CN117474966A - 医学影像与显影设备的配准方法、装置、设备和介质 - Google Patents
医学影像与显影设备的配准方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117474966A CN117474966A CN202311561221.1A CN202311561221A CN117474966A CN 117474966 A CN117474966 A CN 117474966A CN 202311561221 A CN202311561221 A CN 202311561221A CN 117474966 A CN117474966 A CN 117474966A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- image
- cloud data
- developing
- coordinate system
- 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 36
- 230000009466 transformation Effects 0.000 claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000002059 diagnostic imaging Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 3
- 229910052751 metal Inorganic materials 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- 239000011324 bead Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 229910001069 Ti alloy Inorganic materials 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 229910000531 Co alloy Inorganic materials 0.000 description 2
- 229910000640 Fe alloy Inorganic materials 0.000 description 2
- 229910001257 Nb alloy Inorganic materials 0.000 description 2
- 229910001362 Ta alloys Inorganic materials 0.000 description 2
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 2
- QCWXUUIWCKQGHC-UHFFFAOYSA-N Zirconium Chemical compound [Zr] QCWXUUIWCKQGHC-UHFFFAOYSA-N 0.000 description 2
- 229910001093 Zr alloy Inorganic materials 0.000 description 2
- 239000010941 cobalt Substances 0.000 description 2
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010955 niobium Substances 0.000 description 2
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 description 2
- 239000010936 titanium Substances 0.000 description 2
- 229910052720 vanadium Inorganic materials 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000002432 robotic surgery Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种医学影像与显影设备的配准方法、装置、设备和介质，该方法包括：在医学影像中提取预估区域，得到掩码图像；获取显影设备的连通域；根据连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取像素点坐标；将像素点坐标转化为影像坐标，组成影像点云数据；获取显影设备在机械臂坐标系下的中心坐标信息及第二点云数据，生成模拟点云数据；选取显影设备在影像坐标系及机械臂坐标系下的中心坐标，得到初始变换矩阵；对影像点云数据和模拟点云数据进行初始变换；使用配准算法进行拟合配准，以获取配准变换矩阵；根据配准变换矩阵配准医学影像与显影设备。该方法用于提升医学影像与显影设备的配准精度和配准速度。
Description
技术领域
本发明涉及医学图像处理领域，尤其涉及一种医学影像与显影设备的配准方法、装置、设备和介质。
背景技术
经皮肺穿刺活组织检查术是一种微创、安全、有效的诊断及鉴别诊断方法，在近年来得到临床广泛应用。然而，经皮穿刺需要医生具备丰富的经验和操作技巧，因为在穿刺胸腔进入肺组织的过程中需要准确定位和操作，同时要尽可能避开血管和重要器官。这对操作者来说可能存在定位困难和下针困难的挑战。
近年来，手术机器人已经在许多临床手术中开始出现，并且在穿刺手术中发挥着重要的作用。穿刺机器人手术的关键要求之一是确保医学影像与机械臂之间的配准效果。现有技术中医学影像与机械臂的配准精度低，且配准速度慢，容易导致配准失败延误病情。因此，亟需一种新型的医学影像与显影设备的配准方法、装置、设备和介质以改善上述问题。
发明内容
本发明的目的在于提供一种医学影像与显影设备的配准方法、装置、设备和介质，该方法用于提升医学影像与显影设备的配准精度和配准速度。
第一方面，本发明提供一种医学影像与显影设备的配准方法，包括：S1，获取包含N个显影设备的医学影像，N大于2；S2，初始化灰度阈值，在医学影像中提取包含显影设备的预估区域，得到掩码图像；S3，根据所述掩码图像进行连通域分析，获取显影设备的连通域；S4，根据所述连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取每个显影设备在像素坐标系下的像素点坐标；S5，根据医学影像的空间信息及中心坐标，将所述像素点坐标转化为影像坐标，以组成影像点云数据；S6，获取显影设备在机械臂坐标系下的中心坐标信息及第二点云数据，根据显影设备的形状和尺寸生成模拟点云数据；S7，选取N个显影设备在影像坐标系及机械臂坐标系下的中心坐标，得到初始变换矩阵；S8，根据所述初始变换矩阵对影像点云数据和模拟点云数据进行初始变换；S9，使用配准算法对初始变换后的影像点云数据和模拟点云数据进行拟合配准，以获取配准变换矩阵；根据所述配准变换矩阵配准医学影像与显影设备。
本发明的方法有益效果为：本发明通过根据所述连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取每个显影设备在像素坐标系下的像素点坐标，便于定位医学影像中显影设备所在的角度和位置。通过根据医学影像的空间信息及中心坐标，将所述像素点坐标转化为影像坐标，以组成影像点云数据，为后续配准提供准确的数据支持。通过获取显影设备在机械臂坐标系下的中心坐标信息及第二点云数据，根据显影设备的形状和尺寸生成模拟点云数据，能够使模拟点云数据更贴合影像点云数据，提升配准精度。通过在执行配准算法前进行初始变换有利于加快配准速度，避免延误病情。
可选的，所述S4包括：对医学影像进行分割处理，获取到显影设备在医学影像中的像素坐标信息，根据图像间距及原点信息计算每个像素点的图像坐标值；获取并保存所述图像坐标值，计算每个显影设备在像素坐标系下的中心坐标。
可选的，所述S4包括：根据影像坐标系下的中心坐标信息，定义影像外层点云区间；遍历第一点云数据中的所有点，只保留处于影像外层点云区间的第一点云数据，更新第一点云数据；所述S6包括：根据机械臂坐标系下的中心坐标信息，定义机械臂外层点云区间；遍历第二点云数据中的所有点，只保留处于机械臂外层点云区间的第二点云数据，更新第二点云数据。
可选的，所述S4包括：根据影像坐标系下的每个中心坐标形成一个圆球点云；设置影像夹角区间，只保留处于影像夹角区间内的第一点云数据，更新第一点云数据；所述S6包括：根据机械臂坐标系下的每个中心坐标形成一个圆球点云；设置机械臂夹角区间，只保留处于机械臂夹角区间内的第二点云数据，更新第二点云数据。
可选的，S9包括：采用迭代最近点算法拟合配准所述初始变换后的影像点云数据和所述初始变换后的模拟点云数据，直到达到收敛条件或达到最大迭代次数，以达到最佳匹配。
可选的，所述模拟点云数据的外层与所述显影设备的外形相同；所述模拟点云数据的尺寸与所述显影设备的尺寸成正比。
可选的，所述S1包括：N设为3时，获取包含3个显影设备的医学影像；其中任意2个显影设备的中心连线到其余的一个显影设备的距离为L，L大于0。
可选的，所述显影设备设置为金属珠；所述金属珠由铁、钛、钴、钽、铌、锆中的至少一种金属或合金制成。
第二方面，本发明提供一种医学影像与显影设备的配准装置，用于第一方面中任一项所述的方法，包括：采集单元，用于获取包含N个显影设备的医学影像，N大于2；处理单元，用于初始化灰度阈值，在医学影像中提取包含显影设备的预估区域，得到掩码图像；根据所述掩码图像进行连通域分析，获取显影设备的连通域；根据所述连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取每个显影设备在像素坐标系下的像素点坐标；根据医学影像的空间信息及中心坐标，将所述像素点坐标转化为影像坐标，以组成影像点云数据；获取显影设备在机械臂坐标系下的中心坐标信息及第二点云数据，根据显影设备的形状和尺寸生成模拟点云数据；选取N个显影设备在影像坐标系及机械臂坐标系下的中心坐标，得到初始变换矩阵；根据所述初始变换矩阵对影像点云数据和模拟点云数据进行初始变换；使用配准算法对初始变换后的影像点云数据和模拟点云数据进行拟合配准，以获取配准变换矩阵；根据所述配准变换矩阵配准医学影像与显影设备。
可选的，所述处理单元还用于对医学影像进行分割处理，获取到显影设备在医学影像中的像素坐标信息，根据图像间距及原点信息计算每个像素点的图像坐标值；获取所述图像坐标值，计算每个显影设备的中心坐标；所述设备还包括存储单元，用于保存所述图像坐标值。
第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的程序，当所述程序被所述处理器执行时，使得所述电子设备实现第一方面中任一项所述的方法。
第四方面，本发明提供一种可读存储介质，所述可读存储介质内存储有程序，所述程序被执行时，实现第一方面中任一项所述的方法。
附图说明
图1为本发明提供的一种医学影像与显影设备的配准方法的流程示意图；
图2为本发明提供的一种显影设备设于悬臂梁的主视结构示意图；
图3为本发明提供的一种显影设备设于悬臂梁的俯视结构示意图；
图4为本发明提供的一种掩码图像的示意图；
图5为本发明提供的一种初始变换后的影像点云数据和模拟点云数据进行拟合配准的示意图；
图6为本发明提供的一种医学影像与显影设备的配准装置的结构示意图；
图7为本发明提供的一种电子设备的结构示意图。
图中标号：
1、显影设备；2、悬臂梁；3、影像点云；4、模拟点云；
51、采集单元；511、射频脉冲发生器；512、磁体；513、梯度线圈；514、接收器；52、处理单元；53、存储单元；54、机械臂；
61、处理器；62、存储器；63、输出接口；64、通信接口；65、天线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，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，都属于本发明保护的范围。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
针对现有技术存在的问题，如图1所示，第一实施例提供一种医学影像与显影设备的配准方法，包括：S1，获取包含N个显影设备的医学影像，N大于2；S2，初始化灰度阈值，在医学影像中提取包含显影设备的预估区域，得到掩码图像；S3，根据所述掩码图像进行连通域分析，获取显影设备的连通域；S4，根据所述连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取每个显影设备在像素坐标系下的像素点坐标；S5，根据医学影像的空间信息及中心坐标，将所述像素点坐标转化为影像坐标，以组成影像点云数据；S6，获取显影设备在机械臂坐标系下的中心坐标信息及第二点云数据，根据显影设备的形状和尺寸生成模拟点云数据；S7，选取N个显影设备在影像坐标系及机械臂坐标系下的中心坐标，得到初始变换矩阵；S8，根据所述初始变换矩阵对影像点云数据和模拟点云数据进行初始变换；S9，使用配准算法对初始变换后的影像点云数据和模拟点云数据进行拟合配准，以获取配准变换矩阵；根据所述配准变换矩阵配准医学影像与显影设备。
值得说明的是，本实施例通过根据所述连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取每个显影设备在像素坐标系下的像素点坐标，便于定位医学影像中显影设备所在的角度和位置。通过根据医学影像的空间信息及中心坐标，将所述像素点坐标转化为影像坐标，以组成影像点云数据，为后续配准提供准确的数据支持。通过获取显影设备在机械臂坐标系下的中心坐标信息及第二点云数据，根据显影设备的形状和尺寸生成模拟点云数据，能够使模拟点云数据更贴合影像点云数据，提升配准精度。通过在执行配准算法前进行初始变换有利于加快配准速度，避免延误病情。
在一些实施例中，所述S1包括：N设为3时，获取包含3个显影设备的医学影像；其中任意2个显影设备的中心连线到其余的一个显影设备的距离为L，L大于0。
在一些实施例中，所述显影设备设置为金属珠；所述金属珠由铁、钛、钴、钽、铌、锆中的至少一种金属或合金制成。如图2和图3所示，具体的，所述显影设备1设置为10颗钢珠，设于悬臂梁2的周侧。所述悬臂梁2与机械臂连接，所述机械臂用于驱动穿刺针运动。另一些具体的实施例中，所述显影设备设置为3颗钛合金珠。又一些具体的实施例中，所述医学影像为磁共振影像。值得说明的是，所述显影设备可以设置为任意便于确定几何中心的立体几何形状。所述显影设备的尺寸可以为任意值，满足医学影像的视野能够容纳至少3个显影设备即可。
在一些实施例中，所述S2包括：读取预设的灰度阈值，从医学影像中提取灰度值处于所述灰度阈值的像素区域，得到二值的掩码图像。
如图4所示，具体的，所述掩码图像中的白色区域为目标区域，所述掩码图像中的黑色区域为非目标区域。目标区域中的连通域数量为5。在一些实施例中，所述连通域数量与显影设备的数量相同。所述连通域数量可以为任意大于2的整数。
在一些实施例中，所述S3包括：采用八邻域标记算法对所述掩码图像进行连通域分析，获取显影设备的连通域。另一些具体的实施例中，采用深度优先搜索(Depth-FirstSearch，DFS)对所述掩码图像进行连通域分析。又一些具体的实施例中，采用广度优先搜索(Breadth-First Search，BFS)对所述掩码图像进行连通域分析。
在一些实施例中，所述S4包括：对医学影像进行分割处理，获取到显影设备在医学影像中的像素坐标信息，根据图像间距及原点信息计算每个像素点的图像坐标值；获取并保存所述图像坐标值，计算每个显影设备在像素坐标系下的中心坐标。
在一些实施例中，所述S5包括：在像素坐标系下，设置所述影像点云数据对应的坐标位于以中心坐标为球心的球面上。每个中心坐标对应的影像点云数据数量为X，X为任意正整数。
在一些实施例中，所述S4包括：根据影像坐标系下的中心坐标信息，定义影像外层点云区间；遍历第一点云数据中的所有点，只保留处于影像外层点云区间的第一点云数据，更新第一点云数据；所述S6包括：根据机械臂坐标系下的中心坐标信息，定义机械臂外层点云区间；遍历第二点云数据中的所有点，只保留处于机械臂外层点云区间的第二点云数据，更新第二点云数据。
具体的，所述模拟点云数据的外层与所述显影设备的外形相同；所述模拟点云数据的尺寸与所述显影设备的尺寸成正比。
在一些实施例中，所述S4包括：根据影像坐标系下的每个中心坐标形成一个圆球点云；设置影像夹角区间，只保留处于影像夹角区间内的第一点云数据，更新第一点云数据；所述S6包括：根据机械臂坐标系下的每个中心坐标形成一个圆球点云；设置机械臂夹角区间，只保留处于机械臂夹角区间内的第二点云数据，更新第二点云数据。
在一些实施例中，所述S7包括：N取3时，选取3个显影设备在影像坐标系及机械臂坐标系下的中心坐标，得到初始变换矩阵。
值得说明的是，初始变换矩阵包括方差矩阵和协方差矩阵，其中协方差矩阵H满足：
H＝(A-centroidA)(B-centroidB)T
其中，A为显影设备在图像坐标系下的坐标矩阵，B为显影设备在机械臂坐标系下的坐标矩阵，centroidA为显影设备在图像坐标系下的中心坐标函数，centroidB为显影设备在机械臂坐标系下的中心坐标函数，N为显影设备的总数量，i当前显影设备的编号，T为旋转矩阵，满足：
t＝A-centroidB-R×centroidA
R＝VUT
[U,S,V]＝SVD(H)
其中，t为@位移量，R为旋转系数，SVD为奇异值分解函数，U、S、V为奇异值分解函数的三个分解结果。
如图5所示，在一些实施例中，S9包括：采用迭代最近点算法拟合配准所述初始变换后的影像点云数据和所述初始变换后的模拟点云数据，重复上述过程直到达到收敛条件或达到最大迭代次数，以达到最佳匹配。此过程中，初始变换后的影像点云3与初始变换后的模拟点云4互相靠近直至重合。
具体的，采用迭代最近点(Iterative Closest Point，ICP)算法进行配准，包括：
S91，初始化：选择一个初始变换矩阵，用于对齐源点云和目标点云。示例性的，确定影像点云为对齐源点云，确定模拟点云为目标点云。另一示例性中，确定模拟点云为对齐源点云，确定影像点云为目标点云。
S92，最近邻搜索：对于对源点云中的每个点，找到目标点云中距离最近的点生成搜索结果。S93，确定对应关系：根据搜索结果，建立源点云和目标点云之间的对应关系。S94，计算变换：根据对应关系，计算源点云与目标点云之间的变换矩阵。S95，应用变换：将源点云代入变换矩阵，得到对齐后的点云。
重复S92-S95，直到满足终止条件，示例性的，终止条件为达到最大迭代次数。另一示例中，终止条件为变换矩阵的变化小于阈值。值得说明的是，ICP算法的输出是一个变换矩阵，描述了将源点云对齐到目标点云所需的平移和旋转。通过将变换矩阵应用于源点云，可以得到与目标点云对齐的点云数据。
如图6所示，第二实施例提供一种医学影像与显影设备的配准装置，用于第一实施例中任一项所述的方法，包括：采集单元51，用于获取包含N个显影设备的医学影像，N大于2；处理单元52，用于初始化灰度阈值，在医学影像中提取包含显影设备的预估区域，得到掩码图像；根据所述掩码图像进行连通域分析，获取显影设备的连通域；根据所述连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取每个显影设备在像素坐标系下的像素点坐标；根据医学影像的空间信息及中心坐标，将所述像素点坐标转化为影像坐标，以组成影像点云数据；获取显影设备在机械臂54坐标系下的中心坐标信息及第二点云数据，根据显影设备的形状和尺寸生成模拟点云数据；选取N个显影设备在影像坐标系及机械臂54坐标系下的中心坐标，得到初始变换矩阵；根据所述初始变换矩阵对影像点云数据和模拟点云数据进行初始变换；使用配准算法对初始变换后的影像点云数据和模拟点云数据进行拟合配准，以获取配准变换矩阵；根据所述配准变换矩阵配准医学影像与显影设备。
具体的，所述采集单元包括但不限于磁共振影像设备或X光影像设备。示例性的，所述采集单元51包括磁体512、射频脉冲发生器511、接收器514和梯度线圈513，处理单元52设置为处理器61。
在一些实施例中，所述处理单元52还用于对医学影像进行分割处理，获取到显影设备在医学影像中的像素坐标信息，根据图像间距及原点信息计算每个像素点的图像坐标值；获取所述图像坐标值，计算每个显影设备的中心坐标；所述设备还包括存储单元53，用于保存所述图像坐标值。
如图7所示，第三实施例提供一种电子设备，包括存储器62和处理器61，所述存储器62上存储有可在所述处理器61上运行的程序，当所述程序被所述处理器61执行时，使得所述电子设备实现上述实施例中任一项所述的方法。
在一种可能的实施例中，所述电子设备还包括：输出接口63，用于结果输出；通信接口64，用于通信传输信号；天线65，用于发射或接收信号。
应注意，本实施例中的处理器61可以是一种图像处理芯片或一种集成电路芯片，具有对图像信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件。可以实现或者执行本实施例中的公开的各方法、步骤及逻辑框图。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。结合本实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块器组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
可以理解，本实施例中的存储器62可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
第四实施例提供一种可读存储介质，所述可读存储介质内存储有程序，所述程序被执行时，实现上述实施例中任一项所述的方法。
虽然在上文中详细说明了本发明的实施方式，但是对于本领域的技术人员来说显而易见的是，能够对这些实施方式进行各种修改和变化。但是，应理解，这种修改和变化都属于权利要求书中所述的本发明的范围和精神之内。而且，在此说明的本发明可有其它的实施方式，并且可通过多种方式实施或实现。
Claims (10)
1.一种医学影像与显影设备的配准方法，其特征在于，包括：
S1，获取包含N个显影设备的医学影像，N大于2；
S2，初始化灰度阈值，在医学影像中提取包含显影设备的预估区域，得到掩码图像；
S3，根据所述掩码图像进行连通域分析，获取显影设备的连通域；
S4，根据所述连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取每个显影设备在像素坐标系下的像素点坐标；
S5，根据医学影像的空间信息及中心坐标，将所述像素点坐标转化为影像坐标，以组成影像点云数据；
S6，获取显影设备在机械臂坐标系下的中心坐标信息及第二点云数据，根据显影设备的形状和尺寸生成模拟点云数据；
S7，选取N个显影设备在影像坐标系及机械臂坐标系下的中心坐标，得到初始变换矩阵；
S8，根据所述初始变换矩阵对影像点云数据和模拟点云数据进行初始变换；
S9，使用配准算法对初始变换后的影像点云数据和模拟点云数据进行拟合配准，以获取配准变换矩阵；根据所述配准变换矩阵配准医学影像与显影设备。
2.根据权利要求1所述的方法，其特征在于，所述S4包括：
对医学影像进行分割处理，获取到显影设备在医学影像中的像素坐标信息，根据图像间距及原点信息计算每个像素点的图像坐标值；获取并保存所述图像坐标值，计算每个显影设备在像素坐标系下的中心坐标。
3.根据权利要求1或2所述的方法，其特征在于，
所述S4包括：根据影像坐标系下的中心坐标信息，定义影像外层点云区间；遍历第一点云数据中的所有点，只保留处于影像外层点云区间的第一点云数据，更新第一点云数据；
所述S6包括：根据机械臂坐标系下的中心坐标信息，定义机械臂外层点云区间；遍历第二点云数据中的所有点，只保留处于机械臂外层点云区间的第二点云数据，更新第二点云数据。
4.根据权利要求1或2所述的方法，其特征在于，
所述S4包括：根据影像坐标系下的每个中心坐标形成一个圆球点云；设置影像夹角区间，只保留处于影像夹角区间内的第一点云数据，更新第一点云数据；
所述S6包括：根据机械臂坐标系下的每个中心坐标形成一个圆球点云；设置机械臂夹角区间，只保留处于机械臂夹角区间内的第二点云数据，更新第二点云数据。
5.根据权利要求1或2所述的方法，其特征在于，S9包括：
采用迭代最近点算法拟合配准所述初始变换后的影像点云数据和所述初始变换后的模拟点云数据，直到达到收敛条件或达到最大迭代次数，以达到最佳匹配。
6.根据权利要求1或2所述的方法，其特征在于，所述模拟点云数据的外层与所述显影设备的外形相同；
所述模拟点云数据的尺寸与所述显影设备的尺寸成正比。
7.一种医学影像与显影设备的配准装置，用于所述权利要求1至6中任一项所述的方法，其特征在于，包括：
采集单元，用于获取包含N个显影设备的医学影像，N大于2；
处理单元，用于初始化灰度阈值，在医学影像中提取包含显影设备的预估区域，得到掩码图像；根据所述掩码图像进行连通域分析，获取显影设备的连通域；根据所述连通域计算显影设备在影像坐标系下的中心坐标信息及第一点云数据，提取每个显影设备在像素坐标系下的像素点坐标；根据医学影像的空间信息及中心坐标，将所述像素点坐标转化为影像坐标，以组成影像点云数据；获取显影设备在机械臂坐标系下的中心坐标信息及第二点云数据，根据显影设备的形状和尺寸生成模拟点云数据；选取N个显影设备在影像坐标系及机械臂坐标系下的中心坐标，得到初始变换矩阵；根据所述初始变换矩阵对影像点云数据和模拟点云数据进行初始变换；使用配准算法对初始变换后的影像点云数据和模拟点云数据进行拟合配准，以获取配准变换矩阵；根据所述配准变换矩阵配准医学影像与显影设备。
8.根据权利要求7所述的装置，其特征在于，
所述处理单元还用于对医学影像进行分割处理，获取到显影设备在医学影像中的像素坐标信息，根据图像间距及原点信息计算每个像素点的图像坐标值；获取所述图像坐标值，计算每个显影设备的中心坐标；
所述设备还包括存储单元，用于保存所述图像坐标值。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的程序，当所述程序被所述处理器执行时，使得所述电子设备实现权利要求1至6中任一项所述的方法。
10.一种可读存储介质，所述可读存储介质内存储有程序，其特征在于，所述程序被执行时，实现权利要求1至6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311561221.1A CN117474966A (zh) | 2023-11-21 | 2023-11-21 | 医学影像与显影设备的配准方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311561221.1A CN117474966A (zh) | 2023-11-21 | 2023-11-21 | 医学影像与显影设备的配准方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117474966A true CN117474966A (zh) | 2024-01-30 |
Family
ID=89629103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311561221.1A Pending CN117474966A (zh) | 2023-11-21 | 2023-11-21 | 医学影像与显影设备的配准方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117474966A (zh) |
-
2023
- 2023-11-21 CN CN202311561221.1A patent/CN117474966A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109166133B (zh) | 基于关键点检测和深度学习的软组织器官图像分割方法 | |
| US10242450B2 (en) | Coupled segmentation in 3D conventional ultrasound and contrast-enhanced ultrasound images | |
| CN111161326B (zh) | 用于可变形图像配准的无监督深度学习的系统和方法 | |
| RU2663649C2 (ru) | Сегментация крупных объектов из нескольких трехмерных видов | |
| JP5584441B2 (ja) | ボリュームデータ間の対応付け方法 | |
| CN108420529A (zh) | 基于电磁定位技术和术中图像引导的手术导航仿真方法 | |
| Lee et al. | Non-rigid registration between 3D ultrasound and CT images of the liver based on intensity and gradient information | |
| CN110087550B (zh) | 一种超声图像显示方法、设备及存储介质 | |
| CN112184781A (zh) | 超声图像和ct图像的配准方法、装置及设备 | |
| US6289135B1 (en) | Electronic image processing device for the detection of motions | |
| NL2035295B1 (en) | Ultrasonic puncture guidance planning system based on multi-modal medical image registration | |
| Thomson et al. | MR-to-US registration using multiclass segmentation of hepatic vasculature with a reduced 3D U-Net | |
| CN108898578B (zh) | 一种医疗图像的处理方法、装置及计算机存储介质 | |
| Daoud et al. | A hybrid camera-and ultrasound-based approach for needle localization and tracking using a 3D motorized curvilinear ultrasound probe | |
| CN108804861B (zh) | 一种具有真实力反馈的脊柱微创手术培训系统及方法 | |
| Mitra et al. | A thin-plate spline based multimodal prostate registration with optimal correspondences | |
| CN117474966A (zh) | 医学影像与显影设备的配准方法、装置、设备和介质 | |
| Baumhauer et al. | Soft tissue navigation for laparoscopic prostatectomy: Evaluation of camera pose estimation for enhanced visualization | |
| Kumar et al. | Semiautomatic method for segmenting pedicles in vertebral radiographs | |
| US11369348B2 (en) | Ultrasound diagnostic apparatus, image processing apparatus, and image processing method | |
| Wei et al. | Towards fully automatic 2D US to 3D CT/MR Registration: A novel segmentation-based Strategy | |
| CN111166373B (zh) | 一种定位注册方法、装置和系统 | |
| Tuna et al. | Differential image based robot to MRI scanner registration with active fiducial markers for an MRI-guided robotic catheter system | |
| Prabu et al. | A statistical deformation model (SDM) based regularizer for non-rigid image registration: application to registration of multimodal prostate MRI and histology | |
| CN115861392B (zh) | 一种基于图像数据处理的软组织配准方法 |
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 |