基于机器学习和几何变换的实时2D/3D脊椎配准

摘要

在图像引导的脊柱手术中,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配准一般是将三维图像投影到二维平面,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),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机器学习与几何变换的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6个投影参数中的4个可以使用几何的方法计算出来;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;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(Mean target registration error,mTRE)为0.87 mm,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.