CN109745120A - 一种影像配准转换参数优化方法及系统 - Google Patents
一种影像配准转换参数优化方法及系统 Download PDFInfo
- Publication number
- CN109745120A CN109745120A CN201811582194.5A CN201811582194A CN109745120A CN 109745120 A CN109745120 A CN 109745120A CN 201811582194 A CN201811582194 A CN 201811582194A CN 109745120 A CN109745120 A CN 109745120A
- Authority
- CN
- China
- Prior art keywords
- conversion parameter
- point
- location point
- optimization
- lumen
- 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.)
- Granted
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种影像配准转换参数优化方法及系统,所述转换参数用于描述管腔结构器官的位置点信息转换到所述管腔结构器官三维影像信息空间坐标系的转换关系,方法包括:采集所述管腔结构器官中的位置点信息;利用所述转换参数,将所述位置点信息转换到所述三维医学影像空间坐标系下,从而获得的空间变换位置点集;判断所述空间变换位置点集中的位置点是否落在管腔区域内,提取落在管腔内的变换位置点,获得变换位置内部点集;使用所述变换位置内部点集优化更新所述转换参数。所述换参数优化方法能够提高配准的准确性和效率。
Description
技术领域
本发明属于手术导航技术领域,特别涉及一种影像配准转换参数优化方法及系统。
背景技术
现有医学影像手术导航系统中的多模态信息配准过程,主要使用基于基准点的刚性配准方法,该方法需要在术前医学影像与术中患者人体内人工手动选择多个基准点,给微创外科介入手术导航带来诸多不便,例如,手动选择基准点精度不高,手术过程耗时耗力,增加外科医生负担。同时由于受到患者人体自身呼吸等形变运动的影响,基于基准点的刚性配准方法的配准精度较低和效率低下,无法满足微创外科介入手术导航高精度全自动的临床需求。
同时,现有的无基准点配准方法没考虑导航仪器输出的位置点是否在管腔内部。若使用的多个位置点在管腔外部,这不仅使得配准过程迭代次数增多而耗时,而且最终会导致较大的配准误差;此外,现有的无基准点配准方法,只是一个全局优化配准过程,对于人体中有自身运动形变的管腔,它没有考虑局部形变运动所带来的误差影响。因此,在管腔外部的位置点以及人体呼吸运动形变等因素,使得多模态信息的配准精度不高和效率低下,从而导致手术导航精度低下,增加了手术工具操作的不安全性及其风险。
发明内容
针对上述问题,本发明一种影像配准转换参数优化方法及系统,用于无基准点多模态三维医学影像配准。
一种影像配准转换参数优化方法,所述转换参数用于描述管腔结构器官的位置点信息转换到所述管腔结构器官三维影像信息空间坐标系的转换关系,所述方法包括:
采集所述管腔结构器官中的位置点信息;
利用所述转换参数,将所述位置点信息转换到所述三维医学影像空间坐标系下,从而获得的空间变换位置点集;
判断所述空间变换位置点集中的位置点是否落在管腔区域内,提取落在管腔内的变换位置点,获得变换位置内部点集;
使用所述变换位置内部点集优化更新所述转换参数。
进一步地,所述的影像配准转换参数优化方法,还包括:
利用人体管腔结构的分叉位置信息对所述转换参数进行自动初始化。
进一步地,所述获得变换位置内部点集,还包括:
计算所述变换位置内部点集中位置点的中心线对应点,所述中心线对应点为所述位置点的最近管腔分枝中心线上距离所述位置点最近的点,并用所述中心线对应点替换所述变换位置内部点集中对应的位置点。
进一步地,所述判断所述空间变换位置点集中的位置点是否落在所述管腔区域内具体为:
计算所述位置点到多个管腔中心线的距离,找到距离所述位置点最近的管腔结构或其分枝;
确定所述位置点到所述最近的管腔结构或其分枝的实际距离;
判断所述实际距离是否大于所述最近的管腔结构或其分枝的半径:若是,则判定所述位置点在所述管腔区域外;若否,则判定所述位置点在所述管腔区域内。
进一步地,所述方法还包括:重复执行上述影像配准转换参数优化方法的步骤,直至所述转换参数满足收敛条件,将此时的转换参数作为全局优化转换参数。
进一步地,所述收敛条件具体为:
所述转换参数使得复合优化代价函数值达到预设阈值,所述复合优化代价函数为:变换位置外部点集占比与所述变换位置内部点集中位置点到其最近管腔中心线距离之和的加权和;
所述变换位置外部点集是由所述空间变换位置点集中去除所述变换位置内部点集后的位置点集合。
进一步地,所述复合优化代价函数具体为:
Φ(T,P)=μ×Ω(T,P,Q,N_in,N_out)+(1-μ)×Ψ(T,P,Q,L,R),
Ω(T,P,N_in,N_out)为管腔内部约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,N_in为所述变换位置内部点集,N_out为所述变换位置外部点集;
Ψ(T,P,Q,L,R)为中心线距离约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,L为P对应的最近中心线集合,R为L所对应管腔的半径大小集合;
优化因子μ是一个常数,用于平衡管腔内部约束与中心线距离约束的影响。
进一步地,所述方法还包括:
将所述全局优化转换参数作为初始化参数,在所述管腔结构器官的局部重复执行权利要求1所述的方法,直到所述全局优化转换参数至达到预定的收敛条件。
一种影像配准转换参数优化系统,所述转换参数用于描述管腔结构器官的位置点信息转换到所述管腔结构器官三维影像信息空间坐标系的转换关系,包括:
位置点采集单元,用于采集所述管腔结构器官中的位置点信息;
位置点转换单元,用于利用所述转换参数,将所述位置点信息转换到所述三维医学影像空间坐标系下,从而获得的空间变换位置点集;
内部点获取单元,用于判断所述空间变换位置点集中的位置点是否落在管腔区域内,提取落在管腔内的变换位置点,获得变换位置内部点集;
转换参数更新单元,用于使用所述变换位置内部点集优化更新所述转换参数。
进一步地,所述系统还包括:
转换参数初始化单元,用于利用人体管腔结构的分叉位置信息对所述转换参数进行自动初始化。
进一步地,所述内部点获取单元还用于:
计算所述变换位置内部点集中位置点的中心线对应点,所述中心线对应点为所述位置点的最近管腔分枝中心线上距离所述位置点最近的点,并用所述中心线对应点替换所述变换位置内部点集中对应的位置点。
进一步地,所述判断所述空间变换位置点集中的位置点是否落在所述管腔区域内具体为:
计算所述位置点到多个管腔中心线的距离,找到距离所述位置点最近的管腔结构或其分枝;
确定所述位置点到所述最近的管腔结构或其分枝的实际距离;
判断所述实际距离是否大于所述最近的管腔结构或其分枝的半径:若是,则判定所述位置点在所述管腔区域外;若否,则判定所述位置点在所述管腔区域内。
进一步地,所述系统还包括:
全局优化单元,用于使用上述影像配准转换参数优化系统持续多次优化所述转换参数,直至所述转换参数满足收敛条件,将此时的转换参数作为全局优化转换参数。
进一步地,所述收敛条件具体为:
所述转换参数使得复合优化代价函数值达到预设阈值,所述复合优化代价函数为:变换位置外部点集占比与所述变换位置内部点集中位置点到其最近管腔中心线距离之和的加权和;
所述变换位置外部点集是由所述空间变换位置点集中去除所述变换位置内部点集后的位置点集合。
进一步地,所述复合优化代价函数具体为:
Φ(T,P)=μ×Ω(T,P,Q,N_in,N_out)+(1-μ)×Ψ(T,P,Q,L,R),
Ω(T,P,N_in,N_out)为管腔内部约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,N_in为所述变换位置内部点集,N_out为所述变换位置外部点集;
Ψ(T,P,Q,L,R)为中心线距离约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,L为P对应的最近中心线集合,R为L所对应管腔的半径大小集合;
优化因子μ是一个常数,用于平衡管腔内部约束与中心线距离约束的影响。
进一步地,所述系统还包括局部优化单元,用于:
将所述全局优化转换参数作为初始化参数,在所述管腔结构器官的局部,使用所述影像配准转换参数优化系统持续多次优化所述转换参数,直到所述全局优化转换参数至达到预定的收敛条件。
采用本发明影像配准转换参数优化方法或系统进行配准,无需在术前医学影像与术中患者人体内手动选择基准点,减少手术时间和医生负担;使用落入管腔结构器官的采集点更新转换参数,提高了转换参数的准确性,从而提高了配准导航的准确性;使用中心线对应点作为内部点集合,更新转换参数用集合,进一步提高了迭代更新的收敛速度。
转换参数收敛条件采用管腔内约束与中心线约束相结合的方式,平衡了管腔内部约束与中心线距离约束的影响,以避免获得局部收敛而欠成熟优化结果。
采用转换参数局部优化操作,能够大幅度提高在人体气、液、软组织和硬物动态交互手术过程中的多模态信息配准精度,以精准微创外科介入手术导航过程,使得手术操作更安全,降低微创介入外科手术风险。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本实施例中一种影像配准转换参数优化方法流程图;
图2示出了本实施例中一幅肺部示意图;
图3示出了本实施例中一种影像配准转换参数优化系统结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的一种影像配准转换参数优化方法,用于引导各种微创外科介入手术过程,例如支气管镜手术诊疗、大肠镜手术检查以及鼻内镜手术。手术引导过程中,通过在生物体内部空间移动手术介入工具,实时获取手术工具位置。所述手术工具可以是医学内窥镜、超声探头、手术导管、穿刺活检针、激光消融探头等。手术工具通过与导航设备结合获取手术工具在生物体器官内的位置信息。常用的导航设备包括电磁导航仪、基于光电传感器的导航仪等。通过将导航仪器中微型定位传感器贴附在手术工具的前端或者直接集成固定在手术工具前端或者放置在手术工具的工作通道中,可以实现导航设备与手术工具相结合。获取到位置信息后,通过多模态信息配准,将手术工具位置转换到手术目标器官的三维影像中,并通过显示设备显示,以指导手术定位。多模态信息是指术前三维医学影像信息,如CT图像和定位传感器输出的含有6个自由度的三维位置点信息。本发明的实质是要获得上述模态信息空间的转换参数和优化该转换参数,使得各种模态信息精准地显示在同一坐标系空间中,即将采集的位置点信息显示在三维数字影像中,实现可视化引导。
下面以人体肺部支气管手术为背景,结合手术影像配准过程,对本发明所述的影像配准转换参数优化方法做详细说明。本实施例中,所述转换参数采用转换矩阵的形式。
如图1所示,本实施例影像配准方法步骤包括:
步骤101:获得管腔结构器官的中心线以及管腔区域半径大小信息;
步骤102:初始化配准用转换矩阵,所述转换矩阵用于描述术中导航仪测量到的位置点信息转换到术前三维医学影像信息空间坐标系的转换关系;
步骤103:采集所述管腔结构器官中的位置点信息;
步骤104:利用所述转换矩阵,将所述位置点信息变换到术前三维医学影像空间坐标系下,从而获得的空间变换位置点集;
步骤105:判断所述空间变换位置点集中的位置点是否落在所述管腔区域内,提取落在管腔内的变换位置点,得到变换位置内部点集;
步骤106:使用所述变换位置内部点集更新所述转换矩阵;
步骤107:按照上述步骤103-106,在所述管腔结构器官中不断采集不同位置的位置点信息来更新转换矩阵,直到所述转换矩阵满足收敛条件,将此时的转换矩阵作为全局优化转换矩阵,所述全局优化转换矩阵用于将后续采集的位置点信息变换到所述三维医学影像信息空间坐标系。
步骤108:利用全局优化转换矩阵导航到手术目标区域,对全局优化转换矩阵进行局部优化。
下面对上述各个步骤的具体操作过程做进一步说明。
步骤101:获得管腔结构器官的中心线以及管腔区域半径大小信息。本实施例中,通过CT设备扫描得到人体肺部CT图。CT、MRI、PET、超声等影像设备可以采集到器官的三维数据,通过立体全像显示技术(integral videography,IV)可以实现裸眼三维显示图像,从而准确地引导手术。
肺部中心线是由很多支气管分枝的中心线组成,分枝半径大小各异。如图2所示,是一张肺部示意图。本发明实施例中通过基于深度学习的多模态卷积神经网络方法提取肺部管腔模型,并根据模型获取中心线和半径大小信息,用于后续判断位置点是否落在管腔内部。该处理方法与现有的中心线提取方法相比较,其提取结果更为精确,鲁棒性更高,因而使得多模态信息无基准点配准更为稳健与精确。
步骤102:初始化配准用转换矩阵,转换矩阵用于描述术中导航仪测量到的位置点信息转换到术前三维医学影像信息空间坐标系的转换关系,通过转换矩阵可以将手术中探针等微创手术工具所在位置投射到肺部三维影像图中,方便手术者对手术工具在器官中的位置有清晰直观的了解。该步骤利用人体管腔结构的分叉位置信息,实施全自动初始化转换矩阵,比起现有的无基准点配置方法中的手动初始化,更为精确与省时省力。
步骤103:采集所述管腔结构器官中的位置点信息,操作贴有定位传感器的手术工具,在人体管腔及其分支结构内移动,获得一些列传感器所实时测量到的位置点信息。
步骤104:利用所述转换矩阵,将步骤103中采集的位置点信息变换到术前三维医学影像空间坐标系,得到的空间变换位置点集。采集的位置点投射在器官的三维影像中时,有可能落在管腔内部或外部。
步骤105:判断空间变换位置点集中的位置点是否落在所述管腔区域内,提取落在管腔内的变换位置点,得到变换位置内部点集。
判断空间变换位置点集中的位置点是否落在所述管腔区域内,具体为:
首先计算变换位置点到多个管腔中心线的距离,找到离变换位置点最近的管腔结构或者其分枝,本实施例中,多个管腔中心可以是所有的管腔中心线或者以位置点为圆心的一定范围内的管腔中心线。
确定它们之间的实际距离:如果该距离大于该最近分枝结构的半径,则该空间变换位置点处于管腔外部;反之,则处于内部。
提取落在管腔内的变换位置点,得到变换位置内部点集,剩余未被提取的点组成变换位置外部点集,即变换位置内部点集的补集。
计算所述变换位置内部点集中位置点的中心线对应点,所述中心线对应点为所述位置点的最近管腔分枝中心线上距离所述位置点最近的点,并用所述中心线对应点替换所述变换位置内部点集中对应的位置点。
本实施例中,计算所述变换位置内部点集中位置点的关于最近管腔分枝中心线上对应点,并用所述中心线对应点替换相应地变换位置内部点集,使得变换位置内部点集更准确贴合管腔中心线,提高后续复合优化转换矩阵的收敛的速度与精度。
步骤106:使用变换位置内部点集优化更新转换矩阵,采用内部位置点集作为更新矩阵用集合,符合手术工具以及导航仪传感器在人体管腔结构内部的实际情况,使得多模态信息配准结果更为精准。每次更新过程中,增加位置点数目,利用迭代最近点算法进行优化。
步骤107:按照上述步骤103-106,在所述管腔结构器官中不断采集不同位置的位置点信息来更新转换矩阵,直到所述转换矩阵满足收敛条件。本实施例中采用最近点迭代算法持续更新转换矩阵直到收敛,得到全局优化转换矩阵。
下面对迭代优化转换矩阵得到全局优化转换矩阵的原理做进一步说明:
定义复合优化代价函数:复合优化代价函数为管腔内部约束函数与中心线距离约束函数加权求和。其中,
管腔内部约束函数:一个比值(百分比),等于(变换位置外部点的个数)除以(变变换位置内部点的个数+变换位置外部点的个数);该比值越小,说明变换位置点的个数在管腔内部越多,越有利于精准配准结果。
中心线距离约束函数:为体现变换位置内部点集与中心线对应点集之间的欧式距离之和的参数。距离之和越小,说明求得变换矩阵越精确。
本实施例中,对管腔内部约束函数和中心线距离约束函数分别引入优化因子μ(0≤μ≤1)和权衡因子为(1-μ)作为两个函数的权重。实际应用中,可以根据手术器官部位特征或者计算要求,自定义上述两个权重值。
复合优化代价函数数学形式为:
Φ(T,P)=μ×Ω(T,P,Q,N_in,N_out)+(1-μ)×Ψ(T,P,Q,L,R),
其中,Ω(T,P,N_in,N_out)为管腔内部约束函数,其中,T为所述转换矩阵,P为所述空间变换位置点集,Q为P的最近中心线对应点集,N_in为所述变换位置内部点集,N_out为所述变换位置外部点集,Ω(T,P,N_in,N_out)用于反应采集的位置点集中外部点占比;
Ψ(T,P,Q,L,R)为中心线距离约束函数,其中,T为所述转换矩阵,P为所述空间变换位置点集,Q为P的最近中心线对应点集,L为P对应的最近中心线集合,R为L所对应管腔的半径大小集合,Ψ(T,P,Q,L,R)用于反应变换位置内部点集与中心线对应点集之间的欧式距离之和;
优化因子μ是一个常数,用于平衡管腔内部约束与中心线距离约束的影响,以避免获得局部收敛而欠成熟优化结果。
迭代优化转换矩阵的目标是的上述复合优化代价函数的值尽量小,当更新后转换矩阵使得复合优化代价函数达到预设阈值,则认为转换矩阵满足收敛条件,为全局优化转换矩阵。全局优化转换矩阵相较于之前各次更新得到的转换矩阵,使得复合优化代价函数值最小,即:
其中,T*是收敛后所求得的全局最优转换矩阵。
通过上述步骤得到全局优化转换矩阵后,可以暂停更新转换矩阵,直接使用该转化矩阵将手术工具导航到手术局部区域。此时可执行:
步骤108:利用全局优化转换矩阵导航到手术目标区域,对全局优化转换矩阵进行局部优化。
将全局优化转换矩阵作为初始化矩阵,按照上述步骤103-106继续更新迭代该转换矩阵,直到达到收敛条件,得到最优变换矩阵。由于人体呼吸运动和器官局部环境等原因,全局优化矩阵对于局部不是最优的,在手术器械到达局部区域时,需要进一步优化更新,得到最优变换矩阵。局部优化的收敛条件使得上述复合优化代价函数值对于该局部区域达到预定值。最优变换矩阵用于外科手术导航系统中的多模态信息三维可视化融合。
局部优化步骤108能够消除人体自身运动形变所带来导航误差的影响。
基于相同的发明构思,本发明还提供一种影像配准转换参数优化系统,所述转换参数用于描述管腔结构器官的位置点信息转换到所述管腔结构器官三维影像信息空间坐标系的转换关系,本实施例中,以转换矩阵作为转换参数形式,实际应用中,转换参数的形式不限于矩阵,只要能够表述采集点与三维影像坐标系之间的转换数学关系即可,如转换参数可以是代数式形式。
如图3所示,影像配准转换参数优化系统包括:位置点采集单元301、位置点转换单元302、内部点获取单元303、转换参数更新单元304、转换参数初始化单元305、全局优化单元306、局部优化单元307。下面对影像配准转换参数优化系统的各个单元工作原理及其相互关系做进一步描述。
位置点采集单元301,用于采集管腔结构器官中的位置点信息,并将位置点信息传递给位置点转换单元302。
位置点转换单元302,根据转换矩阵,将所述位置点信息转换到所述三维医学影像空间坐标系下,从而获得的空间变换位置点集,并将空间变换位置点集传递给内部点获取单元303。其中转换矩阵的初始化,是通过转换参数初始化单元305,利用人体管腔结构的分叉位置信息对进行自动初始化得到的。
内部点获取单元303,用于判断所述空间变换位置点集中的位置点是否落在管腔区域内,提取落在管腔内的变换位置点,获得变换位置内部点集,并将变换位置内部点集传递给转换参数更新单元304。使用内部点作为迭代更新转换矩阵,可以提高优化矩阵的速度和准确性。其中,判断所述空间变换位置点集中的位置点是否落在所述管腔区域内具体为:
(1)计算所述位置点到多个管腔中心线的距离,找到距离所述位置点最近的管腔结构或其分枝;
(2)确定所述位置点到所述最近的管腔结构或其分枝的实际距离;
(3)判断所述实际距离是否大于所述最近的管腔结构或其分枝的半径:若是,则判定所述位置点在所述管腔区域外;若否,则判定所述位置点在所述管腔区域内。
本实施例中,在将变换位置内部点集传递给转换参数更新单元304之前,内部点获取单元303还执行:计算所述变换位置内部点集中位置点的中心线对应点,所述中心线对应点为所述位置点的最近管腔分枝中心线上距离所述位置点最近的点,并用所述中心线对应点替换所述变换位置内部点集中对应的位置点,从而进一步提高计算转换矩阵的速度和准确性。
转换参数更新单元304,用于使用所述变换位置内部点集优化更新所述转换矩阵。
通过使用上述各单元,影像配准转换参数优化系统能够实现对转换矩阵参数的基本优化步骤,即:位置点采集单元301采集位置点-位置点转换单元302转换位置点-内部点获取单元303获取转换位置点中的内部点-转换参数更新单元304使用内部点集更新转换矩阵。
全局优化单元306,重复多次执行上述转换矩阵参数的基本优化步骤,直至所述转换矩阵满足收敛条件,将此时的转换参数作为全局优化转换参数。
其中,全局优化转换参数的收敛条件具体为:
所述转换矩阵使得复合优化代价函数值达到预设阈值,所述复合优化代价函数为:变换位置外部点集占比与所述变换位置内部点集中位置点到其最近管腔中心线距离之和的加权和;
所述变换位置外部点集是由所述空间变换位置点集中去除所述变换位置内部点集后的位置点集合。
所述复合优化代价函数数学形式为:
Φ(T,P)=μ×Ω(T,P,Q,N_in,N_out)+(1-μ)×Ψ(T,P,Q,L,R),
Ω(T,P,N_in,N_out)为管腔内部约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,N_in为所述变换位置内部点集,N_out为所述变换位置外部点集,Ω(T,P,N_in,N_out)用于反应采集的位置点集中外部点占比;
Ψ(T,P,Q,L,R)为中心线距离约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,L为P对应的最近中心线集合,R为L所对应管腔的半径大小集合,Ψ(T,P,Q,L,R)用于反应变换位置内部点集与中心线对应点集之间的欧式距离之和;
优化因子μ是一个常数,用于平衡管腔内部约束与中心线距离约束的影响。
转换矩阵通过全局优化单元306优化,达到上述收敛条件后,转换矩阵可作为全局优化转换矩阵。手术中利用该全局优化转换矩阵将探针等手术设备导航到目标区域。
所述手术设备导航到目标具有后,由局部优化单元307对该全局优化转换矩阵再次进行优化。具体为将所述全局优化转换矩阵作为初始化矩阵,在所述管腔结构器官的局部,使用所述影像配准转换参数优化系统持续多次优化所述转换参数,直到所述全局优化转换参数至达到预定的收敛条件。由于人体结构和呼吸运动等因素,全局优化转换矩阵对于所述器官局部区域一般并不能满足收敛条件,因此需要在到达该局部区域后再次进行优化,以提高在局部区域进行位置点转换的准确度。所述收敛条件在本实施例中可以是与以上描述的全局优化转换参数的收敛条件相同,或者也可以根据需求,对上述收敛条件中的复合优化函数定义新的阈值。
本实施例以人体肺部支气管手术引导工程为例介绍了对本发明所述的影像过程中的配准转换参数优化方法。实际应用中,目标器官并不局限于人体肺部支气管,其他具有管腔结构的动物体器官也可以使用本发明所公开的系统和方法,如鼻腔、食管、大肠小肠、尿道、血管、支气管等;微创外科介入手术导航系统中的导航仪器可以有不同方案,比如电磁导航仪和基于光电传感器的导航仪等。
尽管参照前述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精神和范围。
Claims (16)
1.一种影像配准转换参数优化方法,所述转换参数用于描述管腔结构器官的位置点信息转换到所述管腔结构器官三维影像信息空间坐标系的转换关系,其特征在于,包括:
采集所述管腔结构器官中的位置点信息;
利用所述转换参数,将所述位置点信息转换到所述三维医学影像空间坐标系下,从而获得的空间变换位置点集;
判断所述空间变换位置点集中的位置点是否落在管腔区域内,提取落在管腔内的变换位置点,获得变换位置内部点集;
使用所述变换位置内部点集优化更新所述转换参数。
2.根据权利要求1所述的影像配准转换参数优化方法,其特征在于,还包括:
利用人体管腔结构的分叉位置信息对所述转换参数进行自动初始化。
3.根据权利要求1所述的影像配准转换参数优化方法,其特征在于,所述获得变换位置内部点集,还包括:
计算所述变换位置内部点集中位置点的中心线对应点,所述中心线对应点为所述位置点的最近管腔分枝中心线上距离所述位置点最近的点,并用所述中心线对应点替换所述变换位置内部点集中对应的位置点。
4.根据权利要求1所述的影像配准转换参数优化方法,其特征在于,所述判断所述空间变换位置点集中的位置点是否落在所述管腔区域内具体为:
计算所述位置点到多个管腔中心线的距离,找到距离所述位置点最近的管腔结构或其分枝;
确定所述位置点到所述最近的管腔结构或其分枝的实际距离;
判断所述实际距离是否大于所述最近的管腔结构或其分枝的半径:若是,则判定所述位置点在所述管腔区域外;若否,则判定所述位置点在所述管腔区域内。
5.根据权利要求1-4中任一项所述的影像配准转换参数优化方法,其特征在于,所述方法还包括:重复执行权利要求1所述方法步骤,直至所述转换参数满足收敛条件,将此时的转换参数作为全局优化转换参数。
6.根据权利要求5所述的影像配准转换参数优化方法,其特征在于,所述收敛条件具体为:
所述转换参数使得复合优化代价函数值达到预设阈值,所述复合优化代价函数为:变换位置外部点集占比与所述变换位置内部点集中位置点到其最近管腔中心线距离之和的加权和;
所述变换位置外部点集是由所述空间变换位置点集中去除所述变换位置内部点集后的位置点集合。
7.根据权利要求6所述的影像配准转换参数优化方法,其特征在于,所述复合优化代价函数具体为:
Φ(T,P)=μ×Ω(T,P,Q,N_in,N_out)+(1-μ)×Ψ(T,P,Q,L,R),
Ω(T,P,N_in,N_out)为管腔内部约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,N_in为所述变换位置内部点集,N_out为所述变换位置外部点集;
Ψ(T,P,Q,L,R)为中心线距离约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,L为P对应的最近中心线集合,R为L所对应管腔的半径大小集合;
优化因子μ是一个常数,用于平衡管腔内部约束与中心线距离约束的影响。
8.根据权利要求5所述的影像配准转换参数优化方法,其特征在于,所述方法还包括:
将所述全局优化转换参数作为初始化参数,在所述管腔结构器官的局部重复执行权利要求1所述的方法,直到所述全局优化转换参数至达到预定的收敛条件。
9.一种影像配准转换参数优化系统,所述转换参数用于描述管腔结构器官的位置点信息转换到所述管腔结构器官三维影像信息空间坐标系的转换关系,其特征在于,包括:
位置点采集单元,用于采集所述管腔结构器官中的位置点信息;
位置点转换单元,用于利用所述转换参数,将所述位置点信息转换到所述三维医学影像空间坐标系下,从而获得的空间变换位置点集;
内部点获取单元,用于判断所述空间变换位置点集中的位置点是否落在管腔区域内,提取落在管腔内的变换位置点,获得变换位置内部点集;
转换参数更新单元,用于使用所述变换位置内部点集优化更新所述转换参数。
10.根据权利要求9所述的影像配准转换参数优化系统,其特征在于,还包括:
转换参数初始化单元,用于利用人体管腔结构的分叉位置信息对所述转换参数进行自动初始化。
11.根据权利要求9所述的影像配准转换参数优化系统,其特征在于,所述内部点获取单元还用于:
计算所述变换位置内部点集中位置点的中心线对应点,所述中心线对应点为所述位置点的最近管腔分枝中心线上距离所述位置点最近的点,并用所述中心线对应点替换所述变换位置内部点集中对应的位置点。
12.根据权利要求9所述的影像配准转换参数优化系统,其特征在于,所述判断所述空间变换位置点集中的位置点是否落在所述管腔区域内具体为:
计算所述位置点到多个管腔中心线的距离,找到距离所述位置点最近的管腔结构或其分枝;
确定所述位置点到所述最近的管腔结构或其分枝的实际距离;
判断所述实际距离是否大于所述最近的管腔结构或其分枝的半径:若是,则判定所述位置点在所述管腔区域外;若否,则判定所述位置点在所述管腔区域内。
13.根据权利要求9-12中任一项所述的影像配准转换参数优化系统,其特征在于,所述系统还包括:
全局优化单元,用于使用所述影像配准转换参数优化系统持续多次优化所述转换参数,直至所述转换参数满足收敛条件,将此时的转换参数作为全局优化转换参数。
14.根据权利要求13所述的影像配准转换参数优化系统,其特征在于,所述收敛条件具体为:
所述转换参数使得复合优化代价函数值达到预设阈值,所述复合优化代价函数为:变换位置外部点集占比与所述变换位置内部点集中位置点到其最近管腔中心线距离之和的加权和;
所述变换位置外部点集是由所述空间变换位置点集中去除所述变换位置内部点集后的位置点集合。
15.根据权利要求14所述的影像配准转换参数优化系统,其特征在于,所述复合优化代价函数具体为:
Φ(T,P)=μ×Ω(T,P,Q,N_in,N_out)+(1-μ)×Ψ(T,P,Q,L,R),
Ω(T,P,N_in,N_out)为管腔内部约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,N_in为所述变换位置内部点集,N_out为所述变换位置外部点集;
Ψ(T,P,Q,L,R)为中心线距离约束函数,其中,T为所述转换参数,P为所述空间变换位置点集,Q为P的最近中心线对应点集,L为P对应的最近中心线集合,R为L所对应管腔的半径大小集合;
优化因子μ是一个常数,用于平衡管腔内部约束与中心线距离约束的影响。
16.根据权利要求13所述的影像配准转换参数优化系统,其特征在于,还包括局部优化单元,用于:
将所述全局优化转换参数作为初始化参数,在所述管腔结构器官的局部,使用所述影像配准转换参数优化系统持续多次优化所述转换参数,直到所述全局优化转换参数至达到预定的收敛条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582194.5A CN109745120B (zh) | 2018-12-24 | 2018-12-24 | 一种影像配准转换参数优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582194.5A CN109745120B (zh) | 2018-12-24 | 2018-12-24 | 一种影像配准转换参数优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109745120A true CN109745120A (zh) | 2019-05-14 |
CN109745120B CN109745120B (zh) | 2020-07-31 |
Family
ID=66403092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811582194.5A Active CN109745120B (zh) | 2018-12-24 | 2018-12-24 | 一种影像配准转换参数优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109745120B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110946659A (zh) * | 2019-12-25 | 2020-04-03 | 武汉中科医疗科技工业技术研究院有限公司 | 影像空间与实际空间的注册方法及系统 |
CN115300104A (zh) * | 2022-09-01 | 2022-11-08 | 莆田市诺斯顿电子发展有限公司 | 一种医学手术影像配准方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001059708A1 (en) * | 2000-02-11 | 2001-08-16 | Btg International Limited | Method of 3d/2d registration of object views to a surface model |
JP2005065845A (ja) * | 2003-08-21 | 2005-03-17 | Hitachi Medical Corp | 医用画像処理装置 |
CN1792342A (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系统 |
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 |
WO2007079509A2 (de) * | 2006-01-09 | 2007-07-19 | Medizinische Universität Innsbruck | Verfahren zur abschätzung des registrierungsfehlers |
US20120059248A1 (en) * | 2010-08-20 | 2012-03-08 | Troy Holsing | Apparatus and method for airway registration and navigation |
CN103054646A (zh) * | 2012-12-25 | 2013-04-24 | 周翔 | 一种适于超声-ct/mri/pet等融合成像的非侵入性标准配准装置 |
CN103793915A (zh) * | 2014-02-18 | 2014-05-14 | 上海交通大学 | 神经外科导航中低成本无标记配准系统及配准方法 |
CN103908346A (zh) * | 2012-12-31 | 2014-07-09 | 复旦大学 | 一种高精度自动神经导航空间配准方法 |
CN106214256A (zh) * | 2016-09-21 | 2016-12-14 | 华南理工大学 | 一种无标记点光学手术导航系统及其导航方法 |
CN106420052A (zh) * | 2016-08-31 | 2017-02-22 | 北京市计算中心 | 一种靶点位置的导航方法及系统 |
CN108836479A (zh) * | 2018-05-16 | 2018-11-20 | 山东大学 | 一种医学图像配准方法和手术导航系统 |
CN108898626A (zh) * | 2018-06-21 | 2018-11-27 | 清华大学 | 一种冠状动脉的自动配准方法 |
-
2018
- 2018-12-24 CN CN201811582194.5A patent/CN109745120B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001059708A1 (en) * | 2000-02-11 | 2001-08-16 | Btg International Limited | Method of 3d/2d registration of object views to a surface model |
JP2005065845A (ja) * | 2003-08-21 | 2005-03-17 | Hitachi Medical Corp | 医用画像処理装置 |
CN1792342A (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系统 |
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 |
WO2007079509A2 (de) * | 2006-01-09 | 2007-07-19 | Medizinische Universität Innsbruck | Verfahren zur abschätzung des registrierungsfehlers |
US20120059248A1 (en) * | 2010-08-20 | 2012-03-08 | Troy Holsing | Apparatus and method for airway registration and navigation |
CN103054646A (zh) * | 2012-12-25 | 2013-04-24 | 周翔 | 一种适于超声-ct/mri/pet等融合成像的非侵入性标准配准装置 |
CN103908346A (zh) * | 2012-12-31 | 2014-07-09 | 复旦大学 | 一种高精度自动神经导航空间配准方法 |
CN103793915A (zh) * | 2014-02-18 | 2014-05-14 | 上海交通大学 | 神经外科导航中低成本无标记配准系统及配准方法 |
CN106420052A (zh) * | 2016-08-31 | 2017-02-22 | 北京市计算中心 | 一种靶点位置的导航方法及系统 |
CN106214256A (zh) * | 2016-09-21 | 2016-12-14 | 华南理工大学 | 一种无标记点光学手术导航系统及其导航方法 |
CN108836479A (zh) * | 2018-05-16 | 2018-11-20 | 山东大学 | 一种医学图像配准方法和手术导航系统 |
CN108898626A (zh) * | 2018-06-21 | 2018-11-27 | 清华大学 | 一种冠状动脉的自动配准方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110946659A (zh) * | 2019-12-25 | 2020-04-03 | 武汉中科医疗科技工业技术研究院有限公司 | 影像空间与实际空间的注册方法及系统 |
CN115300104A (zh) * | 2022-09-01 | 2022-11-08 | 莆田市诺斯顿电子发展有限公司 | 一种医学手术影像配准方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109745120B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11864850B2 (en) | Path-based navigation of tubular networks | |
US20230157524A1 (en) | Robotic systems and methods for navigation of luminal network that detect physiological noise | |
US11426254B2 (en) | Method and apparatus for virtual endoscopy | |
CN101474075B (zh) | 微创手术导航系统 | |
JP7154832B2 (ja) | 形状推定をともなう軌道情報による位置合わせの改良 | |
US11399895B2 (en) | Systems and methods of pose estimation and calibration of perspective imaging system in image guided surgery | |
CN108778113B (zh) | 管状网络的导航 | |
CN106562757B (zh) | 用于多个视觉系统的配准的系统和方法 | |
CN101219061B (zh) | 对电解剖图着色以指示超声数据采集 | |
CN110891469A (zh) | 用于定位传感器的配准的系统和方法 | |
CN110264504B (zh) | 一种用于增强现实的三维配准方法和系统 | |
CN105979899A (zh) | 用于设备感知柔性工具配准的系统和方法 | |
EP2594197A1 (en) | Tracking system and method | |
JP2013540455A (ja) | 解剖学的表面の支援型自動データ収集方法 | |
CN114340542B (zh) | 用于位置传感器的基于权重的配准的系统和方法 | |
US11737663B2 (en) | Target anatomical feature localization | |
CN111588464A (zh) | 一种手术导航方法及系统 | |
CN109745120A (zh) | 一种影像配准转换参数优化方法及系统 | |
CN111356414A (zh) | 电磁导航与计算机断层摄影体积的多刚性配准 | |
JP2022517807A (ja) | 医療用ナビゲーションのためのシステムおよび方法 | |
US20230143522A1 (en) | Surgical assistant system based on image data of the operative field | |
US20230240750A1 (en) | Systems for evaluating registerability of anatomic models and associated methods | |
CN117814912A (zh) | 定位模块、定位方法及机器人系统 | |
WO2023060198A1 (en) | Medical instrument guidance systems, including guidance systems for percutaneous nephrolithotomy procedures, and associated devices and methods | |
Hashemi | 3D Shape Estimation Of Tendon-Driven Catheters Using Ultrasound Imaging |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200810 Address after: Room 806, building 4, 209 Zhuyuan Road, high tech Zone, Suzhou City, Jiangsu Province Patentee after: Medical robot (Suzhou) Co., Ltd Address before: 361005 No. 28 Haibin Road, Siming District, Xiamen City, Fujian Province (opposite Huli Mountain Fort) Co-patentee before: Zeng Zhiming Patentee before: Luo Xiongbiao |