CN113974831B - 一种用于手术导航的医学图像配准方法 - Google Patents
一种用于手术导航的医学图像配准方法 Download PDFInfo
- Publication number
- CN113974831B CN113974831B CN202111374794.4A CN202111374794A CN113974831B CN 113974831 B CN113974831 B CN 113974831B CN 202111374794 A CN202111374794 A CN 202111374794A CN 113974831 B CN113974831 B CN 113974831B
- Authority
- CN
- China
- Prior art keywords
- head
- dimensional
- point
- infrared
- patient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 41
- 230000009466 transformation Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 210000003128 head Anatomy 0.000 description 57
- 238000005516 engineering process Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 210000005069 ears Anatomy 0.000 description 3
- 210000001508 eye Anatomy 0.000 description 3
- 210000001331 nose Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2055—Optical tracking systems
- A61B2034/2057—Details of tracking cameras
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Robotics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种用于手术导航的医学图像配准方法,包括配准***,该***包含红外相机、第一红外反光工具及计算中心;第一红外反光工具包括至少三个不共线的反光点,各反光点均位于红外相机的拍摄范围内;第一红外反光工具连设于可移动支架上;计算中心通讯连接所述红外相机;所述配准方法包括:一、根据术前医学影像获取患者头部三维特征点;二、获取患者的头部三维特征点;三、将影像三维特征点与头部三维特征点匹配,实现术前患者的影像空间与术中患者的真实空间位置配准。本发明配准快且准,且省去机械臂成本及空间占用。
Description
技术领域
本发明涉及医疗器械手术导航领域,具体涉及一种用于手术导航的医学图像配准方法。
背景技术
目前,手术导航***已在许多外科手术中得到应用,特别是神经外科手术,可以获得减少手术创伤且准确到达病灶位置的效果。手术导航***的基本原理是将术前患者的患处影像空间与术中患者的患处真实空间位置配准后,将真实的手术器械实时投影到患处影像空间位置,实现手术过程中的精准定位及手术规划的准确实施。因此,术前手术患者医学影像与术中患者空间配准的算法是手术导航***的重点和难点。
现有的配准方法都存在一些明显缺陷,如骨钉配准方法因需要植入骨钉而带来了额外的创伤问题,如激光采集面部特征点配准法【CN109965979A】存在因特征点数量少、易陷入局部最优解导致误判率高、鲁棒性低、精度低等问题。
其中,最新技术【CN202011630325】主要采用机械臂与多功能相机结合的硬件模块,首先确定基于医学影像重建三维模型并获取面部特征点,然后与通过彩色相机获取真实面部的特征点建立参考匹配关系,接着通过与机械臂组合的结构光相机扫描面部拼接得到的点云与三维模型点云配准,最终确定真实患者空间与影像空间配准关系。然而,该技术在实际应用中仍然存在以下缺陷:
一、配准操作繁杂、技术性要求强,机械臂与多种相机组合配准技术的应用需要多个步骤的校准和拍摄,大大增加了术前准备操作,影响整体手术时间;
二、配准操作复杂度高、技术性要求强,最终实现的配准精度依赖医护人员的操作水平;
三、机械臂的加持虽然增加了相机的控制和定位,但是也增加了配准时的空间坐标变换的步骤,从相机空间转换到机械臂坐标,再从机械臂坐标转换到医学影像空间,提高了计算的复杂度也增加了误差、计算耗时加长。
四、机械臂的应用增加了设备成本,相对于整个手术导航***的使用收益而言,机械臂仅在术前准备配准环节使用,因此收益较低。
综上,本发明主要从消除机械臂带来的误差,降低配准操作复杂度和操作难度,整体提高配准精度和配准速度等方面的提出新的技术方案。
发明内容
本发明的目的是提供一种用于手术导航的医学图像配准方法。
为达到上述目的,本发明采用的技术方案是:
一种用于手术导航的医学图像配准方法,包括一配准***,该配准***包含红外相机、第一红外反光工具以及计算中心;
所述第一红外反光工具包括至少三个不共线的反光点,且各反光点均位于所述红外相机的拍摄范围内;所述第一红外反光工具连设于一可移动支架的上端;
所述计算中心通讯连接所述红外相机,用于存储所述红外相机拍摄的图像,并通过计算实现图像配准;
所述配准方法包括以下步骤:
步骤一、根据术前医学影像获取患者头部三维特征点
通过向所述计算中心输入所述术前医学影像,提取患者头部至少三个不共线的影像三维特征点;
步骤二、获取患者的头部三维特征点
操作所述第一红外反光工具的可移动支架,使得可移动支架的下端分别接触患者头部的至少三个不共线的部位;
同时,所述红外相机捕捉所述第一红外反光工具的各反光点的空间变换位置,结合所述可移动支架的下端与所述第一红外反光工具的空间关系,通过计算中心获得各被接触部位的头部三维特征点,且某一所述头部三维特征点与某一所述影像三维特征点对应表达患者头部的同一部位;
步骤三、将步骤一中提取获得的影像三维特征点与步骤二中获得的头部三维特征点一一匹配,实现术前患者的影像空间与术中患者的真实空间位置配准。
上述技术方案中的有关内容解释如下:
1.上述方案中,还包括第二红外反光工具,该第二红外反光工具相对患者头部静止;
所述第二红外反光工具包括至少三个不共线的反光点,各反光点均位于所述红外相机的拍摄范围内;
所述红外相机同时拍摄两红外反光工具,并以所述第二红外反光工具为一空间坐标系的原点,所述第一红外反光工具位于所述空间坐标系中。
2.上述方案中,所述可移动支架具有一杆状主体,该杆状主体的上端连接固定所述第一红外反光工具,杆状主体的下端为接触端,用于接触患者头部。
3.上述方案中,于步骤一中,所述术前医学影像包括患者术前所拍摄的CT或MRI。
4.上述方案中,于步骤一中,所述影像三维特征点通过一神经网络获得。
5.上述方案中,于步骤三中,将各影像三维特征点与各头部三维特征点进行一一匹配,计算得到R1矩阵,
具体计算方法如下:
(1) 通过所述计算中心输入所述术前医学影像,提取患者头部至少三个不共线的影像三维特征点空间位置数据P,见下述公式1:
假设影像三维特征点共有n个,n为大于等于3的正整数;P1为第一个点,Pn为第n个点,x,y,z代表每个影像三维特征点的三维空间坐标,该矩阵维度为4*n;
(2) 通过所述红外相机捕捉所述第一红外反光工具的各反光点的空间变换位置,结合所述可移动支架的下端与所述第一红外反光工具的空间关系,通过计算中心获得各被接触部位的头部三维特征点的空间位置数据Q,见下述公式2:
假设头部三维特征点共有n个,n为大于等于3的正整数;Q1为第一个点,Qn为第n个点,x,y,z代表每个头部三维特征点的三维空间坐标,该矩阵维度为4*n;
(3)将所述红外相机捕捉头部三维特征点的空间位置数据变换到影像三维特征点空间位置结构光相机的坐标系下,见下述公式3:
即P= R1*Q,R1为一个4x4的空间变换矩阵;通过最小二乘法求得R1矩阵,如下公式4:
其中,T代表矩阵的转置(transpose);或者,通过QR分解或SVD分解获得R1矩阵,所述R1矩阵为医学影像空间相对于红外相机空间的空间变换矩阵。
6.上述方案中,于步骤二中,操作所述可移动支架的下端在患者头部绘制轨迹,该轨迹为曲线,以获得头部轨迹点集,该头部轨迹点集包含数个连续的头部三维特征点。
7.上述方案中,通过MC算法从所述术前医学影像中提取皮肤点云特征点;
然后,将皮肤点云特征点、头部三维特征点以及R1矩阵作为输入,通过ICP算法得到R2矩阵。
具体计算方法如下:
选取目标点云P为所述皮肤点云特征点和源点云S为所述头部三维特征点,找到最邻近点(pi,si), 以R1矩阵作为迭代起始参数,然后计算出最优变换矩阵R2,使得误差函数最小,误差函数E(R2)如下公式5:
。
ICP是一种广泛使用的方法,具体过程公式很多,本质为一迭代优化求解方法,因此公式5仅为举例;另外ICP不要求两组点云点集提前一一对应,数量也可不同,ICP内部通过最近邻确定对应关系。
本发明的工作原理及优点如下:
本发明一种用于手术导航的医学图像配准方法,包括配准***,该***包含红外相机、第一红外反光工具及计算中心;第一红外反光工具包括至少三个不共线的反光点,各反光点均位于红外相机的拍摄范围内;第一红外反光工具连设于可移动支架上;计算中心通讯连接所述红外相机;所述配准方法包括:一、根据术前医学影像获取患者头部三维特征点;二、获取患者的头部三维特征点;三、将影像三维特征点与头部三维特征点匹配,实现术前患者的影像空间与术中患者的真实空间位置配准。
相比现有技术而言,本发明的配准***及方法可大幅缩短手术导航的配准操作时间,同时大幅提升配准精度。另外,由于省去了机械臂,因此不仅降低了设备的整体成本,并且减少了手术室的空间占用,同时避免了机械臂对手术操作时的空间干涉。
附图说明
附图1为本发明实施例原理示意图;
附图2为本发明实施例第一红外反光工具的结构示意图;
附图3为本发明实施例绘制轨迹的示意图;
附图4为本发明实施例工作原理框图。
以上附图中:1.患者头部;2.红外相机;3.第一红外反光工具;4.第二红外反光工具;5.反光点;6.可移动支架;7.接触端;8.头架;9.轨迹。
具体实施方式
下面结合附图及实施例对本发明作进一步描述:
实施例:以下将以图式及详细叙述对本案进行清楚说明,任何本领域技术人员在了解本案的实施例后,当可由本案所教示的技术,加以改变及修饰,其并不脱离本案的精神与范围。
本文的用语只为描述特定实施例,而无意为本案的限制。单数形式如“一”、“这”、“此”、“本”以及“该”,如本文所用,同样也包含复数形式。
关于本文中所使用的“第一”、“第二”等,并非特别指称次序或顺位的意思,亦非用以限定本案,其仅为了区别以相同技术用语描述的组件或操作。
关于本文中所使用的“连接”或“定位”,均可指二或多个组件或装置相互直接作实体接触,或是相互间接作实体接触,亦可指二或多个组件或装置相互操作或动作。
关于本文中所使用的“包含”、“包括”、“具有”等,均为开放性的用语,即意指包含但不限于。
关于本文中所使用的用词(terms),除有特别注明外,通常具有每个用词使用在此领域中、在本案内容中与特殊内容中的平常意义。某些用以描述本案的用词将于下或在此说明书的别处讨论,以提供本领域技术人员在有关本案描述上额外的引导。
参见附图1~4所示,一种用于手术导航的医学图像配准方法,包括一配准***,该配准***包含红外相机2、第一红外反光工具3以及计算中心。
其中,红外相机具体指的是手术导航***专用光学追踪器,优选红外双目相机等。
如图2所示,所述第一红外反光工具3包括至少三个不共线的反光点5,即,当反光点5的数量为三个时,三个反光点不在一条直线。
各反光点5均位于所述红外相机2的拍摄范围内;所述第一红外反光工具3连设于一可移动支架6的上端,可由操作人员握持所述可移动支架6进行手动操作。所述可移动支架6具有一杆状主体,该杆状主体的上端连接固定所述第一红外反光工具3,杆状主体的下端为接触端7,用于接触患者头部1。
还包括第二红外反光工具4,该第二红外反光工具4相对患者头部1静止;所述第二红外反光工具4包括至少三个不共线的反光点5,各反光点5均位于所述红外相机2的拍摄范围内。所述第二红外反光工具4固定于神经外科手术的头架9上,或固定于患者头部1一侧的手术床或地面上。
两红外反光工具的各反光点5均位于红外相机2的拍摄范围内,通过红外相机2快速捕捉第一红外反光工具3中的各所述反光点5,并计算所述第一红外反光工具3的空间旋转与平移的矩阵,即空间变换矩阵。
本案中当各红外反光工具的反光点数量为三个时,三点组成非等腰或非等边三角形。
所述计算中心通讯连接所述红外相机,主要由CPU、RAM存储器和GPU构成,用于存储所述结构光相机以及所述红外相机拍摄的数据,并通过计算实现图像配准。具体的,所述计算中心可以是一处理中心,如PC等,也可以是微处理模块,直接结合在红外相机中,或者是处理中心和微处理模块的组合。
所述第一红外反光工具3即模拟手术时主刀医生的手术刀(带反光点),由于在手术的过程中,随着医生的移动,手术刀不可避免地会被遮挡从而无法被红外相机2捕捉,因此需要红外相机2调整自身空间位置,以捕捉手术刀上的各反光点。为了避免红外相机2位置调整后无法掌握手术刀的空间位置基准,故设置了相对静止的第二红外反光工具4。通过红外相机2同时拍摄两红外反光工具,可以所述第二红外反光工具4为一空间坐标系的原点,所述第一红外反光工具3位于所述空间坐标系中。
当红外相机2不会发生遮挡问题时,此时可设置红外相机2使其相对患者头部静止,该方案以红外相机2作为空间坐标系的原点,无需第二红外反光工具4。
以下就本发明配准***的配准方法进行具体阐述,如图4所示,所述配准方法包括以下步骤:
步骤一、根据术前医学影像获取患者头部三维特征点
通过向所述计算中心输入所述术前医学影像,提取患者头部1至少三个不共线的影像三维特征点;即,当影像三维特征点的数量为三个时,三个影像三维特征点不在同一直线,影像三维特征点可从诸如眼、耳、鼻等部位提取,但不限于此。
具体的提取方法为现有技术,由于并非本案发明点所在,故本案不作赘述。
步骤二、获取患者的头部三维特征点
操作所述第一红外反光工具3的可移动支架6,使得可移动支架6的下端分别接触患者头部1的至少三个不共线的部位。
同时,所述红外相机2捕捉所述第一红外反光工具3的各反光点5的空间变换位置,结合所述可移动支架6的下端与所述第一红外反光工具3相对固定的空间关系,通过计算中心获得各被接触部位的头部三维特征点,且某一所述头部三维特征点与某一所述影像三维特征点对应表达患者头部的同一部位。
所述头部三维特征点的数量可小于或等于步骤一中的所述影像三维特征点的数量,所述头部三维特征点的位置与所述影像三维特征点对应。即,若影像三维特征点的数量为三个,且分别对应患者的眼、耳、鼻部位,则头部三维特征点的数量亦为三个,分别对应患者的眼、耳、鼻部位;头部三维特征点的数量越多,则可对应更多的影像三维特征点,有助于提升后续配准精度。
步骤三、将步骤一中提取获得的影像三维特征点与步骤二中获得的头部三维特征点一一匹配,实现术前患者的影像空间与术中患者的真实空间位置配准。具体的匹配方法或算法可为现有技术,如最小二乘法。
优选的,于步骤一中,所述术前医学影像包括患者术前所拍摄的CT或MRI。
于步骤一中,所述影像三维特征点通过一神经网络获得。所述神经网络为人工智能领域中深度学习技术的其中一种现有技术,即“深度神经网络技术”,该技术属于成熟技术,为本领域技术人员所能够掌握。所述神经网络的输入为术前医学影像,输出为术前医学影像中的头部关键点。
于步骤三中,将各影像三维特征点与各头部三维特征点进行一一匹配,计算得到R1矩阵,
具体计算方法如下:
(1) 通过所述计算中心输入所述术前医学影像,提取患者头部至少三个不共线的影像三维特征点空间位置数据P,见下述公式1:
假设影像三维特征点共有n个,n为大于等于3的正整数;P1为第一个点,Pn为第n个点,x,y,z代表每个影像三维特征点的三维空间坐标,该矩阵维度为4*n;
(2) 通过所述红外相机捕捉所述第一红外反光工具的各反光点的空间变换位置,结合所述可移动支架的下端与所述第一红外反光工具的空间关系,通过计算中心获得各被接触部位的头部三维特征点的空间位置数据Q,见下述公式2:
假设头部三维特征点共有n个,n为大于等于3的正整数;Q1为第一个点,Qn为第n个点,x,y,z代表每个头部三维特征点的三维空间坐标,该矩阵维度为4*n;
(3)将所述红外相机捕捉头部三维特征点的空间位置数据变换到影像三维特征点空间位置结构光相机的坐标系下,见下述公式3:
即P= R1*Q,R1为一个4x4的空间变换矩阵;通过最小二乘法求得R1矩阵,如下公式4:
其中,T代表矩阵的转置(transpose);或者,通过QR分解或SVD分解获得R1矩阵,所述R1矩阵为医学影像空间相对于红外相机空间的空间变换矩阵。
优选的,如图3所示,为了提高配准精度,获得更多的头部三维特征点。可操作所述可移动支架6的下端在患者头部1绘制轨迹10,该轨迹10可为曲线,以获得头部轨迹点集,该头部轨迹点集包含数个连续的头部三维特征点。
需要更高的配准精度时,可通过MC算法(marching cubes)从所述术前医学影像中提取皮肤点云;然后,将采样的皮肤点云特征点、头部轨迹点集中的头部三维特征点以及R1矩阵作为输入,通过ICP算法(Iterative Closest Point)对R1矩阵进行优化得到更为精确的R2矩阵,实现更高精度的配准需求,借此方案,配准精度可达0.25mm以内。
具体计算方法如下:
选取目标点云P为所述皮肤点云特征点和源点云S为所述头部三维特征点,找到最邻近点(pi,si), 以R1矩阵作为迭代起始参数,然后计算出最优变换矩阵R2,使得误差函数最小,误差函数E(R2)如下公式5:
。
ICP是一种广泛使用的方法,具体过程公式很多,本质为一迭代优化求解方法,因此公式5仅为举例;另外ICP不要求两组点云点集提前一一对应,数量也可不同,ICP内部通过最近邻确定对应关系。
相比现有技术而言,本发明的配准***及方法可大幅缩短手术导航的配准操作时间,同时大幅提升配准精度。另外,由于省去了机械臂,因此不仅降低了设备的整体成本,并且减少了手术室的空间占用,同时避免了机械臂对手术操作时的空间干涉。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种用于手术导航的医学图像配准方法,其特征在于:
包括一配准***,该配准***包含红外相机、第一红外反光工具以及计算中心;
所述第一红外反光工具包括至少三个不共线的反光点,且各反光点均位于所述红外相机的拍摄范围内;所述第一红外反光工具连设于一可移动支架的上端;
所述计算中心通讯连接所述红外相机,用于存储所述红外相机拍摄的图像,并通过计算实现图像配准;
所述配准方法包括以下步骤:
步骤一、根据术前医学影像获取患者头部三维特征点
通过向所述计算中心输入所述术前医学影像,提取患者头部至少三个不共线的影像三维特征点;所述影像三维特征点通过一神经网络获得;
步骤二、获取患者的头部三维特征点
操作所述第一红外反光工具的可移动支架,使得可移动支架的下端分别接触患者头部的至少三个不共线的部位;
同时,所述红外相机捕捉所述第一红外反光工具的各反光点的空间变换位置,结合所述可移动支架的下端与所述第一红外反光工具的空间关系,通过计算中心获得各被接触部位的头部三维特征点,且某一所述头部三维特征点与某一所述影像三维特征点对应表达患者头部的同一部位;
步骤三、将步骤一中提取获得的影像三维特征点与步骤二中获得的头部三维特征点一一匹配,实现术前患者的影像空间与术中患者的真实空间位置配准;
于步骤二中,操作所述可移动支架的下端在患者头部绘制轨迹,该轨迹为曲线,以获得头部轨迹点集,该头部轨迹点集包含数个连续的头部三维特征点;
于步骤三中,将各影像三维特征点与各头部三维特征点进行一一匹配,计算得到R1矩阵;
通过MC算法从所述术前医学影像中提取皮肤点云特征点;
然后,将皮肤点云特征点、头部三维特征点以及R1矩阵作为输入,通过ICP算法得到R2矩阵;
所述R1矩阵的计算方法如下:
(1)通过所述计算中心输入所述术前医学影像,提取患者头部至少三个不共线的影像三维特征点空间位置数据P,见下述公式1:
假设影像三维特征点共有n个,n为大于等于3的正整数;P1为第一个点,Pn为第n个点,x,y,z代表每个影像三维特征点的三维空间坐标,该矩阵维度为4*n;
(2)通过所述红外相机捕捉所述第一红外反光工具的各反光点的空间变换位置,结合所述可移动支架的下端与所述第一红外反光工具的空间关系,通过计算中心获得各被接触部位的头部三维特征点的空间位置数据Q,见下述公式2:
假设头部三维特征点共有n个,n为大于等于3的正整数;Q1为第一个点,Qn为第n个点,x,y,z代表每个头部三维特征点的三维空间坐标,该矩阵维度为4*n;
(3)将所述红外相机捕捉头部三维特征点的空间位置数据变换到影像三维特征点空间位置结构光相机的坐标系下,见下述公式3:
即P=R1*Q,R1为一个4x4的空间变换矩阵;通过最小二乘法求得R1矩阵,如下公式4:R1=P*QT*(Q*QT)-1
其中,T代表矩阵的转置;
所述R2矩阵的计算方法如下:
选取目标点云P为所述皮肤点云特征点和源点云S为所述头部三维特征点,找到最邻近点(pi,si),以R1矩阵作为迭代起始参数,然后计算出最优变换矩阵R2,使得误差函数最小,误差函数E(R2)如下公式:
2.根据权利要求1所述的医学图像配准方法,其特征在于:
还包括第二红外反光工具,该第二红外反光工具相对患者头部静止;
所述第二红外反光工具包括至少三个不共线的反光点,各反光点均位于所述红外相机的拍摄范围内;
所述红外相机同时拍摄两红外反光工具,并以所述第二红外反光工具为一空间坐标系的原点,所述第一红外反光工具位于所述空间坐标系中。
3.根据权利要求1所述的医学图像配准方法,其特征在于:所述可移动支架具有一杆状主体,该杆状主体的上端连接固定所述第一红外反光工具,杆状主体的下端为接触端,用于接触患者头部。
4.根据权利要求1所述的医学图像配准方法,其特征在于:于步骤一中,所述术前医学影像包括患者术前所拍摄的CT或MRI。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111374794.4A CN113974831B (zh) | 2021-11-19 | 2021-11-19 | 一种用于手术导航的医学图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111374794.4A CN113974831B (zh) | 2021-11-19 | 2021-11-19 | 一种用于手术导航的医学图像配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113974831A CN113974831A (zh) | 2022-01-28 |
CN113974831B true CN113974831B (zh) | 2024-05-31 |
Family
ID=79749532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111374794.4A Active CN113974831B (zh) | 2021-11-19 | 2021-11-19 | 一种用于手术导航的医学图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113974831B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016095168A1 (zh) * | 2014-12-18 | 2016-06-23 | 复旦大学 | 基于平板电脑的手术导航用的体数据可视化方法 |
CN109499010A (zh) * | 2018-12-21 | 2019-03-22 | 苏州雷泰医疗科技有限公司 | 基于红外和可见光三维重建的放射治疗辅助***及其方法 |
CN111671502A (zh) * | 2020-04-17 | 2020-09-18 | 长春理工大学 | 用于经皮穿刺微创手术智能引导的持针器 |
CN113197666A (zh) * | 2020-10-29 | 2021-08-03 | 上海舍成医疗器械有限公司 | 用于手术导航的装置及*** |
CN113229937A (zh) * | 2021-06-04 | 2021-08-10 | 李珍珠 | 一种利用实时结构光技术实现手术导航的方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3048872B1 (fr) * | 2016-03-21 | 2018-04-13 | Medtech Sa | Procede et dispositif de recalage automatise pour un robot chirurgical |
-
2021
- 2021-11-19 CN CN202111374794.4A patent/CN113974831B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016095168A1 (zh) * | 2014-12-18 | 2016-06-23 | 复旦大学 | 基于平板电脑的手术导航用的体数据可视化方法 |
CN109499010A (zh) * | 2018-12-21 | 2019-03-22 | 苏州雷泰医疗科技有限公司 | 基于红外和可见光三维重建的放射治疗辅助***及其方法 |
CN111671502A (zh) * | 2020-04-17 | 2020-09-18 | 长春理工大学 | 用于经皮穿刺微创手术智能引导的持针器 |
CN113197666A (zh) * | 2020-10-29 | 2021-08-03 | 上海舍成医疗器械有限公司 | 用于手术导航的装置及*** |
CN113229937A (zh) * | 2021-06-04 | 2021-08-10 | 李珍珠 | 一种利用实时结构光技术实现手术导航的方法和*** |
Non-Patent Citations (2)
Title |
---|
基于双目立体视觉的手术导航脑部穿刺关键技术研究;张曦;张健;;计量与测试技术;45(05);54-57 * |
手术导航中的三维注册方法;向华;王纯巍;王广志;;空军医学杂志;37(03);149-152 * |
Also Published As
Publication number | Publication date |
---|---|
CN113974831A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3034314C (en) | Methods and systems for registration of virtual space with real space in an augmented reality system | |
EP3254621B1 (en) | 3d image special calibrator, surgical localizing system and method | |
US20220401162A1 (en) | Hand controller for robotic surgery system | |
CN109152615B (zh) | 在机器人手术过程期间识别和跟踪物理对象的***和方法 | |
US20190298277A1 (en) | Surgical positioning apparatus, positioning system and positioning method | |
CN110051436B (zh) | 自动化协同工作组件及其在手术器械中的应用 | |
CA2892554C (en) | System and method for dynamic validation, correction of registration for surgical navigation | |
CN109464196A (zh) | 采用结构光影像配准的手术导航***及配准信号采集方法 | |
CN107182200B (zh) | 微创手术导航*** | |
CN110215284A (zh) | 一种可视化***和方法 | |
CN113870329A (zh) | 一种用于手术导航的医学影像配准***及方法 | |
CN114404047B (zh) | 定位方法、***、装置、计算机设备和存储介质 | |
CN110916799A (zh) | 基于5g网络的穿刺机器人导航*** | |
CN114224489B (zh) | 用于手术机器人的轨迹跟踪***及利用该***的跟踪方法 | |
CN113855240B (zh) | 一种基于磁导航的医学影像配准***和方法 | |
CN116883471B (zh) | 面向胸腹部经皮穿刺的线结构光无接触点云配准方法 | |
CN113974831B (zh) | 一种用于手术导航的医学图像配准方法 | |
CN117481756A (zh) | 穿刺引导方法、设备及机器人*** | |
CN117122414A (zh) | 一种主动跟踪式手术导航*** | |
CN110123452A (zh) | 机器人的导航方法及*** | |
CN115005979A (zh) | 计算机可读存储介质、电子设备及手术机器人*** | |
CN114587593A (zh) | 一种手术导航定位***及其使用方法 | |
WO2022198198A1 (en) | Method and system for non-contact patient registration in image‑guided surgery | |
KR20220096157A (ko) | 마커리스 기반의 3차원 영상 정합 방법 및 이를 이용한 3차원 객체 추적 방법 및 장치 | |
Truppe et al. | Interventional video tomography |
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 | ||
CB02 | Change of applicant information |
Address after: Room 213, Building 5, Hexin Zhihui Science and Technology Park, No. 88 Huyang Road, Suzhou High tech Zone, Suzhou City, Jiangsu Province, 215000 Applicant after: Suzhou Xunyi Technology Co.,Ltd. Applicant after: THE AFFILIATED HOSPITAL OF QINGDAO University Address before: 629 Changzhong Road, Fengxian District, Shanghai, 201422 Applicant before: Shanghai Xunshi Technology Co.,Ltd. Applicant before: THE AFFILIATED HOSPITAL OF QINGDAO University |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |