一种基于全局优化的神经导航自动空间配准方法
【技术领域】
[0001] 本发明属医学图像处理及应用领域，设及一种基于全局优化的神经导航自动空间 配准方法，使配准过程更加简单方便。该方法能使手术导航在临床应用中更精确、实用和方 便。
【背景技术】
[0002] 据报道显示，神经导航系统能够帮助医务人员确定病灶位置和边界，减小医源性 创伤，降低手术难度与手术风险。神经导航系统对术前病人CT或MR影像资料进行=维重建 和可视化，获得虚拟模型，把手术部位与虚拟模型进行配准，使用高精度的定位系统跟踪病 人和手术器械的空间位置，使医生能在虚拟模型上看到手术器械相对于手术部位的位置， 从而指导医生对肿瘤进行准确切除。
[0003] 现有技术中，神经导航系统使用的空间配准方法主要有点配准和面配准。计算 点匹配的算法主要有奇异值分解法、标准正交矩阵法、单四元数法和双四元数法，它们的 效率是一样的。面匹配方法使用ICPQterative Closest化int)算法或其变体进行配 准。与点配准方法相比，ICP算法不需要知道两个点云中点之间的对应关系，所W能够选 取大量的点参与配准，从而提高了配准精度。使用ICP算法进行配准，虽然精度很高，但存 在一些局限：①算法对点云的初始位置要求较高，点云初始位置不能相差太大，否则会产 生局部最优解；②算法在求解最近点对集的过程中因迭代次数太多而导致计算量大大增 加。为了提高配准的精度与速度，有研究对ICP算法作了改进，如，Lee等提出一个自适应 ICP(Adaptive-ICP)算法，它使用自适应对偶近邻捜索树方法（ADAK-D Tree)捜索最近点， 比经典ICP算法速度要快，精度要高，但并没有解决局部最优解问题。为了解决局部最优 解问题，Lee等提出M-ICP(Maker-added ICP)算法，运种算法需要人工介入，先用几个人 工标记点或解剖标记点进行粗配准，再用ICP算法做精配准，虽然加入标记点使M-ICP算 法取得了较好的初始位置，增加了取得全局最优解的可能性，但是取得较好的初始位置需 要人工取点。M-ICP算法中两个点云中的点的数量很多，计算量仍旧很大，为了加快运算 速度，Lee等提出了化St-MICP算法，运种算法使用Harris角点探测器在病人空间提取有 意义的特征点，在配准时只使用运些特征点进行配准，从而减少了运算量，但人工取点获取 初始位置的缺点仍旧没有改变；San址yun化in等提出一种加权的ICP (Wei曲ted-ICP)算 法，该算法将面部不易变形的区域定义为权重区域，将投影到此区域的点对的权重设为一 个大于1的值，如果点对没有投影到运个权重区域，将权重设为1 ;该方法虽然提高了配准 精度，但是仍需要人工选定权重区域；化ung-Hung等提出一种加权和扰动ICP(WAP-ICP) 算法，使用加权的策略去除噪声点，使用随机扰动技术处理ICP算法的局部最优解问题，它 的配准精度比自适应ICP要高。综上，所述的改进均基于ICP算法，需要一个粗配准来获 取初始位置，然后用ICP算法或改进的ICP算法做精配准。一些基于概率的算法，虽然能 提高算法的鲁棒性，但是所采用的优化过程仍旧是基于局部捜索的；一些基于启发式的算 法，如粒子群]算法，粒子滤波算法等，虽然能跳出局部最小值，但是它们不能稳定地达 到一个最优解，而且算法复杂度很高，不适合处理神经导航配准中处理大量点云的情况。 Jiaolong Yang 等提出了 G〇-ICP(Globally Optimal ICP)算法，运种算法将 ICP 算法植 入化B (branch-and-bound)算法，不需要提供初始位置就能保证达到确定的全局最优解， GO-ICP算法仅在兔子模型和手模型的配准中取得了较好的效果。
[0004] 鉴于现状，目前临床实践中需要一种新的神经导航自动空间配准方法，该方法能 在不提供初始位置的情况下求得全局最优解，使手术导航在临床应用中更精确、实用和方 便。 阳0化]与本发明有关的参考文献有：
[0006] [1]G. Eggers, J. Muhling and R. Marmulla, Image-to-patient registration techniques in head surgery, International Journal of Oral&MaxiIIofacial Implants, 2006, 35:1081-1095
[0007] [2] Eggert D W, Lorusso A, Fisher R B. Estimating 3-D rigid body transformations:a comparison of four major algorithms[J]. Machine Vision and Ap plications, 1997, 9巧）：272-290.
[0008] [3]Lee J D, Hsieh S S, Huang C H, et al. An adaptive ICP registration for f过ci过I point d过t过[C]. Intern过tion过I Conference on Pattern Recognition, 2006, 4:703-706.
[0009] [4] Lee J D, Lan T Y, Huang C H, et al. A coarse-to-f ine su:rface registration algorithm for frameless brain surgery[C]. International Conference on Engineering in Medicine and Biology Society,2007,836-839.
[0010] [5] Lee J D, Huang C H, Wang S T, et al. Fast-MICP for frameless image-guided surgery[J]. Medical Physics,2010,37巧）：4551-4559.
[0011] [6]Shin S,Lee D, Kim Y,et al. Markerless registration for intracerebral hemorrhage surgical system using weighted Iterative Closest Point (ICP) [C].International Conference on Engineering in Medicine and Biology Society,2012, 5306-5309.
[0012] [7]Hsieh C H,加 ang C H, Lee J D. A Non-contact Image-t〇-Patient Registration Method Using Kinect Sensor and WAP-ICP[M]. Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing, 2013, 95-102.
[0013] [8]Tsin Y, Kanade T. A correlation-based approach to robust point set registration[M]. International Conference on Computer Vision,2004,558-569.
[0014] [9]Jian B, Vemuri B C. A robust algorithm for point set registration using mixture of Gaussians [C]. International Conference on Computer Vision, 2005,2:1246-1251.
[001 己] [10]Myronenko A,Song X.Point set registration:Coherent point drift [J]. IEEE Transactions on Pattern Analysis and Machine Intelligen ce，2010, 32 (12) :2262-2275.
[0016] [11]Breitenreicher D, Schnorr C. Model-based multiple rigid object detection 曰nd registration in unstructured range d曰t曰[J]. Internstionsl Journ曰I of Computer Vision, 2011, 92(I):32-52.
[0017] [12]Wachowiak M P, Smollkov扫 R, Zheng Y, et al. An approach to multimodal biomedical image registration utilizing particle swarm optimization[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3):289-301.
[0018] [13]Sandhu R, Dambreville S, Tannenbaum A. Point set registration via particle filtering and stochastic dyn曰mics[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(8):1459-1473.
[0019] [14]Jiaolong Yang, Hongdong Li, Yunde Jia. Go-ICP:Solving 3D Registration Efficiently and Globally Optimally[C]. International Conference on Computer Vision,2013, 1457-1464.。
【发明内容】
[0020] 本发明的目的在于提供一种基于全局优化的神经导航自动空间配准方法，无需提