CN109961508B - 一种心脏静态三维模型重建方法 - Google Patents
一种心脏静态三维模型重建方法 Download PDFInfo
- Publication number
- CN109961508B CN109961508B CN201910227014.XA CN201910227014A CN109961508B CN 109961508 B CN109961508 B CN 109961508B CN 201910227014 A CN201910227014 A CN 201910227014A CN 109961508 B CN109961508 B CN 109961508B
- Authority
- CN
- China
- Prior art keywords
- heart
- model
- dimensional
- static
- data set
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种心脏静态三维模型重建方法,包括:步骤1,建立模型基本数据集;步骤2,确定基准模型后,将其与基本数据集中的心脏模型进行配准,获得非刚性变换后的基准模型;步骤3,通过主成分分析法建立心脏三维数学模型;步骤4,根据给定的图像对心脏三维数学模型的参数进行调整,生成给定图像所对应的心脏静态三维模型;步骤5,根据医学知识对心脏静态三维模型进行社会评价,以此作为评判重建模型优劣的依据。本发明能够利用一个一般的初始三维心脏模型和少数心脏CT图片,实现静态三维心脏的重建,而无需全部的心脏CT图像即可得到效果较好的重建模型,重建时间短、重建结果准确可信。
Description
技术领域
本发明涉及计算机视觉、医学影像学领域,具体涉及一种三维静态心脏模型重建方法。
背景技术
当今社会,生活和工作节奏越来越快,心脏类疾病频发,严重影响着人类的生命安全。心脏的CT图像专业性强、较为复杂,对医生的要求较高。而建立心脏三维静态模型可以将心脏CT图像中隐藏的空间信息直观清晰地呈现。实现心脏三维模型的可视化,使得用户对心脏的整体状态有一个清楚的认知,具备更好的用户体验,从而辅助医学诊断、协助手术术前规划、使得医生与患者之间的交流更加顺畅。因此,对于心脏进行静态三维重建是研究人员一直关心的问题。
到目前为止,随着医学成像技术的逐渐成熟与医学影像学的发展,心脏的静态模型重建已经取得了很多的研究成果。重建方法主要可以分为两类:面绘制与体绘制。
面绘制是通过在矢量场的数据中提取等值线后,以面的形式来表示物体的三维数据,绘制特定的表面信息,虽然计算量小、绘制速度快,但是其并不能完全的反映物体内部的细节。
而体绘制以每个体素的信息作为绘制基础,进行合成与显示,虽然可以全面而完整的获取物体的三维信息,但是其的计算量较大、绘制速度较慢。不过随着计算机的不断发展,计算速度不断提升,体绘制的速度也在提高中,已经渐渐可以取代面绘制。
目前尚存在以下问题:1)由于心脏本身结构的复杂性与多样性,导致重建的结果不够准确、可信;2)重建过程过于冗杂导致需要耗费大量的时间进行求解。
发明内容
发明目的:为了解决现有技术存在的问题,本发明的目的是提供一种重建过程快速、重建结果准确的静态三维心脏重建方法。
技术方案:一种心脏静态三维模型重建方法,包括如下步骤:
步骤1,建立模型基本数据集;
步骤2,确定基准模型后,将其与基本数据集中的心脏模型进行配准,获得非刚性变换后的基准模型;
步骤3,通过主成分分析法建立心脏三维数学模型;
步骤4,根据给定的图像对心脏三维数学模型的参数进行调整,生成给定图像所对应的心脏静态三维模型;
步骤5,根据医学知识对心脏静态三维模型进行社会评价,以此作为评判重建模型优劣的依据。
所述步骤1包括如下内容:
步骤1.1、通过3D Slicer软件对心脏CT图像的各个腔室及外壁进行标注,标注过程剔除了心血管;
步骤1.2、导出心脏三维模型,生成心脏三维模型的基本数据集;所述心脏三维模型包括左心房、左心室、右心房、右心室、左心室外壁和心脏外壁六个模型;
步骤1.3、基于数据集建立一个心脏模型,为后续的匹配过程提供基准模型。
所述步骤2中,通过非刚性最近邻迭代算法匹配目标心脏模型。
所述非刚性最近邻迭代算法具体包括:
步骤2.1、进行全局刚性变换;在不考虑心脏收缩舒张的情况下,以全局刚性变换表示心脏搏动的过程;
步骤2.2、进行局部非刚性变换;将基准模型分为多个部分,对每个部分分别执行刚性变换,以局部非刚性变换表示心脏收缩舒张的过程。
有益效果:和现有技术相比,本发明具有如下显著进步:无需全部的心脏CT图像,仅利用一个一般的初始三维心脏模型和少数心脏CT图片,即可实现静态三维心脏的重建,计算量小,重建时间短,重建的结果准确可信。
附图说明
图1是本发明实施例的静态心脏模型三维重建方法的流程图;
图2(a)-2(f)是本发明实施例中生成的各个心脏部位三维模型的平面图;
图3(a)-3(f)是本发明实施例中基准模型与目标模型配准后各个模型的误差图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例
图1为根据本发明实施例的静态心脏模型三维重建方法的流程图,下面参照图1,详细说明每个步骤。
步骤S110,建立心脏静态三维模型的基本数据集。
我们通过3D Slicer软件对心脏CT图像的各个腔室及外壁进行标注后,导出心脏三维模型,从而生成心脏三维模型的基本数据集。在标注过程中,需要注意剔除各种心血管,如上腔静脉、下腔静脉等,最终标注并导出左心房、左心室、右心房、右心室、左心室外壁、心脏外壁,共计六个模型。图2(a)-2(f)为生成的左心室、左心房、右心室、右心房、左心室外壁和心脏外壁六个部位三维模型的平面图。
此外,在建立数据集后,基于数据集建立一个心脏模型为后续的匹配过程提供基准模型。
步骤S120,确定基准模型后,将其与数据集中的心脏模型进行配准,获得非刚性变换后的基准模型。
配准过程就是寻找空间中的一组变换,可以把一个模型映射到另一个模型上,使得两个模型中的体素一一对应,达到信息融合的目的。心脏在运动过程中,伴随着轻微的搏动和自身的收缩舒张,因此,可以认定心脏运动属于非刚性运动。非刚性变换目前已经有许多成熟的算法。本实施例通过非刚性最近邻迭代算法匹配目标心脏模型,使基准模型尽可能的接近目标模型,导出变换后的基准模型。图3(a)-3(f)为基准模型与目标模型配准后,各个模型的误差图。在图3(a)-3(f)中,将误差定义为基准模型与目标模型每个对应顶点之间的欧几里得距离的平方。
非刚性最近邻迭代算法主要可分为两个部分。一个是全局刚性变换,另一个是局部非刚性变换。设总变换为δ,全局刚性变换为δglobal,局部非刚性变换为δlocal,则这个过程表述如下。
而最近邻表示变换停止迭代的条件:变换后的基准模型与目标模型之间的距离最小。设目标模型为Mtarget,变换前的基准模型为Mtemplate,变换后的基准模型为M′template,变换停止的条件表述如下。
min ΔM=|Mtarget-M′template|
首先,进行全局刚性变换。刚性变换只改变物体的方向与位置,不改变物体的形状,也就是说,变换前后模型上任意两点之间的距离保持不变,因此,在不考虑心脏收缩舒张的情况下,我们可以将刚性变换视作心脏的搏动过程。此时的心脏运动可以用一个旋转矩阵R和一个平移矩阵T表示,表述如下。
M′template=R*Mtemplate+T
然后,进行局部非刚性变换。局部非刚性变换是将基准模型分为多个部分,对每个部分分别执行刚性变换,使得基准模型尽可能地接近目标模型。因此,我们可以将局部非刚性变换视作心脏的收缩舒张过程。
综上所述,我们以刚性变换表示心脏搏动的过程、以局部非刚性变换表示心脏收缩舒张的过程,完整的表述了心脏的运动过程,故而可以使得基准模型最接近目标模型,匹配误差可以达到1mm以内。
在基准模型通过非刚性最近邻迭代变换配准到数据库中的各个目标模型后,即可得到变换后的基准模型。心脏三维模型之间的拓扑结构与顶点数量都是相同的。这为后续的心脏三维数学模型的建立奠定了基础。
步骤S130,通过主成分分析法建立心脏的三维数学模型。
主成分分析法是最常用的几种数据降维的算法之一。它在尽量减少信息损失的同时,消除数据特征之间的相关性,降低数据维度,发现一些潜在的特征变量。
在S120中获得了相同拓扑结构的模型后,假设有d个模型,设每个模型均可表示为Mi=(X1,Y1,Z1,X2,……,Yn,Zn)T∈R3n,i=1,2,3,……,d。由此建立目标数据集A,大小为d*3n,表述如下。
A=(M1,M2,……,Md)
通过SVD分解求解A的特征值与特征向量,按照特征值的大小对特征向量进行排序。在误差允许范围内,根据成分的重要性提取主成分m。设共提取了k个主成分,建立数学模型的基准模型空间(m1,m2,……,mk),从而建立心脏的静态三维数学模型H,表述如下。
通过调节数学模型H的系数αi,可以对心脏的三维静态模型进行修改与调整。
步骤S140,根据给定的图像对心脏的静态三维数学模型的参数进行调整,生成给定图像对应的静态三维心脏模型。
对于给定的心脏二维图像I1,我们根据CT机的位置参数c,从心脏的静态三维数学模型获得一个切面图像I2,通过最小化代价函数f(c,α)求解心脏三维数学模型的系数集α,表述如下。
min f(c,α)=||I1-I2||2
步骤S150,根据医学知识对最终重建的心脏模型进行社会评价,以此作为评判重建模型优劣的依据。
本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,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。这样,本发明不限制于任何特定的硬件和软件结合。
Claims (2)
1.一种心脏静态三维模型重建方法,其特征在于,包括如下步骤:
步骤1,建立各个腔室及外壁三维模型的基本数据集;
步骤2,根据所述基本数据集确定一个基准模型后,将其与基本数据集中的各个心脏模型进行配准,获得非刚性变换后的基准模型;
步骤3,通过主成分分析法建立心脏三维数学模型;
步骤4,根据给定的图像对心脏三维数学模型的参数进行调整,生成给定图像所对应的心脏静态三维模型;
步骤5,根据医学知识对心脏静态三维模型进行社会评价,以此作为评判重建模型优劣的依据;
所述步骤2中,通过非刚性最近邻迭代算法将所述基准模型与基本数据集中的各个模型进行配准;
所述非刚性最近邻迭代算法具体包括:
步骤2.1、进行全局刚性变换;在不考虑心脏收缩舒张的情况下,以全局刚性变换表示心脏搏动的过程;
步骤2.2、进行局部非刚性变换;将基准模型分为多个部分,对每个部分分别执行刚性变换,以局部非刚性变换表示心脏收缩舒张的过程。
2.根据权利要求1所述的心脏静态三维模型重建方法,其特征在于,所述步骤1包括如下内容:
步骤1.1、通过3D Slicer软件对心脏CT图像的各个腔室及外壁进行标注,标注过程剔除了心血管;
步骤1.2、导出心脏三维模型,生成心脏三维模型的基本数据集;所述心脏三维模型包括左心房、左心室、右心房、右心室、左心室外壁和心脏外壁六个模型;
步骤1.3、基于数据集建立一个心脏模型,为后续的匹配过程提供基准模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227014.XA CN109961508B (zh) | 2019-03-25 | 2019-03-25 | 一种心脏静态三维模型重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227014.XA CN109961508B (zh) | 2019-03-25 | 2019-03-25 | 一种心脏静态三维模型重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109961508A CN109961508A (zh) | 2019-07-02 |
CN109961508B true CN109961508B (zh) | 2023-08-18 |
Family
ID=67024904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910227014.XA Active CN109961508B (zh) | 2019-03-25 | 2019-03-25 | 一种心脏静态三维模型重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961508B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724363B (zh) * | 2020-06-12 | 2023-03-31 | 中南民族大学 | 四维心脏图像质量评估方法、装置、设备及存储介质 |
CN111816282A (zh) * | 2020-07-01 | 2020-10-23 | 杭州脉流科技有限公司 | 基于ct影像的左心室功能学分析方法、装置、计算机设备和存储介质 |
CN111783682B (zh) * | 2020-07-02 | 2022-11-04 | 上海交通大学医学院附属第九人民医院 | 眼眶骨折自动识别模型构建方法、装置、设备和介质 |
CN115830235B (zh) * | 2022-12-09 | 2023-06-27 | 皖南医学院第一附属医院(皖南医学院弋矶山医院) | 一种房室缺陷影像三维模型重建方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462650B (zh) * | 2014-11-10 | 2017-11-07 | 张建卿 | 一种可实现内外结构的实体化心脏3d模型制作方法 |
CN105631931B (zh) * | 2015-12-21 | 2018-05-04 | 电子科技大学 | 一种低复杂度的心脏表面三维形态在线建模系统及方法 |
CN106419843A (zh) * | 2016-09-29 | 2017-02-22 | 首都医科大学附属北京安贞医院 | 一种肥厚性梗阻性心肌病hocm心脏模型的建立方法及系统 |
CN109448072B (zh) * | 2017-11-30 | 2023-05-09 | 科亚医疗科技股份有限公司 | 使用造影图像进行三维血管重建的计算机实现方法及装置 |
-
2019
- 2019-03-25 CN CN201910227014.XA patent/CN109961508B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109961508A (zh) | 2019-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961508B (zh) | 一种心脏静态三维模型重建方法 | |
WO2021031815A1 (zh) | 医学影像分割方法、装置、计算机设备及可读存储介质 | |
Zou et al. | 3d-prnn: Generating shape primitives with recurrent neural networks | |
Hoogendoorn et al. | A high-resolution atlas and statistical model of the human heart from multislice CT | |
Zhou et al. | Sparse representation for 3D shape estimation: A convex relaxation approach | |
Mitchell et al. | 3-D active appearance models: segmentation of cardiac MR and ultrasound images | |
Lorenz et al. | A comprehensive shape model of the heart | |
JP5610129B2 (ja) | 3次元テンプレート変形方法、装置及びプログラム | |
EP3335195A2 (en) | Methods of generating personalized 3d head models or 3d body models | |
WO2020263541A1 (en) | Portrait editing and synthesis | |
JP7378642B2 (ja) | 生成的非線形人間形状モデル | |
CN115953513B (zh) | 一种可驱动三维人头模型重建方法、装置、设备及介质 | |
WO2021017168A1 (zh) | 图像分割方法、装置、设备及存储介质 | |
EP1851721B1 (en) | A method, a system and a computer program for segmenting a surface in a multidimensional dataset | |
CN114422832A (zh) | 主播虚拟形象生成方法及装置 | |
CN108294780A (zh) | 超声三维成像方法、超声三维成像系统及装置 | |
Xue et al. | High-fidelity face reenactment via identity-matched correspondence learning | |
CN111476764B (zh) | 一种运动模糊ct图像三维重建的方法 | |
CN114429518A (zh) | 人脸模型重建方法、装置、设备和存储介质 | |
Ananth et al. | CLG for Automatic Image Segmentation | |
CN111724395B (zh) | 心脏图像四维上下文分割方法、设备、存储介质及装置 | |
Sermesant et al. | Biomechanical model construction from different modalities: Application to cardiac images | |
Liang et al. | Facial skin beautification using region-aware mask | |
JP5954846B2 (ja) | 形状データ生成プログラム、形状データ生成方法及び形状データ生成装置 | |
CN111667515A (zh) | 基于流形正则化的血管3d/2d弹性配准方法及装置 |
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 |