医学图像配准与三维重建算法研究

三维医学图像配准在图像引导放疗中的应用

吴茜;贾婧;曹瑞芬;裴曦;吴爱东;吴宜灿;FDS团队

【摘 要】为了确定病人的摆位误差,实现精确放疗,提出一种改进的Demons弹性配准算法.采用FDK算法对锥形束CT(CBCT)图像进行三维重建,利用可视化工具包(VTK)体绘制法可视化重建结果；在分割与配准工具包(ITK)基础上实现Demons算法,并基于对称梯度的思想,将参考图像和浮动图像的梯度场信息加入到Demons算法中,给出新的Demons形变力公式.分别使用单模态和多模态医学图像进行配准实验,结果显示改进的Demons算法与原始Demons算法相比,配准速度更快、精度更高.基于对称梯度的Demons算法更适用于图像引导放射治疗中CBCT重建图像与CT计划图像间的配准.%To acquire an accurate patient positioning in

image-guided radiotherapy,an improved Demons deformable registration

method was developed.The FDK algorithm was adopted to reconstruct

Cone Beam CT (CBCT) and the reconstruction result was visualized by a

volume rendering method with Visualization ToolKit (VTK).Based on the

Insight segmentation and registration ToolKit (ITK),the Demons algorithm

was completed incorporating the gradient information of fixed image and

floating image by the concept of symmetric gradient,and a new formula of

22Vol. 4 No.12/ Dec. 2010骨科手术导航中的二维/三维图像配准研究进展吴俊󰀡贾富仓󰀡胡庆茂摘󰀡要󰀡术前三维和术中二维图像配准是骨科手术导航中的一项关键技术。本文对二维/三维图像配准进行分类介绍后,重点阐述在实际骨科临床应用中，基于投影法和灰度特征的术前CT和术中X光图像实时配准的方法。最后指出了该领域存在的主要问题,并展望了进一步的发展方向。关键词󰀡图像配准；手术导航；数字重建的放射片图像；分级配准1󰀡引言 在外科手术中，图像引导系统给医生提供一个到人体内部的虚拟的﹑非侵入式的窗口，使医生能够看到肉眼无法直接看到的解剖与手术器械的三维空间相对位置关系。近年来，图像引导手术计划和导航系统(Image Guided Surgical Planning and Navigation)迅速发展，高效，实用，对医生更为友好和安全可靠。 图像配准作为一项关键技术广泛用于图像引导治疗[1](Image Guided Therapy, IGRT)，图像引导放射治疗[2](Image Guided Radiosurgery, IGRS)和图像引导微创治疗[3](Image Guided Minimally Invasive Therapy, IGMIT)中。配准使术前的信息(术前采集的病人图像及其重建模型，靶点和入路手术计划等)和术中的信息(术中采集的图像，手术器械的位置等)统一到同一个坐标系统中来。目前术前获取的图像都是三维图像，例如计算机断层发射扫描成像(Computed Tomography,CT)和磁共振(Magnetic Resonance, MR)图像等；然而术中获取的则包括二维超声和X光实时图像，或三维锥束CT(Cone-Beam CT，CBCT)和三维表面点云信息等。根据维数的不同，相应需要进行二维(2D)/三维(3D)和三维/三维配准。 本文先通过对近些年来二维/三维图像配准研究的发展状况进行分析，对常见的几种方法进行概括；然后重点介绍基于图像灰度信息的光线投影法在CT到X光的二维/三维图像配准中的运用。最后对目前该项技术的所面临的问题进行小结。2󰀡二维/三维图像配准方法 Maintz和Viergever在1998年提出了医学图像配准[4]可按7个标准进行分类：图像维度、成像模态、配准基准的特性、几何变换特性和变换域、研究对象和配准的部位、交互性、优化过程。由于本文主要关注骨科应用，其几何变换一般为刚体变换，交互性一般是半自动或全自动，优化一般是全局优化，下面仅对图像维度、成像模态和基准特性做以下简介：● 图像维度 为了进行2D/3D的图像配准，3D数据和2D数据要在同一维度下才能建立联系；或把3D数据转换到2D空间进行2D/2D图像配准，或把2D数据信息转换到3D空间进行3D/3D图像配准。通常有3种可以达到目的：投影法(图1中a, d和f所示)；背投影法 (图1中b 和g所示)和三维重建法 (图1中 c ,e 和h所示)。● 成像模态 2D/3D图像配准成像模态可分为：准内部模态(成像原理基本相同，但是能量级和维度不同)，如CT图像和X光图像；不同模态，如MR图像和X光图像；模型到模态，包括3D统计模型和X光图像。● 配准基准特性 在图像引导系统中最主要的一种配准方法是在扫描图像前在病人扫描部位贴标记点，主要用于神经外科，因为头部可看成刚体，标记点不会发生移位。而在骨科应用中，由于不能在扫描图像前把标记点直接贴于骨组织上，而只能贴于骨骼附近皮肤上，由于皮肤的移位往往造成较大的配准误差，因此图像引导骨科系统往往通过识别骨性标志点的方法进行配准。另外，实际手术中图像配准的误差骨科手术导航中的二维/三维图像配准研究进展23无法直接评估，因此系统一般要求使用金标准数据验证其精度。制作用于算法测试的金标准数据主要采用贴标记点的办法，给尸体标本或体模植入标记点，然后采集二维X光和三维CT图像，利用标记点衡量配准主要是求平均目标配准误差[5](mean Target Registration Error,mTRE)。Tomaževic等人用一具尸体脊柱标本，在骨骼上固定标记点然后扫描，制作了一套用于测试脊柱CT到X光的2D/3D图像配准数据[6]。在实际2D/3D图像配准中，往往需要利用图像内部特征进行配准，主要包括： a. 基于图像特征(图1中a, b和c所示) b. 基于图像梯度(图1中d和e所示) c. 基于图像灰度(图1中f, g和h所示) 目前实际用到的2D/3D图像配准算法区别主要是在图像维度和内部特征，如图1所示。3󰀡临床术前CT和术中X光图像配准3.1󰀡配准框架 术前CT和术中X光图像是骨科手术定位的主要图像。术前CT和术中X光图像配准都是一般基于内部特征，其中灰度特征不需要对CT和X光图像进行分割，可以有效避免由于分割不准确带来的误差。如图1中d和e所示，基于三维重建的配准需要较多的X光图像，不太符合临床手术要求。基于灰度特征配准的算法大部分是以产生数字重建的放射片图像(Digitally Reconstructed Radiographs，DRR)为基础的投影法。基于灰度特征的2D/3D配准框架如图2所示：

医学图像配准技术的研究与应用

一、背景介绍

医学图像是指通过医疗设备获取的人体内部信息的图像数据。医学图像具有不同的模态，例如X光、CT、MRI、PET等。医学图像配准技术是将多幅不同模态或者同一模态但不同位置的医学图像的空间位置对应起来，在三维空间内的重叠区域进行像素级别的比较和分析，进而为疾病的诊断、治疗和手术提供更准确和可靠的依据。

二、技术原理和方法

图像配准技术包含两个基本步骤：对两幅或多幅图像进行几何或者形态变换以使它们在某种度量下相同，并将它们的像素值对齐。如图1所示，左侧为MRI图像，右侧为PET图像，需要进行配准。简单的图像配准技术包括：刚性配准、仿射配准和非刚性配准。

1. 刚性配准

刚性配准是指图像经过平移、旋转和缩放等变换后相互匹配。这种方法适用于需要同时解决多种问题的情况。在医学领域，临床医生可以将不同的模态图像，如MRI和CT，进行刚性配准以实现完整的诊断。

2. 仿射配准 仿射配准是指图像的变换被限制在缩放、旋转和平移这三种变换上。该方法可以对图像进行透视变换，同时实现对医学影像的重建。这种方法也常常被用来对不同部位的医学影像进行配准。

3. 非刚性配准

非刚性配准是指对图像进行弹性变换，使得各部分的空间位置均相匹配。可以通过非刚性配准技术将MRI和PET图像进行配准，实现对人体细胞分布的更为详尽的观察和分析。非刚性配准技术在肺、脑、心脏等部位的图像配准中被广泛应用。

三、技术应用

医学图像配准技术已经成为临床医疗中重要的工具。以下是该技术在不同领域的应用：

1.临床医学

在生物医学领域，医学影像配准技术可以帮助医生更好地理解人体结构，从而提供更加全面的临床诊断和治疗方案。医学影像配准技术在眼科、神经学、心血管学、肿瘤学等领域中得到广泛应用。

2.手术辅助

医学影像配准技术可以在手术之前通过预测患者的病情帮助医师制定更好的决策，使患者更好地理解和接受手术治疗。手术过程中，医学影像配准技术可以帮助医生更好地定位病变组织，为手术提供更准确的操作。

医学图像三维重建探讨

1三维重建分类

图像三维重建的方法主要有两大类:一类是三维面绘制;另一类是三维体绘制。体绘制更能反应真实的人体结构。由于体绘制算法运算量太大,即使利用高性能的计算机,仍然无法满足实际应用中交互操作的需要,因此,面绘制仍是目前的主流算法。

三维面绘制表面表示是表示三维物质形状最基本的方法,它可以提供三维物体的全面信息,其具体形式用边界轮廓线和表面曲面表示。

基于断层轮廓的表面重建

在断层图像中,通过手工或自动方式实现目标轮廓的确定性分割,然后用各层的轮廓线“堆砌”在一起表示感兴趣物体的边界,这种轮廓线表示方法简单且数据量小,但是不很直观。除了以轮廓线表示物体外,还可以由轮廓重建物体的表面来表示。最早的方法是基于多边形技术,主要采用平面轮廓的三角形算法,用三角片面拟合这组表面轮廓的曲面,Bussonnat提出了另外一种基于表面轮廓的Delaunay三角形方法,解决了系列表面轮廓的三维连通性问题。用三角形或多边形的小平面在相邻的边界轮廓线间填充形成物体的表面,所得出的只是分片光滑的表面,Lin采用从轮廓出发的B样条插值重建算法,得到了整体光滑的表面。

基于体素的等值面重建[1,2]

所谓等值面是指空间中的一张曲面,该曲面上函数F的值等于某一给定值。等值面生成的最早研究是从医学图像的应用开始的。由于医学图像数据是三维正交等距网格,组织三维图像的基本六面体单元称为体素。基于体素的等值面重建方法主要有以下几种。

Cuberille方法。该方法将三维图像中的每一像素看成是空间中的一个六面体单元,即体素。在体素内数据场具有相同的值,用边界体素的六个面拟合等值面,即边界体素中相互重合的面去掉,只把不重合的面连接起来近似表示等值面。这种方法的特点是算法简单易行,便于并行处理,因为对每个体素的处理都是独立的;主要问题是出现严重的走样,显示图像给人一种“块状”感觉,尤其在物体边界处锯齿形走样特别醒目,而且显示粗糙,不能很好地显示物体的细节。