انطباق تصاوير سي تي اوليه با فراصوت حين عمل به منظور تصحيح جابجايي بافت در فانتوم كبد با استفاده از الگوريتم انطباق دو مرحله اي

Registration of intra-operative Ultrasound to CT images using Two-stage point based registration algorithm for Correction of Deformation in liver phantom

با توجه به گسترش روز افزون استفاده از تصويربرداري فراصوت در سيستم هاي راهبري جراحي كبد، داشتن فرآيند انطباق بين تصاوير قيل و حين جراحي كه از دقت و زمان كافي برخوردار باشد امري اجتناب ناپذير است. با وجود استفاده گسترده از الگوريتم تكراري نزديكترين نقاط1 در روش هاي انطباق مبتني بر ويژگي، عملكرد آن به نويز، داده هاي اضافي و انطباق اوليه حساس است. الگوريتم انطباق مبتني بر كالمن 2unscented كه اخيرا معرفي شده است، بر مشكلات ناشي از نويز و داده هاي اضافي فايق مي آيد. الگوريتم UKF فرآيندي است كه به صورت افزايشي و پي در پي نقاط را در انطباق تاثير مي دهد و برخلاف ICP نيازي به جمع آوري تمام نقاط براي شروع ندارد، با اين وجود هزينه محاسباتي بالايي دارد. از اين رو در اين مطالعه رويكرد جديد دو مرحله اي براي انطباق پيشنهاد مي شود. الگوريتم پيشنهادي تركيبي از ICP و UKF است كه علاه بر فايق آمدن بر محدوديت هاي ICP، بردار حالت UKF را بصورت دقيق مقداردهي مي كند و زمان اجراي UKF را كاهش مي دهد. الگوريتم دو مرحله اي بر روي ديتاي گرفته شده از فانتوم تست مي شود. نتايج نشان مي دهد كه الگوريتم پيشنهادي دقت الگوريتم ICPرا تا 23% و الگوريتم UKF را تا 13% در انطباق تصاوير فراصوت به سي تيبهبود مي بخشد و زمان اجراي الگوريتم UKF را تا 60% كاهش مي دهد.

Abstract: Image guided liver surgery based on intra-operative ultrasound images has received much attention in recent years. Using an efficient point-based registration method to improve both the accuracy and computational time for registration of pre-deformation CT liver images to post-deformation Ultrasound images is of great concern during surgical procedure. Although, Iterative Closest Point (ICP) algorithm is widely used in surface-based registration, its performance is strongly dependent on existence of noise and initial alignment. The registration technique based on the Unscented Kalman Filter (UKF) proposed recently can be a solution to overcome to noise and outliers on an incremental registration basis but it suffers from computational complexity. To overcome the limitations of ICP and UKF algorithms we proposed an incremental two-stage registration algorithm based on the combination of ICP and UKF algorithm to update the registration process based on arrival of intra-operative images. The two-stage algorithm is examined on phantom data sets. The results of phantom study confirm that the two-stage algorithm outperforms the accuracy of ICP and UKF by 23% and 13%, respectively and reduces the running time of UKF by 60%.