基于机器学习和几何变换的实时 2D/3D 脊椎配准

doi:10.16383/j.aas.2017.c160711

	基于机器学习和几何变换的实时 2D/3D 脊椎配准
	陈智强1,2 ; 王作伟 3,4; 方龙伟1,2 ; 菅凤增 4; 吴毅红5 ; 李硕 6; 何晖光1,2,7
发表期刊	自动化学报
ISSN	0254-4156
	2018-07
卷号	44 期号:7 页码:1183-1194
文章类型	长文
摘要	在图像引导的脊柱手术中, 实时高效的 2D/3D 配准是一项重要且具有挑战性的任务. 通常的 2D/3D 配准一般是将三维图像投影到二维平面, 然后进行 2D/2D 的配准. 由于投影空间涉及到 3 个平移以及 3 个旋转参数, 其投影空间的复杂度为 O(n 6 ), 使得配准很难兼具高准确性和高实时性. 本文提出了一个结合机器学习与几何变换的 2D/3D 配准方法, 首先, 使用统计形状模型对目标脊椎进行建模, 并构建了一种新的投影方式, 使得 6 个投影参数中的 4 个可以使用几何的方法计算出来; 接下来利用回归学习的方法学习目标脊椎的形状与投影参数之间的关系; 最终, 结合学到的关系和几何变换完成配准. 本方法的两个姿态参数的平均预测误差为 0.84◦ 和 0.81◦ , 平均目标配准误差 (Mean target registration error, mTRE) 为 0.87 mm, 平均配准时间为 0.9 s. 实验结果表明本方法具有很好的实时性和准确性.
关键词	2D/3D 配准, 机器学习, 几何变换, 统计形状模型, 实时
学科门类	工学 ; 工学::计算机科学与技术（可授工学、理学学位）
DOI	10.16383/j.aas.2017.c160711
URL	查看原文
收录类别	EI
语种	中文
引用统计
文献类型	期刊论文
条目标识符	http://ir.ia.ac.cn/handle/173211/42214
专题	脑图谱与类脑智能实验室_神经计算与脑机交互
作者单位	1.中国科学院自动化研究所类脑智能研究中心 2.中国科学院大学北京 100049 中国 3.北京医院神经外科北京 100730 中国 4.首都医科大学宣武医院神经外科北京 100053 中国 5.中国科学院自动化研究所模式识别国家重点实验室北京 100190 中国 6.加拿大西安大略大学安大略 N6A3K7 加拿大 7.中国科学院脑科学与智能技术卓越创新中心北京 100190 中国
第一作者单位	类脑智能研究中心
推荐引用方式 GB/T 7714	陈智强,王作伟,方龙伟,等. 基于机器学习和几何变换的实时 2D/3D 脊椎配准[J]. 自动化学报,2018,44(7):1183-1194.
APA	陈智强.,王作伟.,方龙伟.,菅凤增.,吴毅红.,...&何晖光.(2018).基于机器学习和几何变换的实时 2D/3D 脊椎配准.自动化学报,44(7),1183-1194.
MLA	陈智强,et al."基于机器学习和几何变换的实时 2D/3D 脊椎配准".自动化学报 44.7(2018):1183-1194.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于机器学习和几何变换的实时2D3D脊椎（6328KB）	期刊论文	作者接受稿	开放获取	CC BY-NC-SA	浏览下载