基于核函数回归理论的自适应高逼真自由式三维超声重建关键问题研究

Freehand three-dimensional (3D) ultrasound plays an important role in image-guided minimally invasive surgery. But the problem of reconstruction with high precision for the irregularly sampled sparse data in the freehand 3D ultrasound imaging system has not been effectively solved. The main concern of this proposal is the irregularly sampled data of ultrasound image with highly complex spatial distribution. This proposal is intended to make a deep investigation to the sparse sampling theory, the mechanism of ultrasound imaging and the statistical characteristics of speckle noise in ultrasound image. Based on the kernel regression theory, a new data-adaptive reconstruction model with high-fidelity image quality is proposed in this proposal. Both of the 3D ultrasound reconstruction and ultrasound speckle denoising are taken into account in the proposed approach under an efficient mathematical reconstruction framework, which is a unified mathematical description, a uniform calculation and a data-adaptive parameter selection scheme for the sparse data. The new method will solve the problems of bad robustness and poor performance of image reconstruction in the freehand 3D ultrasound imaging system. After the accomplishment of this proposal, it makes the technology takes a solid step forward in actual application. And the technology can promote the new development of freehand 3D ultrasound imaging based surgery navigation system.

自由式三维超声成像在图像引导的微创手术导航系统中扮演者重要的角色。而自由式三维超声成像系统中不规则稀疏采样数据的高精度重建问题尚未有效解决。本项目拟以具有复杂空间分布的大量不规则稀疏采样超声图像数据为研究对象，通过对稀疏采样理论的分析和研究，结合超声成像机理和超声图像中斑点噪声模型的统计分布特性，建立一个基于核函数回归理论的自适应、高逼真三维超声重建模型。该模型将超声重建与斑点噪声滤波处理整合在一个高效的数学模型框架之下，即统一的数学描述、统一的计算方法，以及自适应的参数选择，解决当前自由式三维超声重建中鲁棒性差、图像重建质量较差等问题。本项目的完成将促使自由式三维超声成像在实际应用领域迈出坚实的一步，并推动基于自由式三维超声成像的手术导航系统的新发展。

随着空间跟踪定位技术的发展，自由式三维超声成像系统已经开始应用于图像引导的手术导航。然而自由式三维超声成像系统的数据采集过程具有非常大的主观性和不可预测性，采样数据的空间分布非常复杂、稀疏，使得后续的重建存在鲁棒性差、图像重建质量较差等问题，难以满足手术导航的实际需要，限制着自由式三维超声在临床上的实际应用，针对不规则稀疏采样数据的自适应高逼真重建成为解决这个问题的关键技术。本项目基于超声图像斑点噪声的建模以及核函数回归理论，提出了系统的、自适应的三维超声重建方案：重新设计斑点噪声的滤波算法，通过对B超图像中均质区域的学习训练，创建基于监督学习方法的散斑特性统计估计模型。用学习训练获得的散斑线性模型，我们能对超声图像中的同质区域和边缘结构进行估计，并建立基于核函数回归模型的自适应重建算法，实现大量不规则采样数据的高逼真图像重建，同时对采样数据中的斑点噪声进行有效抑制；采用GPU的并行计算实现了5千万体素点的10秒内重建，并行效率提高接近300倍。同时，本项目对超声探头的快速、高精度标定问题进行了研究，建立一个基于ICP配准理论的可靠、快速和高精度可定位超声探头标定模型。该模型将超声探头的空间标定和时间标定进行联合建模，同时通过结合标定体模和定位探针的复合标定模型设计，解决当前超声探头标定速度慢、鲁棒性差、标定精度差等问题。新方法解决了自由式三维超重建存在的鲁棒性差、细节恢复能力差等问题，使得自由式三维超声成像在实际应用领域迈出了坚实的一步，推动了基于自由式三维超声成像的手术导航系统的发展。