神經導航面匹配空間配準研究

沈 侖 壽鵬里（通訊作者）

（杭州醫學院醫學影像學院，浙江 杭州310053）

神經導航是神經外科手術的重要組成部分，它可以幫助醫生在術前制定手術計劃，選擇最佳手術入路，術中精確定位，實時導航，從而減少腦組織損傷。神經導航系統最重要的指標是定位精度，而對定位精度影響最大的是配準過程。當前，從病人空間到圖像空間的配準方法有三種：基于人工標記點的配準[1]，基于解剖標記點的配準[2]，面匹配配準[3]。基于人工標記點的配準方法精度高，操作簡單，但是它有以下缺點：需要在術前專門為導航做一次影像掃描；粘貼在皮膚上的標記容易發生位移，甚至脫落，會引起較大的配準誤差；標記點識別過程消耗時間較長。

基于解剖標記點的配準方法不需使用人工標記，它利用人體的一些解剖特征（如鼻根，眼角，鼻尖，耳屏等），不需專門為導航做一次影像掃描，但它也有缺點：精度不高。面匹配配準方法在理論上擁有解剖標記點配準方法的優點，同時又具有人工標記點配準方法的精度，是一種很好的配準方法。詳細闡述面匹配配準方法的原理，算法以及它的一些不足之處。

1 面配準原理

面匹配的基本原理是，首先在待配準的病人空間和圖像空間生成特征對像的表面輪廓，然后通過坐標變換將這兩個表面輪廓吻合在一起，從而達到配準兩個空間的目的。在神經導航系統中一般使用代表人體表面的點云作為特征對象的表面輪廓，使用迭代最近點法（Iterative Closest Point，ICP）[4]完成病人空間到圖像空間中兩個點云之間的配準。所謂點云是指一系列已知坐標位置，但不知道相互位置關系的點的集合。當使用面配準方法時，首先在圖像空間中使用閾值分割的方法找到人體的表面，然后在這個表面按照一定的間隔采樣，得到圖像空間中代表人體表面的點云。在空間配準時，使用特定的設備[5]在病人身上采集一定數量的點，一般為前額，鼻子，眼框周圍的區域，作為代表病人空間的點云，如圖所示。ICP 算法是在已知兩個點集和一個初始化空間轉換的基礎上，通過反復迭代，不斷優化點之間的對應關系和空間轉換關系，直到達到終止條件為止。與點配準方法相比，ICP 算法不需要知道兩個點云中的點之間的對應關系，而在一個初始空間轉換的基礎上開始迭代，最終找到一個優化的對應關系和一個最優化的配準結果。由于不需要知道兩個點云之間的對應關系，這就使快速選取大量的點云參加配準成為可能，從而提高配準的精度。

面匹配空間配準的構想

2 面配準算法流程

ICP 算法是一種基于輪廓特征的配準方法。基本思想是：假設兩個點集P 和X 近似對齊，對P 上的每個點，假設X 上的最近點與之對齊。采用最近點搜索，在X 上找出P 上各個點對應的最近點，構成集合Y，然后計算一個新的P 到Y 的剛體變換。重復上述過程直到配準收斂。

算法流程如下：

（1）分別在病人空間和圖像空間提取點云集P 和X。

（2）初始化。F0=F，q0=[1，0，0，0，0，0，0]T，k=0。

（3）利用搜索算法尋找F 在X 中的最近點Y。

（4）計算坐標變換向量和誤差：（qk，dk）=（F0，Yk）。

（5）特征點集坐標變換：Fk+1=qk（F0）。

（6）判斷誤差是否收斂，如果dk-dk+1＜τ，若τ＞0，則收斂，否則跳到（3）。

（7）誤差收斂于τ，病人點云坐標變換：P'=qk（P）。

（8）結束。

3 總結與展望

使用ICP 算法進行配準，雖然精確度很高，但存在一些局限：

首先是算法對病人空間和圖像空間點云的初始位置要求較高，點云之間初始位置不能相差太大，并且要求兩個匹配點集中的一個點集是另外一個點集的子集；

其次是算法在求解鄰近點對集的過程中采用的是全局搜索，所以配準過程會因為迭代次數太多而導致時間復雜性增加。當位置條件不滿足，或相差太大時，會影響算法的收斂結果，甚至收斂于局部最優解，從而得不到期望的配準結果。要解決這兩個問題，有幾種方法可以考慮。

（1）對傳統的ICP 方法進行改造，包括點集的預處理，控制點的選擇，最近點對查找，去除錯誤匹配點等。

（2）采用新的算法進行配準，例如高斯混合模型算法[6]。

（3）采用點面結合的方式，將點配準和面配準方法結合起來使用。使用點配準進行初配準，得到較好的初始轉換關系，然后使用面配準，以這個較好的初始轉換關系為起來，進行精配準，對配準進一步優化。

面匹配雖然克服了點匹配在術前需要專門做一次影像掃描，需要人工標記點的缺點，但是在臨床上卻很少使用，主要是因為面匹配的靶點配準誤差（Target Registration Error，TRE）還很難把握，以后可做這方面的研究，使面匹配能夠像點匹配那樣確定TRE。另一個問題是面配準的精度不穩定，有些文獻表明面配準精度與點配準相當[7]，但也有一些文獻表明面配準精度比點配準精度要低[8，9]，這也阻礙了面配準的廣泛使用。