前列腺癌是老年男性最为普遍的癌症之一,每年都会进行大量的穿刺手术用于诊断前列腺癌。传统的经直肠超声(Trans-Rectal Ultrasound,TRUS)引导的穿刺活检,因其实时性、低成本、易操作等特点受到了广泛的应用。然而,由于前列腺TRUS图像低的成像质量,难以对前列腺肿瘤区域进行准确定位,由此产生漏诊、误诊以至重复穿刺。为了提高穿刺活检的阳性率,核磁(Magnetic Resonance,MR)超声图像融合引导技术应运而生,旨在配准前列腺MR/TRUS图像用以引导前列腺穿刺,实现靶向穿刺的目的。现有的图像配准主要是采用手动配准的方式,对前列腺MR/TRUS图像进行刚体或非刚体配准,存在效率低下,精度不足等问题。本文对前列腺MR/TRUS图像的自动融合配准方法展开研究,重点讨论了在监督学习框架下前列腺MR/TRUS图像自动分割及非刚体配准,并讨论了机器人技术的应用,基于ROS设计了一种机器人穿刺平台,对机器人穿刺轨迹进行仿真设计分析。针对前列腺TRUS图像自动分割中活动表观模型姿态参数初始化问题,应用监督学习方法,提出一种基于图像梯度的边界驱动模型,建立了前列腺姿态参数估计的数学优化模型,并采用遗传算法进行求解。在随后的配准过程中,考虑到自动分割的前列腺TRUS图像和术前分割的前列腺MR图像的特征匹配问题,构造了基于形状信息的特征匹配算子,并基于改进KM算法求解特征匹配问题,以获得全局最优的匹配代价。在此基础上,讨论了前列腺MR/TRUS图像基于薄板样条的非刚体配准,并引入了局部正则因子以提高图像的配准精度。实验结果表明,本文所提方法能准确实现前列腺TRUS图像的自动分割,与传统的配准方法相比具有更高的配准精度。最后,本文讨论了在前列腺TRUS图像引导下机器人辅助穿刺的问题,基于ROS系统设计了机器人仿真穿刺平台,并对关键组件的结构进行设计及运动学分析。在整个系统中,使用了MoveIt对机器人控制器进行配置,机器人通过订阅Marker发布的姿态信息,进行自主路径规划与避障,并在笛卡尔坐标空间进行路径规划以实现穿刺路径规划的目的。