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 PDF

Info

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
Application number
CN202210382107.1A
Other languages
English (en)
Other versions
CN114677421A (zh
Inventor
汪明润
王杉杉
吴梦麟
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.)
Kaben Shenzhen Medical Equipment Co ltd
Original Assignee
Kaben Shenzhen Medical Equipment 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 Kaben Shenzhen Medical Equipment Co ltd filed Critical Kaben Shenzhen Medical Equipment Co ltd
Priority to CN202210382107.1A priority Critical patent/CN114677421B/zh
Publication of CN114677421A publication Critical patent/CN114677421A/zh
Application granted granted Critical
Publication of CN114677421B publication Critical patent/CN114677421B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明公开了一种估算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；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；S3、优化目标函数
Figure DDA0003592253890000011
其中R、t代表CT图像轮廓点相对于超声图像轮廓点的旋转和平移；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。本发明操作简单、方便快捷。

Description

一种估算2d器官刚性/非刚性配准方法
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；
S3、优化目标函数
Figure BDA0003592253870000021
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S2中，利用离散傅里叶变换，求 CT图像轮廓点与超声图像轮廓点坐标的具体函数形 式:
Figure BDA0003592253870000022
其中t＝1、 2...n代表轮廓点的索引，A、B、C、D代表常量值(投影值)。
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；
具体操作为：利用离散傅里叶变换，求取轮廓点坐标的具体函数形 式:
Figure BDA0003592253870000041
其中t＝1、2...n代表轮廓点的索引，A、B、C、D代表常量值(投影值)。
S3、优化目标函数
Figure BDA0003592253870000042
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；
S3、优化目标函数
Figure FDA0004047812930000011
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。
3.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S2中，利用离散傅里叶变换，求CT图像轮廓点与超声图像轮廓点坐 标的具体函数形式:
Figure FDA0004047812930000012
Figure FDA0004047812930000013
其中t＝1、2...n代表轮廓点的索引，A、B、C、D代表常量值。
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。
CN202210382107.1A 2022-04-12 2022-04-12 一种估算2d器官刚性/非刚性配准方法 Active CN114677421B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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