CN114677421B - 一种估算2d器官刚性/非刚性配准方法 - Google Patents
一种估算2d器官刚性/非刚性配准方法 Download PDFInfo
- Publication number
- CN114677421B CN114677421B CN202210382107.1A CN202210382107A CN114677421B CN 114677421 B CN114677421 B CN 114677421B CN 202210382107 A CN202210382107 A CN 202210382107A CN 114677421 B CN114677421 B CN 114677421B
- Authority
- CN
- China
- Prior art keywords
- image
- rigid
- contour
- organ
- registration
- 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.)
- Active
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
- G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10132—Ultrasound image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
Description
技术领域
本发明涉及图像配准领域,尤其涉及一种估算2d器官刚性/非刚性配准方 法。
背景技术
在做医学图像分析时,经常要将同一患者几幅图像放在一起分析,从而得 到该患者的多方面的综合信息,提高医学诊断和治疗的水平。对几幅不同的图 像作定量分析,首先要解决这几幅图像的严格对齐问题,这就是我们所说的图 像的配准。医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换, 使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的 同一解剖点在两张匹配图像上有相同的空间位置。配准的结果应使两幅图像上 所有的解剖点,或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹 配。
医学图像配准技术是90年代才发展起来的医学图像处理的一个重要分支。 医学图像配准技术主要讨论的是数据获取后的配准,也称作回顾式配准。目前, 现有的图像配准方法操作复杂,配准后的图像精准度较低,影响了医生对图像 的观察操作,严重降低了医生的工作效率。
发明内容
本发明目的是针对上述问题,提供一种操作简单、配准精度更高的估算2d 器官刚性/非刚性配准方法。
为了实现上述目的,本发明的技术方案是:
一种估算2d器官刚性/非刚性配准方法,包括以下步骤:
S1、获取器官的CT图像、超声图像,同时从CT图像中获取CT图像轮廓, 从超声图像中获取超声图像轮廓;
S2、分别对CT图像轮廓点与超声图像轮廓点进行离散傅里叶变换以获得 x(t)、y(t)的具体函数形式;
其中RCT图像轮廓点相对于超声图像轮廓点的旋转,t代表CT图像轮廓点 相对于超声图像轮廓点的平移(刚性)向量;idxs是每个超声图像轮廓点在 CT图像轮廓点里面的对应索引(非刚性);Ref代表超声图像轮廓点,mov代表 CT图像轮廓点;L代表损失项,Reg代表规则项;
S4、输出刚性配准图像;
S5、基于S4输出形变准图像。
作为对上述技术方案的改进,所述步骤S1中,利用opencv的findcontours 函数来获取分割掩膜的外围有序轮廓点,通过外围有序轮廓点从CT图像中获 取CT图像轮廓、从超声图像中获取超声图像轮廓。
作为对上述技术方案的改进,所述步骤S3中,通过牛顿法求取R、t、idx 每个待优化变量。
作为对上述技术方案的改进,所述步骤S4中,通过步骤S3求得的R、t 计算出逆仿射矩阵,从而求得刚性变换图像。
作为对上述技术方案的改进,所述步骤S5中,通过步骤S3求得的R,t,idxs, 可求得每个超声轮廓点在CT轮廓点中的具体对应坐标,进而计算出整张图像的 位移场。再调用opencv的remap函数对S4获得的CT图像施加该位移场的形变从而 获得形变配准图像。
与现有技术相比,本发明具有的优点和积极效果是:
本发明首先从CT图像、超声图像中获取CT图像轮廓、超声图像轮廓,然后 求解两个轮廓间的刚性/弹性变换,最终获得刚性配准图像及形变配准图像,其 操作简单,方便快捷,有效提高了图像配准操作的工作效率;本发明以全局刚 性变换及局部形变匹配为具体研究对象,可以快速求解刚性变换和匹配形变区 域,从而实现CT图像到超声图像的刚性/形变配准,使医生能够在超声环境下看 到CT图像中的器官及周围组织,有效提升了医生的工作效率,给医学图像配准 技术的未来发展道路指引了方向。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述 中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付 出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的框架流程图;
图2为配准前的两个待配准轮廓;
图3为配准后的两个轮廓;
图4为配准前的CT效果图;
图5为弹性配准后的CT效果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是 全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造 性劳动前提下所获得的所有其他实施例,所作的任何修改、等同替换、改进等,均应包含 在本发明的保护范围之内。
如图1至图5所示,本实施例公开了一种估算2d器官刚性/非刚性配准方 法,包括以下步骤:
S1、获取器官的CT图像、超声图像,同时从CT图像中获取CT图像轮廓, 从超声图像中获取超声图像轮廓;
具体操作为:利用opencv的findcontours函数来获取分割掩膜的外围有 序轮廓点,通过外围有序轮廓点从CT图像中获取CT图像器官轮廓、从超声图 像中获取超声图像器官轮廓。
S2、分别对CT图像轮廓点与超声图像轮廓点进行离散傅里叶变换以获得 x(t)、y(t)的具体函数形式;
其中RCT图像轮廓点相对于超声图像轮廓点的旋转,t代表CT图像轮廓点 相对于超声图像轮廓点的平移(刚性)向量;idxs是每个超声图像轮廓点在 CT图像轮廓点里面的对应索引(非刚性);Ref代表超声图像轮廓点,mov代表 CT图像轮廓点;L代表损失项,Reg代表规则项;
具体操作为:通过牛顿法求取R、t、idx待优化变量。
S4、输出刚性配准图像;
具体操作为:通过步骤S3求得的R、t计算出逆仿射矩阵,从而求得刚性 变换图像。
S5、基于S4输出形变(非刚性)配准图像。
具体操作为:通过步骤S3求得的R,t,idxs,可求得每个超声轮廓点在CT轮廓 点中的具体对应坐标,进而计算出整张图像的位移场。再调用opencv的remap函 数对S4获得的CT图像施加该位移场的形变从而获得形变配准图像。
本发明首先从CT图像、超声图像中获取CT图像器官轮廓、超声图像器官 轮廓,然后估算R,t,idxs,最终获得刚性/形变配准图像,其操作简单,方便 快捷,有效提高了图像配准操作的工作效率;并且本发明以全局刚性变换及局 部形变匹配为具体研究对象,可以快速求解刚性变换和匹配形变区域,从而实 现CT图像到超声图像的刚性/形变配准,使医生能够在超声环境下看到CT图 像中的器官及周围组织,有效提升了医生的工作效率,给医学图像配准技术的 未来发展道路指引了方向。
Claims (6)
1.一种估算2d器官刚性/非刚性配准方法,其特征在于:包括以下步骤:
S1、获取器官的CT图像、超声图像,同时从CT图像中获取CT图像轮廓, 从超声图像中获取超声图像轮廓;
S2、分别对CT图像轮廓点与超声图像轮廓点进行离散傅里叶变换以获得 x(t)、y(t)的具体函数形式;
其中R表示CT图像轮廓点相对于超声图像轮廓点的旋转,t代表CT图像轮 廓点相对于超声图像轮廓点的平移向量;idxs是每个超声图像轮廓点在CT图 像轮廓点里面的对应索引;Ref代表超声图像轮廓点,mov代表CT图像轮廓点; L代表损失项,Reg代表规则项;
S4、输出刚性配准图像;
S5、基于S4输出形变配准图像。
2.如权利要求1所述的估算2d器官刚性/非刚性配准方法,其特征在于: 所述步骤S1中,利用opencv的findcontours函数来获取分割掩膜的外围有序 轮廓点,通过外围有序轮廓点从CT图像中获取CT图像轮廓、从超声图像中获 取超声图像轮廓。
4.如权利要求1所述的估算2d器官刚性/非刚性配准方法,其特征在于: 所述步骤S3中,通过牛顿法求取R、t、idxs待优化变量。
5.如权利要求1所述的估算2d器官刚性/非刚性配准方法,其特征在于: 所述步骤S4中,通过步骤S3求得的R、t计算出逆仿射矩阵,从而求得刚性变 换图像。
6.如权利要求1所述的估算2d器官刚性/非刚性配准方法,其特征在于:所 述步骤S5中,通过步骤S3求得的R,t,idxs,可求得每个超声轮廓点在CT轮廓点中 的具体对应坐标,进而计算出整张图像的位移场;再调用opencv的remap函数对 S4获得的CT图像施加该位移场的形变从而获得形变配准图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210382107.1A CN114677421B (zh) | 2022-04-12 | 2022-04-12 | 一种估算2d器官刚性/非刚性配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210382107.1A CN114677421B (zh) | 2022-04-12 | 2022-04-12 | 一种估算2d器官刚性/非刚性配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114677421A CN114677421A (zh) | 2022-06-28 |
CN114677421B true CN114677421B (zh) | 2023-03-28 |
Family
ID=82077238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210382107.1A Active CN114677421B (zh) | 2022-04-12 | 2022-04-12 | 一种估算2d器官刚性/非刚性配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114677421B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799865A (zh) * | 2010-02-25 | 2010-08-11 | 上海复控华龙微系统技术有限公司 | 基于椭圆傅立叶分解的行人时空轮廓表示方法 |
CN109427058A (zh) * | 2017-08-17 | 2019-03-05 | 西门子保健有限责任公司 | 医学图像中的自动变化检测 |
CN111046579A (zh) * | 2019-12-26 | 2020-04-21 | 哈尔滨工业大学 | 基于粒子群算法的大型高速回转装备误差分离优化方法 |
CN114187338A (zh) * | 2021-12-08 | 2022-03-15 | 卡本(深圳)医疗器械有限公司 | 一种基于估算2d位移场的器官形变配准方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070165943A1 (en) * | 2006-01-17 | 2007-07-19 | Christoph Guetter | System and method for image registration using nonparametric priors and statistical learning techniques |
GB0913930D0 (en) * | 2009-08-07 | 2009-09-16 | Ucl Business Plc | Apparatus and method for registering two medical images |
JP6145178B2 (ja) * | 2013-10-18 | 2017-06-07 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 医療画像の位置合わせ |
CN106204550B (zh) * | 2016-06-30 | 2018-10-30 | 华中科技大学 | 一种非刚性多模医学图像的配准方法及系统 |
CN106504239B (zh) * | 2016-10-25 | 2019-06-21 | 南通大学 | 一种提取超声图像中肝脏区域的方法 |
CN108957128B (zh) * | 2018-07-02 | 2020-09-22 | 三峡大学 | 基于三角-矩形混合卷积窗及加速pso算法的间谐波检测方法 |
CN114004938B (zh) * | 2021-12-27 | 2022-04-01 | 中国电子科技集团公司第二十八研究所 | 一种基于海量数据的城市场景重建方法及装置 |
-
2022
- 2022-04-12 CN CN202210382107.1A patent/CN114677421B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799865A (zh) * | 2010-02-25 | 2010-08-11 | 上海复控华龙微系统技术有限公司 | 基于椭圆傅立叶分解的行人时空轮廓表示方法 |
CN109427058A (zh) * | 2017-08-17 | 2019-03-05 | 西门子保健有限责任公司 | 医学图像中的自动变化检测 |
CN111046579A (zh) * | 2019-12-26 | 2020-04-21 | 哈尔滨工业大学 | 基于粒子群算法的大型高速回转装备误差分离优化方法 |
CN114187338A (zh) * | 2021-12-08 | 2022-03-15 | 卡本(深圳)医疗器械有限公司 | 一种基于估算2d位移场的器官形变配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114677421A (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Almajalid et al. | Development of a deep-learning-based method for breast ultrasound image segmentation | |
US10304158B2 (en) | Image processing apparatus, image processing method and non-transitory computer-readable medium with calculation of information representing direction of target tissue and with estimating of depicting appearance of target tissue | |
EP2517174B1 (en) | Bone suppression in x-ray radiograms | |
JP2008546441A (ja) | 第1及び第2画像を比較するためのモデルに基づく弾性画像登録方法 | |
EP3206189B1 (en) | Image processing apparatus, image processing method, and program | |
CN114119549A (zh) | 一种多模态医学图像三维点云配准优化方法 | |
JP2011041656A (ja) | ボリュームデータ間の対応付け方法 | |
Wesarg | Combining short-axis and long-axis cardiac MR images by applying a super-resolution reconstruction algorithm | |
Chen et al. | An improved level set for liver segmentation and perfusion analysis in MRIs | |
JP2023502814A (ja) | 画像検出モデルのトレーニング方法及びその関連装置、機器、記憶媒体 | |
Wei et al. | A deep learning approach for 2D ultrasound and 3D CT/MR image registration in liver tumor ablation | |
CN114187338B (zh) | 一种基于估算2d位移场的器官形变配准方法 | |
CN113610752A (zh) | 乳腺图像配准方法、计算机设备和存储介质 | |
Alam et al. | Evaluation of medical image registration techniques based on nature and domain of the transformation | |
CN110490841B (zh) | 计算机辅助影像分析方法、计算机设备和存储介质 | |
Shao et al. | Augmented reality calibration using feature triangulation iteration-based registration for surgical navigation | |
CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
CN114677421B (zh) | 一种估算2d器官刚性/非刚性配准方法 | |
CN116612166A (zh) | 一种多模态影像的配准融合算法 | |
CN110473241A (zh) | 图像配准方法、存储介质及计算机设备 | |
CN113554647B (zh) | 医学图像的配准方法和装置 | |
Urschler et al. | Assessing breathing motion by shape matching of lung and diaphragm surfaces | |
CN111062956B (zh) | 钼靶x线乳腺影像肿块目标分割方法及装置 | |
CN113850794A (zh) | 一种图像处理方法及装置 | |
CN114596286A (zh) | 图像分割方法、系统、装置和存储介质 |
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 |