智能手术机器人导航定位系统及方法技术方案

本申请提供了一种智能手术机器人导航定位方法、系统、电子设备及计算机可读存储介质。该智能手术机器人导航定位方法，包括：获取膝关节CT图像；利用深度学习方法进行图像分割，得到各个部位分割结果；识别膝关节关键点位置；基于关键点对骨骼进行矫正；通过强化学习方法进行膝关节假体规划；通过深度学习方法进行骨骼配准；通过强化学习方法进行膝关节截骨；计算间隙平衡；放置膝关节假体；术后膝关节假体放置验证。根据本申请实施例，能够提高导航定位的效率和准确率。航定位的效率和准确率。航定位的效率和准确率。

【技术实现步骤摘要】
智能手术机器人导航定位系统及方法


[0001]本申请属于深度学习智能识别
，尤其涉及一种智能手术机器人导航定位方法、系统、电子设备及计算机可读存储介质。

技术介绍

[0002]目前，在导航定位中，主要通过有经验的医生依据自身经验进行导航定位，但是效率和准确率较低。
[0003]因此，如何提高导航定位的效率和准确率是本领域技术人员亟需解决的技术问题。

技术实现思路

[0004]本申请实施例提供一种智能手术机器人导航定位方法、系统、电子设备及计算机可读存储介质，能够提高导航定位的效率和准确率。
[0005]第一方面，本申请实施例提供一种智能手术机器人导航定位方法，包括：
[0006]获取膝关节CT图像；
[0007]利用深度学习方法进行图像分割，得到各个部位分割结果；
[0008]识别膝关节关键点位置；
[0009]基于关键点对骨骼进行矫正；
[0010]通过强化学习方法进行膝关节假体规划；
[0011]通过深度学习方法进行骨骼配准；
[0012]通过强化学习方法进行膝关节截骨；
[0013]计算间隙平衡；
[0014]放置膝关节假体；
[0015]术后膝关节假体放置验证。
[0016]可选的，利用深度学习方法进行图像分割，得到各个部位分割结果，包括：
[0017]利用膝关节多任务分割神经网络模型对膝关节CT图像进行图像分割，得到各个部位分割结果；
[0018]其中，各个部位分割结果包括股骨、胫骨、髌骨、腓骨四个部位的分割结果；
[0019]膝关节多任务分割神经网络模型是基于膝关节多任务分割神经网络进行模型训练得到的，膝关节多任务分割神经网络中采用3次下采样和3次上采样，每一个卷积层使用1x1x1，3x3x3，1x1x1卷积核，在同一尺度下的下采样和上采样之间使用跳跃级联结构，以减少特征丢失。
[0020]可选的，识别膝关节关键点位置，包括：
[0021]利用膝关节关键点检测网络模型，识别膝关节关键点位置；
[0022]其中，膝关节关键点检测网络模型是基于膝关节关键点检测网络进行模型训练得到的，膝关节关键点检测网络主要结构是从高分辨率特征图开始作为第一阶段，逐步增加
高分辨率到低分辨率的特征图，并将多分辨率特征图并行连接传递；后一阶段的并行特征图由前一阶段的特征图和一个额外的更低分辨率的特征图组成。
[0023]可选的，基于关键点对骨骼进行矫正的矫正规则，包括：
[0024]建立空间坐标系，其中股骨侧力线与Z轴平行且垂直于X轴、Y轴所形成的平面；
[0025]后髁连线平行于Y轴、Z轴形成的平面；
[0026]仅调整股骨位置，胫骨跟着股骨移动。
[0027]可选的，通过强化学习方法进行膝关节假体规划，包括：
[0028]将膝关节假体每一次移动位置后的空间坐标、膝关节假体数据、膝关节各部位分割结果、膝关节假体型号、截骨角度，输入强化学习神经网络模型，输出膝关节假体位置决策。
[0029]可选的，计算间隙平衡，包括：
[0030]计算股骨外侧伸直间隙：股骨外侧远端点到截骨面垂直距离；
[0031]计算股骨外侧屈曲间隙：股骨外侧后髁点到后髁截骨面距离；
[0032]计算股骨内侧伸直间隙：股骨内侧远端点到截骨面垂直距离；
[0033]计算股骨内侧屈曲间隙：股骨内侧后髁点到后髁截骨面距离；
[0034]计算胫骨内侧伸直间隙：胫骨平台内侧点到截骨面距离；
[0035]计算胫骨内侧屈曲间隙：胫骨平台内侧点到截骨面距离。
[0036]可选的，术后膝关节假体放置验证，包括：
[0037]验证股骨机械轴与股骨远端截骨面是否垂直；
[0038]验证胫骨机械轴与胫骨平台截骨面是否垂直；
[0039]检查假体与骨质是否覆盖完全。
[0040]第二方面，本申请实施例提供了一种智能手术机器人导航定位系统，系统包括：
[0041]图像获取模块，用于获取膝关节CT图像；
[0042]图像分割模块，用于利用深度学习方法进行图像分割，得到各个部位分割结果；
[0043]关键点识别模块，用于识别膝关节关键点位置；
[0044]骨骼矫正模块，用于基于关键点对骨骼进行矫正；
[0045]假体规划模块，用于通过强化学习方法进行膝关节假体规划；
[0046]骨骼配准模块，用于通过深度学习方法进行骨骼配准；
[0047]截骨模块，用于通过强化学习方法进行膝关节截骨；
[0048]间隙平衡计算模块，用于计算间隙平衡；
[0049]假体放置模块，用于放置膝关节假体；
[0050]假体验证模块，用于术后膝关节假体放置验证。
[0051]第三方面，本申请实施例提供了一种电子设备，电子设备包括：处理器以及存储有计算机程序指令的存储器；
[0052]所述处理器执行所述计算机程序指令时实现如第一方面的智能手术机器人导航定位方法。
[0053]第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面的智能手术机器人导航定位方法。
[0054]本申请实施例的智能手术机器人导航定位方法、系统、电子设备及计算机可读存储介质，能够提高导航定位的效率和准确率。
[0055]该智能手术机器人导航定位方法，包括：获取膝关节CT图像；利用深度学习方法进行图像分割，得到各个部位分割结果；识别膝关节关键点位置；基于关键点对骨骼进行矫正；通过强化学习方法进行膝关节假体规划；通过深度学习方法进行骨骼配准；通过强化学习方法进行膝关节截骨；计算间隙平衡；放置膝关节假体；术后膝关节假体放置验证。
附图说明
[0056]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0057]图1是本申请一个实施例提供的智能手术机器人导航定位方法的流程示意图；
[0058]图2是本申请一个实施例提供的智能手术机器人导航定位方法的流程示意图；
[0059]图3是本申请一个实施例提供的ROPAKNEE设备外观示意图；
[0060]图4是本申请一个实施例提供的膝关节多任务分割神经网络模型示意图；
[0061]图5是本申请一个实施例提供的膝关节关键点检测网络模型示意图；
[0062]图6是本申请一个实施例提供的膝关节假体规划的强化学习神经网络模型示意图；
[0063]图7是本申请一个实施例提供的强化学习膝关节假体规划示意图；
[0064]图8是本申请一个实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能手术机器人导航定位方法，其特征在于，包括：获取膝关节CT图像；利用深度学习方法进行图像分割，得到各个部位分割结果；识别膝关节关键点位置；基于关键点对骨骼进行矫正；通过强化学习方法进行膝关节假体规划；通过深度学习方法进行骨骼配准；通过强化学习方法进行膝关节截骨；计算间隙平衡；放置膝关节假体；术后膝关节假体放置验证。2.根据权利要求1所述的智能手术机器人导航定位方法，其特征在于，利用深度学习方法进行图像分割，得到各个部位分割结果，包括：利用膝关节多任务分割神经网络模型对膝关节CT图像进行图像分割，得到各个部位分割结果；其中，各个部位分割结果包括股骨、胫骨、髌骨、腓骨四个部位的分割结果；膝关节多任务分割神经网络模型是基于膝关节多任务分割神经网络进行模型训练得到的，膝关节多任务分割神经网络中采用3次下采样和3次上采样，每一个卷积层使用1x1x1，3x3x3，1x1x1卷积核，在同一尺度下的下采样和上采样之间使用跳跃级联结构，以减少特征丢失。3.根据权利要求1所述的智能手术机器人导航定位方法，其特征在于，识别膝关节关键点位置，包括：利用膝关节关键点检测网络模型，识别膝关节关键点位置；其中，膝关节关键点检测网络模型是基于膝关节关键点检测网络进行模型训练得到的，膝关节关键点检测网络主要结构是从高分辨率特征图开始作为第一阶段，逐步增加高分辨率到低分辨率的特征图，并将多分辨率特征图并行连接传递；后一阶段的并行特征图由前一阶段的特征图和一个额外的更低分辨率的特征图组成。4.根据权利要求1所述的智能手术机器人导航定位方法，其特征在于，基于关键点对骨骼进行矫正的矫正规则，包括：建立空间坐标系，其中股骨侧力线与Z轴平行且垂直于X轴、Y轴所形成的平面；后髁连线平行于Y轴、Z轴形成的平面；仅调整股骨位置，胫骨跟着股骨移动。5.根据权利要求1所述的智能手术机器人导航定位方法，其特征在于，通过强化学习方法进行膝关节假体规划，包括：将膝关节假体每一次移动位置后的空间坐标、...

【专利技术属性】
技术研发人员：张逸凌，刘星宇，
申请(专利权)人：张逸凌，
类型：发明
国别省市：