CN115082534B - 双平面图像配准方法、装置及机器人 - Google Patents

双平面图像配准方法、装置及机器人 Download PDF

Info

Publication number
CN115082534B
CN115082534B CN202210855543.6A CN202210855543A CN115082534B CN 115082534 B CN115082534 B CN 115082534B CN 202210855543 A CN202210855543 A CN 202210855543A CN 115082534 B CN115082534 B CN 115082534B
Authority
CN
China
Prior art keywords
image
axis
dimensional
cycle
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
CN202210855543.6A
Other languages
English (en)
Other versions
CN115082534A (zh
Inventor
沈丽萍
雷俊勇
周迪斌
孔方琦
申明宇
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.)
Hangzhou Santan Medical Technology Co Ltd
Original Assignee
Hangzhou Santan Medical Technology 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 Hangzhou Santan Medical Technology Co Ltd filed Critical Hangzhou Santan Medical Technology Co Ltd
Priority to CN202210855543.6A priority Critical patent/CN115082534B/zh
Publication of CN115082534A publication Critical patent/CN115082534A/zh
Application granted granted Critical
Publication of CN115082534B publication Critical patent/CN115082534B/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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种双平面图像配准方法、装置及机器人，涉及图像处理领域，该方法包括：获取三维体图像、正位二维图像和侧位二维图像；根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像。减小了双平面图像配准的时间开销。

Description

双平面图像配准方法、装置及机器人
技术领域
本申请涉及图像处理技术领域，尤其涉及一种双平面图像配准方法、装置及机器人。
背景技术
随着医疗水平的不断提高，医学影像技术在现代临床医学中扮演的角色也越来越重要，已经成为临床诊断和治疗中必不可少的一部分，也成为了国内外研究者研究的热点。
医学图像的配准是常见的图像分析手段，配准即为同一区域内以不同成像手段获得的不同图像的地理坐标的匹配，包括几何纠正、投影变换与统一比例尺三方面的处理。目前针对医学图像的配准，采用的通常为双平面配准技术，双平面配准技术是一种利用两幅相互正交的X射线影像来进行配准以获取三维物体的6自由度空间坐标的技术。新平面的引入增加了确定两个平面相对位置的方法，引入的第二个平面可以在另一个视角检查第一个平面的配准正确性。针对任意一个平面的配准过程，均涉及投影过程以及计算误差的过程。
由于双平面配准技术的执行过程中需要大量迭代，双平面配准技术对于每个自由度下的投影和误差值计算都要进行两次，使得图像配准的时间开销较大。
发明内容
本申请提供一种双平面图像配准方法、装置及机器人，以减小图像配准的时间开销。
第一方面，本申请提供一种双平面图像配准方法，包括：
获取三维体图像、正位二维图像和侧位二维图像；
根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；
根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；
根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像。
在一种可能的实施方式中，所述根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，包括：
执行第一操作，所述第一操作包括：根据第i-1次循环后的空间变换参数对所述三维体图像进行数字重建投影DRR处理，得到第i个正位DRR图像，并获取所述第i个正位DRR图像与所述正位二维图像之间的相似度；
在所述第i个正位DRR图像与所述正位二维图像之间的相似度小于或等于第一预设值时，更新所述i为i+1，对所述第i-1次循环后的空间变换参数更新得到第i次循环后的空间变换参数，并根据所述第i次循环后的空间变换参数重复执行所述第一操作；
在所述第i个正位DRR图像与所述正位二维图像之间的相似度大于所述第一预设值时，将所述第i-1次循环后的空间变换参数确定为所述第一空间变换参数；
其中，所述i初始为1，第0次循环后的空间变换参数为所述初始空间变换参数。
在一种可能的实施方式中，所述第一空间变换参数包括：
三维体沿x轴的第一x轴平移距离；
所述三维体沿y轴的第一y轴平移距离；
所述三维体沿z轴的第一z轴平移距离；
所述三维体沿所述x轴的第一x轴旋转角度；
所述三维体沿所述y轴的第一y轴旋转角度；
所述三维体沿所述z轴的第一z轴旋转角度。
在一种可能的实施方式中，所述根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数，包括：
根据所述第一z轴平移距离，确定迭代系数；
根据所述迭代系数、所述第一x轴平移距离、所述第一y轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度以及所述第一z轴旋转角度，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到目标z轴平移距离；
其中，所述第二空间变换参数包括所述第一x轴平移距离、所述第一y轴平移距离，所述目标z轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度，以及所述第一z轴旋转角度。
在一种可能的实施方式中，所述根据所述第一z轴平移距离，确定迭代系数，包括：
根据所述第一z轴平移距离
Figure 806088DEST_PATH_IMAGE001
，确定初始搜索空间
Figure 858358DEST_PATH_IMAGE002
，所述
Figure 311336DEST_PATH_IMAGE003
为所述初始 搜索空间的左边界值，所述
Figure 765451DEST_PATH_IMAGE004
为所述初始搜索空间的右边界值，
Figure 340789DEST_PATH_IMAGE005
；
根据所述初始搜索空间，确定所述迭代系数n；
其中，所述迭代系数n满足
Figure 365508DEST_PATH_IMAGE006
，
Figure 887756DEST_PATH_IMAGE007
为预设允许误差值，
Figure 196378DEST_PATH_IMAGE008
，
Figure 942617DEST_PATH_IMAGE009
，n为正整数，j为大于或等于1的整数。
在一种可能的实施方式中，所述根据所述迭代系数、所述第一x轴平移距离、所述第一y轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度以及所述第一z轴旋转角度，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到目标z轴平移距离，包括：
根据所述第一x轴平移距离、所述第一y轴平移距离、所述第一x轴旋转角度、所述第一y轴旋转角度以及所述第一z轴旋转角度，获取所述三维体图像和所述侧位二维图像进行侧位配准处理的误差函数f(t)，其中t为所述三维体沿所述z轴的平移距离；
根据所述迭代系数对所述误差函数f(t)进行迭代处理，得到所述误差函数的极小值点；
将所述极小值点对应的自变量取值确定为所述目标z轴平移距离。
在一种可能的实施方式中，所述根据所述迭代系数对所述误差函数f(t)进行迭代处理，得到所述误差函数的极小值点，包括：
根据第k轮循环的搜索空间，获取第k轮循环的第一参数和第k轮循环的第二参数；其中，k初始为1，k依次为1,2,3,...,n-1；第1轮循环的搜索空间为所述初始搜索空间；
根据所述第k轮循环的第一参数、所述第k轮循环的第二参数和所述误差函数，获取第k轮循环的第一误差和第k轮循环的第二误差；
在所述第k轮循环的第一误差小于所述第k轮循环的第二误差时，根据所述第k轮循环的搜索空间的左边界值、所述第k轮循环的第一误差和所述第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差；
在所述第k轮循环的第一误差大于或等于所述第k轮循环的第二误差时，根据所述第k轮循环的搜索空间的右边界值、所述第k轮循环的第一误差和所述第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差；
根据第n-1轮循环的第一误差和第n-1轮循环的第二误差，获取所述极小值点。
第二方面，本申请提供一种双平面图像配准装置，包括：
获取模块，用于获取三维体图像、正位二维图像和侧位二维图像；
第一处理模块，用于根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；
第二处理模块，用于根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；
配准模块，用于根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像。
在一种可能的实施方式中，所述第一处理模块具体用于：
执行第一操作，所述第一操作包括：根据第i-1次循环后的空间变换参数对所述三维体图像进行数字重建投影DRR处理，得到第i个正位DRR图像，并获取所述第i个正位DRR图像与所述正位二维图像之间的相似度；
在所述第i个正位DRR图像与所述正位二维图像之间的相似度小于或等于第一预设值时，更新所述i为i+1，对所述第i-1次循环后的空间变换参数更新得到第i次循环后的空间变换参数，并根据所述第i次循环后的空间变换参数重复执行所述第一操作；
在所述第i个正位DRR图像与所述正位二维图像之间的相似度大于所述第一预设值时，将所述第i-1次循环后的空间变换参数确定为所述第一空间变换参数；
其中，所述i初始为1，第0次循环后的空间变换参数为所述初始空间变换参数。
在一种可能的实施方式中，所述第一空间变换参数包括：
三维体沿x轴的第一x轴平移距离；
所述三维体沿y轴的第一y轴平移距离；
所述三维体沿z轴的第一z轴平移距离；
所述三维体沿所述x轴的第一x轴旋转角度；
所述三维体沿所述y轴的第一y轴旋转角度；
所述三维体沿所述z轴的第一z轴旋转角度。
在一种可能的实施方式中，所述第二处理模块具体用于：
根据所述第一z轴平移距离，确定迭代系数；
根据所述迭代系数、所述第一x轴平移距离、所述第一y轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度以及所述第一z轴旋转角度，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到目标z轴平移距离；
其中，所述第二空间变换参数包括所述第一x轴平移距离、所述第一y轴平移距离，所述目标z轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度，以及所述第一z轴旋转角度。
在一种可能的实施方式中，所述第二处理模块具体用于：
根据所述第一z轴平移距离
Figure 438320DEST_PATH_IMAGE010
，确定初始搜索空间
Figure 13527DEST_PATH_IMAGE011
，所述
Figure 973393DEST_PATH_IMAGE012
为所述初 始搜索空间的左边界值，所述
Figure 828216DEST_PATH_IMAGE013
为所述初始搜索空间的右边界值，
Figure 342374DEST_PATH_IMAGE014
；
根据所述初始搜索空间，确定所述迭代系数n；
其中，所述迭代系数n满足
Figure 206425DEST_PATH_IMAGE015
，
Figure 20797DEST_PATH_IMAGE016
为预设允许误差值，
Figure 59904DEST_PATH_IMAGE017
，
Figure 795779DEST_PATH_IMAGE018
，n为正整数，j为大于或等于1的整数。
在一种可能的实施方式中，所述第二处理模块具体用于：
根据所述第一x轴平移距离、所述第一y轴平移距离、所述第一x轴旋转角度、所述第一y轴旋转角度以及所述第一z轴旋转角度，获取所述三维体图像和所述侧位二维图像进行侧位配准处理的误差函数f(t)，其中t为所述三维体沿所述z轴的平移距离；
根据所述迭代系数对所述误差函数f(t)进行迭代处理，得到所述误差函数的极小值点；
将所述极小值点对应的自变量取值确定为所述目标z轴平移距离。
在一种可能的实施方式中，所述第二处理模块具体用于：
根据第k轮循环的搜索空间，获取第k轮循环的第一参数和第k轮循环的第二参数；其中，k初始为1，k依次为1,2,3,...,n-1；第1轮循环的搜索空间为所述初始搜索空间；
根据所述第k轮循环的第一参数、所述第k轮循环的第二参数和所述误差函数，获取第k轮循环的第一误差和第k轮循环的第二误差；
在所述第k轮循环的第一误差小于所述第k轮循环的第二误差时，根据所述第k轮循环的搜索空间的左边界值、所述第k轮循环的第一误差和所述第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差；
在所述第k轮循环的第一误差大于或等于所述第k轮循环的第二误差时，根据所述第k轮循环的搜索空间的右边界值、所述第k轮循环的第一误差和所述第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差；
根据第n-1轮循环的第一误差和第n-1轮循环的第二误差，获取所述极小值点。
第三方面，本申请提供一种机器人，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时，所述机器人实现如第一方面任一项所述的双平面图像配准方法。
第四方面，本申请提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的双平面图像配准方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的双平面图像配准方法。
本申请实施例提供的双平面图像配准方法、装置及机器人，首先获取三维体图像、正位二维图像和侧位二维图像，然后根据初始空间变换参数对三维体图像和正位二维图像进行正位配准处理，得到第一空间变换参数，其中，正位配准处理包括针对三维体图像的多次正位投影处理和针对正位二维图像的多次相似度计算处理；在得到第一空间变换参数后，根据斐波那契法和第一空间变换参数，对三维体图像和侧位二维图像进行侧位配准处理，得到第二空间变换参数，最后根据第二空间变换参数获取三维体图像的正位配准图像和侧位配准图像，实现三维体图像的双平面图像配准。与目前的双平面图像配准方案相比，本申请实施例提供的双平面图像配准方法，并不同时进行正位配准处理和侧位配准处理，而是先进行正位配准处理，因此在正位配准处理的多次迭代过程中，其时间开销包括每个自由度下的正位投影计算和误差值计算的开销，与目前的双平面图像配准方案中每个自由度下的正位投影计算和误差值计算都需要进行两次相比，其时间开销缩短了一半。在确定第一空间变换参数后，正位配准的5个自由度参数已确定，因此在侧位配准处理中，只需要确定剩余的1个自由度参数。由于斐波那契法的迭代速度快，本方案基于斐波那契法能够快速迭代获取到剩余的1个自由度参数，其时间开销大大缩短，进而得到第二空间变换参数，进而根据第二空间变换参数得到三维体图像的正位配准图像和侧位配准图像。
附图说明
为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的应用场景示意图；
图2为本申请实施例提供的双平面图像配准方法的流程示意图；
图3为本申请实施例提供的正位配准的流程示意图；
图4为本申请实施例提供的DRR处理示意图；
图5为本申请实施例提供的图像配准过程示意图；
图6为本申请实施例提供的双平面配准示意图；
图7为本申请实施例提供的确定第二空间变换参数的流程示意图；
图8为本申请实施例提供的误差函数迭代流程示意图；
图9为本申请实施例提供的双平面图像配准装置的结构示意图；
图10为本申请实施例提供的一种机器人的实体结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
随着医疗水平的不断提高，医学影像技术在现代临床医学中扮演的角色也越来越重要，已经成为临床诊断和治疗中必不可少的一部分，也成为了国内外研究者研究的热点。各种类型的医学图像不仅能使医生有可能观察到体内脏器在形态学上的变化，而且有可能对脏器的功能做出判断。
大量的包含病人生理、病理和解剖信息的医学图像是医生进行临床诊断、病情跟踪、手术计划等的重要依据。医学图像检索与配准是常见的图像分析手段，而图像的相似性测度是检索与配准的基础。医学图像因其本身的对象复杂，数据量大，信噪比低，病人之间的差异性大，成像方式迥异等特点，使其与一般的图像处理问题相比，面临更多的难点。如何对医学图像中特定主体的相似性进行准确测度，成为了一大技术挑战。
在2D/3D医学图像配准过程中，实现术前3D图像和术中2D图像的维度统一是配准的首要问题。对于投影策略来说，通过投影算法能解决维度统一问题。当术中2D图像为X光图像时，希望通过投影算法得到的图像能够与X光图像相似，此时涉及到数字重建影像（Digital Reconstructed Radiograph，DRR）技术。DRR技术通过对3D电子计算机断层扫描（Computed Tomography，CT）图像或者其他X射线断层摄影设备获得的三维数据进行投影，合成模拟的X射线透视图像，从解剖学的角度帮助医生诊断和制定治疗计划。
而具体到包括髋关节、脊椎等骨关节医学图像配准的问题，其中的代表性技术则是双平面配准技术。双平面配准技术是一种利用两幅相互正交的X射线影像来进行配准以获取三维物体的6自由度空间坐标的技术，起源于单平面配准技术。单平面配准技术所依赖的单平面投影技术，利用计算机中的虚拟环境（点光源、投影平面）要素来模拟投影进行配准，将待检测目标物体变换x、y轴的旋转角，生成一个轮廓库并进行归一化处理，并利用傅里叶描述子来对真实的轮廓进行目标检测。单平面配准技术可以达到1°/0.5mm的误差，但是在z轴上的误差显著比x、y轴要大，究其原因是因为在轮廓库上生成上缺失了z轴方向上的信息，因此，双平面配准技术应运而生。
双平面配准技术中新平面的引入，增加了确定两个平面相对位置的方法，引入的第二个平面可以在另一个视角检查第一个平面的配准正确性，从而纠正单平面在z轴方向上的误差，其误差相对于单平面配准技术更低。
由于配准流程中涉及到计算投影（即DRR过程）的时间，以及计算投影后的DRR图像与2D的X光图像之间的误差值（即相似度）的时间，对于目前的双平面配准技术而言，每次迭代过程中的时间开销为（计算投影的时间+计算误差值的时间）×2，即计算6个自由度上的投影的时间和误差值的时间均为单平面配准技术的2倍，而算法在优化函数的执行过程中需要大量迭代，对于每个自由度下的投影和误差值计算都要进行两次，这无疑加倍了医学图像配准的时间。
基于此，本申请提供了一种双平面图像配准方法，以节省医学图像配准的时间。首先结合图1对本申请的一种适用的应用场景进行介绍。
图1为本申请实施例提供的应用场景示意图，如图1所示，包括包括机械臂台车11和拍摄设备12。机械臂台车11上设有手术器械111、移动机器臂112，手术器械111可以在移动机器臂112的驱动下对病患进行手术操作，移动机器臂112可以实现上下升降、前后移动、左右移动、绕基座旋转。拍摄设备12包括扫描床121、机架组件122、支撑组件123和拍摄组件124。
支撑组件123用于支撑扫描床121，支撑组件123可以实现上下左右前后的移动、旋转，以调节扫描床121的位姿。机架组件122也可以实现上下左右前后的移动、旋转，以调节拍摄组件的位姿，使得拍摄组件124能够从任意角度对扫描床121上的病患13进行拍摄得到医学图像，满足医疗人员从不同角度观察病患的病变部位以及手术器械的需求。机械臂台车11与拍摄设备12可以通过有线或者无线的方式建立通信连接。当然，机械臂台车还可以包含图中未示出的控制系统，拍摄设备也可以包含控制系统，以控制各自的多轴机械臂进行运动。
拍摄组件124可用于采集三维体图像，例如CT图像或核磁共振（MagneticResonance，MR）图像，然后将三维图像导入控制台，在三维图像中规划路径。移动机器臂112将配准版放置在成像范围内，拍摄多张不同姿态的X光图像，并将图像发送至控制台。
在图1示例的应用场景下，下面结合图2对本申请的方案进行介绍。
图2为本申请实施例提供的双平面图像配准方法的流程示意图，如图2所示，该方法可以包括：
S21，获取三维体图像、正位二维图像和侧位二维图像。
三维体图像为三维类型的图像，例如可以为CT三维体图像，其包括被拍摄物体的三维信息。正位二维图像和侧位二维图像是针对三维体的不同角度拍摄得到的二维图像，例如可以为正位X光二维图像和侧位X光二维图像。
三维体图像、正位二维图像和侧位二维图像对应的是相同的拍摄区域，其中三维体图像与正位二维图像的成像手段，以及三维体图像与侧位二维图像的成像手段不同，正位二维图像的成像手段与侧位二维图像的成像手段相同，且正位二维图像的成像手段与侧位二维图像是相互正交的。
可以理解的是，由于误差的不可避免，三维体图像、正位二维图像和侧位二维图像对应的拍摄区域可能不完全相同，针对此种情形，可以对上述图像进行一定的调整或者处理，使得三维体图像、正位二维图像和侧位二维图像对应的对应相同的拍摄区域即可。
S22，根据初始空间变换参数对三维体图像和正位二维图像进行正位配准处理，得到第一空间变换参数，其中，正位配准处理包括针对三维体图像的多次正位投影处理和针对正位二维图像的多次相似度计算处理。
空间变换参数即为三维体的6自由度，该三维体例如可以是人体的某个部位，例如骨骼、肺，等等，例如也可以是其他物体，本申请实施例对此不作限定。6自由度包括三维体分别沿x轴、y轴和z轴的平移距离，以及三维体分别沿x轴、y轴和z轴的旋转角度。6自由度不同，得到的配准结果也不同。
初始空间变换参数为对空间变换参数中的取值进行初始化得到的，在确定初始空间变换参数后，可以根据初始空间变换参数对三维体图像和正位二维图像进行正位配准处理。
正位配准处理包括根据空间变换参数对三维体图像进行正位投影处理，得到投影后的DRR图像，然后计算投影后的DRR图像与正位二维图像之间的相似度，根据相似度来更新空间变换参数。根据上述方式，进行多次迭代，最终得到第一空间变换参数。
S23，根据斐波那契法和第一空间变换参数，对三维体图像和侧位二维图像进行侧位配准处理，得到第二空间变换参数。
在得到第一空间变换参数后，已完成5个自由度的配准，即第一空间变换参数中的部分自由度参数已确定，仅在三维体沿z轴的平移距离上存在偏差，因此侧位配准处理只需要针对三维体沿z轴的平移距离。
由于只需要配准三维体沿z轴的平移距离这一个自由度，相当于单一参数寻优，本申请实施例中，采用的是斐波那契法确定最优的三维体沿z轴的平移距离，实现侧位配准，得到对应的第二空间变换参数，其中，第二空间变换参数能够使得三维体图像对应的侧位DRR图像与侧位二维图像之间的相似度最高。
S24，根据第二空间变换参数获取三维体图像的正位配准图像和侧位配准图像。
第二空间变换参数为根据正位配准处理和侧位配准处理中的多次迭代确定的6自由度，在得到第二空间变换参数后，根据第二空间变换参数，可以得到三维体图像的正位配准图像和侧位配准图像，其中，正位配准图像即为三维体图像在第二空间变换参数下进行正位投影处理得到的图像，侧位配准图像即为三维体图像在第二空间变换参数下进行侧位投影处理得到的图像，该投影处理例如可以为DRR投影处理，或者其他可能的数字投影处理等等。
本申请实施例提供的双平面图像配准方法，首先获取三维体图像、正位二维图像和侧位二维图像，然后根据初始空间变换参数对三维体图像和正位二维图像进行正位配准处理，得到第一空间变换参数，其中，正位配准处理包括针对三维体图像的多次正位投影处理和针对正位二维图像的多次相似度计算处理；在得到第一空间变换参数后，根据斐波那契法和第一空间变换参数，对三维体图像和侧位二维图像进行侧位配准处理，得到第二空间变换参数，最后根据第二空间变换参数获取三维体图像的正位配准图像和侧位配准图像，实现三维体图像的双平面图像配准。与目前的双平面图像配准方案相比，本申请实施例提供的双平面图像配准方法，并不同时进行正位配准处理和侧位配准处理，而是先进行正位配准处理，因此在正位配准处理的多次迭代过程中，其时间开销包括每个自由度下的正位投影计算和误差值计算的开销，与目前的双平面图像配准方案中每个自由度下的正位投影计算和误差值计算都需要进行两次相比，其时间开销缩短了一半。在确定第一空间变换参数后，正位配准的5个自由度参数已确定，因此在侧位配准处理中，只需要确定剩余的1个自由度参数。由于斐波那契法的迭代速度快，本方案基于斐波那契法能够快速迭代获取到剩余的1个自由度参数，其时间开销大大缩短，进而得到第二空间变换参数，进而根据第二空间变换参数得到三维体图像的正位配准图像和侧位配准图像。
在上述任意实施例的基础上，下面结合附图对本申请的方案进行详细介绍。首先结合图3介绍正位配准的过程。
图3为本申请实施例提供的正位配准的流程示意图，如图3所示，包括：
S31，根据第i-1次循环后的空间变换参数对三维体图像进行DRR处理，得到第i个正位DRR图像，并获取第i个正位DRR图像与正位二维图像之间的相似度。
在获取三维体图像和正位二维图像后，可以对图像进行转换，转换成机器能够识别的数据，即三维体图像对应的三维体数据，以及正位二维图像对应的正位二维数据。在下述实施例中，针对三维体数据的处理等同于针对三维体图像的处理，针对正位二维数据的处理等同于针对正位二维图像的处理。
初始时，会设定一个初始空间变换参数，其中，任意空间变换参数中均包括三维体的6自由度，这6自由度分别是三维体沿x轴的平移距离、沿y轴的平移距离、沿z轴的平移距离，以及三维体沿x轴方向的旋转角度、沿y轴方向的旋转角度、沿z轴方向的旋转角度。
通过6自由度，能够确定三维体数据的配准方式，而初始时，这6自由度的取值是随机初始化的，配准的过程即为通过迭代确定最终6自由度的取值的过程。
本申请实施例中，首先根据i-1次循环后的空间变换参数对三维体图像进行DRR处理，得到第i个正位DRR图像，然后获取第i个正位DRR图像与正位二维图像之间的相似度。i初始为1，第0次循环后的空间变换参数为初始空间变换参数。
DRR处理过程例如可以结合图4进行理解。图4为本申请实施例提供的DRR处理示意图，如图4所示，对于投影策略来说，通过DRR技术能解决维度统一问题。
DRR技术通过对3D的CT图像或者其他X射线断层摄影设备获得的三维数据进行投影，合成模拟的X射线透视图像，从解剖学的角度帮助诊断和制定治疗计划。
在本申请实施例中，针对正位配准而言，可以设置一个点光源，然后根据要生成的正位DRR图像的像素点的数量，设置光束的数目，所有光束均从点光源处发出，每个光束对应最终的正位DRR图像上的一个像素点。
DRR重建算法主要通过射线追踪法算法实现，其X光衰减过程如下式（1）所示：
Figure 994679DEST_PATH_IMAGE019
其中，s为光学投射方向的长度，
Figure 132399DEST_PATH_IMAGE020
为距离s处的光学强度，
Figure 594605DEST_PATH_IMAGE021
为光线强度 额衰减系数，
Figure 801464DEST_PATH_IMAGE022
为光线进入三维数据场时的光线强度。图4示例了正位DRR图像生成过程， 从点光源发射的光线，经过三维体，基于式（1）的规则，三维体内不同的结构会使得光线产 生不同程度的衰减，例如光线通过骨骼和肌肉这些不同的区域，光线的衰减程度不同，最终 得到的像素点也不同。图4左边示例了从点光源发射出的光线经过三维体后生成正位DRR图 像的过程，图4右边示例了从点光源发射出的光学的穿透过程。经过DRR重建算法，即可得到 正位DRR图像。
在进行DRR处理时，需要根据空间变换参数得到对应的DRR图像。本申请实施例中，首先根据初始空间变换参数对三维体图像进行DRR处理，得到第1个正位DRR图像，然后获取第1个正位DRR图像与正位二维图像之间的相似度。
针对任意第i次循环，会根据第i-1次循环后的空间变换参数对三维体图像进行DRR处理，得到第i个正位DRR图像，然后获取第i个正位DRR图像与正位二维图像之间的相似度。
S32，判断第i个正位DRR图像与正位二维图像之间的相似度是否小于或等于第一预设值，若是，则执行S33，若否，则执行S34。
2D/3D配准的实质为在空间中寻找一个最优变换，使得在此变换下的三维体图像，生成的DRR图像与二维图像的相似度最高，相似度越高，表示DRR图像与二维图像之间的误差越低。其数学模型可以表示如下：
Figure 69634DEST_PATH_IMAGE023
其中，
Figure 796282DEST_PATH_IMAGE024
代表相似度函数，
Figure 429388DEST_PATH_IMAGE025
代表空间变换参数，x代表二维图像，y代表三维体图 像，DRR代表对应空间变换参数下的DRR图像，配准过程即为寻找空间变换参数
Figure 936593DEST_PATH_IMAGE026
使得
Figure 946137DEST_PATH_IMAGE027
达 到最大值，即：
Figure 278024DEST_PATH_IMAGE028
Figure 144349DEST_PATH_IMAGE029
表示使
Figure 76533DEST_PATH_IMAGE030
取最大值的T。
在正位配准中，上式（2）中的x代表正位二维图像，S代表第i个正位DRR图像与正位二维图像之间的相似度，相似度S即为目标函数。在得到相似度S后，可以基于一定的优化算法求解空间变换参数T。
目前的最优化算法根据其求解适用的范围主要可以分为局部最优化算法和全局最优化算法两大类。局部优化常见算法由牛顿法、共轭梯度法、拟牛顿算法等。对于连续优化问题，常用基于梯度的局部最优化算法进行求解。基于梯度的优化方法因其迭代次数较少，可以快速计算含有大量变量的目标函数值，。但是局部最优化算法通常在函数具有多个极值点的时候会出现在局部极值收敛的情况，从而错过全局最优解。
在另一方面，全局优化算法能比局部最优化算法更容易的找到全局最优值或接近全局最优解的值。在全局优化算法中，演化算法由于其独特的优势在工程中被广泛采用。演化算法借鉴生物种群演化、优胜劣汰的机制来寻找机制来寻找最优解。该算法的鲁棒性好，易于实现，且非常适合离散优化问题。算法的主要缺点是计算成本高，约束能力差，特定问题的参数调整困难和求解的问题大小有限。演化算法和局部最优化算法的最大区别就是使用群体更新而非单点更新来寻找参数的最优解。
演化算法按照其在变异、交叉等步骤上的设计理念上的不同有许多分支，在这一框架下，较为流行且已有工程实践的有粒子群算法、差分演化算法、模拟退火算法等。
在得到第i个正位DRR图像与正位二维图像之间的相似度后，可以判断第i个正位DRR图像与正位二维图像之间的相似度是否小于或等于第一预设值。在第i个正位DRR图像与正位二维图像之间的相似度小于或等于第一预设值时，表示第i个正位DRR图像与正位二维图像之间的相似度较低，需要继续进行循环过程，此时执行S33。在第i个正位DRR图像与正位二维图像之间的相似度大于第一预设值时，表示第i个正位DRR图像与正位二维图像之间的相似度较高，此时执行S34。
S33，更新i为i+1，以及对第i-1次循环后的空间变换参数更新得到第i次循环后的空间变换参数，并执行S31。
在第i个正位DRR图像与正位二维图像之间的相似度较低时，更新i为i+1，并对第i-1次循环后的空间变换参数更新，得到第i次循环后的空间变换参数。
然后，跳转至S32，即根据第i次循环后的空间变换参数执行S32的步骤，重复循环过程。
S34，将第i-1次循环后的空间变换参数确定为第一空间变换参数。
在第i个正位DRR图像与正位二维图像之间的相似度满足要求时，将第i-1次循环后的空间变换参数确定为第一空间变换参数即可。
上述过程可以结合图5进行理解。图5为本申请实施例提供的图像配准过程示意图，如图5所示，CT三维体图像进行预处理后，基于初始空间变换参数对CT三维体图像进行DRR处理，得到正位DRR图像。
正位二维图像进行预处理后，对正位DRR图像和正位二维图像进行相似度计算，判断相似度是否满足要求。
在不满足要求时，更新空间变换参数，然后根据更新的空间变换参数对CT三维体图像进行DRR处理，重复上述操作，直至相似度满足要求时，得到正位DRR图像和第一空间变换参数。
其中，第一空间变换参数包括：三维体沿x轴的第一x轴平移距离，三维体沿y轴的第一y轴平移距离，三维体沿z轴的第一z轴平移距离，三维体沿x轴的第一x轴旋转角度，三维体沿y轴的第一y轴旋转角度，以及三维体沿z轴的第一z轴旋转角度。
图6为本申请实施例提供的双平面配准示意图，如图6所示，三维体61在正位配准的过程中，已经完成了三维体沿x轴、y轴的平移距离，以及三维体沿x轴、y轴、z轴的旋转角度这5个自由度的配准，仅在z轴偏移量上存在误差。三维体61沿着z轴的平移距离变化时，其正位配准的结果是不变的，例如在图6中，三维体61分别处于图6中的位置A、位置B、位置C时，其得到的正位配准图像均为图像62，表示三维体在沿着z轴的平移距离这一自由度并未确定。所以侧位配准只需要配准z轴单个自由度，即三维体沿z轴的旋转角度，此时配准问题可以视作单峰函数寻最优。本申请实施例中，针对单一参数寻优，即一维搜索方法，引入斐波那契法进行寻优，即在确定了第一空间变换参数后，可以根据斐波那契法和第一空间变换参数，对三维体图像和侧位二维图像进行侧位配准处理，得到第二空间变换参数，下面将结合图7对该过程进行介绍。
图7为本申请实施例提供的确定第二空间变换参数的流程示意图，如图7所示，包括：
S71，根据第一z轴平移距离，确定迭代系数。
斐波那契法中的迭代系数是确定的，本申请实施例中，设第一z轴平移距离为z0，迭代系数为n，n为正整数。
首先，根据第一z轴平移距离
Figure 624189DEST_PATH_IMAGE031
，确定初始搜索空间
Figure 591008DEST_PATH_IMAGE032
，
Figure 362655DEST_PATH_IMAGE033
为初始搜索空 间的左边界值，
Figure 296981DEST_PATH_IMAGE034
为初始搜索空间的右边界值，且满足
Figure 382749DEST_PATH_IMAGE035
。例如，可以设置 为
Figure 812DEST_PATH_IMAGE036
，
Figure 146623DEST_PATH_IMAGE037
，可以设置为
Figure 787820DEST_PATH_IMAGE038
，
Figure 702379DEST_PATH_IMAGE039
，等等，只要 满足
Figure 174949DEST_PATH_IMAGE040
即可，
Figure 757240DEST_PATH_IMAGE041
大于
Figure 885733DEST_PATH_IMAGE042
。
在确定初始搜索空间后，可以根据初始搜索空间确定迭代系数n。具体的，首先获取斐波那契数列，斐波那契数列满足如下条件：
Figure 375620DEST_PATH_IMAGE043
Figure 171538DEST_PATH_IMAGE044
根据上式（4）和式（5）可以得到斐波那契数列中的任意数值，例如
Figure 908418DEST_PATH_IMAGE045
，
Figure 524207DEST_PATH_IMAGE046
，
Figure 817786DEST_PATH_IMAGE047
，等等。
然后，根据斐波那契数列以及初始搜索空间即可确定迭代系数n，其中，迭代系数n 满足
Figure 468210DEST_PATH_IMAGE048
，
Figure 126724DEST_PATH_IMAGE049
为预设允许误差值，
Figure 246121DEST_PATH_IMAGE050
为正数。
在初始搜索空间确定后，由于
Figure 281073DEST_PATH_IMAGE007
也为定值，因此
Figure 582741DEST_PATH_IMAGE051
也是一个定值。而斐波那 契数列中的
Figure 412157DEST_PATH_IMAGE052
的值是随着j的增加而增加的，因此增加到一定程度，一定会使得
Figure 2539DEST_PATH_IMAGE053
。可以将满足
Figure 637919DEST_PATH_IMAGE054
的j确定为n，例如可以将满足
Figure 246624DEST_PATH_IMAGE055
的最小的j确定为n，从而能够确定迭代系数n的取值。
S72，根据迭代系数、第一x轴平移距离、第一y轴平移距离，第一x轴旋转角度，第一y轴旋转角度以及第一z轴旋转角度，对三维体图像和侧位二维图像进行侧位配准处理，得到目标z轴平移距离。
具体的，首先根据第一x轴平移距离、第一y轴平移距离、第一x轴旋转角度、第一y轴旋转角度以及第一z轴旋转角度，获取三维体图像和侧位二维图像进行侧位配准处理的误差函数f(t)，其中t为三维体沿z轴的平移距离。
误差函数f(t)可以根据三维体图像和侧位二维图像之间的相似度确定。具体的，由于第一x轴平移距离、第一y轴平移距离、第一x轴旋转角度、第一y轴旋转角度以及第一z轴旋转角度是定值，可以将目标z轴旋转角度作为变量，根据第一x轴平移距离、第一y轴平移距离、第一x轴旋转角度、第一y轴旋转角度、第一z轴旋转角度以及目标z轴旋转角度得到三维体图像的侧位DRR图像，然后计算侧位DRR图像与侧位二维图像之间的相似度，得到相似度函数。误差函数例如可以为1减去相似度函数之差。
然后，根据迭代系数对误差函数f(t)进行迭代处理，得到误差函数的极小值点，并将极小值点确定为目标z轴平移距离。下面将结合图8对该过程进行介绍。
图8为本申请实施例提供的误差函数迭代流程示意图，如图8所示，包括：
S81，根据第k轮循环的搜索空间，获取第k轮循环的第一参数和第k轮循环的第二参数。
k初始为1，k属于集合{1,2,3,...,n-1}，初始第一参数和初始第二参数可以根据下式（6）和（7）确定：
Figure 512520DEST_PATH_IMAGE056
Figure 590198DEST_PATH_IMAGE057
其中，
Figure 763690DEST_PATH_IMAGE058
为第k轮循环的第一参数，
Figure 977634DEST_PATH_IMAGE059
为第k轮循环的第二参数，
Figure 162234DEST_PATH_IMAGE060
为第k轮循 环的搜索空间的左边界值，第1轮循环的搜索空间的左边界值即为初始搜索空间的左边界 值，
Figure 523945DEST_PATH_IMAGE061
为第k轮循环的搜索空间的右边界值，第1轮循环的搜索空间的右边界值即为初始 搜索空间的右边界值。
例如可以根据初始搜索空间的左边界值和右边界值得到第1轮循环的第一参数和第1轮循环的第二参数如下：
Figure 704391DEST_PATH_IMAGE062
Figure 38420DEST_PATH_IMAGE063
其中，
Figure 646119DEST_PATH_IMAGE064
为第1轮循环的第一参数，
Figure 229547DEST_PATH_IMAGE065
为第1轮循环的第二参数，
Figure 197372DEST_PATH_IMAGE066
为初始搜索 空间的左边界值，
Figure 651487DEST_PATH_IMAGE067
为初始搜索空间的右边界值。
S82，根据第k轮循环的第一参数、第k轮循环的第二参数和误差函数，获取第k轮循环的第一误差和第k轮循环的第二误差。
第k轮循环的第一误差
Figure 226825DEST_PATH_IMAGE068
，第k轮循环的第二误差
Figure 235232DEST_PATH_IMAGE069
。例如第 1轮循环的第一误差
Figure 757480DEST_PATH_IMAGE070
，第1轮循环的第二误差
Figure 862840DEST_PATH_IMAGE071
。
S83，更新k为k+1。
S84，判断k是否大于或等于n-2，若是，则执行S88，若否，则执行S85。
S85，判断第k轮循环的第一误差是否小于第k轮循环的第二误差，若是，则执行S86，若否，则执行S87。
即判断
Figure 297494DEST_PATH_IMAGE072
是否小于
Figure 324356DEST_PATH_IMAGE073
，若是则执行S86，若否则执行S87。
S86，根据第k轮循环的搜索空间的左边界值、第k轮循环的第一误差和第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差。
第k+1轮循环的第一误差的计算公式如下式（10）：
Figure 181454DEST_PATH_IMAGE074
第k+1轮循环的第二误差的计算公式如下式（11）：
Figure 610161DEST_PATH_IMAGE075
其中，
Figure 464985DEST_PATH_IMAGE076
，
Figure 510301DEST_PATH_IMAGE077
，
Figure 623619DEST_PATH_IMAGE078
，
Figure 641254DEST_PATH_IMAGE079
。
S87，根据第k轮循环的搜索空间的右边界值、第k轮循环的第一误差和第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差。
第k+1轮循环的第二误差的计算公式如下式（12）：
Figure 932558DEST_PATH_IMAGE080
第k+1轮循环的第一误差的计算公式如下式（13）：
Figure 465170DEST_PATH_IMAGE081
其中，
Figure 867333DEST_PATH_IMAGE082
，
Figure 752856DEST_PATH_IMAGE083
，
Figure 11799DEST_PATH_IMAGE084
，
Figure 969391DEST_PATH_IMAGE085
。
S88，根据第n-1轮循环的第一误差和第n-1轮循环的第二误差，获取极小值点。
第n-1轮循环的第一误差为
Figure 440823DEST_PATH_IMAGE086
，第n-1轮循环的第二误差为
Figure 433050DEST_PATH_IMAGE087
。令
Figure 862894DEST_PATH_IMAGE088
，
Figure 557050DEST_PATH_IMAGE089
，判断
Figure 363332DEST_PATH_IMAGE090
是否小于
Figure 210065DEST_PATH_IMAGE091
，若是，则极小值点所在区间 为
Figure 14073DEST_PATH_IMAGE092
，若否，则极小值点所在区间为
Figure 946257DEST_PATH_IMAGE093
，极小值点为
Figure 556230DEST_PATH_IMAGE094
，其中，
Figure 8202DEST_PATH_IMAGE095
，
Figure 983111DEST_PATH_IMAGE096
。
然后，将极小值点对应的自变量取值确定为目标z轴平移距离，自变量即为f(t)中 的t，极小值点对应的自变量取值即为误差函数f(t)等于
Figure 199329DEST_PATH_IMAGE097
时t的取值。设目标z轴 平移距离为z’，则
Figure 550676DEST_PATH_IMAGE098
。第二空间变换参数包括第一x轴平移距离、第一y 轴平移距离，目标z轴平移距离，第一x轴旋转角度，第一y轴旋转角度，以及第一z轴旋转角 度。再根据第二空间变换参数获取三维体图像的正位配准图像和侧位配准图像即可。
综上所述，与目前的双平面图像配准方案相比，本申请实施例提供的双平面图像配准方法，并不同时进行正位配准处理和侧位配准处理，而是先进行正位配准处理，因此在正位配准处理的多次迭代过程中，其时间开销包括每个自由度下的正位投影计算和误差值计算的开销，与目前的双平面图像配准方案中每个自由度下的正位投影计算和误差值计算都需要进行两次相比，其时间开销缩短了一半。在确定第一空间变换参数后，正位配准的5个自由度参数已确定，因此在侧位配准处理中，只需要确定剩余的1个自由度参数。由于斐波那契法的迭代速度快，本方案基于斐波那契法能够快速迭代获取到剩余的1个自由度参数，其时间开销大大缩短，进而得到第二空间变换参数，进而根据第二空间变换参数得到三维体图像的正位配准图像和侧位配准图像。
图9为本申请实施例提供的双平面图像配准装置的结构示意图，如图9所示，包括：
获取模块91，用于获取三维体图像、正位二维图像和侧位二维图像；
第一处理模块92，用于根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；
第二处理模块93，用于根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；
配准模块94，用于根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像。
在一种可能的实施方式中，所述第一处理模块92具体用于：
执行第一操作，所述第一操作包括：根据第i-1次循环后的空间变换参数对所述三维体图像进行数字重建投影DRR处理，得到第i个正位DRR图像，并获取所述第i个正位DRR图像与所述正位二维图像之间的相似度；
在所述第i个正位DRR图像与所述正位二维图像之间的相似度小于或等于第一预设值时，更新所述i为i+1，对所述第i-1次循环后的空间变换参数更新得到第i次循环后的空间变换参数，并根据所述第i次循环后的空间变换参数重复执行所述第一操作；
在所述第i个正位DRR图像与所述正位二维图像之间的相似度大于所述第一预设值时，将所述第i-1次循环后的空间变换参数确定为所述第一空间变换参数；
其中，所述i初始为1，第0次循环后的空间变换参数为所述初始空间变换参数。
在一种可能的实施方式中，所述第一空间变换参数包括：
三维体沿x轴的第一x轴平移距离；
所述三维体沿y轴的第一y轴平移距离；
所述三维体沿z轴的第一z轴平移距离；
所述三维体沿所述x轴的第一x轴旋转角度；
所述三维体沿所述y轴的第一y轴旋转角度；
所述三维体沿所述z轴的第一z轴旋转角度。
在一种可能的实施方式中，所述第二处理模块93具体用于：
根据所述第一z轴平移距离，确定迭代系数；
根据所述迭代系数、所述第一x轴平移距离、所述第一y轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度以及所述第一z轴旋转角度，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到目标z轴平移距离；
其中，所述第二空间变换参数包括所述第一x轴平移距离、所述第一y轴平移距离，所述目标z轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度，以及所述第一z轴旋转角度。
在一种可能的实施方式中，所述第二处理模块93具体用于：
根据所述第一z轴平移距离
Figure 372001DEST_PATH_IMAGE099
，确定初始搜索空间
Figure 767079DEST_PATH_IMAGE100
，所述
Figure 470593DEST_PATH_IMAGE101
为所述初始 搜索空间的左边界值，所述
Figure 625631DEST_PATH_IMAGE102
为所述初始搜索空间的右边界值，
Figure 35884DEST_PATH_IMAGE103
；
根据所述初始搜索空间，确定所述迭代系数n；
其中，所述迭代系数n满足
Figure 414913DEST_PATH_IMAGE104
，
Figure 808985DEST_PATH_IMAGE007
为预设允许误差值，
Figure 249937DEST_PATH_IMAGE105
，
Figure 780276DEST_PATH_IMAGE106
，n为正整数，j为大于或等于1的整数。
在一种可能的实施方式中，所述第二处理模块93具体用于：
根据所述第一x轴平移距离、所述第一y轴平移距离、所述第一x轴旋转角度、所述第一y轴旋转角度以及所述第一z轴旋转角度，获取所述三维体图像和所述侧位二维图像进行侧位配准处理的误差函数f(t)，其中t为所述三维体沿所述z轴的平移距离；
根据所述迭代系数对所述误差函数f(t)进行迭代处理，得到所述误差函数的极小值点；
将所述极小值点对应的自变量取值确定为所述目标z轴平移距离。
在一种可能的实施方式中，所述第二处理模块93具体用于：
根据第k轮循环的搜索空间，获取第k轮循环的第一参数和第k轮循环的第二参数；其中，k初始为1，k依次为1,2,3,...,n-1；第1轮循环的搜索空间为所述初始搜索空间；
根据所述第k轮循环的第一参数、所述第k轮循环的第二参数和所述误差函数，获取第k轮循环的第一误差和第k轮循环的第二误差；
在所述第k轮循环的第一误差小于所述第k轮循环的第二误差时，根据所述第k轮循环的搜索空间的左边界值、所述第k轮循环的第一误差和所述第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差；
在所述第k轮循环的第一误差大于或等于所述第k轮循环的第二误差时，根据所述第k轮循环的搜索空间的右边界值、所述第k轮循环的第一误差和所述第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差；
根据第n-1轮循环的第一误差和第n-1轮循环的第二误差，获取所述极小值点。
本申请实施例提供的双平面图像配准装置，用于执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
图10示例了一种机器人的实体结构示意图，如图10所示，该机器人可以包括：处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010，通信接口1020，存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行双平面图像配准方法，该方法包括：获取三维体图像、正位二维图像和侧位二维图像；根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像。
此外，上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的双平面图像配准方法，该方法包括：获取三维体图像、正位二维图像和侧位二维图像；根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的双平面图像配准方法，该方法包括：获取三维体图像、正位二维图像和侧位二维图像；根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种双平面图像配准方法，其特征在于，包括：
获取三维体图像、正位二维图像和侧位二维图像；
根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；所述第一空间变换参数包括：三维体沿x轴的第一x轴平移距离、所述三维体沿y轴的第一y轴平移距离、所述三维体沿z轴的第一z轴平移距离、所述三维体沿所述x轴的第一x轴旋转角度、所述三维体沿所述y轴的第一y轴旋转角度、所述三维体沿所述z轴的第一z轴旋转角度；
根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；所述第二空间变换参数包括所述第一x轴平移距离、所述第一y轴平移距离、目标z轴平移距离、所述第一x轴旋转角度、所述第一y轴旋转角度、以及所述第一z轴旋转角度；
根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像；
所述根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数，包括：
根据所述第一z轴平移距离，确定迭代系数；
根据所述迭代系数、所述第一x轴平移距离、所述第一y轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度以及所述第一z轴旋转角度，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到所述目标z轴平移距离；
所述根据所述第一z轴平移距离，确定迭代系数，包括：
根据所述第一z轴平移距离
Figure DEST_PATH_IMAGE001
，确定初始搜索空间[
Figure 842401DEST_PATH_IMAGE002
,
Figure DEST_PATH_IMAGE003
]，所述
Figure 85295DEST_PATH_IMAGE002
为所述初始搜索空间的左边界值，所述
Figure 920396DEST_PATH_IMAGE003
为所述初始搜索空间的右边界值，
Figure 664361DEST_PATH_IMAGE004
；
根据所述初始搜索空间，确定所述迭代系数n；
其中，所述迭代系数n满足
Figure DEST_PATH_IMAGE005
，
Figure 353837DEST_PATH_IMAGE006
为预设允许误差值，
Figure DEST_PATH_IMAGE007
，
Figure 751320DEST_PATH_IMAGE008
，n为正整数，j为大于或等于1的整数。
2.根据权利要求1所述的双平面图像配准方法，其特征在于，所述根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，包括：
执行第一操作，所述第一操作包括：根据第i-1次循环后的空间变换参数对所述三维体图像进行数字重建投影DRR处理，得到第i个正位DRR图像，并获取所述第i个正位DRR图像与所述正位二维图像之间的相似度；
在所述第i个正位DRR图像与所述正位二维图像之间的相似度小于或等于第一预设值时，更新所述i为i+1，对所述第i-1次循环后的空间变换参数更新得到第i次循环后的空间变换参数，并根据所述第i次循环后的空间变换参数重复执行所述第一操作；
在所述第i个正位DRR图像与所述正位二维图像之间的相似度大于所述第一预设值时，将所述第i-1次循环后的空间变换参数确定为所述第一空间变换参数；
其中，所述i初始为1，第0次循环后的空间变换参数为所述初始空间变换参数。
3.根据权利要求1所述的双平面图像配准方法，其特征在于，所述根据所述迭代系数、所述第一x轴平移距离、所述第一y轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度以及所述第一z轴旋转角度，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到所述目标z轴平移距离，包括：
根据所述第一x轴平移距离、所述第一y轴平移距离、所述第一x轴旋转角度、所述第一y轴旋转角度以及所述第一z轴旋转角度，获取所述三维体图像和所述侧位二维图像进行侧位配准处理的误差函数f(t)，其中t为所述三维体沿所述z轴的平移距离；
根据所述迭代系数对所述误差函数f(t)进行迭代处理，得到所述误差函数的极小值点；
将所述极小值点对应的自变量取值确定为所述目标z轴平移距离。
4.根据权利要求3所述的双平面图像配准方法，其特征在于，所述根据所述迭代系数对所述误差函数f(t)进行迭代处理，得到所述误差函数的极小值点，包括：
根据第k轮循环的搜索空间，获取第k轮循环的第一参数和第k轮循环的第二参数；其中，k初始为1，k依次为1,2,3,...,n-1；第1轮循环的搜索空间为所述初始搜索空间；
根据所述第k轮循环的第一参数、所述第k轮循环的第二参数和所述误差函数，获取第k轮循环的第一误差和第k轮循环的第二误差；
在所述第k轮循环的第一误差小于所述第k轮循环的第二误差时，根据所述第k轮循环的搜索空间的左边界值、所述第k轮循环的第一误差和所述第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差；
在所述第k轮循环的第一误差大于或等于所述第k轮循环的第二误差时，根据所述第k轮循环的搜索空间的右边界值、所述第k轮循环的第一误差和所述第k轮循环的第二误差，获取第k+1轮循环的第一误差和第k+1轮循环的第二误差；
根据第n-1轮循环的第一误差和第n-1轮循环的第二误差，获取所述极小值点。
5.一种双平面图像配准装置，其特征在于，包括：
获取模块，用于获取三维体图像、正位二维图像和侧位二维图像；
第一处理模块，用于根据初始空间变换参数对所述三维体图像和所述正位二维图像进行正位配准处理，得到第一空间变换参数，其中，所述正位配准处理包括针对所述三维体图像的多次正位投影处理和针对所述正位二维图像的多次相似度计算处理；所述第一空间变换参数包括：三维体沿x轴的第一x轴平移距离、所述三维体沿y轴的第一y轴平移距离、所述三维体沿z轴的第一z轴平移距离、所述三维体沿所述x轴的第一x轴旋转角度、所述三维体沿所述y轴的第一y轴旋转角度、所述三维体沿所述z轴的第一z轴旋转角度；
第二处理模块，用于根据斐波那契法和所述第一空间变换参数，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到第二空间变换参数；所述第二空间变换参数包括所述第一x轴平移距离、所述第一y轴平移距离、目标z轴平移距离、所述第一x轴旋转角度、所述第一y轴旋转角度、以及所述第一z轴旋转角度；
配准模块，用于根据所述第二空间变换参数获取所述三维体图像的正位配准图像和侧位配准图像；
其中，所述第二处理模块具体用于：
根据所述第一z轴平移距离，确定迭代系数；
根据所述迭代系数、所述第一x轴平移距离、所述第一y轴平移距离，所述第一x轴旋转角度，所述第一y轴旋转角度以及所述第一z轴旋转角度，对所述三维体图像和所述侧位二维图像进行侧位配准处理，得到所述目标z轴平移距离；
所述第二处理模块根据所述第一z轴平移距离，确定迭代系数的步骤，包括：
根据所述第一z轴平移距离
Figure 824450DEST_PATH_IMAGE001
，确定初始搜索空间[
Figure 372106DEST_PATH_IMAGE002
,
Figure 463559DEST_PATH_IMAGE003
]，所述
Figure 704047DEST_PATH_IMAGE002
为所述初始搜索空间的左边界值，所述
Figure 494499DEST_PATH_IMAGE003
为所述初始搜索空间的右边界值，
Figure 704900DEST_PATH_IMAGE004
；
根据所述初始搜索空间，确定所述迭代系数n；
其中，所述迭代系数n满足
Figure 526226DEST_PATH_IMAGE005
，
Figure 812982DEST_PATH_IMAGE006
为预设允许误差值，
Figure 719758DEST_PATH_IMAGE007
，
Figure 733850DEST_PATH_IMAGE008
，n为正整数，j为大于或等于1的整数。
6.一种机器人，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，所述机器人实现如权利要求1至4任一项所述的双平面图像配准方法。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的双平面图像配准方法。
CN202210855543.6A 2022-07-21 2022-07-21 双平面图像配准方法、装置及机器人 Active CN115082534B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210855543.6A CN115082534B (zh) 2022-07-21 2022-07-21 双平面图像配准方法、装置及机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210855543.6A CN115082534B (zh) 2022-07-21 2022-07-21 双平面图像配准方法、装置及机器人

Publications (2)

Publication Number Publication Date
CN115082534A CN115082534A (zh) 2022-09-20
CN115082534B true CN115082534B (zh) 2022-12-16

Family

ID=83260669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210855543.6A Active CN115082534B (zh) 2022-07-21 2022-07-21 双平面图像配准方法、装置及机器人

Country Status (1)

Country Link
CN (1) CN115082534B (zh)

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102651145B (zh) * 2012-04-06 2014-11-05 哈尔滨工业大学 股骨三维模型可视化方法
CN104637061A (zh) * 2015-01-30 2015-05-20 中国科学院自动化研究所 一种二维三维医学图像配准方法
US11382701B2 (en) * 2018-10-17 2022-07-12 Envizion Medical Ltd. Insertion device positioning guidance system and method
CN111723836A (zh) * 2019-03-21 2020-09-29 杭州三坛医疗科技有限公司 图像相似度的计算方法及装置、电子设备、存储介质
EP3746980B1 (en) * 2019-04-12 2022-08-03 Brainlab AG Frameless anatomy-based 2d/3d image registration
CN111179373B (zh) * 2019-12-31 2023-02-17 广州华端科技有限公司 医学图像去骨模型构建方法与骨信息去除方法
CN111429491B (zh) * 2020-03-11 2024-02-20 上海嘉奥信息科技发展有限公司 脊柱术前三维影像与术中二维影像配准的方法与系统
KR102302587B1 (ko) * 2020-12-17 2021-09-16 이마고웍스 주식회사 3차원 치과 ct 영상과 3차원 디지털 인상 모델의 정합 정확도 판단 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
EP4150564A1 (en) * 2020-05-13 2023-03-22 EOS Imaging Medical imaging conversion method and associated medical imaging 3d model personalization method
CN112184782B (zh) * 2020-09-21 2023-05-23 上海涛影医疗科技有限公司 一种骨关节的自动配准定位方法及装置
CN112132876B (zh) * 2020-09-25 2022-03-29 天津大学 2d-3d图像配准中的初始位姿估计方法
CN112308765A (zh) * 2020-10-13 2021-02-02 杭州三坛医疗科技有限公司 投影参数的确定方法及装置
CN112233155B (zh) * 2020-12-07 2021-02-26 南京佗道医疗科技有限公司 一种2d-3d影像配准算法
CN114565646B (zh) * 2022-02-24 2024-03-15 杭州三坛医疗科技有限公司 一种图像配准方法、设备、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN115082534A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
JP6886565B2 (ja) 表面の動きを追跡する方法及び装置
JP4171833B2 (ja) 内視鏡誘導装置および方法
US8457372B2 (en) Subtraction of a segmented anatomical feature from an acquired image
CN111789618A (zh) 一种成像系统和方法
CN110268446A (zh) 用于实时成像的系统和方法
WO2011097927A1 (zh) 基于运动补偿的ct设备和方法
WO2020087257A1 (zh) 图像引导方法及装置、医疗设备、计算机可读存储介质
CN112598649B (zh) 基于生成对抗网络的2d/3d脊椎ct非刚性配准方法
Novosad et al. Three-dimensional (3-D) reconstruction of the spine from a single X-ray image and prior vertebra models
US9254106B2 (en) Method for completing a medical image data set
Davis et al. Collision-avoiding imaging trajectories for linac mounted cone-beam CT
CN115082534B (zh) 双平面图像配准方法、装置及机器人
WO2020237537A1 (zh) 图像引导方法及装置、医疗设备、计算机可读存储介质
US11837352B2 (en) Body representations
CN112085833B (zh) 一种锥束ct与影像融合结合的颈椎在体三维运动的分析方法
JP2017225487A (ja) 放射線治療支援システム、画像生成方法および画像生成プログラム
EP4138708A1 (en) System and method for aligning an imaging device
Lin et al. Optimization model for the distribution of fiducial markers in liver intervention
Zeng et al. Hierarchical 3-d registration of computed tomography to ultrasound using reinforcement learning
JP2013248466A (ja) 処理装置および処理方法、プログラム
CN114693591A (zh) 医学成像及其定位方法和系统、以及核磁共振成像设备
CN113724304A (zh) 一种基于深度学习的食管区域图像自动配准方法及系统
WO2023215936A1 (en) Method and system for image registration and volumetric imaging
CN115880469A (zh) 一种表面点云数据与三维影像的配准方法
CN117017490A (zh) 用于医疗辅助的系统和方法

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