CN112598639A - 一种虚拟支气管镜的拼接点多分支路径规划方法及系统 - Google Patents
一种虚拟支气管镜的拼接点多分支路径规划方法及系统 Download PDFInfo
- Publication number
- CN112598639A CN112598639A CN202011525900.XA CN202011525900A CN112598639A CN 112598639 A CN112598639 A CN 112598639A CN 202011525900 A CN202011525900 A CN 202011525900A CN 112598639 A CN112598639 A CN 112598639A
- Authority
- CN
- China
- Prior art keywords
- point
- path
- splicing
- planning
- branch
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 210000004072 lung Anatomy 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 210000000621 bronchi Anatomy 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10068—Endoscopic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
-
- 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
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Endoscopes (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及拼接点多分支路径规划技术领域,具体地说,涉及一种虚拟支气管镜的拼接点多分支路径规划方法,包括如下步骤:对获取的肺部CT序列图像使用三维区域生长算法分割出支气管树。该虚拟支气管镜的拼接点多分支路径规划方法及系统中,使用拼接点路径规划算法能够实现复杂多分支路径以及大曲率转弯分支路径的规划效果,能够满足中心路径的中心性、连通性、单一性要求的高质量中心线图像,是使用拼接点算法进行支气管树路径规划的重要前提,能够解决在获取虚拟支气管镜自动漫游的多分支路径规划问题,采用了拼接点分支路径规划算法,能够在获取支气管树完整的中心线后,快速便捷的规划出到达任意分支终点的自动漫游路径。
Description
技术领域
本发明涉及拼接点多分支路径规划技术领域,具体地说,涉及一种虚拟支气管镜的拼接点多分支路径规划方法及系统。
背景技术
虚拟内窥镜是一种新的非侵入性诊断方法,它使用计算机处理CT和MRI等三维医学图像,生成人体内部特定解剖结构的三维动态视图,以模拟标准内窥镜的检查过程和视觉效果,它具有非侵入性、重复使用、动态病理分析、无检查死区等独特优点,具有广泛的应用前景,为此许多国家和研究机构都投入了大量的人力物力进行研究。
虚拟支气管镜利用肺部高分辨率CT的特点,对气管进行三维重构,规划最佳手术路径,能够为肺癌的早期精准诊断和支气管镜术中引导提供重要参考,虚拟支气管镜能够克服气道频繁分支的复杂环境,在不造成损伤以及漏检的情况下完成对支气管细小分支部位的检测,攻克肺外周的病灶活检这一难关,对于肺癌的诊断和分期起到关键作用。
开发一个虚拟支气管镜系统需要实现肺部及气道树图像分割、分割图像的三维重建、气道树中心线提取和虚拟漫游这四个关键技术,对于从临床获得的病患胸腔图像数据,首先需要进行肺部以及气道树的分割处理,对分割好的肺部和气道图像使用三维重建技术,重建出肺部和气道树的三维模型,然后对提取出的气道树三维重建模型使用适合的路径提取算法,获取气道树的三维骨架中心线作为进行自动漫游的中心路径,最后通过对虚拟相机位置和焦点等相关参数的设置,使得虚拟相机能够沿着提取出的中心路径移动,从而实现对气道树内部结构的自动漫游。
自动漫游是虚拟内窥镜的核心功能,自动漫游路径的规划是实现自动漫游功能的关键,目前虚拟内窥镜的漫游路径多采用器官三维图像的中心线,中心线的提取方法有距离变换法,拓扑细化法等。
拓扑细化法是在迭代过程中逐层剥去组织的表面体素和内部体素,直到最后一层,即为中心路径,Lee等人提出的三维细化算法能够快速的提取出支气管的完整中心线。
由于虚拟内窥镜的应用越来越广泛,具有多分支管腔结构的器官如肺部支气管等对虚拟内窥镜的技术有着同样的需求,当对整个支气管树进行细化提取中心线后,无法解决复杂多分支路径规划的问题。
支气管树具有复杂多分支的结构特点,在采用拓扑细化法获得完整的支气管树中心线图像后,沿身高方向即Z轴方向获取的中心线坐标较为无序,自动漫游的路径应根据实际的需要具体到某一分支,目前缺乏筛选出单一分支的路径规划方法。
发明内容
本发明的目的在于提供一种虚拟支气管镜的拼接点多分支路径规划方法及系统,以解决上述背景技术中提出的问题。
为实现上述技术问题的解决,本发明的目的之一在于,提供一种虚拟支气管镜的拼接点多分支路径规划方法,包括如下步骤:
S1、对获取的肺部CT序列图像使用三维区域生长算法分割出支气管树;
S2、对分割出的支气管树图像使用三维细化算法提取出中心线图像并获取其坐标点集;
S3、使用拼接点算法在支气管树中心线复杂的多条分支路径中规划出一条分支路径;
S4、循环设置虚拟相机及其焦点的位置实现自动漫游。
精选的,所述S3中拼接点算法原理步骤如下:
S3.1、获取中心线坐标点集;
S3.2、选定路径起点和终点;
S3.3、遍历寻找判定点的邻接点集;
S3.4、遍历寻找邻接点集距离终点最小的点;
S3.5、将最小的点拼接入路径点集;
S3.5、判断最小的点是否与终点相等;
S3.5、将判定点从中心线坐标点集中删除,最小的点作为新的判定点,直至最小的点与终点相等;
S3.5、拼接结束路径规划完毕。
精选的,所述S3.3中,拼接接点算法原理中判定点和点集两点之间的欧式距离计算公式如下:
式中:L1为欧式距离,P1作为判定点,S为点集。
精选的,所述S3.3中,拼接接点算法原理中路径终点和邻接点集之间的欧式距离计算公式如下:
式中:M为邻接点集,Pr为路径终点。
精选的,所述S3.4中的最小的点采用循环比较法。
精选的,所述采用循环比较法包括如下步骤:
S3.4.1、首先比较两个数值,将最小的数值与另外一个数值比较,直至找到所有距离值中最小的值;
S3.4.2、确定且对应的最小邻接点,将最小邻接点作为第二个路径点,并将第二个路径点加入规划坐标点集,完成一次拼接;
S3.4.3、在中心线全部体素坐标点集中删除第一个路径点,新的中心线体素坐标点集设为点集,将第二个路径点作为当前判定点,在点集中寻找第二个路径点的邻接点,并对第二个路径点进行之后的拼接操作,直至拼接点坐标与终点坐标相,同时拼接结束。
与现有技术相比,本发明的有益效果:
该虚拟支气管镜的拼接点多分支路径规划方法及系统中,在使用细化算法获取支气管树完整的中心线后,使用拼接点路径规划算法能够实现复杂多分支路径以及大曲率转弯分支路径的规划效果,能够满足中心路径的中心性、连通性、单一性要求的高质量中心线图像,是使用拼接点算法进行支气管树路径规划的重要前提,能够解决在获取虚拟支气管镜自动漫游的多分支路径规划问题,采用了拼接点分支路径规划算法,能够在获取支气管树完整的中心线后,快速便捷的规划出到达任意分支终点的自动漫游路径。
附图说明
图1为实现虚拟支气管镜自动漫游的流程框图;
图2为虚拟支气管镜的拼接点路径规划算法原理流程图;
图3为循环比较法流程图。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅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。
实施例1
如图1-3所示,本发明的目的在于,提供了一种虚拟支气管镜的拼接点多分支路径规划方法,包括如下步骤:
S1、对获取的肺部CT序列图像使用三维区域生长算法分割出支气管树;
S2、对分割出的支气管树图像使用三维细化算法提取出中心线图像并获取其坐标点集;
S3、使用拼接点算法在支气管树中心线复杂的多条分支路径中规划出一条分支路径;
S4、循环设置虚拟相机及其焦点的位置实现自动漫游。
其中,所述S3中拼接点算法原理步骤如下:
S3.1、获取中心线坐标点集;
S3.2、选定路径起点和终点;
S3.3、遍历寻找判定点的邻接点集;
S3.4、遍历寻找邻接点集距离终点最小的点;
S3.5、将最小的点拼接入路径点集;
S3.5、判断最小的点是否与终点相等;
S3.5、将判定点从中心线坐标点集中删除,最小的点作为新的判定点,直至最小的点与终点相等;
S3.5、拼接结束路径规划完毕。
其中,所述S3.3中,拼接接点算法原理中判定点和点集两点之间的欧式距离计算公式如下:
式中:L1为欧式距离,P1作为判定点,S为点集;
首先设S={S1,...,St}是包含中心线全部体素坐标的点集,设最终规划好的路径点集为P={P1,...,Pr},将在支气管树中心线上选取自动漫游起点与终点作为第一个路径点P1和最后一个路径点Pr;将P1作为判定点,遍历中心线点集S,计算出与第一个路径点距离小于等于的所有点,设判定点P1的坐标为(P1a,P1b,P1c),点集S中某点Si的坐标为(Sia,Sib,Sic),因为体素点的邻接方式分为面临接、边邻接、点邻接,间距分别为1、
其中,所述S3.3中,拼接接点算法原理中路径终点和邻接点集之间的欧式距离计算公式如下:
式中:M为邻接点集,Pr为路径终点;
点集S中满足的点即为该判定点的邻接点,所构成的集合M={M1,...,Mn}即为该路径点的邻接点集;遍历邻接点集M,设路径终点Pr的坐标为(Pra,Prb,Prc),邻接点集M中某点Mi的坐标为(Mia,Mib,Mic),
其中,所述S3.4中的最小的点采用循环比较法。
其中,所述采用循环比较法包括如下步骤:
S3.4.1、首先比较两个数值,将最小的数值与另外一个数值比较,直至找到所有距离值中最小的值;
S3.4.2、确定且对应的最小邻接点,将最小邻接点作为第二个路径点,并将第二个路径点加入规划坐标点集,完成一次拼接;
S3.4.3、在中心线全部体素坐标点集中删除第一个路径点,新的中心线体素坐标点集设为点集,将第二个路径点作为当前判定点,在点集中寻找第二个路径点的邻接点,并对第二个路径点进行之后的拼接操作,直至拼接点坐标与终点坐标相,同时拼接结束;
设D={D1,...Dn}是邻接点集M中各个邻接点与终点Pr一一对应的距离集合,采用循环比较法寻找距离集合D中的最小值Dmin,首先比较D1和D2,将较小的一个与D3作比较;然后再将较小的一个与D4作比较,直到与Dn作比较,找到所有n个距离值中最小的值,并确定其对应的邻接点Mmin,将Mmin作为第二个路径点P2,并将P2加入规划坐标点集P,至此完成一次拼接;在中心线全部体素坐标点集S中删除第一个路径点P1,新的中心线体素坐标点集设为S’,将第二个路径点P2作为当前判定点,在点集S’中寻找P2的邻接点,并对P2进行之后的拼接操作,以此类推,当拼接点坐标与终点Pr坐标相同时拼接结束,点集P={P1,...,Pr}即为规划好的路径点集,该方法能够完成从主气管到支气管五阶分支处的精准路径规划。
能够解决在获取虚拟支气管镜自动漫游的多分支路径规划问题,此项优点是因为本发明采用了拼接点分支路径规划算法,能够在获取支气管树完整的中心线后,快速便捷的规划出到达任意分支终点的自动漫游路径。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种虚拟支气管镜的拼接点多分支路径规划方法,其特征在于:包括如下步骤:
S1、对获取的肺部CT序列图像使用三维区域生长算法分割出支气管树;
S2、对分割出的支气管树图像使用三维细化算法提取出中心线图像并获取其坐标点集;
S3、使用拼接点算法在支气管树中心线复杂的多条分支路径中规划出一条分支路径;
S4、循环设置虚拟相机及其焦点的位置实现自动漫游。
2.根据权利要求1所述的一种虚拟支气管镜的拼接点多分支路径规划方法,其特征在于:所述S3中拼接点算法原理步骤如下:
S3.1、获取中心线坐标点集;
S3.2、选定路径起点和终点;
S3.3、遍历寻找判定点的邻接点集;
S3.4、遍历寻找邻接点集距离终点最小的点;
S3.5、将最小的点拼接入路径点集;
S3.6、判断最小的点是否与终点相等;
S3.7、将判定点从中心线坐标点集中删除,最小的点作为新的判定点,直至最小的点与终点相等;
S3.8、拼接结束路径规划完毕。
5.根据权利要求2所述的一种虚拟支气管镜的拼接点多分支路径规划方法,其特征在于:所述S3.4中的最小的点采用循环比较法。
6.根据权利要求5所述的一种虚拟支气管镜的拼接点多分支路径规划方法,其特征在于:所述采用循环比较法包括如下步骤:
S3.4.1、首先比较两个数值,将最小的数值与另外一个数值比较,直至找到所有距离值中最小的值;
S3.4.2、确定且对应的最小邻接点,将最小邻接点作为第二个路径点,并将第二个路径点加入规划坐标点集,完成一次拼接;
S3.4.3、在中心线全部体素坐标点集中删除第一个路径点,新的中心线体素坐标点集设为点集,将第二个路径点作为当前判定点,在点集中寻找第二个路径点的邻接点,并对第二个路径点进行之后的拼接操作,直至拼接点坐标与终点坐标相,同时拼接结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011525900.XA CN112598639A (zh) | 2020-12-23 | 2020-12-23 | 一种虚拟支气管镜的拼接点多分支路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011525900.XA CN112598639A (zh) | 2020-12-23 | 2020-12-23 | 一种虚拟支气管镜的拼接点多分支路径规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112598639A true CN112598639A (zh) | 2021-04-02 |
Family
ID=75200100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011525900.XA Pending CN112598639A (zh) | 2020-12-23 | 2020-12-23 | 一种虚拟支气管镜的拼接点多分支路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598639A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113633375A (zh) * | 2021-08-04 | 2021-11-12 | 天津国科医工科技发展有限公司 | 一种虚拟支气管镜的构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215032A (zh) * | 2017-06-30 | 2019-01-15 | 上海联影医疗科技有限公司 | 图像分割的方法及系统 |
CN111612743A (zh) * | 2020-04-24 | 2020-09-01 | 杭州电子科技大学 | 一种基于ct图像的冠状动脉中心线提取方法 |
CN112116694A (zh) * | 2020-09-22 | 2020-12-22 | 青岛海信医疗设备股份有限公司 | 一种虚拟支气管镜辅助系统中三维模型绘制的方法及装置 |
-
2020
- 2020-12-23 CN CN202011525900.XA patent/CN112598639A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215032A (zh) * | 2017-06-30 | 2019-01-15 | 上海联影医疗科技有限公司 | 图像分割的方法及系统 |
CN111612743A (zh) * | 2020-04-24 | 2020-09-01 | 杭州电子科技大学 | 一种基于ct图像的冠状动脉中心线提取方法 |
CN112116694A (zh) * | 2020-09-22 | 2020-12-22 | 青岛海信医疗设备股份有限公司 | 一种虚拟支气管镜辅助系统中三维模型绘制的方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113633375A (zh) * | 2021-08-04 | 2021-11-12 | 天津国科医工科技发展有限公司 | 一种虚拟支气管镜的构建方法 |
CN113633375B (zh) * | 2021-08-04 | 2023-02-28 | 天津国科医工科技发展有限公司 | 一种非诊疗目的的虚拟支气管镜的构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11783498B2 (en) | Feature-based registration method | |
US9471989B2 (en) | Vascular anatomy modeling derived from 3-dimensional medical image processing | |
CN111798451B (zh) | 基于血管3d/2d匹配的3d导丝跟踪方法及装置 | |
Li et al. | Optimal surface segmentation in volumetric images-a graph-theoretic approach | |
CN111612743B (zh) | 一种基于ct图像的冠状动脉中心线提取方法 | |
US20150029184A1 (en) | Three-dimensional model data generation device, method and program | |
CN104504737B (zh) | 一种从肺部ct图像获得三维气管树的方法 | |
CN113112609A (zh) | 一种面向肺部活检支气管镜的导航方法和系统 | |
WO2019242227A1 (zh) | 一种冠状动脉的自动配准方法 | |
EP2244633A2 (en) | Medical image reporting system and method | |
CN113192069B (zh) | 三维断层扫描图像中树状结构的语义分割方法和装置 | |
JP7304437B2 (ja) | 肺炎徴候の分割方法、装置、媒体及び電子デバイス | |
Jin et al. | Object recognition in medical images via anatomy-guided deep learning | |
CN111127488B (zh) | 一种基于统计形状模型自动构建患者解剖结构模型的方法 | |
CN112598639A (zh) | 一种虚拟支气管镜的拼接点多分支路径规划方法及系统 | |
CN113633375B (zh) | 一种非诊疗目的的虚拟支气管镜的构建方法 | |
CN111461065A (zh) | 管状结构识别方法、装置、计算机设备和可读存储介质 | |
CN111784751B (zh) | 基于3d/2d配准的导丝3d模拟跟踪方法及装置 | |
CN112733953A (zh) | 基于Non-local CNN-GCN和拓扑子图的肺CT图像动静脉血管分离方法 | |
Perchet et al. | Advanced navigation tools for virtual bronchoscopy | |
CN114419032B (zh) | 心脏左心室的心肌内膜和/或心肌外膜的分割方法和装置 | |
Bian et al. | Accurate airway centerline extraction based on topological thinning using graph-theoretic analysis | |
CN113160417B (zh) | 一种基于泌尿系统的多器官三维重建控制方法 | |
Tan et al. | A novel method for automated segmentation of airway tree | |
CN113628346A (zh) | 一种自由浏览vb的方法以及进行标记的方法和系统 |
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 |