CN107730544A

CN107730544A - 基于icp的脑部血管配准系统

Info

Publication number: CN107730544A
Application number: CN201710849185.7A
Authority: CN
Inventors: 彭逢安; 陈卫单; 李卓妍
Original assignee: Guangzhou Huiyang Health Science And Technology Co Ltd
Current assignee: Guangzhou Huiyang Health Science And Technology Co Ltd
Priority date: 2017-09-18
Filing date: 2017-09-18
Publication date: 2018-02-23

Abstract

本发明公开一种基于ICP的脑部血管配准系统，包括点集获取单元、点集对应单元、点对筛选单元、向量配准单元以及误差估计单元，点集获取单元用于获取术前的MRA影像以及术中的多普勒超声影像，获取静态点集和动态点集；点集对应单元根据动态点集在静态点集中匹配距离最近的点，两个点构成一个点对；所述点对筛选单元使用最小截平方和算法除去离群点对；所述向量配准单元计算最小平方配准向量并应用于原点集得新的点集；所述误差估计单元计算所得新的点集的与原点集距离的均方误差，并与设定的容忍度τ进行比较，多次迭代后所得到的新的点集接近于大脑移位后的实际血管形态，解决大脑移位对手术过程的影响，提高神经导航系统影像信息的准确性。

Description

基于ICP的脑部血管配准系统

技术领域

本发明涉及医疗技术领域，特别是指一种基于ICP的脑部血管配准系统。

背景技术

在脑部手术过程中，医生往往需要参考术前获取的头部MRI影像进行手术。然而由于脑脊液的丢失、患者体位乃至药物的影响，都会导致大脑发生移位和变型。大脑移位使得神经导航的准确性下降，会对手术过程造成相当程度的困难，对病灶的定位造成影响。

目前针对大脑移位的配准方法主要分为两大类，分别是基于术中影像的配准方法以及基于生物力学模拟的配准方法。前者主要利用MRI、CBCT以及超声的多种影响技术，使用基准点对脑组织进行配准。后者主要通过构造生物力学模型模拟大脑的各种生物力学特征，将计算所得的变力作用于大脑模型上，获得配准后的脑部结构。

发明内容

针对背景技术中存在的问题，本发明的目的是提供一种基于ICP的脑部血管配准系统，根据术中获得的多普勒超声影像对术前获得的MRA影像进行校正，使得MRA影像与患者脑部移位情况匹配，解决大脑移位对手术过程的影响，提高神经导航系统影像信息的准确性。

本发明的技术方案是这样实现的：一种基于ICP的脑部血管配准系统，包括点集获取单元、点集对应单元、点对筛选单元、向量配准单元以及误差估计单元，其中，所述点集获取单元：用于获取术前的MRA影像以及术中的多普勒超声影像，然后使用ITK对血管中心线进行提取，获取的两组中心线便是两组点集，术前MRA获得的点集是静态点集，术中多普勒超声获得的是动态点集；所述点集对应单元：根据动态点集，在静态点集中匹配距离最近的点，两个点构成一个点对；所述点对筛选单元：使用最小截平方和算法除去离群点对；所述向量配准单元：计算最小平方配准向量并应用于原点集得新的点集；所述误差估计单元：以上三步为一个迭代流程，经过一次迭代后，计算所得新的点集的与原点集距离的均方误差，并与设定的容忍度τ进行比较，如果均方误差小于容忍度τ，或者迭代次数达到预设上线，则结束迭代；否则重新进行迭代；经过多次迭代后，所得到的新的点集接近于大脑移位后的实际血管形态。

在上述技术方案中，所述术前MRA影像需要使用区域生长法进行图像分割得到MRA血管树，术中获取的多普勒超声影像直接使用阈值分割，将图像中灰度小于一预设阈值的像素移除。

在上述技术方案中，所述区域生长法以MRA图像中的一个像素点为基点，检查该基点相邻的像素，将其周围的像素与其进行比较，如果差值小于预设的阈值，则将其合并；再以新像素点为基点，进行上述检测，直到周围没有相似点为止。

在上述技术方案中，所述最小截平方和算法计算点对距离的最小协方差矩阵来估计稳健距离，将稳健距离超过预设阈值的点对删除。

本发明基于ICP的脑部血管配准系统，包括点集获取单元、点集对应单元、点对筛选单元、向量配准单元以及误差估计单元，点集获取单元用于获取术前的MRA影像以及术中的多普勒超声影像，获取静态点集和动态点集；点集对应单元根据动态点集在静态点集中匹配距离最近的点，两个点构成一个点对；所述点对筛选单元使用最小截平方和算法除去离群点对；所述向量配准单元计算最小平方配准向量并应用于原点集得新的点集；所述误差估计单元计算所得新的点集的与原点集距离的均方误差，并与设定的容忍度τ进行比较，多次迭代后所得到的新的点集接近于大脑移位后的实际血管形态，解决大脑移位对手术过程的影响，提高神经导航系统影像信息的准确性。

附图说明

图1为本发明基于ICP的脑部血管配准系统流程图；

图2为本发明中迭代流程图；

图3为本发明一具体实例迭代前的点集图；

图4为本发明一具体实例迭代后的配准结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所述的一种基于ICP的脑部血管配准系统，首先获取多普勒超声影像中的特征点集，随后在MRA血管树中寻找特征点集的最近点，构成点对；使用最小截平方和除去离群点对后，计算各个点对的配准向量，再将配准向量应用于特征点集中。将以上步骤进行多次迭代，便可完成多普勒影像对MRA血管树的配准。

本发明基于ICP的脑部血管配准系统包括点集获取单元、点集对应单元、点对筛选单元、向量配准单元以及误差估计单元，以下是结合图1所示的本发明流程图对上述各单元的详细说明。

(1)点集获取单元：

需要两种图像作为输入，分别是术前的MRA影像以及术中的多普勒超声影像。术前MRA影像需要进行图像分割，所使用的方法是区域生长法。区域生长法以MRA图像中的一个像素点为基点，检查该基点相邻的像素，将其周围的像素与其进行比较，如果差值小于预设的阈值，则将其合并；再以新像素点为基点，进行上述检测，直到周围没有相似点为止。经过区域生长，得到MRA血管树。而术中获取的多普勒超声影像直接使用阈值分割，将图像中灰度小于一预设阈值的像素移除。

获得术前与术中的血管影像后，使用ITK对血管中心线进行提取，获取的两组中心线便是两组点集，术前MRA获得的点集是静态点集，而术中多普勒超声获得的是动态点集。

(2)点集对应单元：

根据动态点集，在静态点集中匹配距离最近的点，两个点构成一个点对。设动态点集中的一个点为整个静态点集设为点集A，其中包含N_A个点。则点到点集A的距离为：

为欧几里得距离。最近的一个点满足条件：将匹配为一个点对。

记Y为A的最近点的点集，记为最近点算子，则有：

(3)点对筛选单元：

使用最小截平方和算法除去离群点对。最小截平方和算法主要通过计算点对距离的最小协方差矩阵来估计稳健距离。最小协方差矩阵为：

其中：

通过MCD求得稳健距离后，将稳健距离超过预设阈值的点对删除。

(4)向量配准单元：

最小平方四分数操作记为：

其中d_ms是平均平方点匹配误差。

计算最小平方配准向量：

将配准向量应用到点集P上，可得新的点集P：

(5)误差估计单元：

以上三步成为一个迭代流程。经过一次迭代后，求一次所得新的点集P的与原点集距离的均方误差，将这一所得的均方误差与设定的容忍度τ进行比较，如果均方误差小于容忍度τ，或者迭代次数达到预设上线，则结束迭代；否则重新进行迭代。

均方误差的计算公式为：

经过多次迭代后，所得到的新的点集越来越接近于大脑移位后的实际血管形态。其中，迭代流程图如图2所示。

以下是结合一具体实例对本发明的进一步说明，其中，迭代前的点集如图3所示：

如下表所示，是动态点集中某点到静态点集中各点的距离：

1	2	3	4	5	6
						1.4	2.3	1.7	4.3	3.1	3.2

可见该点到静态点集中的点1距离最近。

经过点对匹配后，得到一系列点对，这些点对之间的距离如下：

1	1.4
		2	1.7
3	2.1
		4	2.5
5	8.9
		....

通过最小截平方和的计算，除去当中的离群点(如第五对点对)。随后根据这些点对计算配准向量：

将这些配准向量应用于原来的静态点集上，得到新的静态点集P_k+1。设定的迭代次数上限为100，容忍度为0.001，如果新的静态点集P_k+1与上一个静态点集之间的MSE小于容忍度0.001，或者迭代次数达到100，则结束迭代，得到的新的静态点集也就符合目前的患者的脑部血管情况。迭代后的配准结果如图4所示。

本发明基于ICP的脑部血管配准系统，相较于现有技术，具有以下有益效果：

1.该基于ICP的血管配准本质上属于基于术中影像的配准。此前已有大脑移位补偿方法所使用的术中影像包括MRI、CBCT，这些影像往往需要较为庞大的仪器以及复杂的处理过程，会对手术过程造成一定程度的妨碍，不易整合入神经外科手术工作流中，实用性较低。而该基于ICP的脑部血管配准以术前MRA影像与术中多普勒超声影像作为输入，超声使用的仪器轻便易携，多普勒超声能较为准确地定位出脑部血管，不会对手术过程造成过多的障碍，因而能够较为方便地整合入神经外科手术工作流中，实用性更高。

2.基于生物力学模拟的大脑移位补偿方法往往需要经过复杂的建模，从而对大脑的力学特征进行模拟，而且需要经过复杂的运算完成运动校正，运算量大，效率有限。而使用ICP进行脑部血管配准运算量相比较少，通过对两个点集进行匹配与配准便可以对MRA的血管树进行更新，而且对迭代次数存在上限限制，不需要经过对整个脑组织进行大脑移位补偿。因而主要适用于脑部血管病变相关的外科手术，比如血管瘤，针对脑部血管进行配准，得到患者实时脑部血管移位情况，效率较高。

3.此前的大脑移位补偿往往需要人工对系统进行较多的操作，包括建模、取点等，自动化程度低，对使用者提出了较高的要求，因而不利于这些补偿方法的实际应用。而本发明更加接近于一种端对端的脑部血管配准，所需要的输入包括术前的MRA影像、术中实时的多普勒超声影像以及各项预设的阈值，系统便可以根据输入的影像进行图像分割、点集匹配、点集配准以及误差估计操作，不需人工进行操作，自动化程度更高，因而能够更好地整合入神经外科手术工作流当中。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于ICP的脑部血管配准系统，其特征在于：包括点集获取单元、点集对应单元、点对筛选单元、向量配准单元以及误差估计单元，其中，

所述点集获取单元：用于获取术前的MRA影像以及术中的多普勒超声影像，然后使用ITK对血管中心线进行提取，获取的两组中心线便是两组点集，术前MRA获得的点集是静态点集，术中多普勒超声获得的是动态点集；

所述点集对应单元：根据动态点集，在静态点集中匹配距离最近的点，两个点构成一个点对；

所述点对筛选单元：使用最小截平方和算法除去离群点对；

所述向量配准单元：计算最小平方配准向量并应用于原点集得新的点集；

所述误差估计单元：以上三步为一个迭代流程，经过一次迭代后，计算所得新的点集的与原点集距离的均方误差，并与设定的容忍度τ进行比较，如果均方误差小于容忍度τ，或者迭代次数达到预设上线，则结束迭代；否则重新进行迭代；经过多次迭代后，所得到的新的点集接近于大脑移位后的实际血管形态。

2.根据权利要求1所述的基于ICP的脑部血管配准系统，其特征在于：所述术前MRA影像需要使用区域生长法进行图像分割得到MRA血管树，术中获取的多普勒超声影像直接使用阈值分割，将图像中灰度小于一预设阈值的像素移除。

3.根据权利要求2所述的基于ICP的脑部血管配准系统，其特征在于：所述区域生长法以MRA图像中的一个像素点为基点，检查该基点相邻的像素，将其周围的像素与其进行比较，如果差值小于预设的阈值，则将其合并；再以新像素点为基点，进行上述检测，直到周围没有相似点为止。

4.根据权利要求3所述的基于ICP的脑部血管配准系统，其特征在于：所述最小截平方和算法计算点对距离的最小协方差矩阵来估计稳健距离，将稳健距离超过预设阈值的点对删除。