CN115239751A - 一种术后影像针道提取方法 - Google Patents

一种术后影像针道提取方法 Download PDF

Info

Publication number
CN115239751A
CN115239751A CN202210907854.2A CN202210907854A CN115239751A CN 115239751 A CN115239751 A CN 115239751A CN 202210907854 A CN202210907854 A CN 202210907854A CN 115239751 A CN115239751 A CN 115239751A
Authority
CN
China
Prior art keywords
image
needle
suspected
segmentation threshold
threshold value
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.)
Pending
Application number
CN202210907854.2A
Other languages
English (en)
Inventor
刘孝波
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.)
Nanjing Tuodao Medical Technology Co Ltd
Original Assignee
Nanjing Tuodao Medical Technology Co Ltd
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 Nanjing Tuodao Medical Technology Co Ltd filed Critical Nanjing Tuodao Medical Technology Co Ltd
Priority to CN202210907854.2A priority Critical patent/CN115239751A/zh
Publication of CN115239751A publication Critical patent/CN115239751A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种术后影像针道提取方法，包括步骤：(1)计算术后影像中针道的目标分割阈值，并据此对术后影像进行分割得到疑似针道区域图像；(2)根据疑似针道区域图像中各体素点的物理坐标进行直线拟合得到空间拟合直线；(3)根据疑似针道区域图像中各体素点与拟合得到的空间拟合直线之间的距离进行异常点检测和剔除；(4)更新疑似针道区域图像并重复步骤(2)～(3)，直到剔除所有异常点得到最终针道区域图像。本发明提取到的针道精度高且可靠。

Description

一种术后影像针道提取方法
技术领域
本发明涉及图像处理技术领域，尤其涉及一种术后影像针道提取方法。
背景技术
医疗手术导航机器人充分利用患者医学影像信息为医生提供更多立体化导航，具有角度定位精准、操作精度高、可重复性好和稳定性高等优点，能够实现较为精准的微创手术，从而减少病人创面、加速病人康复速度，因此在临床上应用的越来越广泛。
肺部等随患者呼吸会发生变形和运动的器官的穿刺活检、消融等手术中，由于病人处于持续呼吸的状态，器官内的病灶点的位移最大可达5cm，因此即难以保证百分之百的手术成功率。为提高手术成功率，需要对术后的针道进行提取以评估实际临床执行结果的精度，术后影像中穿刺针的提取精度对临床执行结果精度的计算至关重要，而目前尚未存在一种能够可靠的、高精度的提取术后影像中的穿刺针的方法。
发明内容
发明目的：本发明针对上述不足，提供一种能够高精度的、可靠的提取术后影像针道的术后影像针道提取方法。
技术方案：
一种术后影像针道提取方法，包括步骤：
(1)计算术后影像中针道的目标分割阈值，并据此对术后影像进行分割得到疑似针道区域图像；
(2)根据疑似针道区域图像中各体素点的物理坐标进行直线拟合得到空间拟合直线；
(3)根据疑似针道区域图像中各体素点与拟合得到的空间拟合直线之间的距离进行异常点检测和剔除；
(4)更新疑似针道区域图像并重复步骤(2)～(3)，直到剔除所有异常点得到最终针道区域图像。
将术后影像中各体素点的体素值转换为Hu值，并根据各体素点的Hu值计算所述目标分割阈值。
所述计算术后影像中针道的目标分割阈值具体为：
设置多个分割阈值形成分割阈值组，使用LM算法计算分割阈值组对应的类间方差，根据计算得到的类间方差设定迭代步长并对分割阈值组中各分割阈值进行调整，重复该过程直至达到迭代终止条件，选取类间方差最大值对应的分割阈值组作为目标分割阈值组，选择目标分割阈值组中最大的分割阈值作为所述目标分割阈值。
所述类间方差σp2计算如下：
Figure BDA0003773102720000021
Figure BDA0003773102720000022
Figure BDA0003773102720000023
Figure BDA0003773102720000024
其中，ck为设置的第k个分割阈值，k＝1,…,m，m为用户设置的分割阈值个数；pt表示根据术后影像中各体素点Hu值构建的频率直方图中Hu值t所对应的频率直方图中的频率，ωk表示Hu值t在阈值范围(ck,ck+1)内的概率，μk表示Hu值t在阈值范围(ck,ck+1)内的Hu值均值，μT表示所有体素点Hu值的均值。
所述迭代终止条件为当迭代次数达到100次或迭代步长的无穷大范数小于1e-6。
对术后影像进行分割得到疑似针道区域图像具体为：
采用所述目标分割阈值对术后影像进行二值化处理，对处理后的术后影像进行形态学闭运算处理连接各孤立区域得到各连通区域；计算各连通区域的长轴和短轴，从而得到每个连通区域的长径比，保留最大长径比对应的连通区域作为疑似针道区域图像。
所述拟合得到空间拟合直线的步骤具体为：
对疑似针道区域图像中各体素点的物理坐标进行最小二乘法拟合得到空间拟合直线，具体如下式；
x＝a1*z+b1
y＝a2*z+b2
其中，系数a1、a2、b1和b2如下式得到：
Figure BDA0003773102720000031
Figure BDA0003773102720000032
Figure BDA0003773102720000033
Figure BDA0003773102720000034
其中，(xi,yi,zi)T表示疑似针道区域图像中各体素点对应的物理坐标，i表示疑似针道区域图像中第i个体素点，n表示疑似针道区域图像中体素点的数量。
所述异常点检测和剔除的步骤具体为：
计算疑似针道区域图像中第j个体素点与拟合得到的空间拟合直线之间的距离dj，计算公式如下：
Figure BDA0003773102720000035
其中，Dj为疑似针道区域图像中第j个体素点Pj到空间拟合直线的距离向量，其模计算如下：
Figure BDA0003773102720000036
式中，A、B分别为拟合得到的空间拟合直线上的任意两点；
Figure BDA0003773102720000037
表示Dj的均值，hgg为矩阵H的对角元素，矩阵H如下：
H＝Dj*(Dj TDj)-1*Dj T
若
Figure BDA0003773102720000038
则判断第j个体素点Pj为异常坐标点，将其剔除；
其中，fac为调整因子，
Figure BDA0003773102720000041
为疑似针道区域图像中所有体素点到拟合的空间拟合直线之间的平均距离。
还包括步骤：遍历计算得到的最终针道区域图像的所有体素点的点对距离，选取距离最远的点对，将该点对的物理坐标代入最新拟合直线得到针道的两个端点。
有益效果：本发明术后影像针道提取采用多阈值分割得到疑似针道区域图像，然后通过拟合空间直线进行异常点检测和剔除，以消除影像因金属伪影等导致的误差，提取到的针道的精度高且可靠。
附图说明
图1为本发明的术后影像针道提取方法的流程图；
图2为术后影像示意图；
图3为分割得到的疑似针道区域图像的示意图；
图4为对疑似针道区域图像进行二值化处理前的图像；
图5为对疑似针道区域图像进行二值化处理后的图像。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
如图1所示，本发明术后影像针道提取方法包括如下步骤：
(1)计算术后影像中针道的目标分割阈值；
如图2所示，术后影像的肺部影像存在众多组织和植入物，单一阈值分割算法无法精确的对针道对应的阈值进行提取，因此本发明采用OTSU算法计算其分割阈值，即设置多个分割阈值形成分割阈值组，推荐4个，使用LM算法计算分割阈值组对应的类间方差σp2，根据计算得到的类间方差设定迭代步长并调整当前分割阈值组中的各阈值，重复以上步骤直到迭代次数达到100次或迭代步长的无穷大范数小于第一阈值1e-6时停止迭代，选取类间方差达到最大值时对应的分割阈值组作为目标分割阈值组，然后选择该目标分割阈值组中最大的分割阈值作为目标分割阈值，具体如下：
σp2计算如下：
Figure BDA0003773102720000051
Figure BDA0003773102720000052
Figure BDA0003773102720000053
Figure BDA0003773102720000054
其中，ck为设置的第k个分割阈值，k＝1,…,m，m为用户设置的每个分割阈值组内的分割阈值个数；pt表示Hu值t所对应的频率直方图中的频率，ωk表示Hu值t在阈值范围(ck,ck+1)内的概率，μk表示Hu值t在阈值范围(ck,ck+1)内的Hu值均值，μT表示所有体素点Hu值的均值；
(2)对图像进行二值化处理并提取得到疑似针道区域图像；
根据步骤(1)中得到的目标分割阈值对图像进行分割并进行二值化处理，图3为分割得到的疑似针道区域图像，图4、5分别为对图像进行二值化处理前后的图像；
穿刺针为细长形态，经过二值化处理后针道在图像上出现不连续的现象，也就是空间上割裂，为此对经过二值处理后图像进行形态学闭运算处理，将图像中各孤立部分连接形成一个整体；本发明的形态学闭运算使用圆形结构卷积核，卷积核为5；
对经形态学闭运算处理后的各连通区域进行连通性分析，得到疑似针道区域；具体的：肺部影像存在骨骼、示踪器等外部标记物，从而产生成为干扰的前景区域，为此对经形态学闭运算处理后的各连通区域进行标注，计算各连通区域的长轴和短轴，从而得到长径比，保留最大长径比对应的连通区域作为疑似针道区域图像，输出疑似针道区域图像的物理空间坐标点集
Figure BDA0003773102720000055
其中(xi,yi,zi)T表示疑似针道区域图像中各体素点对应的物理坐标，i表示疑似针道区域图像中第i个体素点，n表示疑似针道区域图像中体素点的数量；
(3)对疑似针道区域图像中的各体素点进行空间直线拟合；
对疑似针道区域图像中的坐标点集
Figure BDA0003773102720000056
进行稳健回归最小二乘法拟合得到空间拟合直线L，具体如下式；
x＝a1*z+b1
y＝a2*z+b2
其中，系数a1、a2、b1和b2如下式得到：
Figure BDA0003773102720000061
Figure BDA0003773102720000062
Figure BDA0003773102720000063
Figure BDA0003773102720000064
(4)异常坐标点检测和剔除；
针道附近存在金属伪影、高密度附件等连接对象，导致拟合得到的空间拟合直线可能偏离实际的针道主轴线，为此需要遍历检测疑似针道区域图像所有空间坐标点中是否存在异常坐标点并将异常坐标点剔除后再次执行步骤(3)进行空间直线的拟合，直到得到最终针道区域图像的物理空间坐标点集；
异常坐标点检测具体为：
计算疑似针道区域图像中的空间坐标点集
Figure BDA0003773102720000065
中的第j点与拟合得到的空间拟合直线之间的距离dj，按下式进行计算：
Figure BDA0003773102720000066
其中，Dj为第j点Pj到空间拟合直线L的距离向量，其模计算如下：
Figure BDA0003773102720000067
式中，A、B分别为拟合得到的空间拟合直线上的任意两点；
Figure BDA0003773102720000068
表示Dj的均值，hgg为矩阵H的对角元素，矩阵H如下：
Figure BDA0003773102720000069
若
Figure BDA00037731027200000610
则第j点为异常坐标点，进行剔除，更新疑似针道区域图像的物理空间坐标点集并返回步骤(3)得到最新空间拟合直线并继续执行步骤(4)，否则不进行剔除；重复本步骤直到剔除所有异常点，得到最终针道区域图像的物理空间坐标点集；
其中，fac为调整因子，本发明中设为3；
Figure BDA0003773102720000071
为疑似针道区域图像中的空间坐标点集
Figure BDA0003773102720000072
中的所有点到拟合的空间拟合直线之间的平均距离；
(5)计算得到针道的两端点；
遍历最终针道区域图像中的所有点对得到距离最远的点对，将该点对的物理坐标代入最新空间拟合直线得到针道的两个端点。
本发明从疑似针道区域图像识别和疑似针道区域图像点集分析两部分对术后影像的针道进行提取，通过粗识别得到疑似针道区域图像的坐标点集，再经过疑似针道点集的空间直线拟合、异常点坐标检测、剔除等消除影像中因金属伪影等导致的误差，输出最新拟合直线并代入最终针道区域中最远点对的物理坐标计算得到针道的两个端点，提取到的针道的精度高且可靠。
以上详细描述了本发明的优选实施方式，但是本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (9)

1.一种术后影像针道提取方法，其特征在于：包括步骤：
(1)计算术后影像中针道的目标分割阈值，并据此对术后影像进行分割得到疑似针道区域图像；
(2)根据疑似针道区域图像中各体素点的物理坐标进行直线拟合得到空间拟合直线；
(3)根据疑似针道区域图像中各体素点与拟合得到的空间拟合直线之间的距离进行异常点检测和剔除；
(4)更新疑似针道区域图像并重复步骤(2)～(3)，直到剔除所有异常点得到最终针道区域图像。
2.根据权利要求1所述的术后影像针道提取方法，其特征在于：将术后影像中各体素点的体素值转换为Hu值，并根据各体素点的Hu值计算所述目标分割阈值。
3.根据权利要求2所述的术后影像针道提取方法，其特征在于：所述计算术后影像中针道的目标分割阈值具体为：
设置多个分割阈值形成分割阈值组，使用LM算法计算分割阈值组对应的类间方差，根据计算得到的类间方差设定迭代步长并对分割阈值组中各分割阈值进行调整，重复该过程直至达到迭代终止条件，选取类间方差最大值对应的分割阈值组作为目标分割阈值组，选择目标分割阈值组中最大的分割阈值作为所述目标分割阈值。
4.根据权利要求3所述的术后影像针道提取方法，其特征在于：所述类间方差σp2计算如下：
Figure FDA0003773102710000011
Figure FDA0003773102710000012
Figure FDA0003773102710000013
Figure FDA0003773102710000014
其中，ck为设置的第k个分割阈值，k＝1,…,m，m为用户设置的分割阈值个数；pt表示根据术后影像中各体素点Hu值构建的频率直方图中Hu值t所对应的频率直方图中的频率，ωk表示Hu值t在阈值范围(ck,ck+1)内的概率，μk表示Hu值t在阈值范围(ck,ck+1)内的Hu值均值，μT表示所有体素点Hu值的均值。
5.根据权利要求3所述的术后影像针道提取方法，其特征在于：所述迭代终止条件为当迭代次数达到100次或迭代步长的无穷大范数小于1e-6。
6.根据权利要求1所述的术后影像针道提取方法，其特征在于：对术后影像进行分割得到疑似针道区域图像具体为：
采用所述目标分割阈值对术后影像进行二值化处理，对处理后的术后影像进行形态学闭运算处理连接各孤立区域得到各连通区域；计算各连通区域的长轴和短轴，从而得到每个连通区域的长径比，保留最大长径比对应的连通区域作为疑似针道区域图像。
7.根据权利要求1或6所述的术后影像针道提取方法，其特征在于：所述拟合得到空间拟合直线的步骤具体为：
对疑似针道区域图像中各体素点的物理坐标进行最小二乘法拟合得到空间拟合直线，具体如下式；
x＝a1*z+b1
y＝a2*z+b2
其中，系数a1、a2、b1和b2如下式得到：
Figure FDA0003773102710000021
Figure FDA0003773102710000022
Figure FDA0003773102710000023
Figure FDA0003773102710000024
其中，(xi,yi,zi)T表示疑似针道区域图像中各体素点对应的物理坐标，i表示疑似针道区域图像中第i个体素点，n表示疑似针道区域图像中体素点的数量。
8.根据权利要求1所述的术后影像针道提取方法，其特征在于：所述异常点检测和剔除的步骤具体为：
计算疑似针道区域图像中第j个体素点与拟合得到的空间拟合直线之间的距离dj，计算公式如下：
Figure FDA0003773102710000031
其中，Dj为疑似针道区域图像中第j个体素点Pj到空间拟合直线的距离向量，其模计算如下：
Figure FDA0003773102710000032
式中，A、B分别为拟合得到的空间拟合直线上的任意两点；
Figure FDA0003773102710000033
表示Dj的均值，hgg为矩阵H的对角元素，矩阵H如下：
H＝Dj*(Dj TDj)-1*Dj T
若
Figure FDA0003773102710000034
则判断第j个体素点Pj为异常坐标点，将其剔除；
其中，fac为调整因子，
Figure FDA0003773102710000035
为疑似针道区域图像中所有体素点到拟合的空间拟合直线之间的平均距离。
9.根据权利要求1所述的术后影像针道提取方法，其特征在于：还包括步骤：遍历计算得到的最终针道区域图像的所有体素点的点对距离，选取距离最远的点对，将该点对的物理坐标代入最新拟合直线得到针道的两个端点。
CN202210907854.2A 2022-07-29 2022-07-29 一种术后影像针道提取方法 Pending CN115239751A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210907854.2A CN115239751A (zh) 2022-07-29 2022-07-29 一种术后影像针道提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210907854.2A CN115239751A (zh) 2022-07-29 2022-07-29 一种术后影像针道提取方法

Publications (1)

Publication Number Publication Date
CN115239751A true CN115239751A (zh) 2022-10-25

Family

ID=83678302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210907854.2A Pending CN115239751A (zh) 2022-07-29 2022-07-29 一种术后影像针道提取方法

Country Status (1)

Country Link
CN (1) CN115239751A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116725640A (zh) * 2023-06-20 2023-09-12 山东卓业医疗科技有限公司 一种身体穿刺打印模板的构建方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116725640A (zh) * 2023-06-20 2023-09-12 山东卓业医疗科技有限公司 一种身体穿刺打印模板的构建方法
CN116725640B (zh) * 2023-06-20 2024-02-27 山东卓业医疗科技有限公司 一种身体穿刺打印模板的构建方法

Similar Documents

Publication Publication Date Title
WO2022052303A1 (zh) 超声图像和ct图像的配准方法、装置及设备
CN106934821B (zh) 一种基于icp算法和b样条的锥形束ct和ct图像配准方法
CN107886129B (zh) 一种基于视觉词袋的移动机器人地图闭环检测方法
US20180114313A1 (en) Medical Image Segmentation Method and Apparatus
CN113112609A (zh) 一种面向肺部活检支气管镜的导航方法和***
CN108615239B (zh) 基于阈值技术和灰度投影的舌图像分割方法
CN102831614B (zh) 基于交互式字典迁移的序列医学图像快速分割方法
Zheng et al. Fast and automatic heart isolation in 3D CT volumes: Optimal shape initialization
CN117078671A (zh) 一种甲状腺超声影像智能分析***
CN113538471B (zh) 斑块的分割方法、装置、计算机设备和存储介质
CN115239751A (zh) 一种术后影像针道提取方法
CN110223331B (zh) 一种大脑mr医学图像配准方法
CN116363181A (zh) 一种基于特征的ct图像和超声图像肝脏配准方法
CN112258536B (zh) 一种胼胝体及小脑蚓部的一体化定位及分割方法
CN110533667B (zh) 基于图像金字塔融合的肺部肿瘤ct影像3d分割方法
KR101154355B1 (ko) 좌심실 자동 분할 방법
CN116543187A (zh) 一种面向双模g型臂x光机的图像匹配方法
CN106780470A (zh) Ct图像***自动化检测方法
CN112085711B (zh) 采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法
CN113780421B (zh) 基于人工智能的脑部pet影像识别方法
CN112258533B (zh) 一种超声图像中小脑蚓部的分割方法
WO2021213053A1 (zh) 基于软组织表面形变估计组织内部目标运动的***与方法
CN110335348B (zh) 一种基于RFR-SSMs的骨盆股骨医学图像建模方法
CN113902707A (zh) 标记球定位方法及其应用
CN113936305A (zh) 一种手掌识别过程中的中指位置确认方法及特征提取方法

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
CB02 Change of applicant information

Address after: 210000 building 3, No. 34, Dazhou Road, Yuhuatai District, Nanjing, Jiangsu Province

Applicant after: Tuodao Medical Technology Co.,Ltd.

Address before: 210000 building 3, No. 34, Dazhou Road, Yuhuatai District, Nanjing, Jiangsu Province

Applicant before: Nanjing Tuodao Medical Technology Co.,Ltd.

CB02 Change of applicant information