CN118575192A

CN118575192A - 用于分割和配准解剖结构的术前模型的方法和装置

Info

Publication number: CN118575192A
Application number: CN202380017841.0A
Authority: CN
Inventors: 洛伊克·彼得; 尼古拉斯·洛伊·罗达斯; 马里恩·德克鲁伊兹
Original assignee: Commed Robotics
Current assignee: Commed Robotics
Priority date: 2022-01-19
Filing date: 2023-01-19
Publication date: 2024-08-30
Also published as: EP4216163A1; EP4430566A1; US20230240762A1; WO2023139152A1; AU2023208891A1

Abstract

本发明涉及方法和装置(1)，其用于分割目标解剖结构(21)的术前模型，以将所述术前模型与手术期间暴露的目标解剖结构的图像进行配准。

Description

用于分割和配准解剖结构的术前模型的方法和装置

技术领域

本发明涉及医学领域中的图像分析领域。值得注意的是，本发明涉及对包括在手术期间获得的目标解剖结构的图像的分析，以便允许将所述目标解剖结构的术前模型与图像配准。

背景技术

如今，由于使用计算机方法和机器人装置来计划和执行手术干预所取得的进步，计算机和机器人辅助手术正在发展。通常通过三维(3D)数据集的匹配获得的不同参考(即坐标系)的配准代表了手术计划和手术执行的正确连接的基本步骤。

对于骨科手术，已经开发了许多方法，其中包括使用通常被直接手术植入至患者的骨上的基准标志物的配准程序。用不需要配准基准的程序取代这种侵入性程序是将手术侵入性降至最低的关键步骤。

配准过程允许计算连接不同坐标系的转换。配准包括在不同坐标系中定义的空间数据集的匹配。

已经提出了生物医学应用中的配准算法，以将解剖结构的术前模型与手术期间由图像系统获得的数据集相匹配。术前模型包括定义即将进行手术的解剖目标结构的3D模型的数据点集。其在术前建立，基于术前获得的医疗图像如CT扫描、MRI、PET等。然而，此模型不包括解剖部位周围可能存在的任何软组织或人工结构，其影响配准的准确度。本发明提供了解决方案，以过滤术前模型，从而在手术室中以已知的坐标系在手术期间获得目标解剖结构的术前模型的最佳配准。

发明内容

因此，本发明涉及装置，其用于分割目标解剖结构的术前模型，以将所述术前模型与手术期间暴露的目标解剖结构的图像配准，所述装置包括：

-至少一个输入，其被配置为接收：

·从至少一个3D成像传感器获取的至少一个3D图像；3D图像的数据点表示目标解剖结构的至少一个暴露部分；

·术前模型，其包括在具有至少一个第一轴的模型参考中定义的数据点，

-至少一个处理器，其被配置为：

·将术前模型的至少一个部分与3D图像的至少一个部分进行初始配准；

·定义数据点的当前子集，所述当前子集包括来自术前模型的数据点；

·生成术前模型的数据点的中间子集，所述中间子集包括数据点的当前子集的数据点，并且另外包括术前模型的至少一组附加数据点，所述附加数据点沿第一轴并且在与数据点的当前子集对应的术前模型的部分之外；

·计算表示数据点的中间子集的相应数据点与3D图像的对应数据点之间的距离的距离度量；

·确定距离度量是否小于预定义的阈值；和

·响应于确定距离度量小于预定义的阈值，将数据点的中间子集的相应数据点包括到新的迭代子集中；

·响应于确定距离度量大于预定义的阈值，丢弃来自新的迭代子集的数据点的中间子集的相应数据点；

·基于新的迭代子集将术前模型配准到3D图像的至少一个部分；

·重复以下步骤：生成数据点的中间子集、计算距离度量、确定和包括数据点作为新的迭代子集，以及进行配准，其中将新的迭代子集用作数据点的当前子集，直到满足退出标准。

换言之，对患者的目标解剖结构的术前模型进行迭代过滤以降低噪音并提高配准的准确度。例如，目标解剖结构可以是骨结构并且噪音是由妨碍配准过程的存在于骨结构上的组织引起的。

有利地，本发明允许通过包括将术前模型的数据点的选定子集配准到手术目标的3D图像上的多次迭代来获得术前模型的数据点的最佳选定子集，其中点与表示手术目标的3D图像中表示的术野中的点相关联。换句话说，通过迭代，通过添加与属于目标结构的3D图像中的数据点对应的新点来丰富从术前模型中选择的数据点的子集，同时过滤掉与周围组织或人工结构对应的点。

尽管不限于此，使用机器人辅助或手术导航植入膝关节假体，特别是TKA，是主要受益于本发明提出的方法的程序。事实上，在计算机和机器人辅助TKA中，配准步骤是计划和执行阶段之间的重要连接，因为在实际手术执行中实现术前计划期间计划的同样高的几何准确度是极其重要的。

或者，本发明还可以在手术期间需要进行配准步骤的多种场合使用。手术可以在任何解剖结构如关节结构或骨结构上进行。例如，在肩、髋、肘、踝、胫骨等解剖结构上进行。

根据一个实施方案，该装置还包括至少一个输出，该输出适于提供术前模型，所述术前模型被配准到当满足退出标准时获得的3D图像的至少一个对应部分。术前模型与术野的3D图像的配准允许估计将模型参考与手术室中的目标参考对齐的转换。由于术前手术计划先前在模型参考中被定义，了解这种转换(即配准)可以将术前手术计划中计划的动作转置到手术室中。当使用机械臂进行手术时，这一点尤其令人感兴趣。此外，骨的术前模型的使用及其与外科手术领域中目标的至少一个3D图像的配准允许独立于附着于患者的任何外部标志物而知道模型参考和目标参考之间的转换。

根据一个实施方案，目标解剖结构具有细长形状，并且模型参考中的第一轴与术前模型的纵轴对齐。

根据一个实施方案，模型的数据点的初始子集由来自术前模型的数据点构成，所述来自术前模型的数据点包括在沿第一轴的坐标原点和预定义的初始迭代坐标之间，使得数据点的当前子集的数据点中沿第一轴的最大坐标值等于预定义的初始迭代坐标。

根据一个实施方案，在每次迭代时，术前模型的数据点的中间子集由数据点的当前子集的数据点生成，此外，从位于数据点的当前子集的数据点中沿第一轴的最大坐标值和最大坐标值加上沿第一轴的迭代步长之间的术前模型的至少一组数据点的生成。

根据一个实施方案，迭代步长是预定义的且恒定的。根据一个实施方案，迭代步长在每次迭代时进行调整。

根据一个实施方案，至少一个处理器被配置为基于与目标解剖结构和/或手术类型相关的信息来选择预定义的初始迭代坐标。

根据一个实施方案，至少一个处理器还被配置为计算配准分数，所述配准分数表示目标解剖结构的术前模型和数据点的当前子集之间的配准的准确度；并且其中当配准分数已经达到最佳值时，满足所述退出标准。这有利地允许在认为配准的质量令人满意时停止迭代。事实上，配准的质量与用于操作目标解剖结构的手术工具的定位精度直接相关，因此配准越准确，根据术前手术计划的手术工具的定位就越准确。由于手术中涉及的目标解剖结构牢固地固定在手术台上，因此相对于外部环境(即成像传感器、机器人装置等)是刚性的，因此本发明的配准方法可以只执行一次。在手术期间目标解剖结构移位的情况下，可以重复配准过程。

根据一个实施方案，配准分数是数据点的当前子集的数据点与3D图像中对应数据点之间的平均平方距离的平方根的函数。根据一个实施方案，在RMSE计算中使用的距离度量是欧几里得距离。

根据一个实施方案，至少一个处理器还被配置为计算配准分数，所述配准分数表示数据点的当前子集与3D图像中的对应数据点之间的配准的准确度；以及使用获得了配准分数的最佳值的数据点的当前子集来配准术前模型，从而获得术前模型与目标解剖结构的最佳配准。或者，处理器可以被配置为选择在迭代期间已经获得最高配准分数的配准结果。

根据一个实施方案，退出标准被配置为，对于给定次数的迭代，当数据点的当前子集中没有数据点与3D图像中对应数据点之间的距离低于预定义的阈值时，则停止迭代。

根据一个实施方案，至少一个处理器还被配置为通过分割包括目标解剖结构的至少一个部分的医学图像来生成目标解剖结构的术前模型。

根据一个实施方案，至少一个处理器被配置为当数据点的当前子集的所有点沿第一轴的最大坐标值超过预定义的最终坐标时，停止重复以下步骤：生成数据点的中间子集、计算距离度量、确定和包括数据点作为新的迭代子集以及进行配准。

根据一个实施方案，预定义的最终坐标是基于与目标解剖结构和/或手术类型相关的信息来定义的。

本发明还涉及用于分割目标解剖结构的术前模型以将术前模型与手术期间暴露的目标解剖结构配准的计算机实施方法，所述方法包括：

-接收从至少一个3D成像传感器获取的至少一个3D图像，所述3D图像的所述数据点表示患者的目标解剖结构的至少一个暴露部分；接收包括在具有至少一个第一轴的模型参考中定义的数据点的术前模型，

-将术前模型的至少一个部分初始配准到3D图像的至少一个部分；

-定义数据点的当前子集，所述当前子集包括来自术前模型的数据点；

-生成术前模型的数据点的中间子集，所述中间子集包括数据点的当前子集的数据点，并且另外包括术前模型的至少一组附加数据点，所述附加数据点沿第一轴并且在与数据点的当前子集对应的术前模型的部分之外；

-计算表示数据点的中间子集的相应数据点与3D图像的对应数据点之间的距离的距离度量；

-确定距离度量是否小于预定义的阈值；和

-响应于确定距离度量小于预定义的阈值，将数据点的中间子集的相应数据点包括到新的迭代子集中；

-响应于确定距离度量大于预定义的阈值，丢弃来自新的迭代子集和所有未来迭代子集的数据点的中间子集的相应数据点；

-基于新的迭代子集将术前模型配准到3D图像的至少一个部分；

-重复以下步骤：生成数据点的中间子集、计算距离度量、确定和包括数据点作为新的迭代子集的，以及进行配准，其中将新的迭代子集用作数据点的当前子集，直到满足退出标准。

此外，本公开涉及包括软件代码的计算机程序，该软件代码适于在由处理器执行程序时执行用于分割暴露的目标解剖结构的方法，该方法符合上述执行模式中的任何一种。

本公开还涉及可由计算机读取的非暂时性程序存储装置，其有形地实施可由计算机执行的指令程序，以执行符合本公开的用于分割暴露的目标解剖结构的方法。

这种非暂时性程序存储装置可以是，但不限于，电子、磁性、光学、电磁、红外或半导体装置，或上述装置的任何合适的组合。应当理解，尽管下文提供了更具体的实例，但以下装置仅仅是本领域普通技术人员容易理解的说明性而非详尽的列表：便携式计算机软盘、硬盘、ROM、EPROM(可擦除可编程ROM)或闪存、便携式CD-ROM(光盘ROM)。

定义

在本发明中，以下术语具有以下含义：

术语“适于”和“配置为”在本公开中被用作广泛地涵盖本装置的初始配置、后续适配或补充，或其类似的任何组合，无论是通过材料还是软件手段(包括固件)实施。

术语“处理器”不应该被解释为局限于能够执行软件的硬件，而是泛指处理装置，例如可以包括计算机、微处理器、集成电路或可编程逻辑器件(PLD)。处理器还可以包括一个或多于一个图形处理单元(GPU)，无论是用于计算机图形和图像处理还是其他功能。此外，能够执行相关和/或结果功能的指令和/或数据可以存储在任何处理器可读介质上，例如集成电路、硬盘、CD(光盘)、光盘如DVD(数字通用光盘)、RAM(随机存取存储器)或ROM(只读存储器)。值得注意的是，指令可以存储在硬件、软件、固件或其任意组合中。

“术前模型”是指作为三维虚拟对象的三维数字(或虚拟)模型。模型的位置和方向在相关模型参考中是已知的。

手术中的“术前计划”是指在不同手术阶段要执行的一系列动作。该手术计划可以通过在手术之前执行的模拟程序来获得，该模拟程序使用来自作为手术目标的患者的解剖结构的放射学图像。例如，在膝关节置换术的情况下，术前计划将包括定义与股骨和胫骨的三维模型相关的每个切割平面和钻孔轴线。

“参考”是指使用一个或多于一个数字或坐标来唯一确定点或其他几何元件在欧几里得空间等流形上的位置的坐标系。

“(图像)配准”是指将不同的数据集转换为一个坐标系的过程。图像配准涉及对“运动”图像进行空间转换，以与“目标”图像对齐。目标图像中的参考系(即，参考)是静止的，而其他数据集被转换以与目标匹配。

附图说明

图1是示意性地表示符合本公开的用于分割的装置的特定模式的框图；

图2是根据本公开的3D图像和术前模型在初始配准之后、在过滤掉与目标解剖结构无关的数据点之前的数据点的至少一个子集的示意图；

图3是根据本公开的配准到3D图像的数据点的最佳子集的术前模型的示意图；

图4从左到右示出了(a)目标解剖结构的3D术前模型的示意图，(b)包括暴露的目标解剖结构的术野的示意图和(c)与术野示意图重叠的术前模型的数据点的子集的示意图；

图5示出了(a)从术前模型中选择的数据点的第一子集和(b)从术前模型中选择用于第i次迭代的数据点的子集的示意图。

图6在左侧示出了在方法的第一次迭代时定义的配准到3D术前模型的3D图像的数据点的第一子集，在右侧示出了在该方法的多次迭代后获得的配准到3D手术前模型的数据点的子集。

图7(a)示出了配准到3D图像中表示的目标解剖结构上的术前模型的点云的示意性透视图，其元件在这里示意性地表示为线和轮廓。图7(b)示出了与图7(a)中所示的平面A-A对应的横截面，其中灰点表示3D图像中属于平面A-A的点，黑色部分表示术前模型图像中属于平面A-A的点。

图8示出了配准到3D术前模型的3D图像的数据点的一个子集的透视图；

图9是示出用图1的预测装置执行的连续步骤的流程图；

图10示意性地示出了集成了图1的分割装置的功能的设备。

在附图中，附图不是按比例绘制的，相同或相似的元件由相同的附图标记表示。

具体实施方式

本说明书说明了本发明的原理。应当理解，本领域的技术人员将能够设计出各种布置，这些布置虽然没有在这里明确描述或示出，但是体现了本公开的原理，并且包括在其范围内。

本文引用的所有实例和条件语言主要是为了教育目的，以帮助读者理解本公开的原理和发明人为促进本领域所贡献的概念，并且应被解释为不限于这些具体引用的实例和条件。

此外，本文叙述本公开的原理、方面和实施方案及其具体实例的所有陈述旨在涵盖其结构和功能等同物。此外，这种等同物旨在包括当前已知的等同物以及将来开发的等同物，即，开发的执行相同功能的任何元件，而不管结构如何。

因此，例如，本领域的技术人员将理解，本文所呈现的框图可以表示体现本公开的原理的说明性电路的概念视图。类似地，将理解的是，任何流程表、流程图等表示各种过程，这些过程可以基本上在计算机可读介质中表示，并由计算机或处理器执行，无论是否明确示出了所述计算机或处理器。

可以通过使用专用硬件以及能够执行与适当软件相关联的软件的硬件来提供图中所示的各种元件的功能。当由处理器提供时，功能可以由单个专用处理器、单个共享处理器或多个单独的处理器提供，其中一些处理器可以是共享的。

应当理解，图中所示的元件可以以各种形式的硬件、软件或其组合来实施。优选地，这些元件在一个或多于一个适当编程的通用装置上以硬件和软件的组合来实施，该通用装置可以包括处理器、存储器和输入/输出接口。

将参考装置1的特定功能实施方案来描述本公开，以识别用于分割暴露的目标解剖结构的点的最佳子集，如图1所示。

装置1适于产生这样的数据点的最佳子集31，用于将术前模型21配准到表示在手术期间获得的目标解剖结构T的至少一个3D图像的图像数据22。值得注意的是，作为输出获得的数据点的最佳子集31主要包括与目标解剖结构T相关联的一个术中模型21的点，因为在该方法的多次迭代期间已经排除了属于其他结构(即，软组织如肌腱、软骨、皮肤等或外部物体如骨螺钉、手术工具等)的所有点。

3D图像22可以从手术室中存在的至少一个3D成像传感器得到，并且以这样的方式定位，即在其视场中包括包含目标解剖结构T的术野的至少一个部分。事实上，在骨科手术期间，外科医生进行目标解剖结构的暴露，在这种情况下，目标解剖结构可以是骨，必须对其执行诸如机械加工或钻孔的手术。术野基本上是患者要进行手术的的区域，其将包括暴露的目标解剖结构T和周围结构B，例如组织(即软骨、肌腱、肌肉、皮肤或在手术期间不是目标的骨等)和/或人工结构(即骨螺钉、手术工具、抓握工具等)。图4(b)中提供了示例性术野的示意图。

3D成像传感器是指用于获取三维真实场景的拓扑数据的传感器。这些拓扑数据以点云和/或深度图的形式记录。在下文中，术语“数据点”将用于指代点云或深度图两者，因为本领域技术人员知道如何对点云和深度图两者执行配准。因此，一个3D图像22的数据点的至少一个部分表示患者的目标解剖结构T的至少一个暴露部分。其他数据点通常与包括在3D成像传感器的视场中的目标解剖结构T周围的结构B相关联。

可以利用多种采集技术来获得这些拓扑数据，例如基于波传播时间的测量的技术，例如超声波或光(LIDAR，飞行时间)或立体相机或传感器，其是具有两个或多于两个镜头的相机类型，每个镜头具有独立的成像传感器或胶片框架。这使得相机能够模拟人类的双眼视觉，从而使其能够捕捉三维图像。其他技术可以基于光变形，例如结构光3D扫描仪，其将光的图案投影到对象上并观察该图案在对象上的变形。结构光3D扫描仪的优势在于速度和精度。结构光扫描仪不是一次扫描一个点，而是一次扫描多个点或整个视场。在几分之一秒内扫描整个视场减少或消除了运动失真的问题。另一类技术基于激光扫描，用于使用激光技术(例如手持式激光或飞行时间3D激光扫描仪)对表面进行采样或扫描。更一般地，提供三维真实场景的拓扑数据的本领域技术人员已知的任何技术都可以用于实施本发明。

3D图像22可以是灰度图像或彩色(RGB-D)图像等。3D图像22可以包括例如数字数据之类的数值数据。这些数据可以包括压缩形式的单个图像数据，如图像压缩领域的技术人员所公知的，例如符合例如JPEG(用于联合图像专家组)、JPEG2000或HEIF(用于高效图像文件格式)标准。

当3D图像22由3D成像传感器获取时，3D图像的数据点与传感器参考相关联，特别是与3D成像传感器的参考相关联。

对于给定的配准运行，3D图像22可以从用于获取包括目标解剖结构T的术野的至少一个部分的至少一个3D图像的唯一3D成像传感器得到。或者，可以从两个或多于两个3D成像传感器，或者甚至从两种或多于两种不同类型的3D成像传感器来得到3D图像22。在这种情况下，来自多个传感器的数据可以组合成单个融合点云或深度图。

术前模型21包括定义将对其执行外科手术的解剖目标结构的3D模型的一组数据点。术前模型21的数据点在模型参考中定义，其中定义了第一轴X₁。术前模型21可以从在手术之前获取的医学图像中获得。通常，所述医学图像是通过医学成像(CT、MRI、PET等)获得的患者的图像(或切片)。3D术前模型21可以通过对这些医学图像进行分割处理，然后在图像之间进行插值来获得。可以修改从医学图像的分割和插值获得的3D术前模型21，以考虑医学图像中不可见的元件，例如CT扫描图像中不可见的软骨。在这种情况下，可以从训练数据或生物力学模拟数据生成修改。3D术前模型21也可以由统计模型或abacuse以及与术前医学图像相关或不相关的患者数据生成。此外，术前模型21可以考虑在手术期间获得的数据而进行调整。或者，3D术前模型21可以通过使用光学跟踪系统(例如3D成像传感器本身或手术室中存在的另一系统)对暴露的骨表面上的3D点进行数字化来生成。

尽管当前描述的装置1是通用的，并且具有可以替代地或以任何累积方式执行的多种功能，但是在本公开的范围内的其他实施方式包括仅具有本功能的一部分的装置。

装置1有利地是被设计、配置和/或适于执行所述功能并产生所述效果或结果的设备或设备的物理部件。在替代实施方式中，装置1体现为一组设备或设备的物理部件，无论是分组在同一机器中还是分组在不同的、可远程的机器中。例如，装置1可以具有分布在云基础设施上的功能，并且作为基于云的服务可供用户使用，或者具有可通过API访问的远程功能。

在下文中，模块将被理解为功能实体，而不是物理上不同的材料组件。因此，它们可以被体现为一起组合在同一个有形和具体的组件中，或者被分布到几个这样的组件中。此外，这些模块中的每一个本身可在至少两个物理组件之间共享。此外，这些模块也可以用硬件、软件、固件或其任何混合形式来实施。它们优选地包含在装置1的至少一个处理器中。

如图1所示，装置1包括用于接收图像数据22(即，3D图像)和术前模型21的模块11，这些图像数据可以存储在一个或多于一个本地或远程数据库10中。后者可以采取可从任何种类的适当存储方式获得的存储资源的形式，其可以特别是RAM或EEPROM(电可擦除可编程只读存储器)，例如闪存，也可在SSD(固态硬盘)内。在有利的实施方案中，术前模型21先前已经由包括用于生成3D术前模型的装置的系统生成。或者，从通信网络接收术前模型21。

装置1还任选地包括用于预处理所接收的3D图像22和可能的术前模型21的模块12。为了效率和可靠的处理，模块12可以特别适于标准化所接收的图像数据22。其可以例如通过图像或视频解压缩来转换图像数据22。根据各种配置，模块12适于以任何可能的组合、以适合于以下处理阶段的任何方式仅执行上述功能的一部分或全部。

在有利的模式中，模块12被配置为用于预处理图像数据22，以便使图像标准化。这可以提高装置1的下游处理的效率。当利用来自不同来源，包括可能不同的图像系统的图像时，这种标准化可能特别有用。

装置1包括模块13，模块13的一般目的是有利地过滤出术前模型21的数据点，以便在3D图像22中只留下与暴露的目标解剖结构相关联的数据点并且在3D图像22中除去与软组织或手术工具相关联的数据点。更详细地，模块13被配置为迭代地执行一系列操作，尤其包括将术前模型21的数据点的不同子集配准到3D图像22中的相关数据点，直到满足预定义的退出标准。

如图4(a)所示，由于目标解剖结构T可以具有细长形状，例如长骨，因此第一轴X₁可以被定义为与模型参考中所述目标解剖结构的纵轴X_t对齐。通常，轴X₁方程(即，模型参考中的空间方向和位置)可以基于与目标手术结构的类型、待执行的手术的类型、外科医生的偏好等相关的预定义的信息来定义。所述第一轴可以被定义为穿过术前模型21的至少一个部分，对应于在手术期间暴露的目标解剖结构T的一部分。第一轴X₁可以由已经生成术前模型21的装置预先定义，在这种情况下，第一轴X₁的方程与术前模型21的数据点一起被接收模块11接收。或者，模块13可以被配置为定义第一轴X₁。

更详细地，模块13被配置为执行初始化步骤，该初始化步骤可以针对接收到的每个3D图像22仅执行一次。第一初始化步骤包括将术前模型21的至少一个部分数据点配准到3D图像22的至少一个部分数据点。图2示出了术前模型21与3D图像22的至少一个部分数据点的首次配准结果的实例。在这个实例中，目标解剖结构是股骨。在这种情况下，术前模型21没有以最佳方式配准，因为可以从以下事实中注意到，模型的纵轴(即，第一轴X₁)和3D图像22中股骨的纵轴X_t不重叠(即，两个轴不穿过同一对点)。另一方面，图3示出了从术前模型21和作为模块13中执行的迭代的结果而获得的数据点的最佳子集31的配准获得的重叠。在这种情况下，由于异常数据点在数据点的最佳子集31中不存在或非常少，因此配准是特别准确的，并且术前模型的纵轴X₁和3D图像22中股骨的纵轴X_t重叠。以下段落将详细解释模块13所实施的导致该结果的步骤。

在所述第一配准之后，模块13被配置为对装置1中接收的术前模型21执行第二初始化步骤。所述第二初始化步骤包括选择经配准的术前模型21的数据点的第一子集P₁。数据点的子集P₁的点是从经配准的3D术前模型21的数据点中选择的，使得每个经选择的点与在手术期间暴露的目标解剖结构的至少一个部分相关，而不与其他周围结构相关。

图4(a)示出了具有纵轴X₁的长骨的术前模型，图4(b)示出了术野的示意图，包括目标解剖结构T和周围组织/对象B，其在3D图像22中表示(例如，人眼或彩色相机所看到的那样)。图4(c)示出了术前模型21的数据点的子集在3D图像22(包括目标和非目标解剖结构)上的初步配准的示意图。由于3D图像22包括也与术前模型21中未表示的结构相关联的数据点，其配准结果差，因此目标结构X_t的纵轴与模型的纵轴(即，X₁在本实例中具有长骨)不重叠，甚至不对齐，如图4(c)所示。

为了针对数据点的第一子集P₁选择与目标解剖结构的至少一个暴露部分大部分相关的经配准的术前模型21的数据点，模块13可以被配置为选择包括在沿第一轴X₁定义的两个坐标之间的术前模型21的数据点。在一个实例中，如图5(a)所示，用于定义数据点的第一子集P1的两个坐标是沿第一轴X₁的坐标原点和预定义的初始迭代坐标因此，对于数据点的第一子集P₁，其数据点中沿第一轴X₁的最大坐标值等于预定义的初始迭代坐标

根据一个实施方案，基于与目标解剖结构和/或手术类型相关的信息来选择预定义的初始迭代坐标可以有利地选择初始迭代坐标作为骨的中心点，该骨通常在手术时暴露。例如，所述中心点可以是胫骨膝关节中心或股骨膝关节中心，其通常在全膝关节成形术期间暴露。根据第二实例，中心点可以是肩关节成形术过程中的肩胛骨盂中心。在其它实例中，本发明可以应用于任何其它随后待实施手术的目标解剖结构。

定义数据点的第一子集P₁所需的操作无需在由模块13执行的迭代中重复。在本公开中经历第i次迭代的数据点的子集被称为数据点的当前子集P_i。因此，数据点的子集P₁被认为是模块13执行的第一次迭代的数据点的当前子集。

给定新定义的数据点的当前子集P_i，模块13被配置为执行迭代重复的至少一个第一操作、第二操作、第三操作、第四操作和第五操作，直到满足退出标准。

第一操作可以包括生成数据点的中间子集该数据点的中间子集通过将来自配准的术前模型21的数据点的至少一个点或一组数据点添加到数据点的子集P_i的数据点而获得。

值得注意的是，可以通过将术前模型21的至少一组附加数据点添加到数据点的当前子集P_i的数据点上来生成术前模型的数据点的中间子集，所述至少一组附加数据点沿第一轴并且在与数据点的当前子集P_i对应的术前模型21的部分之外。

根据图5所示的一个实例，选择待添加至数据点的中间子集的数据点作为术前模型21的数据点，该术前模型21的数据点位于沿第一轴X₁的最大坐标值和所述最大坐标值加上同样沿第一轴X₁的迭代步长Δx(即)之间，如图5(b)所示。由于添加了包括在和之间的经配准的术前模型21的所有数据点，这些数据点可以对应于与目标解剖结构T或周围组织/结构B相关的3D图像22的数据点。

迭代步长Δx可以是预定义的且恒定的，或者可替换地，它可以是预定义的并从一次迭代到下一次迭代逐渐减少。事实上，当从坐标原点进一步移动时，期望添加到数据点的中间子集的点的数量越来越多地与3D图像22的数据点相关联，所述3D图像22的数据点与目标解剖结构T无关，但与周围组织/结构B相关。

或者，迭代步长Δx可以是预定义的且恒定的，或者可替换地它可以是预定义的并从一次迭代到下一次迭代逐渐增加。该实施方案有利地允许提高计算速度。

在一个替代的实施方案中，迭代步长Δx在每次迭代时基于在前一次迭代期间计算的配准分数s_i-1(即，当模块13被配置为计算配准分数时)进行调整。步Δx的长度与配准分数s_i-1成反比。或者，迭代步长Δx可以取决于沿主轴的当前位置，或者基于当前迭代值i进行缩放。迭代步长Δx也可以被配置为在坐标原点附近更短，也可以被配置在沿第一轴的坐标附近更短，其中不再有经暴露的骨，而只有软组织(即，暴露骨的外科手术切口的末端)。

第二操作被配置为计算数据点的中间子集的每个数据点与3D图像22中的对应点之间的距离度量。模块13可以使用欧几里得距离、L2范数、曼哈顿距离或本领域技术人员已知的任何适当的距离度量。图7(a)和图7(b)提供了距离度量计算的说明。图7(a)提供了配准到3D图像22(对于本方法的迭代i)的数据点的中间子集的透视图，3D图像22表示术野中包括的软组织B和目标解剖结构T。在该表示中，3D图像22中表示的软组织B和目标解剖结构T(即，点云)由实线轮廓表示，以简化具有数据点的中间子集的重叠数据点的图形表示。图7(b)示出了图7(a)中所示平面A-A的横截面视图。在横截面A-A中，实线提供了术野中存在的软组织B和目标解剖结构T的轮廓的表示，灰点表示位于A-A平面中的3D图像22的数据点，而黑色段表示也位于A-A面中的数据点的中间子集P_i的数据点。图7(b)从图形上可以看出，当数据点的中间子集的一个数据点与3D图像22的对应数据点都与目标解剖结构T相关联时，所计算的这两个数据点之间的距离d_a特别小。相反，当3D图像22上对应的数据点与仍然覆盖目标解剖结构T的软组织B相关联时，数据点的中间子集的一个数据点(即与目标解剖结构T相关联，因为其是从术前模型21中选择的一个数据点)与3D图像22对应的数据点之间计算的距离d_b更宽。因此，丢弃距离大于预定义的阈值的数据点的中间子集中的数据点，可以有效地从数据点的中间子集中删除与表示软组织或手术工具的3D图像中的数据点相关的所有数据点。该第二操作还可以包括将数据点的中间子集的每个数据点的距离度量值与预定义的阈值进行比较。

然后，第三操作被配置为生成新的数据点的子集。生成新的数据点的子集以包括数据点的中间子集的数据点，该数据点的中间子集的数据点与经配准的术前模型21的距离低于预定义的阈值。该操作有利地允许从术前模型中移除与3D图像中与目标解剖结构T相关的数据点所不相关的所有异常数据点，这些数据点可以在第一操作期间被添加到数据点的中间子集中。以这种方式，将从数据点的中间子集中删除表示目标解剖结构上部的软组织或人工结构例如从目标解剖结构突出的接骨螺钉的头部的所有数据点。

更准确地说，该第三操作包括确定距离度量是否小于预定义的阈值的步骤。响应于确定距离度量小于预定义的阈值，将数据点的中间子集的相应数据点添加到新的迭代子集P_i+1中。在其他情况下，响应于确定距离度量大于预定义的阈值，丢弃来自新的迭代子集P_i+1的数据点的中间子集的相应数据点。因此，从新的迭代子集P_i+1丢弃的数据点也将不存在于所有未来的迭代子集中，因为如果还不满足退出标准，则将新的迭代子集P_i+1用作下一次迭代i+1的数据点的当前子集。

模块13被配置为执行第四操作，该第四操作被配置为将从术前模型21中选择的新的迭代子集P_i+1配准到3D图像22的相应部分。

图6提供了数据点的当前子集的演变以及多次迭代后术前模型配准的准确度的图形表示。在图6的左侧，确实表示了数据点的第一子集P₁的实例，该数据点的第一子集P₁包括较小量的数据点，所有该较小量的数据点都与涉及目标解剖结构的3D图像数据点相关联。然而，由于术前模型21是第一次(即，在第一初始化步骤期间)使用数据点进行配准的，该数据点也可以对应于图像22中与暴露的目标解剖结构T无关的数据点，因此配准的质量仍然差，如轴X₁和X_t不重叠的事实所示。图6的右侧示出了在每次迭代时仅将配准的术前模型的数据点添加到数据点的子集的结果，该配准的术前模型的数据点与对应于目标解剖模型T而不是周围组织B的3D图像22的数据点相关联，这要归功于基于数据点与配准模型的距离来选择数据点。在本图中表示周围组织B只是为了帮助理解本发明。周围组织B不是术前模型21的一部分，在图6中，选择和表示的数据点主要与目标解剖结构T相关。图8显示了配准到数据点的当前子集P_i的术前模型21的透视图。

任选地，模块13被配置为针对第i次迭代计算代表数据点的新的子集P_i+1与3D图像22中的对应数据点之间的配准准确度的配准分数s_i。配准分数s_i可以作为数据点的新的子集P_i+1的点与3D图像22中的对应数据点之间的3D距离的均方差(均方根误差RMSE)的平方根的函数来获得。配准分数s_i可以作为数据点的新的子集P_i+1中的或包括在数据点的新的子集P_i+1中的已知解剖界标与3D图像22中对应的数据点的对应数据点对之间的欧几里德距离的函数而获得。

最后，模块13被配置为执行第五操作，该第五操作被配置为验证是否已经满足预定义的退出标准。

根据一个实施方案，预定义的退出标准基于对配准分数s_i的值的评估。例如，当配准分数s_i已经超过阈值或达到最佳值时，可以停止迭代。

根据替代的实施方案，退出标准被配置为，在给定次数的迭代(即，一次、两次或多于两次迭代)期间，当数据点的中间子集和3D图像22中没有对应的数据点对与低于预定义的阈值的距离相关联时，则停止迭代。如果模型的数据点的中间子集中少于预定义数量的数据点与3D图像中的对应数据点的距离低于预定义的阈值，则退出标准也可以被配置为停止。

根据一个实施方案，退出标准被配置为当数据点的新的子集P_i+1的所有点沿第一轴X₁的最大坐标值超过预定义的最终坐标时，停止第一操作、第二操作、第三操作和第四操作的迭代。预定义的最终坐标可以基于与目标解剖结构和/或手术类型相关的信息来定义。或者，退出标准可以被强加为预定义的最大迭代次数，使得当达到该预定义的最大次数i_max时迭代停止。

当不满足退出标准时，模块13被配置为使用数据点的新的子集P_i+1开始新的迭代i+1，该数据点的子集是迭代i+1的数据点的当前子集。因此，在新的迭代i+1期间，模块13被配置为在数据点的新的子集P_i+1上重复上述的第一操作、第二操作、第三操作、第四和第五操作。相反，当满足退出标准时，模块13被配置为停止迭代(即，停止重复第一操作、第二操作、第三操作、第四操作和第五操作)。

因此，本装置1有利地允许获得术前模型21与3D图像22中表示的经暴露的目标解剖结构T的最佳配准32。使用通过满足所选择的退出标准的迭代而选择的术前模型21的数据点的最佳子集来获得最佳配准。数据点的最佳子集可以是在满足退出标准之前执行的最后一次迭代期间选择的数据点，或者是获得最佳配准分数或其他评估参数的数据点的子集之一。

图6的右侧示出了术前模型21在3D图像22中表示的目标解剖结构T顶部的重叠，该重叠是将术前模型的数据点的最佳子集与属于目标解剖结构T的3D图像22的相应数据点配准时获得的。在这种情况下，在数据点的最佳子集中，异常数据点不存在或非常少，因此配准特别准确，并且模型的纵轴X₁和目标解剖结构轴X_t重叠。

根据一个实施方案，装置1还包括建模模块(未示出)，其被配置为通过分割包括所述目标解剖结构T的至少一个部分的医学图像来生成所述目标解剖结构21的术前模型。所述医学图像可以是在手术前获取的图像，例如从CT、MRI、PET等获得的图像，模块化模块可以被配置为对这些图像执行目标解剖结构T的分割，然后在分割的图像之间进行插值。

装置1与用户接口16交互，用户可以通过其输入和检索信息。用户接口16包括适合于输入或检索数据、信息或指令的任何装置，特别是视觉、触觉和/或音频容量，其可以包括本领域技术人员公知的以下装置中的任何一个或多于一个：屏幕、键盘、轨迹球、触压板、触摸屏、扬声器、语音识别系统。

在其自动动作中，装置1可以例如执行以下过程(图9)：

-接收术前模型和图像数据22(步骤41)，

-对图像数据22进行预处理，以便进行更有效和/或更可靠的处理(步骤42)，

-将术前模型21配准到3D图像22的至少一个部分(第一初始化步骤43)；

-在术前模型数据点21上执行迭代循环，直到满足退出标准(步骤44至步骤47)，尤其是：

ο定义模型的数据点的当前子集P_i(步骤44)；

ο生成所述术前模型的数据点的中间子集，所述中间子集包括所述当前子集P_i的数据点，此外还包括所述术前模型21的至少一组附加数据点(步骤45)；

ο计算表示数据点的中间子集的相应数据点与3D图像22的对应数据点之间的距离的距离度量(步骤46)；

ο生成数据点的新的迭代子集P_i+1，新的迭代子集P_i+1包括中间子集的数据点，所述中间子集的数据点与所述3D图像中的对应点的距离低于预定义的阈值，并且将数据点的新的迭代子集P_i+1配准到3D图像(步骤47)；和

-输出经配准的模型31。

图10的过程还可以包括使用数据点的最佳子集(即已获得最佳配准分数的数据点的当前子集)将术前模型21配准到3D图像22中的相应数据点的步骤。

在图9中可见的设备9体现了上述装置1。例如，其对应于工作站、笔记本电脑、平板电脑、智能手机或头戴式显示器(HMD)。

该设备9适合于3D图像的分割和经暴露的目标解剖结构的模型在3D图像上的配准。其包括以下元件，通过地址和数据的总线95相互连接，该总线也传输时钟信号：

-微处理器91(或CPU)；

-显卡92，包括若干图形处理单元(或GPU)920和图形随机存取存储器(GRAM)921；GPU由于其高度并行的结构而非常适合图像处理；

-ROM型非易失性存储器96；

-RAM 97；

-一个或多于一个I/O(输入端/输出端)装置94，例如键盘、鼠标、轨迹球、网络摄像头；用于引入命令的其他模式，例如也可以是语音识别；

-电源98；和

-射频单元99。

根据变型，电源98在设备9的外部。

设备9还包括直接连接到显卡92的显示屏类型的显示装置93，以显示在显卡中计算和合成的合成图像。使用专用总线将显示装置93连接到显卡92提供了具有高得多的数据传输比特率从而减少了显示由显卡构成的图像的等待时间的优点。根据变型，显示装置在设备9的外部，并且通过电缆或无线地连接到设备9，用于传输显示信号。例如通过显卡92，设备9包括用于传输或连接的接口，该接口适于将显示信号传输到外部显示装置，例如LCD或等离子屏幕或视频投影仪。在这方面，RF单元99可以用于无线传输。

注意，在下文中对存储器97和921的描述中使用的词语“寄存器”可以在所提到的每个存储器中表示低容量的存储区(一些二进制数据)以及大容量的存储区域(使得能够存储整个程序或者能够计算或显示全部数据或部分数据)。此外，RAM97和GRAM921所代表的寄存器可以以任何方式排列和构成，并且它们中的每个不一定对应于相邻的存储器位置，并且可以以其他方式分布(这特别涵盖了一个寄存器包括几个较小寄存器的情形)。

当接通时，微处理器91加载并执行包含在RAM97中的程序的指令。

如本领域技术人员将理解的，显卡92的存在不是强制性的，并且可以用整个CPU处理和/或更简单的可视化实现来代替。

在不同的模式中，设备9可以仅包括装置1的功能。此外，装置1可以以不同于独立软件的方式实现，并且可以通过API调用或经由云接口来利用仅包括设备9的一部分的设备或一组设备。

Claims

1.一种装置(1)，其用于分割目标解剖结构(21)的术前模型，以将所述术前模型与手术期间暴露的目标解剖结构的图像进行配准，所述装置(1)包括：

-至少一个输入，其被配置为接收：

-从至少一个3D成像传感器获取的至少一个3D图像(22)；所述3D图像(22)的数据点表示目标解剖结构的至少一个暴露部分；

-术前模型(21)，其包括在具有至少一个第一轴(X₁)的模型参考中定义的数据点，

-至少一个处理器，其被配置为：

·将术前模型(21)的至少一个部分初始配准到3D图像(22)的至少一个部分；

·定义包括来自术前模型(21)的数据点的数据点的当前子集(P_i)；

·生成术前模型的数据点的中间子集，所述中间子集(P_i)包括数据点的当前子集(P_i)的数据点，并且另外包括术前模型(21)的至少一组附加数据点，所述附加数据点沿第一轴(X₁)并且在与数据点的当前子集(P_i)对应的术前模型(21)的部分之外；

·计算表示数据点的中间子集的相应数据点与3D图像(22)的对应数据点之间的距离的距离度量；

·确定距离度量是否小于预定义的阈值；和

·响应于确定距离度量小于预定义的阈值，将数据点的中间子集的相应数据点包括到新的迭代子集(P_i+1)中；

·响应于确定距离度量大于预定义的阈值，丢弃来自新的迭代子集(P_i+1)的数据点的中间子集的相应数据点；

·基于新的迭代子集(P_i+1)将术前模型(21)配准到3D图像(22)的至少一个部分；

·重复以下步骤：生成数据点的中间子集、计算距离度量、确定和包括数据点作为新的迭代子集，以及进行配准，其中将新的迭代子集(P_i+1)用作数据点的当前子集(P_i)，直到满足退出标准。

2.根据权利要求1所述的装置，其中所述目标解剖结构具有细长形状，并且所述模型参考中的第一轴(X₁)与术前模型(21)的纵轴对齐。

3.根据权利要求1或2所述的装置，其中所述模型的数据点的初始子集(P_i)由来自术前模型(21)的数据点构成，所述来自术前模型(21)的数据点包括在沿第一轴(X₁)的坐标原点和预定义的初始迭代坐标之间，使得数据点的当前子集的数据点中沿第一轴(X₁)的最大坐标值等于预定义的初始迭代坐标。

4.根据权利要求3所述的装置，其中在每次迭代时，所述术前模型的数据点的中间子集由数据点的当前子集(P_i)的数据点生成，并且另外由位于数据点的当前子集的数据点中沿第一轴(X₁)的最大坐标值和所述最大坐标值加上沿第一轴(X₁)的迭代步长之间的术前模型(21)的至少一组数据点生成。

5.根据权利要求1至4中任一项所述的装置，其中所述迭代步长(Δx)是预定义的且恒定的或在每次迭代时进行调整。

6.根据权利要求1至5中任一项所述的装置，其中所述至少一个处理器被配置为基于与目标解剖结构和/或手术类型相关的信息来选择预定义的初始迭代坐标。

7.根据权利要求1至6中任一项所述的装置，其中所述至少一个处理器还被配置为计算配准分数(s_i)，所述配准分数(s_i)表示目标解剖结构(21)的术前模型和数据点的当前子集(O_i)之间的配准的准确度；并且其中当所述配准分数(s_i)已经达到最佳值时，满足退出标准。

8.根据权利要求7所述的装置，其中所述配准分数(s_i)是数据点的当前子集(P_i)的数据点与3D图像(22)中对应数据点之间的平均平方距离的平方根的函数。

9.根据权利要求1至8中任一项所述的装置，其中所述退出标准被配置为，对于给定次数的迭代，当数据点的当前子集(P_i)中没有数据点与3D图像(22)中对应数据点之间的距离低于预定义的阈值时，则停止迭代。

10.根据权利要求1至9中任一项所述的装置，其中所述至少一个处理器还被配置为通过分割包括所述目标解剖结构的至少一个部分的医学图像来生成所述目标解剖结构(21)的术前模型。

11.根据权利要求1至10中任一项所述的装置，其中所述至少一个处理器被配置为，当数据点的当前子集(P_i)的所有点沿第一轴(X₁)的最大坐标值超过预定义的最终坐标时，则停止重复以下步骤：生成数据点的中间子集、计算距离度量、确定和包括数据点作为新的迭代子集以及进行配准。

12.根据权利要求11所述的装置，其中所述预定义的最终坐标是基于与目标解剖结构和/或手术类型相关的信息来定义的。

13.一种计算机实施方法，其用于分割目标解剖结构(T)的术前模型，以将术前模型与手术期间暴露的目标解剖结构的图像进行配准，所述方法包括：

-接收从至少一个3D成像传感器获取的至少一个3D图像(22)，所述3D图像的数据点表示患者的目标解剖结构的至少一个暴露部分；接收包括在具有至少一个第一轴(X₁)的模型参考中定义的数据点的术前模型(21)，

-将术前模型(21)的至少一个部分初始配准到3D图像(22)的至少一个部分；

-定义包括来自术前模型(21)的数据点的数据点的当前子集(P_i)，

-生成术前模型的数据点的中间子集，所述中间子集包括数据点的当前子集(P_i)的数据点，并且另外包括术前模型(21)的至少一组附加数据点，所述附加数据点沿第一轴并且在与数据点的当前子集(P_i)对应的术前模型(21)的部分之外；

-计算表示数据点的中间子集的相应数据点与3D图像(22)的对应数据点之间的距离的距离度量；

-确定距离度量是否小于预定义的阈值；和

-响应于确定距离度量小于预定义的阈值，将数据点的中间子集的相应数据点包括到新的迭代子集(P_i+1)中；

-响应于确定距离度量大于预定义的阈值，丢弃来自新的迭代子集(P_i+1)的数据点的中间子集的相应数据点；

-基于新的迭代子集(P_i+1)将术前模型(21)配准到3D图像(22)的至少一个部分；

-重复以下步骤：生成数据点的中间子集、计算距离度量、确定和包括数据点作为新的迭代子集，以及进行配准，其中将新的迭代子集(P_i+1)用作数据点的当前子集(P_i)，直到满足退出标准。

14.一种计算机程序产品，其包括指令，当所述程序由计算机执行时，所述指令使计算机执行根据权利要求13所述的方法。