[发明专利]从锥形束CT图像识别和分段解剖结构的方法

说明书

公开了从锥形束CT图像识别和分段解剖结构的方法。一种图像处理系统从锥形束CT装置接收至少一个2D x射线图像，其是用锥形束CT成像装置从患者的360度扫描获取的一组x射线图像的一部分。所述x射线图像包含至少一种解剖结构，诸如待分段的椎体。然后，分析所述接收到的x射线以基于存储的解剖结构模型识别和分段包含在所述x射线图像中的所述解剖结构。一旦完成360度旋转，将创建来自x射线图像集的3D图像体积。然后将从x射线图像导出的识别和分段信息添加到创建的3D图像体积中。

技术领域

本发明涉及手术成像系统，并且特别地涉及用于自动分段解剖结构的系统。

背景技术

二维(2D)图像或三维(3D)图像体积的自动分段是指自动描绘相邻结构之间的边界并且可选地正确识别每个结构的过程。例如，先前未查看的脊柱x射线图像的成功自动分段表示图像中的每个椎骨或椎体被自动地突出显示或勾勒出轮廓，以及每个椎骨被自动地或半自动地正确识别(“L2”、“L3”等)。

存在使用深度学习或神经网络来训练计算机模型以通过比较新图像与一组已知图像来识别图像平面或体积内的结构的方法。由于扫描图像体积比扫描2D图像平面在计算上更复杂，因此自动分段3D图像体积的过程，例如计算机断层扫描(CT)可能比自动分段简单的2D x射线的过程更慢。此外，3D图像分段的准确度可能取决于通过用户输入对软件起点的做种。

相比之下，用于识别2D图像平面中的结构(诸如脊柱区域的2D x射线图像中的椎骨水平)的分段软件更快且对做种的依赖程度更低，但往往不如对应的3D分段软件那么可靠，这是因为在2D图像中存在较少的信息。

因此，需要一种将2D分段的速度与3D分段的准确度相结合的系统和方法。

发明内容

根据本发明的一个方面，公开了一种从锥形束CT图像识别和分段解剖结构的方法。一种图像处理系统从锥形束CT装置接收至少一个x射线图像，其是用锥形束CT成像装置从患者的360度扫描获取的一组x射线图像的一部分。所述x射线图像包含要分段的至少一种解剖结构。然后分析接收到的x射线以便基于存储的解剖结构模型识别和分段包含在x射线图像中的至少一个解剖结构。一旦完成360度旋转，将创建来自x射线图像集的3D图像体积。然后将从x射线图像导出的识别和分段信息添加到创建的3D图像体积中。

有利地，从2D x射线图像而不是从3D图像体积进行分段和识别。由于2D x射线图像在成像系统旋转时可用，因此在旋转完成之前就开始进行处理。此外，2D图像的图像处理可能比3D体积快得多。因此，本发明的方法可以节省大量时间，同时非常准确。

附图说明

图1是手术程序期间机器人系统、患者、外科医生和其它医务人员的位置的可能布置的俯视图；

图2示出了根据一个实施例包含手术机器人和相机相对于患者的定位的机器人系统；

图3示例了根据示例性实施例的手术机器人系统；

图4示例了根据示例性实施例的手术机器人的部分；

图5示例了根据示例性实施例的手术机器人的框图；

图6示出了根据示范性实施例的手术机器人；

图7A至图7C示出了根据示范性实施例的末端执行器；

图8示出了根据一个实施例在将手术器械插入到末端执行器的导管中之前和之后的手术器械和末端执行器；

图9A至图9C示出了根据示范性实施例的末端执行器和机器人臂的部分；

图10示出了根据示范性实施例的动态参考阵列、成像阵列和其它组件；

图11示出了根据示范性实施例的配准方法；

图12A至图12B示出了根据示范性实施例的成像装置的实施例；