微创脊柱手术因其组织损伤小、术后恢复期短、并发症少等优点成为治疗腰椎疾病的有效方法。但是，在手术实施过程中，尤其在经皮穿刺阶段存在严重的不可视问题。图像引导手术(Image-Guided Surgery,IGS)系统是融合术前手术规划和术中手术导航的复杂系统，通过医学图像处理、空间定位和计算机视觉等技术获取手术器械与患者目标手术部位的相对位置和姿态，并实时显示引导医生实施手术。然而，微创脊柱手术的特殊性对传统图像引导手术系统提出了新的挑战:　　(1)人体腰椎特殊的解剖结构为构建准确的术前腰椎模型增加了难度;　　(2)患者术中姿态发生改变，仅依靠术前模型难以提供有效的手术引导;　　(3)现有图像引导方法缺乏与术中真实场景的匹配，医生需要在头脑中完成复杂的空间变换，并且依赖人工标记点辅助空间定位;　　(4)术中频繁使用X线设备增加了医生和患者的辐射暴露。　　本文面向微创脊柱手术的实际应用需求，提出基于多模态数据融合的微创脊柱手术引导系统框架，对图像引导手术系统所涉及的腰椎CT图像分割、腰椎CT图像识别、腰椎图像2D-3D配准以及图像引导手术中的增强现实方法等关键技术进行了系统性研究，取得如下创新性成果:　　(1)为了解决腰椎CT图像分割中腰椎解剖结构个体差异问题，构建准确的术前腰椎模型，提出了一种新的基于全局信息水平集的腰椎图像分割方法。首先，为避免人工初始化对分割结果的影响，提出了一种自动初始化水平集函数，在目标边界附近生成光滑、简洁的水平集初始轮廓;其次，针对腰椎CT图像分割中广泛存在的弱边界泄露问题，提出了一种基于区域相关性的正则化水平集演化方程，通过计算水平集轮廓内外区域直方图马氏距离获得图像全局信息，增加了水平集轮廓对弱边界的捕获能力;最后，为了避免水平集函数过度分割，提出e指数形式的边缘停止函数，保障了水平集演化函数的快速收敛。实验结果显示，所提出的腰椎CT图像分割方法在不同噪声等级下的分割准确度和收敛速度均优于其他比较方法。　　(2)针对任意角度和病理情况下CT图像腰椎特征复杂多变的问题，本文提出了一种基于特征融合深度学习模型的腰椎识别方法。为了解决深度学习模型训练数据不足的问题，提出了一种基于等值面的GPU加速数字影像重建方法，生成感兴趣区域的多角度二维图像，在降低DRR计算复杂度的前提下实现了对训练数据的增广。为了在病理情况下提取CT图像中普适的腰椎特征，提出包含两种不同卷积核的卷积神经网络模型，对腰椎图像中的形状信息和纹理信息进行融合，有效提取了CT图像中腰椎的本质特征。实验结果表明，本文方法在病理情况下的CT图像腰椎识别结果具有较高的准确率。　　(3)为了根据术中二维图像将术前三维腰椎模型重构成术中患者的姿态，本文提出了一种基于曲率特征循环神经网络的2D-3D腰椎图像配准方法。首先，针对术中X线二维图像中感兴趣区域与背景特征混叠的问题，区别于传统的基于图像灰度的特征提取方法，提出了一种基于联合曲率的特征提取方法，获得二维图像和三维模型的共有特征;其次，为了解决术中X线二维图像在腰椎结构信息不完整情况下的腰椎识别问题，提出了一种基于层级循环神经网络的腰椎识别方法，通过融合腰椎上下文信息提高腰椎识别的准确性;最后，为确定三维腰椎模型相对于二维腰椎图像在3个自由度上的旋转角度，提出了一种基于双平面模型的腰椎姿态估计方法，通过融合正、侧位两个方向的特征点提高腰椎姿态估计准确度。实验结果显示，在正常和病理情况下，本文方法在腰椎识别精度和姿态估计准确性方面均优于其他比较方法。　　(4)针对图像引导经皮穿刺实施过程中腰椎内部解剖结构不可视问题，本文提出了一种基于增强现实的腰椎经皮穿刺导航方法。为了解决传统增强现实方法在虚-实结合过程中依赖人工标记点的问题，本文提出了腰椎特征点自动识别算法，生成天然标记点，避免了由人工标记点的遮挡和偏移所引起的导航误差;为了整合腰椎模型和手术场景等不同空间坐标系，采用工业RGB相机增强移动C型臂，通过空间坐标系标定技术计算术前CT腰椎三维模型、术中X线二维图像和术中三维手术场景之间的坐标变换，实现虚-实结合的增强现实显示。实验结果表明，由于使用腰椎特征点作为天然标记点并且融合了虚拟模型和真实手术场景，本文方法在穿刺点定位精度方面优于使用人工标记点的导航方法。