论文部分内容阅读
在图像引导的脊椎手术中，实时高效的2D/3D配准是一项重要且具有挑战性的任务。通常的2D/3D配准一般是将三维模型投影到2维平面，然后进行2D-2D的配准。由于投影空间涉及到3个平移以及3个旋转参数，其投影空间的复杂度为O(N6)，采用计算密集的搜索策略，会使得配准很难兼具高准确性和高实时性。 本文提出了一个结合学习与几何变换的2D/3D配准方法。首先使用统计形状模型对目标脊椎进行建模，并构建了一种新的投影方式，使得六个投影参数中的四个可以使用几何的方法计算出来，因而需要学习求解的参数从6个减少到2个，这样很大程度地提高了投影和计算的效率。接下来利用回归学习的方法学习目标脊椎的形状与投影参数之间的关系，避免了计算密集的搜索过程，使得配准的效率得到了较大的提升。最终结合学到的关系和几何变换完成配准。 本方法的两个姿态参数的平均预测误差为0.84°和0.81°，平均目标配准误差mTRE(mean Target Registration Error)为0.87mm，平均配准时间为0.9s。实验结果表明本方法具有很好的实时性和准确性。 本工作需要对脊椎进行建模，模型的优劣对整个方法的性能有很大的影响，并且建模需要对特征点进行标记，为了减低标记的工作量和更好的建立模型，本工作也同时开发了一个辅助的标记工具，大大提高了标记工作的效率和性能。