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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 238000003384 imaging method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 230000006378 damage Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
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:
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:
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:
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:
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:
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。
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。
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)
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 |
-
2021
- 2021-01-30 CN CN202110131329.1A patent/CN114511597A/zh active Pending
Cited By (1)
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 |