本申请公开了一种动脉瘤手术规划方法、装置、电子设备及可读存储介质，其所述方法包括：获取目标患者的CT血管造影图像；基于卷积神经网络模型，从CT血管造影图像识别出动脉瘤；对载有动脉瘤的载瘤血管进行重建，得到所述载瘤血管三维模型；对载瘤血管三维模型进行几何分析，得到动脉瘤和所述载瘤血管的几何结构特征；根据动脉瘤的几何结构特征，模拟出首发弹簧圈，以对动脉瘤填塞；根据载瘤血管的几何结构特征，模拟出血管支架，以对载瘤血管填塞。本申请涵盖了动脉瘤诊断和治疗一体化的过程，能够根据患者的CT造影图像，能够实现动脉瘤和载瘤血管的自动测量，并通过模拟出合适弹簧圈和血管支架，为手术规划提供有力的基础。为手术规划提供有力的基础。为手术规划提供有力的基础。
【技术实现步骤摘要】
动脉瘤手术规划方法、装置、电子设备及可读存储介质
[0001]本申请涉及医疗
，具体涉及一种动脉瘤手术规划方法、装置、电子设备及可读存储介质。
技术介绍
[0002]颅内动脉瘤是一种严重威胁人类健康的疾病，具有很高的发病率。尽管在诊断和治疗方面已经有了很大进展，但动脉瘤一旦破裂，其致残率、病死率仍然很高，该病总病死率约为40％～50％。颅内动脉瘤是人类脑动脉的永久性扩张，据估计在30
‑
75岁人群的患病率为3.5％至7％。与其他血管疾病(例如缺血性中风)相比，年轻人通常会受到影响。此外，多达30％的患者患有不止一个动脉瘤，这甚至增加了病例数，并具有破裂的潜在风险。
[0003]颅内动脉瘤的治疗主要依靠手术的方法来进行治疗手术方法，主要包括两种，第一种为传统的开颅手术，找到颅内动脉瘤使用动脉瘤夹将其夹闭。具体是在动脉瘤颈部放置一个金属夹，立即阻止任何血液流入囊中。然而，夹子仍留在头部内，在干预过程中存在受伤的风险。第二种可以采取血管介入的方法使用弹簧圈将动脉瘤进行致密栓塞。通过导管将弹簧圈引入动脉瘤，使其体积减少，导致进入血液的流速降低，理想情况下导致动脉瘤完全闭塞。实践中需要对动脉瘤放入多个弹簧圈进行栓塞，其中第一个弹簧圈(首发弹簧圈)的选择非常重要，负责整个动脉瘤弹簧圈的整体框架和成篮。然而由于重力和血流动力，弹簧圈可能不会一直保留在动脉瘤中，弹簧圈脱落可能导致载瘤动脉阻塞。因此，目前临床会用血管支架辅助弹簧圈进行栓塞。血管支架被部署在动脉瘤瘤颈位置，血管支架的低孔隙率大大减少了流入动脉瘤囊的血液，另一个优势降低穿孔风险，血管支架的初步结果显示完全闭塞率高，手术风险低。临床上一般推荐患者采取血管介入的方法来进行治疗，特别是血管支架辅助弹簧圈栓塞，相对来说创伤较小，患者恢复速度快，但费用较高。
[0004]动脉瘤血管介入手术治疗过程中，由于动脉瘤识别和测量的差异性，导致不同医生对于同一动脉瘤的同一指标测量差异较大，测量的准确性和可重复性较差，影响治疗效果。所有测量都是医生手工测量和评估，也会增加医生的工作量，降低了医生工作效率。同时，所有血管介入手术都是基于医生主观经验来选择，没有对手术结果进行评估。
技术实现思路
[0005]为解决上述问题，本申请实施例提供了一种动脉瘤手术规划方法、装置、电子设备及可读存储介质。
[0006]第一方面，提供了一种动脉瘤手术规划方法，所述方法包括：
[0007]获取目标患者的CT血管造影图像；
[0008]基于卷积神经网络模型，从所述CT血管造影图像识别出动脉瘤；
[0009]对载有动脉瘤的载瘤血管进行重建，得到所述载瘤血管三维模型；
[0010]对所述载瘤血管三维模型进行几何分析，得到所述动脉瘤和所述载瘤血管的几何结构特征；
[0011]根据所述动脉瘤的几何结构特征，模拟出首发弹簧圈，以对所述动脉瘤填塞；
[0012]根据所述载瘤血管的几何结构特征，模拟出血管支架，以对所述载瘤血管填塞。
[0013]可选的，在上述方法中，所述基于卷积神经网络模型，从所述CT血管造影图像识别出动脉瘤，包括：
[0014]使所述CT造影图像进入所述卷积神经网络模型，以识别动脉瘤；其中，所述卷积神经网络模型是通过下述方法训练的：
[0015]基于收缩路径，缩小所述CT造影图像的图像大小，以获取所述CT造影图像的上下文信息；
[0016]基于扩展路径，对缩小后的CT造影图像进行重采样，得到所述CT造影图像的全像素分辨率图像；
[0017]基于向前传播，确定所述基于所述卷积神经网络模型的每像素或然预测输出集；
[0018]根据所述每像素或然预测输出集与已注释的动脉瘤图像，确定损失函数；
[0019]基于向前传播，根据所述损失函数，通过最陡梯度下降法，对所述卷积神经网络模型进行参数值更新。
[0020]可选的，在上述方法中，所述对载有动脉瘤的载瘤血管进行重建，得到所述载瘤血管三维模型，包括：
[0021]对所述CT血管造影图形进行预处理，以消除伪影图像偏差；
[0022]对预处理后的CT血管造影图像进行管状增强滤波处理；
[0023]根据所述CT血管造影图像中各体素的原始数据以及管状增强滤波结果，确定所述载瘤血管的中心线；
[0024]围绕所述载瘤血管的中心线，建立所述载瘤血管三维模型。
[0025]可选的，在上述方法中，所述对所述载瘤血管三维模型进行几何分析，得到所述载瘤血管上的动脉瘤的几何结构特征，包括：
[0026]对所述载瘤血管三维模型的表面建立网格，并使所述网格的平均单元质量指数达到预设值；
[0027]采用平行切割平面，对所述载瘤血管上的动脉瘤进行切割；
[0028]根据切割得到的动脉瘤，确定所述动脉瘤的多维尺寸指标，作为所述动脉瘤的几何结构特征。
[0029]可选的，在上述方法中，所述根据所述动脉瘤的几何结构特征，模拟出首发弹簧圈，以对动脉瘤填塞，包括：
[0030]创建颈部的虚拟表面，在所述虚拟表面预留一小孔，所述小孔连接动脉瘤；
[0031]根据所述动脉瘤的几何结构特征，模拟出圆柱形结构的初始首发弹簧圈；
[0032]将所述初始首发弹簧圈包裹在微导管中；
[0033]使包裹有初始首发弹簧圈的微导管通过所述小孔，进入所述动脉瘤的囊中，并使所述初始首发弹簧圈回弹至自然状态，得到模拟动脉瘤；
[0034]根据所述模拟动脉瘤与所述动脉瘤的几何特征比对结果，对所述初始首发弹簧圈进行微调，得到首发弹簧圈。
[0035]可选的，在上述方法中，所述基于所述载瘤血管的几何结构特征，模拟出血管支架，以对所述载瘤血管填塞，包括：
[0036]围绕所述载瘤血管的中心线模拟出多个形点；
[0037]基于所述多个形点，建立虚拟血管支架；
[0038]使所述血管支架依赖于三变量三谐波样条的自由形式变形，以确定所述虚拟血管支架的变形参数；
[0039]根据所述虚拟血管支架的变形效果，对所述变形参数进行迭代更新，直到达到收敛要求，以模拟出血管支架。
[0040]可选的，在上述方法中，所述基于所述多个形点，建立虚拟血管支架，包括：
[0041]建立虚拟血管支架，所述虚拟血管支架为包含所述多个形点的圆柱体；
[0042]假设所述虚拟血管支架的密集网状结构被假定为多孔介质，通过向控制流动方程添加动量源项，以模拟虚拟血管支架的孔隙度，其中，所述动量源项包括：粘性损失项和惯性损失项。
[0043]第二方面，提供了一种动脉瘤手术规划装置，所述装置包括：
[0044]获取单元，用于获取目标患者的CT血管造影图像；
[0045]识别单元，用于基于卷积神经网络模型，从所述CT血管造影图像识别出动脉瘤；
[0046]重建单元，用于对载有动脉瘤的载瘤血管进行重建，得到所述载瘤血管三维模型；
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种动脉瘤手术规划方法，其特征在于，所述方法包括：获取目标患者的CT血管造影图像；基于卷积神经网络模型，从所述CT血管造影图像识别出动脉瘤；对载有动脉瘤的载瘤血管进行重建，得到所述载瘤血管三维模型；对所述载瘤血管三维模型进行几何分析，得到所述动脉瘤和所述载瘤血管的几何结构特征；根据所述动脉瘤的几何结构特征，模拟出首发弹簧圈，以对所述动脉瘤填塞；根据所述载瘤血管的几何结构特征，模拟出血管支架，以对所述载瘤血管填塞。2.根据权利要求1所述的方法，其特征在于，所述基于卷积神经网络模型，从所述CT血管造影图像识别出动脉瘤，包括：使所述CT造影图像进入所述卷积神经网络模型，以识别动脉瘤；其中，所述卷积神经网络模型是通过下述方法训练的：基于收缩路径，缩小所述CT造影图像的图像大小，以获取所述CT造影图像的上下文信息；基于扩展路径，对缩小后的CT造影图像进行重采样，得到所述CT造影图像的全像素分辨率图像；基于向前传播，确定所述基于所述卷积神经网络模型的每像素或然预测输出集；根据所述每像素或然预测输出集与已注释的动脉瘤图像，确定损失函数；基于向前传播，根据所述损失函数，通过最陡梯度下降法，对所述卷积神经网络模型进行参数值更新。3.根据权利要求1所述的方法，其特征在于，所述对载有动脉瘤的载瘤血管进行重建，得到所述载瘤血管三维模型，包括：对所述CT血管造影图形进行预处理，以消除伪影图像偏差；对预处理后的CT血管造影图像进行管状增强滤波处理；根据所述CT血管造影图像中各体素的原始数据以及管状增强滤波结果，确定所述载瘤血管的中心线；围绕所述载瘤血管的中心线，建立所述载瘤血管三维模型。4.根据权利要求1所述的方法，其特征在于，所述对所述载瘤血管三维模型进行几何分析，得到所述载瘤血管上的动脉瘤的几何结构特征，包括：对所述载瘤血管三维模型的表面建立网格，并使所述网格的平均单元质量指数达到预设值；采用平行切割平面，对所述载瘤血管上的动脉瘤进行切割；根据切割得到的动脉瘤，确定所述动脉瘤的多维尺寸指标，作为所述动脉瘤的几何结构特征。5.根据权利要求1所述的方法，其特征在于，所述根据所述动脉瘤的几何结构特征，模拟出首发弹簧圈，以对动脉瘤填塞，包括：创建颈部的虚拟表面，在所述虚拟表面预留一小孔，所...
【专利技术属性】
技术研发人员：刘伟奇，马学升，王硕，贺红卫，刘清源，
申请(专利权)人：昆明同心医联科技有限公司，
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。