CN113724306B - 一种术前ctmr扫描图像与术中病人坐标的配准算法 - Google Patents
一种术前ctmr扫描图像与术中病人坐标的配准算法 Download PDFInfo
- Publication number
- CN113724306B CN113724306B CN202110891472.0A CN202110891472A CN113724306B CN 113724306 B CN113724306 B CN 113724306B CN 202110891472 A CN202110891472 A CN 202110891472A CN 113724306 B CN113724306 B CN 113724306B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- coordinates
- psis
- emts
- ctmr
- 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
- G06T7/30—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
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
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)
Abstract
本发明公开了一种术前CTMR扫描图像与术中病人坐标的配准算法,包括如下步骤:S1、从术前的CTMR提取脊柱线、左右PSIS连接线点云,获得CTMR的术前点云;S2、术中,在病人的脊柱上滑动EMTS传感器从而获得脊柱线点云,在左右PSIS的连接线上滑动EMTS传感器从而获得左右PSIS连接线点云,结果进行存储;S3、预处理,调整EMTS的点云,使得十字的两条交叉线来自于交集,匹配扫描的长度;S4、配准;初始化,变换CTMR的点云以至于它的交集与EMTS相一致;然后使用ICP算法,进行从CTMR到EMTS的点云配准;最后利用刚性配准的变换矩阵对CTMR图像进行变换。本发明实现了两种点云信息的配准和校准。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种术前CTMR扫描图像与术中病人坐标的配准算法。
背景技术
近些年医学影像技术发展迅速,计算机断层扫描(CT)、磁共振成像(MR) 等广泛地应用于临床诊断中。CT和MR都是临床影像检查很普及和非常重要的手段。其中,CT的基本原理是:使用X线束及探测器组成装置对人体一定厚度的层面进行扫描的一种技术,对获取的含有体素对X的衰减差异和空间分布信息的数据进行重建,得到反映空间结构和物质密度的图像,方便快捷、图像清晰、密度分辨率高;多层扫描,有强大的图像后处理功能,可构建3D图像;增强CT对病变部位的血流供应情况和灌注状态有较好的显影,对鉴别诊断有极高的价值。MR其基本原理是:将人体置于特殊的磁场中,用无线电射频脉冲激发人体内氢原子核,引起氢原子核共振,并吸收能量。在停止射频脉冲后,氢原子核按特定频率发出射电信号,并将吸收的能量释放出来,被体外的接受器收录,经电子计算机处理获得图像。无辐射;软组织分辨率极佳,对肌肉、韧带、神经都能清晰显示,可获得骨骼干扰的血管成像。
为了更好的手术,手术中需要对病人坐标进行确定,需要通过专家利用探头在病人脊柱和腰部皮肤滑动提取术前的点云信,但如何更精准的对病人坐标进行确定,需要CTMR扫描图像的提取的点云信息去配准。
发明内容
本发明目的是针对上述问题,提供一种术前CTMR扫描图像与术中病人坐标的配准算法。根据CT提取的点云信息,并通过专家利用探头在病人脊柱和腰部皮肤滑动提取术前的点云信息,将两种点云信息进行基于迭代最近点算法(iterative closest point,ICP)进行配准;将配准得到的刚性变换矩阵用于电磁传感器坐标空间与CT空间进行校准。
为了实现上述目的,本发明的技术方案是:
一种术前CTMR扫描图像与术中病人坐标的配准算法,包括如下步骤:
S1、术前点云获取,从术前的CTMR提取脊柱线、左右PSIS连接线点云,获得CTMR的术前点云;
S2、术中EMTS点云获取,术中,在病人的脊柱上滑动EMTS传感器从而获得脊柱线点云,脊柱线点云的结果进行存储;在左右PSIS的连接线上滑动EMTS传感器从而获得左右PSIS连接线点云,左右PSIS连接线点云的结果进行存储;
S3、预处理,调整EMTS的点云,使得十字的两条交叉线来自于交集,匹配扫描的长度;
S4、配准;初始化,变换CTMR的点云以至于它的交集与EMTS相一致;然后使用ICP算法,进行从CTMR到EMTS的点云配准;最后利用刚性配准的变换矩阵对CTMR图像进行变换。
作为对上述技术方案的改进,所述术前点云获取的具体步骤是:
S11、移除扫描床;
S12、定位病人的中间矢状面(mid sagittal plane,MSP),使其与图像的前后轴平行;
S13、定位左右PSIS坐标并将左右PSIS坐标假设位于同一张纵向切片上;
S14、窗口显示CT上的皮肤;
S15、连接PSIS坐标的点云提取;
S151、在包含PSIS坐标的纵向切片k中,从左PSIS坐标对应的列出发,到右PSIS坐标对应列j结束;
S152、找出每个切片中列的最后的一个像素,并且保存他们的3D坐标;
S16、脊柱线的点云提取;
S161、在每一帧轴向切片k中搜索;
S162、根据MSP在列上寻找最后端的像素,并且保存他们的3D坐标
作为对上述技术方案的改进,在步骤S12中,如果MSP不能平行与图像的前后轴(anterior-posterior axis),则旋转对齐。
作为对上述技术方案的改进,所述旋转对齐是指逆旋转对齐。
作为对上述技术方案的改进,在步骤S152和步骤S162中,3D坐标的坐标值用i,j,k表示。
与现有技术相比,本发明具有的优点和积极效果是:
本发明的术前CTMR扫描图像与术中病人坐标的配准算法,基于“锁钥”原则,使用电磁跟踪***(Electromagnetic tracking system,EMTS)获取术中点云,由病人术前的CTMR提取术前点云,两者互为锁和钥,即锁和钥代表了从病人脊柱和腰部皮肤提取的十字形点云特征,将该点云与CT中对应点云进行基于迭代最近点算法(iterative closestpoint,ICP)进行配准。将配准得到的刚性变换矩阵用于电磁传感器坐标空间与CT空间进行校准。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为从EMTS中提取脊柱线点云的状态示意图;
图2为从EMTS中提取PSIS连接线点云的状态示意图;
图3为未配准、预处理后点云、配准后的点云的三状态示意图;
图4为未配准的三维图像;
图5为配准后的三维图像。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
如图1至图5所示,本实施例公开了一种术前CTMR扫描图像与术中病人坐标的配准算法,包括如下步骤:
S1、术前点云获取,从术前的CTMR提取脊柱线、左右PSIS连接线点云,获得CTMR的术前点云;
S2、术中EMTS点云获取,术中,在病人的脊柱上滑动EMTS传感器从而获得脊柱线点云,脊柱线点云的结果进行存储;在左右PSIS的连接线上滑动EMTS传感器从而获得左右PSIS连接线点云,左右PSIS连接线点云的结果进行存储;
S3、预处理,调整EMTS的点云,使得十字的两条交叉线来自于交集,匹配扫描的长度;
S4、配准;初始化,变换CTMR的点云以至于它的交集与EMTS相一致;然后使用ICP算法,进行从CTMR到EMTS的点云配准;最后利用刚性配准的变换矩阵对CTMR图像进行变换。
所述术前点云获取的具体步骤是:
S11、移除扫描床;
S12、定位病人的中间矢状面(mid sagittal plane,MSP),使其与图像的前后轴平行;
S13、定位左右PSIS坐标并将左右PSIS坐标假设位于同一张纵向切片上;
S14、窗口显示CT上的皮肤;
S15、连接PSIS坐标的点云提取;
S151、在包含PSIS坐标的纵向切片k中,从左PSIS坐标对应的列出发,到右PSIS坐标对应列j结束;
S152、找出每个切片中列的最后的一个像素,并且保存他们的3D坐标;
S16、脊柱线的点云提取;
S161、在每一帧轴向切片k中搜索;
S162、根据MSP在列上寻找最后端的像素,并且保存他们的3D坐标
在步骤S12中,如果MSP不能平行与图像的前后轴(anterior-posterior axis),则旋转对齐。所述旋转对齐是指逆旋转对齐。在步骤S152和步骤S162 中,3D坐标的坐标值用i,j,k表示。
本发明的术前CTMR扫描图像与术中病人坐标的配准算法,基于“锁钥”原则,使用电磁跟踪***(Electromagnetic tracking system,EMTS)获取术中点云,由病人术前的CTMR提取术前点云,两者互为锁和钥,即锁和钥代表了从病人脊柱和腰部皮肤提取的十字形点云特征,将该点云与CT中对应点云进行基于迭代最近点算法(iterative closestpoint,ICP)进行配准。将配准得到的刚性变换矩阵用于电磁传感器坐标空间与CT空间进行校准。
Claims (6)
1.一种术前CT/MR扫描图像与术中病人坐标的配准算法,其特征在于:包括如下步骤:
S1、术前点云获取,从术前的CT/MR提取脊柱线、左右PSIS连接线点云,获得CT/MR的术前点云;
S2、术中EMTS点云获取,术中,在病人的脊柱上滑动EMTS传感器从而获得脊柱线点云,脊柱线点云的结果进行存储;在左右PSIS的连接线上滑动EMTS传感器从而获得左右PSIS连接线点云,左右PSIS连接线点云的结果进行存储;
S3、预处理,调整EMTS的点云,使得十字的两条交叉线来自于交集,匹配扫描的长度;
S4、配准;初始化,变换CT/MR的点云以至于它的交集与EMTS相一致;然后使用ICP算法,进行从CT/MR到EMTS的点云配准;最后利用刚性配准的变换矩阵对CT/MR图像进行变换;
所述术前点云获取的具体步骤是:
S11、移除扫描床;
S12、定位病人的中间矢状面MSP,使其与图像的前后轴平行;
S13、定位左右PSIS坐标并将左右PSIS坐标假设位于同一张纵向切片上;
S14、窗口显示CT上的皮肤;
S15、连接PSIS坐标的点云提取;
S16、脊柱线的点云提取。
2.如权利要求1所述术前CT/MR扫描图像与术中病人坐标的配准算法,其特征在于:步骤S15具体为:
S151、在包含PSIS坐标的纵向切片k中,从左PSIS坐标对应的列出发,到右PSIS坐标对应列j结束;
S152、找出每个切片中列的最后的一个像素,并且保存它们的3D坐标。
3.如权利要求2所述术前CT/MR扫描图像与术中病人坐标的配准算法,其特征在于:在步骤S16具体为:
S161、在每一帧纵向切片k中搜索;
S162、根据MSP在列上寻找最后端的像素,并且保存它们的3D坐标。
4.如权利要求1所述术前CT/MR扫描图像与术中病人坐标的配准算法,其特征在于:在步骤S12中,如果MSP不能平行于图像的前后轴,则旋转对齐。
5.如权利要求4所述术前CT/MR扫描图像与术中病人坐标的配准算法,其特征在于:所述旋转对齐是指逆旋转对齐。
6.如权利要求3所述术前CT/MR扫描图像与术中病人坐标的配准算法,其特征在于:在步骤S152和步骤S162中,3D坐标的坐标值用i', j', k'表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110891472.0A CN113724306B (zh) | 2021-08-04 | 2021-08-04 | 一种术前ctmr扫描图像与术中病人坐标的配准算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110891472.0A CN113724306B (zh) | 2021-08-04 | 2021-08-04 | 一种术前ctmr扫描图像与术中病人坐标的配准算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113724306A CN113724306A (zh) | 2021-11-30 |
CN113724306B true CN113724306B (zh) | 2023-06-13 |
Family
ID=78675044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110891472.0A Active CN113724306B (zh) | 2021-08-04 | 2021-08-04 | 一种术前ctmr扫描图像与术中病人坐标的配准算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724306B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101862205A (zh) * | 2010-05-25 | 2010-10-20 | 中国人民解放军第四军医大学 | 一种结合术前影像的术中组织跟踪方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8644575B2 (en) * | 2011-02-28 | 2014-02-04 | Kabushiki Kaisha Toshiba | Processing of abdominal images |
EP3264365A1 (en) * | 2016-06-28 | 2018-01-03 | Siemens Healthcare GmbH | Method and device for registration of a first image data set and a second image data set of a target region of a patient |
US10485450B2 (en) * | 2016-08-30 | 2019-11-26 | Mako Surgical Corp. | Systems and methods for intra-operative pelvic registration |
CN108784832A (zh) * | 2017-04-26 | 2018-11-13 | 中国科学院沈阳自动化研究所 | 一种脊柱微创手术增强现实导航方法 |
CN107330926A (zh) * | 2017-08-25 | 2017-11-07 | 上海嘉奥信息科技发展有限公司 | 一种术中导航***中的非标记医学图像配准***及方法 |
CN107610165B (zh) * | 2017-09-12 | 2020-10-23 | 江南大学 | 基于多特征的3-d剪切波域多模态医学序列图像融合方法 |
CN108520533B (zh) * | 2018-03-28 | 2021-08-03 | 武汉大学 | 一种面向工件定位的多维度特征配准方法 |
CN110101452A (zh) * | 2019-05-10 | 2019-08-09 | 山东威高医疗科技有限公司 | 一种用于外科手术的光磁一体化定位导航方法 |
WO2021108270A1 (en) * | 2019-11-26 | 2021-06-03 | Tornier, Inc. | Pre-operative planning and intra operative guidance for orthopedic surgical procedures in cases of bone fragmentation |
-
2021
- 2021-08-04 CN CN202110891472.0A patent/CN113724306B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101862205A (zh) * | 2010-05-25 | 2010-10-20 | 中国人民解放军第四军医大学 | 一种结合术前影像的术中组织跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113724306A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | An automatic technique for finding and localizing externally attached markers in CT and MR volume images of the head | |
US7912262B2 (en) | Image processing system and method for registration of two-dimensional with three-dimensional volume data during interventional procedures | |
CN108324310B (zh) | 医学图像提供设备及其医学图像处理方法 | |
US6591127B1 (en) | Integrated multi-modality imaging system and method | |
US20160210742A1 (en) | Computer apparatus for medical image analysis and prescriptions | |
US20080037851A1 (en) | Medical image synthesis method and apparatus | |
US20150065854A1 (en) | Joint estimation of attenuation and activity information using emission data | |
Hill et al. | Correcting scaling errors in tomographic images using a nine degree of freedom registration algorithm | |
US20150117736A1 (en) | Method for generating image for pet attenuation correction from mr image and computer program | |
Eldib et al. | Markerless attenuation correction for carotid MRI surface receiver coils in combined PET/MR imaging | |
Delso et al. | Clinical evaluation of 11 C-Met-Avid pituitary lesions using a ZTE-based AC method | |
Islam et al. | Introduction of medical imaging modalities | |
CN113724306B (zh) | 一种术前ctmr扫描图像与术中病人坐标的配准算法 | |
Hani et al. | Fusion of multinuclear magnetic resonance images of knee for the assessment of articular cartilage | |
Buckwalter | Optimizing imaging techniques in the postoperative patient | |
Cole et al. | Principles of computed tomography and magnetic resonance imaging | |
Crooks et al. | Tomography Of Hydrogen With Nuclear Magnetic Resonance (NMR), And The Potential For Imaging Other Body Constituents | |
Sharma et al. | Brain tumor detection using image segmentation techniques on MRI images | |
Luo et al. | Implementation of mutual information based multi-modality medical image registration | |
Adeshina et al. | Medical imaging modalities: a conceptual review for volume visualization | |
CN113724310A (zh) | 一种基于三维ct的脊柱点云提取算法 | |
Ge et al. | Multi-contrast imaging information of coronary artery wall based on magnetic resonance angiography | |
LIU et al. | CT AND MRI IMAGE FUSION IN RADIOTHERAPY FOR TRANSCRANIAL TUMOR | |
Hajnal et al. | View of the future | |
Michaely et al. | State of the art hybrid MRI: advances in methodology and initial clinical results: focusing on MR-PET |
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 |