全局约束下超声图像微器械轮廓提取方法
为实现机器人前列腺跟切术中的经直肠超声图像辅助,需要实现超声设备与手术机器人系统的配准.在超声图像中识别和分割手术器械轮廓是配准过程中的重要内容,其精度将直接影响到配准结果.本文提出一种全局约束下的参数活动轮廓(Snakc)分割算法,能以高精度分割超声图像中的手术器械轮廓.该算法将已知的手术器械轮廓信息作为先验知识,以归一化傅里叶描述子的形式表述,并利用该描述子定义泛能量,用来约束分割过程,达到最优解.求解过程中,通过计算泛能量相对于各变量的雅可比矩阵,可以获得能量最小化时的偏微分方程,差分离散化后可以获得其欧拉形式的迭代方程,通过数值方法获得分割轮廓.实验结果表明,使用基于已知轮廓的先验Snake方法对超声图像中的手术器械进行分割,能以较高精度提取超声图像中的微器械轮廓,轮廓形状与实际器械形状更加相似.先验Snake法能对曲线进行全局约束,避免了传统Snake分割方法中容易陷入局部极值的缺陷,具有较大的应用前景.
超声图像 微器械轮廓 特征提取 图像分割 全局约束
潘博 贲进 闫佳雯 付宜利
机器人技术与系统国家重点实验室(哈尔滨工业大学),哈尔滨150001
国内会议
哈尔滨
中文
200-205
2017-10-01（万方平台首次上网日期，不代表论文的发表时间）