基于深度学习的2D/3D 图像配准方法在脊柱微创导航手术中的应用

邢珍珍，颜立祥，张麟华

1.太原工业学院，山西 030008；2.电子科技大学

脊柱类疾病是比较常见的一种疾病。近年来，脊柱类疾病的发病率不断攀升。据《2005—2017 年中国疾病负担研究报告》[1]显示，颈椎、腰椎类疾病是导致国人健康寿命损失的首要疾病之一。手术是治疗脊柱类疾病的常见方式，随着医学影像技术的高速发展，影像导航手术逐渐成为脊椎疾病手术的研究热点。医生可以结合病人不同成像模式的影像获取病变区域的信息[2]。术中可以通过X-ray 等2D 图像实时跟踪手术器械和人体组织的相对位置。3D 图像一般包括计算机断层扫描(CT)、锥形束CT(CBCT)、磁共振成像(MRI)等[3]，可以提供更加精确的信息，但其扫描操作难，只能在术前获取。因此，将术前3D 影像数据和术中2D影像数据置于同一坐标系中，进行图像配准，可以在术中提供图像引导，提高手术的成功率[4-5]。传统的2D/3D 配准方法主要包括基于灰度信息的配准和基于特征信息的配准[6-7]。其中基于灰度信息的配准算法，通过优化图像的灰度相似度来确定图像间的变换参数，对于存在形变或灰度变化明显的图像，配准效果较差[8]。基于特征信息的配准算法，通过提取图像中点、线等特征完成配准，过程简单、速度较快[9]，但是容易丢失图像的灰度、梯度等有价值信息。深度神经网络近年来逐渐应用于医学图像配准领域[10]。其中，卷积神经网络(convolutional neural networks,CNN)广泛用于特征点检测[11-12]、特征描述符[13]及图像配准[14-15]中。本研究提出一种基于卷积神经网络的2D/3D 脊柱CT的层级配准方法，为临床脊柱微创手术中的3D 导航问题提供技术支持。……