[发明专利]一种基于PointNet的神经导航快速面配准方法及系统

权利要求书

1.一种基于PointNet的神经导航快速面配准方法，其特征在于，具体步骤为：

(1)头部表面重建：运用分割算法从术前图像中提取病人头部，并进行三维重建，得到图像空间下的头部表面点集；

(2)术中扫描：在开颅前通过手持式三维激光扫描仪扫描病人的头部，获取病人物理空间下的头部表面点集；

(3)粗配准：在图像空间和物理空间下分别选取4对解剖标记点，运用奇异值分解方法对解剖点进行配准，获得粗配准变换；

(4)精配准：运用基于PointNet的快速点集配准方法，对图像空间和病人物理空间的表面点集进行精配准，得到最终的空间变换矩阵；具体步骤为：

(4.1)将图像空间和物理空间下的头部表面点集分别表示为P_T和P_S；然后将点集P_T和P_S分别输入到由多个多层感知器和最大池化对称函数构成的PointNet特征提取网络中，得到一维的全局特征向量φ(P_T)和φ(P_S)；

(4.2)将得到特征向量φ(P_T)和φ(P_S)经过整合后分别输入到旋转网络和平移网络中，得到3D的平移向量ρ和3D旋转向量其中，旋转网络和平移网络结构相同但相互独立参数不同，都分别由4个大小为1024、512、128、64的多层感知器，和4个大小为128、64、32、3的全卷积层组成；

(4.3)将旋转向量和平移向量ρ经过串联后得到刚体变换的6D表示经过指数映射exp(·)，得到估计的刚体变换矩阵：

其中，等于θa，a为单位向量，ξ^表示ξ的反对称矩阵：

其中，为：

为三D旋转向量的3个分量；a^{^}为单位向量a的反对称矩阵；

(4.4)将经过步骤4.1～4.3后，估计得到的单次刚体变换T₁作用于输入的点集P_S，得到变换后的点集将新的一组点集和P_T再次作为输入执行步骤4.1～4.3，得到刚体变换T₂；以此类推，经过n次迭代后，原始点集P_S和P_T之间的最终变换T为每次迭代输出变换的乘积组合：

其中，T₀为单位阵。

2.根据权利要求1所述的面配准方法，其特征在于，步骤(1)中所述分割算法采用全自动的分割方法，首先通过基于阈值分割的分割方法得到粗分割结果，然后通过基于最大连通域的方法去除异常值，再运用形态学运算对图像进行平滑去除噪声，最后对得到的图像进行重建，得到表面点集。

3.根据权利要求2所述的面配准方法，其特征在于，步骤(2)中所述三维激光扫描仪使用GO！SCAN手持式三维扫描仪，扫描仪分辨率为1mm。

4.根据权利要求3所述的面配准方法，其特征在于，步骤(3)中所述选取4对解剖标记点，依据病人的体位，分别为：在仰卧位和侧卧位时选取鼻尖、双眦中点，以及左眉弓中心和右眉弓中心；在俯卧位时选取枕外隆突、枕外隆突与右乳突连线交点，以及两侧顶结节连线中点。

5.基于权利要求1-4之一所述面配准方法的基于PointNet的神经导航快速面配准系统，其特征在于，包括四个模块：头部表面重建模块、手持式三维激光扫描仪模块、粗配准模块和精配准模块；其中，

所述头部表面重建模块，用于从术前图像中提取病人头部，并进行三维重建，得到图像空间下的头部表面点集；从术前图像中提取病人头部，采用分割算法，即执行步骤(1)的操作；

所述手持式三维激光扫描仪模块，用于扫描病人的头部，获取病人物理空间下的头部表面点集；即执行步骤(2)的操作；

所述粗配准模块，用于对图像空间和物理空间的粗配准，包括在图像空间和物理空间下分别选取4对解剖标记点，运用奇异值分解方法对解剖点进行配准，获得粗配准变换；即执行步骤(3)的操作；

所述精配准模块，用于对图像空间和病人物理空间进行精配准，包括运用基于PointNet的快速点集配准方法，对图像空间和病人物理空间的表面点集进行精配准，得到最终的空间变换矩阵；即执行步骤(3)的操作。