CN103829966B - 用于自动确定侦测图像中的定位线的方法和*** - Google Patents
用于自动确定侦测图像中的定位线的方法和*** Download PDFInfo
- Publication number
- CN103829966B CN103829966B CN201210489837.8A CN201210489837A CN103829966B CN 103829966 B CN103829966 B CN 103829966B CN 201210489837 A CN201210489837 A CN 201210489837A CN 103829966 B CN103829966 B CN 103829966B
- Authority
- CN
- China
- Prior art keywords
- scanned
- threedimensional model
- detecting image
- position line
- parameter
- 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
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
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
Abstract
本申请涉及用于自动确定侦测图像中的定位线的方法和***。该方法包括:获取步骤,用于获取与待扫描对象最佳匹配的三维模型;以及确定步骤,用于将所述最佳匹配的三维模型中的定位线投影到所述待扫描对象的侦测图像中,从而得到最佳的定位线。该***包括:获取设备,用于获取与待扫描对象最佳匹配的三维模型;以及确定设备,用于将所述最佳匹配的三维模型中的定位线投影到所述待扫描对象的侦测图像中,从而得到最佳的定位线。
Description
技术领域
本申请涉及医学检测领域,尤其涉及在用于医学检测的侦测图像中自动确定定位线的方法和***。
背景技术
在医学检测领域中,例如在进行如计算机断层扫描(CT)或核磁共振(MR)的检测中,通常需要确定扫描范围。这可以通过获取待扫描对象的侦测图像并在侦测图像上设置合适的定位线来实现。然而,现有的定位线设置过程基本上是通过操作员的手动操作来实现的,整个过程费力又耗时,而且定位线的位置和角度的精度难以保证,从而导致难以获得准确的扫描范围。
下面以完整的头部CT扫描为例来说明现有的工作流程。
对于完整的头部CT扫描,当前采用的工作流程主要依赖于手动操作。图1示出该工作流程。在步骤S110中,将患者放置在台面上。在步骤S120中,手动地调整台面以使得激光线穿过患者的头部,并且手动地调整患者头部的姿态以使患者的眶耳基线符合激光线,或者手动地使CT机架倾斜以使激光线符合患者的眶耳基线。无论是手动地调整患者头部的姿态还是手动地使CT机架倾斜以使得患者的眶耳基线与激光线相符合,这些都是费力且耗时的手动操作,并且不容易得到准确的眶耳基线对准。因此,可能需要重复的调整。这种手动操作通常称为姿态调整。
在进行了姿态调整之后,将进行如步骤S130所示的侦测扫描。在步骤S130中,侦测扫描的扫描范围被估计,并且应当至少覆盖整个头部范围。在获得侦测图像后,在步骤S140中,用户需要基于该侦测图像来手动地调整眶耳基线的位置和角度。具体而言,通过手动点击或拖动鼠标来改变一组扫描的起始位置、结束位置和角度,以及根据头部图像来调整扫描宽度。这种手动操作通常称为定位线调整。
如果在姿态调整之后到侦测扫描之前,患者的头部移动,则用户需要重新设置CT机架的倾角,或者重新调整患者头部的姿态。
在步骤S150中,手动地设置扫描范围。图3示出的是扫描范围的示意图。如图3所示,扫描范围的长度为从如右侧虚线示出的眶耳基线至如左侧虚线示出的头顶位置,宽度为与眶耳基线平行的头部宽度。
在所有的关键参数(例如,眶耳基线的位置和角度以及扫描范围)都是适当的时候,对头部进行扫描,例如轴向扫描或螺旋扫描,如步骤S160所示。
此外,在用于进行完整的头部CT扫描的当前典型工作流程中还存在以下问题:
手动地将激光线或扫描平面与眶耳基线对准是费力又耗时的过程;
如果操作员不熟悉,则手动地将激光线或扫描平面与眶耳基线对准可能不准确;
有时眶耳基线的角度太向眼部倾斜,则会导致不必要的眼球部分被扫描;以及
有时眶耳基线的角度太向小脑倾斜或者平移至小脑,则会导致部分脑组织没被扫描到,由此可能需要根据医生的需要进行重复扫描或者补充扫描。
近来,一些基于图像配准的方法得到研究。这些基于图像配准的方法试图自动地检测和定位眶耳基线。然而,图像配准不适合轮廓不清晰的侦测图像,例如头部的侦测图像。例如CT侦测图像的侦测图像包含重叠在二维平面上的三维信息,三维信息量巨大,可能缺少尖锐的和清晰的边缘并且可能没有显著的特征点。因此,到现在为止,还没有合适的图像配准方法能够成功地用于自动地检测和定位CT侦测图像中的眶耳基线。
因此,需要一种方法和***,以实现在侦测图像中自动确定定位线。
发明内容
为解决上面提到的问题,本申请提供了一种自动确定侦测图像中的定位线的方法和***。该方法和***利用在二维侦测图像中包含的三维信息来对定位线进行自动地检测和定位。在完整的扫描协议中,在侦测扫描之后,本发明是完全自动处理的过程。
例如,在完整的头部CT扫描协议中,本发明提供一种自动确定眶耳基线的方法和***,这是完全自动处理的过程。
本申请提供一种用于自动确定侦测图像中的定位线的方法,包括:获取步骤,用于获取与待扫描对象最佳匹配的三维模型;以及确定步骤,用于将所述最佳匹配的三维模型中的定位线投影到所述待扫描对象的侦测图像中,从而得到最佳的定位线。
在根据本发明的一个或多个实施例的方法中,所述获取步骤包括:计算步骤,用于计算与所述待扫描对象相对应的三维模型的侦测图像和所述待扫描对象的侦测图像之间的匹配误差;以及调整步骤,用于调整与所述待扫描对象相对应的所述三维模型以使所述匹配误差最小,其中,当所述匹配误差最小时,所对应的三维模型是所述最佳匹配的模型。
在根据本发明的一个或多个实施例的方法中,与所述待扫描对象相对应的所述三维模型是根据与所述待扫描对象属于同一人种或区域的对象的多组扫描的图像切片的平均值来预先构建的。
在根据本发明的一个或多个实施例的方法中,所述调整步骤包括:设置步骤,用于设置一组用于调整与所述待扫描对象相对应的所述三维模型的参数;以及优化步骤,用于通过优化算法对所述一组参数进行优化以使所述匹配误差最小。
在根据本发明的一个或多个实施例的方法中,所述一组参数包括:模型形状大小参数,用于改变与所述待扫描对象相对应的所述三维模型的形状和/或大小;模型姿态参数,用于改变与所述待扫描对象相对应的所述三维模型的姿态;特殊形状控制点集合,用于实现与所述待扫描对象相对应的所述三维模型的特殊形状;和/或平移参数,用于将与所述待扫描对象相对应的所述三维模型进行平移。
在根据本发明的一个或多个实施例的方法中,所述优化算法包括Gauss-Newton算法、Levenberg-Marquardt算法或其它适合的优化算法。
在根据本发明的一个或多个实施例的方法中,还包括根据所述最佳的定位线来设置扫描范围以用于后续的扫描,例如轴向扫描或螺旋扫描。
在根据本发明的一个或多个实施例的方法中,还包括根据需要来平移和/或旋转所述最佳的定位线并根据平移和/或旋转后的定位线来设置扫描范围以用于后续的扫描,例如轴向扫描或螺旋扫描。
在根据本发明的一个或多个实施例的方法中,所述待扫描对象具有明确的骨形结构,例如头部或腰椎。
在根据本发明的一个或多个实施例的方法中,所述定位线包括眶耳基线和/或颅底基线。
在根据本发明的一个或多个实施例的方法中,所述侦测图像是用于计算机断层扫描或核磁共振的侦测图像。
本申请还提供一种用于自动确定侦测图像中的定位线的***,包括:获取设备,用于获取与待扫描对象最佳匹配的三维模型;以及确定设备,用于将所述最佳匹配的三维模型中的定位线投影到所述待扫描对象的侦测图像中,从而得到最佳的定位线。
在根据本发明的一个或多个实施例的***中,所述获取设备包括:计算装置,用于计算与所述待扫描对象相对应的三维模型的侦测图像和所述待扫描对象的侦测图像之间的匹配误差;以及调整装置,用于调整与所述待扫描对象相对应的所述三维模型以使所述匹配误差最小,其中,当所述匹配误差最小时,所对应的三维模型是所述最佳匹配的模型。
在根据本发明的一个或多个实施例的***中,与所述待扫描对象相对应的所述三维模型是根据与所述待扫描对象属于同一人种或区域的对象的多组扫描的图像切片的平均值来预先构建的。
在根据本发明的一个或多个实施例的***中,所述调整装置包括:设置部件,用于设置一组用于调整与所述待扫描对象相对应的所述三维模型的参数;以及优化部件,用于通过优化算法对所述一组参数进行优化以使所述匹配误差最小。
在根据本发明的一个或多个实施例的***中,所述一组参数包括:模型形状大小参数,用于改变与所述待扫描对象相对应的所述三维模型的形状和/或大小;模型姿态参数,用于改变与所述待扫描对象相对应的所述三维模型的姿态;特殊形状控制点集合,用于实现与所述待扫描对象相对应的所述三维模型的特殊形状;和/或平移参数,用于将与所述待扫描对象相对应的所述三维模型进行平移。
在根据本发明的一个或多个实施例的***中,所述优化算法包括Gauss-Newton算法、Levenberg-Marquardt算法或其它适合的优化算法。
在根据本发明的一个或多个实施例的***中,还包括根据所述最佳的定位线来设置扫描范围以用于后续的扫描的部件,例如轴向扫描或螺旋扫描。
在根据本发明的一个或多个实施例的***中,还包括根据需要来平移和/或旋转所述最佳的定位线并根据平移和/或旋转后的定位线来设置扫描范围以用于后续的扫描的部件,例如轴向扫描或螺旋扫描。
在根据本发明的一个或多个实施例的***中,所述待扫描对象具有明确的骨形结构,例如头部或腰椎。
在根据本发明的一个或多个实施例的***中,所述定位线包括眶耳基线和/或颅底基线。
在根据本发明的一个或多个实施例的***中,所述侦测图像是用于计算机断层扫描或核磁共振的侦测图像。
本发明又提供一种计算机断层扫描***或核磁共振***,包括用于自动确定侦测图像中的定位线的***。
本发明至少提供了以下优点:
完全自动处理的过程能够避免费力又耗时的手动操作,简化了医学检测的工作流程,从而提高了医学检测的效率;
提高了定位线的位置和角度的精度,从而使得医学检测呈现更好的性能;
最大程度地避免了不必要的部分被扫描,从而使得X射线的剂量减少;以及
为满足市场和临床需要,可以根据用户操作习惯来设计不同的使用模式。
附图说明
通过结合以下附图,并且参考以下对具体实施方式的详细说明,可以对本发明有更透彻的理解。
图1示出的是用于完整的头部CT扫描的当前工作流程的示意图。
图2示出的是根据本发明的一个实施例的用于完整的头部CT扫描的改进的工作流程的示意图。
图3示出的是扫描范围的示意图。
图4示出的是根据CT轴向扫描图像序列提取三维头骨模型的过程的示意图。
图5示出的是根据本发明的一个实施例的对三维头部模型进行一些角度的模拟侦测投影的过程的示意图。
图6示出的是根据发明的一个实施例的用于自动确定CT侦测图像中的眶耳基线的过程的示意图。
图7示出的是根据本发明的一个实施例的优化算法的输入和输出的示意图。
图8示出的是根据本发明的一个实施例的根据用户偏好来设计的三种使用模式的示意图。
具体实施方式
通过附图、作为举例而不是限制来说明本文所述的本发明的实施例。为了说明的简洁和清楚起见,图中所示的元件不一定按比例绘制。例如,为了清楚起见,一些元件的尺寸可能相对于其它元件经过放大。另外,在认为适当的情况下,附图中重复参考标号,以表示对应或相似的元件。说明书中提到本发明的“一个实施例”或“实施例”表示结合该实施例所述的具体特征、结构或特性包含在本发明的至少一个实施例中。因此,词语“在一个实施例中”在本说明书的各个位置的出现不一定都表示同一个实施例。
以下将以头部CT扫描为例来对本发明进行详细说明。需要注意的是,本发明并不限于头部。只要是具有明确的骨形结构的组织都适用于本发明,例如腰椎。另外,还需要注意的是,本发明并不限于CT扫描,还适用于例如核磁共振的其它情形。
下面将示出在头部CT扫描中在头部的二维侦测图像中自动检测和定位例如眶耳基线的定位线的方法。需要注意的是,本发明并不限于眶耳基线的自动检测和定位,还适用于例如颅底基线的其它定位线的自动检测和定位。该方法能够利用在二维侦测图像中包含的三维信息,并且在完整的头部CT扫描协议中,该方法是在侦测扫描之后并且在轴向扫描或螺旋扫描之前的完全自动处理的过程。
图1示出的是用于完整的头部CT扫描的当前工作流程的示意图。如前面所述,步骤S120、步骤S140以及步骤S150均是手动操作过程,费力又耗时,且得到的眶耳基线的位置和角度的精度难以保证。
图2示出的是根据本发明的一个实施例的用于完整的头部CT扫描的改进的工作流程的示意图。将图1和图2示出的工作流程相对照,可以看出,根据本发明的一个实施例的工作流程相当简单,因为如图1所示的原有工作流程中的三个步骤S120、S140、S150所示的手动操作完全由CT控制台上的完全自动处理的过程来替换,该完全自动处理的过程如图2中的步骤S270所示。在步骤S270中,自动确定眶耳基线的位置和角度以及扫描范围。具体而言,原有工作流程中的手动姿态调整、手动定位线调整和手动扫描范围调整替换为根据本发明的工作流程中的眶耳基线的位置和角度以及扫描范围的自动确定过程。在根据本发明自动确定了眶耳基线的位置和角度以及扫描范围后,将眶耳基线的位置和角度以及扫描范围自动设置到头部CT扫描协议中以用于后续的扫描,例如轴向扫描或螺旋扫描。
图2中的步骤S210、S230、S260与图1中的步骤S110、S130、S160相同,这里不再赘述。在如步骤S230所示获得真实的头部侦测图像后,进行如步骤S270所示的完全自动处理的过程。在该完全自动处理的过程中,自动确定眶耳基线的位置和角度以及扫描范围,并且自动地将所确定的眶耳基线的位置和角度以及扫描范围设置到头部CT扫描协议中以用于后续的扫描,例如轴向扫描或螺旋扫描。
在根据本发明的用于自动确定眶耳基线的方法中,可以使用三维可变头部模型。可以预先构建三维可变头部模型。一旦成功构建了三维可变头部模型,可以直接将其用于临床应用中,只需在CT控制台上运行用于实现根据本发明的方法的软件自动计算得到最佳模型参数以使得模型的形状和姿态最佳地匹配临床病例即可。
可以根据通过对先前的病例进行的完整的头部扫描而获得的轴向扫描图像序列来提取三维头骨模型点,如图4所示。根据经验来设置阈值T,从而将每个CT切片的像素分成两部分,即骨头部分和非骨头部分。在图4中,图4a示出的是CT轴向扫描图像序列,图4b示出的是基于图4a中所示的CT轴向扫描图像序列而形成的三维头骨模型点云。
考虑到不同人种的三维可变头骨模型之间可能存在相当大的形状差异,可以为每个人种或每个区域的人种构建一种模型。每种模型使用对应的平均病例来构建。每种模型内的普遍差异可以通过模型的变形来补偿。
如果不能通过模型的一般变形来良好地覆盖特殊的个体形状,则可以在模型中设计特殊的控制点集合。例如,可以设计两个用于颧骨的控制点。提升这两个控制点(周围的三维点通过与控制点的距离来加权并且也会被提升)可以覆盖异常的高颧骨病例。
在获得头骨的三维模型之后,可以利用模拟侦测投影算法来对该头骨的三维模型进行模拟侦测投影,从而得到模拟的侦测图像以用于与真实的侦测图像进行匹配。该模拟侦测投影算法模拟CT侦测扫描。根据本发明的一个实施例的模拟侦测投影算法的具体过程如下。
在三维坐标系xyz中,假设三维模型的中心点位于坐标(x1,y1,z1),点光源位于坐标(x2,y2,z2)。点光源在z轴的方向上垂直向下照射该三维模型,这样,点光源产生的扇形射束投影线穿过该三维模型,从而在xoy平面上产生模拟的侦测图像。根据点光源产生的扇形射束投影线穿过三维模型的不同方向,可以产生模拟的不同角度的侦测图像,例如,模拟的0度或90度侦测图像,如图5所示。通常,模拟的0度侦测图像是通过正面投影来得到的,而模拟的90度侦测图像是通过侧面投影来得到的。在图5中,图5a示出的是根据三维头部模型得到的模拟的0度侦测投影,即正面投影;图5b示出的是根据三维头部模型得到的模拟的90度侦测投影,即侧面投影;图5c示出的是根据三维头部模型得到的模拟的任意姿态的侦测投影。
需要注意的是,可以对三维可变头部模型进行各种角度的模拟侦测投影,以得到各种角度的模拟的侦测图像。然后,可以将所得到的各种角度的模拟的侦测图像与临床病例的对应角度的真实的侦测图像进行匹配。各种角度例如可以是0度、90度或其它任意角度。
在成功构建了三维可变头部模型后,可以在三维可变头部模型中定义准确的眶耳基线。在图5b和图5c中示出在模型中定义的眶耳基线被投影到相应的模拟的侦测图像中。当将与临床病例最佳匹配的三维头部模型投影到二维CT侦测图像上时,可以将该最佳匹配的三维头部模型中的模拟的眶耳基线也映射到二维CT侦测图像上,从而得到最佳的眶耳基线。
为了自动确定侦测图像中的定位线,可以对三维可变模型进行变形、旋转和/或平移以与临床病例最佳匹配。具体而言,将三维可变模型模拟侦测投影到二维平面中以得到模拟的侦测图像。将模拟的侦测图像与真实的侦测图像进行匹配。当得到与临床病例最佳匹配的形状和姿态参数时,将最佳匹配的三维模型中的定位线投影到真实的侦测图像上。然后,计算用于后续扫描的参数,包括定位线的位置和角度以及扫描范围。
在根据本发明的一个实施例中,为了自动确定CT侦测图像中的眶耳基线,可以对三维可变头部模型进行变形、旋转和/或平移以与临床病例最佳匹配。具体而言,对三维可变头部模型模拟侦测投影到二维平面中以得到模拟的侦测图像。将模拟的侦测图像与CT侦测图像进行匹配。当得到与临床病例最佳匹配的形状和姿态参数时,将最佳匹配的三维头部模型中的眶耳基线投影到CT侦测图像上。然后,计算用于CT后续扫描的参数,包括眶耳基线的位置和角度以及扫描范围。
以下将对根据本发明的一个实施例的通过对三维可变头部模型与临床病例的匹配进行优化来自动确定眶耳基线的方法进行详细阐述。
对于特定的临床病例,通过改变模型参数以使得例如模型的形状、大小、姿态和/或控制点描述的特殊形状发生改变和/或使得模型发生平移。
图6示出的是根据发明的一个实施例的用于自动确定CT侦测图像中的眶耳基线的方法的示意图。
如前面所述,在成功构建三维可变头部模型之后,可以使用一组模型参数来使得三维可变头部模型的形状和/或三维姿态发生变化和/或使得三维可变头部模型发生平移。在图6所示的方法开始时使用的是初始模型参数集合,该初始模型参数集合是由向量Xini表示的参数集合,包括以下参数:
形状大小参数:Sx,Sy,Sz;
特殊的形状控制点集合:Ss;
模型姿态参数:Rx,Ry,Rz;和/或
平移参数:Tx,Ty。
在上述参数中,形状大小参数用于改变待优化模型的形状和/或大小;模型姿态参数用于改变待优化模型的姿态;特殊的形状控制点集合用于实现待优化模型的特殊形状;平移参数用于将待优化模型进行平移。
根据经验来设置初始模型参数集合以表示平均病例。
在根据本发明的一个或多个实施例中,形状大小参数可以用于表示将待优化的模型进行缩放的比例。例如,当Sx=0.7,Sy=0.7,Sz=0.7时,表示将待优化的模型的大小缩小为原来的70%。
在根据本发明的一个或多个实施例中,模型姿态参数可以用于表示将待优化的模型进行旋转的角度。例如,当Rx=30度,Ry=40度,Rz=50度时,表示将待优化的模型在x轴的方向上顺时针旋转30度,在y轴的方向上顺时针旋转40度,在z轴的方向上顺时针旋转50度。
在根据本发明的一个或多个实施例中,特殊的形状控制点集合可以包括两个用于颧骨的控制点。提升这两个控制点(周围的三维点通过与控制点的距离来加权并且也会被提升)可以覆盖异常的高颧骨病例。
在根据本发明的一个或多个实施例中,平移参数可以用于表示将待优化的模型在xoy平面上进行平移的距离。例如,当Tx=5mm,Ty=10mm时,表示将待优化的模型在x轴的正方向上平移5毫米,在y轴的正方向上平移10毫米。
应当理解的是,模型参数并不限于上面给出的形状大小参数:Sx,Sy,Sz;特殊的形状控制点集合:Ss;模型姿态参数:Rx,Ry,Rz;以及平移参数:Tx,Ty。例如,在根据本发明的一个或多个实施例中,平移参数可以为Tx,Tz,用于表示将待优化的模型在xoz平面上进行平移的距离。另外,特殊的形状控制点集合也不限于上面提到的用于颧骨的控制点。
如前面所述,可以对三维模型进行各种角度的模拟侦测投影,从而得到对应角度的模拟的侦测图像。各种角度可以是0度、90度或其它任意角度。然后,将模拟的侦测图像与对应的真实的侦测图像进行匹配,匹配误差为E。根据本发明的一个实施例,通过优化算法以迭代的方式最小化匹配误差E,得到Emin,从而得到最终的模型参数集合Xopt。最终的模型参数集合Xopt所对应的模型形状和姿态与实际的临床病例最佳匹配。
下面将对图6所示的方法进行详细阐述。
在步骤S610中,根据经验来设置三维可变头部模型的初始模型参数集合Xini以表示平均病例。初始模型参数集合Xini包括Sx,Sy,Sz;Ss;Rx,Ry,Rz;Tx,Ty。图6中还示出处于初始姿态的三维可变头部模型1000和其对应的模拟的90度侦测图像1010。模拟的90度侦测图像1010是通过对三维可变头部模型1000进行90度的模拟侦测投影来产生的。
在步骤S620中,计算模拟的90度侦测图像1010与真实的90度侦测图像1100之间的匹配度。
在步骤S630中,利用优化算法求解与二维CT侦测图像最佳匹配的头部模型参数。图7示出的是根据本发明的一个实施例的优化算法的输入和输出的示意图。如图7所示,将待优化的头部模型参数、真实的侦测图像和对应的模拟的侦测图像作为优化算法的输入,通过优化算法以迭代的方式将待优化的头部模型参数进行优化,最终得到与二维CT侦测图像最佳匹配的头部模型参数。在本发明的一个实施例中,可以将待优化的头部模型参数、真实的90度侦测图像、模拟的90度侦测图像作为优化算法的输入,通过优化算法以迭代的方式将待优化的头部模型参数进行优化,从而得到与真实的90度侦测图像最佳匹配的头部模型参数。在本发明的另一个实施例中,可以将待优化的头部模型参数、真实的0度和90度侦测图像、模拟的0度和90度侦测图像作为优化算法的输入,通过优化算法以迭代的方式将待优化的头部模型参数进行优化,从而得到与实际的临床病例最佳匹配的头部模型参数。可以理解的是,优化算法的输入并不限于上述例子。可以向优化算法输入待优化的头部模型参数以及各种角度的真实侦测图像和模拟侦测图像以用于得到与实际的临床病例最佳匹配的头部模型参数。
可以使用例如Gauss-Newton算法、Levenberg-Marquardt算法或其它适合的优化算法,以迭代方式来优化模型参数集合。通过最小化匹配误差E,得到Emin,从而得到最终的模型参数集合Xopt。最终的模型参数集合Xopt对应的模型形状和姿态与实际的临床病例最佳匹配。
当在步骤S630中找到最终的模型参数集合Xopt之后,在步骤S640中,将与最终的模型参数集合Xopt相对应的与实际的临床病例的真实的侦测图像最佳匹配的可变头部模型中的模拟的眶耳基线投影到CT侦测图像中,从而得到最佳的眶耳基线。
将最终的模型的眶耳基线投影到CT侦测图像上,得到最佳的眶耳基线的位置和角度。当确定了最佳的眶耳基线的位置和角度之后,可以确定从最佳的眶耳基线至头顶的宽度,即扫描范围。这样,就得到了用于随后的完整头部扫描的扫描参数,即眶耳基线的位置和角度以及扫描范围。然后将得到的眶耳基线的位置和角度以及扫描范围自动设置到头部CT扫描协议中以用于后续的扫描,例如轴向扫描或螺旋扫描。
在图6中,还示出与真实的侦测图像最佳匹配的三维可变头部模型1020、最佳匹配的三维可变头部模型的模拟的90度侦测图像1030以及真实的90度侦测图像1110。在最佳匹配的三维可变头部模型1020中,示出了模拟的眶耳基线1025。在真实的90度侦测图像1110中,示出了所得到的最佳的眶耳基线1115以及由矩形框1118示出的扫描范围。
为了满足市场和临床需要,可以根据用户操作习惯来设计不同的使用模式。图8示出的是根据本发明的一个实施例的根据用户偏好来设计的三种使用模式的示意图,包括图8a、图8b以及图8c。
图8a示出的是正常眶耳基线模式,其中切片角度和解剖结构符合医生已有的知识结构,但是部分眼球会被扫描。
图8b示出的是眼部避免模式1,其中将眶耳基线在眼部上方旋转合适的角度,例如5度-10度,切片角度和解剖结构与医生已有的知识结构略微不同。
图8c示出的是眼部避免模式2,其中将眶耳基线向上平移合适的距离,例如5毫米-10毫米,切片角度和解剖结构符合医生已有的知识结构,但是部分小脑没有被扫描。
一些医院中使用眼部避免模式1。在一些情况中,眼部避免模式2可以是优选的。
在实际的临床应用中,可供选择的使用模式并不限于如上三种。还可以根据实际需要来设置不同的使用模式以供用户选择。
根据本发明的一个实施例的用于自动确定头部CT侦测图像中的眶耳基线的完全自动处理的过程能够至少实现以下优点:
避免费力又耗时的手动操作,简化了头部CT扫描的工作流程,从而提高了头部CT扫描的效率;
提高了眶耳基线的位置和角度的精度,从而使得头部CT扫描呈现更好的性能;
最大程度地避免了不必要的眼球部分被扫描,从而使得X射线的剂量减少;以及
为满足市场和临床需要,可以根据用户操作习惯来设计不同的使用模式。
以上通过特定的实施例对本发明进行了详细的描述,但本发明并不限于上述实施例。在不脱离本发明范围的前提下,可以对本发明进行各种修改和变更。本发明的范围由所附权利要求书限定。
Claims (19)
1.一种用于自动确定侦测图像中的定位线的方法,包括:
获取与待扫描对象最佳匹配的三维模型;
将所述最佳匹配的三维模型中的定位线投影到所述待扫描对象的侦测图像中,从而得到最佳的定位线;
根据所述最佳的定位线来设置扫描范围以用于后续的扫描。
2.如权利要求1所述的方法,其中,所述获取与待扫描对象最佳匹配的三维模型包括:
计算与所述待扫描对象相对应的三维模型的侦测图像和所述待扫描对象的侦测图像之间的匹配误差;以及
调整与所述待扫描对象相对应的所述三维模型以使所述匹配误差最小,
其中,当所述匹配误差最小时,所对应的三维模型是所述最佳匹配的三维模型。
3.如权利要求2所述的方法,其中,与所述待扫描对象相对应的所述三维模型是根据与所述待扫描对象属于同一人种或区域的对象的多组扫描的图像切片的平均值来预先构建的。
4.如权利要求2所述的方法,其中,所述调整与所述待扫描对象相对应的所述三维模型包括:
设置一组用于调整与所述待扫描对象相对应的所述三维模型的参数;以及
通过优化算法对所述一组参数进行优化以使所述匹配误差最小。
5.如权利要求4所述的方法,其中,所述一组参数包括:
模型形状大小参数,用于改变与所述待扫描对象相对应的所述三维模型的形状和/或大小;
模型姿态参数,用于改变与所述待扫描对象相对应的所述三维模型的姿态;
特殊形状控制点集合,用于实现与所述待扫描对象相对应的所述三维模型的特殊形状;和/或
平移参数,用于将与所述待扫描对象相对应的所述三维模型进行平移。
6.如权利要求4所述的方法,其中,所述优化算法包括Gauss-Newton算法、Levenberg-Marquardt算法或其它适合的优化算法。
7.如权利要求1所述的方法,其中,还包括根据需要来平移和/或旋转所述最佳的定位线并根据平移和/或旋转后的定位线来设置扫描范围以用于后续的扫描。
8.如权利要求1所述的方法,其中,所述待扫描对象具有明确的骨形结构。
9.一种用于自动确定侦测图像中的定位线的***,包括:
获取设备,用于获取与待扫描对象最佳匹配的三维模型;以及
确定设备,用于将所述最佳匹配的三维模型中的定位线投影到所述待扫描对象的侦测图像中,从而得到最佳的定位线;
根据所述最佳的定位线来设置扫描范围以用于后续的扫描的部件。
10.如权利要求9所述的***,其中,所述获取设备包括:
计算装置,用于计算与所述待扫描对象相对应的三维模型的侦测图像和所述待扫描对象的侦测图像之间的匹配误差;以及
调整装置,用于调整与所述待扫描对象相对应的所述三维模型以使所述匹配误差最小,
其中,当所述匹配误差最小时,所对应的三维模型是所述最佳匹配的三维模型。
11.如权利要求10所述的***,其中,与所述待扫描对象相对应的所述三维模型是根据与所述待扫描对象属于同一人种或区域的对象的多组扫描的图像切片的平均值来预先构建的。
12.如权利要求10所述的***,其中,所述调整装置包括:
设置部件,用于设置一组用于调整与所述待扫描对象相对应的所述三维模型的参数;以及优化部件,用于通过优化算法对所述一组参数进行优化以使所述匹配误差最小。
13.如权利要求12所述的***,其中,所述一组参数包括:
模型形状大小参数,用于改变与所述待扫描对象相对应的所述三维模型的形状和/或大小;
模型姿态参数,用于改变与所述待扫描对象相对应的所述三维模型的姿态;
特殊形状控制点集合,用于实现与所述待扫描对象相对应的所述三维模型的特殊形状;和/或
平移参数,用于将与所述待扫描对象相对应的所述三维模型进行平移。
14.如权利要求12所述的***,其中,所述优化算法包括Gauss-Newton算法、Levenberg-Marquardt算法或其它适合的优化算法。
15.如权利要求9所述的***,其中,还包括根据需要来平移和/或旋转所述最佳的定位线并根据平移和/或旋转后的定位线来设置扫描范围以用于后续的扫描的部件。
16.如权利要求9所述的***,其中,所述待扫描对象具有明确的骨形结构。
17.如权利要求9所述的***,其中,所述定位线包括眶耳基线和/或颅底基线。
18.如权利要求9中所述的***,其中,所述侦测图像是用于计算机断层扫描或核磁共振的侦测图像。
19.一种计算机断层扫描***或核磁共振***,包括如权利要求9-18中任一项所述的用于自动确定侦测图像中的定位线的***。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210489837.8A CN103829966B (zh) | 2012-11-27 | 2012-11-27 | 用于自动确定侦测图像中的定位线的方法和*** |
US14/069,524 US9299148B2 (en) | 2012-11-27 | 2013-11-01 | Method and system for automatically determining a localizer in a scout image |
JP2013242459A JP6313024B2 (ja) | 2012-11-27 | 2013-11-25 | スカウト画像内でローカライザを自動的に決定するための方法およびシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210489837.8A CN103829966B (zh) | 2012-11-27 | 2012-11-27 | 用于自动确定侦测图像中的定位线的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103829966A CN103829966A (zh) | 2014-06-04 |
CN103829966B true CN103829966B (zh) | 2018-12-07 |
Family
ID=50773350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210489837.8A Active CN103829966B (zh) | 2012-11-27 | 2012-11-27 | 用于自动确定侦测图像中的定位线的方法和*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US9299148B2 (zh) |
JP (1) | JP6313024B2 (zh) |
CN (1) | CN103829966B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013220665A1 (de) * | 2013-10-14 | 2015-04-16 | Siemens Aktiengesellschaft | Bestimmung eines Werts eines Aufnahmeparameters mittels einer anatomischen Landmarke |
CN104905766B (zh) * | 2014-03-11 | 2019-09-24 | Ge医疗***环球技术有限公司 | 基于定位像确定扫描参数的医疗扫描***和方法 |
WO2015168781A1 (en) * | 2014-05-06 | 2015-11-12 | Conceptualiz Inc. | System and method for interactive 3d surgical planning and modelling of surgical implants |
WO2016006633A1 (ja) * | 2014-07-10 | 2016-01-14 | 国立大学法人 鹿児島大学 | 顎顔面部の流体構造連成解析を用いた気道通気状態解析システム |
JP7009345B2 (ja) * | 2018-11-01 | 2022-01-25 | ユニ・チャーム株式会社 | 吸収性物品 |
KR20200075623A (ko) * | 2018-12-18 | 2020-06-26 | (주)제노레이 | 2차원 의료 영상 및 3차원 의료 영상의 정합을 이용한 치과 치료 계획 장치 및 방법 |
CN111127550B (zh) * | 2019-12-26 | 2023-08-29 | 上海联影医疗科技股份有限公司 | 基于床板的图像切片定位方法、装置、***及存储介质 |
JP7222947B2 (ja) * | 2020-04-01 | 2023-02-15 | 株式会社モリタ製作所 | X線撮影装置およびx線撮影方法 |
DE102020213690B4 (de) | 2020-10-30 | 2022-01-20 | Siemens Healthcare Gmbh | Verfahren zum Einstellen einer Form einer Kopfunterlage, Verfahren zum Bereitstellen von Bildgebungsdaten und System mit einer Kopfunterlage |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7082183B2 (en) * | 2004-07-21 | 2006-07-25 | General Electric Company | Computed tomography dose indexing phantom selection for dose reporting |
EP1952303B8 (en) * | 2005-11-11 | 2016-08-17 | Hologic, Inc. | Estimating risk of future bone fracture utilizing three-dimensional bone density model |
CN101689298B (zh) * | 2006-12-22 | 2013-05-01 | 皇家飞利浦电子股份有限公司 | 用于对对象成像的成像***和成像方法 |
EP2160135B1 (en) * | 2007-06-21 | 2012-08-15 | Koninklijke Philips Electronics N.V. | Adjusting acquisition protocols for dynamic medical imaging using dynamic models |
US20090129650A1 (en) * | 2007-11-19 | 2009-05-21 | Carestream Health, Inc. | System for presenting projection image information |
WO2009140582A2 (en) * | 2008-05-16 | 2009-11-19 | Geodigm Corporation | Method and apparatus for combining 3d dental scans with other 3d data sets |
US8218849B2 (en) | 2008-09-04 | 2012-07-10 | Siemens Corporation | Method and system for automatic landmark detection using discriminative joint context |
US8787647B2 (en) * | 2009-06-10 | 2014-07-22 | Mitsubishi Electric Corporation | Image matching device and patient positioning device using the same |
US8929972B2 (en) * | 2010-03-31 | 2015-01-06 | The Board Of Trustees Of The Leland Stanford Junior University | Arterial spin labeling MRI-based correction factor for improving quantitative accuracy of blood flow and volume images |
JP5121889B2 (ja) * | 2010-07-22 | 2013-01-16 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | X線ct装置 |
DE102010040634A1 (de) * | 2010-09-13 | 2012-03-15 | Siemens Aktiengesellschaft | Verfahren zur 2D/3D-Registrierung |
CN107095689B (zh) * | 2010-12-08 | 2022-02-25 | 拜耳医药保健有限责任公司 | 估测医学成像扫描中患者辐射剂量的方法和*** |
-
2012
- 2012-11-27 CN CN201210489837.8A patent/CN103829966B/zh active Active
-
2013
- 2013-11-01 US US14/069,524 patent/US9299148B2/en active Active
- 2013-11-25 JP JP2013242459A patent/JP6313024B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US20140147026A1 (en) | 2014-05-29 |
US9299148B2 (en) | 2016-03-29 |
JP2014104361A (ja) | 2014-06-09 |
JP6313024B2 (ja) | 2018-04-18 |
CN103829966A (zh) | 2014-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103829966B (zh) | 用于自动确定侦测图像中的定位线的方法和*** | |
CN106859675B (zh) | 用3d相机进行的用于x射线管的扫描仪自动化的方法和*** | |
US10881353B2 (en) | Machine-guided imaging techniques | |
JP7098485B2 (ja) | 撮像で使用する仮想位置合わせ画像 | |
EP3406196A1 (en) | X-ray system and method for standing subject | |
US20190142359A1 (en) | Surgical positioning system and positioning method | |
CN110956633B (zh) | 一种基于虚拟立体定位像的快速ct扫描方法及*** | |
CN107468265A (zh) | 定位用以成像方法的检查对象 | |
CN109925052B (zh) | 靶点路径的确定方法、装置和***、可读存储介质 | |
US10074199B2 (en) | Systems and methods for tissue mapping | |
CN110891488B (zh) | 矢状旋转确定 | |
US10445904B2 (en) | Method and device for the automatic generation of synthetic projections | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
CN112581422A (zh) | 用于确定用于在整形外科手术中使用的输入图像的空间取向的技术 | |
CN106875376B (zh) | 腰椎配准先验模型的构建方法以及腰椎配准方法 | |
US9254106B2 (en) | Method for completing a medical image data set | |
EP4291127A1 (en) | Systems and methods for registration between patient space and image space using registration frame apertures | |
JP2024508126A (ja) | 拡張現実を使用して整形外科手術用の脊椎ロッドを提案するための方法およびシステム | |
US11406471B1 (en) | Hand-held stereovision system for image updating in surgery | |
EP4052651A1 (en) | Image-based planning of tomographic scan | |
KR102383546B1 (ko) | 구강 영상 정합 장치 및 방법 | |
KR20220087874A (ko) | 의료영상 정합 방법 및 그 장치 | |
WO2024069042A1 (en) | A dental x-ray imaging system and a method for dental x-ray imaging of a patient | |
CN116867457A (zh) | 用于使用配准框架开孔在患者空间与图像空间之间进行配准的***和方法 | |
CN116807617A (zh) | 一种手术机器人***及手术导航方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |