CN105046644A - 基于线性相关性的超声与ct图像配准方法和*** - Google Patents
基于线性相关性的超声与ct图像配准方法和*** Download PDFInfo
- Publication number
- CN105046644A CN105046644A CN201510393418.8A CN201510393418A CN105046644A CN 105046644 A CN105046644 A CN 105046644A CN 201510393418 A CN201510393418 A CN 201510393418A CN 105046644 A CN105046644 A CN 105046644A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- image
- ultrasonoscopy
- linear dependence
- transformation matrix
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 71
- 230000009466 transformation Effects 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000002247 constant time method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 210000000056 organ Anatomy 0.000 claims description 7
- 238000011524 similarity measure Methods 0.000 claims description 4
- 230000002792 vascular Effects 0.000 claims description 4
- 230000004927 fusion Effects 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract 3
- 238000010276 construction Methods 0.000 abstract 1
- 238000003745 diagnosis Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000002675 image-guided surgery Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 208000019155 Radiation injury Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开一种基于线性相关性的超声与CT图像配准方法和***,该方法包括:建立线性相关性测度;根据超声图像纹理信息,预设超声与CT图像配准变换矩阵;优化变换矩阵,计算得到线性相关性测度最优值;根据变换矩阵参数,改变超声图像空间位姿,超声图像与CT图像融合。该***包括:相似性测度构建模块、初始状态设置模块、变换矩阵优化模块、融合显示模块。本发明能够快速精准的完成超声与CT图像配准,为临床病灶诊疗提供理论指导。
Description
技术领域
本发明涉及医学技术领域,具体涉及一种基于线性相关性的超声与CT图像配准方法与***。
背景技术
图像引导手术导航利用医学成像计算和计算机图像技术,在术前对扫描得到的患者医学图像进行人体组织器官和病灶的分割识别、三维重建与可视化,临床医生可以通过获取的图像进行最优手术路径规划以及临床手术模拟;在术中可以对术前获取的医学图像和患者真实的物理空间进行配准,将术前医学图像、术中患者实际***以及手术器械转换到同一空间三维坐标系中,根据定位设备实时定位手术器械在人体组织以及病灶中的相对位置,实时融合显示它们之间的关系。临床医生可以通过融合显示的图像从各个角度实时观测到手术器械在组织和病灶中的位姿以及各种参数(例如角度、深度等),从而最大限度的避开人体重要组织器官(例如大血管等),在最短的时间内从最优手术路径到达病灶进行精准手术治疗。超声图像凭借着实时、无创、无电离辐射等优势,成为目前临床常用的术中成像设备,超声引导手术导航技术也因此迅速发展起来。由于超声成像机理的限制,超声二维图像分辨率低、成像视野狭窄,并且包含特有的斑点噪声,所以很难通过超声二维图像准确的识别并判断出病灶在人体中的位置。相比于超声二维图像,电子计算机断层扫描(ComputedTomography,CT)图像是三维图像,成像分辨率高、成像视野宽,从CT图像中能够准确识别分割出人体组织器官大部分病灶,但是获取CT图像时一方面对患者有辐射伤害,另一方面不能够术中实时成像,所以不能够作为术中手术导航***的引导图像。因此,结合超声二维图像和CT图像的成像特点,在图像引导手术导航***的临床应用中,将超声二维图像作为术中引导图像,临床医生可以通过超声二维图像来实时定位手术器械,并将术中实时超声图像与术前CT图像进行配准,完成超声图像与CT图像的融合显示,辅助临床医生定位人体组织器官和病灶的位置。
发明内容
本发明实施例所要解决的技术问题在于,提供一种基于线性相关性的超声与CT图像配准方法和***,能够完成二维超声图像与三维CT图像的精确配准。
为解决上述技术问题,本发明实施例提供了一种基于线性相关性的超声与CT图像配准方法,包括:
建立线性相关性测度,计算超声图像与CT图像之间的相似性;
根据超声图像纹理信息,预设超声与CT图像配准变换矩阵;
优化变换矩阵,计算得到线性相关性测度最优值;
根据变换矩阵参数,改变超声图像空间位姿,超声图像与CT图像融合。
在本发明的其他方案中,线性相关性测度将超声反射系数引入到超声与CT图像相似性测度中。
在本发明的其他方案中,超声图像与CT图像之间的相似性是计算超声与CT图像中相对应的感兴趣区域之间的差异。
在本发明的其他方案中,超声图像纹理信息包括超声图像中的人体组织器官边界、血管分叉点。
在本发明的其他方案中,变换矩阵的优化是改变变换矩阵中7个参数值。
在本发明的其他方案中,线性相关性测度的最优值是指超声图像根据变换矩阵改变空间位置后,与CT图像中感兴趣区域差异值最小。
在本发明的其他方案中,超声图像与CT图像融合是指,根据预设的透明度,超声图像与CT图像感兴趣区域叠加显示。
本发明实施例还提供了一种基于线性相关性的超声与CT图像配准***,包括:
相似性测度构建模块,其建立线性相关性测度,计算超声图像与CT图像之间的相似性;
初始状态设置模块,其根据超声图像纹理信息,预设超声与CT图像配准变换矩阵;
变换矩阵优化模块,其优化变换矩阵,计算得到线性相关性测度最优值;
融合显示模块,其根据变换矩阵参数,改变超声图像空间位姿,超声图像与CT图像融合。
利用本发明,能够完成二维超声图像与三维CT图像的精确配准。
附图说明
图1是本发明所提出基于线性相关性的超声与CT图像配准方法的工作流程图;
图2是本发明所提出的基于线性相关性的超声与CT图像配准方法的超声与CT图像配准的示意图;
图3是本发明所提出的超声图像与CT图像融合显示的示意图。其中,(a)是超声图像,(b)是CT图像,(c)是超声图像与CT图像融合显示;
图4是本发明实施例的基于线性相关性的超声与CT图像配准***的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
图1为本发明实施例的基于线性相关性的超声与CT图像配准方法的流程示意图,具体步骤包括:
步骤S1,
建立线性相关性测度,计算超声图像与CT图像之间的相似性。
定义超声图像与CT图像的相关比率相似度为:
其中,U表示超声图像,μ表示CT图像,T表示超声/CT图像配准矩阵,f表示超声二维图像U与CT切片μ之间的映射函数,Ω表示图像的大小。假设映射函数f是线性函数,表示为:
f(μ)=αμ+β
在超声图像中存在很多大范围的反射和组织器官的回波,而CT图像不存在反射和回声信息,将超声波反射系数r引入到超声/CT图像配准的相似度评估标准中。定义
表示一个像素的灰度值,那么像素灰度值计算函数式可以写为:
fxi=αpi+βri+γ
保证未知参数α、β和γ最小化
其中,
在上述中,超声图像与CT图像之间的相似性可以是计算超声与CT图像中相对应的感兴趣区域之间的差异。当然,还可以基于其他的标准。
步骤S2,
根据超声图像纹理信息,预设超声与CT图像配准变换矩阵。
超声图像纹理信息可以包括超声图像中的人体组织器官边界、血管分叉点,这些超声图像纹理信息通过图像分割方法得到。
步骤S3,
优化变换矩阵,计算得到线性相关性测度最优值。
定义超声/CT图像初始配准矩阵为G0,一般情况下,G0不是使得评估标准测度达到最优值的矩阵,然后设置配准矩阵优化搜索的方向和步长,在配准矩阵不断迭代优化时,超声/CT图像的相似度评估标准不断变化G1,G2,...,Gn。配准矩阵迭代优化公式可以表达为:
Gk=Gk+1+aksk
其中,s表示配准矩阵优化搜索的方向向量,a表示步长。
把优化计算超声/CT图像配准矩阵的过程分解为配准矩阵迭代变化过程,将每一次配准矩阵的迭代表示为一个包含n+1个参数的一维向量,在配准矩阵迭代过程中,以初始配准矩阵G0为原点,在n个方向上进行配准矩阵优化,并计算超声/CT图像相似度评估标准函数,选取相似度评估标准最优的配准矩阵G,然后计算从G0到G配准矩阵变化中相似度评估标准最优的配准矩阵G',以G'作为新的原点,继续进行配准矩阵的迭代变化。如图2所示,示意地给出了超声与CT图像配准结果。
其中,线性相关性测度的最优值可以是指超声图像根据变换矩阵改变空间位置后,与CT图像中感兴趣区域差异值最小。
步骤S4,
根据变换矩阵参数,改变超声图像空间位姿,超声图像与CT图像融合。
优化计算得到超声与CT图像配准变换矩阵后,根据变换矩阵参数,改变用于配准的超声图像空间位姿。根据预设的超声图像与CT图像透明度,将超声图像与CT图像同时显示,完成超声图像与CT图像融合显示。如图3所示,示意地给出了超声图像与CT图像融合结果。超声图像与CT图像融合可以是指,根据预设的透明度,超声图像与CT图像感兴趣区域叠加显示。
图4是本发明实施例的基于线性相关性的超声与CT图像配准***的结构示意图。如图4所示,基于线性相关性的超声与CT图像配准***包括相似性测度构建模块、初始状态设置模块、变换矩阵优化模块、融合显示模块。
1、相似性测度构建模块
建立线性相关性测度,计算超声图像与CT图像之间的相似性。
定义超声图像与CT图像的相关比率相似度为:
其中,U表示超声图像,μ表示CT图像,T表示超声/CT图像配准矩阵,f表示超声二维图像U与CT切片μ之间的映射函数,Ω表示图像的大小。假设映射函数f是线性函数,表示为:
f(μ)=αμ+β
在超声图像中存在很多大范围的反射和组织器官的回波,而CT图像不存在反射和回声信息,将超声波反射系数r引入到超声/CT图像配准的相似度评估标准中。定义
表示一个像素的灰度值,那么像素灰度值计算函数式可以写为:
fxi=αpi+βri+γ
保证未知参数α、β和γ最小化
其中,
2、初始状态设置模块
根据超声图像纹理信息,预设超声与CT图像配准变换矩阵。
超声图像纹理信息包括超声图像中的人体组织器官边界、血管分叉点,这些超声图像纹理信息通过图像分割方法得到。
3、变换矩阵优化模块
优化变换矩阵,计算得到线性相关性测度最优值。
定义超声/CT图像初始配准矩阵为G0,一般情况下,G0不是使得评估标准测度达到最优值的矩阵,然后设置配准矩阵优化搜索的方向和步长,在配准矩阵不断迭代优化时,超声/CT图像的相似度评估标准不断变化G1,G2,...,Gn。配准矩阵迭代优化公式可以表达为:
Gk=Gk+1+aksk
其中,s表示配准矩阵优化搜索的方向向量,a表示步长。
把优化计算超声/CT图像配准矩阵的过程分解为配准矩阵迭代变化过程,将每一次配准矩阵的迭代表示为一个包含n+1个参数的一维向量,在配准矩阵迭代过程中,以初始配准矩阵G0为原点,在n个方向上进行配准矩阵优化,并计算超声/CT图像相似度评估标准函数,选取相似度评估标准最优的配准矩阵G,然后计算从G0到G配准矩阵变化中相似度评估标准最优的配准矩阵G',以G'作为新的原点,继续进行配准矩阵的迭代变化。如图2所示,示意地给出了超声与CT图像配准结果。
4、融合显示模块
根据变换矩阵参数,改变超声图像空间位姿,超声图像与CT图像融合。
优化计算得到超声与CT图像配准变换矩阵后,根据变换矩阵参数,改变用于配准的超声图像空间位姿。根据预设的超声图像与CT图像透明度,将超声图像与CT图像同时显示,完成超声图像与CT图像融合显示。如图3所示,示意地给出了超声图像与CT图像融合结果。
当然,以上所述是本发明的优选实施方式。为方便说明起见,使用了步骤S1、S2等序号,但是应该认识到的是,这些步骤本身还可以包括其他过程,这些步骤之间还可以有其他步骤,这也在本发明的保护范围之内。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于线性相关性的超声与CT图像配准方法,其特征在于,包括:
建立线性相关性测度,计算超声图像与CT图像之间的相似性;
根据超声图像纹理信息,预设超声与CT图像配准变换矩阵;
优化变换矩阵,计算得到线性相关性测度最优值;
根据变换矩阵参数,改变超声图像空间位姿,超声图像与CT图像融合。
2.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法,其特征在于,线性相关性测度将超声反射系数引入到超声与CT图像相似性测度中。
3.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法,其特征在于,超声图像与CT图像之间的相似性是计算超声与CT图像中相对应的感兴趣区域之间的差异。
4.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法,其特征在于,超声图像纹理信息包括超声图像中的人体组织器官边界、血管分叉点。
5.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法,其特征在于,变换矩阵的优化是改变变换矩阵中7个参数值。
6.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法,其特征在于,线性相关性测度的最优值是指超声图像根据变换矩阵改变空间位置后,与CT图像中感兴趣区域差异值最小。
7.根据权利要求1所述的基于线性相关性的超声与CT图像配准方法,其特征在于,超声图像与CT图像融合是指,根据预设的透明度,超声图像与CT图像感兴趣区域叠加显示。
8.一种基于线性相关性的超声与CT图像配准***,其特征在于,包括:
相似性测度构建模块,其建立线性相关性测度,计算超声图像与CT图像之间的相似性;
初始状态设置模块,其根据超声图像纹理信息,预设超声与CT图像配准变换矩阵;
变换矩阵优化模块,其优化变换矩阵,计算得到线性相关性测度最优值;
融合显示模块,其根据变换矩阵参数,改变超声图像空间位姿,超声图像与CT图像融合。
9.根据权利要求8所述的基于线性相关性的超声与CT图像配准***,其特征在于,线性相关性测度将超声反射系数引入到超声与CT图像相似性测度中。
10.根据权利要求8所述的基于线性相关性的超声与CT图像配准***,其特征在于,超声图像与CT图像之间的相似性是计算超声与CT图像中相对应的感兴趣区域之间的差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510393418.8A CN105046644B (zh) | 2015-07-06 | 2015-07-06 | 基于线性相关性的超声与ct图像配准方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510393418.8A CN105046644B (zh) | 2015-07-06 | 2015-07-06 | 基于线性相关性的超声与ct图像配准方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046644A true CN105046644A (zh) | 2015-11-11 |
CN105046644B CN105046644B (zh) | 2021-08-13 |
Family
ID=54453164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510393418.8A Active CN105046644B (zh) | 2015-07-06 | 2015-07-06 | 基于线性相关性的超声与ct图像配准方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046644B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858479A (zh) * | 2018-07-10 | 2019-06-07 | 上海其高电子科技有限公司 | 基于图像配准的机动车违法鸣笛抓拍*** |
CN111292248A (zh) * | 2018-12-10 | 2020-06-16 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法及超声融合导航*** |
CN112043377A (zh) * | 2020-10-12 | 2020-12-08 | 中国人民解放军总医院第五医学中心 | Ct任意切面超声视野模拟辅助消融路径规划方法及*** |
CN112155733A (zh) * | 2020-09-29 | 2021-01-01 | 苏州微创畅行机器人有限公司 | 可读存储介质、骨建模配准***及骨科手术*** |
CN113056770A (zh) * | 2018-08-29 | 2021-06-29 | 新加坡科技研究局 | 器官中的病变定位 |
CN113160221A (zh) * | 2021-05-14 | 2021-07-23 | 深圳市奥昇医疗科技有限责任公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113393505A (zh) * | 2021-06-25 | 2021-09-14 | 浙江商汤科技开发有限公司 | 图像配准方法、视觉定位方法及相关装置、设备 |
CN114219889A (zh) * | 2021-11-04 | 2022-03-22 | 华南理工大学 | 一种基于ct与超声融合的脊柱在体准静态三维测量方法 |
CN116580033A (zh) * | 2023-07-14 | 2023-08-11 | 卡本(深圳)医疗器械有限公司 | 一种基于图像块相似性匹配的多模态医学图像配准方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007100145A1 (ja) * | 2006-02-28 | 2007-09-07 | Sony Corporation | 登録装置、照合装置、抽出方法及びプログラム |
CN101305395A (zh) * | 2005-11-10 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 基于点的自适应弹性图像配准 |
CN103190078A (zh) * | 2010-09-03 | 2013-07-03 | 数字标记公司 | 用于估计信号间的变换的信号处理器及方法 |
CN103295455A (zh) * | 2013-06-19 | 2013-09-11 | 北京理工大学 | 基于ct影像模拟与定位的超声培训*** |
CN103310458A (zh) * | 2013-06-19 | 2013-09-18 | 北京理工大学 | 结合凸包匹配和多尺度分级策略的医学图像弹性配准方法 |
CN103455989A (zh) * | 2013-09-24 | 2013-12-18 | 南京大学 | 一种结合超声图像提高有限角度ct成像质量的方法 |
CN103503025A (zh) * | 2011-02-25 | 2014-01-08 | 弗劳恩霍夫应用研究促进协会 | 基于对对象的模型进行变换来确定模型参数 |
-
2015
- 2015-07-06 CN CN201510393418.8A patent/CN105046644B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101305395A (zh) * | 2005-11-10 | 2008-11-12 | 皇家飞利浦电子股份有限公司 | 基于点的自适应弹性图像配准 |
WO2007100145A1 (ja) * | 2006-02-28 | 2007-09-07 | Sony Corporation | 登録装置、照合装置、抽出方法及びプログラム |
CN103190078A (zh) * | 2010-09-03 | 2013-07-03 | 数字标记公司 | 用于估计信号间的变换的信号处理器及方法 |
CN103503025A (zh) * | 2011-02-25 | 2014-01-08 | 弗劳恩霍夫应用研究促进协会 | 基于对对象的模型进行变换来确定模型参数 |
CN103295455A (zh) * | 2013-06-19 | 2013-09-11 | 北京理工大学 | 基于ct影像模拟与定位的超声培训*** |
CN103310458A (zh) * | 2013-06-19 | 2013-09-18 | 北京理工大学 | 结合凸包匹配和多尺度分级策略的医学图像弹性配准方法 |
CN103455989A (zh) * | 2013-09-24 | 2013-12-18 | 南京大学 | 一种结合超声图像提高有限角度ct成像质量的方法 |
Non-Patent Citations (2)
Title |
---|
JONGHYE WOO 等: "Multimodal Registration via Mutual Information", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
冯兆美: "基于互信息的医学图像非刚性配准研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858479A (zh) * | 2018-07-10 | 2019-06-07 | 上海其高电子科技有限公司 | 基于图像配准的机动车违法鸣笛抓拍*** |
CN113056770A (zh) * | 2018-08-29 | 2021-06-29 | 新加坡科技研究局 | 器官中的病变定位 |
CN111292248B (zh) * | 2018-12-10 | 2023-12-19 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法及超声融合导航*** |
CN111292248A (zh) * | 2018-12-10 | 2020-06-16 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法及超声融合导航*** |
CN112155733A (zh) * | 2020-09-29 | 2021-01-01 | 苏州微创畅行机器人有限公司 | 可读存储介质、骨建模配准***及骨科手术*** |
CN112155733B (zh) * | 2020-09-29 | 2022-01-28 | 苏州微创畅行机器人有限公司 | 可读存储介质、骨建模配准***及骨科手术*** |
CN112043377A (zh) * | 2020-10-12 | 2020-12-08 | 中国人民解放军总医院第五医学中心 | Ct任意切面超声视野模拟辅助消融路径规划方法及*** |
CN113160221A (zh) * | 2021-05-14 | 2021-07-23 | 深圳市奥昇医疗科技有限责任公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113393505A (zh) * | 2021-06-25 | 2021-09-14 | 浙江商汤科技开发有限公司 | 图像配准方法、视觉定位方法及相关装置、设备 |
CN113393505B (zh) * | 2021-06-25 | 2023-11-03 | 浙江商汤科技开发有限公司 | 图像配准方法、视觉定位方法及相关装置、设备 |
CN114219889A (zh) * | 2021-11-04 | 2022-03-22 | 华南理工大学 | 一种基于ct与超声融合的脊柱在体准静态三维测量方法 |
CN116580033A (zh) * | 2023-07-14 | 2023-08-11 | 卡本(深圳)医疗器械有限公司 | 一种基于图像块相似性匹配的多模态医学图像配准方法 |
CN116580033B (zh) * | 2023-07-14 | 2023-10-31 | 卡本(深圳)医疗器械有限公司 | 一种基于图像块相似性匹配的多模态医学图像配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105046644B (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046644A (zh) | 基于线性相关性的超声与ct图像配准方法和*** | |
CN112215843B (zh) | 超声智能成像导航方法、装置、超声设备及存储介质 | |
Boctor et al. | Rapid calibration method for registration and 3D tracking of ultrasound images using spatial localizer | |
US5608849A (en) | Method of visual guidance for positioning images or data in three-dimensional space | |
US20200194117A1 (en) | Systems, methods, and media for remote trauma assessment | |
CN107106241B (zh) | 用于对外科器械进行导航的*** | |
CN103607959B (zh) | 用于三维超声中导管的可视化的mpr 切片选择 | |
US20160174934A1 (en) | Method and system for guided ultrasound image acquisition | |
CN109584350A (zh) | 医学诊断成像中的测量点确定 | |
US9554772B2 (en) | Non-invasive imager for medical applications | |
US20090306509A1 (en) | Free-hand three-dimensional ultrasound diagnostic imaging with position and angle determination sensors | |
EP3400878B1 (en) | Method for postural independent location of targets in diagnostic imagines acquired by multimodal acquisitions and system for carrying out the said method | |
US11064979B2 (en) | Real-time anatomically based deformation mapping and correction | |
US10980509B2 (en) | Deformable registration of preoperative volumes and intraoperative ultrasound images from a tracked transducer | |
CN110956076B (zh) | 基于容积渲染在三维超声数据中进行结构识别的方法和*** | |
CN107592802A (zh) | 通过解剖模型增强引导腹腔镜手术过程的***和方法 | |
CN102846378A (zh) | 一种三维成像超声诊断探头的定位装置及方法 | |
US10952705B2 (en) | Method and system for creating and utilizing a patient-specific organ model from ultrasound image data | |
CN111035408A (zh) | 用于超声探头定位反馈的增强的可视化的方法和*** | |
CN110087550A (zh) | 一种超声图像显示方法、设备及存储介质 | |
JP7075854B2 (ja) | 超音波診断装置及び表示方法 | |
CN107106128A (zh) | 用于分割解剖目标的超声成像装置和方法 | |
US9633433B1 (en) | Scanning system and display for aligning 3D images with each other and/or for detecting and quantifying similarities or differences between scanned images | |
Lorenz et al. | Automated abdominal plane and circumference estimation in 3D US for fetal screening | |
US20230036897A1 (en) | A method and system for improved ultrasound plane acquisition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |