在外科临床手术中,骨科手术是一类风险较大的常见手术。传统地,临床医生在手术中主要凭借以往临床经验或依赖患者术前MRI、CT影像或二维X线透视片评估病人的解剖信息。此时,医生需要通过该影像于大脑中构建具有三维形态的人体器官和手术过程,尽管这种方式能对临床手术起到一定的辅助作用,但手术的成功率很大程度上依赖于外科医生的临床经验,整个手术操作过程缺乏客观科学的影像依据。如果采用临床X线图像进行术中实时引导,临床医生和患者都须接受较大剂量的辐射,他们的身体将被严重伤害。因此,骨外科手术导航技术应运而生,它是临床医学影像技术、电子和计算机技术共同发展的结果。手术过程中,它以MRI、CT等影像数据为基础,将病人术前医学影像数据和手术床上病人的解剖结构准确对应,定位追踪器将手术器械的相对位置在病人解剖影像上以虚拟探针的形式实时更新显示,使骨外科医生实时掌控手术器械相对病人解剖结构的精确位置,从而实现骨科手术的引导。骨科手术导航在临床应用中可以提高手术的精确度和成功率,同时也减少了患者的创伤,即成为目前计算机集成外科辅助治疗领域的研究热点。骨科手术导航技术中,医学图像配准为其中重要的一环。医学图像配准是指将来自不同形式或不同时间的探测器的医学图像(如MRI, CT, X线图像等),利用计算机技术实现对于一幅医学图像寻求一种或者一系列的空间变换,使它与另一幅医学图像上的对应点达到空间上的一致,主要包括4个要素：几何变换、插值算法、相似性测度和寻优算法。医学图像配准方法有很多种,按照图像的维数,可以分为2D-2D、3D-3D、2D-3D;按照配准过程中的相似性测度,分为基于特征的和基于灰度的配准方法。基于特征的和基于灰度的图像配准的主要区别在于是否包含分割步骤,基于特征的方法包括图像的分割过程,用于提取图像的目标信息,这些信息可以是人造的(例如,植入的放射性不透明物),也可以是图像组织本身的(例如,骨组织),然后对图像的显著特征进行配准。基于灰度的配准方法无需进行图像分割,直接采用图像的统计信息作为配准的相似性度量即可。医学图像配准的实质就是对变换参数进行不断优化的过程,而被优化的目标函数为配准的相似性测度。相似性测度是评估浮动图像和参考图像是否完全配准以及能否满足配准目标的重要依据。并且,相似性测度值能够反映图像的配准效果,相似性测度方法的选择能对图像配准起到重要作用,它将决定如何确定配准变换。迄今为止,图像配准的相似性测量主要包括互信息(Mutual Information)、差值图像的嫡(Entropy of the Difference Image)、归一化互相关(Normalized Cross Correlation)、梯度相关(Gradient Correlation)等。为实现2D-3D医学图像配准,本文采用B.SrinivasaReddy和B.N.Chatterji提出的基于Fourier-Meilin变换和相位相关相似性测度的医学图像配准方法对获取的DRRs和临床X线图像进行配准。它将时域上的医学图像灰度经过傅里叶变换到频域上再求频谱相位相关性---互功率谱特性,然后对目标互功率谱进行反傅里叶变换找到相应的峰值位置,从而确定配准参数。它具有运算量小、抗干扰能力强、配准精度高和鲁棒性强等优点。2D-3D医学图像配准在骨外科手术导航等临床应用中起着重要作用,一直以来备受研究者的重视。它也是计算机辅助外科手术和图像引导手术中的重要步骤之一。它将术前的3D体数据与术中的2D图像数据进行配准,通过追踪器的定位追踪,临床医生将得到一个实时的手术器械相对患者病灶的三维空间位置关系,弥补了因采用只具备二维平面信息的X线图像进行术中引导而缺失的三维医学影像信息,临床医生方可精确、安全地进行手术。目前,2D-3D医学图像配准主要集中在刚性配准方面,还存在很多不足,例如,配准精度不够,配准时间比较长,很难满足临床应用中的精确性和实时性等要求。数字重建影像(DRR, Digitally Reconstructed Radiograph)在2D-3D医学图像配准中有着重要的作用,也是骨科手术导航中的关键技术。数字重建影像是对CT图像进行模拟投影方式产生的虚拟X线图像,广泛应用于计算机辅助外科手术、图像引导介入治疗和图像引导放射治疗等领域。特别地,在骨科临床,骨折手术治疗涉及的解剖结构相对复杂,常规手术风险较大,应用导航技术可提高手术的安全性和准确性。生成DRRs的方法有很多,例如,光线投影(Raycasting)、摇晃抛雪球(Wobbled splatting)、衰减场(Attenuation fields)等算法。DRRs的生成是一个耗时相当长的过程,对于N×NxN的图像数据,传统的算法,如光线投影(Ray casting)、抛雪球(Splatting)等算法的计算复杂度为O(N3),成为2D-3D医学图像配准的重要瓶颈。而在临床骨科实时图像引导手术中,基于灰度的2D-3D医学图像配准给临床医生提供一个到人体内部虚拟的、非侵入式的的窗口,使医生能够看到一个肉眼无法直接看到的解剖与手术器械的三维空间相对位置关系,使得手术精确、顺利进行。为了快速、准确获取病灶和手术器械的三维空间相对位置关系,常要生成数百张DRRs,并做到实时配准。因此快速DRRs生成方法的研究成为骨科手术导航系统中亟待解决的关键问题。降采样是对过采样或正常采样的数据进行二次抽取或降低频率二次采样数据的过程,这样可以减少计算量,节约计算时间,是实时处理领域的一种常用的方法。在体绘制中,它主要包括增大采样步长⊿t、增大起始点tin或减小终点tout、根据特征抽取特定信息和减少穿透CT体元的模拟X线的数量等方式。计算机统一设备架构(CUDA, Compute Unified Device Architecture)是一种将GPU作为数据并行计算设备的软硬件体系,可以对数据进行高度的并行计算,在处理图形数据和复杂算法方面拥有比CPU更高的效率。它的出现改变了GPU的编程和存储模式,使得GPU通用计算从高级绘制语言和硬件流水线中解放出来,开发人员无须掌握图形学编程的方法就可以完成高性能的并行计算。在这一架构中,它提供了类似C语言的开发环境,使得开发人员使用C语言和CUDA扩展库编写程序,从而直接利用GPU资源进行计算,降低了开发的复杂度,同时也能提高了开发效率,备受编程人员的青睐。本文研究的核心为探讨如何利用多种加速技术来提高数字重建影像的生成速度,从而解决2D-3D医学图像配准的速度瓶颈,满足骨科临床手术导航应用的实时性要求。围绕着研究定位,本文的工作内容和主要贡献如下：首先,研究了医学图像配准以及CUDA并行计算架构。简单分析了医学图像配准方法的分类、医学图像配准的要素、医学图像配准的测度及其在临床医学领域的应用,同时也重点研究了CUDA的编程模型、执行模型、存储体系及其在数字重建影像技术中的应用。其次,研究分析了2D-3D医学图像配准、数字重建影像技术及其在骨科手术导航中的应用。本文研究的2D-3D医学图像配准为先将三维CT医学影像数据投射成数字重建影像(DRR),然后再将二维的DRR和二维临床X线图像进行基于灰度方法的医学图像配准。主要针对临床骨科手术导航中存在的实时性问题,重点讨论了数字重建影像生成的算法,结合多种加速技术,基于光线投影算法的DRRs生成原理,采用统一并行计算架构CUDA加速,再引入大步长与只采样骨性结构相结合的降采样,快速生成只含骨性结构的DRRs。同时也采用了B.SrinivasaReddy和B.N. Chatterji提出的基于Fourier-Meilin变换和相位相关相似性测度的医学图像配准方法将通过改进算法得到的DRRs和临床X线图像进行医学图像配准,实现了2D-3D医学图像配准,并给出了相应的实验结果。结果显示,改进的算法能快速生成只含骨性结构的DRRs,也能使得获取的DRRs和临床X线精确配准,从而实现快速、精确的2D-3D医学图像配准,满足了骨科临床手术导航应用中的实时性要求。最后,我们对本文工作进行了分析与总结,并对未来的工作进行了展望。