ES2739052T3 - Método de registro de imágenes - Google Patents
Método de registro de imágenes Download PDFInfo
- Publication number
- ES2739052T3 ES2739052T3 ES11821079T ES11821079T ES2739052T3 ES 2739052 T3 ES2739052 T3 ES 2739052T3 ES 11821079 T ES11821079 T ES 11821079T ES 11821079 T ES11821079 T ES 11821079T ES 2739052 T3 ES2739052 T3 ES 2739052T3
- Authority
- ES
- Spain
- Prior art keywords
- average distance
- image
- coordinate transformation
- initial
- ideal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000009466 transformation Effects 0.000 claims abstract description 72
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 7
- 230000000747 cardiac effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 229910052909 inorganic silicate Inorganic materials 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/754—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries involving a deformation of the sample pattern or of the reference pattern; Elastic matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- 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
-
- 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
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
Un método de registro de imágenes, que comprende seleccionar una imagen fuente de registro {pi | i=1, ......, M} y una imagen objetivo de registro {qj | j= 1, ......, N}, en donde 0<i<=M, 0<j<=N, i, j, M y N son números enteros positivos, y M<<N (S101); y aplicar una perturbación aleatoria a la imagen π de acuerdo con un parámetro de control de perturbación aleatoria preestablecido σ para que se deforme para obtener una imagen {pi'}, y obtener puntos más cercanos en la imagen {qj} correspondientes a puntos en la imagen {pi'}, siendo el conjunto de puntos obtenidos una imagen {qj'} (S102); caracterizado por comprender: realizar una operación iterativa en la imagen {pi'} y la imagen {qj'} dentro de una longitud de etapa preestablecida L de acuerdo con una transformación de coordenadas inicial preestablecida H0 para obtener una transformación de coordenadas {H1 l l=1, ......, L}, entre la imagen {pi'} y la imagen {qj'}, y calcular una distancia promedio {E1 l l=1, L} entre la imagen {pi'} y la imagen {qj'} de acuerdo con la transformación de coordenadas {H1}, la distancia promedio {E1} correspondiente a la transformación de coordenadas {H1} (S103); evaluar magnitudes de la distancia promedio {E1} y una distancia promedio ideal preestablecida Ex, y finalizar el registro cuando la distancia promedio {E1} es menor o igual a la distancia promedio ideal preestablecida (S104); cuando la distancia promedio {E1} es mayor que la distancia promedio ideal preestablecida, que además comprende las etapas de: evaluar a su vez las magnitudes de la distancia promedio {E1} y una distancia promedio inicial E0, en donde la distancia promedio inicial E0 corresponde a la transformación de coordenadas inicial H0 (S205); cuando cualquier valor en la distancia promedio {E1} es menor o igual a la distancia promedio inicial E0, finalizar la evaluación entre la distancia promedio {E1} y la distancia promedio inicial E0, reemplazar la transformación de coordenadas inicial H0 con una transformación de coordenadas Hg correspondiente a una distancia promedio actual Eg, descomponer el parámetro de control de perturbación aleatoria σ de acuerdo con una tasa de descomposición fija, recalcular una distancia promedio {E1'} de acuerdo con la transformación de coordenadas Hg y el parámetro de control de perturbación aleatoria descompuesto σ, y evaluar si la distancia promedio {E1'} es menor o igual a la distancia promedio ideal preestablecida Ex ( S206); cuando todos los valores en la distancia promedio {E1} son mayores que la distancia promedio inicial E0, después de descomponer el parámetro de control de perturbación aleatoria σ de acuerdo con la tasa de descomposición fija, volver a aplicar una perturbación aleatoria a la imagen π, recalcular una distancia promedio {E1"} usando la transformación de coordenadas inicial H0, y evaluar si la distancia promedio {E1"} es menor o igual a la distancia promedio ideal preestablecida Ex (S207).
Description
DESCRIPCIÓN
Método de registro de imágenes
Campo técnico
La presente solicitud se refiere al campo técnico de procesamiento de imágenes y, en particular, a un método de registro de imágenes basado en el algoritmo ICP.
Antecedentes de la invención
Junto con la aparición continua de nuevos tipos de sensores, la capacidad de las personas para obtener imágenes se mejora rápidamente, y las imágenes generadas por sensores de diferentes características físicas también aumentan continuamente. Dado que los datos de imágenes obtenidos por diferentes sensores de imagen tienen limitaciones y diferencias obvias, usando meramente de un tipo de datos de imágenes generalmente no pueden cumplir los requisitos reales. Por lo tanto, existe la necesidad de combinar imágenes obtenidas por diferentes sensores a través de una técnica de fusión de imágenes para lograr un entendimiento y reconocimiento más completos, más claros y más precisos de los objetivos en las imágenes. Por ejemplo, en la ciencia médica, las imágenes obtenidas en diferentes formas, por ejemplo, en imágenes de tomografía computarizada (TC), imágenes de resonancia magnética (MRI) y ultrasonido (US), mediante un análisis exhaustivo de la información anatómica y fisiológica se fusionan para realizar un proceso de diagnóstico mejorado.
La técnica de registro de imágenes es una condición previa importante para lograr la fusión de imágenes, y es un problema que debe resolverse primero para la fusión de imágenes. El algoritmo ICP (del inglés Iterative Closest Point) es un método para lograr un registro de imágenes, y el algoritmo ICP es un proceso en el que se realiza repetidamente "la determinación de un conjunto de puntos correspondientes y el cálculo de un cambio rígido óptimo" basado en un método de registro de una superficie curva en una forma libre, hasta que se alcancen unos criterios preestablecidos de convergencia de registro, siendo el cambio de coordenadas final una composición de los cambios respectivos. Sin embargo, ya que las desventajas de que el rango de desviación inicial del objetivo de registro y la fuente de registro no pueden ser demasiado grandes, y aunque la convergencia se puede hacer a un límite local, una optimización global generalmente no se puede lograr (es decir, no logrando deshacerse del límite local) existe en el algoritmo ICP convencional, la precisión y la tasa de éxito del registro de imágenes son comparativamente bajas, que no puede cumplir con los requisitos reales.
Por ejemplo, GP. Penney Y COL": Un Algoritmo de Punto Más Cercano Iterativo Estocástico (stochastlCP) "en: "Network and Parallel Computing", 2001, Springer International Publishing, Cham 032548, XP55379169, ISSN: 0302 9743 ISBN: 978-3-642-38591-9 vol. 2208, páginas 762-769, DOL: 10.1007, 3-540-45469-3_91 divulga un método de registro de imágenes basado en el algoritmo ICP.
Las solicitudes de patente de Estados Unidos con los números de publicación US2007047840A1 y US2007031064A1 divulgan el uso de un árbol k-d para realizar una búsqueda en un algoritmo ICP.
Tras un estudio de la técnica anterior, el solicitante encuentra que el método de registro de imágenes existente basado en el algoritmo ICP generalmente emplea dos métodos, es decir, "aplicar una transformación aleatoria de perturbación rígida a un registro" y "aplicar una perturbación aleatoria a puntos de coordenadas tridimensionales de un objetivo de registro para que se deforme", para lograr el objeto de deshacerse del límite local del algoritmo ICP convencional para mejorar el efecto de registro. Sin embargo, el empleo del método de "aplicar una transformación aleatoria de perturbación rígida a un registro" requiere el muestreo en un espacio con libertad de seis dimensiones, necesita una gran cantidad de cálculos, y lleva tiempo. Con respecto al empleo del método de "aplicar una perturbación aleatoria a puntos de coordenadas tridimensionales de un objetivo de registro para deformarlo", los parámetros de los mismos se establecen empíricamente en aplicaciones reales de acuerdo con diferentes modelos experimentales y con respecto a diferentes modelos experimentales, la configuración de los parámetros es comparativamente difícil, y es probable que una configuración incorrecta resulte en un registro fallido.
Sumario de la invención
En vista de lo anterior, las realizaciones de la presente solicitud proporcionan un método de registro de imágenes para lograr el objeto de lograr el registro en una circunstancia en la que una fuente de registro y un objetivo de registro se encuentran en un amplio rango de desviaciones iniciales, y deshacerse eficazmente de la esclavitud de los límites locales para mejorar la precisión del registro y la tasa de éxito de registro sin ajuste manual de parámetros.
Con el fin de lograr el objeto anterior, la presente solicitud emplea las siguientes soluciones técnicas: Un método de registro de imágenes, que comprende seleccionar una imagen fuente de registro {pi | i= 1, ..... , M} y una imagen objetivo de registro {qj | j= 1 ,..... , N}, en donde 0<i<=M, 0<j<=N, i, j, M y N son enteros positivos, y M<<N (S101); y aplicar una perturbación aleatoria a la imagen {pi} de acuerdo con un parámetro de control de perturbación aleatoria preestablecido a para que se deforme para obtener una imagen {pi'}, y obtener puntos más cercanos en la imagen {qj}
correspondientes a puntos en la imagen {pi'}, siendo el conjunto de puntos obtenidos una imagen {qj'} (S102); caracterizado por comprender:
realizar una operación iterativa en la imagen {pi'} y la imagen {qj'} dentro de una longitud de etapa preestablecida L de acuerdo con una transformación de coordenadas inicial preestablecida H0 para obtener una transformación de coordenadas {H1 | l= 1 ,..... , L}, entre la imagen {pi'} y
la imagen {qj'}, y calcular una distancia promedio {E i| l= i, ..... , L} entre la imagen {pi'} y la imagen {qj'} de acuerdo con la transformación de coordenadas {Hi}, correspondiendo la distancia promedio {Ei} a la transformación de coordenadas {Hi} (S103) que evalúa magnitudes de la distancia promedio {Ei} y una distancia promedio ideal preestablecida Ex, y finalizar el registro cuando la distancia promedio {Ei} es menor o igual que la distancia promedio ideal preestablecida (Si04);
cuando la distancia promedio {Ei} es mayor que la distancia promedio ideal preestablecida, que además comprende las etapas de:
evaluar a su vez las magnitudes de la distancia promedio {Ei} y una distancia promedio inicial E0 , en donde la distancia promedio inicial E0 corresponde a la transformación de coordenadas inicia1H0 (S205);
cuando cualquier valor en la distancia promedio {Ei} es menor o igual a la distancia promedio inicial Eo, finalizar la evaluación entre la distancia promedio {Ei} y la distancia promedio inicial Eo, reemplazar la transformación de coordenadas inicial Ho con una transformación de coordenadas Hg correspondiente a una distancia promedio actual Eg, descomponer el parámetro de control de perturbación aleatoria a de acuerdo con una tasa de descomposición fija, recalcular una distancia promedio {Ei'} de acuerdo con la transformación de coordenadas Hg y el parámetro de control de perturbación aleatoria descompuesto a, y evaluar si la distancia promedio {Ei'} es menor o igual a la distancia promedio ideal preestablecida Ex (S206);
cuando todos los valores en la distancia promedio {Ei} son mayores que la distancia promedio inicial E0 , después de descomponer el parámetro de control de perturbación aleatoria a de acuerdo con la tasa de descomposición fija, volver a aplicar una perturbación aleatoria a la imagen {pi}, recalcular una distancia promedio {Ei"} usando la transformación de coordenadas inicial H0 , y evaluar si la distancia promedio {Ei"} es menor o igual que la distancia promedio ideal preestablecida Ex (S207).
Preferentemente, el método de registro de imágenes se aplica al modelo de cámara cardíaca, la imagen fuente de registro {pi} y la imagen objetivo de registro {qj} están ubicadas en diferentes sistemas de coordenadas, y pi y qj son vectores de columna de 3*i.
Preferentemente, dicha obtención de puntos más cercanos en la imagen {qj} que corresponden a puntos en la imagen {pi'} es específicamente:
buscar los puntos más cercanos en la imagen {qj} que corresponden a los puntos en la imagen {pi'} por medio del árbol binario KD.
Preferentemente, dicha evaluación de las magnitudes de la distancia promedio {Ei} y la distancia promedio ideal Ex es específicamente:
evaluar a su vez si la distancia promedio {Ei} es menor o igual que la distancia media promedio ideal Ex (S205).
Preferentemente, dicha evaluación de las magnitudes de la distancia promedio {Ei} y la distancia promedio ideal Ex es específicamente:
seleccionar la distancia promedio mínima Emín en la distancia promedio {Ei}(S305);
evaluar las magnitudes de la distancia promedio mínima Emín y la distancia promedio ideal Ex (S306).
Preferentemente, el método, después de dicho recálculo de una distancia promedio {Ei'} o dicho recálculo de una distancia promedio {Ei"}, comprende adicionalmente:
evaluar si un número de veces de iteración es mayor que un número preestablecido de veces de iteración K, y finalizar el registro e informar de un error cuando el número de veces de iteración es mayor que el número preestablecido de veces de iteración K (S400).
Preferentemente, la tasa de descomposición fija del parámetro de control de perturbación aleatoria a es^ , y la longitud de la etapa L está en un rango de 50~200.
Con el fin de lograr el objeto anterior, la presente solicitud también emplea las siguientes soluciones técnicas Un método de registro de imágenes, que comprende seleccionar una imagen fuente de registro {pi | i = i , ..... , M} y una imagen objetivo de registro (qj | j= l,....., N}, en donde 0<i<=M, 0<j<=N, i, j, M y N son enteros positivos, y M<<N (S i0 i); y aplicar una perturbación aleatoria a la imagen {pi} de acuerdo con un parámetro de control de perturbación aleatoria preestablecido a para que se deforme para obtener una imagen {pi'}, y obtener puntos más cercanos en la imagen (qj} correspondientes a puntos en la imagen {pi'}, siendo el conjunto de puntos obtenidos una imagen {qi'} (Si02);
, caracterizado por comprender:
realizar una operación iterativa en la imagen {pi'} y la imagen {qi'} dentro de una longitud de etapa preestablecida
L de acuerdo con una transformación de coordenadas inicial preestablecida Ho para obtener una transformación de coordenadas {Hi| l= 1 ,..... , L}, entre la imagen {pi'} y la imagen {qi'}, y calcular una distancia promedio {Ei| l=1, ..... , L} entre la imagen {pi'} y la imagen {qi'} de acuerdo con la transformación de coordenadas {H1}, la distancia promedio {E1} correspondiente a la transformación de coordenadas {H1} (S103);
evaluar magnitudes de la distancia promedio {E1} y una distancia promedio ideal preestablecida Ex, y finalizar el registro cuando la distancia promedio {E1} es menor o igual que la distancia promedio ideal preestablecida (S104); cuando la distancia promedio {E1} es mayor que la distancia promedio ideal preestablecida, que además comprende las etapas de:
seleccionar la distancia promedio mínima Emín en la distancia promedio {E1}(S305);
evaluar magnitudes de la distancia promedio mínima Emín y la distancia promedio inicial E0, en donde la distancia promedio inicial E0 corresponde a la transformación de coordenadas inicia1H0 (S306);
cuando el valor mínimo en la distancia promedio {Emín} es menor o igual a la distancia promedio inicial E0, reemplazar la transformación de coordenadas inicial H0 con una transformación de coordenadas Hmín correspondiente a una distancia promedio actual Emín, descomponer el parámetro de control de perturbación aleatoria a de acuerdo con una tasa de descomposición fija, recalcular una distancia promedio {E1'} de acuerdo con la transformación de coordenadas Hmín y el parámetro de control de perturbación aleatoria descompuesto a, y evaluar si la distancia promedio {E1'} es menor o igual a la distancia promedio ideal preestablecida Ex (S307);
cuando el valor mínimo en la distancia promedio {Emín} es mayor que la distancia promedio inicial E0 , después de descomponer el parámetro de control de perturbación aleatoria a de acuerdo con la tasa de descomposición fija, volver a aplicar una perturbación aleatoria a la imagen {pi}, recalcular una distancia promedio {E1"} usando la transformación de coordenadas inicial H0 , y evaluar si la distancia promedio {E1"} es menor o igual que la distancia promedio ideal preestablecida Ex (S308).
Preferentemente, el método de registro de imágenes se aplica al modelo de cámara cardíaca, la imagen fuente de registro {pi} y la imagen objetivo de registro {qj} están ubicadas en diferentes sistemas de coordenadas, y pi y qj son vectores de columna de 3*1.
Preferentemente, dicha obtención de puntos más cercanos en la imagen {qj} que corresponden a puntos en la imagen {pi'} es específicamente:
buscar los puntos más cercanos en la imagen {qj} que corresponden a los puntos en la imagen {pi'} por medio del árbol binario KD.
Preferentemente, dicha evaluación de las magnitudes de la distancia promedio {E1} y la distancia promedio ideal Ex es específicamente:
evaluar a su vez si la distancia promedio {E1} es menor o igual que la distancia media promedio ideal Ex (S205).
Preferentemente, dicha evaluación de las magnitudes de la distancia promedio {E1} y la distancia promedio ideal Ex es específicamente:
seleccionar la distancia promedio mínima Emín en la distancia promedio {E1}(S305);
evaluar las magnitudes de la distancia promedio mínima Emín y la distancia promedio ideal Ex (S306).
Preferentemente, el método, después de dicho recálculo de una distancia promedio {E1'} o dicho recálculo de una distancia promedio {E1"}, comprende adicionalmente:
evaluar si un número de veces de iteración es mayor que un número preestablecido de veces de iteración K, y finalizar el registro e informar de un error cuando el número de veces de iteración es mayor que el número preestablecido de veces de iteración K (S400).
Preferentemente, la tasa de descomposición fija del parámetro de control de perturbación aleatoria a es^ , y la longitud de la etapa L está en un rango de 50~200.
Se puede ver en las soluciones técnicas anteriores proporcionadas en las realizaciones de la presente solicitud que el parámetro de control de perturbación aleatoria a en este método puede decaer automáticamente en todo el proceso de iteración. Cuando la transformación inicial preestablecida está en la posición de inicio óptima, no hay necesidad de preocuparse por una transformación del modelo a una posición peor debido a la adición de la perturbación aleatoria, y cuando la transformación inicial en sí no es óptima, el modelo se puede hacer para deshacerse de la esclavitud de los límites locales a fin de transformarse en una mejor posición para someterse a la iteración agregando la perturbación aleatoria, es decir, acercándose a la optimización global mediante la búsqueda. Paralelamente, el parámetro de control de perturbación aleatoria a en este método no se establece empíricamente, sino que se establece de manera integral después de considerar el rendimiento de búsqueda global y la velocidad de iteración. Con respecto a múltiples grupos de modelos de cámara cardíaca, los parámetros de control de perturbación aleatoria a se pueden establecer en el mismo valor y todos obtienen un efecto de registro comparativamente bueno.
Por lo tanto, el método de registro de imágenes provisto en las realizaciones de la presente solicitud no solo puede lograr el registro en una circunstancia en la que una fuente de registro y un objetivo de registro se encuentran en un amplio rango de desviaciones iniciales, sino también deshacerse eficazmente de la esclavitud de los límites locales para mejorar la precisión del registro y la tasa de éxito del registro sin el ajuste manual de los parámetros.
Breve descripción de los dibujos
Con el fin de describir más claramente las soluciones técnicas de las realizaciones de la presente solicitud o técnica anterior, a continuación, se proporciona una breve descripción de las figuras adjuntas que se utilizarán en las descripciones de las realizaciones o de la técnica anterior. Obviamente, las figuras en las descripciones a continuación son solo algunas de las realizaciones registradas en la presente solicitud, y los expertos en la materia pueden obtener otras figuras de acuerdo con estas figuras sin hacer esfuerzos creativos.
Realizaciones
Para que los expertos en la materia puedan entender mejor las soluciones técnicas en la presente solicitud, las descripciones claras y completas de las soluciones técnicas en las realizaciones de la presente solicitud se darán a continuación haciendo referencia a las figuras en las realizaciones de la presente solicitud. Obviamente, las realizaciones descritas son solo partes de las realizaciones de la presente solicitud, en lugar de todas las realizaciones. Basado en las realizaciones en la presente solicitud, todas las demás realizaciones obtenidas por los expertos en la materia que caen dentro del alcance de las reivindicaciones pertenecerán al alcance de protección de la presente solicitud.
Realización 1
La figura 1 es un diagrama esquemático de un flujo de un método de registro de imágenes provisto en la Realización 1 de la presente solicitud.
Como se muestra en la figura 1, el método comprende:
Etapa S101: seleccionar una imagen fuente de registro {pi} y una imagen objetivo de registro {qj}, siendo la imagen fuente de registro {pi | i=1 ,..... , M}, siendo la imagen objetivo de registro {qj | j= 1 ,......, N}, M<<N, estando la imagen fuente de registro {pi} y la imagen objetivo de registro {qj} ubicadas en diferentes sistemas de coordenadas, y
[pi} = H*{qi},H = [* J
en donde 0<i<=M, 0<j<=N, i, j, M y N son enteros positivos, y M<<N; R es una matriz de rotación de 3*3, y T es un vector de traslación de 3*1.
Etapa S102: aplicar una perturbación aleatoria a la imagen {pi} para deformarla de acuerdo con un parámetro de control de perturbación aleatoria preestablecido a como para obtener una imagen {pi'}, y obtener puntos más cercanos en la imagen {qj} correspondientes a puntos en la imagen {pi'}, siendo el conjunto de puntos obtenidos una imagen {qj'}.
En primer lugar, aplicar la perturbación aleatoria a la imagen fuente de registro {pi}, específicamente: agregar una perturbación aleatoria ni que cumple con la distribución normal con (0, a2) a cada punto en la imagen fuente de registro {pi}, para que la imagen fuente de registro {pi} se deforme, es decir, pi'=pi+ni, en donde ni es un vector de columna de 3*1.
Luego, buscar los puntos más cercanos en la imagen objetivo de registro {qj | j=1, ..... , N} correspondientes a los puntos en la imagen fuente de registro deformada {pi'| i= 1 , ..... , M} por medio del árbol binario KD, siendo el conjunto de puntos obtenidos al buscar {qj' | i= 1 , ..... , M}; y calcular una matriz X de 3*3 de acuerdo con
X = Z Í !1qt' ' (Pi' ')£,
y realizar la descomposición de valores singulares de acuerdo con X=UDV‘, en donde
Pi' = Pi' - P,
Ri' = Ri - ?,
U y V son matrices ortogonales de 3*3, y D es una matriz diagonal compuesta de valores singulares.
Finalmente, respectivamente, calcular la matriz de rotación R y el vector de traslación T, en donde
R = VÜ1, T = p-Rq.
Etapa S103: realizar una operación iterativa en la imagen {pi'} y la imagen {qj'} dentro de una longitud de etapa preestablecida L de acuerdo con una transformación de coordenadas inicial preestablecida H0 para obtener una transformación de coordenadas {H1}, 0<1<L, entre la imagen {pi'} y la imagen {qj'}, y calcular una distancia promedio {E1} entre la imagen {pi'} y la imagen {qj'} de acuerdo con la transformación de coordenadas {H1}, y la distancia promedio {E1} correspondiente a la transformación de coordenadas {H 1}; calcular una transformación de coordenadas H entre {pi} y {qj} de acuerdo con {pi} = H*{qj}, y
y calcular una distancia promedio E entre {pi} y {qj} de acuerdo con la transformación de coordenadas H, en donde
y realizar una operación iterativa en la imagen {pi') y la imagen {qj'} para L veces, registrar la transformación de coordenadas {H1|l=1,..... , L} entre la imagen {pi'} y la imagen {qj'} en el proceso iterativo para L veces, y realizar un cálculo de acuerdo con la transformación de coordenadas {H1 | l=1, ..... , L} para obtener una distancia promedio {E1|l=1,..... , L} entre la imagen {pi} y la imagen {qj}, en donde 0<1<L.
Etapa S104: evaluar si la distancia promedio {E1} es mayor que la distancia promedio ideal preestablecida Ex, y si no, finalización del registro. Si un valor en la distancia promedio {E1} es menor o igual a la distancia promedio ideal preestablecida Ex, este valor en la distancia promedio {E1} es la transformación de coordenadas ideal y, por lo tanto, el registro puede ser finalizado.
En la realización de la presente solicitud, hay dos enfoques para evaluar de magnitudes de la distancia promedio {E1} y la distancia promedio ideal preestablecida Ex, es decir, Enfoque 1: evaluar a su vez las magnitudes de la distancia promedio {E1} y la distancia promedio ideal Ex, y Enfoque 2: seleccionar la distancia promedio mínima Emin en la distancia promedio {E1}, y entonces evaluar las magnitudes de la distancia promedio mínima Emín y la distancia promedio ideal Ex.
Realización 2
La figura 2 es un diagrama esquemático de un flujo de un método de registro de imágenes provisto en la Realización 2 de la presente solicitud.
Como se muestra en la figura 2, la etapa S201~etapa S204 en la realización de la presente solicitud es la misma que la etapa S101 ~ etapa S104 en la Realización 1, y no se proporcionan descripciones adicionales en el presente documento. En la etapa S204, si la distancia promedio {E1} es mayor que la distancia promedio ideal preestablecida Ex, este método puede comprender además las etapas de: etapa S205: evaluar a su vez si la distancia promedio {E1} es mayor que la distancia promedio inicial E0, en donde la distancia promedio inicial E0 corresponde a la transformación de coordenadas inicial Hü;etapa S206: si no, finalizar la evaluación entre la distancia promedio {E1} y la distancia promedio inicial E0 , reemplazar la transformación de coordenadas inicial H0 con una transformación de coordenadas Hg correspondiente a una distancia promedio actual Eg, descomponer el parámetro de control de perturbación aleatoria a de acuerdo con una tasa de descomposición fija, recalcular una distancia promedio {E1'} de acuerdo con la transformación de coordenadas Hg y el parámetro de control de perturbación aleatoria descompuesto a, y evaluar si la distancia promedio {E1'} es menor o igual a la distancia promedio ideal preestablecida Ex;
etapa S207: si es así, después de descomponer el parámetro de control de perturbación aleatoria a de acuerdo con la tasa de descomposición fija, volver a aplicar una perturbación aleatoria a la imagen {pi}, recalcular una distancia promedio {E1"} usando la transformación de coordenadas inicial H0 , y evaluar si la distancia promedio {E1"} es menor o igual que la distancia promedio ideal preestablecida Ex.
El rendimiento de la búsqueda global y la velocidad iterativa del algoritmo están en una relación inversa, y la relación entre el rendimiento de la búsqueda global y la velocidad iterativa se puede equilibrar estableciendo el rango del parámetro de control de perturbación aleatoria a y establecer la longitud de la etapa L. En la realización de la presente solicitud, el parámetro de control de perturbación aleatoria preestablecido a es el 10 % de la proporción geométrica de la imagen fuente de registro {pi} o la imagen objetivo de registro {qj}, y la longitud de la etapa L está en un rango de 50~200.
Realización 3
La figura 3 es un diagrama esquemático de un flujo de un método de registro de imágenes provisto en la Realización 3 de la presente solicitud.
Como se muestra en la figura 3, la etapa S301 ~ etapa S304 en la realización de la presente solicitud es la misma que la etapa S101 ~ etapa S104 en la Realización 1, y no se proporcionan descripciones adicionales en el presente documento. En la etapa S304, después de la evaluación de las magnitudes de la distancia promedio {E1} y la distancia promedio ideal preestablecida Ex, este método puede comprender, además, las etapas de:
etapa S305: seleccionar la distancia promedio mínima Emín en la distancia promedio {E.};
etapa S306: evaluar si el valor mínimo en la distancia promedio {Emín} es mayor que la distancia promedio inicial E0 , en donde la distancia promedio inicial E0 corresponde a la transformación de coordenadas inicia1H0 ; etapa S307: si no, reemplazar la transformación de coordenadas inicial H0 con una transformación de coordenadas Hmín correspondiente a una distancia promedio actual Emín, descomponer el parámetro de control de perturbación aleatoria a de acuerdo con una tasa de descomposición fija, recalcular una distancia promedio {E1'} de acuerdo con la transformación de coordenadas Hmín y el parámetro de control de perturbación aleatoria descompuesto a, y evaluar si la distancia promedio {E1"} es menor o igual que la distancia promedio ideal preestablecida Ex; etapa S308: si es así, después de descomponer el parámetro de control de perturbación aleatoria a de acuerdo con la tasa de descomposición fija, volver a aplicar la perturbación aleatoria a la imagen {pi}, recalcular la distancia promedio {E1"} usando la transformación de coordenadas inicial H0, y evaluar si la distancia promedio {E1"} es menor o igual que la distancia promedio ideal preestablecida Ex.
La etapa S305 y la etapa S205 solo difieren en cómo evaluar las magnitudes de la distancia promedio {E1} y la distancia promedio inicial E0. En la etapa S205, la distancia promedio {E1} se compara con la distancia promedio inicial E0 a su vez, y en la etapa S305, la distancia promedio mínima Emín en la distancia promedio {E1} se selecciona primero, y luego la distancia promedio mínima Emín se compara con la distancia promedio inicial E0.
Realización 4
La figura 4 es un diagrama esquemático de un flujo de un método de registro de imágenes provisto en la Realización 4 de la presente solicitud y la figura 5 es un flujo de otro método de registro de imágenes provisto en la Realización 4 de la presente solicitud. Como se muestra en la figura 4 y figura 5, después de la etapa S206 o S207 de la Realización 2, o después de la etapa S307 o S308 de la Realización 3, este método puede comprender, además:
la etapa S400: evaluar si un número de veces de iteración es mayor que un número preestablecido de tiempos de iteración K, y si es así, finalizar el registro e informar de un error.
El preestablecimiento del número de veces de iteración K tiene como objetivo controlar las iteraciones dentro de un rango razonable para evitar la pérdida de una gran cantidad de tiempo para realizar la operación bajo la circunstancia de que no se pueda lograr el registro. En la realización de la presente solicitud, el número preestablecido de veces de iteración K se selecciona para que sea 100.
Se puede ver en las soluciones técnicas anteriores proporcionadas en las realizaciones de la presente solicitud que el parámetro de control de perturbación aleatoria a en este método puede decaer automáticamente en todo el proceso de iteración, cuando la transformación inicial preestablecida está en la posición de inicio óptima, no hay necesidad de preocuparse por una transformación del modelo a una posición peor debido a la adición de la perturbación aleatoria, y cuando la transformación inicial en sí no es óptima, el modelo se puede hacer para deshacerse de la esclavitud de los límites locales a fin de transformarse en una mejor posición para someterse a la iteración agregando la perturbación aleatoria, es decir, acercándose a la optimización global mediante la búsqueda. Paralelamente, el parámetro de control de perturbación aleatoria a en este método no se establece empíricamente, sino que se establece de manera integral después de considerar el rendimiento de búsqueda global y la velocidad de iteración y con respecto a los múltiples grupos de modelos de cámara cardíaca, los parámetros de control de perturbación aleatoria a se pueden establecer en el mismo valor y todos obtienen un efecto de registro comparativamente bueno.
Por consiguiente, el método de registro de imágenes provisto en las realizaciones de la presente solicitud no solo puede lograr el registro en una circunstancia en la que una fuente de registro y un objetivo de registro se encuentran en un amplio rango de desviaciones iniciales, sino también deshacerse eficazmente de la esclavitud de los límites locales para mejorar la precisión del registro y la tasa de éxito del registro sin el ajuste manual de los parámetros.
Las realizaciones anteriores, que son solo realizaciones preferentes de la presente solicitud, permiten que los expertos en la materia entiendan o implementen la presente solicitud. Múltiples enmiendas a estas realizaciones son obvias para los expertos en la materia, y los principios generales definidos en este contexto se pueden lograr en otras realizaciones dentro del alcance de la presente solicitud. Por lo tanto, la presente solicitud no se limitará a estas realizaciones mostradas en este contexto, sino que deberán cumplir con el alcance más amplio consistente con el alcance de las reivindicaciones.
Claims (14)
1. Un método de registro de imágenes, que comprende seleccionar una imagen fuente de registro {pi | i= 1 ,..... , M} y una imagen objetivo de registro {qj | j= 1 ,..... , N}, en donde 0<i<=M, 0<j<=N, i, j, M y N son números enteros positivos, y M<<N (S101); y aplicar una perturbación aleatoria a la imagen {pi} de acuerdo con un parámetro de control de perturbación aleatoria preestablecido a para que se deforme para obtener una imagen {pi'}, y obtener puntos más cercanos en la imagen {qj} correspondientes a puntos en la imagen {pi'}, siendo el conjunto de puntos obtenidos una imagen {qj'} (S102);
caracterizado por comprender:
realizar una operación iterativa en la imagen {pi'} y la imagen {qj'} dentro de una longitud de etapa preestablecida L de acuerdo con una transformación de coordenadas inicial preestablecida H0 para obtener una transformación de coordenadas {H1 l l= 1 ,..... , L}, entre la imagen {pi'} y la imagen {qj'}, y calcular una distancia promedio {E1 l l=1, L} entre la imagen {pi'} y la imagen {qj'} de acuerdo con la transformación de coordenadas {H1}, la distancia promedio {E1} correspondiente a la transformación de coordenadas {H1} (S103);
evaluar magnitudes de la distancia promedio {E1} y una distancia promedio ideal preestablecida Ex, y finalizar el registro cuando la distancia promedio {E1} es menor o igual a la distancia promedio ideal preestablecida (S104); cuando la distancia promedio {E1} es mayor que la distancia promedio ideal preestablecida, que además comprende las etapas de:
evaluar a su vez las magnitudes de la distancia promedio {E1} y una distancia promedio inicial E0 , en donde la distancia promedio inicial E0 corresponde a la transformación de coordenadas inicia1H0 (S205);
cuando cualquier valor en la distancia promedio {E1} es menor o igual a la distancia promedio inicial E0 , finalizar la evaluación entre la distancia promedio {E1} y la distancia promedio inicial E0, reemplazar la transformación de coordenadas inicial H0 con una transformación de coordenadas Hg correspondiente a una distancia promedio actual Eg, descomponer el parámetro de control de perturbación aleatoria a de acuerdo con una tasa de descomposición fija, recalcular una distancia promedio {E1'} de acuerdo con la transformación de coordenadas Hg y el parámetro de control de perturbación aleatoria descompuesto a, y evaluar si la distancia promedio {E1'} es menor o igual a la distancia promedio ideal preestablecida Ex ( S206);
cuando todos los valores en la distancia promedio {E1} son mayores que la distancia promedio inicial E0 , después de descomponer el parámetro de control de perturbación aleatoria a de acuerdo con la tasa de descomposición fija, volver a aplicar una perturbación aleatoria a la imagen {pi}, recalcular una distancia promedio {E1"} usando la transformación de coordenadas inicial H0 , y evaluar si la distancia promedio {E1"} es menor o igual a la distancia promedio ideal preestablecida Ex (S207).
2. El método de acuerdo con la reivindicación 1, caracterizado por que el método de registro de imágenes se aplica al modelo de cámara cardíaca, la imagen fuente de registro {pi} y la imagen objetivo de registro {qj} están ubicadas en diferentes sistemas de coordenadas, y pi y qj son vectores de columna de 3*1.
3. El método de acuerdo con la reivindicación 2, caracterizado por que dicha obtención de puntos más cercanos en la imagen {qj} que corresponden a puntos en la imagen {pi'} es específicamente: buscar los puntos más cercanos en la imagen {qj} que corresponden a los puntos en la imagen {pi'} por medio del árbol binario KD.
4. El método de acuerdo con la reivindicación 3, caracterizado por que dicha evaluación de magnitudes de la distancia promedio {E1} y la distancia promedio ideal preestablecida Ex es específicamente: evaluar a su vez si la distancia promedio {E1} es menor que o igual a la distancia promedio ideal Ex (S205).
5. El método de acuerdo con la reivindicación 3, caracterizado por que dicha evaluación de magnitudes de la distancia promedio {E1} y la distancia promedio ideal preestablecida Ex es específicamente: seleccionar la distancia promedio mínima Emín en la distancia promedio {E1}(S305); evaluar magnitudes de la distancia promedio mínima Emín y la distancia promedio ideal Ex(S306).
6. El método de acuerdo con la reivindicación 1, caracterizado po rqu e , después de dicho recálculo de una distancia promedio {E1'} o recálculo de una distancia promedio {E1"}, comprende, además:
evaluar si un número de veces de iteración es mayor que un número preestablecido de veces de iteración K, y finalizar el registro e informar de un error cuando el número de veces de iteración es mayor que el número preestablecido de veces de iteración K (S400).
7. El método de acuerdo con la reivindicación 1, caracterizado por que la tasa de descomposición fija del parámetro de control de perturbación aleatoria a es ,
1
72
y la longitud de la etapa L está en un intervalo de 50~200.
8. Un método de registro de imágenes, que comprende seleccionar una imagen fuente de registro {pi | i= 1 , ..... , M} y una imagen objetivo de registro {qj | j= 1 ,..... , N}, en donde 0<i<=M, 0<j<=N, i, j, M y N son números enteros positivos, y M<<N (S101); y aplicar una perturbación aleatoria a la imagen {pi} de acuerdo con un parámetro de control de perturbación aleatoria preestablecido a para que se deforme para obtener una imagen {pi'}, y obtener puntos más cercanos en la imagen {qj} correspondientes a puntos en la imagen {pi'}, siendo el conjunto de puntos obtenidos una imagen {qj'} (S102);
caracterizado por comprender:
realizar una operación iterativa en la imagen {pi'} y la imagen {qj'} dentro de una longitud de etapa preestablecida L de acuerdo con una transformación de coordenadas inicial preestablecida H0 para obtener una transformación de coordenadas {H1 | l=1 ,..... , L}, entre la imagen {pi'} y la imagen {qj'}, y calcular una distancia promedio {E1 | l=1, ..... , L} entre la imagen {pi'} y la imagen {qj'} de acuerdo con la transformación de coordenadas {H1}, correspondiendo la distancia promedio {E1} a la transformación de coordenadas {H1} (S103);
evaluar magnitudes de la distancia promedio {E1} y una distancia promedio ideal preestablecida Ex, y finalizar el registro cuando la distancia promedio {E1} es menor o igual a la distancia promedio ideal preestablecida (S104); cuando la distancia promedio {E1} es mayor que la distancia promedio ideal preestablecida, además comprende las etapas de:
seleccionar la distancia promedio mínima Emín en la distancia promedio {E1}(S305); evaluar magnitudes de la distancia promedio mínima Emín y la distancia promedio inicial E0, en donde la distancia promedio inicial E0 corresponde a la transformación de coordenadas inicial H0 (S306);
cuando el valor mínimo en la distancia promedio {Emín} es menor o igual a la distancia promedio inicial E0, reemplazar la transformación de coordenadas inicial H0 con una transformación de coordenadas Hmín correspondiente a una distancia promedio actual Emín, descomponer el parámetro de control de perturbación aleatoria a de acuerdo con una tasa de descomposición fija, recalcular una distancia promedio {E1'} de acuerdo con la transformación de coordenadas Hmín y el parámetro de control de perturbación aleatoria descompuesto a,, y evaluar si la distancia promedio {E1'} es menor o igual a la distancia promedio ideal preestablecida Ex (S307);
cuando el valor mínimo en la distancia promedio {Emín} es mayor que la distancia promedio inicial E0 , después de descomponer el parámetro de control de perturbación aleatoria a de acuerdo con la tasa de descomposición fija, volver a aplicar una perturbación aleatoria a la imagen {pi}, recalcular una distancia promedio {E1"} usando la transformación de coordenadas inicial H0, y evaluar si la distancia promedio {E1"} es menor o igual a la distancia promedio ideal preestablecida Ex (S308).
9. El método de acuerdo con la reivindicación 8, caracterizado por que el método de registro de imágenes se aplica al modelo de cámara cardíaca, la imagen fuente de registro {pi} y la imagen objetivo de registro {qj} están ubicadas en diferentes sistemas de coordenadas, y pi y qj son vectores de columna de 3*1.
10. El método de acuerdo con la reivindicación 9, caracterizado por que dicha obtención de puntos más cercanos en la imagen {qj} que corresponden a puntos en la imagen {pi'} es específicamente: buscar los puntos más cercanos en la imagen {qj} que corresponden a los puntos en la imagen {pi'} por medio del árbol binario KD.
11. El método de acuerdo con la reivindicación 10, caracterizado por que dicha evaluación de magnitudes de la distancia promedio {E1} y la distancia promedio ideal preestablecida Ex es específicamente: evaluar a su vez si la distancia promedio {E1} es menor que o igual a la distancia promedio ideal Ex (S205).
12. El método de acuerdo con la reivindicación 10, caracterizado por que dicha evaluación de magnitudes de la distancia promedio {E1} y la distancia promedio ideal preestablecida Ex es específicamente:
seleccionar la distancia promedio mínima Emín en la distancia promedio {E1}(S305);
evaluar magnitudes de la distancia promedio mínima Emín y la distancia promedio ideal Ex(S306).
13. El método de acuerdo con la reivindicación 8, caracterizado porque , después de dicho recálculo de una distancia promedio {E1'} o recálculo de una distancia promedio {E1"}, comprende, además:
evaluar si un número de veces de iteración es mayor que un número preestablecido de veces de iteración K, y finalizar el registro e informar de un error cuando el número de veces de iteración es mayor que el número preestablecido de veces de iteración K (S400).
14. El método de acuerdo con la reivindicación 8, caracterizado por que la tasa de descomposición fija del parámetro de control de perturbación aleatoria a es ^ , y la longitud de la etapa L está en un intervalo de 50~200.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102701489A CN102385748B (zh) | 2010-08-31 | 2010-08-31 | 一种图像配准方法 |
| PCT/CN2011/078267 WO2012028053A1 (zh) | 2010-08-31 | 2011-08-11 | 一种图像配准方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2739052T3 true ES2739052T3 (es) | 2020-01-28 |
Family
ID=45772146
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES11821079T Active ES2739052T3 (es) | 2010-08-31 | 2011-08-11 | Método de registro de imágenes |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9042614B2 (es) |
| EP (1) | EP2613293B1 (es) |
| CN (1) | CN102385748B (es) |
| ES (1) | ES2739052T3 (es) |
| WO (1) | WO2012028053A1 (es) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104966287B (zh) * | 2015-06-08 | 2017-08-08 | 浙江大学 | 层次化的多片点云刚性配准方法 |
| US20170337682A1 (en) | 2016-05-18 | 2017-11-23 | Siemens Healthcare Gmbh | Method and System for Image Registration Using an Intelligent Artificial Agent |
| CN110136177B (zh) * | 2018-02-08 | 2022-02-18 | 北京连心医疗科技有限公司 | 一种图像配准方法、设备和存储介质 |
| CN110368027B (zh) * | 2018-04-13 | 2022-02-18 | 北京柏惠维康科技有限公司 | 一种图像融合方法和装置 |
| CN112950706B (zh) * | 2019-12-11 | 2023-11-03 | 京东科技信息技术有限公司 | 可移动设备定位数据处理方法、装置、设备及存储介质 |
| CN111899286B (zh) * | 2020-07-13 | 2024-01-05 | 江西理工大学 | 基于精英差分演化的图像配准方法 |
| CN112465883B (zh) * | 2020-11-23 | 2022-03-29 | 山东科技大学 | 一种高精度曲面非均匀图像配准方法 |
| CN113558766B (zh) * | 2021-07-19 | 2022-05-17 | 北京纳通医学研究院有限公司 | 图像配准方法、装置、手术机器人以及手术机器人系统 |
| CN113570648B (zh) * | 2021-07-30 | 2023-09-26 | 武汉联影智融医疗科技有限公司 | 多骨骼影像配准方法、电子装置以及医学导航系统 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7177486B2 (en) * | 2002-04-08 | 2007-02-13 | Rensselaer Polytechnic Institute | Dual bootstrap iterative closest point method and algorithm for image registration |
| CN1229751C (zh) * | 2003-08-14 | 2005-11-30 | 中国人民解放军第一军医大学 | 基于相同重叠区框架下的多设备医学图像刚性配准方法 |
| US7187809B2 (en) * | 2004-06-10 | 2007-03-06 | Sarnoff Corporation | Method and apparatus for aligning video to three-dimensional point clouds |
| US7715604B2 (en) * | 2005-01-18 | 2010-05-11 | Siemens Medical Solutions Usa, Inc. | System and method for automatically registering three dimensional cardiac images with electro-anatomical cardiac mapping data |
| US7583857B2 (en) * | 2005-08-24 | 2009-09-01 | Siemens Medical Solutions Usa, Inc. | System and method for salient region feature based 3D multi modality registration of medical images |
| AU2006302057B2 (en) * | 2005-10-11 | 2013-03-21 | Carnegie Mellon University | Sensor guided catheter navigation system |
| EP1780672A1 (en) * | 2005-10-25 | 2007-05-02 | Bracco Imaging, S.P.A. | Method of registering images, algorithm for carrying out the method of registering images, a program for registering images using the said algorithm and a method of treating biomedical images to reduce imaging artefacts caused by object movement |
| CN100498839C (zh) | 2006-03-08 | 2009-06-10 | 杭州电子科技大学 | 一种多模态医学体数据三维可视化方法 |
| US8064731B2 (en) * | 2006-11-13 | 2011-11-22 | Siemens Audiologische Technik Gmbh | Generalized rigid alignment of 3D ear impression models |
| KR100884066B1 (ko) * | 2007-03-30 | 2009-02-19 | 한국전자통신연구원 | Ｓｖｄ 기반의 영상 비교시스템 및 방법 |
| CN100559398C (zh) * | 2007-06-19 | 2009-11-11 | 北京航空航天大学 | 自动的深度图像配准方法 |
| US8126291B2 (en) | 2007-07-16 | 2012-02-28 | Ecole Centrale De Paris | System and method for dense image registration using Markov Random Fields and efficient linear programming |
| US9025841B2 (en) * | 2009-11-18 | 2015-05-05 | Siemens Aktiengesellschaft | Method and system for segmentation of the prostate in 3D magnetic resonance images |
-
2010
- 2010-08-31 CN CN2010102701489A patent/CN102385748B/zh active Active
-
2011
- 2011-08-11 EP EP11821079.8A patent/EP2613293B1/en active Active
- 2011-08-11 WO PCT/CN2011/078267 patent/WO2012028053A1/zh active Application Filing
- 2011-08-11 US US13/814,760 patent/US9042614B2/en active Active
- 2011-08-11 ES ES11821079T patent/ES2739052T3/es active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US9042614B2 (en) | 2015-05-26 |
| CN102385748B (zh) | 2013-12-25 |
| EP2613293B1 (en) | 2019-06-12 |
| CN102385748A (zh) | 2012-03-21 |
| EP2613293A1 (en) | 2013-07-10 |
| WO2012028053A1 (zh) | 2012-03-08 |
| US20130156281A1 (en) | 2013-06-20 |
| EP2613293A4 (en) | 2017-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2739052T3 (es) | Método de registro de imágenes | |
| CN109409437B (zh) | 一种点云分割方法、装置、计算机可读存储介质及终端 | |
| Robinson et al. | MSM: a new flexible framework for multimodal surface matching | |
| Weinmann et al. | Total variation regularization for manifold-valued data | |
| CN112862972B (zh) | 一种表面结构网格生成方法 | |
| Kolehmainen et al. | The inverse conductivity problem with an imperfectly known boundary | |
| WO2021004416A1 (zh) | 一种基于视觉信标建立信标地图的方法、装置 | |
| CN103258329B (zh) | 一种基于圆球一维特性的摄像机标定方法 | |
| ES2627108T3 (es) | Método de remapeo de una ROI conservando la topología entre imágenes médicas | |
| CN104217435B (zh) | 两个相互遮挡的球线性确定拋物折反射摄像机内参数方法 | |
| Jehl et al. | Correcting electrode modelling errors in EIT on realistic 3D head models | |
| CN113397704B (zh) | 机器人定位方法、装置、系统及计算机设备 | |
| WO2018233514A1 (zh) | 一种位姿测量方法、设备及存储介质 | |
| Lin et al. | Gene expression data to mouse atlas registration using a nonlinear elasticity smoother and landmark points constraints | |
| Hu et al. | Lung CT image registration through landmark-constrained learning with convolutional neural network | |
| CN103116888A (zh) | 利用平面三角形求解摄像机的内参数 | |
| CN111369662A (zh) | Ct图像中血管的三维模型重建方法及系统 | |
| Falta et al. | Lung250M-4B: a combined 3D dataset for CT-and point cloud-based intra-patient lung registration | |
| Aflalo et al. | Conformal mapping with as uniform as possible conformal factor | |
| Jones et al. | Planar morphometry, shear and optimal quasi-conformal mappings | |
| Mayya et al. | Scapula statistical shape model construction based on watershed segmentation and elastic registration | |
| Moghari et al. | Distribution of fiducial registration error in rigid-body point-based registration | |
| Modat et al. | Log-Euclidean free-form deformation | |
| CN114119928A (zh) | 一种基于网格操作的肺内器官三维模型优化方法及系统 | |
| Chan et al. | Automatic characteristic-calibrated registration (ACC-REG): Hippocampal surface registration using eigen-graphs |