CN117726752B - 一种快速的三维头颅数据正位校准方法 - Google Patents
一种快速的三维头颅数据正位校准方法 Download PDFInfo
- Publication number
- CN117726752B CN117726752B CN202311724396.XA CN202311724396A CN117726752B CN 117726752 B CN117726752 B CN 117726752B CN 202311724396 A CN202311724396 A CN 202311724396A CN 117726752 B CN117726752 B CN 117726752B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- skull
- data
- calculating
- axis
- 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
Links
- 210000003625 skull Anatomy 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000002591 computed tomography Methods 0.000 claims description 6
- 230000037182 bone density Effects 0.000 claims description 4
- 238000013136 deep learning model Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 210000004872 soft tissue Anatomy 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000009825 accumulation Methods 0.000 abstract description 2
- 238000002059 diagnostic imaging Methods 0.000 abstract description 2
- 238000003475 lamination Methods 0.000 abstract description 2
- 230000002746 orthostatic effect Effects 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明属于医学影像学、外科正畸及颌面整形技术领域，且公开了一种快速的三维头颅数据正位校准方法，该正位校准方法步骤为：S1，构建头颅三维模型；S2，对顶点V的各列进行零均值化处理；S3，生成V的镜像顶点V1；S5，将三维体素D旋转至关于平面对称；S6，计算三维体素D累加图像I并灰度归一化；S7，标定颅骨的眶点和耳点坐标；S8，计算直线与y轴的夹角α；S9，生成三维模型。本发明利用颅骨的左右对称性，自动计算出旋转角度参数，使三维体素达到左右对称状态，通过体素的叠层累加技术，生成类似头部X光的灰度图像，在这个灰度图像上自动或手动标定眶点和耳点，通过这些标定点计算出旋转角度，从而实现三维头颅数据的高精度正位校准。
Description
技术领域
本发明属于医学影像学、外科正畸及颌面整形技术领域，具体为一种快速的三维头颅数据正位校准方法。
背景技术
头影测量分析是研究头部解剖结构和生长发育状态的重要技术手段，通常基于二维X光片进行；但拍摄X光片时，由于头部姿态位置难以完全左右对称，导致成像存在误差；随着三维成像技术如断层扫描（CT）技术和磁共振成像（MRI）的应用，三维头影测量成为可能；头颅正位校准是进行三维头影测量的初始步骤，通常是将三维头颅数据调整至关于yoz平面左右对称且眼耳平面平行于xoy平面；然而，目前主要依赖人工手动标定特征点并进行多次迭代调整的方式进行，操作繁琐且在准确度尤其是左右对称度方面容易引入误差，因此需要对其进行改进。
发明内容
本发明的目的在于提供一种快速的三维头颅数据正位校准方法，以解决上述背景技术中提出的问题。
为了实现上述目的，本发明提供如下技术方案：一种快速的三维头颅数据正位校准方法，该正位校准方法步骤为：
S1，解析三维医疗影像数据，构建头颅三维模型；
S2，对顶点V的各列进行零均值化处理：计算V各列的均值[Xmean，Ymean，Zmean]，并将V的每一列减去该列的均值；
S3，生成V关于X轴的镜像顶点V1：将V的第1列乘以-1并且第2、3列保持不变得到V1；
S4，计算V沿Z轴旋转至与V1达到最大重合所需要的旋转角度θ；
S5，将三维体素D旋转至关于平面x=Xmean对称；将三维体素D沿与z轴平行的直线旋转θ/2角度；
S6，计算三维体素D沿x轴的累加图像I并进行灰度归一化；
S7，标定颅骨的眶点和耳点坐标；在累加图像I上标定颅骨的眶点和耳点的坐标；
S8，计算眶点与耳点连成的直线与y轴的夹角α；
S9，生成正位校准后的三维模型。
优选地，S1中解析构建的详细步骤为：
步骤一，从DICOM数据中读取三维体素D，DICOM是医学图像和相关信息的标准格式，将三维体素D看作是一个三维矩阵，代表了头部CT或MRI扫描的图像数据；
步骤二，根据DICOM数据中的病人位置和图像方向信息，将三维体素D调整至标准朝向；确保头部的位置在三维空间中的正确性，以便后续的处理和分析；
步骤三，使用等值面提取算法和设定的骨骼密度阈值，从三维体素D中提取头颅三维模型；
该三维模型包含顶点V和三角面F；顶点V是一个n行3列的矩阵，其中行数n为顶点个数，3个列分别代表顶点的x、y、z坐标；三角面F为连接顶点的面。
优选地，步骤三中的等值面提取算法是一种常见的从CT或MRI扫描数据中生成三维模型的方法，它根据像素或体素的密度值，将密度相同的点连接起来，形成一个连续的表面；
骨骼密度阈值可用来区分骨骼和软组织。
优选地，S9中三维模型的生成步骤为：
A1,将V沿z轴旋转θ/2角度得到V2;
A2,将V2沿x轴旋转α角度得到V3，顶点V3和三角面F即构成了正位校准之后的三维头颅模型。
优选地，S4中旋转角度θ的计算步骤为：
B1,确定一个合理的旋转角范围，例如±15°;
B2,在此范围内以一定步长进行搜索;每次旋转后，利用点云配准算法计算旋转后的V与V1之间的配准误差;
B3,找到最小配准误差对应的旋转角度，即为所需的θ。
优选地，S7中颅骨的眶点和耳点坐标的标定方式为：通过人工进行2个关键点坐标的标定；或是通过已训练好的图像目标检测深度学习模型进行算法自动标定。
本发明的有益效果如下：
本发明介绍了一种基于三维头颅数据的快速正位校准方法，首先，我们从DICOM数据中重建出三维的头颅体素，然后，我们利用颅骨的左右对称性，自动计算出旋转角度参数，使三维体素达到左右对称状态，接着，我们通过体素的叠层累加技术，生成类似头部X光的灰度图像，最后，我们可以在这个灰度图像上自动或手动标定眶点和耳点，通过这些标定点计算出旋转角度，从而实现三维头颅数据的高精度正位校准。
附图说明
图1为本发明三维头颅数据正位校准方法的流程图；
图2为本发明头颅三维模型构建步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1至图2所示，本发明实施例提供了一种快速的三维头颅数据正位校准方法，该正位校准方法步骤为：
S1，解析三维医疗影像数据，构建头颅三维模型；
S2，对顶点V的各列进行零均值化处理：计算V各列的均值[Xmean，Ymean，Zmean]，并将V的每一列减去该列的均值；
S3，生成V关于X轴的镜像顶点V1：将V的第1列乘以-1并且第2、3列保持不变得到V1；
S4，计算V沿Z轴旋转至与V1达到最大重合所需要的旋转角度θ；
S5，将三维体素D旋转至关于平面x=Xmean对称；将三维体素D沿与z轴平行的直线（x=Xmean，y=Ymean）旋转θ/2角度；
S6，计算三维体素D沿x轴的累加图像I并进行灰度归一化；
通过此方法对体素进行叠层累加和X光透视成像的原理相似，因此得到的灰度图像也和头部X光影像非常相似，可以在此灰度图像上通过人工或目标检测深度学习模型标定出颅骨上的关键点 ；
S7，标定颅骨的眶点和耳点坐标；在累加图像I上标定颅骨的眶点（Sella）和耳点（Porion）的坐标；
S8，计算眶点与耳点连成的直线与y轴的夹角α；
S9，生成正位校准后的三维模型。
其中，S1中解析构建的详细步骤为：
步骤一，从DICOM数据中读取三维体素D，DICOM是医学图像和相关信息的标准格式，将三维体素D看作是一个三维矩阵，代表了头部CT或MRI扫描的图像数据；
步骤二，根据DICOM数据中的病人位置和图像方向信息，将三维体素D调整至标准朝向；确保头部的位置在三维空间中的正确性，以便后续的处理和分析； 要读取头部CT或MRI的DICOM数据中的三维体素D，可以使用Python语言的第三方库pydicom提供的方法。具体而言，我们可以利用pydicom库从每个DICOM文件中提取相应的二维切片信息，然后根据每个DICOM文件中的切片位置信息将这些二维切片堆叠成一个三维矩阵。这样就可以得到一个包含头部详细图像信息在内的三维矩阵D ；
步骤三，使用等值面提取算法和设定的骨骼密度阈值，从三维体素D中提取头颅三维模型；
根据DICOM数据中包含的病人位置信息和图像方向信息，我们需要将三维体素D调整至标准朝向。具体来说，标准朝向的x轴正向是从右肩到左肩，y轴正向是前胸到后背，z轴正向是足到头。在读取到位置和方向信息后，我们可以根据当前位置和标准朝向之间的相互关系构建一个三维变换矩阵。然后，我们利用这个变换矩阵对三维体素进行坐标变换，从而将其调整至标准朝向。
该三维模型包含顶点V和三角面F；顶点V是一个n行3列的矩阵，其中行数n为顶点个数，3个列分别代表顶点的x、y、z坐标；三角面F为连接顶点的面，这样的模型能更好地表示出头部的形状和结构。
通过对体素数据应用等值面提取算法，并结合预设的骨骼密度阈值，我们提取出了头颅的三维模型。这个三维模型由顶点V和三角面F构成。顶点V被表示为一个n行3列的矩阵，其中n代表顶点的数量，而矩阵的3列则分别对应于每个顶点的x、y、z坐标。
其中，步骤三中的等值面提取算法是一种常见的从CT或MRI扫描数据中生成三维模型的方法，它根据像素或体素的密度值，将密度相同的点连接起来，形成一个连续的表面；
骨骼密度阈值可用来区分骨骼和软组织。
其中，S9中三维模型的生成步骤为：
A1,将V沿z轴旋转θ/2角度得到V2;
A2,将V2沿x轴旋转α角度得到V3，顶点V3和三角面F即构成了正位校准之后的三维头颅模型。
其中，S4中旋转角度θ的计算步骤为：
B1,确定一个合理的旋转角范围，例如±15°;
B2,在此范围内以一定步长（如1°）进行搜索;每次旋转后，利用点云配准算法（如迭代最近点算法：IterativeClosestPoint-ICP）计算旋转后的V与V1之间的配准误差;
B3,找到最小配准误差对应的旋转角度，即为所需的θ。
其中，S7中颅骨的眶点和耳点坐标的标定方式为：通过人工进行2个关键点坐标的标定；或是通过已训练好的图像目标检测深度学习模型（如YOLO、SSD、RCNN等）进行算法自动标定。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种快速的三维头颅数据正位校准方法，其特征在于：该正位校准方法步骤为：
S1，解析三维医疗影像数据，构建头颅三维模型；
S2，对顶点V的各列进行零均值化处理：计算V各列的均值[Xmean，Ymean，Zmean]，并将V的每一列减去该列的均值；
S3，生成V关于X轴的镜像顶点V1：将V的第1列乘以-1并且第2、3列保持不变得到V1；
S4，计算V沿Z轴旋转至与V1达到最大重合所需要的旋转角度θ；
S5，将三维体素D旋转至关于平面x=Xmean对称；将三维体素D沿与z轴平行的直线旋转θ/2角度；
S6，计算三维体素D沿x轴的累加图像I并进行灰度归一化；
S7，标定颅骨的眶点和耳点坐标：在累加图像I上标定颅骨的眶点和耳点的坐标；
S8，计算眶点与耳点连成的直线与y轴的夹角α；
S9，生成正位校准后的三维模型。
2.根据权利要求1所述的一种快速的三维头颅数据正位校准方法，其特征在于：所述S1中解析构建的详细步骤为：
步骤一，从DICOM数据中读取三维体素D，DICOM是医学图像和相关信息的标准格式，将三维体素D看作是一个三维矩阵，代表了头部CT或MRI扫描的图像数据；
步骤二，根据DICOM数据中的病人位置和图像方向信息，将三维体素D调整至标准朝向；确保头部的位置在三维空间中的正确性，以便后续的处理和分析；
步骤三，使用等值面提取算法和设定的骨骼密度阈值，从三维体素D中提取头颅三维模型；
该三维模型包含顶点V和三角面F；顶点V是一个n行3列的矩阵，其中行数n为顶点个数，3个列分别代表顶点的x、y、z坐标；三角面F为连接顶点的面。
3.根据权利要求2所述的一种快速的三维头颅数据正位校准方法，其特征在于：所述步骤三中的等值面提取算法是一种常见的从CT或MRI扫描数据中生成三维模型的方法，它根据像素或体素的密度值，将密度相同的点连接起来，形成一个连续的表面；
所述骨骼密度阈值可用来区分骨骼和软组织。
4.根据权利要求2所述的一种快速的三维头颅数据正位校准方法，其特征在于：所述S9中三维模型的生成步骤为：
A1,将V沿z轴旋转θ/2角度得到V2;
A2,将V2沿x轴旋转α角度得到V3，顶点V3和三角面F即构成了正位校准之后的三维头颅模型。
5.根据权利要求1所述的一种快速的三维头颅数据正位校准方法，其特征在于：所述S4中旋转角度θ的计算步骤为：
B1,确定一个合理的旋转角范围;
B2,在此范围内以一定步长进行搜索;每次旋转后，利用点云配准算法计算旋转后的V与V1之间的配准误差;
B3,找到最小配准误差对应的旋转角度，即为所需的θ。
6.根据权利要求1所述的一种快速的三维头颅数据正位校准方法，其特征在于：所述S7中颅骨的眶点和耳点坐标的标定方式为：通过人工进行2个关键点坐标的标定；或通过已训练好的图像目标检测深度学习模型进行算法自动标定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311724396.XA CN117726752B (zh) | 2023-12-14 | 2023-12-14 | 一种快速的三维头颅数据正位校准方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311724396.XA CN117726752B (zh) | 2023-12-14 | 2023-12-14 | 一种快速的三维头颅数据正位校准方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117726752A CN117726752A (zh) | 2024-03-19 |
| CN117726752B true CN117726752B (zh) | 2024-08-30 |
Family
ID=90201034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311724396.XA Active CN117726752B (zh) | 2023-12-14 | 2023-12-14 | 一种快速的三维头颅数据正位校准方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117726752B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114842154A (zh) * | 2022-07-04 | 2022-08-02 | 江苏集萃苏科思科技有限公司 | 一种基于二维x射线图像重建三维影像的方法和系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107784684B (zh) * | 2016-08-24 | 2021-05-25 | 深圳先进技术研究院 | 一种锥束ct三维重建方法及系统 |
| WO2021252868A1 (en) * | 2020-06-12 | 2021-12-16 | Howmedica Osteonics Corp. | Image segmentation for sets of objects |
| 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 |
| CN116580068B (zh) * | 2023-06-25 | 2023-11-07 | 山东卓业医疗科技有限公司 | 一种基于点云配准的多模态医学配准方法 |
-
2023
- 2023-12-14 CN CN202311724396.XA patent/CN117726752B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114842154A (zh) * | 2022-07-04 | 2022-08-02 | 江苏集萃苏科思科技有限公司 | 一种基于二维x射线图像重建三维影像的方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117726752A (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3153101B1 (en) | Identification and registration of multi-marker jig | |
| JP5906015B2 (ja) | 特徴に基づいた２次元／３次元画像のレジストレーション | |
| JP4917733B2 (ja) | 尤度最大化を利用した画像位置合わせシステム及び方法 | |
| US7117026B2 (en) | Physiological model based non-rigid image registration | |
| Yao | Assessing accuracy factors in deformable 2D/3D medical image registration using a statistical pelvis model | |
| US20050047544A1 (en) | Apparatus and method for registering 2D radiographic images with images reconstructed from 3D scan data | |
| US10617381B2 (en) | Method and system for measuring an X-ray image of an area undergoing medical examination | |
| US20120114208A1 (en) | Image matching device and patient positioning device using the same | |
| TWI836493B (zh) | 註冊二維影像資料組與感興趣部位的三維影像資料組的方法及導航系統 | |
| CN112001889A (zh) | 医学影像处理方法、装置及医学影像显示方法 | |
| CN111166332B (zh) | 一种基于磁共振波谱和磁共振影像的放疗靶区勾画方法 | |
| Novosad et al. | Three-dimensional (3-D) reconstruction of the spine from a single X-ray image and prior vertebra models | |
| Bennani et al. | Three-dimensional reconstruction of In Vivo human lumbar spine from biplanar radiographs | |
| JP2006139782A (ja) | 画像を重ね合わせる方法 | |
| CN117726752B (zh) | 一种快速的三维头颅数据正位校准方法 | |
| CN114159085B (zh) | 一种pet图像衰减校正方法、装置、电子设备及存储介质 | |
| CN111408066B (zh) | 基于磁共振影像的肿瘤位置标定系统及设备 | |
| Zhang et al. | An automatic ICP-based 2D-3D registration method for a high-speed biplanar videoradiography imaging system | |
| CN114298986A (zh) | 一种基于多视点无序x光片的胸腔骨骼三维构建方法及系统 | |
| CN116630206B (zh) | 快速配准的定位方法及系统 | |
| Liu et al. | Symmetry identification using partial surface matching and tilt correction in 3D brain images | |
| US11664116B2 (en) | Medical image data | |
| Zhong et al. | Pediatric Patient Surface Model Atlas Generation and X-Ray Skin Dose Estimation | |
| Łubniewski et al. | 3D/2D image registration by image transformation descriptors (ITDs) for thoracic aorta imaging | |
| Kaushik et al. | Image based data preparation for neuronavigation |
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 |