基于改进PCA算法和DCP网络的手术导航空间配准方法技术

本发明专利技术公开了一种基于改进PCA算法和DCP网络的手术导航空间配准方法，包括：1)获取待配准的原始点云数据，包括图像空间点云数据和病人空间点云数据；2)对点云数据进行去噪和降采样的预处理操作；3)对预处理后的点云数据执行基于改进PCA算法的全局配准，以调整点云的初始位姿；4)将全局配准后的点云作为DCP网络的输入，执行点云局部精配准，再将DCP网络的输出配准关系应用到两个点云中从而实现对两个空间的配准。本发明专利技术不仅解决了目前空间注册相关算法存在配准精度不高、耗时时间长且需要额外粘贴外部标记球等不足，还突破了配准算法对点云初始位姿的限制，即本发明专利技术能满足手术导航使用场景下的所有点云初始位姿，并比传统空间注册算法的精度更高、配准速度更快。配准速度更快。配准速度更快。

【技术实现步骤摘要】
基于改进PCA算法和DCP网络的手术导航空间配准方法


[0001]本专利技术涉及光学手术导航的
，尤其是指一种基于改进PCA算法和DCP网络的手术导航空间配准方法。

技术介绍

[0002]基于光学手术导航的空间配准不同于常见医学图像配准，其是对两个空间点云的整体或局部配准，属于三维点云配准技术的应用之一。在由光学手术导航系统引导的神经外科手术中如穿刺和消融手术，因为脑颅骨限制了大脑的形变，因此可将病人头部的空间配准看作是刚性变换，即头部不存在形状变换，只存在朝向即旋转变换和位置即平移变换的改变。通过空间配准技术将病人空间和三维影像空间数据统一到同一坐标系下如以手术导航系统为基准建立的坐标系，只有在配准结果正确且高精度时才能保证手术器械能精准施加在患处，且配准的精度也将直接影响整个导航引导的外科手术的整体精度，因此对基于光学手术导航的空间点云配准技术的深入研究有着重要的意义和价值。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的缺点与不足，提出了一种基于改进PCA算法和DCP网络的手术导航空间配准方法，不仅解决了目前空间注册相关算法存在配准精度不高、耗时时间长且需要额外粘贴外部标记球等不足之处，还突破了配准算法对点云初始位姿的限制，即本专利技术能满足手术导航使用场景下的所有点云初始位姿，且比传统的空间注册算法的精度更高、配准速度更快。
[0004]为实现上述目的，本专利技术所提供的技术方案为：基于改进PCA算法和DCP网络的手术导航空间配准方法，包括以下步骤：
[0005]1)获取待配准的原始点云数据，包括图像空间点云数据和病人空间点云数据；
[0006]2)对步骤1)获取到的点云数据进行去噪和降采样的预处理操作，为后续点云配准做好数据准备；
[0007]3)对做完预处理的点云数据执行基于改进PCA算法的全局配准，以调整点云的初始位姿；其中，改进PCA算法是指在采集病人空间点云时在脸长方向和脸宽方向的最远端方向各选两点，之后再根据坐标轴垂直的限定对两个主轴做垂直调整，从而避免人为采集的点云无法通过传统PCA算法获取正确主轴的情况，同时，还通过对主轴存在的多种反向可能进行快速临近点搜索找出最优配准结果，以解决传统PCA算法主轴反向问题；
[0008]4)将全局配准后的点云作为基于深度学习的DCP网络的输入，执行点云局部精配准，再将DCP网络的输出配准关系应用到两个点云中从而实现对两个空间的配准。
[0009]进一步，在步骤1)中，点云是以三维坐标点的形式保存，即XYZ坐标，获取的数据情况具体如下：
[0010]空间注册流程涉及到的图像空间点云数据包括两个点云数据：一个是基于CT数据和点云提取算法得到的头模外表面的点云数据，该点云数据代表整个图像空间；另一个是
通过对图像空间点云分割得到的脸部点云数据，该点云数据用于后续的点云配准环节；
[0011]病人空间点云数据的采集是使用光学定位仪和带有反光标记球的探针工具获取到的，采集时分为两步进行：首先分别在脸长方向和脸宽方向的最远端各选两点，共四点为后续全局配准确认主轴方向做准备；其次进行全脸点云的采集，且采集应尽量还原有特征的五官。
[0012]进一步，在步骤2)中，对步骤1)的两个点云数据进行去噪和降采样的预处理操作，为后续点云配准做好数据准备，包含以下步骤：
[0013]探针法采集出的数据存在一些明显的离群点且在空间中分布稀疏，采用统计滤波器去除明显的离群点，该滤波器通过计算每个点到该点最近的若干个点的平均距离，将平均距离在标准范围之外的点定义为离群点并从数据中去除；
[0014]使用探针法采集到的空间数据需尽量还原五官形状的要求，且处于不同空间的两个点云在特征相似度更大时能提高配准成功率和配准精度，在对有着大量点数的图像空间点云数据进行下采样时，使用能凸显点云几何特征的曲率下采样算法。
[0015]进一步，在步骤3)中，执行改进PCA算法的全局配准过程包括以下步骤：
[0016]3.1)对两个空间的原始点云进行预处理后得到图像空间点云P和病人空间点云Q，并只需构建图像空间点云的协方差矩阵C
P
；
[0017]3.2)对协方差矩阵C
P
基于奇异值分解算法，得到图像空间点云P的特征向量U
P
，其中U
P
为3
×
3矩阵且为点云P的主方向；点云Q的第一个主轴由采集脸部数据时在脸长方向采集的两点确定，第二个主轴由脸宽方向的两点确定，之后通过坐标轴相互垂直的限定对两个主轴做垂直的调整，再利用坐标系的三个轴遵循右手定则的原理求得第三个主轴，之后利用点云Q的这三个主轴构建3
×
3的矩阵U
Q
；
[0018]3.3)再利用以下公式对矩阵U
P
和U
Q
做坐标系间的刚体变换，求得初始即未矫正前的旋转矩阵R0和平移矩阵T0，其中U
Q
‑1表示U
Q
的逆矩阵，表示点云Q的均值点，表示点云P的均值点：
[0019][0020]再利用公式P
′
＝P*R0+T0将点云P进行旋转和平移操作得到P
′
，之后再采用最邻近搜索算法找到点云P
′
对应点云Q中的所有最近点，并由这些最近点构成点云S；
[0021]3.4)执行完步骤3.3)的矩阵刚体变换后虽然将坐标轴调整到了平行方向，但无法避免主轴反向的问题，且由于两个空间的点云坐标系的三个坐标轴都存在正方向和负方向，因此对主轴反向的调整有23种可能，分别取列方向施加在矩阵U
P
上从而得到新矩阵U
P
′
，再分别对新矩阵U
P
′
和U
Q
做刚体变换求得每一组的变换关系；
[0022]3.5)通过以下公式计算未矫正前一对点云P
′
和点云S的整体误差error，这里的整体误差采用平均平方误差的方式来表示，其中error
′
表示未矫正前的点对误差，N表示点云P
′
里点的个数，i表示第i个点，T表示矩阵转置计算：
[0023][0024]3.6)找到整体误差error最小时的坐标轴方向，再利用步骤3.3)中刚体变换公式求出此时新方向下的旋转矩阵R
′
和平移矩阵T
′
，即为经过全局配准变换得到的配准关系。
[0025]进一步，在步骤4)中，将全局配准后的点云作为基于深度学习DCP网络的输入去执行局部精配准，DCP网络趋于收敛后的输出旋转矩阵和平移矩阵即为局部精配准变换关系，并使用均方根误差RMSE作为配准精度的评价，其计算公式如下所示，其中n为配准点对的数量，i表示第i个点，d
i
为配准后对应点之间的欧氏距离，为对应点之间欧氏距离的真值：
[0026][0027]本专利技术与现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进PCA算法和DCP网络的手术导航空间配准方法，其特征在于，包括以下步骤：1)获取待配准的原始点云数据，包括图像空间点云数据和病人空间点云数据；2)对步骤1)获取到的点云数据进行去噪和降采样的预处理操作，为后续点云配准做好数据准备；3)对做完预处理的点云数据执行基于改进PCA算法的全局配准，以调整点云的初始位姿；其中，改进PCA算法是指在采集病人空间点云时在脸长方向和脸宽方向的最远端方向各选两点，之后再根据坐标轴垂直的限定对两个主轴做垂直调整，从而避免人为采集的点云无法通过传统PCA算法获取正确主轴的情况，同时，还通过对主轴存在的多种反向可能进行快速临近点搜索找出最优配准结果，以解决传统PCA算法主轴反向问题；4)将全局配准后的点云作为基于深度学习的DCP网络的输入，执行点云局部精配准，再将DCP网络的输出配准关系应用到两个点云中从而实现对两个空间的配准。2.根据权利要求1所述的基于改进PCA算法和DCP网络的手术导航空间配准方法，其特征在于：在步骤1)中，点云是以三维坐标点的形式保存，即XYZ坐标，获取的数据情况具体如下：空间注册流程涉及到的图像空间点云数据包括两个点云数据：一个是基于CT数据和点云提取算法得到的头模外表面的点云数据，该点云数据代表整个图像空间；另一个是通过对图像空间点云分割得到的脸部点云数据，该点云数据用于后续的点云配准环节；病人空间点云数据的采集是使用光学定位仪和带有反光标记球的探针工具获取到的，采集时分为两步进行：首先分别在脸长方向和脸宽方向的最远端各选两点，共四点为后续全局配准确认主轴方向做准备；其次进行全脸点云的采集，且采集应尽量还原有特征的五官。3.根据权利要求1所述的基于改进PCA算法和DCP网络的手术导航空间配准方法，其特征在于：在步骤2)中，对步骤1)的两个点云数据进行去噪和降采样的预处理操作，为后续点云配准做好数据准备，包含以下步骤：探针法采集出的数据存在一些明显的离群点且在空间中分布稀疏，采用统计滤波器去除明显的离群点，该滤波器通过计算每个点到该点最近的若干个点的平均距离，将平均距离在标准范围之外的点定义为离群点并从数据中去除；使用探针法采集到的空间数据需尽量还原五官形状的要求，且处于不同空间的两个点云在特征相似度更大时能提高配准成功率和配准精度，在对有着大量点数的图像空间点云数据进行下采样时，使用能凸显点云几何特征的曲率下采样算法。4.根据权利要求1所述的基于改进PCA算法和DCP网络的手术导航空间配准方法，其特征在于：在步骤3)中，执行改进PCA算法的全局配准过程包括以下步骤：3.1)对两个空间的原始点云进行预处理后得到图像空间点云P和病人空间点云Q，并只需构建图像空间点云的协方差矩阵C
P
；3.2)对协方差矩阵C
P
基于奇异值分解算法，得到图像空间点...

【专利技术属性】
技术研发人员：杨荣骞，孔晶晶，戴振晖，彭科海，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：