CN108836479B - 一种医学图像配准方法和手术导航系统 - Google Patents
一种医学图像配准方法和手术导航系统 Download PDFInfo
- Publication number
- CN108836479B CN108836479B CN201810468140.XA CN201810468140A CN108836479B CN 108836479 B CN108836479 B CN 108836479B CN 201810468140 A CN201810468140 A CN 201810468140A CN 108836479 B CN108836479 B CN 108836479B
- Authority
- CN
- China
- Prior art keywords
- point set
- transfer matrix
- iteration
- initial
- point
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
Abstract
本发明公开了一种医学图像配准方法和手术导航系统,所述包括以下步骤:从三维图像空间中获取图像空间点集,并从物理空间中获取对应所述图像空间点集的物理空间点集;以每个图像空间点为中心,采用区域生长算法生成模糊配准参考模板;根据所述模糊配准参考模板和物理空间点计算初始转移矩阵;基于所述初始转移矩阵对模糊配准参考模板进行坐标转换得到初始迭代点集;根据初始迭代点集和物理空间点集,计算迭代转移矩阵;初始迭代点集和迭代转移矩阵的乘积即图像空间到物理空间的转移矩阵。
Description
技术领域
本发明属于手术导航领域,尤其涉及一种医学图像配准方法和手术导航系统。
背景技术
近年来,随着医学图像处理和计算机辅助外科的发展,各种数字外科技术被广泛应用于临床。而将来自于不同传感器、不同时间、或者不同空间的图像融合到一个坐标系下,成为数字外科应用的一个关键技术。比如,在图像导航手术过程中,只有将术前设计的三维图像数据匹配到病人所在的物理坐标系中,才能实现术中的引导和跟踪。
图像配准的实质是通过输入和输出图像来计算两个坐标系之间的转移矩阵。目前常用的方法主要包括基于表面数据的迭代配准算法和基于标记点的最小二乘拟合配准算法。但由于术中能获取到的表面数据是有限且容易变形,因此基于标记点的配准方法更加可靠和精确,在临床应用中收到更多的青睐。而基于标记点的配准方法又可以分为基于植入式标记点配准和基于自然解剖标记点的配准。基于植入式标记点,顾名思义需要在术前将标记物固定到病人身体上,会造成一定程度的创伤;而基于自然解剖标记点的方法,难点则在于难以实现标记点的自动识别。
事实上,最实用且理想的方式,是在术前和术中分别通过手动的方式选取具有明显特征的解剖结构作为配准的参考点,来实现术前和术中三维坐标匹配。但是手动选点存在较大的误差和不稳定性,即存在较大的随机噪声。而目前基于点数据的配准方法不具备处理噪声的能力。
因此,针对术前和术中三维坐标匹配,如何有效抑制噪声,提高医学图像配准精确度,是目前本领域技术人员亟需解决的技术问题。
发明内容
为克服上述现有技术的不足,本发明提供了一种医学图像配准方法和手术导航系统,所述配准方法基于图像空间参考点经区域生长后的模糊配准参考模板,计算图像空间到导航空间的转移矩阵,能够有效抑制图像配准的噪声,鲁棒性更高,实现术前数据和术中导航数据的精确有效地坐标匹配。
为实现上述目的,本发明采用如下技术方案:
一种医学图像配准方法,包括以下步骤:
从三维图像空间中获取图像空间点集,并从物理空间中获取对应所述图像空间点集的物理空间点集;
以每个图像空间点为中心,采用区域生长算法生成模糊配准参考模板;
根据所述模糊配准参考模板和物理空间点计算初始转移矩阵;
基于所述初始转移矩阵对模糊配准参考模板进行坐标转换得到初始迭代点集;
根据初始迭代点集和物理空间点集,计算迭代转移矩阵;初始迭代点集和迭代转移矩阵的乘积即图像空间到物理空间的转移矩阵。
进一步地,所述迭代转移矩阵计算方法为:以物理空间点集为参考,采用迭代方法从初始迭代点集匹配与其几何特征最相似的点集;基于所述点集和物理空间点集,计算迭代转移矩阵。
进一步地,所述初始转移矩阵计算方法为:计算模糊配准参考模板的中心点集;根据所述中心点集和物理空间点集,计算初始转移矩阵。
进一步地,所述区域生长算法的生长准则函数:
其中,x表示生长区域边界外的像素点,gs,gx分别为区域内和外的灰度平均值,σ为灰度差值的阈值,dx→s为点x到si的距离。
进一步地,所述初始转移矩阵和迭代转移矩阵均采用最小二乘拟合法。
进一步地,所述迭代方法的判断函数为:
其中,mi为初始迭代点集中距离物理空间点qi点最近的点,gqi和gmi为初始迭代点集的几何特征判断因子。
根据本发明的第二目的,本发明还提供了一种医学图像配准装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的图像配准方法。
根据本发明的第三目的,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的图像配准方法。
根据本发明的第四目的,本发明还提供了一种手术导航系统,包括导航工作站和超声设备,该导航工作站包括显示设备、输入设备、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
接收术前三维影像数据并通过显示设备显示;通过所述输入设备接收用户标记的配准参考点集;接收基于超声设备术中获取的导航空间中配准参考点集的对应点集;
以每个配准参考点为中心,采用区域生长算法生成模糊配准参考模板;
根据所述模糊配准参考模板和导航空间点计算初始转移矩阵;
基于所述初始转移矩阵对模糊配准参考模板进行坐标转换得到初始迭代点集;
根据初始迭代点集和导航空间点集,计算迭代转移矩阵;初始迭代点集和迭代转移矩阵的乘积即图像空间到导航空间的转移矩阵;
基于所述转移矩阵将术前三维影像数据转换到导航空间坐标系并通过显示设备显示。
进一步地,所述迭代转移矩阵计算方法为:以物理空间点集为参考,采用迭代方法从初始迭代点集匹配与其几何特征最相似的点集;基于所述点集和物理空间点集,计算迭代转移矩阵。
本发明的有益效果
1、本发明结合最小二乘拟合和迭代算法,提供了一种基于解剖标记点的鲁棒性配准方法,用于将术前三维影像数据配准到术中导航空间中。所述配准方法既能够避免植入式标记点对病人造成的不必要创伤,又不需要获取大量的表面数据,进通过几个模糊的参考点就可以实现术前数据和术中数据匹配,大大方便了手术配准的操作,并有效的提高了手术配准的精度;
2、本发明适用于三维导航辅助手术和基于图像引导的机器人辅助手术,既适用于手动选点,也适用于自动选点,对两种选点方式中的随机误差都能够起到有效的抑制作用,减小噪声对配准结果的影响。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为用于导航手术的鲁棒性配准方法的操作流程示意图;
图2为区域生长算法原理示意图;
图3为鲁棒配准算法的原理示意图。
图中,1——病人术前影像数据,2——病人术中导航影像,3——图像空间中的配准参考点,4——图像空间中的配准参考点的区域生长后的模糊模型,5——导航空间中的配准参考点,6——鲁棒配准算模块,7——术前信息匹配至导航空间后的结果,8——生长区域边界内的点,9——生长区域边界,10——生长区域边界外的点,11——模糊模板的几何中心点集,12——经过最小二乘拟合计算出的初始转换矩阵,13——经过初始坐标变换后的模糊模板,14——经过迭代计算得出的优化转换矩阵。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种用于图像导航手术的鲁棒性医学图像配准方法,如图1所示,包括以下步骤:
步骤1:手术前获取病人的三维影像信息,并标记多个配准参考点得到配准参考模板;
其中,所述三维影像信息可以通过CT、MRI、或者三维扫描等方式获取。通过交互的方式从三维影像信息(1)中拾取4个及以上的点作为图像空间中的配准参考点集(3),并定义为{pi}。
步骤2:以每个配准参考点为中心,采用区域生长算法生成模糊配准参考模板,并计算模糊配准参考模板的中心点集;
通过区域生长算法(如图2所示),围绕每个参考点生成直径为1mm的三维点云数据,生成模糊化的配准参考模板(4),并定义为{Si}。并计算区域生长后,每个参考点区域的几何中心点,得到模糊配准参考模板的中心点集。
其中,对于图2中的区域生长算法,基于标记点体积较小、周围组织的成像灰度区别较大等因素,本发明根据灰度和范围制定生长准则函数:
其中,x表示生长区域边界(9)外的像素点(10),gs,gx分别为区域内(8)和外(10)的灰度平均值值,σ为灰度差值的阈值,dx→s为点x到si的距离。那么,经过区域生长后的标记点模型为S={x|x=I(x)*h}。
步骤3:手术中标记所述多个配准参考点在导航空间中的对应点;
在术中,通过三维导航相机和导航探针,在病人身上识别出配准参考点在导航空间中的对应点(5),并定义为{qi},从而实现配准参考点在物理空间中的定位。
步骤4:根据模糊配准参考模板的中心点集和配准参考点在导航空间中的对应点,基于最小二乘拟合法计算初始转移矩阵;
将模糊模板的几何中心点集(11)和导航空间中的配准参考点(5)一起输入最小二乘拟合算法,计算出初始的转移矩阵(12),定义为RT0=[R0,T0]。
步骤5:将模糊配准参考模板根据初始转移矩阵进行坐标变换,得到迭代初始点集;
将模糊模板(4)通过初始的转移矩阵(12)转移得到模糊化模型的迭代初始点集(13),定义为M0={Si'|Si'=R0Si+T0}。
步骤6:以导航空间中的对应点作为参考,通过迭代方法在迭代初始点集中寻找几何特征最为相似的点集;
以配准参考点在导航空间中的坐标(5)为参考模板,在迭代初始点集(13)中寻找与配准参考点在导航空间中的坐标(5)的几何特征最为相似的对应点集{qi″}。
步骤7:根据配准参考点在导航空间中的对应点以及所述最为相似的点集,基于最小二乘拟合法计算迭代转移矩阵,最终的转移矩阵即为初始矩阵和迭代矩阵的乘积。
通过最小二乘拟合法求得{qi″}到{qi}的转移矩阵(14),定义为RTiter=[Riter,Titer]。
其中,最小二乘拟合的原理流程为:
(3)根据T=q-Rq计算平移向量T。
其中,迭代的流程为:
(1)在初始变换的基础上,从迭代初始点集中为每个导航空间点寻找距离最近的点,计算出第一次迭代的转移矩阵,根据第一次迭代的转移矩阵对迭代初始点集执行变换;
(2)在后续的每次迭代中,都在上一次变换的基础上,以最近的点为对应点,完成每一步迭代的转移矩阵计算。
(3)当计算结果满足迭代终止条件时,结束计算。
其中的迭代算法采用距离标准和模板的几何信息作为迭代终止的条件,迭代判断函数为:
实施例二
本实施例的目的是提供一种计算装置。
为了实现上述目的,本发明采用如下一种技术方案:
一种医学图像配准装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤,包括:
以每个图像空间点为中心,采用区域生长算法生成模糊配准参考模板;
根据所述模糊配准参考模板和物理空间点计算初始转移矩阵;
基于所述初始转移矩阵对模糊配准参考模板进行坐标转换得到初始迭代点集;
以物理空间点集为参考,采用迭代方法从初始迭代点集匹配与其几何特征最相似的点集;
基于所述点集和物理空间点集,计算迭代转移矩阵;初始迭代点集和迭代转移矩阵的乘积即图像空间到物理空间的转移矩阵。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
为了实现上述目的,本发明采用如下一种技术方案:
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行以下步骤:
以每个图像空间点为中心,采用区域生长算法生成模糊配准参考模板;
根据所述模糊配准参考模板和物理空间点计算初始转移矩阵;
基于所述初始转移矩阵对模糊配准参考模板进行坐标转换得到初始迭代点集;
以物理空间点集为参考,采用迭代方法从初始迭代点集匹配与其几何特征最相似的点集;
基于所述点集和物理空间点集,计算迭代转移矩阵;初始迭代点集和迭代转移矩阵的乘积即图像空间到物理空间的转移矩阵。
实施例四
本实施例的目的是提供一种手术导航系统。
为了实现上述目的,本发明采用如下一种技术方案:
本实施例提供了一种手术导航系统,包括:导航工作站和超声设备,所述超声设备与导航工作站数据连接;该导航工作站包括显示设备、输入设备、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,
所述处理器执行所述程序时实现以下步骤:
接收通过核磁共振或CT的方式采集术前三维影像数据并通过显示设备显示;
接收基于超声设备术中获取的导航空间中配准参考点集的对应点集;
所述输入设备接收用户标记的配准参考点集;
以每个图像空间点为中心,采用区域生长算法生成模糊配准参考模板;
根据所述模糊配准参考模板和导航空间点计算初始转移矩阵;
基于所述初始转移矩阵对模糊配准参考模板进行坐标转换得到初始迭代点集;
以导航空间点集为参考,采用迭代方法从初始迭代点集匹配与其几何特征最相似的点集;
基于所述点集和导航空间点集,计算迭代转移矩阵;初始迭代点集和迭代转移矩阵的乘积即图像空间到导航空间的转移矩阵;
基于所述转移矩阵将术前三维影像数据转换到导航空间坐标系并通过显示设备显示。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。本发明的有益效果
1、本发明结合最小二乘拟合和迭代算法,提供了一种基于解剖标记点的鲁棒性配准方法,用于将术前三维影像数据配准到术中导航空间中。所述配准方法既能够避免植入式标记点对病人造成的不必要创伤,又不需要获取大量的表面数据,进通过几个模糊的参考点就可以实现术前数据和术中数据匹配,大大方便了手术配准的操作,并有效的提高了手术配准的精度;
2、本发明适用于三维导航辅助手术和基于图像引导的机器人辅助手术,既适用于手动选点,也适用于自动选点,对两种选点方式中的随机误差都能够起到有效的抑制作用,减小噪声对配准结果的影响。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种医学图像配准方法,其特征在于,包括以下步骤:
从三维图像空间中获取图像空间点集,并从物理空间中获取对应所述图像空间点集的物理空间点集;
以每个图像空间点为中心,采用区域生长算法生成模糊配准参考模板;
根据所述模糊配准参考模板和物理空间点计算初始转移矩阵;
基于所述初始转移矩阵对模糊配准参考模板进行坐标转换得到初始迭代点集;
根据初始迭代点集和物理空间点集,计算迭代转移矩阵;初始迭代点集和迭代转移矩阵的乘积即图像空间到物理空间的转移矩阵。
2.如权利要求1所述的一种医学图像配准方法,其特征在于,所述迭代转移矩阵计算方法为:以物理空间点集为参考,采用迭代方法从初始迭代点集匹配与其几何特征最相似的点集;基于初始迭代点集和物理空间点集,计算迭代转移矩阵。
3.如权利要求1所述的一种医学图像配准方法,其特征在于,所述初始转移矩阵计算方法为:计算模糊配准参考模板的中心点集;根据所述中心点集和物理空间点集,计算初始转移矩阵。
5.如权利要求3所述的一种医学图像配准方法,其特征在于,所述初始转移矩阵和迭代转移矩阵均采用最小二乘拟合法。
6.如权利要求2所述的一种医学图像配准方法,其特征在于,所述迭代方法的判断函数为:
其中,mi为初始迭代点集中距离物理空间点qi点最近的点,gqi和gmi为初始迭代点集的几何特征判断因子。
7.一种医学图像配准装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一项所述的图像配准方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一项所述的图像配准方法。
9.一种手术导航系统,其特征在于,包括导航工作站和超声设备,该导航工作站包括显示设备、输入设备、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
接收术前三维影像数据并通过显示设备显示;通过所述输入设备接收用户标记的配准参考点集;接收基于超声设备术中获取的导航空间中配准参考点集的对应点集;
以每个配准参考点为中心,采用区域生长算法生成模糊配准参考模板;
根据所述模糊配准参考模板和导航空间点计算初始转移矩阵;
基于所述初始转移矩阵对模糊配准参考模板进行坐标转换得到初始迭代点集;
根据初始迭代点集和导航空间点集,计算迭代转移矩阵;初始迭代点集和迭代转移矩阵的乘积即图像空间到导航空间的转移矩阵;
基于所述转移矩阵将术前三维影像数据转换到导航空间坐标系并通过显示设备显示。
10.如权利要求9所述的一种手术导航系统,其特征在于,所述迭代转移矩阵计算方法为:以物理空间点集为参考,采用迭代方法从初始迭代点集匹配与其几何特征最相似的点集;基于初始迭代点集和物理空间点集,计算迭代转移矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810468140.XA CN108836479B (zh) | 2018-05-16 | 2018-05-16 | 一种医学图像配准方法和手术导航系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810468140.XA CN108836479B (zh) | 2018-05-16 | 2018-05-16 | 一种医学图像配准方法和手术导航系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108836479A CN108836479A (zh) | 2018-11-20 |
CN108836479B true CN108836479B (zh) | 2020-01-24 |
Family
ID=64213109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810468140.XA Active CN108836479B (zh) | 2018-05-16 | 2018-05-16 | 一种医学图像配准方法和手术导航系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108836479B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109745120B (zh) * | 2018-12-24 | 2020-07-31 | 罗雄彪 | 一种影像配准转换参数优化方法及系统 |
CN109806004A (zh) * | 2019-03-18 | 2019-05-28 | 汪俊霞 | 一种基于云数据技术的手术机器人系统及操作方法 |
CN110232710B (zh) * | 2019-05-31 | 2021-06-11 | 深圳市皕像科技有限公司 | 基于三维相机的物品定位方法、系统及设备 |
CN112331311B (zh) * | 2020-11-06 | 2022-06-03 | 青岛海信医疗设备股份有限公司 | 一种腹腔镜手术中视频与术前模型融合显示的方法及装置 |
CN114241021A (zh) * | 2021-12-15 | 2022-03-25 | 商丘市第一人民医院 | 一种基于空间配准的脊柱外科导航方法及系统 |
TWI790181B (zh) * | 2022-08-03 | 2023-01-11 | 國立陽明交通大學 | 手術機器人系統 |
CN115861329B (zh) * | 2023-03-01 | 2023-05-12 | 深圳惟德精准医疗科技有限公司 | 皮肤区域的配准方法及相关产品 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794301A (zh) * | 2005-10-27 | 2006-06-28 | 上海交通大学 | 手术导航中基于基准面膜的多模式医学图像配准方法 |
CN102999902A (zh) * | 2012-11-13 | 2013-03-27 | 上海交通大学医学院附属瑞金医院 | 基于ct配准结果的光学导航定位系统及其导航方法 |
CN104463832A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院深圳先进技术研究院 | 一种神经外科手术导航的注册方法及系统 |
CN107392995A (zh) * | 2017-07-05 | 2017-11-24 | 天津大学 | 机械轴导航系统中的人体下肢配准方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005065845A (ja) * | 2003-08-21 | 2005-03-17 | Hitachi Medical Corp | 医用画像処理装置 |
US7756316B2 (en) * | 2005-12-05 | 2010-07-13 | Siemens Medicals Solutions USA, Inc. | Method and system for automatic lung segmentation |
WO2010015957A1 (en) * | 2008-08-04 | 2010-02-11 | Koninklijke Philips Electronics, N.V. | Automatic pre-alignment for registration of medical images |
US8385688B2 (en) * | 2008-08-27 | 2013-02-26 | International Business Machines Corporation | System and method for automatic recognition and labeling of anatomical structures and vessels in medical imaging scans |
EP3407261A3 (en) * | 2010-02-01 | 2019-02-20 | Covidien LP | Region-growing algorithm |
CN103514625A (zh) * | 2012-06-20 | 2014-01-15 | 上海路同信息科技有限公司 | 基于多视角自适应特征配准的三维重建方法 |
CN103908346B (zh) * | 2012-12-31 | 2016-04-20 | 复旦大学 | 一种高精度自动神经导航空间配准方法 |
CN104287830A (zh) * | 2013-07-18 | 2015-01-21 | 中国科学院深圳先进技术研究院 | 基于Kinect相机的术中实时注册方法 |
CN103473781B (zh) * | 2013-09-22 | 2016-03-23 | 长安大学 | 一种公路岩体边坡图像中节理裂纹的分割方法 |
CN104732482B (zh) * | 2015-03-30 | 2018-06-12 | 中国人民解放军63655部队 | 一种基于控制点的多分辨率图像拼接方法 |
CN106530297B (zh) * | 2016-11-11 | 2019-06-07 | 北京睿思奥图智能科技有限公司 | 基于点云配准的物体抓取区域定位方法 |
-
2018
- 2018-05-16 CN CN201810468140.XA patent/CN108836479B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794301A (zh) * | 2005-10-27 | 2006-06-28 | 上海交通大学 | 手术导航中基于基准面膜的多模式医学图像配准方法 |
CN102999902A (zh) * | 2012-11-13 | 2013-03-27 | 上海交通大学医学院附属瑞金医院 | 基于ct配准结果的光学导航定位系统及其导航方法 |
CN104463832A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院深圳先进技术研究院 | 一种神经外科手术导航的注册方法及系统 |
CN107392995A (zh) * | 2017-07-05 | 2017-11-24 | 天津大学 | 机械轴导航系统中的人体下肢配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108836479A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108836479B (zh) | 一种医学图像配准方法和手术导航系统 | |
Ferrante et al. | Slice-to-volume medical image registration: A survey | |
US8150132B2 (en) | Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program | |
US7583857B2 (en) | System and method for salient region feature based 3D multi modality registration of medical images | |
CN110264504B (zh) | 一种用于增强现实的三维配准方法和系统 | |
US10152786B2 (en) | Registration of a magnetic tracking system with an imaging device | |
US8861891B2 (en) | Hierarchical atlas-based segmentation | |
EP2981943B1 (en) | Method and device for determining the orientation of a co-ordinate system of an anatomical object in a global co-ordinate system | |
CN111311655B (zh) | 多模态图像配准方法、装置、电子设备、存储介质 | |
JP5832938B2 (ja) | 画像処理装置、方法及びプログラム | |
CN112614169B (zh) | 基于深度学习网络的2d/3d脊椎ct层级配准方法 | |
CN112382359B (zh) | 患者注册方法、装置、电子设备及计算机可读介质 | |
US11798161B2 (en) | Method and apparatus for determining mid-sagittal plane in magnetic resonance images | |
WO2023056877A1 (zh) | 膝关节股骨力线确定方法和装置、电子设备、存储介质 | |
CN115578320A (zh) | 一种骨科手术机器人全自动空间注册方法及系统 | |
CN113570648B (zh) | 多骨骼影像配准方法、电子装置以及医学导航系统 | |
CN116612166A (zh) | 一种多模态影像的配准融合算法 | |
CN116363093A (zh) | 一种用于寻找髋臼的旋转中心的方法与装置、手术规划系统及存储介质 | |
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 | |
CN116452499A (zh) | 一种基于Unet网络的腰椎失稳与滑脱诊断系统 | |
Kim et al. | Fiducial-based registration with a touchable region model | |
US20230169667A1 (en) | Automatic 3d medical image orientation determination | |
CN115690178A (zh) | 基于深度学习的跨模块非刚体配准方法、系统及介质 | |
CN116883462A (zh) | 基于loftr网络模型和改进粒子群算法的医学图像配准方法 | |
CN116942326A (zh) | 一种基于单目相机的手术机器人全自动实时配准方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |