【技术实现步骤摘要】
本专利技术涉及医疗技术，具体为基于多目标粒子群算法的临床柔性穿刺针路径规划方法。
技术介绍
1、在许多介入性医疗操作中，如肿瘤切除、介入治疗和神经外科手术等，穿刺针的准确引导至关重要。传统的柔性穿刺针路径规划方法往往依赖于医生的经验和直觉，缺乏系统性和标准化。随着计算机科学和人工智能技术的发展，自动化路径规划成为一种可行的解决方案。通过利用计算机视觉、图像处理、优化算法等技术，可以实现对柔性穿刺针路径的自动化规划和优化，提高手术效果和患者安全。
2、而在柔性穿刺针引导下进行的介入手术通常需要实时性，即需要快速生成可行的路径并进行实时调整。全局路径规划方法的计算复杂度较高，难以满足实时性要求。因此，提出一种基于多目标粒子群(mopso)算法的临床柔性穿刺针路径规划方法。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于多目标粒子群算法的临床柔性穿刺针路径规划方法，解决了传统全局路径规划方法计算复杂度较高，且难以满足实时性要求的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：基于多目标粒子群算法的临床柔性穿刺针路径规划方法，包括以下步骤：
3、s1、初始化路径解，其中路径解由起始点、一系列控制点和柔性针旋转角度组成，起始点表示穿刺目标位置；
4、s2、对于每个控制点和柔性针旋转角度，使用mopso算法进行微调，得到优化后的路径解；
5、s3、根据定义的邻域搜索策略，在优化后的路径上搜索更优的邻域解，并
6、s4、重复步骤s2和步骤s3，直到达到预定的停止条件。
7、优选的，所述路径解的目标函数值f(p)由以下公式表示：
8、f(p)＝α*length(p)+β*smoothness(p)-γ*obstacles(p)+δ*anglediff(p)；
9、其中，α、β、γ和δ是权重系数，length(p)为路径长度，smoothness(p)为路径精准度，obstacles(p)为路径避障能力，anglediff(p)为路径柔性针旋转角度。
10、优选的，所述路径长度length(p)由以下公式表示：
11、length(p)＝σdist(pi,pi+1)；
12、其中，dist(pi,pi+1)表示路径上相邻控制点pi和pi+1之间的欧氏距离。
13、优选的，所述临床柔性穿刺针路径规划方法中的平整度即路径规划终点到目标点的距离，建立柔性针轨迹优化问题的目标函数如下：miny＝f(θ)＝[ft i perr(θ)fl(θ)fd(θ)]；其中，θ为决策量，ftiperr(θ)为路径终点到靶点的距离，fl(θ)为路径长度，fd(θ)为路径因障碍物产生的危险度函数。
14、其中，anglediff(pi,pi-1,pi+1)表示路径上相邻控制点pi、pi-1和pi+1之间的角度差。
15、优选的，所述路径避障能力obstacles(p)由以下公式表示：
16、obstacles(p)＝σmindist(p,oi)；
17、其中，oi表示第i个障碍物，mindist(p,oi)表示路径p与障碍物oi之间的最小距离。
18、优选的，所述路径柔性针旋转角度anglediff(p)由以下公式表示：
19、anglediff(p)＝σabs(θi-θi-1-θi+1)；
20、其中，θi表示路径上第i个控制点的柔性针旋转角度，abs表示取绝对值。
21、优选的，所述mopso算法为梯度下降算法，用于对每个控制点和柔性针旋转角度进行微调，以最小化目标函数值f(p)。
22、优选的，所述邻域搜索策略为在优化后的路径上进行局部扰动，并使用mopso算法寻找更优的邻域解，并同时调整柔性针旋转角度。
23、优选的，所述预定的停止条件为达到最大迭代次数或目标函数值收敛。
24、本专利技术提供了基于多目标粒子群算法的临床柔性穿刺针路径规划方法。具备以下有益效果：
25、本专利技术基于多目标粒子群算法的临床柔性穿刺针路径规划方法通过迭代优化控制点和柔性针旋转角度，同时考虑路径长度、精准度、避障能力和柔性针旋转角度的要求，以达到最优的路径规划效果，可以帮助医生在手术过程中更准确地引导穿刺针，以达到预定的目标位置，且柔性针路径规划还可以避开重要的血管、神经和器官结构，降低手术的风险和并发症的发生率。对临床手术实践产生积极的影响，为患者提供更好的治疗结果和手术体验。
本文档来自技高网...【技术保护点】
1.基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述路径解的目标函数值F(P)由以下公式表示：
3.根据权利要求2所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述路径长度length(P)由以下公式表示：
4.根据权利要求1所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述临床柔性穿刺针路径规划方法中的平整度即路径规划终点到目标点的距离，建立柔性针轨迹优化问题的目标函数如下：miny＝f(Θ)＝[ftipErr(Θ)fL(Θ)fd(Θ)]；其中，Θ为决策量，ftipErr(Θ)为路径终点到靶点的距离，fL(Θ)为路径长度，fd(Θ)为路径因障碍物产生的危险度函数。
5.根据权利要求2所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述路径避障能力obstacles(P)由以下公式表示：
6.根据权利要求2所述的基于多目标粒子群算法的临床柔
7.根据权利要求1所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述MOPSO算法为梯度下降算法，用于对每个控制点和柔性针旋转角度进行微调，以最小化目标函数值F(P)。
8.根据权利要求1所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述邻域搜索策略为在优化后的路径上进行局部扰动，并使用MOPSO算法寻找更优的邻域解，并同时调整柔性针旋转角度。
9.根据权利要求1所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述预定的停止条件为达到最大迭代次数或目标函数值收敛。
...【技术特征摘要】
1.基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述路径解的目标函数值f(p)由以下公式表示：
3.根据权利要求2所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述路径长度length(p)由以下公式表示：
4.根据权利要求1所述的基于多目标粒子群算法的临床柔性穿刺针路径规划方法，其特征在于，所述临床柔性穿刺针路径规划方法中的平整度即路径规划终点到目标点的距离，建立柔性针轨迹优化问题的目标函数如下：miny＝f(θ)＝[ftiperr(θ)fl(θ)fd(θ)]；其中，θ为决策量，ftiperr(θ)为路径终点到靶点的距离，fl(θ)为路径长度，fd(θ)为路径因障碍物产生的危险度函数。
5.根据权利要求2所述的基于多目标粒子群算法...
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。