CN113648060A - 超声引导的软组织形变跟踪方法、装置、存储介质及系统 - Google Patents
超声引导的软组织形变跟踪方法、装置、存储介质及系统 Download PDFInfo
- Publication number
- CN113648060A CN113648060A CN202110528983.6A CN202110528983A CN113648060A CN 113648060 A CN113648060 A CN 113648060A CN 202110528983 A CN202110528983 A CN 202110528983A CN 113648060 A CN113648060 A CN 113648060A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- ultrasonic
- soft tissue
- image
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 210000004872 soft tissue Anatomy 0.000 title claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 239000000523 sample Substances 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000002604 ultrasonography Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 238000011176 pooling Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 210000001519 tissue Anatomy 0.000 description 8
- 238000005070 sampling Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000004660 morphological change Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000007822 coupling agent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 239000003302 ferromagnetic material Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
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
- 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
- A61B2034/2063—Acoustic tracking systems, e.g. using ultrasound
Abstract
本发明涉及一种超声引导的软组织形变跟踪方法、装置、存储介质及系统，其中方法包括：步骤S1：求得超声坐标系到探头坐标系之间的转换矩阵；步骤S2：求得配准矩阵；步骤S3：获得光学导航设备输出的超声坐标系在世界坐标系下的位姿矩阵，以及参考架坐标系在世界坐标系下的位姿矩阵；步骤S4：得到超声坐标系在图像坐标系下的位姿矩阵：步骤S5：对超声图像进行滤波去噪；步骤S6：对滤波过后的超声影像采用改进的端到端深度神经网络进行分割；步骤S7：对分割超声序列切片进行三维重建；步骤S8：重复步骤S5～步骤S7实现软组织形变跟踪。与现有技术相比，本发明具有分割效率更高等优点。
Description
技术领域
本发明涉及图形处理领域，尤其是涉及一种超声引导的软组织形变跟踪方法、装置、存储介质及系统。
背景技术
目前手术导航系统的应用对象多为人体硬组织，或者针对软组织但忽略术中软组织的形变。然而，部分手术部位例如头颈外科往往毗邻重要的血管、神经等软组织，术中软组织的形变不可避免且难以预测，将导致术前规划的路径无效，极大程度地限制了现有导航系统的手术效果及临床普及程度。目前采用电磁定位跟踪技术来对深入组织内部的手术器械进行跟踪的方式较为普及，但受限于电磁导航系统本身定位精度较低，易受外部铁磁材料干扰的缺点，其临床应用场景依旧受限。
术中超声是一种无辐射的术中成像方式，对肌肉和软组织显像良好、对于显示固体和液体腔隙之间的界面效果特别明显，且具有无损性、实时性和便携性的优点，因此愈加广泛地应用于手术导航系统。通过实时超声影像与术前CT/MRI影像的多模态非刚性配准，提供术中软组织的形态变化情况，有望解决传统手术导航系统软组织形变与跟踪的难题。
虽然一些现有技术在手术导航系统中集成了软组织实时分割的功能，但是分割效率不高，实时性差。
发明内容
本发明的目的就是为了提供一种超声引导的软组织形变跟踪方法、装置、存储介质及系统，通过超声坐标系在图像坐标系下的位姿矩阵，并采用基于深度神经网络实现超声影像的分割，以及软组织的动态变化，精度、鲁棒性、实时性更优。
本发明的目的可以通过以下技术方案来实现：
一种超声引导的软组织形变跟踪方法，包括：
步骤S1：进行超声影像的标定，求得超声坐标系USound到探头坐标系Probe 之间的转换矩阵
步骤S2：进行图像坐标系Image和参考架坐标系Patient之间的配准，求得配准矩阵
步骤S3：获得光学导航设备输出的超声坐标系在世界坐标系下的位姿矩阵
以及参考架坐标系在世界坐标系下的位姿矩阵
步骤S4：得到超声坐标系在图像坐标系下的位姿矩阵：
其中：(·)-1为逆矩阵；
步骤S5：根据超声坐标系在图像坐标系下的位姿矩阵，将超声波信号转换为超声图像，并对超声图像进行滤波去噪；
步骤S6：对滤波过后的超声影像采用改进的端到端深度神经网络进行分割；
步骤S7：对分割超声序列切片进行三维重建；
步骤S8：重复步骤S5～步骤S7实现软组织形变跟踪。
所述步骤S1具体包括：
步骤S11：通过超声探头扫描标准标定板，获取标定过程中的超声影像；
步骤S12：获取标定板坐标系下的两个点和世界坐标系下对应坐标；
步骤S13：利用最小二乘法可以求得超声坐标系到探头坐标系之间的转换矩阵
所述步骤S2具体包括：
步骤S21：在图像坐标系下选取关键的标志点集合；
步骤S22：在参考架坐标系下选取对应的标志点；
步骤S23：设定目标函数：
∑‖Pi-(RQi+T)‖2→min
其中：Qi为图像坐标系下的标志点，Pi为参考架坐标系下对应于Qi的标志点， R为配准矩阵旋转分量，T为配准矩阵平移分量；
步骤S24：采用基于奇异值分解的方法即可解得配准矩阵
所述步骤S5的滤波过程具体为：在空间上采用中值滤波，在频域上采用指数滤波。
所述端到端深度神经网络包括用于实现下采样和编码器和用于实现上采样的解码器。
所述方法还包括：
步骤S9：在对滤波过后的超声影像分割好后，计算分割精度：
其中：Dice为分割精度，Spred为网络的预测结果，Smask为手动分割的专家样本金标准结果。
所述编码器由四个子模块组成，每个子模块包含两个卷积层和一个最大池化层，其中，卷积层的核大小为3，最大池化层的核大小为2。
一种超声引导的软组织形变跟踪装置，包括处理器、存储器，以及程序，其特征在于，所述处理器执行所述程序时实现如上述的方法。
一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现上述的方法。
一种手术导航系统，包括如上述的装置。
与现有技术相比，本发明具有以下有益效果：
1、通过超声坐标系在图像坐标系下的位姿矩阵，并采用基于深度神经网络实现超声影像的分割，以及软组织的动态变化，精度、鲁棒性、实时性更优。
2、基于光学定位跟踪器实现患者、超声探头、手术器械的跟踪，精度更高。
3、所有步骤均由控制软件进行控制，更加便捷。
4、采用超声术中成像方式，术中无辐射，对病人更加友好。
附图说明
图1为本发明实施例中实现系统的流程示意图；
图2为超声引导的软组织形变手术导航系统坐标系转换关系图；
图3为超声引导的软组织形变手术导航系统组成示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
为实现手术区域软硬组织的三维重建可视化，需进行硬组织多目标三维重建以及软组织实时分割重建。对于硬组织多目标三维重建，首先利用术前获取的CT和 MRI影像，基于模糊信息智能优化算法实现多模影像配准，以图像灰度统计信息为依据，以最大互信息作为目标函数，最终求解实现CT与MRI影像的多模态配准融合。基于构建的硬组织分割结果专家样本数据库，训练深度卷积神经网络，实现硬组织的多目标精准分割。最后基于网格细化、纹理映射等技术实现硬组织的高质量、高精度三维可视化。
除此之外，本申请提供一种超声引导的软组织形变跟踪方法，以计算机程序的形式由计算机系统实现，如图1所示，包括：
步骤S1：进行超声影像的标定，求得超声坐标系USound到探头坐标系Probe 之间的转换矩阵
步骤S1具体包括：
步骤S11：通过超声探头扫描标准标定板，获取标定过程中的超声影像；
步骤S12：获取标定板坐标系下的两个点和世界坐标系下对应坐标，可建立以下集合关系：
其中：AP和BP为标定板坐标系下的点A和点B的坐标，CX和CY为对应点
步骤S13：利用最小二乘法可以求得超声坐标系到探头坐标系之间的转换矩阵
步骤S1涉及到四个坐标系，标定板坐标系、世界坐标系、超声坐标系、探头坐标系，步骤S1的目的是为了获取超声坐标系到探头坐标系的转换关系。关联如下：标定板坐标系和探头坐标系到世界坐标系的转换关系通过光学定位跟踪器获得。
步骤S2：进行图像坐标系Image和参考架坐标系Patient之间的配准，求得配准矩阵
具体包括：
步骤S21：在图像坐标系下选取关键的标志点集合Q＝{Qi,i＝0,1,2,…n}；
步骤S22：在参考架坐标系下选取对应的标志点P＝{Pi,i＝0,1,2,…n}；
步骤S23：设定目标函数：
其中：Qi为图像坐标系下的标志点，Pi为参考架坐标系下对应于Qi的标志点， R为配准矩阵旋转分量，T为配准矩阵平移分量；
步骤S24：采用基于奇异值分解(SVD)的方法即可解得配准矩阵
步骤S3：获得光学导航设备输出的超声坐标系在世界坐标系下的位姿矩阵
以及参考架坐标系在世界坐标系下的位姿矩阵
步骤S4：至此，图2中的矩阵链可形成闭环以求解超声坐标系在图像坐标系下的位姿矩阵：
其中：(·)-1为逆矩阵；
步骤S5：根据超声坐标系在图像坐标系下的位姿矩阵，将超声波信号转换为超声图像，并对超声图像进行滤波去噪，滤波过程具体为：在空间上采用中值滤波，在频域上采用指数滤波。具体的，在空间上采用中值滤波，输入的超声图像经重采样后的维度为512×512，图像中的每一个像素可表示为f(x,y)，建立一个滑动窗口S，滤波处理过后的图像为g(x,y)，为表示为：
g(x,y)＝Med{f(x,y)}
在频域上采用指数滤波器，从而实现对超声图像噪点的去除，使图像更加平滑。
步骤S6：对滤波过后的超声影像采用改进的端到端深度神经网络进行分割，端到端深度神经网络包括用于实现下采样和编码器和用于实现上采样的解码器。具体的，输入网络的超声影像维度为512×512。网络结构中的编码器由四个子模块组成，每个子模块包含两个卷积层和一个最大池化层，其中，卷积层的核大小为3，最大池化层的核大小为2，从而实现下采样的功能。解码器包含四个子模块，依次实现上采样的功能，最终输出的分割结果尺寸与输入一致，为512×512。网络在下采样和上采样模块间采用跳连接，网络中加入注意力机制优化模块，编码完成过后的数据在上池化过程汇中需要经过注意门模块。采用Dice参数指标来衡量算法的分割精度：
其中：Dice为分割精度，Spred为网络的预测结果，Smask为手动分割的专家样本金标准结果。
其中，Spred为网络的预测结果，Smask为手动分割的专家样本金标准结果。在训练过程中，构建的损失函数为：
其中：θ为深度神经网络待优化参数。
采用Adam优化算法求得参数的最优解
步骤S7：对分割超声序列切片进行三维重建，超声二维切片在三维图像坐标系下的位姿矩阵可通过导航世界坐标系实时转换得到，采用三维二值形态学填充算法来填充二维超声影像分割结果之间的间隙，环形核的尺寸为[30,30,30]。采用三维高斯滤波来实现重建模型的平滑，选取的平滑参数α＝0.5。
步骤S8：重复步骤S5～步骤S7实现软组织形变跟踪。
超声引导的手术导航系统如图3所示。其搭载了具有执行上述方法的装置，光学定位系统采用红外光学定位，通过被动追踪的方式定位参考架、手术器械、超声探头的空间位置，由此可以求得度参考架、手术器械、超声探头之间的相对位置关系。台式超声用于显示、处理超声影像，可以控制超声成像的各类参数。台式超声的成像显示通过超声探头获取，为实时二维影像。台式超声通过图像采集卡将影像数据传输至工作站进行处理与分析，包括数据滤波、分割、三维重建，结果最终在控制软件中显示。控制软件中导入的影像为患者术前的三维影像。超声探头在术中不断扫描术区，通过涂抹超声耦合剂阻绝探头与术区之间的空气，并获取质量较高的超声影像。光学定位跟踪器、台式超声、工作站在术前及术中均可移动至合理位置。超声手术导航系统工作流程如图1所示。所有的操作流程均有控制软件进行控制。
以超声穿刺手术为例，在实验仿体中对软组织形变方法进行测试与评估。术中利用超声探头不断扫描仿体的软组织区域，并且在控制软件中实时完成软组织形态的动态更新。术中实时跟踪手术器械相对于软组织的位置关系，观察二者的在图像空间以及物件空间的对应关系，对系统的精度和实时性进行评估。
以颈椎内固定术为例，术中首先对目标颈椎节段进行配准，术中实时扫描超声，观察颈椎周围重要血管、神经等软组织的形态变化。在颈部椎弓根螺钉植入的过程中观察钻孔路径与软组织的空间位置关系，确保手术过程安全可靠。术中测试软组织大幅度形变、超声显影不佳等突发情况，评估导航系统的鲁棒性和稳定性。
Claims (10)
1.一种超声引导的软组织形变跟踪方法，其特征在于，包括：
步骤S1：进行超声影像的标定，求得超声坐标系USound到探头坐标系Probe之间的转换矩阵
步骤S2：进行图像坐标系Image和参考架坐标系Patient之间的配准，求得配准矩阵
步骤S3：获得光学导航设备输出的超声坐标系在世界坐标系下的位姿矩阵
以及参考架坐标系在世界坐标系下的位姿矩阵
步骤S4：得到超声坐标系在图像坐标系下的位姿矩阵：
其中：(·)-1为逆矩阵；
步骤S5：根据超声坐标系在图像坐标系下的位姿矩阵，将超声波信号转换为超声图像，并对超声图像进行滤波去噪；
步骤S6：对滤波过后的超声影像采用改进的端到端深度神经网络进行分割；
步骤S7：对分割超声序列切片进行三维重建；
步骤S8：重复步骤S5～步骤S7实现软组织形变跟踪。
2.根据权利要求1所述的一种超声引导的软组织形变跟踪方法，其特征在于，所述步骤S1具体包括：
步骤S11：通过超声探头扫描标准标定板，获取标定过程中的超声影像；
步骤S12：获取标定板坐标系下的两个点和世界坐标系下对应坐标；
步骤S13：利用最小二乘法可以求得超声坐标系到探头坐标系之间的转换矩阵
3.根据权利要求1所述的一种超声引导的软组织形变跟踪方法，其特征在于，所述步骤S2具体包括：
步骤S21：在图像坐标系下选取关键的标志点集合；
步骤S22：在参考架坐标系下选取对应的标志点；
步骤S23：设定目标函数：
∑‖Pi-(RQi+T)‖2→min
其中：Qi为图像坐标系下的标志点，Pi为参考架坐标系下对应于Qi的标志点，R为配准矩阵旋转分量，T为配准矩阵平移分量；
步骤S24：采用基于奇异值分解的方法即可解得配准矩阵
4.根据权利要求1所述的一种超声引导的软组织形变跟踪方法，其特征在于，所述步骤S5的滤波过程具体为：在空间上采用中值滤波，在频域上采用指数滤波。
5.根据权利要求1所述的一种超声引导的软组织形变跟踪方法，其特征在于，所述端到端深度神经网络包括用于实现下采样和编码器和用于实现上采样的解码器。
6.根据权利要求1所述的一种超声引导的软组织形变跟踪方法，其特征在于，所述方法还包括：
步骤S9：在对滤波过后的超声影像分割好后，计算分割精度：
其中：Dice为分割精度，Spred为网络的预测结果，Smask为手动分割的专家样本金标准结果。
7.根据权利要求5所述的一种超声引导的软组织形变跟踪方法，其特征在于，所述编码器由四个子模块组成，每个子模块包含两个卷积层和一个最大池化层，其中，卷积层的核大小为3，最大池化层的核大小为2。
8.一种超声引导的软组织形变跟踪装置，包括处理器、存储器，以及程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的方法。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
10.一种手术导航系统，其特征在于，包括如权利要求8所述的装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110528983.6A CN113648060B (zh) | 2021-05-14 | 2021-05-14 | 超声引导的软组织形变跟踪方法、装置、存储介质及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110528983.6A CN113648060B (zh) | 2021-05-14 | 2021-05-14 | 超声引导的软组织形变跟踪方法、装置、存储介质及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113648060A true CN113648060A (zh) | 2021-11-16 |
| CN113648060B CN113648060B (zh) | 2024-02-27 |
Family
ID=78488911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110528983.6A Active CN113648060B (zh) | 2021-05-14 | 2021-05-14 | 超声引导的软组织形变跟踪方法、装置、存储介质及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113648060B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114404039A (zh) * | 2021-12-30 | 2022-04-29 | 华科精准（北京）医疗科技有限公司 | 三维模型的组织漂移校正方法、装置、电子设备及存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000126180A (ja) * | 1998-10-27 | 2000-05-09 | Mitani Sangyo Co Ltd | ３次元画像取得装置及び３次元画像取得方法 |
| CN101862205A (zh) * | 2010-05-25 | 2010-10-20 | 中国人民解放军第四军医大学 | 一种结合术前影像的术中组织跟踪方法 |
| CN102319117A (zh) * | 2011-06-16 | 2012-01-18 | 上海交通大学医学院附属瑞金医院 | 基于磁导航融合实时超声信息的大血管内介入物植入系统 |
| CN102512246A (zh) * | 2011-12-22 | 2012-06-27 | 中国科学院深圳先进技术研究院 | 手术导航系统及方法 |
| CN105286988A (zh) * | 2015-10-12 | 2016-02-03 | 北京工业大学 | 一种ct影像引导肝肿瘤热消融针定位与导航系统 |
| CN106952347A (zh) * | 2017-03-28 | 2017-07-14 | 华中科技大学 | 一种基于双目视觉的超声手术辅助导航系统 |
| CN110279467A (zh) * | 2019-06-19 | 2019-09-27 | 天津大学 | 光学定位下的超声图像与穿刺活检针的术中信息融合方法 |
| CN110974419A (zh) * | 2019-12-24 | 2020-04-10 | 武汉大学 | 对肝门部狭窄在经内镜胆管支架置入术中导丝导航方法及系统 |
| CN111466952A (zh) * | 2020-04-26 | 2020-07-31 | 首都医科大学附属北京朝阳医院 | 一种超声内镜与ct三维图像实时转化方法和系统 |
| CN111783820A (zh) * | 2020-05-08 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 图像标注方法和装置 |
| CN111784721A (zh) * | 2020-07-01 | 2020-10-16 | 华南师范大学 | 基于深度学习的超声内窥图像智能分割与量化方法及系统 |
| CN112450983A (zh) * | 2020-11-19 | 2021-03-09 | 深圳先进技术研究院 | 一种超分辨成像方法及系统 |
| CN112773508A (zh) * | 2021-02-04 | 2021-05-11 | 清华大学 | 一种机器人手术定位方法及装置 |
-
2021
- 2021-05-14 CN CN202110528983.6A patent/CN113648060B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000126180A (ja) * | 1998-10-27 | 2000-05-09 | Mitani Sangyo Co Ltd | ３次元画像取得装置及び３次元画像取得方法 |
| CN101862205A (zh) * | 2010-05-25 | 2010-10-20 | 中国人民解放军第四军医大学 | 一种结合术前影像的术中组织跟踪方法 |
| CN102319117A (zh) * | 2011-06-16 | 2012-01-18 | 上海交通大学医学院附属瑞金医院 | 基于磁导航融合实时超声信息的大血管内介入物植入系统 |
| CN102512246A (zh) * | 2011-12-22 | 2012-06-27 | 中国科学院深圳先进技术研究院 | 手术导航系统及方法 |
| CN105286988A (zh) * | 2015-10-12 | 2016-02-03 | 北京工业大学 | 一种ct影像引导肝肿瘤热消融针定位与导航系统 |
| CN106952347A (zh) * | 2017-03-28 | 2017-07-14 | 华中科技大学 | 一种基于双目视觉的超声手术辅助导航系统 |
| CN110279467A (zh) * | 2019-06-19 | 2019-09-27 | 天津大学 | 光学定位下的超声图像与穿刺活检针的术中信息融合方法 |
| CN110974419A (zh) * | 2019-12-24 | 2020-04-10 | 武汉大学 | 对肝门部狭窄在经内镜胆管支架置入术中导丝导航方法及系统 |
| CN111466952A (zh) * | 2020-04-26 | 2020-07-31 | 首都医科大学附属北京朝阳医院 | 一种超声内镜与ct三维图像实时转化方法和系统 |
| CN111783820A (zh) * | 2020-05-08 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 图像标注方法和装置 |
| CN111784721A (zh) * | 2020-07-01 | 2020-10-16 | 华南师范大学 | 基于深度学习的超声内窥图像智能分割与量化方法及系统 |
| CN112450983A (zh) * | 2020-11-19 | 2021-03-09 | 深圳先进技术研究院 | 一种超分辨成像方法及系统 |
| CN112773508A (zh) * | 2021-02-04 | 2021-05-11 | 清华大学 | 一种机器人手术定位方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 王秀芝等: "基于光学定位系统的超声探头标定方法", 《中国医疗器械杂志》 * |
| 黄韫栀等: "基于光学定位仪的三维超声图像重建系统的开发", 《实验科学与技术》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114404039A (zh) * | 2021-12-30 | 2022-04-29 | 华科精准（北京）医疗科技有限公司 | 三维模型的组织漂移校正方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113648060B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102512246B (zh) | 手术导航系统及方法 | |
| CN110338840B (zh) | 三维成像数据的显示处理方法和三维超声成像方法及系统 | |
| CN112971982B (zh) | 基于肝内血管配准的手术导航系统 | |
| US20100249595A1 (en) | System and method for automatic calibration of tracked ultrasound | |
| CN103371870A (zh) | 一种基于多模影像的外科手术导航系统 | |
| CN107456278A (zh) | 一种内窥镜手术导航方法和系统 | |
| CN105046644B (zh) | 基于线性相关性的超声与ct图像配准方法和系统 | |
| CN110288653B (zh) | 一种多角度超声图像融合方法、系统及电子设备 | |
| NL2035295B1 (en) | Ultrasonic puncture guidance planning system based on multi-modal medical image registration | |
| CN112515767B (zh) | 手术导航装置、设备及计算机可读存储介质 | |
| CN113499096A (zh) | 一种超声跨尺度和多参量检测的成像平台及方法 | |
| CN113648060B (zh) | 超声引导的软组织形变跟踪方法、装置、存储介质及系统 | |
| CN113100941B (zh) | 基于ss-oct手术导航系统的图像配准方法及系统 | |
| CN116650115A (zh) | 一种基于uwb标记点的骨科手术导航注册方法 | |
| US20220175457A1 (en) | Endoscopic image registration system for robotic surgery | |
| CN111166373B (zh) | 一种定位注册方法、装置和系统 | |
| CN111640127B (zh) | 一种用于骨科的精准临床诊断导航方法 | |
| CN111466952B (zh) | 一种超声内镜与ct三维图像实时转化方法和系统 | |
| CN114581599A (zh) | 一种不依赖外部定位设备的超声三维结构快速获取系统的方法 | |
| CN114283179A (zh) | 基于超声图像的骨折远近端空间位姿实时获取与配准系统 | |
| Lv et al. | A real-time interactive 3D ultrasound imaging system | |
| CN111743628A (zh) | 一种基于计算机视觉的自动穿刺机械臂路径规划的方法 | |
| CN111329589A (zh) | 一种手持式智能融合造影导航系统 | |
| CN219814304U (zh) | 一种超声标定装置 | |
| CN115861392B (zh) | 一种基于图像数据处理的软组织配准方法 |
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 |