CN114511597A - X光图像与ct图像的配准方法 - Google Patents

X光图像与ct图像的配准方法 Download PDF

Info

Publication number
CN114511597A
CN114511597A CN202110131329.1A CN202110131329A CN114511597A CN 114511597 A CN114511597 A CN 114511597A CN 202110131329 A CN202110131329 A CN 202110131329A CN 114511597 A CN114511597 A CN 114511597A
Authority
CN
China
Prior art keywords
image
registration
ray image
drr
ray
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.)
Pending
Application number
CN202110131329.1A
Other languages
English (en)
Inventor
王炳强
康伟伟
刘畅
孙之建
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.)
Weiha Weigao Orthopedic Surgical Robot Co Ltd
Original Assignee
Weiha Weigao Orthopedic Surgical Robot 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 Weiha Weigao Orthopedic Surgical Robot Co Ltd filed Critical Weiha Weigao Orthopedic Surgical Robot Co Ltd
Priority to CN202110131329.1A priority Critical patent/CN114511597A/zh
Publication of CN114511597A publication Critical patent/CN114511597A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/10—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
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种X光图像与CT图像配准方法，其特征在于，生成DRR图像数据，将X光图与从CT图像生成的DRR图像进行配准和相似度测试，其中，将高分辨率的DRR图像和X光图像分别细分为具有不同分辨率的子图像，按照分辨率先低后高的顺序进行配准计算；先配准最低分辨率图像，开始配准计算量相对较小，计算的结果作为下一次配准的初始解，从而缩短大量的配准时间；判断相似性是否符合，若符合，直接输出图像结果；否则对DRR图像数据进行优化处理，并对优化处理后的数据再次进行相似性测试，直至相似性符合；本发明与现有技术相比，能够在不会大幅度增加计算复杂度的情况下、显著提高图像配准精度，进而降低手术风险。

Description

X光图像与CT图像的配准方法
技术领域：
本发明涉及图像处理技术领域，具体的说是一种在不会大幅度增加计算复杂度的情况下、能够显著提高图像配准精度，进而降低手术风险的CT图像与X光图像配准方法。
背景技术：
在计算机辅助导航股骨手术中，术中图像配准是非常重要的一步，图像配准精度关系到手术的成败。传统的图像配准方式主要有两类，一种是将术前采集的CT图像与术中的病人股骨实体的空间进行配准，可以取得较高的精度，但由于需要暴露出病患的股骨，实际上会给患者来更大二次伤害，违背了微创手术的本旨。另一种方法是在术中对病患部位采集X射线图像，将其与术前的CT数据进行配准。第二种方法目前采用较多，优点是X光片拍摄操作方便，对患者的伤害小，缺点是获得的图像是二维数据，与三维数据的匹配结果精度相对较低，同时由于需要加入额外的转换运算导致性能降低。
发明内容：
本发明针对现有技术中存在的缺点和不足，提出了一种能够在不会大幅度增加计算复杂度的情况下、显著提高图像配准精度，进而降低手术风险的X光图像与CT图像的配准方法。
本发明通过以下措施达到：
一种X光图像与CT图像的三维配准方法，其特征在于，包括以下步骤：
步骤1：描绘目标轮廓；
步骤2：生成DRR图像数据：
步骤2-1：摄像机坐标系的原点为摄像机光心，Z轴与摄像机的光轴重合，X、Y与图像坐标的u′、v′轴平行，则空间某点P在世界坐标系和摄像机坐标系中的齐次坐标为(X,Y,Z,1)T和(x,y,z,1)T，则空间某点P在世界坐标系和摄像机坐标系的坐标数据转化关系如下：
Figure BDA0002925408600000021
步骤2-2：
Figure BDA0002925408600000022
称为旋转矩阵，旋转矩阵是一个单位正交阵，包含三个参数(α，β，γ)：
Figure BDA0002925408600000023
求出tx，ty，tz，(α，β，γ)。其中，tx，ty，tz为摄像机相对于marker坐标系的沿x，y，z轴的平移坐标；(α，β，γ)为相应方向上的旋转坐标。
步骤2-3：根据2D图像上任取两点可得空间光线，两直线的交点坐标即为光源位置；矫正板所在的平面为成像平面；光源到成像平面的距离即为焦距；平面上的点即为DRR图像的像素点；
步骤3：将X光图与从CT图像生成的DRR图像进行配准和相似度测试。其中，将高分辨率的DRR图像和X光图像分别细分为具有不同分辨率的子图像，按照分辨率先低后高的顺序进行配准计算；先配准最低分辨率图像，开始配准计算量相对较小，计算的结果作为下一次配准的初始解，从而缩短大量的配准时间；
步骤4：判断相似性是否符合，若符合，直接输出图像结果；否则对DRR图像数据进行优化处理，并对优化处理后的数据再次进行相似性测试，直至相似性符合。
本发明所述步骤3中，用互信息测度方法测试计算每个分辨率下X光图像和DRR图像之间的配准相似度：
Figure BDA0002925408600000031
其中，p(aj，bk)为X光图像和DRR中像素灰度的联合概率分布，p(aj)和p(bk)为边缘概率分布，并且
Figure BDA0002925408600000032
本发明步骤4中，所述优化处理为：选用ITK的OnePlusOneEvolutionaryOptimizer作为配准的优化器，配准过程每进行一次迭代，得到测度值，将该测度值进行比较，如果达到效果则停止迭代，得到最终配准结果，否则继续使用优化器进行优化，使用ITK插值方法RayCastInterpolateImageFunction进行插值，其中迭代还需要根据实际系统使用的数据设置迭代次数上限。
本发明步骤1具体为：输入待配准的两幅图像，X光图像和CT图像，在X光图像上叠加显示由CT数据重建的3D模型；在X光图像上绘制目标轮廓，利用套索和磁性套索等工具以实现快速绘制,确定图像中配准的范围，可以对3D模型进行旋转、平移操作，使3D模型与X光图像上的骨轮廓重合，从而完成粗配，之后的自动配准在粗配基础上进行，使目标高精度成为可能。
本发明与现有技术相比，能够在不会大幅度增加计算复杂度的情况下、显著提高图像配准精度，进而降低手术风险。
附图说明：
附图1是本发明的流程图。
具体实施方式：
步骤1：描绘目标轮廓。输入待配准的两幅图像，X光图像和CT图像，在X光图像上叠加显示由CT数据重建的3D模型；在X光图像上绘制目标轮廓，利用套索和磁性套索等工具以实现快速绘制,确定图像中配准的范围，可以对3D模型进行旋转、平移操作，使3D模型与X光图像上的骨轮廓重合，从而完成粗配。粗配选择ICP方法，可以使用vtkIterativeClosestPointTransform。之后的自动配准在粗配基础上进行，使目标高精度成为可能。
步骤2：生成DRR图像数据：
步骤2-1：摄像机坐标系的原点为摄像机光心，Z轴与摄像机的光轴重合，X、Y与图像坐标的u′、v′轴平行，则空间某点P在世界坐标系和摄像机坐标系中的齐次坐标为(X,Y,Z,1)T和(x,y,z,1)T，则空间某点P在世界坐标系和摄像机坐标系的坐标数据转化关系如下：
Figure BDA0002925408600000041
步骤2-2：
Figure BDA0002925408600000051
称为旋转矩阵，旋转矩阵是一个单位正交阵，包含三个参数(α，β，γ)：
Figure BDA0002925408600000052
求出tx，ty，tz，(α，β，γ)。其中，tx，ty，tz为摄像机相对于marker坐标系的沿x，y，z轴的平移坐标；(α，β，γ)为相应方向上的旋转坐标。
步骤2-3：根据2D图像上任取两点可得空间光线，两直线的交点坐标即为光源位置；矫正板所在的平面为成像平面；光源到成像平面的距离即为焦距；平面上的点即为DRR图像的像素点；2D图像相邻两矫正点的像素距离可求出成像平面的Pixel Spacing，用于设定图像大小。
步骤3：将X光图与从CT图像生成的DRR图像进行配准和相似度测试。其中，将高分辨率的DRR图像和X光图像分别细分为具有不同分辨率的子图像，按照分辨率先低后高的顺序进行配准计算；先配准最低分辨率图像，开始配准计算量相对较小，计算的结果作为下一次配准的初始解，从而缩短大量的配准时间；
用互信息测度方法测试计算每个分辨率下X光图像和DRR图像之间的配准相似度：
Figure BDA0002925408600000053
其中，p(aj，bk)为X光图像和DRR中像素灰度的联合概率分布，p(aj)和p(bk)为边缘概率分布，并且
Figure BDA0002925408600000061
步骤4：判断相似性是否符合，若符合，直接输出图像结果；否则回到步骤三继续配准下一对更高分辨率的图像。当所有分辨率的图像都完成且达不到符合度，则对DRR图像数据进行优化处理，并对优化处理后的数据再次进行相似性测试，直至相似性符合。
由于进化算法非常适合用来优化一直随机和噪声行为的互信息测度，选用ITK的OnePlusOneEvolutionaryOptimizer作为配准的优化器，配准过程每进行一次迭代，得到测度值，将该测度值进行比较，如果达到效果则停止迭代，得到最终配准结果，否则继续使用优化器进行优化，使用ITK插值方法RayCastInterpolateImageFunction进行插值，其中迭代还需要根据实际系统使用的数据设置迭代次数上限。本例中设置为500次，当达到500次后，记录当前的配准结果并显示配准后的3D模型。

Claims (4)

1.一种X光图像与CT图像的三维配准方法，其特征在于，包括以下步骤：
步骤1：描绘目标轮廓；
步骤2：生成DRR图像数据：
步骤2-1：摄像机坐标系的原点为摄像机光心，Z轴与摄像机的光轴重合，X、Y与图像坐标的u′、v′轴平行，则空间某点P在世界坐标系和摄像机坐标系中的齐次坐标为(X,Y,Z,1)T和(x,y,z,1)T，则空间某点P在世界坐标系和摄像机坐标系的坐标数据转化关系如下：
Figure FDA0002925408590000011
步骤2-2：
Figure FDA0002925408590000012
称为旋转矩阵，旋转矩阵是一个单位正交阵，包含三个参数(α，β，γ)：
Figure FDA0002925408590000013
求出tx，ty，tz，(α，β，γ)。其中，tx，ty，tz为摄像机相对于marker坐标系的沿x，y，z轴的平移坐标；(α，β，γ)为相应方向上的旋转坐标。
步骤2-3：根据2D图像上任取两点可得空间光线，两直线的交点坐标即为光源位置；矫正板所在的平面为成像平面；光源到成像平面的距离即为焦距；平面上的点即为DRR图像的像素点；
步骤3：将X光图与从CT图像生成的DRR图像进行配准和相似度测试，其中，将高分辨率的DRR图像和X光图像分别细分为具有不同分辨率的子图像，按照分辨率先低后高的顺序进行配准计算；先配准最低分辨率图像，开始配准计算量相对较小，计算的结果作为下一次配准的初始解，从而缩短大量的配准时间；
步骤4：判断相似性是否符合，若符合，直接输出图像结果；否则对DRR图像数据进行优化处理，并对优化处理后的数据再次进行相似性测试，直至相似性符合。
2.根据权利要求1所述的一种X光图像与CT图像的三维配准方法，其特征在于，所述步骤3中，用互信息测度方法测试计算每个分辨率下X光图像和DRR图像之间的配准相似度：
Figure FDA0002925408590000021
其中，p(aj，bk)为X光图像和DRR中像素灰度的联合概率分布，p(aj)和p(bk)为边缘概率分布，并且
Figure FDA0002925408590000022
3.根据权利要求1所述的一种X光图像与CT图像的三维配准方法，其特征在于，步骤4中，所述优化处理为：选用ITK的OnePlusOneEvolutionaryOptimizer作为配准的优化器，配准过程每进行一次迭代，得到测度值，将该测度值进行比较，如果达到效果则停止迭代，得到最终配准结果，否则继续使用优化器进行优化，使用ITK插值方法RayCastInterpolateImageFunction进行插值，其中迭代还需要根据实际系统使用的数据设置迭代次数上限。
4.根据权利要求1所述的一种X光图像与CT图像的三维配准方法，其特征在于，步骤1具体为：输入待配准的两幅图像，X光图像和CT图像，在X光图像上叠加显示由CT数据重建的3D模型；在X光图像上绘制目标轮廓，利用套索和磁性套索等工具以实现快速绘制,确定图像中配准的范围，对3D模型进行旋转、平移操作，使3D模型与X光图像上的骨轮廓重合，从而完成粗配，之后的自动配准在粗配基础上进行，使目标高精度成为可能。
CN202110131329.1A 2021-01-30 2021-01-30 X光图像与ct图像的配准方法 Pending CN114511597A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110131329.1A CN114511597A (zh) 2021-01-30 2021-01-30 X光图像与ct图像的配准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110131329.1A CN114511597A (zh) 2021-01-30 2021-01-30 X光图像与ct图像的配准方法

Publications (1)

Publication Number Publication Date
CN114511597A true CN114511597A (zh) 2022-05-17

Family

ID=81547663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110131329.1A Pending CN114511597A (zh) 2021-01-30 2021-01-30 X光图像与ct图像的配准方法

Country Status (1)

Country Link
CN (1) CN114511597A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024016248A1 (zh) * 2022-07-21 2024-01-25 中国人民解放军总医院第一医学中心 一种用于股骨手术的图像配准系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024016248A1 (zh) * 2022-07-21 2024-01-25 中国人民解放军总医院第一医学中心 一种用于股骨手术的图像配准系统及方法

Similar Documents

Publication Publication Date Title
US6415171B1 (en) System and method for fusing three-dimensional shape data on distorted images without correcting for distortion
CN108765417B (zh) 一种基于深度学习和数字重建放射影像的股骨x线片生成系统及方法
Lamecker et al. Atlas-based 3D-shape reconstruction from X-ray images
US6381302B1 (en) Computer assisted 2D adjustment of stereo X-ray images
US4977505A (en) Means to correlate images from scans taken at different times including means to determine the minimum distances between a patient anatomical contour and a correlating surface
US8463004B2 (en) Determining shaft and femur neck axes and three-dimensional reconstruction
CN107468265A (zh) 定位用以成像方法的检查对象
CN112258593B (zh) 单目相机下ct或pet-ct智能定位扫描方法
WO2021238171A1 (zh) 图像配准方法及其相关的模型训练方法、设备、装置
Kurazume et al. 3D reconstruction of a femoral shape using a parametric model and two 2D fluoroscopic images
CN112509022A (zh) 一种术前三维影像与术中透视图像的无标定物配准方法
CN112581606B (zh) 一种脊柱椎弓根螺钉植入手术导航方法
CN112233155B (zh) 一种2d-3d影像配准算法
Schumann et al. An integrated system for 3D hip joint reconstruction from 2D X-rays: a preliminary validation study
US11348216B2 (en) Technologies for determining the accuracy of three-dimensional models for use in an orthopaedic surgical procedure
CN104771189A (zh) 三维头颅图像对正方法及装置
CN109767458A (zh) 一种半自动分段的顺序优化配准方法
CN115526929A (zh) 基于图像的配准方法和装置
CN114511597A (zh) X光图像与ct图像的配准方法
US20100195890A1 (en) Method for completing a medical image data set
CN116370848B (zh) 放射治疗的摆位方法及系统
CN110379493B (zh) 一种图像导航配准系统及图像导航系统
CN117274334A (zh) 一种基于点云的实时骨骼模型重建方法及系统
CN116883471A (zh) 面向胸腹部经皮穿刺的线结构光无接触点云配准方法
CN114886558A (zh) 一种基于增强现实的内窥镜投影方法及系统

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