CN113469945B - 基于ct与mri显像融合的骶神经建模方法及系统 - Google Patents
基于ct与mri显像融合的骶神经建模方法及系统 Download PDFInfo
- Publication number
- CN113469945B CN113469945B CN202110620948.7A CN202110620948A CN113469945B CN 113469945 B CN113469945 B CN 113469945B CN 202110620948 A CN202110620948 A CN 202110620948A CN 113469945 B CN113469945 B CN 113469945B
- Authority
- CN
- China
- Prior art keywords
- image
- sacrum
- sacral
- sacral nerve
- nerve
- 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
- 210000005036 nerve Anatomy 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000004927 fusion Effects 0.000 title claims abstract description 52
- 238000003384 imaging method Methods 0.000 title claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 36
- 238000010146 3D printing Methods 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000007639 printing Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 230000033228 biological regulation Effects 0.000 abstract description 5
- 238000002560 therapeutic procedure Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000002485 urinary effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004007 neuromodulation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000002513 implantation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 206010020853 Hypertonic bladder Diseases 0.000 description 1
- 208000009722 Overactive Urinary Bladder Diseases 0.000 description 1
- 206010046543 Urinary incontinence Diseases 0.000 description 1
- 206010046555 Urinary retention Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 206010013990 dysuria Diseases 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000027939 micturition Effects 0.000 description 1
- 238000002324 minimally invasive surgery Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 208000020629 overactive bladder Diseases 0.000 description 1
- 210000003903 pelvic floor Anatomy 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
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)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种基于CT与MRI显像融合的骶神经建模方法及系统,属于医疗设备技术领域,在CT图像中分离出骶骨特征图像;在MRI图像中提取出骶神经特征图像;将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;结合融合图像,通过3D打印技术获得导航穿刺模板。本发明采用阈值分割和区域增长的方法,分别从CT和MRI图像中提取患者的骶骨与骶神经,通过显像融合技术实现骶神经的3D定位与重建;通过3D打印技术针对不同的患者打印出患者的导航穿刺模板,在其辅助下医生可以实现骶骨和骶神经的准确定位穿刺,大大缩短手术时间,对改善骶神经调节疗法具有重要意义。
Description
技术领域
本发明涉及医疗设备技术领域,具体涉及一种基于CT与MRI显像融合的骶神经建模方法及系统。
背景技术
膀胱起搏器植入术,又称骶神经调节(SNM)疗法,成功控制了一些其它疗法无效的排尿功能障碍患者的症状,使患者生活质量得到提高。在骶神经调节疗法中,通过微创手术将微小电极植入到患者的骶三神经处,并且在背后部的囊袋内放入神经刺激器。神经刺激器通过微弱的脉冲影响包裹的骶神经,从而调节膀胱的反射,包括肌肉和骨盆底部的反射。通过这种方式可以让大脑接受到膀胱通过骶神经传达的信号,从而改善泌尿功能。
该治疗特别适用于严重尿失禁、膀胱过度活跃症状(如尿急)、慢性尿潴留以及膀胱间质等与泌尿有关的经保守治疗效果不理想的泌尿功能障碍患者。可大大改善患者的排尿症状,使患者能够恢复日常的活动,也避免了患者接受膀胱扩大或尿流改道等创伤性很大的手术。
但是,在大多数情况下,医生在手术过程中很难准确定位骶神经的穿孔,从而影响了电极植入的准确性,加长了手术时间。在临床上穿孔通常由C臂机的X光片进行控制,其存在以下缺陷:由于骶骨与骶神经解剖形态学之间存在个人差异,特别是对于骶骨畸形或有骶骨手术史的患者,医生往往很难找到骶骨和骶神经的完美穿孔,并且可能需要耗费很长时间,从而影响整个骶神经调控术的效果。医生借助C臂机依靠经验确定骶孔的穿刺部位与方向,缺少精确性。
发明内容
本发明的目的在于提供一种缩短了手术时间、实现骶骨和骶神经的准确定位穿刺的基于CT与MRI显像融合的骶神经建模方法及系统,以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的,本发明采取了如下技术方案:
第一方面,本发明提供一种基于CT与MRI显像融合的骶神经建模方法,包括:
在CT图像中分离出骶骨特征图像;
在MRI图像中提取出骶神经特征图像;
将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;
结合融合图像,通过3D打印技术获得导航穿刺模板。
优选的,在CT图像中分离出骶骨特征图像包括:采取单阈值分割方法,提取出骶骨的三维空间模型。
优选的,在MRI图像中提取出骶神经特征图像包括:采取标记种子点的区域分割方法,提取出骶神经的三维空间模型。
优选的,得到融合图像包括:将骶神经的三维空间模型进行骨骼化后,标记骶神经的每一个分支点坐标,与骶骨的三维空间模型进行融合,得到融合图像。
优选的,通过3D打印技术获得导航穿刺模板包括:导出融合图像的STL文件,应用3D打印机的切片软件将STL文件转换为3D打印机可识别的数据,使用3D打印机打印出导航穿刺模板。
优选的,在MRI图像中的骶神经区域进行标记,作为区域增长的种子点,基于种子点的区域增长算法提取骶神经,将区域增长后的区域进行空洞填充。
优选的,分支点的三维坐标与其相应的骶骨孔进行配准,将骶神经与骶骨进行融合,获得三维空间模型,包括:
将基于SimpleITK提取的骶神经数据转换为numpy数组,然后通过Skeleton将骶神经三维骨骼化;
将骨骼化的骶神经数据按照类别添加标签,分别标注为连接点、终结点以及平板分支点;其中,其标签分类原理为像素点相邻2个为平板点,只相邻一个为终结点,相邻3个或以上为连接点;
将终结点作为三维参照点,标记提取主干上的主要连接点;
根据提取的连接点的三维坐标,将骶神经与骶骨孔的对应位置进行定位融合,获得将骶骨与骶神经融合后的三维空间模型。
第二方面,本发明提供一种基于CT与MRI显像融合的骶神经建模系统,包括:
第一提取模块,用于在CT图像中分离出骶骨特征图像;
第二提取模块,用于在MRI图像中提取出骶神经特征图像;
融合模块,用于将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;
打印模块,用于结合融合图像,通过3D打印技术获得导航穿刺模板。
第三方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质包括用于执行如上所述的基于CT与MRI显像融合的骶神经建模方法的指令。
第四方面,本发明提供一种电子设备,包括如上所述的非暂态计算机可读存储介质;以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。
本发明有益效果:采用阈值分割和区域增长的方法,分别从CT和MRI图像中提取患者的骶骨与骶神经,通过显像融合技术实现骶神经的3D定位与重建;通过3D打印技术针对不同的患者打印出患者的导航穿刺模板,在其辅助下医生可以实现骶骨和骶神经的准确定位穿刺,大大缩短手术时间,对改善骶神经调节疗法具有重要意义。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明实施例所述的骶神经三维空间模型示意图。
图2为本发明实施例所述的骶骨三维空间模型示意图。
图3为本发明实施例所述的骶骨与骶神经配准后的模型示意图。
图4为本发明实施例所述的添加标签的骨骼化后的骶神经示意图。
图5为本发明实施例所述的添加标签的骨骼化后的骶神经修剪后的示意图。
图6为本发明实施例所述的原始的骶神经MRI图像。
图7为本发明实施例所述的平滑后的骶神经MRI图像。
具体实施方式
下面详细叙述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例1
本发明实施例1提供一种基于CT与MRI显像融合的骶神经建模系统,该系统包括:
第一提取模块,用于在CT图像中分离出骶骨特征图像;
第二提取模块,用于在MRI图像中提取出骶神经特征图像;
融合模块,用于将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;
打印模块,用于结合融合图像,通过3D打印技术获得导航穿刺模板。
在本实施例1中,利用上述的系统,实现了基于CT与MRI显像融合的骶神经建模方法,该方法包括:
使用第一提取模块,提取CT图像中骶骨特征图像;
使用第二提取模块,提取MRI图像中骶神经特征图像;
使用融合模块,将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;
使用打印模块,结合融合图像,通过3D打印技术获得导航穿刺模板。
在本实施例1中,在CT图像中分离出骶骨特征图像包括:采取单阈值分割方法,提取出骶骨的三维空间模型。
在MRI图像中提取出骶神经特征图像包括:采取标记种子点的区域分割方法,提取出骶神经的三维空间模型。
得到融合图像包括:将骶神经的三维空间模型进行骨骼化后,标记骶神经的每一个分支点坐标,与骶骨的三维空间模型进行融合,得到融合图像。
通过3D打印技术获得导航穿刺模板包括:导出融合图像的STL文件,应用3D打印机的切片软件将STL文件转换为3D打印机可识别的数据,使用3D打印机打印出导航穿刺模板。
在MRI图像中的骶神经区域进行标记,作为区域增长的种子点,基于种子点的区域增长算法提取骶神经,将区域增长后的区域进行空洞填充。
分支点的三维坐标与其相应的骶骨孔进行配准,将骶神经与骶骨进行融合,获得三维空间模型,包括:
将基于SimpleITK提取的骶神经数据转换为numpy数组,然后通过Skeleton将骶神经三维骨骼化;
将骨骼化的骶神经数据按照类别添加标签,分别标注为连接点、终结点以及平板分支点;其中,其标签分类原理为像素点相邻2个为平板点,只相邻一个为终结点,相邻3个或以上为连接点;
将终结点作为三维参照点,标记提取主干上的主要连接点;
根据提取的连接点的三维坐标,将骶神经与骶骨孔的对应位置进行定位融合,获得将骶骨与骶神经融合后的三维空间模型。
实施例2
本发明实施例2提供一种基于CT与MRI显像融合技术的骶神经3D定位与重建方法,其步骤包括:(1)在CT图像中分离出骶骨;(2)在MRI图像中提取出骶神经;(3)通过显像融合技术将骶骨与骶神经进行配准融合;(4)通过3D打印技术打印出个性化的导航穿刺模板。
所属步骤(1)的分割方法采取单阈值分割方法,提取出骶骨的三维空间模型。所属步骤(2)的方法采取标记种子点的区域分割方法,提取出骶神经的三维空间模型。所属步骤(3)的方法采取将骶神经的三维结构模型进行骨骼化后标记骶神经的每一个分支点坐标,与骶骨进行一个半自动的融合。所属步骤(4)通过三维重建可随意导出STL文件,应用3D打印机默认的切片软件将STL文件转换为打印机可以识别的数据,使用3D打印机进行打印。
本实施例2中,通过单阈值分割方法从CT图像提取骶骨,如图2所示。由于CT能够有效辨别有密度差的组织,并且其空间分辨率较高,因此,CT数据中的骨骼图像的CT值与周围软组织有明显的差别。因此,选择从CT中采用阈值分割的算法提取骶骨。
阈值分割是一种基于图像区域分割的方法,它根据图像中像素的灰度值大小将图像的像素点分成多个类别,包括单阈值分割和多阈值分割两种分割方式。单阈值分割的原理为仅通过选择阈值将单个图像分成两部分:目标图像和背景图像。相反,如果将要分割的图像比较复杂,则在分割的时候必须选择多个阈值,这种将目标区域和背景区域划分为多个阈值的分割方法称为多阈值分割。
阈值分割的优势在于分割方法简单、计算量小且对性能要求不高。此算法适用于图像的目标区域和背景区域的像素灰度值差别比较明显的情况下。阈值分割的重点在于如何获取分割门限阈值T,可利用最大相关原理、图像拓扑的稳态法、灰度共生矩阵法、最大熵法、峰值分析法等获取阈值。
在进行阈值分割的时候通常会选择2种或2种以上的方法,以此来确定最佳的门限阈值。阈值分割是分割图像方法中最简单、最常用的方法,它压缩并大大减少了图像的数据量,简化了分析和处理步骤。
在本实施例2中,采取基于VTK的单阈值分割方法。通过限定HU阈值为200,将HU值高于200的像素点置1,将HU值低于200的像素点置0,提取出CT图像的骶骨部分。
本实施例2中,通过区域增长的方法提取MRI图像中的骶神经,如图1所示。MRI图像虽然也以不同的灰度显示,但反映的是MRI信号强度的差异或T1和T2的弛豫时间长短,而CT图像则不同,其灰度反映了组织的密度。
因此,在MRI图像中,使用单阈值分割方法无法有效地将神经与周围的其他软组织分离开来,采用区域增长算法可以获得良好效果。从代表不同增长区域的一组初始像素开始分割的算法称为区域增长法。具体原理为将相邻的符合分割条件的相应像素包含在由起始像素表示的不断增长的区域中。新添加的像素将与起始像素合并并且成为新的起始像素,直到找到不符合条件的像素点为止。区域增长法的关键包括:
1)正确表示所选目标区域的一组起始像素作为种子点的选择或指定。
2)将相邻像素纳入区域增长过程的标准的确定。
3)指定停止区域增长过程的条件或规则。
区域增长法的基本概念很简单,具有相同特征的相连区域通过区域增长算法的分割效果较好,并且可以获得良好的边界信息。对于更复杂的图像,如自然场景、医疗图像等,在没有先验知识可以利用的条件下使用区域增长算法的分割性能效果最佳。
数据的预处理:从图6中可以看到,原始图像数据表现出相当多的“噪点”,这是MRI数据集非常典型的。但是,由于要应用区域增长和阈值分割算法,因此,需要更平滑,更均匀的像素分布的。为此,在开始分割之前,我们基于有限差分算法,对图像进行平滑、去噪。平滑后的图像如图7所示。
在本实施例2中,首先由人工在MRI图像中的骶神经区域进行标记,作为区域增长的种子点,然后通过基于种子点的区域增长算法提取骶神经,并且将区域增长后的区域进行了空洞填充的优化,防止分割后的模型出现空洞过多的情况,保证分割的效果。
将步骤2分割的骶神经进行骨骼细化,提取每个分支点的三维坐标,接下来根据每一个分支点的三维坐标与其相应的骶骨孔进行配准,将两者进行匹配,配准后的模型如图3所示。通过半自动的配准将骶神经与骶骨进行融合,获得其三维空间模型。具体操作如下:
首先,将基于SimpleITK(Python的一个数据库)提取的骶神经数据转换为numpy数组,然后通过Skeleton将骶神经三维骨骼化,骨骼化后的骶神经如图4所示。
将骨骼化的骶神经数据按照类别添加标签如图4所示,其标签分类原理为像素点相邻2个为平板点;只相邻一个为终结点;相邻3个或以上为连接点。从图4中可以看出骨骼化后的骶神经存在一些细小的分支,这影响了对应连接点的选取,因此,将各个分支按长度修剪后如图5所示,此步骤主要保留了主要骶神经分支与骶神经主干的连接点。
将终结点作为三维参照点,标记提取主干上的5个主要连接点,坐标如表1所示。根据提取的5个骶神经连接点的三维坐标,将骶神经与骶骨孔的对应位置进行定位,通过半自动的融合,获得将骶骨与骶神经融合后的三维数据。
表1
通过步骤3获得配准后的骶骨与骶神经三维空间模型。将融合后的骶骨与骶神经模型转化为可以进行3D打印的STL格式。然后通过3D打印技术打印出3D导航穿刺模板。在3D导航穿刺模板的辅助下,可以解决在骶神经调控术中骶神经穿孔定位不准,穿刺时间较长等问题。并且使穿刺的次数明显减少、穿刺时间大大缩短,从而提高了医生在术中调控测试的效率。
实施例3
本发明实施例3提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质包括用于执行基于CT与MRI显像融合的骶神经建模方法的指令,该方法包括:
在CT图像中分离出骶骨特征图像;
在MRI图像中提取出骶神经特征图像;
将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;
结合融合图像,通过3D打印技术获得导航穿刺模板。
实施例4
本发明实施例4提供一种电子设备,该电子设备包括一种非暂态计算机可读存储介质;以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。所述非暂态计算机可读存储介质包括用于执行基于CT与MRI显像融合的骶神经建模方法的指令,该方法包括:
在CT图像中分离出骶骨特征图像;
在MRI图像中提取出骶神经特征图像;
将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;
结合融合图像,通过3D打印技术获得导航穿刺模板。
综上所述,本发明实施例所述的基于CT与MRI显像融合的骶神经建模方法与系统,在骶神经调控术中,采用以上技术可以模拟重建患者的骶神经结构,再通过3D打印技术打印出患者的骶神经结构模板。由此,医生在进行电极穿刺时无需借助C臂机的指引,可直接根据CT与MRI融合后的图像进行穿刺路径设计,此方法使电极穿刺比传统的穿刺方法更接进骶三神经骨架。医生在个性化的穿孔导航模板的帮助下,可以大大减少在手术中的穿孔次数和穿孔的持续时间,从而提高术中调控测试的效率,大大缩短手术时间。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本发明公开的技术方案的基础上,本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于CT与MRI显像融合的骶神经建模方法,其特征在于,包括:
在CT图像中分离出骶骨特征图像;
在MRI图像中提取出骶神经特征图像;
将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;
结合融合图像,通过3D打印技术获得导航穿刺模板;
所述得到融合图像包括:将骶神经的三维空间模型进行骨骼化后,标记骶神经的每一个分支点坐标,与骶骨的三维空间模型进行融合,得到融合图像;
所述分支点的三维坐标与其相应的骶骨孔进行配准,将骶神经与骶骨进行融合,获得三维空间模型,包括:
将基于SimpleITK提取的骶神经数据转换为numpy数组,然后通过Skeleton将骶神经三维骨骼化;
将骨骼化的骶神经数据按照类别添加标签,分别标注为连接点、终结点以及平板分支点;其中,其标签分类原理为像素点相邻2个为平板点,只相邻一个为终结点,相邻3个或以上为连接点;
将终结点作为三维参照点,标记提取主干上的连接点;
根据提取的连接点的三维坐标,将骶神经与骶骨孔的对应位置进行定位融合,获得将骶骨与骶神经融合后的三维空间模型。
2.根据权利要求1所述的基于CT与MRI显像融合的骶神经建模方法,其特征在于,在CT图像中分离出骶骨特征图像包括:采取单阈值分割方法,提取出骶骨的三维空间模型。
3.根据权利要求1所述的基于CT与MRI显像融合的骶神经建模方法,其特征在于,在MRI图像中提取出骶神经特征图像包括:采取标记种子点的区域分割方法,提取出骶神经的三维空间模型。
4.根据权利要求1所述的基于CT与MRI显像融合的骶神经建模方法,其特征在于,通过3D打印技术获得导航穿刺模板包括:导出融合图像的STL文件,应用3D打印机的切片软件将STL文件转换为3D打印机可识别的数据,使用3D打印机打印出导航穿刺模板。
5.根据权利要求3所述的基于CT与MRI显像融合的骶神经建模方法,其特征在于,在MRI图像中的骶神经区域进行标记,作为区域增长的种子点,基于种子点的区域增长算法提取骶神经,将区域增长后的区域进行空洞填充。
6.一种基于CT与MRI显像融合的骶神经建模系统,基于如权利要求1-5任一项所述的基于CT与MRI显像融合的骶神经建模方法,其特征在于,包括:
第一提取模块,用于在CT图像中分离出骶骨特征图像;
第二提取模块,用于在MRI图像中提取出骶神经特征图像;
融合模块,用于将骶骨特征图像中的骶骨与骶神经特征图像中的骶神经进行配准融合,得到融合图像;
打印模块,用于结合融合图像,通过3D打印技术获得导航穿刺模板。
7.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质包括用于执行如权利要求1-5任一项所述的基于CT与MRI显像融合的骶神经建模方法的指令。
8.一种电子设备,包括如权利要求7所述的非暂态计算机可读存储介质;以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110620948.7A CN113469945B (zh) | 2021-06-03 | 2021-06-03 | 基于ct与mri显像融合的骶神经建模方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110620948.7A CN113469945B (zh) | 2021-06-03 | 2021-06-03 | 基于ct与mri显像融合的骶神经建模方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113469945A CN113469945A (zh) | 2021-10-01 |
CN113469945B true CN113469945B (zh) | 2024-03-26 |
Family
ID=77872207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110620948.7A Active CN113469945B (zh) | 2021-06-03 | 2021-06-03 | 基于ct与mri显像融合的骶神经建模方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469945B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114796901A (zh) * | 2022-05-30 | 2022-07-29 | 北京大学第一医院 | 一种腰骶神经根的自动勾画方法、设备及存储介质 |
CN115429403A (zh) * | 2022-09-26 | 2022-12-06 | 江苏阀艮科技有限公司 | 基于ct图像引导机器人穿刺活检空间定位装置 |
CN116570370B (zh) * | 2023-04-24 | 2024-01-30 | 中山大学附属第五医院 | 一种脊柱针刀穿刺导航系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373168A (zh) * | 2016-11-24 | 2017-02-01 | 北京三体高创科技有限公司 | 一种基于医疗图像的分割与三维重建方法、3d打印系统 |
CN108711187A (zh) * | 2018-08-03 | 2018-10-26 | 华侨大学 | 配准融合ct和mri信号建立人体腰椎三维仿真模型的方法 |
CN109830157A (zh) * | 2019-01-23 | 2019-05-31 | 同济大学 | 一种腰5骶1前路融合模型的制作方法 |
CN109925058A (zh) * | 2017-12-18 | 2019-06-25 | 吕海 | 一种脊柱外科微创手术导航系统 |
CN110236672A (zh) * | 2019-06-03 | 2019-09-17 | 福建省立医院 | 一种脑肿瘤手术板及其制造方法 |
CN110353861A (zh) * | 2019-06-25 | 2019-10-22 | 丁浩男 | 一种人体骶骨假体的个性化制备方法 |
CN110464459A (zh) * | 2019-07-10 | 2019-11-19 | 丽水市中心医院 | 基于ct-mri融合的介入计划导航系统及其导航方法 |
CN112150473A (zh) * | 2020-09-24 | 2020-12-29 | 北京羽医甘蓝信息技术有限公司 | 基于ct的三维颌骨图像分割建模方法、装置及终端设备 |
-
2021
- 2021-06-03 CN CN202110620948.7A patent/CN113469945B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373168A (zh) * | 2016-11-24 | 2017-02-01 | 北京三体高创科技有限公司 | 一种基于医疗图像的分割与三维重建方法、3d打印系统 |
CN109925058A (zh) * | 2017-12-18 | 2019-06-25 | 吕海 | 一种脊柱外科微创手术导航系统 |
CN108711187A (zh) * | 2018-08-03 | 2018-10-26 | 华侨大学 | 配准融合ct和mri信号建立人体腰椎三维仿真模型的方法 |
CN109830157A (zh) * | 2019-01-23 | 2019-05-31 | 同济大学 | 一种腰5骶1前路融合模型的制作方法 |
CN110236672A (zh) * | 2019-06-03 | 2019-09-17 | 福建省立医院 | 一种脑肿瘤手术板及其制造方法 |
CN110353861A (zh) * | 2019-06-25 | 2019-10-22 | 丁浩男 | 一种人体骶骨假体的个性化制备方法 |
CN110464459A (zh) * | 2019-07-10 | 2019-11-19 | 丽水市中心医院 | 基于ct-mri融合的介入计划导航系统及其导航方法 |
CN112150473A (zh) * | 2020-09-24 | 2020-12-29 | 北京羽医甘蓝信息技术有限公司 | 基于ct的三维颌骨图像分割建模方法、装置及终端设备 |
Non-Patent Citations (1)
Title |
---|
CT和MRI图像配准融合联合3D 打印技术在难治性骨盆肿瘤 术前规划中的应用;曲扬 等;上海交通大学学报(医学版);第37卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113469945A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113469945B (zh) | 基于ct与mri显像融合的骶神经建模方法及系统 | |
CN112001925B (zh) | 图像的分割方法、放射治疗系统、计算机设备和存储介质 | |
CN106600609B (zh) | 一种医学图像中脊柱的分割方法及系统 | |
US7817836B2 (en) | Methods for volumetric contouring with expert guidance | |
WO2018120644A1 (zh) | 血管提取方法及系统 | |
US10149987B2 (en) | Method and system for generating synthetic electron density information for dose calculations based on MRI | |
CN107545584A (zh) | 医学图像中定位感兴趣区域的方法、装置及其系统 | |
EP3457356B1 (en) | Method and apparatus for fully automated segmentation of joint using patient-specific optimal thresholding and watershed algorithm | |
Wang et al. | Automated segmentation of CBCT image using spiral CT atlases and convex optimization | |
CN105381534A (zh) | 粒子植入用导板及其制造方法、装置 | |
WO2011106440A1 (en) | Method of analyzing a medical image | |
CN112543951B (zh) | Ct中的自动肝脏分割 | |
CN110288698B (zh) | 基于mri的半月板三维重建系统 | |
CN113159040B (zh) | 医学图像分割模型的生成方法及装置、系统 | |
US11568538B2 (en) | Medical image-based tumor detection and diagnostic device | |
CN110946652A (zh) | 一种骨螺钉的钉道规划方法和装置 | |
CN105631933A (zh) | 一种打印方法及装置 | |
US10987020B2 (en) | Method for tissue classification, computer program product and magnetic resonance imaging system | |
CN112767333B (zh) | 一种基于cta影像的双下肢血管区域判断方法及系统 | |
CN116309647B (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
Zhang et al. | Medical image fusion based a densely connected convolutional networks | |
Kot et al. | U-Net and active contour methods for brain tumour segmentation and visualization | |
CN116168097A (zh) | 构建cbct勾画模型和勾画cbct图像的方法、装置、设备及介质 | |
CN115294023A (zh) | 肝脏肿瘤自动分割方法及装置 | |
CN113536575A (zh) | 器官轮廓勾画方法、医学影像系统以及存储介质 |
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 |