ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne
Autres revues >>

Traitement du Signal

0765-0019
Signal, Image, Parole
 

 ARTICLE VOL 34/1-2 - 2017  - pp.57-75  - doi:10.3166/ts.34.57-75
TITRE
Méthode d'Enregistrement d'Nn nuage de Points Tridimensionnel dans les Enregistrements Approximatifs et Fins Basée sur l'Analyse en Composantes Principales et l'Algorithme ‘Iterative Closest Point’

TITLE
Registration method for three-dimensional point cloud in rough and fine registrations based on principal component analysis and iterative closest point algorithm

RÉSUMÉ

Pour l’enregistrement entre l’image tomodensitométrique préopératoire et l’espace patient peropératoire dans la technologie de navigation chirurgicale,cet article propose une technique d'enregistrement basée sur l'analyse en composantes principales (PCA) et l'algorithme de ‘iterative closest point’ (ICP), utilisant deux nuages de points caractéristiques de l'espace image médical et de l'espace patient réel.Tout d'abord, le nuage de point caractéristique de l'espace image a été obtenu par la reconstruction, la segmentation et le fonctionnement interactif de l'image tomodensitométrique, tandis que le nuage de point caractéristique correspondant dans l'espace patient réel a été collecté en temps réel par le localisateur optique.Deuxièmement, les vecteurs propres des deux ensembles de nuages de points ont été obtenus par la PCA pour un enregistrement approximatif et la solution optimale de la matrice d’enregistrement a été trouvée par le ICP.Enfin, l’effet de la méthode d’enregistrement proposée a été vérifié par rapport aux données de nuages de points (la précision de la navigation chirurgicale a été évaluée au moyen d’une expérimentation réalisée sur le modèle de la vertèbre), et les impacts du nombre de nuages de points et du bruit gaussien sur l’erreur d’enregistrement ont été examinés en détail.Les résultats montrent que la méthode proposée est simple et capable d’atteindre une grande précision d’enregistrement et que l’enregistrement est terminé avec une erreur inférieure à 2 mm dans notre expérience; De plus, la précision de l'enregistrement dépendait beaucoup du nombre de nuages de points et du bruit du localisateur photoélectrique.Cette recherche fournit une solution générale pour l’enregistrement en navigation chirurgicale et pose les bases théoriques pour améliorer la précision de l’enregistrement peropératoire.



ABSTRACT

For the registration between the preoperative computed tomography (CT) image and the intraoperative patient space in surgical navigation technology, this paper puts forward a registration technique based on the principal component analysis (PCA) and the iterative closest point (ICP) algorithm, using two feature point clouds from the medical image space and the actual patient space. Firstly, the feature point cloud of the image space was obtained through the reconstruction, segmentation and interactive operation of the CT image, while the corresponding feature point cloud in the actual patient space was collected by the optical locator in real time. Secondly, the eigenvectors of the two sets of point clouds were obtained through the PCA for rough registration, and the optimal solution of the registration matrix was found by the ICP. Finally, the effect of the proposed registration method was verified against point cloud data (the surgical navigation accuracy was evaluated through an experiment on the vertebra model), and the impacts of the number of point clouds and Gaussian noise on the registration error were investigated in details. The results show that the proposed method is simple and capable of realizing high registration accuracy, and completed registration with a less-than-2mm error in our experiment; in addition, the registration accuracy was greatly affected by the number of point clouds and the noise of the photoelectric locator. This research provides a general solution for registration in surgical navigation and lays the theoretical basis for improving intraoperative registration accuracy.



AUTEUR(S)
Heqiang TIAN, Xiaoqing DANG, Jihu WANG, Dongmei WU

MOTS-CLÉS
enregistrement peropératoire, Analyse en composantes principales (PCA), Algorithme de ‘Iterative closest point’ (ICP), Nuage de points, Bruit gaussien.

KEYWORDS
intraoperative registration, principal component analysis (PCA), iterative closest point (ICP) algorithm, point cloud, gaussian noise.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (375 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier