[发明专利]一种2D-3D影像配准算法

权利要求书

1.一种2D-3D影像配准方法，其特征在于：包括步骤：

（1）在术前扫描患者患处得到术前3D影像；在术中分别对患者相对应患处进行正侧位透视扫描得到患者患处的正侧位2D透视影像；

（2）构建术中拍摄正侧位透视影像设备的空间模型，并根据步骤（1）计算得到术前3D影像在空间模型中的初始位姿；

（3）采用步骤（2）构建的空间模型生成术前3D影像的正侧位DRR影像，并将其与其对应的2D透视影像进行模板匹配，得到术前3D影像的粗匹配变换位姿；

（4）使用梯度下降优化算法进行精准优化匹配，得到术前3D影像的最终变换位姿；具体为：

以术前3D影像的粗匹配变换位姿作为待优化变量；

分别计算正侧位DRR影像的梯度图及经过粗匹配变换位姿变换后的3D影像生成的对应DRR影像的梯度图，并以二者之间的相似度值作为评价函数；其中，所述DRR影像的梯度图和2D透视影像的梯度图之间的相似度值metric计算如下：

正位DRR影像和正位2D透视影像的单椎骨梯度相似度值metric_AP计算方法为：

其中，G_AP表示正位2D透视影像的梯度图，G_DRR_AP表示正位DRR影像的梯度图，V_AP是正位透视影像的方差值；侧位相似度metric_LT的计算方法与正位相似度metric_AP的计算方法一致，最后计算总的相似度值metric=metric_AP+metric_LT；

使用梯度下降优化算法计算术前3D影像的最终变换位姿，具体为：

（41）计算当前值T的梯度，梯度由每个分量T [i]的导数组成；

（42）设定偏差Δ，则T [i]的导数为：

（43）沿梯度方向优化当前值T，计算优化后的变量T [i]'为：

T [i]'= T [i]+d T [i]*f

其中f=stepLength/gradientMagnitude为梯度因子，gradientMagnitude为梯度dT的模长；

（44）计算震荡系数shakeFactor：

dPT [i]为上次迭代计算的位姿PT每一分量的导数，初始值设为0；若shakeFactor0，则优化步长stepLength调整为之前的一半，并重新确定偏差，重复步骤（42）；否则转至步骤（45）；

（45）判断优化步长stepLength是否满足终止条件，若满足则停止迭代，输出最终的T；若不满足，则重新确定偏差Δ，返回步骤（42）。