CN113558766A - 图像配准方法、装置、手术机器人以及手术机器人系统 - Google Patents
图像配准方法、装置、手术机器人以及手术机器人系统 Download PDFInfo
- Publication number
- CN113558766A CN113558766A CN202110813776.5A CN202110813776A CN113558766A CN 113558766 A CN113558766 A CN 113558766A CN 202110813776 A CN202110813776 A CN 202110813776A CN 113558766 A CN113558766 A CN 113558766A
- Authority
- CN
- China
- Prior art keywords
- transformation matrix
- bone surface
- registration
- coordinate
- reference points
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/16—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans
- A61B17/1659—Surgical rasps, files, planes, or scrapers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/16—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans
- A61B17/1662—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans for particular parts of the body
- A61B17/1675—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans for particular parts of the body for the knee
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/16—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans
- A61B17/17—Guides or aligning means for drills, mills, pins or wires
- A61B17/1735—Guides or aligning means for drills, mills, pins or wires for rasps or chisels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/16—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans
- A61B17/17—Guides or aligning means for drills, mills, pins or wires
- A61B17/1739—Guides or aligning means for drills, mills, pins or wires specially adapted for particular parts of the body
- A61B17/1764—Guides or aligning means for drills, mills, pins or wires specially adapted for particular parts of the body for the knee
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/30—Surgical robots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/70—Manipulators specially adapted for use in surgery
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/16—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans
- A61B2017/1602—Mills
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
-
- 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
-
- 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
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Robotics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开提供了图像配准方法、装置、手术机器人以及手术机器人系统,具体实现方案为:通过粗配准获取用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵;通过精配准过程,消除粗配准结果存在的距离偏差以及角度偏差,获取第二变换矩阵、第三变换矩阵以及第四变换矩阵;根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成空间坐标系与图像坐标系之间的目标变换矩阵。由此,提高了图像配准的精度,进而提高了后续利用图像配准结果进行手术时的安全性。对于计算机处理器来说,也提高了其运算精度和效率。
Description
技术领域
本公开涉及智能外科领域,具体涉及图像配准方法、装置、手术机器人以及手术机器人系统。
背景技术
机器人手术系统是集多项现代高科技手段于一体的综合体,其用途广泛,在临床上外科上有大量的应用。机器人手术系统完全不同于传统的手术概念,其使得外科医生可以远离手术台操纵机器进行手术,在世界微创外科领域是当之无愧的革命性外科手术工具。而采用机器人手术系统进行骨科手术时,需要对手术部位的三维图像进行图像配准。
相关技术中的图像配准方法,通常采用迭代最近点(Iterative Closest Point,简称ICP)算法直接对粗配准结果进行优化,然而,ICP算法属于局部优化方法,受初始值的影响较大,鲁棒性不强,从而导致粗配准的结果不精确时,若直接采用ICP算法对粗配准结果进行优化,即使经过多次迭代,也无法得到精确的配准结果,并且配准效率低,对于计算机处理器来说,运算效率低,配准效果差。
发明内容
本公开提供了一种图像配准方法、装置、手术机器人以及手术机器人系统。
根据本公开的一方面,提供了一种图像配准方法,包括:根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个所述配准参考点在所述图像坐标系下的第一坐标;基于所述第一坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标;基于所述第二坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集;基于所述第三坐标集及所述第三变换矩阵集,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵;根据所述第一变换矩阵、所述第二变换矩阵、所述第三变换矩阵以及所述第四变换矩阵,生成所述空间坐标系与所述图像坐标系之间的目标变换矩阵。
根据本公开的另一方面,提供了一种图像配准装置,包括:获取模块,用于根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个所述配准参考点在所述图像坐标系下的第一坐标;第一修正模块,用于基于所述第一坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标;第二修正模块,用于基于所述第二坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集;配准模块,用于基于所述第三坐标集及所述第三变换矩阵集,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵;生成模块,用于根据所述第一变换矩阵、所述第二变换矩阵、所述第三变换矩阵以及所述第四变换矩阵,生成所述空间坐标系与所述图像坐标系之间的目标变换矩阵。
根据本公开的另一方面,提供了一种手术机器人,包括处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现如上所述的图像配准方法。
根据本公开的另一方面,提供了一种手术机器人系统,包括如上所述的手术机器人、与所述手术机器人通信连接的定位系统和辅助控制台。
根据本公开的另一方面,提供了一种计算机可读存储介质,当所述计算机可读存储介质中的指令由手术机器人的处理器执行时,使得手术机器人能够执行如上所述的图像配准方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据如上所述的图像配准方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本公开技术方案,具有以下有益效果:
本公开提供了一种图像配准方法、装置、手术机器人以及手术机器人系统。该图像配准方法,首先根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个配准参考点在图像坐标系下的第一坐标,再基于第一坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标,再基于第二坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集,再基于第三坐标集及第三变换矩阵集,对图像坐标系下的多个配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵,进而根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成空间坐标系与图像坐标系之间的目标变换矩阵。由此,提高了图像配准的精度,进而提高了后续利用图像配准结果进行手术时的安全性。对于计算机处理器来说,也提高了其运算精度和效率。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的图像配准方法的流程示意图;
图2是根据本公开第二实施例的图像配准方法的流程示意图;
图3是根据本公开第三实施例的图像配准方法的流程示意图;
图4是根据本公开第四实施例的图像配准方法的流程示意图;
图5是根据本公开第五实施例的图像配准装置的结构示意图;
图6是根据本公开实施例的手术机器人的结构示意图;
图7是根据本公开实施例的手术机器人系统的结构示意图;
图8是根据本公开实施例的手术机器人系统的另一结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
可以理解的是,相关技术中的图像配准方法,通常采用ICP算法直接对粗配准的结果进行优化,然而,ICP算法属于局部优化方法,受初始值的影响较大,鲁棒性不强。即当粗配准得到的结果比较精确时,使用ICP算法继续优化,配准速度、得到的配准结果的精度都是比较理想的。但当粗配准的结果不精确时,若直接采用ICP算法进行优化,即使经过很多次迭代,得到的配准结果精度也较差,并且配准效率低,对于计算机处理器来说,运算效率低,配准效果差。而在实际应用中,粗配准过程很难实现同时将图像空间与物理空间的距离和角度两者都进行精确配准,因此,相关技术中的图像配准方法无法得到精确的配准结果。
本公开针对上述问题,提出一种图像配准方法,该图像配准方法,首先根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个配准参考点在图像坐标系下的第一坐标,再基于第一坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标,再基于第二坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集,再基于第三坐标集及第三变换矩阵集,对图像坐标系下的多个配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵,进而根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成空间坐标系与图像坐标系之间的目标变换矩阵。由此,提高了图像配准的精度,进而提高了后续利用图像配准结果进行手术时的安全性。对于计算机处理器来说,也提高了其运算精度和效率。
下面参考附图描述本公开实施例的图像配准方法、装置、手术机器人、手术机器人系统、非瞬时计算机可读存储介质以及计算机程序产品。
首先结合图1,对本公开提供的图像配准方法进行详细描述。
图1是根据本公开第一实施例的图像配准方法的流程示意图。其中,需要说明的是,本公开实施例提供的图像配准方法,执行主体为图像配准装置。该图像配准装置具体可以为手术机器人,也可以被配置在手术机器人中,以提高图像配准的精度,进而提高后续利用图像配准结果进行手术时的安全性。本公开实施例以图像配准装置被配置在手术机器人中为例进行说明。
其中,手术机器人,包括计算机、机器人控制器、机械臂+骨组织磨头、主控制板、骨组织切削主机、第一定位装置。本公开实施例中的图像配准装置,可以理解为手术机器人中的计算机。其中,手术机器人的结构将在后续实施例中进行说明,此处不作介绍。
如图1所示,图像配准方法,可以包括以下步骤:
步骤101,根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个配准参考点在图像坐标系下的第一坐标。
在示例性实施例中,步骤101可以通过以下步骤101a-101c实现:
步骤101a,获取第一变换矩阵。
在示例性实施例中,可以通过以下方法,获取第一变换矩阵:获取标记有多个骨性标志点的病灶图像,并通过探针在病灶区域采集各骨性标志点对应的相对位置点;采用刚性配准算法,对病灶图像中各骨性标志点与对应的相对位置点进行配准,以得到第一变换矩阵。
可以理解的是,图像配准方法是在手术过程中执行的,在手术开始之前,图像配准装置可以获取病人的病灶图像,其中,病灶图像可以为三维影像,并且,病灶图像中标记有多个骨性标志点。其中,骨性标志点的数量可以根据需要设置,比如可以设置为4-6个。其中,可以将骨头的突起最高点、凹陷最低点、边缘处的等点作为骨性标志点。
在手术过程中,医生可以手持探针在病灶区域采集与骨性标志点对应的相对位置点,进而图像配准装置可以根据探针获取相对位置点的坐标。
进一步的,图像配准装置可以对病灶图像中各骨性标志点与对应的相对位置点进行粗配准,以得到第一变换矩阵。其中,粗配准的方法可以为landmark刚性配准算法,或者也可以为其它配准算法,本公开实施例对此不作限制。
步骤101b,获取物理空间内在骨面采集的多个配准参考点的坐标。
在示例性实施例中,医生可以手持探针在实际骨面采集多个配准参考点,进而图像配准装置可以获取物理空间内在骨面采集的多个配准参考点的坐标,其中,配准参考点用于进行后续的精配准过程。
其中,配准参考点的数量可以根据需要设置。例如,配准参考点的数量可以为20-50个,在一些实施例中,配准参考点的数量为40个。
需要说明的是,通过探针在骨面采集多个配准参考点时,需要遵循以下两个要求:
一、探针须在手术区域的骨面上采集,不能超过该区域采集,例如手术区域是膝关节时,膝关节可以为局部膝关节,也可以为全膝关节,若手术为局部膝关节置换,则只在该局部膝关节的骨面上采集配准参考点,若手术区域为全膝关节,则可以在全膝关节的骨面上采集配准参考点;
二,由于配准参考点过于密集时,会导致配准精度下降,因此,为了提高配准精度,需要避免多个配准参考点过于密集,那么,采集的多个配准参考点中,每两个点之间的间隔可以大于等于预设间隔阈值。
其中,预设间隔阈值可以根据需要设置。预设间隔阈值的数值过大,采点过于稀疏,不利于准确配准;预设间隔阈值的数值过小,则采点过于密集,一方面不利于准确配准,另一方面也不方便手术中医生实际操作,因此,预设间隔阈值可以为3-6mm(毫米),较佳地,可以设置为3毫米。
步骤101c,利用第一变换矩阵,将多个配准参考点在物理空间内的空间坐标系下的坐标变换至图像坐标系下,以得到多个配准参考点在图像坐标系下的第一坐标。
在示例性实施例中,可以将多个配准参考点在物理空间内的空间坐标系下的坐标与第一变换矩阵相乘,从而得到多个配准参考点在图像坐标系下的第一坐标。
步骤102,基于第一坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标。
其中,第二变换矩阵用于表征多个配准参考点在图像坐标系下的第一坐标与第二坐标之间的映射关系。
骨面区域,为病灶图像中的骨面区域。
步骤103,基于第二坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集。
其中,第三坐标集中包括多个配准参考点在图像坐标系下的多个第三坐标,且每个配准参考点均对应多个第三坐标;第三变换矩阵集中包括多个第三变换矩阵,每个第三变换矩阵用于指示多个配准参考点在图像坐标系下的第二坐标与第三坐标之间的映射关系。
可以理解的是,粗配准的结果通常是不精确的,即,利用粗配准过程得到的第一变换矩阵,将物理空间的骨面转换到图像空间得到的图像空间的骨面,与病灶图像中的骨面之间通常存在较大的距离偏差以及角度偏差。本公开实施例中,可以消除上述距离偏差以及角度偏差,得到更精确的配准结果。
具体的,可以基于第一坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标。其中,第二坐标可以为多个配准参考点与病灶图像中骨面区域之间的距离最小时的坐标,而第二变换矩阵为第一坐标与第二坐标之间的变换矩阵,从而利用第二变换矩阵对图像空间的骨面进行进一步转换后,可以使得转换后的骨面与病灶图像中骨面之间的距离偏差最小。其中,该处的图像空间的骨面指的是利用第一变换矩阵进行转换后得到的骨面。
进一步的,可以基于第二坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集。其中,第三坐标集中的第三坐标可以为多个配准参考点与病灶图像中骨面区域之间的角度偏差最小时的坐标,而第三变换矩阵为第二坐标与第三坐标之间的变换矩阵,从而利用第三变换矩阵对图像空间的骨面进行进一步转换后,可以使得转换后的骨面与病灶图像中骨面之间的角度偏差最小。其中,该处的图像空间的骨面指的是利用第二变换矩阵进一步转换后的骨面。
步骤104,基于第三坐标集及第三变换矩阵集,对图像坐标系下的多个配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵。
其中,第三变换矩阵,为第三变换矩阵集中的一个变换矩阵。
在示例性实施例中,消除粗配准结果存在的距离偏差以及角度偏差后,还可以对图像坐标系下的多个配准参考点与骨面区域之间进一步精配准,得到第四变换矩阵及其对应的第三变换矩阵。
具体的,可以基于多个配准参考点在图像坐标系下的第三坐标及表征第二坐标与该第三坐标之间的映射关系的第三变换矩阵,对图像坐标系下的多个配准参考点与骨面区域之间进行精配准,得到候选第四变换矩阵,而基于第三坐标集及第三变换矩阵集,采用上述类似步骤,可以获取多个候选第四变换矩阵,进而可以从多个候选第四变换矩阵中获取满足预设条件的第四变换矩阵,并确定第三变换矩阵集中与该第四变换矩阵对应的第三变换矩阵。
步骤105,根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成空间坐标系与图像坐标系之间的目标变换矩阵。
在示例性实施例中,得到第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵后,可以根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成空间坐标系与图像坐标系之间的目标变换矩阵。
由于利用第一变换矩阵,将物理空间的骨面转换到图像空间得到的图像空间的骨面,与病灶图像中的骨面之间通常存在较大的距离偏差以及角度偏差,而本公开实施例中生成了第二变换矩阵、第三变换矩阵以及第四变换矩阵,利用第二变换矩阵可以消除上述距离偏差,利用第三变换矩阵可以消除上述角度偏差,利用第四变换矩阵,可以对图像空间的骨面与病灶图像中骨面区域之间进一步精配准,从而根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成的空间坐标系与图像坐标系之间的目标变换矩阵,相比粗配准过程得到的第一变换矩阵更精确,从而提高了图像配准的精度,进而提高了后续利用图像配准结果进行手术时的安全性。对于计算机处理器来说,也提高了其运算精度和效率。
下面结合图2,对本公开提供的图像配准方法中,基于第一坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标的过程进一步说明。
图2是根据本公开第二实施例的图像配准方法的流程示意图。如图2所示,上述步骤102具体可以包括以下步骤:
步骤201,利用第一坐标以及骨面区域的第一点的坐标,确定多个配准参考点对应的总偏移向量;其中,第一点为骨面区域中与对应的配准参考点之间的距离最近的点。
在示例性实施例中,针对每个配准参考点,可以先根据该配准参考点的第一坐标以及病灶图像中骨面区域的坐标,确定骨面区域中各点与该配准参考点的距离,并将骨面区域的各点中与该配准参考点之间的距离最小的点确定为第一点。其中,每个配准参考点对应确定一个第一点。进而,可以利用多个配准参考点在图像坐标系下的第一坐标以及骨面区域的第一点的坐标,确定多个配准参考点对应的总偏移向量。
在示例性实施例中,可以通过以下方法,利用第一坐标以及骨面区域的第一点的坐标,确定多个配准参考点对应的总偏移向量:
针对每个配准参考点,利用第一坐标以及骨面区域的第一点的坐标,确定配准参考点与骨面区域的第一点之间的第一距离,以及第一点相对配准参考点的偏移方向;
根据多个配准参考点分别对应的第一距离以及偏移方向,生成多个配准参考点对应的总偏移向量。
在示例性实施例中,假设针对配准参考点a1,骨面区域中与该配准参考点a1距离最近的第一点为b,则可以根据配准参考点a1的第一坐标以及第一点b的坐标,确定该配准参考点a1与该第一点b之间的第一距离d以及第一点b相对该配准参考点a1的偏移方向其中,d=distance(a1,b)。
在示例性实施例中,针对每个配准参考点,均可以得到一个对应的第一距离以及偏移方向,进而可以将多个配准参考点分别对应的第一距离以及偏移方向进行加权求和,以生成多个配准参考点对应的总偏移向量。
其中,w(d)表示根据第一距离d产生权重的函数。其中,各配准参考点对应的权重为大于0且小于1的小数。
步骤202,利用总偏移向量,对多个配准参考点在图像坐标系下的第一坐标进行变换,以得到多个配准参考点在图像坐标系下的第四坐标。
在示例性实施例中,可以将多个配准参考点在图像坐标系下的第一坐标与总偏移向量相乘,得到多个配准参考点在图像坐标系下的第四坐标。
步骤203,判断是否满足预设的迭代终止条件,若是,则执行步骤204,否则,将第四坐标作为第一坐标,并返回执行步骤201,直至满足预设的迭代终止条件。
其中,预设的迭代终止条件可以为以下条件中的至少一个:迭代次数达到预设次数阈值、多个配准参考点与骨面区域的第二点之间的平均距离小于预设距离阈值,其中,第二点为骨面区域中与对应配准参考点之间的距离最近的点,平均距离以及骨面区域与配准参考点之间的距离,是利用配准参考点在图像坐标系下的第四坐标确定的。
其中,预设次数阈值以及预设距离阈值,可以根据需要设置。
多个配准参考点与骨面区域的第二点之间的平均距离,可以根据以下方式确定:
针对每个配准参考点,可以根据该配准参考点的第四坐标以及病灶图像中骨面区域的坐标,确定骨面区域中各点与该配准参考点的距离,并将骨面区域的各点中与该配准参考点之间的距离最小的点确定为第二点。其中,每个配准参考点对应确定一个第二点;
针对每个配准参考点,可以利用第四坐标以及骨面区域中与该配准参考点距离最近的第二点的坐标,确定该配准参考点与对应的第二点之间的第二距离;
将各配准参考点与对应的第二点之间的第二距离进行求平均处理,得到多个配准参考点与骨面区域的第二点之间的平均距离。
步骤204,基于总偏移向量,得到第二变换矩阵及第二坐标。
在示例性实施例中,得到多个配准参考点在图像坐标系下的第四坐标后,可以判断是否满足预设的迭代终止条件,在满足预设的迭代终止条件时,可以基于总偏移向量,得到第二变换矩阵及第二坐标。
具体的,可以通过对总偏移向量进行平移变换,生成第二变换矩阵,并利用第二变换矩阵,对多个配准参考点的第一坐标进行变换,得到第二坐标。其中,可以将多个配准参考点的第一坐标与第二变换矩阵相乘,得到多个配准参考点变换后的第二坐标。
在示例性实施例中,在不满足预设的迭代终止条件时,可以将第四坐标作为第一坐标,并返回执行步骤201,再次获取多个配准参考点在图像坐标系下的第四坐标,直至满足预设的迭代终止条件。
通过上述过程,即可得到修正后的第二坐标,并确定多个配准参考点在图像坐标系中的第一坐标与第二坐标之间的第二变换矩阵,在利用第一变换矩阵,将物理空间的骨面转换到图像空间并得到图像空间的骨面后,利用第二变换矩阵对图像空间的骨面进行进一步变换,即可消除图像空间的骨面与病灶图像中的骨面之间存在的距离偏差。
下面参考图3,对本公开提供的图像配准方法中,基于第二坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集的过程进行进一步说明。
图3是根据本公开第三实施例的图像配准方法的流程示意图。如图3所示,上述步骤103具体可以包括以下步骤:
步骤301,根据骨面区域的点云数据,生成骨面的多个网格参数。
在示例性实施例中,可以先计算得到骨面区域的点云数据,其中,点云数据包括骨面区域的点云尺寸以及点云分辨率等。
其中,点云尺寸,包括点云距离、点云的长宽高等;点云分辨率,表征点云的密集程度,点云分辨率例如可以包括平均间隔。
网格参数包括网格大小参数以及对应的步进长度参数。
在示例性实施例中,可以采用以下方式,生成骨面的多个网格参数:根据点云尺寸以及第一预设值,确定网格大小的预设范围;根据点云分辨率,确定预设间隔;采用自适应算法,以预设间隔从预设范围内获取多个网格大小参数;根据每个网格大小参数以及第二预设值,确定对应的步进长度参数。
其中,第一预设值与第二预设值,可以根据经验设置。
在示例性实施例中,可以预先设置网格大小的最小范围,并将点云的长、宽、高各方向的尺寸,与第一预设值作商,从而得到网格大小的最大范围,并根据点云分辨率,确定预设间隔。其中,可以在点云分辨率越高,即点云越稠密时,设置预设间隔越小;在点云分辨率越低,即点云越稀疏时,设置预设间隔越大。进而,可以采用自适应算法,以预设间隔为步长,从预设范围内获取多个网格大小参数。对于每个网格大小参数,将网格大小参数与第二预设值作积,即可得到该网格大小参数对应的步进长度参数。
本公开实施例中的方法,由于确定了网格大小的预设范围以及预设间隔,并采用自适应算法,以预设间隔为步长从预设范围内获取多个网格大小参数,相比在无穷大的范围内获取多个网格大小参数,节省了获取网格大小参数的时间,提高了获取网格大小参数的效率。
步骤302,根据骨面的多个网格参数、第二坐标、骨面区域的点云数据、骨面区域的坐标,对预设的第一初始变换参数进行修正,以生成多个候选变换矩阵。
其中,第一初始变换参数,可以根据需要设置。
比如,第一初始变换参数可以表示为t=(R,T"),其中,R为空间旋转参数,表示空间旋转,T"为空间平移参数,表示空间平移。其中,例如可以设置第一初始变换参数中R为单位矩阵,T"为0,此时的第一初始变换参数表征未进行变换。
在示例性实施例中,可以采用以下方式,生成多个候选变换矩阵,即步骤302具体可以包括以下步骤302a-302d:
步骤302a,根据每个网格大小参数以及骨面区域的点云数据,确定骨面区域中与每个网格参数对应的多个网格。
具体的,针对每个网格参数,可以根据其中包括的网格大小参数以及骨面区域的点云尺寸,确定骨面区域对应该网格参数的多个网格。
举例来说,假设网格大小参数为1*1*1,其中,1*1*1表示该网格大小的长、宽、高分别为1毫米,假设骨面区域的点云尺寸为10*10*10,其中,10*10*10表示该点云的长、宽、高分别为10毫米。则可以根据骨面区域的点云尺寸以及网格大小参数,确定骨面区域对应1000个网格。
步骤302b,根据骨面区域的坐标获取骨面在每个网格内的多维正态分布参数,其中,多维正态分布参数包括骨面在网格内的均值坐标以及协方差矩阵。
在示例性实施例中,针对骨面区域对应的多个网格中的每个网格,可以确定骨面区域的点云投到该网格中后,该网格内的各个点以及点的数量,并采用以下公式(3),获取骨面在网格内的均值坐标q,采用以下公式(4),获取对应的协方差矩阵E:
q=(1/n)*∑jxj (3)
E=(1/n)*∑j(xj-q)(xj-q)T (4)
其中,n表示某个网格内的点的数量,xj表示某个网格内的第j个点的坐标,T为矩阵的转置。
步骤302c,根据第一初始变换参数、由第二坐标变换得到的第五坐标以及多个网格分别对应的多维正态分布参数,获取以第一初始变换参数为变量的第一目标函数;其中,第五坐标由第二坐标利用第一初始变换参数变换得到。
在示例性实施例中,可以利用第一初始变换参数,对多个配准参考点在图像空间坐标系下的第二坐标进行变换,得到变换后的第五坐标。
具体的,可以利用第一初始变换参数,采用以下公式(5)的方式,对多个配准参考点在图像空间坐标系下的第二坐标进行变换,得到变换后的第五坐标,以将多个配准参考点均转换到骨面区域的网格中。
pi'=R*pi+T" (5)
其中,pi表示第i个配准参考点在图像空间坐标系下的第二坐标,pi'表示第i个配准参考点在图像空间坐标系下的第五坐标。
进一步的,可以对每个网格计算出概率密度再相加,根据计算结果获得以第一初始变换参数为变量的第一目标函数。即,假设以第一初始变换参数t为变量的第一目标函数为-score(t),则score(t)可以表示为以下公式(6):
score(t)=∑iexp[-(pi'-q)TE-1(pi'-q)/2] (6)
其中,pi'表示第i个配准参考点在图像空间坐标系下的第五坐标,q表示上述骨面在网格内的均值坐标,T表示矩阵的转置。
步骤302d,基于网格参数中包括的步进长度参数以及第一目标函数,得到修正后第一初始变换参数,及生成候选变换矩阵。
在示例性实施例中,步骤302d可以通过以下方式实现:基于网格参数中包括的步进长度参数,采用牛顿优化算法对第一目标函数进行优化,得到优化结果;获取第一目标函数的最优化结果对应的修正后第一初始变换参数;根据修正后第一初始变换参数,变换得到候选变换矩阵。
其中,对第一目标函数进行优化的过程,可以理解为通过修正第一初始变换参数的值,使第一目标函数达到最优的过程。
具体的,可以基于网格参数中包括的步进长度参数,采用牛顿优化算法对第一目标函数进行优化,将使第一目标函数达到最优化结果的第一初始变换参数确定为修正后第一初始变换参数,进而通过对修正后第一初始变换参数进行变换,得到候选变换矩阵。
以第一目标函数为前述实施例中的-score(t)为例,假设第一目标函数达到最小值时,认为第一目标函数达到最优,则可以基于网格参数中包括的步进长度参数,采用牛顿优化算法对第一目标函数-score(t)进行优化,并将使第一目标函数达到最小值的第一初始变换参数确定为修正后第一初始变换参数,进而对修正后第一初始变换参数进行变换,得到候选变换矩阵,此时,score(t)的值最大。其中,t与候选变换矩阵之间为等价变换关系,二者为空间变换的不同表达方式。
通过对每个网格参数,均执行上述302a-302d的步骤,即可得到多个候选变换矩阵。
步骤303,从多个候选变换矩阵中,获取满足第一预设条件的第三变换矩阵集。
其中,第一预设条件,可以根据需要设置。比如,可以设置为第三变换矩阵集中的各第三变换矩阵对应的score(t)的值在80-100之间;或者,可以设置为第三变换矩阵集中的各第三变换矩阵,为按照预设顺序对多个候选变换矩阵进行排序时,排序在前的预设数量的候选变换矩阵,其中,预设数量可以根据需要任意设置。
在示例性实施例中,以第一目标函数为上述实施例中的-score(t)为例,假设第一预设条件为,第三变换矩阵集中的各第三变换矩阵对应的score(t)的值在80-100之间,则得到多个候选变换矩阵后,针对每个候选变换矩阵,可以按照上述公式(6)的方法,获取候选变换矩阵对应的score(t)的值,从而从多个候选变换矩阵中,选取对应的score(t)的值在80-100之间的候选变换矩阵,进而利用选取出的候选变换矩阵构成第三变换矩阵集。
在示例性实施例中,以第一目标函数为上述实施例中的-score(t)为例,假设第一预设条件为,第三变换矩阵集中的各第三变换矩阵,为按照对应的score(t)的值从大到小的顺序排序时,排序在最前的3个候选变换矩阵,则得到多个候选变换矩阵后,针对每个候选变换矩阵,可以按照上述公式(6)的方法,获取候选变换矩阵对应的score(t)的值,并按照对应的score(t)的值从大到小的顺序对多个候选变换矩阵进行排序,从而从多个候选变换矩阵中,选取排序在最前的3个候选变换矩阵,进而利用选取出的候选变换矩阵构成第三变换矩阵集。
步骤304,利用第三变换矩阵集,对多个配准参考点的第二坐标进行变换,以得到第三坐标集。
在示例性实施例中,获取第三变换矩阵集后,针对其中的每个第三变换矩阵,可以利用该第三变换矩阵,对多个配准参考点的第二坐标进行变换,以得到该第三变换矩阵对应的第三坐标,从而根据第三变换矩阵集中多个第三变换矩阵对多个配准参考点的第二坐标进行变换得到的多个第三坐标,即可得到第三坐标集。
举例来说,假设获取到的第三变换矩阵集中包括第三变换矩阵T1、T2、T3,则可以利用T1,对多个配准参考点的第二坐标进行变换,以得到多个配准参考点在图像坐标系下的第三坐标X1,利用T2,对多个配准参考点的第二坐标进行变换,以得到多个配准参考点在图像坐标系下的第三坐标X2,利用T3,对多个配准参考点的第二坐标进行变换,以得到多个配准参考点在图像坐标系下的第三坐标X3,第三坐标X1、X2、X3即可构成第三坐标集。
通过上述过程,实现了采用NDT(Normal Distribution Transform,正态分布变换)配准算法,得到第三变换矩阵集及修正后的第三坐标集,在利用第二变换矩阵对图像空间的骨面进行变换后,利用第三变换矩阵集中的每个第三变换矩阵对图像空间的骨面进行进一步变换,均可消除图像空间的骨面与病灶图像中的骨面之间存在的角度偏差。并且,由于NDT配准算法对骨面的网格参数是敏感的,若网格参数设置的不合适,会影响后续NDT配准的结果,而本公开实施例中,根据骨面区域的点云数据,生成了更合适的多个网格参数,进而基于生成的多个网格参数获取第三变换矩阵集及修正后的第三坐标集,从而进一步提高了配准结果的准确性。
下面结合图4,对本公开提供的图像配准方法中,基于第三坐标集及第三变换矩阵集,对图像坐标系下的多个配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵的过程进行进一步说明。
图4是根据本公开第四实施例的图像配准方法的流程示意图。如图4所示,上述步骤104,具体可以包括以下步骤:
步骤401,根据第三坐标集中的多个配准参考点的第三坐标,以及骨面区域的第三点的坐标,获取以第二初始变换参数为变量的第二目标函数;其中,第三点为骨面区域中与对应的配准参考点之间的距离最近的点。
在示例性实施例中,针对每个配准参考点,可以根据该配准参考点的第三坐标以及病灶图像中骨面区域的坐标,确定骨面区域中各点与该配准参考点的距离,并将骨面区域的各点中与该配准参考点之间的距离最小的点确定为第三点。其中,每个配准参考点对应确定一个第三点。
即,针对每个配准参考点,可以利用配准参考点的第三坐标,采用以下公式(7),确定骨面区域的各点中与对应的配准参考点之间的距离最近的第三点pclosest:
其中,p″i表示为第i个配准参考点,S表示骨面区域。
进而,可以采用以下公式(8),获取以第二初始变换参数为变量的第二目标函数:
其中,T'表示平移量,R′表示旋转量。
步骤402,利用迭代最近点ICP算法对第二目标函数进行优化处理,得到修正后第二初始变换参数,及候选第四变换矩阵。
其中,对第二目标函数进行优化处理的过程,可以理解为通过修正第二初始变换参数的值,使第二目标函数达到最优的过程。
具体的,可以利用ICP算法对第二目标函数进行优化处理,将使第二目标函数达到最优化结果的第二初始变换参数,确定为修正后第二初始变换参数,进而通过对修正后第二初始变换参数进行变换,得到候选第四变换矩阵。
以第二目标函数为前述实施例中的score(R',T')′为例,假设第二目标函数达到最小值时,认为第二目标函数达到最优,则可以利用ICP算法对第二目标函数进行优化处理,并将使第二目标函数达到最小值时的第二初始变换参数确定为修正后第二初始变换参数,进而对修正后第二初始变换参数进行变换,得到候选第四变换矩阵。
通过针对第三坐标集中多个配准参考点与每个第三变换矩阵对应的第三坐标,执行上述步骤401-402的过程,可以获取每个第三变换矩阵对应的候选第四变换矩阵,从而得到多个候选第四变换矩阵。
步骤403,将多个候选第四变换矩阵中,满足第二预设条件的候选第四变换矩阵作为第四变换矩阵,以及获取第三变换矩阵集中与第四变换矩阵对应的第三变换矩阵。
其中,第二预设条件,可以根据需要设置,比如可以设置为第四变换矩阵,为按照预设顺序对多个候选第四变换矩阵进行排序时,排序在最前的候选变换矩阵。
在示例性实施例中,以第二目标函数为上述实施例中的score(R',T')′为例,假设第二预设条件为,第四变换矩阵为按照对应的score(R',T')′的值从小到大的顺序排序时,排序在最前的候选第四变换矩阵,则得到多个候选第四变换矩阵后,针对每个候选第四变换矩阵,可以按照上述公式(8)的方法,获取候选第四变换矩阵对应的score(R',T')′的值,并按照对应的score(R',T')′的值从小到大的顺序对多个候选第四变换矩阵进行排序,从而从多个候选第四变换矩阵中,选取排序在最前的候选第四变换矩阵作为第四变换矩阵。
可以理解的是,上述过程中,针对第三坐标集中多个配准参考点与每个第三变换矩阵对应的第三坐标,可以获取一个对应的第四候选变换矩阵,即第三变换矩阵集中的每个第三变换矩阵对应一个第四候选变换矩阵。本公开实施例中,从多个候选第四变换矩阵中获取满足第二预设条件的第四变换矩阵后,可以从第三变换矩阵集中获取与第四变换矩阵对应的第三变换矩阵。
在示例性实施例中,得到第三变换矩阵以及第四变换矩阵后,可以利用第四变换矩阵对第三坐标集中与第三变换矩阵对应的第三坐标进行变换,得到第四坐标,第四坐标即为物理空间内采集的多个配准参考点变换到图像空间中后的准确坐标。
在示例性实施例中,获取第三变换矩阵及第四变换矩阵后,可以根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成空间坐标系与图像坐标系之间的目标变换矩阵。
具体的,可以采用以下公式(9),生成目标变换矩阵Tfinal:
Tfinal=T4*T3*T2*T1 (9)
其中,T4为第四变换矩阵、T3为第三变换矩阵、T2为第二变换矩阵、T1为第一变换矩阵。
通过上述过程,实现了基于第三坐标集及第三变换矩阵集,采用ICP算法,对图像坐标系下的多个配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵,在利用第三变换矩阵对图像空间的骨面进行变换后,利用第四变换矩阵对图像空间的骨面进行进一步变换,可以使图像空间的骨面与病灶图像中的骨面基本重合。
下面结合图5,对本公开提供的图像配准装置进行说明。
图5是根据本公开第五实施例的图像配准装置的结构示意图。
如图5所示,本公开提供的图像配准装置500,包括:获取模块501、第一修正模块502、第二修正模块503、配准模块504以及生成模块505。
其中,获取模块501,用于根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个配准参考点在图像坐标系下的第一坐标;
第一修正模块502,用于基于第一坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标;
第二修正模块503,用于基于第二坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集;
配准模块504,用于基于第三坐标集及第三变换矩阵集,对图像坐标系下的多个配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵;
生成模块505,用于根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成空间坐标系与图像坐标系之间的目标变换矩阵。
需要说明的是,本实施例提供的图像配准装置,可以执行前述实施例的图像配准方法。其中,该图像配准装置可以为手术机器人,也可以被配置在手术机器人中,以提高图像配准的精度,进而提高后续利用图像配准结果进行手术时的安全性。
其中,手术机器人,包括计算机、机器人控制器、机械臂+骨组织磨头、主控制板、骨组织切削主机、第一定位装置。本公开实施例中的图像配准装置,可以理解为手术机器人中的计算机。其中,手术机器人的结构将在后续实施例中进行说明,此处不作介绍。
在示例性实施例中,第一修正模块502,具体用于:
利用第一坐标以及骨面区域的第一点的坐标,确定多个配准参考点对应的总偏移向量;其中,第一点为骨面区域中与对应的配准参考点之间的距离最近的点;
利用总偏移向量,对多个配准参考点在图像坐标系下的第一坐标进行变换,以得到多个配准参考点在图像坐标系下的第四坐标;
判断是否满足预设的迭代终止条件,若是,则基于总偏移向量,得到第二变换矩阵及第二坐标。
在示例性实施例中,第一修正模块502,还具体用于:
若不满足预设的迭代终止条件,则将第四坐标作为第一坐标,并重复执行上述得到多个配准参考点在图像坐标系下的第四坐标的步骤,直至满足预设的迭代终止条件。
在示例性实施例中,第一修正模块502,还具体用于:
针对每个配准参考点,利用第一坐标以及骨面区域的第一点的坐标,确定配准参考点与骨面区域的第一点之间的第一距离,以及第一点相对配准参考点的偏移方向;
根据多个配准参考点分别对应的第一距离以及偏移方向,生成多个配准参考点对应的总偏移向量。
在示例性实施例中,第一修正模块502,还具体用于:
对总偏移向量进行平移变换,以生成第二变换矩阵;
利用第二变换矩阵,对多个配准参考点的第一坐标进行变换,以得到第二坐标。
在示例性实施例中,预设的迭代终止条件为以下条件中的至少一个:迭代次数达到预设次数阈值、多个配准参考点与骨面区域的第二点之间的平均距离小于预设距离阈值,其中,第二点为骨面区域中与对应配准参考点之间的距离最近的点,平均距离以及骨面区域与配准参考点之间的距离,是利用配准参考点在图像坐标系下的第四坐标确定的。
在示例性实施例中,第二修正模块503,具体用于:
根据骨面区域的点云数据,生成骨面的多个网格参数;
根据骨面的多个网格参数、第二坐标、骨面区域的点云数据、骨面区域的坐标,对预设的第一初始变换参数进行修正,以生成多个候选变换矩阵;
从多个候选变换矩阵中,获取满足第一预设条件的第三变换矩阵集;
利用多个第三变换矩阵集,对多个配准参考点的第二坐标进行变换,以得到第三坐标集。
在示例性实施例中,点云数据包括骨面区域的点云尺寸以及点云分辨率,其中,网格参数包括网格大小参数以及对应的步进长度参数;
其中,第二修正模块503,还具体用于:
根据点云尺寸以及第一预设值,确定网格大小的预设范围;
根据点云分辨率,确定预设间隔;
采用自适应算法,以预设间隔从预设范围内获取多个网格大小参数;
根据每个网格大小参数以及第二预设值,确定对应的步进长度参数。
在示例性实施例中,第二修正模块503,还具体用于:
根据每个网格大小参数以及骨面区域的点云数据,确定骨面区域中与每个网格参数对应的多个网格;
根据骨面区域的坐标获取骨面在每个网格内的多维正态分布参数,其中,多维正态分布参数包括骨面在网格内的均值坐标以及协方差矩阵;
根据第一初始变换参数、由第二坐标变换得到的第五坐标以及多个网格分别对应的多维正态分布参数,获取以第一初始变换参数为变量的第一目标函数;其中,第五坐标由第二坐标利用第一初始变换参数变换得到;
基于网格参数中包括的步进长度参数以及第一目标函数,得到修正后第一初始变换参数,及生成候选变换矩阵。
在示例性实施例中,第二修正模块503,还具体用于:
基于网格参数中包括的步进长度参数,采用牛顿优化算法对第一目标函数进行优化,得到优化结果;
获取第一目标函数的最优化结果对应的修正后第一初始变换参数;
根据修正后第一初始变换参数,变换得到候选变换矩阵。
在示例性实施例中,配准模块504,具体用于:
根据第三坐标集中的多个配准参考点的第三坐标,以及骨面区域的第三点的坐标,获取以第二初始变换参数为变量的第二目标函数;其中,第三点为骨面区域中与对应的配准参考点之间的距离最近的点;
利用ICP算法对第二目标函数进行优化处理,得到修正后第二初始变换参数,及候选第四变换矩阵;
将多个候选第四变换矩阵中,满足第二预设条件的候选第四变换矩阵作为第四变换矩阵,以及获取第三变换矩阵集中与第四变换矩阵对应的第三变换矩阵。
在示例性实施例中,第一变换矩阵是通过以下步骤获取得到的:
获取标记有多个骨性标志点的病灶图像,并通过探针在病灶区域采集各骨性标志点对应的相对位置点;
采用刚性配准算法,对病灶图像中各骨性标志点与对应的相对位置点进行配准,以得到第一变换矩阵。
在示例性实施例中,物理空间内在骨面采集的多个配准参考点满足以下条件:配准参考点的数量范围为[20,50]。
在示例性实施例中,相邻的两个配准参考点之间的距离范围为[3mm,6mm]。
需要说明的是,前述对于图像配准方法的实施例的说明,也适用于本公开提供的图像配准装置,此处不再赘述。
本公开实施例提供的图像配准装置,首先根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个配准参考点在图像坐标系下的第一坐标,再基于第一坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标,再基于第二坐标,对图像坐标系下的多个配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集,再基于第三坐标集及第三变换矩阵集,对图像坐标系下的多个配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵,进而根据第一变换矩阵、第二变换矩阵、第三变换矩阵以及第四变换矩阵,生成空间坐标系与图像坐标系之间的目标变换矩阵。由此,提高了图像配准的精度,进而提高了后续利用图像配准结果进行手术时的安全性。同时,也提高了计算机处理器的运算效率和运算精度。
根据本公开的实施例,本公开还提供了一种手术机器人以及一种手术机器人系统。
图6示出了可以用来实施本公开的实施例的示例手术机器人600的示意性框图。
如图6所示,手术机器人600包括处理器601、用于存储所述处理器601可执行指令的存储器602;其中,所述处理器601被配置为执行所述指令,以实现如上所述的图像配准方法。
如图7所示,手术机器人系统可以包括手术机器人600、与手术机器人600通信连接的定位系统700和辅助控制台800。
下面结合图8,对本公开实施例中的手术机器人600以及手术机器人系统进行进一步说明。
如图8所示,手术机器人主要包括计算机603、机器人控制器604、机械臂605+骨组织磨头606、主控制板607、骨组织切削主机608、第一定位装置609。其中计算机603是整个手术机器人系统的控制主机。计算机603可以包括上述实施例中处理器601以及存储器602。
定位系统700包括导航系统701和第一显示器702。导航系统701中集成有摄像头、处理器等,导航系统701和计算机603通信连接,两者互相传输数据。
辅助控制台800包括输入装置801和第二显示器802,在具体手术时,医生在手术机器人600处进行操控,辅助工程师会在辅助工作台通过输入装置801协助医生对手术进行控制(例如控制骨组织磨头606启停等)。其中,输入装置可以包括键盘、鼠标等。
具体地,在手术中,病人躺在手术床上,在其股骨上可以刚性连接第二定位装置901,在其胫骨上刚性连接第三定位装置902。其中,第二定位装置901和第三定位装置902,具体可以为参考架,且在参考架上安装有反射球或者发光二极管等,只要能够被导航系统701上的摄像头跟踪到即可。导航系统701上的摄像头可以追踪第二定位装置901和第三定位装置902,处理器进行计算,从而确定人体股骨的第二位姿数据和胫骨的第三位姿数据。
另外,在手术机器人600上安装有第一定位装置609,其中,第一定位装置609可以安装在机箱上。其中,第一定位装置609具体也可以为参考架,且在参考架上安装有反射球或者发光二极管等,只要能够被导航系统701上的摄像头跟踪到即可。导航系统701上的摄像头可以追踪第一定位装置609,处理器进行计算,从而确定手术机器人600的第一位姿数据。然后,导航系统701可以将上述第二位姿数据和第三位姿数据分别发送至计算机603,使得计算机603根据第二位姿数据和第三位姿数据,确定股骨和胫骨的相对位置,以实时获取病人胫骨和股骨的运动信息。
另外,计算机603中预先存储有患者手术部位的CT影像数据,且预先根据该CT影像数据重建患者的手术部位(比如膝关节)的三维模型(即上述实施例中的病灶图像),存储于计算机603。其中,三维模型可显示在第一显示器702和第二显示器802上。其中,第一显示器702和第二显示器802显示的画面相同,显示用户界面,第一显示器702提供至手术医生进行观看,第二显示器802提供至辅助工程师进行观看。
计算机603与机器人控制器604通信连接,二者互传数据,计算机603发送控制信号至机器人控制器604,以使机器人控制器604根据该控制信号控制机械臂605动作。
骨组织磨头606安装于机械臂605,骨组织磨头606包括磨削骨工具,用于对手术部位例如股骨和胫骨进行磨削,其有单独的骨组织切削主机608。
主控制板607相当于下位机,主要做电气方面的控制,比如机械臂605的急停、解锁等控制,例如在手术机器人600的机箱上设置有急停、解锁按钮,医生可以通过操作急停或解锁按钮,使得主控制板607获取急停或解锁信号,从而控制机械臂605急停或解锁。
主控制板607与计算机603通信连接,可以接收计算机603的信号,计算机603也可以获取主控制板607的信号。例如辅助工程师可以通过输入装置801发送磨削信号至计算机603,计算机603发送至主控制板607,主控制板607发送至骨组织切削主机608,从而控制骨组织磨头606转动。
主控制板607还可以对手术机器600人上的继电器、电机、UPS等器件进行控制。
具体利用上述机器人系统进行手术时,在手术之前,需要进行如下操作:
获取病人的具体信息,例如病人的姓名、身份证号码、性别、年龄等信息,以及与病人的手术部位相关的信息,例如患者的腿部、需要置换的关节部位,以及医生根据实际诊断确定需要给病人置换的假体信息,例如假体的型号等。
对病人拍摄诊断图像,例如大腿图像、膝盖图像、以及小腿图像,生成CT数据文件,将其导入计算机中,并根据CT影像,构建手术部位的三维模型。
通过辅助控制台的鼠标在计算机603上的三维模型上选取一些方便医生在手术区域找到的骨性标志点,如骨头的突起、凹槽、边缘等。具体的,可以在三维模型上找到股骨、胫骨力线,基于前倾角、内旋角、外旋角、内翻角、外翻角等这些角度,从计算机中预先存储的假体型号中选取合适的假体,进行模拟安装。模拟安装假体后,可以根据力线和角度,调整假体安装位置,直至假体安装至合适位置。
在手术过程中,需要进行如下操作:
在手术开始时,先将股骨、胫骨、机械臂对应的参考架安装到位。此处的机械臂参考架即图8中的第一定位装置609,股骨参考架即图8的第二定位装置901,胫骨参考架即图8的第三定位装置902。在机械臂605末端的执行器上安装一个可拆卸的跟踪器,然后,将机械臂末端执行器移动到病人手术部位的不同位置处,例如手术部位的上方和下方、内侧和外侧等,跟踪器也会随之移动,此时定位系统获取第一定位装置的第一位姿数据和跟踪器的第四位姿数据,然后将第一位姿数据和第四位姿数据传输至计算机603,计算机603能够计算出第一定位装置609与机械臂605坐标系之间的几何关系,以使得定位系统将机械臂的坐标统一到定位系统的坐标下。然后,将可拆卸跟踪器从机械臂末端执行器拆除。
之后,可以利用上述实施例中的图像配准方法,进行股骨、胫骨图像配准。
完成股骨/胫骨图像配准之后,在一定的屈曲角度范围内,例如屈曲患者手术关节,在0°-120°屈曲范围内取几个角度弯曲,此时定位系统700可以将患者腿部的运动显示在第一显示器702和第二显示器802上,实时跟踪获取患者的运动,并且,在第一显示器702和第二显示器802上,计算机603可以获取在各个屈曲角度股骨和胫骨之间的间隙值。
根据各个屈曲角度状态下,股骨和胫骨之间的间隙值是否满足预设条件来判断假体是否安装合适,若不合适,在虚拟安装界面上调整假体的位置,直至在各个屈曲角度状态下,股骨和胫骨之间的间隙值均满足条件。
假体虚拟安装完成后,可以实际操作机械臂605,进行磨削。磨削完成后就可以进行安装实际假体。
根据本公开的实施例,本公开还提供了一种计算机可读存储介质,当所述计算机可读存储介质中的指令由手术机器人的处理器执行时,使得手术机器人能够执行上述图像配准方法。
根据本公开的实施例,本公开还提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述图像配准方法。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (20)
1.一种图像配准方法,其特征在于,包括:
根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个所述配准参考点在所述图像坐标系下的第一坐标;
基于所述第一坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标;
基于所述第二坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集;
基于所述第三坐标集及所述第三变换矩阵集,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵;
根据所述第一变换矩阵、所述第二变换矩阵、所述第三变换矩阵以及所述第四变换矩阵,生成所述空间坐标系与所述图像坐标系之间的目标变换矩阵。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标,包括:
利用所述第一坐标以及所述骨面区域的第一点的坐标,确定多个所述配准参考点对应的总偏移向量;其中,所述第一点为所述骨面区域中与对应的配准参考点之间的距离最近的点;
利用所述总偏移向量,对多个所述配准参考点在所述图像坐标系下的第一坐标进行变换,以得到多个所述配准参考点在所述图像坐标系下的第四坐标;
判断是否满足预设的迭代终止条件,若是,则基于所述总偏移向量,得到所述第二变换矩阵及所述第二坐标。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若不满足预设的迭代终止条件,则将所述第四坐标作为所述第一坐标,并重复执行上述得到多个所述配准参考点在所述图像坐标系下的第四坐标的步骤,直至满足所述预设的迭代终止条件。
4.根据权利要求2所述的方法,其特征在于,所述利用所述第一坐标以及所述骨面区域的第一点的坐标,确定多个所述配准参考点对应的总偏移向量,包括:
针对每个所述配准参考点,利用所述第一坐标以及所述骨面区域的第一点的坐标,确定所述配准参考点与所述骨面区域的第一点之间的第一距离,以及所述第一点相对所述配准参考点的偏移方向;
根据多个所述配准参考点分别对应的所述第一距离以及所述偏移方向,生成多个所述配准参考点对应的总偏移向量。
5.根据权利要求2所述的方法,其特征在于,所述基于所述总偏移向量,得到所述第二变换矩阵及所述第二坐标,包括:
对所述总偏移向量进行平移变换,以生成所述第二变换矩阵;
利用所述第二变换矩阵,对多个所述配准参考点的第一坐标进行变换,以得到所述第二坐标。
6.根据权利要求2所述的方法,其特征在于,所述预设的迭代终止条件为以下条件中的至少一个:迭代次数达到预设次数阈值、多个所述配准参考点与所述骨面区域的第二点之间的平均距离小于预设距离阈值,其中,所述第二点为所述骨面区域中与对应配准参考点之间的距离最近的点,所述平均距离以及所述骨面区域与所述配准参考点之间的距离,是利用所述配准参考点在所述图像坐标系下的第四坐标确定的。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述基于所述第二坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集,包括:
根据所述骨面区域的点云数据,生成所述骨面的多个网格参数;
根据所述骨面的多个网格参数、所述第二坐标、所述骨面区域的点云数据、所述骨面区域的坐标,对预设的第一初始变换参数进行修正,以生成多个候选变换矩阵;
从所述多个候选变换矩阵中,获取满足第一预设条件的第三变换矩阵集;
利用多个所述第三变换矩阵集,对多个所述配准参考点的第二坐标进行变换,以得到所述第三坐标集。
8.根据权利要求7所述的方法,其特征在于,所述点云数据包括所述骨面区域的点云尺寸以及点云分辨率,其中,所述网格参数包括网格大小参数以及对应的步进长度参数;
其中,所述根据所述骨面区域的点云数据,生成所述骨面的多个网格参数,包括:
根据所述点云尺寸以及第一预设值,确定网格大小的预设范围;
根据所述点云分辨率,确定预设间隔;
采用自适应算法,以所述预设间隔从所述预设范围内获取多个所述网格大小参数;
根据每个所述网格大小参数以及第二预设值,确定对应的所述步进长度参数。
9.根据权利要求8所述的方法,其特征在于,所述根据所述骨面的多个网格参数、所述第二坐标、所述骨面区域的点云数据、所述骨面区域的坐标,对预设的第一初始变换参数进行修正,以生成多个候选变换矩阵,包括:
根据每个所述网格大小参数以及所述骨面区域的点云数据,确定所述骨面区域中与每个所述网格参数对应的多个网格;
根据所述骨面区域的坐标获取所述骨面在每个所述网格内的多维正态分布参数,其中,所述多维正态分布参数包括所述骨面在所述网格内的均值坐标以及协方差矩阵;
根据所述第一初始变换参数、由所述第二坐标变换得到的第五坐标以及多个所述网格分别对应的所述多维正态分布参数,获取以所述第一初始变换参数为变量的第一目标函数;其中,所述第五坐标由所述第二坐标利用所述第一初始变换参数变换得到;
基于所述网格参数中包括的所述步进长度参数以及所述第一目标函数,得到修正后第一初始变换参数,及生成所述候选变换矩阵。
10.根据权利要求9所述的方法,其特征在于,所述基于所述网格参数中包括的所述步进长度参数以及所述第一目标函数,得到修正后第一初始变换参数,及生成所述候选变换矩阵,包括:
基于所述网格参数中包括的所述步进长度参数,采用牛顿优化算法对所述第一目标函数进行优化,得到优化结果;
获取所述第一目标函数的最优化结果对应的修正后第一初始变换参数;
根据所述修正后第一初始变换参数,变换得到所述候选变换矩阵。
11.根据权利要求1-6中任一项所述的方法,其特征在于,所述基于所述第三坐标集及所述第三变换矩阵集,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵,包括:
根据所述第三坐标集中的多个所述配准参考点的第三坐标,以及所述骨面区域的第三点的坐标,获取以第二初始变换参数为变量的第二目标函数;其中,所述第三点为所述骨面区域中与对应的配准参考点之间的距离最近的点;
利用迭代最近点ICP算法对所述第二目标函数进行优化处理,得到修正后第二初始变换参数,及候选第四变换矩阵;
将多个所述候选第四变换矩阵中,满足第二预设条件的候选第四变换矩阵作为第四变换矩阵,以及获取第三变换矩阵集中与所述第四变换矩阵对应的第三变换矩阵。
12.根据权利要求1-6中任一项所述的方法,其特征在于,所述第一变换矩阵是通过以下步骤获取得到的:
获取标记有多个骨性标志点的所述病灶图像,并通过探针在病灶区域采集各所述骨性标志点对应的相对位置点;
采用刚性配准算法,对所述病灶图像中各所述骨性标志点与对应的相对位置点进行配准,以得到所述第一变换矩阵。
13.根据权利要求1-6中任一项所述的方法,其特征在于,所述物理空间内在骨面采集的多个配准参考点满足以下条件:所述配准参考点的数量范围为[20,50]。
14.根据权利要求13所述的方法,其特征在于,相邻的两个所述配准参考点之间的距离范围为[3mm,6mm]。
15.一种图像配准装置,其特征在于,包括:
获取模块,用于根据用于表征物理空间的空间坐标系与病灶图像的图像坐标系之间的初始映射关系的第一变换矩阵,以及物理空间内在骨面采集的多个配准参考点的坐标,得到多个所述配准参考点在所述图像坐标系下的第一坐标;
第一修正模块,用于基于所述第一坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行距离修正,得到第二变换矩阵及修正后的第二坐标;
第二修正模块,用于基于所述第二坐标,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行角度修正,得到第三变换矩阵集及修正后的第三坐标集;
配准模块,用于基于所述第三坐标集及所述第三变换矩阵集,对所述图像坐标系下的多个所述配准参考点与骨面区域之间进行精配准,得到第四变换矩阵及其对应的第三变换矩阵;
生成模块,用于根据所述第一变换矩阵、所述第二变换矩阵、所述第三变换矩阵以及所述第四变换矩阵,生成所述空间坐标系与所述图像坐标系之间的目标变换矩阵。
16.根据权利要求15所述的装置,其特征在于,所述第一修正模块,具体用于:
利用所述第一坐标以及所述骨面区域的第一点的坐标,确定多个所述配准参考点对应的总偏移向量;其中,所述第一点为所述骨面区域中与对应的配准参考点之间的距离最近的点;
利用所述总偏移向量,对多个所述配准参考点在所述图像坐标系下的第一坐标进行变换,以得到多个所述配准参考点在所述图像坐标系下的第四坐标;
判断是否满足预设的迭代终止条件,若是,则基于所述总偏移向量,得到所述第二变换矩阵及所述第二坐标。
17.一种手术机器人,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其特征在于,所述处理器被配置为执行所述指令,以实现如权利要求1-14中任一项所述的方法。
18.一种手术机器人系统,其特征在于,包括如权利要求17所述的手术机器人、与所述手术机器人通信连接的定位系统和辅助控制台。
19.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由手术机器人的处理器执行时,使得手术机器人能够执行如权利要求1-14中任一项所述的方法。
20.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序在被处理器执行时实现根据权利要求1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110813776.5A CN113558766B (zh) | 2021-07-19 | 2021-07-19 | 图像配准方法、装置、手术机器人以及手术机器人系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110813776.5A CN113558766B (zh) | 2021-07-19 | 2021-07-19 | 图像配准方法、装置、手术机器人以及手术机器人系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113558766A true CN113558766A (zh) | 2021-10-29 |
CN113558766B CN113558766B (zh) | 2022-05-17 |
Family
ID=78165467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110813776.5A Active CN113558766B (zh) | 2021-07-19 | 2021-07-19 | 图像配准方法、装置、手术机器人以及手术机器人系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113558766B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510679A (zh) * | 2021-12-15 | 2022-05-17 | 成都飞机工业(集团)有限责任公司 | 设备位置信息的获得方法、装置、终端设备以及存储介质 |
CN115227397A (zh) * | 2022-09-19 | 2022-10-25 | 杭州三坛医疗科技有限公司 | 一种配准板自动对齐方法和装置 |
CN116128936A (zh) * | 2023-02-15 | 2023-05-16 | 北京纳通医用机器人科技有限公司 | 配准方法、装置、设备及存储介质 |
CN116245839A (zh) * | 2023-02-24 | 2023-06-09 | 北京纳通医用机器人科技有限公司 | 一种膝关节软骨分割方法、装置、设备及介质 |
CN116363184A (zh) * | 2023-05-26 | 2023-06-30 | 杭州三坛医疗科技有限公司 | 一种髋关节位置配准方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130156281A1 (en) * | 2010-08-31 | 2013-06-20 | Yiyong Sun | Image registration method |
CN103860268A (zh) * | 2012-12-13 | 2014-06-18 | 中国科学院深圳先进技术研究院 | 一种标记点配准方法、装置及外科手术导航系统 |
CN110335296A (zh) * | 2019-06-21 | 2019-10-15 | 华中科技大学 | 一种基于手眼标定的点云配准方法 |
CN111724420A (zh) * | 2020-05-14 | 2020-09-29 | 北京天智航医疗科技股份有限公司 | 一种术中配准方法、装置、存储介质和服务器 |
CN112001955A (zh) * | 2020-08-24 | 2020-11-27 | 深圳市建设综合勘察设计院有限公司 | 一种基于二维投影平面匹配约束的点云配准方法及系统 |
CN112017225A (zh) * | 2020-08-04 | 2020-12-01 | 华东师范大学 | 一种基于点云配准的深度图像匹配方法 |
CN112991409A (zh) * | 2021-04-27 | 2021-06-18 | 杭州素问九州医疗科技有限公司 | 骨骼注册方法及系统及存储介质 |
-
2021
- 2021-07-19 CN CN202110813776.5A patent/CN113558766B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130156281A1 (en) * | 2010-08-31 | 2013-06-20 | Yiyong Sun | Image registration method |
CN103860268A (zh) * | 2012-12-13 | 2014-06-18 | 中国科学院深圳先进技术研究院 | 一种标记点配准方法、装置及外科手术导航系统 |
CN110335296A (zh) * | 2019-06-21 | 2019-10-15 | 华中科技大学 | 一种基于手眼标定的点云配准方法 |
CN111724420A (zh) * | 2020-05-14 | 2020-09-29 | 北京天智航医疗科技股份有限公司 | 一种术中配准方法、装置、存储介质和服务器 |
CN112017225A (zh) * | 2020-08-04 | 2020-12-01 | 华东师范大学 | 一种基于点云配准的深度图像匹配方法 |
CN112001955A (zh) * | 2020-08-24 | 2020-11-27 | 深圳市建设综合勘察设计院有限公司 | 一种基于二维投影平面匹配约束的点云配准方法及系统 |
CN112991409A (zh) * | 2021-04-27 | 2021-06-18 | 杭州素问九州医疗科技有限公司 | 骨骼注册方法及系统及存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510679A (zh) * | 2021-12-15 | 2022-05-17 | 成都飞机工业(集团)有限责任公司 | 设备位置信息的获得方法、装置、终端设备以及存储介质 |
CN114510679B (zh) * | 2021-12-15 | 2024-04-12 | 成都飞机工业(集团)有限责任公司 | 设备位置信息的获得方法、装置、终端设备以及存储介质 |
CN115227397A (zh) * | 2022-09-19 | 2022-10-25 | 杭州三坛医疗科技有限公司 | 一种配准板自动对齐方法和装置 |
CN115227397B (zh) * | 2022-09-19 | 2022-12-16 | 杭州三坛医疗科技有限公司 | 一种配准板自动对齐方法和装置 |
CN116128936A (zh) * | 2023-02-15 | 2023-05-16 | 北京纳通医用机器人科技有限公司 | 配准方法、装置、设备及存储介质 |
CN116245839A (zh) * | 2023-02-24 | 2023-06-09 | 北京纳通医用机器人科技有限公司 | 一种膝关节软骨分割方法、装置、设备及介质 |
CN116245839B (zh) * | 2023-02-24 | 2023-09-29 | 北京纳通医用机器人科技有限公司 | 一种膝关节软骨分割方法、装置、设备及介质 |
CN116363184A (zh) * | 2023-05-26 | 2023-06-30 | 杭州三坛医疗科技有限公司 | 一种髋关节位置配准方法、装置、电子设备及存储介质 |
CN116363184B (zh) * | 2023-05-26 | 2023-10-03 | 杭州三坛医疗科技有限公司 | 一种髋关节位置配准方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113558766B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113558766B (zh) | 图像配准方法、装置、手术机器人以及手术机器人系统 | |
CN111345895B (zh) | 全膝关节置换手术机器人辅助系统、控制方法及电子设备 | |
AU2020260503B2 (en) | Preoperative planning and associated intraoperative registration for a surgical system | |
US11141225B2 (en) | Image matching device and image matching method | |
US11229485B2 (en) | Preoperative planning and associated intraoperative registration for a surgical system | |
CN109069208B (zh) | 用于无线超声跟踪和通信的超宽带定位 | |
AU2015355134B2 (en) | Image free implant revision surgery | |
EP2723270B1 (en) | On-board tool tracking system of computer assisted surgery | |
CN112991409B (zh) | 骨骼注册方法及系统及存储介质 | |
CN112155732B (zh) | 可读存储介质、骨建模配准系统及骨科手术系统 | |
KR20210137500A (ko) | 수술용 레지스트레이션을 위한 시스템 및 방법 | |
TWI711428B (zh) | 用於醫療用具的光學追蹤系統及訓練系統 | |
CN104168851A (zh) | 用于假体部件定向的系统和方法 | |
JP2023548466A (ja) | コンピュータ支援の手術における超音波ベースの複数の骨の位置決めの手術システム及び使用方法 | |
CN116058965A (zh) | 用于关节置换手术的骨骼注册方法及手术导航系统 | |
US11819297B2 (en) | Light guided digitization method to register a bone | |
CN115553923A (zh) | 踝关节手术机器人系统及其控制方法 | |
Park et al. | Computer-assisted optimization of the acetabular rotation in periacetabular osteotomy using patient’s anatomy-specific finite element analysis | |
CN109512513A (zh) | 一种基于圆柱拟合的下肢胫骨机械轴线确定方法 | |
CN114224508A (zh) | 医学图像处理方法、系统、计算机设备和存储介质 | |
CN117197363B (zh) | 一种髋关节发育性疾病保髋评估系统及其存储介质 | |
US11992270B2 (en) | Systems and methods for planning and performing image free implant revision surgery | |
US11992269B2 (en) | Systems and methods for planning and performing image free implant revision surgery | |
CN117103286B (zh) | 一种机械手手眼标定方法、系统和可读存储介质 | |
CN117679178A (zh) | 一种创伤骨科微创手术机器人系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220817 Address after: G357, 3rd floor, building 1, yard 9, CHENGWAN street, Haidian District, Beijing 100094 Patentee after: Beijing natong Medical Robot Technology Co.,Ltd. Address before: G358, 3rd floor, building 1, yard 9, CHENGWAN street, Haidian District, Beijing 100094 Patentee before: Beijing natong Medical Research Institute Co.,Ltd. Patentee before: Beijing natong Medical Robot Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |