[发明专利]一种基于子块的软组织表面变形追踪方法

说明书

本发明属医学图像处理及应用领域，涉及一种软组织表面变形追踪算法。本发明方法包括软组织分割算法；对提取的目标组织进行网格化处理，获得初始软组织表面点集；通过三维激光扫描仪或者术中三维成像设备获取变形后软组织表面点集；使用刚性配准方法将对变形后软组织表面和初始软组织表面进行初配准；最后基于子块式能量函数最小非刚性配准算法来获得两个点集中点与点之间的映射关系。本发明的方法实施简单，精度可靠，可集成在现有导航系统中，实现术中软组织变形矫正，从而大幅度提高导航系统精度，有助于临床应用。

技术领域

本发明属于医学图像处理及应用领域，涉及一种基于子块的软组织表面变形追踪方法。该方法可以用于手术中软组织表面的变形追踪，继而实现术中软组织变形矫正，大幅度提高手术导航系统精度。

背景技术

研究显示，软组织变形常发生于图像引导手术过程当中。以神经外科导航手术为例，手术过程中，由于开颅后脑脊液的流出、颅内压的改变，以及术中操作和重力等因素的影响会引起脑组织变形，术中脑变形会引起导航定位误差，降低导航精度，导致术后肿瘤残留。生物力学模型利用软组织的生物力学属性约束软组织的运动特征，并借助有限元方程求解组织的变形情况，其特点是操作方便，价格低廉，且效果显著。

采用生物力学模型动态模拟术中软组织变形，关键在于找到合适的边界条件驱动模型，才能准确推导出整个软组织的变形情况。目前生物力学模型通常采用软组织表面变形作为边界条件，软组织表面变形本质上是获取组织有限元模型边界上网格节点变形前后的位移。这样，术中软组织生物力学模型的边界条件的获取就可归结为变形前后的两组点集的非刚性配准问题。

通常，点集配准的关键问题可概括为获取两个点集的相关性，基于相关性得到点集之间的几何变换，从而实现点集的姿势匹配或叠加。ICP(iterated closest point)算法，是一种刚性配准方法，通过不断迭代在目标曲面上找到与源曲面点距离最近的点。TPS-RPM(thin plate spline robust point matching)算法利用软分配、确定性退火以及TPS来实现空间映射，利用奇异值丢弃方法求解两个点集之间的相关性和映射参数。该方法有如下缺陷：(1)点集数据量不能过大，即所取软组织表面不能过大，过大则无法收敛；(2)要求软组织表面变形前后的曲面形状一致，尽可能保持对齐；另外还有高斯混合模型(GMM:Gaussian Mixture models)和一致点漂移(CPD：Coherent Point Drift)点集配准算法。所述GMM算法是将模型点集和场景点集分别使用高斯混合模型进行表示，通过最小化两个高斯混合集之间的偏差得出配准结果；所述CPD算法是考虑两个点集的疏密程度，将较密集的点集使用高斯混合模型表示，较稀疏的点集看作密集点集的采样点集，从而将点集配准问题转化为根据稀疏点集的概率分布估计密集点集概率分布的混合密度估计问题。所述两种方法的缺点在于对于软组织表面边界处的点集的匹配效果欠佳。因此，实践中需要一种鲁棒性好的软组织表面变形追踪方法，准确地获取软组织表面变形，驱动软组织生物力学模型，矫正术中软组织变形，提高导航精度。

与本发明有关的参考文献有：

[1]P.J.Besl and N.D.Mckay,“A Method for Registration of 3D Shapes,”IEEE Trans.Pat Anal and Mach Intel,vol.14,pp.239-56,1992.

[2]H.Chui and A.Rangarajan,A New Point Matching Algorithm forNonrigid Registration.Comput Vis Image UND,vol.89,pp.114-141,2003.

[3]A.Myronenko and X.Song,Point Set Registration:Coherent PointDrift.IEEE Trans Pat Anal and Mach Intel,vol.32,pp.2262-75,2010.