System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及脊柱x光图像的检测与匹配,具体涉及一种脊柱x光图像匹配方法及术中x光机复位方法。
技术介绍
1、相比通常使用的固定式x光机而言,用于术中作业的x光机需要考虑其灵活性,保证x光机能够在手术室中移动部署,快速进入与撤出工作状态,从而在及时完成摄影辅助治疗的同时,减少或者避免对手术进程的干扰。类似的移动式术中x光机已经由2022年6月24日公告授权的名为《一种电动可伸缩悬挂式g型臂》的专利技术专利公开,其公告号为cn109602431b。
2、虽然已经存在移动式术中x光机,基本解决了术中x光摄影的问题,但是其效能仍需进一步优化。术中x光机用于术中对局部病灶的确认,再考虑到其灵活性,x光机的视场相比固定式x光机的视场更加受限,典型的移动式x光机的视场大约只能覆盖连续三个脊椎的范围。而在术中作业的过程中,常见的使用情形是对同一局部病灶的重复摄影,以向主刀医生提供阶段性的病灶区域的情况反馈,辅助主刀医生修正与优化手术方案。
3、现有技术下,对术中x光机的位姿控制是由经培训的负责操作术中x光机的医护人员负责的。简单而言,在每一次需要获取病灶的x光图像时,由该医护人员手动控制调整x光机对正病灶位置,然后进行拍照工作。考虑防滑、洁净等要求,手术室地面一般选用橡胶地板等软质材料,会给行走机构的运动产生较大的阻力,导致移动困难。基础的术中x光机不具备动力行走功能,完全依靠人力推行调整,这不仅仅是加大了负责的医护人员的工作负荷,更重要的是会严重地影响到x光摄影作业所需的时间。主要的时间消耗不在于将术中x光机从停机位
技术实现思路
1、为了解决现有技术中术中x光机位姿调整耗时,影响手术进程的问题,本专利技术提供一种基于脊柱x光图像的术中x光机复位方法。相应的,本专利技术还提供一种能够应用于术中x光机复位的脊柱x光图像匹配方法。
2、本专利技术的脊柱x光图像匹配方法包括如下步骤:
3、ss1. 关键点检测步骤,首先训练关键点检测器,然后将脊柱x光图像输入关键点检测器,将会输出相应的脊柱x光图像对应的关键点集合以及每个关键点的特征向量;通过将当前图像以及目标图像分别经过关键点检测器检测得到当前图像与目标图像所对应的关键点集合以及每个关键点对应的特征向量;
4、ss2. 匹配关系建立步骤,首先训练基于图神经网络的图像匹配器,然后将待匹配的当前图像与目标图像的关键点信息输入已训练的图像匹配器得到最终的匹配关系信息。
5、优选地,所述ss1关键点检测步骤包括:
6、ss11. 训练基本角点检测器,通过已标注角点信息的几何图形图片训练卷积神经网络得到基本角点检测器,训练好的基本角点检测器能够检测出几何图形图片中的角点信息;
7、ss12. 训练关键点检测器,将大量的脊柱x光图像输入卷积神经网络,由卷积神经网络进行自监督学习习得脊柱x光图片中的关键点特征,得到关键点检测器,关键点检测器可以检测出脊柱x光图像中的关键点集合以及相应关键点的特征向量;
8、ss13. 使用关键点检测器处理当前图像与目标图像,经关键点检测器处理后可以得到:与当前图像所对应的关键点集合以及相应每一关键点的特征向量, 与目标图像所对应的关键点集合以及相应每一关键点的特征向量。
9、优选地,所述ss12训练关键点检测器步骤中,相应关键点的特征向量 descriptor由下式确定:
10、
11、其中 keypointencoder为关键点检测器中的全连接神经网络,输入 postion是与关键点相关的三维向量,输出为指定维度的向量, visual_descriptor是在检测过程中得到的具有指定维度的基于图像的关键点描述向量。
12、优选地,所述几何图形图片由人工合成,在人工合成的几何图形图片中,角点标注整合在合成算法中得到。
13、优选地,所述ss2匹配关系建立步骤包括:
14、ss21. 训练关键点匹配器步骤,将脊柱x光图像进行仿射变换得到变换后的图像,然后将大量成对的变换后的脊柱x光图像与原始的脊柱x光图像输入图神经网络进行模型训练,最终得到训练后的关键点匹配器;
15、ss22. 基于关键点匹配器的关键点匹配步骤,将待匹配的当前图像以及目标图像输入关键点匹配器,关键点匹配器将会输出两幅图像的关键点之间的匹配图;
16、ss23. 基于匹配图的匹配关系的确定步骤,通过应用匹配约束从所述匹配图中选择目标的匹配关系。
17、优选地,所述ss22基于关键点匹配器的关键点匹配步骤中,匹配图如下确定:
18、输入的当前图像与目标图像分别记为图像a与图像b,其各自的特征向量集为da、db;da中的元素da[i]为图像a的第i个关键点对应的特征向量,db中的元素db[j]为图像b的第j个关键点对应的特征向量;
19、经关键点匹配器处理后,上述特征向量集更新为 fa 、fb;关键点匹配器基于 fa、 fb生成两幅图各关键点之间的匹配图p。
20、
21、匹配图 p为一个 m× n的矩阵,其中的 m与 n分别为图像a与图像b中的关键点数量。
22、优选地,所述ss22基于关键点匹配器的关键点匹配步骤中,匹配图 p如下确定:
23、对于输入的当前图像与目标图像分别记为图像a与图像b,其各自的特征向量集为 da、 db; da中的元素 本文档来自技高网...
【技术保护点】
1.一种脊柱X光图像匹配方法,其特征在于,包括如下步骤:
2.如权利要求1所述的脊柱X光图像匹配方法,其特征在于,所述SS1关键点检测步骤包括:
3.如权利要求2所述的脊柱X光图像匹配方法,其特征在于,所述SS12训练关键点检测器步骤中,相应关键点的特征向量descriptor由下式确定:
4.如权利要求2所述的脊柱X光图像匹配方法,其特征在于,所述几何图形图片由人工合成,在人工合成的几何图形图片中,角点标注整合在合成算法中得到。
5.如权利要求1所述的脊柱X光图像匹配方法,其特征在于,所述SS2匹配关系建立步骤包括:
6.如权利要求5所述的脊柱X光图像匹配方法,其特征在于,所述SS22基于关键点匹配器的关键点匹配步骤中,匹配图如下确定:
7.如权利要求5所述的脊柱X光图像匹配方法,其特征在于,所述SS22基于关键点匹配器的关键点匹配步骤中,匹配图P如下确定:
8.如权利要求5所述的脊柱X光图像匹配方法,其特征在于,所述SS23基于匹配图的匹配关系的确定步骤中,输入的当前图像与目标图像分别记为图像
9.如权利要求8所述的脊柱X光图像匹配方法,其特征在于,所述g(Pk)可以取,此时要求g(Pk)取得最大值。
10.一种术中X光机复位方法,其特征在于,包括:
11.如权利要求10所述的术中X光机复位方法,其特征在于,所述S3误差补偿步骤中通过位姿差值控制术中X光机运动对齐位姿基准的过程中至少包括从位姿差值中获取术中X光机在地面平行平面内的坐标差值以及取向差值,以所述坐标差值以及所述取向差值控制所述术中X光机的行走系统在地面内调整至所述术中X光机与所述位姿基准对齐。
12.如权利要求10所述的术中X光机复位方法,其特征在于,所述S2初定位步骤包括:
13.如权利要求10所述的术中X光机复位方法,其特征在于,所述S3误差补偿步骤中,根据匹配关系得到拍摄当前图像与拍摄目标图像时相机在地面平行平面内的位姿差值的步骤为:
...【技术特征摘要】
1.一种脊柱x光图像匹配方法,其特征在于,包括如下步骤:
2.如权利要求1所述的脊柱x光图像匹配方法,其特征在于,所述ss1关键点检测步骤包括:
3.如权利要求2所述的脊柱x光图像匹配方法,其特征在于,所述ss12训练关键点检测器步骤中,相应关键点的特征向量descriptor由下式确定:
4.如权利要求2所述的脊柱x光图像匹配方法,其特征在于,所述几何图形图片由人工合成,在人工合成的几何图形图片中,角点标注整合在合成算法中得到。
5.如权利要求1所述的脊柱x光图像匹配方法,其特征在于,所述ss2匹配关系建立步骤包括:
6.如权利要求5所述的脊柱x光图像匹配方法,其特征在于,所述ss22基于关键点匹配器的关键点匹配步骤中,匹配图如下确定:
7.如权利要求5所述的脊柱x光图像匹配方法,其特征在于,所述ss22基于关键点匹配器的关键点匹配步骤中,匹配图p如下确定:
8.如权利要求5所述的脊柱x光图像匹配方法,其...
【专利技术属性】
技术研发人员:宋博,蔡业余,肖鹏,张强,郑飞,孙智涌,
申请(专利权)人:合肥吉麦智能装备有限公司,
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。