CN112451093A - 图像引导机器人微创外科手术的物理空间与图像空间配准方法 - Google Patents

Abstract

本发明涉及一种图像引导机器人微创外科手术的物理空间与图像空间配准方法，属于X射线成像技术领域。通过术中CBCT扫描标定模体，自动识别成像几何参数，建立模体坐标系下的三维重建算法模型，术中CBCT再扫描手术对象即可重建出模体坐标系中的三维CT图像，而标定模体通过基座与机器人固定连接，模体坐标系与机器人坐标系之间相对固定的转换关系标定一次即可。该方法利用标定模体将物理空间和图像空间统一，避免了常规方法中物理空间和图像空间配对标记点坐标获取和配准的复杂过程，大幅提升了物理空间和图像空间的配准精度、简化了配准流程、缩短了配准时间，对手术对象亦无损伤。

Description

图像引导机器人微创外科手术的物理空间与图像空间配准 方法

技术领域

本发明涉及X射线成像技术领域，具体地说，涉及一种图像引导机器人微创外科手术的物理空间与图像空间配准方法。

背景技术

物理空间与图像空间配准是图像引导机器人微创外科手术的关键环节，配准过程是将物理空间包含机器人和患者与图像空间包含CT图像两者相关联的过程。图像引导机器人微创外科手术，例如微创人工耳蜗植入手术，钻制的人工耳蜗通道与面神经、鼓索等重要解剖结构的距离约0.5mm，手术路径在物理空间中规划与实施，而解剖结构在图像空间中识别与获取，因此物理空间与图像空间的配准精度在很大程度上决定了机器人微创外科手术成功与否。

目前物理空间与图像空间配准通常采用点配准或面配准的方法实现。点配准方法中精度较高的是通过手术的方式在骨中植入基准标记点，现有文献（Gerber，N.，et al.(2013).“High-Accuracy Patient-to-Image Registration for the Facilitation ofImage-Guided Robotic Microsurgery on the Head”，IEEE Transactions onBiomedical Engineering，60(4):960-968.）公开了一种颞骨切口旋入十个锚点作为植入的基准标记点，目标配准误差（Target Registration Error），TRE=0.2mm，但是对患者有侵入性损伤；而贴皮基准标记点和解剖基准标记点，获得的配准精度较差。此外，上述基准标记点的物理空间坐标通过光学或磁性位置传感器获取，如高精度光学跟踪仪和专用六自由度力传感设备，但三维测量过程复杂、精度受限且成本较高。面配准方法采用激光表面扫描或跟踪指针检测表面点云坐标再通过迭代最近点算法进行配准，其配准精度比不上点配准，如现有文献（Fan，Y.，et al. (2020).“A robust automated surface-matchingregistration method for neuronavigation”，Medical Physics, 47(7):2755-2767.）公开的采用三维白光扫描仪获取头部表面点云，经过粗精两次配准后目标配准误差TRE=1.17mm。

综上所述，现有物理空间与图像空间配准方法存在精度偏低、过程复杂、成本较高、损伤机体等不足之处，严重限制了图像引导机器人微创外科手术在复杂精细手术方面的发展与应用。

发明内容

本发明的目的是提供一种图像引导机器人微创外科手术的物理空间与图像空间配准方法，该方法有效避免了常规方法中物理空间和图像空间配对标记点坐标获取和配准的复杂过程。

为了实现上述目的，本发明提供的图像引导机器人微创外科手术的物理空间与图像空间配准方法，包括以下步骤：

1）将标定模体固连在机器人上，确定模体坐标系与机器人坐标系之间的转换关系；

2）术中CBCT扫描标定模体，获得不同角度的模体投影图；

3）针对步骤2）中获得的每张投影图，依据基于模体的CBCT成像几何参数标定算法，识别术中CBCT扫描过程中每个角度下的成像几何参数，并求得模体坐标系与探测器坐标系之间的转换关系；

4）根据步骤3）中获得的术中CBCT成像几何参数，修正CBCT三维重建算法，建立模体坐标系下的三维重建算法模型；

5）术中CBCT扫描手术对象，获得不同角度的人体投影图，采集人体投影图的角度与步骤2）中模体投影图的角度一一对应；

6）将步骤5）中获得的人体投影图代入步骤4）中建立的三维重建算法模型，重建模体坐标系中手术对象的三维CT图像；

7）利用模体坐标系与机器人坐标系之间的转换关系，获得机器人与手术对象内部结构的相对位置关系。

上述技术方案中，不需要设定基准标记点，也不需要借助三维测量装置，通过术中CBCT扫描标定模体，自动识别成像几何参数，建立模体坐标系下的三维重建算法模型，术中CBCT再扫描手术对象即可重建出模体坐标系中的三维CT图像，而标定模体通过基座与机器人固定连接，模体坐标系与机器人坐标系之间相对固定的转换关系标定一次即可。

可选地，在一个实施例中，所述的标定模体包括圆柱形的筒体和按照一定规律设置在所述筒体内的球体，所述筒体的底部设有用于连接所述机器人基座的固定座。

所述的球体按照以下方式布置：

所述筒体中心轴的两端各设置一个球体，筒体的中心位置处设置一个球体；

筒体的顶部端盖和底部端盖的周围均匀布置一圈球体。

进一步地，步骤3）包括：

3-1）对于每张投影图，分割出标定模体中各个球体的投影；

3-2）计算每个球体投影的中心坐标；

3-3）根据球体投影中心坐标与球体投影之间的几何关系，求解成像几何参数、以及模体坐标系与探测器坐标系之间的变换矩阵。

步骤3-1）中的分割方法包括基于灰度阈值的分割方法、基于边缘检测和霍夫圆检测的分割方法、基于U-Net全卷积网络的分割方法。

步骤3-2）中，采用像素灰度值加权的方法计算每个球体投影的中心坐标。

进一步地，步骤4）中，采用齐次变换矩阵的形式修正所述的CBCT三维重建算法，步骤4）包括：

4-1）在模体坐标系中，利用步骤3-3）中获得的成像几何参数对投影数据进行余弦修正和逐行线性移不变滤波操作；

4-2）利用步骤3-3）中获得的成像几何参数、以及模体坐标系与探测器坐标系之间的变换矩阵，将模体坐标系中的焦点坐标和重建体素坐标变换至探测器坐标系中；

4-3）在探测器坐标系中，基于体素驱动的反投过程按照焦点和体素点连线与探测器平面求交的形式，对加权反投过程进行修正，并采用快速增量算法对各体素进行快速遍历及求解，得到三维重建算法模型。

本发明中所述的成像几何参数包括标定模体的焦点坐标、探测器中心点坐标、以及探测器偏转角度。

与现有技术相比，本发明的有益之处在于：

本发明利用标定模体将物理空间与图像空间统一，通过标定模体识别出术中CBCT成像几何参数，并据此建立模体坐标系下的三维重建算法模型，将手术对象三维CT图像直接重建于模体坐标系，避免了常规方法中物理空间和图像空间配对标记点坐标获取和配准的复杂过程，大幅提升了物理空间和图像空间的配准精度、简化了配准流程、缩短了配准时间，对手术对象亦无损伤，可有效促进图像引导机器人微创外科手术在复杂精细手术方面的发展与应用。

附图说明

图1为本发明实施例中图像引导机器人微创外科手术物理空间与图像空间配准方法的流程图。

图2为本发明实施例中标定模体的结构示意图。

图3为本发明实施例中获得成像几何参数的流程图。

图4为本发明实施例中获得手术对象CT图像的流程图。

图5为本发明实施例中术中CBCT扫描标定模体的示意图。

图6为本发明实施例中术中CBCT扫描手术对象的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合实施例及其附图对本发明作进一步说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的实施例，本领域普通技术人员在无需创造性劳动的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。

除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。

实施例

本实施例所使用的标定模体结构100参见图2，包括圆柱形的筒体4和按照一定规律设置在筒体内的球体，筒体4顶部设有上端盖1，底部设有下端盖9和用于连接机器人200的固定座10。球体包括：位于筒体中间立柱6的两端的上层中心小球3和下层中心小球7，位于筒体中间立柱6中心处的中间中心小球5；均匀布置在上端盖1周围的上层均布小球2，均匀布置在下端盖9周围的下层均布小球8。

当然，本发明并不局限于使用以上标定模体，以上标定模体仅是本发明的一个实施方式。

参见图1，本实施例中图像引导机器人微创外科手术的物理空间与图像空间配准方法包括以下步骤：

S1：参见图5，将标定模体100固定在与机器人200连接的基座201上，标定模体100所处的位置需在术中CBCT400扫描成像视野范围内。标定模体100可以根据一张投影图标定出所有成像几何参数，包括焦点坐标、探测器中心点坐标、探测器偏转角。

S2：术中CBCT400扫描标定模体100，获得360°范围内不同角度的若干张投影图。采集投影数据的每个投影角度值可由安装在术中CBCT400上的倾角传感器获取。

S3：如图2所示，针对步骤S2中获得的每张投影图，依据基于模体的CBCT成像几何参数标定算法，自动识别术中CBCT400扫描过程中每个角度下的成像几何参数。参见图3，该步骤具体包括以下子步骤：

S31：对于每张投影图，采用基于灰度阈值的分割方法或基于边缘检测和霍夫圆检测的分割方法或基于U-Net全卷积网络的分割方法，分割出标定模体中各个小球的投影；

S32：对于每个小球投影采用像素灰度值加权的方法计算小球投影中心坐标；

S33：根据小球投影中心坐标以及小球投影之间的几何关系，求解焦点坐标、探测器中心点坐标、探测器偏转角等成像几何参数，以及模体坐标系与探测器坐标系之间的变换矩阵。

S4：如图4所示，根据步骤S3中获得的术中CBCT400实际成像几何参数，采用齐次变换矩阵的形式，修正CBCT三维重建算法，建立模体坐标系下的三维重建算法模型。该步骤具体包括以下子步骤：

S41：在模体坐标系中，利用步骤S33中获得的成像几何参数对投影数据进行余弦修正和逐行线性移不变滤波操作；

S42：利用步骤S33中获得的焦点坐标、模体坐标系与探测器坐标系之间的变换矩阵，将模体坐标系中焦点坐标、重建体素坐标，变换至探测器坐标系中；

S43：在探测器坐标系中，基于体素驱动的反投过程按照焦点和体素点连线与探测器平面求交的形式实现，对加权反投过程进行修正，并采用快速增量算法对各体素进行快速遍历及求解。

S5：参见图6，术中CBCT400扫描手术对象300，获得360°范围内不同角度的若干张投影图，采集投影图的角度与步骤S2中的投影图角度一一对应。术中CBCT400扫描手术对象300时的位置与步骤S2中扫描标定模体100时的位置保持一致。术中CBCT400扫描手术对象300时，采集投影数据的每个投影角度值可由安装在术中CBCT400上的倾角传感器获取。

S6：将步骤S5中获得的投影图代入步骤S4中建立的模体坐标系下的三维重建算法模型，重建出模体坐标系中手术对象300的三维CT图像。直接在模体坐标系中重建出手术对象300的三维CT图像，实现了物理空间与图像空间的统一，图像空间中获取的解剖结构直接定位在模体坐标系所确定的物理空间中。

S7：利用模体坐标系与机器人坐标系之间确定的转换关系，即可获得机器人200与手术对象300及手术对象300解剖结构的相对位置关系。物理空间中模体坐标系与机器人坐标系之间相对固定的转换关系，在手术机器人搭建时标定一次即可。

本实施例还给出该物理空间与图像空间配准方法在扫描标定模体情况下目标测 试小球的实施结果。目标测试小球为图2所示标定模体中的上层中心小球3和下层中心小球 7，模体坐标系原点O设在中间中心小球5球心，标定模体轴线设为Z轴，中平面设为XOY平面， 物理空间中标定模体上层中心小球3球心坐标为（0,0,39.5）（即金标准），下层中心小球7球 心坐标为（0,0,-39.5）（即金标准）。模体坐标系下标定模体的三维CT重建图像中，上端盖1、 下端盖9、筒体4、中间立柱6、固定座10等所用亚克力材质的线衰约为0.021，小球的线衰约 为0.56，因此可以通过设置体素阈值（为0.1），从重建体中分割出小球体素所在的区域，并 通过体素值加权的方式得到小球球心的图像空间坐标。由此得到图像空间中标定模体上层 中心小球3球心坐标为（-0.0253，-0.0474, 39.5163），下层中心小球7球心坐标为（- 0.0254，-0.0299，-39.4921）。本实施例中物理空间与图像空间的目标配准误差（Target Registration Error，TRE），上层中心小球3：

=0.056mm，下层中心小球7：

=0.040mm。术中CBCT扫描标定模体耗时2分钟，几何参数识别和CT重建算法修 正计算机程序自动运行耗时0.5分钟，术中CBCT扫描手术对象耗时2分钟，手术对象三维CT 图像重建耗时0.5分钟，上述配准过程总体耗时5分钟。

上述目标测试小球物理空间与图像空间配准过程中应用本实施例中基于标定模体坐标系的配准方法得到的配准精度明显优于常规方法所得到的配准精度（一般为几毫米，个别为零点几毫米）。特别是本实施例中的配准方法其配准流程简单，不需要通过手术植入基准标记点，也不需要借助高精度三维测量装置，有效缩短配准时间的同时也确保了配准结果的可重复性和可靠性。常规点配准方法手术植入基准标记点需增加预手术环节操作时间较长，面配准方法物理空间表面点云三维测量为手动操作一般配准时间为20~30分钟。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (9)

1.一种图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，包括以下步骤：

1）将标定模体固连在机器人上，确定模体坐标系与机器人坐标系之间的转换关系；

2）术中CBCT扫描标定模体，获得不同角度的模体投影图；

3）针对步骤2）中获得的每张投影图，依据基于模体的CBCT成像几何参数标定算法，识别术中CBCT扫描过程中每个角度下的成像几何参数，并求得模体坐标系与探测器坐标系之间的转换关系；

4）根据步骤3）中获得的术中CBCT成像几何参数，修正CBCT三维重建算法，建立模体坐标系下的三维重建算法模型；

5）术中CBCT扫描手术对象，获得不同角度的人体投影图，采集人体投影图的角度与步骤2）中模体投影图的角度一一对应；

6）将步骤5）中获得的人体投影图代入步骤4）中建立的三维重建算法模型，重建模体坐标系中手术对象的三维CT图像；

7）利用模体坐标系与机器人坐标系之间的转换关系，获得机器人与手术对象内部结构的相对位置关系。

2.根据权利要求1所述的图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，所述的标定模体包括圆柱形的筒体和按照一定规律设置在所述筒体内的球体，所述筒体的底部设有用于连接所述机器人基座的固定座。

3.根据权利要求2所述的图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，所述的球体按照以下方式布置：

所述筒体中心轴的两端各设置一个球体，筒体的中心位置处设置一个球体；

筒体的顶部端盖和底部端盖的周围均匀布置一圈球体。

4.根据权利要求2所述的图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，步骤3）包括：

3-1）对于每张投影图，分割出标定模体中各个球体的投影；

3-2）计算每个球体投影的中心坐标；

3-3）根据球体投影中心坐标与球体投影之间的几何关系，求解成像几何参数、以及模体坐标系与探测器坐标系之间的变换矩阵。

5.根据权利要求4所述的图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，步骤3-1）中的分割方法包括基于灰度阈值的分割方法、基于边缘检测和霍夫圆检测的分割方法、基于U-Net全卷积网络的分割方法。

6.根据权利要求4所述的图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，步骤3-2）中，采用像素灰度值加权的方法计算每个球体投影的中心坐标。

7.根据权利要求4所述的图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，步骤4）包括：

4-1）在模体坐标系中，利用步骤3-3）中获得的成像几何参数对投影数据进行余弦修正和逐行线性移不变滤波操作；

4-2）利用步骤3-3）中获得的成像几何参数、以及模体坐标系与探测器坐标系之间的变换矩阵，将模体坐标系中的焦点坐标和重建体素坐标变换至探测器坐标系中；

4-3）在探测器坐标系中，基于体素驱动的反投过程按照焦点和体素点连线与探测器平面求交的形式，对加权反投过程进行修正，并采用快速增量算法对各体素进行快速遍历及求解，得到三维重建算法模型。

8.根据权利要求1所述的图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，步骤4）中，采用齐次变换矩阵的形式修正所述的CBCT三维重建算法。

9.根据权利要求1~8中任一权利要求所述的图像引导机器人微创外科手术的物理空间与图像空间配准方法，其特征在于，所述的成像几何参数包括标定模体的焦点坐标、探测器中心点坐标、以及探测器偏转角度。

Images