CN107481276B - 一种三维医学图像中标记点序列的自动识别方法 - Google Patents
一种三维医学图像中标记点序列的自动识别方法 Download PDFInfo
- Publication number
- CN107481276B CN107481276B CN201610403940.4A CN201610403940A CN107481276B CN 107481276 B CN107481276 B CN 107481276B CN 201610403940 A CN201610403940 A CN 201610403940A CN 107481276 B CN107481276 B CN 107481276B
- Authority
- CN
- China
- Prior art keywords
- image
- group
- points
- point
- mark
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种三维医学图像中标记点序列的自动识别方法,包括以下步骤:1)选取标定标尺,并读取所选取的标定标尺信息;2)读取经CBCT或CT扫描的具有标定标尺及标记点的DICOM图像;3)对获取的DICOM图像进行阈值分割并提取生成多边形数据;4)根据获取的标定标尺的信息,对多边形数据进行筛选,获得DICOM图像中的图像标记点;5)分别计算图像标记点中的每两个图像标记点之间的距离;6)对获取的图像标记点进行初次匹配,完成图像标记点筛选和排序,得到标尺标记点向量和与其一一对应的图像标记点向量;7)计算标尺标记点向量和图像标记点向量之间的旋转矩阵和反带误差;8)判断反带误差是否小于目标误差,否,则进入步骤6)再次进行筛选和排序,是,则将步骤6)输出的结果作为匹配结果。本发明能够快速、准确识别多个图像标记点。
Description
技术领域
本发明涉及医学图像处理技术领域,特别是涉及一种三维医学图像中标记点序列的自动识别方法。
背景技术
在手术导航定位***中存在多个坐标系,如图像坐标系、工具坐标系等,在进行手术时需要将多个坐标***一到同一坐标系下,此过程即称为注册或配准(以下统称为注册)。在导航手术流程中,注册是必不可少的重要组成部分,因为只有在完成注册工作使得手术导航定位***中各个设备的坐标系达到统一之后,才可以进行后续的导航跟踪,且注册的精度直接影响着整个手术导航定位***的精度。
现有技术中的注册方法有两种,第一种是基于表面,该方法的算法实现过程复杂且精度较低,因此一般不采用;第二种是基于标记点,标记点是计算机辅助手术***中实现定位的物体,有些标记点是直接附着在人体表面,有些标记点是固定在定位工具上,其中,带有标记点的定位工具统称为定位标尺。当利用定位标尺上的标记点进行注册时,首先,将定位标尺和病人患处一起利用三维X线成像设备进行扫描;然后,将扫描图像中的标记点提取出来并获取其在图像坐标系中的坐标;最后,通过标记点序列自动识别算法将定位工具上的标记点与图像中的标记点建立一一映射关系,就可以得到工具坐标系与图像坐标系之间的旋转矩阵R和平移向量T,完成自动注册。
目前,标记点序列自动识别最常用的方法是迭代就近点算法,该算法是一种基于最小二乘法的匹配方法,它可以重复确定标记点点集之间的对应关系并计算两个对应点集之间的变换矩阵,是一种配准精度较高的算法。但是,该算法对扫描的点集的初始配准位置有要求,鲁棒性较差,计算时间长,且经试验发现匹配结果不可靠,容易陷入局部最优解。此外,现有的手术机器人定位标记点的识别基本是基于双平面算法原理,可以实现自动识别,但该算法是基于二维图像的识别,与三维医学X线图像中标记点的设置和识别在处理方法上有一定差异,故二者不能通用。
发明内容
针对上述问题,本发明的目的是提供一种三维医学图像中标记点序列的自动识别方法,能够快速、准确识别多个图像标记点。
为实现上述技术目的,本发明采取以下技术方案:一种三维医学图像中标记点序列的自动识别方法,其特征在于包括以下步骤:1)选取具有至少4个标记点的标定标尺,读取所选取的标定标尺信息,其中,标定标尺信息包括标定标尺的标记点信息和对标记点是否进行分组的信息;2)读取标定标尺信息,并读取经CBCT或CT扫描的具有标定标尺及标记点的DICOM图像;3)对DICOM图像进行阈值分割,并提取生成多边形数据;4)根据获取的标定标尺的信息,对多边形数据进行筛选,获得DICOM图像中的图像标记点;5)分别计算图像标记点中的每两个图像标记点之间的距离;6)对获取的图像标记点进行初次匹配,完成图像标记点筛选和排序,得到标尺标记点向量和与其一一对应的图像标记点向量;7)计算标尺标记点向量和图像标记点向量之间的旋转矩阵,并根据旋转矩阵计算结果计算反带误差;8)判断反带误差是否小于目标误差,如果否,则进入步骤6)再次进行筛选和排序;如果是,则将步骤6)输出的标尺标记点向量和与其一一对应的图像标记点向量输出作为匹配结果。
进一步,将标定标尺上的标尺标记点定义为两组,分别为组A和组B,当组A和组B中的至少一组标尺标记点个数在3个以上时,所述步骤6)对获取的图像标记点进行初次匹配,完成图像标记点筛选和排序,得到标尺标记点向量和与其一一对应的图像标记点向量,包括以下内容:6.1)对组A进行初次匹配,具体过程为:6.1.1)将组A的所有标尺标记点每三个组成一个三角形,并从组A的所有标尺标记点组成的三角形中选取一个三角形作为标尺三角形模板;6.1.2)将图像标记点中的每三个图像标记点组成一个图像三角形,并根据计算的每两个图像标记点之间的距离,判断图像三角形是否存在与标尺三角形模板全等的三角形,不存在,则输出空,进入步骤6.4);存在,则进入步骤6.1.3);6.1.3)按照顶点对应的关系,分别获取已经完成匹配的标尺三角形模板和图像三角形的顶点,以形成一对全等三角形匹配点对作为匹配标记点对序列,编号保存形成匹配标记点对序列;6.1.4)选取组A中除组成标尺三角形模板外的标尺标记点中的一点作为目标点,根据与三角形模板相匹配的图像三角形在步骤4)获取的图像中寻找与目标点对应的图像标记点;6.1.5)判断是否存在与目标点对应的图像标记点,不存在,则输出步骤6.1.3)保存的匹配标记点对序列;存在,则进入步骤6.1.6);6.1.6)将目标点及与其对应的图像标记点,加入匹配标记点对序列中,并编号保存;6.1.7)判断组A的标尺标记点中是否存在剩余标尺标记点,不存在,则输出保存的所有匹配标记点对序列;存在,则进入步骤6.1.4);6.2)按照与步骤6.1)中组A完全相同的操作步骤,对组B进行初次匹配;6.3)将组A和组B输出的所有匹配标记点分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7);6.4)判断组A和组B是否均输出空,若组A和组B中只有一个输出空,则进入步骤6.5);若均输出空,则进入步骤6.7);6.5)组A输出不为空,组B输出为空和组B输出不为空,组A输出为空,两种情况的操作步骤完全相同,均是根据输出不为空组的匹配标记点对序列,在步骤4)获取的图像中寻找与输出为空组的标尺标记点对应的图像标记点,并将匹配点对加入匹配标记点对序列中,并进入步骤6.6);6.6)将步骤6.5)获取的所有匹配标记点对序列,分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7);6.7)从组A和组B的所有标尺标记点中各任选取2个以上标尺标记点形成新的包括4个以上标尺标记点的组C;按照与步骤6.1)中组A完全相同的操作步骤,对组C进行初次匹配;并将获取的所有匹配标记点对序列,分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7)。
进一步,所述步骤6.5)组A输出不为空、组B输出为空,或组B输出不为空组、A输出为空,两种情况的操作步骤完全相同,均通过第二次匹配实现,具体包括以下内容:6.5.1)选取输出不为空组的匹配标记点对序列中的一对全等三角形;6.5.2)选取输出为空组中的一标尺标记点,作为待匹配点,根据选取的一对全等三角形,在步骤4)获取的图像中寻找与待匹配点对应的图像标记点;6.5.3)判断是否存在与待匹配点对应的图像标记点,不存在,则进入步骤6.5.5);存在,则进入步骤6.5.4);6.5.4)将待匹配点及与其对应的图像标记点,加入匹配标记点对序列中,并编号保存;6.5.5)判断输出为空组中是否存在剩余的标尺标记点,存在,则进入步骤6.5.2),进行循环;不存在,则输出保存的所有匹配标记点对序列。
进一步,所述步骤6.5)组A输出不为空、组B输出为空,或组B输出不为空,组A输出为空,两种情况的操作步骤完全相同,均通过第二次匹配实现,具体包括以下内容:6.5.1)选取输出不为空组的匹配标记点对序列中的一对全等三角形作为基准模板;6.5.2)选取输出为空组中的一标尺标记点,作为待匹配点,结合基准模板判断步骤4)获取的图像中是否存在与待匹配点对应的图像标记点;不存在,则进入步骤6.5.4);存在,则进入步骤6.5.3);6.5.3)将待匹配点及与其对应的图像标记点,加入基准模板,并加入匹配标记点对序列中编号保存;6.5.4)判断输出为空组中是否存在剩余的标尺标记点,存在,则进入步骤6.5.2),进行循环;不存在,则输出保存的所有匹配标记点对序列。
进一步,所述步骤4)对多边形数据进行筛选,通过球拟合、球判定和标记点中心计算,获得DICOM图像中的图像标记点。
本发明由于采取以上技术方案,其具有以下优点:1、本发明由于设置标尺标记点,并根据标尺标记点寻找图像标记点,因此能够快速、准确识别多个图像标记点。2、本发明由于设置初次匹配,即先采用标尺三角形模板寻找图像三角形,再依次以一个标尺标记点作为目标点,寻找与目标点相匹配的图像标记点,因此能够进一步提高识别图像标记点的速度和准确性。3、本发明由于考虑具体实际使用情况,设置始终以输出不为空组的匹配标记点对序列中的一对全等三角形为基准模板,获取与输出为空组的标尺标记点对应的图像标记点,因此有效保证了识别图像标记点的全面性和准确性。4、本发明由于考虑具体实际使用情况,设置开始以输出不为空组的匹配标记点对序列中的一对全等三角形为基准模板,获取与输出为空组的标尺标记点对应的图像标记点,因此有效保证了识别图像标记点的全面性和准确性。5、本发明由于具体设置包括4~12个标记点的标定标尺,该标定标尺不仅满足精度要求,还有效考虑了时间成本,配合本发明的标记点自动识别方法,能够实现手术导航定位***中快速、高精度地自动注册,为提高后续手术导航的准确性提供了保障。综上所述,本发明可以广泛应用于医学图像处理技术领域。
附图说明
图1是本发明的流程示意图;
图2是本发明的初次匹配的流程示意图;
图3是本发明的其中一个实施例的流程示意图;
图4是本发明的另外一个实施例的流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示,本发明的三维医学图像中标记点序列的自动识别方法,包括以下步骤:
1、选取具有4~12个标记点的标定标尺,并读取所选取的标定标尺信息,其中标定标尺信息包括标定标尺的标记点信息和对标记点是否进行分组的信息,其中,分组和不分组的操作步骤完全相同,本实施例以分组为例进行说明,将标定标尺上的标记点定义为两组,分别定义为组A和组B,组A和组B中的至少一组标尺标记点个数在3个以上,本实施例中,组A和组B的标记点个数均为4个;
2、读取步骤1中标定标尺信息,并读取经CBCT或CT扫描的具有步骤1选取的标定标尺信息的DICOM图像;
3、对步骤2获取的DICOM图像进行阈值分割并提取生成多边形数据;
4、根据步骤2获取的标定标尺的信息,对步骤3获取的多边形数据进行球拟合、球判定和标记点中心计算,筛选出DICOM图像中的图像标记点;
5、计算步骤4获取的图像标记点中的每两个图像标记点之间的距离;
6、如图2所示,对步骤4获取的图像标记点进行初次匹配,完成图像标记点筛选和排序,得到标尺标记点向量和与其一一对应的图像标记点向量,具体包括以下内容:
(1)对组A进行初次匹配,具体过程为:
1)将组A的所有标尺标记点每三个组成一个三角形,并从组A的所有标尺标记点组成的三角形中选取一个三角形作为标尺三角形模板;
2)将步骤4获取的图像标记点每三个组成一个图像三角形,并根据步骤5计算的每两个图像标记点之间的距离,判断步骤4获取的图像标记点中是否存在与步骤1)中的标尺三角形模板全等的三角形,不存在,则输出空,并转步骤(4);存在,则进入步骤3);
3)按照顶点一一对应的关系,分别获取已经完成匹配的标尺三角形模板和图像三角形的顶点,以形成一对全等三角形匹配点对作为匹配标记点对序列,编号保存形成匹配标记点对序列;
4)选取组A中除组成标尺三角形模板外的标尺标记点中的一点作为目标点,根据与三角形模板相匹配的图像三角形在步骤4获取的图像中寻找与目标点对应的图像标记点;
5)判断步骤4获取的图像标记点中是否存在与目标点对应的图像标记点,不存在,则输出步骤3)保存的匹配标记点对序列;存在,则进入步骤6);
6)将目标点及与其对应的图像标记点,加入匹配标记点对序列中,并编号保存;
7)判断组A的标尺标记点中是否存在剩余标尺标记点,不存在,则输出步骤6)保存的所有匹配标记点对序列;存在,则进入步骤4),进行循环;
(2)按照与步骤(1)中组A完全相同的操作步骤,对组B进行初次匹配;
(3)将组A和组B输出的所有匹配标记点分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7;
(4)判断组A和组B是否均输出空,若组A和组B中只有一个输出空,则进入步骤(5);若均输出空,则进入步骤(7);
(5)组A输出不为空,组B输出为空和组B输出不为空,组A输出为空,两种情况的操作步骤完全相同,均是根据输出不为空组的匹配标记点对序列,在步骤4获取的图像中寻找与输出为空组的标尺标记点对应的图像标记点,并将匹配点对加入匹配标记点对序列中,并进入步骤(6);具体可以通过两种实施方式实现:
如图3所示,一种是始终以输出不为空组的匹配标记点对序列中的一对全等三角形为基准模板,在步骤4获取的图像标记点中获取与输出为空组的标尺标记点对应的图像标记点,以获取匹配点对,并编号保存形成匹配标记点对序列,直至将输出为空组的标尺标记点全部遍历完毕,下面以组A输出不为空,组B输出为空为例进行说明,具体包括以下步骤:
1)选取组A的匹配标记点对序列中的一对全等三角形;
2)选取组B中的一标尺标记点,作为待匹配点,根据选取的一对全等三角形,在步骤4获取的图像中寻找与待匹配点对应的图像标记点;
3)判断是否存在与待匹配点对应的图像标记点,不存在,则进入步骤5);存在,则进入步骤4);
4)将待匹配点及与其对应的图像标记点,加入匹配标记点对序列中,并编号保存;
5)判断组B中是否存在剩余的标尺标记点,存在,则进入步骤2),进行循环;不存在,则输出步骤4)保存的所有匹配标记点对序列;
如图4所示,另外一种是开始以输出不为空组的匹配标记点对序列中的一对全等三角形为基准模板,在获取图像标记点的过程中,不断将新识别出的匹配标记点对加入基准模板和匹配标记点对序列中,直至将输出为空组的标尺标记点全部遍历完毕,下面以组A输出不为空,组B输出为空为例进行说明,具体包括以下步骤:
1)选取组A的匹配标记点对序列中的一对全等三角形作为基准模板;
2)选取组B中的一标尺标记点,作为待匹配点,结合基准模板判断步骤4获取的图像中是否存在与待匹配点对应的图像标记点;不存在,则进入步骤4);存在,则进入步骤3);
3)将待匹配点及与其对应的图像标记点,加入基准模板,并加入匹配标记点对序列中编号保存;
4)判断组B中是否存在剩余的标尺标记点,存在,则进入步骤2),进行循环;不存在,则输出步骤3)保存的所有匹配标记点对序列;
(6)将步骤(5)获取的所有匹配标记点对序列,分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7;
(7)从组A和组B的所有标尺标记点中各任选取2个以上标尺标记点形成新的包括4个以上标尺标记点的组C;按照与步骤中组A完全相同的操作步骤,对组C进行初次匹配;并将获取的所有匹配标记点对序列,分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7;
7、计算标尺标记点向量和图像标记点向量之间的旋转矩阵,并根据旋转矩阵的计算结果计算反带误差;
8、判断步骤7计算出的反带误差是否小于目标误差,不小于,则进入步骤6再次进行筛选和排序;如果是,则将步骤6输出的标尺标记点向量和与其一一对应的图像标记点向量输出为匹配结果。
上述实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (4)
1.一种三维医学图像中标记点序列的自动识别方法,其特征在于包括以下步骤:
1)选取具有至少4个标记点的标定标尺,读取所选取的标定标尺信息,其中,标定标尺信息包括标定标尺的标记点信息和对标记点是否进行分组的信息;
2)读取标定标尺信息,并读取经CBCT或CT扫描的具有标定标尺及标记点的DICOM图像;
3)对DICOM图像进行阈值分割,并提取生成多边形数据;
4)根据获取的标定标尺的信息,对多边形数据进行筛选,获得DICOM图像中的图像标记点;
5)分别计算图像标记点中的每两个图像标记点之间的距离;
6)对获取的图像标记点进行初次匹配,完成图像标记点筛选和排序,得到标尺标记点向量和与其一一对应的图像标记点向量,其中,将标定标尺上的标尺标记点定义为两组,分别为组A和组B,当组A和组B中的至少一组标尺标记点个数在3个以上时,上述过程包括以下内容:
6.1)对组A进行初次匹配,具体过程为:
6.1.1)将组A的所有标尺标记点每三个组成一个三角形,并从组A的所有标尺标记点组成的三角形中选取一个三角形作为标尺三角形模板;
6.1.2)将图像标记点中的每三个图像标记点组成一个图像三角形,并根据计算的每两个图像标记点之间的距离,判断图像三角形是否存在与标尺三角形模板全等的三角形,不存在,则输出空,进入步骤6.4);存在,则进入步骤6.1.3);
6.1.3)按照顶点对应的关系,分别获取已经完成匹配的标尺三角形模板和图像三角形的顶点,以形成一对全等三角形匹配点对作为匹配标记点对序列,编号保存形成匹配标记点对序列;
6.1.4)选取组A中除组成标尺三角形模板外的标尺标记点中的一点作为目标点,根据与三角形模板相匹配的图像三角形在步骤4)获取的图像中寻找与目标点对应的图像标记点;
6.1.5)判断是否存在与目标点对应的图像标记点,不存在,则输出步骤6.1.3)保存的匹配标记点对序列;存在,则进入步骤6.1.6);
6.1.6)将目标点及与其对应的图像标记点,加入匹配标记点对序列中,并编号保存;
6.1.7)判断组A的标尺标记点中是否存在剩余标尺标记点,不存在,则输出保存的所有匹配标记点对序列;存在,则进入步骤6.1.4);
6.2)按照与步骤6.1)中组A完全相同的操作步骤,对组B进行初次匹配;
6.3)将组A和组B输出的所有匹配标记点分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7);
6.4)判断组A和组B是否均输出空,若组A和组B中只有一个输出空,则进入步骤6.5);若均输出空,则进入步骤6.7);
6.5)组A输出不为空、组B输出为空和组B输出不为空、组A输出为空,两种情况的操作步骤完全相同,均是根据输出不为空组的匹配标记点对序列,在步骤4)获取的图像中寻找与输出为空组的标尺标记点对应的图像标记点,并将匹配点对加入匹配标记点对序列中,并进入步骤6.6);
6.6)将步骤6.5)获取的所有匹配标记点对序列,分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7);
6.7)从组A和组B的所有标尺标记点中各任选取2个以上标尺标记点形成新的包括4个以上标尺标记点的组C;按照与步骤6.1)中组A完全相同的操作步骤,对组C进行初次匹配;并将获取的所有匹配标记点对序列,分别保存形成标尺标记点向量和与其一一对应的图像标记点向量,保存并输出到步骤7);7)计算标尺标记点向量和图像标记点向量之间的旋转矩阵,并根据旋转矩阵计算结果计算反带误差;
8)判断反带误差是否小于目标误差,如果否,则进入步骤6)再次进行筛选和排序;如果是,则将步骤6)输出的标尺标记点向量和与其一一对应的图像标记点向量输出作为匹配结果。
2.如权利要求1所述一种三维医学图像中标记点序列的自动识别方法,其特征在于:所述步骤6.5)组A输出不为空、组B输出为空,或组B输出不为空、组A输出为空,两种情况的操作步骤完全相同,均通过第二次匹配实现,具体包括以下内容:
6.5.1)选取输出不为空组的匹配标记点对序列中的一对全等三角形;
6.5.2)选取输出为空组中的一标尺标记点,作为待匹配点,根据选取的一对全等三角形,在步骤4)获取的图像中寻找与待匹配点对应的图像标记点;
6.5.3)判断是否存在与待匹配点对应的图像标记点,不存在,则进入步骤6.5.5);存在,则进入步骤6.5.4);
6.5.4)将待匹配点及与其对应的图像标记点,加入匹配标记点对序列中,并编号保存;
6.5.5)判断输出为空组中是否存在剩余的标尺标记点,存在,则进入步骤6.5.2),进行循环;不存在,则输出保存的所有匹配标记点对序列。
3.如权利要求1所述一种三维医学图像中标记点序列的自动识别方法,其特征在于:所述步骤6.5)组A输出不为空、组B输出为空,或组B输出不为空、组A输出为空,两种情况的操作步骤完全相同,均通过第二次匹配实现,具体包括以下内容:
6.5.1)选取输出不为空组的匹配标记点对序列中的一对全等三角形作为基准模板;
6.5.2)选取输出为空组中的一标尺标记点,作为待匹配点,结合基准模板判断步骤4)获取的图像中是否存在与待匹配点对应的图像标记点;不存在,则进入步骤6.5.4);存在,则进入步骤6.5.3);
6.5.3)将待匹配点及与其对应的图像标记点,加入基准模板,并加入匹配标记点对序列中编号保存;
6.5.4)判断输出为空组中是否存在剩余的标尺标记点,存在,则进入步骤6.5.2),进行循环;不存在,则输出保存的所有匹配标记点对序列。
4.如权利要求1或2或3所述一种三维医学图像中标记点序列的自动识别方法,其特征在于:所述步骤4)对多边形数据进行筛选,通过球拟合、球判定和标记点中心计算,获得DICOM图像中的图像标记点。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610403940.4A CN107481276B (zh) | 2016-06-08 | 2016-06-08 | 一种三维医学图像中标记点序列的自动识别方法 |
ES16203543T ES2869922T3 (es) | 2016-06-08 | 2016-12-12 | Procedimiento de identificación automática de una secuencia de puntos de marcado en una imagen médica en 3D |
EP16203543.0A EP3255609B1 (en) | 2016-06-08 | 2016-12-12 | A method of automatically identifying a sequence of marking points in 3d medical image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610403940.4A CN107481276B (zh) | 2016-06-08 | 2016-06-08 | 一种三维医学图像中标记点序列的自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107481276A CN107481276A (zh) | 2017-12-15 |
CN107481276B true CN107481276B (zh) | 2020-02-14 |
Family
ID=58264327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610403940.4A Active CN107481276B (zh) | 2016-06-08 | 2016-06-08 | 一种三维医学图像中标记点序列的自动识别方法 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3255609B1 (zh) |
CN (1) | CN107481276B (zh) |
ES (1) | ES2869922T3 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108630301B (zh) * | 2018-04-16 | 2021-07-02 | 北京市神经外科研究所 | 一种特征标记方法及装置、计算机存储介质 |
CN111062977B (zh) * | 2019-12-13 | 2021-05-04 | 推想医疗科技股份有限公司 | 样本数据生成方法、装置、计算机设备及存储介质 |
CN114119684B (zh) * | 2020-08-31 | 2023-02-28 | ***通信集团浙江有限公司 | 基于四面体结构的标记点配准方法 |
CN113012126B (zh) * | 2021-03-17 | 2024-03-22 | 武汉联影智融医疗科技有限公司 | 标记点重建方法、装置、计算机设备和存储介质 |
CN113764076B (zh) * | 2021-07-26 | 2024-02-20 | 北京天智航医疗科技股份有限公司 | 检测医疗透视图像中标记点的方法、装置及电子设备 |
CN113591977B (zh) * | 2021-07-29 | 2024-06-18 | 武汉联影智融医疗科技有限公司 | 点对匹配方法、装置、电子设备和存储介质 |
CN113782159B (zh) * | 2021-11-12 | 2022-02-08 | 极限人工智能有限公司 | 医学图像标记点匹配方法、装置、电子设备及存储介质 |
CN113947637B (zh) * | 2021-12-15 | 2022-04-22 | 北京柏惠维康科技有限公司 | 标记点提取方法、装置、电子设备及计算机存储介质 |
CN114373003A (zh) * | 2022-01-12 | 2022-04-19 | 上海寻是科技有限公司 | 一种基于双目视觉的被动红外标记手术器械配准方法 |
CN116672082B (zh) * | 2023-07-24 | 2024-03-01 | 苏州铸正机器人有限公司 | 一种手术导航标尺的导航配准方法及装置 |
CN118135261B (zh) * | 2024-05-06 | 2024-08-06 | 浙江大学 | 一种超大规模版图的图形匹配方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103251457A (zh) * | 2013-03-20 | 2013-08-21 | 东南大学 | 一种用于神经外科立体定向手术的头面部标记点半自动标定方法 |
CN103325143A (zh) * | 2013-06-13 | 2013-09-25 | 华南理工大学 | 基于模型匹配的标记点自动注册方法 |
CN104083217A (zh) * | 2014-07-03 | 2014-10-08 | 北京天智航医疗科技股份有限公司 | 一种手术定位装置和方法以及机器人手术*** |
CN104123540A (zh) * | 2014-07-15 | 2014-10-29 | 北京天智航医疗科技股份有限公司 | 手术机器人定位标志点自动识别方法 |
CN105232161A (zh) * | 2015-10-16 | 2016-01-13 | 北京天智航医疗科技股份有限公司 | 一种手术机器人标志点识别定位方法 |
-
2016
- 2016-06-08 CN CN201610403940.4A patent/CN107481276B/zh active Active
- 2016-12-12 EP EP16203543.0A patent/EP3255609B1/en active Active
- 2016-12-12 ES ES16203543T patent/ES2869922T3/es active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103251457A (zh) * | 2013-03-20 | 2013-08-21 | 东南大学 | 一种用于神经外科立体定向手术的头面部标记点半自动标定方法 |
CN103325143A (zh) * | 2013-06-13 | 2013-09-25 | 华南理工大学 | 基于模型匹配的标记点自动注册方法 |
CN104083217A (zh) * | 2014-07-03 | 2014-10-08 | 北京天智航医疗科技股份有限公司 | 一种手术定位装置和方法以及机器人手术*** |
CN104123540A (zh) * | 2014-07-15 | 2014-10-29 | 北京天智航医疗科技股份有限公司 | 手术机器人定位标志点自动识别方法 |
CN105232161A (zh) * | 2015-10-16 | 2016-01-13 | 北京天智航医疗科技股份有限公司 | 一种手术机器人标志点识别定位方法 |
Non-Patent Citations (1)
Title |
---|
"Real-time automatic registration in optical surgical navigation";Qinyong Lin 等;《Infrared Physics & Technology》;20160531;第76卷;第375-385页 * |
Also Published As
Publication number | Publication date |
---|---|
ES2869922T3 (es) | 2021-10-26 |
EP3255609A1 (en) | 2017-12-13 |
CN107481276A (zh) | 2017-12-15 |
EP3255609B1 (en) | 2021-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481276B (zh) | 一种三维医学图像中标记点序列的自动识别方法 | |
CN112066879B (zh) | 基于计算机视觉的气浮运动模拟器位姿测量装置及方法 | |
JP5863440B2 (ja) | 情報処理装置および方法 | |
CN106980853B (zh) | 多标记物夹具的识别和对准 | |
CN113712665B (zh) | 基于定位标志物的定位方法、装置及计算机存储介质 | |
US20160203604A1 (en) | Method for automatic detection of anatomical landmarks in volumetric data | |
CN112836558B (zh) | 机械臂末端调整方法、装置、***、设备及介质 | |
CN111429494B (zh) | 一种基于生物视觉的点云高精度自动配准方法 | |
CN104123540A (zh) | 手术机器人定位标志点自动识别方法 | |
CN114119864A (zh) | 一种基于三维重建与点云匹配的定位方法和装置 | |
US20120114202A1 (en) | Image registration system and method for registering images for deformable surfaces | |
CN111311655B (zh) | 多模态图像配准方法、装置、电子设备、存储介质 | |
CN105232161B (zh) | 一种手术机器人标志点识别定位方法 | |
CN104766309A (zh) | 一种平面特征点导航定位方法与装置 | |
JP2014213202A (ja) | 医用画像処理装置、医用画像処理方法および医用画像処理プログラム | |
CN113112490B (zh) | 一种三维医学影像标记点提取方法及*** | |
CN111028280B (zh) | 井字结构光相机***及进行目标有尺度三维重建的方法 | |
CN109363770A (zh) | 一种手术导航机器人标志点自动识别定位方法 | |
CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
JP2008224641A (ja) | カメラ姿勢推定システム | |
JP5030183B2 (ja) | 3次元物***置姿勢計測方法 | |
CN109815966A (zh) | 一种基于改进sift算法的移动机器人视觉里程计实现方法 | |
Zhi et al. | Key technology of mine underground mobile positioning based on LiDAR and coded sequence pattern | |
CN112419381A (zh) | 一种x光图像中标记点序列的自动识别方法 | |
Hullo et al. | Probabilistic feature matching applied to primitive based registration of TLS data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |