基于DRR及相似性测度的2D-3D医学图像配准算法

麦永锋 孙启昌 贾鹏飞 陈晓军,2,3

0 引言

随着医疗影像学的迅速发展，医学图像广泛应用于临床诊断和治疗中。CT(computed tomography)等三维图像数据，由于其直观性，能够显示患者的三维信息，因此有助于医生精确定位病灶位置从而设计缜密的手术计划[1-2]。CT等三维图片数据虽然包含三维空间信息，但不能在术中实时获得。相比较而言，X线图像等二维数据可以在术中通过C形臂获取，但是它缺少三维体数据的空间信息。因此通过二维数据和三维数据结合，若将术中的二维X线图像与术前CT体数据进行配准就可以有效补偿一些空间信息，兼得两者优点[3]。

为了实现准确的二维/三维配准，国内外研究学者提出了不少配准算法，大致分为基于图像特征和基于图像灰度两类[4]。基于特征的方法利用患者身上的标记物或内部固有特征定位。如Wang等[5]在术前通过对人体贴皮肤标志点或打钛钉来实现图像的配准，该方法精确度高，但标志点对人体都有损伤，无法达到微创的要求。苏州大学张建法等[6]通过设计标定靶，并把标定靶安装在C形臂上，将C形臂转换为相机模型进行标定求得3D到2D的映射参数。该方法需要额外设置辅助部件，同时也需要借助反光小球以及红外接收仪等手术导航设备，配准过程复杂。Yu等[7]采用B样条统计形变模型，分别提取二维图像和三维图像的特征，实现2D/3D的非刚性配准，但该方法需要使用一定数量的数据集计算B样条统计模型的参数，且应用到其他部位需要重新训练统计学模型，使用起来比较繁琐。……