CN106415658A - 使用相位相关对存在非刚性变形的医学图像的单模态和多模态对准 - Google Patents
使用相位相关对存在非刚性变形的医学图像的单模态和多模态对准 Download PDFInfo
- Publication number
- CN106415658A CN106415658A CN201480073644.1A CN201480073644A CN106415658A CN 106415658 A CN106415658 A CN 106415658A CN 201480073644 A CN201480073644 A CN 201480073644A CN 106415658 A CN106415658 A CN 106415658A
- Authority
- CN
- China
- Prior art keywords
- registering
- volume
- image
- patient
- voxel
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
-
- 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
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
相位相关法(PCM)可以用于对甚至患者的配准体积的第一和第二图像之间存在非刚性变形的3D医学图像进行平移和/或旋转对准。
Description
相关申请的交叉参考
本申请请求2013年12月3日提交的美国临时申请No.61/911,379的优先权,将该临时申请公开的内容通过引用并入本文。
技术领域
本文描述的主题涉及使用相位相关作为工具以对存在非刚性变形的医学图像进行单模态和多模态平移对准。
背景技术
在许多医学成像操作例如图像配准、图像融合、多帧成像等中,平移图像对准是基本的和通常使用的预处理步骤。在许多应用中,对准算法快速并对噪声稳健是至关重要的。当在图像中存在有小变形(例如,由于患者呼吸和器官移动产生的变形)或当不同类型的成像模态产生要被配准的两个图像时,图像对准的问题甚至变得更加具有挑战性。在这样的情况下,基于强度的相似性测量可能展现非凸行为,其使得问题难以进行优化。这样的困难的例子示意于图1中,其示出了曲线图100,曲线图100描绘了对于患者身体的骨盆区域的一对图像作为沿患者轴线的平移位移的函数的交叉相关相似性测量的值。图1的曲线图100除了其他方面之外还示出了,利用基于梯度的优化方案,局部极大值的存在可能如何造成求解全局极大值中的困难。
发明内容
与当前主题的实现方式一致,相位相关法(PCM)可以被可靠地用于在数据集中存在非刚性变形的3D医学图像的平移和/或旋转对准。
在一个方面中,一种方法包括使用相位相关法将在第一时间获取的患者的第一配准体积的第一医学图像和在第二时间获取的患者的第二配准体积的第二医学图像进行比较。所述比较包括计算在共同配准栅格中正确对准第一和第二医学图像要求的平移和旋转中的至少一者。所述方法还包括基于所述计算确定对患者的物理位置和物理取向中的至少一者的改变。所述改变校正成像于第二图像中的患者的第二位置以更接近地符合成像于第一图像中的患者的第一位置。输出所述改变。
在可选的变型中,下列特征中的一个或多个可以包括在任意可行的组合中。可以使用相同的成像模态或不同的成像模态获得第一图像和第二图像。可以对第一配准体积和第二配准体积进行下采样以创建具有比第一配准体积和第二配准体积中的任一者低的分辨率的共同配准栅格。可替换地或额外地,可以确定第一配准体积和第二配准体积包括不同的分辨率以及第一配准体积和/或第二配准体积可以在共同配准栅格上被重采样。沿共同配准栅格的每个维度的共同分辨率可以被设置为第一配准体积的第一初始分辨率和第二配准体积的第二初始分辨率中的较低的一者。
所述比较可以包括识别第一配准体积和第二配准体积的归一化互功率谱中的峰值。识别归一化互功率谱中的峰值可以包括找到归一化互功率谱的傅里叶变换的最大强度以及从具有比阈值大的强度的多个体素中选择一体素,该体素周围的邻域体素的体素强度的和最高。邻域体素可以在限定为沿共同配准栅格的每个维度的多个体素的一部分的窗口中。所述方法还可以包括通过计算邻域体素的体素强度的质心来改善峰值的位置。
在一些变型中,可以将所述改变应用到患者的物理位置和/或物理取向,并且可以在应用改变之后对患者执行医疗程序。医疗程序可以包括辐射治疗和手术程序中的至少一者。
描述了与该方案一致的***和方法,并描述了包括被有形地实施的机器可读介质的物件,所述被有形地实施的机器可读介质可进行操作以使得一个或多个机器(例如,计算机等)产生本文描述的操作。类似地,还描述了可包括处理器和联接到处理器的存储器的计算机***。存储器可以包括使得处理器执行本文描述的一个或多个操作的一个或多个程序。
与当前主题的实现方式一致的***可以可选地包括用于生成第一和第二医学图像的一个或多个成像设备(例如,MR、CT等)。***不必包括这样的设备。例如,第一和第二医学图像可以通过其他成像设备生成并且可以将图像(或代表图像的至少一个或多个数据集)转移到执行本文描述的操作的计算机硬件。
本文描述的主题的一个或多个变型的细节在附图和下面的描述中阐述。根据所述描述和图并根据权利要求,将明了本文描述的主题的其他特征和优点。
附图说明
结合于本说明书并且组成其一部分的附图示出了本文描述的主题的某些方面,并且与所述描述一起有助于说明与公开的实现方式关联的一些原理。在附图中:
图1示出了曲线图,该曲线图描绘了对于患者身体的骨盆区域的一对图像作为沿患者轴线的平移位移的函数的交叉相关相似性测量的值;
图2示出了参数例如配准数据集的表格;
图3示出了一系列图像,其示意了使用与当前主题的实现方式一致的PCM方案对单模态MR数据集平移对准,描绘了在PCM配准之前体积的初始位置(例如,沿患者轴线未对准);
图4示出了一系列图像,其示意了使用与当前主题的实现方式一致的PCM方案对单模态MR数据集平移对准,描绘了在应用PCM偏移之后的配准体积;
图5示出了一系列图像,示意了与当前主题的实现方式一致的对多模态MR/CT数据集平移对准;
图6和图7示出了曲线图,其描绘了与当前主题的实现方式一致的获得的PCM偏移周围的CC和MI配准代价函数的行为;
图8示出了表格,其列出了对于在图2的表格中列出的数据集的配准结果;
图9示出了表格,其包括借助与当前主题的实现方式一致的对于每个维度使用2的下采样因子的下采样体积获得的结果;以及
图10示出了流程图,该流程图示意了具有与当前主题的实现方式一致的一个或多个特征的方法的各个方面。
在实际中,相似的参考编号指示相似的结构、特征或元素。
具体实施方式
与当前主题一致的方案可以用于单模态及多模态图像配准,例如用于配准使用相同或不同模态捕获的两个图像,其中可能的模态包括但不限于磁共振(MR)、计算机断层扫描(CT)等。可以使用作为配准代价函数的互相关(CC)和相互强度(MI)的基于强度的相似性测量(SM)来量化配准质量。借助于当前主题的实现方式一致的PCM获得的代价函数值可以与借助穷尽搜索找到的最优值相比并且产生良好的吻合。获得的PCM偏移可以接近地匹配使用穷尽搜索找到的最优偏移,两者都用于单模态(例如,MR到MR、CT到CT等)配准和多模态(例如,MR到CT等)配准。因此,与当前主题的实现方式一致的PCM可以成为具有像素级精确度的用于粗图像对准的高效和稳健的方法。算法的简单性连同其小计算复杂度可以使得其成为用于医疗图像处理中快速初始对准工具的有利选择。
相位相关法(PCM)是用于图像对准的高效和对于噪声稳健的算法,其最初用于估计位移的图像之间的平移的整像素偏移。之后,通过使用图像的对数极坐标变换,该算法还被扩展到对旋转和缩放的2D图像起作用。由于在3D情况下没有将旋转转换到平移的坐标变换,因此PCM对组合的平移、旋转和缩放估计的一般化在3D的情况下是不可能的。然而,通过利用伪极坐标(pseudopolar)傅里叶变换并且可替换地通过应用称之为柱面相位相关法(CPCM)的迭代优化程序,所述方法被扩展到配准3D平移和旋转的体积。在后一种方案中,通过将PCM应用到在柱面上映射的图像而迭代地估计绕不同轴线的旋转角。
与当前主题的实现方式一致,PCM以其初始形式的应用被用于可靠地并且在计算上相对廉价地对准不仅被平移而且相对于彼此变形的3D体积对。该算法在应用到多模态MR/CT图像配准时产生非常良好的结果并且可以就两个共同地被使用的基于强度的相似性测量提供次优结果。最优偏移(例如,通过穷尽搜索发现的偏移)和通过与当前主题的实现方式一致的PCM识别的偏移之间的差很小。当前主题的使用可以进一步拓宽PCM在两个或更多个医学图像的对准的临床实践中的应用。
相位相关法(PCM)基于基本傅里叶偏移理论。该理论陈述了:信号f(t)延迟(偏移)间隔τ相当于将该信号的傅里叶变换F(ω)乘以e-iωτ,例如,如等式1所表达的:
f(t-τ)=e-iωτF(ω) (1)
因此,如果两个体积A和B是彼此偏移的版本(即,),则它们的归一化互功率谱简化成如在等式2中的表达:
其中和是图像A和B的傅里叶变换,并且是的复共轭。计算归一化互功率谱的傅里叶逆变换给出克罗内克德尔塔(Kronecker delta)函数,确切地居中在位移其为归一化互功率谱的峰值。克罗内克德尔塔函数可以在等式3中表达为:
在第二图像B是第一图像A的平移的复本的理想情况下,峰值的位置识别图像之间确切的平移未对准。然而,由于噪声和/或变形一般存在于真实图像中,因此峰值通常散布在邻域体素周围。同时,混叠伪影和边缘效应可额外地使峰值的质量降级。由于对方案的基本假设——被配准的两个图像相同(到一些随机噪声存在于两个图像中的程度)——无效,因此用于提高PCM峰值的清晰度和锐度并用于到达子像素精确度的先前可用的方案一般不能直接应用于变形的体积和多模态图像配准的情况。因此,对于医学成像中的配准应用,可以考虑像素级对准精确度。在与当前主题一致的一种实现方式中,可以借助在下面更加详细地讨论的简单的阈值处理技术来识别峰值的位置。
再现于图2中的参数200的表格示出了关于用于实验验证当前主题的各个方面的配准数据集的各种信息。第一列包含数据集的识别名称,第二列包括对于对应数据集的配准的类型,“体积1”和“体积2”列包含关于被配准的两个3D体积的信息(成像模态、体素的数量和体素大小),并且最后一列给出关于患者的身体构造的哪一部分被扫描的信息。从对人类患者的真实扫描获得所有数据集。每个数据集包含对相同患者的两个不同扫描中获得的两个未对准的3D体积对。不同的数据集覆盖患者身体的不同部分并且可以在所有三个方向上展现大的平移位移。由于患者呼吸和移动,所以对胸和腹部分的扫描也经受变形。在数据集中的一些中,用于两个扫描的成像模态不同。
以与当前主题的实现方式一致的方式用于对准未对准的图像的PCM的性能在三个场景中进行考察,在下面更加具体地讨论这三个场景。在第一场景中,PCM被用于对准借助相同的成像模态获得的变形的体积(图2的表200中的数据集“DS1”、“DS2”、“DS3”和“DS4”)。所有这些数据集通过MR扫描产生。在第二场景中,PCM被用于配准多模态MR/CT对(图2的表200中的数据集“DS5”、“DS6”、“DS7”和“DS8”)。在MR扫描中,患者躺在上面的睡椅和头部支撑件不可见。为了消除由于这些对象存在于CT数据中的任何影响,它们被手动从CT扫描中裁剪掉。对归因于睡椅和头部支撑件存在于CT扫描中的配准结果的影响在第三场景中进行考察(图2的表200中的数据集“DS5C”、“DS6C”、“DS7C”和“DS8C”)。除了在该情况下不从CT扫描中裁剪掉睡椅和头部支撑件之外,数据集实际上与在第二场景中使用的数据集相同。
由于存在于配准数据集中的变形,难以限定对于在该工作中使用的数据集的最优对准偏移。因此,为了评估PCM配准的精确性,使用两个相似性测量作为配准代价函数:互相关系数(CC)和两个体积A和B之间的交互信息(MI),例如在等数4和5中表达为:
此处,Ai和Bi是体积A和B中第i个体素的图像强度,P(Ai,Bj)是两个体积中的体素强度的联合概率密度函数,并且p(Ai)和p(Bj)分别是A和B的边缘概率密度函数。具有16×16竖条(bins)的直方图用于评估P(Ai,Bj)。将在应用来自PCM的偏移之后获得的相似性测量与在PCM偏移周围的偏移的大栅格上借助穷尽搜索找到的最优(最大)的测量值进行比较。为了该工作的目的而选择了CC和MI配准度量。CC度量一般适用于单模态图像配准,而MI度量更适用于多模态配准。
在一个实现方式中,可以以软件(例如,C++等)实现与当前主题的实现方式一致的PCM算法。可以使用FFTW3库来执行快速傅里叶变换(FFT)。如果第一和第二图像中的第一和第二配准体积具有不同的分辨率(例如,不同数量的体素和/或不同的体素大小),则可以在共同配准栅格上重采样配准体积。沿共同配准栅格的每个维度的分辨率被设置为在两个初始分辨率(例如,第一配准体积的第一初始分辨率或者第二配准体积的第二初始分辨率)中对于该维度的较低分辨率。可以使用三线插值来执行重采样。重采样和3D FFT可以是多线程的以加速执行。其他计算方案也在当前主题的范围内。
一些实现方式包含在应用PCM之前的可选的预处理步骤,在该预处理步骤中在配准数据集的两个配准体积中的每一个中识别患者的皮肤表面。在所述表面外侧的所以体素可以被归零以减小噪声和其他假像对配准结果的影响。可以通过将行进正方形(marching square)算法应用到体积的所有横断切片来自动检测皮肤表面。行进正方形算法的等值面可以设置为体积中体素平均强度的0.5倍。
可以通过首先找到最大强度qmax来执行对矩阵(见等式3)中的峰值的识别。然后,在具有大于阈值(例如,0.9×qmax)的强度的所有体素当中,可以选择在体素周围的小窗口(例如,邻域体素)中体素的强度的和为最高这样的体素。窗口的大小为(wNx)×(wNy)×(wNz),其中w=0.05(或者某个其他分数)并且Nx、Ny和Nz为沿配准栅格的每个维度的体素的数量。可以通过计算窗口内部矩阵中的体素强度的质心来进一步改善峰值(即,平移偏移)的位置。
对于示意性示例的PCM配准的性能可以首先通过在视觉上检查配准体积来进行评估。为了进行检查,将两个体积覆盖在共同栅格上。第一体积以第一颜色(例如,红色)标绘并且第二体积以第二颜色(例如,绿色)标绘。以这种方式,覆盖区域反映颜色的混合,而未匹配的区域呈第一颜色或者第二颜色可见。PCM配准的一些示例描绘于图3、图4和图5中。
图3示出了一系列图像300,其示意了使用与本主题的实现方式一致的PCM方案对单模态MR数据集的平移对准,其中示出覆盖了数据集中的两个3D体积的9个横断切片(切片编号示出在每个切片的底部)。系列300示出在应用与当前主题的实现方式一致的PCM配准之前两个体积的初始位置(例如,沿患者轴线未对准)。图4示出了第二图像序列400,在其中在应用与当前主题的实现方式一致的PCM偏移之后配准体积得以更好地被对准。如在图3和图4中示出的,除了小变形的区域之外(其不能借助简单的刚性平移而被配准),在配准之后两个体积对准得很好。
图5示出了示意多模态MR到CT配准的示例的一系列图像500。系列500示出了PCM配准前后的矢状(sagital)、头颅(coronal)和横断(transverse)切片。该示例示意了对于两个体积强烈未对准的情况下与当前主题的实现方式一致的PCM方案的良好性能。注意,甚至即使不从CT扫描中裁剪掉CT睡椅和头部支撑件,与当前主题的实现方式一致的PCM方案仍然提供非常良好的配准结果。对于所有其他测试的数据集获得了相似的结果。根据视觉检查,明了的是,PCM配准找到用于配准体积的次优平移偏移。
为了比较获得的偏移和可能的最佳偏移(就配准代价函数来说),可以执行在偏移参数上的穷尽搜索。图6和图7示出了图表600、700,其示意了相对于通过与当前主题的实现方式一致的PCM方案找到的偏移(此后称为“PCM偏移”),对于不同的横断偏移的CC和MI配准代价函数的典型行为。图表600、700中的轴线对应于在通过当前主题的PCM方案找到的初始平移之后被应用到配准体积的附加偏移。为了产生图6和图7的图表600、700,在10×10体素栅格上借助0.5体素的步幅计算了对于横断偏移的两个代价函数。图表600、700中的点的坐标对应于添加到初始PCM偏移的附加偏移。
对于所有测试的数据集的配准结果总结在图8的表800中,表800示出了对于通过PCM找到的偏移的CC和MI值。表800还包含关于CC和MI相似性测量的最优值的信息,CC和MI相似性测量的最优值通过在初始PCM偏移周围的穷尽搜索方案而找到。第一列包含数据集的识别名称,第二列包括关于原始体积在其上重采样的配准栅格的大小的信息,第三和第四列示出在应用获得的PCM偏移之后相似性测量的值,接下来的列示出(需要被添加到PCM偏移)附加偏移和借助在PCM偏移周围的穷尽搜索获得的相似性测量的对应的最优值,并且最后的列包含开发的算法的执行时间。
在表中示出的最优偏移是需要添加到PCM偏移以便获得相似性测量的最优值的附加偏移。可以看到,借助与当前主题的实现方式一致的PCM配准方案获得的偏移与最优偏移非常接近。在许多情况下,在横断平面中的PCM偏移距离最优偏移在1体素(1.5mm)以内。考虑在单模态情况下的CC度量和在多模态情况下的MI度量,对于十二个示例数据集中的九个示例数据集,沿患者轴线存在完美的对准。获得的代价函数值距离最优值一般在1.5%以内。对于胸腹数据集(“DS5”、“DS5C”、“DS7”和“DS7C”)观察了与最优偏移的最大偏离。对于这些特定情况的视觉检查表明,由于在患者身体的该区域中的大的变形,在一些情况下简单的平移可能不足以获得全体空间的良好对准。在这些情况下,与当前主题的实现方式一致的PCM偏移方案和最优偏移都可以提供对身体结构的不同部分的仅局部的对准。
算法对于每个数据集的总执行时间示于图8的表800的最后一列中。可以通过将初始3D体积下采样到较低的分辨率栅格并将与当前主题的实现方式一致的PCM方案应用到下采样的体积来在执行速度方面进一步提高算法的性能。
图9的表900包含借助下采样的体积获得的配准结果。ΔCC和ΔMI列示出借助和不借助下采样步骤获得的相应的配准代价函数之间的相对差值——正值指示在使用下采样时性能提高,并且最后两列示出在执行下采样时的执行时间和相比于没有下采样的测时结果的对应的加速因子。在该示例中对于每个维度的下采样因子为2。在至少一些情况下,取决于配准栅格的大小,对体积下采样能够以约3到8的因子提高执行速度。下采样不会显著降低配准的质量并且在一些情况下观察到更加的结果。该效果可以通过由于对附近的体素强度进行平均,所以在重采样的体积中由噪声水平较低来进行解释。
图10示出了流程图1000,其示意了可以被包括在与当前主题的实现方式一致的方法中的特征。在1002,使用相位相关法将在第一时间获取的患者的第一配准体积的第一医学图像和在第二时间获取的患者的第二配准体积的第二医学图像进行比较,以计算正确对准第一和第二医学图像要求的平移和旋转中的至少一者。在1004,确定对患者的物理位置和物理取向中的至少一者的改变,用于校正患者的第二位置以更接近地符合第一图像中患者的第一位置。基于计算的正确对准第一医学图像和第二医学图像要求的平移和/或旋转来确定所述改变。可以例如通过将一个或多个参数显示给技术人员或其他用户来输出所述改变。所述显示可以经由打印输出、显示设备等发生。在其他示例中,所述改变的输出可以包括进行命令以例如通过使患者歇息在其上面睡椅或床移动来自动平移和/或旋转患者。在1006,在将确定的改变应用到患者的物理位置和/或物理取向之后,可以可选地对患者执行医疗程序。医疗程序可以包括辐射治疗、手术程序等。
作为示例,可以在第一辐射分次施与之前、过程中、之后等对经受辐射治疗的患者成像。产生的图像可以视为第一医学图像。在将第二辐射分次施与到患者之前,可以对患者成像以产生第二医学图像。本文描述的方案可以用于确定如针对第一辐射分次施与那样,针对第二辐射分次施与,将患者安置在相同的位置和取向需要的患者的平移和/或旋转移动。
本文描述的主题的一个或多个方面或特征可以以数字电子电路、集成电路、特别设计的专用集成电路(ASIC)、现场可编程门阵列(FPGA)的计算机硬件、固件、软件和/或其组合实现。这些各种方面或特征可以包括以一个或多个计算机程序的实现方式,所述计算机程序可以在包括至少一个可编程处理器的可编程***上执行和/或解译,所述可编程处理器可以是专用的或通用的,联接成从存储***、至少一个输入设备和至少一个输出设备接收数据和指令并将数据和指令发送到存储***、至少一个输入设备和至少一个输出设备。
这些计算机程序(也可以称为程序、软件、软件应用、应用、组件或代码)包括用于可编程处理器的机器指令并且以高级过程语言、面向对象的编程语言、功能编程语言、逻辑编程语言和/或以汇编/机器语言来实现。在本文中使用时,术语“机器可读介质”指任何计算机程序产品、装置和/或设备,例如磁盘、光盘、存储器和可编程逻辑器件(PLD),用于将机器指令和/或数据提供给可编程处理器,包括接收机器指令作为机器可读信号的机器可读介质。术语“机器可读信号”指用于将机器指令和/或数据提供给可编程处理器的任何信号。机器可读介质能够非暂态地存储这样的机器指令,例如如同非瞬态固态存储器或磁硬盘驱动器或任何等效的存储介质所能够的。机器可读介质可替换地或额外地可以以瞬态的方式存储这样的机器指令,例如如同处理器高速缓存或与一个或多个物理处理器核关联的其他随机存取存储器所能够的。
为了提供与用户进行交互,本文描述的主题的一个或多个方面或特征可以实现在计算机上,该计算机具有显示设备和键盘和指向设备,其中显示设备例如用于将信息显示给用户的阴极射线管(CRT)或液晶显示器(LCD)或发光二极管(LED)监视器,指向设备例如通过其用户可以将输入提供给计算机的鼠标或轨迹球。其他种类的设备也可以用于提供与用户进行交互。例如,提供给用户的反馈可以是任何形式的感觉反馈,例如视觉反馈、听觉反馈或触觉反馈;并且来自用户的输入可以以任何形式接收,包括但不限于声学、言语或触觉输入。其他可能的输入设备包括但不限于触摸屏或其他触敏设备,例如单点或多点电阻式或电容式轨迹板,语音识别硬件和软件,光学扫描仪,光学指向器,数字图像捕获设备和关联的解译软件等。与分析***(例如,成像***)远离的计算机可以通过有线或无线网络联接到分析***,以使得能够进行分析***和远程计算机之间的数据交换(例如,从分析仪在远程计算机接收数据并发送诸如校准数据、操作参数、软件升级或更新等的信息)以及分析***的远程控制、诊断等。
在上面的描述中并在权利要求中,诸如“……中的至少一个”或“……中的一个或多个”词语之后可以出现元素或特征的连接的清单。术语“和/或”也可以出现在两个或更多个元素或特征的清单中。除非与其使用在其中的上下文以其他方式暗示地或明确地矛盾,这样的词语意指单个地列出的元素或特征中的任意一个或者记载的元素或特征中的任意一个组合其他记载的元素或特征中的任何一个。例如,词语“A和B中的至少一个”、“A和B中的一个或多个”以及“A和/或B”每一个意指“仅仅A、仅仅B、或A和B一起”。相似的解读也用于对于包括三个或跟多个项目的清单。例如,词语“A、B和C中的至少一个;”;“A、B和C中的一个或多个;”和“A、B和/或C”每一个意指“仅仅A、仅仅B、仅仅C、A和B一起、A和C一起、B和C一起、或A和B和C一起”。在上面和在权利要求中对术语“基于”的使用意指“至少部分地基于”,以使得没有记载的特征或元素也是可允许的。
取决于期望的配置,本文描述的主题可以被实施在***、装置、方法和/或物件中。在前面的描述中阐述的实现方式不代表与本文所述的主题一致的所有实现方式。而是,它们仅仅是与本文描述的主题相关的方面一致的一些示例。尽管已经在上面详细描述了若干变型,但是其他修改或添加也是可能的。特别地,除了在本文阐述的那些特征和/或变型之外,还可以提供其他特征和/或变型。例如,在上面描述的实现方式可以针对描述的特征的各种组合和子组合和/或上面公开的若干其他特征的组合和子组合。另外,在附图中描绘的和/或在本文中描述的逻辑流不一定必须要求示出的特定顺序或相继的顺序来实现合意的结果。其他实现方式可在随附的权利要求的范围内。
权利要求书(按照条约第19条的修改)
1.一种方法,其包括:
使用相位相关法将在第一时间获取的患者的第一配准体积的第一医学图像和在第二时间获取的患者的第二配准体积的第二医学图像进行比较,所述第二配准体积相对于所述第一配准体积发生变形,所述比较包括计算在共同配准栅格中正确对准所述第一医学图像和所述第二医学图像所要求的平移和旋转中的至少一者;
基于所述计算确定对患者的物理位置和物理取向中的至少一者的改变,所述改变校正成像于所述第二图像中的患者的第二位置,以更接近地符合成像于所述第一图像中的患者的第一位置;以及
输出所述改变。
2.根据权利要求1所述的方法,还包括:对所述第一配准体积和所述第二配准体积进行下采样,以创建具有比所述第一配准体积和所述第二配准体积中的任一者低的分辨率的共同配准栅格。
3.根据权利要求1或2所述的方法,还包括:
确定所述第一配准体积和所述第二配准体积包括不同的分辨率;以及
在所述共同配准栅格上对所述第一配准体积和/或所述第二配准体积进行重采样。
4.根据权利要求3所述的方法,其中,沿所述共同配准栅格的每个维度的共同分辨率被设置为所述第一配准体积的第一初始分辨率和所述第二配准体积的第二初始分辨率中的较低的一者。
5.根据权利要求1-4中任一项所述的方法,其中,所述比较包括识别所述第一配准体积和所述第二配准体积的归一化互功率谱中的峰值。
6.根据权利要求5所述的方法,其中,识别所述归一化互功率谱中的峰值包括:
找到所述归一化互功率谱的傅里叶变换的最大强度;以及
从具有比阈值大的强度的多个体素中选择一体素,该体素周围的邻域体素的体素强度的和最高。
7.根据权利要求6所述的方法,其中,所述邻域体素在限定为沿所述共同配准栅格的每个维度的多个体素的一部分的窗口中。
8.根据权利要求6-7中任一项所述的方法,还包括:通过计算所述邻域体素的体素强度的质心来改善所述峰值的位置。
9.根据权利要求1-8中任一项所述的方法,还包括:
将所述改变应用到患者的所述物理位置和/或所述物理取向;以及
在应用所述改变之后对患者执行医疗程序。
10.根据权利要求9所述的方法,其中,所述医疗程序包括辐射治疗和手术程序中的至少一者。
11.根据权利要求1-10中任一项所述的方法,其中,使用相同成像模态获得所述第一图像和所述第二图像。
12.根据权利要求1-11中任一项所述的方法,其中,使用不同成像模态获得所述第一图像和所述第二图像。
13.一种计算机程序产品,包括存储指令的机器可读介质,所述指令被至少一个可编程处理器执行时使得所述至少一个可编程处理器执行操作,所述操作包括:
使用相位相关法将在第一时间获取的患者的第一配准体积的第一医学图像和在第二时间获取的患者的第二配准体积的第二医学图像进行比较,所述第二配准体积相对于所述第一配准体积发生变形,所述比较包括计算在共同配准栅格中正确对准所述第一医学图像和所述第二医学图像所要求的平移和旋转中的至少一者;
基于所述计算确定对患者的物理位置和物理取向中的至少一者的改变,所述改变校正成像于所述第二图像中的患者的第二位置,以更接近地符合成像于所述第一图像中的患者的第一位置;以及
输出所述改变。
14.根据权利要求13所述的计算机程序产品,其中,所述操作还包括:对所述第一配准体积和所述第二配准体积进行下采样,以创建具有比所述第一配准体积和所述第二配准体积中的任一者低的分辨率的共同配准栅格。
15.根据权利要求13-14中任一项所述的计算机程序产品,其中,所述操作还包括:
确定所述第一配准体积和所述第二配准体积包括不同的分辨率;以及
在所述共同配准栅格上对所述第一配准体积和/或所述第二配准体积进行重采样。
16.根据权利要求13-15中任一项所述的计算机程序产品,其中,所述比较包括识别所述第一配准体积和所述第二配准体积的归一化互功率谱中的峰值。
17.根据权利要求16所述的计算机程序产品,其中,识别所述归一化互功率谱中的峰值包括:
找到所述归一化互功率谱的傅里叶变换的最大强度;以及
从具有比阈值大的强度的多个体素中选择一体素,该体素周围的邻域体素的体素强度的和最高。
18.一种***,其包括:
计算机硬件,其配置为执行操作,所述操作包括:
使用相位相关法将在第一时间获取的患者的第一配准体积的第一医学图像和在第二时间获取的患者的第二配准体积的第二医学图像进行比较,所述第二配准体积相对于所述第一配准体积发生变形,所述比较包括计算在共同配准栅格中正确对准所述第一医学图像和所述第二医学图像所要求的平移和旋转中的至少一者;
基于所述计算确定对患者的物理位置和物理取向中的至少一者的改变,所述改变校正成像于所述第二图像中的患者的第二位置,以更接近地符合成像于所述第一图像中的患者的第一位置;以及
输出所述改变。
19.根据权利要求18所述的***,还包括用于生成所述第一医学图像和所述第二医学图像的至少一个成像设备。
Claims (19)
1.一种方法,其包括:
使用相位相关法将在第一时间获取的患者的第一配准体积的第一医学图像和在第二时间获取的患者的第二配准体积的第二医学图像进行比较,所述比较包括计算在共同配准栅格中正确对准所述第一医学图像和所述第二医学图像所要求的平移和旋转中的至少一者;
基于所述计算确定对患者的物理位置和物理取向中的至少一者的改变,所述改变校正成像于所述第二图像中的患者的第二位置,以更接近地符合成像于所述第一图像中的患者的第一位置;以及
输出所述改变。
2.根据权利要求1所述的方法,还包括:对所述第一配准体积和所述第二配准体积进行下采样,以创建具有比所述第一配准体积和所述第二配准体积中的任一者低的分辨率的共同配准栅格。
3.根据权利要求1-2所述的方法,还包括:
确定所述第一配准体积和所述第二配准体积包括不同的分辨率;以及
在所述共同配准栅格上对所述第一配准体积和/或所述第二配准体积进行重采样。
4.根据权利要求3所述的方法,其中,沿所述共同配准栅格的每个维度的共同分辨率被设置为所述第一配准体积的第一初始分辨率和所述第二配准体积的第二初始分辨率中的较低的一者。
5.根据权利要求1-4中任一项所述的方法,其中,所述比较包括识别所述第一配准体积和所述第二配准体积的归一化互功率谱中的峰值。
6.根据权利要求5所述的方法,其中,识别所述归一化互功率谱中的峰值包括:
找到所述归一化互功率谱的傅里叶变换的最大强度;以及
从具有比阈值大的强度的多个体素中选择一体素,该体素周围的邻域体素的体素强度的和最高。
7.根据权利要求6所述的方法,其中,所述邻域体素在限定为沿所述共同配准栅格的每个维度的多个体素的一部分的窗口中。
8.根据权利要求6-7中任一项所述的方法,还包括:通过计算所述邻域体素的体素强度的质心来改善所述峰值的位置。
9.根据权利要求1-8中任一项所述的方法,还包括:
将所述改变应用到患者的所述物理位置和/或所述物理取向;以及
在应用所述改变之后对患者执行医疗程序。
10.根据权利要求9所述的方法,其中,所述医疗程序包括辐射治疗和手术程序中的至少一者。
11.根据权利要求1-10中任一项所述的方法,其中,使用相同成像模态获得所述第一图像和所述第二图像。
12.根据权利要求1-11中任一项所述的方法,其中,使用不同成像模态获得所述第一图像和所述第二图像。
13.一种计算机程序产品,包括存储指令的机器可读介质,所述指令被至少一个可编程处理器执行时使得所述至少一个可编程处理器执行操作,所述操作包括:
使用相位相关法将在第一时间获取的患者的第一配准体积的第一医学图像和在第二时间获取的患者的第二配准体积的第二医学图像进行比较,所述比较包括计算在共同配准栅格中正确对准所述第一医学图像和所述第二医学图像所要求的平移和旋转中的至少一者;
基于所述计算确定对患者的物理位置和物理取向中的至少一者的改变,所述改变校正成像于所述第二图像中的患者的第二位置,以更接近地符合成像于所述第一图像中的患者的第一位置;以及
输出所述改变。
14.根据权利要求13所述的计算机程序产品,其中,所述操作还包括:对所述第一配准体积和所述第二配准体积进行下采样,以创建具有比所述第一配准体积和所述第二配准体积中的任一者低的分辨率的共同配准栅格。
15.根据权利要求13-14中任一项所述的计算机程序产品,其中,所述操作还包括:
确定所述第一配准体积和所述第二配准体积包括不同的分辨率;以及
在所述共同配准栅格上对所述第一配准体积和/或所述第二配准体积进行重采样。
16.根据权利要求13-15中任一项所述的计算机程序产品,其中,所述比较包括识别所述第一配准体积和所述第二配准体积的归一化互功率谱中的峰值。
17.根据权利要求16所述的计算机程序产品,其中,识别所述归一化互功率谱中的峰值包括:
找到所述归一化互功率谱的傅里叶变换的最大强度;以及
从具有比阈值大的强度的多个体素中选择一体素,该体素周围的邻域体素的体素强度的和最高。
18.一种***,其包括:
计算机硬件,其配置为执行操作,所述操作包括:
使用相位相关法将在第一时间获取的患者的第一配准体积的第一医学图像和在第二时间获取的患者的第二配准体积的第二医学图像进行比较,所述比较包括计算在共同配准栅格中正确对准所述第一医学图像和所述第二医学图像所要求的平移和旋转中的至少一者;
基于所述计算确定对患者的物理位置和物理取向中的至少一者的改变,所述改变校正成像于所述第二图像中的患者的第二位置,以更接近地符合成像于所述第一图像中的患者的第一位置;以及
输出所述改变。
19.根据权利要求18所述的***,还包括用于生成所述第一医学图像和所述第二医学图像的至少一个成像设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910522025.0A CN110136176B (zh) | 2013-12-03 | 2014-12-03 | 确定与医学图像的位移的*** |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361911379P | 2013-12-03 | 2013-12-03 | |
US61/911,379 | 2013-12-03 | ||
PCT/US2014/068454 WO2015085008A1 (en) | 2013-12-03 | 2014-12-03 | Single-and multi-modality alignment of medical images in the presence of non-rigid deformations using phase correlation |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910522025.0A Division CN110136176B (zh) | 2013-12-03 | 2014-12-03 | 确定与医学图像的位移的*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106415658A true CN106415658A (zh) | 2017-02-15 |
CN106415658B CN106415658B (zh) | 2019-07-12 |
Family
ID=52302319
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910522025.0A Active CN110136176B (zh) | 2013-12-03 | 2014-12-03 | 确定与医学图像的位移的*** |
CN201480073644.1A Active CN106415658B (zh) | 2013-12-03 | 2014-12-03 | 使用相位相关对存在非刚性变形的医学图像的单模态和多模态对准 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910522025.0A Active CN110136176B (zh) | 2013-12-03 | 2014-12-03 | 确定与医学图像的位移的*** |
Country Status (8)
Country | Link |
---|---|
US (3) | US10026186B2 (zh) |
EP (1) | EP3077991A1 (zh) |
JP (3) | JP2016539703A (zh) |
KR (1) | KR20160103008A (zh) |
CN (2) | CN110136176B (zh) |
AU (1) | AU2014360456B2 (zh) |
CA (2) | CA2932259C (zh) |
WO (1) | WO2015085008A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754394A (zh) * | 2018-12-28 | 2019-05-14 | 上海联影智能医疗科技有限公司 | 三维医学图像处理装置及方法 |
CN113823385A (zh) * | 2021-09-03 | 2021-12-21 | 青岛海信医疗设备股份有限公司 | 一种修改dicom图像的方法、装置、设备及介质 |
WO2024051735A1 (zh) * | 2022-09-10 | 2024-03-14 | 中南大学湘雅二医院 | 骨骼相对运动测量方法、关节旋转轴获取及定位方法 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2556934C (en) | 2004-02-20 | 2018-05-22 | James F. Dempsey | System for delivering conformal radiation therapy while simultaneously imaging soft tissue |
CN102472830B (zh) | 2009-07-15 | 2016-03-30 | 微雷公司 | 用于使直线性加速器和磁共振成像设备彼此屏蔽的方法和装置 |
US8981779B2 (en) | 2011-12-13 | 2015-03-17 | Viewray Incorporated | Active resistive shimming fro MRI devices |
US10561861B2 (en) | 2012-05-02 | 2020-02-18 | Viewray Technologies, Inc. | Videographic display of real-time medical treatment |
JP6382208B2 (ja) | 2012-10-26 | 2018-08-29 | ビューレイ・テクノロジーズ・インコーポレイテッドViewRay Technologies, Inc. | システム及びコンピュータプログラム製品 |
US9675271B2 (en) * | 2013-03-13 | 2017-06-13 | Viewray Technologies, Inc. | Systems and methods for radiotherapy with magnetic resonance imaging |
US9446263B2 (en) | 2013-03-15 | 2016-09-20 | Viewray Technologies, Inc. | Systems and methods for linear accelerator radiotherapy with magnetic resonance imaging |
CN110136176B (zh) * | 2013-12-03 | 2022-12-09 | 优瑞技术公司 | 确定与医学图像的位移的*** |
GB201416416D0 (en) * | 2014-09-17 | 2014-10-29 | Biomediq As | Bias correction in images |
KR20170116070A (ko) | 2015-02-11 | 2017-10-18 | 뷰레이 테크놀로지스 인크. | 자기 공명 유도식 방사선 요법을 위한 계획 및 제어 |
US10413751B2 (en) | 2016-03-02 | 2019-09-17 | Viewray Technologies, Inc. | Particle therapy with magnetic resonance imaging |
JP6929689B2 (ja) * | 2016-04-26 | 2021-09-01 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像診断装置 |
EP3459050A4 (en) * | 2016-05-18 | 2020-04-01 | Auckland Uniservices Limited | IMAGE RECORDING METHOD |
US11378629B2 (en) | 2016-06-22 | 2022-07-05 | Viewray Technologies, Inc. | Magnetic resonance imaging |
RU2019121943A (ru) | 2016-12-13 | 2021-01-15 | Вьюрэй Текнолоджиз, Инк. | Системы и способы лучевой терапии |
US10918888B2 (en) | 2017-02-28 | 2021-02-16 | Sun Nuclear Corporation | Radiation therapy treatment verification with electronic portal imaging device transit images |
US11033758B2 (en) | 2017-12-06 | 2021-06-15 | Viewray Technologies, Inc. | Radiotherapy systems, methods and software |
CN110913765B (zh) * | 2018-02-08 | 2023-07-07 | 上海联影医疗科技股份有限公司 | 生成图像的***和方法 |
US11209509B2 (en) | 2018-05-16 | 2021-12-28 | Viewray Technologies, Inc. | Resistive electromagnet systems and methods |
JP2021532875A (ja) | 2018-07-30 | 2021-12-02 | ハイパーファイン,インコーポレイテッド | 磁気共鳴画像再構成のための深層学習技術 |
JP2021534852A (ja) | 2018-08-15 | 2021-12-16 | ハイパーファイン,インコーポレイテッド | 磁気共鳴画像においてアーティファクトを抑制するためのディープラーニング技術 |
WO2020125806A1 (en) | 2018-12-17 | 2020-06-25 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for image segmentation |
BR112021017002A2 (pt) * | 2019-03-14 | 2021-11-09 | Hyperfine Inc | Técnicas de aprendizagem profunda para gerar imagens por ressonância magnética a partir de dados de frequência espaciais |
CN110458870B (zh) * | 2019-07-05 | 2020-06-02 | 北京迈格威科技有限公司 | 一种图像配准、融合、遮挡检测方法、装置和电子设备 |
US12011616B2 (en) | 2019-07-10 | 2024-06-18 | Sun Nuclear Corporation | Image-based radiation therapy quality assurance |
CN111242877A (zh) * | 2019-12-31 | 2020-06-05 | 北京深睿博联科技有限责任公司 | 乳腺x射线影像配准方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090039886A1 (en) * | 2005-11-16 | 2009-02-12 | Briggs, Macfarlane And Zaremba | Apparatus and method for tracking movement of a target |
US20130261429A1 (en) * | 2012-03-30 | 2013-10-03 | Chi-Yin Lee | Magnetic Resonance and Ultrasound Parametric Image Fusion |
Family Cites Families (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6005916A (en) | 1992-10-14 | 1999-12-21 | Techniscan, Inc. | Apparatus and method for imaging with wavefields using inverse scattering techniques |
US6636645B1 (en) | 2000-06-29 | 2003-10-21 | Eastman Kodak Company | Image processing method for reducing noise and blocking artifact in a digital image |
US8565860B2 (en) * | 2000-08-21 | 2013-10-22 | Biosensors International Group, Ltd. | Radioactive emission detector equipped with a position tracking system |
US6775405B1 (en) * | 2000-09-29 | 2004-08-10 | Koninklijke Philips Electronics, N.V. | Image registration system and method using cross-entropy optimization |
WO2002103580A2 (en) | 2001-06-15 | 2002-12-27 | Massachusetts Institute Of Technology | Adaptive mean estimation and normalization of data |
GB2382512A (en) | 2001-07-20 | 2003-05-28 | Elekta Oncology Syst Ltd | MRI in guided radiotherapy and position verification |
US7092573B2 (en) | 2001-12-10 | 2006-08-15 | Eastman Kodak Company | Method and system for selectively applying enhancement to an image |
US7542622B1 (en) | 2003-06-02 | 2009-06-02 | The Trustees Of Columbia University In The City Of New York | Spatio-temporal treatment of noisy images using brushlets |
WO2005047919A1 (en) | 2003-11-12 | 2005-05-26 | Invivo Corporation | Method for generating fast magnetic resonance images |
US20050207531A1 (en) | 2004-01-20 | 2005-09-22 | University Of Florida Research Foundation, Inc. | Radiation therapy system using interior-point methods and convex models for intensity modulated fluence map optimization |
US7230429B1 (en) | 2004-01-23 | 2007-06-12 | Invivo Corporation | Method for applying an in-painting technique to correct images in parallel imaging |
CA2556934C (en) | 2004-02-20 | 2018-05-22 | James F. Dempsey | System for delivering conformal radiation therapy while simultaneously imaging soft tissue |
US8014625B2 (en) * | 2004-11-10 | 2011-09-06 | Agfa Healthcare | Method of performing measurements on digital images |
CN101080196B (zh) * | 2004-12-15 | 2010-05-12 | 皇家飞利浦电子股份有限公司 | 确定磁性粒子空间分布的方法 |
DE102004061509B4 (de) | 2004-12-21 | 2007-02-08 | Siemens Ag | Verfahren und Gerät zur beschleunigten Spiral-kodierten Bildgebung in der Magnetresonanztomographie |
US8295577B2 (en) * | 2005-03-31 | 2012-10-23 | Michael Zarkh | Method and apparatus for guiding a device in a totally occluded or partly occluded tubular organ |
US20070083114A1 (en) | 2005-08-26 | 2007-04-12 | The University Of Connecticut | Systems and methods for image resolution enhancement |
US8041103B2 (en) * | 2005-11-18 | 2011-10-18 | Kla-Tencor Technologies Corp. | Methods and systems for determining a position of inspection data in design data space |
US7532705B2 (en) * | 2006-04-10 | 2009-05-12 | Duke University | Systems and methods for localizing a target for radiotherapy based on digital tomosynthesis |
US7840045B2 (en) | 2006-04-21 | 2010-11-23 | The University Of Utah Research Foundation | Method and system for parallel reconstruction in the K-space domain for application in imaging systems |
JP4425879B2 (ja) * | 2006-05-01 | 2010-03-03 | 株式会社日立製作所 | ベッド位置決め装置及びその位置決め方法並びに粒子線治療装置 |
US7602183B2 (en) | 2007-02-13 | 2009-10-13 | The Board Of Trustees Of The Leland Stanford Junior University | K-T sparse: high frame-rate dynamic magnetic resonance imaging exploiting spatio-temporal sparsity |
US8155417B2 (en) | 2007-03-27 | 2012-04-10 | Hologic, Inc. | Post-acquisition adaptive reconstruction of MRI data |
US7791338B2 (en) | 2007-09-07 | 2010-09-07 | The Board Of Trustees Of The Leland Stanford Junior University | MRI method of determining time-optimal gradient waveforms with gradient amplitude as a function of arc-length in k-space |
US7659718B1 (en) | 2008-07-31 | 2010-02-09 | The Board Of Trustees Of The Leland Stanford Junior University | Blip design for random sampling compressed sensing of flyback 3D-MRSI |
US8310233B2 (en) | 2009-02-18 | 2012-11-13 | Mayo Foundation For Medical Education And Research | Method for image reconstruction from undersampled medical imaging data |
JP4821940B2 (ja) * | 2009-06-10 | 2011-11-24 | 三菱電機株式会社 | 画像照合装置及びこれを用いた患者位置決め装置 |
AU2010262843B2 (en) | 2009-06-19 | 2015-07-16 | Viewray Technologies, Inc. | System and method for performing tomographic image acquisition and reconstruction |
JP5584441B2 (ja) * | 2009-08-20 | 2014-09-03 | アズビル株式会社 | ボリュームデータ間の対応付け方法 |
JP5706911B2 (ja) | 2009-12-17 | 2015-04-22 | コーニンクレッカ フィリップス エヌ ヴェ | 関心のあるオブジェクトの再構成 |
US8965082B2 (en) * | 2009-12-18 | 2015-02-24 | Koninklijke Philips N.V. | Systems and methods for aligning multiple sections of imaging data |
US8708495B2 (en) * | 2010-05-23 | 2014-04-29 | The Regents Fo The University Of California | Characterization and correction of macular distortion |
JP5857057B2 (ja) * | 2010-10-25 | 2016-02-10 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 画像を生成するシステム及び方法 |
US20120155727A1 (en) * | 2010-12-15 | 2012-06-21 | General Electric Company | Method and apparatus for providing motion-compensated images |
WO2012096882A1 (en) * | 2011-01-11 | 2012-07-19 | Rutgers, The State University Of New Jersey | Method and apparatus for segmentation and registration of longitudinal images |
JP2012152469A (ja) * | 2011-01-27 | 2012-08-16 | Nidek Co Ltd | 眼科用手術顕微鏡 |
JP5706389B2 (ja) * | 2011-12-20 | 2015-04-22 | 富士フイルム株式会社 | 画像処理装置および画像処理方法、並びに、画像処理プログラム |
EP2639781A1 (en) * | 2012-03-14 | 2013-09-18 | Honda Motor Co., Ltd. | Vehicle with improved traffic-object position detection |
JP6004464B2 (ja) * | 2012-03-19 | 2016-10-05 | 国立大学法人北海道大学 | 放射線治療制御装置および放射線治療制御プログラム |
US20130345545A1 (en) * | 2012-06-21 | 2013-12-26 | Siemens Medical Solutions Usa, Inc. | Ultrasound Enhanced Magnetic Resonance Imaging |
CN110136176B (zh) | 2013-12-03 | 2022-12-09 | 优瑞技术公司 | 确定与医学图像的位移的*** |
EP3116390A4 (en) | 2014-03-14 | 2017-11-29 | The General Hospital Corporation | System and method for free radical imaging |
CA2958570C (en) * | 2014-08-20 | 2017-11-28 | Synaptive Medical (Barbados) Inc. | Intra-operative determination of dimensions for fabrication of artificial bone flap |
US9874620B2 (en) | 2015-02-05 | 2018-01-23 | Ohio State Innovation Foundation | Low field magnetic resonance imaging (MRI) scanner for cardiac imaging |
US11378629B2 (en) | 2016-06-22 | 2022-07-05 | Viewray Technologies, Inc. | Magnetic resonance imaging |
-
2014
- 2014-12-03 CN CN201910522025.0A patent/CN110136176B/zh active Active
- 2014-12-03 CA CA2932259A patent/CA2932259C/en active Active
- 2014-12-03 KR KR1020167017410A patent/KR20160103008A/ko not_active Application Discontinuation
- 2014-12-03 EP EP14824976.6A patent/EP3077991A1/en not_active Withdrawn
- 2014-12-03 WO PCT/US2014/068454 patent/WO2015085008A1/en active Application Filing
- 2014-12-03 AU AU2014360456A patent/AU2014360456B2/en not_active Expired - Fee Related
- 2014-12-03 US US14/559,880 patent/US10026186B2/en active Active
- 2014-12-03 CN CN201480073644.1A patent/CN106415658B/zh active Active
- 2014-12-03 CA CA3187156A patent/CA3187156A1/en active Pending
- 2014-12-03 JP JP2016536185A patent/JP2016539703A/ja active Pending
-
2018
- 2018-07-16 US US16/036,701 patent/US10650532B2/en active Active
-
2019
- 2019-09-24 JP JP2019172511A patent/JP6884834B2/ja active Active
-
2020
- 2020-05-01 US US16/865,145 patent/US20200258238A1/en active Pending
-
2021
- 2021-05-12 JP JP2021081330A patent/JP7203895B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090039886A1 (en) * | 2005-11-16 | 2009-02-12 | Briggs, Macfarlane And Zaremba | Apparatus and method for tracking movement of a target |
US20130261429A1 (en) * | 2012-03-30 | 2013-10-03 | Chi-Yin Lee | Magnetic Resonance and Ultrasound Parametric Image Fusion |
Non-Patent Citations (1)
Title |
---|
MYONGGEUN YOON 等: "《Accuracy of an Automatic Patient-Positioning System Based on the Correlaton of Two Edge Images in Radiotherapy》", 《JOURNAL OF DIGITAL IMAGING》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754394A (zh) * | 2018-12-28 | 2019-05-14 | 上海联影智能医疗科技有限公司 | 三维医学图像处理装置及方法 |
CN109754394B (zh) * | 2018-12-28 | 2021-02-23 | 上海联影智能医疗科技有限公司 | 三维医学图像处理装置及方法 |
CN113823385A (zh) * | 2021-09-03 | 2021-12-21 | 青岛海信医疗设备股份有限公司 | 一种修改dicom图像的方法、装置、设备及介质 |
CN113823385B (zh) * | 2021-09-03 | 2024-03-19 | 青岛海信医疗设备股份有限公司 | 一种修改dicom图像的方法、装置、设备及介质 |
WO2024051735A1 (zh) * | 2022-09-10 | 2024-03-14 | 中南大学湘雅二医院 | 骨骼相对运动测量方法、关节旋转轴获取及定位方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6884834B2 (ja) | 2021-06-09 |
KR20160103008A (ko) | 2016-08-31 |
EP3077991A1 (en) | 2016-10-12 |
US20150154756A1 (en) | 2015-06-04 |
US20200258238A1 (en) | 2020-08-13 |
JP2016539703A (ja) | 2016-12-22 |
US20190066309A1 (en) | 2019-02-28 |
US10650532B2 (en) | 2020-05-12 |
CA2932259A1 (en) | 2015-06-11 |
AU2014360456A1 (en) | 2016-06-16 |
AU2014360456B2 (en) | 2020-02-27 |
WO2015085008A1 (en) | 2015-06-11 |
CN110136176A (zh) | 2019-08-16 |
CN106415658B (zh) | 2019-07-12 |
JP2021118930A (ja) | 2021-08-12 |
US10026186B2 (en) | 2018-07-17 |
CN110136176B (zh) | 2022-12-09 |
JP7203895B2 (ja) | 2023-01-13 |
CA3187156A1 (en) | 2015-06-11 |
JP2020035449A (ja) | 2020-03-05 |
CA2932259C (en) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106415658A (zh) | 使用相位相关对存在非刚性变形的医学图像的单模态和多模态对准 | |
CN106975163B (zh) | 用于图像引导治疗规划的自动解剖结构描绘 | |
Stoyanov et al. | A practical approach towards accurate dense 3D depth recovery for robotic laparoscopic surgery | |
US9460510B2 (en) | Synchronized navigation of medical images | |
EP2245592B1 (en) | Image registration alignment metric | |
JP2011508620A (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 | |
Heß et al. | A dual‐Kinect approach to determine torso surface motion for respiratory motion correction in PET | |
RU2525106C2 (ru) | Устройство для определения изменения размера объекта | |
Yang et al. | A hybrid approach for fusing 4D‐MRI temporal information with 3D‐CT for the study of lung and lung tumor motion | |
US9020215B2 (en) | Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images | |
Schreibmann et al. | Image registration with auto‐mapped control volumes | |
Tomaževič et al. | “Gold standard” data for evaluation and comparison of 3D/2D registration methods | |
CN114943714A (zh) | 医学图像处理***、装置、电子设备及存储介质 | |
US11495346B2 (en) | External device-enabled imaging support | |
Fei et al. | Semiautomatic nonrigid registration for the prostate and Pelvic MR volumes1 | |
Carvalho et al. | Joint intensity‐and‐point based registration of free‐hand B‐mode ultrasound and MRI of the carotid artery | |
Li et al. | A novel 3D volumetric voxel registration technique for volume-view-guided image registration of multiple imaging modalities | |
Lassen et al. | Anatomical validation of automatic respiratory motion correction for coronary 18F‐sodium fluoride positron emission tomography by expert measurements from four‐dimensional computed tomography | |
Zhang et al. | A multiscale adaptive mask method for rigid intraoperative ultrasound and preoperative CT image registration | |
Lau et al. | Advanced PET/CT fusion workstation for oncology imaging | |
Remeijer | Clinical Use of 3-D Image Registration | |
Jiang | Combined Mutual Information of Intensity and Gradient for Multi-modal Medical Image Registration |
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 |