[发明专利]一种基于全局优化的神经导航自动空间配准方法

说明书

技术领域

本发明属医学图像处理及应用领域，涉及一种基于全局优化的神经导航自动 空间配准方法，使配准过程更加简单方便。该方法能使手术导航在临床应用中更 精确、实用和方便。

背景技术

据报道显示，神经导航系统能够帮助医务人员确定病灶位置和边界，减小医 源性创伤，降低手术难度与手术风险。神经导航系统对术前病人CT或MR影像 资料进行三维重建和可视化，获得虚拟模型，把手术部位与虚拟模型进行配准， 使用高精度的定位系统跟踪病人和手术器械的空间位置，使医生能在虚拟模型上 看到手术器械相对于手术部位的位置，从而指导医生对肿瘤进行准确切除。

现有技术中，神经导航系统使用的空间配准方法主要有点配准和面配准。计 算点匹配的算法主要有奇异值分解法、标准正交矩阵法、单四元数法和双四元数 法，它们的效率是一样的。面匹配方法使用ICP(IterativeClosestPoint)算法或其 变体进行配准。与点配准方法相比，ICP算法不需要知道两个点云中点之间的对 应关系，所以能够选取大量的点参与配准，从而提高了配准精度。使用ICP算法 进行配准，虽然精度很高，但存在一些局限:①算法对点云的初始位置要求较高， 点云初始位置不能相差太大，否则会产生局部最优解；②算法在求解最近点对集 的过程中因迭代次数太多而导致计算量大大增加。为了提高配准的精度与速度， 有研究对ICP算法作了改进，如，Lee等提出一个自适应ICP(Adaptive-ICP)算法， 它使用自适应对偶近邻搜索树方法(ADAK-DTree)搜索最近点，比经典ICP算法 速度要快，精度要高，但并没有解决局部最优解问题。为了解决局部最优解问题， Lee等提出M-ICP(Maker-addedICP)算法，这种算法需要人工介入，先用几个人 工标记点或解剖标记点进行粗配准，再用ICP算法做精配准，虽然加入标记点使 M-ICP算法取得了较好的初始位置，增加了取得全局最优解的可能性，但是取得 较好的初始位置需要人工取点。M-ICP算法中两个点云中的点的数量很多，计算 量仍旧很大，为了加快运算速度，Lee等提出了Fast-MICP算法，这种算法使用 Harris角点探测器在病人空间提取有意义的特征点，在配准时只使用这些特征点 进行配准，从而减少了运算量，但人工取点获取初始位置的缺点仍旧没有改变； SangkyunShin等提出一种加权的ICP(Weighted-ICP)算法，该算法将面部不易变 形的区域定义为权重区域，将投影到此区域的点对的权重设为一个大于1的值， 如果点对没有投影到这个权重区域，将权重设为1；该方法虽然提高了配准精度， 但是仍需要人工选定权重区域；Chung-Hung等提出一种加权和扰动 ICP(WAP-ICP)算法，使用加权的策略去除噪声点，使用随机扰动技术处理ICP 算法的局部最优解问题，它的配准精度比自适应ICP要高。综上，所述的改进均 基于ICP算法，需要一个粗配准来获取初始位置，然后用ICP算法或改进的ICP 算法做精配准。一些基于概率的算法,虽然能提高算法的鲁棒性，但是所采用的 优化过程仍旧是基于局部搜索的；一些基于启发式的算法，如粒子群]算法，粒 子滤波算法等,虽然能跳出局部最小值，但是它们不能稳定地达到一个最优解， 而且算法复杂度很高，不适合处理神经导航配准中处理大量点云的情况。Jiaolong Yang等提出了GO-ICP(GloballyOptimalICP)算法，这种算法将ICP算法植入 BnB(branch-and-bound)算法，不需要提供初始位置就能保证达到确定的全局最优 解，GO-ICP算法仅在兔子模型和手模型的配准中取得了较好的效果。

鉴于现状，目前临床实践中需要一种新的神经导航自动空间配准方法，该方 法能在不提供初始位置的情况下求得全局最优解，使手术导航在临床应用中更精 确、实用和方便。

与本发明有关的参考文献有：

[1]G.Eggers,J.MuhlingandR.Marmulla,Image-to-patientregistrationtechniquesinhead surgery,InternationalJournalofOral&MaxillofacialImplants,2006,35:1081-1095