基于特征点的内窥镜图像和CT影像配准方法
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于特征点的内窥镜图像和CT影像配准方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：
医学图像配准是目前医学图像处理的关键技术。将病人病灶部位的CT图像和遥操作微创手术机器人所隐含的数据信息结合，根据微创手术机器人系统的特殊要求，提出一种新的基于特征点的快速局部图像配准方法，可实现对特殊组织特征点和一般组织特征点的配准。算法以欧氏距离作为配准相似度度量，用最近点迭代法（ICP）求解配准变换关系。通过对医学图像进行测试，配准结果较好，该算法能实现对图像的整体轮廓及图像中感兴趣的生理解剖位置的配准。
关键词：
医学图像配准；特征点；ICP算法
中图分类号：
TB
文献标识码：A
文章编号：1672-3198（2013）19-0194-02
1 引言
医学图像配准是目前医学图像处理的一项关键技术，其目的是建立患者坐标系和术前影像坐标系之间的映射关系，使术前影像和术中内窥镜图像上的几何特征在空间上对应起来，配准的结果使所有的解剖点或者是所有在医学上具有诊断意义的点和手术部位都达到匹配。
根据配准的过程，医学图像配准方法可以分为基于像素相似性和基于形状特征两类。基于像素相似性的方法主要利用灰度值作为配准的准则，不需要对图像进行预处理，配准精确度高，缺点是耗费时间长、效率较低。基于形状特征的配准方法主要是利用图像间的共有几何特征进行配准，常使用的形状特征有点、轮廓等，原理比较简单，应用广泛。基于轮廓的配准方法根据所配准对象的边缘轮廓进行配准，可以快速实现图像的全局配准，对于距离轮廓较远区域的配准能力较差。基于特征点的配准方法通过对特征点插值来计算映射转换关系，能够很好地完成点对之间的配准。这两种方法各有侧重，基于轮廓的方法侧重图像整体的结构特征匹配，而基于特征点的方法能够处理任意点对间的变换和配准。在微创手术过程中，视觉系统给手术医生提供直观的视觉信息反馈，便于手术医生进行手术位置定位以及手术过程中的视觉引导。这里我们要根据从内窥镜得到的二维图像信息，结合遥操作微创手术机器人所隐含的数据信息，以ct图像为浮动图像，快速地建立内窥镜图像信息和CT图像的匹配。
2 特征点的提取
在微创手术机器人系统中，医学图像配准中所需的特征点通常是医生选取的在医学上具有解剖意义的一系列解剖点，而非纯粹的几何意义的点，解剖点大多灰度变换剧烈，或者具有特定的几何意义，例如拐点、高曲率点等。人体器官模型多为非规则的模型，这里以内窥镜得到的图像为参考图像，以CT图像为浮动图像，手术医生首先根据病人的CT图像，选取具有解剖意义的特征点。手术医生在手术前可根据从内镜得到的放大的医学图像，观察手术器械末端和人体器官组织的相对位置关系。基于遥操作技术的理论经验，手术医生操作手控器对需要手术的区域或待配准的其他组织的表面进行有限个特征点的提取，并按照提取的顺序将这些关键点进行存储，这些点大多为医生感兴趣的解剖点，可作为待手术区域或其他组织的特征点来参加配准。在特征点的提取过程中，要求两幅图像中的特征提取次序保持一致，目的是减少配准过程中的计算复杂度。提取的两组特征点如图1和图2所示。
利用手控器可实现对操作者手部运动的实时测量，当对具有解剖意义的关键点进行采集时，记录的这些点的坐标值是在手控器坐标系的坐标值。微创手术机器人从手末端的位置信息可以通过相对于手控器的位置信息的坐标变换关系转换获得，那么我们就可以得到待手术的人体重要器官或组织表面特征点在从手坐标系里的位置信息，从而转化为内窥镜图像坐标系的坐标信息。由于手术时医生只是对病灶部位进行操作，所以医生感兴趣的只是病灶及其周围的部分。所以，在进行图像配准时，可选择对这部分组织进行局部配准即可。
3 图像配准
将病人病灶部位的CT图像和遥操作微创手术机器人所隐含的数据信息结合，提出一种新的基于特征点的图像配准方法，实现器官的局部配准。下面按照图像配准方法的组成部分来描述本文算法，主要包括：配准策略，相似性测度和优化策略。
待配准的图像分别记为参考图像Ir和浮动图像It，从这两幅图像采集的特征点集记为Pr、Pt，点的个数都为N。配准变换函数标记为T，相似性测度标记为E。
3.1 配准策略
这里将分成两步进行配准变换计算，第一步进行粗略配准，然后再进行精确配准。首先利用最近的对应特征点对求解出旋转变换矩阵R，再结合其重心求解出平移向量t。在由R和t确定的刚体变换下，点集Pr被映射到点集P′r=PrR+t。
3.1.1 粗略配准
首先通过手工方法在两个特征点集中指定n（n>3）组对应特征点对，每一组特征点对都对应于实际对象的同一个特征或者部位，利用浮动特征点集Pt中的n个特征（Pt1，Pt2，…，Ptn）和参考特征点集Pr中的n个特征（Pr1，Pr2，…，Prn）的变换关系Pti=R0Pti+t0，（i=1，2，…，n），来求解出刚性变换（R0，t0），从而实现粗略配准。然后将变换（R0，t0）应用到特征点集Pt上得到其刚性变换后的特征点集
3.1.2 精确配准
薄板样条插值是多变量插值，Bookstein最早将其应用于点匹配的医学图像配准中。对于二维图像，薄板样条函数的形式为：
F（x，y）=A（x，y）+R（x，y）
3.3 搜索策略
搜索的任务是在空间中寻找最优的配准变换关系，在搜索过程中以相似性测度的值作为判优的主要判据。由于配准过程中往往需要大量的运算才能求解，搜索策略的好坏将直接关系到配准的速度，设计一个有效合理的搜索策略非常重要。
搜索的目标是使相似性测度函数E的取值最小。本文采用最近点迭代法ICP策略，此方法首先假设已经得到一个初始的位姿估计，然后从一个图像中选取一定数量的点作为控制点，并在另外一个图像中找出这些点的近邻点作为对应点，接着通过对这些对应点对间的距离最小化来求得一个变换，最后通过不断的迭代该过程直到满足收敛条件Ee为止。
4 实验结果及分析
运用上述方法对内窥镜图像和CT图像进行测试，配准结果较好，该算法能实现对图像的整体轮廓及图像中感兴趣的生理解剖位置的配准，收敛速度较快。
5 结论
本文的主要贡献在于将病人病灶部位的CT图像和遥操作微创手术机器人所隐含的数据信息结合，提出一种新的基于特征点的快速局部图像配准方法。算法以特征点间的欧氏距离作为图像配准的相似度度量，用最近点迭代法（ICP）求解配准变换关系。通过对医学图像进行测试，配准结果较好，该算法能实现对图像的整体轮廓及图像中感兴趣的生理解剖位置的配准，配准结果非常理想。
参考文献
[1]Barbara Zitova， Jan Flusser， Image registration methods： a survey[J].Image and Vision Computing， 2003，（21）：977–1000.
[2]Bookstein F Fl， Principal warps： Thin plate splines and the decomposition of deformation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 1989：567-585.
[3]彭文，童若锋等.基于图像与特征点的医学图像配准方法[J].中国图像图像学报，2007，9（13）：1126-1131.
[4]Shen J K， Matuszewski B J， Shark L K.Deformable image registration[C].Proceedings of the IEEE International Conference on Image Processing.Genoa， Italy，USA， 2005：1112-1115.
[5]Noblet V，Heinrich C，Heitz F，Armspach J P.3-D deformable image registration： A topology preservation scheme based on hierarchical deformation models and interval analysis optimization[C].IEEE Transactions on Image Processing， 2005：553-566.