[发明专利]一种口腔软硬组织CT序列与三维网格模型配准方法

说明书

技术领域

本发明涉及图像处理、计算机视觉和增强现实领域，具体地说是一种口腔软硬组织CT序列与三维网格模型配准方法。

背景技术

目前，一些科研工作者在相关技术上开展了研究。在图像分割方面，2005年，康涅狄格州的Chun-MingLi提出了一种基于变分法的改进的水平集(Level-set)方法[5]，此方法无需对用户标定的初始边界的重新初始化。相对于传统的水平集方法，此方法有以下好处：能够采用较大的时间戳数值，以提高算法的收敛速度，减少计算时间；能够采用一般化的标定区域边界作为初始边界，而不受其必须为距离函数的限制；能够使用有限差分法有效地实现。实验结果表明，该方法即使对相对模糊的物体边界也有较好的分割效果。但是该方法对用户初始手动标定的粗略边界的容错率较低，容易陷入无法收敛到正确边界的情况。2010年，康涅狄格州大学的Chun-MingLi采用距离一致化的方法[6]对[5]进行了改进。在改进的水平集方法中，水平集函数的一致性在其演化过程中保持，并且由最小化能量函数的距离一致化项的梯度流动方向驱使值为零的水平集边界向正确的物体轮廓演进。距离一致化项被定义为一个势函数，由此导致的水平集演进的方向具有独特的FAB(ForwardandBackWard)融合效果，保证了值为零的水平集边界的正确性。

2010年，韩国庆熙大学的OksamChae基于水平集方法，提出了一种针对牙齿CT序列的轮廓分割方法[7]。该方法对牙齿的不同部分(牙冠、牙根)分别采用单水平集分割和多水平集分割的方法，克服了普通水平方法对于轮廓边界过于靠近的不同物体分割效果不佳的缺点。同时，该方法利用了牙齿CT切片中轮廓边界附近的前后背景灰度作为先验信息，在传统的水平集方法的能量函数中增添了区域灰度一致性项，以实现能量函数的最小化时驱动值为零的水平集边界向正确的牙齿边界演进。该方法相对于传统的水平集方法在牙齿CT序列的分割上有一定改进，但计算速度过慢。

在点集对准方面，迭代最近点(IterativeClosestPoints)算法是一种用于最小化两个点集之间的差异的配准算法。ICP算法通过迭代计算两个点集之间的匹配关系以及最小化距离来不断优化两个点集之间的相似程度，从而实现点集配准的效果。

2010年德国卡斯陆工学院提出一种基于专家知识的口腔种植手术中增强现实位置解析方法。该方法通过获取手术器械的局部上下文信息构建了一个上下文敏感的虚拟现实系统，通过跟踪人与手术器械的位置识别手术进行的阶段，从而有效的可视化虚实融合的结果。该方法的示意图如图1所示。

2011年ISMAR会议上，德国慕尼黑工业大学介绍了一个使用增强现实和虚拟现实技术的手术辅助系统，并详细分析了该系统在100次临床手术操作中的应用情况。该系统的组成如图2所示。

2006年，瑞典林雪平大学的P.Ljung提出了一种基于交互式的大规模、高解析度的CT扫描数据的虚拟解剖方法。该方法采用了世界领先的体绘制方法在GPU上实现了上G级的模型数据的渲染，并利用了采用多解析度渲染技术以及层次细节选取方法的基于变换函数的数据降维方法，如图3所示。

发明内容

根据上述实际需求和关键问题，本发明的目的在于：提出一种口腔软硬组织CT序列与三维网格模型配准方法，能够利用头部的CT序列以及人牙齿的三维网格模型，将三维网格模型配准到CT序列的局部坐标系内。

本发明采用的技术方案是：利用用户编辑标定的牙齿粗略轮廓，采用基于水平集的图像分割方法，对于输入CT序列进行像素分割，获取CT序列中牙齿轮廓的坐标；在CT序列序列的局部坐标空间内，通过ICP算法对输入牙齿三维网格模型的点集坐标与上述步骤得到的牙齿轮廓点集坐标进行配准，得到牙齿三维网格模型在CT序列序列局部坐标空间内的粗略位置；采用基于拟牛顿法的能量函数优化方法，利用CT序列内牙齿部分的灰度信息对牙齿三维网格模型进行迭代优化，以获取三维网格模型在CT序列坐标内的最佳位置。

用户编辑标定牙齿的粗略轮廓，主要是对于CT序列中的若干张图片，通过用户的直观认识选取确定牙齿轮廓的多边形顶点。采用基于水平集方法的图像分割方法，在用户标定的每张图片的平面坐标内分割得到牙齿的精细轮廓。

CT序列点集配准，主要是利用CT序列的像素间隔信息以及上述图像分割步骤得到的牙齿轮廓的精细轮廓得到牙齿轮廓上的点在CT坐标空间内的三维坐标，与牙齿的三维网格模型进行点集配准，以使牙齿的三维网格模型变换到在CT坐标空间内大致正确的位置。