一種高精度自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法
【專利摘要】本發(fā)明屬醫(yī)學(xué)圖像處理及應(yīng)用領(lǐng)域，涉及一種高精度自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法。本發(fā)明方法中采用基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法，將基于激光掃描儀獲得的點云與CT獲得的點云得到兩個點云之間的坐標(biāo)變換實現(xiàn)初步配準(zhǔn)；然后采用無序點自動配準(zhǔn)的方法，將初步配準(zhǔn)的結(jié)果與神經(jīng)導(dǎo)航中通過CT重建出來的病人空間再次進行配準(zhǔn)。使用結(jié)果表明，本發(fā)明所述的方法實施簡單，精度可靠，便于臨床應(yīng)用，可集成在現(xiàn)有導(dǎo)航系統(tǒng)中，從而大幅度提高導(dǎo)航系統(tǒng)精度。
【專利說明】一種高精度自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬醫(yī)學(xué)圖像處理及應(yīng)用領(lǐng)域，涉及一種神經(jīng)導(dǎo)航空間配準(zhǔn)方法；尤其是一種高精度自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法。該方法能使手術(shù)導(dǎo)航在臨床應(yīng)用中更精確、實用和方便。
【背景技術(shù)】
[0002]神經(jīng)導(dǎo)航系統(tǒng)作為一種醫(yī)學(xué)輔助定位設(shè)備，能夠為醫(yī)生提供實時的術(shù)中信息，有效彌補了傳統(tǒng)神經(jīng)外科手術(shù)方式的不足，提高了手術(shù)質(zhì)量。從臨床應(yīng)用情況可以看出，神經(jīng)導(dǎo)航系統(tǒng)的核心功能是使用圖像來對手術(shù)器械進行定位和引導(dǎo)，因此，手術(shù)真實場景與圖像引導(dǎo)空間的定位和配準(zhǔn)精度將直接影響神經(jīng)導(dǎo)航系統(tǒng)的性能。
[0003]目前，神經(jīng)導(dǎo)航系統(tǒng)中使用的空間配準(zhǔn)方法主要基于點匹配和面匹配；所述點匹配方法使用較多，但其存在一些固有缺陷，如:需要專門為導(dǎo)航進行一次影像掃描；粘貼在頭皮表面的人工標(biāo)記物容易發(fā)生移位，從而引起較大的空間配準(zhǔn)誤差；標(biāo)記點識別過程消耗時間較長。為了解決上述點匹配方法存在的問題，基于面匹配的空間配準(zhǔn)方法得到關(guān)注。所述面配準(zhǔn)使用病人固有特征進行空間配準(zhǔn)，可以直接使用已有的圖像進行導(dǎo)航，克服了點配準(zhǔn)存在的缺陷，同時，因為使用了更多的信息進行空間配準(zhǔn)，可以達(dá)到更高的配準(zhǔn)精度。使用基于面匹配的空間配準(zhǔn)方法時，醫(yī)生首先在圖像空間提取一個代表病人面部輪廓的表面點云，然后在病人空間使用激光掃描儀獲取相同表面的另一點云，然后基于兩個點云之間的相關(guān)性得到兩個空間之間的坐標(biāo)變換。
[0004]所述的點云之間的相關(guān)性，總體上可分為單點與單點的一一對應(yīng)，單點與多點間的相關(guān)性，多點與多點間相關(guān)性即模糊相關(guān)性三個方面；其中，基于單點與單點一一對應(yīng)進行點云配準(zhǔn)的主流方法是迭代最近點(ICP:1terative Closest Point)算法及其各種改進算法；該類方法直觀、簡單且具有較高的匹配精度，但存在對初始位置敏感等缺陷。所述單點與多點間的相關(guān)性，也就是點與點間的對應(yīng)關(guān)系通過一定的權(quán)值來表示，即模型點集中的每一個點與場景點集中所有點的加權(quán)組合相對應(yīng)。然而，在臨床應(yīng)用中，單點間的一一對應(yīng)和點與多點之間的相關(guān)性往往較難確定；為了解決上述問題，無需建立明確的點之間相關(guān)性，即基于模糊相關(guān)性的點集配準(zhǔn)方法被提出。該類方法主要基于統(tǒng)計和測度理論，使用概率密度分布描述點集空間；然而，點集配準(zhǔn)各類方法中存在的一個比較共性的問題——收斂到局部最優(yōu)解而非全局最優(yōu)解依然存在。
[0005]因此，目前需要一種自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法；該方法能使手術(shù)導(dǎo)航在臨床應(yīng)用中更精確、實用和方便。
[0006]與本發(fā)明有關(guān)的參考文獻(xiàn)有:
[0007]I G.Eggers, J.Muhling and R.Marmulla, Image-to-patient registrationtechniques in headsurgery，Int.J.0ral.Max.Surg.，2006，35:1081-1095
[0008]2 P.J.Besl and N.D.McKay, A method for registration of 3-D shapes，IEEETransactions onPattern Analysis and Machine Intelligence，1992，14(2):239_256。
【發(fā)明內(nèi)容】

[0009]本發(fā)明的目的在于提供一種自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法；尤其是一種高精度自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法。該方法能使手術(shù)導(dǎo)航在臨床應(yīng)用中更精確、實用和方便。
[0010]本發(fā)明采用基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法，并結(jié)合無序點自動匹配方法進一步提高配準(zhǔn)精度，即:通過空間定位儀使手術(shù)真實場景與圖像引導(dǎo)空間處于同一空間，并使用激光掃描儀獲取病人頭部表面的點云；然后基于激光掃描儀獲得的點云與CT獲得的點云之間相關(guān)性得到兩個點云之間的坐標(biāo)變換實現(xiàn)初步配準(zhǔn)；在神經(jīng)導(dǎo)航過程中，使用無序點自動配準(zhǔn)方法將初步配準(zhǔn)的結(jié)果進行再次匹配，提高配準(zhǔn)精度。
[0011]本發(fā)明所述的方法中，首先采用基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法，將基于激光掃描儀獲得的點云與CT獲得的點云得到兩個點云之間的坐標(biāo)變換實現(xiàn)初步配準(zhǔn)，然后采用無序點自動配準(zhǔn)的方法，將初步配準(zhǔn)的結(jié)果與神經(jīng)導(dǎo)航中通過CT重建出來的病人空間再次進行配準(zhǔn)；
[0012]其中，
[0013]所述采用基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法，將基于激光掃描儀獲得的點云與CT獲得的點云得到兩個點云之間的坐標(biāo)變換實現(xiàn)初步配準(zhǔn)，是用激光掃描儀獲得的點云和CT獲得的點云采用基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法實現(xiàn)配準(zhǔn)；
[0014]所述采用無序點自動配準(zhǔn)的方法，將初步配準(zhǔn)的結(jié)果與神經(jīng)導(dǎo)航中通過CT重建出來的病人空間再次進行配準(zhǔn)，是將初步配準(zhǔn)結(jié)果與神經(jīng)導(dǎo)航中通過CT重建出來的病人空間采用無序點自動配準(zhǔn)的方法再次進行配準(zhǔn)。
[0015]具體而言，本發(fā)明的自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法，其特征在于，包括以下步驟:
[0016](I)基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法
[0017]傳統(tǒng)的點集配準(zhǔn)方法通常將點集中各點的位置視作獨立特征，點集的整體特征往往被忽略，而該方法將進行配準(zhǔn)的點集看作一個整體，將點集內(nèi)點與點在整體空間和子空間的相關(guān)性作為點集的特征，實施配準(zhǔn)，從而最終實現(xiàn)了基于全局優(yōu)化的點集配準(zhǔn)；本發(fā)明提出的方法引入了點與點間的相關(guān)性，不僅解決了局部收斂的缺陷，同時還提高了配準(zhǔn)的精度；
[0018]通常，高斯混合模型的概率密度函數(shù)可表示為:
【權(quán)利要求】
1.一種高精度自動神經(jīng)導(dǎo)航空間配準(zhǔn)方法，其特征在于，包括步驟: (1)采用基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法，將基于激光掃描儀獲得的點云與CT獲得的點云得到兩個點云之間的坐標(biāo)變換實現(xiàn)初步配準(zhǔn)； (2)采用無序點自動配準(zhǔn)的方法，將初步配準(zhǔn)的結(jié)果與神經(jīng)導(dǎo)航中通過CT重建出來的病人空間再次進行配準(zhǔn)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(1)中，用激光掃描儀獲得的點云和CT獲得的點云采用基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法實現(xiàn)配準(zhǔn)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(2)中，將初步配準(zhǔn)結(jié)果與神經(jīng)導(dǎo)航中通過CT重建出來的病人空間采用無序點自動配準(zhǔn)的方法再次進行配準(zhǔn)。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(1)中基于高斯混合模型的全局優(yōu)化點集配準(zhǔn)方法為，將進行配準(zhǔn)的點集看作一個整體，將點集內(nèi)點與點在整體空間和子空間的相關(guān)性作為點集的特征，實施配準(zhǔn)； 高斯混合模型的概率密度函數(shù)表示為:
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟(2)中無序點自動匹配方法為，將待匹配的點集按照點與點之間的距離關(guān)系映射到新的點集空間，然后根據(jù)距離閾值與目標(biāo)點集通過剪枝的方法獲得最終的匹配關(guān)系，其包括步驟為: ①獲取手術(shù)真實場景中標(biāo)記點做為目標(biāo)點集，獲取所述步驟(1)中初步配準(zhǔn)結(jié)果中的特征點做為待匹配點集； ②從待匹配點集中取出四個點，對其中每一個點獲得與其他三個點之間的距離關(guān)系并按照一定的順序進行排列，形成一個新的點的空間描述； ③對四個點的新的空間描述做如下處理:每兩個點對應(yīng)元素之間做差值并取絕對值然后求和；取所有和值中的最小值； ④對待匹配點集中所有的四個點的組合重復(fù)上述步驟②和步驟③中的操作，獲得步驟③中所有最小值中的最大值對應(yīng)的四個點的組合； ⑤對目標(biāo)點集做四個點的排列，每一組排列分別與上述步驟④中獲得的四個點的組合做剪枝，逐步排除不符合閾值判 定的目標(biāo)點集的排列； ⑥最后獲得與待匹配點集相對應(yīng)的目標(biāo)點集的一組排列。
【文檔編號】G06T7/00GK103908346SQ201210595045
【公開日】2014年7月9日 申請日期:2012年12月31日 優(yōu)先權(quán)日:2012年12月31日
【發(fā)明者】宋志堅, 陳欣榮, 安勇, 王滿寧, 姚德民 申請人:復(fù)旦大學(xué)