Rigid and Non-Rigid Surface Registration for Range Imaging Applications in Medicine

Language
en
Document Type
Doctoral Thesis
Issue Date
2014-11-27
Issue Year
2014
Authors
Bauer, Sebastian
Editor
Abstract

The introduction of low-cost range imaging technologies that are capable of acquiring the three-dimensional geometry of an observed scene in an accurate, dense, and dynamic manner holds great potential for manifold applications in health care. Over the past few years, the use of range imaging modalities has been proposed for guidance in computer-assisted procedures, monitoring of interventional workspaces for safe robot-human interaction and workflow analysis, touch-less user interaction in sterile environments, and for application in early diagnosis and elderly care, among others. This thesis is concerned with the application of range imaging technologies in computer-assisted and image-guided interventions, where the geometric alignment of range imaging data to a given reference shape – either also acquired with range imaging technology or extracted from tomographic planning data – poses a fundamental challenge. In particular, we propose methods for both rigid and non-rigid surface registration that are tailored to cope with the specific properties of range imaging data. In the first part of this work, we focus on rigid surface registration problems. We introduce a point-based alignment approach based on matching customized local surface features and estimating a global transformation from the set of detected correspondences. The approach is capable of handling gross initial misalignments and the multi-modal case of aligning range imaging data to tomographic shape data. We investigate its application in image-guided open hepatic surgery and automatic patient setup in fractionated radiation therapy. For the rigid registration of surface data that exhibit only slight misalignments, such as with on-the-fly scene reconstruction using a hand-guided moving range imaging camera, we extend the classical iterative closest point algorithm to incorporate both geometric and photometric information. In particular, we investigate the use of acceleration structures for efficient nearest neighbor search to achieve real-time performance, and quantify the benefit of incorporating photometric information in endoscopic applications with a comprehensive simulation study. The emphasis of the second part of this work is on variational methods for non-rigid surface registration. Here, we target respiratory motion management in radiation therapy. The proposed methods estimate dense surface motion fields that describe the elastic deformation of the patient’s body. It can serve as a highdimensional respiration surrogate that substantially better reflects the complexity of human respiration compared to conventionally used low-dimensional surrogates. We propose three methods for different range imaging sensors and thereby account for the particular strengths and limitations of the individual modalities. For dense but noisy range imaging data, we propose a framework that solves the intertwined tasks of range image denoising and its registration with an accurate planning shape in a joint manner. For accurate but sparse range imaging data we introduce a method that aligns sparse measurements with a dense reference shape while simultaneously reconstructing a dense displacement field describing the non-rigid deformation of the body surface. For range imaging sensors that additionally capture photometric information, we investigate the estimation of surface motion fields driven by this complementary source of information.

Abstract

Kostengünstige Technologien zur Tiefenbildgebung, welche die dreidimensionale Geometrie eines Objektes präzise, engmaschig und dynamisch akquirieren können, bergen großes Potential für Anwendungen im Gesundheitswesen. Erst kürzlich wurde die Tiefenbildgebung zur Navigation bei computergestützten Interventionen, zur Kollisionsvermeidung in robotergestützten Operationssäalen, zur Analyse von klinischen Arbeitsabläufen, zur berührungslosen Benutzerinteraktion in sterilen Umgebungen, oder für Anwendungen in der Früherkennung und Altenpflege vorgeschlagen. Die vorliegende Arbeit befasst sich mit der Nutzung der Tiefenbildgebung für computer- und bildgestützten Interventionen. Eine besondere Herausforderung in diesem Umfeld stellt die Registrierung von Tiefenbilddaten auf eine Referenzform, die entweder auch mit einer Tiefenbildkamera akquiriert oder aus tomographischen Planungsdaten extrahiert wurde, dar. Konkret werden Methoden zur starren und nicht-starren Registrierung von Oberflächen entwickelt, die speziell auf Tiefenbilddaten zugeschnitten sind. Der erste Teil der Arbeit behandelt starre Registrierungsprobleme. Wir präsentieren einen punktbasierten Registrierungsansatz, der auf dem Abgleich von lokalen Oberflächenmerkmalen basiert und aus den gefundenen Korrespondenzen eine globale Transformation schätzt. Er eignet sich für Problemstellungen mit großen initialen Abweichungen und für die multi-modale Registrierung von Tiefenbilddaten mit tomographischen Referenzformen. Wir untersuchen die Anwendung der Methode in der bildgestützten offenen Leberchirurgie und zur automatisierten Patientenpositionierung in der fraktionierten Strahlentherapie. Für die starre Registrierung von Oberflächen, die nur geringfügig zueinander verschoben sind, wie etwa bei der sukzessiven Rekonstruktion einer Szene mit einer handgeführten Tiefenbildkamera, erweitern wir den klassischen Algorithmus des iterativen nächsten Nachbarn auf die gemeinsame Analyse von geometrischen und photometrischen Informationen. Dabei untersuchen wir das Potential von Beschleunigungsstrukturen und quantifizieren den Vorteil dieses photo-geometrischen Ansatzes für endoskopische Anwendungen in einer Simulationsstudie. Der Fokus des zweiten Teils der Arbeit liegt auf variationellen Methoden zur nicht-starren Oberflächenregistrierung. Dabei adressieren wir das Management von Atembewegungen in der Strahlentherapie. Die vorgestellten Methoden schätzen dichte Oberflächen-Bewegungsfelder, welche die elastische Deformation des Patientenkörpers beschreiben. Diese Bewegungsfelder dienen als hochdimensionales Atemsurrogat und stellen die Komplexität der menschlichen Atmung wesentlich besser dar als konventionelle niedrigdimensionale Surrogate. Wir präsentieren drei Ansätze für unterschiedliche Tiefenbildgebungs-Sensoren, die auf deren spezifische Stärken und Schwächen zugeschnitten sind: Für dichte aber verrauschte Tiefenbilder schlagen wir eine Methode vor, die das Entrauschen von Tiefendaten mit deren Registrierung auf eine präzise Planungsform in einer kombinierten Formulierung löst. Für präzise aber dünn besetzte Tiefenbilder führen wir eine Methode ein, welche die dünn besetzten Tiefenbilder mit einer Referenzform registriert und gleichzeitig ein dichtes Oberflächen-Bewegungsfeld schätzt. Für Sensoren, die zusätzlich photometrische Informationen akquirieren, untersuchen wir die Schätzung von Bewegungsfeldern mithilfe dieser komplementären Daten.

DOI
Faculties & Collections
Zugehörige ORCIDs