[发明专利]一种术前三维影像与术中透视图像的无标定物配准方法

说明书

本发明涉及一种术前三维影像与术中透视图像的无标定物配准方法，包括以下步骤：1)建立一个模拟现实的解剖学和频率相关的系统噪声模型M；2)将CT/MRI数据渲染生成三维体数据，通过为DRR图像添加解剖噪声和频率噪声，生成比较逼真的类似于X光片的影像数据，提取骨骼轮廓；3)手术中，X射线机获取不同角度的两张X‑Ray透视图像；4)根据手术需求生成N个DRR图像，得到每个图像的位姿坐标P；5)将DRR算法生成的影像数据进行处理，然后选择没有骨折部位的感兴趣区域，提取轮廓；6)按同样方法提取真实X‑Ray的轮廓线；7)基于轮廓线和特征点相关的性质为术前三维影像和X‑Ray透视图像精确配准，输出精确配准后的图像。本方法能提高配准精度，使手术导航操作更直观。

技术领域

本发明涉及一种术前三维影像与术中透视图像的无标定物配准方法，特别是医疗机器人辅助进行手术导航过程的医学图像配准方法。

背景技术

目前，在常见医疗机器人辅助手术导航定位过程中，如在股骨颈骨折手术中，传统方法是在股骨或骨盆上植入标定物，以建立机器人坐标系与手术空间坐标系之间的映射关系，并在此基础上进行手术路径规划和定位。该方法能够大大增加股骨骨折复位的精确度，但同样会给患者增加创伤及感染的风险。

一种方法是利用2D/3D图像配准算法的图像导航的放射手术方法和系统，其利用了分层和迭代的2D/3D配准算法求出内层面和外层面的变换参数。此配准算法的缺点是准确度较低，速度较慢。另一种方法是使用DRR技术对MRI和X-Ray图像配准的算法和系统，其特点在于先对MRI图像做提取分割，由分割后的图像生成DRR用于配准，缺点是算法需要事先训练，从而获取特征用于分割，受限于训练的集合大小及范围，而且成本较大。

形状描述子已经广泛应用于现在的形状匹配算法中，轮廓段的角度信息和弧长弦长的关系表示其边界信息，采样点和质心点之间的距离关系表示其区域信息，所以能够对轮廓段的形状有完全定量的描述，更全面地描述轮廓的形状，显著提高描述能力。

本发明将形状描述子方法应用于术前三维影像与术中透视图像的无标定物配准过程中，可提高配准精度和速度。

发明内容

本发明提供了一种术前三维影像与术中透视图像的无标定物配准方法，可应用于外科手术导航系统，使其操作简单，速度快，准确度高。

为实现上述目的，本发明中术前三维影像与术中透视图像的无标定物配准方法包括以下步骤：

1)首先利用人体模型，设计出一个模拟现实的解剖学和频率相关的系统噪声(包括量子噪声)模型M：

2)在手术开始前，由CT或MRI获取一系列三维图像，根据手术需求，在冠状位、矢状位或横断位的视角方向上，从0°开始每间隔预设度数根据CT或MRI提供的三维图像生成N张DRR图像，获取对应的位姿参数P；其中，P＝(θx,θy,θz,X,Y,Z)，θx、θy、θz表示旋转方向， X、Y、Z表示坐标系下各个方向下的平移量；

3)在手术过程中，C型臂上的X射线机获取不同角度的X-Ray透视图像；

4)对DRR图像i应用模型M，添加解剖学噪声和频率相关噪声，透视图像上的每一个像素均做二维高斯加权归一化处理，每一个像素原始灰度值减去高斯加权均值，然后除以高斯加权均方差从而获取归一化后的像素灰度值；

5)采用线性直方图匹配算法，校正DRR图像i与X-Ray透射图像的灰度差异，选择灰度值大于投影图像灰度均值的区域进行直方图匹配，消除背景像素对直方图的影响；

6)对DRR图像i与X-Ray用OpenCV3.4.0中的canny算子进行边缘检测，再用findContours() 分别进行轮廓提取，透射图像进行轮廓和直方图相似度比较，如果两组图像匹配，获取X-Ray 透射图像位姿参数，并进入下一步；否则提取DRR图像i+1信息，并返回步骤4)；

7)进行轮廓相关性和点配准为术前三维影像和X-Ray透视图像精确配准，输出精确配准后的图像，完成术前三维影像与术中透视图像的无标定物配准；