ABB 应用仿生学和生物力学 1754 - 2103 1176 - 2322 Hindawi出版公司 10.1155 / 2015/478062 478062年 研究文章 注册2 d c臂和3 d CT图像为c臂Image-Assisted脊柱手术导航系统 常 Chih-Ju 1、2、3 林 Geng-Li 3 谢霆锋 亚历克斯 3 楚 红玉 3 曾 Ching-Shiow 3 格雷西亚 路易斯 1 神经外科学系 国泰综合医院 台北市10630 台湾 cgh.org.tw 2 医学系的 医学院的 天主教辅仁大学 新台北市24205 台湾 fju.edu.tw 3 机械工程系 国立中央大学 桃园县32001 台湾 ncu.edu.tw 2015年 28 5 2015年 2015年 02 03 2015年 13 05年 2015年 28 5 2015年 2015年 版权©2015张Chih-Ju et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

c臂image-assisted手术导航系统已经广泛应用于脊柱手术。然而,精确的路径规划在c臂AP-view形象是很困难的。这个研究2 d-3d图像配准方法来获得最优变换矩阵c臂和CT图像帧之间。通过变换矩阵,手术路径计划在术前CT图像可以转换为手术指导和c臂上显示的图像。手术器械的位置也将显示在实时CT和c臂。五2 d-3d图像的相似性度量方法登记包括归一化互相关、梯度相关性,模式强度、梯度差异相关,和互信息结合三种优化方法包括鲍威尔的方法,下山单纯形算法和遗传算法应用于评估他们的表现在收敛范围,效率和精度。实验结果表明,归一化互相关测度方法的组合与下山单纯形算法获得最大相关和相似的c臂和数字重建射线照片(DRR)图像。脊柱看到骨头被用于实验评估2 d-3d图像配准精度。位移的平均误差是0.22毫米。成功率约为90%,平均注册时间需要16秒。

 1。介绍

传统,脊柱手术,特别是微创脊柱手术,通常需要采取许多c臂图像证实,手术器械的定位是正确的和安全的,从而导致医疗人员的高辐射的风险( 1]。c臂image-assisted手术导航系统已经广泛应用于整形手术,因为c臂机通常用于矫形外科和c臂图像和病人之间自动注册。此外,c臂image-assisted手术导航系统只需要两个c臂在不同角度拍摄的图像来确定空间目标的位置,从而大幅度减少x射线曝光剂量( 2- - - - - - 5]。近年来,使用一个image-assisted脊柱手术导航系统已经成为一种趋势 3, 6, 7]。

然而,2 d c臂图像缺乏三维空间信息。准确的路径规划在c臂AP-view形象是困难的( 6]。相反,3 d CT图像提供三维解剖信息,使脊柱手术的简单和安全的路径规划。因此,对CT图像路径规划和指导外科手术工具的c臂图像是一个好主意,将他们的优势如果c臂和CT图像准确登记。本研究评估性能的几个2 d-3d图像配准方法来获得最优变换矩阵c臂和CT图像帧之间,因此手术路径规划在CT图像可以被映射到c臂图像。

在已知2 d-3d图像配准方法,Markelj et al。 6)把现有的刚性登记方法2 d和3 d医学图像分成三个类型根据图像特征的数据量,这是基于特征( 8- - - - - - 10基于],梯度( 2, 11),和灰度 1, 12- - - - - - 14]。同时,基于图像尺寸和空间连接,有三个登记方法2 d c臂和3 d CT图片: ( 1 ) 投影算法,将三维图像转换成二维空间2 d-2d登记; ( 2 ) 投影算法;和 ( 3 ) 三维重建算法,将二维图像转换成3 d空间3 d-3d登记( 6]。通过最大化相似图像的轮廓、图像梯度,或图像灰度,登记结果可以协调两幅图像上的对应点的空间位置。

2 d-3d图像配准的目的是完成一个准确的注册过程在很短的时间内,以提高临床操作的实用性。基于功能的注册的准确性直接取决于分割的准确性,并因此很难执行完全自动。Gradient-based登记通常计算复杂和困难收敛,而灰度登记直接操作像素强度,不分段目标图像寻求相应的特征点。本研究评估的准确性和时间消耗的各种方法,并提出了最优2 d-3d CT的图像配准方法快速、准确登记和c臂图像。本研究的目的是使自主研发的c臂image-assisted微创脊柱手术导航系统是可行的。

 2。材料和方法 2.1。在c臂Image-Assisted手术导航系统

图 1显示了自主研发的c臂image-assisted手术导航系统,它集成了北极星光谱被动光学跟踪(北部数字Inc .)和一个笔记本与英特尔CPU和额外的监控提供实时显示的导航状态。视觉跟踪检测手术工具的位置和方向,脊柱,形象校准器连接在c臂通过动态参考系(连接部。功能标记的双层形象校准器(不同尺寸的钢球)up-deck和down-deck是专为x射线图像失真的校正和决心的x射线发射源的空间位置拍摄的时间。图 2说明了x射线投影模型定义的源和c臂x射线辐射图像平面的位置。x射线发射源的位置可以确定通过投影线的交点经过虽然up-deck钢铁制造商的形象校准器及其对应的投影图像。

自主研发的c臂image-assisted手术导航系统。

x射线投影模型。

图 3显示了一个示例c臂的AP - LA-view图像。理想情况下,c臂image-assisted手术导航系统使用美联社——和LA-view图像来计算目标点的空间位置。任何特征的空间位置(目标)的脊柱可以计算通过x射线投影线的交点经过特征点的投影点在每两个c臂的图像。此外,外科医生可能计划手术路径选择的开始点和结束点的投影点的路径在每两个c臂图像。导航系统将自动计算的空间位置和姿态的手术路径。在导航系统的实时定位指导下,外科医生将能够把手术器械跟踪视觉追踪到计划手术路径。因为只有两个c臂图像需要手术规划和指导,减少辐射暴露的风险明显比传统手术。此外,外科医生将更有信心在定位手术器械和椎弓根椎弓根螺钉,从而可以提高手术质量( 3]。

空间特征点的位置决定了它的投影点。

因为c臂图像射影空间位置信息的缺乏,很难计划手术路径c臂图像。相反,路径规划在三维CT重建模型简单、准确。因此,建议在3 d CT做路径规划模型,然后将计划路径在c臂图像。这使得很容易和安全的路径规划的CT图像和指导外科手术工具由c臂图像。

 2.2。2 d c臂和3 d CT登记

为了手术路径规划在CT图像转换成c臂图像,2 d c臂和3 d CT登记是必要的。登记是迭代位置三维CT模型,以便其数字重建射线照片(DRR)图像和c臂AP -和LA-view图像图像相似度最高。图 4显示注册程序的流程图,包括以下几点: ( 1 ) 重建3 d CT模型; ( 2 ) 校准图像和生成c臂x射线投影模型c臂; ( 3 ) 初始登记c臂和CT图像; ( 4 ) 使用CUDA加速DRR(数字重建射线照片)形象建设; ( 5 ) 计算c臂和DRR图像的相似性和执行登记的优化方法。

2 d c臂的过程和三维CT图像注册。

如图 5,三维CT重建脊柱模型通过游行立方体算法( 15]。轴向、径向和coronal-view图像也为手术路径规划生成。c臂美联社和LA-view图像,被俘,在操作和校准,c臂x射线投影模型是由x射线发射源和图像平面,和图像的空间几何构造采用双平面法如图 3。三个对应的特征点三维CT模型和2 d c臂图片选择和用于初始登记CT模型和c臂之间的图像。然后,准确登记进行优化DRR和c臂图像的相似性。本研究利用灰度2 d-3d图像配准的方法,其中包括以下三个步骤: ( 1 ) 生成DRR图像根据当前CT模型的构成和感兴趣的地区节省计算时间; ( 2 ) 测量c臂和DRR图像之间的相似性; ( 3 ) 使用优化方法调整姿势CT模型的迭代,为了获得最佳c臂和DRR图像的相似性;和 ( 4 ) 确定CT和c臂图像帧之间的变换矩阵。

3 d CT重建脊柱模型与轴向、冠状、矢状视图。

 2.3。数字重建射线照片(DRR)

图像灰度积极接受x射线强度的对数成正比。根据x射线原理,x射线强度投影到图像平面上可以计算 (1) 我 u , v = 我 0 经验值 ⁡ - - - - - - ∫ r u , v μ x , y , z d r , 在哪里 我 0 是最初的x射线强度, 我 ( u , v ) 在位置(x射线强度收到 u , v )c臂的图像平面 μ ( x , y , z , E e f f ) 是组织的x射线的衰减系数的位置( x , y , z )。

体素的CT图像,其衰减系数是正相关的CT数或者Hounsfield单位(胡)。因此,DRR图像像素的灰度值决定基于CT数的总和的x射线CT体素通过。在这项研究中,射线铸造方法选择生成DRR图像。射线是由x射线发射源和c臂x光图像的像素平面。光线也通过3 d CT的ROI边界框脊柱模型来节省计算机内存和计算时间,如图 6。Hounsfield单位的所有体素的积累通过x射线的线性关系与DRR图像灰度级和分配给的范围0 ~ 255。

DRR图像的投影射线跟踪模型。

DRR图像的生成大量的时间成本,因此相关优化注册费时的过程,。加速DRR重建过程,Nvidia CUDA并行程序开发环境的应用(与480 CUDA核GTX570)的预测造成脊椎CT模型可以有效地优化修改迅速c臂和DRR图像的相似度,以提高临床实用性( 16, 17]。一个例子来测试CUDA加速器的性能在200年从一组生成DRR图像CT图像已经完成。每个CT图像的分辨率512×512像素的一个维度,而DRR图像大小设置为470×470像素。使用NVIDIA GTX570 CUDA加速器的计算时间是0.051秒,而只使用英特尔CPU@2.4 GHz 106.7秒。CUDA加速器的性能具有重要意义。

自从DRF将夹在脊髓过程或其他工具,如使用牵引器在脊柱手术中,他们的金属特性会产生暗图像在c臂图像和图像相似性度量的健壮和精度影响。在这里,我们建议DRF的复制相同的图像或仪器进入DRR图像c臂和DRR图像的图像噪点相同。一个例子是显示在图 7。数据 7(一)和 7 (d)美联社-和LA-view图像分别与DRF接线板在c臂的图像区域。仪器图像分割采用区域增长算法如图 7 (b)和 7 (e)。分割图像添加到c臂图像区域生成人物的面具 7 (c)和 7 (f),它被添加到相应的c臂和DRR图像如图 8生成有效的图像相同的噪声图像准确的图像相似性度量。

(一)原始AP-view形象。(b)分割的乐器。(c)的面具AP-view DRR图像。(d)原始LA-view形象。(e)分割的乐器。(f)的面具LA-view DRR图像。

(一)原始AP-view形象。(b)有效AP-view形象。(c)原始LA-view形象。(d)有效LA-view形象。(e)原始AP-view DRR图像。(f)有效AP-view DRR图像。(g)原始LA-view DRR图像。(h)有效LA-view DRR图像。

 2.4。实验最佳登记

最优登记或c臂和CT图像之间的变换矩阵,迭代优化方法应用于估计的构成(三个翻译和三个旋转)CT模型的图像相似性DRR和c臂图像将是最好的。在这项研究中,采用三种优化方法,基于的梯度鲍威尔的方法,geometric-based下山单纯形算法,probabilistic-based遗传算法( 6, 18]。优化的目标函数定义为c臂和DRR图像的相似性度量。六个相似性度量方法( 14)提出,归一化互相关(NCC),梯度相关性(GC),模式强度(PI),梯度差异相关(GD)和互信息(MI)。自c臂image-assisted导航系统需要美联社——和LA-view图像来确定目标的空间位置,图像相似性度量的定义是相对应的两个指标的平均值美联社,LA-view图像。

这个实验旨在评估登记效率和准确性的15个组合的三种优化方法五相似性度量方法。实验中使用的脊椎幽灵是一个看到骨骼模型和球面基准标记连接如图 9(一个)。它是由西门子Somatom感觉16多层螺旋CT扫描的分辨率0.46毫米×0.46毫米×0.7毫米(512×512像素大小,400片),由通用电气OEC 7700 c臂9′′图像平面,如图 1。图 9 (b)显示了其重建CT模型。DRR图像是由投影算法由于其更好的图像质量。由于椎幽灵是可变形的,只有单一的身体被选为登记的ROI。的平均时间DRR图像使用CUDA加速器建设约0.01秒。

(一)椎幻影基准标记和DRF附呈。(b)重建CT模型。

的空间坐标由光学跟踪测量的基准标记而他们检测到图像坐标从CT图像到图像的过程。两组坐标之间的变换矩阵可以由使用互动亲密点(ICP)算法,这是地面真理和被定义为 T G T 。然后,提出CT模型的估计是有最佳形象c臂和DRR图像之间的相似性。这个2 d-3d登记的变换矩阵被定义为 T 2 d 3 d 。这两个变换矩阵用于定义目标配准误差(过夜) (2) 混乱关系 P , T 2 d 3 d , T GT = T 2 d 3 d P ct - - - - - - T GT P ct , 在哪里 T 2 d 3 d 是变换矩阵得到2 d-3d登记 P ct 的CT图像坐标基准标记。

均方根误差的ICP登记七基准标记在一个身体 x = 0.34 毫米, y = 0.28 毫米, z = 0.26 毫米,如下图所示 10。

登记的图解说明七标记的结果。

在最佳的开始注册过程中,三个视觉上相同的特征点在同一个身体被选c臂的图像和CT模型,和c臂的初始登记(或变换矩阵)和CT图像帧可以确定使用的三个特征点的坐标。的目的是使控制搜索范围的六个平移和旋转参数( T x , T y , T z , R x , R y , R z )在5毫米的位移和5度角相对于参数获得的初始登记。

 3所示。结果

九套六初始位置和姿态参数给出随机十五组合的三种优化方法五相似性度量方法。图 11显示了一个示例登记结果的视觉验证DRR图像轮廓重叠原c臂的形象。位移误差和注册时间数据所示 12和 13。鲍威尔法在位移误差的表现(或登记的准确性)和遗传算法在注册时间很穷。NCC的下山单纯形算法的相似性度量方法表明,平均位移误差 0.18 ± 0.02 毫米,平均角误差 0.23 ± 0.05 °。此外,位移误差和角度误差的NCC的三种优化方法还不到1毫米和1°和登记时间是10 - 21秒。观察到,nongradient-based NCC图像相似性度量方法有更好的效果在这项研究中,而梯度测量方法GC有更糟糕的影响由于图像边缘差异和背景噪音。然而,NCC和GC方法更好的性能比其他三种方法,因为c臂和DRR图像的灰度值是线性相关的。这个图像特性符合NCC的相似性测量特点和GC,即线性c臂和DRR图像的亮度和对比度变化不会影响测量结果。

视觉的单独机构的验证注册没有仪器(a)和仪器(b)和(c)叠加图像。

位移错误(15毫米)的组合。

注册时间(sec) 15个组合。

为了找出适应收敛范围下山单纯形优化方法的组合NCC目标函数,四个收敛区间是由(±5°±5毫米);(±10°±10毫米);(±15°±10毫米);(±10°±15毫米)。为每个间隔,总共有40个数据集随机采样。表 1列出了小位移误差(不含失败)和大位移误差(包括失败)在不同的收敛范围,以便选择适当的收敛区间。很明显,积极收敛精度和时间是成正比的收敛区间。收敛区间越大,越收敛误差和时间。合理的收敛区间(±10毫米,±10°),平均位移误差 0.22 ± 0.01 毫米,平均收敛时间 16.18 ± 3.6 秒,成功率为90%。

收敛结果不同的收敛区间。

收敛区间(mm、学位) (5,5) (10,10) (10、15) (15日,10)
位移误差(毫米) 0.21±0.03 0.22±0.01 0.2±0.01 0.19±0.01
平均收敛时间(秒) 12.9±2.1 16.18±3.6 17±4.6 18.2±4.9
成功收敛速度 100% 90% 75% 72.5%
4所示。讨论

c臂image-assisted手术导航系统已经广泛应用于整形手术。脊柱手术,在c臂美联社图片很难准确的路径规划由于缺乏关于轴向视图的信息是关键的脊椎椎弓根螺钉的位置。因此,导航系统的c臂引导的适用性受到限制。2 d c臂/ 3 d CT图像配准是解决方法来提高导航系统的弱点对c臂引导。一个良好的变换矩阵取决于快速和有效的2 d c臂/ 3 d CT图像配准方法c臂和CT图像坐标之间的帧。通过变换矩阵,预先计划的手术路径或植入模型术前CT图像可以在c臂被转换并显示实时图像手术指导。在操作期间,手术器械的位置也将显示在CT和c臂图像准确地帮助外科医生和手术器械安全位置。

image-assisted手术导航系统的关键是建立一个准确登记病人和术前CT图像之间的关系在操作期间,为了实现无创性2 d-3d登记。在众多的图像配准方法,Markelj et al。 6)把现有严格的登记方法对二维图像和三维医学图像三种类型根据图像的数据量特点:基于特征( 8- - - - - - 10基于],梯度( 2, 11),和灰度 1, 12- - - - - - 14]。在2 d-3d登记、2 d c臂图像和三维CT图像必须咨询在同一坐标系统。有三个注册方法,根据图像尺寸和位置连接: ( 1 ) 投影算法,它将一个三维图像转换为二维空间通过坐标系统2 d-2d登记; ( 2 ) 投影算法;和 ( 3 ) 三维重建算法,将二维图像转换成3 d空间3 d-3d登记。的相似性最大化匹配图像轮廓,图像梯度,或图像灰度的对象。注册结果可以协调两幅图像对应点的空间位置。2 d和3 d之间的主要差异登记方法图像尺寸和图像的特性。

2 d-3d登记的目的是完成一个准确的注册过程在很短的时间内,以提高临床操作的实用性。基于功能的注册的准确性直接取决于分割的准确性,并因此很难执行完全自动。

我们的研究比较几种方法来找到更好的计算方法2 d-3d登记。我们发现,鲍威尔法在位移误差的表现(或登记的准确性)和遗传算法在注册时间很穷。NCC的下山单纯形算法的相似性度量方法更好的结果。该方法的平均位移误差 0.18 ± 0.02 毫米,平均角误差 0.23 ± 0.05 °。此外,位移误差和角度误差的NCC的三种优化方法还不到1毫米和1°和登记时间是10 - 21秒。我们的研究结果表明,NCC的组合测量方法与下山单纯形算法获得最大相关和相似的c臂和数字重建射线照片(DRR)图像。

 5。结论

这个研究登记2 d c臂和三维CT图像image-assisted脊柱手术导航系统。登记效率和准确性的15个组合三种优化方法有五个图像相似性度量方法进行了评估。根据我们的研究结果,这DRR图像迅速生成的投影算法和CUDA并行程序开发环境。十五组合中登记,NCC的下山单纯形优化方法图像相似性度量方法证明了收敛精度最好的性能和时间,这证明了诊所的适用性的结合3 d CT和2 d c臂image-assisted脊柱手术。手术路径可以计划在3 d CT模型,转换为c臂的图片,和c臂辅助导航系统指导下,添加3 d CT图像的空间信息的2 d c臂图像。

 利益冲突

作者宣称没有利益冲突有关的出版。

 Škerl D。 Tomaževič D。 Likar B。 Pernuš F。 相似性度量的评价reconstruction-based登记在图像引导放射治疗和手术 国际放射肿瘤学生物物理学杂志》上 2006年 65年 3 943年 953年 10.1016 / j.ijrobp.2006.03.005 2 - s2.0 - 33646916653 Joskowicz l Knaan D。 如何实现快速、准确、可靠的荧光x线和CT图像之间严格的登记 国际大会系列 2004年 1268年 147年 152年 10.1016 / j.ics.2004.03.047 戴 j . Y。 注册(硕士c臂图像和CT图像论文) 2007年 机械工程学院毕业,国立中央大学 杨 C.-D。 陈 Y.-W。 曾 c。 何 周宏儒。 吴 c c。 王 K.-W。 非侵入性、fluoroscopy-based图像引导手术减少辐射暴露椎体压缩骨折:一项初步调查 台湾的《手术 2012年 45 1 12 19 10.1016 / j.fjs.2011.12.003 2 - s2.0 - 84862799048 阿万佐 M。 Romanelli P。 脊柱放射治疗:技术和临床结果 神经外科检查 2009年 32 1 1 12 10.1007 / s10143 - 008 - 0167 - z 2 - s2.0 - 56049083730 Markelj P。 Tomaževič D。 Likar B。 Pernuš F。 回顾3 d / 2 d图像引导干预的注册方法 医学图像分析 2012年 16 3 642年 661年 10.1016 / j.media.2010.03.005 2 - s2.0 - 84857628623 Besl p . J。 麦凯 n D。 方法注册的3 - d形状 IEEE模式分析与机器智能 1992年 14 2 239年 256年 10.1109/34.121791 2 - s2.0 - 0026821209 •马哈福兹 m·R。 霍夫 w·A。 Komistek r D。 丹尼斯 d . A。 分割错误的影响3 d-to-2d登记植入模型x射线图像 生物力学杂志 2005年 38 2 229年 239年 10.1016 / j.jbiomech.2004.02.025 2 - s2.0 - 10444269423 Livyatan H。 Yaniv Z。 Joskowicz l Gradient-based 2 d / 3 d刚性登记荧光x射线CT IEEE医学成像 2003年 22 11 1395年 1406年 10.1109 / TMI.2003.819288 2 - s2.0 - 0344033883 郑 G。 诺尔特 L.-P。 弗格森 美国J。 比例,针对病人的3 d脊椎模型重建基于2 d横向透视 国际计算机辅助放射学杂志和手术 2011年 6 3 351年 366年 10.1007 / s11548 - 010 - 0515 - 7 2 - s2.0 - 79956225036 Markelj P。 Tomaževič D。 Pernuš F。 Likar B。 基于鲁棒梯度3 d / 2 d CT和x射线图像先生登记 IEEE医学成像 2008年 27 12 1704年 1714年 10.1109 / TMI.2008.923984 2 - s2.0 - 56849095414 郑 G。 Kowal J。 Ballester m·a·G。 Caversaccio M。 诺尔特 L.-P。 (我)注册计算机导航技术 目前骨科 2007年 21 3 170年 179年 10.1016 / j.cuor.2007.03.002 2 - s2.0 - 34548124557 Markelj P。 Tomaževič D。 Likar B。 Pernuš F。 3 d pre-interventional登记2 d intra-interventional医学图像 医学物理学和生物医学工程 2009年 25 1924年 1927年 Penney g . P。 维斯 J。 小 j . A。 Desmedt P。 山 d·l·G。 霍克斯 d . J。 相似性度量的比较在2-D-3-D医学图像配准中使用 IEEE医学成像 1998年 17 4 586年 595年 10.1109/42.730403 2 - s2.0 - 0032129157 Lorensen w·E。 克莱因 h·E。 游行多维数据集:一个高分辨率的3 d表面构造算法 计算机图形学 1987年 21 4 163年 169年 10.1145/37402.37422 2 - s2.0 - 0023381475 伊诺 F。 Gomita J。 川崎 Y。 Hagihara K。 GPGPU的方法加速二维/三维医学图像刚性登记手续 并行计算和分布式处理和应用程序 2006年 4330年 939年 950年 桑德斯 J。 Kandrot E。 CUDA的例子:介绍通用的编程 2010年 纽约,纽约,美国 addison - wesley 金 Y。 金 K.-I。 崔 j . H。 李 K。 新方法对3 d全膝关节置换术术后分析使用2 d-3d图像配准 临床生物力学 2011年 26 4 384年 391年 10.1016 / j.clinbiomech.2010.11.013 2 - s2.0 - 79953283728