A review of 3D/2D registration methods for image-guided interventions(1)
1.摘要(Abstract)
對于影像引導的放射性治療(Image-guided radiation therapy)、放射外科手術(radiosurgery)、微創外科手術(minimally invasive surgery)、內窺鏡檢查(edocscopy)、介入放射性治療(interventional radiology)，術前的3D數據與術中2D數據進行配準是關鍵的技術之一。在本文中，我們對現有的2D-3D數據配準方法進行了綜述。術前的3D圖像來源于CT(computed Tomography)或MRI(magnetic resonance imaging )；術中2D數據來源于X射線的投影圖像。我們根據圖形的模態(image modality)、圖像維度(image dimensionality)、配準原理(registration basis)、幾何變換(geometric transformation)、用戶交互(user interaction)、優化策略(optimization procedure)、配準的對象/目標(subject/object of registration)對2D-3D的配準方法進行了總結。
2.簡介(Introduction)
對于圖像引導的放射性治療(IGRT)、圖像引導的放射科手術(IGRS)、圖像引導的微創手術(IGMIT)，圖像配準都是最關鍵的技術之一。配準要將介入治療之前的數據(pre-intervention data, 從3D中獲得的病人圖像、解剖結構模型、治療規劃)和手術過程中的數據(intra-intervention data)置于同一個坐標系中。當下，術前數據主要為3DCT數據或3DMRI數據，術中數據包括2D超聲圖像、X攝像、CT透視圖像、光學圖像，或者術中3D圖像，如錐形束CT圖像、三維超聲圖像等。術中圖像很少采用MRI圖像，考慮到術中圖像的維度，廣義來說，手術導航中，配準可以分為3D-3D、3D-2D。
在圖像引導的最小侵入式手術中，術前與術中數據配準、手術器械跟蹤可以為外科醫生提供當前手術器械相對于術前規劃路徑的相應位置，躲避易發生損傷的結構，最終抵達靶位置。在圖像引導的內窺鏡手術中，根據術前的3D數據可以生成虛擬的3D解剖結構以及手術路徑，通過實時的配準可以準確的作用于解剖下的暴露組織。在介入放射性治療手術中，對術前3D圖像與2D X-ray圖像/超聲圖像進行配準，可以實時跟蹤并導航針檢測(Needle)與導管手術(Catheter)。
本文的目標在于研究目前已存在的2D-3D配準方法，使用的術前數據為3D CT或者 3D MR圖像，術中數據采用2D X-ray投影圖像。此外也研究了3D-3D配準方法，術中圖像主要為錐形束CT、CT、MR或者US圖像
3.配準(Alignment of pre- and intra-interventional patient data)
在圖像引導的介入式治療手術中，會對術前3D數據與術中2D數據進行配準，通常，也就是尋找兩個數據集中，具有同一解剖結構的對應關系。將要配準的數據集被定義為特定的空間(distinct space)或者坐標系(Coordinate system)。術前的3D數據被定義為數據/圖像坐標系S_pre；術中的3D數據即被定義為在世界坐標系(world coordinate system, patient/treatment room) S_w 或者 數據坐標系(data coordinate system) S_intra；盡管2D 的術中數據也被定義在數據坐標系下 S_intra，如果術中數據定義在S_intra中，T_calib代表可以將S_intra轉到S_w的剛體變換；
S_w:世界坐標系；
S_pre:術前3D圖像的坐標系；
T_calib:是S_intra與S_w之間的剛體變換；
T:是S_pre和S_w之間的變換，這個參數需要通過配準算法進行確定。在剛體情況下，T有六個參數決定：3個方向的平移，三個方向的旋轉。
X_3D_A:代表術前3D數據體的數據點；
X_3D_B:代表術中3D數據體中的數據點；
X_2D_Bj:代表n張術中2D圖像中的數據點。
配準過程就是找到一個最佳的變換T，是的3D體數據S_pre在世界坐標系中處于正確的姿勢。即不斷的調整數據集X_3D_A，直到它與數據集X_3D_B或者X_2D_Bj相匹配。一個準確的配準算法，可以使得S_pre中的任意一個數據點，在世界坐標系S_w中都擁有合理的位置。變換T可以通過3D-3D imagetopatient、3D-3D imagetoimage、3D-2D imagetoimage 配準得到。
3.1 配準方案1： P((X_3D_A)) ? ? = ? ?A_2D_A *N ? ? ? <----> ? ? B(X_2D_B)*N
術前3D圖像進行投影得到2D數據，并與術中實時得到的2D圖像進行配準。流程為：投影+2D-2D配準
3.2 配準方案2： A(X_3D_A) ?<----> ? B(X_3D_B) = BP(?B(X_2D_B)*N )
術中采集到N張2D實時數據，進行反投影變換得到術中實時的3D數據進行配準。流程為：反投影+3D-3D配準
3.3 配準方案3： A(X_3D_A) ?<----> ? B(X_2D_B) = R( B(X_2D_B)*N )
術中采集到的N張2D實時數據，經過重建算法得到術中實時的3D數據進行配準。流程：重建+3D-3D配準
總結
以上是生活随笔為你收集整理的A review of 3D/2D registration methods for image-guided interventions(1)的全部內容，希望文章能夠幫你解決所遇到的問題。
