【技术实现步骤摘要】
一种引导信息生成方法、系统、装置及电子设备
[0001]本申请涉及图像处理
,具体涉及一种引导信息生成方法、系统、装置及电子设备。
技术介绍
[0002]结节可以指肿块或影像学表现实体阴影直径小于3cm的病变,结节可以发生在身体的任何部位,多见于甲状腺、乳腺、肝胆、肺、胰腺、肾脏等实质性器官的实质内或表面。例如:肺结节,为一种病因未明的多系统多器官的肉芽肿性疾病,常侵犯肺、双侧肺门淋巴结、眼、皮肤等器官,其胸部受侵率高达80%~90%。结节分实性结节、部分实性结节和磨玻璃结节。部分实性结节恶性概率最高,其次为磨玻璃结节和实性结节。
[0003]为了能够早期对于结节定性,病理穿刺是确定结节为良性,还是恶性的一种检查手段,操作相对安全。目前,CT引导下经皮肺穿刺活检是临床上确诊结节良恶性的重要方法,该方法对明确结节的性质断定有非同寻常的诊断价值。CT引导下经皮穿刺术已成为临床工作中CT引导下经皮穿刺引流、定位、活检、射频消融、粒子植入等医疗诊治措施中一项基础的、重要的、必不可少的医疗技能,需要穿刺医生熟练的掌握穿刺技巧,准确进行靶病灶部位的穿刺,精准、安全的CT引导下穿刺术提高了病人精准的诊断与治疗,减少了病人的风险。
[0004]因此,亟需提供一种更为可靠的穿刺引导方案。
技术实现思路
[0005]有鉴于此,本申请的实施例致力于提供一种引导信息生成方法、系统、装置及电子设备,能够克服现有技术中穿刺手术精度差、辐射伤害大以及靶区不可见等缺陷,从而提高穿刺效率以及穿刺精度。
[ ...
【技术保护点】
【技术特征摘要】
1.一种引导信息生成方法,其特征在于,包括:获取检测目标的待识别图像数据;采用训练完成的图像分割模型对所述待识别图像数据进行分割,得到分割后的目标图像数据;所述目标图像数据中至少包括设置于所述检测目标体表的定位贴片的图像数据;将所述定位贴片的图像数据确定为特征点,建立术前空间三维图像坐标系与术中空间定位坐标系之间的映射关系;基于所述映射关系,生成引导信息;所述引导信息用于引导穿刺针对所述检测目标进行穿刺。2.根据权利要求1所述的方法,其特征在于,所述定位贴片具有不同特征。3.根据权利要求1所述的方法,其特征在于,所述将所述定位贴片的图像数据确定为特征点,建立术前空间三维图像坐标系与术中空间定位坐标系之间的映射关系,具体包括:获取所述定位贴片的术前图像数据以及所述定位贴片的术中空间定位数据;获取各个所述定位贴片在所述术前图像数据中的第一位置信息;获取各个所述定位贴片在所述术中空间定位数据中的第二位置信息;基于所述第一位置信息以及所述第二位置信息,建立术前空间三维图像坐标系与术中空间定位坐标系之间的映射关系。4.根据权利要求1所述的方法,其特征在于,所述基于所述映射关系,生成引导信息,具体包括:基于所述映射关系,根据预设穿刺规则,确定对所述检测目标进行穿刺的穿刺路径;所述穿刺路径中至少包括进针点、进针方向和进针距离。5.根据权利要求3所述的方法,其特征在于,所述基于所述映射关系,生成引导信息,具体包括:获取所述术前图像数据中的穿刺针的第三位置信息;根据所述第一位置信息以及所述第三位置信息,确定所述穿刺针与所述定位贴片的相对位置信息;基于所述相对位置信息以及所述映射关系,生成引导信息。6.根据权利要求5所述的方法,其特征在于,所述基于所述相对位置信息以及所述映射关系,生成引导信息,具体包括:将所述术前图像数据中的任意一个定位贴片确定为参考定位贴片;获取所述参考定位贴片的位置坐标;以所述参考定位贴片的位置坐标为基准,计算所述术前图像数据中的其他定位贴片相对于所述参考定位贴片的第一位置对应关系;计算所述术前图像数据中的参考定位贴片与所述术中空间定位数据中的参考定位贴片之间的第二位置对应关系;基于所述第一位置对应关系以及所述第二位置对应关系,计算术中穿刺针在所述术中空间定位数据中的位置信息;根据所述映射关系以及所述术中穿刺针在所述术中空间定位数据中的位置信息,生成引导信息。7.根据权利要求2所述的方法,其特征在于,所述目标图像数据中还包括所述检测目标
的关键器官图像数据以及病灶区域图像数据;其中,所述病灶区域图像数据包括:肺结节图像数据;所述关键器官图像数据包括:体表图像数据、骨骼图像数据、支气管图像数据、肺叶图像数据以及肺血管图像数据;所述采用训练完成的图像分割模型对所述待识别图像数据进行分割,得到分割后的目标图像数据,具体包括:将所述待识别图像数据输入所述训练完成的图像分割模型中,得到所述待识别图像数据中的所述检测目标的关键器官图像数据、病灶区域图像数据以及所述不同特征的定位贴片的图像数据。8.根据权利要求7所述的方法,其特征在于,所述骨骼图像数据是基于UNet网络结构进行提取得到的。9.根据权利要求7所述的方法,其特征在于,所述支气管图像数据的提取,具体包括:采用ResUNet网络对所述待识别图像数据进行初分割,得到第一分割结果;所述第一分割结果中包括多个块图像数据;通过区域生长算法,连接所述第一分割结果中的多个块图像数据,得到所述支气管图像数据。10.根据权利要求9所述的方法,其特征在于,所述肺叶图像数据的提取,具体包括:利用长短时记忆网络对所述第一分割结果进行处理;将处理后的分割结果利用区域生长算法进行连接,得到所述肺叶图像数据。11.根据权利要求7所述的方法,其特征在于,所述肺结节图像数据的提取,具体包括:采用FCOS算法从所述待识别图像数据中检测肺结节信息;在检测到所述肺结节信息之后,采用ResUNet网络提取肺结节图像数据。12.根据权利要求7所述的方法,其特征在于,所述定位贴片具有不同特征,具体包括:所述定位贴片具有不同形状;所述定位贴片图像数据的提取,具体包括:从所述待识别图像数据中识别不同形状的定位贴片信息;在识别到所述待识别图像数据中的所述定位贴片信息之后,提取所述定位贴片图像数据。13.根据权利要求7所述的方法,其特征在于,所述定位贴片具有不同特征,具体包括:所述定位贴片具有不同强度的信号;所述定位贴片图像数据的提取,具体包括:从所述待识别图像数据中识别不同强度信号对应的定位贴片信息;在识别到所述待识别图像数据中的所述定位贴片信息之后,提取所述定位贴片图像数据。14.根据权利要求1所述的方法,其特征在于,所述获取检测目标的待识别图像数据,具体包括:获取医院信息系统推送的所述检测目标的DICOM影像数据。15.根据权利要求1所述的方法,其特征在于,所述采用训练完成的图像分割模型对所述待识别图像数据进行分割,得到分割后的目标图像数据之前,还包括:获取已知图像类型的图像数据训练样本集合;所述图像类型至少包括器官类型、病灶
类型以及定位贴片类型;针对所述训练样本集合中的每个训练样本,将所述训练样本输入初始深度学习模型中,输出识别结果;根据所述识别结果与所述已知的图像类型之间的差异,调整所述初始深度学习模型的模型参数,得到训练完成的图像分割模型。16.根...
【专利技术属性】
技术研发人员:秦春霞,杨逸,陈杰,麦永锋,张华杰,王少康,陈宽,
申请(专利权)人:推想医疗科技股份有限公司,
类型:发明
国别省市:
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。