CN116416412A - 支气管镜的辅助导航方法、装置及设备 - Google Patents
支气管镜的辅助导航方法、装置及设备 Download PDFInfo
- Publication number
- CN116416412A CN116416412A CN202111676603.XA CN202111676603A CN116416412A CN 116416412 A CN116416412 A CN 116416412A CN 202111676603 A CN202111676603 A CN 202111676603A CN 116416412 A CN116416412 A CN 116416412A
- Authority
- CN
- China
- Prior art keywords
- bronchial tree
- bronchoscope
- map
- virtual
- local
- 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 49
- 238000004590 computer program Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 210000000621 bronchi Anatomy 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013276 bronchoscopy Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004313 glare Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
- G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Abstract
本申请属于医疗领域,提出了一种支气管镜的辅助导航方法、装置及设备。该方法包括:通过支气管镜所采集的视频图像重建局部支气管树内部3D模型;确定所述视频图像中的关键帧,得到所述支气管镜的初步定位范围;根据所述初步定位范围,在所述虚拟3D支气管树中截取得局部虚拟3D支气管树内部结构;将截取得到的局部虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,根据配准结果对所述支气管镜进行导航。本申请通过重建局部支气管树3D内部结构与截取的局部虚拟3D支气管树内部结构的配准,大大的丰富了配准的信息量,有利于提高配准的准确度,提高导航精度。并且通过虚拟3D支气管树的截取,有利于提高配准效率。
Description
技术领域
本申请属于医疗领域,尤其涉及一种支气管镜的辅助导航方法、装置及设备。
背景技术
支气管镜导航是一种利用虚拟支气管镜沿支气管行走观察肺外周信息的方法。这项技术是通过采集目标的高分辨图像,三维重建支气管树,确定导航目标后形成支气管通路及虚拟支气管镜动画,帮助术者在操作过程中准确、快速的进行取样。
在医疗活动中,目前的导航技术通常是基于2D的现实支气管镜图片和3D的术前CT支气管树的配准。虽然能够完成支气管镜的定位和导航,但是由于2D图像的信息的不足,导航配准的准确度不高,不利于提高导航的精度。
发明内容
有鉴于此,本申请实施例提供了一种支气管镜的辅助导航方法、装置及设备,以解决现有技术中对支气管镜进行定位和导航时,2D图像的信息不足,导航配准的准确度不高,不利于提高导航的精度的问题。
本申请实施例的第一方面提供了一种支气管镜的辅助导航方法,所述方法包括:
通过支气管镜所采集的视频图像重建局部支气管树内部3D模型;
确定所述视频图像中的关键帧,根据所述关键帧,得到所述支气管镜在虚拟3D支气管树中的初步定位范围;
根据所述虚拟3D支气管树中的支气管镜的初步定位范围,在所述虚拟3D支气管树中截取得到局部虚拟3D支气管树内部结构;
将截取得到的局部虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,根据配准结果对所述支气管镜进行导航。
结合第一方面,在第一方面的第一种可能实现方式中,通过支气管镜所采集的视频图像重建局部支气管树内部3D模型,包括:
根据支气管镜所采集的视频图像构建2.5D草图,所述2.5D草图包括深度图、轮廓图、纹理图和法线图;
根据各帧视频图像对应的深度图、轮廓图、纹理图和法线图重建得到局部支气管树内部3D模型。
结合第一方面的第一种可能实现方式,在第一方面的第二种可能实现方式中,根据支气管镜所采集的视频图像构建2.5D草图,包括:
将所述支气管镜所采集的视频图像输入到预先训练完成的2.5D重建网络,通过所述2.5D重建网络分别输出各帧视频图像所对应的深度图、轮廓图、纹理图和法线图。
结合第一方面的第二种可能实现方式,在第一方面的第三种可能实现方式中,在根据各帧视频图像对应的深度图、轮廓图、纹理图和法线图重建得到局部支气管树内部3D模型之后,所述方法还包括:
通过重建的局部支气管树内部3D模型进行投影处理,得到投影后的深度图、轮廓图、纹理图和法线图;
确定投影后的深度图、轮廓图、纹理图和法线图,与2.5D草图中深度图、轮廓图、纹理图和法线图之间的差异信息,根据所述差异信息约束所述2.5D重建网络。
结合第一方面的第一种可能实现方式,在第一方面的第四种可能实现方式中,根据各帧视频图像对应的深度图、轮廓图、纹理图和法线图重建得到局部支气管树内部3D模型,包括:
将所述深度图、轮廓图、纹理图和法线图输入到预先训练完成的3D重建网络,根据所述3D重建网络计算得到重建的局部支气管树内部3D模型。
结合第一方面的第三种可能实现方式,在第一方面的第四种可能实现方式中,在将所述深度图、轮廓图、纹理图和法线图输入到预先训练完成的3D重建网络,根据所述3D重建网络计算得到重建的局部支气管树内部3D模型之前,所述方法还包括:
获取由支气管镜在3D支气管树内所采集的样本数据,所述样本数据包括样本视频和所述样本视频对应的样本3D支气管树模型;
提取所述样本视频中的各帧视频图像对应的深度图、轮廓图、纹理图和法线图;
将所述深度图、轮廓图、纹理图和法线图输入到所述3D重建网络,计算得到预测支气管树内部3D模型;
确定所述样本3D支气管树模型和所述预测支气管树内部3D模型的差异,根据所述差异调整所述3D重建网络,直到所述差异满足预设的要求,完成所述3D重建网络的训练。
结合第一方面的第四种可能实现方式,在第一方面的第五种可能实现方式中,所述3D重建网络由下述方式训练得到:
获取样本数据,所述样本数据包括样本视频和所述样本视频对应的样本3D支气管树模型;
提取所述样本视频中的各帧视频图像对应的深度图、轮廓图、纹理图和法线图;
将所述深度图、轮廓图、纹理图和法线图输入到所述3D重建网络,计算得到预测支气管树内部3D模型;
确定所述样本3D支气管树模型和所述预测支气管树内部3D模型的差异,根据所述差异调整所述3D重建网络,获得训练完成的3D重建网络。
结合第一方面,在第一方面的第六种可能实现方式中,确定所述视频图像中的关键帧,包括:
将所述视频图像输入到预先训练完成的关键帧检测网络,识别出各帧视频图像所属的类型,并根据各帧视频图像所属的类型,确定出关键帧;
或者,接收外部设备传输的针对各帧视频图像的分析结果,并根据所述分析结果确定出关键帧,所述分析结果包括各帧视频图像所属的类型。
结合第一方面,在第一方面的第七种可能实现方式中,根据所述关键帧,得到所述支气管镜在虚拟3D支气管树中的初步定位范围,包括:
获取所述虚拟3D支气管树对应的2D虚拟切片图;
将所获取的多个关键帧与所述2D虚拟切片图进行相似度计算,根据相似度计算结果得到所述支气管镜在虚拟3D支气管树中的初步定位范围。
结合第一方面,在第一方面的第九种可能实现方式中,将截取得到的局部虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,包括:
将所截取得到的局部虚拟3D支气管树内部结构与重建的局部支气管树内部3D模型进行形状特征和纹理特征的配准;
根据配准结果确定支气管镜在所述虚拟3D支气管树中的位置。
本申请实施例的第二方面提供了一种支气管镜的辅助导航装置,所述装置包括:
3D模型重建单元,用于通过支气管镜所采集的视频图像重建局部支气管树内部3D模型;
初步定位单元,用于确定所述视频图像中的关键帧,根据所述关键帧,得到所述支气管镜在虚拟3D支气管树中的初步定位范围;
支气管树截取单元,用于根据所述虚拟3D支气管树中的支气管镜的初步定位范围,在所述虚拟3D支气管树中截取得到局部虚拟3D支气管树内部结构;
配准导航单元,用于将截取得到的局部虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,根据配准结果对所述支气管镜进行导航。
本申请实施例的第三方面提供了支气管镜的辅助导航设备,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如第一方面任一项所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请通过对支气管镜所采集的图像进行3D重建得到局部支气管树内部3D模型,并根据支气管镜的视频图像中的关键帧确定初步定位范围,根据所述初步定位范围在虚拟3D支气管树中截取局部虚拟3D支气管树内部结构,将截取的局部虚拟3D支气管树内部结构与重建的局部支气管树内部3D模型进行配准,可得到支气管镜在虚拟3D支气管树中的位置,以对支气管镜进行导航控制。由于本申请通过重建局部支气管树3D内部结构与局部虚拟3D支气管树内部结构的配准,大大的丰富了配准的信息量,有利于提高配准的准确度,提高导航精度。并且通过虚拟3D支气管树的截取,有利于提高配准效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种支气管镜的辅助导航方法的实现流程示意图;
图2是本申请实施例提供的一种三维重建的实现流程示意图;
图3是本申请实施例提供的一种局部支气管树内部3D模型生成示意图;
图4是本申请实施例提供的一种支气管镜的辅助导航流程示意图;
图5是本申请实施例提供的一种支气管镜的辅助导航装置的示意图;
图6是本申请实施例提供的支气管镜的辅助导航设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
图1为本申请实施例提供的一种支气管镜的辅助导航方法的实现流程示意图,详述如下:
在S101中,通过支气管镜所采集的视频图像重建局部支气管树内部3D模型。
本申请实施例中所述的支气管镜,是指用于对用户进行支气管检测设备中的数据采集设备。所述支气管检测设备包括检测管、支气管镜和主控设备。其中,支气管镜设置在检测管的末端,支气管镜所采集的图像可以传送给主控设备。主控设备可以理解为具有数据处理能力的任意装置或者装置的组合,主控设备与支气管镜可以实现互相通信,主控设备可以接收到由支气管镜采集到的图像或者视频。主控设备中设置有虚拟3D支气管树,即待检测的用户的支气管的三维虚拟图像,其中,可以通过CT图像重建的方式,得到用户所对应的标准的虚拟3D支气管树。所述支气管镜在用户的真实支气管内行进时,可以采集到包括用户的支气管内壁图像的视频。在采集该视频时,可以使得支气管镜在移动过程中尽可能的反复切换多种角度,使得支气管镜可以更为全面的对支气管树内部结构进行采集,即使得所采集的视频能够包括支气管树内部更多的内部特征。
在本申请实施例中,通过支气管镜可以采集得到视频图像,可以基于所采集的视频图像进行三维重建,得到局部支气管树内部的3D模型,具体过程可以如图2所示,包括:
在S201中,根据支气管镜所采集的视频图像构建2.5D草图,所述2.5D草图包括深度图、轮廓图、纹理图和法线图。
通过支气管镜所采集的视频图像,可以为单目摄像头、双目摄像头或多目摄像头所采集的支气管视频中的图像,或者还可以为单目摄像头与深度传感配合所采集的视频图像。基于单目摄像头所采集的图像构建2.5D草图时,可以基于神经网络计算的方式,比如可以将所述视频图像输入到2.5D重建网络,计算获得所需要的2.5D草图。或者,也可以通过2.5D草图中的特征计算的方式,确定所述视频图像所对应的2.5D草图。
其中,所述2.5D草图可以包括深度图、轮廓图、纹理图和法线图。其中,所述深度图包括所述视频图像中的像素的深度特征。所述轮廓图为所述视频图像中的轮廓特征,所述纹理图为所述视频图像中的纹理特征,所述法线图为所述视频图像中的每个像素点所作的法线,通过RGB颜色标记法线的方向的图像,通过法线图可以更为准确的反映支气管内表面的细节信息。
在获取2.5D草图之前,可以预先确定用于训练所述2.5D重建网络的样本数据。样本数据中包含若干样本图像,并且可以通过实施针对样本图像的特征计算,确定样本图像所对应的实际2.5D草图。将样本数据输入到待训练的2.5D重建网络,通过计算输出各个样本图像所对应的预测2.5D草图。通过将预测2.5D草图与样本图像所标定的实际2.5D草图进行比较,可以得到二者的差异信息,并根据得到的差异信息对2.5D重建网络进行参数优化,直到完成所述2.5D草图的训练。
在S202中,根据所述深度图、轮廓图、纹理图和法线图重建得到局部支气管树内部3D模型。
基于2.5D重建网络,可以得到深度图,轮廓图,纹理图,法线图。而深度图,轮廓图,纹理图,法线图可以通过预先设定的3D重建网络合成,得到重建的局部支气管树内部3D模型。相对于由视频图像直接生成支气管树内部3D模型的方式,本申请中通过2.5D草图,即通过深度图、轮廓图、纹理图和法线图,结合3D重建网络得到局部支气管树内部3D模型,可使得所生成的局部支气管树内部3D模型精度更高,更好的与真实的支气管树内部特征吻合,提升所生成的支气管树内部3D模型的真实性。
所述3D重建网络,可以通过支气管镜在人体真实支气管树或者仿真3D支气管树内所采集的样本数据训练得到。所述样本数据可以包括样本视频和所述样本视频对应的样本3D支气管树模型。在训练之前,可以提取样本视频中的各帧图像对应的深度图、轮廓图、纹理图和法线图。将提取的2.5D草图,即深度图、轮廓图、纹理图和法线图输入到待训练的3D重建网络,通过计算输出各个2.5D草图所对应的预测3D支气管树模型,将预测3D支气管树模型与2.5D草图对应的实际局部支气管树内部3D模型进行比较,可以得到二者的差异信息,并根据所得到的差异信息调整所述3D重建网络的参数,直到二者的差异满足预先设定的要求。
在可能的实现方式中,为了提高2.5D重建网络所获得的2.5D草图的准确性,可以通过重建的局部支气管树内部3D模型对其进行投影约束。即可将重建的局部支气管树内部3D模型进行投影处理,得到所述局部支气管树内部3D模型的2.5D投影草图,即得到投影后的深度图、轮廓图、纹理图和法线图。比较投影后的深度图、轮廓图、纹理图和法线图,与2.5D重建网络生成的深度图、轮廓图、纹理图和法线图的差异信息,根据所述差异信息约束所述2.5D重建网络,例如,可以根据差异信息判断该2.5D重建网络是否准确,或者是否需要重新训练或者调整该2.5D重建网络等,进一步可以保证经由2.5D重建网络获得的2.5D草图的准确性。
图3为本申请实施例提供的一种局部支气管树内部3D模型生成示意图。如图3所示,通过支气管镜所采集的支气管视频中的视频图像,可以通过2.5D重建网络生成2.5D草图,包括视频图像所对应的深度图、轮廓图、纹理图和法线图。将所得到的2.5D输入到3D重建网络,结合2.5D草图与3D模型的约束关系,计算得到基于单目视频所重建的局部虚拟3D支气管树,即局部支气管树内部3D模型。
在S102中,确定所述视频图像中的关键帧,根据所述关键帧,得到所述支气管镜在虚拟3D支气管树中的初步定位范围。
在确定所述视频图像所对应的局部支气管树内部3D模型后,可以进一步确定需要进行配准的虚拟支气管部位。当然,也可以先根据视频图像获得虚拟支气管部位,再获得视频图像所对应的局部支气管树内部3D模型,本说明书并不对重建局部支气管树内部3D模型以及虚拟3D支气管树模型的顺序进行限制。
在本申请实施例中,可以在视频图像中提取关键帧,通过关键帧确定支气管镜的初步位置,而无需通过对视频图像中的每一帧图像进行处理来确定支气管镜的初步位置,可以减少计算资源的消耗,并且可以更加快速高效的确定支气管镜的初步位置。其中,关键帧可以为内容较为关键(比如特征信息较多的帧),或者也可以为图像的清晰度和内容更优的图像,或者为图像的清晰度更优的图像。
在一种可能的实现方式中,可以根据预先确定的关键帧检测网络,确定所述支气管视频中的视频图像是否为关键帧。
本申请实施例中所述的关键帧检测网络可以计算的分类结果可以包括正常图片、炫光图片和气泡图片。其中,正常图片为没有炫光和气泡的图片。炫光图片和气泡图片为图片中出现异常,包括如炫光或气泡等影响正常显示的图片。或者,在可能的实现方式中,所述关键帧检测网络也可以根据需要,直接输出关键帧和非关键帧。
所述关键帧网络在进行关键帧检测之前,也可以通过输入训练样本,对所述关键帧检测网络进行训练。所述训练样本包括视频图像和预先标定的所述视频图像中包括的关键帧(为描述方便,我们可定义预先标定的关键帧为标定关键帧)。将所述训练样本中的视频图像输入到需要训练的关键帧检测网络,通过关键帧检测网络计算得到由所述关键帧网络所预测的关键帧(为描述方便,我们可定义由关键帧网络所计算得到的关键帧为预测关键帧)。确定所述标定关键帧与所述预测关键帧的差异信息,根据所述差异信息调整所述关键帧检测网络的参数,直到关键帧检测网络输出的预测关键帧与真实关键帧之间的差异信息满足预设要求,比如满足两者完全相同的要求。
在确定了视频图像是否为关键帧后,可以获取虚拟3D支气管树对应的2D虚拟切片图,将所获取的虚拟3D支气管树的2D虚拟切片图与所确定的关键帧进行配准计算,根据配准的2D虚拟切片图的位置来确定支气管镜的初步位置。
比如,图4所示的支气管镜的辅助导航流程示意图中,通过关键帧检测网络确定视频图像所属的分类,包括如气泡图片、炫光图片或关键帧(普通图片),可以将所获取的关键帧与虚拟3D支气管树中的2D虚拟切片图进行配准,可以根据关键帧与所述2D虚拟切片图的相似度,确定与所述2D虚拟切片图配准的关键帧。其中,所述相似度可以通过配准的度量函数来衡量。所述度量函数可以包括如SSIM(Structural Similarity,结构相似性)等。根据配准结果,比如可以为与所述关键帧的相似度最高的2D虚拟切片图,确定该2D虚拟切片图在所述虚拟3D支气管树中的位置,可以对支气管镜进行初步定位,确定所述支气管镜在虚拟3D支气管树中的初步定位范围。
在一种可能的实现方式中,可以接收到外部设备传输的针对各帧视图的分析结果,并根据分析结果确定出关键帧。通过外部设备传输分析结果的处理方式,可以由外部设备筛选出视频图像中的关键帧图像,可以降低上述主控设备的负载压力。
在S103中,根据所述虚拟3D支气管树中的支气管镜的初步定位范围,在所述虚拟3D支气管树中截取得到虚拟3D支气管树内部结构。
将多个关键帧中的第一帧与2D虚拟切片图进行配准后,确定一个或者多个局部虚拟3D支气管树的范围。继续选用第二帧或第三帧,进一步缩小获得的局部支气管树的范围,优化定位精度,得到更为准确的初步定位范围的结果。
根据所述初步定位范围,可以确定支气管镜在虚拟3D支气管树中的位置范围。根据所确定的位置范围,可以对所述虚拟3D支气管树进行局部采样或截取,得到截取后的虚拟3D支气管树内部结构。
在S104中,将截取得到的局部虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,根据配准结果对所述支气管镜进行导航。
如图4所示,将截取或采样的局部虚拟3D支气管树内部结构和重建的局部虚拟3D支气管树进行配准时,可以采用纹理特征比对的方式,或者采用形状特征比对的方式,或者采用轮廓特征比对的方式,或者结合多种比对方式进行比对,获得配准结果,该配准结果中包括截取的虚拟3D支气管树内部结构与重建的局部支气管树内部3D模型的重叠部分。在确定的重叠部分后,可以基于虚拟3D支气管树获得该重叠部分的位置信息,其中,支气管镜的位置可以采用重建的局部支气管树内部3D模型的末端对应的位置信息来表示。比如,可以通过重建的局部支气管树内部3D模型的末端的拍摄位置,确定所述支气管镜的位姿。
本申请通过3D内部结构的配准,大大的丰富了配准的信息量,有利于提高配准的准确度,提高导航精度。并且通过关键帧匹配的方式对虚拟3D支气管树进行截取得到局部的支气管树内部结构进行配准,有利于提高配准效率,从而便于提升支气管镜的导航效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图5为本申请实施例提供的一种支气管镜的辅助导航装置的示意图,如图5所示,该装置包括:
3D模型重建单元501,用于通过支气管镜所采集的视频图像重建局部支气管树内部3D模型;
初步定位单元502,用于确定所述视频图像中的关键帧,根据所述关键帧,得到所述支气管镜在虚拟3D支气管树中的初步定位范围;
支气管树截取单元503,用于根据所述支气管镜在虚拟3D支气管树中的初步定位范围,在所述虚拟3D支气管树中截取得到虚拟3D支气管树内部结构;
配准导航单元504,用于将截取得到的虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,根据配准结果对所述支气管镜进行导航。
图5所示的支气管镜的辅助导航装置,与图1所示的支气管镜的辅助导航方法对应。
图6是本申请一实施例提供的支气管镜的辅助导航设备的示意图。如图6所示,该实施例的支气管镜的辅助导航设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62,例如支气管镜的辅助导航程序。所述处理器60执行所述计算机程序62时实现上述各个支气管镜的辅助导航方法实施例中的步骤。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述支气管镜的辅助导航设备6中的执行过程。
所述支气管镜的辅助导航设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是支气管镜的辅助导航设备6的示例,并不构成对支气管镜的辅助导航设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述支气管镜的辅助导航设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述支气管镜的辅助导航设备6的内部存储单元,例如支气管镜的辅助导航设备6的硬盘或内存。所述存储器61也可以是所述支气管镜的辅助导航设备6的外部存储设备,例如所述支气管镜的辅助导航设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述支气管镜的辅助导航设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述支气管镜的辅助导航设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (12)
1.一种支气管镜的辅助导航方法,其特征在于,所述方法包括:
通过支气管镜所采集的视频图像重建局部支气管树内部3D模型;
确定所述视频图像中的关键帧,根据所述关键帧,得到所述支气管镜在虚拟3D支气管树中的初步定位范围;
根据所述虚拟3D支气管树中的支气管镜的初步定位范围,在所述虚拟3D支气管树中截取得到局部虚拟3D支气管树内部结构;
将截取得到的局部虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,根据配准结果对所述支气管镜进行导航。
2.根据权利要求1所述的方法,其特征在于,通过支气管镜所采集的视频图像重建局部支气管树内部3D模型,包括:
根据支气管镜所采集的视频图像构建2.5D草图,所述2.5D草图包括深度图、轮廓图、纹理图和法线图;
根据各帧视频图像对应的深度图、轮廓图、纹理图和法线图重建得到局部支气管树内部3D模型。
3.根据权利要求2所述的方法,其特征在于,根据支气管镜所采集的视频图像构建2.5D草图,包括:
将所述支气管镜所采集的视频图像输入到预先训练完成的2.5D重建网络,通过所述2.5D重建网络分别输出各帧视频图像所对应的深度图、轮廓图、纹理图和法线图。
4.根据权利要求3所述的方法,其特征在于,在根据各帧视频图像对应的深度图、轮廓图、纹理图和法线图重建得到局部支气管树内部3D模型之后,所述方法还包括:
通过重建的局部支气管树内部3D模型进行投影处理,得到投影后的深度图、轮廓图、纹理图和法线图;
确定投影后的深度图、轮廓图、纹理图和法线图,与2.5D草图中深度图、轮廓图、纹理图和法线图之间的差异信息,根据所述差异信息约束所述2.5D重建网络。
5.权利要求要求2所述的方法,其特征在于,根据各帧视频图像对应的深度图、轮廓图、纹理图和法线图重建得到局部支气管树内部3D模型,包括:
将所述深度图、轮廓图、纹理图和法线图输入到预先训练完成的3D重建网络,根据所述3D重建网络计算得到重建的局部支气管树内部3D模型。
6.根据权利要求5所述的方法,其特征在于,所述3D重建网络由下述方式训练得到:
获取样本数据,所述样本数据包括样本视频和所述样本视频对应的样本3D支气管树模型;
提取所述样本视频中的各帧视频图像对应的深度图、轮廓图、纹理图和法线图;
将所述深度图、轮廓图、纹理图和法线图输入到所述3D重建网络,计算得到预测支气管树内部3D模型;
确定所述样本3D支气管树模型和所述预测支气管树内部3D模型的差异,根据所述差异调整所述3D重建网络,获得训练完成的3D重建网络。
7.根据权利要求1所述的方法,其特征在于,确定所述视频图像中的关键帧,包括:
将所述视频图像输入到预先训练完成的关键帧检测网络,识别出各帧视频图像所属的类型,并根据各帧视频图像所属的类型,确定出关键帧;
或者,接收外部设备传输的针对各帧视频图像的分析结果,并根据所述分析结果确定出关键帧,所述分析结果包括各帧视频图像所属的类型。
8.根据权利要求1所述方法,其特征在于,根据所述关键帧,得到所述支气管镜在虚拟3D支气管树中的初步定位范围,包括:
获取所述虚拟3D支气管树对应的2D虚拟切片图;
将所获取的多个关键帧与所述2D虚拟切片图进行相似度计算,根据相似度计算结果得到所述支气管镜在虚拟3D支气管树中的初步定位范围。
9.根据权利要求1所述的方法,其特征在于,将截取得到的局部虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,包括:
将所截取得到的局部虚拟3D支气管树内部结构与重建的局部支气管树内部3D模型进行形状特征和纹理特征的配准;
根据配准结果确定支气管镜在所述虚拟3D支气管树中的位置。
10.一种支气管镜的辅助导航装置,其特征在于,所述装置包括:
3D模型重建单元,用于通过支气管镜所采集的视频图像重建局部支气管树内部3D模型;
初步定位单元,用于确定所述视频图像中的关键帧,根据所述关键帧,得到所述支气管镜在虚拟3D支气管树中的初步定位范围;
支气管树截取单元,用于根据所述虚拟3D支气管树中的支气管镜的初步定位范围,在所述虚拟3D支气管树中截取得到局部虚拟3D支气管树内部结构;
配准导航单元,用于将截取得到的局部虚拟3D支气管树内部结构和重建的局部支气管树内部3D模型进行配准,根据配准结果对所述支气管镜进行导航。
11.一种支气管镜的辅助导航设备,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1至9任一项所述方法的步骤。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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9任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676603.XA CN116416412A (zh) | 2021-12-31 | 2021-12-31 | 支气管镜的辅助导航方法、装置及设备 |
PCT/CN2022/138724 WO2023124982A1 (zh) | 2021-12-31 | 2022-12-13 | 支气管镜的辅助导航方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676603.XA CN116416412A (zh) | 2021-12-31 | 2021-12-31 | 支气管镜的辅助导航方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116416412A true CN116416412A (zh) | 2023-07-11 |
Family
ID=86997743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111676603.XA Pending CN116416412A (zh) | 2021-12-31 | 2021-12-31 | 支气管镜的辅助导航方法、装置及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116416412A (zh) |
WO (1) | WO2023124982A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130303887A1 (en) * | 2010-08-20 | 2013-11-14 | Veran Medical Technologies, Inc. | Apparatus and method for four dimensional soft tissue navigation |
US11154365B2 (en) * | 2017-03-08 | 2021-10-26 | Covidien Lp | System, apparatus, and method for navigating to a medical target |
CN107811684A (zh) * | 2017-11-23 | 2018-03-20 | 中山大学附属第三医院 | 可视化椎间孔镜辅助导航方法及超声导航系统辅助工具 |
JP2022523445A (ja) * | 2019-03-14 | 2022-04-22 | コーニンクレッカ フィリップス エヌ ヴェ | 動的な介入的3次元モデル変形 |
US20210030482A1 (en) * | 2019-07-30 | 2021-02-04 | Covidien Lp | Cone beam and 3d fluoroscope lung navigation |
-
2021
- 2021-12-31 CN CN202111676603.XA patent/CN116416412A/zh active Pending
-
2022
- 2022-12-13 WO PCT/CN2022/138724 patent/WO2023124982A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023124982A1 (zh) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427917B (zh) | 用于检测关键点的方法和装置 | |
CN107945168B (zh) | 一种医学图像的处理方法及医学图像处理系统 | |
CN110956635B (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
CN109191515B (zh) | 一种图像视差估计方法及装置、存储介质 | |
US20180174311A1 (en) | Method and system for simultaneous scene parsing and model fusion for endoscopic and laparoscopic navigation | |
KR100411875B1 (ko) | 스테레오 영상 시차 지도 융합 방법 및 그를 이용한 3차원영상 표시 방법 | |
CN108230384B (zh) | 图像深度计算方法、装置、存储介质和电子设备 | |
CN110009672A (zh) | 提升ToF深度图像处理方法、3D图像成像方法及电子设备 | |
CN105072968A (zh) | 图像处理装置、内窥镜装置、程序和图像处理方法 | |
CN115345938B (zh) | 基于全局到局部的头影标记点定位方法、设备及介质 | |
CN112734776A (zh) | 一种微创手术器械定位方法和系统 | |
CN116029996A (zh) | 立体匹配的方法、装置和电子设备 | |
CN111508068B (zh) | 一种应用于双目内窥镜图像的三维重建方法及系统 | |
CN115035235A (zh) | 三维重建方法及装置 | |
CN113706472A (zh) | 公路路面病害检测方法、装置、设备及存储介质 | |
CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
CN113807451B (zh) | 全景图像特征点匹配模型的训练方法、装置以及服务器 | |
CN113902932A (zh) | 特征提取方法、视觉定位方法及装置、介质和电子设备 | |
WO2024083006A1 (zh) | 一种三维成像方法、装置、设备和存储介质 | |
US11416994B2 (en) | Method and system for detecting chest x-ray thoracic diseases utilizing multi-view multi-scale learning | |
CN109087357A (zh) | 扫描定位方法、装置、计算机设备及计算机可读存储介质 | |
CN112261399A (zh) | 胶囊内窥镜图像三维重建方法、电子设备及可读存储介质 | |
CN108876783B (zh) | 图像融合方法及系统、医疗设备和图像融合终端 | |
CN116416412A (zh) | 支气管镜的辅助导航方法、装置及设备 | |
CN111899293B (zh) | Ar应用中的虚实遮挡处理方法 |
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 |