不共享明显的跨模态信息。然而，对于介入手术期间的图像引导，需要配置能够准确地将来自术前的第一磁共振图像数据组的信息和/或从术前成像得到的规划信息，叠加到示出医疗器械和血管树的第二x射线图像数据组的透视图像上。为了计算根据本发明的配准信息，使用第一图像数据组1和第二图像数据2作为输入数据。为了方便配准，已经选择了两个解剖结构，其中，第一解剖结构仅在第一图像数据组中可见，而第二解剖结构仅在第二图像数据组中可见。然而，至少这些解剖结构的片段具有已知的几何关系。在这里讨论的心脏应用中，磁共振图像数据组清楚地示出了作为第一解剖结构的左心室的心肌，从而可以得到心肌的心外膜表面，通常在第二图像数据组2中清晰可见的作为第二解剖结构的冠状窦血管树位于心外膜表面上。换句话说，在第一和第二解剖结构共享共同的表面或者至少平行的表面的意义上，它们是相邻的。
在步骤S1中，使用这里不详细讨论的已知的组织分割算法，在第一图像数据组1中分割心肌。从分割的心肌中可以得到心外膜表面，并且在步骤S1中描述为表面表示，即网格。如果将节点视为单个的点，则网格也可以理解为点云表示；然而，替代地或者附加地，存在其它可能性作为点云表示来描述心外膜表面。表面表示和/或点云表示构成第一几何信息。
在独立于步骤S1的步骤S2中，评估第二图像数据组2，以得到作为点云表示描述冠状窦血管树的第二几何信息。为了实现这，首先分析第二图像数据组的二维透视图像，以检测在所有二维透视图像中可见的特定点。在该实施例中，特定点是医疗器械的特征点；然而，替代地或者附加地，可以使用血管树中的可识别的分支的特定点。在知道特定点在第二图像数据组2的所有二维投影中的位置的情况下，可以重建血管树，其中，使用血管互连的事实，将透视图像中的像素分配给特定血管，并且找到示出同一血管的像素。为了创建血管树的点云表示，可以使用沿着血管的中心线的点，但是优选使用血管的圆周上的点，特别是朝向心外膜表面的表面上的点。
一旦知道第一和第二几何信息，则在步骤S3中进行配准。在该实施例中，使用Go-ICP算法来找到关于已知关系的全局最优，即将与已知几何偏差的偏差最小化，用于变换包括刚性变换(旋转和平移)的参数的参数和特征对应关系，在两个点云表示的情况下是点对应关系。也可以使用其它算法，例如Go-CPD算法。通过使用全局优化的配准算法，可以省略手动步骤，其中，将第一大致定位选择为找到局部最小值的开始点。
Go-ICP算法可以使用减小要搜索的参数空间的边界条件。例如，可以使用来自第一图像数据组1和第二图像数据组2的获取的定位信息，来排除在获取之间患者的某些运动。另外，可以使用本身不足以配准图像数据组1,2的图像数据组1,2中的稀少的相互信息，来表达边界条件。
然而，如在图1中所指示的，优选在步骤S4中使用在两种模态下共同的这种信息，来细化在步骤S3中计算的配准信息。例如，可以识别第一磁共振图像数据组1中的血管树的一些部分，和/或可以从第二x射线图像数据组2的透视图像中提取人的心脏的左心室或其它成分的边界的阴影。
根据本发明的方法的结果是准确的配准信息3，其可以用于创建用于图像引导的融合图像，如下面将详细描述的。
图2在几何上示出了配准处理如何工作。定位从第二图像数据组2中提取的血管树4和从第一图像数据组1中分割的心肌的心外膜表面5，使得血管树4最优地位于心肌的心外膜表面5上。
应当注意，每次在介入手术期间获取新的第二图像数据组2时，例如，如果发生患者运动和/或如果例如观察患者运动的用户请求，和/或周期性地，可以自动更新配准信息3。在这两种情况下，优选实时进行配准处理。
配准信息3用于在介入手术期间创建用于图像引导的融合图像。在图3中示出了这种融合图像的示例。融合图像6由与来自第一图像数据组1的信息和/或来自在第一图像数据组1上进行的规划的规划信息叠加的、第二图像数据组2的透视图像7或者在自第二图像数据组2的获取起没有相关的患者运动发生的情况下使用与针对第二图像数据组2所使用的相同的成像设备获取的透视图像构成。可以看到，透视图像7清楚地示出了医疗器械8，这里为具有电极9的多极引线。作为叠加，包括心外膜表面10以及包含病变的区域(在这种情况下为疤痕组织)、从上面提及的功能磁共振图像数据组取得的信息，其当然与形成第一图像数据组1的解剖结构磁共振图像数据组配准。作为有色区域11示出了病变、特别是疤痕组织。可以看到，放置电极9，以避开疤痕组织。
最后，图4示出了血管造影成像设备12，其具有两个C形臂13，从而可以同时使用不同的角度获取透视图像。血管造影成像设备12具有控制设备14，控制设备14在该实施例中还包括被适配为执行根据本发明的方法的配准设备15。
配准设备15包括用于选择解剖结构的选择单元16。例如，对于多个可能的介入手术和模态的组合，可以将合适的解剖结构和各个算法存储在控制单元14的数据库中。
配准设备15还包括用于自动确定第一和第二几何信息的评估单元17和用于配准几何信息的优化单元18。最后，设置用于根据由优化单元18确定的优化的变换参数确定配准信息的配准单元19。
另外，控制设备14还可以包括使用配准信息生成诸如图3所示的融合图像6的融合图像的融合单元。
虽然参考优选实施例详细描述了本发明，但是本发明不受所公开的示例限制，本领域技术人员能够从所公开的示例得出其它变化，而不脱离本发明的范围。

Claims (17)

1.一种用于配准患者的目标区域的第一图像数据组(1)和第二图像数据组(2)的方法，其中，第一和第二图像数据组(1,2)使用不同的成像模态或者在同一成像模态下使用不同的成像技术获得，所述方法包括：
-选择仅或者至少部分地仅在第一图像数据组(1)中可见的第一解剖结构，和仅或者至少部分地仅在第二图像数据组(2)中可见的第二解剖结构，使得在解剖结构的至少延伸的片段之间存在已知的几何关系，
-通过评估第一和第二图像数据组(1,2)，自动确定描述包括相应的片段的第一解剖结构的至少一部分的几何结构的第一几何信息，和描述包括相应的片段的第二解剖结构的至少一部分的几何结构的第二几何信息，关于第一解剖结构的信息和关于第二解剖结构的信息两者本身都不足以使能图像数据组的配准，
-通过最小化与已知几何关系的偏差，自动优化描述解剖结构中的一个相对于另一个的刚性变换的变换参数，以及第一和第二几何信息中的特征之间的几何对应关系，以及
-根据优化的变换参数确定配准信息(3)。
2.根据权利要求1所述的方法，其中，第一解剖结构不同于第二解剖结构。
3.根据权利要求2所述的方法，其中，已知几何关系描述解剖结构的至少部分地平行或者接触或者相交的表面。
4.根据前述权利要求中任一项所述的方法，其中，第一解剖结构是界定器官和/或器官部分或者与界定器官和/或器官部分的第二组织层相邻的组织层，特别是心外膜或心肌，并且第二解剖结构是器官表面上的或者与器官表面平行的血管结构。
5.根据权利要求4所述的方法，其中，使用组织分割确定第一几何信息，和/或使用对特别是利用造影剂已获得的第二图像数据组(2)的血管分割确定第二几何信息。
6.根据前述权利要求中任一项所述的方法，其中，第一图像数据组(1)是磁共振图像数据组，而第二图像数据组(2)是x射线图像数据组。
7.根据权利要求6所述的方法，其中，当根据第二图像数据组(2)的多个二维x射线图像作为第二解剖结构重建血管结构时，在所有x射线图像中检测在每个x射线图像中可识别的至少一个特定点，特别是用于暂时阻挡血管的医疗器械(8)的至少一个特定点和/或分支的特定点，并且使用特定点作为开始点，使用血管树(4)是互连的限制，检测与同一血管对应的像素。
8.根据前述权利要求中任一项所述的方法，其中，第一和/或第二几何信息包括点云表示和/或表面表示，特别是网格。
9.根据权利要求8所述的方法，其中，使用全局优化的迭代最近点算法和/或全局优化的相干点漂移算法，来优化变换参数。
10.根据前述权利要求中任一项所述的方法，其中，使用描述在第一和第二图像数据组(1,2)的获取之间患者的可能的运动的边界条件，来减小变换参数的优化的参数空间。
11.根据前述权利要求中任一项所述的方法，其中，使用关于配准相关的、但是不足以配准图像数据组(1,2)的关于第一和第二图像数据组(1,2)的至少一个相关信息，作为优化目标函数的一部分，和/或作为优化变换参数时和/或用于细化配准信息的边界条件。
12.根据前述权利要求中任一项所述的方法，其中，在计算在医疗介入过程期间用于图像引导的融合图像时，使用配准信息。
13.根据前述权利要求中任一项所述的方法，其中，在介入目标区域期间，至少重新获取一次第二图像数据组(2)，并且用第二图像数据组(2)的至少一次重新获取特别是实时地更新配准信息(3)。
14.一种用于配准患者的目标区域的第一图像数据组(1)和第二图像数据组(2)的配准设备(15)，其中，第一和第二图像数据组(1,2)使用不同的成像模态或者在同一成像模态下使用不同的成像技术获得，所述配准设备(15)包括：
-选择单元(16)，用于选择仅或者至少部分地仅在第一图像数据组(1)中可见的第一解剖结构，和仅或者至少部分地仅在第二图像数据组(2)中可见的第二解剖结构，使得在解剖结构的至少延伸的片段之间存在已知的几何关系，
-评估单元(17)，用于通过评估第一和第二图像数据组(1,2)，自动确定描述包括相应的片段的第一解剖结构的至少一部分的几何结构的第一几何信息，和描述包括相应的片段的第二解剖结构的至少一部分的几何结构的第二几何信息，关于第一解剖结构的信息和关于第二解剖结构的信息两者本身都不足以使能图像数据组的配准，
-优化单元(18)，用于通过最小化与已知几何关系的偏差，自动优化描述解剖结构中的一个相对于另一个的刚性变换的变换参数，以及第一和第二几何信息中的特征之间的几何对应关系，以及
-配准单元(19)，用于根据优化的变换参数确定配准信息(3)。
15.根据权利要求14所述的配准设备(15)，其中，第一解剖结构不同于第二解剖结构。
16.一种计算机程序，当在计算机上执行所述计算机程序时，所述计算机程序执行根据权利要求1至13中任一项所述的方法的步骤。
17.一种电子可读存储介质，其上存储有根据权利要求16所述的计算机程序。
CN201710499445.2A 2016-06-28 2017-06-27 用于配准第一图像数据组和第二图像数据组的方法和设备 Pending CN107545585A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP16176653.0 2016-06-28
EP16176653.0A EP3264365A1 (en) 2016-06-28 2016-06-28 Method and device for registration of a first image data set and a second image data set of a target region of a patient

Publications (1)

Publication Number Publication Date
CN107545585A true CN107545585A (zh) 2018-01-05

Family

ID=56550013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710499445.2A Pending CN107545585A (zh) 2016-06-28 2017-06-27 用于配准第一图像数据组和第二图像数据组的方法和设备

Country Status (3)

Country Link
US (1) US10332253B2 (zh)
EP (1) EP3264365A1 (zh)
CN (1) CN107545585A (zh)

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110575255A (zh) * 2018-06-07 2019-12-17 格罗伯斯医疗有限公司 使用自然基准提供共配准的机器人系统和相关方法
CN110693608A (zh) * 2018-07-10 2020-01-17 西门子医疗有限公司 确定参考系的有效性的方法，医学系统和计算机程序产品
CN110717877A (zh) * 2018-07-11 2020-01-21 西门子医疗有限公司 针对路线图方法确定加权的方法、数据存储器和成像设备
CN111742346A (zh) * 2018-02-21 2020-10-02 纳维斯国际有限公司 映射装仓医疗数据
CN111936045A (zh) * 2018-02-07 2020-11-13 波士顿科学医学有限公司 标测和表征冠状血管以进行心外膜消融的系统和方法
CN111968164A (zh) * 2020-08-19 2020-11-20 上海交通大学 一种基于双平面x光追踪的植入物自动配准定位方法
CN111986205A (zh) * 2019-05-21 2020-11-24 梁红霞 血管树生成及病变识别方法、装置、设备及可读存储介质
CN112790778A (zh) * 2019-11-14 2021-05-14 西门子医疗有限公司 采集错误对齐
CN112912005A (zh) * 2018-10-24 2021-06-04 西门子医疗有限公司 生成医学结果图像
CN113487684A (zh) * 2021-07-23 2021-10-08 浙江华睿科技股份有限公司 一种标定参数确定方法、装置、存储介质及电子装置
US11399900B2 (en) 2012-06-21 2022-08-02 Globus Medical, Inc. Robotic systems providing co-registration using natural fiducials and related methods
US11589771B2 (en) 2012-06-21 2023-02-28 Globus Medical Inc. Method for recording probe movement and determining an extent of matter removed
US11684437B2 (en) 2012-06-21 2023-06-27 Globus Medical Inc. Systems and methods for automatically changing an end-effector on a surgical robot
US11786324B2 (en) 2012-06-21 2023-10-17 Globus Medical, Inc. Surgical robotic automation with tracking markers
US11793570B2 (en) 2012-06-21 2023-10-24 Globus Medical Inc. Surgical robotic automation with tracking markers
US11801097B2 (en) 2012-06-21 2023-10-31 Globus Medical, Inc. Robotic fluoroscopic navigation
US11819365B2 (en) 2012-06-21 2023-11-21 Globus Medical, Inc. System and method for measuring depth of instrumentation
US11857266B2 (en) 2012-06-21 2024-01-02 Globus Medical, Inc. System for a surveillance marker in robotic-assisted surgery
US11857149B2 (en) 2012-06-21 2024-01-02 Globus Medical, Inc. Surgical robotic systems with target trajectory deviation monitoring and related methods
US11864745B2 (en) 2012-06-21 2024-01-09 Globus Medical, Inc. Surgical robotic system with retractor
US11864839B2 (en) 2012-06-21 2024-01-09 Globus Medical Inc. Methods of adjusting a virtual implant and related surgical navigation systems
US11883217B2 (en) 2016-02-03 2024-01-30 Globus Medical, Inc. Portable medical imaging system and method
US11896446B2 (en) 2012-06-21 2024-02-13 Globus Medical, Inc Surgical robotic automation with tracking markers
US11911225B2 (en) 2012-06-21 2024-02-27 Globus Medical Inc. Method and system for improving 2D-3D registration convergence
US11950865B2 (en) 2012-06-21 2024-04-09 Globus Medical Inc. System and method for surgical tool insertion using multiaxis force and moment feedback
US11963755B2 (en) 2012-06-21 2024-04-23 Globus Medical Inc. Apparatus for recording probe movement
US11974822B2 (en) 2012-06-21 2024-05-07 Globus Medical Inc. Method for a surveillance marker in robotic-assisted surgery
US12004905B2 (en) 2012-06-21 2024-06-11 Globus Medical, Inc. Medical imaging systems using robotic actuators and related methods
US12016645B2 (en) 2021-06-02 2024-06-25 Globus Medical Inc. Surgical robotic automation with tracking markers

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062952B (zh) * 2018-10-16 2022-09-30 腾讯科技（深圳）有限公司 肺部图像分割设备、方法及存储介质
EP3962351B1 (en) * 2019-05-03 2023-07-12 Koninklijke Philips N.V. Co-registration of cardiac images
KR102467282B1 (ko) * 2019-12-31 2022-11-17 주식회사 코어라인소프트 의료 영상을 이용하는 중재시술 시스템 및 방법
WO2021154389A1 (en) 2020-01-29 2021-08-05 Covidien Lp System and methods for identifying vessels within tissue
CN113724306B (zh) * 2021-08-04 2023-06-13 卡本(深圳)医疗器械有限公司 一种术前ctmr扫描图像与术中病人坐标的配准算法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001045047A1 (en) * 1999-12-14 2001-06-21 Siemens Corporate Research, Inc. Model-based registration of cardiac cta and mr acquisitions
US6292683B1 (en) * 1999-05-18 2001-09-18 General Electric Company Method and apparatus for tracking motion in MR images
CN1631321A (zh) * 2003-12-23 2005-06-29 中国科学院自动化研究所 一种基于互信息敏感区域的多模态医学图像配准方法
CN1952980A (zh) * 2006-11-17 2007-04-25 南方医科大学 三维图像的快速配准方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5568384A (en) * 1992-10-13 1996-10-22 Mayo Foundation For Medical Education And Research Biomedical imaging and analysis
US7996060B2 (en) * 2006-10-09 2011-08-09 Biosense Webster, Inc. Apparatus, method, and computer software product for registration of images of an organ using anatomical features outside the organ
EP2225724A1 (en) * 2007-12-18 2010-09-08 Koninklijke Philips Electronics N.V. System for multimodality fusion of imaging data based on statistical models of anatomy
US20100036233A1 (en) * 2008-08-08 2010-02-11 Michigan State University Automatic Methods for Combining Human Facial Information with 3D Magnetic Resonance Brain Images
US8675996B2 (en) * 2009-07-29 2014-03-18 Siemens Aktiengesellschaft Catheter RF ablation using segmentation-based 2D-3D registration
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
GB201117811D0 (en) * 2011-10-14 2011-11-30 Siemens Medical Solutions Registration of cardiac CTA to PET/SPECT
US9463072B2 (en) * 2013-08-09 2016-10-11 Siemens Aktiengesellschaft System and method for patient specific planning and guidance of electrophysiology interventions
US9646361B2 (en) * 2014-12-10 2017-05-09 Siemens Healthcare Gmbh Initialization independent approaches towards registration of 3D models with 2D projections

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6292683B1 (en) * 1999-05-18 2001-09-18 General Electric Company Method and apparatus for tracking motion in MR images
WO2001045047A1 (en) * 1999-12-14 2001-06-21 Siemens Corporate Research, Inc. Model-based registration of cardiac cta and mr acquisitions
CN1631321A (zh) * 2003-12-23 2005-06-29 中国科学院自动化研究所 一种基于互信息敏感区域的多模态医学图像配准方法
CN1952980A (zh) * 2006-11-17 2007-04-25 南方医科大学 三维图像的快速配准方法

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11896446B2 (en) 2012-06-21 2024-02-13 Globus Medical, Inc Surgical robotic automation with tracking markers
US11911225B2 (en) 2012-06-21 2024-02-27 Globus Medical Inc. Method and system for improving 2D-3D registration convergence
US12004905B2 (en) 2012-06-21 2024-06-11 Globus Medical, Inc. Medical imaging systems using robotic actuators and related methods
US11974822B2 (en) 2012-06-21 2024-05-07 Globus Medical Inc. Method for a surveillance marker in robotic-assisted surgery
US11793570B2 (en) 2012-06-21 2023-10-24 Globus Medical Inc. Surgical robotic automation with tracking markers
US11963755B2 (en) 2012-06-21 2024-04-23 Globus Medical Inc. Apparatus for recording probe movement
US11950865B2 (en) 2012-06-21 2024-04-09 Globus Medical Inc. System and method for surgical tool insertion using multiaxis force and moment feedback
US11801097B2 (en) 2012-06-21 2023-10-31 Globus Medical, Inc. Robotic fluoroscopic navigation
US11864839B2 (en) 2012-06-21 2024-01-09 Globus Medical Inc. Methods of adjusting a virtual implant and related surgical navigation systems
US11819365B2 (en) 2012-06-21 2023-11-21 Globus Medical, Inc. System and method for measuring depth of instrumentation
US11399900B2 (en) 2012-06-21 2022-08-02 Globus Medical, Inc. Robotic systems providing co-registration using natural fiducials and related methods
US11864745B2 (en) 2012-06-21 2024-01-09 Globus Medical, Inc. Surgical robotic system with retractor
US11589771B2 (en) 2012-06-21 2023-02-28 Globus Medical Inc. Method for recording probe movement and determining an extent of matter removed
US11684437B2 (en) 2012-06-21 2023-06-27 Globus Medical Inc. Systems and methods for automatically changing an end-effector on a surgical robot
US11857149B2 (en) 2012-06-21 2024-01-02 Globus Medical, Inc. Surgical robotic systems with target trajectory deviation monitoring and related methods
US11786324B2 (en) 2012-06-21 2023-10-17 Globus Medical, Inc. Surgical robotic automation with tracking markers
US11857266B2 (en) 2012-06-21 2024-01-02 Globus Medical, Inc. System for a surveillance marker in robotic-assisted surgery
US11883217B2 (en) 2016-02-03 2024-01-30 Globus Medical, Inc. Portable medical imaging system and method
CN111936045B (zh) * 2018-02-07 2023-07-18 波士顿科学医学有限公司 标测和表征冠状血管以进行心外膜消融的系统和方法
CN111936045A (zh) * 2018-02-07 2020-11-13 波士顿科学医学有限公司 标测和表征冠状血管以进行心外膜消融的系统和方法
CN111742346A (zh) * 2018-02-21 2020-10-02 纳维斯国际有限公司 映射装仓医疗数据
CN110575255B (zh) * 2018-06-07 2022-08-16 格罗伯斯医疗有限公司 使用自然基准提供共配准的机器人系统和相关方法
CN110575255A (zh) * 2018-06-07 2019-12-17 格罗伯斯医疗有限公司 使用自然基准提供共配准的机器人系统和相关方法
CN110693608A (zh) * 2018-07-10 2020-01-17 西门子医疗有限公司 确定参考系的有效性的方法，医学系统和计算机程序产品
CN110717877B (zh) * 2018-07-11 2024-05-10 西门子医疗有限公司 针对路线图方法确定加权的方法、数据存储器和成像设备
CN110717877A (zh) * 2018-07-11 2020-01-21 西门子医疗有限公司 针对路线图方法确定加权的方法、数据存储器和成像设备
US11915446B2 (en) 2018-10-24 2024-02-27 Siemens Healthineers Ag Generating a medical result image
CN112912005A (zh) * 2018-10-24 2021-06-04 西门子医疗有限公司 生成医学结果图像
CN111986205B (zh) * 2019-05-21 2024-04-02 梁红霞 血管树生成及病变识别方法、装置、设备及可读存储介质
CN111986205A (zh) * 2019-05-21 2020-11-24 梁红霞 血管树生成及病变识别方法、装置、设备及可读存储介质
CN112790778A (zh) * 2019-11-14 2021-05-14 西门子医疗有限公司 采集错误对齐
CN111968164A (zh) * 2020-08-19 2020-11-20 上海交通大学 一种基于双平面x光追踪的植入物自动配准定位方法
US12016645B2 (en) 2021-06-02 2024-06-25 Globus Medical Inc. Surgical robotic automation with tracking markers
CN113487684A (zh) * 2021-07-23 2021-10-08 浙江华睿科技股份有限公司 一种标定参数确定方法、装置、存储介质及电子装置

Also Published As

Publication number Publication date
US20170372474A1 (en) 2017-12-28
EP3264365A1 (en) 2018-01-03
US10332253B2 (en) 2019-06-25

Similar Documents

Publication Publication Date Title
CN107545585A (zh) 用于配准第一图像数据组和第二图像数据组的方法和设备
US11666236B2 (en) System for vascular assessment
US8532352B2 (en) Method and system for intraoperative guidance using physiological image fusion
CN105849773B (zh) 解剖结构的基于模型的分割
EP3061015A2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
Sermesant et al. Simulation of cardiac pathologies using an electromechanical biventricular model and XMR interventional imaging
Babin et al. Skeletonization method for vessel delineation of arteriovenous malformation
US11017531B2 (en) Shell-constrained localization of vasculature
Soto-Iglesias et al. Integration of electro-anatomical and imaging data of the left ventricle: an evaluation framework
Ma et al. An integrated platform for image-guided cardiac resynchronization therapy
Weese et al. Generating anatomical models of the heart and the aorta from medical images for personalized physiological simulations
Xiong et al. Comprehensive modeling and visualization of cardiac anatomy and physiology from CT imaging and computer simulations
Bourier et al. Pulmonary vein isolation supported by MRI‐derived 3D‐augmented biplane fluoroscopy: a feasibility study and a quantitative analysis of the accuracy of the technique
Metz et al. Registration of $3 {\rm D}+{\rm t} $ Coronary CTA and Monoplane $2 {\rm D}+{\rm t} $ X-Ray Angiography
Baka et al. Respiratory motion estimation in x-ray angiography for improved guidance during coronary interventions
EP3721412B1 (en) Registration of static pre-procedural planning data to dynamic intra-procedural segmentation data
KR20150115438A (ko) 심장 부위를 포함하는 의료 영상 오버레이 방법 및 그 장치
Weese et al. The generation of patient-specific heart models for diagnosis and interventions
Camara et al. Statistical Atlases and Computational Models of the Heart: First International Workshop, STACOM 2010, and Cardiac Electrophysical Simulation Challenge, CESC 2010, Held in Conjunction with MICCAI 2010, Beijing, China, September 20, 2010, Proceedings
Mcleod et al. Regional analysis of left ventricle function using a cardiac-specific polyaffine motion model
Pfeifer et al. Patient-specific volume conductor modeling for non-invasive imaging of cardiac electrophysiology
KR20200048746A (ko) 뇌혈관 비교 판독 영상 디스플레이 장치 및 방법
Huang et al. Extraction of liver vessel centerlines under guidance of patient-specific models
Lasowski et al. Adaptive visualization for needle guidance in RF liver ablation: taking organ deformation into account
Courtecuisse et al. Computational Biomechanics of the Brain in the Operating Theatre

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination