CN110634554A - 脊椎影像注册方法 - Google Patents

脊椎影像注册方法 Download PDF

Info

Publication number
CN110634554A
CN110634554A CN201811119907.4A CN201811119907A CN110634554A CN 110634554 A CN110634554 A CN 110634554A CN 201811119907 A CN201811119907 A CN 201811119907A CN 110634554 A CN110634554 A CN 110634554A
Authority
CN
China
Prior art keywords
image
vertebral body
spine
target point
model
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.)
Withdrawn
Application number
CN201811119907.4A
Other languages
English (en)
Inventor
王靖维
柯馨雅
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Publication of CN110634554A publication Critical patent/CN110634554A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/10084—Hybrid tomography; Concurrent acquisition with multiple different tomographic modalities
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • 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
    • G06T2207/30204—Marker

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)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种脊椎影像注册方法，包括：取得对应于脊椎的CT影像以及MRI影像；将CT影像输入至第一模型以识别出CT影像中脊椎的第一椎体；将MRI影像输入至第二模型以识别出MRI影像中脊椎的第二椎体；使用第一标的点标记第一椎体，并使用第二标的点标记第二椎体；对第一标的点与第二标的点进行匹配以获得第一标的点与第二标的点的对应关系；根据此对应关系，对CT影像与MRI影像进行注册以使得CT影像的内容与MRI影像的内容位于相同的坐标空间，并根据位于相同的坐标空间的CT影像的内容与MRI影像的内容产生注册影像；以及输出注册影像。

Description

脊椎影像注册方法
技术领域
本发明涉及一种影像注册(影像配准)方法，且特别是涉及一种用于脊椎CT影像与MRI影像的影像注册方法。
背景技术
在医学上，计算机断层扫描(Computed Tomography，CT)影像可以用来观察人体内的硬组织(例如，骨骼)。磁共振成像(Magnetic Resonance Imaging，MRI)影像可以用来观察人体内的软组织(例如，神经或器官)。当医生要对病人进行开刀时，通常需要取得病人的CT影像与MRI影像进行判读以了解病人的软组织与硬组织的对应关系，由此避免在开刀的过程中伤害到病人的软组织。
一般来说，影像注册(registration)的技术是要将位于不同坐标空间的数据整合至同一坐标空间。然而在医学上，影像注册的技术通常使用于脑部的影像，目前并没有一套有效的方法将影像注册的技术应用在脊椎的CT影像与MRI影像。
发明内容
本发明的目的在于提供一种脊椎影像注册方法，可以准确地注册在不同时间及/或不同机器所取得的脊椎的CT影像和MRI影像，以使得CT影像的数据和MRI影像的数据能够在同一坐标空间中被展示，由此能够有效帮助医学研究的发展以及医生的诊断。
为达上述目的，本发明提供一种脊椎影像注册方法，用电子装置，所述方法包括：取得对应于第一脊椎的第一计算机断层扫描(Computed Tomography，CT)影像以及第一磁共振成像(Magnetic Resonance Imaging，MRI)影像；将所述第一计算机断层扫描影像输入至第一模型以识别出所述第一计算机断层扫描影像中所述第一脊椎的至少一第一椎体(vertebral body)；将所述第一磁共振成像影像输入至第二模型以识别出所述第一磁共振成像影像中所述第一脊椎的至少一第二椎体；使用第一标的点(landmark)标记所述第一椎体，并使用第二标的点(landmark)标记所述第二椎体；对所述第一标的点与所述第二标的点进行匹配(match)以获得所述第一标的点与所述第二标的点的对应关系；根据所述对应关系，对所述第一计算机断层扫描影像与所述第一磁共振成像影像进行注册以使得所述第一计算机断层扫描影像的内容与所述第一磁共振成像影像的内容位于相同的坐标空间，并根据位于相同的所述坐标空间的所述第一计算机断层扫描影像的内容与所述第一磁共振成像影像的内容产生注册影像；以及输出所述注册影像。
基于上述，本发明的脊椎影像注册方法可以准确地注册在不同时间及/或不同机器所取得的脊椎的CT影像和MRI影像，以使得CT影像的数据和MRI影像的数据能够在同一坐标空间中被展示，由此能够有效帮助医学研究的发展以及医生的诊断。
为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附的附图作详细说明如下。
附图说明
图1是本发明的一实施例所绘示的电子装置的示意图；
图2是本发明的一实施例所绘示的脊椎检测模型产生方法与脊椎影像注册方法的示意图；
图3是本发明的一实施例所绘示的使用HOG进行特征提取的示意图；
图4是本发明的一实施例所绘示的使用模型识别CT影像中的椎体所产生的识别结果的示意图；
图5是本发明的一实施例所绘示的根据脊髓删除误判椎体的示意图；
图6是本发明的一实施例所绘示的判断CT影像中的椎体在三维空间中的三维坐标的示意图；
图7是本发明的一实施例所绘示的使用模型识别MRI影像中的椎体所产生的识别结果的示意图；
图8是本发明的一实施例所绘示的使用参考点的信号强度识别椎间盘的示意图；
图9A至图9C是本发明的一实施例所绘示的判断MRI影像中的椎体在三维空间中的三维坐标的示意图；
图10是本发明的一实施例所绘示的用于匹配的第三椎体与第四椎体的示意图；
图11是本发明的一实施例所绘示的选择CT影像中用于匹配的第一标的点的示意图；
图12A至图12D是本发明的一实施例所绘示的选择MRI影像中用于匹配的第二标的点的示意图；
图13是本发明的一实施例所绘示的脊椎影像注册方法的流程图。
符号说明
100：电子装置
10：输入装置
12：存储装置
14：处理器
M1：脊椎检测模型产生方法
M2：脊椎影像注册方法
S20、S22、S24：脊椎检测模型产生方法的步骤
S26、S27、S28、S30、S32、S34：脊椎影像注册方法的步骤
20a、20c、26a、23a、23c：CT影像
20b、26b、23b：MRI影像
21a、21b、21c、27a、27b：椎体
22a、22b、22c：训练样板
S241：前处理的步骤
S242：FHOG的步骤
S243：L-SVM的步骤
24a、24b、24c：模型
34a、34b、34c：注册影像
40、42、44：方向间隔
23_1a、23_1b、23_1c：输出影像
R1～R6：判断结果
50～55、50a～50d、602、603、10a～10f、11a～11f：影像
77、78：椎体
RP1：参考点
101～108：中心点
101a、102a、103a、104a、105a、106a、107a、108a：标的点
53a：脊髓
400：参考线
600、601、800～802：统计图
700：虚线
S801～S807：选择CT影像中用于匹配的标的点的步骤
P1～P8：点
90：中心点
RWidth：宽
RHeight：高
S1001、S1003、S1005、S1006、S1007、S1009、S1011：脊椎影像注册方法的步骤
具体实施方式
现将详细参考本发明的示范性实施例，在附图中说明所述示范性实施例的实例。另外，凡可能之处，在附图及实施方式中使用相同标号的元件/构件代表相同或类似部分。
图1是依照本发明的一实施例所绘示的电子装置的示意图。请参照图1，电子装置100包括输入装置10、存储装置12以及处理器14。输入装置10以及存储装置12分别耦接至处理器14。电子装置100可以是智能型手机、平板计算机、笔记型计算机、桌上型计算机等可连上互联网的电子装置，但不以此为现。
输入装置10可以是用于取得CT影像与MRI影像的装置。输入装置10例如可以是使用计算机断层扫描(Computed Tomography，CT)与磁共振成像(Magnetic ResonanceImaging，MRI)技术来对患者进行扫描并取得CT影像与MRI影像的装置。然而，在另一实施例中，输入装置10也可以是用于从电子装置100的存储装置12或外部的其他存储装置取得CT影像与MRI影像。而在另一实施例中，输入装置10也可以是通过其他的方式来取得上述的CT影像与MRI影像，本发明并不用于限定输入装置10取得CT影像与MRI影像的取得方式。在本范例实施例中，输入装置10是用于取得三维CT影像与三维MRI影像。在此需说明的是，三维影像(例如前述的三维CT影像与三维MRI影像)是具有X、Y、Z三个维度的数据。换句话说，三维影像的数据是位于三维的坐标空间中，并且可以区分为X-Y平面的影像、Y-Z平面的影像与X-Z平面的影像。在本范例中，X-Y平面的影像是表示人体水平切面(horizontal plane)的影像。其中，人体水平切面是指将人体或器官以水平方向切开，并将人体或器官分成上下两半所形成的切面。在本范例中，Y-Z平面的影像是表示人体矢状切面(sagittal plane)的影像。其中，人体矢状切面是指将人体或器官从上下轴方向(即，由头至脚的方向)切开而将人体或器官分成左右两半所形成的切面。在本范例中，X-Z平面的影像是表示人体冠状切面(coronal plane)的影像。其中，人体冠状切面是将人体或器官由左右轴方向切开，并将人体或器官分成前后两半，所形成的切面。由于人体的水平切面、矢状切面与冠状切面是属于现有解剖学中的定义，故在此不再赘述。特别是，以下内容所提到的「水平切面」是代表三维影像中X-Y平面的影像，「矢状切面」是代表三维影像中Y-Z平面的影像，且「冠状切面」是代表三维影像中X-Z平面的影像。
存储装置12可以是任何型态的固定或可移动随机存取存储器(Random AccessMemory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存存储器(flash memory)、硬盘(Hard Disk Drive，HDD)、固态硬盘(Solid State Drive，SSD)或类似元件或上述元件的组合。
处理器14可以是中央处理单元(Central Processing Unit，CPU)，或是其他可编程的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(DigitalSignal Processor，DSP)、可编程控制器、特殊应用集成电路(Application SpecificIntegrated Circuit，ASIC)或其他类似元件或上述元件的组合。
在本范例实施例中，电子装置100的存储装置12中存储有多个程序代码片段，在上述程序代码片段被安装后，会由电子装置100的处理器14来执行。例如，电子装置100的存储装置12中包括多个模块，通过这些模块来分别执行本发明的脊椎影像注册方法中的各个运作，其中各模块是由一或多个程序代码片段所组成。然而本发明不限于此，上述的各个运作也可以是使用其他硬件形式的方式来实现。
图2是依照本发明的一实施例所绘示的脊椎检测模型产生方法与脊椎影像注册方法的示意图。
请参照图2，在执行脊椎影像注册方法M2之前，需执行脊椎检测模型产生方法M1以产生在脊椎影像注册方法M2中所需使用的模型。在此先针对脊椎检测模型产生方法M1的步骤进行说明。
首先，在步骤S20中，输入装置10可以取得一脊椎(在此称为，第二脊椎)的至少一CT影像20a与CT影像20c(在此统称为，第二计算机断层扫描影像)。在本范例实施例中，CT影像20a与CT影像20c是三维的CT影像。需注意的是，为了检测三维CT影像中某一坐标平面的脊椎，需使用该坐标平面的CT影像进行训练以产生对应的模型才能检测该坐标平面的CT影像中的脊椎。例如，图2的范例绘示训练并产生模型24a(亦称为，第三模型)与模型24c(亦称为，第四模型)，而模型24a是用于检测三维CT影像中X-Y平面(即，水平切面)的脊椎，模型24c是用于检测三维CT影像中Y-Z平面(即，矢状切面)的脊椎。而前述模型24a与模型24c可以统称为「第一模型」。
此外，在步骤S20中，输入装置10还会取得一脊椎(在此称为，第三脊椎)的MRI影像20b(亦称为，第二磁共振成像影像)，其中第三脊椎可以是相同于或不同于前述的第二脊椎。在本范例实施例中，MRI影像20b是三维MRI影像。在此需注意的是，为了检测三维MRI影像中某一坐标平面的脊椎，需使用该坐标平面的MRI影像进行训练以产生对应的模型才能检测该坐标平面的MRI影像中的脊椎。例如，图2的范例绘示训练并产生模型24b(亦称为，第二模型)，而模型24b是用于检测三维MRI影像中X-Y平面(即，水平切面)的脊椎。
之后，可以通过人工或自动的方式，从CT影像20a的X-Y平面、MRI影像20b的X-Y平面以及CT影像20c的Y-Z平面中分别框选(或定义)出脊椎的椎体21a～21c，并且在步骤S22中从CT影像20a的X-Y平面、MRI影像20b的X-Y平面以及CT影像20c的Y-Z平面中提取椎体21a～21c的影像以产生训练样板22a～22c。也就是说，训练样板22a是CT影像20a的X-Y平面中椎体21a的影像，训练样板22c是CT影像20c的Y-Z平面中椎体21c的影像，而训练样板22b是MRI影像20b的X-Y平面中椎体21b的影像。之后，处理器14会执行步骤S24。
步骤S24又可以细分为步骤S241～S243。在步骤S241中，处理器14会对训练样板22a与训练样板22c(亦称为，第一训练样板)进行前处理操作。本发明并不用于限定此前处理操作中的内容。在步骤S242中，处理器14对经由前处理操作后的训练样板进行特征提取以获得至少一特征(亦称为，第一特征)。之后，在步骤S243中，处理器14会将前述的第一特征输入至机器学习模型进行训练以产生模型24a以及模型24c(在此统称为，第一模型)。其中，模型24a是用于检测三维CT影像中X-Y平面的脊椎，而模型24c是用于检测三维CT影像中Y-Z平面的脊椎。
类似地，在步骤S241中，处理器14还会对训练样板22b(亦称为，第二训练样板)进行前处理操作。在步骤S242中，处理器14对经由此前处理操作后的训练样板进行特征提取以获得至少一特征(亦称为，第二特征)。之后在步骤S243中，处理器14会将前述的第二特征输入至机器学习模型进行训练以产生模型24b。其中，模型24b是用于检测三维MRI影像中X-Y平面的脊椎。
在本范例实施例中，步骤S242是使用Felzenswalb的方向梯度直方图(Felzenswalb’s Histogram of Oriented Gradient，FHOG)对已经由前处理的第一训练样板与第二训练样板进行特征提取以获得具有方向性的第一特征与第二特征。例如，图3是依照本发明的一实施例所绘示的使用HOG进行特征提取的示意图。请参照图3，在本范例实施例中，若欲使用FHOG进行特征提取，首先需对输入影像(例如，CT影像23a、MRI影像23b以及CT影像23c)划分为多个单元，并对单元中特征的强度与方向取微分以产生具有正负值的18个方向间隔(orientation bins)40、无正负值的9个方向间隔42以及额外的4个方向间隔44，由此对所输入的CT影像与MRI影像产生具有31维(dimensional)的特征向量的输出影像(例如，对应于CT影像23a的输出影像23_1a、对应于MRI影像23b的输出影像23_1b以及对应于CT影像23c的输出影像23_1c)。而使用FHOG的计算方式可以通过现有的方式所得知，在此不再赘述。
此外，请再次参照图2，步骤S243中所使用的机器学习模型是线性支援向量机(Linear Support Vector Machine，L-SVM)。然而在其他实施例中，步骤S242也可以是使用其他的特征提取演算法，且步骤S243中所使用的机器学习模型也可以是其他的模型。
当模型训练完成后，处理器14可以执行脊椎影像注册方法M2。在此针对脊椎影像注册方法M2的步骤进行说明。
首先，在图2的步骤S26中，输入装置10会取得欲进行注册的三维的CT影像26a(亦称为，第一计算机断层扫描影像)与三维的MRI影像26b(亦称为，第一磁共振成像影像)。其中，CT影像26a与MRI影像26b是对应于同一个人的脊椎(亦称为，第一脊椎)的影像。
在取得欲进行注册的CT影像26a与MRI影像26b后，处理器14可以将CT影像26a中多个X-Y平面的影像(即，不同Z坐标的值的多个X-Y平面影像)输入至前述的模型24a以识别(或框选)出CT影像26a中前述X-Y平面(在此称为，第一水平面)的脊椎位置27a，并且根据脊椎位置27a识别出第一脊椎在CT影像26a中的每一X-Y平面的脊椎中心点(亦称为，第一脊椎中心点)。此外，处理器14可以将MRI影像26b中多个X-Y平面的影像(即，不同Z坐标的值的多个X-Y平面影像)输入至前述的模型24b以识别(或框选)出MRI影像26b中前述X-Y平面(在此称为，第二水平面)中的脊椎位置27b，并且根据脊椎位置27b识别出第一脊椎在MRI影像26b中的每一X-Y平面的的脊椎中心点(亦称为，第二脊椎中心点)。
接着，在步骤S27中，处理器14会执行应用于CT影像的脊椎定位信号分析(Vertebra Localization Signal Analysis，VLSA)以优化前述椎体的识别结果。例如，图4是依照本发明的一实施例所绘示的使用模型识别CT影像中的椎体所产生的识别结果的示意图。请参照图4，在本范例实施例中，当CT影像26a的某一X-Y平面的影像输入至模型24a后，可能会有三种判断结果R1～R3。如图4所示，假设将三维CT影像中第z层的X-Y平面的影像输入至模型24a进行判断，则判断结果R1是表示正确识别出CT影像中的椎体(或脊椎)。然而，判断结果R2是没有识别出CT影像中的椎体，此时处理器14可以使用与第z层相邻的第z-1层(或第z+1层)的影像来对第z层的CT影像进行校正以识别出第z层的CT影像中的椎体。此外，判断结果R3是将CT影像中非椎体的部分误判为椎体。此时，处理器14可以使用与第z层相邻的第z-1层(或第z+1层)的影像来对第z层的CT影像进行校正以识别出第z层的CT影像中的椎体。而在识别出椎体后，可以使用方框来框选出椎体并且以一参考点标记方框的中心点由此以该参考点来表示脊椎的中心点。在使用多个参考点分别对CT影像26a的多个X-Y平面标记脊椎的中心点后，可以取得各个参考点的X坐标与Y坐标。而根据各个参考点的Y坐标以及各个参考点所在的X-Y平面的Z坐标，可以得到各个参考点在Y-Z平面上的坐标。特别是，前述用于标记的多个参考点在Y-Z平面上的坐标彼此为连续，因此可以得到在CT影像26a的Y-Z平面(在此称为，第一矢状切面)中由该些参考点构成的一条连续的参考线400(亦称为，第一参考线)。
接着，图5是依照本发明的一实施例所绘示的根据脊髓删除误判椎体的示意图。请参照图5，处理器14还可以根据前述参考点的X坐标，找出此些X坐标的范围，并且从此X坐标的范围中提取CT影像26a中多张Y-Z平面的影像(即，不同X坐标的值的多个Y-Z平面影像)。如图5所示，假设处理器14根据前述的X坐标的范围提取了影像50～55，并且将影像50～55分别输入模型24c以识别出第一脊椎在CT影像26a的多个Y-Z平面的影像(即，影像50～55)中的椎体(亦称为，第一椎体)。
以CT影像26a中位于Z坐标范围Z1内的Y-Z平面的影像50为例，在将影像50输入至模型24后，处理器14会使用方框来框选出影像50中的脊椎的椎体，并对此些椎体进行编号(例如，编号1～8)。之后，处理器50会找出该些方框的中心点。如影像50a所示，处理器14例如根据每一方框的对角线找出每一个方框的中心点。处理器14可以标记每个方框的中心点，如影像50b所示。之后，如影像50c所示，处理器14会根据前述通过多个参考点找出的第一参考线400以及在所标记出的各个方框的中心点，识别误判椎体(在此称为，第一误判椎体)。例如，假设一方框的中心点位于第一参考线400以下，则可以识别该中心点所对应的方框所框选的对像为误判椎体。最后如影像50d所示，在删除误判椎体后，剩余的方框的中心点可以代表第一脊椎的椎体，且不包含误判椎体。
之后，图6是依照本发明的一实施例所绘示的判断CT影像中的椎体在三维空间中的三维坐标的示意图。
请参照图6，在分别对影像50～55执行前述以方框圈选椎体并且删除误判椎体的步骤之后，处理器14可以获得影像50～55中的每一方框的中心点Z坐标(亦称为，第一维度)的值(亦称为，第一坐标值)，并且根据每一方框的中心点的Z坐标的值与方框的编号建立一统计图600。之后，处理器14会根据每一方框的中心点的Z坐标的值对方框编号进行排序，由此将具有相同的Z坐标的值的方框编号排序在一起，如统计图601所示。特别是，不同的影像中若有方框具有相近(或相同)的Z坐标的值，则可以代表该些方框是对应至同一个椎体。因此，可以根据统计图601得到多个Z坐标的值(亦称为，第二坐标值)，且此些第二坐标值即是每一椎体的中心点的在三维空间中的Z坐标的值。如影像602所示，前述第二坐标值是对应于各个椎体的中心点。而处理器14会对第二坐标值中的每一个坐标值，找到该坐标值所属的X-Y平面，并且以该坐标值所属的X-Y平面中由模型24a识别出的脊椎中心点的X坐标与Y坐标的值作为三维坐标的X坐标与Y坐标的值，由此得到CT影像26a中每一椎体的中心点在三维空间中的三维坐标。
举例来说，假设第二坐标值中的某一个坐标值为5(即，Z坐标的值为5)，则处理器14会从CT影像26a中找到Z坐标的值为5的X-Y平面，并且以此X-Y平面中由模型24a识别出的脊椎中心点的X坐标与Y坐标的值作为三维坐标的X坐标与Y坐标的值。换句话说，通过此方式可以找到Z坐标的值为5的椎体在三维空间中的X坐标与Y坐标的值，由此获得该椎体在三维空间中的三维坐标。而影像603主要绘示各个椎体在三维空间中的三维坐标与椎体间的对应关系。
请再次参照图2。在步骤S28中，处理器14会执行应用于MRI影像的脊椎定位信号分析方法以优化前述椎体的识别结果。
例如，图7是依照本发明的一实施例所绘示的使用模型识别MRI影像中的椎体所产生的识别结果的示意图。请参照图7，在本范例实施例中，以MRI影像26b中X-Y平面的影像为例，当MRI影像26b输入至模型24b后，可能会有三种判断结果R4～R6。如图6所示，假设将三维MRI影像中第z层的X-Y平面的影像输入至模型24b进行判断，则判断结果R4是表示正确识别出MRI影像中的椎体。然而，判断结果R5是没有识别出MRI影像中的椎体，此时处理器14可以使用与第z层相邻的第z-1层(或第z+1层)的影像来对第z层的MRI影像进行校正以识别出第z层的MRI影像中的椎体。此外，判断结果R6是将MRI影像中非椎体的部分误判为椎体。此时，处理器14可以使用与第z层相邻的第z-1层(或第z+1层)的影像来对第z层的MRI影像进行校正以识别出第z层的MRI影像中的椎体。而在识别出椎体后，可以使用方框来框选出椎体并且以一参考点标记方框的中心点由此以该参考点来表示脊椎的中心点。在使用多个参考点分别对MRI影像26b的多个X-Y平面标记脊椎的中心点后，可以取得各个参考点的X坐标与Y坐标。而根据各个参考点的Y坐标以及各个参考点所在的X-Y平面的Z坐标，可以得到各个参考点在Y-Z平面上的坐标。特别是，前述多个参考点在Y-Z平面上的坐标彼此为连续，因此可以得到在MRI影像26b的Y-Z平面(在此称为，第二矢状切面)中由该些参考点构成的一条连续的参考线(亦称为，第二参考线)。
此外，在图2的步骤S28中，处理器14还根据前述第二参考线上的参考点的信号强度识别出MRI影像26b中第一脊椎的椎间盘(vertebral disc)。处理器14会根据所示别出的椎间盘，识别出前述第二椎体的在三维空间中的三维坐标。
详细来说，图8是依照本发明的一实施例所绘示的使用参考点的信号强度识别椎间盘的示意图。
请参照图8，处理器14还将前述第二参考线上的所有参考点的信号强度与参考点的Z坐标的值建立一统计图800。之后，处理器14例如可以选取统计图800中信号强度位于区间80的信号进行二值化，并产生如统计图802的结果。
此外，图9A至图9C是依照本发明的一实施例所绘示的判断MRI影像中的椎体在三维空间中的三维坐标的示意图。
请参照图9A至图9C，处理器14会将前述统计图802中属于信号强度为0的部分识别为MRI影像中脊椎的椎间盘。例如，图9A中虚线700是统计图802中信号强度为0的部分，其是对应至MRI影像26b中Y-Z平面的影像中椎间盘的部分。而相临两个椎间盘之间的部分即为椎体。如图9B所示，处理器14可以将两个相临的椎间盘的距离的中心点取为该两个椎间盘之间的椎体的中心点的Z坐标(亦称为，第一维度)的值(亦称为，第三坐标值)。如图9B所示，前述第三坐标值是对应于各个椎体(亦称为，第二椎体)的中心点。而处理器14会对第三坐标值中的每一个坐标值，找到该坐标值所属的X-Y平面，并且以该坐标值所属的X-Y平面中由模型24b所识别出的脊椎中心点的X坐标与Y坐标的值作为三维坐标的X坐标与Y坐标的值，由此得到MRI影像26b中每一椎体的中心点在三维空间中的三维坐标。图9C是以三维的方式来显示MRI影像26b中每一椎体的中心点在三维空间中的三维坐标。
请再次参照图2，在步骤S30中，处理器14会根据CT影像26a中每一椎体的中心点在三维空间中的三维坐标，使用标的点标记CT影像26a中每一椎体。此外，处理器14会根据MRI影像26b中每一椎体的中心点在三维空间中的三维坐标，使用标的点标记MRI影像26b中每一椎体。
之后，在步骤S32中，处理器14会从CT影像26a中选择用于匹配的多个椎体(亦称为，第三椎体)，并且从MRI影像26b中选择用于匹配的多个椎体(亦称为，第四椎体)。其中，前述第三椎体是分别对应至前述的第四椎体。
详细来说，图10是依照本发明的一实施例所绘示的用于匹配的第三椎体与第四椎体的示意图。
请参照图10，如影像10a与影像10b所示，处理器14例如会从CT影像26a的X-Y平面影像中选择编号为2的椎体77(亦称为，第五椎体)。其中，椎体77包括位于参考线400上的一参考点RP1(亦称为，第一参考点)，此参考点RP1的Y坐标的值是大于参考线400上的其他参考点的Y坐标的值。而根据所选出的椎体77，处理器14会选择CT影像26a中包含椎体77的连续的多个椎体(亦称为，第三椎体)。例如，处理器14会选择CT影像26a中编号为2～5的椎体。
此外，如影像11a与影像11b所示，处理器14还会从MRI影像26b中选择编号为2的椎体78(亦称为，第六椎体)。其中，椎体78包括位于前述第二参考线上的一个参考点(未绘示，亦称为第二参考点)，且此第二参考点Y坐标的值大于第二参考线上的其他参考点的Y坐标的值。根据所选出的椎体78，处理器14会选择MRI影像26b中包含椎体78的连续的多个椎体(亦称为，第四椎体)。例如，处理器14会选择MRI影像26b中编号为2～5的椎体。
在选出CT影像26a中用于匹配的第三椎体以及MRI影像26b中用于匹配的第四椎体后，处理器14会使用多个第一标的点来标记第三椎体，使用多个的二标的点来标记第四椎体。之后，处理器14会对第一标的点与第二标的点进行匹配以获得第一标的点与第二标的点的对应关系以用于影像的注册。
更详细来说，假设影像10c是影像10b中编号为2的椎体的脊椎中心点101于X-Y平面的影像，影像10d是影像10b中编号为3的椎体的脊椎中心点102于X-Y平面的影像，影像10e是影像10b中编号为4的椎体的脊椎中心点103于X-Y平面的影像，影像10f是影像10b中编号为5的椎体的脊椎中心点104于X-Y平面的影像。处理器14会根据前述的中心点101～104的三维坐标来分别使用标的点101a、标的点102a、标的点103a与标的点104a标记影像10c～10f，由此以标的点分别标记前述标号为2～5的椎体。其中，标的点101a、标的点102a、标的点103a与标的点104a彼此之间不共平面。
详细来说，图11是依照本发明的一实施例所绘示的选择CT影像中用于匹配的第一标的点的示意图。请参照图11，处理器14例如会在步骤S801取得多个CT影像(例如，三维CT影像中第ZDV-1～ZDV+1层的X-Y平面的影像)。接着在步骤S803中会使用最大乱度门槛值(max-entropy threshold)以及二维的中值滤波器(medium filter)进行去除噪声与错误结构(erroneous structure)。之后在步骤S805中会将经由步骤S803处理后的影像进行结合(union)。例如，处理器14会将经由步骤S803处理后的三维CT影像中第ZDV-1～ZDV+1层的X-Y平面的影像进行结合，并且在步骤S805产生一张结合影像。根据在步骤S805所产生的结合影像，可以在步骤S807中选取不同椎体中用于进行匹配的标的点。其中，用于匹配的标的点可以是在同一脊椎的不同椎体中彼此之间不共面的标的点。例如，处理器14可以根据步骤S805的结合影像选择三维CT影像中第ZD5层的X-Y平面的影像中位于椎体最左侧的标的点P1、三维CT影像中第ZD4层的X-Y平面的影像中位于椎体最右侧的标的点P2、三维CT影像中第ZD3层的X-Y平面的影像中位于椎体最上侧的标的点P3、三维CT影像中第ZD2层的X-Y平面的影像中位于椎体最下侧的标的点P4，并且根据标的点P1～P4进行后续的匹配。而图11中标的点P1～P4的产生方式可以应用于前述的标的点101a、标的点102a、标的点103a与标的点104a。
请再次参照图10，假设影像11c是影像11b中编号为2的椎体的脊椎中心点105于X-Y平面的影像，影像11d是影像11b中编号为3的椎体的脊椎中心点106于X-Y平面的影像，影像11e是影像11b中编号为4的椎体的脊椎中心点107于X-Y平面的影像，影像11f是影像11b中编号为5的椎体的脊椎中心点108于X-Y平面的影像。处理器14会根据前述的中心点105～108的三维坐标来分别使用标的点105a、标的点106a、标的点107a与标的点108a标记影像11c～11f，由此以标的点分别标记前述标号为2～5的椎体。其中，标的点105a、标的点106a、标的点107a与标的点108a彼此之间不共平面。
详细来说，图12A至图12D是依照本发明的一实施例所绘示的选择MRI影像中用于匹配的第二标的点的示意图。请参照图12A与图12D，处理器14例如会得如图12A的MRI影像(例如，前述影像11c～11f的其中之一)且此MRI影像中包含经由模型24b所辨识出的椎体，而此椎体会使用一具有宽RWidth与高RHeight的矩形来标记出(如图12B所示)，而宽RWidth与高RHeight的长度是从模型24b所得出。根据前述具有宽RWidth与高RHeight的的矩形，可以找到MRI影像中由模型24b所辨识出的脊椎的中心点90，脊椎的中心点90的坐标可以定义为
Figure BDA0001809660040000141
如图12C所示，可以根据
Figure BDA0001809660040000142
来定义出一脊椎影像的多个坐标点，例如x坐标为φ-0.9RWidth且y坐标为
Figure BDA0001809660040000143
的坐标点、脊椎影像中x坐标为φ+1.0RWidth且y坐标为
Figure BDA0001809660040000144
的坐标点、脊椎影像中x坐标为φ且y坐标为
Figure BDA0001809660040000145
的坐标点。处理器14可以根据前述脊椎影像中的多个坐标点来选取不同椎体中用于进行匹配的标的点。其中，用于匹配的标的点可以是在同一脊椎的不同椎体中彼此之间不共面的标的点。例如，处理器14可以根据前述脊椎影像的坐标点选择三维MRI影像中第ZD5层的X-Y平面的影像中位于椎体最左侧的标的点P5、三维MRI影像中第ZD4层的X-Y平面的影像中位于椎体最右侧的标的点P6、三维MRI影像中第ZD3层的X-Y平面的影像中位于椎体最上侧的标的点P7、三维MRI影像中第ZD2层的X-Y平面的影像中位于椎体最下侧的标的点P8，并且根据标的点P5～P8进行后续的匹配。而图12A至图12D中标的点P5～P8的产生方式可以应用于前述的标的点105a、标的点106a、标的点107a与标的点108a。
请再次参照图10，标的点101a、标的点102a、标的点103a与标的点104a是分别对应于标的点105a、标的点106a、标的点107a与标的点108a，换句话说，标的点101a、标的点102a、标的点103a与标的点104a与标的点105a、标的点106a、标的点107a与标的点108a之间存在一对应关系。
换句话说，在图2的步骤S32中，主要用于找出用于匹配的第一标的点与第二标的点，其中第一标的点与第二标的点是对应于前述第一脊椎中的同一个椎体。之后，处理器14会对前述的第一标的点与前述的第二标的点进行匹配以获得对应关系。
接着，在步骤S34中，处理器14会根据第一标的点与第二标的点的对应关系，对CT影像26a与MRI影像26b进行四维的注册以使得CT影像26a的内容与MRI影像26b的内容位于相同的坐标空间。在本范例实施例中，处理器14是根据在步骤S32所获得的对应关系，将MRI影像26b的数据注册至CT影像26a的坐标空间中。之后，处理器14会根据位于相同的坐标空间的CT影像26a的内容与MRI影像26b的内容产生注册影像34a、注册影像34b或注册影像34c。处理器14可以输出注册影像34a、注册影像34b或注册影像34c至输出装置(未绘示，例如荧幕)以让使用者进行检视。
在本范例实施例中，对CT影像与MRI影像进行注册的步骤包括进行全域(global)注册以及局域(local)注册。全域注册主要是用于根据前述的对应关系，先粗略地对两张影像所选择出的标的点进行匹配并注册到同一坐标空间。全域注册可以包括平移(translation)、旋转(rotate)与缩放(scaling)等操作。而局域弹性注册主要用于对全域注册的结果进行更细部的组织对应以产生更准确的注册结果。全域注册包括奇异值分解(Singular Value Decomposition，SVD)演算法，而局域注册包括仿射变换(AffineTransformation)与B-样条变换(B-Spline Transformation)的至少其中之一。在本范例实施例中，较佳的局域注册方法是同时使用仿射变换与B-样条变换进行注册。其中，注册影像34a是使用仿射变换(Affine Transformation)进行注册所产生的结果，注册影像34b是使用B-样条变换(B-Spline Transformation)进行注册所产生的结果，注册影像34c是同时使用仿射变换与B-样条变换进行注册所产生的结果。
图13是依照本发明的一实施例所绘示的脊椎影像注册方法的流程图。请参照图13，在步骤S1001中，处理器14取得对应于第一脊椎的第一CT影像以及第一MRI影像。在步骤S1003中，处理器14将第一CT影像输入至第一模型以识别出第一CT影像中第一脊椎的至少一第一椎体。在步骤S1005中，处理器14将第一MRI影像输入至第二模型以识别出第一MRI影像中第一脊椎的至少一第二椎体。在步骤S1006中，处理器14使用第一标的点标记第一椎体，并使用第二标的点标记第二椎体。在步骤S1007中，处理器14对第一标的点与第二标的点进行匹配以获得第一标的点与第二标的点的对应关系。在步骤S1009中，处理器14根据前述的对应关系，对第一CT影像与第一MRI影像进行注册以使得第一CT影像的内容与第一MRI影像的内容位于相同的坐标空间，并根据位于相同的坐标空间的第一CT影像的内容与第一MRI影像的内容产生注册影像。最后，在步骤S1011中，处理器14输出所述注册影像。
综上所述，本发明的脊椎影像注册方法可以准确地注册在不同时间及/或不同机器所取得的脊椎的CT影像和MRI影像，以使得CT影像的数据和MRI影像的数据能够在同一坐标空间中被展示，由此能够有效帮助医学研究的发展以及医生的诊断。
虽然结合以上实施例公开了本发明，然而其并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，可作些许的更动与润饰，故本发明的保护范围应当以附上的权利要求所界定的为准。

Claims (10)

1.一种脊椎影像注册方法，用一电子装置，其特征在于，所述方法包括：
取得对应于一第一脊椎的第一计算机断层扫描(Computed Tomography，CT)影像以及第一磁共振成像(Magnetic Resonance Imaging，MRI)影像；
将所述第一计算机断层扫描影像输入至至少一第一模型以识别出所述第一计算机断层扫描影像中所述第一脊椎的至少一第一椎体(vertebral body)；
将所述第一磁共振成像影像输入至第二模型以识别出所述第一磁共振成像影像中所述第一脊椎的至少一第二椎体；
使用至少一第一标的点(landmark)标记所述第一椎体，并使用至少一第二标的点(landmark)标记所述第二椎体；
对所述第一标的点与所述第二标的点进行匹配(match)以获得所述第一标的点与所述第二标的点的一对应关系；
根据所述对应关系，对所述第一计算机断层扫描影像与所述第一磁共振成像影像进行注册以使得所述第一计算机断层扫描影像的内容与所述第一磁共振成像影像的内容位于相同的坐标空间，并根据位于相同的所述坐标空间的所述第一计算机断层扫描影像的内容与所述第一磁共振成像影像的内容产生一注册影像；以及
输出所述注册影像。
2.如权利要求1所述的脊椎影像注册方法，其中在将所述第一计算机断层扫描影像输入至所述第一模型的步骤之前，所述方法还包括：
取得对应于一第二脊椎的至少一第二计算机断层扫描影像，并取得第二计算机断层扫描影像中对应于所述第二脊椎的至少一第一训练样板(training template)；
对所述第一训练样板进行特征(feature)提取以获得至少一第一特征；以及
将所述第一特征输入至一机器学习模型进行训练以产生所述第一模型。
3.如权利要求1所述的脊椎影像注册方法，其中在将所述第一磁共振成像影像输入至所述第二模型的步骤之前，所述方法还包括：
取得对应于一第三脊椎的至少一第二磁共振成像影像，并取得所述第二磁共振成像影像中对应于所述第三脊椎的至少一第二训练样板(training template)；
对所述第二训练样板进行特征(feature)提取以获得至少一第二特征；以及
将所述第二特征输入至一机器学习模型进行训练以产生所述第二模型。
4.如权利要求1所述的脊椎影像注册方法，其中所述第一模型包括第三模型以及第四模型，其中将所述第一计算机断层扫描影像输入至所述第一模型以识别出所述第一计算机断层扫描影像中所述第一脊椎的所述第一椎体的步骤包括：
将所述第一计算机断层扫描影像输入所述第三模型以识别出在所述第一计算机断层扫描影像的第一水平切面中，所述第一脊椎的第一脊椎中心点；
根据所述第一脊椎中心点，获得在所述第一计算机断层扫描影像中的第一矢状切面中的第一参考线；
将所述第一计算机断层扫描影像输入所述第四模型以识别出所述第一脊椎在所述第一计算机断层扫描影像中的所述第一矢状切面的所述第一椎体；
根据所述第一参考线以及在所述第一矢状切面的所述第一椎体，识别所述第一椎体中的第一误判椎体；以及
删除所述第一椎体中的所述第一误判椎体。
5.如权利要求4所述的脊椎影像注册方法，其中将所述第一计算机断层扫描影像输入所述第四模型以识别出所述第一脊椎在所述第一计算机断层扫描影像中的所述第一矢状切面的所述第一椎体的步骤包括：
以至少一方框分别圈选所述第一椎体，
其中在删除所述第一椎体中的所述第一误判椎体的步骤之后，所述方法更包括：
获得每一所述方框的中心点在一第一维度的第一坐标值，并根据所述第一坐标值进行排序以识别出每一所述第一椎体的中心点在所述第一维度的第二坐标值，并根据所述第二坐标值获得每一所述第一椎体的中心点在三维空间中的三维坐标。
6.如权利要求5所述的脊椎影像注册方法，其中将所述第一磁共振成像影像输入至所述第二模型以识别出所述第一磁共振成像影像中所述第一脊椎的所述第二椎体的步骤包括：
将所述第一磁共振成像影像输入所述第二模型以识别出在所述第一磁共振成像影像的第二水平切面中，所述第一脊椎的第二脊椎中心点；
根据所述第二脊椎中心点，获得在所述第一磁共振成像影像中的第二矢状切面中的第二参考线；
根据所述第二参考线上的多个参考点的信号强度，识别所述第一磁共振成像影像的所述第二矢状切面中所述第一脊椎的至少一椎间盘(vertebral disc)；
根据所述椎间盘，获得在每一所述第二椎体的中心点在所述第一维度的第三坐标值，并根据所述第三坐标值获得每一所述第二椎体的中心点在三维空间中的三维坐标。
7.如权利要求6所述的脊椎影像注册方法，其中使用所述第一标的点标记所述第一椎体，并使用所述第二标的点标记所述第二椎体的步骤包括：
选择所述第一椎体中的多个第三椎体；
选择所述第二椎体中的多个第四椎体，其中所述多个第三椎体分别对应至所述多个第四椎体；
根据每一所述多个第三椎体的中心点在三维空间中的三维坐标，分别使用所述第一标的点标记所述多个第三椎体，其中所述第一标的点彼此之间不共平面；
根据每一所述多个第四椎体中的中心点在三维空间中的三维坐标，分别使用所述第二标的点标记所述多个第四椎体，其中所述第二标的点彼此之间不共平面；以及
对所述第一标的点与所述第二标的点进行匹配以获得所述第一标的点与所述第二标的点的所述对应关系。
8.如权利要求7所述的脊椎影像注册方法，其中在选择所述第一椎体中的所述多个第三椎体的步骤之前，所述方法还包括：
选择所述第一椎体中的第五椎体，其中所述第五椎体包括位于所述第一参考线上的第一参考点，且所述第一参考点在一第二维度的坐标值大于所述第一参考线上的其他参考点在所述第二维度的坐标值；以及
根据所述第五椎体，选择包含所述第五椎体的所述多个第三椎体，
其中在选择所述第二椎体中的所述多个第四椎体的步骤之前，所述方法还包括：
选择所述第二椎体中的第六椎体，其中所述第六椎体包括位于所述第二参考线上的第二参考点，且所述第二参考点在所述第二维度的坐标值大于所述第二参考线上的其他参考点在所述第二维度的坐标值；以及
根据所述第六椎体，选择包含所述第六椎体的所述多个第四椎体。
9.如权利要求1所述的脊椎影像注册方法，其中对所述第一计算机断层扫描影像与所述第一磁共振成像影像进行注册的步骤包括：
对所述第一计算机断层扫描影像与所述第一磁共振成像影像进行全域(global)注册以及局域(local)注册。
10.如权利要求9所述的脊椎影像注册方法，其中所述全域注册包括奇异值分解(Singular Value Decomposition，SVD)演算法，所述局域注册包括仿射变换(AffineTransformation)与B-样条变换(B-Spline Transformation)的至少其中之一。
CN201811119907.4A 2018-06-22 2018-09-25 脊椎影像注册方法 Withdrawn CN110634554A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW107121575 2018-06-22
TW107121575A TWI684994B (zh) 2018-06-22 2018-06-22 脊椎影像註冊方法

Publications (1)

Publication Number Publication Date
CN110634554A true CN110634554A (zh) 2019-12-31

Family

ID=68968008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811119907.4A Withdrawn CN110634554A (zh) 2018-06-22 2018-09-25 脊椎影像注册方法

Country Status (4)

Country Link
US (1) US20190392552A1 (zh)
JP (1) JP2019217243A (zh)
CN (1) CN110634554A (zh)
TW (1) TWI684994B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI768575B (zh) * 2020-12-03 2022-06-21 財團法人工業技術研究院 三維影像動態矯正評估與矯具輔助設計方法及其系統

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023074880A1 (ja) * 2021-10-29 2023-05-04 Jsr株式会社 椎体推定モデル学習装置、椎体推定装置、固定条件推定装置、椎体推定モデル学習方法、椎体推定方法、固定条件推定方法及びプログラム
CN115147686B (zh) * 2022-09-06 2022-11-25 杭州健培科技有限公司 一种脊柱椎体校正识别方法、装置及应用
KR102553060B1 (ko) * 2023-02-09 2023-07-07 프로메디우스 주식회사 인공지능 기반의 척추 정보를 이용한 의료영상정보 제공 방법, 장치 및 프로그램

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101057786A (zh) * 2006-04-19 2007-10-24 陈兆秋 Ct、mr图像融合体外控制点模块
TW200826639A (en) * 2006-12-08 2008-06-16 Univ Chang Gung Integration system and control method of image scanning
CN104504705A (zh) * 2014-12-25 2015-04-08 东南大学 小动物多模态医学影像配准及融合方法
CN105849777A (zh) * 2015-06-26 2016-08-10 深圳市美德医疗电子技术有限公司 一种大脑皮层电极与磁共振图像融合显示的方法及装置
US20170042622A1 (en) * 2010-04-28 2017-02-16 Ryerson University System and methods for intraoperative guidance feedback
US20170091919A1 (en) * 2015-09-29 2017-03-30 Fujifilm Corporation Image registration device, method, and program
WO2018006168A1 (en) * 2016-07-05 2018-01-11 7D Surgical Inc. Systems and methods for performing intraoperative image registration
CN107708530A (zh) * 2015-05-06 2018-02-16 鹿特丹伊拉斯谟大学医疗中心 脊椎导航方法、脊椎导航系统和计算机程序产品

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW570773B (en) * 2003-04-15 2004-01-11 Univ Chung Yuan Christian Image analysis method for curvature of distorted spine
TWI268148B (en) * 2004-11-25 2006-12-11 Univ Chung Yuan Christian Image analysis method for vertebral disease which comprises 3D reconstruction method and characteristic identification method of unaligned transversal slices
TWI282268B (en) * 2005-09-15 2007-06-11 Univ Chung Shan Medical Medical image system and method for measuring vertebral axial rotation
US8543338B2 (en) * 2007-01-16 2013-09-24 Simbionix Ltd. System and method for performing computerized simulations for image-guided procedures using a patient specific model
US8221430B2 (en) * 2007-12-18 2012-07-17 Otismed Corporation System and method for manufacturing arthroplasty jigs
JP2009207727A (ja) * 2008-03-05 2009-09-17 Fujifilm Corp 椎体位置決定装置および方法並びにプログラム
TW200943229A (en) * 2008-04-10 2009-10-16 Univ Chung Yuan Christian Volumetric 3D image reconstruction method and system
TW201123076A (en) * 2009-12-30 2011-07-01 Pou Yuen Technology Co Ltd Three-dimensional display method of medical images
EP2665493B1 (en) * 2011-01-20 2018-03-21 Board Of Regents, The University Of Texas System Mri markers, delivery and extraction systems, and methods of manufacture and use thereof
CN102737395B (zh) * 2011-04-15 2017-07-11 深圳迈瑞生物医疗电子股份有限公司 一种医用x射线系统中的图像处理方法及装置
JP6058306B2 (ja) * 2011-07-20 2017-01-11 東芝メディカルシステムズ株式会社 画像処理システム、装置、方法及び医用画像診断装置
CN103871025A (zh) * 2012-12-07 2014-06-18 深圳先进技术研究院 医学影像增强方法及其系统
CN103700089B (zh) * 2013-12-01 2017-02-08 北京航空航天大学 一种三维医学图像多尺度异构特征的提取与分类方法
JP6205078B2 (ja) * 2014-06-06 2017-09-27 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 椎骨レベル用イメージングシステム
JP6184926B2 (ja) * 2014-09-30 2017-08-23 富士フイルム株式会社 椎骨セグメンテーション装置、方法およびプログラム
JP2016189946A (ja) * 2015-03-31 2016-11-10 富士フイルム株式会社 医用画像位置合わせ装置および方法並びにプログラム
TWI592142B (zh) * 2015-07-07 2017-07-21 國立陽明大學 取得分類歸納邊界之方法及其應用之自動辨識方法與系統
CN105250062B (zh) * 2015-11-20 2017-09-12 广东康沃森医疗科技有限责任公司 一种基于医学影像的3d打印骨骼矫形支具制备方法
US10282918B2 (en) * 2016-09-20 2019-05-07 Siemens Healthcare Gmbh Two-dimensional cinematic medical imaging in color based on deep learning
JP7120560B2 (ja) * 2017-07-03 2022-08-17 株式会社リコー 診断支援システム、診断支援方法及び診断支援プログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101057786A (zh) * 2006-04-19 2007-10-24 陈兆秋 Ct、mr图像融合体外控制点模块
TW200826639A (en) * 2006-12-08 2008-06-16 Univ Chang Gung Integration system and control method of image scanning
US20170042622A1 (en) * 2010-04-28 2017-02-16 Ryerson University System and methods for intraoperative guidance feedback
CN104504705A (zh) * 2014-12-25 2015-04-08 东南大学 小动物多模态医学影像配准及融合方法
CN107708530A (zh) * 2015-05-06 2018-02-16 鹿特丹伊拉斯谟大学医疗中心 脊椎导航方法、脊椎导航系统和计算机程序产品
CN105849777A (zh) * 2015-06-26 2016-08-10 深圳市美德医疗电子技术有限公司 一种大脑皮层电极与磁共振图像融合显示的方法及装置
US20170091919A1 (en) * 2015-09-29 2017-03-30 Fujifilm Corporation Image registration device, method, and program
WO2018006168A1 (en) * 2016-07-05 2018-01-11 7D Surgical Inc. Systems and methods for performing intraoperative image registration

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI768575B (zh) * 2020-12-03 2022-06-21 財團法人工業技術研究院 三維影像動態矯正評估與矯具輔助設計方法及其系統
US11475633B2 (en) 2020-12-03 2022-10-18 Industrial Technology Research Institute Method and system for 3D image dynamic correction evaluation and orthotics auxiliary design

Also Published As

Publication number Publication date
JP2019217243A (ja) 2019-12-26
TWI684994B (zh) 2020-02-11
TW202001923A (zh) 2020-01-01
US20190392552A1 (en) 2019-12-26

Similar Documents

Publication Publication Date Title
EP2769676B1 (en) Method and apparatus for performing registration of medical images
US8150132B2 (en) Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program
JP5334692B2 (ja) 制約されたマージナル空間学習を使用して３ｄ解剖学的オブジェクトを検出するための方法およびシステム
US8135189B2 (en) System and method for organ segmentation using surface patch classification in 2D and 3D images
CN109124662B (zh) 肋骨中心线检测装置及方法
US8948484B2 (en) Method and system for automatic view planning for cardiac magnetic resonance imaging acquisition
JP4640845B2 (ja) 画像処理装置およびそのプログラム
CN110634554A (zh) 脊椎影像注册方法
US9135696B2 (en) Implant pose determination in medical imaging
CN107752979A (zh) 对人工投影的自动生成
WO2017086433A1 (ja) 医用画像処理方法及び装置及びシステム及びプログラム
US9286688B2 (en) Automatic segmentation of articulated structures
JP5364009B2 (ja) 画像生成装置、画像生成方法、及びそのプログラム
Ghafurian et al. 3D/2D image registration using weighted histogram of gradient directions
Karner et al. Single-shot deep volumetric regression for mobile medical augmented reality
US8165375B2 (en) Method and system for registering CT data sets
US11341661B2 (en) Method and apparatus for registering live medical image with anatomical model
WO2014106747A1 (en) Methods and apparatus for image processing
Alam et al. Quantitative evaluation of intrinsic registration methods for medical images
CN112862975A (zh) 骨骼数据处理方法、系统、可读存储介质和设备
CN107610105B (zh) 定位roi的方法、装置、设备及机器可读存储介质
Al Irr et al. Automatic volumetric localization of the liver in abdominal CT scans using low level processing and shape priors
EP4300414A1 (en) Transferring marker locations from a reference image to a follow-up medical image
Garrido et al. A Computer Application for 3D Craniofacial Reconstruction and Automatic Skull-Photo Identification.
WO2024089423A1 (en) System and method for three-dimensional 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
WW01 Invention patent application withdrawn after publication

Application publication date: 20191231

WW01 Invention patent application withdrawn after publication