【技术实现步骤摘要】
本专利技术涉及医学诊断，具体为一种基于点云配准和图像特征配准的us和ct图像配准方法。
技术介绍
1、在医学影像处理中，us和ct图像配准是一项关键技术，其主要目的是将不同类型的医学影像进行对齐，以实现更加精准的诊断和治疗。传统的us和ct图像配准方法主要有粗配准和精配准两种方式，但这些方法存在配准不准确、效率低下等问题。
技术实现思路
1、针对现有技术中的问题，本专利技术的目的在于提供一种基于点云配准和图像特征配准的us和ct图像配准方法，解决传统的us和ct图像配准方法主要有粗配准和精配准两种方式，但这些方法存在配准不准确、效率低下等技术问题。
2、本专利技术所要解决的技术问题采用以下的技术方案来实现：一种基于点云配准和图像特征配准的us和ct图像配准方法，该基于点云配准和图像特征配准的us和ct图像配准方法通过比较两个点云之间的相对位置关系，实现对点云数据的配准，该基于点云配准和图像特征配准的us和ct图像配准方法主要包括以下几个步骤：
3、s1、采集患者的ct dicom数据，并对血管进行分割和3d重构；
4、s2、用双目摄像头或者机械臂，采集超声探头扫描的空间坐标；
5、s3、对超声图像进行血管识别，并根据血管识别2d位置，结合步骤s2得到的超声探头位置，对超声血管进行3d重构；
6、s4、对步骤s1和步骤s3得到的血管模型点云，进行配准对图像进行初步配准；
7、s5、利用图像特征配准对图像进行进一步
8、做为本专利技术的一种优选技术方案，上述步骤s4中记载的初步配准为粗配准，粗配准是在图像的整体位置和姿态相对一致的情况下，对图像进行初步的配准操作。
9、做为本专利技术的一种优选技术方案，上述步骤s5中记载的利用图像特征配准对图像进行进一步配准为精配准，精配准是在粗配准的基础上，进一步对图像进行细致的配准操作。
10、做为本专利技术的一种优选技术方案，其中的，点云配准方法还包括最小二乘法配准算法，最小二乘法配准算法是基于点云数据最小化配准误差的一种优化算法，其公式为：
11、
12、其中，r和t分别表示旋转矩阵和平移向量，和分别表示参考点云和目标点云中的第i个点。
13、做为本专利技术的一种优选技术方案，其中的点云配准方法还包括icp算法，通过不断迭代求解对应点对之间的最小距离来实现点云的精准配准。其公式如下：
14、
15、其中，r和t分别表示旋转矩阵和平移向量，和分别表示参考点云和目标点云中的第i个点。
16、做为本专利技术的一种优选技术方案，其中的点云配准方法还包括fg-registration算法，利用特征点提取和匹配技术实现初始配准，再通过非线性优化算法对配准误差进行优化。其公式如下：
17、
18、其中，r和t分别表示旋转矩阵和平移向量，和分别表示参考点云和目标点云中的第i个点，α表示权重参数，表示点对之间的特征距离。
19、做为本专利技术的一种优选技术方案，其中的，图像特征点的提取算法包括基于尺度空间和关键点检测的图像特征点提取算法——sift算法，sift算法提取出具有尺度不变性、旋转不变性、光照不变性和视角不变性等特点的特征点。sift算法的公式可以表示为：
20、
21、其中，表示高斯金字塔图像在尺度σ下的卷积结果，表示高斯函数，k表示尺度因子。
22、做为本专利技术的一种优选技术方案，其中的，图像特征点的提取算法包括基于尺度空间和hessian矩阵的图像特征点提取算法——surf算法，surf算法提取出具有尺度不变性、旋转不变性、光照不变性和视角不变性等特点的特征点。surf算法的公式可以表示为：
23、$h(x,y,\sigma)＝\begin{pmatrix}l_{xx}(x,y,\sigma)&l_{xy}(x.y,\sigma)\l_{xy](x.y,\sigma)
24、&l_{yy]x,y,\sigma)\end{pmatrix}$
25、其中，l_{xy}(x.y,\sigma)，l_{xy}(x,y,\sigma)和l_{yy}(x,y,\sigma)表示高斯拉普拉斯算子在尺度\sigma下的卷积结果。
26、做为本专利技术的一种优选技术方案，其中的，图像特征点的提取算法包括基于尺度空间和hessian矩阵的图像特征点提取算法——surf算法，surf算法提取出具有尺度不变性、旋转不变性、光照不变性和视角不变性等特点的特征点。surf算法的公式可以表示为：
27、$b(i)＝\begin{cases}1,&p_i<p_c\0,&otherwise\end{cases}$
28、其中，p_i表示第$i$个像素的灰度值，p_c表示中心像素的灰度值。利用上述特征点提取方法分别提取到图像的特征点后，将ct和us图像中提取出的特征点进行匹配。
29、做为本专利技术的一种优选技术方案，步骤s5中对配准结果进行优化是指利用匹配得到的特征点进行变换估计，计算出ct和us图像之间的变换矩阵,找到最佳的模型参数,从而获得全局最优解。
30、与现有技术相比，本专利技术的技术效果在于：
31、本专利技术提供一种基于点云配准和图像特征配准的us和ct图像配准方法，该方法首先通过点云配准将us和ct图像进行初步配准，然后利用图像特征配准进一步提高配准精度。在此基础上，通过利用超声和ct图像的特征，包括图像的灰度、形态等方面的特征，进一步优化配准结果，提高了医学影像处理的准确性和效率。
32、1、本专利技术结合了点云配准和图像特征配准两种配准方式，提高了配准的精度和效率；
33、2、本专利技术利用超声和ct图像的特征进行配准，进一步优化了医学影像处理的准确性和效率；
34、3、本专利技术适用于us和ct图像配准领域，点云配准的优点是适用于大规模数据、对噪声和缺失数据具有一定的容忍度，其中，粗配准是指在图像的整体位置和姿态相对一致的情况下，对图像进行初步的配准操作。它的优点是简单易用，适用范围广；精配准是指在粗配准的基础上，进一步对图像进行细致的配准操作。它的优点是精度较高，能够处理复杂形态的图像数据，
35、4、本专利技术结合图像特征进行改进是指利用超声和ct图像的特征，包括图像的灰度、形态等方面的特征，对点云配准、粗配准和精配准进行改进。通过利用图像特征进行优化，可以提高医学影像处理的准确性和效率，特别是在处理局部形态变化和噪声干扰较大的数据时具有明显的优势。结合图像特征的改进方法可以在传统配准方法的基础上进一步提高配准精度和效率。
本文档来自技高网...【技术保护点】
1.一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于，该基于点云配准和图像特征配准的US和CT图像配准方法通过比较两个点云之间的相对位置关系，实现对点云数据的配准，该基于点云配准和图像特征配准的US和CT图像配准方法主要包括以下几个步骤：
2.根据权利要求1所述的一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于：上述步骤S4中记载的初步配准为粗配准，粗配准是在图像的整体位置和姿态相对一致的情况下，对图像进行初步的配准操作。
3.根据权利要求2所述的一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于：上述步骤S5中记载的利用图像特征配准对图像进行进一步配准为精配准，精配准是在粗配准的基础上，进一步对图像进行细致的配准操作。
4.根据权利要求1所述的一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于：其中的，点云配准方法还包括最小二乘法配准算法，最小二乘法配准算法是基于点云数据最小化配准误差的一种优化算法，其公式为：
5.根据权利要求1所述的一种基于点云配准和图像特征配
6.根据权利要求1所述的一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于：其中的点云配准方法还包括FG-Registration算法，利用特征点提取和匹配技术实现初始配准，再通过非线性优化算法对配准误差进行优化，其公式如下：
7.根据权利要求1所述的一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于：其中的，图像特征点的提取算法包括基于尺度空间和关键点检测的图像特征点提取算法——SIFT算法，SIFT算法提取出具有尺度不变性、旋转不变性、光照不变性和视角不变性等特点的特征点，SIFT算法的公式可以表示为：
8.根据权利要求1所述的一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于：其中的，图像特征点的提取算法包括基于尺度空间和Hessian矩阵的图像特征点提取算法——SURF算法，SURF算法提取出具有尺度不变性、旋转不变性、光照不变性和视角不变性等特点的特征点，SURF算法的公式可以表示为：
9.根据权利要求1所述的一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于：其中的，图像特征点的提取算法包括基于尺度空间和Hessian矩阵的图像特征点提取算法——SURF算法，SURF算法提取出具有尺度不变性、旋转不变性、光照不变性和视角不变性等特点的特征点，SURF算法的公式可以表示为：
10.根据权利要求1所述的一种基于点云配准和图像特征配准的US和CT图像配准方法，其特征在于：步骤S5中对配准结果进行优化是指利用匹配得到的特征点进行变换估计，计算出CT和US图像之间的变换矩阵,找到最佳的模型参数,从而获得全局最优解。
...【技术特征摘要】
1.一种基于点云配准和图像特征配准的us和ct图像配准方法，其特征在于，该基于点云配准和图像特征配准的us和ct图像配准方法通过比较两个点云之间的相对位置关系，实现对点云数据的配准，该基于点云配准和图像特征配准的us和ct图像配准方法主要包括以下几个步骤：
2.根据权利要求1所述的一种基于点云配准和图像特征配准的us和ct图像配准方法，其特征在于：上述步骤s4中记载的初步配准为粗配准，粗配准是在图像的整体位置和姿态相对一致的情况下，对图像进行初步的配准操作。
3.根据权利要求2所述的一种基于点云配准和图像特征配准的us和ct图像配准方法，其特征在于：上述步骤s5中记载的利用图像特征配准对图像进行进一步配准为精配准，精配准是在粗配准的基础上，进一步对图像进行细致的配准操作。
4.根据权利要求1所述的一种基于点云配准和图像特征配准的us和ct图像配准方法，其特征在于：其中的，点云配准方法还包括最小二乘法配准算法，最小二乘法配准算法是基于点云数据最小化配准误差的一种优化算法，其公式为：
5.根据权利要求1所述的一种基于点云配准和图像特征配准的us和ct图像配准方法，其特征在于：其中的点云配准方法还包括icp算法，通过不断迭代求解对应点对之间的最小距离来实现点云的精准配准，其公式如下：
6.根据权利要求1所述的一种基于点云配准和图像特征配准的us和ct图像配准方法，其特征在于：其中的点云配准方法还包括fg-registration算...
【专利技术属性】
技术研发人员：姚宇航，陈奎，李强，田俊，张哲明，范培华，张博，
申请(专利权)人：无锡艾米特智能医疗科技有限公司，
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。