CN114451992A - 一种术后置钉精度评价方法 - Google Patents
一种术后置钉精度评价方法 Download PDFInfo
- Publication number
- CN114451992A CN114451992A CN202111180833.7A CN202111180833A CN114451992A CN 114451992 A CN114451992 A CN 114451992A CN 202111180833 A CN202111180833 A CN 202111180833A CN 114451992 A CN114451992 A CN 114451992A
- Authority
- CN
- China
- Prior art keywords
- image
- section
- coordinate system
- postoperative
- image coordinate
- 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
- 230000002980 postoperative effect Effects 0.000 title claims abstract description 87
- 238000011156 evaluation Methods 0.000 title claims description 18
- 230000009466 transformation Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000001131 transforming effect Effects 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims description 44
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification 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
- A61B34/10—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
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Robotics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Radiology & Medical Imaging (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种术后置钉精度评价方法,包括步骤:(1)获取术中椎节影像;(2)获取术后包含克氏针的术后椎节影像;(3)生成穿过规划通道轴线的冠、轴、矢截面,并据此截取得到术后椎节影像的冠、轴、矢截面;(4)将术中椎节影像和术后椎节影像进行粗对齐;(5)对术后截面图像进行调整,使其分别与术中截面图像达到可接受的重合状态,得到术中影像坐标系和术后影像坐标系的最终变换关系;(6)将克氏针轴线通过最终变换关系变换至术中影像坐标系下,并计算得到置钉精度误差。本发明通过融合图像计算出克氏针轴线与规划通道之间的偏差,能够精确分析出手术机器人的临床置钉的定位精度。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种术后置钉精度评价方法。
背景技术
近年来,手术机器人技术高速发展,在世界范围内被广泛研究。手术机器人 系统能够克服人的生理局限,具有操作精度高、操作可重复性好、操作稳定性强 等特点。上述特点使手术机器人被应用于椎弓根螺钉内固手术成为可能,且当下 市场上已有成熟的辅助椎弓根螺钉内固手术的机器人系统(天玑机器人系统), 对其术后置钉的精度,普遍采用Gertzbein-Robbins的分类标准对椎弓根螺钉在 外侧、内侧、头侧和尾侧方向上皮质是否存在穿透情况进行评估,这种评价方法 可从病人角度分析术后置钉精度的合格程度,但不能精确的定量评价机器人系统 的临床精度,且大部分医院的C型臂重建的三维椎节影像质量都较差,一般图像 特征提取无法稳定处理。
发明内容
发明目的:本发明针对上述不足,提出了一种能够精确评价手术机器人的临 床术后置钉精度的评价方法,其基于图像融合技术显示出融合图像,方便医生确 认及调整,能够精确分析出手术机器人的临床术后置钉的定位精度。
技术方案:
一种术后置钉精度评价方法,包括步骤:
(1)获取术中椎节影像,并得到在术中影像坐标系下的规划通道位姿及其 第一端点和第二端点的坐标;
(2)术后扫描获取包含克氏针的术后椎节影像,并得到在术后影像坐标系 下的克氏针位姿及其入针点和末端点的坐标;
(3)在术中影像坐标系下生成穿过规划通道轴线的第一冠截面、第一轴截 面和第一矢截面,将术后影像坐标系原点与术中影像坐标系原点对准,并采用第 一冠截面、第一轴截面和第一矢截面在术后椎节影像上进行截取分别得到对应的 第二冠截面、第二轴截面和第二矢截面;
(4)根据步骤(2)对术中影像坐标系和术后影像坐标系进行对齐得到二者 的初始变换值,并得到变换后的术后椎节影像;
(5)对术后锥节影像的第二冠截面、第二轴截面和第二矢截面的截面图像 进行调整,使其分别与术中椎节影像的第一冠截面、第一轴截面和第一矢截面的 截面图像进行融合得到对应的截面融合图像,当三个截面融合图像达到可接受的 融合状态时,据此计算得到术中影像坐标系和术后影像坐标系的最终变换关系;
(6)根据步骤(5)得到的最终变换关系将克氏针轴线变换至术中影像坐标 系下,并据此计算得到置钉精度误差。
在步骤(3)形成的第二轴截面和第二矢截面上标注出相应的克氏针轴线, 并将其转换至术后椎节影像上,求出克氏针在术后影像坐标系下的位姿及克氏针 的入针点和末端点在术后影像坐标系下的坐标。
所述步骤(4)对术中影像坐标系和术后影像坐标系进行对齐的步骤具体为:
(41)对术中影像坐标系和术后影像坐标系进行粗对齐,具体为将规划通道 的第一端点和第二端点的连线的通道中点与克氏针的入针点和末端点的连线的 入针中点重合,并据此计算得到术后影像坐标系与术中影像坐标系的初始变换关 系
所述步骤(5)中,三个截面融合图像无法达到可接受的融合状态时,返回 步骤(42)。
所述步骤(4)中,将术中椎节影像的第一冠截面、第一轴截面和第一矢截 面的截面图像分别和变换后的术后椎节影像对应的第二冠截面、第二轴截面和第 二矢截面的截面图像进行融合是将第一冠截面、第一轴截面和第一矢截面的截面 图像上的规划通道的第一端点和第二端点的连线的通道中点分别与第二冠截面、 第二轴截面和第二矢截面的截面图像上的克氏针的入针点和末端点的连线的入 针中点重合。
所述步骤(5)的截面图像的融合状态的判定采用相关系数值为评价指标:
其中,η大于0.9时截面融合图像已经达到可接受的融合状态;
其中,某一截面图像上某点的灰度值gray如下:
pvolume=T*pij
gray=Volume(pvolume)
其中,pvolume表示该截面图像上的点pij在相应影像坐标系下的坐标;T表示 相应截面图像坐标系与相应影像坐标系的变换关系;pij为该截面图像上(i,j)位 置处的像素点在相应截面图像坐标系下的坐标;Volume(pvolume)表示相应椎节影 像中pvolume的灰度值。
所述步骤(5)中,每对术后椎节影像的截面图像调整一次,计算一次η, 当η达到局部最大时,即表明当前截面融合图像达到可接受的融合状态,或当η 值大于0.9时,判定截面融合图像已经达到可接受的融合状态。
所述步骤(5)中,实时将对术后锥节影像的三个截面图像的调整映射为术 后椎节影像的空间位置调整值,得到术中影像坐标系和术后影像坐标系的最终变 换关系,使得三组截面图像的截面融合图像均达到可接受的融合状态。
对应术后椎节影像的截面图像调整的偏移量映射至术中影像坐标系的位姿 调整的变换关系如下:
1)第二矢截面、第二轴截面、第二冠截面的截面图像坐标系在术中影像坐 标系的位姿分别为PoseA0、PoseS0、PoseC0;
2)针对术后椎节影像的某一截面,设第m次变换后,该术后截面图像调整 的位移偏移量在该确认截面对应的截面图像坐标系内的X、Y、Z轴上的位移量 分别为offXm,offYm,offZm,旋转角度的偏移量为angleZm,即相应的平移变 换和旋转变换为得到:
3)结合1)、2),设术中影像坐标系和术后影像坐标系之间的变换关系为Ttransform,初始值为则针对第m次术后椎节影像的术后截面图 像的调整后,相应的截面图像坐标系至术中影像坐标系的位姿分别更新如下:
其中,PoseSlice为术后影像坐标系至当前调整的截面图像的截面坐标系的 变换关系。
其特征在于:所述步骤(6)中,置钉精度误差为距离偏差εdis和角度偏差εangle, 具体如下:
εangle=angle(lplan·lconfirm)
和分别表示规划通道在术中影像坐标系下的内外点坐标;lconfirm表 示克氏针轴线在术中影像坐标系下的位姿;和的计算结果 分别为规划通道的内外点到克氏针的距离;lplan表示规划通道在术中影像坐标系 下的位姿;·表示点乘运算。
有益效果:本发明基于图像融合技术,将含有规划通道的术中椎节影像和含 有克氏针的术后椎节影像重合对齐,并显示出融合图像,方便医生确认及调整, 并在调整完成后可以通过融合图像计算出克氏针轴线与规划通道之间的偏差,能 够精确分析出手术机器人的临床置钉的定位精度,对手术机器人置钉系统的准确 性及安全性的提升具有重要的意义。
附图说明
图1为本发明的流程图;
图2为术中扫描的术中椎节影像;
图3为术后扫描的含有克氏针的术后椎节影像示意图;
图4为术中椎节影像的第一矢截面的示意图;
图5为术中椎节影像的第一轴截面示意图;
图6为穿过规划通道的轴线的术中截面图像的示意图;
图7为在第二轴截面上标注克氏针轴线的示意图;
图8为在第二矢截面上标注克氏针轴线的示意图;
图9为在第二冠截面上标注克氏针轴线的示意图;
图10为术后椎节影像的第二轴截面图像;
图11为术后椎节影像的第二矢截面图像;
图12为术后椎节影像的第二冠截面图像;
图13为第一轴截面图像与第二轴截面图像的融合图像;
图14为第一矢截面图像与第二矢截面图像的融合图像;
图15为第一轴截面与第二轴截面的最佳融合图像;
图16为第一矢截面与第二矢截面的最佳融合图像;
图17为第一冠截面与第二冠截面的最佳融合图像。
其中,L1为椎节1,L2为椎节2,L为克氏针,l为通道轴线,A为第一端 点,B为第二端点。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
图1为本发明的流程图,如图1所示,本发明基于图像融合的术后置钉精度 评价方法包括如下步骤:
(1)获取术中椎节影像和术后椎节影像;
通过术中扫描获取术中椎节影像(见图2),并得到在术中影像坐标系(C 臂机在术中扫描形成术中椎节影像时建立的坐标系)下的规划通道的位姿及其在 椎节上的第一端点和第二端点的坐标;因为最终术后置钉通道精度的评价是基于 术后克氏针的实际位置与规划通道的位置进行对比得到的,所以针对术后置钉精 度的评价,需要得到规划通道的位置信息,这个信息可以从机器人软件系统中的 数据库文件中得到;图4、图5中的直线即为规划通道的轴线,轴线上的两点即 分别为规划通道的第一端点和第二端点;
通过术后扫描获取得到含有克氏针的术后椎节影像(见图3),从图3中可 以清晰的看到椎节上的克氏针的影像,但影像数据的影像精度较差,这里取决于 医院手术室的C臂机重建精度;
(2)生成穿过规划通道轴线的第一冠截面、第一轴截面、第一矢截面;其 中,第一冠截面穿过规划通道的第一端点和第二端点的连线的中点,即通道中点, 并平行于术中影像坐标系中的XZ平面;矢截面过规划通道轴线,并垂直于第一 冠截面;第一轴截面过规划通道轴线,并垂直于第一矢截面,如图6所示;
(3)将术中影像坐标系的原点与术后影像坐标系(C臂机术后扫描形成术 后椎节影像时产生的坐标系)的原点重合,并通过术中椎节影像中的第一冠截面、 第一轴截面、第一矢截面在术后椎节影像上截取分别得到对应的第二冠截面、第 二轴截面、第二矢截面;
(4)在术后椎节影像上标注出克氏针:如图7、8、9所示,在于步骤(3) 形成的术后椎节影像上的第二轴截面和第二矢截面上用线标注出相应的克氏针 轴线,再根据对应的术后截面图像与3维影像数据的转换关系将克氏针轴线转换 至术后椎节影像上,求出克氏针在术后影像坐标系下的位姿及其入针点和末端点 在术后影像坐标系下的坐标;
(5)对术中影像坐标系和术后影像坐标系进行一次粗对齐,完成术中椎节 影像中的椎节的位置与术后椎节影像中的椎节的位置变换关系的初步计算;
术中影像坐标系下的第一冠截面、第一轴截面、第一矢截面的截面图像坐标 系(在对应椎节影像内,每个截面图像所在的面的二维坐标系)与术中影像坐标 系间的转换关系分别为Tc、Ts和Ta;但术中影像坐标系和术后影像坐标系之间的 变换关系Tconfirm未知,需要将术中影像坐标系和术后影像坐标系进行一次粗匹配, 得到初始的变换关系以将术后椎节影像中的目标椎节位置变换到术中椎 节影像中的对应椎节位置,以方便观察图像融合情况;
术中影像坐标系和术后影像坐标系粗对齐的策略是将规划通道的通道中点 与克氏针的中点(即入针点与末端点的中点)重合,并据此计算得到术后椎节影 像与术中椎节影像的初始平移变化作为二者的初始变换值,即为术中影像 坐标系和术后影像坐标系的初始变换值;
(6)对术后椎节影像进行变换得到变换后的术后椎节影像,其中, 表示第k-1次变换后的术后椎节影像与术中椎节影像的变换关系,通过变 换后的术后椎节影像和术中椎节影像对齐计算得到;重复步骤(3),得到术中椎 节影像中的第一冠截面、第一轴截面、第一矢截面截取变换后的术后椎节影像得 到的对应的第二冠截面、第二轴截面、第二矢截面,如图10、11、12所示;
(7)将第一冠截面、第一轴截面、第一矢截面的截面图像和变换后的术后 椎节影像的第二冠截面、第二轴截面、第二矢截面的截面图像进行融合得到截面 融合图像并进行显示,融合方法是将第一冠截面、第一轴截面、第一矢截面的截 面图像上的规划通道的通道中点与变换后的术后椎节影像的第二冠截面、第二轴 截面、第二矢截面的截面图像上的克氏针的中点重合;
截面融合图像见图13、14,从图中可清晰看出变换后的术后椎节影像中的 椎节边界和术中椎节影像中的椎节边界未重合,即变换后的术后椎节影像中的椎 节与术中椎节影像中的椎节未完全配准(融合之后椎节边界偏差大),针对某个 变换后的术后椎节影像的截面图像,调整使其上下左右平移和旋转,使其与术中 椎节影像的截面图像达到可接受的重合状态。
具体的,第一冠截面、第一轴截面、第一矢截面的截面图像和变换后的术后 椎节影像的第二冠截面、第二轴截面、第二矢截面的截面图像的融合状态的判定 可采用经典的相关系数值为评价指标,设术中椎节影像的某一截面图像和变换后 的术后椎节影像的对应的截面图像分别为I1和I2,和分 别表示I1、I2图像上的点pij的灰度值,和分别表示I1、I2图像上所有点的 平均灰度值,则相关系数值可表示为下式:
其中,η值越接近于1表示两幅截面图像越相似,越接近-1表示两幅截面图 像越不相似;
其中,某一截面图像上某点的灰度值gray的计算方式可见下式:
pvolume=T*pij
gray=Volume(pvolume)
其中,pij为该截面图像上(i,j)位置处的像素点在相应截面图像坐标系下的 坐标;pvolum表示该截面图像上的点pij在相应影像坐标系下的坐标; Volume(pvolume)表示相应椎节影像中pvolume的灰度值,则通过pvolume即可直接从相 应的影像坐标系中读取其灰度值gray,当pvolume为非整数坐标时,采用线性差值 即可;
T表示相应截面图像坐标系与相应影像坐标系的变换关系;根据步骤(5) 得到术中椎节影像中的截面图像坐标系与术中影像坐标系间的变换关系分别为 Tc、Ts和Ta,而变换后的术后椎节影像上的各截面坐标系与术后影像坐标系之间 的变换关系由步骤(6)计算得到,分别为:和
则通过pvolume即可直接从相应的影像坐标系中读取对应截面图像上某点灰 度值gray,当pvolume为非整数坐标时,采用线性差值即可;
(8)重复步骤(7),在对变换后的术后椎节影像的截面图像进行调整时, 每调节一次,计算一次η,当η达到局部最大时,即表明当前截面融合图像达到 最佳融合状态,见图15所示;更进一步地,实际操作过程中,当η值大于0.9 时,认为截面融合图像已经达到可以接受的融合状态;同时,实时将变换后的术 后椎节影像的某一截面图像的调整偏移量和旋转角度映射为变换后的术后椎节 影像的空间位置调整值,进而影响其他变换后的术后椎节影像的截面图像的改变, 因而需保证三组截面图像的截面融合图像均达到可接受的融合状态;若无法使得 三组截面图像的截面融合图像均达到最佳融合状态,则返回步骤(6);
为保证截面图像上的变换后的术后椎节影像的截面图像调整的快速收敛性, 对应变换后的术后椎节影像的截面图像调整的偏移量映射至术中影像坐标系的 位姿调整的变换关系按如下流程迭代求解:
1)根据步骤(3)得到术后椎节影像的第二矢截面、第二轴截面、第二冠截 面的截面图像坐标系在术中影像坐标系的位姿分别为PoseA0、PoseS0、PoseC0;
2)针对变换后的术后椎节影像的某一截面,设第m次变换后的该术后截面 图像调整的位移在该截面对应的截面图像坐标系内的X、Y、Z轴上的偏移量分 别为offXm,offYm,offZm,旋转角度的偏移量为angleZm,即为相应的平移变 换和旋转变换为可表达成下式:
3)结合1)、2)所述,设术中影像坐标系和术后影像坐标系之间的变换关 系为Ttransform,初始值为针对第m次变换后的术后椎节影像的截面图像的 调整后,相应的术后截面图像坐标系至术中影像坐标系的位姿分别更新如下:
其中,PoseSlice为术后影像坐标系至当前调整的术后椎节影像的截面图像 的截面坐标系的变换关系,即:若当前调整的截面图像为第二轴截面,则 PoseSlic=e Pose;若当前调整的截面图像为第二矢截面,则PoseSlice=PoseS; 若当前调整的截面图像为第二冠截面,则PoseSlice=PoseC;
(9)重复步骤(7)和(8),直至术中椎节影像的三个截面图像和变换后的 术后椎节影像的对应的三个截面图像均达到可接受的重合状态,即此时变换后的 术后椎节影像的截面图像PoseA、PoseS、PoseC与术中椎节影像中相应的截面 图像最佳匹配时,得到此时术中影像坐标系和术后影像坐标系之间的变换关系 Ttransform,并据此得到三组截面融合图像;如图15~图17所示;
(10)应用最终的变换关系Ttransform,即可将术后椎节影像中的克氏针转换至 术中椎节影像中,则定义针对此置钉通道的系统精度误差可定量表达为距离偏差 εdis和角度偏差εangle,可表达为下式:
εangle=angle(lplan·lconfirm)
和分别表示规划通道在术中影像坐标系下的第一端点和第二端点 的坐标;lconfirm表示克氏针在术中影像坐标系下的位姿;和的计算结果分别为规划通道的第一端点和第二端点到克氏针的直线距离;lplan表 示规划通道在术中影像坐标系下的位姿;·表示点乘运算。
本发明基于图像融合技术,将含有规划通道的术中椎节影像和含有克氏针的 术后椎节影像重合,并显示出融合图像,方便医生确认及调整,并可以通过融合 图像计算出克氏针与规划通道之间的偏差,能够精确分析出手术机器人的临床置 钉的定位精度。
以上详细描述了本发明的优选实施方式,但是本发明并不限于上述实施方式 中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种 等同变换(如数量、形状、位置等),这些等同变换均属于本发明的保护范围。
Claims (9)
1.一种术后置钉精度评价方法,其特征在于:包括步骤:
(1)获取术中椎节影像,并得到在术中影像坐标系下的规划通道位姿及其第一端点和第二端点的坐标;
(2)术后扫描获取包含克氏针的术后椎节影像,并得到在术后影像坐标系下的克氏针位姿及其入针点和末端点的坐标;
(3)在术中影像坐标系下生成穿过规划通道轴线的第一冠截面、第一轴截面和第一矢截面,将术后影像坐标系原点与术中影像坐标系原点对准,并采用第一冠截面、第一轴截面和第一矢截面在术后椎节影像上进行截取分别得到对应的第二冠截面、第二轴截面和第二矢截面;
(4)根据步骤(2)对术中影像坐标系和术后影像坐标系进行对齐得到二者的初始变换值,并得到变换后的术后椎节影像;
(5)对术后锥节影像的第二冠截面、第二轴截面和第二矢截面的截面图像进行调整,使其分别与术中椎节影像的第一冠截面、第一轴截面和第一矢截面的截面图像进行融合得到对应的截面融合图像,当三个截面融合图像达到可接受的融合状态时,据此计算得到术中影像坐标系和术后影像坐标系的最终变换关系;
(6)根据步骤(5)得到的最终变换关系将克氏针轴线变换至术中影像坐标系下,并据此计算得到置钉精度误差。
2.根据权利要求1所述的术后置钉精度评价方法,其特征在于:在步骤(3)形成的第二轴截面和第二矢截面上标注出相应的克氏针轴线,并将其转换至术后椎节影像上,求出克氏针在术后影像坐标系下的位姿及克氏针的入针点和末端点在术后影像坐标系下的坐标。
4.根据权利要求1所述的术后置钉精度评价方法,其特征在于:所述步骤(4)中,将术中椎节影像的第一冠截面、第一轴截面和第一矢截面的截面图像分别和变换后的术后椎节影像对应的第二冠截面、第二轴截面和第二矢截面的截面图像进行融合是将第一冠截面、第一轴截面和第一矢截面的截面图像上的规划通道的第一端点和第二端点的连线的通道中点分别与第二冠截面、第二轴截面和第二矢截面的截面图像上的克氏针的入针点和末端点的连线的入针中点重合。
5.根据权利要求3所述的术后置钉精度评价方法,其特征在于:所述步骤(5)的截面图像的融合状态的判定采用相关系数值为评价指标:
其中,η大于0.9时截面融合图像已经达到可接受的融合状态;
其中,某一截面图像上某点的灰度值gray如下:
pvolume=T*pij
gray=Volume(pvolume)
其中,pvolume表示该截面图像上的点pij在相应影像坐标系下的坐标;T表示相应截面图像坐标系与相应影像坐标系的变换关系;pij为该截面图像上(i,j)位置处的像素点在相应截面图像坐标系下的坐标;Volume(pvolume)表示相应椎节影像中pvolume的灰度值。
6.根据权利要求5所述的术后置钉精度评价方法,其特征在于:所述步骤(5)中,每对术后椎节影像的截面图像调整一次,计算一次η,当η达到局部最大时,即表明当前截面融合图像达到可接受的融合状态,或当η值大于0.9时,判定截面融合图像已经达到可接受的融合状态。
7.根据权利要求5所述的术后置钉精度评价方法,其特征在于:所述步骤(5)中,实时将对术后锥节影像的三个截面图像的调整映射为术后椎节影像的空间位置调整值,得到术中影像坐标系和术后影像坐标系的最终变换关系,使得三组截面图像的截面融合图像均达到可接受的融合状态。
8.根据权利要求7所述的术后置钉精度评价方法,其特征在于:对应术后椎节影像的截面图像调整的偏移量映射至术中影像坐标系的位姿调整的变换关系如下:
1)第二矢截面、第二轴截面、第二冠截面的截面图像坐标系在术中影像坐标系的位姿分别为PoseA0、PoseS0、PoseC0;
2)针对术后椎节影像的某一截面,设第m次变换后,该术后截面图像调整的位移偏移量在该确认截面对应的截面图像坐标系内的X、Y、Z轴上的位移量分别为offXm,offYm,offZm,旋转角度的偏移量为angleZm,即相应的平移变换和旋转变换为得到:
3)结合1)、2),设术中影像坐标系和术后影像坐标系之间的变换关系为Ttransform,初始值为则针对第m次术后椎节影像的术后截面图像的调整后,相应的截面图像坐标系至术中影像坐标系的位姿分别更新如下:
其中,PoseSlice为术后影像坐标系至当前调整的截面图像的截面坐标系的变换关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180833.7A CN114451992B (zh) | 2021-10-11 | 2021-10-11 | 一种术后置钉精度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111180833.7A CN114451992B (zh) | 2021-10-11 | 2021-10-11 | 一种术后置钉精度评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114451992A true CN114451992A (zh) | 2022-05-10 |
CN114451992B CN114451992B (zh) | 2023-08-15 |
Family
ID=81405745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111180833.7A Active CN114451992B (zh) | 2021-10-11 | 2021-10-11 | 一种术后置钉精度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114451992B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115715703A (zh) * | 2023-01-10 | 2023-02-28 | 佗道医疗科技有限公司 | 一种通道规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009291342A (ja) * | 2008-06-04 | 2009-12-17 | Univ Of Tokyo | 手術支援装置 |
CN104055520A (zh) * | 2014-06-11 | 2014-09-24 | 清华大学 | 人体器官运动监测方法和人体导航系统 |
US20170238899A1 (en) * | 2010-03-03 | 2017-08-24 | Koninklijke Philips N.V. | Medical imaging system with needle detection capability |
CN107595387A (zh) * | 2017-07-28 | 2018-01-19 | 浙江大学 | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 |
CN112289416A (zh) * | 2020-12-18 | 2021-01-29 | 南京佗道医疗科技有限公司 | 一种引导针置入精度评价方法 |
-
2021
- 2021-10-11 CN CN202111180833.7A patent/CN114451992B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009291342A (ja) * | 2008-06-04 | 2009-12-17 | Univ Of Tokyo | 手術支援装置 |
US20170238899A1 (en) * | 2010-03-03 | 2017-08-24 | Koninklijke Philips N.V. | Medical imaging system with needle detection capability |
CN104055520A (zh) * | 2014-06-11 | 2014-09-24 | 清华大学 | 人体器官运动监测方法和人体导航系统 |
CN107595387A (zh) * | 2017-07-28 | 2018-01-19 | 浙江大学 | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 |
CN112289416A (zh) * | 2020-12-18 | 2021-01-29 | 南京佗道医疗科技有限公司 | 一种引导针置入精度评价方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115715703A (zh) * | 2023-01-10 | 2023-02-28 | 佗道医疗科技有限公司 | 一种通道规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114451992B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10912614B2 (en) | Systems and methods for patient-based computer aided surgical procedures | |
CN111260786B (zh) | 一种智能超声多模态导航系统及方法 | |
US20190005186A1 (en) | Systems and methods for using generic anatomy models in surgical planning | |
CA2454861C (en) | Miniature bone-attached surgical robot | |
US8147503B2 (en) | Methods of locating and tracking robotic instruments in robotic surgical systems | |
Boctor et al. | A novel closed form solution for ultrasound calibration | |
US11751951B2 (en) | Surface tracking-based surgical robot system for drilling operation and control method | |
US8165366B2 (en) | Determining correspondence object pairs for medical navigation | |
CN114451992B (zh) | 一种术后置钉精度评价方法 | |
CN115887003A (zh) | 手术导航系统的配准方法、装置和手术导航系统 | |
US20230245589A1 (en) | Computer implemented method, a computing device and a system for assisting bending of a reinforcing rod for attachment to a plurality of chirurgical implants | |
US20230014228A1 (en) | Systems, methods, and computer-readable media for automatic computed tomography to computed tomography registration | |
Zheng et al. | A robust and accurate two-stage approach for automatic recovery of distal locking holes in computer-assisted intramedullary nailing of femoral shaft fractures | |
Irwansyah et al. | Repositioning bone fragments using registration of paired-points and assisted-constraints in virtual bone reduction surgery | |
Dekomien et al. | System architecture for intraoperative ultrasound registration in image-based medical navigation | |
Kadoury et al. | A statistical image-based approach for the 3D reconstruction of the scoliotic spine from biplanar radiographs | |
Naik et al. | Feature-based registration framework for pedicle screw trajectory registration between multimodal images | |
CN117958969A (zh) | 一种脊柱螺钉植入的自动规划方法 | |
Ang | Non-rigid surface matching to unmask scoliotic deformity in surface topography | |
Orchard et al. | Mathematical Surface Matching of Maps of the Human Torso |
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 | ||
CB02 | Change of applicant information |
Address after: 210000 building 3, No. 34, Dazhou Road, Yuhuatai District, Nanjing, Jiangsu Province Applicant after: Tuodao Medical Technology Co.,Ltd. Address before: Room 102-86, building 6, 57 Andemen street, Yuhuatai District, Nanjing, Jiangsu 210000 Applicant before: Nanjing Tuodao Medical Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |