CN110175958A - 一种基于医学影像的消融结果分析方法和系统 - Google Patents
一种基于医学影像的消融结果分析方法和系统 Download PDFInfo
- Publication number
- CN110175958A CN110175958A CN201910334894.0A CN201910334894A CN110175958A CN 110175958 A CN110175958 A CN 110175958A CN 201910334894 A CN201910334894 A CN 201910334894A CN 110175958 A CN110175958 A CN 110175958A
- Authority
- CN
- China
- Prior art keywords
- image
- ablation
- postoperative
- tumor region
- result
- 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
- 238000002679 ablation Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 36
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 83
- 230000002980 postoperative effect Effects 0.000 claims abstract description 78
- 230000005489 elastic deformation Effects 0.000 claims abstract description 26
- 230000008439 repair process Effects 0.000 claims abstract description 24
- 230000008602 contraction Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000006835 compression Effects 0.000 claims description 15
- 238000007906 compression Methods 0.000 claims description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000010191 image analysis Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 239000000284 extract Substances 0.000 abstract description 4
- 238000012800 visualization Methods 0.000 abstract description 3
- 210000004185 liver Anatomy 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 206010030113 Oedema Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 210000005228 liver tissue Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009283 reversible contraction Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30056—Liver; Hepatic
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于医学影像的消融结果分析方法和系统。该方法包括:先分别对术前、术后影像进行图像修复以得到第一术前影像和第一术后影像;然后将两者进行配准以得到弹性形变场;再根据弹性形变场计算肿瘤区域的收缩量并进行补偿,以得到第二术后影像;最后根据第一术前影像和第二术后影像进行分析,得到消融结果;该方法无需获取术中消融针的位置信息且补偿了肿瘤在消融过程中的热收缩,提高了分析的便利性和结果的准确性。本发明提供的分析系统包括:图像模块、配准模块、补偿模块、分析模块和显示模块,该系统能够自动提取肿瘤收缩中心点并进行补偿、及消融结果的可视化显示,使得对消融结果的分析过程更加科学、客观和便捷。
Description
技术领域
本发明涉及微波消融技术领域,具体涉及一种基于医学影像和肿瘤热收缩补偿的消融结果分析方法和系统。
背景技术
微波消融手术是一种低侵略性的肝癌治疗手段。通过高温加热肿瘤,使得消融区域完全包裹住肿瘤,实现肿瘤的灭活。微波消融手术的术后评估通过对比肿瘤和消融区域的包裹关系来评估手术疗效。由于肿瘤和消融区域分别存在于术前影像和术后影像中,需要通过配准术前和术后影像,使消融区域映射到术前影像上,来比较肿瘤和消融区域的位置和大小信息,得到二者的包裹关系,实现微波消融手术的评估。
目前,有很多基于配准的消融手术评估算法被提出,代表的算法有:消除肿瘤和消融区域误匹配,消除呼吸运动影响,维持肝脏特殊力学性质等。上述算法旨在通过配准的方法将术前肿瘤和术后消融区域在空间位置上对齐,并在此基础上分析二者位置和大小关系,来实现消融术后评估。而临床研究发现在微波消融手术中,肿瘤会在高温的影响发生不可逆的收缩。在传统的消融术后评估方法中,医生需要掌握术中消融针位置信息,进而估计由高温造成的肿瘤的收缩情况,以到达精准评估手术疗效的目的。但对于一些缺乏临床经验的医生,或消融针位置信息出现误差的情况下,可能会出现因肿瘤收缩情况的估计出现偏差而引起消融手术评估出现错误的情况。
近年来,在掌握术中消融针位置信息的基础上,模拟肿瘤在术中发生的受热收缩运动的肿瘤收缩模型被广泛的研究,肿瘤的收缩情况可以被很精确地预测。然而,在消融手术评估时,通常只有术前和术后的影像信息,而没有术中的消融针位置信息,导致无法预测肿瘤的收缩情况。仅通过术前术后影像信息分析出肿瘤在术中实际发生的收缩情况,精确地提取出肿瘤收缩点,是具有挑战性的。
发明内容
鉴于上述问题,本发明提出了一种基于医学影像和肿瘤热收缩补偿分析消融结果的技术方案。
本发明的目的可通过以下技术措施来实现:
本发明第一方面提供了一种基于医学影像的消融结果分析方法,所述方法包括:
分别对术前影像中的肿瘤区域和术后影像中的消融区域进行图像修复,以得到第一术前影像和第一术后影像;
将所述第一术前影像与所述第一术后影像进行配准,以得到弹性形变场;
根据所述弹性形变场计算肿瘤区域的收缩量、并根据所述收缩量对所述第一术后影像进行补偿,以得到第二术后影像;
对所述第一术前影像和所述第二术后影像进行对比分析,得到消融结果。
优选地,所述方法还包括:
对分析所得的消融结果进行可视化展示,所述消融结果包括肿瘤区域与消融区域的位置信息、大小信息、消融率或安全消融占比中的一种或多种。
优选地,所述“分别对术前影像中的肿瘤区域和术后影像中的消融区域进行图像修复”的步骤包括:
分别按照式(1)计算所述肿瘤区域的邻域中和所述消融区域的邻域中的灰度值的加权和,以得到第一灰度值Ipre和第二灰度值Ipost;然后将所述肿瘤区域的灰度值替换为所述第一灰度值Ipre,将所述消融区域的灰度值替换为所述第二灰度值Ipost;
其中,Ω1为肿瘤区域空间或消融区域空间,x为Ω1中的一点,Ω0为Ω1的邻域空间,y为Ω0中的一点,W(x,y)为随x与y两点之间的距离变化的权重系数,α为正常数。
优选地,所述“将所述第一术前影像与所述第一术后影像进行配准”的步骤包括:
对所述第一术前影像进行刚性配准,以消除与所述第一术后影像之间的位姿差异;
将刚性配准后的第一术前影像与所述第一术后影像进行弹性配准,以得到弹性形变场。
优选地,所述“根据所述弹性形变场计算肿瘤区域的收缩量、并根据所述收缩量对所述第一术后影像进行补偿”的步骤包括:
对所述弹性形变场进行霍奇-亥姆霍兹分解,以获得包含收缩中心点的无旋场;
根据所述无旋场确定所述收缩中心点的位置和肿瘤区域的收缩强度;
根据所述收缩中心点的位置和所述肿瘤区域的收缩强度计算肿瘤区域的收缩量,并根据所述收缩量对所述第一术后影像进行补偿。
更优选地,所述术前影像和所述术后影像为CT图像或MRI图像。
本发明第二方面提供了一种基于医学影像的消融结果分析系统,所述系统包括:
图像修复模块,所述图像修复模块用于分别对术前影像中的肿瘤区域和术后影像中的消融区域进行图像修复,以得到第一术前影像和第一术后影像;
配准模块,所述配准模块用于将所述第一术前影像与所述第一术后影像进行配准,以得到弹性形变场;
补偿模块,所述补偿模块用于根据所述弹性形变场计算肿瘤区域的收缩量、并对所述第一术后影像进行补偿,以得到第二术后影像;
分析模块:所述分析模块用于对所述第一术前影像和所述第二术后影像进行对比分析,得到消融结果;
显示模块,所述显示模块用于对分析所得的消融结果进行可视化展示,所述消融结果包括肿瘤区域与消融区域的位置信息、大小信息、消融率或安全消融占比中的一种或多种。
优选地,所述图像修复模块包括第一计算单元和修复单元,所述第一计算单元用于按照式(1)计算所述肿瘤区域的邻域中和所述消融区域的邻域中的灰度值的加权和,以分别得到第一灰度值Ipre和第二灰度值Ipost:
其中,Ω1为肿瘤区域空间或消融区域空间,x为Ω1中的一点,Ω0为Ω1的邻域空间,y为Ω0中的一点,W(x,y)为随x与y两点之间的距离变化的权重系数,α为正常数;
所述修复单元用于将所述肿瘤区域的灰度值替换为所述第一灰度值Ipre,将所述消融区域的灰度值替换为所述第二灰度值Ipost。
优选地,所述配准模块包括刚性配准单元和弹性配准单元,所述刚性配准单元用于对所述第一术前影像进行刚性配准,以消除与所述第一术后影像之间的位姿差异;所述弹性配准单元用于将刚性配准后的第一术前影像与所述第一术后影像进行弹性配准,以得到弹性形变场。
优选地,所述补偿模块包括分解单元、第二计算单元、第三计算单元和补偿单元,
所述分解单元用于对所述弹性形变场进行霍奇-亥姆霍兹分解,以获得包含收缩中心点的无旋场;所述第二计算单元用于根据所述无旋场确定所述收缩中心点的位置以及肿瘤区域的收缩强度;所述第三计算单元用于根据所述收缩中心点的位置和所述肿瘤区域的收缩强度计算肿瘤区域的收缩量;所述补偿单元用于根据所述收缩量对所述第一术后影像进行补偿。
与现有技术相比,本发明提供的基于医学影像的消融结果分析方法补偿了肿瘤在微波消融手术中的热收缩,消除了因收缩带来的配准误差的影响,提高了分析所得消融结果的准确性,且该方法是直接基于对医学影像的分析,无需获取术中消融针的位置信息,提高了分析的便利性;本发明提供的基于医学影像的消融结果分析系统能够自动提取肿瘤收缩中心点并进行收缩补偿、并将消融结果可视化显示,使得对消融结果的分析过程更加科学、客观和便捷。
附图说明
图1是本发明实施例提供的基于医学影像预测消融结果的工作流程图。
图2是本发明实施例提供的一种图像配准流程图。
图3是本发明实施例提供的一种分析肿瘤收缩过程的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本揭示内容的叙述更加详尽与完备,下文针对本发明的实施方式与具体实施例提出了说明性的描述;但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而,亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。
本发明提供了一种基于医学影像和肿瘤收缩补偿对消融结果进行分析的方法,请参阅图1所示,该方法包括四个部分:第一部分为先分别对术前影像和术后影像进行图像修复;第二部分在第一部分的基础上进行,将修复后的术前、术后图像进行配准,以得到弹性形变场,该弹性形变场中包含着肿瘤周围组织的弹性运动信息,是预测肿瘤收缩过程的基础;第三部分是根据该弹性形变场对肿瘤的收缩过程进行分析、仿真,计算肿瘤区域的收缩量、并根据该收缩量对图像修复后的术后影像进行补偿;第四部分是将补偿后的术后图像与术前图像进行对比分析,得到消融结果并进行可视化展示;在该方法中,术前影像和术后影像可以为CT图像或MRI图像。
在本发明的一些实施例中,该方法可以具体为:先用邻域灰度值分别填补术前影像中的肿瘤区域和术后影像中的消融区域来进行图像修复,以得到第一术前影像和第一术后影像;然后对该第一术前影像进行刚性变换向第一术后影像配准,以消除与第一术后影像之间的位姿差异,实现位姿校正;继续将刚性配准后的第一术前影像的肝脏部位与该第二术前影像的肝脏部位进行弹性配准,如图2中所示,具体为将经过位姿校正的术前影像采用基于肝脏内标志点的B样条弹性配准,与图像修复后的术后影像在空间上的高度对齐,以消除呼吸运动、消融手术水肿带来的图像差异。获取上述弹性配准后得到的能够反映肝脏内部运动信息的弹性形变场,并对该弹性形变场进行霍奇-亥姆霍兹(HHD)分解,如图3中所示,分解后得到会使图像产生“旋转”的旋场、“膨胀/收缩”的散场和“近似平移”的调和场三种分量,其中能使图像产生“收缩”的散场是本发明提供的分析方法中需要的分量,因此,提取该散场的势函数,该散场中“收缩”的中心位点位于散场势函数的极值点,采用多尺度搜索策略,由粗到细搜索散场的势函数极大值点,即收缩中心点(S);采用最小二乘拟合法拟合肿瘤周围的收缩强度,近似地视为肿瘤收缩强度(E);以S点为收缩中心,对肿瘤区域做强度为E的收缩形变,来仿真肿瘤区域在消融手术中真实发生的收缩现象,计算收缩量并根据该收缩量对修复后的术后图像进行补偿,从而消除因收缩带来的配准误差的影响,提高分析结果的准确性。最后,将补偿后的术后图像与术前图像进行对比分析,得到消融结果并进行可视化展示,其中,消融结果包括了反映肿瘤区域与消融区域包裹关系的位置信息、大小信息等,还包括了直观的定量数据,如消融率或安全消融占比等指标中的一种或多种。该方法是直接基于对医学影像的分析,无需获取术中消融针的位置信息,提高了分析的便利性。
需要说明的是,在配准前基于邻域灰度值填补的方法对术前、术后影像进行图像修复,使得术前影像的肿瘤区域的灰度分布和术后影像的消融区域的灰度分布均与周围非病变肝脏组织的灰度分布相近似,以避免在配准的过程中肿瘤区域和消融区域发生误匹配的现象,根据本发明的一些实施例,术前影像的肿瘤区域的邻域中和术后影像的消融区域的邻域中的灰度值的加权和分别通过下式(1)计算得到:
其中,Ω1为肿瘤区域空间或消融区域空间,x为Ω1中的一点,Ω0为Ω1的邻域空间,y为Ω0中的一点,W(x,y)为随x与y两点之间的距离变化的权重系数,α为正常数,α值较低时,能减少模型的噪声值,α值较高时,能够保留图像细节。通过式(1)计算得到第一灰度值Ipre和第二灰度值Ipost,然后将肿瘤区域的灰度值替换为该第一灰度值Ipre,将消融区域的灰度值替换为该第二灰度值Ipost。
本发明另一方面提供了一种基于医学影像的消融结果分析系统,该系统包括:图像修复模块,该图像修复模块用于分别对术前影像中的肿瘤区域和术后影像中的消融区域进行图像修复,以得到第一术前影像和第一术后影像;配准模块,该配准模块用于将第一术前影像与第一术后影像进行配准,以得到弹性形变场;补偿模块,该补偿模块用于根据该弹性形变场计算肿瘤区域的收缩量、并对第一术后影像进行补偿,以得到第二术后影像;分析模块:该分析模块用于根据第一术前影像和该第二术后影像对消融结果进行分析。
根据本发明的一些实施方式,图像修复模块又包括第一计算单元和修复单元,其中第一计算单元用于按照式(1)计算肿瘤区域的邻域中和消融区域的邻域中的灰度值的加权和,以分别得到第一灰度值Ipre和第二灰度值Ipost:
其中,Ω1为肿瘤区域空间或消融区域空间,x为Ω1中的一点,Ω0为Ω1的邻域空间,y为Ω0中的一点,W(x,y)为随x与y两点之间的距离变化的权重系数,α为正常数;修复单元用于将肿瘤区域的灰度值替换为该第一灰度值Ipre,将消融区域的灰度值替换为该第二灰度值Ipost。
根据本发明的另一些实施方式,配准模块又包括刚性配准单元和弹性配准单元,其中,刚性配准单元用于对第一术前影像进行刚性配准,以消除与第一术后影像之间的位姿差异;弹性配准单元用于将刚性配准后的第一术前影像与第一术后影像进行弹性配准,以得到弹性形变场。
在本发明的一些实施例中,补偿模块还包括分解单元、第二计算单元、第三计算单元和补偿单元,其中,分解单元用于对弹性形变场进行霍奇-亥姆霍兹分解,以获得包含收缩中心点的无旋场;第二计算单元用于根据该无旋场确定收缩中心点的位置以及肿瘤区域的收缩强度;第三计算单元用于根据该收缩中心点的位置和肿瘤区域的收缩强度计算肿瘤区域的收缩量;补偿单元用于根据该收缩量对第一术后影像进行补偿。
在本发明的另一些实施例中,该系统还包括显示模块,该显示模块用于将分析所得的消融结果进行可视化展示,其中,消融结果包括能够反映肿瘤区域与消融区域包裹关系的位置信息、大小信息等,还包括了直观的定量数据,如消融率或安全消融占比等指标中的一种或多种。具体为将经过仿真收缩的肿瘤区域和消融区域做颜色距离映射,三维可视化展示在系统的显示窗口上,即可直观获取肿瘤与消融区域的位置信息和大小信息,分析两者之间的包裹关系。
本发明提供的基于医学影像的消融结果分析系统能够自动提取肿瘤收缩中心点并进行收缩补偿、并将消融结果可视化显示,使得对消融结果的分析过程更加科学、客观和便捷。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于医学影像的消融结果分析方法,其特征在于,所述方法包括:
分别对术前影像中的肿瘤区域和术后影像中的消融区域进行图像修复,以得到第一术前影像和第一术后影像;
将所述第一术前影像与所述第一术后影像进行配准,以得到弹性形变场;
根据所述弹性形变场计算肿瘤区域的收缩量、并根据所述收缩量对所述第一术后影像进行补偿,以得到第二术后影像;
对所述第一术前影像和所述第二术后影像进行对比分析,得到消融结果。
2.如权利要求1所述基于医学影像的消融结果分析方法,其特征在于,所述方法还包括:
对分析所得的消融结果进行可视化展示,所述消融结果包括肿瘤区域与消融区域的位置信息、大小信息、消融率或安全消融占比中的一种或多种。
3.如权利要求1所述基于医学影像的消融结果分析方法,其特征在于,所述“分别对术前影像中的肿瘤区域和术后影像中的消融区域进行图像修复”的步骤包括:
分别按照式(1)计算所述肿瘤区域的邻域中和所述消融区域的邻域中的灰度值的加权和,以得到第一灰度值Ipre和第二灰度值Ipost;然后将所述肿瘤区域的灰度值替换为所述第一灰度值Ipre,将所述消融区域的灰度值替换为所述第二灰度值Ipost;
其中,Ω1为肿瘤区域空间或消融区域空间,x为Ω1中的一点,Ω0为Ω1的邻域空间,y为Ω0中的一点,W(x,y)为随x与y两点之间的距离变化的权重系数,α为正常数。
4.如权利要求1所述基于医学影像的消融结果分析方法,其特征在于,所述“将所述第一术前影像与所述第一术后影像进行配准”的步骤包括:
对所述第一术前影像进行刚性配准,以消除与所述第一术后影像之间的位姿差异;
将刚性配准后的第一术前影像与所述第一术后影像进行弹性配准,以得到弹性形变场。
5.如权利要求1所述基于医学影像的消融结果分析方法,其特征在于,所述“根据所述弹性形变场计算肿瘤区域的收缩量、并根据所述收缩量对所述第一术后影像进行补偿”的步骤包括:
对所述弹性形变场进行霍奇-亥姆霍兹分解,以获得包含收缩中心点的无旋场;
根据所述无旋场确定所述收缩中心点的位置和肿瘤区域的收缩强度;
根据所述收缩中心点的位置和所述肿瘤区域的收缩强度计算肿瘤区域的收缩量,并根据所述收缩量对所述第一术后影像进行补偿。
6.如权利要求1-5中任一项所述基于医学影像的消融结果分析方法,其特征在于,所述术前影像和所述术后影像为CT图像或MRI图像。
7.一种基于医学影像的消融结果分析系统,其特征在于,所述系统包括:
图像修复模块,所述图像修复模块用于分别对术前影像中的肿瘤区域和术后影像中的消融区域进行图像修复,以得到第一术前影像和第一术后影像;
配准模块,所述配准模块用于将所述第一术前影像与所述第一术后影像进行配准,以得到弹性形变场;
补偿模块,所述补偿模块用于根据所述弹性形变场计算肿瘤区域的收缩量、并对所述第一术后影像进行补偿,以得到第二术后影像;
分析模块:所述分析模块用于对所述第一术前影像和所述第二术后影像进行对比分析,得到消融结果;
显示模块,所述显示模块用于对分析所得的消融结果进行可视化展示,所述消融结果包括肿瘤区域与消融区域的位置信息、大小信息、消融率或安全消融占比中的一种或多种。
8.如权利要求7所述基于医学影像的消融结果分析系统,其特征在于,所述图像修复模块包括第一计算单元和修复单元,所述第一计算单元用于按照式(1)计算所述肿瘤区域的邻域中和所述消融区域的邻域中的灰度值的加权和,以分别得到第一灰度值Ipre和第二灰度值Ipost:
其中,Ω1为肿瘤区域空间或消融区域空间,x为Ω1中的一点,Ω0为Ω1的邻域空间,y为Ω0中的一点,W(x,y)为随x与y两点之间的距离变化的权重系数,α为正常数;
所述修复单元用于将所述肿瘤区域的灰度值替换为所述第一灰度值Ipre,将所述消融区域的灰度值替换为所述第二灰度值Ipost。
9.如权利要求7所述基于医学影像的消融结果分析系统,其特征在于,所述配准模块包括刚性配准单元和弹性配准单元,所述刚性配准单元用于对所述第一术前影像进行刚性配准,以消除与所述第一术后影像之间的位姿差异;所述弹性配准单元用于将刚性配准后的第一术前影像与所述第一术后影像进行弹性配准,以得到弹性形变场。
10.如权利要求7所述基于医学影像的消融结果分析系统,其特征在于,所述补偿模块包括分解单元、第二计算单元、第三计算单元和补偿单元,
所述分解单元用于对所述弹性形变场进行霍奇-亥姆霍兹分解,以获得包含收缩中心点的无旋场;所述第二计算单元用于根据所述无旋场确定所述收缩中心点的位置以及肿瘤区域的收缩强度;所述第三计算单元用于根据所述收缩中心点的位置和所述肿瘤区域的收缩强度计算肿瘤区域的收缩量;所述补偿单元用于根据所述收缩量对所述第一术后影像进行补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910334894.0A CN110175958B (zh) | 2019-04-24 | 2019-04-24 | 一种基于医学影像的消融结果分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910334894.0A CN110175958B (zh) | 2019-04-24 | 2019-04-24 | 一种基于医学影像的消融结果分析方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110175958A true CN110175958A (zh) | 2019-08-27 |
CN110175958B CN110175958B (zh) | 2021-05-25 |
Family
ID=67690063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910334894.0A Active CN110175958B (zh) | 2019-04-24 | 2019-04-24 | 一种基于医学影像的消融结果分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175958B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782474A (zh) * | 2019-11-04 | 2020-02-11 | 中国人民解放军总医院 | 基于深度学习的预测消融术后肝脏肿瘤形态变化的方法 |
CN110910406A (zh) * | 2019-11-20 | 2020-03-24 | 中国人民解放军总医院 | 一种肝脏肿瘤消融术后三维空间疗效评估方法及系统 |
CN111973271A (zh) * | 2020-08-31 | 2020-11-24 | 北京理工大学 | 针对肿瘤热消融的术前消融区域模拟方法及装置 |
CN113506331A (zh) * | 2021-06-29 | 2021-10-15 | 武汉联影智融医疗科技有限公司 | 组织器官的配准方法、装置、计算机设备和存储介质 |
WO2022223042A1 (zh) * | 2021-04-23 | 2022-10-27 | 武汉联影智融医疗科技有限公司 | 手术路径处理系统、方法、装置、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197299A (zh) * | 2013-03-25 | 2013-07-10 | 南京信息工程大学 | 天气雷达径向风信息提取及量化分析系统 |
CN103678837A (zh) * | 2012-08-31 | 2014-03-26 | 西门子公司 | 一种确定目标区域处理余量的方法和装置 |
CN104619259A (zh) * | 2012-09-05 | 2015-05-13 | 波士顿科学医学有限公司 | 通过超声回波描记术的组织的表征 |
US20160000890A1 (en) * | 2013-03-15 | 2016-01-07 | Biospecifics Technologies Corp. | Thermosensitive hydrogel collagenase formulations |
CN105243657A (zh) * | 2015-09-08 | 2016-01-13 | 首都医科大学附属北京安贞医院 | 基于增强弹性形变的carto电解剖图与ct图像配准方法和装置 |
CN105286988A (zh) * | 2015-10-12 | 2016-02-03 | 北京工业大学 | 一种ct影像引导肝肿瘤热消融针定位与导航系统 |
CN105640642A (zh) * | 2016-04-07 | 2016-06-08 | 上海导向医疗系统有限公司 | 带扩张球囊的内冷却微波消融针 |
CN106778888A (zh) * | 2016-12-27 | 2017-05-31 | 浙江大学 | 一种基于无人机遥感的果园病虫害普查系统和方法 |
CN107049475A (zh) * | 2017-04-19 | 2017-08-18 | 纪建松 | 肝癌局部消融方法及系统 |
CN105125289B (zh) * | 2015-09-25 | 2018-01-02 | 拜耳斯特医疗机器人技术(天津)有限公司 | 微创医疗机器人系统 |
CN108171737A (zh) * | 2018-01-09 | 2018-06-15 | 北京理工大学 | 一种具有不可压缩器官的医学图像配准方法及系统 |
CN108968916A (zh) * | 2018-06-19 | 2018-12-11 | 艾瑞迈迪医疗科技(北京)有限公司 | 呼吸运动校正方法、装置、计算机设备和存储介质 |
-
2019
- 2019-04-24 CN CN201910334894.0A patent/CN110175958B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678837A (zh) * | 2012-08-31 | 2014-03-26 | 西门子公司 | 一种确定目标区域处理余量的方法和装置 |
CN104619259A (zh) * | 2012-09-05 | 2015-05-13 | 波士顿科学医学有限公司 | 通过超声回波描记术的组织的表征 |
US20160000890A1 (en) * | 2013-03-15 | 2016-01-07 | Biospecifics Technologies Corp. | Thermosensitive hydrogel collagenase formulations |
CN103197299A (zh) * | 2013-03-25 | 2013-07-10 | 南京信息工程大学 | 天气雷达径向风信息提取及量化分析系统 |
CN105243657A (zh) * | 2015-09-08 | 2016-01-13 | 首都医科大学附属北京安贞医院 | 基于增强弹性形变的carto电解剖图与ct图像配准方法和装置 |
CN105125289B (zh) * | 2015-09-25 | 2018-01-02 | 拜耳斯特医疗机器人技术(天津)有限公司 | 微创医疗机器人系统 |
CN105286988A (zh) * | 2015-10-12 | 2016-02-03 | 北京工业大学 | 一种ct影像引导肝肿瘤热消融针定位与导航系统 |
CN105640642A (zh) * | 2016-04-07 | 2016-06-08 | 上海导向医疗系统有限公司 | 带扩张球囊的内冷却微波消融针 |
CN106778888A (zh) * | 2016-12-27 | 2017-05-31 | 浙江大学 | 一种基于无人机遥感的果园病虫害普查系统和方法 |
CN107049475A (zh) * | 2017-04-19 | 2017-08-18 | 纪建松 | 肝癌局部消融方法及系统 |
CN108171737A (zh) * | 2018-01-09 | 2018-06-15 | 北京理工大学 | 一种具有不可压缩器官的医学图像配准方法及系统 |
CN108968916A (zh) * | 2018-06-19 | 2018-12-11 | 艾瑞迈迪医疗科技(北京)有限公司 | 呼吸运动校正方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
SOICHIRO TANI 等: "Three-dimensional quantitative assessment of ablation margins based on registration of pre- and post-procedural MRI and distance map", 《INT J COMPUT ASSIST RADIOL SURG》 * |
何凯 等: "靶参数对收缩几何瑞利-泰勒不稳定性诊断的影响", 《光学学报》 * |
刘成凤 等: "骨折图像滤波分析", 《电脑知识与技术》 * |
柏顺陈樵 等: "基于多尺度分解的双边滤波图像增强", 《重庆理工大学学报(自然科学)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782474A (zh) * | 2019-11-04 | 2020-02-11 | 中国人民解放军总医院 | 基于深度学习的预测消融术后肝脏肿瘤形态变化的方法 |
WO2021088747A1 (zh) * | 2019-11-04 | 2021-05-14 | 中国人民解放军总医院 | 基于深度学习的预测消融术后肝脏肿瘤形态变化的方法 |
CN110782474B (zh) * | 2019-11-04 | 2022-11-15 | 中国人民解放军总医院 | 基于深度学习的预测消融术后肝脏肿瘤形态变化的方法 |
US20230123842A1 (en) * | 2019-11-04 | 2023-04-20 | Chinese Pla General Hospital | Method for predicting morphological changes of liver tumor after ablation based on deep learning |
US11776120B2 (en) * | 2019-11-04 | 2023-10-03 | Chinese Pla General Hospital | Method for predicting morphological changes of liver tumor after ablation based on deep learning |
CN110910406A (zh) * | 2019-11-20 | 2020-03-24 | 中国人民解放军总医院 | 一种肝脏肿瘤消融术后三维空间疗效评估方法及系统 |
CN110910406B (zh) * | 2019-11-20 | 2022-08-26 | 中国人民解放军总医院 | 一种肝脏肿瘤消融术后三维空间疗效评估方法及系统 |
CN111973271A (zh) * | 2020-08-31 | 2020-11-24 | 北京理工大学 | 针对肿瘤热消融的术前消融区域模拟方法及装置 |
CN111973271B (zh) * | 2020-08-31 | 2021-12-14 | 北京理工大学 | 针对肿瘤热消融的术前消融区域模拟方法及装置 |
WO2022223042A1 (zh) * | 2021-04-23 | 2022-10-27 | 武汉联影智融医疗科技有限公司 | 手术路径处理系统、方法、装置、设备及存储介质 |
CN113506331A (zh) * | 2021-06-29 | 2021-10-15 | 武汉联影智融医疗科技有限公司 | 组织器官的配准方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110175958B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110175958A (zh) | 一种基于医学影像的消融结果分析方法和系统 | |
CN109859833B (zh) | 消融手术治疗效果的评估方法和装置 | |
JP5054669B2 (ja) | 膝関節形態の特徴付けのための方法及びシステム | |
Stemkens et al. | Image-driven, model-based 3D abdominal motion estimation for MR-guided radiotherapy | |
Cash et al. | Compensating for intraoperative soft-tissue deformations using incomplete surface data and finite elements | |
Röhl et al. | Dense GPU‐enhanced surface reconstruction from stereo endoscopic images for intraoperative registration | |
CN111260741B (zh) | 一种利用生成对抗网络的三维超声模拟方法及装置 | |
Ramalhinho et al. | A pre-operative planning framework for global registration of laparoscopic ultrasound to CT images | |
Murr et al. | Applicability and usage of dose mapping/accumulation in radiotherapy | |
Yang et al. | 3D soft-tissue tracking using spatial-color joint probability distribution and thin-plate spline model | |
Meng et al. | 2D-3D registration with weighted local mutual information in vascular interventions | |
Chintalapani et al. | Statistical atlas based extrapolation of CT data | |
Guo et al. | Ultrasound frame-to-volume registration via deep learning for interventional guidance | |
Heemeyer et al. | Pose-aware C-arm calibration and image distortion correction for guidewire tracking and image reconstruction | |
McLeod et al. | Statistical shape analysis of surfaces in medical images applied to the Tetralogy of Fallot heart | |
Niculescu et al. | Non-rigid registration of the liver in consecutive CT studies for assessment of tumor response to radiofrequency ablation | |
Beekman et al. | A biomechanical finite element model to generate a library of cervix CTVs | |
Turcza et al. | Navigation systems based on registration of endoscopic and CT-derived virtual images for bronchofiberoscopic procedures | |
Fu et al. | SP-DiffDose: a conditional diffusion model for radiation dose prediction based on multi-scale fusion of anatomical structures, guided by SwinTransformer and projector | |
Speight | MRI to CT image registration | |
Ding et al. | Novel Augmented Reality System for Oral and Maxillofacial Surgery | |
Schwarz et al. | Multiobject segmentation using coupled shape space models | |
Han et al. | Soft tissue deformation tracking by means of an optimized fiducial marker layout with application to cancer tumors | |
Vázquez Romaguera et al. | Personalized respiratory motion model using conditional generative networks for MR-guided radiotherapy | |
Polo et al. | Improving hybrid image and structure-based deformable image registration for large internal deformations |
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 |
Effective date of registration: 20211008 Address after: 100081 0810 Haidian Science and technology building, Zhongguancun South Street, Haidian District, Beijing Patentee after: ARIEMEDI MEDICAL SCIENCE (BEIJING) Co.,Ltd. Address before: 050000 3rd floor, unit 1, building 7, Runjiang international headquarters, 319 Changjiang Avenue, high tech Zone, Shijiazhuang, Hebei Province Patentee before: AIRUI MAIDI TECHNOLOGY SHIJIAZHUANG Co.,Ltd. |
|
TR01 | Transfer of patent right |