根据经纬度坐标配准_3D Slicer中基于标志点的交互式区域配准

欢迎微信搜索关注公众号“医影杂记”。

虽然起了一个标准的“关键词串烧型“科研论文标题，不过今天要写的不是科研论文，只是想快速简单分享3D Slicer中一个配准功能的使用。

事情的起因是上周后台有位同学问，在3D Slicer中怎么实现脊椎的配准。这个我也没做过，但感觉是一个很有意思的问题。

假定要配准的图像是包含从颈椎到腰椎的躯干部分CT影像，配准的目标是把这个范围内的脊椎尽可能整体对齐。

当然这里有个问题，临床中是否需要这样的脊椎整体配准？说实话，我也不知道。但今天暂且用脊椎配准作为一个例子，来看看怎么使用3D Slicer中提供的基于标志点的交互式配准工具。也就是先把脊椎配准作为一个假想的钉子，重点来介绍标志点交互配准这把锤子。不管将来是否会遇到非这把锤子不可的钉子，在工具箱中多准备一把有特色的锤子，总是好的。

配准问题，其实属于医学图像处理中经常遇到的一类”钉子“，3D Slicer中也相应提供了多把锤子，也就是缺省集成了多种配准工具。大家可以看一眼下图。

没来的及去研究其他的配准工具，这一次基本上是上来就直接选择了Landmark Registration，拿起来就用。折腾一番，上手之后，发现这个工具还比较好用，基本能够完成预期的目标。这里的预期目标就是，可以把前后两次检查中感兴趣的局部区域，比较好的配准。这里的重点在于“局部”，也就是要配准的目标，在图像中只占很小的一部分区域。脊椎在整个人体躯干部中，所占的空间比例是很小的。这就决定了，不适合采用基于整体灰度信息的配准算法，而比较适合采用基于感兴趣区域相关的标志点对齐的配准算法。也就是通过标志点来控制哪里是感兴趣区域。这里的标志点，可以通过分割或特征点提取算法来自动生成，也可以人工直接指定生成。

此外，脊椎整体细长，且存在随人体姿态改变的弯曲度，其实是比较难配准的。如果能够手工标记点方式配准，也可以充分说明手工标记点这个工具的实用性。

咱们这次就采用最简单的方法，直接手工指定来生成。手工指定的方法，科技含量确实有点低，但优点在于可控性强。如果只是要配准1~2例数据，并且对配准的要求比较高，手工指定往往是最可靠的方法。

---

接下来进入正题，看看“Landmark Registration”这个工具如何使用。

先直接画一下重点吧。Landmark Registration这个工具的核心用法，就是在固定图像和浮动图像之间逐对手工添加对应标志点，添加的过程中可以随时切换选择不同的空间变形方法，同时注意观察固定图像和变形后的浮动图像的叠加实时显示图像，来评估当前的配准效果。

在这个核心用法的基础上，还有一些小的技巧，咱们放在最后来说。先来看如何逐步操作，实现配准。

加载图像

这里省去图像加载的步骤，假定大家都已经加载了需要配准的图像。注意，需要有2个Volume数据，或者是两组能够生成三维Volume的扫描序列。一般来讲，这2个Volume或序列，是同一患者的大致相同身体部位，在不同时期接受的两次扫描，可以是相同类型的扫描设备，比如两个都是CT，也可以是不同类型的扫描设备，比如一个是CT、一个是MR。

因为手边正好有同一患者的两次CT扫描数据，所以咱们这里选择两个CT Volumue的配准，作为例子。

数据加载进来后，为了便于区分，咱们进入Data模块，把两个Volume更改一下名称。选择检查时间较早的Volume，改名为“Base Vol"；选择检查时间较晚的Volume，改名为“FollowUp Vol”。操作要点如下图。

启动Landmark Registration

加载好数据，改好名称之后，就可与启动Landmark Registration模块，开始配准了。启动的操作路径如下图。

启动后，会提示指定要配准的固定图像和浮动图像，如下图所示。固定图像（Fixed Volume）指的是在配准过程中，保持不动的图像；而浮动图像（Moving Volume）就是那个在配准过程中，动来动去的图像。整个配准过程，其实就是一个始终不动，另外一个不断移动，直到找到最佳匹配位置。

指定好固定和浮动图像之后，3D Slicer会非常贴心的自动把图像显示布局切换为3x3布局，如下图所示。

注意观察每个图像窗口的左下角，可以看出来，第一行显示的是固定图像3个正交切面；第二行是浮动图像3个正交切面；第三行则是固定和浮动图像以半透明方式叠加显示。从第三行可以看出，在固定和浮动图像的初始配准位置上，脊椎存在比较明显的偏差，也就是没对齐。

接下来就逐个添加标志点，来对齐脊椎。但在添加标志点之前，可以根据需要，调整图像显示的灰窗设置，调整到一个最有利于观察感兴趣器官或区域的灰窗。选对灰窗，可以让后续的“肉眼找点”操作更快更准哦。操作见下图。

添加标志点

添加标志点之前，建议先按照下图进行操作，尤其是先按照下图中的第一步和第二步，选择参数设置。第一步和第二步的基本想法是，先从一个最基础的、也是最好调整、不容易出错的空间变形方式开始，先把两套数据基本对齐了，再切换到更复杂、更精准的空间变形方式上，取得更好的配准效果。关于选项1和2的具体含义，咱们后面再细说。

接下来，就是挨个添加标志点了。折腾一通下来，有下面几条心得，“砖”也好，“玉”也罢，先抛出来再说。

1. 最好的方法，就是上手试一下。所以，后面几条，不看也罢。
2. 相信我，一定要先做上图中的第一步和第二步。不然，下面的步骤添加标志点时，很容易找不到标志点。
3. 添加每个标志点之前，都需要先点击上图箭头3指向的“Add"按钮。也就是点一下按钮，在图像中点击一下鼠标左键，添加一对标志点。
4. 是的，每次添加的是一对点，固定图像和浮动图像中各一个点。采用黄色米字线的形式，显示在3x3布局的每一个窗口。可以分别在第一行固定图像和第二行浮动图像中，拖拽调整标志点位置，第三行会实时更新，显示调整后的配准效果。
5. 推荐随时勾选和取消勾选左侧的“Flicker"框，通过观察第三行的交替切换显示窗口，来确定固定和浮动图像的当前对齐程度。（操作参见第12条下方的图片）
6. 建议通过上述步骤5，先找到固定和浮动图像在初始状态下，最接近对齐的位置，作为添加的第一个标志点。也就是先抛下一个“锚点”，为后续添加标志点，定个大致的基调。别一上来就跑偏。
7. 接下来的操作，基本就是循环重复上述步骤3~5，直至达到基本满意的配准（对齐）效果。
8. 基本满意后，可以依次尝试在“Linear Registration"子面板中，选择”Similarity“和Affine“，看看能否取得更好的效果。也就是，切换到更复杂、自由度更大的变形方式，看看效果如何。
9. 如果切换变形方式后，图像对齐情况反而变差了，别着急，试试找个偏差最大的位置，添加标志点。一般能把跑偏的图像纠正回来。
10. 上面都是在“Registration Type"为”Affine Registration"的前提下，来操作的。如果感觉效果已经差不多了，可以切换到“Registration Type"中的”ThinPlate Registration“再试试。
11. 切换到“ThinPlate Registration"后，图像的对齐可能反而一下子乱掉。没关系，参考上面第9步。
12. 感觉对于很多配准情况，不一定需要使用“ThinPlate Registration"。Affine Registration可能就够了。

下面的图片说明了如何打开Flicker开关，观察图像对齐效果。

可能有些同学看到上面一连串的“Rigid/Similarity/Affine/ThinePlate Registraton"，不太不了解，简单解释一下。不过为了便于理解，下面的解释牺牲了严谨性，大家看个意思就行。

• Rigid Registartion，刚体配准，就是浮动图像只做左右（X轴）、前后（Y轴）、上下（Z轴）3个方向（坐标轴）的平移，以及绕3个坐标轴的旋转。用数学的话说，有6个自由度。打个比方，假如接受断层扫描的是个木头人，没有呼吸或扭头等这些局部动作变形，也没有长高或长胖，那么，刚体配准就能够把这个木头人前后两次扫描的三维图像完全对齐。
• Similarity Registration，相似配准，就是在刚体配准的基础上，再增加沿3个坐标轴的比例（缩放）变化。用数学的话说，有9个自由度。打个比方，假如上面接受检查的木头人，在前后两次检查之间，长高或变胖了，那么变形时允许在纵向或横向缩放，就能够更好的把前后两次扫描对齐。
• Affine Registration，仿射配准，就是在相似配准的基础上，再增加允许3个坐标轴之间的夹角变化，也就是X、Y、Z轴之间的夹角可以不是直角，可以变化。这样，就一共有12个自由度。打个非常不严谨的比方，假如木头人长歪了，那么变形时允许X、Y、Z轴之间夹角变化，就能取得更好的配准效果。
• ThinPlate Registration，薄板样条配准。这个嘛，不从数学上解释了，打个非常非常不严谨的比方，把上面的木头人换成橡皮人，然后在前面仿射配准的基础上，再额外对橡皮人这里拉一下、那里扯一下，来取得更好的配准效果。至于自由度嘛，如果你拉扯的地方越多，自由度就越大。这里的拉扯，其实就对应前面咱们添加的“标志点”。

其实，大家基本只需要知道上面4种配准，自由度依次增加，就基本够了。说到这里，扯一句大家估计都知道的“哲学”，自由（度）不是越多越好，而是够用就好。这句话放在太大范围上，会有很多争议；但在解决理工科问题上，基本是“金科玉律”。不服的，必然吃亏。

有一点非常重要，3D Slicer的Landmark Registration提供上面4种配准选项时，采用了与上面咱们的讲解相类似的实现方式，高自由度的配准方式都是在前面低自由度配准方式的基础上进行的。也就是说，当你选择Similarity Registration时，软件会先做Rigid Registration，然后再做Similarity Registration。其余，以此类推。

所以，在前面的操作中，推荐大家先选择自由度最低，但最简单、最稳定的配准方式开始，逐步递进。而且，只要已经达到了自己满意的配准效果，完全没有必要强求更复杂的配准方式。

道理扯了一堆，实际效果到底如何。来看图片。先看下面的未配准之前的对比图片。这里的对比就是采用的前面说的Flicker显示方式。

再看配准之后的对比图片。大家注意，咱们只关心脊椎的配准，其他区域不关心啊。这个是“局部配准”的中心思想。

选择最能体现脊椎整体的矢状面，在两个不同层面截图，单独看一下。

至于标志点的具体添加位置，和具体病例密切相关，所以这里不具体介绍了。总体上，上面的数据添加了10对标志点，而选择Affine Registration还是ThinPlate Registrationd对配准效果影响不大。需要这么多对标志点的主要原因，是因为脊椎在前后两次扫描中，弯曲程度不同。

---

好了，关于“Landmark Registration"这边锤子，就介绍到这里，希望能帮助大家丰富自己的日常工具箱。感谢提出这个问题的同学。也欢迎大家通过留言方式，多交流，互相启发。