虚拟结肠镜检查(VC)指的是基于使用患者特定的三维(3D)解 剖数据集的标准微创内窥镜检查程序的计算机仿真的诊断方法。目前 的内窥镜检查程序的例子包括：支气管镜检查、窦镜检查、上消化道 (upper gastro-intestinal)内窥镜检查、结肠镜检查、膀胱镜检 查、心脏镜检查、和尿道镜检查。无创获得的患者特定的解剖结构的 VC显影避免与真正的内窥镜检查相关的诸如穿孔、感染、出血等风 险，并且在执行实际的内窥镜检查之前向内窥镜检查师提供重要信 息。这样的信息和理解可以使程序难度最小化，减小患者发病率，增 强训练并且促进对治疗结果的更好的理解。
在虚拟内窥镜检查中，例如通过体绘制从二维(2D)的计算机断 层成像(CT)或磁共振(MR)数据中产生3D图像。当今的CT和MRI 扫描仪典型地产生一组横截面图像，所述横截面图像组合在一起产生 一组体数据。这些3D图像被创建以仿真来自实际内窥镜、诸如光导 纤维内窥镜的图像。在虚拟内窥镜检查的领域中，并且尤其在虚拟结 肠镜检查的领域中，期望的是，提供用于不同内窥镜视图的同步，诸 如在患者的俯卧和仰卧位置上所获得的视图的同步。这便于识别不同 视图中的特征并且便于例如并行研究结肠癌筛选中的俯卧和仰卧获 取。
用于同步这样的视图的现有方法典型地假设结肠中心线由单个 连通分支形成。例如参见B.Acar、S.Napel、D.S.Paik、P.Li、J.Yee、 C.F.Beaulieu、R.B.Jeffrey的Registration of supine and prone ct colonography data：Method and evaluation(仰卧和俯卧CT 结肠成像数据的配准：方法和评估)(Radiological Society of North America 87th Scientific Sessions，2001)；B.Acar、S.Napel、 D.S.Paik、P.Li、J.Yee、R.B.Jeffrey、C.F.Beaulieu的Medial axis registration of supine and prone CT colonography data(仰卧 和俯卧CT结肠成像数据的中轴配准)(Proceedings of 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society(EMBC 2001)，伊斯坦布尔，土耳其，2001年 10月25-28日)；和D.Nain、S.Haker、W.E.L.Grimson、E.Cosman Jr、W.Wells、H.Ji、R.Kikinis、C.-F.Westin在2002年9月日本 东京的Proceedings of MICCAI 2002中的Intra-Patient Prone to Supine Colon Registration for Synchronized Virtual Colonoscopy(同步的虚拟结肠镜检查的患者内俯卧至仰卧的结肠配 准)。

在此认识到，结肠中心线由单个连通分支形成的假设在许多情况 下可能不是完全有效的假设，这些情况例如包括发生部分阻塞，这些 阻塞可能在不完全注气的情况下并且例如由于不理想的数据分段而 导致。
本发明的目标是提供一种便于并行研究诸如结肠癌筛选的应用 中的俯卧和仰卧获取的方法。
根据本发明的方面，提供了一种用于自动地使虚拟结肠镜检查中 的两个体积图像的内窥镜视图同步的方法。在一个方面，所述方法利 用两个点集的最佳匹配，每个点集用于相应的体积图像的每个体积。 这些集合对应于结肠中心线的均匀样本。点对应使用正则化径向基函 数近似在空间上被扩展到整个数据。
根据本发明的方面，所述方法并不需要假设结肠中心线由单个连 通分支形成。所述方法允许处理部分阻塞，常常在不完全注气或不理 想的数据分段的情况下遇到的情形。
根据另一实施例，直接在结肠表面上对多个点进行采样。
根据本发明的实施例，使用包括诸如肠道准备(bowel preparation)和注气的程序的结肠镜检查协议来获得两个体积图 像。对于每个体积，代表结肠中心线的连接段的一组折线是可用的。 从所述中心线的每个点到结肠表面上的其最近点的距离(另外在此也 被称为结肠半径)被认为是已知的。
根据本发明的方面，一种用于配准虚拟内窥镜图像或虚拟内窥镜 图像之间的配准的方法包括：通过内窥镜检查协议导出第一和第二体 积图像并且由相应的第一和第二体积图像数据集表示所述图像；通过 连接线分支导出相应的中心线表示；重新采样连通分支，以提供相应 的第一和第二样本集；计算每个样本的描述符；使用所述描述符之间 的距离来计算相似矩阵；和通过对所述相似矩阵应用最小化算法来确 定第一和第二样本集之间的点对应的最佳集合。
根据本发明的另一方面，导出第一和第二体积图像的步骤包括通 过结肠镜检查协议导出第一和第二体积图像的步骤。
根据本发明的另一方面，导出相应的中心线表示的步骤包括通过 连接折线分支导出相应的中心线表示的步骤；在所述体积图像的每个 体积图像中识别出结肠表面；通过确定从所述中心线表示的每个点到 结肠表面上的分别最近的点的距离导出相应的结肠半径信息。
根据本发明的另一方面，一种方法包括以下步骤：将中心线点对 应外推到第一和第二体积图像之间的三维/三维(3D/3D)变换；和应 用所述3D/3D变换，以在第一和第二体积图像之间对虚拟内窥镜位置 进行变换。
根据本发明的另一方面，一种用于第一和第二体积图像的俯卧- 仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获得 并包括由连接折线分支形成的相应的中心线表示、和包括相应的结肠 半径信息，该方法包括：重新采样连通分支，以提供相应的第一和第 二中心线样本集；计算每个样本的描述符；使用所述描述符之间的距 离来计算相似矩阵；通过对所述相似矩阵应用最小化算法来确定第一 和第二样本集之间的中心线点对应的最佳集合；将所述中心线点对应 外推到第一和第二体积图像之间的3D/3D变换；和应用所述3D/3D变 换，以在第一和第二体积图像之间对虚拟内窥镜位置进行变换。
根据本发明的另一方面，一种用于第一和第二体积图像的俯卧- 仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获 得、由相应的第一和第二体积数据集表示、包括由连接折线形成的相 应的中心线表示、和包括结肠半径信息，该方法包括：重新采样连接 折线，以提供相应的第一和第二样本集；计算每个样本的描述符；使 用所述描述符之间的距离来计算相似矩阵；和通过对所述相似矩阵应 用最小化算法来确定第一和第二样本集之间的点对应的最佳集合。
根据本发明的另一方面，所述方法包括将所述中心线点对应的最 佳集合外推到第一和第二体积图像之间的3D/3D变换的步骤。
根据本发明的另一方面，所述方法包括应用所述3D/3D变换以在 第一和第二体积图像之间对虚拟内窥镜位置进行变换的步骤。
根据本发明的另一方面，一种用于在第一和第二患者位置的虚拟 内窥镜检查图像之间进行配准的方法包括：执行结肠分段和特征提 取，该特征包括针对每个图像的中心线和结肠表面数据；重新采样所 述中心线和结肠表面数据；计算相应的局部描述符；通过最小代价匹 配在第一和第二图像之间来配对所述中心线上的点对应；将所述中心 线点对应外推到第一和第二图像之间的3D/3D变换。
根据本发明的另一方面，一种用于第一和第二体积图像的俯卧- 仰卧配准的方法，所述第一和第二体积图像通过虚拟结肠镜检查获 得、并由第一和第二体积图像数据集表示、包括由连接折线分支形成 的相应的中心线表示、和包括相应的结肠半径数据，该方法包括：重 新采样连接线分支，以提供相应的第一和第二样本集；针对每个样本 计算描述符，所述描述符包括几何特征向量和所述结肠半径数据的估 计值；使用所述描述符之间的距离来计算相似矩阵；通过对所述相似 矩阵应用最小化所有对应点之间的距离之和的算法来对所述相似矩 阵应用最小化程序，以确定第一和第二样本集的点之间的对应的最佳 集合；将所述中心线点对应外推到第一和第二体积图像之间的3D/3D 变换；在所述体积图像之一中选择虚拟内窥镜的位置；将直角坐标系 与所述虚拟内窥镜相关联；和将所述3D/3D变换应用到所述直角坐标 系，从而导出另一体积图像中的相应变换的虚拟内窥镜的坐标系。
根据本发明的另一方面，一种用于配准虚拟内窥镜图像的方法， 该方法包括：通过结肠镜检查协议导出第一和第二体积图像并且由相 应的第一和第二体积图像数据集表示该第一和第二体积图像；通过连 接折线分支导出相应的中心线表示；在所述体积图像的每个体积图像 中识别出结肠表面；通过确定从所述中心线表示的每个点到结肠表面 上的分别最近的点的距离来导出相应的结肠半径信息；重新采样连通 分支，以提供相应的第一和第二样本集；计算每个样本的描述符；使 用所述描述符之间的距离来计算相似矩阵；通过对所述相似矩阵应用 最小化算法来确定第一和第二样本集之间的点对应的最佳集合。
根据本发明的另一方面，一种方法包括将所述中心线点对应外推 到第一和第二体积图像之间的3D/3D变换。
根据本发明的另一方面，一种方法包括应用所述3D/3D变换以在 第一和第二体积图像之间对虚拟内窥镜位置进行变换。
根据本发明的另一方面，用于第一和第二体积图像的俯卧-仰卧 配准的设备，所述第一和第二体积图像通过虚拟结肠镜检查获得并包 括由连接折线分支形成的相应的中心线表示、和包括相应的结肠半径 信息，该设备包括：用于重新采样连通分支以提供相应的第一和第二 中心线样本集的设备；用于计算每个样本的描述符的设备；用于使用 所述描述符之间的距离计算相似矩阵的设备；用于通过对所述相似矩 阵应用最小化算法确定第一和第二样本集之间的中心线点对应的最 佳集合的设备；用于将所述中心线点对应外推到第一和第二体积图像 之间的3D/3D变换的设备；和用于应用所述3D/3D变换以在第一和第 二体积图像之间对虚拟内窥镜位置进行变换的设备。
根据本发明的另一方面，用于配准虚拟内窥镜图像的设备，该设 备包括：用于通过内窥镜检查协议导出第一和第二体积图像并且由相 应的第一和第二体积图像数据集表示该第一和第二体积图像的设 备；用于通过连接线分支导出相应的中心线表示的设备；用于重新采 样连通分支以提供相应的第一和第二样本集的设备；用于计算每个样 本的描述符的设备；用于使用所述描述符之间的距离计算相似矩阵的 设备；和用于通过对所述相似矩阵应用最小化算法来确定第一和第二 样本集之间的点对应的最佳集合的设备。
根据本发明的另一方面，一种用于配准第一和第二患者位置上的 虚拟内窥镜检查图像的方法包括：执行结肠分段和特征提取，该特征 包括每个图像的中心线和结肠表面数据；重新采样所述中心线和结肠 表面数据；计算相应的局部描述符；通过最小代价匹配在第一和第二 图像之间来配对所述中心线上的点对应；将所述中心线点对应外推到 第一和第二图像之间的3D/3D变换。所述方法还包括在图像之一中选 择虚拟内窥镜的位置；将直角坐标系与虚拟内窥镜相关联；和将所述 3D/3D变换应用到所述直角坐标系，从而导出另一图像中的相应变换 的虚拟内窥镜的坐标系。
附图简述
结合附图，从后面的详细描述中将更全面理解本发明的这些方面 和其它方面，其中
图1示出有助于理解本发明的结肠表面及其中心线的表示；
图2示出根据本发明的实施例的步骤的流程图；
图3示出根据本发明的中心线连通分支的均匀重新采样；
图4示出根据本发明的表面均匀采样；和
图5示出适于实施本发明的设备的框图。
发明详述
图1示出结肠表面及其中心线的表示。该中心线在结肠的图像内 被表示为更亮的有色线。
概括地，根据本发明的方法的实施例包括计算局部形状描述符的 第一步骤。所述计算包括均匀重新采样所有连接中心线分支，并且对 于每个样本，使用局部形状属性计算多值描述符。
所述方法包括最佳点集匹配的又一步骤，其包括：使用描述符之 间的距离计算相似矩阵和使用针对加权二部图的匹配算法确定最佳 点对应(最佳分配问题)。
根据本发明的进一步的步骤包括执行内窥镜视图的配准和同 步，径向基函数近似被用于将中心线对应外推到体积之间的3D/3D变 换，并且在虚拟内窥镜检查用户界面中，内窥镜的位置和方向使用所 得到的变换来更新。
图2关于第一和第二对象位置例如示出俯卧和仰卧数据，和以下 步骤：结肠分段和特征提取2(中心线/表面)；中心线/表面重新采 样和局部描述符的计算4；使用最小代价匹配进行点配对6；外推到 3D/3D变换和内窥镜同步(位置/方向)；和同步的(俯卧/仰卧)导 航和工作流程。图2也示出具有并列的俯卧和仰卧示图2A-8A的相 应的并行图形表示。
在进一步的细节中，数据重新采样的所述步骤包括选择固定数量 N的采样点。对于每个数据集，其中心线分支的总长度被计算，也就 是被累加，并且除以N-1。每个连通分支然后被重新采样，使得各 点之间的弧长对应于先前计算的值(总长度/(N-1))。新样本点 的位置通过线性插值来计算。
图3示出中心线连通分支的均匀重新采样：最初采样是图3(b) 的实线，而图3(d)的最暗的线指示均匀重新采样后的结果。
接着详述描述符计算的步骤。于是，针对每个样本点计算多值描 述符。该描述符可以由以下属性形成：
标量几何特征(曲率、转矩、到质心的距离)的向量以及到结肠 表面的估计距离(结肠半径)；和
包含从当前点到(相同数据集的)所有其它样本的欧几里德距离 和方向的向量列表。方向可以在局部(弗伦内)坐标系中或使用总坐 标系进行计算。
针对关于弗伦内公式、曲率、转矩和相关问题的说明性材料例如 参见Michael D.Greenberg所著的数学课本“Advanced Engineering Mathematics(高等工程数学)”第二版(Prentice-Hall，Upper Saddle River，新泽西；1998年)的第15章。
对于相似矩阵计算，建立N×N阶相似矩阵。该相似矩阵为第一 集合的每个元素提供了其描述符和第二集合的所有元素的描述符之 间的“距离”。两个描述符之间的该距离被看作其相应属性之间的平 均距离。应当注意，由于属性之间的距离可能不具有相同的范围，在 获得平均值之前它们被标准化。标量属性之间的距离由它们的平方差 的一半给出，并且对于欧几里德距离和方向的向量，使用统计学相似 测量结果来估计所述距离，采用其相反值并且必要时应用偏差。为了 计算两个向量之间的统计学相似测量结果，它们的元素被假设是两个 随机变量X和Y的样本。
根据本发明的方面，下面描述三种可能的策略。
(a)所述向量是等级排列的并且斯皮尔曼等级相关被计算。为 了详细描述该技术，例如参见W.H.Press、S.A.Teukolsky、 W.T.Vetterling、B.P.F1annery所著的《Numerical Recipes in C (C语言的数值算法)》(第二版，剑桥大学出版社，1992年)。斯 皮尔曼等级相关系数由下式定义：
$r^{\prime }\equiv 1-6\Sigma \frac{d^2}{N(N^2-1)}---\left(1\right)$
其中di是向量的第i个元素的等级之差。斯皮尔曼等级相关系数提供 了两个变量之间的相关强度的测量结果。对于斯皮尔曼等级相关系 数，例如参见《CRC Concise Encyclopedia of Mathematics(CRC 数学简明全书)》(第二版，Eric W.Weisstein；Chapman和Hall/CRC， 纽约，2002年)的第2762页以及下列等等。
(b)向量元素的直方图被计算并且使用Kullback-Leiber发散 或卡方测量(Chi-square measure)来比较。Kullback-Leiber距离 由下式定义：
$D\left(f_X\right|\left|f_Y\right)=\underset{x}{\Sigma }{f}_X\left(x\right)\log \frac{f_X\left(x\right)}{f_Y\left(x\right)}---\left(2\right)$
其中fX和fY分别代表相应变量X和Y的概率(标准化直方图)。
对于Kullback-Leiber发散或距离，例如参见《Mathematics Handbook for Science and Engiheering(科学和工程数学手册)》 (Rde和Westergren，Studentlitteratur Birkhuser，瑞典，1995 年)的第410页。
卡方测量在数学课本中被论述；例如参见William Volk的 《Applied Statistics for Engineers(工程师应用统计学)》 (McGraw-Hill Book Company，Inc.，纽约，1958年)的第5章。
(c)向量元素的两个集合的联合直方图被计算，并且它们的相 似性由它们的交互信息给出。该交互信息由下式定义：
$I(X,Y)=\underset{x}{\Sigma }\underset{y}{\Sigma }{f}_{X,Y}(x,y)\log \frac{f_{X,Y}(x,y)}{f_X\left(x\right)f_Y\left(y\right)}---\left(3\right)$
这里，fX，Y(x，y)和fX(x)、fY(y)分别代表一对随机变量(X，Y) 的联合和边缘概率。
对于交互信息，例如参见上面引用的Rde和Westergren的 《Mathematics Handbook for Science and Engineering》的第410 页和上面引用的Weisstein的《CRC Concise Encyclopedia of Mathematics》。
关于二部图匹配，假设N个点的两个集合和N×N阶相似矩阵， 设法找到最小化所有相应点之间的距离之和的最佳配对(最佳分 配)。这可以使用加权二部图匹配算法进行精确计算。快速增长路径 技术可被用于之前在上面获得的相似矩阵，如在R.Jonker、 A.Volgenant的出版物《A Shortest Augmenting Path Algorithm for Dense and Sparse Linear Assignment Problems(用于密集和稀疏 线性分配问题的最短增长路径算法)》(Computing，38：325-340，1987 年)中所描述的那样。
接下来考虑变换的计算，一旦在两个点集之间建立一对一对应， 它就可以被用作相应几何标志的集合。通过使用正则化径向基函数近 似来计算两个变换(从第一体积到第二体积的3D/3D映射，并且相反 地从从第二体积到第一体积的3D/3D映射)，可以将标志对应传播到 整个空间。根据经验选择正则化参数。
应当注意整个过程：描述符计算、匹配、变换的计算可以在初始 点集的更新版本上迭代若干次。
所述变换然后可以被用于同步标准虚拟结肠镜检查工作流程中 的俯卧和仰卧视图。使用下述技术既在位置上又在方向上同步虚拟内 窥镜：
由4个点(一个点用于原点，另外三个用于基本向量末端)描述 的无穷小正交标架被配属给所选择的虚拟内窥镜。所述变换被用于每 个点。正交化之后，得到的标架在第二数据集中给出相应的内窥镜位 置和方向。
在根据本发明的原理的另一实施例中，不使用中心线上的点，也 可以采样均匀地在结肠表面上的点。图4示出根据该方法的表面均匀 采样。因此，描述符可以被更新，以包括表面特定特征(诸如该点处 的结肠表面的高斯和平均曲率)。其余的配准程序可以保持相同。在 该情况下不需要中心线。
如在S.Belongie、J.Malik、J.Puzicha的出版物《Shape Matching and Object Recognition Using Shape Context(使用形状范围的形 状匹配和对象识别)》(IEEE Transactions on Pattern Analysis and Machine Intelligence，(24)24：509-522，2002年)中所讨论的、 用于2D曲线的重排列的形状范围框架是相对本发明的方面所关心的 内容。然而，它与之前在虚拟结肠镜检查中用于执行俯卧和仰卧数据 的患者内配准的1D匹配方法(基于动态编程的翘曲，沿中心线路径 线性伸展/收缩)明显不同。同样参见在上面引用的Acar等人的两个 出版物Registration of supine and prone ct colonography data： Method and evaluation和Medial axis registration of supine and prone CT colonography data；以及在上面引用的Nain等人所著的 出版物。
将理解本发明旨在与可编程计算机结合实施。图5示出适于实施 本发明的设备的框图。由如本领域中已知的图像获取设备50根据早 先描述的协议获取图像。根据本发明的原理，方便地数字形式的这样 的图像被存储并且由计算机52进行处理。处理过的图像可在如本领 域中已知的图像显示设备54上显示，并且可以进一步被存储、处理 和/或由已知的通信技术传输。
已经借助示例性实施例描述了本发明。本发明所属领域的普通技 术人员将明白，可以在不脱离本发明的精神的情况下进行各种变化和 替换。这些和类似的变化和替换在后附的权利要求的范围内。
相关申请的交叉参考
优先权
由此特别参考以Christophe Chefd’hote1和Bernhard Geiger 的名义于2003年8月14日提交的题为“POINT SET MATCHING FOR PRONE-SUPINE REGISTRATION IN VIRTUAL ENDOSCOPY(虚拟内窥镜检 查中的俯卧-仰卧配准的点集匹配)”的美国临时申请 No.60/495,304(代理人档案号为No.2003P12266US)，该申请的申 请人即本申请的发明人，并且本发明要求了该申请的优先权而且该申 请的公开内容通过参考被结合于此。