《Slice-to-volume medical image registration: A survey》论文阅读

2D/3D配准的Review Article

摘要

在过去几十年中，研究医学成像研究界已经见证了图像配准方法的不断进步，这些方法推动了最新技术的发展，并促进了新型医疗程序的发展。一种特定类型的图像配准问题，称为切片到体积配准，在图像引导手术和体积图像重建等领域发挥了重要作用。然而，到目前为止，尽管有关于该主题的大量文献，但没有编写任何调查来讨论这一具有挑战性的问题。本文首次对切片到体积的配准文献进行了全面的调查，根据临时分类法对算法进行了分类研究，并分析了各类的优缺点。我们从这一分析中得出一些一般性的结论，并提出我们对该领域未来的看法。

关键词：书目评论；切片到体积的配准；医学图像配准；医学图像分析

---

1. 介绍

图像配准是将来自多个图像源的数据对齐并组合成唯一坐标系的过程。这个问题已成为计算机视觉和医学成像的支柱之一。在过去十年中，切片到体积的配准（图像配准问题的特定情况）在医学成像领域受到进一步关注。在这种情况下，我们寻求从对应于输入2D图像的给定3D体积确定切片（对应于任意平面），而不是配准具有相同尺寸的图像。

已经出现了一些有从切片到体积映射需求的医疗应用，并推动社区开发向着更准确和有效的策略发展。这种医学成像任务可以分为两大类：那些与图像引导干预的图像融合相关的; 和那些与运动校正和体积重建有关的。在第一类中，需要融合术前3D图像和术中2D图像以在医疗干预期间指导外科医生。切片到体积的配准在此过程中起着关键作用，允许医生使用在手术期间实时采集的低分辨率2D图像来导航3D术前高分辨率带注释数据。在第二类中，目标是在重建特定模态的体积时校正未对准的切片。解决该任务的典型方法在于将各​​个切片映射到参考体积上，以便校正切片间的错位。同样，开发精确的切片到体积配准算法对于成功解决这个问题至关重要。

由于配准过程中涉及的图像的维度，切片到体积的配准也称为2D / 3D配准。然而，该术语是含糊的，因为它根据用于捕获2D图像的技术描述了两个不同的问题：它可以是投影（例如X射线）或切片/断层摄影（例如US）图像。即使两个问题在图像维度方面都有相似之处，但每个公式都需要不同的策略来估计解决方案。缺乏透视和两种模态固有的不同图像几何形状，这两种方式都是固有的，因此有必要提出解决这些配准问题的不同策略。此外，任何2D投影图像中的像素不仅对应于来自体积的一个体素（这是切片到体积的情况），而是对应于它们在一定视角中的一组投影。因此，用于测量图像之间的相似性的函数的类型在每种情况下都必然是不同的。虽然大多数投影2D / 3D图像配准方法需要将图像带入维度对应（通过投影，反投影或重建等不同策略），在切片到体积配准的情况下，可以直接将来自2D图像的像素与来自体积的体素进行比较。在这篇综述中，我们专注于切片到体积的配准，而Markelj等人在调查中提供了关于投影2D到3D图像配准的更全面的概述。

切片到体积的配准可以被认为是3D-3D配准的极端情况，其中一个3D图像仅包含一个切片。即使理论上正确，3D-3D配准方法也无法以直接的方式推断到切片到体积的情况。这尤其适用于基于图像信息的配准方法，因为用于量化图像之间相似性的描述符号通常假设两个图像中可用的信息量是平衡的。在问题公式化中应明确考虑单个切片（或甚至几个稀疏切片）提供的信息少于整个体积的事实。此外，特定的几何约束，如平面度满足和平面内变形在切片到体积配准的情况下出现限制，这些限制不适用于维度对应的设定。

尽管有大量有关切片到体积的配准的文献，但迄今为止还没有编写任何调查来讨论这一新兴领域。在这篇综述中，我们讨论了关于切片到体积的匹配的文献，提供了对解决这个具有挑战性问题的文章的全面调查，根据分类法提出了相关算法的分类研究，并分析了每个类别的优缺点。我们基于先前的图像配准调查提出了分类法，并根据特定的切片到体积情况进行了调整（见图1 ）。我们根据几个原则对相关工作进行了分类：（i）匹配标准（第2节），规定了定义图像之间相似性的策略; （ii）转换模型（第3节），指出用于将图像带入空间对应的模型的性质; （iii）优化（第4节），根据用于推断最优转换模型的策略区分方法; （iv）切片数量（第5节），根据它们是否需要单个或多个源图像切片，将方法分成两组; （v）应用（第6节），我们确定了推动该领域研究的主要临床情景; 最后（vi）验证策略（第7节）我们总结了用于验证所提出的切片到体积配准方法的替代方法。

---

图1. 分类法用于对本调查中分析的切片到批量注册出版物进行分类

---

系统地选择了本评论中包含的论文，搜索包含术语“切片到体积”和“匹配”（及其变体）的论文，并仔细选择那些既可以提供方法论贡献也可以应用切片到体积匹配的论文。引入一定程度新颖性的特殊问题。

1.1. 切片到体积匹配的定义

让我们首先给出切片到体积匹配的正式定义。给定2D图像$I$和3D体积$J$ ，我们寻求映射函数$\hat{\Theta }$通过最小化以下目标函数，最佳地将断层切片$I$与体积图像$J$对齐：
$\hat{\Theta }$ = $\underset{\Theta }{\mathrm{argmin}}$$\mathcal{M}$($I$,$J$;$\Theta$)+$\mathcal{R}$($\Theta$);（1）

$\mathcal{M}$表示图像相似性项（所谓的匹配标准）和$\mathcal{R}$表示正规化项。请注意，此映射可以是刚性或非刚性的，这取决于我们是否允许图像$I$（或其对应的来自$J$的重建切片）有没有变形。如果我们仅估计刚性映射（即我们计算6自由度刚性变换或更严格的变换），我们将问题命名为刚性切片到体积的配准。如果我们也推断某种变形模型或者我们认为更具表现力的线性变换（例如仿射变换），我们称之为非刚性配准。有关不同转换模型的更多信息，请参阅第3节。

匹配标准$\mathcal{M}$测量2D图像与其对应的映射（切片）到3D体积之间的相似性。通常，它使用来自$I$和$J$的强度信息或显著的结构来定义。关于在切片到体积匹配（我们还考虑不使用任何图像信息但依赖于外部传感器的方法）的完整讨论在第2节中介绍。

正规化项 R \mathscr{R}