CN112289416B - 一种引导针置入精度评价方法 - Google Patents

Abstract

本发明公开了一种引导针置入精度评价方法，包括步骤：（1）在对待置针处进行扫描得到术中3D点云，在术中3D点云中规划通道，并根据规划通道控制机器人运动到位后置入引导针，并扫描置针位置得到术后3D点云；（2）计算术中或术后3D点云中所有点与其内一点的梯度差，并以其中梯度下降最快的方向作为该点方向，以前述得到的梯度差及该点方向作为该点的描述向量；（3）通过描述向量进行术中3D点云与术后3D点云匹配，并计算术中规划通道与术后置针位置之间的偏差。本发明通过对术中3D影像与术后3D影像之间的粗配准和精确配准的两步配准，实现了二者的精确重合，并在此基础上对术中3D影像内的规划通道与术后3D影像的置入引导针位置进行精度评价。

Description

一种引导针置入精度评价方法

技术领域

本发明涉及图像处理及精度评价领域，尤其涉及一种引导针置入精度评价方法。

背景技术

近年来，机器人在骨科临床手术上应用越来越广泛。医生只需要在影像上规划好执行通道，机器人运动到实际通道位置，医生再通过执行通道置入引导针，不管是手动置针还是机器人操作置针，最终的置入的引导针位置与实际规划通道还是会存在误差，并且这种误差目前无法测量。

对于引导针置入位置的好坏，通常医生只能够再次在引导针椎节上扫描正侧位影像以经验来评位置是否合理，但不知道实际规划的位置与置入引导针的位置到底有多大偏差。

发明内容

发明目的：为了解决上述问题，本发明提供了一种通过术中影像与术后影像配准的方法来评价引导针置入的精度。

技术方案：

一种引导针置入精度评价方法，包括步骤：

（1）对待置针处进行扫描得到术中影像3D点云，在术中影像3D点云中规划通道，根据规划通道置入引导针，并扫描置针位置得到术后影像3D点云；

（2）分别计算术中影像3D点云和术后影像3D点云中所有点的描述向量，计算方法如下：计算影像3D点云中每一点与其他所有点的梯度差，并以其中梯度下降最快的方向作为该点方向，以前述梯度差集合及对应点方向作为每个点的描述向量；

（3）通过所有点的描述向量对术中影像3D点云与术后影像3D点云进行匹配，并计算术中规划通道与术后置针位置之间的偏差。

所述步骤（2）中，将术中影像3D点云及术后影像3D点云中的所有点分别投影到x、 y、z三个平面上，并分别计算三个方向上的欧式距离作为描述向量的辅助描述。

所述步骤（3）中通过所有点的描述向量对术中影像3D点云与术后影像3D点云进行匹配具体为：对术中影像3D点云中所有点与术后影像3D点云中所有点进行遍历对比，将二者中的点一一对应起来。

还包括精确匹配步骤：

（31）根据术中影像3D点云P中的点与术后影像3D点云Q中的点之间的一一对应关系得到二者的变换关系 Rt ，得到匹配后术中影像3D点云 P' = Rt * Q ；其中， R 为旋转矩阵， t 为平移矩阵；

（32）在匹配后的术中影像3D点云 P' 中取点集 P _k ' 作为待优化点集进行 Rt 变换，得到新的点集 P _k '' ，并在术后影像3D点云Q中找到与点集 P _k ' 的对应点集 Q _k ' ∈ Q，使得二者内对应的点 k 满足|| q _k ' - p _k '' ||的值最小；其中， p _k '' 为点集 P _k '' 中的点， q _k ' 为点集 Q _k '中的点；

（33）构建误差函数E(R,t)：

如果E(R,t)小于某一给定的阈值或者大于预设的最大迭代次数，则停止迭代计算；否则以步骤（32）得到的点集 P _k '' 作为待优化点集 P _k ' ，重复步骤（32）；

（34）计算新的点集 P _k '' 与其对应点集 Q _k ' 的变换关系 Rt ，并据此得到精确匹配的术中影像3D点云和术后影像3D点云。

所述步骤（3）中计算术中规划通道与术后置针位置之间的偏差具体如下：

根据规划通道得到其内外点在术中影像3D点云中的坐标A和B；

对术后影像3D点云进行阈值提取得到引导针的点云数据，并对该点云数据进行拟合圆柱，得到该拟合圆柱的两端面及轴线，并根据其与锥节交点得到置入引导针的内外点在术后影像3D点云中的坐标C和D；

分别计算A与C的距离及B与D的距离得到术中规划通道与术后置针位置之间入点和出点的偏差。

有益效果：本发明通过对术中3D影像与术后3D影像之间的粗配准和精确配准的两步配准，实现了二者的精确重合，并在此基础上对术中3D影像内的规划通道与术后3D影像的置入引导针位置进行精度评价，操作简单方便快捷，且精度高。

附图说明

图1 为术中影像轴状面的通道规划示意图。

图2为术中影像3D点云图。

图3为置入引导针后的正位透视图。

图4 是置入引导针后的影像3D点云图。

图5为锥节分割示意图。

图6为点云描述示意图。

图7（a）为术中影像3D点云图。

图7（b）为术后影像3D点云图。

图7（c）为点云融合示意图；

图8为计算规划点与引导针位置误差示意图。

其中，1为规划通道，2为矩形框，3为引导针，4为周围点，5为描述点。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明。

本发明的引导针置入精度评价方法包括如下步骤：

（1）确定好需要手术的脊椎位置，在术中通过C臂机进行3D影像扫描与配准生成术中影像，如图1所示；对生成的术中影像进行处理，调整合适的窗位窗宽WH，分别生成冠状面图、横断面图及矢状面图，以方便规划；医生在术中影像中生成3D规划通道信息，如图2所示；医生在影像上规划好通道后，通过上位机计算目标位置，在机器人运动到目标位置后，医生使用器械置入引导针；

（2）移开机器人，通过C臂机扫描置针位置生成术后透视图与术后影像，如图3、4所示，在透视图与术后影像3D点云中都可以看到引导针；

（3）优化术中、术后影像3D点云，去掉噪声点，对于术中、术后影像3D点云，手动调整窗位窗宽到合适的阈值WH，提取其中灰度值大于设定阈值的点，即只保留其中灰度值比较大的点，将灰度值小于设定阈值作为噪声点去除，得到术中、术后影像3D点云P{ p ₁,p ₂,…,p _n }、Q{ q ₁,q ₂,…,q _n }，其中n表示术中、术后影像3D点云中的点云数量；

（4）因为术中影像与术后影像可能拍摄的椎节不一样，但两次拍摄都会包含置针椎节，所以需要通过3D矩形框分别将术中影像3D点云与术后影像3D点云中的对应椎节分割出来，如图5所示；去掉不用的点云数据，分别得到单锥节的术中、术后影像3D点云P{ p ₁,p ₂,…,p _m }、Q{ q ₁,q ₂,…,q _m }，其中m表示单锥节的的术中、术后影像3D点云中的点云数量，m<n；

（5）计算步骤（4）得到的影像3D点云中每个点的描述符；

（51）以单锥节的术中 影像3D点云中一点p _i 点为中心，如图6所示，用10*10*10体素的正方体框确定单锥节的术中影像3D点云范围内所有点，计算立方体内所有点与 p _i 的梯度差，以梯度下降最快的方向作为 p _i 点的方向，选取范围内的所有点与 p _i 的梯度差值及前述确定的 p _i 点的方向作为该点的描述向量；

（52）为了增强对点云的描述，同时将范围内所有点分别投影到x、y、z三个平面上，分别计算三个方向上的欧式距离作为辅助描述，这样既快速又可以提高稳定性；

（53）遍历单锥节的术中影像3D点云中所有点P{ p ₁,p ₂,…,p _m }，这样生成一个描述符集Dp{ dp ₁,dp ₂,…,dp _m }；

（54）对单锥节的术后影像3D点云中所有点Q{ q ₁,q ₂,…,q _m }做相同的处理，得到描述符点集Dq{ dq ₁,dq ₂,…,dq _m }；

（6）进行粗匹配；

若点 p _i 和点 q _j 的描述向量差值在设定范围内，则认为点 p _i 和点 q _j 匹配，遍历对比单锥节的术中、术后3D影像点云P{ p ₁,p ₂,…,p _m }、Q{ q ₁,q ₂,…,q _m }的所有点，直到所有点匹配完成为止，这样将术中和术后影像3D点云中的点一一对应起来；并据此计算得到术中影像3D点云和术后影像3D点云的变换关系 Rt ，其中 R 为旋转矩阵， t 为平移矩阵；

（7）进行迭代优化以精确匹配，如图7（a）、7（b）、7（c）所示；

（71）通过步骤（6）的粗匹配之后，得到匹配后点云 P' { p ₁,p ₂,…,p _m }= Rt * Q{ q ₁,q ₂,…,q _m }，两组点云已经很接近，但是其中也有一些误匹配点，因此 Rt 具有一定的误差因素，基于此基础之上，需要通过迭代计算出最优的匹配参数 R 和 t ；

（72）在匹配后点云 P' { p ₁,p ₂,…,p _m }中取点集 P _k ' ∈ P' { p ₁,p ₂,…,p _m }作为待优化点集，对P _k ' 使用步骤（6）求得的旋转矩阵 R 和平移矩阵 t 进行旋转和平移变换，得到新的点集 P _k '' ；

（73）找出点云Q{ q ₁,q ₂,…,q _m }中与点集 P _k ' 的对应点集 Q _k ' ∈ Q，使得二者内的点 k 满足|| q _k ' - p _k '' ||的值最小；其中， p _k '' 为点集 P _k '' 中的点， q _k ' 为点集Q _k ' 中的点；

（74）构建误差函数E(R,t)：

如果E(R,t)小于某一给定的阈值或者大于预设的最大迭代次数，则停止迭代计算；否则以步骤（72）得到的点集 P _k '' 作为待优化点集 P _k ' ，重复步骤（72）；

（75）计算新的点集 P _k '' 与其对应点集 Q _k ' 的变换关系Rt ，并据此得到精确匹配的术中影像和术后影像；

（8）根据步骤（7）得到经过精确匹配后的术中影像和术后影像，并计算术中规划通道和术后引导针位置偏差；

（81）因为规划通道是医生在术中影像中手动规划的，所以可以直接得到规划通道的内外点在术中影像中的坐标值A(x ₁,y ₁,z ₁)和B(x ₂,y ₂,z ₂)；

（82）如图8所示，术中影像与术后影像配准后，引导针是金属，所以灰度值较高，设置一灰度阈值，通过阈值提取去掉其他杂点，得到的就是引导针的点云数据P _a ，利用该点云数据P _a 拟合圆柱，该圆柱的轴线及两端面与术后影像中脊椎锥节的交点，即为置入引导针的内外点在术后影像中的坐标C(x ₁',y ₁',z ₁')和D(x ₂',y ₂',z ₂')；

（83）分别计算A与C的距离d ₁及B与D的距离d ₂：

d ₁ ²=(x ₁-x ₁')² +(y ₁-y ₁') ²+(z ₁ -z ₁ ') ²

d ₂ ²=(x ₂-x ₂')²+( y ₂-y ₂')²+( z ₂-z ₂')²

d ₁与d ₂即为二者入点和出点的偏差。

以上详细描述了本发明的优选实施方式，但是本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换（如数量、形状、位置等），这些等同变换均属于本发明的保护范围。

Claims (5)

1.一种引导针置入精度评价方法，其特征在于：包括步骤：

（1）对待置针处进行扫描得到术中影像3D点云，在术中影像3D点云中规划通道，根据规划通道置入引导针，并扫描置针位置得到术后影像3D点云；

（2）分别计算术中影像3D点云和术后影像3D点云中所有点的描述向量，计算方法如下：计算影像3D点云中每一点与其他所有点的梯度差，并以其中梯度下降最快的方向作为该点方向，以前述梯度差集合及对应点方向作为每个点的描述向量；

（3）通过所有点的描述向量对术中影像3D点云与术后影像3D点云进行匹配，并计算术中规划通道与术后置针位置之间的偏差。

2.根据权利要求1所述的引导针置入精度评价方法，其特征在于：所述步骤（2）中，将术中影像3D点云及术后影像3D点云中的所有点分别投影到x、y、z三个平面上，并分别计算三个方向上的欧式距离作为描述向量的辅助描述。

3.根据权利要求1所述的引导针置入精度评价方法，其特征在于：所述步骤（3）中通过所有点的描述向量对术中影像3D点云与术后影像3D点云进行匹配具体为：对术中影像3D点云中所有点与术后影像3D点云中所有点进行遍历对比，将二者中的点一一对应起来。

4.根据权利要求3所述的引导针置入精度评价方法，其特征在于：还包括精确匹配步骤：

（31）根据术中影像3D点云P中的点与术后影像3D点云Q中的点之间的一一对应关系得到二者的变换关系 Rt ，得到匹配后术中影像3D点云 P' = Rt * Q；其中， R 为旋转矩阵，t 为平移矩阵；

（32）在匹配后的术中影像3D点云 P' 中取点集 P _k ' 作为待优化点集进行 Rt 变换，得到新的点集 P _k '' ，并在术后影像3D点云Q中找到与点集 P _k ' 的对应点集 Q _k ' ∈ Q，使得二者内对应的点 k 满足|| q _k ' - p _k '' ||的值最小；其中， p _k '' 为点集 P _k '' 中的点，q _k ' 为点集 Q _k '中的点；

（33）构建误差函数E(R,t)：

如果E(R,t)小于某一给定的阈值或者大于预设的最大迭代次数，则停止迭代计算；否则以步骤（32）得到的点集 P _k '' 作为待优化点集 P _k ' ，重复步骤（32）；

（34）计算新的点集 P _k '' 与其对应点集 Q _k ' 的变换关系 Rt ，并据此得到精确匹配的术中影像3D点云和术后影像3D点云。

5.根据权利要求1所述的引导针置入精度评价方法，其特征在于：所述步骤（3）中计算术中规划通道与术后置针位置之间的偏差具体如下：

根据规划通道得到其内外点在术中影像3D点云中的坐标A和B；

对术后影像3D点云进行阈值提取得到引导针的点云数据，并对该点云数据进行拟合圆柱，得到该拟合圆柱的两端面及轴线，并根据其与锥节交点得到置入引导针的内外点在术后影像3D点云中的坐标C和D；

分别计算A与C的距离及B与D的距离得到术中规划通道与术后置针位置之间入点和出点的偏差。

Images