CN103280144A

CN103280144A - 一种模拟手术训练系统

Info

Publication number: CN103280144A
Application number: CN2013101181175A
Authority: CN
Inventors: 冯远静; 禹鑫燚; 白雪琛; 洪凌; 王哲进
Original assignee: Zhejiang University of Technology ZJUT
Current assignee: Hangzhou Boyi Micro Vision Technology Co ltd
Priority date: 2013-04-07
Filing date: 2013-04-07
Publication date: 2013-09-04
Anticipated expiration: 2033-04-07
Also published as: CN103280144B

Abstract

本发明为一种模拟手术训练系统，可用于术前的手术路径规划与医师的日常手术训练，属于融合信息技术、自动化技术、机械制造技术等学科的多学科交叉研究领域。开发了模拟手术软件，可以根据MRI数据建立脑模型，在计算机虚拟空间内基于此模型进行虚拟手术；设计了手术操作仪，该装置有6个自由度，操作原理与脑视镜手术刀相同，操作感真实；设计了基于FPGA的多路数据采集系统，可实时采集6路编码器数据，实时性强；本系统的脑结构模型精度高、实时跟踪性好、操作真实性高、自动化程度高、开发成本低。

Description

一种模拟手术训练系统

技术领域

本发明涉及一种模拟手术训练系统。

背景技术

虚拟现实技术是近年来出现的高新技术，是一种可以创建和体验虚拟世界的计算机系统。虚拟现实技术可以广泛应用于各个领域。这些领域包括：仿真建模、计算机辅助设计与制造、可视化计算、遥控机器人、计算机艺术、先期技术和概念演示、培训与教育等。

模拟手术系统是虚拟现实技术在现代医学中的应用。它是一个融合信息技术、自动化技术、机械制造技术等学科的多学科交叉研究领域。模拟手术系统是一个专门用来模拟在手术过程中可能遇到的各种现象的虚拟现实应用系统，内容包括医学数据的交互与可视化，以及对于组织器官变形的模拟和各种感官反馈的模拟。计算机图形学的发展推动了手术仿真系统的研究，该研究领域越来越受到研究人员的关注。但目前的模拟手术训练系统主要存在以下问题：

1.价格昂贵，限制了系统在普通医学院的普及。如美国Intuitive Surgical公司成功开发出Da Vinci外科机器人系统，它是目前为数不多的商品化的实用技术之一。系统包括一个医生控制平台、多功能手术床、各种手术器械和图像处理设备，但其售价达104万美元，我国的普通医学院显然无法大量采购。

2.系统精度低，无法进行功能性手术训练。清华大学与北京航空航天大学机器人研究所研制了基于虚拟现实的机器人辅助神经外科系统；清华大学邹北骥等人实现了基于二维照片的人脸正融合虚拟手术系统；国防科技大学王勇军、吴鹏等对虚拟内窥镜系统中的力反馈技术进行了研究；西北大学周明全、耿国华等人主持完成了计算机辅助颅骨面貌复员系统；中山医科大学卡法的计算机手术模拟系统可以实现简单的骨组织切割功能。总的看来，这些系统只能进行基于CT或MRI数据的直观模型的模拟手术，模型精度低，且对脑手术的研究较少。

发明内容

为了克服已有模拟手术系统精度低、操作感受差、成本高、系统完整度低的问题，本发明设计了一种模型精度高、实时跟踪性好、操作真实性高、自动化程度高、成本相对低的模拟手术训练系统。

本发明采用的技术方案为：

一种模拟手术训练系统，其特征为：所述模拟手术系统包括：用于显示虚拟手术环境的模拟手术软件、用于控制虚拟手术刀的手术操作仪、用于采集手术刀数据的FPGA数据采集系统；

其中，所述的模拟手术软件包括：

数据读取单元，用于读取多格式的患者源数据，所述数据包括CT数据，MRI数据，FMRI数据；通过判断相应数据的头文件，查表获得其编码方式，调用相应的解码算法来将不同的源数据解码还原，为脑模型数据处理单元及脑纤维数据建模单元提供源数据；

脑模型数据处理单元，用于建立脑部微观结构模型；通过分析数据读取单元传入的数据，应用灰度值分割算法将根据各区域的灰度值，识别各区域并对其进行建模，建模结果传给脑模型显示单元；具体步骤为：在计算机内建立一个虚拟的三维空间，同时建立一个三维坐标系，我们将数据读取单元读取到的切片扫描数据按扫描编号排列，其步进间隔为扫描精度，并为此空间内的每一个体素分配一个坐标；然后，通过源数据的灰度值来识别脑解剖结构，并人工标定要建模的微结构，应用扩散算法，自动标定临近区域内灰度在阈值范围的体素，从而选定感兴趣的结构；最后，应用拟合算法将虚拟空间内所有被标定的体素建模，得到所选定的结构的三维模型。

脑纤维数据建模单元，用于建立脑部神经系统的模型；我们首先采用球面反卷积算法建立数据读取单元读入的源数据的球面反卷积（SD）模型；然后应用群体纤维跟踪算法跟踪SD模型，得到脑纤维束的模型，建模结果传给脑模型显示单元；具体步骤为：在数据读取单元读入的数据的基础上，我们首先采用球面反卷积算法建立各体素的卷积模型，然后借助球面高斯函数拟合来补偿离散误差，从而消除由离散脉冲函数带来的离散误差，求出纤维的方向密度函数；最后应用群体纤维跟踪算法，得到脑纤维束的模型。

脑模型显示单元，用于显示经过脑模型数据处理单元与脑纤维数据处理单元生成的数据，将其在软件中三维显示出来；由VTK医学显示库实现；

脑切片数据显示单元，用于将数据读取单元读入的病人的核磁共振原始数据显示出来；由VTK医学显示库实现；

手术刀动态跟踪单元，用于解码数据采集系统中数据发送单元传回的数据，根据传回的数据实时的调整手术刀模型的数据，并通过不断的刷新来更新手术刀具的显示形态。

其中，所述的手术操作仪包括：

操作单元，用于医生操作该模拟手术器械进行模拟手术训练；所述的模拟手术器械包括6个自由度，由模拟手术刀模型和镜鞘底座实现；所述模拟手术刀模型包括：模拟手术窥镜、模拟手术镜鞘、模拟手术操作柄；手术刀的模型有3个自由度，通过控制医用钳柄可以实现手术刀刀头镊子的夹取动作，通过旋转刀柄可以控制手术刀刀头的方向，同时可以控制刀头在微小范围内的进给；镜鞘底座将手术刀模型镜鞘安装在其上面，用此支点来模拟在虚拟病人颅骨上的入刀点，手术刀只可围绕此支点进行相应的运动，同时支架为手术刀模型扩充了三个自由度，使手术刀镜鞘可以实现相对支点的俯仰运动、相对支点的旋转运动以及镜鞘到达指定手术范围的进给运动，从而使得整个手术机器人模型可以在三维空间内灵活的运动。

数据采集单元，用于采集操作单元的数据，并将所获得的数据传送给力补偿单元及数据采集系统的数据接收单元；该数据采集单元由6个绝对式编码器构成，分别安装在操作单元的6个自由度处；

力补偿单元，用于在器械操作过程中进行力补偿，抵消重力对手术的影响；根据数据采集单元传回的信息，分析目前操作单元运行状态，判断出当前改变的自由度，对此自由度的电机输出控制信号，进行力补偿；力补偿单元的具体实现为：

（1）在自由度1处用电机补偿手术器械的往复进给运动所需的力；

（2）在自由度2处用电机补偿手术器械在镜鞘内的周翔旋转运动所需的力；

（3）在自由度3处用弹簧结构来增加手术器械进行切割等动作所需的力；

（4）在自由度4处用电机来补偿操作窥镜、镜鞘和器械到头颅预定手术点时进给运动所需的力；

（5）在自由度5处用电机来补偿操作窥镜、镜鞘和器械到头颅预定手术点时俯仰姿态所需的力；

（6）在自由度6处用电机来补偿操作窥镜、镜鞘和器械到头颅预定手术点时航向姿态所需的力。

所述的数据采集系统包括：

数据接收单元，用于实时接收手术操作仪的数据采集单元的6路数据；该单元由6个SPI接口组成，并行的接收6路数据，将数据将其传给数据处理单元；

数据处理单元，用于高速数据处理；将数据接收单元传回的并行数据转化为串行，并对其进行编码，将编码后的数据传给数据发送单元；

数据发送单元，用于数据采集系统与上位机的通信；将数据处理单元编码后的数据通过串口发送给上位机的模拟手术软件的手术刀动态跟踪单元。

本发明的有益效果主要表现在：

1．利用脑纤维三维模型，训练医师制定出功能性手术方案，在模拟系统中规划出一条不损伤神经系统或对神经系统造成的损伤最小的手术路径，防止在真实手术过程中对患者造成功能神经损伤；

2．训练医生熟练的使用相关的手术器械，掌握各种手术器械的使用方法和使用环境。

3．训练医生进行必要的、基本的手术技法，使其充分体验在虚拟模型中感知手术入刀深度，为进行成功的手术打下坚实基础。

4．进行术前演练。对于选择最佳手术路径、减小手术损伤、减少对临近组织损害、执行复杂手术和提高手术成功率等具有十分重要的意义。

5．医生通过训练系统观察专家手术过程，也可重复实验。由于模拟系统可为操作者提供一个具有真实感和沉浸感的训练环境和临场感，所以训练过程与真实情况几乎一致。在虚拟的手术环境中进行手术，不会发生严重的意外，能够提高医生的协作能力。

6．其他效益：减少对尸体、动物的消耗，降低医师的训练成本。

附图说明

图1是本发明的模拟手术系统流程图

图2是本发明的系统操作界面1

图3是本发明的系统操作界面2

具体实施方式

以下将结合附图对本发明做进一步详细说明：

参照附图1-3，

其中，所述的模拟手术软件包括：数据读取单元、脑模型数据处理单元、脑纤维数据建模单元、脑模型显示单元、脑切片数据显示单元、手术刀动态跟踪单元；

所述数据读取单元，用于读取多格式的患者源数据，所述数据包括CT数据，MRI数据，FMRI数据；通过判断相应数据的头文件，查表获得其编码方式，调用相应的解码算法来将不同的源数据解码还原，为脑模型数据处理单元及脑纤维数据建模单元提供源数据；

所述脑模型数据处理单元，用于建立脑部微观结构模型；通过分析数据读取单元传入的数据，应用灰度值分割算法将根据各区域的灰度值，识别各区域并对其进行建模，建模结果传给脑模型显示单元；具体的实时过程为：在计算机内建立一个虚拟的三维空间，同时建立一个三维坐标系，我们将数据读取单元读取到的切片扫描数据按扫描编号排列，其步进间隔为扫描精度，并为此空间内的每一个体素分配一个坐标；然后，通过源数据的灰度值来识别脑解剖结构，并人工标定要建模的微结构，应用扩散算法，自动标定临近区域内灰度在阈值范围的体素，从而选定感兴趣的结构；最后，应用拟合算法将虚拟空间内所有被标定的体素建模，得到所选定的结构的三维模型。

所述脑纤维数据建模单元，用于建立脑部神经系统的模型；我们首先采用球面反卷积算法建立数据读取单元读入的源数据的球面反卷积（SD）模型；然后应用群体纤维跟踪算法跟踪SD模型，得到脑纤维束的模型，建模结果传给脑模型显示单元；具体步骤为：在数据读取单元读入的数据的基础上，我们首先采用球面反卷积算法建立各体素的卷积模型，然后借助球面高斯函数拟合来补偿离散误差，从而消除由离散脉冲函数带来的离散误差，求出纤维的方向密度函数；最后应用群体纤维跟踪算法，得到脑纤维束的模型。

所述脑模型显示单元，用于显示经过脑模型数据处理单元与脑纤维数据处理单元生成的数据，将其在软件中三维显示出来；当脑模型数据处理单元与脑纤维数据建模单元建立建模完毕后，建模数据直接传送给脑模型显示单元，调用VTK医学显示库将其三维显示出来。

所述脑切片数据显示单元，用于将数据读取单元读入的病人的核磁共振原始数据显示出来；由VTK医学显示库实现；

所述手术刀动态跟踪单元，用于解码数据采集系统中数据发送单元传回的数据，实时的调整手术刀模型的数据，并通过不断的刷新来更新手术刀具的显示形态。

其中，所述的手术操作仪包括：操作单元、数据采集单元、力补偿单元；

所述操作单元，用于医生操作该模拟手术器械进行模拟手术训练；所述的操作单元有6个自由度，包括手术刀模型及镜鞘底座构成；所述手术刀模型包括模拟手术窥镜、模拟手术镜鞘、模拟手术操作柄；手术刀的模型有3个自由度，通过控制医用钳柄可以实现手术刀刀头镊子的夹取动作，通过旋转刀柄可以控制手术刀刀头的方向，同时可以控制刀头在微小范围内的进给；镜鞘底座将手术刀模型镜鞘安装在其上面，用此支点来模拟在虚拟病人颅骨上的入刀点，手术刀只可围绕此支点进行相应的运动，同时支架为手术刀模型扩充了三个自由度，使手术刀镜鞘可以实现相对支点的俯仰运动、相对支点的旋转运动以及镜鞘到达指定手术范围的进给运动，从而使得整个手术机器人模型可以在三维空间内灵活的运动。

所述数据采集单元，用于采集操作单元的数据，并将所获得的数据传送给力补偿单元及数据采集系统的数据接收单元；该数据采集单元由6个绝对式编码器构成，该6个编码器分别安装在操作单元的6个自由度处；将手术操作仪的6个自由度的信息传送给数据采集系统的数据接收单元，为手术刀动态跟踪单元提供数据。

所述力补偿单元，用于在器械操作过程中进行力补偿，抵消重力对手术的影响；根据数据采集单元传回的信息，分析目前操作单元运行状态，判断出当前改变的自由度，对此自由度的电机输出控制信号，进行力补偿；具体实现为：

（7）在自由度1处用电机补偿手术器械的往复进给运动所需的力；

（8）在自由度2处用电机补偿手术器械在镜鞘内的周翔旋转运动所需的力；

（9）在自由度3处用弹簧结构来增加手术器械进行切割等动作所需的力；

（10）在自由度4处用电机来补偿操作窥镜、镜鞘和器械到头颅预定手术点时进给运动

所需的力；

（11）在自由度5处用电机来补偿操作窥镜、镜鞘和器械到头颅预定手术点时俯仰姿态所需的力；

（12）在自由度6处用电机来补偿操作窥镜、镜鞘和器械到头颅预定手术点时航向姿态所需的力。

所述的数据采集系统包括：数据接收单元、数据处理单元、数据发送单元；

所述数据接收单元，用于实时接收手术操作仪的数据采集单元的6路数据；该单元由6个SPI接口组成，并行的接收6路数据，将数据将其传给数据处理单元；

所述数据处理单元，用于高速数据处理；将数据接收单元传回的并行数据转化为串行，同时按我们的编码规则将数据编码，减少数据传送过程中的数据量，将编码后的数据传给数据发送单元；

所述数据发送单元，用于数据采集系统与上位机的通信；将数据处理单元编码后的数据通过串口发送给上位机的模拟手术软件的手术刀动态跟踪单元。

Claims

1.一种模拟手术训练系统，其主要特征为：所述模拟手术系统包括：用于显示虚拟手术环境的模拟手术软件、用于控制虚拟手术刀的手术操作仪、用于采集手术刀数据的FPGA数据采集系统；

其中，所述的模拟手术软件包括：

脑模型数据处理单元，用于建立脑部微观结构模型；通过分析数据读取单元传入的数据，应用灰度值分割算法将根据各区域的灰度值，识别各区域并对其进行建模，建模结果传给脑模型显示单元；

脑纤维数据建模单元，用于建立脑部神经系统的模型；我们首先采用球面反卷积算法建立数据读取单元读入的源数据的球面反卷积（SD）模型；然后应用群体纤维跟踪算法跟踪SD模型，得到脑纤维束的模型，建模结果传给脑模型显示单元；

手术刀动态跟踪单元，用于解码数据采集系统中数据发送单元传回的数据，根据传回的数据在软件中实时显示手术刀模型的形态；

其中，所述的手术操作仪包括：

操作单元，用于医生操作该模拟手术器械进行模拟手术训练；所述的模拟手术器械包括模拟手术刀模型和镜鞘底座；所述模拟手术刀模型包括：模拟手术窥镜、模拟手术镜鞘、模拟手术操作柄；

数据采集单元，用于采集操作单元的数据，并将所获得的数据传送给力补偿单元及数据采集系统的数据接收单元；该数据采集单元由6个绝对式编码器构成；

力补偿单元，用于在器械操作过程中进行力补偿，抵消重力对手术的影响；根据数据采集单元传回的信息，分析目前操作单元运行状态，判断出当前改变的自由度，对此自由度的电机输出控制信号，进行力补偿；

所述的数据采集系统包括：

2.如权利要求1所述的模拟手术训练系统，其特征在于：所述的脑模型数据处理单元，其原理为：在计算机内建立一个虚拟的三维空间，同时建立一个三维坐标系，我们将权利要求1中数据读取单元读取到的切片扫描数据按扫描编号排列，其步进间隔为扫描精度，并为此空间内的每一个体素分配一个坐标；然后，通过源数据的灰度值来识别脑解剖结构，并人工标定要建模的微结构，应用扩散算法，自动标定临近区域内灰度在阈值范围的体素，从而选定感兴趣的结构；最后，应用拟合算法将虚拟空间内所有被标定的体素建模，得到所选定的结构的三维模型。

3.如权利要求1所述的模拟手术训练系统，其特征在于：所述的脑纤维数据建模单元，其实现原理为：在权利要求1中数据读取单元读入的数据的基础上，我们首先采用球面反卷积算法建立各体素的卷积模型，然后借助球面高斯函数拟合来补偿离散误差，从而消除由离散脉冲函数带来的离散误差，求出纤维的方向密度函数；最后应用群体纤维跟踪算法，得到脑纤维束的模型。

4.如权利要求1所述的模拟手术训练系统，其特征在于：所述的手术刀动态跟踪单元实现原理为：通过解码权利要求1中数据发送单元传回的数据，实时的调整手术刀模型的数据，并通过不断的刷新来更新手术刀具的显示形态。

5.如权利要求1所述的模拟手术训练系统，其特征在于：所述的操作单元有6个自由度，包括手术刀模型及镜鞘底座构成；手术刀的模型有3个自由度，通过控制医用钳柄可以实现手术刀刀头镊子的夹取动作，通过旋转刀柄可以控制手术刀刀头的方向，同时可以控制刀头在微小范围内的进给；镜鞘底座将手术刀模型镜鞘安装在其上面，用此支点来模拟在虚拟病人颅骨上的入刀点，手术刀只可围绕此支点进行相应的运动，同时支架为手术刀模型扩充了三个自由度，使手术刀镜鞘可以实现相对支点的俯仰运动、相对支点的旋转运动以及镜鞘到达指定手术范围的进给运动，从而使得整个手术机器人模型可以在三维空间内灵活的运动。

6.如权利要求1所述的模拟手术训练系统，其特征在于：所述的数据采集单元由6个绝对式编码器构成，该6个编码器分别安装在操作单元的6个自由度处；将手术操作仪的6个自由度的信息传送给数据采集系统的数据接收单元，为手术刀动态跟踪单元提供数据。

7.如权利要求1所述的模拟手术训练系统，其特征在于：所述的力补偿单元的具体实现为：

8.如权利要求1所述的模拟手术训练系统，其特征在于：所述的数据接收单元的技术方案为：并行的接收由权利要求1中数据采集系统的采集的6路编码器的数据，将其存入FPGA中。

9.如权利要求1所述的模拟手术训练系统，其特征在于：所述的数据处理单元技术方案为：将权利要求1中的数据接收单元接收的数据由并行数据转化为串行数据，同时按我们的编码规则将数据编码，减少数据传送过程中的数据量。

10.如权利要求1所述的模拟手术训练系统，其特征在于：所述的数据发送单元的技术方案为：将权利要求1中数据处理单元生成的数据发送给上位机，用于权利要求1中手术刀动态跟踪单元实时跟踪显示脑手术刀位置。