应用于无标记点光学手术导航系统的全自动病人注册方法

摘要

本发明公开了一种应用于无标记点光学手术导航系统的全自动病人注册方法，包括步骤：一、获取术前三维医学图像数据，得到单侧的病人表面轮廓点云，术中实时三维扫描点云，对点云体素下采样；二、移动点云使得重心位于坐标系原点；三、估计点云法线并计算法线之和，旋转点云使得法线之后与Z轴重合；四、其中一片点云绕Z轴旋转一周，得到配准误差最小的旋转矩阵；五、使用精配准方法调整旋转平移矩阵；六、通过上述变换计算得到图像空间坐标系与无标记点手术导航系统坐标系之间的坐标转换关系。本发明无需在病人黏贴标记点，解决标记点遮挡、掉落及不方便黏贴的问题，亦无需手动提取解剖标记点，实现全自动病人注册，可用于术中实时注册。

说明书

技术领域

本发明涉及手术导航领域，尤其是指一种应用于无标记点光学手术导航系统的全自动病人注册方法。

背景技术

手术导航系统是外科手术治疗精准化和微创化的重要发展方向。在手术精度、手术消耗时间、手术创伤、术后疗效等方面相对应传统外科手术疗法有长足的改进。在术中导航中，须将定位仪跟踪到的手术器械实时显示于术前重建的三维解剖结构上，首先需要将患者与图像空间重建的三维解剖结构进行注册，该过程病人注册。这个过程的结果是通过计算得到定位系统坐标系与术前三维医学图像坐标系之间的变换关系，将病人术中实际体位和术前三维解剖结构精确配准，使得医生在显示设备上看到的三维模型才是真实反映手术器械与病灶之间的距离位置。病人注册方法优劣直接影响手术导航精度和导航实时性。

目前手术导航系统中病人注册方法多采用标记点注册方法，包括:骨植入螺钉标记点、解剖标志点以及粘贴于皮肤表面的标记点。骨植入标记点精度最高，但是需要术前植入器械，对患者造成额外的创伤和疼痛。解剖标志点利用人体比较显著的解剖特征作为标记点，需要医生术前在图像空间提取解剖标记点，存在一定人为操作误差，另外存在实际空间解剖标记点识别难及不能识别的问题。粘贴于皮肤表面的标记点精度较高且操作简单，是最常用的一种方法，但是在使用过程中存在标记点光线易被遮挡，标记点掉落，且某些手术部位不方便粘贴标记点，手工提取精度低的问题。

因此，本发明提出一种应用于无标记点光学手术导航系统的全自动病人注册方法，有效解决标记点光线易被遮挡，标记点掉落，且某些手术部位不方便粘贴标记点，标记点手工提取的问题，同时需要满足注册时间短，可用于实时注册。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种应用于无标记点光学手术导航系统的全自动病人注册方法，该方法对病人术前三维医学表面轮廓和术中实时三维扫描点云注册，得到图像空间与实际空间的转换关系，在手术导航中无需再病人黏贴标记点，解决标记点遮挡、掉落、手工提取，不方便粘贴标记点的问题，可用于术中实时注册。

为实现上述目的，本发明所提供的技术方案为：应用于无标记点光学手术导航系统的全自动病人注册方法，包括以下步骤：

1)输入病人术前三维医学图像数据，剪切得到手术导航能够照射的一侧的单侧表面轮廓，输出单侧表面轮廓点云数据P；输入术中三维扫描仪实时获取的病人表面点云数据Q；分别对点云数据P和Q体素下采样，得到稀疏的点云数据P′和Q′；

2)分别求取点云数据P′和Q′重心坐标，分别将点云P′和Q′重心移动到坐标系原点；

3)分别估计点云P′和Q′各点法线，计算点云P′所有法线之和N_P和点云Q′所有法线之和N_Q，分别旋转点云P′和Q′使得N_P和N_Q方向与Z轴重合，得到点云P″和Q″；

4)点云P″绕Z轴旋转k次，旋转角度为得到点云q_i为点云中点，N为点云点总数；通过下式为目标函数计算最小，得到配准误差最小的旋转角度，用所述误差最小的旋转角度旋转点云为点云P″′；

$error=\underset{i=1}{\overset{N}{\Sigma }}min\left(\right||p_i-R_{\theta k}{q}_j|{|}^2)$

其中，点云q_j为点云Q″＝{q_j|j＝1,2,……,M}中点，M为点云Q″点总数；

5)使用精配准算法调整点云P″′和Q″旋转平移矩阵；

6)通过步骤2)～5)中变换关系计算得到点云P′与点云Q′刚性变换关系，完成病人注册。

在步骤1)中，体素下采样的方法是：每个体素网格用离体素网格中心最近点代替体素网格中所有点，体素网格大小根据注册时间长短需求调整。

在步骤3)中，点云法线估计采用对k邻域点计算最小二乘法平面拟合估计求取法线，所述邻域点采用未下采样的点云P和Q。

在步骤3)中，旋转点云P′和Q′使得N_P和N_Q方向与Z轴重合的方法，具体包括：

3.1)向量N_P＝(x_P>p>p)^T绕Z轴旋转角度θ_Ζ得到向量N_P′，使得向量N_P′到达XOZ平面，旋转矩阵为R_{Pθ_Z}；

3.2)向量N_P′绕Y轴旋转角度θ_Y得到向量N_P″，使得向量N_P″到达Z轴，旋转矩阵为R_{Pθ_Y}；

3.3)计算点云P′旋转使得法线之和N_P与Z轴重合的旋转矩阵R_{Pto_Z}：

$R_{Pto\_Z}=R_{P\theta \_Y}·R_{P\theta \_Z}=\left(\begin{array}{ccc}{\mathrm{cos\theta }}_Y& 1& {\mathrm{sin\theta }}_Y\\ 1& 1& 1\\ -{\mathrm{sin\theta }}_Y& 1& {\mathrm{cos\theta }}_Y\end{array}\right)\left(\begin{array}{ccc}{\mathrm{cos\theta }}_Z& -{\mathrm{sin\theta }}_Z& 1\\ {\mathrm{sin\theta }}_Z& {\mathrm{cos\theta }}_Z& 1\\ 1& 1& 1\end{array}\right).$

本发明与现有技术相比，具有如下优点与有益效果：

本发明提供的应用于无标记点光学手术导航系统的全自动病人注册方法，实现术中实时快速病人注册，在手术导航中无需在病人黏贴标记点，解决标记点遮挡、掉落、手工提取，不方便粘贴标记点的问题，亦无需手动提取解剖标记点，能够有效实现全自动病人注册。

附图说明

图1是本发明所述全自动病人注册方法的流程示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

如图1所示，本实施例所述的应用于无标记点光学手术导航系统的全自动病人注册方法，包括以下步骤：

步骤S101：输入病人术前三维医学图像，本实施例中采用CT图像数据，剪切得到手术导航可以照射的一侧的单侧表面轮廓，输出单侧表面轮廓点云数据P。在术中无标记点手术导航位置固定，只能从一个方向照射病人，从而得到病人一侧的表面信息，因此术前三维医学图像也采用一侧点云信息。

步骤S102：术中通过无标记点手术导航中三维扫描设备连续扫描病人，实时输出病人表面点云信息，连续得到病人位置改变和表面形状，用于术中实时跟踪病人位置。

步骤S103：对分别对点云数据P和Q体素下采样，得到稀疏的点云数据P′和Q′，所述体素下采样方法每个体素网格用离体素网格中心最近点代替体素网格中所有点。体素网格大小根据注册时间长短需求调整，体素网格越大下采样后点数量越少，后续处理速度更快，注册时间越短。

步骤S104：分别求取点云数据P′和Q′重心坐标，平移点云P′和Q′使得重心位于坐标系原点。

步骤S105：分别估计点云P′和Q′各点法线，计算得到点云P′所有法线之和N_P和点云Q′所有法线之和N_Q，并对N_P和N_Q进行归一化。对所述点云法线估计采用对k邻域点计算最小二乘法平面拟合估计求取法线，所述邻域点采用未下采样的点云P和Q。

步骤S106：分别旋转点云P′和Q′使得N_P和N_Q方向与Z轴重合，得到点云P″和Q″，具体如下：

①向量N_P＝(x_P>p>p)T绕Z轴旋转角度θ_Ζ得到向量N_P′，使得向量N_P′到达XOZ平面，旋转矩阵为R_Pθ__Z；

②向量N_P′绕Y轴旋转角度θ_Y得到向量N_P″，使得向量N_P″到达Z轴，旋转矩阵为R_{Pθ_Y}；

③计算点云P′旋转使得法线之和N_P与Z轴重合的旋转矩阵R_{Pto_Z}：

$R_{Pto\_Z}=R_{P\theta \_Y}·R_{P\theta \_Z}=\left(\begin{array}{ccc}{\mathrm{cos\theta }}_Y& 1& {\mathrm{sin\theta }}_Y\\ 1& 1& 1\\ -{\mathrm{sin\theta }}_Y& 1& {\mathrm{cos\theta }}_Y\end{array}\right)\left(\begin{array}{ccc}{\mathrm{cos\theta }}_Z& -{\mathrm{sin\theta }}_Z& 1\\ {\mathrm{sin\theta }}_Z& {\mathrm{cos\theta }}_Z& 1\\ 1& 1& 1\end{array}\right)$

步骤S107：点云P″绕Z轴旋转k次，旋转角度为得到点云q_i为点云中点，N为点云点总数；通过下式为目标函数计算最小，得到配准误差最小的旋转角度，用所述误差最小的旋转角度旋转点云为点云P″′；

$error=\underset{i=1}{\overset{N}{\Sigma }}min\left(\right||p_i-R_{\theta k}{q}_j|{|}^2)$

其中，点云q_j为点云Q″＝{q_j|j＝1,2,……,M}中点，M为点云Q″点总数。

步骤S108：使用精配准算法调整点云P″′和Q″旋转平移矩阵，在本实施例中采用最近点迭代(ICP)算法。

通过上述步骤得到的旋转平移矩阵，计算得到点云P′与点云Q′刚性变换关系，即CT图像空间坐标系与无标记点手术导航系统坐标系之间的坐标转换关系，由此完成病人注册。

以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。