نوع مقاله: مقاله کامل پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه فیزیک و مهندسی پزشکی، دانشگاه علوم پزشکی تهران

2 دانشیار، گروه فیزیک و مهندسی پزشکی، دانشگاه علوم پزشکی تهران

3 دانشیار، گروه فیزیک و مهندسی پزشکی، ، دانشگاه علوم پزشکی تهران

4 دانشجوی دکترا، گروه فیزیک و مهندسی پزشکی ، دانشگاه علوم پزشکی تهران

5 دانشیار، گروه رادیولوژی بیمارستان امام خمینی، دانشگاه علوم پزشکی تهران

6 دانشیار، گروه فیزیک و مهندسی پزشکی ، دانشگاه علوم پزشکی تهران

10.22041/ijbme.2012.24880

چکیده

با توجه به گسترش روز افزون استفاده از تصویربرداری فراصوت در سیستم‌های راهبری جراحی کبد، داشتن فرآیند انطباق بین تصاویر قیل و حین جراحی که از دقت و زمان کافی برخوردار باشد امری اجتناب ناپذیر است. با وجود استفاده گسترده از الگوریتم تکراری نزدیکترین نقاط1 در روش‌های انطباق مبتنی بر ویژگی، عملکرد آن به نویز، داده‌های اضافی وو انطباق اولیه حساس است. الگوریتم انطباق مبتنی بر کالمن 2unscented که اخیرا معرفی شده است، بر مشکلات ناشی از نویز و داده‌های اضافی فائق می‌آید. الگوریتم UKF فرآیندی است که به صورت افزایشی و پی‌در‌پی نقاط را در انطباق تاثیر می‌دهد و برخلاف ICP نیازی به جمع آوری تمام نقاط برای شروع ندارد، با این وجود هزینه محاسباتی بالایی دارد. از این رو در این مطالعه رویکرد جدید دو مرحله‌ای برای انطباق پیشنهاد می‌شود. الگوریتم پیشنهادی ترکیبی از ICP و UKF است که علاه بر فائق آمدن بر محدودیت‌های ICP، بردار حالت UKF را بصورت دقیق مقداردهی می‌کند و زمان اجرای UKF را کاهش می‌دهد. الگوریتم دو مرحله‌ای بر روی دیتای گرفته شده از فانتوم تست می‌شود. نتایج نشان می‌دهد که الگوریتم پیشنهادی دقت الگوریتم ICPرا تا 23% و الگوریتم UKF را تا 13% در انطباق تصاویر فراصوت به سی‌تیبهبود می‌بخشد و زمان اجرای الگوریتم UKF را تا 60% کاهش می‌دهد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

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

نویسندگان [English]

  • Fateme Nazem 1
  • Alireza Ahmadian 2
  • Mohammad Javad Abolhasani 3
  • Nasim Dadashi 4
  • Masoume Gity 5
  • Mohammad Bagher Shiran 6

1 M.Sc Student,Physic and Biomedical engineering Department, Tehran University of Medical Sciences

2 Associate Professor, Physic and Biomedical engineering Department, Tehran University of Medical Sciences

3 Associate Professor,Physic and Biomedical engineering Department, Tehran University of Medical Sciences

4 Ph.D Student, Physic and Biomedical engineering Department, Tehran University of Medical Sciences

5 Associate Professor, Radiology Department of Imam khomeini Hospital, Tehran University of Medical Sciences

6 Associate Professor, Physic and Biomedical engineering Department, Tehran University of Medical Sciences

چکیده [English]

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%. 

کلیدواژه‌ها [English]

  • Image guided liver surgery
  • Intra-operative ultrasound images
  • point based registration
  • Unscented Kalman filter
  • Iterative Closest Point

[1]     Lange, T., et al., 3D ultrasound-CT registration of the liver using combined landmark-intensity information. IJCARS, 2009. 4(1): p. 79-88

[2]     Penney, G.P., et al., Overview of an ultrasound to ct or mr registration system for use in thermal ablation ofliver metastases, in MIUA’01. 2001. p. 65—68

[3]     Paul Mullen, C.O., TECHNICAL INNOVATION: MR, Ultrasound Fusion, in A GE Healthcare MR publication. 2009.

[4]     Rasoulian, A., et al., Group-wise feature-based registration of CT and ultrasound images of spine. 2010: p. 76250R-76250R.

[5]     Zhijun, Z. Adaptive region intensity based rigid ultrasound and CT image registration. in IEEE Conference on CVPR. 2008.

[6]     Rasoulian, A., Group-wise CT to Ultrasound Registration of Lumbar Spine, in computer science faculty 2009, University of Munich

[7]     Sandhu, R., S. Dambreville, and A. Tannenbaum, Point Set Registration via Particle Filtering and Stochastic Dynamics. IEEE Trans Pattern Anal Mach Intell, 2010. 32(8): p. 1459-1473.

[8]     Moghari, M.H. and P. Abolmaesumi, Point-Based Rigid-Body Registration Using an Unscented Kalman Filter. IEEE Trans Med Imaging, 2007. 26(12): p. 1708-1728.

[9]     Mehdi, H.M., New Algorithms in Rigid-Body Registration and Estimation of Registration Accuracy, in Department of Electrical and Computer Engineering. 2008, Queen’s University: Kingston, Ontario, Canada.

[10]  Loizou, C.P. and C.S. Pattichis, Despeckle Filtering Algorithms and Software for Ultrasound Imaging. Synthesis Lectures on Algorithms and Software in Engineering, 2008. 1(1): p. 1-166.

[11]  Czerwinski, R.N., D.L. Jones, and W.D. O'Brien, Jr., Line and boundary detection in speckle images. Image Processing, IEEE Transactions on, 1998. 7(12): p. 1700-1714.

[12]  Lee D Fau - Nam, W.H., et al., Non-rigid registration between 3D ultrasound and CT images of the liver based on intensity and gradient information. Phys Med Biol, 2011. 56(1):117-37(1361-6560 (Electronic)).

[13]  Chan, T.F. and L.A. Vese, Active contours without edges. IEEE Trans Image Process 2001. 10(2): p. 266-277.

[14]  Hassouna, M.S. and A.A. Farag, MultiStencils Fast Marching Methods: A Highly Accurate Solution to the Eikonal Equation on Cartesian Domains. IEEE Trans. Pattern Anal. Mach. Intell., 2007. 29(9): p. 1563-1574.

[15]  Chen Sj Fau - Hellier, P., et al., An anthropomorphicpolyvinyl alcohol triple-modality brain phantom based on Colin27. Med Image Comput Comput Assist Interv, 2010. 13: p. 92-100.

[16]  Clements Lw Fau - Chapman, W.C., et al., Robust surface registration using salient anatomical features for image-guided liver surgery: algorithm and validation. 2008(0094-2405 (Print))