介入手术的组织结构模型数据融合的方法和装置制造方法及图纸

本申请提出一种介入手术的组织结构模型数据融合的方法和装置，包括：确定进行组织结构模型数据融合的区域；根据所述区域，提取所述区域对应待生成融合模型的数据；其中，所述待生成融合模型的数据包括预制数据和/或实时数据；将所述预制数据和/或所述实时数据进行匹配，生成形变场；根据生成所述形变场的数据，生成用于介入手术的融合模型。本专利避免了现有技术存在的不能将术前的预制数据与实时数据同时使用辅助介入器械在人体内运动，进而达到综合多种数据，使得介入器械可以准确地在人体内运动。体内运动。体内运动。

【技术实现步骤摘要】
介入手术的组织结构模型数据融合的方法和装置


[0001]本申请涉及医疗设备领域，尤其涉及一种介入手术的组织结构模型数据融合的方法和装置。

技术介绍

[0002]介入治疗学是介入放射学的重要部分，它以影像诊断为基础，通过医学影像设备的引导，利用导管、穿刺针和其他介入器材，以达到治疗疾病的目的。
[0003]介入治疗涉及范围广，可以用来治疗血管性疾病，包括动静脉狭窄及闭塞性疾病、主动脉夹层、腹主动脉瘤、急性动脉出血性疾病、门脉高压、颅内血管疾病以及非血管性疾病，包括良、恶性肿瘤的治疗、原发性肝癌、肺癌、胰腺癌、子宫肌瘤等。
[0004]介入治疗相比外科手术大大降低了手术危险以及对器官、组织的损伤程度，达到局部治疗的目的。
[0005]现有技术存在如下技术问题：
[0006]1、术前的预制数据与实时数据融合困难。不同时间节点、不同设备采集、表征得到的相同组织结构处于不同的表征方式、不同的时间序列、不同的相位，无法统一融合，生成高准确度的融合模型。进而无法给手术医生提供兼具实时性和准确度的融合模型，以供医生根据融合模型引导操作介入器械在人体内运动，实现精准治疗。
[0007]2、基于学习的方法，学习每像素分类模型来检测血管结构。这些网络只是试图学习每个体素的类标签，这不可避免地忽略了管状结构中体素的几何排列。预制数据与实际数据还会受到患者体内呼吸、心跳等内运动影响，因此不能保证结果的准确性。而预制数据与实时数据融合配准消耗的算力时间在实时手术过程难以被复制。
[0008]3、预制与真实组织结构模型存在误差，进入血管存在对患者较大伤害。

技术实现思路

[0009]本申请实施例提供介入手术的组织结构模型数据融合的方法和装置，以解决相关技术存在的问题，技术方案如下：
[0010]第一方面，本申请实施例提供了一种介入手术的组织结构模型数据融合方法，包括：
[0011]确定进行组织结构模型数据融合的区域；
[0012]根据所述区域，提取所述区域对应待生成融合模型的数据；其中，所述待生成融合模型的数据包括预制数据和/或实时数据；
[0013]将所述预制数据和/或所述实时数据进行匹配，生成形变场；
[0014]根据生成所述形变场的数据，生成用于介入手术的融合模型。
[0015]可选地，当所述预制数据对应的实时数据的个数为一个时，将所述预制数据和所述实时数据进行匹配，生成形变场，包括：
[0016]提取所述预制数据和所述实时数据的共有特征；
[0017]根据所述共有特征，生成所述预制数据和所述实时数据之间的形变场。
[0018]可选地，当所述预制数据对应的实时数据的个数大于一个时，将所述预制数据和所述实时数据进行匹配，生成形变场，包括：
[0019]针对每一实时数据，提取所述预制数据和所述实时数据的共有特征；
[0020]根据每一所述共有特征，建立每一所述预制数据的坐标系和所述实时数据的中间形变场；
[0021]将所述中间形变场进行融合，生成形变场。
[0022]可选地，将所述预制数据和所述实时数据进行匹配之前，包括：
[0023]确定待初始规划路径所经由的腔体结构；
[0024]若所述腔体结构为生理结构，则提取所述生理结构表面轮廓点的特征和位置信息，生成点云；
[0025]若所述腔体结构为拓扑结构，则锁定所述拓扑结构的目标区域，提取所述拓扑结构的中心线的图像坐标，生成点云；
[0026]所述点云组成所述实时数据。
[0027]可选地，提取所述预制数据和所述实时数据的共有特征，包括：
[0028]分别建立所述预制数据和所述实时数据的坐标系，得到第一初始坐标系和第二初始坐标系；
[0029]将所述第一初始坐标系和所述第二初始坐标系的点云分别进行去中心化处理，得到第一去中心化点云和第二去中心化点云；
[0030]根据所述第一初始坐标系的坐标轴，对所述第一去中心化点云的坐标进行转换，生成第一转换点云；根据所述第二初始坐标系的坐标轴，对所述第二去中心化点云的坐标进行转换，生成第二转换点云；
[0031]提取所述第一转换点云的中心线和所述第二转换点云的中心线，将所述第一转换点云的中心线和所述第二转换点云的中心线作为共有特征。
[0032]可选地，根据所述共有特征，生成所述预制数据和所述实时数据之间的形变场，包括：
[0033]基于所述共有特征分别在所述第一转换点云和所述第二转换点云，选取至少三个角点；
[0034]通过调节各角点之间的尺度因子，生成第一调节点云和第二调节点云；
[0035]将所述第一调节点云、所述第二调节点云分别与标准点云进行匹配，输出匹配关系；
[0036]根据所述匹配关系，将所述第一初始坐标系映射在所述第二初始坐标系上或将所述第二初始坐标系映射在所述第一初始坐标系上，生成形变场。
[0037]可选地，将所述预制数据和所述实时数据进行匹配，生成形变场，包括：
[0038]根据神经网络将所述预制数据和所述实时数据进行匹配，生成形变场。
[0039]可选地，根据神经网络将所述预制数据和所述实时数据进行匹配，生成形变场之前，包括：
[0040]训练所述神经网络；
[0041]其中，训练所述神经网络包括：
[0042]将训练预制地图和训练实时数据作为所述神经网络的输入，输出训练形变场；
[0043]根据所述输出训练形变场，计算所述神经网络的损失值；
[0044]比较所述损失值与预设损失值阈值之间的数值大小，反馈训练所述神经网络使得所述神经网络的损失值达到所述预设损失值阈值，完成训练所述神经网络。
[0045]可选地，所述神经网络采用循环层级网络的无监督模式网络模型；
[0046]记录固定图像I
f
，浮动图像I
m
，形变场Φ；
[0047]循环层级每次生成的形变场为其中f
k
是卷积神经网络；
[0048]总形变场F(I
m
，I
f
)＝Φ
n
·
Θ...Θ
·
Φ1；
[0049]最终的形变场为
[0050]可选地，所述神经网络采用DeepFLASH网络模型；
[0051]假设存在最优的速度场V
opt
,利用基于学习方法预测出初始向量场V
pre
,定义基于傅里叶变换的复数域卷积操作：
[0052][0053]R表示是复数的真值部分，F表示复数的虚数部分；
[0054]同时定义复数域的激活函数：
[0055][0056]其损失函数：
[0057][0058]其中λ是函数f和权重矩阵Reg(W)之间的正参数平衡因子，其中L2是正则化的范数；
[0059]权重矩阵Reg(W)通过沿损失本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种介入手术的组织结构模型数据融合的方法，其特征在于，包括：确定进行组织结构模型数据融合的区域；根据所述区域，提取所述区域对应待生成融合模型的数据；其中，所述待生成融合模型的数据包括预制数据和/或实时数据；将所述预制数据和/或所述实时数据进行匹配，生成形变场；根据生成所述形变场的数据，生成用于介入手术的融合模型。2.根据权利要求1所述的方法，其特征在于，当所述预制数据对应的实时数据的个数为一个时，将所述预制数据和所述实时数据进行匹配，生成形变场，包括：提取所述预制数据和所述实时数据的共有特征；根据所述共有特征，生成所述预制数据和所述实时数据之间的形变场。3.根据权利要求1所述的方法，其特征在于，当所述预制数据对应的实时数据的个数大于一个时，将所述预制数据和所述实时数据进行匹配，生成形变场，包括：针对每一实时数据，提取所述预制数据和所述实时数据的共有特征；根据每一所述共有特征，建立每一所述预制数据的坐标系和所述实时数据的中间形变场；将所述中间形变场进行融合，生成形变场。4.根据权利要求2或3所述的方法，其特征在于，将所述预制数据和所述实时数据进行匹配之前，包括：确定待初始规划路径所经由的腔体结构；若所述腔体结构为生理结构，则提取所述生理结构表面轮廓点的特征和位置信息，生成点云；若所述腔体结构为拓扑结构，则锁定所述拓扑结构的目标区域，提取所述拓扑结构的中心线的图像坐标，生成点云；所述点云组成所述实时数据。5.根据权利要求4所述的方法，其特征在于，提取所述预制数据和所述实时数据的共有特征，包括：分别建立所述预制数据和所述实时数据的坐标系，得到第一初始坐标系和第二初始坐标系；将所述第一初始坐标系和所述第二初始坐标系的点云分别进行去中心化处理，得到第一去中心化点云和第二去中心化点云；根据所述第一初始坐标系的坐标轴，对所述第一去中心化点云的坐标进行转换，生成第一转换点云；根据所述第二初始坐标系的坐标轴，对所述第二去中心化点云的坐标进行转换，生成第二转换点云；提取所述第一转换点云的中心线和所述第二转换点云的中心线，将所述第一转换点云的中心线和所述第二转换点云的中心线作为共有特征。6.根据权利要求5所述的方法，其特征在于，根据所述共有特征，生成所述预制数据和所述实时数据之间的形变场，包括：基于所述共有特征分别在所述第一转换点云和所述第二转换点云，选取至少三个角点；
通过调节各角点之间的尺度因子，生成第一调节点云和第二调节点云；将所述第一调节点云、所述第二调节点云分别与标准点云进行匹配，输出匹配关系；根据所述匹配关系，将所述第一初始坐标系映射在所述第二初始坐标系上或将所述第二初始坐标系映射在所述第一初始坐标系上，生成形变场...

【专利技术属性】
技术研发人员：杨思图，王鹏程，杨溪，吴志超，
申请(专利权)人：上海术之道机器人有限公司，
类型：发明
国别省市：