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】
本专利技术涉及医学图像处理领域,特别是涉及一种手术机器人空间定位方法。
技术介绍
1、手术机器人作为一种医学辅助定位设备,利用机械臂对手术创口进行定位和导航,能够为医生提供准确的术中定位,有效弥补了传统外科手术方式的不足,提高了手术质量。从临床应用情况可以看出,手术机器人的核心是使用图像对手术器械进行定位和导航,因此,手术机器人与图像空间的定位的精度、稳健性和便捷性直接影响了手术机器人的性能。
2、例如在骨科手术中,通常采用三维c型臂等仪器去获取人体的医学图像,在获取的医学图像中找到若干标记物的坐标位置、并与实际物理点坐标之间可以建立准确的连接,这对手术机器人的导航精度至关重要。然而由于相似的特征结构,使得标记物定位的误差较大,难以实现对标记物及基准点的准确定位。目前一般通过主观判断医学图像基准标记的方式,这种方式存在耗时耗力、准确度第等诸多问题,难以满足高精度医学影分析需求。
技术实现思路
1、针对现有技术中的缺陷,本专利技术的目的是提供一种手术机器人空间定位方法,能够快速、准确的获得基准点的位置信息,可靠性和准确性高。
2、本专利技术提供了一种手术机器人空间定位方法,包括以下步骤:
3、s1:对医学图像进行降噪和增强处理,得到初始灰度图;
4、s2:采用高斯差分算法对初始灰度图进行平滑处理,得到滤波图像,计算滤波图像的海森矩阵凸度图,计算海森矩阵基准点的位置信息;对初始灰度图像采用三维卷积处理,计算三维卷积基准点的位置信息;
>5、s3:融合海森矩阵基准点和三维卷积基准点的位置信息,得到基准点的位置信息。
6、在一个实施例中,所述降噪和增强处理,可以采用已有软件处理,例如simpleitk。
7、在一个实施例中,所述步骤s2中采用高斯差分算法对初始灰度图进行平滑处理,包括步骤:
8、s2-1:定义三维高斯核函数g(x,y,z,σ):
9、
10、其中,(x,y,z)表示空间中的点的坐标,σ表示带宽参数。
11、s2-12:选择不同的宽带参数:σ1和σ2,计算出对应的高斯处理后的图像:
12、l1(x,y,z;σ)=g(x,y,z;σ1)*f(x,y,z)
13、l2(x,y,z;σ)=g(x,y,z;σ2)*f(x,y,z)
14、其中,其中f(x,y,z)表示输入的数据,g(x,y,z)表示三维的高斯核。
15、s2-13:对应的差分dog(x,y,z,σ)为:
16、
17、其中,δσ为不同宽带参数的差值,即δσ=σ2-σ1.
18、在一个实施例中,所述步骤s2中计算滤波图像的海森矩阵凸度图,对应的海森二阶矩阵为:
19、
20、在一个实施例中,所述步骤s2中计算海森矩阵标记物的方法为:
21、
22、其中,hi(x,y,z,σ)表示海森矩阵凸度图。
23、当h(x,y,z,σ)为负数时hi(x,y,z,σ)等于1,当h(x,y,z,σ)为其他时,hi(x,y,z,σ)等于0。
24、在一个实施例中,所述步骤s2中对初始灰度图像采用三维卷积处理,包括以下步骤:
25、s2-11:设计一个卷积核,卷积核的元素如下:
26、kin=1.0
27、
28、s2-12:归一化步骤s1得到的初始灰度图像,对其进行卷积操作,卷积运算公式为:
29、
30、其中,k(l,m,n)表示卷积核,p、q、r分别表示卷积核对应的图像汇总三维数据的坐标位置;f(x,y,z)表示输入的图像,f*(x,y,z)表示经过卷积之后的图像。
31、s2-13:在步骤s-12得到的数据中取最大值点,该最大值点即为三维卷积基准点的位置信息。
32、在一个实施例中,k(l,m,n)的大小为[(2p+1),(2q+1),(2r+1)]。
33、在一个实施例中,所述步骤s3,包括:
34、s3-1:对步骤s2得到的海森矩阵基准点的位置信息和三维卷积基准点的位置信息进行点乘操作,获取新的候选点集合:
35、
36、其中,δσ为不同宽带参数的差值,hi(x,y,z,σ)表示海森矩阵凸度图。
37、s3-2:根据如下条件,进行对应的基准点的坐标定位,得到最终的基准点的位置信息:
38、sblob={(x,y,z)|(x,y,z)∈dog(x,y,z;σ),p(x,y,z)=1}。
39、与现有技术相比,本专利技术具有如下的有益效果:
40、1、无需操作者主观判断,降低了主观因素对手术机器人精度的影响,减少操作时间;
41、2、通过融合海森矩阵基准点和三维卷积基准点的位置信息,得到最终基准点的位置信息,准确性高,提高了手术的精度和安全性;
42、3、避免识别出错误的物体,对噪声的鲁棒性好。
本文档来自技高网...【技术保护点】
1.一种手术机器人空间定位方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的手术机器人空间定位方法,其特征在于,所述步骤S2中采用高斯差分算法对初始灰度图进行平滑处理,包括步骤:
3.根据权利要求2所述手术机器人空间定位方法,其特征在于,所述步骤S2中计算滤波图像的海森矩阵凸度图,对应的海森二阶矩阵为:
4.根据权利要求3所述手术机器人空间定位方法,其特征在于,所述步骤S2中计算海森矩阵基准点的方法为:
5.根据权利要求4所述手术机器人空间定位方法,其特征在于,所述步骤S2中计算海森矩阵基准点的方法为:
6.根据权利要求5所述手术机器人空间定位方法,其特征在于,
7.根据权利要求6所述手术机器人空间定位方法,其特征在于,步骤S3包括:S3-1:对步骤S2得到的海森矩阵基准点的位置信息和三维卷积基准点的位置信息进行点乘操作,获取新的候选点集合:
8.根据权利要求1所述手术机器人空间定位方法,其特征在于,步骤S1中,所述降噪和增强处理,采用SimpleITK软件进行处理。
【技术特征摘要】
1.一种手术机器人空间定位方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的手术机器人空间定位方法,其特征在于,所述步骤s2中采用高斯差分算法对初始灰度图进行平滑处理,包括步骤:
3.根据权利要求2所述手术机器人空间定位方法,其特征在于,所述步骤s2中计算滤波图像的海森矩阵凸度图,对应的海森二阶矩阵为:
4.根据权利要求3所述手术机器人空间定位方法,其特征在于,所述步骤s2中计算海森矩阵基准点的方法为:
5.根据权利要求4所述...
【专利技术属性】
技术研发人员:曾建军,马科威,钱建,吕天予,
申请(专利权)人:上海嘉奥信息科技发展有限公司,
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。