歸一化互信息與多分辨率融合的2D-3D配準(zhǔn)方法

陳龍， 張峰峰,2， 于凌濤， 孫立寧,2， 干旻峰， 詹蔚

(1.蘇州大學(xué) 機(jī)電工程學(xué)院，江蘇 蘇州 215006；2.蘇州大學(xué) 蘇州納米科技協(xié)同創(chuàng)新中心，江蘇 蘇州 215123；3.哈爾濱工程大學(xué) 機(jī)電工程學(xué)院，黑龍江 哈爾濱 150001；4.蘇州大學(xué) 附屬第一醫(yī)院，江蘇 蘇州 215000)

隨著計(jì)算機(jī)輔助手術(shù)技術(shù)的成熟發(fā)展，借助計(jì)算機(jī)來幫助醫(yī)生進(jìn)行術(shù)前規(guī)劃、術(shù)中導(dǎo)航，已經(jīng)逐漸成為一種普通的方式。一般計(jì)算機(jī)手術(shù)導(dǎo)航主要有2類：第一種方法試將術(shù)前CT圖像與術(shù)中病人暴露的脊骨的三維空間進(jìn)行3D-3D配準(zhǔn)。此方法雖然可以術(shù)中較精確的實(shí)行導(dǎo)航，但由于需要暴露患者脊柱來放標(biāo)志點(diǎn)，給患者造成了巨大的傷害，不滿足當(dāng)前對(duì)微創(chuàng)手術(shù)的定義。另一種方法主要通過患者術(shù)前CT三維圖像與術(shù)中X光圖像進(jìn)行3D-2D圖像的實(shí)時(shí)配準(zhǔn)。雖然精度相對(duì)3D-3D配準(zhǔn)略低，但可以減小病人的解剖創(chuàng)口，降低術(shù)中病人的痛苦。除此以外，X光機(jī)成像設(shè)備相對(duì)較為緊湊，操作比較方便，相比于CT成像設(shè)備，它具有更小的輻射，減少了對(duì)醫(yī)生和病人的傷害[1]。

從配準(zhǔn)的實(shí)質(zhì)出發(fā)，目前研究中所涉及到的2D-3D配準(zhǔn)方法大致有以下3種[2-4]，即基于灰度、梯度和特征的配準(zhǔn)方法。基于特征的配準(zhǔn)方法一般需要進(jìn)行邊緣檢測(cè)，將邊緣檢測(cè)到的輪廓圖像作為配準(zhǔn)的框架或基準(zhǔn)。但是其需要對(duì)影像進(jìn)行分割，這在某種程度上也展示了配準(zhǔn)的準(zhǔn)確性往往取決于分割的準(zhǔn)確性。與此同時(shí)此方法對(duì)圖像的要求較高，對(duì)邊緣檢測(cè)、圖像分割等算法也具有較大的依賴性，所以實(shí)施起來有一定的難度，而且配準(zhǔn)精度不高?；谔荻鹊姆椒ㄒ话阈枰獜男g(shù)前CT圖像圖像提取3D梯度矢量場(chǎng)(表面法線)，需要通過X射線源發(fā)出穿過當(dāng)前3D位置的光線來定義的位置處提取X射線圖像的2D梯度矢量。這種方法非常的復(fù)雜，可實(shí)施性比較低，而且配準(zhǔn)失敗的概率比較大。在目前的研究中發(fā)現(xiàn)基于圖像灰度的配準(zhǔn)方法相對(duì)于上述的兩種方法較為穩(wěn)定，但是由于使用了大量的灰度信息，導(dǎo)致在配準(zhǔn)效率上要略低。

針對(duì)上述的情況，本文提出一種基于區(qū)域貢獻(xiàn)的歸一化互信息與多分辨率策略相結(jié)合的2D-3D配準(zhǔn)方法，首先對(duì)參考圖像進(jìn)行輪廓提取，然后對(duì)所提取的圖像輪廓進(jìn)行區(qū)域分類，再通過每塊區(qū)域的貢獻(xiàn)計(jì)算歸一化互信息的值，以減少在使用互信息測(cè)度方法時(shí)由于灰度級(jí)數(shù)差距較大導(dǎo)致的誤配準(zhǔn)，多分辨率策略在2D-3D配準(zhǔn)中的應(yīng)用有效減少了由于插值與測(cè)度方法計(jì)算量過大導(dǎo)致的效率較低的問題。

1 基于區(qū)域貢獻(xiàn)的歸一化互信息與多分辨率的配準(zhǔn)算法

1.1 基于灰度信息的2D-3D配準(zhǔn)框架

如圖1所示，一般基于灰度信息的2D-3D配準(zhǔn)流程大多數(shù)要經(jīng)過幾何變換，優(yōu)化算法，圖像插值，和相似性測(cè)度這4個(gè)部分。正常在做醫(yī)學(xué)圖像研究分析的時(shí)候，大多將患者的幾個(gè)圖像放在一起進(jìn)行對(duì)比分析結(jié)果。醫(yī)學(xué)圖像配準(zhǔn)主要通過保持一幅圖像固定不變，對(duì)另外一幅圖像進(jìn)行空間變換，使其上標(biāo)志點(diǎn)與第1幅圖像上的標(biāo)記點(diǎn)對(duì)應(yīng)重合。這樣可以人體上的解剖點(diǎn)能夠在2幅圖像上對(duì)應(yīng)空間位置一致，能夠幫助醫(yī)生在術(shù)中實(shí)時(shí)找到病灶點(diǎn)位置。

圖1 基于灰度信息的圖像配準(zhǔn)系統(tǒng)框架Fig.1 Image registration system framework based on gray information

在2D-3D配準(zhǔn)過程中，首先保持參考圖像不變，然后開始對(duì)生成浮動(dòng)圖像設(shè)置一個(gè)大致合理的初始幾何變換參數(shù)。在幾何變換的過程中，難免出現(xiàn)變換后的圖像的像素點(diǎn)坐標(biāo)不是整數(shù)的問題。要解決此問題，此時(shí)需要引入插值法，通過插值法來找出原來圖像控制點(diǎn)上的像素值；隨后設(shè)定一個(gè)合適的相似性測(cè)度值，對(duì)參考圖像和浮動(dòng)圖像的相似性進(jìn)行評(píng)判，是否到達(dá)預(yù)先設(shè)定的最優(yōu)值；如果未達(dá)到，則重復(fù)上述步驟，直至能夠找到一個(gè)合適的幾何變換參數(shù)來滿足之前設(shè)定的精度要求[5-7]。

1.2 基于CT與X光圖的2D-3D配準(zhǔn)方法

配準(zhǔn)過程中的浮動(dòng)圖像主要將從虛擬射線源發(fā)射出來的X射線穿過CT切片，和每個(gè)CT的切片的交點(diǎn)在使用插值法后得到每個(gè)交點(diǎn)的CT值。將CT累加值通過映射成灰度圖像就能得到DRR圖像。參考圖像一般選擇脊柱模型的X光圖。為了能使浮動(dòng)圖像在空間中能更加自由的變換，故此配準(zhǔn)框架采用了歐拉幾何變換，能夠使浮動(dòng)圖像更加方便的實(shí)現(xiàn)平移、旋轉(zhuǎn)。為了能夠最快找到幾何變換參數(shù)，本文還引用了梯度下降法，沿梯度下降方向?qū)で髽O小值[8]。除上述外，配準(zhǔn)框架還包含了基于區(qū)域貢獻(xiàn)的歸一化互信息法、光線投射法以及多分辨金子塔配準(zhǔn)法。這些方法都能有效提高配準(zhǔn)速度。

1.2.1 光線投射插值法

手術(shù)過程中獲取的X光圖像為二維圖像，術(shù)前CT圖像為三維圖像。因此需要將3D體素投射到二維空間中，采用數(shù)字影像重建技術(shù)[9-12]方法來進(jìn)行插值。通過光線投射法可以模擬該方法模擬 X光射線穿過CT體數(shù)據(jù)的整個(gè)過程，同時(shí)可以計(jì)算出計(jì)算在不同介質(zhì)中X光經(jīng)衰減、吸收后，最終在投影平面上的像素值。具體的數(shù)字影像重建原理如圖2所示。

圖2 數(shù)字影像重建原理Fig.2 Principle of digital image reconstruction

一般情況下，當(dāng)X射線穿過某均勻介質(zhì)時(shí)，其的衰減大致表示為：

I=I0e-μd

(1)

式中：I0為初始時(shí)刻輸入射線的強(qiáng)度；μ為不同介質(zhì)中的衰減系數(shù)；d為X射線穿過的距離。人體脊柱受血肉的包圍，因此各部分的衰減系數(shù)一般不同。在拍攝X光圖的過程中，式(1)一般可改寫為：

(2)

式中：μi和di表示人體不同組織i的大致線性衰減系數(shù)和穿過人體血肉組織i的距離。X射線的衰減模型如圖3所示。

圖3 X射線衰減模型Fig.3 X-ray attenuation model

一般通過CT值可以計(jì)算出線性衰減系數(shù)，推廣之后得到一般計(jì)算公式可以表示為：

(3)

X光射線穿過體數(shù)據(jù)的衰減可以通過查表獲得，式(3)改寫為：

(4)

式中：F為轉(zhuǎn)換因子。

1.2.2 基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度

互信息在在早期的信息論中，經(jīng)常用它來作為一種信息的度量，以表達(dá)兩件事情之間的關(guān)聯(lián)性[13]。目前通常將2幅醫(yī)學(xué)圖像之間的相似程度通過互信息來衡量。在對(duì)互信息進(jìn)行定義的過程中，必須要對(duì)熵的定義有一個(gè)清晰的了解。在醫(yī)學(xué)圖像配準(zhǔn)環(huán)節(jié)中，經(jīng)常一個(gè)系統(tǒng)的不確定性和它的復(fù)雜性可以通過熵來描述[14]。假設(shè)通過以下定義來定義圖像A的熵：

(5)

此時(shí)針對(duì)圖像A和B的相關(guān)性進(jìn)行統(tǒng)計(jì)，一般與之相對(duì)就需要用聯(lián)合熵表示，大致定義如下所示：

(6)

圖像A和B的互信息可以由上的定義得到:

I(A,B)=H(B)-H(B|A)=H(A)+H(B)-

(7)

互信息測(cè)度方法的缺點(diǎn)是一般情況下在圖像重疊區(qū)域較少時(shí)，由于圖像采樣點(diǎn)的減少，參與互信息統(tǒng)計(jì)的像素點(diǎn)數(shù)也隨之減少，因此在圖像灰度值差距較小的情況下，容易造成誤配準(zhǔn)。根據(jù)聯(lián)合熵與個(gè)體熵之間的關(guān)系，得到歸一化互信息：

(8)

本文提出了一種基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度方法，在進(jìn)行區(qū)域分割后，對(duì)圖像中包含各種不同信息的區(qū)域進(jìn)行貢獻(xiàn)評(píng)價(jià)，以減少背景等無關(guān)區(qū)域?qū)D像配準(zhǔn)的影響。如圖所示，將配準(zhǔn)所用的圖像分割為一系列的區(qū)域，對(duì)參考圖像進(jìn)行輪廓提取后，根據(jù)各部分區(qū)域?qū)バ畔y(cè)度的貢獻(xiàn)度，將能夠表現(xiàn)出脊柱特征的輪廓所在區(qū)域設(shè)為一類區(qū)域，將脊柱輪廓內(nèi)部包含的區(qū)域設(shè)為二類區(qū)域，將背景等與配準(zhǔn)無關(guān)的區(qū)域設(shè)為三類區(qū)域，由此可以實(shí)現(xiàn)對(duì)配準(zhǔn)圖像區(qū)域貢獻(xiàn)的劃分。主要?jiǎng)澐謪^(qū)域如圖4所示。

圖4 參考圖像的輪廓提取與區(qū)域劃分Fig.4 Outline extraction and regional division of reference images

對(duì)三類區(qū)域之間的歸一化互信息分別進(jìn)行求解，根據(jù)其貢獻(xiàn)度進(jìn)行加權(quán)，可以得到：

(9)

式中：α+β+θ=1，α>β>θ。由此，將基于區(qū)域貢獻(xiàn)的互信息測(cè)度方法用于對(duì)參考圖像以及經(jīng)過光線投射插值后的浮動(dòng)圖像進(jìn)行相似性測(cè)度對(duì)比，從而進(jìn)一步判斷2D-3D配準(zhǔn)的結(jié)果是否滿足預(yù)先設(shè)定值的要求。

1.2.3 多分辨率策略

由于在圖像配準(zhǔn)框架中采用了光線投射與互信息測(cè)度算法，這2種算法具有較高的復(fù)雜度，因此可能會(huì)導(dǎo)致配準(zhǔn)的效率較低。在保證配準(zhǔn)精度的前提下，為了提高配準(zhǔn)效率，本文在配準(zhǔn)環(huán)節(jié)中引入了多分辨率策略?？梢杂妙愃平鹱炙男问絹黻U釋這一算法，通過將一開始具有高分辨率的圖像細(xì)分到n層具有不同分辨率的子圖像，按從下往上的順序依次排列。采取從底部到頂端的方式進(jìn)行配準(zhǔn)，將最初的高分辨率圖像放在底部，將第n級(jí)低分辨率的圖像放在最頂部[15-16]。

引入多分辨率配準(zhǔn)方法需要首先將參考圖像和浮動(dòng)圖像進(jìn)行對(duì)應(yīng)n層的劃分。配準(zhǔn)過程遵循由上而下，從最頂端最低分辨率的圖像開始，將其配準(zhǔn)的結(jié)果作為配準(zhǔn)初始解。由于一開始配準(zhǔn)計(jì)算量相對(duì)較小，時(shí)間較短，這樣就可以依次將上一層的配準(zhǔn)結(jié)果作為下一層配準(zhǔn)的初始解，從而縮短大量的配準(zhǔn)時(shí)間。整個(gè)實(shí)驗(yàn)過程從粗配準(zhǔn)到精配準(zhǔn)，配準(zhǔn)效率得到很大的提高。

圖5 多分辨率策略下的金字塔Fig.5 Multi-resolution pyramid

2 實(shí)驗(yàn)和結(jié)果

2.1 實(shí)驗(yàn)平臺(tái)硬件組成

整個(gè)操作導(dǎo)航的實(shí)驗(yàn)平臺(tái)大概通過C形臂X光機(jī)，電腦工作站，帶標(biāo)記的脊柱模型，NDI光學(xué)跟蹤器等組成。具體如圖6所示。

圖6 實(shí)驗(yàn)平臺(tái)硬件圖Fig.6 Experimental platform hardware diagram

2.2 脊柱正位圖像2D-3D配準(zhǔn)

本次2D-3D配準(zhǔn)實(shí)驗(yàn)基于ITK與MFC開發(fā)包聯(lián)合編程的基礎(chǔ)之上完成。一開始需要進(jìn)行脊柱正位圖像的初始參數(shù)選取，一般包括旋轉(zhuǎn)和平移，選取的初始配準(zhǔn)參數(shù):rx=270°，ry=3°，rz=180°，tx=30 mm,ty=60 mm,tz=-120 mm。

為了控制合理的配準(zhǔn)時(shí)間和配準(zhǔn)精度，在配準(zhǔn)過程中，將最大的配準(zhǔn)步長(zhǎng)設(shè)為0.1，最小的配準(zhǔn)步長(zhǎng)設(shè)為0.001，通過50次迭代。在CT切片當(dāng)中選取80張分辨率為768×768的DICOM格式的切片作為浮動(dòng)圖像。將如圖7所示的X光圖像作為本次實(shí)驗(yàn)的參考圖像，選取干擾性較小的脊柱中間區(qū)域進(jìn)行配準(zhǔn)實(shí)驗(yàn)。

圖7 脊柱正位參考圖像Fig.7 Front reference image of the spine

分別采用互信息測(cè)度法與基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度法得到的最終配準(zhǔn)參數(shù)如表1所示，圖8為用配準(zhǔn)后參數(shù)生成的DRR圖像。

表1 脊柱正位圖像配準(zhǔn)后參數(shù)Table 1 Front image registration parameters of the spine

圖8 脊柱正位配準(zhǔn)后的DRR圖像Fig.8 DRR image of the front registration of the spine

從圖8中可以看出，采用基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度方法進(jìn)行配準(zhǔn)，具有較高的配準(zhǔn)精度。為了對(duì)其進(jìn)行定量分析，對(duì)其相似性測(cè)度值與配準(zhǔn)時(shí)間進(jìn)行了對(duì)比，通過相似性測(cè)度來展現(xiàn)配準(zhǔn)的精度。如表2所示，對(duì)2種測(cè)度方法得到的最終脊柱正位DRR圖像與脊柱正位參考圖像的互信息與相關(guān)系數(shù)進(jìn)行了計(jì)算，并給出了使用多分辨率策略前后的配準(zhǔn)時(shí)間。

2.3 脊柱側(cè)位圖像2D-3D配準(zhǔn)

與此同時(shí)為了驗(yàn)證基于區(qū)域貢獻(xiàn)歸一化互信息測(cè)度的多分辨率2D-3D配準(zhǔn)方法的可行性以及優(yōu)越性，嘗試進(jìn)行多角度配準(zhǔn)。選擇同段脊柱側(cè)位圖像進(jìn)行配準(zhǔn)，選取的同段脊柱側(cè)位初始配準(zhǔn)參數(shù)：選取的初始配準(zhǔn)參數(shù):rx=270°，ry=3°，rz=-90°，tx=-200 mm,ty=-140 mm,tz=-120 mm。

表2改進(jìn)前后算法脊柱正位圖像相似性測(cè)度值與配準(zhǔn)時(shí)間對(duì)比

Table2Comparison of image similarity measure and registration time on the front of the spine before and after the improved algorithm

衡量指標(biāo)配準(zhǔn)圖像相似性配準(zhǔn)時(shí)間/s互信息相關(guān)系數(shù)未使用多分辨率使用多分辨率互信息測(cè)度0.697 80.457 91 281679本文方法0.998 00.689 01 325701

配準(zhǔn)中保持迭代次數(shù)，最大、最小步長(zhǎng)不變。浮動(dòng)圖像依然選用80張分辨率為768×768的DICOM格式CT切片。采取實(shí)驗(yàn)的步驟，脊柱側(cè)位參考圖像為如圖9所示的X光圖像。

圖9 脊柱側(cè)位參考圖像Fig.9 Spine lateral reference image

重復(fù)實(shí)驗(yàn)步驟，分別采用用互信息測(cè)度法與基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度法進(jìn)行配準(zhǔn)實(shí)驗(yàn)，得到的最終配準(zhǔn)參數(shù)如表3所示，其中圖10為用配準(zhǔn)后參數(shù)生成的脊柱側(cè)位DRR圖像。

表3脊柱側(cè)位圖像配準(zhǔn)后參數(shù)

Table3Parameters after registration of the lateral image of the spine

參數(shù)rxryrztxtytz互信息測(cè)度271.6-0.6-92.9-201.3-138.8-119.3本文方法270.7-1.2-91.1-199.6-137.2-118.9

從圖10中依然可以看出，采用基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度方法在脊柱側(cè)位圖像進(jìn)行配準(zhǔn)，依然適用。對(duì)2種測(cè)度方法得到的最終脊柱側(cè)位DRR圖像與脊柱側(cè)位參考圖像的互信息與相關(guān)系數(shù)進(jìn)行計(jì)算，并給出了使用多分辨率策略前后的配準(zhǔn)時(shí)間，具體實(shí)驗(yàn)數(shù)據(jù)如表4所示。

從表2和表4中可以看出，用基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度的2D-3D配準(zhǔn)方法得到的配準(zhǔn)參數(shù)，不管是在脊柱正位還是脊柱側(cè)位生成的DRR圖像與參考圖像的相似性測(cè)度值都要高于僅用互信息測(cè)度的配準(zhǔn)方法，其相關(guān)系數(shù)提高了約58%，其整體配準(zhǔn)精度提高了40%左右，證明該相似性測(cè)度方法具有較高的配準(zhǔn)精度。同時(shí)可以適用于多個(gè)角度的脊柱圖像的2D-3D配準(zhǔn)，具有一定的可操作性以及較廣的適用性。另外，從配準(zhǔn)時(shí)間可以看出，將多分辨率配準(zhǔn)策略應(yīng)用在2D-3D配準(zhǔn)中，可以將配準(zhǔn)時(shí)間縮短為原來的53%，較為有效地提高了實(shí)際配準(zhǔn)的效率。

圖10 脊柱側(cè)位配準(zhǔn)后生成的DRR圖像Fig.10 DRR image generated after lateral registration of the spine

表4改進(jìn)前后算法脊柱側(cè)位圖像配準(zhǔn)相似性測(cè)度值與配準(zhǔn)時(shí)間對(duì)比

Table4Comparison of image registration similarity measure value and registration time before and after the improved algorithm

衡量指標(biāo)配準(zhǔn)圖像相似性配準(zhǔn)時(shí)間/s互信息相關(guān)系數(shù)未使用多分辨率使用多分辨率互信息測(cè)度0.685 20.432 91 306682本文方法0.968 30.692 11 340714

2.4 改變步長(zhǎng)后的脊柱正位圖像2D-3D圖像配準(zhǔn)

在實(shí)驗(yàn)過程中將最大步長(zhǎng)和最小步長(zhǎng)分別改為0.05和0.000 1，其余參數(shù)保持不變，研究此時(shí)步長(zhǎng)的改變對(duì)配準(zhǔn)精度以及時(shí)間是否有直接的影響。采用實(shí)驗(yàn)1中的脊柱正位初始參數(shù)，表5所示為改變配準(zhǔn)步長(zhǎng)后，分別用互信息測(cè)度法與基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度法得到的最終配準(zhǔn)參數(shù)。圖11為用改變步長(zhǎng)后的配準(zhǔn)后參數(shù)生成的脊柱正位DRR圖像。

表5改變步長(zhǎng)后脊柱正位圖像配準(zhǔn)后參數(shù)

Table5Parameters after registration of the lateral image of the spine

參數(shù)rxryrztxtytz互信息測(cè)度268.11.5181.3 33.561.8-120.9本文方法269.05.0 180.230.357.9-120.5

圖11 改變步長(zhǎng)后的脊柱正位配準(zhǔn)后生成的DRR圖像Fig.11 DRR image generated after registration of the frontal image of the spine after changing the step size

從圖11中可以看出，改變配準(zhǔn)步長(zhǎng)后采用基于區(qū)域貢獻(xiàn)的歸一化互信息測(cè)度方法在脊柱側(cè)位圖像進(jìn)行配準(zhǔn)，配準(zhǔn)精度較高。通過相似性測(cè)度值與配準(zhǔn)時(shí)間進(jìn)行了對(duì)比，其所要的配準(zhǔn)時(shí)間相對(duì)于之前的步長(zhǎng)更久，精度略有提升，有一定的提升效果。具體實(shí)驗(yàn)數(shù)據(jù)如表6所示。

表6步長(zhǎng)改變后改進(jìn)前后算法脊柱正位圖像相似性測(cè)度值與配準(zhǔn)時(shí)間對(duì)比

Table6Comparison of the image similarity measure and registration time of the frontal image of the algorithm before and after the step change

衡量指標(biāo)配準(zhǔn)圖像相似性配準(zhǔn)時(shí)間/s互信息相關(guān)系數(shù)未使用多分辨率使用多分辨率互信息測(cè)度0.701 80.469 21 562723本文方法0.999 40.724 01 808786

從表6可以看出，當(dāng)配準(zhǔn)步長(zhǎng)變?yōu)?.05，最小步長(zhǎng)設(shè)為0.000 1之后，脊柱正位圖像的相似性測(cè)度值在改進(jìn)算法前后都有了一定程度的提高，即配準(zhǔn)的精度相對(duì)有了一定的提高。脊柱正位圖像的相似性測(cè)度值相對(duì)于改變步長(zhǎng)之前提升了大概8%，其使用多分辨率算法花費(fèi)的配準(zhǔn)時(shí)間相較于改變步長(zhǎng)之前的分別增加了6%和12%。從實(shí)驗(yàn)數(shù)據(jù)可以看出，在步長(zhǎng)變小的時(shí)候，配準(zhǔn)精度相對(duì)提高8%，但配準(zhǔn)時(shí)間增加12%。由此得出雖然精度有所提高，但在手術(shù)過程中時(shí)間的延遲將會(huì)對(duì)醫(yī)生的手術(shù)造成一定的影響，也會(huì)直接導(dǎo)致患者的手術(shù)風(fēng)險(xiǎn)進(jìn)一步的提高。所以在滿足精度要求的同時(shí)，盡量縮短手術(shù)時(shí)間，可以極大的提升手術(shù)的成功的概率。

3 結(jié)論

1)通過實(shí)驗(yàn)可以看出，在不同的步長(zhǎng)情況下，同段脊柱的同位置配準(zhǔn)時(shí)間和精度有所不同，當(dāng)步長(zhǎng)變小時(shí)，配準(zhǔn)精度相對(duì)提高，但取而代之的是配準(zhǔn)時(shí)間相對(duì)變長(zhǎng)。需要尋求一個(gè)合適的步長(zhǎng)，能夠在配準(zhǔn)時(shí)間和精度之間找到一個(gè)平衡。

2)采用基于區(qū)域貢獻(xiàn)的歸一化互信息與多分辨率算法后，所需要的配準(zhǔn)時(shí)間仍然較長(zhǎng)，需要進(jìn)一步縮短配準(zhǔn)時(shí)間，使醫(yī)生能夠提高手術(shù)成功率。

3)所采取的實(shí)驗(yàn)對(duì)象為脊柱模型，與實(shí)際動(dòng)物或人體實(shí)驗(yàn)仍然存在一定的差距，在人體或動(dòng)物脊柱外圍存在一定的肌肉組織和皮膚，在實(shí)際過程中可能會(huì)導(dǎo)致可操作性降低。

4)在手術(shù)過程中，把脊柱圖像配準(zhǔn)看成類似“剛體”的配準(zhǔn)，其實(shí)質(zhì)上脊柱在手術(shù)過程中仍然存在一定的變形，解決變形問題，有利于進(jìn)一步提高配準(zhǔn)精度，降低手術(shù)風(fēng)險(xiǎn)。