[发明专利]一种基于深度学习的胸部CT与X光实时配准算法在审
申请号: | 202111167612.6 | 申请日: | 2021-10-07 |
公开(公告)号: | CN113870331A | 公开(公告)日: | 2021-12-31 |
发明(设计)人: | 王越;焦艳梅;熊蓉;其他发明人请求不公开姓名 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06T7/33 | 分类号: | G06T7/33;G06T7/00;G06N3/04;G06N3/08 |
代理公司: | 杭州中成专利事务所有限公司 33212 | 代理人: | 李亦慈;唐银益 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 胸部 ct 实时 算法 | ||
本发明公开了一种基于深度学习的胸部CT与X光实时配准算法,用于实现准确快速的初始化配准。本发明利用手术中基本不受呼吸作用影响的脊椎中心作为解剖特征点,借由特征点匹配辅助完成CT与X光的配准。为了适配脊椎中心点在空间共面的特点,本发明以C形臂扫描的常规姿态为先验,将6自由度位姿估计问题转化为4自由度位姿估计,所需特征点匹配数量更少,针对手术中不可避免的特征点定位错误的问题,本发明提供了一种具有错误感知的鲁棒位姿融合方法,输入根据特征匹配计算出的候选位姿,可以同时估计并且抑制错误的特征点,然后融合正确的候选位姿,从而实现鲁棒的初始化配准,提升胸外科手术中病灶定位的准确率和效率。
技术领域
本发明属于医学与计算机科学的交叉领域,具体涉及一种基于深度学习的胸部CT与X光实时配准算法。
背景技术
在图像引导的微创外科手术中,C形臂X光机拍摄的二维X光图像能够实时对病灶所在区域进行照射,引导医生找到病灶,执行手术操作,但是通常病灶的密度与人体肌肉组织接近,在X光图像上不易区分,加上其他组织和器官相互重叠遮挡,导致医生很难用肉眼在X光图像上对病灶位置进行准确判断,增加了手术的难度。目前常用的病灶定位手段是首先在手术前对病人进行三维CT扫描,由于CT图像具有三维信息并且精度较高,医生可以在术前规划中将病灶位置在CT中进行精准标记,在手术过程中,使用配准算法将CT图像与术中采集的二维X光图像进行对齐,从而将CT中标记的病灶位置投影到X光图像上,实现对X光图像的增强,进而引导医生对病灶进行精确定位。但是传统的配准算法为了保证配准的精度,往往需要长时间优化,并且具有较小的收敛域,无法满足手术过程中自动和实时配准的需求。为了保证配准的精准性和高效性,目前更具优势的做法是将配准分为两阶段执行,第一阶段是全局初始化,将CT从初始姿态变换到与目标姿态接近的位置,进入传统算法的收敛域之内,第二阶段是局部优化,使用传统算法对初始化后的姿态进行精调。全局初始化通常需要建立CT和X光中相同的解剖特征点之间的关联,从而使用最小化重投影误差的算法如PnP计算位姿变换的闭式解。其中,解剖特征点检出通常使用深度学习算法完成,相比于传统手工特征设计的方法,深度学习方法大幅提高了解剖特征的精度和检出率。但是,即便如此,现有的深度学习方法无法保证所有的解剖特征点都被准确地检出,尤其是对于成像质量较差的X光图像,会造成错误的解剖特征关联,从而造成较大的初始化误差。对此,近年来有部分研究提出了对不同解剖特征点赋予不同权重的做法,但是这些离线权重无法适应手术中变化的场景,容易造成配准失败。
发明内容
针对上述算法的优劣势和存在的问题,本发明提供了一种基于深度学习的胸部CT与X光实时配准算法,用于实现准确快速的初始化配准。本发明利用手术中基本不受呼吸作用影响的脊椎中心作为解剖特征点,借由特征点匹配辅助完成CT与X光的配准。为了适配脊椎中心点在空间共面的特点,本发明以C形臂扫描的常规姿态为先验,将6自由度位姿估计问题转化为4自由度位姿估计,所需特征点匹配数量更少,增加了候选位姿的数量,有效提升配准的鲁棒性。针对手术中不可避免的特征点定位错误的问题,本发明提供了一种具有错误感知的鲁棒位姿融合方法,输入根据特征匹配计算出的候选位姿,可以同时估计并且抑制错误的特征点,然后融合正确的候选位姿,从而实现鲁棒的初始化配准,提升胸外科手术中病灶定位的准确率和效率。
本发明是通过以下技术方案来实现的:
本发明公开了一种基于深度学习的胸部CT与X光实时配准方法,包括以下步骤:
1)在手术前获取患者的三维胸部CT平扫图像,使用3D特征点检测单元实现对CT中的脊椎中心点的定位,对3D特征点的定位结果进行检查,保证3D特征点的精度;
2)在手术中获取患者的二维胸部X光图像,使用2D特征点检测单元实现对X光中的脊柱中心点的定位,利用事先定位好的3D特征点建立一系列2D-3D特征点关联;
3)建立好的关联点连同C形臂拍摄姿态一起输入位姿求解单元,利用每两个特征点关联求解出一个6自由度候选位姿;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111167612.6/2.html,转载请声明来源钻瓜专利网。