一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明適用于醫(yī)學(xué)領(lǐng)域，提供了一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，包括：對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割術(shù)前圖像；根據(jù)分割后的術(shù)前圖像提取頭部表面的兩條中線；提取分割后的術(shù)前圖像的表面并簡化；在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部表面的兩條中線并簡化；通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)；在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡化；在初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位點集與術(shù)前表面的配準(zhǔn)，并得到最終的空間變換參數(shù)。本發(fā)明還提供了一種神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)。本發(fā)明所提供的神經(jīng)外科手術(shù)導(dǎo)航的注冊方法及系統(tǒng)能有效地提高注冊精度。
【專利說明】一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)學(xué)圖像處理及應(yīng)用【技術(shù)領(lǐng)域】，尤其涉及一種神經(jīng)外科手術(shù)導(dǎo)航的注 冊方法及系統(tǒng)。

【背景技術(shù)】
[0002] 對于神經(jīng)外科手術(shù)，醫(yī)生通常憑借經(jīng)驗確定病灶或功能區(qū)域，因此經(jīng)驗較少的醫(yī) 生很難實施此類手術(shù)。隨著計算機輔助診斷的出現(xiàn)，特別是神經(jīng)外科手術(shù)導(dǎo)航系統(tǒng)的實施， 使得手術(shù)過程中醫(yī)生能夠從病人的術(shù)前圖像中觀察到手術(shù)器械相對病灶的位置，從而能夠 快速準(zhǔn)確的確定病灶或功能區(qū)域，大大增強了手術(shù)的可復(fù)制性。
[0003] 神經(jīng)外科手術(shù)導(dǎo)航系統(tǒng)的關(guān)鍵技術(shù)是將術(shù)中手術(shù)器械映射到術(shù)前病人圖像空間 中，即求解病人空間與圖像空間之間的變換關(guān)系，此過程稱為注冊。
[0004] 傳統(tǒng)的注冊方法大致分為三步：1)在患者頭部固定若干人工標(biāo)記點，通過CT/MR 掃描獲取帶有標(biāo)記點的術(shù)前圖像；2)在術(shù)前圖像中手動提取標(biāo)記點的圖像空間坐標(biāo)，并于 手術(shù)過程中利用光學(xué)定位系統(tǒng)獲取標(biāo)記點的病人空間坐標(biāo)；3)對術(shù)前點集和術(shù)中點集做最 小二乘擬合，得到圖像空間和病人空間之間的變換關(guān)系。
[0005] 上述這種傳統(tǒng)的注冊方法的缺點有：（1)術(shù)前設(shè)置人工標(biāo)記點，不僅使得注冊流 程復(fù)雜化并且對病人產(chǎn)生一定的傷害性；（2)手動選取術(shù)前點集，容易造成較大配準(zhǔn)誤差， 也不利于注冊流程的簡化；（3)基于標(biāo)記點的注冊方法，因標(biāo)記點數(shù)量較少，其所攜帶的空 間信息較少，無法獲得一個足夠小的注冊誤差。
[0006] 因此，亟需設(shè)計一種全新的神經(jīng)外科手術(shù)導(dǎo)航的注冊方法及系統(tǒng)，從而可以提高 注冊精度。


【發(fā)明內(nèi)容】

[0007] 有鑒于此，本發(fā)明實施例的目的在于提供一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法及系 統(tǒng)，旨在解決現(xiàn)有技術(shù)中神經(jīng)外科手術(shù)導(dǎo)航的注冊方法及系統(tǒng)的注冊精度不夠的問題。
[0008] 本發(fā)明實施例是這樣實現(xiàn)的，一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，包括：
[0009] 對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前圖像；
[0010] 根據(jù)分割后的所述術(shù)前圖像提取頭部表面的兩條中線；
[0011] 提取分割后的所述術(shù)前圖像的表面并簡化；
[0012] 在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部表面的兩條中線并簡化；
[0013] 通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)，以完成注冊過程的初始配 準(zhǔn)，并得到初始的空間變換參數(shù)；
[0014] 在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡化；
[0015] 在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位點集與術(shù)前表面的配準(zhǔn)， 并得到最終的空間變換參數(shù)。
[0016] 優(yōu)選的，所述對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前圖像的步 驟具體包括：
[0017] 通過CT/MR掃描獲取病人頭部的三維體數(shù)據(jù)；
[0018] 對所述三維體數(shù)據(jù)做區(qū)域生長分割得到初始分割后的圖像；
[0019] 提取最大連通區(qū)域，并做腐蝕操作以得到只包含頭部區(qū)域的二值圖像。
[0020] 優(yōu)選的，所述根據(jù)分割后的所述術(shù)前圖像提取頭部表面的兩條中線的步驟具體包 括：
[0021] 計算分割后的所述二值圖像的質(zhì)心；
[0022] 提取所述二值圖像的輪廓，并在所述質(zhì)心所在的矢狀面和冠狀面上提取輪廓線并 組成頭部表面的兩條中線。
[0023] 優(yōu)選的，所述提取分割后的所述術(shù)前圖像的表面并簡化的步驟具體包括：
[0024] 對于分割后的所述二值圖像，通過移動立方體算法獲取頭部表面數(shù)據(jù)；
[0025] 通過基于誤差二次曲線與定向邊緣的網(wǎng)格簡化算法處理所述頭部表面數(shù)據(jù)以得 到簡化后的所述術(shù)前圖像的表面。
[0026] 優(yōu)選的，所述在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部表面的兩條中線并 簡化的步驟具體包括：
[0027] 通過探針劃線取點方式獲取術(shù)中點集后，根據(jù)點的空間坐標(biāo)值，對所述點集中的 每個點做中值濾波，并剔除兩點距離小于〇. 5_時的其中一個點。
[0028] 優(yōu)選的，所述預(yù)設(shè)算法為Perturbed ICP算法，其中，所述在所述初始配準(zhǔn)的基礎(chǔ) 上通過預(yù)設(shè)算法做術(shù)中額頭部位點集與術(shù)前表面的配準(zhǔn)，并得到最終的空間變換參數(shù)的步 驟具體包括：
[0029] 利用探針劃線取點方式在病人額頭部位進(jìn)行劃線取點以得到精配準(zhǔn)階段的術(shù)中 點集，并對所述精配準(zhǔn)階段的術(shù)中點集進(jìn)行簡化處理；
[0030] 在所述初始配準(zhǔn)的基礎(chǔ)上，利用所述Perturbed ICP算法將簡化后的所述精配準(zhǔn) 階段的術(shù)中點集與簡化后的術(shù)前表面做Perturbed ICP配準(zhǔn)，并得到最終的空間變換參數(shù)。
[0031] 另一方面，本發(fā)明還提供一種神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)，所述注冊系統(tǒng)包 括：
[0032] 圖像獲取模塊，用于對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前圖 像；
[0033] 中線提取模塊，用于根據(jù)分割后的所述術(shù)前圖像提取頭部表面的兩條中線；
[0034] 表面簡化模塊，用于提取分割后的所述術(shù)前圖像的表面并簡化；
[0035] 中線簡化模塊，用于在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部表面的兩條 中線并簡化；
[0036] 初始配準(zhǔn)模塊，用于通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)，以完 成注冊過程的初始配準(zhǔn)，并得到初始的空間變換參數(shù)；
[0037] 額頭簡化模塊，用于在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡化；
[0038] 最終配準(zhǔn)模塊，用于在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位點集 與術(shù)前表面的配準(zhǔn)，并得到最終的空間變換參數(shù)。
[0039] 優(yōu)選的，所述圖像獲取模塊包括：
[0040] 第一獲取子模塊，用于通過CT/MR掃描獲取病人頭部的三維體數(shù)據(jù)；
[0041] 第二獲取子模塊，用于對所述三維體數(shù)據(jù)做區(qū)域生長分割得到初始分割后的圖 像；
[0042] 第三獲取子模塊，用于提取最大連通區(qū)域，并做腐蝕操作以得到只包含頭部區(qū)域 的二值圖像。
[0043] 優(yōu)選的，所述中線提取模塊包括：
[0044] 第一提取子模塊，用于計算分割后的所述二值圖像的質(zhì)心；
[0045] 第二提取子模塊，用于提取所述二值圖像的輪廓，并在所述質(zhì)心所在的矢狀面和 冠狀面上提取輪廓線并組成頭部表面的兩條中線。
[0046] 優(yōu)選的，所述表面簡化模塊包括：
[0047] 第一簡化子模塊，用于對于分割后的所述二值圖像，通過移動立方體算法獲取頭 部表面數(shù)據(jù)；
[0048] 第二簡化子模塊，用于通過基于誤差二次曲線與定向邊緣的網(wǎng)格簡化算法處理所 述頭部表面數(shù)據(jù)以得到簡化后的所述術(shù)前圖像的表面。
[0049] 優(yōu)選的，所述中線簡化模塊，具體用于通過探針劃線取點方式獲取術(shù)中點集后，根 據(jù)點的空間坐標(biāo)值，對所述點集中的每個點做中值濾波，并剔除兩點距離小于0. 5_時的 其中一個點。
[0050] 優(yōu)選的，所述預(yù)設(shè)算法為Perturbed ICP算法，其中，所述最終配準(zhǔn)模塊包括：
[0051] 第一配準(zhǔn)子模塊，用于利用探針劃線取點方式在病人額頭部位進(jìn)行劃線取點以得 到精配準(zhǔn)階段的術(shù)中點集，并對所述精配準(zhǔn)階段的術(shù)中點集進(jìn)行簡化處理；
[0052] 第二配準(zhǔn)子模塊，用于在所述初始配準(zhǔn)的基礎(chǔ)上，利用所述Perturbed ICP算法將 簡化后的所述精配準(zhǔn)階段的術(shù)中點集與簡化后的術(shù)前表面做Perturbed ICP配準(zhǔn)，并得到 最終的空間變換參數(shù)。
[0053] 在本發(fā)明實施例中，本發(fā)明提供的技術(shù)方案，通過自動提取術(shù)前點集，避免了手動 取點的繁瑣進(jìn)而達(dá)到簡化了注冊流程的目的；通過使用探針（Probe)劃線取點，增加了用 于配準(zhǔn)的空間信息，并引入由初始配準(zhǔn)和精配準(zhǔn)組成的二次配準(zhǔn)法，從而大大提高了配準(zhǔn) 精度；通過采用Perturbed ICP算法進(jìn)行初始配準(zhǔn)后的校正，進(jìn)而有效的規(guī)避了傳統(tǒng)ICP算 法容易陷入局部最優(yōu)的缺陷，達(dá)到了較好的魯棒性；通過對數(shù)據(jù)的簡化，大大減少了注冊時 間，進(jìn)而降低了注冊的時間成本。
[0054] 本發(fā)明不需要術(shù)前預(yù)先設(shè)置人工標(biāo)記點即可實現(xiàn)注冊，能夠自動計算術(shù)前點集在 圖像中的位置，避免了手動取點的過程，同時利用Passive Polaris系統(tǒng)中探針（Probe)劃 線取得的點集作為術(shù)中點集與術(shù)前點集做配準(zhǔn)，大大增加了用于注冊的空間信息，從而有 效地提商了注冊精度。

【專利附圖】

【附圖說明】
[0055] 圖1為本發(fā)明一實施方式中神經(jīng)外科手術(shù)導(dǎo)航的注冊方法流程圖；
[0056] 圖2為本發(fā)明一實施方式中圖1所示的步驟Sll的詳細(xì)方法流程圖；
[0057] 圖3為本發(fā)明一實施方式中圖1所示的步驟S12的詳細(xì)方法流程圖；
[0058] 圖4為本發(fā)明一實施方式中圖1所示的步驟S13的詳細(xì)方法流程圖；
[0059] 圖5為本發(fā)明一實施方式中圖1所示的步驟S17的詳細(xì)方法流程圖；
[0060] 圖6為本發(fā)明一實施方式中神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)10的結(jié)構(gòu)示意圖；
[0061] 圖7為本發(fā)明一實施方式中圖6所示的圖像獲取模塊101的具體結(jié)構(gòu)示意圖；
[0062] 圖8為本發(fā)明一實施方式中圖6所示的中線提取模塊102的具體結(jié)構(gòu)示意圖；
[0063] 圖9為本發(fā)明一實施方式中圖6所示的表面簡化模塊103的具體結(jié)構(gòu)示意圖；
[0064] 圖10為本發(fā)明一實施方式中圖6所示的最終配準(zhǔn)模塊107的具體結(jié)構(gòu)示意圖。

【具體實施方式】
[0065] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0066] 本發(fā)明【具體實施方式】提供了一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，主要包括如下步 驟：
[0067] Sll、對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前圖像；
[0068] S12、根據(jù)分割后的所述術(shù)前圖像提取頭部表面的兩條中線；
[0069] S13、提取分割后的所述術(shù)前圖像的表面并簡化；
[0070] S14、在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部表面的兩條中線并簡化；
[0071] S15、通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)，以完成注冊過程的初 始配準(zhǔn)，并得到初始的空間變換參數(shù)；
[0072] S16、在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡化；
[0073] S17、在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位點集與術(shù)前表面的 配準(zhǔn)，并得到最終的空間變換參數(shù)。
[0074] 本發(fā)明所提供的一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，不需要術(shù)前預(yù)先設(shè)置人工標(biāo) 記點即可實現(xiàn)注冊，能夠自動計算術(shù)前點集在圖像中的位置，避免了手動取點的過程，同時 利用Passive Polaris系統(tǒng)中探針（Probe)劃線取得的點集作為術(shù)中點集與術(shù)前點集做配 準(zhǔn)，大大增加了用于注冊的空間信息，從而有效地提高了注冊精度。
[0075] 以下將對本發(fā)明所提供的一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法進(jìn)行詳細(xì)說明。
[0076] 請參閱圖1，為本發(fā)明一實施方式中神經(jīng)外科手術(shù)導(dǎo)航的注冊方法流程圖。
[0077] 在步驟Sll中，對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前圖像。
[0078] 在本實施方式中，步驟Sll具體還包括更詳細(xì)的步驟，如圖2所示。
[0079] 請參閱圖2,為本發(fā)明一實施方式中圖1所示的步驟Sll的詳細(xì)方法流程圖。
[0080] 在步驟Slll中，通過CT/MR掃描獲取病人頭部的三維體數(shù)據(jù)。
[0081] 在步驟S112中，對所述三維體數(shù)據(jù)做區(qū)域生長分割得到初始分割后的圖像。
[0082] 在步驟Sl 13中，提取最大連通區(qū)域，并做腐蝕操作以得到只包含頭部區(qū)域的二值 圖像。
[0083] 請繼續(xù)參閱圖1，在步驟S12中，根據(jù)分割后的所述術(shù)前圖像提取頭部表面的兩條 中線。
[0084] 在本實施方式中，步驟S12具體還包括更詳細(xì)的步驟，如圖3所示。
[0085] 請參閱圖3,為本發(fā)明一實施方式中圖1所示的步驟S12的詳細(xì)方法流程圖。
[0086] 在步驟S121中，計算分割后的所述二值圖像的質(zhì)心。
[0087] 在步驟S122中，提取所述二值圖像的輪廓，并在所述質(zhì)心所在的矢狀面和冠狀面 上提取輪廓線并組成頭部表面的兩條中線。
[0088] 請繼續(xù)參閱圖1，在步驟S13中，提取分割后的所述術(shù)前圖像的表面并簡化。
[0089] 在本實施方式中，步驟S13具體還包括更詳細(xì)的步驟，如圖4所示。
[0090] 請參閱圖4,為本發(fā)明一實施方式中圖1所示的步驟S13的詳細(xì)方法流程圖。
[0091] 在步驟S131中，對于分割后的所述二值圖像，通過移動立方體(Marching Cubes) 算法獲取頭部表面數(shù)據(jù)。
[0092] 在步驟S132中，通過基于誤差二次曲線與定向邊緣的網(wǎng)格簡化算法處理所述頭 部表面數(shù)據(jù)以得到簡化后的所述術(shù)前圖像的表面。在本實施方式中，簡化后的表面點數(shù)是 原始表面點數(shù)的一半。
[0093] 請繼續(xù)參閱圖1，在步驟S14中，在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部 表面的兩條中線并簡化。在本實施方式中，步驟S14具體包括：通過探針（Probe)劃線取點 方式獲取術(shù)中點集后，根據(jù)點的空間坐標(biāo)值，對所述點集中的每個點做中值濾波，并剔除兩 點距離小于0. 5mm時的其中一個點。在本實施方式中，中值濾波的鄰域范圍為10,當(dāng)兩點的 距離小于〇. 5mm時，則剔除其中一個點。
[0094] 在步驟S15中，通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)，以完成注 冊過程的初始配準(zhǔn)，并得到初始的空間變換參數(shù)。
[0095] 在步驟S16中，在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡化。在本實 施方式中，簡化的方法和步驟S14所示的簡化方法相同。
[0096] 在步驟S17中，在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位點集與術(shù) 前表面的配準(zhǔn)，并得到最終的空間變換參數(shù)。在本實施方式中，所述預(yù)設(shè)算法為Perturbed ICP算法。
[0097] 在本實施方式中，步驟S17具體還包括更詳細(xì)的步驟，如圖5所示。
[0098] 請參閱圖5,為本發(fā)明一實施方式中圖1所示的步驟S17的詳細(xì)方法流程圖。 [0099] 在步驟S171中，利用探針劃線取點方式在病人額頭部位進(jìn)行劃線取點以得到精 配準(zhǔn)階段的術(shù)中點集，并對所述精配準(zhǔn)階段的術(shù)中點集進(jìn)行簡化處理。在本實施方式中，簡 化的方法和步驟S14所示的簡化方法相同。
[0100] 在步驟S172中，在所述初始配準(zhǔn)的基礎(chǔ)上，利用所述Perturbed ICP算法將簡化 后的所述精配準(zhǔn)階段的術(shù)中點集與簡化后的術(shù)前表面做Perturbed ICP配準(zhǔn)，并得到最終 的空間變換參數(shù)。
[0101] 本實施方式中，Perturbed ICP算法是基于ICP算法的一種改進(jìn)算法，其特點是能 夠有效避免算法在迭代過程中陷入局部最優(yōu)，主要思想是當(dāng)?shù)萑刖植孔顑?yōu)時（即若干 次迭代后配準(zhǔn)誤差無明顯變化)，給變換參數(shù)施加一個適當(dāng)?shù)钠萍礊閿_動，具體的擾動策 略為：
[0102] 1)計算當(dāng)次迭代結(jié)束后得到的變換參數(shù)巧=(心7$ r2, ^ 與上一次迭代 結(jié)束后變換參數(shù)K =(r), r,^ 6 ￠, 〇之間的差I(lǐng) It2-T1I I ;
[0103] 2)對于T2中每個平移分量#施加一個適當(dāng)?shù)钠屏縴i即，定義 式Hk/ -#11，Yi的值從[-Φ，dj中均勻隨機的選?。?br> [0104] 3)若5次迭代后，配準(zhǔn)誤差無明顯變化（即當(dāng)差值小于0. Imm時認(rèn)為是無明顯變 化)，則從[-(Ii, dj中隨機選取Yi施加于&上；
[0105] 4)在首次施加偏移后，若經(jīng)過4次迭代，配準(zhǔn)誤差無明顯變化，則從[-2屯，2屯]中 隨機選取yi施加于h上；
[0106] 5)在第2次施加偏移之后，若經(jīng)過3次迭代，配準(zhǔn)誤差無明顯變化，則從[_3屯，3屯] 中隨機選取Y i施加于^上，依次類推，直至施加完第5次偏移后，停止擾動。
[0107] 本發(fā)明所提供的一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，通過自動提取術(shù)前點集，避 免了手動取點的繁瑣進(jìn)而達(dá)到簡化了注冊流程的目的；通過使用探針（Probe)劃線取點， 增加了用于配準(zhǔn)的空間信息，并引入由初始配準(zhǔn)和精配準(zhǔn)組成的二次配準(zhǔn)法，從而大大提 高了配準(zhǔn)精度；通過采用Perturbed ICP算法進(jìn)行初始配準(zhǔn)后的校正，進(jìn)而有效的規(guī)避了 傳統(tǒng)ICP算法容易陷入局部最優(yōu)的缺陷，達(dá)到了較好的魯棒性；通過對數(shù)據(jù)的簡化，大大減 少了注冊時間，進(jìn)而降低了注冊的時間成本。
[0108] 本發(fā)明【具體實施方式】還提供一種神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)10,主要包括：
[0109] 圖像獲取模塊101，用于對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前 圖像；
[0110] 中線提取模塊102,用于根據(jù)分割后的所述術(shù)前圖像提取頭部表面的兩條中線；
[0111] 表面簡化模塊103,用于提取分割后的所述術(shù)前圖像的表面并簡化；
[0112] 中線簡化模塊104,用于在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部表面的 兩條中線并簡化；
[0113] 初始配準(zhǔn)模塊105,用于通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)，以 完成注冊過程的初始配準(zhǔn)，并得到初始的空間變換參數(shù)；
[0114] 額頭簡化模塊106,用于在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡 化；
[0115] 最終配準(zhǔn)模塊107,用于在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位 點集與術(shù)前表面的配準(zhǔn)，并得到最終的空間變換參數(shù)。
[0116] 本發(fā)明所提供的一種神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)10,不需要術(shù)前預(yù)先設(shè)置人工 標(biāo)記點即可實現(xiàn)注冊，能夠自動計算術(shù)前點集在圖像中的位置，避免了手動取點的過程，同 時利用Passive Polaris系統(tǒng)中探針（Probe)劃線取得的點集作為術(shù)中點集與術(shù)前點集做 配準(zhǔn)，大大增加了用于注冊的空間信息，從而有效地提高了注冊精度。
[0117] 以下將對本發(fā)明所提供的一種神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)10進(jìn)行詳細(xì)說明。
[0118] 請參閱圖6,所示為本發(fā)明一實施方式中神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)10的結(jié)構(gòu) 示意圖。在本實施方式中，神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)10包括圖像獲取模塊101、中線提 取模塊102、表面簡化模塊103、中線簡化模塊104、初始配準(zhǔn)模塊105、額頭簡化模塊106以 及最終配準(zhǔn)模塊107。
[0119] 圖像獲取模塊101，用于對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前 圖像。
[0120] 在本實施方式中，圖像獲取模塊101具體包括第一獲取子模塊1011、第二獲取子 模塊1012、第三獲取子模塊1013,如圖7所示。
[0121] 請參閱圖7,為本發(fā)明一實施方式中圖6所示的圖像獲取模塊101的具體結(jié)構(gòu)示意 圖。
[0122] 第一獲取子模塊1011，用于通過CT/MR掃描獲取病人頭部的三維體數(shù)據(jù)；
[0123] 第二獲取子模塊1012,用于對所述三維體數(shù)據(jù)做區(qū)域生長分割得到初始分割后的 圖像；
[0124] 第三獲取子模塊1013,用于提取最大連通區(qū)域，并做腐蝕操作以得到只包含頭部 區(qū)域的二值圖像。
[0125] 請繼續(xù)參閱圖6,中線提取模塊102,用于根據(jù)分割后的所述術(shù)前圖像提取頭部表 面的兩條中線。
[0126] 在本實施方式中，中線提取模塊102具體包括第一提取子模塊1021和第二提取子 模塊1022,如圖8所示。
[0127] 請參閱圖8,為本發(fā)明一實施方式中圖6所示的中線提取模塊102的具體結(jié)構(gòu)示意 圖。
[0128] 第一提取子模塊1021，用于計算分割后的所述二值圖像的質(zhì)心；
[0129] 第二提取子模塊1022,用于提取所述二值圖像的輪廓，并在所述質(zhì)心所在的矢狀 面和冠狀面上提取輪廓線并組成頭部表面的兩條中線。
[0130] 請繼續(xù)參閱圖6,表面簡化模塊103,用于提取分割后的所述術(shù)前圖像的表面并簡 化。
[0131] 在本實施方式中，表面簡化模塊103具體包括第一簡化子模塊1031和第二簡化子 模塊1032,如圖9所示。
[0132] 請參閱圖9,為本發(fā)明一實施方式中圖6所示的表面簡化模塊103的具體結(jié)構(gòu)示意 圖。
[0133] 第一簡化子模塊1031，用于對于分割后的所述二值圖像，通過移動立方體 (Marching Cubes)算法獲取頭部表面數(shù)據(jù)。
[0134] 第二簡化子模塊1032,用于通過基于誤差二次曲線與定向邊緣的網(wǎng)格簡化算法處 理所述頭部表面數(shù)據(jù)以得到簡化后的所述術(shù)前圖像的表面。在本實施方式中，簡化后的表 面點數(shù)是原始表面點數(shù)的一半。
[0135] 請繼續(xù)參閱圖6,中線簡化模塊104,用于在術(shù)中利用探針劃線取點方式獲取術(shù)中 病人頭部表面的兩條中線并簡化。在本實施方式中，中線簡化模塊104具體用于通過探針 劃線取點方式獲取術(shù)中點集后，根據(jù)點的空間坐標(biāo)值，對所述點集中的每個點做中值濾波， 并剔除兩點距離小于〇. 5mm時的其中一個點。在本實施方式中，中值濾波的鄰域范圍為10， 當(dāng)兩點的距離小于〇. 5mm時,則剔除其中一個點。
[0136] 初始配準(zhǔn)模塊105,用于通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)，以 完成注冊過程的初始配準(zhǔn)，并得到初始的空間變換參數(shù)。
[0137] 額頭簡化模塊106,用于在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡化。
[0138] 最終配準(zhǔn)模塊107,用于在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位 點集與術(shù)前表面的配準(zhǔn)，并得到最終的空間變換參數(shù)。在本實施方式中，所述預(yù)設(shè)算法為 Perturbed ICP 算法。
[0139] 在本實施方式中，最終配準(zhǔn)模塊107具體包括第一配準(zhǔn)子模塊1071和第二配準(zhǔn)子 模塊1072,如圖10所示。
[0140] 請參閱圖10,為本發(fā)明一實施方式中圖6所示的最終配準(zhǔn)模塊107的具體結(jié)構(gòu)示 意圖。
[0141] 第一配準(zhǔn)子模塊1071，用于利用探針劃線取點方式在病人額頭部位進(jìn)行劃線取點 以得到精配準(zhǔn)階段的術(shù)中點集，并對所述精配準(zhǔn)階段的術(shù)中點集進(jìn)行簡化處理。在本實施 方式中，簡化的方法和步驟S14所示的簡化方法相同。
[0142] 第二配準(zhǔn)子模塊1072,用于在所述初始配準(zhǔn)的基礎(chǔ)上，利用所述Perturbed ICP 算法將簡化后的所述精配準(zhǔn)階段的術(shù)中點集與簡化后的術(shù)前表面做Perturbed ICP配準(zhǔn)， 并得到最終的空間變換參數(shù)。
[0143] 本實施方式中，Perturbed ICP算法是基于ICP算法的一種改進(jìn)算法，其特點是能 夠有效避免算法在迭代過程中陷入局部最優(yōu)，主要思想是當(dāng)?shù)萑刖植孔顑?yōu)時（即若干 次迭代后配準(zhǔn)誤差無明顯變化)，給變換參數(shù)施加一個適當(dāng)?shù)钠萍礊閿_動，具體的擾動策 略為：
[0144] 1)計算當(dāng)次迭代結(jié)束后得到的變換參數(shù)7^ =〇;2, r,2, /^,46與上一次迭代 結(jié)束后變換參數(shù)K r:,匕小小〇之間的差I(lǐng) IT2-T1I I ;
[0145] 2)對于T2中每個平移分量纟2施加一個適當(dāng)?shù)钠屏?yi即<+只，定義 式Hl € Il，L的值從[_di，dJ中均勻隨機的選??；
[0146] 3)若5次迭代后，配準(zhǔn)誤差無明顯變化（即當(dāng)差值小于0. Imm時認(rèn)為是無明顯變 化)，則從[-(Ii, dj中隨機選取Yi施加于&上；
[0147] 4)在首次施加偏移后，若經(jīng)過4次迭代，配準(zhǔn)誤差無明顯變化，則從[-2屯，2屯]中 隨機選取Y i施加于&上；
[0148] 5)在第2次施加偏移之后，若經(jīng)過3次迭代，配準(zhǔn)誤差無明顯變化，則從[_3屯，3屯] 中隨機選取Y i施加于ti上，依次類推，直至施加完第5次偏移后，停止擾動。
[0149] 本發(fā)明所提供的一種神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)10,通過自動提取術(shù)前點集， 避免了手動取點的繁瑣進(jìn)而達(dá)到簡化了注冊流程的目的；通過使用探針（Probe)劃線取 點，增加了用于配準(zhǔn)的空間信息，并引入由初始配準(zhǔn)和精配準(zhǔn)組成的二次配準(zhǔn)法，從而大大 提高了配準(zhǔn)精度；通過采用Perturbed ICP算法進(jìn)行初始配準(zhǔn)后的校正，進(jìn)而有效的規(guī)避 了傳統(tǒng)ICP算法容易陷入局部最優(yōu)的缺陷，達(dá)到了較好的魯棒性；通過對數(shù)據(jù)的簡化，大大 減少了注冊時間，進(jìn)而降低了注冊的時間成本。
[0150] 在本發(fā)明實施例中，本發(fā)明提供的技術(shù)方案，不需要術(shù)前預(yù)先設(shè)置人工標(biāo)記點即 可實現(xiàn)注冊，能夠自動計算術(shù)前點集在圖像中的位置，避免了手動取點的過程，同時利用 Passive Polaris系統(tǒng)中探針（Probe)劃線取得的點集作為術(shù)中點集與術(shù)前點集做配準(zhǔn)，大 大增加了用于注冊的空間信息，從而有效地提高了注冊精度。
[0151] 值得注意的是，上述實施例中，所包括的各個單元只是按照功能邏輯進(jìn)行劃分的， 但并不局限于上述的劃分，只要能夠?qū)崿F(xiàn)相應(yīng)的功能即可；另外，各功能單元的具體名稱也 只是為了便于相互區(qū)分，并不用于限制本發(fā)明的保護范圍。
[0152] 另外，本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述各實施例方法中的全部或部分步驟 是可以通過程序來指令相關(guān)的硬件來完成，相應(yīng)的程序可以存儲于一計算機可讀取存儲介 質(zhì)中，所述的存儲介質(zhì)，如ROM/RAM、磁盤或光盤等。
[0153] 以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1. 一種神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，其特征在于，所述方法包括： 對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前圖像； 根據(jù)分割后的所述術(shù)前圖像提取頭部表面的兩條中線； 提取分割后的所述術(shù)前圖像的表面并簡化； 在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部表面的兩條中線并簡化； 通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)，W完成注冊過程的初始配準(zhǔn)， 并得到初始的空間變換參數(shù)； 在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡化； 在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位點集與術(shù)前表面的配準(zhǔn)，并得 到最終的空間變換參數(shù)。
2. 如權(quán)利要求1所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，其特征在于，所述對病人頭部 作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前圖像的步驟具體包括： 通過CT/MR掃描獲取病人頭部的H維體數(shù)據(jù)； 對所述H維體數(shù)據(jù)做區(qū)域生長分割得到初始分割后的圖像； 提取最大連通區(qū)域，并做腐蝕操作W得到只包含頭部區(qū)域的二值圖像。
3. 如權(quán)利要求2所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，其特征在于，所述根據(jù)分割后 的所述術(shù)前圖像提取頭部表面的兩條中線的步驟具體包括： 計算分割后的所述二值圖像的質(zhì)也； 提取所述二值圖像的輪廓，并在所述質(zhì)也所在的矢狀面和冠狀面上提取輪廓線并組成 頭部表面的兩條中線。
4. 如權(quán)利要求2所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，其特征在于，所述提取分割后 的所述術(shù)前圖像的表面并簡化的步驟具體包括： 對于分割后的所述二值圖像，通過移動立方體算法獲取頭部表面數(shù)據(jù)； 通過基于誤差二次曲線與定向邊緣的網(wǎng)格簡化算法處理所述頭部表面數(shù)據(jù)W得到簡 化后的所述術(shù)前圖像的表面。
5. 如權(quán)利要求1所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，其特征在于，所述在術(shù)中利用 探針劃線取點方式獲取術(shù)中病人頭部表面的兩條中線并簡化的步驟具體包括： 通過探針劃線取點方式獲取術(shù)中點集后，根據(jù)點的空間坐標(biāo)值，對所述點集中的每個 點做中值濾波，并剔除兩點距離小于0. 5mm時的其中一個點。
6. 如權(quán)利要求1所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊方法，其特征在于，所述預(yù)設(shè)算法為 Perturbed ICP算法，其中，所述在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位點 集與術(shù)前表面的配準(zhǔn)，并得到最終的空間變換參數(shù)的步驟具體包括： 利用探針劃線取點方式在病人額頭部位進(jìn)行劃線取點W得到精配準(zhǔn)階段的術(shù)中點集， 并對所述精配準(zhǔn)階段的術(shù)中點集進(jìn)行簡化處理； 在所述初始配準(zhǔn)的基礎(chǔ)上，利用所述化durbed ICP算法將簡化后的所述精配準(zhǔn)階段 的術(shù)中點集與簡化后的術(shù)前表面做^durbed ICP配準(zhǔn)，并得到最終的空間變換參數(shù)。
7. -種神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)，其特征在于，所述注冊系統(tǒng)包括： 圖像獲取模塊，用于對病人頭部作CT/MR掃描獲取術(shù)前圖像，并分割所述術(shù)前圖像； 中線提取模塊，用于根據(jù)分割后的所述術(shù)前圖像提取頭部表面的兩條中線； 表面簡化模塊，用于提取分割后的所述術(shù)前圖像的表面并簡化； 中線簡化模塊，用于在術(shù)中利用探針劃線取點方式獲取術(shù)中病人頭部表面的兩條中線 并簡化； 初始配準(zhǔn)模塊，用于通過高斯混合模型方法做術(shù)前點集與術(shù)中點集的配準(zhǔn)，W完成注 冊過程的初始配準(zhǔn)，并得到初始的空間變換參數(shù)； 額頭簡化模塊，用于在術(shù)中利用探針在病人額頭部位無規(guī)則劃線取點并簡化； 最終配準(zhǔn)模塊，用于在所述初始配準(zhǔn)的基礎(chǔ)上通過預(yù)設(shè)算法做術(shù)中額頭部位點集與術(shù) 前表面的配準(zhǔn)，并得到最終的空間變換參數(shù)。
8. 如權(quán)利要求7所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)，其特征在于，所述圖像獲取模 塊包括： 第一獲取子模塊，用于通過CT/MR掃描獲取病人頭部的H維體數(shù)據(jù)； 第二獲取子模塊，用于對所述H維體數(shù)據(jù)做區(qū)域生長分割得到初始分割后的圖像； 第H獲取子模塊，用于提取最大連通區(qū)域，并做腐蝕操作W得到只包含頭部區(qū)域的二 值圖像。
9. 如權(quán)利要求8所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)，其特征在于，所述中線提取模 塊包括： 第一提取子模塊，用于計算分割后的所述二值圖像的質(zhì)也； 第二提取子模塊，用于提取所述二值圖像的輪廓，并在所述質(zhì)也所在的矢狀面和冠狀 面上提取輪廓線并組成頭部表面的兩條中線。
10. 如權(quán)利要求8所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)，其特征在于，所述表面簡化模 塊包括： 第一簡化子模塊，用于對于分割后的所述二值圖像，通過移動立方體算法獲取頭部表 面數(shù)據(jù)； 第二簡化子模塊，用于通過基于誤差二次曲線與定向邊緣的網(wǎng)格簡化算法處理所述頭 部表面數(shù)據(jù)W得到簡化后的所述術(shù)前圖像的表面。
11. 如權(quán)利要求7所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)，其特征在于，所述中線簡化模 塊，具體用于通過探針劃線取點方式獲取術(shù)中點集后，根據(jù)點的空間坐標(biāo)值，對所述點集中 的每個點做中值濾波，并剔除兩點距離小于0. 5mm時的其中一個點。
12. 如權(quán)利要求7所述的神經(jīng)外科手術(shù)導(dǎo)航的注冊系統(tǒng)，其特征在于，所述預(yù)設(shè)算法為 Perturbed ICP算法，其中，所述最終配準(zhǔn)模塊包括： 第一配準(zhǔn)子模塊，用于利用探針劃線取點方式在病人額頭部位進(jìn)行劃線取點W得到精 配準(zhǔn)階段的術(shù)中點集，并對所述精配準(zhǔn)階段的術(shù)中點集進(jìn)行簡化處理； 第二配準(zhǔn)子模塊，用于在所述初始配準(zhǔn)的基礎(chǔ)上，利用所述化durbed ICP算法將簡化 后的所述精配準(zhǔn)階段的術(shù)中點集與簡化后的術(shù)前表面做^durbed ICP配準(zhǔn)，并得到最終 的空間變換參數(shù)。
【文檔編號】G06T7/00GK104463832SQ201310442944
【公開日】2015年3月25日 申請日期:2013年9月25日 優(yōu)先權(quán)日:2013年9月25日
【發(fā)明者】肖德強, 賈富倉, 羅火靈, 周壽軍, 胡慶茂 申請人:中國科學(xué)院深圳先進(jìn)技術(shù)研究院