A review of 3D/2D registration methods for image-guided interventions(1)
1.摘要(Abstract)
对于影像引导的放射性治疗(Image-guided radiation therapy)、放射外科手术(radiosurgery)、微创外科手术(minimally invasive surgery)、内窥镜检查(edocscopy)、介入放射性治疗(interventional radiology)，术前的3D数据与术中2D数据进行配准是关键的技术之一。在本文中，我们对现有的2D-3D数据配准方法进行了综述。术前的3D图像来源于CT(computed Tomography)或MRI(magnetic resonance imaging )；术中2D数据来源于X射线的投影图像。我们根据图形的模态(image modality)、图像维度(image dimensionality)、配准原理(registration basis)、几何变换(geometric transformation)、用户交互(user interaction)、优化策略(optimization procedure)、配准的对象/目标(subject/object of registration)对2D-3D的配准方法进行了总结。
2.简介(Introduction)
对于图像引导的放射性治疗(IGRT)、图像引导的放射科手术(IGRS)、图像引导的微创手术(IGMIT)，图像配准都是最关键的技术之一。配准要将介入治疗之前的数据(pre-intervention data, 从3D中获得的病人图像、解剖结构模型、治疗规划)和手术过程中的数据(intra-intervention data)置于同一个坐标系中。当下，术前数据主要为3DCT数据或3DMRI数据，术中数据包括2D超声图像、X摄像、CT透视图像、光学图像，或者术中3D图像，如锥形束CT图像、三维超声图像等。术中图像很少采用MRI图像，考虑到术中图像的维度，广义来说，手术导航中，配准可以分为3D-3D、3D-2D。
在图像引导的最小侵入式手术中，术前与术中数据配准、手术器械跟踪可以为外科医生提供当前手术器械相对于术前规划路径的相应位置，躲避易发生损伤的结构，最终抵达靶位置。在图像引导的内窥镜手术中，根据术前的3D数据可以生成虚拟的3D解剖结构以及手术路径，通过实时的配准可以准确的作用于解剖下的暴露组织。在介入放射性治疗手术中，对术前3D图像与2D X-ray图像/超声图像进行配准，可以实时跟踪并导航针检测(Needle)与导管手术(Catheter)。
本文的目标在于研究目前已存在的2D-3D配准方法，使用的术前数据为3D CT或者 3D MR图像，术中数据采用2D X-ray投影图像。此外也研究了3D-3D配准方法，术中图像主要为锥形束CT、CT、MR或者US图像
3.配准(Alignment of pre- and intra-interventional patient data)
在图像引导的介入式治疗手术中，会对术前3D数据与术中2D数据进行配准，通常，也就是寻找两个数据集中，具有同一解剖结构的对应关系。将要配准的数据集被定义为特定的空间(distinct space)或者坐标系(Coordinate system)。术前的3D数据被定义为数据/图像坐标系S_pre；术中的3D数据即被定义为在世界坐标系(world coordinate system, patient/treatment room) S_w 或者 数据坐标系(data coordinate system) S_intra；尽管2D 的术中数据也被定义在数据坐标系下 S_intra，如果术中数据定义在S_intra中，T_calib代表可以将S_intra转到S_w的刚体变换；
S_w:世界坐标系；
S_pre:术前3D图像的坐标系；
T_calib:是S_intra与S_w之间的刚体变换；
T:是S_pre和S_w之间的变换，这个参数需要通过配准算法进行确定。在刚体情况下，T有六个参数决定：3个方向的平移，三个方向的旋转。
X_3D_A:代表术前3D数据体的数据点；
X_3D_B:代表术中3D数据体中的数据点；
X_2D_Bj:代表n张术中2D图像中的数据点。
配准过程就是找到一个最佳的变换T，是的3D体数据S_pre在世界坐标系中处于正确的姿势。即不断的调整数据集X_3D_A，直到它与数据集X_3D_B或者X_2D_Bj相匹配。一个准确的配准算法，可以使得S_pre中的任意一个数据点，在世界坐标系S_w中都拥有合理的位置。变换T可以通过3D-3D imagetopatient、3D-3D imagetoimage、3D-2D imagetoimage 配准得到。
3.1 配准方案1： P((X_3D_A)) = A_2D_A *N <----> B(X_2D_B)*N
术前3D图像进行投影得到2D数据，并与术中实时得到的2D图像进行配准。流程为：投影+2D-2D配准
3.2 配准方案2： A(X_3D_A) <----> B(X_3D_B) = BP( B(X_2D_B)*N )
术中采集到N张2D实时数据，进行反投影变换得到术中实时的3D数据进行配准。流程为：反投影+3D-3D配准
3.3 配准方案3： A(X_3D_A) <----> B(X_2D_B) = R( B(X_2D_B)*N )
术中采集到的N张2D实时数据，经过重建算法得到术中实时的3D数据进行配准。流程：重建+3D-3D配准