一種基于子塊的軟組織表面變形追蹤方法
【技術領域】
[0001] 本發明屬于醫學圖像處理及應用領域，涉及一種基于子塊的軟組織表面變形追蹤 方法。該方法可以用于手術中軟組織表面的變形追蹤，繼而實現術中軟組織變形矯正，大幅 度提高手術導航系統精度。
【背景技術】
[0002] 研究顯示，軟組織變形常發生于圖像引導手術過程當中。以神經外科導航手術為 例，手術過程中，由于開顱后腦脊液的流出、顱內壓的改變，以及術中操作和重力等因素的 影響會引起腦組織變形，術中腦變形會引起導航定位誤差，降低導航精度，導致術后腫瘤殘 留。生物力學模型利用軟組織的生物力學屬性約束軟組織的運動特征，并借助有限元方程 求解組織的變形情況，其特點是操作方便，價格低廉，且效果顯著。
[0003] 采用生物力學模型動態模擬術中軟組織變形，關鍵在于找到合適的邊界條件驅動 模型，才能準確推導出整個軟組織的變形情況。目前生物力學模型通常采用軟組織表面變 形作為邊界條件，軟組織表面變形本質上是獲取組織有限元模型邊界上網格節點變形前后 的位移。這樣，術中軟組織生物力學模型的邊界條件的獲取就可歸結為變形前后的兩組點 集的非剛性配準問題。
[0004] 通常，點集配準的關鍵問題可概括為獲取兩個點集的相關性，基于相關性得到點 集之間的幾何變換，從而實現點集的姿勢匹配或疊加。ICP(iteratedclosestpoint) 算法，是一種剛性配準方法，通過不斷迭代在目標曲面上找到與源曲面點距離最近的點。 TPS-RPM(thinplatesplinerobustpointmatching)算法利用軟分配、確定性退火以及 TPS來實現空間映射，利用奇異值丟棄方法求解兩個點集之間的相關性和映射參數。該方 法有如下缺陷：（1)點集數據量不能過大，即所取軟組織表面不能過大，過大則無法收斂； (2)要求軟組織表面變形前后的曲面形狀一致，盡可能保持對齊；另外還有高斯混合模型 (GMM:GaussianMixturemodels)和一致點漂移（CPD:CoherentPointDrift)點集配準算 法。所述GMM算法是將模型點集和場景點集分別使用高斯混合模型進行表示，通過最小化 兩個高斯混合集之間的偏差得出配準結果；所述cro算法是考慮兩個點集的疏密程度，將 較密集的點集使用高斯混合模型表示，較稀疏的點集看作密集點集的采樣點集，從而將點 集配準問題轉化為根據稀疏點集的概率分布估計密集點集概率分布的混合密度估計問題。 所述兩種方法的缺點在于對于軟組織表面邊界處的點集的匹配效果欠佳。因此，實踐中需 要一種魯棒性好的軟組織表面變形追蹤方法，準確地獲取軟組織表面變形，驅動軟組織生 物力學模型，矯正術中軟組織變形，提高導航精度。
[0005] 與本發明有關的參考文獻有：
[0006] [1]P.J.BeslandN.D.Mckay,MethodforRegistrationof3DShapes,^IEEE Trans.PatAnalandMachIntel,vol. 14,pp. 239-56, 1992.
[0007] [2]H.ChuiandA.Rangarajan,ANewPointMatchingAlgorithmforNonrigid Registration.ComputVisImageUND,vol. 89,pp. 114-141, 2003.
[0008] [3]A.MyronenkoandX.Song,PointSetRegistration:CoherentPointDrift. IEEETransPatAnalandMachIntel,vol. 32,pp. 2262-75, 2010.
[0009] [4]B.JianandB.C.Vemuri,RobustPointSetRegistrationUsingGaussian MixtureModels.IEEETransPatAnalandMachIntel,vol. 33,pp. 1633-45, 2011. 〇
【發明內容】
[0010] 本發明的目的在于提供一種軟組織表面變形追蹤方法，具體涉及一種基于子塊的 軟組織表面變形追蹤方法，該方法能準確獲取軟組織表面變形，可作為邊界條件用于驅動 軟組織生物力學模型，矯正術中軟組織變形，提高導航精度。
[0011] 本發明方法包括軟組織分割算法；對提取的目標組織進行網格化處理，獲得初始 軟組織表面點集；通過三維激光掃描儀或者術中三維成像設備獲取變形后軟組織表面點 集；使用剛性配準方法將對變形后軟組織表面和初始軟組織表面進行初配準；最后基于子 塊式能量函數最小非剛性配準算法獲得兩個點集中點與點之間的映射關系。
[0012] 具體的，本發明的一種基于子塊的軟組織表面變形追蹤算法，其特征在于，其包括 步驟：
[0013] (1)采用分割算法從術前圖像中提取目標軟組織；
[0014] (2)對提取的目標組織進行網格化處理，并提取表面網格節點作為軟組織初始表 面；
[0015] (3)通過三維激光掃描儀或者術中三維成像設備獲取變形后軟組織表面點集，作 為變形后的軟組織表面；
[0016] (4)使用剛性配準方法將對變形后軟組織表面和初始軟組織表面進行初配準；
[0017] (5)基于子塊式能量函數最小非剛性配準算法獲得兩個點集中點與點之間的映射 關系。
[0018] 本發明中，所述的目標組織為腦組織或者前列腺組織。
[0019] 本發明中，追蹤軟組織表面變形的第一步是從術前圖像中分割出目標組織，如腦 組織或者前列腺組織。本發明的實施例中采用一種自動分割與手動分割相結合的分割方 法，首先采用自動分割，然后用手動分割方法進行完善；本發明方法的步驟（1)中所述的自 動分割算法首先通過灰度直方圖獲取圖像的上、下限灰度值以及組織與背景的粗略門限值 t。;然后利用門限值t估計圖像中組織重心的大體位置，并估計組織的大致尺寸（以球體表 示）；之后將組織表面建模成離散三角網格曲面；初始模型為離散三角網格球面，球心位于 組織重心，半徑為估計組織半徑的1/2 ;最后將初始球面離散三角網格緩慢變形，每次變形 一個頂點，當頂點變形至腦組織邊界時，需遵循變形力以保證組織表面光滑。
[0020] 本發明中，針對提取出目標組織進行網格化處理，采用四面體或者六面體網格對 目標組織進行離散化，之后提取網格表面的節點作為初始軟組織表面。
[0021] 本發明中，當軟組織發生變形后，采用可被光學跟蹤設備跟蹤的三維激光掃描儀 掃描軟組織暴露表面，獲取變形后軟組織表面點集，此方法適用于神經外科開顱手術中；若 是在手術中軟組織表面未暴露出來，例如在前列腺穿刺手術中，則可以采用術中三維成像 設備，例如術中三維B超，獲取變形后軟組織整個表面點集。
[0022] 本發明中，獲得初始軟組織表面和變形后軟組織表面后，剛性配準方法將對變形 后軟組織表面和初始軟組織表面進行初配準；對于腦組織表面變形追蹤，使用不同空間的 坐標系轉換實現剛性配準初始軟組織表面和變形后軟組織表面，包含以下四個空間的坐標 變換：（1)將三維激光掃描儀空間變換到跟蹤工具空間；(2)將跟蹤工具空間變換到跟蹤設 備空間；(3)將跟蹤設備空間變換到參考架空間；(4)將參考架空間變換到圖像空間，圖像 空間為變形前軟組織所在空間；其中跟蹤工具固定在三維激光掃描儀上，跟蹤工具可以被 跟蹤設備跟蹤；參考架固定在患者身體上，參考架也可以被跟蹤設備跟蹤；上述第一個空 間坐標變換通過術前標定過程實現；第二個和第三個空間坐標變換通過跟蹤設備的術中跟 蹤實現；第四個空間坐標變換通過對術前圖像和病人空間的標記點剛性配準實現；對于前 列腺組織，使用迭代最近點算法（ICPiterativeClosestPoint)將變形后軟組織表面和 初始軟組織表面進行初配準。
[0023] 本發明中，完成變形后軟組織表面和初始軟組織表面進行初配準之后，基于子塊 式能量函數最小非剛性配準算法獲得兩個點集中點與點之間的映射關系，其子塊式表面跟 蹤算法包含步驟：
[0024] (1)將需要跟蹤的軟組織初始表面網格節點X= {X，i= 1，2,……M}劃分成若干 小塊：P= {p,k= 1，2,......L}，除了小塊口1^以外，每個小塊pk包含1個節點，小塊p1^包含 M-(L-1)*1 個節點；
[0025] (2)為每個點集小塊pk構建能量最小方程獲得點其表面位移；
[0027] 其中pk= {ρ, 〇 = 1，2