【技术实现步骤摘要】
一种用于心律失常放射消融的多模态融合方法
[0001]本专利技术公开一种用于心律失常放射消融的多模态融合方法,涉及医学图像融合
技术介绍
[0002]心律失常放射消融(STAR)技术最大的优势在于无创、精准、安全、有效。申请人前期研究表明,STAR治疗TA过程中患者围术期体验良好,术后随访(1年)无一例患者发生明确的近期及远期不良反应。STAR治疗TA的核心问题之一在于靶区精确定位,也是现有技术中的研究难点。
[0003]实现靶区定位的常规技术手段是通过体表心电图、心脏彩超、心脏MRI、心脏CT结合电生理标测信号,由电生理医生综合分析,然后根据美国心脏彩超协会定义的17节段分类方法,判断靶区所在节段,最后在专门的治疗计划系统(TPS)中,通过4D
‑
CT图像勾画初步靶区(GTV),校正呼吸运动及心脏搏动的影响后形成最终靶区(PTV)。该定位方法受术者个人经验及临床能力的影响,可能存在误定位、漏定位、脱靶等问题,导致治疗失败。
[0004]本
技术实现思路
[0005]本专利技 ...
【技术保护点】
【技术特征摘要】
1.一种用于心律失常放射消融的多模态融合方法,其特征在于,包括如下具体步骤:S1、提取ETV和STV的特征,通过特征检测算法从电生理图像和瘢痕图像中提取出ETV和STV的特征;S2、匹配特征,通过特征匹配算法找到ETV和STV特征之间的对应关系;S3、融合图像,根据匹配的特征对,将两个图像进行融合,应用变换模型实现,根据特征对的对应关系计算出变换参数,然后将一个图像映射到另一个图像上。2.根据权利要求1所述的用于心律失常放射消融的多模态融合方法,其特征在于,所述特征检测算法为SIFT(Scale
‑
Invariant Feature Transform)特征提取算法,具体包括:S1.1尺度空间极值检测,在每一层图像上进行高斯模糊,生成一个尺度空间,通过在尺度空间中寻找极值点,找到潜在的关键点;S1.2关键点定位,在每一个候选的关键点位置上,通过拟合邻近数据来精确关键点的位置;S1.3方向分配,为每个关键点分配一个或多个方向,所有后续的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对这些变换的不变性;S1.4关键点描述符,在关键点周围的邻域内,在选定的尺度上测量图像梯度,生成关键点的描述符。3.根据权利要求1所述的用于心律失常放射消融的多模态融合方法,其特征在于,所述特征检测算法为SURF(Speeded Up Robust Features)特征提取算法,具体包括:S1.1构建尺度空间,使用高斯模糊和降采样方法在不同的尺度上构建输入图像的尺度空间;S1.2关键点检测,在尺度空间中,使用Hessian矩阵的行列式和迹来检测关键点;S1.3方向分配,计算每个关键点周围的Haar小波响应,并通过滑动方向窗口来为关键点分配主方向;S1.4描述符生成,在关键点的尺度和方向上,计算Haar小波响应,并生成关键点的描述符。4.根据权利要求1所述的用于心律失常放射消融的多模态融合方法,其特征在于,所述特征匹配算法为基于欧式距离的最近邻匹配法,具体包括:S2.1计算特征向量,对于每个关键点,计算其特征向量;S2.2计算距离,对于给定的关键点,计算其与其他所有关键点的特征向量的欧氏距离;S2.3最近邻匹配,找出距离最近的特征向量对应的关键点,作为给定关键点的匹配。5.根据权利要求1所述的用于心律失常放射消融的多模态融合方法,其特征在于,所述
变换模型为为仿射变换,具体包括:3.1选取关键点,选择三个不在一条直线上的关键点;3.2计算变换矩阵,通过解方程组,找到可以将ETV图像中的关键点映射到STV图像中相应关键点的仿射变换矩阵;3.3应用变换,使用计算得到的仿射变换矩阵,对ETV图像进行变换,得到与STV图像匹配的图像。6.根据权利要求1所述的用于心律失常放射消融...
【专利技术属性】
技术研发人员:陈清勇,杨庆,李京,陈腾达,景显超,王宏治,陈晨,李超,岳稳,李光俊,
申请(专利权)人:四川大学华西医院,
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。