CN112991409B - 骨骼注册方法及系统及存储介质 - Google Patents

骨骼注册方法及系统及存储介质 Download PDF

Info

Publication number
CN112991409B
CN112991409B CN202110458099.XA CN202110458099A CN112991409B CN 112991409 B CN112991409 B CN 112991409B CN 202110458099 A CN202110458099 A CN 202110458099A CN 112991409 B CN112991409 B CN 112991409B
Authority
CN
China
Prior art keywords
registration
point cloud
bone
patient
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110458099.XA
Other languages
English (en)
Other versions
CN112991409A (zh
Inventor
林必贵
M·杰森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Suwen Jiuzhou Medical Technology Co ltd
Original Assignee
Hangzhou Suwen Jiuzhou Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Suwen Jiuzhou Medical Technology Co ltd filed Critical Hangzhou Suwen Jiuzhou Medical Technology Co ltd
Priority to CN202110458099.XA priority Critical patent/CN112991409B/zh
Publication of CN112991409A publication Critical patent/CN112991409A/zh
Application granted granted Critical
Publication of CN112991409B publication Critical patent/CN112991409B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Robotics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Prostheses (AREA)

Abstract

本发明提供一种用于手术导航系统的骨骼注册方法及系统及存储介质，用于确定术前坐标系和术中坐标系之间的变换关系，包括：利用术前的骨骼图像数据获得源点云SPC；利用从实际骨骼表面采集的点数据获得目标点云TPC；从源两点云选取4组对应点对，进行初始配准；通过不同的初始变换矩阵执行精确配准，其中，初始配准基于奇异值分解的仿射变换方法，产生4x4维矩阵，从而将3D虚拟模型的点映射到术中坐标系中的患者骨骼坐标的近似值。根据本发明，可以将患者的术前和术中患者解剖结构准确对应，使得医生对手术器械和患者解剖的位置一目了然，精确控制手术工具达到要求的部位。

Description

骨骼注册方法及系统及存储介质
技术领域
本发明涉及骨科手术中的骨骼注册方法及系统以及计算机可读存储介质。
背景技术
计算机辅助手术导航系统被广泛应用于各种外科手术中，其目的是提高手术的准确性和精确度。导航手术作为存在于医学的各个领域的一项技术，需要一个光学跟踪系统来执行术前、术中的注册（亦称配准），以实现手术情况的跟踪。
其中，注册是一个非常重要的过程，通过它能够实现术前坐标系和术中坐标系之间的转换，从而能够可视化手术器械相对于术中的三维模型的位置和方向。注册方法的优劣会实时地影响手术导航精度。
目前手术导航系统所采用的标记点注册方法中，标记点包括：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。另外，当前基于骨科手术机器人系统的手术中，多采用手持探针的接触式采样方式来采集、测量骨表面的位置信息，以与患者的术前图像进行注册。虽然标记点注册方法配准更快捷，然而，顾忌于对患者造成的额外创伤和疼痛、人为操作误差、识别难度、光线遮挡、标记点掉落、需要额外消毒等因素，在该方法中，一般倾向于尽量限制需要采集的点的数量，或者由系统通过显示来指导外科医生所要采集的点进行配准。这不仅容易影响精度，也影响可操作性。
发明内容
鉴于上述问题，本发明的目的在于提出一种新的算法，该算法允许在软件中的术前计划坐标系和患者真实骨骼坐标系之间容易地进行精确的注册配准。
根据本发明的一方面，提供一种用于手术导航系统的骨骼注册方法，用于确定术前坐标系和术中坐标系之间的变换关系，其特征在于，包括以下步骤：利用术前的骨骼图像数据，建立3D虚拟模型的术前坐标系，并从该3D虚拟模型的表面获得源点云SPC；利用术中从患者实际骨骼表面采集的点数据，建立术中坐标系，并生成目标点云TPC；从所述源点云SPC与所述目标点云TPC选取4组对应点对，进行所述源点云SPC与所述目标点云TPC之间的初始配准，求取初始变换矩阵；通过不同的所述初始变换矩阵，在从所述患者实际骨骼表面收集的多个点云和从所述3D虚拟模型的三维表面提取的点云之间执行精确配准，其中，所述初始配准基于奇异值分解的仿射变换方法，在3D虚拟模型中对选定的解剖点与对应的实际骨骼空间上的点进行仿射变换，产生4x4维矩阵，从而将所述3D虚拟模型的点映射到术中坐标系中的患者骨骼坐标的近似值。
根据本发明的算法，允许在软件中的术前计划坐标系和患者真实骨骼坐标系之间进行准确高效的注册配准。
优选地，在初始配准步骤中，基于取自患者骨骼的四个点PBn和取自所述3D虚拟模型中的四个点PMn，得到4x4维刚性转换矩阵T：
Figure DEST_PATH_IMAGE001
，（式1），
其中
Figure DEST_PATH_IMAGE002
是一个3x3旋转矩阵，
Figure DEST_PATH_IMAGE003
是一个3x1平移矢量，n=1, 2, 3, 4，
设
Figure DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE005
分别表示允许该第一次变换的误差足够小的旋转矩阵和平移向量，满足以下条件：
Figure DEST_PATH_IMAGE006
，（式2），
Figure DEST_PATH_IMAGE007
，（式3），
其中，
Figure DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE009
是允许在一个区间内估计的值：
Figure DEST_PATH_IMAGE010
，（式4），和
Figure DEST_PATH_IMAGE011
，（式5），
其中，
Figure DEST_PATH_IMAGE012
是分别对应于角度取值范围和位移取值范围的阈值，
根据旋转矩阵R和位移矩阵V，角度和位移取值范围±θ和±μ，以及角度和位移各自的取值间隔Δθ和Δ μ，得到R_List和V_List，
其中List对应于上述取值范围内的取值次数。
优选地，通过估计不同的旋转矩阵
Figure DEST_PATH_IMAGE013
和平移矢量
Figure DEST_PATH_IMAGE014
以使得：
Figure DEST_PATH_IMAGE015
，（式6），
Figure DEST_PATH_IMAGE016
，（式7），
生成多个通用变换矩阵，以用作所述精确配准变换的初始变换矩阵：
Figure DEST_PATH_IMAGE017
，（式8），
其中，i=1，2，3 …n，n为自然数。
优选地，在精确配准步骤中，通过如下对齐算法，利用迭代最近点算法迭代地用于不同的初始变换矩阵，求解收敛到误差最小的解的迭代变换，所述对齐算法包括如下步骤：
设定初始误差Re （S52）;
分别在R_List中随机选取旋转矩阵R ，在V_List中随机选取平移矩阵V，根据旋转矩阵R和平移矩阵V，得到误差转换矩阵T （S56）;
根据所述源点云SPC、所述目标点云TPC和转换矩阵T，计算转换误差Ei （S57）;
若误差Ei小于初始误差E，则使：
Re = Ei，T1 = T ，（式9），
当误差Re小于通用误差阈值Ge时，通过对齐虚拟和实物点集，得到转换矩阵T2和注册误差Re 。
优选地，用探针从患者股骨表面上采集4个解剖点：髋关节中心、膝关节股骨中心、外上髁、内上髁；或
用探针从患者胫骨表面上采集4个解剖点：膝关节胫骨中心、胫骨结节、外踝、内踝。
优选地，用探针从患者整个骨骼区域分散地取42个点。
根据本发明的该算法，不需要系统向外科医生显示要采集的点进行配准。外科医生只要在整个骨骼区域分布点，就可以在他/她估计的位置上自由地取多点（例如，42个点）。从而能有利地确保可操作性。
根据本发明的一方面，提供一种存储介质，其为计算机可读存储介质，存储有计算机程序，其特征在于，该计算机程序被执行来实现上述的骨骼注册方法的步骤。
根据本发明的一方面，提供一种手术机器人系统，包括，通过执行上述的骨骼注册方法的步骤，在手术时将手术机器人坐标系与术前坐标系配准，并以所述实际骨骼的坐标引导或控制手术机器人进行手术。
根据本发明的一方面，提供一种用于手术导航系统的骨骼注册系统，用于确定术前坐标系和术中坐标系之间的变换关系，其包括：源点云获取单元，其利用术前的骨骼图像数据，建立3D虚拟模型的术前坐标系，并从该3D虚拟模型的表面获得源点云SPC；目标点云生成单元，其利用术中从患者实际骨骼表面采集的点数据，建立术中坐标系，并生成目标点云TPC；初始配准单元，其从所述源点云SPC与所述目标点云TPC选取4组对应点对，进行所述源点云SPC与所述目标点云TPC之间的初始配准，求取初始变换矩阵；精确配准单元，其通过不同的所述初始变换矩阵，在从所述患者实际骨骼表面收集的多个点云和从所述3D虚拟模型的三维表面提取的点云之间执行精确配准，其中，所述初始配准单元基于奇异值分解的仿射变换方法，在3D虚拟模型中对选定的解剖点与对应的实际骨骼空间上的点进行仿射变换，产生4x4维矩阵，从而将所述3D虚拟模型的点映射到术中坐标系中的患者骨骼坐标的近似值。
优选地，所述源点云获取单元从用于获取患者术中骨骼表面点云数据的探针获取点云数据。
根据本发明，可以将患者的术前和术中患者解剖结构准确对应，通过精确地给出术中解剖部位与术前X线/CT、MR等多模图像之间的位置关系，使得医生对手术器械和患者解剖的位置一目了然，经过相应的坐标变换，控制手术工具达到要求的部位，使手术更精确。
附图说明
图1示出了根据一实施例的骨骼注册方法的流程图。
图2示出了根据骨骼注册方法子例程的对齐算法的流程图。
具体实施方式
下面结合附图详细描述本发明的示例性实施例。下文描述的和附图示出的示例性实施例旨在教导本发明的原理，使本领域技术人员能够在若干不同环境中和对于若干不同应用实施和使用本发明。因此，本发明的保护范围由所附的权利要求来限定，示例性实施例并不意在、并且不应该被认为是对本发明保护的范围的限制性描述。
本发明人通过研究，提出了一种在例如膝关节置换手术中为了利用手术导航系统进行导航而进行骨骼注册的新方法。
<步骤S101：术前坐标系与术中坐标系>
在术中导航中，须将例如由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。因此，需要将患者与图像空间重建的三维解剖结构进行注册。通过计算确定定位系统坐标系（术中坐标系）与术前三维医学图像坐标系（术前坐标系）之间的变换关系，将患者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能真实反映手术器械相对于目标骨骼例如病灶的距离、位置关系。
关于建立坐标系的方法、设备不是本发明的重点，在此不再赘述，可以利用现有的手段来实现。
下面，对为了实现两个点云之间的配准所利用到的算法通过实施例详述如下。
如图1所示，本实施例所述的注册方法，还包括以下步骤：
<步骤S102：点云的输出>
在注册方法中，一方面，术前输入患者三维医学图像, 输出表面轮廓点云数据（相应于源点云）；另一方面，例如在术中输出患者表面点云信息（相应于目标点云）。
即，利用术前的例如CT或MRI、X射线等图像数据作为解剖结构输入数据，来建立3D虚拟模型，并转为点云，而在术中通过探针等设备获取感兴趣的骨骼表面点云数据。
在本实施例中，该方法通过例如以下算法，有利地实现了这两个点云之间的配准：
-源点云（SPC，Source Point Cloud）；
-目标点云（TPC，Target Point Cloud）。
其中，SPC是从3D虚拟模型的表面获得的点云，表示骨骼中操作的感兴趣区域；以及
TPC是从患者实际骨骼表面获得的点。可总共从股骨表面提取多点（在本实施例中，42个点），从胫骨表面提取多点（在本实施例中，42个点）。
优选地，TPC应稀疏收集，以覆盖尽可能多的骨区。
<步骤S103：点云的配准>
点云配准算法一般分为初始配准（第一阶段）和精确配准（第二阶段）。初始配准使两个点云之间近似对齐，而精确配准则寻找两个云点之间的最佳对齐。
<步骤S1031：初始配准>
在本实施例中，通过对两组点云分别计算特征，进行刚性配准，以得到旋转、平移矩阵，完成初始配准。
在SPC点云与TPC点云中选取若干个对应点对，各对应点对选自于两点云数据对应骨骼表面的同一位置。对应点对的个数应大于等于3，在本实施例中，选取4组对应点对，这样既能保证初始配准阶段的准确性，又可避免因选取过多而复杂化。由此，可以计算出一个初始的空间刚性变换矩阵，从而实现SPC点云与TPC点云之间的粗略注册（参照后述的步骤S2-S4）。
更具体地，在本实施例中，将在三维模型（CT影像数据）上取股骨的4个点及其对应真实股骨上的4个点，以及在三维模型（CT影像数据）中取胫骨上的4个点及其对应真实胫骨上的4个点。这4个点足以在三维空间中执行仿射变换。
例如用探针收集股骨上的4个解剖点：髋关节中心、膝关节股骨中心、外上髁、内上髁；胫骨上采集4个解剖点：膝关节胫骨中心、胫骨结节、外踝、内踝。
这些解剖点很容易被外科医生精确定位，从而能有利地确保精确性与可操作性。
为了进行初始配准，本文提出了一种在真实骨骼上选定的点及对应的三维CT数据模型上的点之间，基于奇异值分解（SVD）的刚性变换方法，即变换只包括旋转、平移。此变换产生4x4维矩阵，允许将三维曲面模型的点映射到患者骨骼坐标的近似值。这种近似的精度取决于先前收集的解剖点的精确程度。
具体地，参照图1所示的流程图可知，在程序开始初始配准时，在步骤S2中，基于奇异值分解（SVD）的刚性变换，根据4组对应点对，即，取自患者骨骼的四个点PBn和取自三维模型中的四个点PMn，得到4x4维转换矩阵T，其中，n=1, 2, 3, 4。为了获得尽可能高的精度，收集的4个点的误差必须小于5 mm。
如果在第一个变换中收集的4个点中的每个点的最大误差超过5mm，则最终的配准算法可能不会收敛到合适的解。
由于第一个变换（转换矩阵T）是仅由旋转和平移组成的刚性变换，因此可以将此变换表示为：
Figure 487148DEST_PATH_IMAGE001
，（式1），
其中，
Figure 512611DEST_PATH_IMAGE002
是一个3x3旋转矩阵，
Figure 167714DEST_PATH_IMAGE003
是一个3x1平移矢量。
即，在步骤S3中，根据转换矩阵T，获得旋转矩阵R和平移矩阵V。
如果第一个变换的误差很小，
Figure 359661DEST_PATH_IMAGE004
表示确切的旋转矩阵，
Figure 485618DEST_PATH_IMAGE005
表示确切的平移向量，满足以下条件：
Figure 635977DEST_PATH_IMAGE006
，（式2），
Figure 716059DEST_PATH_IMAGE007
，（式3），
其中，
Figure 977276DEST_PATH_IMAGE008
和
Figure 223319DEST_PATH_IMAGE009
是可以在一个区间内估计的小值，如下所示：
Figure 295311DEST_PATH_IMAGE010
，（式4），和
Figure 377537DEST_PATH_IMAGE011
，（式5），
其中，
Figure 426133DEST_PATH_IMAGE012
是分别对应于角度取值范围和位移取值范围的阈值。
估计不同的旋转矩阵
Figure 11835DEST_PATH_IMAGE013
和平移矢量
Figure 520308DEST_PATH_IMAGE014
以便：
Figure 463731DEST_PATH_IMAGE015
，（式6），
Figure 551904DEST_PATH_IMAGE016
，（式7），
其中，i=1，2，3 …n，n为自然数，
可以形成几个通用变换矩阵，如下所示：
Figure 257692DEST_PATH_IMAGE017
，（式8），
这组矩阵可用作第二阶段配准变换（即，精确注册）的初始估计。
即，在步骤S4中，根据旋转矩阵R和位移矩阵V，设角度和位移取值范围±θ和±μ，以及角度和位移各自的取值间隔Δθ和Δ μ，得到R_List和V_List，其中List对应于上述取值范围内的取值次数。
由此，能在SPC与TPC之间的变换完全未知的情况下进行较粗略的配准，使得两点云SPC与TPC在空间中距离基本对齐，以便为精配准提供较好的变换初值。
至此，程序处理进入作为子例程的步骤5的对齐算法，以进行后述的精确注册。然后程序进行到步骤S6结束。
<步骤S1032：精确注册>
为了进一步提高整体注册精度，降低误差，需要进行精细注册。
即，基于粗略注册的结果，利用预设的迭代算法，将术中点云数据与术前医学影像进行精细注册。
根据本发明的精配准与MAKO等其他外科导航系统不同，该算法不需要系统向外科医生显示要采集的点进行配准。在本发明人所提出的算法中，外科医生只要在整个骨骼区域分布点，就可以在他/她估计的位置上自由地取多点（例如，42个点）。从而能有利地确保可操作性。
具体地，在注册过程的第二阶段（精确注册），将在外科医生从患者的骨骼（股骨或胫骨）收集的多点（42个点）和从3D虚拟模型的三维表面提取的点云之间执行配准，将从3D虚拟模型表面获得的点通过不同矩阵（参见上述式8的
Figure 916161DEST_PATH_IMAGE017
，亦称“初始变换矩阵”）转换为实际骨骼空间上的点，这些不同矩阵是从第一阶段（初始配准）时获得的。
此阶段的注册旨在减少SPC、TPC两个云点对齐之间的错误，从而通过给定初始变换，进一步优化得到更精确的变换。
为了实现这一点，ICP（迭代最近点，Iterative Closest Point）算法被迭代地用于不同的初始变换矩阵，这些矩阵是根据某一区间I内的一般误差估计值计算的。
如此，收敛到误差最小的解的ICP算法的迭代就是所寻求的变换。
计算误差的一种方法是寻找每个变换点与目标点的最近邻距离，然后在这些最近邻距离中找到的最大距离作为误差。
通过ICP 算法的迭代进行计算，直到收敛。
如此，ICP算法通过找到从术前坐标系到术中坐标系的一个刚性变换的旋转参数R和平移参数V，能够使不同的坐标下的点云数据合并到同一个坐标系统中。该算法重复进行选择对应关系点对，计算最优刚性变换T2，直到满足配准的收敛精度要求，使得SPC、TPC两个云点数据之间满足最优匹配。
具体地，参照图2所示的流程图，在步骤S5的对齐算法开始（步骤S51）时，设定初始误差Re （步骤S52），以使得在实现两点云之间的注册的同时，使注册误差尽量小。
为了使误差有效收敛，处理进入步骤S51开始i = 1…m次的循环。
首先，在步骤S54、S55（不限于该顺序）中，分别在R_List中随机选取旋转矩阵R ，在V_List中随机选取平移矩阵V，从而可根据旋转矩阵R和平移矩阵V，得到误差转换矩阵T（步骤S56）。
由此，可根据点集SPC，TPC和转换矩阵T，计算转换误差Ei （步骤S57）。
随后，处理进入步骤S58，判断误差Ei是否小于初始误差Re。当判断结果为“是”时，处理进入步骤S59进行赋值操作：
Re = Ei，T1 = T，（式9）。
随后，或者当步骤S58的判断结果为“否”时，处理进入步骤S60，判断初始误差Re是否小于通用误差阈值Ge 。当判断结果为“否”时，处理返回至步骤S53进行循环。当判断结果为“是”时，处理进入步骤S61，通过对齐虚拟和实物点集，得到转换矩阵T2和注册误差Re 。然后结束对齐算法（步骤S62）。
<步骤S103：最优变换矩阵>
尽管在流程图中未示出，优选地，将初始配准得到的第一变换矩阵与精确注册得到的第二变换矩阵相叠加，得到最终注册变换矩阵。即，T3＝T2*T。
通过变换矩阵T3到最终的旋转平移，即可实现术中患者骨骼表面图像与术前患者患处CT影像的注册。
<计算机装置>
根据本申请的另一方面，提供了一种计算机装置，其包括处理器和存储器，该存储器存储有计算机程序，当该计算机程序被该处理器执行时，使得该处理器执行上述方法的步骤。在此也包括涉及远程计算机的情形。例如，远程计算机可以通过任意种类的网络——包括局域网或广域网—连接到用户计算机，或者，可以连接到外部计算机。
<存储介质>
根据本申请的另一方面，提供一种非易失性计算机可读存储介质，其上存储有计算机可读指令，当该指令被处理器执行时，使得该处理器执行上述方法的步骤。例如，可以是任何包含或存储程序的有形介质，该程序可以被计算机装置或者手术机器人系统使用。
<计算机软件程序>
根据本实施例，以上参考流程图描述的过程可以被实现为计算机软件程序。流程图中的每个方框可以代表一个模块或单元、程序段或代码的一部分。例如，可包括承载在计算机可读取存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、另外部分地在远程计算机上执行、或者完全在远程计算机或服务器上执行。
在该计算机程序被中央处理单元等处理器执行时，执行以上方法中限定的上述功能。
<骨骼注册系统>
还提供一种用于手术导航系统的骨骼注册系统，包括：用于获取患者术中骨骼表面点云数据的探针；用于进行图像输入以及点云输出的计算机，其接于所述探针，可进行相应的数据运算和处理；用于显示注册好的三维图像的显示设备，其接于计算机。该显示设备包括但不仅限于显示器。
也可以替换探针，采用用于获取患者术中骨骼表面点云数据的三维扫描仪。
根据本实施例，利用接触式探针对骨骼表面进行测量，可分两次对患者的骨骼表面进行接触式的点云拾取，第一次是拾取患处骨骼的点（3点以上，在此取4），第二次是使用探针获取目标骨骼表面上的例如42处点云数据，
如上所讨论的解剖结构不限于上述的股骨或胫骨，也可以是其它骨骼或多个骨骼，甚至之外的整体或部分解剖结构。
尽管已经参考各种具体实施例描述了本发明，但是应当理解，可以在所描述的发明构思的精神和范围内做出变形。因此，意图是本发明不限于所描述的实施例，而是将具有由所附权利要求的语言所定义的全部范围。

Claims (7)

1.一种用于手术导航系统的骨骼注册方法，用于确定术前坐标系和术中坐标系之间的变换关系，其特征在于，包括以下步骤：
利用术前的骨骼图像数据，建立3D虚拟模型的术前坐标系，并从该3D虚拟模型的表面获得源点云SPC；
利用术中从患者实际骨骼表面采集的点数据，建立术中坐标系，并生成目标点云TPC；
从所述源点云SPC与所述目标点云TPC选取4组对应点对，进行所述源点云SPC与所述目标点云TPC之间的初始配准，求取初始变换矩阵；
通过不同的所述初始变换矩阵，在从所述患者实际骨骼表面收集的多个点云和从所述3D虚拟模型的三维表面提取的点云之间执行精确配准，
其中，所述初始配准基于奇异值分解的仿射变换方法，在3D虚拟模型中对选定的解剖点与对应的实际骨骼空间上的点进行仿射变换，产生4x4维矩阵，从而将所述3D虚拟模型的点映射到术中坐标系中的患者骨骼坐标的近似值，
其中，在初始配准步骤中，基于取自患者骨骼的四个点PBn和取自所述3D虚拟模型中的四个点PMn，得到4x4维刚性转换矩阵T：
Figure 386314DEST_PATH_IMAGE001
，（式1），
其中R是一个3x3旋转矩阵， V是一个3x1平移矢量，n=1, 2, 3, 4，
设R1、V1分别表示允许第一次变换的误差小的旋转矩阵和平移向量，满足以下条件：
Figure 65557DEST_PATH_IMAGE002
，（式2），
Figure 214779DEST_PATH_IMAGE003
，（式3），
其中，α和β是允许在一个区间内估计的值：
Figure 954064DEST_PATH_IMAGE004
，（式4），和
Figure 985474DEST_PATH_IMAGE005
，（式5），
其中， θ，μ是分别对应于角度取值范围和位移取值范围的阈值，
根据旋转矩阵R和位移矩阵V，角度和位移取值范围±θ和±μ，以及角度和位移各自的取值间隔Δθ和Δ μ，得到R_List和V_List，
其中List对应于上述取值范围内的取值次数，
其中，从患者股骨表面上采集4个解剖点：髋关节中心、膝关节股骨中心、外上髁、内上髁；或
从患者胫骨表面上采集4个解剖点：膝关节胫骨中心、胫骨结节、外踝、内踝。
2.根据权利要求1所述的骨骼注册方法，其特征在于，
通过估计不同的旋转矩阵 和平移矢量 以使得：
Figure 937250DEST_PATH_IMAGE006
，（式6），
Figure 472136DEST_PATH_IMAGE007
，（式7），
生成多个通用变换矩阵，以用作所述精确配准的初始变换矩阵：
Figure 382324DEST_PATH_IMAGE008
，（式8），
其中，i=1，2，3 …n，n为自然数。
3.根据权利要求1或2所述的骨骼注册方法，其特征在于，
在精确配准步骤中，通过如下对齐算法，利用迭代最近点算法迭代地用于不同的初始变换矩阵，求解收敛到误差最小的解的迭代变换，所述对齐算法包括如下步骤：
设定初始误差Re ;
分别在R_List中随机选取旋转矩阵R，在V_List中随机选取平移矩阵V，根据旋转矩阵R和平移矩阵V，得到误差转换矩阵T;
根据所述源点云SPC、所述目标点云TPC和转换矩阵T，计算转换误差Ei ;
若误差Ei小于初始误差E，则使：
Re = Ei，T1 = T ，（式9），
当误差Re小于通用误差阈值Ge时，通过对齐虚拟和实物点集，得到转换矩阵T2和注册误差Re。
4.根据权利要求3所述的骨骼注册方法，其特征在于，
用探针从患者整个骨骼区域分散地取42个点。
5.一种存储介质，其为计算机可读存储介质，存储有计算机程序，其特征在于，该计算机程序被执行来实现权利要求1～4中任一项所述的骨骼注册方法的步骤。
6.一种用于手术导航系统的骨骼注册系统，用于确定术前坐标系和术中坐标系之间的变换关系，其特征在于，包括：
源点云获取单元，其利用术前的骨骼图像数据，建立3D虚拟模型的术前坐标系，并从该3D虚拟模型的表面获得源点云SPC；
目标点云生成单元，其利用术中从患者实际骨骼表面采集的点数据，建立术中坐标系，并生成目标点云TPC；
初始配准单元，其从所述源点云SPC与所述目标点云TPC选取4组对应点对，进行所述源点云SPC与所述目标点云TPC之间的初始配准，求取初始变换矩阵；
精确配准单元，其通过不同的所述初始变换矩阵，在从所述患者实际骨骼表面收集的多个点云和从所述3D虚拟模型的三维表面提取的点云之间执行精确配准，
其中，所述初始配准单元基于奇异值分解的仿射变换方法，在3D虚拟模型中对选定的解剖点与对应的实际骨骼空间上的点进行仿射变换，产生4x4维矩阵，从而将所述3D虚拟模型的点映射到术中坐标系中的患者骨骼坐标的近似值，
其中，所述初始配准单元基于取自患者骨骼的四个点PBn和取自所述3D虚拟模型中的四个点PMn，得到4x4维刚性转换矩阵T：
Figure 635450DEST_PATH_IMAGE009
，（式1），
其中R是一个3x3旋转矩阵，V是一个3x1平移矢量，n=1, 2, 3, 4，
设R1、V1分别表示允许第一次变换的误差小的旋转矩阵和平移向量，满足以下条件：
Figure 656496DEST_PATH_IMAGE002
，（式2），
Figure 780310DEST_PATH_IMAGE003
，（式3），
其中，α和β是允许在一个区间内估计的值：
Figure 595819DEST_PATH_IMAGE004
，（式4），和
Figure 70663DEST_PATH_IMAGE005
，（式5），
其中， θ，μ是分别对应于角度取值范围和位移取值范围的阈值，
根据旋转矩阵R和位移矩阵V，角度和位移取值范围±θ和±μ，以及角度和位移各自的取值间隔Δθ和Δμ，得到R_List和V_List，
其中List对应于上述取值范围内的取值次数，
其中，从患者股骨表面上采集4个解剖点：髋关节中心、膝关节股骨中心、外上髁、内上髁；或
从患者胫骨表面上采集4个解剖点：膝关节胫骨中心、胫骨结节、外踝、内踝。
7.根据权利要求6所述的骨骼注册系统，其特征在于，
所述源点云获取单元从用于获取患者术中骨骼表面点云数据的探针获取点云数据。
CN202110458099.XA 2021-04-27 2021-04-27 骨骼注册方法及系统及存储介质 Active CN112991409B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110458099.XA CN112991409B (zh) 2021-04-27 2021-04-27 骨骼注册方法及系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110458099.XA CN112991409B (zh) 2021-04-27 2021-04-27 骨骼注册方法及系统及存储介质

Publications (2)

Publication Number Publication Date
CN112991409A CN112991409A (zh) 2021-06-18
CN112991409B true CN112991409B (zh) 2021-07-30

Family

ID=76340375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110458099.XA Active CN112991409B (zh) 2021-04-27 2021-04-27 骨骼注册方法及系统及存储介质

Country Status (1)

Country Link
CN (1) CN112991409B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113616350B (zh) * 2021-07-16 2022-04-19 元化智能科技(深圳)有限公司 标记点选取位置的验证方法、装置、终端设备和存储介质
CN113558766B (zh) * 2021-07-19 2022-05-17 北京纳通医学研究院有限公司 图像配准方法、装置、手术机器人以及手术机器人系统
CN113855233B (zh) * 2021-11-01 2023-05-05 杭州柳叶刀机器人有限公司 手术范围确定方法、装置、电子设备及存储介质
CN113729943B (zh) * 2021-11-05 2023-07-14 北京壹点灵动科技有限公司 虚拟骨面的处理方法、装置及翻修手术机器人
CN114305685B (zh) * 2021-12-17 2024-05-24 杭州键嘉医疗科技股份有限公司 一种用于髋关节置换手术中的髋骨配准方法
CN114332378B (zh) * 2021-12-31 2024-01-16 西安交通大学 基于二维医学影像的人体骨骼三维模型获取方法及系统
CN114587593B (zh) * 2022-03-18 2022-11-18 华科精准（北京）医疗科技有限公司 一种手术导航定位系统及其使用方法
CN115624385B (zh) * 2022-09-19 2024-05-10 重庆生物智能制造研究院 术前空间配准方法及装置、计算机设备、存储介质
CN115500944B (zh) * 2022-11-15 2023-04-07 北京市春立正达医疗器械股份有限公司 膝关节骨科手术导航系统
CN116138905A (zh) * 2023-03-07 2023-05-23 山东大学 一种机器人辅助正畸托槽粘结方法及粘接系统
CN116342672B (zh) * 2023-05-26 2023-10-03 杭州三坛医疗科技有限公司 髋关节实际位置配准方法、装置、电子设备及存储介质
CN117372661B (zh) * 2023-12-07 2024-03-12 华科精准（北京）医疗科技有限公司 一种手术导航系统、手术机器人系统及注册方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105852971A (zh) * 2016-05-04 2016-08-17 苏州点合医疗科技有限公司 基于骨骼三维中点云的配准导航方法
CN107330926A (zh) * 2017-08-25 2017-11-07 上海嘉奥信息科技发展有限公司 一种术中导航系统中的非标记医学图像配准系统及方法
US10722218B2 (en) * 2010-08-02 2020-07-28 Jointvue, Llc Method and apparatus for three dimensional reconstruction of a joint using ultrasound
CN112155734A (zh) * 2020-09-29 2021-01-01 苏州微创畅行机器人有限公司 可读存储介质、骨建模配准系统及骨科手术系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669359B (zh) * 2021-01-14 2023-05-26 武汉理工大学 一种三维点云配准方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10722218B2 (en) * 2010-08-02 2020-07-28 Jointvue, Llc Method and apparatus for three dimensional reconstruction of a joint using ultrasound
CN105852971A (zh) * 2016-05-04 2016-08-17 苏州点合医疗科技有限公司 基于骨骼三维中点云的配准导航方法
CN107330926A (zh) * 2017-08-25 2017-11-07 上海嘉奥信息科技发展有限公司 一种术中导航系统中的非标记医学图像配准系统及方法
CN112155734A (zh) * 2020-09-29 2021-01-01 苏州微创畅行机器人有限公司 可读存储介质、骨建模配准系统及骨科手术系统

Also Published As

Publication number Publication date
CN112991409A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112991409B (zh) 骨骼注册方法及系统及存储介质
Burschka et al. Scale-invariant registration of monocular endoscopic images to CT-scans for sinus surgery
US10537392B2 (en) Method for enabling medical navigation with minimised invasiveness
JP7171220B2 (ja) 骨組織への近接に基づく解剖学的画像の位置追跡座標系との位置合わせ
US20030011624A1 (en) Deformable transformations for interventional guidance
KR20190105092A (ko) 영상 정합 장치 및 영상 정합 방법
US20100305435A1 (en) Bone Marking System and Method
JP2016512973A (ja) 身体に対して対象を追跡するための追跡装置
EP2981943B1 (en) Method and device for determining the orientation of a co-ordinate system of an anatomical object in a global co-ordinate system
CN113950301A (zh) 用于计算机引导手术的系统
CN110946659A (zh) 影像空间与实际空间的注册方法及系统
WO2022214105A1 (zh) 骨科手术配准装置、终端设备和存储介质
CN116058965A (zh) 用于关节置换手术的骨骼注册方法及手术导航系统
CN115245384A (zh) 骨骼注册方法及系统、机器人系统及存储介质
WO2006092602A1 (en) 3d ultrasound imaging
EP3288470A1 (en) Method and device for determining geometric parameters for total knee replacement surgery
JP2022122663A (ja) 手術ナビゲーションシステム、情報処理装置、および、情報処理方法
US11202675B2 (en) Implant placement planning
CN115670649A (zh) 骨骼注册方法及系统、手术机器人系统以及存储介质
US20230020760A1 (en) Registration and/or tracking of a patient&#39;s bone employing a patient specific bone jig
US20240024035A1 (en) Preoperative imaging combined with intraoperative navigation before and after alteration of a surgical site to create a composite surgical three dimensional structural dataset
US20230233258A1 (en) Augmented reality systems and methods for surgical planning and guidance using removable resection guide marker
CA3176080A1 (en) Registration and/or tracking of a patient&#39;s bone employing a patient specific bone jig
Cuau et al. Contactless surface registration of featureless anatomy using structured light camera: application to fibula navigation in mandible reconstruction
CN113643433A (zh) 形态和姿态预估方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant