【技术实现步骤摘要】
一种肝脏变形预测方法、系统及电子设备
本申请属于医学图像处理
，特别涉及一种肝脏变形预测方法、系统及电子设备。
技术介绍
肝脏腹腔镜手术因其手术创伤小、对患者危害轻等特点，已被广泛地使用在腹腔手术中。腹腔镜手术导航通过获得患者术前数据，得到肝脏病灶区域和附近的血管位置等信息，同术中的腹腔镜图像相结合，可以有效地在腹腔镜狭小的视野里获得更多信息，指导医生完成手术规划，并减少意外情况发生，逐渐成为医生的得力助手。由于手术过程中需要患者腹部充气，产生气腹压和腹部器官之间的挤压，引起腹部器官发生变形，术前数据和术中图像往往不是准确的线性对应关系，使用刚性配准算法，无法将术前数据和术中信息有效统一，易对医生实际手术操作产生错误引导。术中重新采集患者病灶信息亦是不现实的，只能通过腹腔镜图像获得部分器官表面，大部分传统的非刚性配准也很难用于在实际的使用中。目前主流的模拟肝脏在腹腔镜的变形是使用生物力学模型。生物力学模型可以用较小的不规则单元体精准地表示肝脏的复杂结构，并且可以计算精准的肝脏物理变形，但是由于庞大的参数和计算量...
【技术保护点】
1.一种肝脏变形预测方法，其特征在于，包括以下步骤：/n步骤a：获取肝脏四面体的变形数据；/n步骤b：对所述肝脏四面体的变形数据进行重采样插值和预处理，生成肝脏数据集；/n步骤c：根据肝脏数据集构建卷积神经网络，所述卷积神经网络在获取肝脏表面位移后，对肝脏整体变形进行预测。/n
【技术特征摘要】
1.一种肝脏变形预测方法，其特征在于，包括以下步骤：
步骤a：获取肝脏四面体的变形数据；
步骤b：对所述肝脏四面体的变形数据进行重采样插值和预处理，生成肝脏数据集；
步骤c：根据肝脏数据集构建卷积神经网络，所述卷积神经网络在获取肝脏表面位移后，对肝脏整体变形进行预测。
2.根据权利要求1所述的肝脏变形预测方法，其特征在于，在所述步骤a中，所述获取肝脏四面体的变形数据具体为：从术前患者的肝脏CT图像中分割获得肝脏数据，对所述肝脏数据重建获得肝脏表面三角形网格，并生成对应的肝脏四面体网格；随机在肝脏表面选择设定大小的区域作为零位移边界条件，模拟肝脏与相邻器官相固定的地方，施加一定大小的力到另一个随机的设定大小的区域，给予肝脏变形的动力；使用Elmer算法计算变形后的结果，得到对应点的位移矢量信息；并移除肝脏数据中最大位移大于一定大小的区域。
3.根据权利要求2所述的肝脏变形预测方法，其特征在于，在所述步骤b中，所述对肝脏四面体的变形数据进行重采样插值和预处理具体为：首先，将肝脏重采样到64×64×64的规则网格中，计算规则网格中每个点到肝脏最近表面点的距离，并设在肝脏表面外的点到肝脏最近表面点的距离为正，在肝脏表面内的点到肝脏最近表面点的距离为负；然后，将肝脏零位移点的部分标记出来，与非肝脏内部点加以区分；对于规则网格，每一个点包含三重信息五个数据，分别为：矢量的三个方向、距离肝脏表面的最近距离以及是否为零位移点。
4.根据权利要求1至3任一项所述的肝脏变形预测方法，其特征在于，在所述步骤c中，所述卷积神经网络包括编码器和解码器，使用编码器降低分辨率并学习数据特征，使用跳跃连接，将前端信息复制到解码器，解码器使用平均池化来降低数据分辨率提高通道数；解码器有三个上采样，采用最临近插值，将分辨率提高一倍，使得网络的输出分辨率与输入分辨率相同。
5.根据权利要求4所述的肝脏变形预测方法，其特征在于，所述步骤c后还包括：构建损失函数，得到最优化的卷积神经网络；损失函数添加了额外的下采样位移估计与标签对应的下采样相误差计算；误差函数表达为：
上述公式中，ui为解码器在分辨率为i时额外输出的部分，utar,i为标签数据为对应分辨率下采样结果，为对应分辨点的个数，如果点在肝脏外面，则O(p)＝0；分辨率i∈(64,32,16,8，最后的损失函数作为不同分辨率的加权和：
上述公式中，选取权重λ64＝λ32＝λ16＝λ8＝1。
6.一种肝脏变形预测系统，其特征在于，包括：
数据获取模块：用于获取肝脏四面体的变形数据；
数据处理模块：用于对所述肝脏四面体的变形数据进行重采样插值和预处理，生成肝脏数据集；
网络构建模块：用于根据肝脏数据集构建卷积神经网络，所述卷积神经网络在...
【专利技术属性】
技术研发人员：贾富仓，王宇，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。