神经导航面匹配空间配准研究

沈 仑 寿鹏里（通讯作者）

（杭州医学院医学影像学院，浙江 杭州310053）

神经导航是神经外科手术的重要组成部分，它可以帮助医生在术前制定手术计划，选择最佳手术入路，术中精确定位，实时导航，从而减少脑组织损伤。神经导航系统最重要的指标是定位精度，而对定位精度影响最大的是配准过程。当前，从病人空间到图像空间的配准方法有三种：基于人工标记点的配准[1]，基于解剖标记点的配准[2]，面匹配配准[3]。基于人工标记点的配准方法精度高，操作简单，但是它有以下缺点：需要在术前专门为导航做一次影像扫描；粘贴在皮肤上的标记容易发生位移，甚至脱落，会引起较大的配准误差；标记点识别过程消耗时间较长。

基于解剖标记点的配准方法不需使用人工标记，它利用人体的一些解剖特征（如鼻根，眼角，鼻尖，耳屏等），不需专门为导航做一次影像扫描，但它也有缺点：精度不高。面匹配配准方法在理论上拥有解剖标记点配准方法的优点，同时又具有人工标记点配准方法的精度，是一种很好的配准方法。详细阐述面匹配配准方法的原理，算法以及它的一些不足之处。

1 面配准原理

面匹配的基本原理是，首先在待配准的病人空间和图像空间生成特征对像的表面轮廓，然后通过坐标变换将这两个表面轮廓吻合在一起，从而达到配准两个空间的目的。在神经导航系统中一般使用代表人体表面的点云作为特征对象的表面轮廓，使用迭代最近点法（Iterative Closest Point，ICP）[4]完成病人空间到图像空间中两个点云之间的配准。所谓点云是指一系列已知坐标位置，但不知道相互位置关系的点的集合。当使用面配准方法时，首先在图像空间中使用阈值分割的方法找到人体的表面，然后在这个表面按照一定的间隔采样，得到图像空间中代表人体表面的点云。在空间配准时，使用特定的设备[5]在病人身上采集一定数量的点，一般为前额，鼻子，眼框周围的区域，作为代表病人空间的点云，如图所示。ICP 算法是在已知两个点集和一个初始化空间转换的基础上，通过反复迭代，不断优化点之间的对应关系和空间转换关系，直到达到终止条件为止。与点配准方法相比，ICP 算法不需要知道两个点云中的点之间的对应关系，而在一个初始空间转换的基础上开始迭代，最终找到一个优化的对应关系和一个最优化的配准结果。由于不需要知道两个点云之间的对应关系，这就使快速选取大量的点云参加配准成为可能，从而提高配准的精度。

面匹配空间配准的构想

2 面配准算法流程

ICP 算法是一种基于轮廓特征的配准方法。基本思想是：假设两个点集P 和X 近似对齐，对P 上的每个点，假设X 上的最近点与之对齐。采用最近点搜索，在X 上找出P 上各个点对应的最近点，构成集合Y，然后计算一个新的P 到Y 的刚体变换。重复上述过程直到配准收敛。

算法流程如下：

（1）分别在病人空间和图像空间提取点云集P 和X。

（2）初始化。F0=F，q0=[1，0，0，0，0，0，0]T，k=0。

（3）利用搜索算法寻找F 在X 中的最近点Y。

（4）计算坐标变换向量和误差：（qk，dk）=（F0，Yk）。

（5）特征点集坐标变换：Fk+1=qk（F0）。

（6）判断误差是否收敛，如果dk-dk+1＜τ，若τ＞0，则收敛，否则跳到（3）。

（7）误差收敛于τ，病人点云坐标变换：P'=qk（P）。

（8）结束。

3 总结与展望

使用ICP 算法进行配准，虽然精确度很高，但存在一些局限：

首先是算法对病人空间和图像空间点云的初始位置要求较高，点云之间初始位置不能相差太大，并且要求两个匹配点集中的一个点集是另外一个点集的子集；

其次是算法在求解邻近点对集的过程中采用的是全局搜索，所以配准过程会因为迭代次数太多而导致时间复杂性增加。当位置条件不满足，或相差太大时，会影响算法的收敛结果，甚至收敛于局部最优解，从而得不到期望的配准结果。要解决这两个问题，有几种方法可以考虑。

（1）对传统的ICP 方法进行改造，包括点集的预处理，控制点的选择，最近点对查找，去除错误匹配点等。

（2）采用新的算法进行配准，例如高斯混合模型算法[6]。

（3）采用点面结合的方式，将点配准和面配准方法结合起来使用。使用点配准进行初配准，得到较好的初始转换关系，然后使用面配准，以这个较好的初始转换关系为起来，进行精配准，对配准进一步优化。

面匹配虽然克服了点匹配在术前需要专门做一次影像扫描，需要人工标记点的缺点，但是在临床上却很少使用，主要是因为面匹配的靶点配准误差（Target Registration Error，TRE）还很难把握，以后可做这方面的研究，使面匹配能够像点匹配那样确定TRE。另一个问题是面配准的精度不稳定，有些文献表明面配准精度与点配准相当[7]，但也有一些文献表明面配准精度比点配准精度要低[8，9]，这也阻碍了面配准的广泛使用。