计算机影像引导下的微创技术在脊柱手术中具有广泛应用,微创手术的导航系统将医学影像与计算机科学结合,通过计算机对手术影像进行处理,能够辅助医生进行术前规划、术中参考和术后评估。由于脊柱微创手术切口小,医生在术中无法直接观测到病人体内骨骼的结构。为丰富医生的手术视野,术中导航系统需提供两种功能:一是对手术前获取的CT数据中的脊柱区域进行分割结合三维重建技术,还原病人完整且立体的脊柱形态,以供医生手术时参考;二是联合术中二维影像、术前三维影像对病灶点进行配准定位,引导手术穿刺。基于导航系统的两个功能,本文研究如下:首先对微创脊柱手术影像导航涉及的CT图像、X光平片图像及配准中间影像DRR的生成原理及图像特征进行分析,同时研究了图像分割技术、图像配准技术的基本原理。CT图像分割技术研究:为解决基于CT阈值、边界等分割方法精度与效率不能满足临床应用需求的问题,本文将深度学习技术引入手术影像导航系统的分割任务,提出一种可用于CT图像脊柱分割的网络结构。该网络以U-Net卷积-反卷积结构为基本框架,引入分层残差连接的卷积模块及通道注意力机制,加强特征的传播,增强图像细节信息的分割效果。通过真实数据集下的实验表明,该网络结构能缓解CT图像各组织结构对比度低、边界轮廓模糊等问题对分割精度造成的影响。二维X光图像与三维CT图像的配准技术研究:由于现有基于全局迭代寻优的配准算法配准时间长、成功率低。本文通过将卷积神经网络的图像分类功能引入配准、对配准参数迭代寻优算法中的相似度度量方法进行优化并改进寻优算法,提出一种粗配准结合精配准的分步2D-3D配准方法。该方法预先将术前采集的CT图像变换投影参数生成带标签的DRR数据集并输入Inception V3网络进行训练,在手术进行时,利用训练完成的DRR的投影参数分类模型给待测X光图像回归一个参数值作为迭代寻优的初始搜索点,再结合多参数局部优化算法自初始搜索点迭代寻找精确的配准参数实现配准。实验结果表明,本文所提算法相较于传统配准算法,提高了配准的成功率、准确度并缩短了配准时间。