CN112085833B - 一种锥束ct与影像融合结合的颈椎在体三维运动的分析方法 - Google Patents

一种锥束ct与影像融合结合的颈椎在体三维运动的分析方法 Download PDF

Info

Publication number
CN112085833B
CN112085833B CN202010853773.XA CN202010853773A CN112085833B CN 112085833 B CN112085833 B CN 112085833B CN 202010853773 A CN202010853773 A CN 202010853773A CN 112085833 B CN112085833 B CN 112085833B
Authority
CN
China
Prior art keywords
cervical vertebra
image fusion
model
cone beam
change
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
Application number
CN202010853773.XA
Other languages
English (en)
Other versions
CN112085833A (zh
Inventor
万宗淼
王少白
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
First Affiliated Hospital of Nanchang University
Original Assignee
First Affiliated Hospital of Nanchang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by First Affiliated Hospital of Nanchang University filed Critical First Affiliated Hospital of Nanchang University
Priority to CN202010853773.XA priority Critical patent/CN112085833B/zh
Publication of CN112085833A publication Critical patent/CN112085833A/zh
Application granted granted Critical
Publication of CN112085833B publication Critical patent/CN112085833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • G06T2207/30008—Bone
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种锥束CT与影像融合结合的颈椎在体三维运动的分析方法，包括有以下步骤：S1，锥束CT机拍不同颈椎功能位置影像；S2，导入进行图像分割和3D建模；S3，对于中立位的3D颈椎模型根据人体解剖方位确定局部坐标系；S4，不同功能位的各节段颈椎模型相对于中立位的，进行影像融合和记录空间位置参数变化；S5，图像融合的精度进行阈值判定以确定是否成功；S6，不同节段间的空间位置参数变化做进一步计算，以获得两节段的相对变化，本发明涉及CT影响技术领域。本发明，解决了常规采用X光进行透视拍摄成像不清晰；采用核磁共振MRI或CT无法看到动态运动异常；MRI还存在扫描时间长，3D建模不便；CT还存在放射剂量大等问题。

Description

一种锥束CT与影像融合结合的颈椎在体三维运动的分析方法
技术领域
本发明涉及CT影响技术领域，特别是涉及一种锥束CT与影像融合结合的颈椎在体三维运动的分析方法。
背景技术
颈椎分为7个节段C1至C7。人体头部的转动，屈伸等均由这些节段的复合运动来达成。而这些节段的空间位置异常(如变直、曲度丧失)、运动异常是临床上相关疾病诊断、治疗和疗效评判的重要因素。常规采用X光进行透视拍摄，得到的是二维静态的位置，且C1受头颅遮挡，C7受锁骨遮挡成像不清晰。而采用核磁共振MRI或CT能看到3D静态结构，但无法看到动态运动异常，且这两种扫描通常是仰卧位，非负重，不能真实反映人体颈椎功能。MRI还存在扫描时间长，3D建模不便；CT还存在放射剂量大等问题。
发明内容
为了解决常规采用X光进行透视拍摄，得到的是二维静态的位置，且C1受头颅遮挡，C7受锁骨遮挡成像不清晰；而采用核磁共振MRI或CT能看到3D静态结构，但无法看到动态运动异常，且这两种扫描通常是仰卧位，非负重，不能真实反映人体颈椎功能；MRI还存在扫描时间长，3D建模不便；CT还存在放射剂量大等问题，本发明的目的是提供一种锥束CT与影像融合结合的颈椎在体三维运动的分析方法。
为了实现上述目的，本发明采用如下技术方案：一种锥束CT与影像融合结合的颈椎在体三维运动的分析方法，包括有以下步骤：
S1，锥束CT机拍不同颈椎功能位置影像；
S2，导入进行图像分割和3D建模；
S3，对于中立位的3D颈椎模型根据人体解剖方位确定局部坐标系；
S4，不同功能位的各节段颈椎模型相对于中立位的，进行影像融合和记录空间位置参数变化；
S5，图像融合的精度进行阈值判定以确定是否成功；
S6，不同节段间的空间位置参数变化做进一步计算，以获得两节段的相对变化。
优选的，所述S4中的影像融合算法具体为：
I、将3D模型中立位和功能位分散为空间中分布的点集合A与B；
II、A每一点找到与其距离最近的B点，将这些距离求和；
III、调整B模型的位置姿态，重复步骤II，进行最优化求解，优化目标是将距离求和最小化；
IV、找到最优化的B模型的位置姿态，与对应A的点距求和最小，即融合程度最高；
V、记录B模型原始位置和最优化位置空间中的角度和位移差值，即为空间位置参数变化；
VI、记录最优化B模型和A之间的平均距离，判断是否大于所需的距离阈值Xmm。
与现有技术相比，本发明实现的有益效果：该锥束CT与影像融合结合的颈椎在体三维运动的分析方法速度快，几秒钟完成3D、透视扫描；该锥束CT与影像融合结合的颈椎在体三维运动的分析方法全流程客观自动，没有人为判断的步骤；该锥束CT与影像融合结合的颈椎在体三维运动的分析方法放射剂量低，采用临床安全的低剂量影像设备。
附图说明
以下结合附图和具体实施方式来进一步详细说明本发明：
图1为本发明的锥束CT扫描颈椎不同功能位置的示意图；
图2为本发明的快速扫描后的影像3D建模的示意图；
图3为本发明根据人体解剖面，确定颈椎不同节段的方向(局部坐标)，来进行空间位置运动的参数化记录的示意图；
图4为本发明不同功能位置进行空间中调整，后与中立位进行融合匹配，并计算融合精度，低于某阈值(如1mm)则说明融合成功的示意图；
图5为本发明融合后可获得相邻节段的运动变化，此图中C7最下节段是融合好的，然后上面节段依次产生并分析运动变化的示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
请参阅图1至图5。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
本发明提供一种技术方案：一种锥束CT与影像融合结合的颈椎在体三维运动的分析方法，包括有以下步骤：
S1，锥束CT机拍不同颈椎功能位置影像；
S2，导入进行图像分割和3D建模；
S3，对于中立位的3D颈椎模型根据人体解剖方位确定局部坐标系；
S4，不同功能位的各节段颈椎模型相对于中立位的，进行影像融合和记录空间位置参数变化；
S5，图像融合的精度进行阈值判定以确定是否成功；
S6，不同节段间的空间位置参数变化做进一步计算，以获得两节段的相对变化。
所述S4中的影像融合算法具体为：
I、将3D模型中立位和功能位分散为空间中分布的点集合A与B；
II、A每一点找到与其距离最近的B点，将这些距离求和；
III、调整B模型的位置姿态，重复步骤II，进行最优化求解，优化目标是将距离求和最小化；
IV、找到最优化的B模型的位置姿态，与对应A的点距求和最小，即融合程度最高；
V、记录B模型原始位置和最优化位置空间中的角度和位移差值，即为空间位置参数变化；
VI、记录最优化B模型和A之间的平均距离，判断是否大于所需的距离阈值Xmm。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (1)

1.一种锥束CT与影像融合结合的颈椎在体三维运动的分析方法，其特征在于，包括有以下步骤：
S1，锥束CT机拍不同颈椎功能位置影像；
S2，导入进行图像分割和3D建模；
S3，对于中立位的3D颈椎模型根据人体解剖方位确定局部坐标系；
S4，不同功能位的各节段颈椎模型相对于中立位的，进行影像融合和记录空间位置参数变化；
S5，图像融合的精度进行阈值判定以确定是否成功；
S6，不同节段间的空间位置参数变化做进一步计算，以获得两节段的相对变化；
所述S4中的影像融合算法具体为：
I、将3D模型中立位和功能位分散为空间中分布的点集合A与B；
II、点集合A中每一点找到与其距离最近的B点，将这些距离求和；
III、调整B模型的位置姿态，重复步骤II，进行最优化求解，优化目标是将距离求和最小化；
IV、找到最优化的B模型的位置姿态，与对应A的点距求和最小，即融合程度最高；
V、记录B模型原始位置和最优化位置空间中的角度和位移差值，即为空间位置参数变化；
VI、记录最优化B模型和A之间的平均距离，判断是否大于所需的距离阈值Xmm。
CN202010853773.XA 2020-08-24 2020-08-24 一种锥束ct与影像融合结合的颈椎在体三维运动的分析方法 Active CN112085833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010853773.XA CN112085833B (zh) 2020-08-24 2020-08-24 一种锥束ct与影像融合结合的颈椎在体三维运动的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010853773.XA CN112085833B (zh) 2020-08-24 2020-08-24 一种锥束ct与影像融合结合的颈椎在体三维运动的分析方法

Publications (2)

Publication Number Publication Date
CN112085833A CN112085833A (zh) 2020-12-15
CN112085833B true CN112085833B (zh) 2022-09-06

Family

ID=73729012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010853773.XA Active CN112085833B (zh) 2020-08-24 2020-08-24 一种锥束ct与影像融合结合的颈椎在体三维运动的分析方法

Country Status (1)

Country Link
CN (1) CN112085833B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991387A (zh) * 2021-03-10 2021-06-18 上海逸动医学科技有限公司 一种无创三维关节运动分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107595387A (zh) * 2017-07-28 2018-01-19 浙江大学 一种基于超声拓片技术的脊椎图像生成***以及脊柱手术导航定位***
CN111340800A (zh) * 2020-03-18 2020-06-26 联影智能医疗科技(北京)有限公司 图像检测方法、计算机设备和存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1911175A (zh) * 2005-08-10 2007-02-14 史荣 一种用于准确确定肿瘤形状的影像融合方法
TWI388338B (zh) * 2009-10-26 2013-03-11 Iner Aec Executive Yuan 對聚合醣鏈進行放射標誌以作為肝受體造影劑之方法
TWI394587B (zh) * 2011-01-07 2013-05-01 Iner Aec Executive Yuan 放射性標幟之核苷酸類似物、製備方法及其用途
CN102727329B (zh) * 2012-06-28 2015-01-07 深圳清华大学研究院 人工颈椎间盘
CN103720476B (zh) * 2013-12-13 2015-05-27 天津大学 一种曲径运动模式下的稳定性评价方法
AU2016225063B2 (en) * 2015-02-26 2020-09-17 Uncinate Joint, Llc Uncinate joint stabilizers and associated systems and methods
CN107607151B (zh) * 2017-07-17 2019-11-15 金季春 一种测量人体运动环节重量参数方法
CN210582487U (zh) * 2018-10-15 2020-05-22 中国人民解放军第二军医大学第二附属医院 颈椎三维活动度智能测量仪
CN109767410B (zh) * 2018-12-22 2024-03-08 复旦大学 一种肺部ct与mri影像融合算法
CN109919885A (zh) * 2019-02-15 2019-06-21 中国人民解放军陆军军医大学 基于b样条和互信息的cvh图像与影像配准融合方法
CN109998543A (zh) * 2019-05-07 2019-07-12 黄光� 一种颈运动神经根传导时间测量装置及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107595387A (zh) * 2017-07-28 2018-01-19 浙江大学 一种基于超声拓片技术的脊椎图像生成***以及脊柱手术导航定位***
CN111340800A (zh) * 2020-03-18 2020-06-26 联影智能医疗科技(北京)有限公司 图像检测方法、计算机设备和存储介质

Also Published As

Publication number Publication date
CN112085833A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
US7844094B2 (en) Systems and methods for determining geometric parameters of imaging devices
Penney et al. Validation of a two‐to three‐dimensional registration algorithm for aligning preoperative CT images and intraoperative fluoroscopy images
US8731268B2 (en) CT device and method based on motion compensation
CN104586417B (zh) 增大锥束计算机层析成像获取中的视场的方法和成像设备
US7835500B2 (en) Multi-phase registration of 2-D X-ray images to 3-D volume studies
US20080037843A1 (en) Image segmentation for DRR generation and image registration
US8121380B2 (en) Computerized imaging method for a three-dimensional reconstruction from two-dimensional radiological images; implementation device
Baka et al. Statistical shape model-based femur kinematics from biplane fluoroscopy
Munbodh et al. Automated 2D‐3D registration of a radiograph and a cone beam CT using line‐segment enhancement a
US20050220357A1 (en) Image enhancement or correction software, method, apparatus and system for substantially minimizing blur in the scanned image
CN112927315A (zh) 用于x射线成像中的金属伪影避免的方法
Niebler et al. Projection‐based improvement of 3D reconstructions from motion‐impaired dental cone beam CT data
CN112085833B (zh) 一种锥束ct与影像融合结合的颈椎在体三维运动的分析方法
JP6316078B2 (ja) 患者位置決めシステム、および位置ずれ量算出方法
Lin et al. Intervertebral anticollision constraints improve out‐of‐plane translation accuracy of a single‐plane fluoroscopy‐to‐CT registration method for measuring spinal motion
Eldib et al. A motion artifact reduction method for dental CT based on subpixel-resolution image registration of projection data
Haque et al. Hierarchical model-based tracking of cervical vertebrae from dynamic biplane radiographs
US20110050692A1 (en) Interpolating and rendering sub-phases of a 4d dataset
Zhang et al. An automatic ICP-based 2D-3D registration method for a high-speed biplanar videoradiography imaging system
Banks Model based 3D kinematic estimation from 2D perspective silhouettes: application with total knee prostheses
Douglas et al. Three-dimensional point localisation in low-dose X-ray images using stereo-photogrammetry
JP7513980B2 (ja) 医用画像処理装置、治療システム、医用画像処理方法、およびプログラム
CN115082534B (zh) 双平面图像配准方法、装置及机器人
Miyabe et al. New algorithm to simulate organ movement and deformation for four‐dimensional dose calculation based on a three‐dimensional CT and fluoroscopy of the thorax
CN113229840B (zh) 一种口腔cbct拍摄图像运动补偿重建方法

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