CN116549108A - 基于影像的目标点位置确定方法、装置、设备及存储介质 - Google Patents
基于影像的目标点位置确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116549108A CN116549108A CN202210104623.8A CN202210104623A CN116549108A CN 116549108 A CN116549108 A CN 116549108A CN 202210104623 A CN202210104623 A CN 202210104623A CN 116549108 A CN116549108 A CN 116549108A
- Authority
- CN
- China
- Prior art keywords
- dimensional image
- target
- coordinate system
- dimensional
- target area
- 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 53
- 238000006243 chemical reaction Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 210000003141 lower extremity Anatomy 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 16
- 210000002303 tibia Anatomy 0.000 claims description 15
- 210000000629 knee joint Anatomy 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 7
- 210000000689 upper leg Anatomy 0.000 claims description 6
- 230000005855 radiation Effects 0.000 abstract description 13
- 238000001356 surgical procedure Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 13
- 210000000988 bone and bone Anatomy 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 238000013150 knee replacement Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000000399 orthopedic effect Effects 0.000 description 3
- 210000003423 ankle Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000011883 total knee arthroplasty Methods 0.000 description 2
- 208000012659 Joint disease Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002675 image-guided surgery Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005259 measurement Methods 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
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2068—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis using pointers, e.g. pointers having reference marks for determining coordinates of body points
- A61B2034/207—Divots for calibration
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开提供了一种基于影像的目标点位置确定方法、装置、设备及存储介质。该方法包括:获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像;根据第一目标区域的三维影像以及第二目标区域中第一目标区域对应区间的二维影像,将三维影像与每张二维影像之间进行配准,得到三维影像的坐标系与每张二维影像的坐标系之间的坐标转换关系;基于坐标转换关系,将二维影像转换到三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定二维影像中的目标点在三维影像的坐标系中的位置坐标。本公开减少了患者的辐射剂量,降低目标点位置确定的复杂度,降低手术成本,简化重建力线的操作。
Description
技术领域
本公开涉及影像导航技术领域,尤其涉及一种基于影像的目标点位置确定方法、装置、设备及存储介质。
背景技术
随着计算机技术和计算机视觉的发展,影像导航技术越来越多的被应用到外科手术中。影像导航技术基于影像(比如X光、CT等)规划手术方案,并于术中将规划方案利用配准的方式带到患者的患处。
在影像导航手术中需要结合影像进行术区的定位和术中规划,以全膝关节置换手术(Total knee arthroplasty,TKA)为例,在全膝关节置换术中,股骨头中心位置的获取对于力线的确定至关重要。而为了确定患者的股骨头中心位置,需要通过采集三维影像来获取术区的全面信息,并且为了保证患者下肢的上下两段(股骨头区域和踝关节区域)与术区的相对位置,不仅需要拍摄术区的三维影像,还需要同时额外采集患者下肢对应的上下两段的三维影像。因此,上述现有技术中对股骨头中心和/或踝关节中心位置的确定方式,不仅增加了患者的辐射剂量,还增加了确定手术重要位置点的复杂度,提高了手术成本。
发明内容
有鉴于此,本公开实施例提供了一种基于影像的目标点位置确定方法、装置、设备及存储介质,以解决现有技术存在的不仅增加患者的辐射剂量,还增加了确定手术重要位置点的复杂度,提高了手术成本的问题。
本公开实施例的第一方面,提供了一种基于影像的目标点位置确定方法,包括:获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,其中,第一目标区域对应第二目标区域中的部分位置区域;根据第一目标区域的三维影像以及第二目标区域中第一目标区域对应区间的二维影像,将三维影像与每张二维影像之间进行配准,得到三维影像的坐标系与每张二维影像的坐标系之间的坐标转换关系;基于坐标转换关系,将二维影像转换到三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定二维影像中的目标点在三维影像的坐标系中的位置坐标。
本公开实施例的第二方面,提供了一种基于影像的目标点位置确定装置,包括:获取模块,被配置为获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,其中,第一目标区域对应第二目标区域中的部分位置区域;配准模块,被配置为根据第一目标区域的三维影像以及第二目标区域中第一目标区域对应区间的二维影像,将三维影像与每张二维影像之间进行配准,得到三维影像的坐标系与每张二维影像的坐标系之间的坐标转换关系;确定模块,被配置为基于坐标转换关系,将二维影像转换到三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定二维影像中的目标点在三维影像的坐标系中的位置坐标。
本公开实施例的第三方面,提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,其中,第一目标区域对应第二目标区域中的部分位置区域;根据第一目标区域的三维影像以及第二目标区域中第一目标区域对应区间的二维影像,将三维影像与每张二维影像之间进行配准,得到三维影像的坐标系与每张二维影像的坐标系之间的坐标转换关系;基于坐标转换关系,将二维影像转换到三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定二维影像中的目标点在三维影像的坐标系中的位置坐标。本方案无需因为手术对患者拍摄额外的三维影像,通过合理利用术前拍摄的术区三维影像以及整体下肢对应的二维影像,从而减少了对患者的辐射剂量,降低了术中对目标点位置确定的复杂度,从而降低手术成本。
附图说明
为了更清楚地说明本公开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公开的一些实施例,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它的附图。
图1是本公开实施例提供的TKA手术中连接股骨头中心-胫骨平台中心-踝关节中心的轴线示意图;
图2是本公开实施例提供的基于影像的目标点位置确定方法的流程示意图;
图3是本公开实施例提供的利用反投影算法确定目标点位置坐标的原理示意图;
图4是本公开实施例提供的基于影像的目标点位置确定装置的结构示意图;
图5是本公开实施例提供的电子设备的结构示意图。
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,以便透彻理解本公开实施例。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公开。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公开的描述。
如背景技术所述内容,随着计算机技术和计算机视觉的发展,影像导航技术越来越多的被应用到外科手术中。影像导航技术基于影像(比如X光、CT等)规划手术方案,并于术中将规划方案利用配准的方式带到术中的患者患处。基于影像导航技术的骨科手术,具有病灶定位准、术中创伤小、手术成功率高等优点。
在影像导航手术中需要结合影像进行术区的定位和术中的方案规划,本公开实施例的影像为医学影像,医学影像包括二维影像和三维影像,二维影像具有成本低、辐射小、操作方便等优点,相比二维影像,三维影像更能够获取术区的全面信息,同时具有更高的辐射剂量。影像对于术区定位以及术中的方案规划等具有重要的指导意义,下面以全膝关节置换手术(Total knee arthroplasty,以下简称TKA)为例,对传统的全膝关节置换手术中关键位置点的确定方式以及存在的问题进行详细介绍,具体可以包括以下内容:
TKA手术是对膝关节疾病的一种手术治疗,通过将膝关节的连接表面用关节假体替换,能有效地治疗重度膝关节病痛,提高病人的生活质量。在TKA手术中,手术的重要评估指标包括通过截骨、软组织平衡和良好的假体安放恢复下肢的机械轴。如图1所示,图1是本公开实施例提供的TKA手术中连接股骨头中心-胫骨平台中心-踝关节中心的轴线示意图。在图1中通过股骨头中心11与胫骨平台中心12确定一条线段,通过踝关节中心13与胫骨平台中心12确定另一条线段,将这两条线段之间夹角在冠状面上的投影作为力线的夹角。
由此可见,在TKA手术中,股骨头中心位置和踝关节中心位置的确定对于重建力线来说至关重要。虽然TKA手术中的股骨头中心和踝关节中心仅仅用作重建力线,但其和胫骨平台之间的相对位置是至关重要的。一般地,患者在病情确定时需要采集术区(即手术区域,如膝关节区域)的影像,同时,还可能需要采集整个下肢对应的二维影像。然而由于股骨和胫骨之间并不是刚性连接,因此不能保证不同采集时间的位姿是一致的。因此在术中医生为了获取患者术区的全面信息,并且为了保证上下两段与术区之间的相对位置,传统的方式是在术前保证患者不动的情况下,同时采集上中下三段的三维影像(如CT)。该种情况下,病情诊断阶段的影像没有得到有效利用。
但是,由于三维影像的辐射剂量通常是二维影像辐射剂量的百倍,而上述所拍摄的上下两段对应的三维影像仅仅用于获取单个骨性标记点(如股骨头中心)的位置。因此,上述传统的确定骨性标记点的方式,需要患者进行额外的三维影像拍摄,这样不仅增加了对患者的辐射剂量,还增加了TKA手术中确定骨性标记点的复杂度,因此提高了手术成本。
鉴于以上现有技术中存在的问题,本公开实施例利用患者术前所拍摄的术区三维影像以及整体下肢对应的正侧位平片检查影像,通过将二维影像(即正侧位平片检查影像)与术区三维影像进行配准,将这两种影像转换到同一坐标系下,并基于转换到同一坐标系下的二维影像中的骨性标记点(即目标点),利用反投影算法来确定骨性标记点在三维影像坐标下的实际位置。
由于术区三维影像和患者下肢的正侧位平片检查影像是确定患者病情的必要手段之一,因此,本公开实施例无需进行额外的影像拍摄,只需要利用术前拍摄的三维影像和二维影像,利用配准技术以及反投影算法即可确定骨性标记点在三维影像坐标下的位置。换言之,本公开实施例通过合理利用术前拍摄的术区三维影像以及整体下肢对应的二维影像,使得患者无需再因为手术进行额外的影像拍摄,从而减少了对患者的辐射剂量,同时简化了TKA手术中对骨性标记点确定时的操作过程,降低患者的手术成本。
下面结合具体实施例对本公开技术方案进行详细说明。需要说明的是,本公开以下实施例是以TKA手术中的骨性标记点的位置确定过程为例进行描述的。但是,应当理解的是,本公开实施例不限于TKA手术,也不限于骨科手术中的骨性标记点(如股骨头中心或者踝关节中心)的位置确定。其它任何在影像导航手术中,基于医学影像确定目标点位置的场景均适用于本方案。以下实施例中的应用场景不构成对本公开技术方案的限定。
图2是本公开实施例提供的基于影像的目标点位置确定方法的流程示意图。图2的基于影像的目标点位置确定方法可以由影像导航系统的服务器执行。如图2所示,该基于影像的目标点位置确定方法具体可以包括:
S201,获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,其中,第一目标区域对应第二目标区域中的部分位置区域;
S202,根据第一目标区域的三维影像以及第二目标区域中第一目标区域对应区间的二维影像,将三维影像与每张二维影像之间进行配准,得到三维影像的坐标系与每张二维影像的坐标系之间的坐标转换关系;
S203,基于坐标转换关系,将二维影像转换到三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定二维影像中的目标点在三维影像的坐标系中的位置坐标。
具体地,本公开实施例中的目标点可以是TKA手术中患者下肢对应的正侧位平片检查影像中的股骨头中心或者踝关节中心,在不同的应用场景中,上述目标点可以根据实际的应用场景来确定。基于最终确定的股骨头中心或者踝关节中心的位置,可以进一步在TKA手术中重建力线。
进一步地,本公开实施例中的三维影像和二维影像可以是医学影像,在实际应用中,利用不同的影像检查设备采集三维影像和二维影像,例如三维影像可以是CT影像、MRI影像等,二维影像可以是X线摄影图像等。本公开实施例的三维影像是指术区对应的三维影像,比如膝关节区域的影像,二维影像是指患者的整体下肢对应的正侧位平片检查影像,因此二维影像中包含股骨头区域、胫骨平台区域以及踝关节区域。
进一步地,在进行骨科翻修手术操作时,通常包括两方面的配准操作,即一方面是三维影像中的骨骼位置与患者实际骨骼位置之间的配准,通过将患者实际的骨面与三维影像上的骨面进行配准,从而建立三维影像和病患部位的空间位置关系。另一方面是术前拍摄的术区三维影像与二维影像(下肢正侧位平片检查影像)之间的配准,通过将二维影像与三维影像之间进行配准,可以将二维影像坐标系下的骨性标记点变换到三维影像坐标系下。
根据本公开实施例提供的技术方案,通过获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,其中,第一目标区域对应第二目标区域中的部分位置区域;根据第一目标区域的三维影像以及第二目标区域中第一目标区域对应区间的二维影像,将三维影像与每张二维影像之间进行配准,得到三维影像的坐标系与每张二维影像的坐标系之间的坐标转换关系;基于坐标转换关系,将二维影像转换到三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定二维影像中的目标点在三维影像的坐标系中的位置坐标。本方案无需为了手术对患者拍摄额外的三维影像,通过合理利用术前拍摄的术区三维影像以及整体下肢对应的二维影像,从而减少了对患者的辐射剂量,降低目标点位置确定的复杂度,从而降低手术成本。
在一些实施例中,获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,包括:获取在术前拍摄的三维影像和至少两张二维影像,其中,第一目标区域中包含术区,三维影像为术区影像,术区包括股骨膝关节区域和/或胫骨膝关节区域;第二目标区域中包含下肢区域,下肢区域包括股骨头区域、膝关节区域和踝关节区域,二维影像包括从不同方位所拍摄到的多张下肢区域影像。
具体地,首先获取患者在术前拍摄的三维影像和二维影像,在TKA手术的应用场景中,三维影像是指膝关节区域对应的三维影像,对于股骨来说,术区为股骨膝关节区域,远端为股骨头中心区域;对于胫骨来说,术区为胫骨膝关节区域,远端为踝关节区域。
进一步地,术前所采集的三维影像和二维影像之间对应不同的坐标系。一般而言,术区三维影像是患者采取仰卧位姿势下所采集的,而二维影像是患者采取站立位姿势下所采集的,并且三维影像和二维影像的采集时间也可能不一致,因此,患者的下肢部位在三维影像和二维影像上的位姿是不同的。
在一些实施例中,多张下肢区域影像的拍摄方位之间的夹角大于预设角度。
具体地,在TKA手术的应用场景中,二维影像是指从不同角度拍摄的患者下肢全长的二维影像,即下肢正侧位平片检查影像,下肢正侧位平片检查影像中包含患者的股骨和胫骨。术前拍摄的二维影像的数量至少为两张,且两张二维影像之间具有不同的拍摄方向。
进一步地,为了保证对目标点的计算精度,二维影像的拍摄方向之间的夹角需要大于一定的角度阈值(即预设角度)。在实际应用中,上述预设角度可以采用45°,或者根据经验选取合适的度数,比如在理想情况下,两张二维影像之间呈正交平面。
需要说明的是,虽然可以直接在二维影像中确定股骨头中心的位置,但是由于二维影像与三维影像属于不同坐标系下的影像,因此无法直接利用二维影像中的股骨头中心的位置来确定三维影像的坐标系中股骨头中心所在的位置。所以本公开实施例通过配准的方式建立二维影像坐标系与三维影像坐标系之间的转换矩阵,从而将二维影像中的股骨头中心变换到三维影像坐标系下。
在一些实施例中,根据第一目标区域的三维影像以及第二目标区域中第一目标区域对应区间的二维影像,将三维影像与每张二维影像之间进行配准,包括:根据预设的第一目标区域中的特征点,确定特征点在三维影像中的三维坐标,并确定特征点在每张二维影像的第二目标区域中的投影坐标;基于三维坐标以及投影坐标,利用预设的损失函数对参数进行迭代优化,根据优化结果确定每张二维影像对应的相机外参,将相机外参确定为坐标转换关系;其中,相机外参用于表示三维影像与二维影像之间的坐标变换矩阵。
具体地,通过在三维影像的术区中选取若干个特征点,利用2D-3D配准技术将术区的二维影像和三维影像进行配准,以确定二维影像相对于三维影像的采集角度和采集参数。例如,可以先从三维影像中选取六个特征点,基于这六个特征点分别对应二维影像及三维影像中的坐标,对二维影像与三维影像之间进行配准,特征点可以是影像中比较明显的标记点。
进一步地,根据三维影像坐标系得到上述特征点在三维影像中的三维坐标(x,y,z),并获取上述特征点在二维影像中的投影坐标(u,v)。根据三维坐标(x,y,z)以及投影坐标(u,v),即可建立二维影像坐标系中的点与二维影像坐标系中的点之间的转换关系,对应点之间的坐标关系可以表示如下:
其中,[u,v,1]表示某结构点(即特征点)在二维影像中的坐标,[x,y,z,1]表示该结构点在三维影像中的坐标,等号后的第一个矩阵表示相机的内参,第二个矩阵表示相机的外参。
需要说明的是,上述相机指的是二维影像采用相机成像的方式,在实际应用中,根据二维影像的成像原理的不同,二维影像的成像过程也不同,上述内参也会产生差别。本公开实施例是以锥形束光成像原理为例进行说明,而利用锥形束X光拍摄二维影像的过程等同于相机的成像过程,因此将上述内参称为相机的内参。但是本公开实施例不限于利用锥形束X光拍摄二维影像,其它拍摄二维影像的方式同样适用。
进一步地,在得到上述坐标点之间的转换关系后,可以利用损失函数对外参进行迭代优化,损失函数也可称为代价函数,损失函数的作用在于通过最小化损失函数找到最优解,从而实现对外参的优化,损失函数越小,最终得到的外参就越准确。在实际应用中,除了可以采取上述基于特征点的配准外,还可以采用基于图像灰度的迭代优化算法来优化外参,也可以采用基于深度学习的算法来进行优化。
进一步地,在构造损失函数时,可以先获得三维影像在某一个变换矩阵下的位姿,在这个位姿下对三维影像进行投影得到二维影像,计算投影得到的二维影像与原始拍摄的二维影像之间的差异,将该差异作为最终的损失函数。
进一步地,将优化后的外参作为二维影像坐标系与三维影像坐标系之间的转换矩阵,利用外参转换矩阵,可以将二维影像坐标系中的点变换到三维影像坐标系下。因此,可利用外参来表示二维影像坐标系与三维影像坐标系之间的转换关系。
在一些实施例中,基于坐标转换关系,将二维影像转换到三维影像对应的坐标系中,包括:利用坐标变换矩阵,将二维影像的坐标系转换为三维影像对应的坐标系,并将二维影像中的目标点变换到三维影像的坐标系中,其中,目标点为预设的骨性标记点,骨性标记点包括股骨头中心点和/或踝关节中心点。
具体地,在得到不同的二维影像与三维影像之间的坐标变换矩阵之后,利用外参,将全部的二维影像变换到三维影像坐标系下。此时,二维影像中的目标点也将自动变换到三维影像的坐标系下。在这里,利用二维影像得到目标点在三维影像中的坐标的过程,可以认为是一个三维重建过程。
在一些实施例中,根据坐标转换后的二维影像,利用预设的反投影算法确定二维影像中的目标点在三维影像的坐标系中的位置坐标,包括:根据坐标转换后的每个二维影像中的目标点的位置,确定每个目标点对应的射线源的位置,将二维影像中的目标点与射线源之间连线;将多条连线之间的交点在三维影像的坐标系中的坐标作为目标点对应的位置坐标,或者将多条连线的共垂线中点在三维影像的坐标系中的坐标作为目标点对应的位置坐标。
具体地,在将二维影像变换到三维影像坐标系下之后,获取每个目标点对应的射线源的位置,根据射线源位置以及三维影像坐标系下的目标点,利用反投影算法进行最终位置的确定。下面结合附图以及具体实施例,对利用反投影算法确定目标点的位置坐标的过程进行详细说明,图3是本公开实施例提供的利用反投影算法确定目标点位置坐标的原理示意图。如图3所示,该利用反投影算法确定目标点位置坐标的过程具体可以包括以下内容:
假设一共拍摄了两张患者下肢的二维影像,在图3中,A表示第一张二维影像,B表示第二张二维影像,SB点表示B中目标点对应的射线源位置,SA点表示A中目标点对应的射线源位置。其中,这里的A和B对应的二维影像是指已经利用上述坐标转换矩阵转换完坐标系之后的二维影像,即A和B对应的是三维影像坐标下的二维影像。
在反投影算法中只需要两个视角的对应投影点,就可以重建出场景的三维坐标。因此,在已知相机内参的情况下,至少需要两张二维影像便可以得到目标点O的实际位置。将目标点O在三维影像坐标下的坐标值确定为目标点的最终位置,即股骨头中心点或者踝关节中心点对应的真实位置。
在实际应用场景下,由于存在一定的测量误差,因此两条连线在三维空间中很难做到相交,此时,可以将两条连线的共垂线的中点作为最终的目标点位置;当二维影像的数量大于两张时,则可以将多条连线之间两两共垂线的中点的平均值作为最终的目标点位置。
在一些实施例中,本公开的方法还包括:获取胫骨平台中心点在三维影像的坐标系中的位置坐标;根据目标点及胫骨平台中心点的位置坐标,确定股骨头中心点与胫骨平台中心点之间的线段,并确定踝关节中心点与胫骨平台中心点之间的线段,计算两条线段之间的夹角,基于夹角重建力线。
具体地,在获取目标点(包括股骨头中心点和踝关节中心点)以及胫骨平台中心点的真实位置坐标之后,基于以上三个中心点,分别确定股骨头中心点与胫骨平台中心点之间的线段,以及踝关节中心点与胫骨平台中心点之间的线段。
进一步地,还可以利用以上得到的两条线段重建力线,即利用股骨头中心点、胫骨平台中心点、以及踝关节中心点在三维坐标下对应的坐标值,计算两条线段之间的夹角,从而对患者下肢的力线进行重建。
根据本公开实施例提供的技术方案,通过术前拍摄的术区三维影像以及下肢正侧位平片检查影像,利用配准的方式建立二维影像坐标系与三维影像坐标系之间的转换矩阵,并利用转换矩阵将二维影像中的点变换到三维影像坐标系下,从而进一步利用反投影算法确定目标点在三维影像坐标下的真实位置。本公开充分利用术前检查影像,通过相机三维重建的方式获取股骨头中心点的真实位置,从而无需因为手术专门拍摄患者的下肢术区和远端的三维影像,减少患者辐射剂量的同时,也降低了患者的手术成本。由于无需借助单独的患者下肢三维影像来确定远端点的坐标,因此降低了目标点位置确定的复杂度,从而进一步简化了重建力线的操作。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图4是本公开实施例提供的基于影像的目标点位置确定装置的结构示意图。如图4所示,该基于影像的目标点位置确定装置包括:
获取模块401,被配置为获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,其中,第一目标区域对应第二目标区域中的部分位置区域;
配准模块402,被配置为根据第一目标区域的三维影像以及第二目标区域中第一目标区域对应区间的二维影像,将三维影像与每张二维影像之间进行配准,得到三维影像的坐标系与每张二维影像的坐标系之间的坐标转换关系;
确定模块403,被配置为基于坐标转换关系,将二维影像转换到三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定二维影像中的目标点在三维影像的坐标系中的位置坐标。
在一些实施例中,图4的获取模块401获取在术前拍摄的三维影像和至少两张二维影像,其中,第一目标区域中包含术区,三维影像为术区影像,术区包括股骨膝关节区域和/或胫骨膝关节区域;第二目标区域中包含下肢区域,下肢区域包括股骨头区域、膝关节区域和踝关节区域,二维影像包括从不同方位所拍摄到的多张下肢区域影像。
在一些实施例中,多张下肢区域影像的拍摄方位之间的夹角大于预设角度。
在一些实施例中,图4的配准模块402根据预设的第一目标区域中的特征点,确定特征点在三维影像中的三维坐标,并确定特征点在每张二维影像的第二目标区域中的投影坐标;基于三维坐标以及投影坐标,利用预设的损失函数对参数进行迭代优化,根据优化结果确定每张二维影像对应的相机外参,将相机外参确定为坐标转换关系;其中,相机外参用于表示三维影像与二维影像之间的坐标变换矩阵。
在一些实施例中,图4的确定模块403利用坐标变换矩阵,将二维影像的坐标系转换为三维影像对应的坐标系,并将二维影像中的目标点变换到三维影像的坐标系中,其中,目标点为预设的骨性标记点,骨性标记点包括股骨头中心点和/或踝关节中心点。
在一些实施例中,图4的确定模块403根据坐标转换后的每个二维影像中的目标点的位置,确定每个目标点对应的射线源的位置,将二维影像中的目标点与射线源之间连线;将多条连线之间的交点在三维影像的坐标系中的坐标作为目标点对应的位置坐标,或者将多条连线的共垂线中点在三维影像的坐标系中的坐标作为目标点对应的位置坐标。
在一些实施例中,图4的确定模块403还获取胫骨平台中心点在三维影像的坐标系中的位置坐标;根据目标点及胫骨平台中心点的位置坐标,确定股骨头中心点与胫骨平台中心点之间的线段,并确定踝关节中心点与胫骨平台中心点之间的线段,计算两条线段之间的夹角,基于夹角重建力线。
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,而不应对本公开实施例的实施过程构成任何限定。
图5是本公开实施例提供的电子设备5的结构示意图。如图5所示,该实施例的电子设备5包括:处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者,处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序503可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器502中,并由处理器501执行,以完成本公开。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,该指令段用于描述计算机程序503在电子设备5中的执行过程。
电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解,图5仅仅是电子设备5的示例,并不构成对电子设备5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,电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器501可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、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)或者其它可编程逻辑器件、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。
存储器502可以是电子设备5的内部存储单元,例如,电子设备5的硬盘或内存。存储器502也可以是电子设备5的外部存储设备,例如,电子设备5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,存储器502还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及电子设备所需的其它程序和数据。存储器502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公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,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,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。
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,在本公开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。
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存储介质中。基于这样的理解,本公开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来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,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。计算机可读介质可以包括:能够携带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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,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电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,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公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于影像的目标点位置确定方法,其特征在于,包括:
获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,其中,所述第一目标区域对应所述第二目标区域中的部分位置区域;
根据所述第一目标区域的三维影像以及所述第二目标区域中第一目标区域对应区间的二维影像,将所述三维影像与每张所述二维影像之间进行配准,得到所述三维影像的坐标系与每张所述二维影像的坐标系之间的坐标转换关系;
基于所述坐标转换关系,将所述二维影像转换到所述三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定所述二维影像中的目标点在所述三维影像的坐标系中的位置坐标。
2.根据权利要求1所述的方法,其特征在于,所述获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,包括:
获取在术前拍摄的所述三维影像和至少两张所述二维影像,其中,所述第一目标区域中包含术区,所述三维影像为术区影像,所述术区包括股骨膝关节区域和/或胫骨膝关节区域;所述第二目标区域中包含下肢区域,所述下肢区域包括股骨头区域、膝关节区域和踝关节区域,所述二维影像包括从不同方位所拍摄到的多张下肢区域影像。
3.根据权利要求2所述的方法,其特征在于,所述多张下肢区域影像的拍摄方位之间的夹角大于预设角度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一目标区域的三维影像以及所述第二目标区域中第一目标区域对应区间的二维影像,将所述三维影像与每张所述二维影像之间进行配准,包括:
根据预设的所述第一目标区域中的特征点,确定所述特征点在所述三维影像中的三维坐标,并确定所述特征点在每张所述二维影像的所述第二目标区域中的投影坐标;
基于所述三维坐标以及所述投影坐标,利用预设的损失函数对参数进行迭代优化,根据优化结果确定每张所述二维影像对应的相机外参,将所述相机外参确定为所述坐标转换关系;
其中,所述相机外参用于表示所述三维影像与所述二维影像之间的坐标变换矩阵。
5.根据权利要求4所述的方法,其特征在于,所述基于所述坐标转换关系,将所述二维影像转换到所述三维影像对应的坐标系中,包括:
利用所述坐标变换矩阵,将所述二维影像的坐标系转换为所述三维影像对应的坐标系,并将所述二维影像中的所述目标点变换到所述三维影像的坐标系中,其中,所述目标点为预设的骨性标记点,所述骨性标记点包括股骨头中心点和/或踝关节中心点。
6.根据权利要求1所述的方法,其特征在于,所述根据坐标转换后的二维影像,利用预设的反投影算法确定所述二维影像中的目标点在所述三维影像的坐标系中的位置坐标,包括:
根据所述坐标转换后的每个所述二维影像中的所述目标点的位置,确定每个所述目标点对应的射线源的位置,将所述二维影像中的所述目标点与所述射线源之间连线;
将多条所述连线之间的交点在所述三维影像的坐标系中的坐标作为所述目标点对应的位置坐标,或者将多条所述连线的共垂线中点在所述三维影像的坐标系中的坐标作为所述目标点对应的位置坐标。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取胫骨平台中心点在所述三维影像的坐标系中的位置坐标;
根据所述目标点及所述胫骨平台中心点的位置坐标,确定股骨头中心点与所述胫骨平台中心点之间的线段,并确定踝关节中心点与所述胫骨平台中心点之间的线段,计算两条所述线段之间的夹角,基于所述夹角重建力线。
8.一种基于影像的目标点位置确定装置,其特征在于,包括:
获取模块,被配置为获取包含第一目标区域的三维影像以及包含第二目标区域的至少两张二维影像,其中,所述第一目标区域对应所述第二目标区域中的部分位置区域;
配准模块,被配置为根据所述第一目标区域的三维影像以及所述第二目标区域中第一目标区域对应区间的二维影像,将所述三维影像与每张所述二维影像之间进行配准,得到所述三维影像的坐标系与每张所述二维影像的坐标系之间的坐标转换关系;
确定模块,被配置为基于所述坐标转换关系,将所述二维影像转换到所述三维影像对应的坐标系中,根据坐标转换后的二维影像,利用预设的反投影算法确定所述二维影像中的目标点在所述三维影像的坐标系中的位置坐标。
9.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1至7中任一项所述的方法。
10.一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7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210104623.8A CN116549108A (zh) | 2022-01-28 | 2022-01-28 | 基于影像的目标点位置确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210104623.8A CN116549108A (zh) | 2022-01-28 | 2022-01-28 | 基于影像的目标点位置确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116549108A true CN116549108A (zh) | 2023-08-08 |
Family
ID=87500595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210104623.8A Pending CN116549108A (zh) | 2022-01-28 | 2022-01-28 | 基于影像的目标点位置确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116549108A (zh) |
-
2022
- 2022-01-28 CN CN202210104623.8A patent/CN116549108A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6415171B1 (en) | System and method for fusing three-dimensional shape data on distorted images without correcting for distortion | |
CN111494009B (zh) | 用于手术导航的图像配准方法、装置和手术导航系统 | |
US20160206379A1 (en) | System and method for patient implant alignment | |
US9867585B2 (en) | Method for optimally visualizing a morphologic region of interest of a bone in an X-ray image | |
US11257241B2 (en) | System and method for component positioning by registering a 3D patient model to an intra-operative image | |
CN113116523B (zh) | 骨科手术配准装置、终端设备和存储介质 | |
CN111249002B (zh) | 全膝关节置换的术中规划调整方法、装置及设备 | |
Lebailly et al. | Semi-automated stereoradiographic upper limb 3D reconstructions using a combined parametric and statistical model: a preliminary study | |
WO2022133442A1 (en) | Systems and methods for generating a three-dimensional model of a joint from two-dimensional images | |
CN116058965A (zh) | 用于关节置换手术的骨骼注册方法及手术导航系统 | |
Mirota et al. | High-accuracy 3D image-based registration of endoscopic video to C-arm cone-beam CT for image-guided skull base surgery | |
CN114938995B (zh) | 应用于髋关节置换手术的骨盆配准系统和医疗设备 | |
CN113633377B (zh) | 一种面向胫骨高位截骨手术的胫骨优化配准系统与方法 | |
CN116363093A (zh) | 一种用于寻找髋臼的旋转中心的方法与装置、手术规划系统及存储介质 | |
CN116549108A (zh) | 基于影像的目标点位置确定方法、装置、设备及存储介质 | |
CN115358995A (zh) | 基于多模态信息融合的全自动空间注册系统 | |
Joshi et al. | A novel approach for intra‐operative shape acquisition of the tibio‐femoral joints using 3D laser scanning in computer assisted orthopaedic surgery | |
WO2022229816A1 (en) | 3d reconstruction of anatomical images | |
CN115607286B (zh) | 基于双目标定的膝关节置换手术导航方法、系统及设备 | |
Xie et al. | A small-scaled intraoperative 3d visualization navigation system for femoral head repair surgery | |
CN114469341B (zh) | 基于髋关节置换的髋臼注册方法 | |
CN219846626U (zh) | 图像显示装置 | |
CN115115694B (zh) | 人体长骨中轴的建立方法、装置、设备及存储介质 | |
US20240024035A1 (en) | Preoperative imaging combined with intraoperative navigation before and after alteration of a surgical site to create a composite surgical three dimensional structural dataset | |
He | Mechanical Analysis and Novel Technologies in Computer-Assisted Orthopedic Surgery |
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 |