一种用于动态形状实例化的实时无配准框架

微创过程中的实时 3D 导航是一项重要却具挑战性的任务，尤其在涉及显著组织运动时。为平衡图像采集速度与分辨率，临床上仅能使用 2D 图像或低分辨率 3D 体数据。本文提出一种实时且无配准的动态形状实例化框架，可推广至多种解剖应用，用于术中对单一 2D 图像实例化器官的高分辨率 3D 形状。首先，通过分析解剖结构术前 3D 统计形状模型（SSM）与稀疏主成分分析（SPCA）并考虑实际约束，确定近似最优扫描平面。其次，使用核偏最小二乘回归（KPLSR）学习术前 3D SSM 与在近似最优扫描平面所获 2D 图像构建的同步 2D SSM 之间的关系。最后，将所得关系应用于同一扫描平面获取的新术中介入 2D 图像，以预测术中的高分辨率 3D 形状。所提框架的一大特征是无需术前 3D SSM 与同步 2D SSM 之间的额外配准。在包含肝脏与心脏右心室（RV）的研究上进行了详细验证。所得结果（患者上平均精度 2.19mm、计算速度 1ms）证明了其在实时、高分辨率、动态 3D 介入引导中的潜在临床价值。