CN1836255A - 虚拟内窥镜图像的配准的方法和设备 - Google Patents

Abstract

一种用于配准第一和第二患者位置上的虚拟内窥镜图像的方法包括：执行结肠分段和特征提取，该特征包括每个图像的中心线和结肠表面数据；重新采样所述中心线和结肠表面数据；计算相应的局部描述符；通过最小代价匹配在第一和第二图像之间来配对所述中心线上的点对应；将所述中心线点对应外推到第一和第二图像之间的三维(3D/3D)变换。所述方法也包括：在所述图像之一中选择虚拟内窥镜的位置；将直角坐标系与所述虚拟内窥镜相关联；和将所述3D/3D变换应用到所述直角坐标系，从而导出另一图像中的相应变换的虚拟内窥镜的坐标系。

Description

虚拟内窥镜图像的配准的方法和设备

相关申请的交叉参考

优先权

由此特别参考以Christophe Chefd’hote1和Bernhard Geiger的名义于2003年8月14日提交的题为“POINT SET MATCHING FORPRONE-SUPINE REGISTRATION IN VIRTUAL ENDOSCOPY(虚拟内窥镜检查中的俯卧-仰卧配准的点集匹配)”的美国临时申请No.60/495,304(代理人档案号为No.2003P12266US)，该申请的申请人即本申请的发明人，并且本发明要求了该申请的优先权而且该申请的公开内容通过参考被结合于此。

技术领域

本发明涉及虚拟内窥镜检查的领域，并且尤其涉及用于自动地使诸如虚拟结肠镜检查的虚拟内窥镜检查中的体积图像视图同步的方法。

背景技术

虚拟结肠镜检查(VC)指的是基于使用患者特定的三维(3D)解剖数据集的标准微创内窥镜检查程序的计算机仿真的诊断方法。目前的内窥镜检查程序的例子包括：支气管镜检查、窦镜检查、上消化道(upper gastro-intestinal)内窥镜检查、结肠镜检查、膀胱镜检查、心脏镜检查、和尿道镜检查。无创获得的患者特定的解剖结构的VC显影避免与真正的内窥镜检查相关的诸如穿孔、感染、出血等风险，并且在执行实际的内窥镜检查之前向内窥镜检查师提供重要信息。这样的信息和理解可以使程序难度最小化，减小患者发病率，增强训练并且促进对治疗结果的更好的理解。

在虚拟内窥镜检查中，例如通过体绘制从二维(2D)的计算机断层成像(CT)或磁共振(MR)数据中产生3D图像。当今的CT和MRI扫描仪典型地产生一组横截面图像，所述横截面图像组合在一起产生一组体数据。这些3D图像被创建以仿真来自实际内窥镜、诸如光导纤维内窥镜的图像。在虚拟内窥镜检查的领域中，并且尤其在虚拟结肠镜检查的领域中，期望的是，提供用于不同内窥镜视图的同步，诸如在患者的俯卧和仰卧位置上所获得的视图的同步。这便于识别不同视图中的特征并且便于例如并行研究结肠癌筛选中的俯卧和仰卧获取。

用于同步这样的视图的现有方法典型地假设结肠中心线由单个连通分支形成。例如参见B.Acar、S.Napel、D.S.Paik、P.Li、J.Yee、C.F.Beaulieu、R.B.Jeffrey的Registration of supine and pronect colonography data：Method and evaluation(仰卧和俯卧CT结肠成像数据的配准：方法和评估)(Radiological Society of NorthAmerica 87th Scientific Sessions，2001)；B.Acar、S.Napel、D.S.Paik、P.Li、J.Yee、R.B.Jeffrey、C.F.Beaulieu的Medial axisregistration of supine and prone CT colonography data(仰卧和俯卧CT结肠成像数据的中轴配准)(Proceedings of 23rd AnnualInternational Conference of the IEEE Engineering in Medicineand Biology Society(EMBC 2001)，伊斯坦布尔，土耳其，2001年10月25-28日)；和D.Nain、S.Haker、W.E.L.Grimson、E.CosmanJr、W.Wells、H.Ji、R.Kikinis、C.-F.Westin在2002年9月日本东京的Proceedings of MICCAI 2002中的Intra-Patient Prone toSupine Colon Registration for Synchronized VirtualColonoscopy(同步的虚拟结肠镜检查的患者内俯卧至仰卧的结肠配准)。

发明内容

在此认识到，结肠中心线由单个连通分支形成的假设在许多情况下可能不是完全有效的假设，这些情况例如包括发生部分阻塞，这些阻塞可能在不完全注气的情况下并且例如由于不理想的数据分段而导致。

本发明的目标是提供一种便于并行研究诸如结肠癌筛选的应用中的俯卧和仰卧获取的方法。

根据本发明的方面，提供了一种用于自动地使虚拟结肠镜检查中的两个体积图像的内窥镜视图同步的方法。在一个方面，所述方法利用两个点集的最佳匹配，每个点集用于相应的体积图像的每个体积。这些集合对应于结肠中心线的均匀样本。点对应使用正则化径向基函数近似在空间上被扩展到整个数据。

根据本发明的方面，所述方法并不需要假设结肠中心线由单个连通分支形成。所述方法允许处理部分阻塞，常常在不完全注气或不理想的数据分段的情况下遇到的情形。

根据另一实施例，直接在结肠表面上对多个点进行采样。

根据本发明的实施例，使用包括诸如肠道准备(bowelpreparation)和注气的程序的结肠镜检查协议来获得两个体积图像。对于每个体积，代表结肠中心线的连接段的一组折线是可用的。从所述中心线的每个点到结肠表面上的其最近点的距离(另外在此也被称为结肠半径)被认为是已知的。

根据本发明的方面，一种用于配准虚拟内窥镜图像或虚拟内窥镜图像之间的配准的方法包括：通过内窥镜检查协议导出第一和第二体积图像并且由相应的第一和第二体积图像数据集表示所述图像；通过连接线分支导出相应的中心线表示；重新采样连通分支，以提供相应的第一和第二样本集；计算每个样本的描述符；使用所述描述符之间的距离来计算相似矩阵；和通过对所述相似矩阵应用最小化算法来确定第一和第二样本集之间的点对应的最佳集合。

根据本发明的另一方面，导出第一和第二体积图像的步骤包括通过结肠镜检查协议导出第一和第二体积图像的步骤。

根据本发明的另一方面，导出相应的中心线表示的步骤包括通过连接折线分支导出相应的中心线表示的步骤；在所述体积图像的每个体积图像中识别出结肠表面；通过确定从所述中心线表示的每个点到结肠表面上的分别最近的点的距离导出相应的结肠半径信息。

根据本发明的另一方面，一种方法包括以下步骤：将中心线点对应外推到第一和第二体积图像之间的三维/三维(3D/3D)变换；和应用所述3D/3D变换，以在第一和第二体积图像之间对虚拟内窥镜位置进行变换。

根据本发明的另一方面，一种用于第一和第二体积图像的俯卧-仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获得并包括由连接折线分支形成的相应的中心线表示、和包括相应的结肠半径信息，该方法包括：重新采样连通分支，以提供相应的第一和第二中心线样本集；计算每个样本的描述符；使用所述描述符之间的距离来计算相似矩阵；通过对所述相似矩阵应用最小化算法来确定第一和第二样本集之间的中心线点对应的最佳集合；将所述中心线点对应外推到第一和第二体积图像之间的3D/3D变换；和应用所述3D/3D变换，以在第一和第二体积图像之间对虚拟内窥镜位置进行变换。

根据本发明的另一方面，一种用于第一和第二体积图像的俯卧-仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获得、由相应的第一和第二体积数据集表示、包括由连接折线形成的相应的中心线表示、和包括结肠半径信息，该方法包括：重新采样连接折线，以提供相应的第一和第二样本集；计算每个样本的描述符；使用所述描述符之间的距离来计算相似矩阵；和通过对所述相似矩阵应用最小化算法来确定第一和第二样本集之间的点对应的最佳集合。

根据本发明的另一方面，所述方法包括将所述中心线点对应的最佳集合外推到第一和第二体积图像之间的3D/3D变换的步骤。

根据本发明的另一方面，所述方法包括应用所述3D/3D变换以在第一和第二体积图像之间对虚拟内窥镜位置进行变换的步骤。

根据本发明的另一方面，一种用于在第一和第二患者位置的虚拟内窥镜检查图像之间进行配准的方法包括：执行结肠分段和特征提取，该特征包括针对每个图像的中心线和结肠表面数据；重新采样所述中心线和结肠表面数据；计算相应的局部描述符；通过最小代价匹配在第一和第二图像之间来配对所述中心线上的点对应；将所述中心线点对应外推到第一和第二图像之间的3D/3D变换。

根据本发明的另一方面，一种用于第一和第二体积图像的俯卧-仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获得、并由第一和第二体积图像数据集表示、包括由连接折线分支形成的相应的中心线表示、和包括相应的结肠半径数据，该方法包括：重新采样连接线分支，以提供相应的第一和第二样本集；针对每个样本计算描述符，所述描述符包括几何特征向量和所述结肠半径数据的估计值；使用所述描述符之间的距离来计算相似矩阵；通过对所述相似矩阵应用最小化所有对应点之间的距离之和的算法来对所述相似矩阵应用最小化程序，以确定第一和第二样本集的点之间的对应的最佳集合；将所述中心线点对应外推到第一和第二体积图像之间的3D/3D变换；在所述体积图像之一中选择虚拟内窥镜的位置；将直角坐标系与所述虚拟内窥镜相关联；和将所述3D/3D变换应用到所述直角坐标系，从而导出另一体积图像中的相应变换的虚拟内窥镜的坐标系。

根据本发明的另一方面，一种用于配准虚拟内窥镜图像的方法，该方法包括：通过结肠镜检查协议导出第一和第二体积图像并且由相应的第一和第二体积图像数据集表示该第一和第二体积图像；通过连接折线分支导出相应的中心线表示；在所述体积图像的每个体积图像中识别出结肠表面；通过确定从所述中心线表示的每个点到结肠表面上的分别最近的点的距离来导出相应的结肠半径信息；重新采样连通分支，以提供相应的第一和第二样本集；计算每个样本的描述符；使用所述描述符之间的距离来计算相似矩阵；通过对所述相似矩阵应用最小化算法来确定第一和第二样本集之间的点对应的最佳集合。

根据本发明的另一方面，一种方法包括将所述中心线点对应外推到第一和第二体积图像之间的3D/3D变换。

根据本发明的另一方面，一种方法包括应用所述3D/3D变换以在第一和第二体积图像之间对虚拟内窥镜位置进行变换。

根据本发明的另一方面，用于第一和第二体积图像的俯卧-仰卧配准的设备，所述第一和第二体积图像通过虚拟结肠镜检查获得并包括由连接折线分支形成的相应的中心线表示、和包括相应的结肠半径信息，该设备包括：用于重新采样连通分支以提供相应的第一和第二中心线样本集的设备；用于计算每个样本的描述符的设备；用于使用所述描述符之间的距离计算相似矩阵的设备；用于通过对所述相似矩阵应用最小化算法确定第一和第二样本集之间的中心线点对应的最佳集合的设备；用于将所述中心线点对应外推到第一和第二体积图像之间的3D/3D变换的设备；和用于应用所述3D/3D变换以在第一和第二体积图像之间对虚拟内窥镜位置进行变换的设备。

根据本发明的另一方面，用于配准虚拟内窥镜图像的设备，该设备包括：用于通过内窥镜检查协议导出第一和第二体积图像并且由相应的第一和第二体积图像数据集表示该第一和第二体积图像的设备；用于通过连接线分支导出相应的中心线表示的设备；用于重新采样连通分支以提供相应的第一和第二样本集的设备；用于计算每个样本的描述符的设备；用于使用所述描述符之间的距离计算相似矩阵的设备；和用于通过对所述相似矩阵应用最小化算法来确定第一和第二样本集之间的点对应的最佳集合的设备。

根据本发明的另一方面，一种用于配准第一和第二患者位置上的虚拟内窥镜检查图像的方法包括：执行结肠分段和特征提取，该特征包括每个图像的中心线和结肠表面数据；重新采样所述中心线和结肠表面数据；计算相应的局部描述符；通过最小代价匹配在第一和第二图像之间来配对所述中心线上的点对应；将所述中心线点对应外推到第一和第二图像之间的3D/3D变换。所述方法还包括在图像之一中选择虚拟内窥镜的位置；将直角坐标系与虚拟内窥镜相关联；和将所述3D/3D变换应用到所述直角坐标系，从而导出另一图像中的相应变换的虚拟内窥镜的坐标系。

附图简述

结合附图，从后面的详细描述中将更全面理解本发明的这些方面和其它方面，其中

图1示出有助于理解本发明的结肠表面及其中心线的表示；

图2示出根据本发明的实施例的步骤的流程图；

图3示出根据本发明的中心线连通分支的均匀重新采样；

图4示出根据本发明的表面均匀采样；和

图5示出适于实施本发明的设备的框图。

发明详述

图1示出结肠表面及其中心线的表示。该中心线在结肠的图像内被表示为更亮的有色线。

概括地，根据本发明的方法的实施例包括计算局部形状描述符的第一步骤。所述计算包括均匀重新采样所有连接中心线分支，并且对于每个样本，使用局部形状属性计算多值描述符。

所述方法包括最佳点集匹配的又一步骤，其包括：使用描述符之间的距离计算相似矩阵和使用针对加权二部图的匹配算法确定最佳点对应(最佳分配问题)。

根据本发明的进一步的步骤包括执行内窥镜视图的配准和同步，径向基函数近似被用于将中心线对应外推到体积之间的3D/3D变换，并且在虚拟内窥镜检查用户界面中，内窥镜的位置和方向使用所得到的变换来更新。

图2关于第一和第二对象位置例如示出俯卧和仰卧数据，和以下步骤：结肠分段和特征提取2(中心线/表面)；中心线/表面重新采样和局部描述符的计算4；使用最小代价匹配进行点配对6；外推到3D/3D变换和内窥镜同步(位置/方向)；和同步的(俯卧/仰卧)导航和工作流程。图2也示出具有并列的俯卧和仰卧示图2A-8A的相应的并行图形表示。

在进一步的细节中，数据重新采样的所述步骤包括选择固定数量N的采样点。对于每个数据集，其中心线分支的总长度被计算，也就是被累加，并且除以N-1。每个连通分支然后被重新采样，使得各点之间的弧长对应于先前计算的值(总长度/(N-1))。新样本点的位置通过线性插值来计算。

图3示出中心线连通分支的均匀重新采样：最初采样是图3(b)的实线，而图3(d)的最暗的线指示均匀重新采样后的结果。

接着详述描述符计算的步骤。于是，针对每个样本点计算多值描述符。该描述符可以由以下属性形成：

标量几何特征(曲率、转矩、到质心的距离)的向量以及到结肠表面的估计距离(结肠半径)；和

包含从当前点到(相同数据集的)所有其它样本的欧几里德距离和方向的向量列表。方向可以在局部(弗伦内)坐标系中或使用总坐标系进行计算。

针对关于弗伦内公式、曲率、转矩和相关问题的说明性材料例如参见Michael D.Greenberg所著的数学课本“Advanced EngineeringMathematics(高等工程数学)”第二版(Prentice-Hall，Upper SaddleRiver，新泽西；1998年)的第15章。

对于相似矩阵计算，建立N×N阶相似矩阵。该相似矩阵为第一集合的每个元素提供了其描述符和第二集合的所有元素的描述符之间的“距离”。两个描述符之间的该距离被看作其相应属性之间的平均距离。应当注意，由于属性之间的距离可能不具有相同的范围，在获得平均值之前它们被标准化。标量属性之间的距离由它们的平方差的一半给出，并且对于欧几里德距离和方向的向量，使用统计学相似测量结果来估计所述距离，采用其相反值并且必要时应用偏差。为了计算两个向量之间的统计学相似测量结果，它们的元素被假设是两个随机变量X和Y的样本。

根据本发明的方面，下面描述三种可能的策略。

(a)所述向量是等级排列的并且斯皮尔曼等级相关被计算。为了详细描述该技术，例如参见W.H.Press、S.A.Teukolsky、W.T.Vetterling、B.P.F1annery所著的《Numerical Recipes in C(C语言的数值算法)》(第二版，剑桥大学出版社，1992年)。斯皮尔曼等级相关系数由下式定义：

$r^{\′}\≡1-6\mathrm{\Σ}\frac{d^2}{N(N^2-1)}---\left(1\right)$

其中d_i是向量的第i个元素的等级之差。斯皮尔曼等级相关系数提供了两个变量之间的相关强度的测量结果。对于斯皮尔曼等级相关系数，例如参见《CRC Concise Encyclopedia of Mathematics(CRC数学简明全书)》(第二版，Eric W.Weisstein；Chapman和Hall/CRC，纽约，2002年)的第2762页以及下列等等。

(b)向量元素的直方图被计算并且使用Kullback-Leiber发散或卡方测量(Chi-square measure)来比较。Kullback-Leiber距离由下式定义：

$D\left(f_X\right|\left|f_Y\right)=\underset{x}{\mathrm{\Σ}}{f}_X\left(x\right)\log \frac{f_X\left(x\right)}{f_Y\left(x\right)}---\left(2\right)$

其中f_X和f_Y分别代表相应变量X和Y的概率(标准化直方图)。

对于Kullback-Leiber发散或距离，例如参见《MathematicsHandbook for Science and Engiheering(科学和工程数学手册)》(Rde和Westergren，Studentlitteratur Birkhuser，瑞典，1995年)的第410页。

卡方测量在数学课本中被论述；例如参见William Volk的《Applied Statistics for Engineers(工程师应用统计学)》(McGraw-Hill Book Company，Inc.，纽约，1958年)的第5章。

(c)向量元素的两个集合的联合直方图被计算，并且它们的相似性由它们的交互信息给出。该交互信息由下式定义：

$I(X,Y)=\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{f}_{X,Y}(x,y)\log \frac{f_{X,Y}(x,y)}{f_X\left(x\right)f_Y\left(y\right)}---\left(3\right)$

这里，f_X，Y(x，y)和f_X(x)、f_Y(y)分别代表一对随机变量(X，Y)的联合和边缘概率。

对于交互信息，例如参见上面引用的Rde和Westergren的《Mathematics Handbook for Science and Engineering》的第410页和上面引用的Weisstein的《CRC Concise Encyclopedia ofMathematics》。

关于二部图匹配，假设N个点的两个集合和N×N阶相似矩阵，设法找到最小化所有相应点之间的距离之和的最佳配对(最佳分配)。这可以使用加权二部图匹配算法进行精确计算。快速增长路径技术可被用于之前在上面获得的相似矩阵，如在R.Jonker、A.Volgenant的出版物《A Shortest Augmenting Path Algorithm forDense and Sparse Linear Assignment Problems(用于密集和稀疏线性分配问题的最短增长路径算法)》(Computing，38：325-340，1987年)中所描述的那样。

接下来考虑变换的计算，一旦在两个点集之间建立一对一对应，它就可以被用作相应几何标志的集合。通过使用正则化径向基函数近似来计算两个变换(从第一体积到第二体积的3D/3D映射，并且相反地从从第二体积到第一体积的3D/3D映射)，可以将标志对应传播到整个空间。根据经验选择正则化参数。

应当注意整个过程：描述符计算、匹配、变换的计算可以在初始点集的更新版本上迭代若干次。

所述变换然后可以被用于同步标准虚拟结肠镜检查工作流程中的俯卧和仰卧视图。使用下述技术既在位置上又在方向上同步虚拟内窥镜：

由4个点(一个点用于原点，另外三个用于基本向量末端)描述的无穷小正交标架被配属给所选择的虚拟内窥镜。所述变换被用于每个点。正交化之后，得到的标架在第二数据集中给出相应的内窥镜位置和方向。

在根据本发明的原理的另一实施例中，不使用中心线上的点，也可以采样均匀地在结肠表面上的点。图4示出根据该方法的表面均匀采样。因此，描述符可以被更新，以包括表面特定特征(诸如该点处的结肠表面的高斯和平均曲率)。其余的配准程序可以保持相同。在该情况下不需要中心线。

如在S.Belongie、J.Malik、J.Puzicha的出版物《Shape Matchingand Object Recognition Using Shape Context(使用形状范围的形状匹配和对象识别)》(IEEE Transactions on Pattern Analysis andMachine Intelligence，(24)24：509-522，2002年)中所讨论的、用于2D曲线的重排列的形状范围框架是相对本发明的方面所关心的内容。然而，它与之前在虚拟结肠镜检查中用于执行俯卧和仰卧数据的患者内配准的1D匹配方法(基于动态编程的翘曲，沿中心线路径线性伸展/收缩)明显不同。同样参见在上面引用的Acar等人的两个出版物Registration of supine and prone ct colonography data：Method and evaluation和Medial axis registration of supine andprone CT colonography data；以及在上面引用的Nain等人所著的出版物。

将理解本发明旨在与可编程计算机结合实施。图5示出适于实施本发明的设备的框图。由如本领域中已知的图像获取设备50根据早先描述的协议获取图像。根据本发明的原理，方便地数字形式的这样的图像被存储并且由计算机52进行处理。处理过的图像可在如本领域中已知的图像显示设备54上显示，并且可以进一步被存储、处理和/或由已知的通信技术传输。

已经借助示例性实施例描述了本发明。本发明所属领域的普通技术人员将明白，可以在不脱离本发明的精神的情况下进行各种变化和替换。这些和类似的变化和替换在后附的权利要求的范围内。

Claims (47)

1.一种用于配准虚拟内窥镜图像的方法，所述方法包括：

通过内窥镜检查协议导出第一和第二体积图像并且由相应的第一和第二体积图像数据集表示所述图像；

通过连接线分支导出相应的中心线表示；

重新采样所述连通分支，以提供相应的第一和第二样本集；

计算每个样本的描述符；

使用所述描述符之间的距离来计算相似矩阵；和

通过对所述相似矩阵应用最小化算法来确定所述第一和第二样本集之间的点对应的最佳集合。

2.如权利要求1所述的方法，其中所述导出第一和第二体积图像的步骤包括通过结肠镜检查协议导出所述第一和第二体积图像的步骤。

3.如权利要求1所述的方法，其中所述导出相应的中心线表示的步骤包括：

通过连接折线分支导出所述相应的中心线表示的步骤；

在所述体积图像的每个体积图像中识别出结肠表面；和

通过确定从所述中心线表示的每个点到所述结肠表面上的分别最近的点的距离来导出相应的结肠半径信息。

4.如权利要求1所述的方法，其包括以下步骤：

将所述中心线点对应外推到所述第一和第二体积图像之间的三维/三维(3D/3D)变换；和

应用所述3D/3D变换，以在所述第一和第二体积图像之间对虚拟内窥镜位置进行变换。

5.一种用于第一和第二体积图像的俯卧-仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获得并包括由连接折线分支形成的相应的中心线表示、和包括相应的结肠半径信息，所述方法包括：

重新采样所述连通分支以提供相应的第一和第二中心线样本集；

计算每个样本的描述符；

使用所述描述符之间的距离来计算相似矩阵；

通过向所述相似矩阵应用极小化算法来确定所述第一和第二样本集之间的中心线点对应的最佳集合；

将所述中心线点对应外推到所述第一和第二体积图像之间的三维/三维(3D/3D)变换；和

应用所述3D/3D变换，以在所述第一和第二体积图像之间对虚拟内窥镜位置进行变换。

6.一种用于第一和第二体积图像的俯卧-仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获得、由相应的第一和第二体积数据集表示、包括由连接折线形成的相应的中心线表示、和包括结肠半径信息，所述方法包括：

重新采样所述连接折线，以提供相应的第一和第二样本集；

计算每个样本的描述符；

使用所述描述符之间的距离来计算相似矩阵；和

通过对所述相似矩阵应用最小化算法来确定所述第一和第二样本集之间的点对应的最佳集合。

7.如权利要求6所述的方法，其包括以下步骤：

将所述中心线点对应的最佳集合外推到所述第一和第二体积图像之间的三维/三维(3D/3D)变换。

8.如权利要求7所述的方法，其包括以下步骤：

应用所述3D/3D变换，以在所述第一和第二体积图像之间对虚拟内窥镜位置进行变换。

9.一种用于配准第一和第二患者位置上的虚拟内窥镜检查图像的方法，所述方法包括：

执行结肠分段和特征提取，该特征包括所述图像中的每个图像的中心线和结肠表面数据；

重新采样所述中心线和结肠表面数据；

计算相应的局部描述符；

通过最小代价匹配在所述第一和第二图像之间配对所述中心线上的点对应；和

将所述中心线点对应外推到所述第一和第二图像之间的三维/三维(3D/3D)变换。

10.如权利要求9所述的方法，其包括：

在所述图像之一中选择虚拟内窥镜的位置；

将直角坐标系与所述虚拟内窥镜相关联；和

将所述3D/3D变换应用到所述直角坐标系，从而导出所述图像的另一图像中的相应变换的所述虚拟内窥镜的坐标系。

11.如权利要求10所述的方法，其中所述执行结肠分段的步骤包括通过连接折线分支导出相应的中心线表示。

12.如权利要求11所述的方法，其中所述重新采样的步骤包括：

在所述相应的连接折线分支上选择固定数量N的采样点；

计算所述连接折线分支的总和长度；

用所述总和长度除以(N-1)，以导出所计算的值；和

在相应的新采样点处重新采样所述连接折线分支的每个分支，使得所述新采样点之间的弧长对应于所述值，所述新采样点具有由线性插值所确定的位置。

13.如权利要求12所述的方法，其中所述计算相应的局部描述符的步骤包括：

作为标量几何特征的向量和到结肠表面的估计距离来计算所述相应的描述符，利用所述新采样点的每个采样点处的所述结肠半径数据。

14.如权利要求13所述的方法，其中所述计算相应的局部描述符的步骤包括：

计算所述几何特征，以包括所述新采样点的每个采样点处的曲率、转矩和到质心的距离。

15.如权利要求13所述的方法，其中所述计算局部描述符的步骤包括：

计算包含从所述新采样点的每个采样点到所述数据集的相同数据集的所述新采样点的所有其它采样点的欧几里德距离和方向的向量列表。

16.如权利要求15所述的方法，其中所述计算向量列表的步骤包括计算相对于局部的、Frenet型的坐标系的所述方向。

17.如权利要求15所述的方法，其中所述计算向量列表的步骤包括计算相对于总坐标系的所述方向。

18.如权利要求9所述的方法，其中所述配对所述中心线上的点对应的步骤包括通过构造N×N阶相似矩阵来计算相似矩阵，所述N×N阶相似矩阵为所述第一样本集的每个样本提供所述每个样本的描述符和所述第二样本集的所有样本的描述符之间的距离测量结果。

19.如权利要求18所述的方法，其中任意两个所述描述符之间的所述距离测量结果被计算为所述任意两个所述描述符的相应属性之间的标准化距离的(a)平均值和(b)中值之一。

20.如权利要求19所述的方法，其中任意两个所述描述符之间的所述距离测量结果被计算为以下值：

(A)在标量属性的情况下，所述标量属性之间的平方差的一半，和

(B)在欧几里德距离和方向的向量的情况下，使用统计学相似测量结果来估计的距离。

21.如权利要求20所述的方法，其中步骤(B)包括以下之一：

(c)等级排序所述向量并且计算斯皮尔曼的等级相关，

(d)计算所述向量的元素的直方图，并且使用(C)Kullback-Leibler发散和(D)卡方测量中的一个来比较所述元素，和

(e)计算两个向量的元素的两个相应集合的联合直方图，并且通过所述两个相应集合的交互信息来计算其相似性。

22.如权利要求9所述的方法，其中所述通过最小代价匹配在所述第一和第二图像之间配对所述中心线上的点对应的步骤包括：

通过应用二部匹配算法来确定最小化所有对应点之间的距离之和的最佳分配。

23.如权利要求22所述的方法，其中所述应用最小化程序的步骤包括对所述相似矩阵应用快速增长路径技术。

24.如权利要求23所述的方法，其中，将所述中心线点对应外推到所述第一和第二体积图像之间的第一3D/3D变换以及所述第二和所述第一体积图像之间的第二3D/3D变换的步骤，所述第二3D/3D变换通过利用正则化径向基函数近似与所述第一3D/3D变换互逆。

25.如权利要求24所述的方法，其包括根据经验为所述正则化径向基函数近似选择正则化参数。

26.如权利要求24所述的方法，其中所述将直角坐标系与所述虚拟内窥镜相关联的步骤包括将所述虚拟内窥镜与具有原点和三个相应点的无穷小直角坐标系相关联，其中所述三个相应点的每个点用于三个基本向量中的每一个的末端；和

对所述点的每个点应用所述3D/3D变换，从而导出所述相应变换的所述虚拟内窥镜的坐标系。

27.一种用于第一和第二体积图像的俯卧-仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获得并由第一和第二体积图像数据集表示、包括由连接折线分支形成的相应的中心线表示、和包括相应的结肠半径数据，所述方法包括：

重新采样所述连接线分支，以提供相应的第一和第二样本集；

针对每个样本计算描述符，所述描述符包括几何特征向量和所述结肠半径数据的估计值；

使用所述描述符之间的距离来计算相似矩阵；

通过对所述相似矩阵应用最小化所有对应点之间的距离之和的算法对所述相似矩阵应用最小化程序，以确定所述第一和第二样本集的点之间的对应的最佳集合；

将所述中心线点对应外推到所述第一和第二体积图像之间的三维/三维(3D/3D)变换；

在所述体积图像之一中选择虚拟内窥镜的位置；

将直角坐标系与所述虚拟内窥镜相关联；和

将所述3D/3D变换应用到所述直角坐标系，从而导出所述体积图像的另一体积图像的相应变换的所述虚拟内窥镜的坐标系。

28.如权利要求27所述的方法，其中所述重新采样的步骤包括：

在所述相应的连接折线分支上选择固定数量N的采样点；

计算所述连接折线分支的总和长度；

用所述总和长度除以(N-1)以导出所计算的值；和

在相应的新采样点处重新采样所述连接折线分支的每个分支，使得所述新采样点之间的弧长对应于所述值，所述新采样点具有由线性插值所确定的位置。

29.如权利要求27所述的方法，其中所述计算相应的描述符的步骤包括：

将所述相应的描述符计算为标量几何特征的向量和到结肠表面的估计距离，利用所述新采样点的每个采样点处的所述结肠半径数据。

30.如权利要求29所述的方法，其中所述计算相应的描述符的步骤包括：

计算所述几何特征以包括所述新采样点的每个采样点处的曲率、转矩和到质心的距离。

31.如权利要求27所述的方法，其中所述计算相应的描述符的步骤包括：

计算包含从所述新采样点的每个采样点到所述数据集的相同数据集的所有其它所述新采样点的欧几里德距离和方向的向量列表。

32.如权利要求31所述的方法，其中所述计算向量列表的步骤包括计算相对于局部的、Frenet型的坐标系的所述方向。

33.如权利要求31所述的方法，其中所述计算向量列表的步骤包括计算相对于总坐标系的所述方向。

34.如权利要求27所述的方法，其中所述计算相似矩阵的步骤包括：

构造N×N阶相似矩阵，所述相似矩阵为所述第一样本集的每个样本提供所述每个样本的描述符和所述第二样本集的所有样本的描述符之间的距离测量。

35.如权利要求34所述的方法，其中任意两个所述描述符之间的所述距离测量结果被计算为所述任意两个所述描述符的相应属性之间的标准化距离的(a)平均值和(b)中值之一。

36.如权利要求35所述的方法，其中任意两个所述描述符之间的所述距离测量结果被计算为以下值：

(A)在标量属性的情况下，所述标量属性之间的差的绝对值，和

(B)在欧几里德距离和方向的向量的情况下，使用统计学相似测量结果估计的距离。

37.如权利要求36所述的方法，其中步骤(B)包括以下之一：

(c)对所述向量进行等级排序并且计算斯皮尔曼的等级相关，

(d)计算所述向量的元素的直方图，并且使用(C)Kullback-Leibler发散和(D)卡方测量中的一个来比较所述元素，和

(e)计算两个向量的元素的两个相应集合的联合直方图，并且通过所述两个相应集合的交互信息来计算它们的相似性。

38.如权利要求27所述的方法，其中所述应用最小化程序的步骤包括：

通过应用二部匹配算法来确定最小化所有对应点之间的距离之和的最佳分配。

39.如权利要求38所述的方法，其中所述应用最小化程序的步骤包括对所述相似矩阵应用快速增长路径技术。

40.如权利要求39所述的方法，其中将所述中心线点对应外推到所述第一和第二体积图像之间的第一3D/3D变换以及所述第二和所述第一体积图像之间的第二3D/3D变换的步骤，所述第二3D/3D变换通过利用正则化径向基函数近似与所述第一3D/3D变换互逆。

41.如权利要求40所述的方法，包括根据经验为所述正则化径向基函数近似选择正则化参数。

42.如权利要求40所述的方法，其中所述将直角坐标系与所述虚拟内窥镜相关联的步骤包括将具有原点和三个相应点的无穷小直角坐标系与所述虚拟内窥镜相关联，所述三个相应点的每个点用于三个基本向量中的每一个的末端；和

对所述点的每个点应用所述3D/3D变换，从而导出所述相应变换的所述虚拟内窥镜的坐标系。

43.一种用于配准虚拟内窥镜图像的方法，所述方法包括：

通过结肠镜检查协议导出第一和第二体积图像并且由相应的第一和第二体积图像数据集表示所述图像；

通过连接折线分支导出相应的中心线表示；

在所述体积图像的每个体积图像中识别出结肠表面；

通过确定从所述中心线表示的每个点到所述结肠表面上的分别最近的点的距离来导出相应的结肠半径信息；

重新采样所述连通分支，以提供相应的第一和第二样本集；

计算每个样本的描述符；

使用所述描述符之间的距离来计算相似矩阵；以及

通过对所述相似矩阵应用最小化算法来确定所述第一和第二样本集之间的点对应的最佳集合。

44.如权利要求43所述的方法，其包括：

将所述中心线点对应外推到所述第一和第二体积图像之间的三维/三维(3D/3D)变换。

45.如权利要求43所述的方法，其包括：

应用所述3D/3D变换，以在所述第一和第二体积图像之间对虚拟内窥镜位置进行变换。

46.用于第一和第二体积图像的俯卧-仰卧配准的设备，所述第一和第二体积图像通过虚拟结肠镜检查获得并包括由连接折线分支形成的相应的中心线表示、和包括相应的结肠半径信息，所述设备包括：

用于重新采样所述连通分支以提供相应的第一和第二中心线样本集的装置；

用于计算每个样本的描述符的装置；

用于使用所述描述符之间的距离计算相似矩阵的装置；

用于通过对所述相似矩阵应用最小化算法来确定所述第一和第二样本集之间的中心线点对应的最佳集合的装置；

用于将所述中心线点对应外推到所述第一和第二体积图像之间的三维/三维(3D/3D)变换的装置；和

用于应用所述3D/3D变换以在所述第一和第二体积图像之间对虚拟内窥镜位置进行变换的装置。

47.用于配准虚拟内窥镜图像的设备，所述设备包括：

用于通过内窥镜检查协议导出第一和第二体积图像并且由相应的第一和第二体积图像数据集表示所述图像的装置；

用于通过连接线分支导出相应的中心线表示的装置；

用于重新采样所述连通分支以提供相应的第一和第二样本集的装置；

用于计算每个样本的描述符的装置；

用于使用所述描述符之间的距离来计算相似矩阵的装置；和

用于通过对所述相似矩阵应用最小化算法来确定所述第一和第二样本集之间的点对应的最佳集合的装置。

Images