本文主要是介绍X-ray 2D和CT 3D图像配准流程和算法总结 Fluoro-image and CT 3D image registration flowwork and algorithm，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
X-ray 2D和CT 3D图像配准流程和算法总结 Fluoro-image and CT 3D image registration flowwork and algorithm
Reference to: Registration of 2D C-Arm and 3D CT Images for a C-Arm Image-Assisted Navigation System for Spinal Surgery
之间已经讲过的内容包括相机的校准，transformation matrix转换矩阵的应用（空间坐标系和平面图像坐标系的传递）。那么基于上面的一些算法，再结合图像融合配准的算法，我们可以做些什么实际的应用呢？下面我将结合一个X-ray和CT图像的融合辅助手术导航的实例，帮助扩展一下思维。
X-ray和CT图像的融合配准分为下面几个步骤：
- CT 图像的三维重建，因为拿到了三维图像后，才可以更好的对应映射到X-ray二维的某一张图片上
- 接下来，通过C-arm可以获取到有效的 AP（anterposteria）和 LT（lateral）两个位置上的 X-ray 2D 图像，因为通过两张图片才能获取人体在空间坐标系中的坐标关系
- CT 3D image DDR image generation DRR可以生成有效的投影灰度图像，用于配准X-ray image
- 生成图像遮罩去遮盖 dynamic reference frame (DRF) of 2D X-ray 图像，这样确保了两个图像校准的准确定，以免DRF的一些特征去印象了校准的精度
- CT DRR 和 X-ray Fluoro 图像的配准
- Error measurement测试算法
【fig1】
在六个过程中分别由对应的算法应用，总结如下：
| Index | Algorithm |
|---|---|
| 1 | marching cube algorithm (W. E. Lorensen and H. E. Cline, “Marching cubes: a high resolution 3D surface construction algorithm,” Computer Graphics, vol. 21, no. 4, pp. 163–169, 1987.) |
| 2 | ray-casting algorithm hardware configuration: NVIDIA CUBA (GTX570) with 480 CUBA process |
| 3 | calculated from two X-ray images |
| 4 | region growth algorithm (RGA) |
| 5 | graidient-based Powell’s method; geometric-based downhill simplex algorithm; probabilistic-based genetic algorithm (P. Markelj, D. Tomaˇzeviˇc, B. Likar, and F. Pernuˇs, “A review of 3D/2D registration methods for image-guided interventions,” Medical Image Analysis, vol. 16, no. 3, pp. 642–661, 2012.) (Y. Kim, K.-I. Kim, J. H. Choi, and K. Lee, “Novel methods for 3D postoperative analysis of total knee arthroplasty using 2D- 3D image registration,” Clinical Biomechanics, vol. 26, no. 4, pp. 384–391, 2011.) |
| 6 | normalized cross correlation (NCC); Gradient correlation (GC); pattern intensity (PI); Gradient difference correlation (GDC); mutual information (MI) (G. P. Penney, J. Weese, J. A. Little, P.Desmedt,D. L.G.Hill, and D. J. Hawkes, “A comparison of similarity measures for use in 2-D-3-D medical image registration,” IEEE Transactions on Medical Imaging, vol. 17, no. 4, pp. 586–595, 1998.) |
Marching cube algorithm
这个是个比较传统的3D建模算法，这是个标准的算法，网上有算式和算例，有兴趣可以去搜索一下，可以看到椭圆小球是用无数三角形拼接而成，每个边缘三角形都是defined block和实体的相交线构成
Initial coordinate matching
用Laplace算子找到边缘后，进行边缘中心的查找
对于传统CT图像，还需要对特征进行筛选，图像进行处理
Growing region algorithm
这个也比较容易实现，O(4*P) P:pixel; 比较容易理解，如果图品的分辨率越高，需要查找的特征越大，肯定需要计算的时间越长
这篇关于X-ray 2D和CT 3D图像配准流程和算法总结 Fluoro-image and CT 3D image registration flowwork and algorithm的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
