CN113570648A - 多骨骼影像配准方法、电子装置以及医学导航系统 - Google Patents

多骨骼影像配准方法、电子装置以及医学导航系统 Download PDF

Info

Publication number
CN113570648A
CN113570648A CN202110875674.6A CN202110875674A CN113570648A CN 113570648 A CN113570648 A CN 113570648A CN 202110875674 A CN202110875674 A CN 202110875674A CN 113570648 A CN113570648 A CN 113570648A
Authority
CN
China
Prior art keywords
image
registration
registered
similarity
bone
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
Application number
CN202110875674.6A
Other languages
English (en)
Other versions
CN113570648B (zh
Inventor
付春萌
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.)
Wuhan United Imaging Zhirong Medical Technology Co Ltd
Original Assignee
Wuhan United Imaging Zhirong Medical Technology Co Ltd
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 Wuhan United Imaging Zhirong Medical Technology Co Ltd filed Critical Wuhan United Imaging Zhirong Medical Technology Co Ltd
Priority to CN202110875674.6A priority Critical patent/CN113570648B/zh
Publication of CN113570648A publication Critical patent/CN113570648A/zh
Priority to EP22848626.2A priority patent/EP4365838A4/en
Priority to PCT/CN2022/108552 priority patent/WO2023006021A1/zh
Application granted granted Critical
Publication of CN113570648B publication Critical patent/CN113570648B/zh
Priority to US18/427,758 priority patent/US20240221190A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请涉及一种多骨骼影像配准方法、电子装置以及医学导航系统，通过获取待配准3D影像以及待配准2D影像；将所述待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取所述第一配准3D影像与所述待配准2D影像的第一相似度；获取每一骨骼的单骨骼3D影像，获取每一骨骼的单骨骼2D影像；将所述单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度；基于所述第二配准3D影像获取配准结果。上述多骨骼影像配准方法、电子装置以及医学导航系统，采用多骨骼整体刚性配准结合单个骨骼刚性配准的方法，提高了配准算法的精度和成功率。

Description

多骨骼影像配准方法、电子装置以及医学导航系统
技术领域
本申请涉及图像处理技术领域，特别是涉及一种多骨骼影像配准方法、电子装置以及医学导航系统。
背景技术
在计算机辅助手术中，医生往往需要在手术前对病人拍摄3D影像，比如CT(Computed Tomography，电子计算机断层扫描)影像或MRI(Magnetic Resonance Imaging，磁共振成像)影像，并在3D影像中制定手术计划，然后在手术过程中将术前3D影像中制定的手术计划映射到术中的手术空间中去，达到引导术中手术过程的目的。近些年为了使手术过程更加微创，可以采用术中拍摄多张2D X射线影像，然后把术前3D影像和多张术中2D X射线影像以2D-3D配准的方式进行配准，间接实现术前3D影像中的手术计划到术中手术空间的映射。
在对由多块骨骼组成的关节部位，比如髋关节、肘关节、膝关节、脊柱或者手指关节等进行2D-3D影像配准时，由于这些关节处的骨骼会由于关节姿态的变化而发生相对运动，在拍摄术前3D影像和拍摄术中2D影像时，病人的关节运动会造成术前、术中拍摄影像时关节处骨骼间的相对位置不一致，使得术前、术中影像中的骨骼内容不匹配，这会极大的降低2D-3D配准的精度以及配准的成功率。
针对相关技术中存在术前、术中影像关节处骨骼位置不一致，导致配准精度低，成功率低的问题，目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种多骨骼影像配准方法、电子装置以及医学导航系统，以解决相关技术中术前、术中影像关节处骨骼位置不一致，导致配准精度低，成功率低的问题。
第一个方面，在本实施例中提供了一种多骨骼影像配准方法，用于配准多骨骼的术前3D影像和术中2D影像，包括：
获取待配准3D影像以及待配准2D影像；
将所述待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取所述第一配准3D影像与所述待配准2D影像的第一相似度；
若所述第一相似度符合第一预设阈值，则基于所述第一配准3D影像获取每一骨骼的单骨骼3D影像，基于所述待配准2D影像获取每一骨骼的单骨骼2D影像；
将所述单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度；
若所述第二相似度符合第二预设阈值，则基于所述第二配准3D影像获取配准结果。
在其中的一些实施例中，所述获取待配准3D影像包括：
获取术前初始3D影像；
基于第一姿态搜索参数对所述术前初始3D影像进行姿态搜索，得到第一姿态搜索3D影像，并获取所述第一姿态搜索3D影像与所述待配准2D影像的第一姿态相似度；
若所述第一姿态相似度符合第三预设阈值，则基于第二姿态搜索参数对所述第一姿态搜索3D影像进行姿态搜索，得到第二姿态搜索3D影像，并获取所述第二姿态搜索3D影像与所述待配准2D影像的第二姿态相似度；
若所述第二姿态相似度符合第四预设阈值，则基于所述初始3D影像、第一姿态搜索参数以及第二姿态搜索参数获取待配准3D影像。
在其中的一些实施例中，所述获取所述第一配准3D影像与所述待配准2D影像的第一相似度包括：
将所述第一配准3D影像进行数字影像重建投影，得到第一配准重建影像，所述第一配准重建影像的数量与所述待配准2D影像的数量相同；
获取所述第一配准重建影像与所述待配准2D影像的相似性测度，作为第一相似度。
在其中的一些实施例中，所述获取所述第一配准3D影像与所述待配准2D影像的第一相似度之后还包括：
若所述第一相似度不符合第一预设阈值，则调节所述第一空间变换参数，并基于调节后的所述第一空间变换参数，重复进行空间变换，得到第一配准3D影像，并获取所述第一配准3D影像与所述待配准2D影像的第一相似度的步骤，直至所述第一相似度符合第一预设阈值。
在其中的一些实施例中，所述调节所述第一空间变换参数包括：
采用全局优化器调节所述第一空间变换参数。
在其中的一些实施例中，所述获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度之后还包括：
若所述第二相似度不符合第二预设阈值，则调节所述第二空间变换参数，并基于调节后的所述第二空间变换参数，重复进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度的步骤，直至所述第二相似度符合第二预设阈值。
在其中的一些实施例中，所述基于所述第二配准3D影像获取配准结果包括：
基于所述第二配准3D影像以及待配准3D影像获取每一骨骼的配准矩阵。
第二个方面，在本实施例中提供了一种医学导航系统，包括医学成像设备、处理器以及导航设备，其中：
所述医学成像设备用于获取待配准3D影像以及待配准2D影像；
所述处理器用于将所述待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取所述第一配准3D影像与所述待配准2D影像的第一相似度；
若所述第一相似度符合第一预设阈值，则基于所述第一配准3D影像获取每一骨骼的单骨骼3D影像，基于所述待配准2D影像获取每一骨骼的单骨骼2D影像；
将所述单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度；
若所述第二相似度符合第二预设阈值，则基于所述第二配准3D影像获取配准结果；
所述导航设备用于基于所述配准结果将手术器械导航至目标手术区域。
第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的多骨骼影像配准方法。
第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的多骨骼影像配准方法。
与相关技术相比，在本实施例中提供的多骨骼影像配准方法、电子装置以及医学导航系统，通过获取待配准3D影像以及待配准2D影像；将所述待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取所述第一配准3D影像与所述待配准2D影像的第一相似度；若所述第一相似度符合第一预设阈值，则基于所述第一配准3D影像获取每一骨骼的单骨骼3D影像，基于所述待配准2D影像获取每一骨骼的单骨骼2D影像；将所述单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度；若所述第二相似度符合第二预设阈值，则基于所述第二配准3D影像获取配准结果的方式，采用多骨骼整体刚性配准结合单个骨骼刚性配准的方法，提高了配准算法的精度和成功率。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本发明一实施例的多骨骼影像配准方法的终端的硬件结构框图；
图2是本发明一实施例的多骨骼影像配准方法的流程示意图；
图3为本发明另一实施例的多骨骼影像配准方法的流程示意图；
图4为本发明一实施例的医学导航系统的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。
除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的多骨骼影像配准方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的多骨骼影像配准方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
现有的2D-3D配准算法大多需要利用人工交互的方式对配准目标进行初始姿态评估，比如利用点配准的方式，或是根据手术场景人工设置待配准目标的初始姿态，或是人工利用键盘鼠标调整待配准目标初始姿态，进而将初始配准误差限定在一定范围内，但这种人工交互比较繁琐，改变了手术流程，并且配准成功率较低，限制了2D-3D配准算法的临床应用。
目前对2D-3D配准的研究多集中在对单个刚性物体的配准，比如单个股骨、单个盆骨等，由于由多块骨骼组成的关节部位整体为非刚体，关节姿态可以发生变化，骨骼间的相对位置也会随之变化，这大大增加了配准的难度。相关学者对多骨骼的配准进行了研究，直接对膝关节部位的股骨和胫骨进行单独配准，但是需要粗配准误差在±3°和±3像素，这对人工交互初始姿态估计提出了极为苛刻的要求，极大地限制了临床应用。在对多骨骼进行2D-3D配准时需要人工对X射线影像中的骨骼进行粗分割，配准结果容易受到人工分割结果的影响，算法稳定性不强。
在本实施例中提供了一种多骨骼影像配准方法，用于配准多骨骼的术前3D影像和术中2D影像，图2是本实施例的多骨骼影像配准方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取待配准3D影像以及待配准2D影像。
示例性地，待配准3D影像为手术前对患者的由多块骨骼组成的关节部位，包括但不限于髋关节、肘关节、膝关节、脊柱或者手指关节等部位拍摄的3D影像，具体地，可以为CT影像、MRI影像或其它医学3D影像，此处不做具体限定。待配准2D影像为手术中对患者相同的部位拍摄的2D影像，具体地，可以为X射线影像或其它医学2D影像，此处不做具体限定。可以理解的，由于这些关节处的骨骼会由于关节姿态的变化而发生相对运动，在术前拍摄3D影像和术中拍摄2D影像时，患者的关节运动会造成术前、术中拍摄影像时关节处骨骼间的相对位置不一致，因此需要进行配准。
步骤S202，将待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取第一配准3D影像与待配准2D影像的第一相似度。
由于关节部位由多块骨骼组成，而单个骨骼包含的信息量较少，直接对单个骨骼进行配准，会缩小配准算法对初始配准误差的限定范围，这会直接降低配准的成功率，此外图像中骨骼的信息量较少也会使得优化算法容易陷入局部极小值，会降低配准算法的精度。因此，在本实施例中，先对3D影像进行整体的空间变换，并在空间变换后得到与待配准2D影像的相似度，判断相似度是否符合预期的整体配准需求。可以理解的，用户可以根据实际应用中的配准精度需求设置整体配准需求，在整体配准时使进行整体空间变换后的3D影像与待配准2D影像的相似度达到预期的整体配准需求，以使最终的配准精度达到用户需求。示例性地，第一配准3D影像与待配准2D影像的相似度用于表征3D影像与2D影像呈现的骨骼位置与姿态的匹配程度。在本实施例中，空间变换可以为旋转、平移等变换，在其它实施例中，可以根据用户需求选择其他空间变换方式，此处不做具体限定。
步骤S203，若第一相似度符合第一预设阈值，则基于第一配准3D影像获取每一骨骼的单骨骼3D影像，基于待配准2D影像获取每一骨骼的单骨骼2D影像。
对多骨骼整体进行了刚性配准后，多骨骼整体配准误差大幅减小，但由于关节整体为非刚性，关节中的单个骨骼的配准精度有待提升，因此，还需要对单个骨骼分别进行配准。可以理解的，若第一相似度符合第一预设阈值，说明3D影像与2D影像呈现的骨骼的位置与姿态基本匹配，整体配准结果符合预期的整体配准需求，可以进行后续配准，此时，将整体的多骨骼3D影像以及2D影像进行自动分割，得到每个骨骼对应的3D影像以及2D影像，即单骨骼3D影像以及单骨骼2D影像，以进行后续的单个骨骼配准。示例性地，多骨骼影像的自动分割可以通过深度学习、机器视觉等图像处理技术实现，此处不作具体限定，只需能够将多骨骼影像自动分割为单个骨骼影像即可。
步骤S204，将单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取第二配准3D影像与对应的单骨骼2D影像的第二相似度。
在本实施例中，对每个骨骼的3D影像进行空间变换，并在空间变换后得到与对应的单个骨骼的2D影像的相似度，判断相似度是否符合预期的单个骨骼配准需求。可以理解的，用户可以根据实际应用中的配准精度需求设置单个骨骼配准需求，在单个骨骼配准时使进行空间变换后的每个骨骼的单骨骼3D影像与单骨骼2D影像的相似度达到预期的单个骨骼配准需求，以使最终的配准精度达到用户需求。示例性地，每个骨骼的单骨骼3D影像与单骨骼2D影像的相似度用于表征3D影像与2D影像呈现的骨骼的位置与姿态的匹配程度。在本实施例中，空间变换可以为旋转、平移等变换，在其它实施例中，可以根据用户需求选择其他空间变换方式，此处不做具体限定。
S205，若第二相似度符合第二预设阈值，则基于第二配准3D影像获取配准结果。
可以理解的，若第二相似度符合第二预设阈值，说明3D影像与2D影像呈现的骨骼的位置与姿态基本匹配，每个骨骼的配准结果符合预期的单个骨骼配准需求，即达到了预期的配准精度，此时，第二配准3D影像即为经过配准后的影像，可以直接将第二配准3D影像作为配准结果，也可以将第二配准3D影像相对于待配准3D影像的变换情况作为配准结果。
可以理解的，相似度的预设阈值可以根据实际需求进行确定，满足行业金标准，具体的，可以根据配准部位进行确定。
上述多骨骼影像配准方法，通过获取待配准3D影像以及待配准2D影像；将待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取第一配准3D影像与待配准2D影像的第一相似度；若第一相似度符合第一预设阈值，则基于第一配准3D影像获取每一骨骼的单骨骼3D影像，基于待配准2D影像获取每一骨骼的单骨骼2D影像；将单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取第二配准3D影像与对应的单骨骼2D影像的第二相似度；若第二相似度符合第二预设阈值，则基于第二配准3D影像获取配准结果的方式，采用多骨骼整体刚性配准结合单个骨骼刚性配准的方法，提高了配准算法的精度和成功率。另外，上述多骨骼影像配准方法无需人工交互，能够全自动完成影像配准，节约了人力成本。
在另一个实施例中，获取待配准3D影像包括如下步骤：
步骤1，获取术前初始3D影像；
步骤2，基于第一姿态搜索参数对术前初始3D影像进行姿态搜索，得到第一姿态搜索3D影像，并获取第一姿态搜索3D影像与待配准2D影像的第一姿态相似度；
步骤3，若第一姿态相似度符合第三预设阈值，则基于第二姿态搜索参数对第一姿态搜索3D影像进行姿态搜索，得到第二姿态搜索3D影像，并获取第二姿态搜索3D影像与待配准2D影像的第二姿态相似度；
步骤4，若第二姿态相似度符合第四预设阈值，则基于初始3D影像、第一姿态搜索参数以及第二姿态搜索参数获取待配准3D影像。
示例性地，由于2D-3D配准算法需要将初始配准误差限制在一定的范围内，以保证后续配准的精度，所以需要对3D影像中的待配准的关节部位进行初始姿态估计，以满足配准算法的要求。
可以理解的，姿态搜索的目的为搜索得到和待配准3D影像相似度高的影像，在本实施例中，采用降采样、旋转以及平移的方式进行姿态搜索，在其他实施例中，可以根据实际需求采用其他方式进行姿态搜索，此处不作具体限定。
示例性地，第一空间参数可以包括第一降采样倍数、第一设定距离以及第一设定角度，第二空间参数可以包括第二降采样倍数、第二设定距离以及第二设定角度，具体数值可以根据实际需求进行设定。
具体地，采用多分辨率多级搜索的方式对3D影像中关节部位的初始姿态进行估计，首先进行第一级姿态搜索，对3D影像进行8倍降采样，并在三维空间内对3D影像围绕X、Y、Z三个坐标轴每隔10°进行旋转、沿X、Y、Z三个坐标轴每隔20mm进行平移，然后进行相似度计算，若相似度不满足预设停止条件，则重复迭代上述过程，直至相似度满足预设停止条件时，停止迭代并保留空间变换参数；然后进行第二级姿态搜索，对3D影像进行4倍降采样，将旋转间隔设置为5度，平移间隔设置为10mm，然后进行相似度计算，若相似度不满足预设停止条件，则重复迭代上述过程，直至相似度满足预设停止条件时，停止迭代并保留空间变换参数。基于两级姿态搜索的空间变换参数确定关节部位的初始姿态。
可以理解的，在其它实施例中，降采样倍数、旋转角度、平移距离、姿态搜索级数以及相似度的预设阈值可以根据实际需求进行设置，不作具体限定，只需能够通过多分辨率多级搜索的方式对关节部位的初始姿态进行估计即可。
上述实施例，采用多分辨率多级搜索的方式对关节部位的初始姿态进行估计，避免初始配准误差过大影响后续配准过程，配准精度更高。
在另一个实施例中，获取第一配准3D影像与待配准2D影像的第一相似度包括如下步骤：
步骤1，将第一配准3D影像进行数字影像重建投影，得到第一配准重建影像，第一配准重建影像的数量与待配准2D影像的数量相同；
步骤2，获取第一配准重建影像与待配准2D影像的相似性测度，作为第一相似度。
可以理解的，在计算3D影像与2D影像的相似度时，需要先将3D影像转换为2D影像，再进行相似度的计算。在本实施例中，采用DRR(Digitally Reconstructed Radiograph，数字重建放射影像)投影的方式将3D影像投影为2D影像，并且投影得到的2D影像的数量与待配准2D影像的数量相同，获取投影的2D影像与待配准2D影像的相似性测度，作为第一相似度。在其它实施例中，可以采用其他方式将3D影像转换为2D影像，此处不作具体限定。
具体地，将3D影像投影重建得到2D影像后，可以根据实际需求采用如下任一相似性测度算法对3D影像和2D影像的相似度进行计算：
1、互信息(MI，Mutual Information)
互信息用来表示两个系统间的统计相关性，或者是一个系统中所包含的另一个系统中信息的多少。两幅图像间的互信息可以用下式来描述：
Figure BDA0003190169640000101
其中，p(x)、p(y)分别表示待配准的两幅图像的边缘概率分布，p(x,y)表示待配准的两幅图像的联合概率分布。
2、模式强度(PI，Pattern Intensity)
模式强度基于待配准图像间的差值图像进行计算，这里我们把待配准的目标称作“模式”。将两幅图像相减得到Idif，当达到配准状态时，Idif中待配准的模式会消失，模式的强度会减到最小。两幅图像间的模式强度可用下式来描述：
Figure BDA0003190169640000102
d2＝(i-v)2+(j-w)2
其中，Idif表示待配准的两幅图像相减后的图像，r表示每个像素的模式强度有效计算区域半径；i、j、v、w表示图像中的像素坐标；Pr,σ表示最终的模式强度值，Idif(i，j)表示两幅待配准图像的相减图像中具体某个坐标的像素值，Idif(v,w)表示两幅待配准图像的相减图像中某个像素坐标邻域内的坐标的像素值，d表示直径，d2表示以d为直径的圆形有效区域，常数σ是函数的权重，用来消除噪声的干扰。
3、梯度差值(GD，Gradient Difference)
这种相似性测度计算方法也是基于差值图像实现的，但是这个差值图像是由梯度图像得到的。具体的，用水平和垂直索贝尔(Sobel)算子对两幅图像进行处理，生成四幅梯度图像，分别表示两幅配准图像在两个正交坐标轴方向上的变化率。两幅图像间的梯度差值测度可用下式来描述：
Figure BDA0003190169640000103
Figure BDA0003190169640000104
其中，dIfl/di表示待配准的2D图像在水平方向的梯度图像，dIDRR/di表示DRR图像在水平方向的梯度图像，IdiffV表示待配准2D图像的梯度图像与DRR图像的梯度图像相减的图像，s、Av、Ah表示函数权重；G(s)表示最终的梯度差值，IdiffV(i，j)表示两幅待配准图像的水平梯度图像的相减图像在坐标(i，j)处的像素值，IdiffH(i，j)表示两幅待配准图像的竖直梯度图像的相减图像在坐标(i，j)处的像素值。
上述相似性测度计算方法可以应用在本发明任一实施例的相似性测度计算步骤中。可以理解的，在其它实施例中，可以根据用户需求采用其他计算方法对相似性测度进行计算，此处不作具体限定。
上述实施例，采用DRR(Digitally Reconstructed Radiograph，数字重建放射影像)投影的方式将3D影像投影为数量与待配准2D影像相同的2D影像，并进行相似性测度的计算，使相似度的获取更加准确。
在另一个实施例中，获取第一配准3D影像与待配准2D影像的第一相似度之后还包括如下步骤：
若第一相似度不符合第一预设阈值，则调节第一空间变换参数，并基于调节后的第一空间变换参数，重复进行空间变换，得到第一配准3D影像，并获取第一配准3D影像与所述待配准2D影像的第一相似度的步骤，直至第一相似度符合第一预设阈值。
可以理解的，若第一相似度不符合第一预设阈值，说明3D影像与2D影像呈现的骨骼的位置与姿态不匹配，整体配准结果不符合预期的整体配准需求，无法进行后续配准，因此需要调节第一空间变换参数，进行迭代重复，直至第一相似度符合第一预设阈值再进行后续配准。
上述实施例通过调节第一空间变换参数以进行迭代重复的方式，使第一相似度逐渐逼近第一预设阈值，并在第一相似度符合第一预设阈值后再进行后续配准，配准精度更高。
在另一个实施例中，调节第一空间变换参数包括如下步骤：
采用全局优化器调节第一空间变换参数。
优化问题，比如资源如何分配效益最高、拟合问题、最小最大值问题等等。优化问题一般分为局部优化和全局优化，局部优化，就是在函数值空间的一个有限区域内寻找最小值；而全局优化，是在函数值空间整个区域寻找最小值问题。函数局部最小点，即函数值小于或等于附近点的值，但是有可能大于较远距离的点的值的函数点；全局最小点，即函数值小于或等于所有的可行点的函数点。
可以理解的，当第一相似度不符合第一预设阈值，采用全局优化的方式对第一空间变换参数进行调节，可以更快更准确的找到能够使第一相似度符合第一预设阈值的空间参数，效率更高。
在其它实施例中，可以采用其他优化方式对第一空间变换参数进行调节，此处不作具体限定。
在另一个实施例中，获取第二配准3D影像与对应的单骨骼2D影像的第二相似度之后还包括如下步骤：
若第二相似度不符合第二预设阈值，则调节第二空间变换参数，并基于调节后的第二空间变换参数，重复进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度的步骤，直至第二相似度符合第二预设阈值。
可以理解的，若第二相似度不符合第二预设阈值，说明单个骨骼的3D影像与2D影像呈现的骨骼的位置与姿态不匹配，单个骨骼的配准结果不符合预期的配准需求，无法达到预期的配准精度，因此需要调节第二空间变换参数，进行迭代重复，直至第二相似度符合第二预设阈值再进行后续配准。
可以理解的，对第二空间变换参数的调节，可以采用全局优化或其它优化方式，此处不作具体限定。
上述实施例通过调节第二空间变换参数以进行迭代重复的方式，使第二相似度逐渐逼近第二预设阈值，并在第二相似度符合第二预设阈值后再进行后续操作，配准精度更高。
在另一个实施例中，基于第二配准3D影像获取配准结果包括：
基于第二配准3D影像以及待配准3D影像获取每一骨骼的配准矩阵。
可以理解的，获取每一骨骼的第二配准3D影像相对于待配准3D影像的变换情况，即可得到每一骨骼的配准矩阵，作为配准结果，以将术前3D影像中的手术计划映射到术中手术空间中去。
上述实施例，获取每一骨骼的配准矩阵作为配准结果，能够完整体现每一骨骼的变换情况，配准精度更高，效果更好。
请参阅图3，图3为本发明另一实施例的多骨骼影像配准方法的流程示意图。
在本实施例中，先采用多分辨率多级搜索的方式对多骨骼的初始姿态进行估计，再对多骨骼整体的3D影像进行投影重建，得到DRR影像，与多张X射线图像组成的2D影像进行相似度的比对，以进行多骨骼整体刚性配准；完成整体刚性配准后，对多骨骼整体的3D影像进行自动骨骼分割，得到每一骨骼的3D影像，并对每一骨骼的3D影像进行投影重建，得到每一骨骼的DRR影像，与每一骨骼的2D影像进行相似度的比对，实现对每一骨骼的刚性配准，以得到每一骨骼的配准结果。
在另一个实施例中，采用上述骨骼影像配准方法对盆骨和股骨进行配准，且采用梯度差值作为相似度时，第一预设阈值可设置为0.5，第二预设阈值可设置为0.88，第三预设阈值可设置为0.2，第四预设阈值可设置为0.35。在其他实施例中，由于配准的部位不同以及选用的相似度函数不同，对应的预设阈值也不相同，示例性地，第一预设阈值的范围可以为0.4～0.8，第二预设阈值的范围可以为0.7～1.0，第三预设阈值的范围可以为0.2～0.4，第四预设阈值的范围可以为0.3～0.5。可以理解的，上述预设阈值的范围仅为示例，当配准的部位以及相似度函数变化时，用户可以根据实际情况设置相应的预设阈值。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
请参阅图4，图4为本发明一实施例的医学导航系统的结构框图。
在本实施例中，医学导航系统包括医学成像设备10、处理器20以及导航设备30，其中：
医学成像设备10用于获取待配准3D影像以及待配准2D影像。
医学成像设备10还用于：
获取术前初始3D影像；
基于第一姿态搜索参数对术前初始3D影像进行姿态搜索，得到第一姿态搜索3D影像，并获取第一姿态搜索3D影像与待配准2D影像的第一姿态相似度；
若第一姿态相似度符合第三预设阈值，则基于第二姿态搜索参数对第一姿态搜索3D影像进行姿态搜索，得到第二姿态搜索3D影像，并获取第二姿态搜索3D影像与待配准2D影像的第二姿态相似度；
若第二姿态相似度符合第四预设阈值，则基于初始3D影像、第一姿态搜索参数以及第二姿态搜索参数获取待配准3D影像。
处理器20用于将待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取第一配准3D影像与待配准2D影像的第一相似度；
若第一相似度符合第一预设阈值，则基于第一配准3D影像获取每一骨骼的单骨骼3D影像，基于待配准2D影像获取每一骨骼的单骨骼2D影像；
将单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取第二配准3D影像与对应的单骨骼2D影像的第二相似度；
若第二相似度符合第二预设阈值，则基于第二配准3D影像获取配准结果。
处理器20还用于：
将第一配准3D影像进行数字影像重建投影，得到第一配准重建影像，第一配准重建影像的数量与待配准2D影像的数量相同；
获取第一配准重建影像与待配准2D影像的相似性测度，作为第一相似度。
处理器20还用于：
若第一相似度不符合第一预设阈值，则调节第一空间变换参数，并基于调节后的第一空间变换参数，重复空进行空间变换，得到第一配准3D影像，并获取第一配准3D影像与所述待配准2D影像的第一相似度的步骤，直至第一相似度符合第一预设阈值。
处理器20还用于：
采用全局优化器调节第一空间变换参数。
处理器20还用于：
若第二相似度不符合第二预设阈值，则调节第二空间变换参数，并基于调节后的第二空间变换参数，重复进行空间变换，得到每一骨骼的第二配准3D影像，并获取第二配准3D影像与对应的单骨骼2D影像的第二相似度的步骤，直至第二相似度符合第二预设阈值。
处理器20还用于：
基于第二配准3D影像以及待配准3D影像获取每一骨骼的配准矩阵。
导航设备30用于基于配准结果将手术器械导航至目标手术区域。
可以理解的，医学成像设备10可以为CT成像设备、MR成像设备或其它医学图像的成像设备，可以由用户根据实际需求进行选取，此处不作具体限定。
在本实施例中，导航设备30可以为NDI导航系统或其它手术中的导航系统。
在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取待配准3D影像以及待配准2D影像；
S2，将待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取第一配准3D影像与待配准2D影像的第一相似度；
S3，若第一相似度符合第一预设阈值，则基于第一配准3D影像获取每一骨骼的单骨骼3D影像，基于待配准2D影像获取每一骨骼的单骨骼2D影像；
S4，将单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取第二配准3D影像与对应的单骨骼2D影像的第二相似度；
S5，若第二相似度符合第二预设阈值，则基于第二配准3D影像获取配准结果。
需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。
此外，结合上述实施例中提供的多骨骼影像配准方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种多骨骼影像配准方法。
应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。
显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种多骨骼影像配准方法，用于配准多骨骼的术前3D影像和术中2D影像，其特征在于，包括：
获取待配准3D影像以及待配准2D影像；
将所述待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取所述第一配准3D影像与所述待配准2D影像的第一相似度；
若所述第一相似度符合第一预设阈值，则基于所述第一配准3D影像获取每一骨骼的单骨骼3D影像，基于所述待配准2D影像获取每一骨骼的单骨骼2D影像；
将所述单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度；
若所述第二相似度符合第二预设阈值，则基于所述第二配准3D影像获取配准结果。
2.根据权利要求1所述的多骨骼影像配准方法，其特征在于，所述获取待配准3D影像包括：
获取术前初始3D影像；
基于第一姿态搜索参数对所述术前初始3D影像进行姿态搜索，得到第一姿态搜索3D影像，并获取所述第一姿态搜索3D影像与所述待配准2D影像的第一姿态相似度；
若所述第一姿态相似度符合第三预设阈值，则基于第二姿态搜索参数对所述第一姿态搜索3D影像进行姿态搜索，得到第二姿态搜索3D影像，并获取所述第二姿态搜索3D影像与所述待配准2D影像的第二姿态相似度；
若所述第二姿态相似度符合第四预设阈值，则基于所述初始3D影像、第一姿态搜索参数以及第二姿态搜索参数获取待配准3D影像。
3.根据权利要求1所述的多骨骼影像配准方法，其特征在于，所述获取所述第一配准3D影像与所述待配准2D影像的第一相似度包括：
将所述第一配准3D影像进行数字影像重建投影，得到第一配准重建影像，所述第一配准重建影像的数量与所述待配准2D影像的数量相同；
获取所述第一配准重建影像与所述待配准2D影像的相似性测度，作为第一相似度。
4.根据权利要求1所述的多骨骼影像配准方法，其特征在于，所述获取所述第一配准3D影像与所述待配准2D影像的第一相似度之后还包括：
若所述第一相似度不符合第一预设阈值，则调节所述第一空间变换参数，并基于调节后的所述第一空间变换参数，重复进行空间变换，得到第一配准3D影像，并获取所述第一配准3D影像与所述待配准2D影像的第一相似度的步骤，直至所述第一相似度符合第一预设阈值。
5.根据权利要求4所述的多骨骼影像配准方法，其特征在于，所述调节所述第一空间变换参数包括：
采用全局优化器调节所述第一空间变换参数。
6.根据权利要求1所述的多骨骼影像配准方法，其特征在于，所述获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度之后还包括：
若所述第二相似度不符合第二预设阈值，则调节所述第二空间变换参数，并基于调节后的所述第二空间变换参数，重复进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度的步骤，直至所述第二相似度符合第二预设阈值。
7.根据权利要求1所述的多骨骼影像配准方法，其特征在于，所述基于所述第二配准3D影像获取配准结果包括：
基于所述第二配准3D影像以及待配准3D影像获取每一骨骼的配准矩阵。
8.一种医学导航系统，其特征在于，包括医学成像设备、处理器以及导航设备，其中：
所述医学成像设备用于获取待配准3D影像以及待配准2D影像；
所述处理器用于将所述待配准3D影像基于第一空间变换参数进行空间变换，得到第一配准3D影像，并获取所述第一配准3D影像与所述待配准2D影像的第一相似度；
若所述第一相似度符合第一预设阈值，则基于所述第一配准3D影像获取每一骨骼的单骨骼3D影像，基于所述待配准2D影像获取每一骨骼的单骨骼2D影像；
将所述单骨骼3D影像基于第二空间变换参数进行空间变换，得到每一骨骼的第二配准3D影像，并获取所述第二配准3D影像与对应的单骨骼2D影像的第二相似度；
若所述第二相似度符合第二预设阈值，则基于所述第二配准3D影像获取配准结果；
所述导航设备用于基于所述配准结果将手术器械导航至目标手术区域。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的多骨骼影像配准方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的多骨骼影像配准方法的步骤。
CN202110875674.6A 2021-07-30 2021-07-30 多骨骼影像配准方法、电子装置以及医学导航系统 Active CN113570648B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110875674.6A CN113570648B (zh) 2021-07-30 2021-07-30 多骨骼影像配准方法、电子装置以及医学导航系统
EP22848626.2A EP4365838A4 (en) 2021-07-30 2022-07-28 REGISTRATION PROCEDURE AND SYSTEM
PCT/CN2022/108552 WO2023006021A1 (zh) 2021-07-30 2022-07-28 一种配准方法和系统
US18/427,758 US20240221190A1 (en) 2021-07-30 2024-01-30 Methods and systems for registration

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110875674.6A CN113570648B (zh) 2021-07-30 2021-07-30 多骨骼影像配准方法、电子装置以及医学导航系统

Publications (2)

Publication Number Publication Date
CN113570648A true CN113570648A (zh) 2021-10-29
CN113570648B CN113570648B (zh) 2023-09-26

Family

ID=78169679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110875674.6A Active CN113570648B (zh) 2021-07-30 2021-07-30 多骨骼影像配准方法、电子装置以及医学导航系统

Country Status (1)

Country Link
CN (1) CN113570648B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023006021A1 (zh) * 2021-07-30 2023-02-02 武汉联影智融医疗科技有限公司 一种配准方法和系统
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 (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002630A1 (en) * 2004-06-30 2006-01-05 Accuray, Inc. Fiducial-less tracking with non-rigid image registration
EP2189942A2 (en) * 2008-11-25 2010-05-26 Algotec Systems Ltd. Method and system for registering a medical image
WO2012028053A1 (zh) * 2010-08-31 2012-03-08 微创医疗器械(上海)有限公司 一种图像配准方法
CN103793904A (zh) * 2012-10-29 2014-05-14 深圳先进技术研究院 图像配准装置及其图像配准的方法
CN103810709A (zh) * 2014-02-25 2014-05-21 南京理工大学 基于血管的眼底图像与sd-oct投影图像配准方法
US20140334709A1 (en) * 2013-05-07 2014-11-13 The Johns Hopkins University 3d-2d image registration for medical imaging
WO2018120550A1 (zh) * 2016-12-26 2018-07-05 上海联影医疗科技有限公司 医学图像数据处理系统及方法
CN110443839A (zh) * 2019-07-22 2019-11-12 艾瑞迈迪科技石家庄有限公司 一种骨骼模型空间配准方法及装置
US20200134845A1 (en) * 2018-10-30 2020-04-30 Beijing Boe Optoelectronics Technology Co., Ltd. Image registration method, image registration device and storage medium
CN111127527A (zh) * 2019-12-06 2020-05-08 广州柏视医疗科技有限公司 基于ct影像骨骼配准实现肺结节自适应匹配的方法与装置
AU2020101836A4 (en) * 2020-08-14 2020-09-24 Xi'an university of posts and telecommunications A method for generating femoral x-ray films based on deep learning and digital reconstruction of radiological image
CN112184782A (zh) * 2020-09-21 2021-01-05 上海交通大学 一种骨关节的自动配准定位方法及装置
CN112509022A (zh) * 2020-12-17 2021-03-16 安徽埃克索医疗机器人有限公司 一种术前三维影像与术中透视图像的无标定物配准方法
KR20210030541A (ko) * 2019-09-09 2021-03-18 하이윈 테크놀로지스 코포레이션 의료 영상 등록 방법

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002630A1 (en) * 2004-06-30 2006-01-05 Accuray, Inc. Fiducial-less tracking with non-rigid image registration
EP2189942A2 (en) * 2008-11-25 2010-05-26 Algotec Systems Ltd. Method and system for registering a medical image
WO2012028053A1 (zh) * 2010-08-31 2012-03-08 微创医疗器械(上海)有限公司 一种图像配准方法
CN103793904A (zh) * 2012-10-29 2014-05-14 深圳先进技术研究院 图像配准装置及其图像配准的方法
US20140334709A1 (en) * 2013-05-07 2014-11-13 The Johns Hopkins University 3d-2d image registration for medical imaging
CN103810709A (zh) * 2014-02-25 2014-05-21 南京理工大学 基于血管的眼底图像与sd-oct投影图像配准方法
WO2018120550A1 (zh) * 2016-12-26 2018-07-05 上海联影医疗科技有限公司 医学图像数据处理系统及方法
US20200134845A1 (en) * 2018-10-30 2020-04-30 Beijing Boe Optoelectronics Technology Co., Ltd. Image registration method, image registration device and storage medium
CN110443839A (zh) * 2019-07-22 2019-11-12 艾瑞迈迪科技石家庄有限公司 一种骨骼模型空间配准方法及装置
KR20210030541A (ko) * 2019-09-09 2021-03-18 하이윈 테크놀로지스 코포레이션 의료 영상 등록 방법
CN111127527A (zh) * 2019-12-06 2020-05-08 广州柏视医疗科技有限公司 基于ct影像骨骼配准实现肺结节自适应匹配的方法与装置
AU2020101836A4 (en) * 2020-08-14 2020-09-24 Xi'an university of posts and telecommunications A method for generating femoral x-ray films based on deep learning and digital reconstruction of radiological image
CN112184782A (zh) * 2020-09-21 2021-01-05 上海交通大学 一种骨关节的自动配准定位方法及装置
CN112509022A (zh) * 2020-12-17 2021-03-16 安徽埃克索医疗机器人有限公司 一种术前三维影像与术中透视图像的无标定物配准方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨鹏等: "基于多模态图像配准技术构建半骨盆全髋关节有限元模型", 《中医正骨》, vol. 29, no. 05 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023006021A1 (zh) * 2021-07-30 2023-02-02 武汉联影智融医疗科技有限公司 一种配准方法和系统
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
CN113570648B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
Markelj et al. Robust gradient-based 3-D/2-D registration of CT and MR to X-ray images
US6782287B2 (en) Method and apparatus for tracking a medical instrument based on image registration
US20170243361A1 (en) 2D/3D Registration
US20180333112A1 (en) System for tracking an ultrasonic probe in a body part
EP2981943B1 (en) Method and device for determining the orientation of a co-ordinate system of an anatomical object in a global co-ordinate system
WO2016116946A2 (en) A system and method for obtaining 3-dimensional images using conventional 2-dimensional x-ray images
Han et al. Atlas-based automatic planning and 3D–2D fluoroscopic guidance in pelvic trauma surgery
Ketcha et al. Multi-stage 3D–2D registration for correction of anatomical deformation in image-guided spine surgery
CN113570648B (zh) 多骨骼影像配准方法、电子装置以及医学导航系统
CN105765626A (zh) 医学图像的配准
Penney et al. A stochastic iterative closest point algorithm (stochastICP)
TWI836493B (zh) 註冊二維影像資料組與感興趣部位的三維影像資料組的方法及導航系統
US10445904B2 (en) Method and device for the automatic generation of synthetic projections
US20240221190A1 (en) Methods and systems for registration
Muhit et al. Image-assisted non-invasive and dynamic biomechanical analysis of human joints
WO2019180746A1 (en) A method for obtaining 3-d deformity correction for bones
CN115526919A (zh) 图像配准方法及相关装置
Gu et al. Extended capture range of rigid 2d/3d registration by estimating riemannian pose gradients
Zheng Statistically deformable 2D/3D registration for estimating post-operative cup orientation from a single standard AP X-ray radiograph
Zheng et al. Statistical shape and deformation models based 2D–3D reconstruction
Xie et al. Statistical model-based segmentation of the proximal femur in digital antero-posterior (AP) pelvic radiographs
Cai et al. A level-wise spine registration framework to account for large pose changes
Kim et al. Fiducial-based registration with a touchable region model
Mutsvangwa et al. Interactive patient-specific 3D approximation of scapula bone shape from 2D X-ray images using landmark-constrained statistical shape model fitting
CN114565646A (zh) 一种图像配准方法、设备、电子设备及可读存储介质

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