CN110400328B - 手术辅助机器人的运动速度的计算方法、计算系统及终端 - Google Patents
手术辅助机器人的运动速度的计算方法、计算系统及终端 Download PDFInfo
- Publication number
- CN110400328B CN110400328B CN201910616782.4A CN201910616782A CN110400328B CN 110400328 B CN110400328 B CN 110400328B CN 201910616782 A CN201910616782 A CN 201910616782A CN 110400328 B CN110400328 B CN 110400328B
- Authority
- CN
- China
- Prior art keywords
- vertebral plate
- image
- gray
- pixel point
- minimum distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 22
- 238000001356 surgical procedure Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000013507 mapping Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 30
- 230000010365 information processing Effects 0.000 abstract description 2
- 210000000988 bone and bone Anatomy 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000001054 cortical effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008447 perception Effects 0.000 description 6
- 230000037182 bone density Effects 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000002684 laminectomy Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 210000001032 spinal nerve Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 206010025005 lumbar spinal stenosis Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000002324 minimally invasive surgery Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 208000005198 spinal stenosis Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/16—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans
- A61B17/1662—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans for particular parts of the body
- A61B17/1671—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans for particular parts of the body for the spine
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/30—Surgical robots
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/16—Bone cutting, breaking or removal means other than saws, e.g. Osteoclasts; Drills or chisels for bones; Trepans
- A61B2017/1602—Mills
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Robotics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Image Processing (AREA)
Abstract
本申请适用于医学信息处理领域,提供一种手术辅助机器人的运动速度的计算方法、计算系统及终端,其中方法包括:对椎骨图像进行图像处理,获取椎骨中椎板的二值图像;基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像;根据所述灰度图像,结合图像灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中不同图像灰度值的像素点对应的目标速度,提高速度计算过程的合理性,提升机器人辅助磨削过程的效率与平稳性,确保手术操作的安全性。
Description
技术领域
本申请属于医学信息处理领域,尤其涉及一种手术辅助机器人的运动速度的计算方法、计算系统及终端。
背景技术
减压椎板切除术是治疗腰椎管狭窄症的常用手术。将椎板完全或部分移除并通过椎弓根螺钉固定以稳定脊柱。在该过程中,磨钻工具通常用于双侧和单侧开窗。因为在椎体附近有大量的血管和脊神经分布,如果研磨钻头的磨削范围超过椎板区域,则可能导致脊神经严重受伤,甚至导致患者瘫痪,因此术中状态感知非常重要,机器人辅助椎板减压可以提高手术精度和安全。医学成像常用于微创手术中的术中导航,手术机器人可以根据虚拟力算法了解其与医学成像相关的当前周围环境,通过状态感知,实现对不同磨削位置上磨钻工具的运动速度的规划与计算。
在椎板结构中,不同椎板构成区域具有不同的骨密度,例如,椎板的外层比内层更加密集。在状态感知中,当虚拟力很大时,我们认为当前位置靠近皮质骨,也被视为椎板的外表面。但是,一些椎板有破损的表面,一些没有明显的松质骨,导致影像边缘信息的丢失和不显著的灰度差异,影响状态感知,在此情况下磨钻工具在不同磨削位置上运动速度的计算受到影响,使得机器人在手术辅助磨削过程中的磨削效率及平稳性不佳,影响手术操作的安全性。
发明内容
有鉴于此,本申请实施例提供了一种手术辅助机器人的运动速度的计算方法、计算系统及终端,以解决现有技术中椎板影像边缘信息的丢失和不显著的灰度差异,影响状态感知,使得机器人在手术辅助磨削过程中的磨削效率及平稳性不佳,影响手术操作的安全性的问题。
本申请实施例的第一方面提供了一种手术辅助机器人的运动速度的计算方法,包括:
对椎骨图像进行图像处理,获取椎骨中椎板的二值图像;
基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像;
根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度,其中,所述目标像素点对应于所述研磨钻头的磨削路径上的插值点。
本申请实施例的第二方面提供了一种手术辅助机器人的运动速度的计算系统,包括:
获取模块,用于对椎骨图像进行图像处理,获取椎骨中椎板的二值图像;
灰度图像生成模块,用于基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像;
速度确定模块,用于根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度,其中,所述目标像素点对应于所述研磨钻头的磨削路径上的插值点。
本申请实施例的第三方面提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本申请的第五方面提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被一个或多个处理器执行时实现如上述第一方面所述方法的步骤。
由上可见,本申请实施例中,通过对椎骨图像进行图像处理,获取椎骨中椎板的二值图像,基于该二值图像,对二值图像中的椎板区域进行灰度值重定义,得到椎板的灰度图像,根据该灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定研磨钻头与椎板区域中目标像素点对应的目标速度,提高磨钻工具在不同磨削位置上运动速度计算的合理性,提升机器人在手术辅助磨削过程中的磨削效率及磨削平稳性,确保手术操作的安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种手术辅助机器人的运动速度的计算方法的流程图一;
图2是本申请实施例提供的一种手术辅助机器人的运动速度的计算方法的流程图二;
图3是本申请实施例提供的U-Net结构的衍生网络模型的结构图;
图4是本申请实施例中基于椎骨图像进行多标签语义分割之前及之后各图像的示意图;
图5是本申请实施例中研磨钻头在磨削过程中的一个静态示意图;
图6是本申请实施例中与动态虚拟力对应的感受野范围示意图一;
图7是本申请实施例中与动态虚拟力对应的感受野范围示意图二;
图8是本申请实施例中与动态虚拟力对应的感受野范围示意图三;
图9是本申请实施例提供的一种手术辅助机器人的运动速度的计算系统的结构图;
图10是本申请实施例提供的一种终端的结构图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本申请实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,所述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
应理解,本实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
参见图1,图1是本申请实施例提供的手术辅助机器人的运动速度的计算方法的流程图一。如图1所示,一种椎板减压手术中机器人运动速度的计算方法,该方法包括以下步骤:
步骤101,对椎骨图像进行图像处理,获取椎骨中椎板的二值图像。
该椎骨图像可以是在术前通过计算机断层扫描(CT)获得的患者的完整椎骨图像。具体该椎骨图像为一灰度图像。灰度值可以反映不同部位的骨密度(BMD),通常,椎骨的外部是紧密的皮质骨,其在医学成像中具有高灰度值,内部是灰度值相对低的松质骨。皮质骨通常具有比松质骨更高的灰度值。
椎骨中包括不同的骨骼组成部分,对于获取到的椎骨图像,需要进行图像处理,从椎骨图像中对椎骨中的椎板部分进行提取,经过图像处理得到椎骨中椎板的二值图像。通过二值图像得到更加清晰明确的椎板边缘,以消除边缘信息对影像处理造成的影响,减少医生基于3D图像对手术区域规划时椎体等结构造成的干涉。
其中,作为一可选的实施方式,其中对椎骨图像进行图像处理,获取椎骨中椎板的二值图像,包括:
采用U-Net网络结构对所述椎骨图像进行多标签语义分割,获取图像输出结果;基于所述图像输出结果,提取得到所述椎骨中椎板的二值图像。
其中,所述椎骨图像中图像背景及包括椎板在内的不同椎骨构成部分具有不同的分类标签。
其中,所述U-Net网络结构被训练为通过热独编码进行图像输出。
获得椎板二值图像的有效方法之一是椎骨的多标签语义分割。该过程,通过椎骨的多标签语义分割,获得椎板的二值图像。将椎骨图像中的图像背景、椎骨中椎板和椎体视为不同类别制作标签,并使用衍生自U-Net结构的网络进行训练,如图3所示,衍生自U-Net结构的网络模型中,所有的池化层被大小等于2*2的卷积层替换。激活函数选用PReLU而不是ReLU来减少内存占用;五层结构的网络与网络输入的图像大小相对应,使用大小为16,32,64,128,256的滤波器。网络输入是分辨率为256*256的灰度图像,输出为n层,此处为三层,对输出结果进行独热(one-hot)编码获得椎板的二值图像,如图4所示,得到三层0或1二值图像。通过深度学习网络可以实现对椎骨进行椎板、椎体等不同椎骨构成部分的多标签语义分割,本实施例中主要实现对椎板区域的二值图像提取。
步骤102,基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像。
具体地,二值图像中包括椎板区域和椎板之外的背景区域,在对二值图像进行灰度值重定义时,主要是对二值图像中的椎板区域进行灰度值的重新设置,二值图像中椎板区域之外的其他部分保留原有灰度值不变。具体地,在椎板的二值图像中,椎板区域为白色区域,椎板之外的背景区域为黑色区域。
在具体实现中,上述灰度值重定义的过程具体包括:基于二值图像中椎板区域内各像素点与椎板区域外缘之间的最小距离,然后,基于该椎板区域中各像素点和椎板区域外缘之间的距离将灰度值梯度性地添加至二值图像中,实现对所述二值图像灰度值的重定义,得到所述椎板的灰度图像。
其中,该椎板区域外缘具体对应于椎板的外表面,即椎板中皮质骨的外表面。
该步骤提出灰度重分配算法,实现模拟钻头在椎板内磨削情景,对钻头和椎板边缘之间的距离进行测量。其中,上述椎板区域内各像素点对应的椎板位置对应于钻头在实际椎板磨削时的磨削位置,也即钻头所在位置,钻头为球形钻头时具体表示为球心所在位置。在对钻头运动速度进行计算时,先结合椎板区域的影像,通过对影像中椎板区域各像素点对应的钻头运动速度的计算,将像素点映射至实际手术操作中椎板上的不同部位,即实现对实际手术操作中钻头在不同椎板部位磨削时运动速度的计算,进而依照计算得到的钻头运动速度指导实际手术的执行。
上述步骤实现了对医学成像的预处理,以消除椎板影像边缘信息的丢失对影像处理和应用的影响,且增强椎板图像中不同结构组织间的灰度差异,为后续的钻头状态感知提供良好前提,提高后续计算过程的合理性。
步骤103,根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度。
其中,所述目标像素点对应于所述研磨钻头的磨削路径上的插值点。该插值点具体为研磨钻头在磨削路径上离散的磨削位置点。不同目标像素点对应于研磨钻头的磨削路径上的不同插值点;不同的磨削位置点对应于不同的目标像素点。
开窗手术中状态感知是指在椎板内部磨削时研磨钻头和椎板边缘之间的距离,并且根据状态,机器人可以调节其速度,以提高操作的安全性。
在大多数情况下,我们可以根据虚拟力算法判断当前的磨削状态:越靠近皮质骨,虚拟力越大,钻头需要采用越小的运动速度来进行椎板的磨削去除。而随着椎板区域中不同像素点距离椎板区域外边缘的最小距离的不同,不同像素点也被重定义为不同的灰度值。因此,图像灰度值与研磨钻头的运动速度之间具有相关联的映射关系存在。
其中,椎板区域中像素点距离椎板区域外边缘越近,则表明该像素点可能是对应于椎板中的皮质骨区域,该像素点具有越大的灰度值,该像素点对应的椎板部位具有越高的硬度,钻头在磨削时遇到的阻力越大,相对应的虚拟力也越大,钻头的速度应该为越小。
具体地,椎板区域中图像灰度值越大,则研磨钻头的运动速度越小,即像素点的灰度值的大小与研磨钻头的运动速度的大小为负相关。
该过程,通过利用在前期图像处理中重定义的灰度图像中椎板区域各像素的灰度值,将其与研磨钻头的速度相映射关联,基于该灰度图像及对应的像素灰度值,实现对研磨钻头与椎板区域中目标像素点对应的目标速度的计算过程。
本申请实施例中,通过对椎骨图像进行图像处理,获取椎骨中椎板的二值图像,基于该二值图像,对二值图像中的椎板区域进行灰度值重定义,得到椎板的灰度图像,根据该灰度图像,结合图像灰度值与研磨钻头的运动速度之间的映射关系,确定研磨钻头与椎板区域中不同图像灰度值的像素点对应的目标速度,提高速度计算过程的合理性,提升磨钻工具在不同磨削位置上运动速度计算的精准度。
本申请实施例中还提供了一种手术辅助机器人的运动速度的计算方法的不同实施方式。
参见图2,图2是本申请实施例提供的一种手术辅助机器人的运动速度的计算方法的流程图二。如图2所示,一种手术辅助机器人的运动速度的计算方法,该方法包括以下步骤:
步骤201,对椎骨图像进行图像处理,获取椎骨中椎板的二值图像。
该步骤的实现过程与前述实施方式中的步骤101相同,此处不再赘述。
具体的,在该步骤之后,需要继续执行基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像的处理过程。
作为一可选的实施方式,该基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像,包括:
步骤202,提取所述二值图像中的图像轮廓,确定所述椎板区域的边缘信息。
在完成椎骨图像的多标签语义分割后,我们可以很容易地提取出椎板的二值图像。而在本步骤中,先对提取到的椎板的二值图像进行轮廓提取,二值图像具有完整的椎板边缘信息,可以对其进行轮廓提取。首先,我们找到二值图像中的轮廓,由于椎板结构不具有内部孔,因此随着椎骨图像的成像角度的不同,提取出的轮廓可能为一个,或者为互相之间不存在交集的多个轮廓,得到椎板区域的边缘信息。
步骤203,基于所述边缘信息,确定所述二值图像中位于椎板边缘内的椎板像素点。
该步骤可以具体包括:基于椎板区域的边缘信息,获取椎板区域的外包络矩形,根据边缘信息判断外包络矩形覆盖区域内像素点是否处于椎板边缘内,将外包络矩形覆盖区域中处于椎板边缘内的像素点确定为二值图像中位于椎板边缘内的椎板像素点。
具体实现时,可以通过用不带旋转项的最小外包络矩形从整个椎板的二值图像中确定局部索引范围,遍历该索引范围内的像素点,确定处于椎板边缘内的像素点为椎板像素点。该椎板边缘信息及该椎板像素点,构成了待进行灰度值重定义的椎板区域。
步骤204,获取不同的所述椎板像素点至所述椎板边缘的最小距离。
由于椎板的二值图像本身像素点仅由两个灰度值0和255组成。因此,在建立运动速度与灰度值映射关系时缺少过渡的信息。需要进一步对二值图像进行灰度值重定义处理。
这里,提出灰度重分配算法,实现椎板内磨削时对钻头和椎板边缘之间的距离进行测量。基于椎板区域中不同的椎板像素点至所述椎板边缘的最小距离,来对二值图像中的椎板区域进行灰度值的插值处理,实现椎板区域中灰度值的过渡性分布。
具体地,在获取到椎板区域的最小外包络矩形后,按照指定的步长(在我们的应用中步长为1)对椎板区域进行网格划分,遍历所有网格交点,并计算从它们到轮廓的最小距离,作为后续灰度值确定的参考值。
步骤205,依据所述最小距离,得到不同的所述椎板像素点对应的灰度值。
其中,所述最小距离的大小与所述灰度值的大小负相关。
具体地,该最小距离的值越小,则像素点距离椎板的外边缘越近,则对应的椎板区域骨密度越大,硬度越大,虚拟力也越大,对应于较大的像素点的灰度值,对应于较小的钻头的运动速度。
椎板区域中像素点至椎板区域外边缘的距离与钻头的运动速度间具有一致性映射关系。
作为一可选的实施方式,其中,该步骤205依据所述最小距离,得到不同的所述椎板像素点对应的灰度值,包括:
将所述椎板像素点中,与第一最小距离值对应的像素点的灰度值映射为255;所述第一最小距离值为所述最小值中的最小值;
将所述椎板像素点中,与第二最小距离值对应的像素点的灰度值映射为0;所述第二最小距离值为所述最小值中的最大值;
当所述第二最小距离值大于阈值时,将所述椎板像素点中,与第三最小距离值对应的像素点的灰度值映射为0;所述第三最小距离值的大小介于所述阈值与所述第二最小距离值之间;
当所述第二最小距离值大于所述阈值时,将所述椎板像素点中,与第四最小距离值对应的像素点的灰度值分别映射为0至255之间的整数;所述第四最小距离值的大小介于所述第一最小距离值与所述阈值之间,其中,所述第四最小距离值的大小与对应的像素点的灰度值的大小负相关;
当所述第二最小距离值小于或等于所述阈值时,将所述椎板像素点中,与第五最小距离值对应的像素点的灰度值分别映射为0至255之间的整数;所述第五最小距离值的大小介于所述第一最小距离值与所述第二最小距离值之间,其中,所述第五最小距离值的大小与对应的像素点的灰度值的大小负相关。
在获取所述椎板区域中不同的像素点至所述图像轮廓的最小距离之后,所有不小于0的距离值(在图像轮廓中)都线性映射成为0到255的整数,其中最小和最大距离分别映射到255和0,在椎板区域中形成灰度值的梯度渐变。还可以通过设置阈值来限制所述最小距离中的最大距离值,该阈值可选取为8至12个像素。当最小值中的最大值大于阈值时,将椎板区域中与图像轮廓之间的最小距离大于阈值的该些像素点的灰度值全部直接设置为0,即在椎板区域中间的像素部分全部为黑色,黑色区域范围的大小随阈值的选取而发生变化,在黑色区域与图像轮廓之间的图像区域则灰度值为渐变式,在0到255之间分布,该阈值的设置可以控制灰度值梯度的渐变范围。
步骤206,根据不同的所述椎板像素点对应的灰度值,对所述椎板区域进行灰度参数调整,生成所述灰度图像。
在得到椎板区域中不同像素点对应的灰度值之后,即可依据该灰度值对椎板的二值图像中的椎板区域进行灰度值调整,生成灰度图像,增强椎板图像中不同结构组织间的灰度差异,以便基于该进行后续的处理过程。
该过程,对于表面有破损或没有明显骨松质成分的椎板,灰度重分配算法可以有效保留椎板图像边缘信息,并获得可控的灰度差异,提高手术中对机器人运动速度规划的一致性。
现有技术中,通常根据虚拟力算法判断当前钻头的磨削状态,但是虚拟力仅检测静态范围,虚拟力算法的感受野的尺寸是固定的,并且通过对感受野的圆形区域中的所有加权灰度值求和来计算。然而,存在状态识别的冗余,例如与移动方向相反的区域,并且当机器人快速移动时它不能提供进一步的信息,这可能导致机器人未能及时停止移动,导致不能针对机器人在手术中的动态运动过程进行准确及时的状态感知,无法对钻头的速度进行准确计算,进而可能会引起机器人产生过量运动,在手术中运动过量对其他部位造成手术损伤。
基于上述问题,本申请实施例进一步提出解决的实施方式。
在基于二值图像,对二值图像中的椎板区域进行灰度值重定义,得到椎板的灰度图像之后,还需要执行根据所述灰度图像,结合图像灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中不同图像灰度值的像素点对应的目标速度的实现过程。
具体地,该根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度,包括:
步骤207,获取所述椎板区域中第一目标像素点的第一钻头运动速度。
其中,该第一目标像素点具体为椎板的灰度图像中椎板区域内的一个像素点。该第一目标像素点对应于钻头磨削椎板时的行进路径中的一个磨削位置点。
特别地,当该第一目标像素点对应磨削行进路径中的起始位置点时,则该第一钻头运动速度为对应的人为赋予给钻头的一个速度。
通过第一目标像素点的第一钻头运动速度,来计算下一目标像素点对应的第二钻头运动速度。具体地,该下一个目标像素点(即后续的第二目标像素点)与该第一目标像素点可以不是相邻的两个像素点,具体对应于钻头的磨削路径上相邻的两个插值点。
步骤208,根据所述第一钻头运动速度,确定第二目标像素点的感受野。
其中,作为一可选的实施方式,该根据所述第一钻头运动速度,确定第二目标像素点的感受野,包括:
其中,vg为所述第一钻头运动速度;rmax为感受野的覆盖区域的最大范围值;vt为预设的速度阈值;rmin为感受野的覆盖区域的最小范围值。
具体地,该rmax、rmin均为预先设定的经验值。
其中,rb为所述研磨钻头的半径;
根据所述扇区半径及所述扇区角度,确定所述第二目标像素点的感受野。
感受野为一扇形区域,在椎板图像上,该扇形区域的顶点即为所述第二目标像素点,在实际手术中,感受野的顶点为钻头的几何中心点,例如为球形钻头的球心点。
该过程,实现依据上一磨削位置上的运动速度,计算下一磨削位置对应的感受野,进而实现依据钻头在手术中的动态运动过程,进行准确及时的状态感知。
步骤209,基于所述感受野的覆盖区域及所述覆盖区域中像素点的灰度值,计算所述第二目标像素点的第二钻头运动速度。
在具体实现时,该基于所述感受野的覆盖区域及所述覆盖区域中像素点的灰度值,计算所述第二目标像素点的第二钻头运动速度,包括:
其中,s为所述感受野的覆盖区域中像素点的归一化灰度值;ks∈[0,1];Ωp为所述感受野的覆盖区域中灰度值处于第一范围的像素点区域;Ωs为所述感受野的覆盖区域中灰度值处于第二范围的像素点区域,所述第一范围中的灰度值均大于所述第二范围中的灰度值;Ω=Ωs∪Ωp,为所述感受野的覆盖区域;rs为所述感受野的覆盖区域中像素点与所述第二目标像素点之间的距离;
根据所述危险等级识别系数,及设置的危险等级识别系数与运动速度之间的映射关系,获取所述第二目标像素点的第二钻头运动速度。
其中所述危险等级识别系数的大小与钻头运动速度的大小负相关。
其中,设置的危险等级识别系数与运动速度之间的映射关系,可以根据如下公式计算得到:
该危险等级识别系数用于表明当前磨削位置对应的像素点距椎板边缘的距离的远近程度,检测研磨钻头当前是否位于椎板的皮质骨边缘附近,以避免损伤脊柱周围的神经和血管组织。
由于在手术前扫描的计算机断层扫描(CT)图像可以获得患者的完整骨骼成分,灰度值可以反映不同部位的骨密度(BMD),皮质骨通常具有比松质骨更高的灰度值,我们可根据虚拟力估算机器人在磨削过程中的阻力。此外,它还可用于检测研磨钻头当前是否位于皮质骨边缘附近,以避免损伤脊柱周围的神经和血管组织。
危险等级识别系数cr∈[0,1]被定义为量化当前磨削位置的危险等级。如图5所示,区域A为椎板中皮质骨部分,区域B为椎板中松质骨部分,C为研磨钻头,图中的Ωs和Ωp分别表示扇区中的低灰度值区域和高灰度值区域。感受野的扇形覆盖区域的方向与速度vg的方向一致,而其大小由半径rg和角度控制。
扇区中像素点的归一化灰度值,s∈[0,1]。扇区中各像素点与所述第二目标像素点对应的磨削位置之间的距离rs用于计算状态判断的权重δ∈[0,1]。
其中,rb是研磨钻头的半径,rb∈(0,3],单位为mm;rg为扇形半径;其中,rb小于rg。
其中,Ω是包括Ωs和Ωp的区域,ks为对比系数,ks∈[0,1],具体可选地,ks=0.2。
当钻头运动速度增加时,机器人改变方向的时间将增加,这可能导致少量的额外位移。因此,我们需要进一步扩展范围,减少来自周围无效范围的干扰,例如与运动相反的方向。可以将感受野覆盖区域Ω设置为动态以实现该目的。假设rmax是Ω的覆盖区域的最大范围值,rmin是虚拟力算法中Ω的覆盖区域的最小范围值,那么rg可以如下计算:
其中,第一钻头运动速度vg是标量表达式,c是按如下方式计算的映射系数:
其中,p是收敛速度,p∈(0,1],可选地,p=0.9;vm是所允许的研磨钻头的最大运动速度,本申请实施例中可选为20mm/s。
除了rg之外,还需要同步改变结合图6、图7及图8所示,当扇区半径rg很大时,必须减小扇区角度以避免不相关的像素干扰并削弱研磨钻头附近的高重量。当扇区半径rg较小时,扇区角度应足够大,以检测周围的BMD。设最小为为确保钻头状态的完全识别,与相关的扇区弦长不小于2rb。在此基础上,的控制规则是保持扇区覆盖面积不变,然后可以如下计算
在实际应用中,可以考虑使用小的研磨钻头进行减压椎板切除术,因为如果医学成像足够清晰,它可以有更广泛的rmax选择和更准确的识别能力。此外,由于在不同位置处的椎板厚度不均匀,如果在椎板磨削中使用大的rb,则在安全性判断方面存在显着延迟,因为当动态区域时研磨钻头的范围在Ω中占很大比例。根据椎板的厚度设置一个小的上边界。将图像与灰度重分配和动态虚拟力相结合,可以实现磨削过程中的状态识别,在板内磨削时检测磨头与椎板边缘之间的距离。
上述实施过程,提出动态虚拟力算法,使感受野能随着运动速度发生改变,提高对高速运动下钻头状态的识别能力。
本申请实施例中,主要通过深度学习网络对椎骨进行椎板、椎体等的多标签语义分割,主要实现对椎板区域的二值图像提取,提出灰度重分配算法重新建立灰度值、椎板区域中像素点与椎板边缘之间最小距离与钻头运动速度间的一致性映射关系,提出动态虚拟力算法,使感受野能随着运动速度发生改变,提高对高速运动下钻头状态的识别能力,提高磨钻工具在不同磨削位置上运动速度计算的合理性,提升机器人在手术辅助磨削过程中的磨削效率及磨削平稳性,确保手术操作的安全性。
参见图9,图9是本申请实施例提供的一种手术辅助机器人的运动速度的计算系统的结构图,为了便于说明,仅示出了与本申请实施例相关的部分。
所述手术辅助机器人的运动速度的计算系统300包括:获取模块301、灰度图像生成模块302及速度确定模块303。
获取模块301,用于对椎骨图像进行图像处理,获取椎骨中椎板的二值图像;
灰度图像生成模块302,用于基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像;
速度确定模块303,用于根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度,其中,所述目标像素点对应于所述研磨钻头的磨削路径上的插值点。
其中,所述获取模块301,具体用于:
采用U-Net网络结构对所述椎骨图像进行多标签语义分割,获取图像输出结果;
基于所述图像输出结果,提取得到所述椎骨中椎板的二值图像;
其中,所述椎骨图像中图像背景及包括椎板在内的不同椎骨构成部分具有不同的分类标签。
其中,所述U-Net网络结构被训练为通过热独编码进行图像输出。
其中,所述灰度图像生成模块302,包括:
提取单元,用于提取所述二值图像中的图像轮廓,确定所述椎板区域的边缘信息;
第一确定单元,用于基于所述边缘信息,确定所述二值图像中位于椎板边缘内的椎板像素点;
第一获取单元,用于获取不同的所述椎板像素点至所述椎板边缘的最小距离;
得到单元,用于依据所述最小距离,得到不同的所述椎板像素点对应的灰度值,其中,所述最小距离的大小与所述灰度值的大小负相关;
生成单元,用于根据不同的所述椎板像素点对应的灰度值,对所述椎板区域进行灰度参数调整,生成所述灰度图像。
其中,所述得到单元具体用于:
将所述椎板像素点中,与第一最小距离值对应的像素点的灰度值映射为255;所述第一最小距离值为所述最小值中的最小值;
将所述椎板像素点中,与第二最小距离值对应的像素点的灰度值映射为0;所述第二最小距离值为所述最小值中的最大值;
当所述第二最小距离值大于阈值时,将所述椎板像素点中,与第三最小距离值对应的像素点的灰度值映射为0;所述第三最小距离值的大小介于所述阈值与所述第二最小距离值之间;
当所述第二最小距离值大于所述阈值时,将所述椎板像素点中,与第四最小距离值对应的像素点的灰度值分别映射为0至255之间的整数;所述第四最小距离值的大小介于所述第一最小距离值与所述阈值之间,其中,所述第四最小距离值的大小与对应的像素点的灰度值的大小负相关;
当所述第二最小距离值小于或等于所述阈值时,将所述椎板像素点中,与第五最小距离值对应的像素点的灰度值分别映射为0至255之间的整数;所述第五最小距离值的大小介于所述第一最小距离值与所述第二最小距离值之间,其中,所述第五最小距离值的大小与对应的像素点的灰度值的大小负相关。
其中,所述速度确定模块303包括:
第二获取单元,用于获取所述椎板区域中第一目标像素点的第一钻头运动速度;
第二确定单元,用于根据所述第一钻头运动速度,确定第二目标像素点的感受野;
速度计算单元,用于基于所述感受野的覆盖区域及所述覆盖区域中像素点的灰度值,计算所述第二目标像素点的第二钻头运动速度。
其中,所述第二确定单元具体用于:
其中,vg为所述第一钻头运动速度;rmax为感受野的覆盖区域的最大范围值;vt为预设的速度阈值;rmin为感受野的覆盖区域的最小范围值;
其中,rb为所述研磨钻头的半径;
根据所述扇区半径及所述扇区角度,确定所述第二目标像素点的感受野。
其中,所述速度计算单元具体用于:
其中,s为所述感受野的覆盖区域中像素点的归一化灰度值;ks∈[0,1];Ωp为所述感受野的覆盖区域中灰度值处于第一范围的像素点区域;Ωs为所述感受野的覆盖区域中灰度值处于第二范围的像素点区域,所述第一范围中的灰度值均大于所述第二范围中的灰度值;Ω=Ωs∪Ωp,为所述感受野的覆盖区域;rs为所述感受野的覆盖区域中像素点与所述第二目标像素点之间的距离;
根据所述危险等级识别系数,及设置的危险等级识别系数与运动速度之间的映射关系,获取所述第二目标像素点的第二钻头运动速度;其中所述危险等级识别系数的大小与钻头运动速度的大小负相关。
本申请实施例中,通过对椎骨图像进行图像处理,获取椎骨中椎板的二值图像,基于该二值图像,对二值图像中的椎板区域进行灰度值重定义,得到椎板的灰度图像,根据该灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定研磨钻头与椎板区域中目标像素点对应的目标速度,提高磨钻工具在不同磨削位置上运动速度计算的合理性,提升机器人在手术辅助磨削过程中的磨削效率及磨削平稳性,确保手术操作的安全性。
本申请实施例提供的手术辅助机器人的运动速度的计算系统能够实现上述手术辅助机器人的运动速度的计算方法的实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
图10是本申请实施例提供的一种终端的结构图。如该图10所示,该实施例的终端4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述终端4中的执行过程。例如,所述计算机程序42可以被分割成获取模块、灰度图像生成模块及速度确定模块,各模块具体功能如下:
获取模块,用于对椎骨图像进行图像处理,获取椎骨中椎板的二值图像;
灰度图像生成模块,用于基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像;
速度确定模块,用于根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度,其中,所述目标像素点对应于所述研磨钻头的磨削路径上的插值点。
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端4可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图10仅是终端4的示例,并不构成对终端4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端4的内部存储单元,例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备,例如所述终端4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种手术辅助机器人的运动速度的计算方法,其特征在于,包括:
对椎骨图像进行图像处理,获取椎骨中椎板的二值图像;
提取所述二值图像中的图像轮廓,确定椎板区域的边缘信息;
基于所述边缘信息,确定所述二值图像中位于椎板边缘内的椎板像素点;
获取不同的所述椎板像素点至所述椎板边缘的最小距离;
依据所述最小距离,得到不同的所述椎板像素点对应的灰度值,其中,所述最小距离的大小与所述灰度值的大小负相关;
根据不同的所述椎板像素点对应的灰度值,对所述椎板区域进行灰度参数调整,生成灰度图像;
根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度,其中,所述目标像素点对应于所述研磨钻头的磨削路径上的插值点。
2.根据权利要求1所述的计算方法,其特征在于,
所述对椎骨图像进行图像处理,获取椎骨中椎板的二值图像,包括:
采用U-Net网络结构对所述椎骨图像进行多标签语义分割,获取图像输出结果;
基于所述图像输出结果,提取得到所述椎骨中椎板的二值图像;
其中,所述椎骨图像中图像背景及包括椎板在内的不同椎骨构成部分具有不同的分类标签。
3.根据权利要求1所述的计算方法,其特征在于,所述依据所述最小距离,得到不同的所述椎板像素点对应的灰度值,包括:
将所述椎板像素点中,与第一最小距离值对应的像素点的灰度值映射为255;所述第一最小距离值为所述最小距离中的最小值;
将所述椎板像素点中,与第二最小距离值对应的像素点的灰度值映射为0;所述第二最小距离值为所述最小距离中的最大值;
当所述第二最小距离值大于阈值时,将所述椎板像素点中,与第三最小距离值对应的像素点的灰度值映射为0;所述第三最小距离值的大小介于所述阈值与所述第二最小距离值之间;
当所述第二最小距离值大于所述阈值时,将所述椎板像素点中,与第四最小距离值对应的像素点的灰度值分别映射为0至255之间的整数;所述第四最小距离值的大小介于所述第一最小距离值与所述阈值之间,其中,所述第四最小距离值的大小与对应的像素点的灰度值的大小负相关;
当所述第二最小距离值小于或等于所述阈值时,将所述椎板像素点中,与第五最小距离值对应的像素点的灰度值分别映射为0至255之间的整数;所述第五最小距离值的大小介于所述第一最小距离值与所述第二最小距离值之间,其中,所述第五最小距离值的大小与对应的像素点的灰度值的大小负相关。
4.根据权利要求1所述的计算方法,其特征在于,
所述根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度,包括:
获取所述椎板区域中第一目标像素点的第一钻头运动速度;
根据所述第一钻头运动速度,确定第二目标像素点的感受野;
基于所述感受野的覆盖区域及所述覆盖区域中像素点的灰度值,计算所述第二目标像素点的第二钻头运动速度。
6.根据权利要求5所述的计算方法,其特征在于,
所述基于所述感受野的覆盖区域及所述覆盖区域中像素点的灰度值,计算所述第二目标像素点的第二钻头运动速度,包括:
其中,s为所述感受野的覆盖区域中像素点的归一化灰度值;ks∈[0,1];Ωp为所述感受野的覆盖区域中灰度值处于第一范围的像素点区域;Ωs为所述感受野的覆盖区域中灰度值处于第二范围的像素点区域,所述第一范围中的灰度值均大于所述第二范围中的灰度值;Ω=Ωs∪Ωp,为所述感受野的覆盖区域;rs为所述感受野的覆盖区域中像素点与所述第二目标像素点之间的距离;
根据所述危险等级识别系数,及设置的危险等级识别系数与运动速度之间的映射关系,获取所述第二目标像素点的第二钻头运动速度;其中所述危险等级识别系数的大小与钻头运动速度的大小负相关。
7.一种手术辅助机器人的运动速度的计算系统,其特征在于,包括:
获取模块,用于对椎骨图像进行图像处理,获取椎骨中椎板的二值图像;
灰度图像生成模块,用于基于所述二值图像,对所述二值图像中的椎板区域进行灰度值重定义,得到所述椎板的灰度图像;
速度确定模块,用于根据所述灰度图像,结合像素点的灰度值与研磨钻头的运动速度之间的映射关系,确定所述研磨钻头与所述椎板区域中目标像素点对应的目标速度,其中,所述目标像素点对应于所述研磨钻头的磨削路径上的插值点;
其中,所述灰度图像生成模块,包括:
提取单元,用于提取所述二值图像中的图像轮廓,确定所述椎板区域的边缘信息;
第一确定单元,用于基于所述边缘信息,确定所述二值图像中位于椎板边缘内的椎板像素点;
第一获取单元,用于获取不同的所述椎板像素点至所述椎板边缘的最小距离;
得到单元,用于依据所述最小距离,得到不同的所述椎板像素点对应的灰度值,其中,所述最小距离的大小与所述灰度值的大小负相关;
生成单元,用于根据不同的所述椎板像素点对应的灰度值,对所述椎板区域进行灰度参数调整,生成所述灰度图像。
8.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910616782.4A CN110400328B (zh) | 2019-07-09 | 2019-07-09 | 手术辅助机器人的运动速度的计算方法、计算系统及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910616782.4A CN110400328B (zh) | 2019-07-09 | 2019-07-09 | 手术辅助机器人的运动速度的计算方法、计算系统及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110400328A CN110400328A (zh) | 2019-11-01 |
CN110400328B true CN110400328B (zh) | 2021-04-30 |
Family
ID=68322886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910616782.4A Active CN110400328B (zh) | 2019-07-09 | 2019-07-09 | 手术辅助机器人的运动速度的计算方法、计算系统及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110400328B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111248976B (zh) * | 2020-02-20 | 2022-06-21 | 京东方科技集团股份有限公司 | 一种磨削设备 |
CN111340876A (zh) * | 2020-02-21 | 2020-06-26 | 京东方科技集团股份有限公司 | 用于膝关节置换的处理方法、装置、存储介质和电子设备 |
CN111759464B (zh) * | 2020-06-22 | 2022-10-21 | 广东省精格医疗技术有限公司 | 基于双向反馈的血管机器人的控制系统及方法 |
CN112529860A (zh) * | 2020-12-04 | 2021-03-19 | 中国科学院深圳先进技术研究院 | 脊柱图像处理方法、装置、电子设备及存储介质 |
CN112959327B (zh) * | 2021-03-31 | 2022-07-29 | 上海电气集团股份有限公司 | 机器人运动控制方法、系统、电子设备及存储介质 |
CN113221737B (zh) * | 2021-05-11 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种物料信息的确定方法、装置、设备及存储介质 |
CN113813005B (zh) * | 2021-08-20 | 2023-01-24 | 中国科学院深圳先进技术研究院 | 一种用于切除脊柱椎板的机器人 |
CN114264835B (zh) * | 2021-12-22 | 2023-11-17 | 上海集成电路研发中心有限公司 | 一种测量风扇转速的方法、装置和芯片 |
CN116712168B (zh) * | 2023-08-10 | 2023-11-21 | 鑫君特(苏州)医疗科技有限公司 | 椎板磨削控制方法及手术机器人系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6139518A (en) * | 1997-02-07 | 2000-10-31 | Microaire Surgical Instruments, Inc. | Powered assisted liposuction and lipoinjection equipment |
WO2010101117A1 (ja) * | 2009-03-01 | 2010-09-10 | 国立大学法人浜松医科大学 | 手術支援システム |
CN105997250A (zh) * | 2016-04-27 | 2016-10-12 | 中国科学院深圳先进技术研究院 | 一种脊柱椎板磨削装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10347380B2 (en) * | 2013-03-14 | 2019-07-09 | Think Surgical, Inc. | Intra-operative registration of anatomical structures |
CN105512688A (zh) * | 2016-01-22 | 2016-04-20 | 沈阳航空航天大学 | 基于ct定位片的高性能椎骨检测与分割方法 |
-
2019
- 2019-07-09 CN CN201910616782.4A patent/CN110400328B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6139518A (en) * | 1997-02-07 | 2000-10-31 | Microaire Surgical Instruments, Inc. | Powered assisted liposuction and lipoinjection equipment |
WO2010101117A1 (ja) * | 2009-03-01 | 2010-09-10 | 国立大学法人浜松医科大学 | 手術支援システム |
CN105997250A (zh) * | 2016-04-27 | 2016-10-12 | 中国科学院深圳先进技术研究院 | 一种脊柱椎板磨削装置 |
Non-Patent Citations (1)
Title |
---|
Robot-Assisted Decompressive Laminectomy Planning Based on 3D Medical Image;Sun Y , Jiang Z , Qi X , et al.;《IEEE Access》;20180419;第22557-22569页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110400328A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400328B (zh) | 手术辅助机器人的运动速度的计算方法、计算系统及终端 | |
TWI724669B (zh) | 病灶檢測方法及其裝置及其設備及儲存媒體 | |
US6018590A (en) | Technique for finding the histogram region of interest based on landmark detection for improved tonescale reproduction of digital radiographic images | |
US20210174587A1 (en) | Three-Dimensional Model Processing Method, Electronic Device, and Readable Storage Medium | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
CN110458830A (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN114078120B (zh) | 用于检测脊柱侧弯的方法、设备和介质 | |
CN102369555B (zh) | 用于进行轮廓描绘的自动对比度增强的方法和系统 | |
WO2023078169A1 (zh) | 医学图像标记点识别方法、装置、电子设备及存储介质 | |
CN110533120B (zh) | 器官结节的图像分类方法、装置、终端及存储介质 | |
JPWO2007013300A1 (ja) | 異常陰影候補検出方法及び異常陰影候補検出装置 | |
CN114693604A (zh) | 脊椎医学影像处理方法、装置、设备及存储介质 | |
KR20210065871A (ko) | 자기 공명 이미지들에서 정중시상 평면을 결정하기 위한 방법 및 장치 | |
US20170148212A1 (en) | Color-based dynamic sub-division to generate 3d mesh | |
EP3843038B1 (en) | Image processing method and system | |
CN109658425B (zh) | 一种肺叶分割方法、装置、计算机设备及存储介质 | |
CN111430012A (zh) | 使用实时边缘感知刷来半自动地分割3d医学图像的系统和方法 | |
CN111652876B (zh) | 一种三维盆底超声图像的检测方法 | |
CN105205786B (zh) | 一种图像深度恢复方法及电子设备 | |
CN115147360B (zh) | 一种斑块分割方法、装置、电子设备及可读存储介质 | |
CN115760813A (zh) | 螺钉通道生成方法、装置、设备、介质和程序产品 | |
CN114612461A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN112634309A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
WO2022198866A1 (zh) | 图像处理方法、装置、计算机设备及介质 | |
CN117038019B (zh) | 病灶轮廓勾画方法及其病灶轮廓勾画系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |