随着基于图像引导的术中导航技术的不断发展,不同模态的医学图像配准技术在心脏介入手术中发挥着越来越关键的作用。术前CT和术中超声的配准可以帮助手术医生诊断患者的病情,更好地进行介入手术。本研究在深入了解不同模态医学图像配准的研究现状的基础上,针对传统的配准方法的优点和缺陷,提出了具有创新性的CT与超声的配准方法,与电磁导航系统相结合,用于心血管介入手术的术中引导。本研究的配准方法主要分为三个阶段。首先,基于标记点的术前配准被用于获取一个初始的空间变换,实现CT和超声的初步融合。随后,采用基于灰度方向算子的配准方法从三维CT模型中生成一个与超声图像具有最大相似度的二维切片。最后,采用基于SURF特征的配准实现二维CT切片与超声图像的精配准。本研究的主要创新性在于将图像的灰度信息和特征信息相结合,既解决了基于灰度的方法丢失结构信息的问题,又大大改善了基于特征的方法迭代求优过程的效率,实现了术前三维CT模型和术中二维超声图像的实时配准,并且在配准精度、鲁棒性、实时性、自动化、计算复杂度上均有着较好的表现。本研究设计了模型实验和人体实验来验证配准方法的效果。在模型实验中,该方法的FRE误差为0.71±0.10mm,TRE误差为0.96±0.17mm。本文的主要工作和贡献如下:1)将电磁定位系统与图像配准算法相结合,共同用于手术导航。在手术导航过程中,电磁定位系统用于给配准算法提供初始配准的标记点坐标,并且跟踪手术器械中的传感器在手术过程中的位置,使手术器械能够在融合后的图像中实时显示。而图像配准算法通过计算不同坐标系间的空间变换模型,实现了不同模态图像与手术器械的实时融合。2)针对现有方法存在的缺陷,提出了将基于灰度的方法用于粗配准,将基于特征的方法用于精配准的新方法。既解决了基于灰度的方法缺少结构信息的缺点,又通过给精配准迭代求优算法提供初始解的方法,解决了基于特征的方法计算复杂度高、容易陷入局部最优解的不足。与传统方法相比,配准的准确性、鲁棒性、计算复杂度都有所改善,从而实现精确、实时的手术导航。3)在配准过程算法中采用随机梯度下降法进行迭代求优,使算法更快达到收敛。并且在利用匹配特征点计算空间变换模型时,采用RANSAC算法,将特征点分组后分别进行计算,并将计算结果按照误差求加权平均,有效地去除了异常值对结果的干扰,进一步提高了配准算法的精度。4)采用SURF特征算子自动选取待配准中的特征点,避免了手动选取特征点带来的误差对配准结果造成影响,同时也减少了人为的参与程度。5)采用了两种评价配准精度的指标:FRE和TRE。并针对心血管覆膜支架介入手术这一应用场景分别设计了模型实验和人体实验,并对配准结果通过图像融合效果和数据可视化呈现两种方式进行分析,验证了本文提出的配准算法的有效性。