CN119090927B 一种面向计算机辅助肝脏手术的非刚性点云配准方法 （山东大学）

一种面向计算机辅助肝脏手术的非刚性点本发明提出一种面向计算机辅助肝脏手术集特征和目标点云点集特征；采用最优传输思2采用最优传输思想，基于源点云点集特征和目标点云点集特征，计算根据对应关系矩阵得到最优位移向量，利用最优位移2.如权利要求1所述的一种面向计算机辅助肝脏手术的非刚性点云配准方法，其特征3.如权利要求1所述的一种面向计算机辅助肝脏手术的非刚性点云配准方法，其特征4.如权利要求3所述的一种面向计算机辅助肝脏手术的非刚性点云配准方法，其特征3;S304：判断当前迭代次数是否到达最大迭代次数，如果不满足则迭代次数加1并返回S302否则执行S305；5.如权利要求3所述的一种面向计算机辅助肝脏手术的非刚性点云配准方法，其特征;其中d(·)-1表示对矩阵的逆进行对角化,1表示单位矩阵；其中U=1TP1,X'=X+QV,tr(·)表示;。6.如权利要求1所述的一种面向计算机辅助肝脏手术的非刚性点云配准方法，其特征4对于LCNet模型，根据修正源点云点集与目标点云点集之间的Chamfer距离计算7.如权利要求6所述的一种面向计算机辅助肝脏手术的非刚性点云配准方法，其特征对于LCNet_ED模型，根据修正源点云点集与目标点云点集之间算欧几里得损失函数，所述平均欧几里得距离通过相应的对应概率加权；当损失最小时，特征提取模块，用于利用特征提取模块分别提取源点云点集特征和目标点云点集特变换计算模块，用于根据对应关系矩阵得到最优位移向量，利用执行时实现如权利要求1_7中任一项所述的一种面向计算机辅助肝脏手术的非刚性点云配种面向计算机辅助肝脏手术的非刚性点云配5在坐标参考框架(即CT和导航框架)上表现出显著的差异，即两个空间之间存在刚性变换赖于将术前图像与术中实际情况进行精确对齐，但这一过程常常受到术中肝脏变形的影[0012]根据对应关系矩阵得到最优位移向量，利用最优位移向量对源点云点集进行修6[0019]其中，P*为对应关系矩阵；源点云点集中有M个点，目标点云点集中有N个点；云点集中第i个点与目标点云点集中第j个点之间的余弦相似度；h(xi)表示源点云点集特回S302否则执行S305；7[0049]优选地，所述基于修正源点云点集和目标点云点集计算重构损失，训练LCNet模[0050]对于LCNet模型，根据修正源点云点集与目标点云点集之间的Chamfer距离计算i为目标点云点集中的点。8[0062]模型训练模块，用于基于修正源点云点集和目标点云点集计算重构损失，训练被处理器执行时实现第一方面所述的一种面向计算机辅助肝脏手术的非刚性点云配准方[0067]2、本发明采用最优传输利用原始点集和学习到的特征来建立两个点集之间的可[0068]3、本发明变换计算模块不直接回归位移向量，而是通过求解矩阵方程来计算位[0073]图1为本发明实施例提供的一种面向计算机辅助肝脏手术的非刚性点云配准方法[0074]图2为本发明实施例提供的一种面向计算机辅助肝脏手术的非刚性点云配准方法9[0080]如图1所示，本实施例公开了一种面向计算机辅助肝脏手术的非刚性点云配准方[0093]本实施例采用特征提取模块(FEM)，二维卷积模块通过卷积核在点云局部邻域内集中的每个点接收的质量为并且在传输过程中没有质量损失。最优传输问题可以表示ciyER是将源点云中第i个点与目标点云中第j个点之间的传输成本，Pij是源点云中第i个点与目标点云中第j个点之间传输[0101]本实施例通过考虑成本因素，Sinkhorn算法能够进一步回S302否则执行S305；[0133]为了验证本发明所提出的配准方法的性能，本实施例选取了两种传统配准办法CPD和BCPD以及六种基于深度学习的算法Pointpwc、FLOT、SPFlowNet、FPT、Lepard和Livermatch与本实施例所提出的方法进行比较。依据评估指标来评测每一个模型的性能，[0137]本实施例的三种不同的无监督损失函数，用于训练LCNet模型及其变体LCNet_ED[0138]1.Chamfer距离:在LCNet中使用，计算变形后的源点集X'与目标点集Y之间的Chamfer距离，也即变形后的源点集的中每个点与其在目标点集中对应点的平均距离同目[0142]3.组合损失函数：在LCNet_W[0143]LWP=Q*LCP十(1-)*Lep[0148]本具体实施例通过特征提取模块(FEM)提取特征，并利用最优传输(OT)思想计算[0155]模型训练模块，用于基于修正源点云点集和目标点云点集计算重构损失，训练理器执行时实现如上述实施例一所述的一种面向计算机辅助肝脏手术的非刚性点云配准面向计算机辅助肝脏手术的非刚性点云配准方法承载用于由处理