【技术实现步骤摘要】
医学影像解剖特征点的自动识别方法、系统、设备及介质
[0001]本专利技术涉及一种医学影像解剖特征点的自动识别方法,尤其是一种医学影像解剖特征点的自动识别方法、系统、设备及介质。
技术介绍
[0002]髋臼周围截骨术(Periacetabular osteotomy,缩写为PAO)是一种常用的重建髋臼术式,适应症包括青少年髋臼发育异常,股骨头半脱位等。该手术通过在髋臼周围进行多边形截骨,将髋臼从周围的骨盆分离。截取髋臼可大幅度移动(改变位置,角度等),改善髋臼对股骨头的覆盖情况,以达成减轻关节磨损、缓解关节疼痛的目的。
[0003]PAO手术的关键是确定必要的髋臼旋转量,实现髋臼和股骨头的最佳匹配关系。PAO术前,医生通常会拍摄患者骨盆/股骨部位的CT(Computed Tomography电子计算机断层扫描)影像,基于影像设计合理的手术方案,确定截骨的位置、角度和截取髋臼的移动量、旋转量等。PAO术中,医生可借助术中影像或手术导航系统等辅助工具执行手术方案,完成手术过程。PAO术后,医生通常会再次拍摄患者骨盆/股骨部位的X光或CT影像,并基于术前术后的影像对比,评估手术方案的完成情况。
[0004]上述过程中,医生通常需要在CT影像中识别和标记大量的解剖特征点,辅助完成手术方案的设计、手术方案的注册(手术导航注册)、手术方案的评估等。例如,设计手术方案时,医生通过标记髂前上棘和耻骨联合可定义骨盆前平面(APP),通过标记髋臼中心点和股骨头中心点可定义截取髋臼的旋转中心;注册手术方案时,医生通过标记髂 ...
【技术保护点】
【技术特征摘要】
1.一种医学影像解剖特征点的自动识别方法,其特征在于,所述自动识别方法包括:获取目标医学影像、预设影像模板及预设图谱模板;其中,所述预设影像模板与所述预设图谱模板相互匹配,所述预设图谱模板上标注有解剖特征点,所述解剖特征点通过与所述预设图谱模板背景不同的像素值显示;以所述目标医学影像为基准影像,所述预设影像模板为配准影像,基于影像互信息度量的金字塔配准得到配准变形矩阵;基于所述配准变形矩阵对所述预设图谱模板进行变形,得到变形后的图谱模板并与所述目标医学影像匹配;所述变形后的图谱模板与所述目标医学影像重叠,将所述变形后的图谱模板进行阈值分割,根据所述解剖特征点提取特征区域,并计算特征区域中心,获得初始解剖特征点,并以所述初始解剖特征点为中心,在预设半径内的所述目标医学影像中的解剖面上匹配目标解剖特征点。2.根据权利要求1所述的医学影像解剖特征点的自动识别方法,其特征在于,所述基于影像互信息度量的金字塔配准得到配准变形矩阵的步骤包括:以预设图谱模板为第一配准影像,通过仿射变换的金字塔模型进行配准过程并计算所述第一配准影像与基准影像的互信息,合并配准过程中的变形矩阵得到第一配准变形矩阵;以基于所述第一配准变形矩阵生成的变形的图谱为第二配准影像,通过B样条弹性变换的金字塔模型进行配准过程并计算所述第二配准影像与基准影像的互信息,合并配准过程中的变形矩阵得到第二配准变形矩阵;所述基于所述配准变形矩阵对所述图谱模板进行变形的步骤包括:将所述图谱模板依次应用第一配准变形矩阵和第二配准变形矩阵生成所述变形后的图谱模板。3.根据权利要求2所述的医学影像解剖特征点的自动识别方法,其特征在于,所述通过仿射变换的金字塔模型进行配准过程得到第一变形矩阵的步骤包括:平移所述预设影像模板,使所述预设影像模板与所述目标医学影像的几何中心重合;规划配准金字塔模型;通过迭代执行仿射变换进行配准,所述仿射变换的公式为:其中,任意像素点的空间坐标记为仿射变换后对应像素点空间坐标记为仿射变换中心C的空间坐标记为仿射变换的平移矩阵T记为仿射变换的旋转及仿射
矩阵M记为对每次仿射变换结果计算配准影像与基准影像的互信息,所述互信息计算公式为:I(A,B)=H(A)+H(B)
‑
H(A,B)其中I(A,B)为影像A和影像B的互信息,影像A和影像B分别为配准影像和基准影像,H(A)和H(B)分别为影像A和影像B的熵值,计算公式为:H(A)=
‑
∫p
A
(a)logp
A
(a)da其中p
A
(a)为影像A中对应像素值a的灰度分布概率;H(A,B)为影像A和影像B的联合熵值,计算公式为:H(A,B)=
‑
∫p
AB
(a,b)logp
AB
(a,b)dadb其中p
AB
(a,b)为影像A和影像B中对应像素值对ab的联合灰度分布概率;通过记录及比对每次仿射变换前后的互信息差异优化和迭代所述仿射变换的参数,实现局部收敛完成配准;和/或,所述通过B样条弹性变换的金字塔模型进行配准过程得到第二变形矩阵的步骤包括:规划配准金字塔模型;通过迭代执行所述B样条弹性变换进行配准,所述B样条弹性变换的公式为:其中为各像素点的对应坐标偏移量,P
ijk
为像素点相邻的空间控制点坐标,B为B样条基函数,其中B(u)的计算公式为:B为B样条基函数,其中B(u)的计算公式为:B为B样条基函数,其中B(u)的计算公式为:B为B样条基函数,其中B(u)的计算公式为:其中,B(v)与B(w)的计算公式与B(u)相同;对每次B样条弹性变换结果计算配准影像与基准影像的互信息,所述互信息计算公式为:I(A,B)=H(A)+H(B)
‑
H(A,B)其中I(A,B)为影像A和影像B的互信息,影像A和影像B分别为配准影像和基准影像,H
(A)和H(B)分别为影像A和影像B的熵值,计算公式为:H(A)=
‑
∫p
A
(a)logp
A
(a)da其中p
A
(a)为影像A中对应像素值a的灰度分布概率;H(A,B)为影像A和影像B的联合熵值,计算公式为:H(A,B)=
‑
∫p
AB
(a,b)logp
AB
(a,b)dadb其中p
AB
(a,b)为影像A和影像B中对应像素值对ab的联合灰度分布概率;通过记录及比对每次B样条弹性变换前后的互信息差异优化和迭代所述B样条弹性变换的参数,实现局部收敛完成配准。4.根据权利要求1所述的医学影像解剖特征点的自动识别方法,其特征在于,所述预设图谱模板的背景像素值为0,所述预设图谱模板上标注多个所述解剖特征点,所述多个解剖特征点的像素值均不同。5.一种医学影像解剖特征点的自动识别系统,其特征在于,所述自动识别系统包获取模块、配准模块、变形模块及匹配模块;所述获取模块用于获取目标医学影像、预设影像模板及预设图谱模板;其中,所述预设影像模板与所述预设图谱模板相互匹配,所述预设图谱模板上标注有解剖特征点,所述解剖特征点通过与所述预设图谱模板背景不同的像素值显示;所述配准模块用于以所述目标医学影像为基准影像,所述预设影像模板为...
【专利技术属性】
技术研发人员:孙紫盎,林子隽,张喜会,周朝政,叶震,
申请(专利权)人:上海电气集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。