CN110796739A - 一种颅脑手术虚拟现实仿真方法及系统 - Google Patents
一种颅脑手术虚拟现实仿真方法及系统 Download PDFInfo
- Publication number
- CN110796739A CN110796739A CN201910927904.1A CN201910927904A CN110796739A CN 110796739 A CN110796739 A CN 110796739A CN 201910927904 A CN201910927904 A CN 201910927904A CN 110796739 A CN110796739 A CN 110796739A
- Authority
- CN
- China
- Prior art keywords
- craniocerebral
- dimensional
- training
- model
- user
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004088 simulation Methods 0.000 title claims abstract description 38
- 238000012549 training Methods 0.000 claims abstract description 173
- 238000003745 diagnosis Methods 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims description 53
- 210000004556 brain Anatomy 0.000 claims description 38
- 238000011161 development Methods 0.000 claims description 29
- 230000006399 behavior Effects 0.000 claims description 23
- 230000008595 infiltration Effects 0.000 claims description 23
- 238000001764 infiltration Methods 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000001356 surgical procedure Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 13
- 238000003325 tomography Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 4
- 230000006378 damage Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 208000027418 Wounds and injury Diseases 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 210000000709 aorta Anatomy 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 5
- 210000004204 blood vessel Anatomy 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 230000002980 postoperative effect Effects 0.000 description 4
- 238000002271 resection Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及虚拟现实技术领域，公开了一种颅脑手术虚拟现实仿真方法及系统，该方法包括：在病例数据库中选取任一病例数据进行智能诊断，得到病例数据对应的诊断结果，根据病例数据对应的诊断结果构建三维颅脑模型，并记录用户在虚拟现实场景下对三维颅脑模型进行颅脑手术训练的训练数据，以及根据训练数据对颅脑手术训练进行评分。可见，通过在虚拟现实场景下构建颅脑手术仿真场景，用户可通过虚拟现实设备进行颅脑手术训练，获得颅脑手术仿真操作体验，帮助用户掌握颅脑手术的技能，并降低了培训成本，缩短了培训周期。
Description
技术领域
本发明涉及虚拟现实技术领域，具体涉及一种颅脑手术虚拟现实仿真方法及系统。
背景技术
虚拟现实技术作为新一代信息技术的前沿发展方向，正朝着各行业各领域深入渗透，市场需求也正不断地扩大。
而在医疗手术领域，医学生的培养仍依赖于在临床见习中由主刀医生向医学生现场教授手术技能；而出于人道主义及医疗安全的立场，医学生在学习期间只能通过进行动物实验或者在尸体上做模拟手术来训练手术技能，而颅脑手术具有危险性高及难度高的特点，且缺乏合适的训练道具。可想而知，在缺乏训练道具且无法直接进行颅脑手术操作的情况下，医学生唯有通过更多的理论学习及临床见习来逐步掌握颅脑手术的技能。可见，颅脑手术实操体验的缺失成为了医学生从理论走向实践的一大障碍，客观上也使得医学生的培训成本居高不下，且培训周期较长。
发明内容
本发明实施例公开了一种颅脑手术虚拟现实仿真方法及系统，能够在虚拟现实场景下为医学生提供颅脑手术仿真操作体验，从而降低培训成本，缩短培训周期。
本发明实施例第一方面公开了一种颅脑手术虚拟现实仿真方法，包括：
在病例数据库中选取任一病例数据进行智能诊断，得到所述病例数据对应的诊断结果；其中，所述病例数据包括临床信息及若干断层扫描图像；
根据所述病例数据对应的诊断结果构建三维颅脑模型；
记录用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的训练数据；
根据所述训练数据对所述颅脑手术训练进行评分。
作为一种可选的实施方式，在本发明实施例的第一方面中，所述在病例数据库中选取任一病例数据进行智能诊断，得到所述病例数据对应的诊断结果，包括：
对每一所述断层扫描图像进行边缘预处理，得到每一所述断层扫描图像对应的目标图像；
确定出每一所述目标图像上的病灶区域、浸润发展区域及正常区域，得到所述病例数据的二维颅脑模型及病情评估报告；
根据所述临床信息、所述二维颅脑模型及所述病情评估报告，采用深度学习算法，规划得到针对所述病例数据的若干手术方案；其中，每一所述手术方案对应于一条手术路径；
综合所述二维颅脑模型、所述病情评估报告及所述若干手术方案，得到所述病例数据对应的诊断结果。
作为一种可选的实施方式，在本发明实施例的第一方面中，所述根据所述病例数据对应的诊断结果构建三维颅脑模型，包括：
使用三维卷积算法处理所述二维颅脑模型，得到所述二维颅脑模型对应的空间维度特征；
根据所述二维颅脑模型及所述空间维度特征构建得到三维颅脑模型。
作为一种可选的实施方式，在本发明实施例的第一方面中，所述记录用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的训练数据，包括：
根据所述用户针对所述三维颅脑模型设定的显示方式，在虚拟现实场景下输出所述三维颅脑模型；
在所述三维颅脑模型上显示所述用户所选定的手术方案对应的手术路径，输出提示信息以告知所述用户开始进行颅脑手术训练；
记录所述用户针对所述三维颅脑模型进行颅脑手术训练的手术轨迹、手术顺序及手术结果评估，作为所述用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的所述训练数据。
作为一种可选的实施方式，在本发明实施例的第一方面中，所述方法还包括：
监测所述用户在进行颅脑手术训练的过程中，是否存在任一所述手术轨迹或任一所述手术顺序与预设错误手术行为相匹配；
若存在，则中止颅脑手术训练，询问所述用户是否学习正确的手术操作；
若接收到所述用户输入的指示学习所述正确的手术操作的指令，则播放所述正确的手术操作对应的虚拟现实场景。
本发明实施例第二方面公开了一种颅脑手术虚拟现实仿真系统，包括：
智能诊断单元，用于在病例数据库中选取任一病例数据进行智能诊断，得到所述病例数据对应的诊断结果；其中，所述病例数据包括临床信息及若干断层扫描图像；
模型构建单元，用于根据所述病例数据对应的诊断结果构建三维颅脑模型；
手术记录单元，用于记录用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的训练数据；
评分单元，用于根据所述训练数据对所述颅脑手术训练进行评分。
作为一种可选的实施方式，在本发明实施例的第二方面中，所述智能诊断单元包括：
预处理子单元，用于对每一所述断层扫描图像进行边缘预处理，得到每一所述断层扫描图像对应的目标图像；
评估子单元，用于确定出每一所述目标图像上的病灶区域、浸润发展区域及正常区域，得到所述病例数据的二维颅脑模型及病情评估报告；
规划子单元，用于根据所述临床信息、所述二维颅脑模型及所述病情评估报告，采用深度学习算法，规划得到针对所述病例数据的若干手术方案；其中，每一所述手术方案对应于一条手术路径；
诊断子单元，用于综合所述二维颅脑模型、所述病情评估报告及所述若干手术方案，得到所述病例数据对应的诊断结果。
作为一种可选的实施方式，在本发明实施例的第二方面中，所述模型构建单元包括：
卷积子单元，用于使用三维卷积算法处理所述二维颅脑模型，得到所述二维颅脑模型对应的空间维度特征；
构建子单元，用于根据所述二维颅脑模型及所述空间维度特征构建得到三维颅脑模型。
作为一种可选的实施方式，在本发明实施例的第二方面中，所述手术记录单元包括：
模型输出子单元，用于根据所述用户针对所述三维颅脑模型设定的显示方式，在虚拟现实场景下输出所述三维颅脑模型；
路径显示子单元，用于在所述三维颅脑模型上显示所述用户所选定的手术方案对应的手术路径，输出提示信息以告知所述用户开始进行颅脑手术训练；
手术记录子单元，用于记录所述用户针对所述三维颅脑模型进行颅脑手术训练的手术轨迹、手术顺序及手术结果评估，作为所述用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的所述训练数据。
作为一种可选的实施方式，在本发明实施例的第二方面中，所述基于虚拟现实设备的颅脑手术训练系统还包括：
行为监测单元，用于监测所述用户在进行颅脑手术训练的过程中，是否存在任一所述手术轨迹或任一所述手术顺序与预设错误手术行为相匹配；
询问单元，用于在监测到所述用户在进行颅脑手术训练的过程中，存在任一所述手术轨迹或任一所述手术顺序与预设错误手术行为相匹配时，中止颅脑手术训练，询问所述用户是否学习正确的手术操作；
手术学习单元，用于在接收到所述用户输入的指示学习所述正确的手术操作的指令时，播放所述正确的手术操作对应的虚拟现实场景。
本发明实施例第三方面公开了一种虚拟现实设备，包括本发明实施例第一方面所述的基于虚拟现实设备的颅脑手术训练方法。
本发明实施例第四方面公开了一种虚拟现实设备，包括本发明实施例第二方面所述的基于虚拟现实设备的颅脑手术训练系统。
本发明实施例第五方面公开了一种颅脑手术虚拟现实仿真系统，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的一种颅脑手术虚拟现实仿真方法的部分步骤。
本发明实施例第六方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的一种颅脑手术虚拟现实仿真方法的全部或部分步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，基于虚拟现实设备的颅脑手术训练系统在病例数据库中选取任一病例数据进行智能诊断，得到病例数据对应的诊断结果，根据病例数据对应的诊断结果构建三维颅脑模型，并记录用户在虚拟现实场景下对三维颅脑模型进行颅脑手术训练的训练数据，以及根据训练数据对颅脑手术训练进行评分。可见，通过在虚拟现实场景下构建颅脑手术仿真场景，用户可通过虚拟现实设备进行颅脑手术训练，获得颅脑手术仿真操作体验，帮助用户掌握颅脑手术的技能，并降低了培训成本，缩短了培训周期。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种颅脑手术虚拟现实仿真方法的流程示意图；
图2是本发明实施例公开的另一种颅脑手术虚拟现实仿真方法的流程示意图；
图3是本发明实施例公开的一种颅脑手术虚拟现实仿真系统的结构示意图；
图4是本发明实施例公开的另一种颅脑手术虚拟现实仿真系统的结构示意图；
图5是本发明实施例公开的又一种颅脑手术虚拟现实仿真系统的结构示意图；
图6是本发明实施例公开的一种颅脑手术虚拟现实仿真系统在虚拟现实场景下在病例数据库中选择病例数据的示意图；
图7是本发明实施例公开的一种颅脑手术虚拟现实仿真系统在虚拟现实场景下对病例数据进行智能诊断的示意图；
图8是本发明实施例公开的一种颅脑手术虚拟现实仿真系统在虚拟现实场景下构造三维颅脑模型的示意图；
图9是本发明实施例公开的一种颅脑手术虚拟现实仿真系统在虚拟现实场景下供用户进行颅脑手术训练的示意图；
图10是本发明实施例公开的一种颅脑手术虚拟现实仿真系统在虚拟现实场景下对颅脑手术训练进行评分的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“ 第二”、“ 第三”和“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种颅脑手术虚拟现实仿真方法及系统，能够在虚拟现实场景下构建颅脑手术仿真场景，使用户通过虚拟现实设备进行颅脑手术训练，获得颅脑手术仿真操作体验，帮助用户掌握颅脑手术的技能，并降低了培训成本，缩短了培训周期。
实施例一
请参阅图1以及图6~10，如图1所示，本发明实施例公开的一种颅脑手术虚拟现实仿真方法可以包括以下步骤。
101、在病例数据库中选取任一病例数据进行智能诊断，得到病例数据对应的诊断结果。
本发明实施例中，病例数据包括临床信息及若干断层扫描图像；其中，临床信息是指患者的性别、年龄、病史及用药史等信息，以及患者在就诊期间进行各项检查所产生的病理数据；此外，断层扫描图像需要是患者在手术前短期内所拍摄的，以确保后续步骤中构造出的三维颅脑模型与患者的实际病情是一致的。此外，病例数据由主治医师在患者就诊期间录入病例数据库，病例数据的记录格式应是严谨一致的，以确保患者在各地就诊时其病例数据的通用性，节省医疗成本及医患双方的负担。
作为一种可选的实施方式，基于虚拟现实设备的颅脑手术训练系统（以下简称为“系统”）对每一断层扫描图像进行边缘预处理，得到每一断层扫描图像对应的目标图像；确定出每一目标图像上的病灶区域、浸润发展区域及正常区域，得到病例数据的二维颅脑模型及病情评估报告；根据临床信息、二维颅脑模型及病情评估报告，采用深度学习算法，规划得到针对病例数据的若干手术方案；其中，每一手术方案对应于一条手术路径；综合二维颅脑模型、病情评估报告及若干手术方案，得到病例数据对应的诊断结果。具体地，假设患者颅脑中患有肿瘤，则肿瘤所在的区域为病灶区域，病灶区域与颅脑中的正常区域中间存在一个浸润发展的临界过渡区域，称之为浸润发展区域；在断层扫描图像上，上述区域的存在形态为：正常区域中存在着被浸润发展区域所包围的病灶区域。在断层扫描图像上，浸润发展区域的界限不明显，且由于病灶的发展方向会影响浸润发展区域的发展方向，使浸润发展区域在不同方向上的大小不一致，因此，在此对断层扫描图像进行边缘预处理，将断层扫描图像处理为不同区域间界限清晰的目标图像，进而确定出目标图像上的病灶区域、浸润发展区域及正常区域，初步得到患者的二维颅脑模型，并对患者出具病情评估报告；在已知患者临床信息、二维颅脑模型及病情评估报告的情况下，可确定出患者所需接受手术的手术标的区域，手术标的区域为包裹着病灶的手术区域；此时采用深度学习算法，结合大量手术实例数据，规划出若干手术方案；
其中，手术方案包括了保守方案、适中方案、积极方案，保守方案的手术路径以明确病灶为参考识别依据，适中方案的手术路径以疑似感染区为参考识别依据，积极方案的手术路径以明确正常组织为参考识别依据，规划手术方案的同时还将识别出病灶周围重要的正常人体机能组织，如神经网络、血管等，并对每一个手术方案进行潜在风险评估，为术前预测提供参考，实现术前辅助决策及术中辅助分析，提高手术成功率。
102、根据病例数据对应的诊断结果构建三维颅脑模型。
本发明实施例中，依靠二维颅脑模型可构建出精细的三维颅脑模型，从而用户在佩戴虚拟现实设备之后，即可对该三维颅脑模型进行颅脑手术训练。
作为一种可选的实施方式，系统使用三维卷积算法处理二维颅脑模型，得到二维颅脑模型对应的空间维度特征；根据二维颅脑模型及空间维度特征构建得到三维颅脑模型。具体地，在二维颅脑模型上的基础上添加一个维度，即可采用三维卷积算法进行构造，得到二维颅脑模型对应的空间维度特征，即确定出每一二维颅脑模型相对相邻的二维颅脑模型的排布位置，进而根据二维颅脑模型及空间维度特征构建得到三维颅脑模型，从而用户可在虚拟现实场景下观察三维颅脑模型，并对三维颅脑模型执行手术操作。
103、记录用户在虚拟现实场景下对三维颅脑模型进行颅脑手术训练的训练数据。
本发明实施例中，用户将在虚拟场景下对三维颅脑模型进行颅脑手术训练，为了确认在训练中用户的操作是否足够精细准确，需要记录用户的训练数据。
作为一种可选的实施方式，根据用户针对三维颅脑模型设定的显示方式，在虚拟现实场景下输出所述三维颅脑模型；在三维颅脑模型上显示用户所选定的手术方案对应的手术路径，输出提示信息以告知用户开始进行颅脑手术训练；记录用户针对三维颅脑模型进行颅脑手术训练的手术轨迹、手术顺序及手术结果评估，作为用户在虚拟现实场景下对三维颅脑模型进行颅脑手术训练的训练数据。具体地，在三维颅脑模型构建完成后，三维颅脑模型上的每个点迹均有明确的空间坐标，用户对三维颅脑模型所做的手术操作所涉及的空间坐标及空间坐标对应的区域都将被记录；在虚拟现实场景下，系统会将三维颅脑模型中的病灶区域、浸润发展区域及正常区域分别以不同颜色进行显示，且用户所选定的手术方案所对应的手术路径也将显示为不同于上述三个区域的颜色，从而使三维颅脑模型更易辨识，降低手术训练初期的训练难度；在用户通过虚拟现实设备对三维颅脑模型进行手术操作之后，手术操作的手术轨迹将被记录，并根据手术轨迹所涉及的区域，对三维颅脑模型进行更新，例如用户在对三维颅脑模型上的区域A执行了切除的手术操作后，三维颅脑模型上的区域A将被移除，实现用户切除区域A的手术操作；此外，训练数据除了包括手术轨迹，还包括手术顺序和手术结果评估，实现了对用户每个手术操作和完整手术流程的准确记录。
104、根据训练数据对颅脑手术训练进行评分。
本发明实施例中，用户的训练数据将作为评分依据，用于对该次颅脑手术训练进行评分。
作为一种可选的实施方式，对颅脑手术训练的评分将从手术准确性、手术时间、手术结果等方面进行评估，手术准确性的评估，主要评估用户是否准确完整地切除了手术标的区域、手术过程中是否对手术标的区域周围的神经网络及血管等重要组织部位造成了伤害；手术时间的评估，主要评估用户能否在预定时间内完成颅脑手术训练；手术结果的评估，主要是对用户完成颅脑手术训练后的三维颅脑模型进行手术创口大小及手术损害进行评估，以及术后康复预测。在经由上述多方面的评估后，对手术操作准确、手术损害低、手术时间短及术后康复预测良好的颅脑手术训练，予以较高的评分；反之予以较低的评分，并将评分明细输出给用户查看，从而帮助用户认识到自身在手术技能上的不足，查漏补缺。
可见，实施图1所描述的基于虚拟现实设备的颅脑手术训练方法，可在虚拟现实场景下构建颅脑手术仿真场景，用户可通过虚拟现实设备进行颅脑手术训练，获得颅脑手术仿真操作体验，帮助用户掌握颅脑手术的技能，并降低了培训成本，缩短了培训周期。
实施例二
请参阅图2以及图6~10，图2是本发明实施公开的另一种颅脑手术虚拟现实仿真方法，该方法可以包括以下步骤。
201、在病例数据库中选取任一病例数据进行智能诊断，得到病例数据对应的诊断结果。
202、根据病例数据对应的诊断结果构建三维颅脑模型。
203、记录用户在虚拟现实场景下对三维颅脑模型进行颅脑手术训练的训练数据。
204、监测颅脑手术训练过程中存在的预设错误手术行为。
本发明实施例中，将预先存储预设错误手术行为，对可能给患者造成严重伤害的手术操作进行监测，预设错误手术行为可以包括：手术操作损伤了三维颅脑模型中血管或神经网络等重要组织；手术操作损伤了三维颅脑模型中的正常组织；手术时长过长等可能对患者造成严重伤害的错误手术行为。
作为一种可选的实施方式，监测用户在进行颅脑手术训练的过程中，是否存在任一手术轨迹或任一手术顺序与预设错误手术行为相匹配；若存在，则中止颅脑手术训练，询问用户是否学习正确的手术操作；若接收到用户输入的指示学习正确的手术操作的指令，则播放正确的手术操作对应的虚拟现实场景。具体地，用户所进行的手术操作所涉及的空间坐标及区域将被监测，假设用户在执行切除操作时，切除区域包含有某一主动脉，则判断用户将该主动脉切除，与预设错误手术行为相匹配，此时中止颅脑手术训练，并告知用户由于手术操作对患者造成严重伤害，判定该次手术训练失败；在中止颅脑手术训练后，还将询问用户是否学习正确的手术操作，若接收到用户输入的指示学习正确的手术操作的指令，则针对用户出错的手术操作，播放在三维颅脑模型上进行的正确的手术操作的虚拟现实场景，用户可从第一视角观看正确的手术操作，获得比临床见习更为直观的手术观摩体验。
作为另一种可选的实施方式，在用户结束对正确的手术操作的学习后，询问用户是否重新进行本次错误的手术操作，若接收到用户输入继续进行颅脑手术训练的指令，则将手术训练流程跳转至本次错误的手术操作之前的时间节点，并通知用户继续进行颅脑手术训练，直至本次颅脑手术训练完成，跳转至步骤205。可见，用户可在颅脑手术训练的过程中及时改正错误的手术操作，达到手术训练的目的。
205、根据所述训练数据对所述颅脑手术训练进行评分。
可见，实施图2所描述的基于虚拟现实设备的颅脑手术训练方法，用户可在颅脑手术训练的过程中及时改正错误的手术操作，训练效果良好，训练过程更为人性化。
实施例三
请参阅图3以及图6~10，图3是本发明实施例公开的一种颅脑手术虚拟现实仿真系统（以下简称为“系统”）的结构示意图。该系统可以包括：
智能诊断单元301，用于在病例数据库中选取任一病例数据进行智能诊断，得到病例数据对应的诊断结果；其中，病例数据包括临床信息及若干断层扫描图像；
模型构建单元302，用于根据病例数据对应的诊断结果构建三维颅脑模型；
手术记录单元303，用于记录用户在虚拟现实场景下对三维颅脑模型进行颅脑手术训练的训练数据；
评分单元304，用于根据训练数据对颅脑手术训练进行评分。
其中，智能诊断单元301包括：
预处理子单元3011，用于对每一断层扫描图像进行边缘预处理，得到每一断层扫描图像对应的目标图像；
评估子单元3012，用于确定出每一目标图像上的病灶区域、浸润发展区域及正常区域，得到病例数据的二维颅脑模型及病情评估报告；
规划子单元3013，用于根据临床信息、二维颅脑模型及病情评估报告，采用深度学习算法，规划得到针对病例数据的若干手术方案；其中，每一手术方案对应于一条手术路径；
诊断子单元3014，用于综合二维颅脑模型、病情评估报告及若干手术方案，得到病例数据对应的诊断结果。
以及，模型构建单元302包括：
卷积子单元3021，用于使用三维卷积算法处理所述二维颅脑模型，得到所述二维颅脑模型对应的空间维度特征；
构建子单元3022，用于根据所述二维颅脑模型及所述空间维度特征构建得到三维颅脑模型。
此外，手术记录单元303包括：
模型输出子单元3031，用于根据所述用户针对所述三维颅脑模型设定的显示方式，在虚拟现实场景下输出所述三维颅脑模型；
路径显示子单元3032，用于在所述三维颅脑模型上显示所述用户所选定的手术方案对应的手术路径，输出提示信息以告知所述用户开始进行颅脑手术训练；
手术记录子单元3033，用于记录所述用户针对所述三维颅脑模型进行颅脑手术训练的手术轨迹、手术顺序及手术结果评估，作为所述用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的所述训练数据。
本发明实例中，智能诊断单元301根据病例数据得出诊断结果，模型构建单元302根据诊断结果构建三维颅脑模型，手术记录单元303记录用户针对三维颅脑模型进行手术训练的训练数据，评分单元304根据训练数据对该次颅脑手术训练进行评分。
作为一种可选的实施方式，预处理子单元3011对每一断层扫描图像进行边缘预处理，得到每一断层扫描图像对应的目标图像；评估子单元3012确定出每一目标图像上的病灶区域、浸润发展区域及正常区域，得到病例数据的二维颅脑模型及病情评估报告；规划子单元3013根据临床信息、二维颅脑模型及病情评估报告，采用深度学习算法，规划得到针对病例数据的若干手术方案；其中，每一手术方案对应于一条手术路径；诊断子单元3014综合二维颅脑模型、病情评估报告及若干手术方案，得到病例数据对应的诊断结果。具体地，假设患者颅脑中患有肿瘤，则肿瘤所在的区域为病灶区域，病灶区域与颅脑中的正常区域中间存在一个浸润发展的临界过渡区域，称之为浸润发展区域；在断层扫描图像上，上述区域的存在形态为：正常区域中存在着被浸润发展区域所包围的病灶区域。在断层扫描图像上，浸润发展区域的界限不明显，且由于病灶的发展方向会影响浸润发展区域的发展方向，使浸润发展区域在不同方向上的大小不一致，因此，预处理子单元3011对断层扫描图像进行边缘预处理，将断层扫描图像处理为不同区域间界限清晰的目标图像，进而评估子单元3012确定出目标图像上的病灶区域、浸润发展区域及正常区域，初步得到患者的二维颅脑模型，并对患者出具病情评估报告；在已知患者临床信息、二维颅脑模型及病情评估报告的情况下，可确定出患者所需接受手术的手术标的区域，手术标的区域为包裹着病灶的手术区域；此时规划子单元3013采用深度学习算法，结合大量手术实例数据，规划出若干手术方案；
其中，手术方案包括了保守方案、适中方案、积极方案，保守方案的手术路径以明确病灶为参考识别依据，适中方案的手术路径以疑似感染区为参考识别依据，积极方案的手术路径以明确正常组织为参考识别依据，规划手术方案的同时还将识别出病灶周围重要的正常人体机能组织，如神经网络、血管等，并对每一个手术方案进行潜在风险评估，为术前预测提供参考，实现术前辅助决策及术中辅助分析，提高手术成功率。
作为一种可选的实施方式，卷积子单元3021使用三维卷积算法处理二维颅脑模型，得到二维颅脑模型对应的空间维度特征；构建子单元3022根据二维颅脑模型及空间维度特征构建得到三维颅脑模型。具体地，卷积子单元3021在二维颅脑模型上的基础上添加一个维度，即可采用三维卷积算法进行构造，得到二维颅脑模型对应的空间维度特征，即确定出每一二维颅脑模型相对相邻的二维颅脑模型的排布位置，进而构建子单元3022根据二维颅脑模型及空间维度特征构建得到三维颅脑模型，从而用户可在虚拟现实场景下观察三维颅脑模型，并对三维颅脑模型执行手术操作。
作为一种可选的实施方式，模型输出子单元3031根据用户针对三维颅脑模型设定的显示方式，在虚拟现实场景下输出所述三维颅脑模型；路径显示子单元3032在三维颅脑模型上显示用户所选定的手术方案对应的手术路径，输出提示信息以告知用户开始进行颅脑手术训练；手术记录子单元3033记录用户针对三维颅脑模型进行颅脑手术训练的手术轨迹、手术顺序及手术结果评估，作为用户在虚拟现实场景下对三维颅脑模型进行颅脑手术训练的训练数据。具体地，在三维颅脑模型构建完成后，三维颅脑模型上的每个点迹均有明确的空间坐标，用户对三维颅脑模型所做的手术操作所涉及的空间坐标及空间坐标对应的区域都将被记录；在虚拟现实场景下，模型输出子单元3031会将三维颅脑模型中的病灶区域、浸润发展区域及正常区域分别以不同颜色进行显示，且用户所选定的手术方案所对应的手术路径也将由路径显示子单元3032显示为不同于上述三个区域的颜色，从而使三维颅脑模型更易辨识，降低手术训练初期的训练难度；在用户通过虚拟现实设备对三维颅脑模型进行手术操作之后，手术操作的手术轨迹将被手术记录子单元3033记录，并根据手术轨迹所涉及的区域，对三维颅脑模型进行更新，例如用户在对三维颅脑模型上的区域A执行了切除的手术操作后，三维颅脑模型上的区域A将被移除，实现用户切除区域A的手术操作；此外，训练数据除了包括手术轨迹，还包括手术顺序和手术结果评估，实现了对用户每个手术操作和完整手术流程的准确记录。
作为一种可选的实施方式，对颅脑手术训练的评分将从手术准确性、手术时间、手术结果等方面进行评估，手术准确性的评估，主要评估用户是否准确完整地切除了手术标的区域、手术过程中是否对手术标的区域周围的神经网络及血管等重要组织部位造成了伤害；手术时间的评估，主要评估用户能否在预定时间内完成颅脑手术训练；手术结果的评估，主要是对用户完成颅脑手术训练后的三维颅脑模型进行手术创口大小及手术损害进行评估，以及术后康复预测。在经由上述多方面的评估后，对手术操作准确、手术损害低、手术时间短及术后康复预测良好的颅脑手术训练，予以较高的评分；反之予以较低的评分，并将评分明细输出给用户查看，从而帮助用户认识到自身在手术技能上的不足，查漏补缺。
可见，实施图3所描述的基于虚拟现实设备的颅脑手术训练系统，可在虚拟现实场景下构建颅脑手术仿真场景，用户可通过虚拟现实设备进行颅脑手术训练，获得颅脑手术仿真操作体验，帮助用户掌握颅脑手术的技能，并降低了培训成本，缩短了培训周期。
实施例四
请参阅图4以及图6~10，图4是本发明实施例公开的另一种颅脑手术虚拟现实仿真系统（以下简称为“系统”）的结构示意图。该系统还包括：
行为监测单元305，用于监测用户在进行颅脑手术训练的过程中，是否存在任一手术轨迹或任一手术顺序与预设错误手术行为相匹配；
询问单元306，用于在监测到用户在进行颅脑手术训练的过程中，存在任一手术轨迹或任一手术顺序与预设错误手术行为相匹配时，中止颅脑手术训练，询问用户是否学习正确的手术操作；
手术学习单元307，用于在接收到用户输入的指示学习正确的手术操作的指令时，播放正确的手术操作对应的虚拟现实场景。
本发明实施例中，询问单元306将在行为监测单元305监测到预设错误手术行为时，询问用户是否进行学习，手术学习单元307则为用户提供学习正确的手术操作的虚拟现实场景。
作为一种可选的实施方式，行为监测单元305监测用户在进行颅脑手术训练的过程中，是否存在任一手术轨迹或任一手术顺序与预设错误手术行为相匹配；若存在，则询问单元306中止颅脑手术训练，询问用户是否学习正确的手术操作；若接收到用户输入的指示学习正确的手术操作的指令，则手术学习单元307播放正确的手术操作对应的虚拟现实场景。具体地，用户所进行的手术操作所涉及的空间坐标及区域将被行为监测单元305监测，假设用户在执行切除操作时，切除区域包含有某一主动脉，则行为监测单元305判断用户将该主动脉切除，与预设错误手术行为相匹配，此时询问单元306中止颅脑手术训练，并告知用户由于手术操作对患者造成严重伤害，判定该次手术训练失败；在中止颅脑手术训练后，询问单元306还将询问用户是否学习正确的手术操作，若接收到用户输入的指示学习正确的手术操作的指令，则手术学习单元307针对用户出错的手术操作，播放在三维颅脑模型上进行的正确的手术操作的虚拟现实场景，用户可从第一视角观看正确的手术操作，获得比临床见习更为直观的手术观摩体验。
作为另一种可选的实施方式，在用户结束对正确的手术操作的学习后，询问单元306询问用户是否重新进行本次错误的手术操作，若接收到用户输入继续进行颅脑手术训练的指令，则将手术训练流程跳转至本次错误的手术操作之前的时间节点，并通知用户继续进行颅脑手术训练，直至本次颅脑手术训练完成，转向评分单元304。可见，用户可在颅脑手术训练的过程中及时改正错误的手术操作，达到手术训练的目的。
可见，实施图4所描述的基于虚拟现实设备的颅脑手术训练系统，用户可在颅脑手术训练的过程中及时改正错误的手术操作，训练效果良好，训练过程更为人性化。
实施例五
请参阅图5以及图6~10，图5是本发明实施例公开的另一种颅脑手术虚拟现实仿真系统的结构示意图。如图5所示，该基于虚拟现实设备的颅脑手术训练系统可以包括：
存储有可执行程序代码的存储器501；
与存储器501耦合的处理器502；
其中，处理器502调用存储器501中存储的可执行程序代码，执行图1~图2所示的任意一种颅脑手术虚拟现实仿真方法的部分步骤。
本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行图1~图2所示的任意一种颅脑手术虚拟现实仿真方法的全部或部分步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、一次可编程只读存储器（One-time Programmable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种颅脑手术虚拟现实仿真方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种颅脑手术虚拟现实仿真方法，其特征在于，包括：
在病例数据库中选取任一病例数据进行智能诊断，得到所述病例数据对应的诊断结果；其中，所述病例数据包括临床信息及若干断层扫描图像；
根据所述病例数据对应的诊断结果构建三维颅脑模型；
记录用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的训练数据；
根据所述训练数据对所述颅脑手术训练进行评分。
2.根据权利要求1所述的方法，其特征在于，所述在病例数据库中选取任一病例数据进行智能诊断，得到所述病例数据对应的诊断结果，包括：
对每一所述断层扫描图像进行边缘预处理，得到每一所述断层扫描图像对应的目标图像；
确定出每一所述目标图像上的病灶区域、浸润发展区域及正常区域，得到所述病例数据的二维颅脑模型及病情评估报告；
根据所述临床信息、所述二维颅脑模型及所述病情评估报告，采用深度学习算法，规划得到针对所述病例数据的若干手术方案；其中，每一所述手术方案对应于一条手术路径；
综合所述二维颅脑模型、所述病情评估报告及所述若干手术方案，得到所述病例数据对应的诊断结果。
3.根据权利要求2所述的方法，其特征在于，所述根据所述病例数据对应的诊断结果构建三维颅脑模型，包括：
使用三维卷积算法处理所述二维颅脑模型，得到所述二维颅脑模型对应的空间维度特征；
根据所述二维颅脑模型及所述空间维度特征构建得到三维颅脑模型。
4.根据权利要求3所述的方法，其特征在于，所述记录用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的训练数据，包括：
根据所述用户针对所述三维颅脑模型设定的显示方式，在虚拟现实场景下输出所述三维颅脑模型；
在所述三维颅脑模型上显示所述用户所选定的手术方案对应的手术路径，输出提示信息以告知所述用户开始进行颅脑手术训练；
记录所述用户针对所述三维颅脑模型进行颅脑手术训练的手术轨迹、手术顺序及手术结果评估，作为所述用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的所述训练数据。
5.根据权利要求1~4任一项所述的方法，其特征在于，所述方法还包括：
监测所述用户在进行颅脑手术训练的过程中，是否存在任一所述手术轨迹或任一所述手术顺序与预设错误手术行为相匹配；
若存在，则中止颅脑手术训练，询问所述用户是否学习正确的手术操作；
若接收到所述用户输入的指示学习所述正确的手术操作的指令，则播放所述正确的手术操作对应的虚拟现实场景。
6.一种颅脑手术虚拟现实仿真系统，其特征在于，包括：
智能诊断单元，用于在病例数据库中选取任一病例数据进行智能诊断，得到所述病例数据对应的诊断结果；其中，所述病例数据包括临床信息及若干断层扫描图像；
模型构建单元，用于根据所述病例数据对应的诊断结果构建三维颅脑模型；
手术记录单元，用于记录用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的训练数据；
评分单元，用于根据所述训练数据对所述颅脑手术训练进行评分。
7.根据权利要求6所述的基于虚拟现实设备的颅脑手术训练系统，其特征在于，所述智能诊断单元包括：
预处理子单元，用于对每一所述断层扫描图像进行边缘预处理，得到每一所述断层扫描图像对应的目标图像；
评估子单元，用于确定出每一所述目标图像上的病灶区域、浸润发展区域及正常区域，得到所述病例数据的二维颅脑模型及病情评估报告；
规划子单元，用于根据所述临床信息、所述二维颅脑模型及所述病情评估报告，采用深度学习算法，规划得到针对所述病例数据的若干手术方案；其中，每一所述手术方案对应于一条手术路径；
诊断子单元，用于综合所述二维颅脑模型、所述病情评估报告及所述若干手术方案，得到所述病例数据对应的诊断结果。
8.根据权利要求7所述的基于虚拟现实设备的颅脑手术训练系统，其特征在于，所述模型构建单元包括：
卷积子单元，用于使用三维卷积算法处理所述二维颅脑模型，得到所述二维颅脑模型对应的空间维度特征；
构建子单元，用于根据所述二维颅脑模型及所述空间维度特征构建得到三维颅脑模型。
9.根据权利要求8所述的基于虚拟现实设备的颅脑手术训练系统，其特征在于，所述手术记录单元包括：
模型输出子单元，用于根据所述用户针对所述三维颅脑模型设定的显示方式，在虚拟现实场景下输出所述三维颅脑模型；
路径显示子单元，用于在所述三维颅脑模型上显示所述用户所选定的手术方案对应的手术路径，输出提示信息以告知所述用户开始进行颅脑手术训练；
手术记录子单元，用于记录所述用户针对所述三维颅脑模型进行颅脑手术训练的手术轨迹、手术顺序及手术结果评估，作为所述用户在虚拟现实场景下对所述三维颅脑模型进行颅脑手术训练的所述训练数据。
10.根据权利要求6~9所述的基于虚拟现实设备的颅脑手术训练系统，其特征在于，所述基于虚拟现实设备的颅脑手术训练系统还包括：
行为监测单元，用于监测所述用户在进行颅脑手术训练的过程中，是否存在任一所述手术轨迹或任一所述手术顺序与预设错误手术行为相匹配；
询问单元，用于在监测到所述用户在进行颅脑手术训练的过程中，存在任一所述手术轨迹或任一所述手术顺序与所述预设错误手术行为相匹配时，中止颅脑手术训练，询问所述用户是否学习正确的手术操作；
手术学习单元，用于在接收到所述用户输入的指示学习所述正确的手术操作的指令时，播放所述正确的手术操作对应的虚拟现实场景。
11.一种虚拟现实设备，其特征在于，包括权利要求1~5任一项所述的基于虚拟现实设备的颅脑手术训练方法。
12.一种虚拟现实设备，其特征在于，包括权利要求6~10任一项所述的基于虚拟现实设备的颅脑手术训练系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910927904.1A CN110796739A (zh) | 2019-09-27 | 2019-09-27 | 一种颅脑手术虚拟现实仿真方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910927904.1A CN110796739A (zh) | 2019-09-27 | 2019-09-27 | 一种颅脑手术虚拟现实仿真方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110796739A true CN110796739A (zh) | 2020-02-14 |
Family
ID=69439969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910927904.1A Pending CN110796739A (zh) | 2019-09-27 | 2019-09-27 | 一种颅脑手术虚拟现实仿真方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110796739A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269868A (zh) * | 2021-04-30 | 2021-08-17 | 哈雷医用(广州)智能技术有限公司 | 一种人体肿瘤三维虚拟模型的建立方法和装置 |
| CN114520040A (zh) * | 2020-11-18 | 2022-05-20 | 台北医学大学 | 应用虚拟现实的手术教学辅助系统及其方法 |
| CN114757598A (zh) * | 2022-06-15 | 2022-07-15 | 潍坊医学院附属医院 | 基于计算机虚拟仿真的医疗服务平台 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101996507A (zh) * | 2010-11-15 | 2011-03-30 | 罗伟 | 构建外科虚拟手术教学及训练系统的方法 |
| CN103280138A (zh) * | 2013-06-04 | 2013-09-04 | 浙江工业大学 | 神经外科脑手术典型病历训练系统 |
| CN206133563U (zh) * | 2016-07-28 | 2017-04-26 | 西安鑫威泰网络科技有限公司 | 一种虚拟现实的外科手术训练设备 |
| CN107978195A (zh) * | 2017-12-29 | 2018-05-01 | 福州大学 | 一种基于虚拟现实平台的侧脑室穿刺手术训练系统 |
| CN109976513A (zh) * | 2019-02-20 | 2019-07-05 | 方科峰 | 一种系统界面设计方法 |
| CN110148114A (zh) * | 2019-04-02 | 2019-08-20 | 成都真实维度科技有限公司 | 一种基于2d断层扫描图数据集的深度学习模型训练方法 |
-
2019
- 2019-09-27 CN CN201910927904.1A patent/CN110796739A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101996507A (zh) * | 2010-11-15 | 2011-03-30 | 罗伟 | 构建外科虚拟手术教学及训练系统的方法 |
| CN103280138A (zh) * | 2013-06-04 | 2013-09-04 | 浙江工业大学 | 神经外科脑手术典型病历训练系统 |
| CN206133563U (zh) * | 2016-07-28 | 2017-04-26 | 西安鑫威泰网络科技有限公司 | 一种虚拟现实的外科手术训练设备 |
| CN107978195A (zh) * | 2017-12-29 | 2018-05-01 | 福州大学 | 一种基于虚拟现实平台的侧脑室穿刺手术训练系统 |
| CN109976513A (zh) * | 2019-02-20 | 2019-07-05 | 方科峰 | 一种系统界面设计方法 |
| CN110148114A (zh) * | 2019-04-02 | 2019-08-20 | 成都真实维度科技有限公司 | 一种基于2d断层扫描图数据集的深度学习模型训练方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王飞跃等: "平行手术:基于ACP的智能手术计算方法" * |
| 赵广等: "骨科临床教学新领域――虚拟现实技术" * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114520040A (zh) * | 2020-11-18 | 2022-05-20 | 台北医学大学 | 应用虚拟现实的手术教学辅助系统及其方法 |
| CN113269868A (zh) * | 2021-04-30 | 2021-08-17 | 哈雷医用(广州)智能技术有限公司 | 一种人体肿瘤三维虚拟模型的建立方法和装置 |
| CN114757598A (zh) * | 2022-06-15 | 2022-07-15 | 潍坊医学院附属医院 | 基于计算机虚拟仿真的医疗服务平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102013868B1 (ko) | 수술 최적화 방법 및 장치 | |
| RU2689767C2 (ru) | Улучшенная визуализация кровеносных сосудов с использованием управляемого роботом эндоскопа | |
| JP4306380B2 (ja) | 医用画像表示方法及び装置 | |
| JP4762160B2 (ja) | 手術支援システム | |
| CN110796739A (zh) | 一种颅脑手术虚拟现实仿真方法及系统 | |
| JP2018516718A (ja) | 拡張リアリティの形態学的診断法 | |
| JPH11197159A (ja) | 手術支援システム | |
| US11636940B2 (en) | Method and program for providing feedback on surgical outcome | |
| CN103957832A (zh) | 血管树图像的内窥镜配准 | |
| US11660142B2 (en) | Method for generating surgical simulation information and program | |
| KR102146672B1 (ko) | 수술결과에 대한 피드백 제공방법 및 프로그램 | |
| Penza et al. | The GPS for surgery: A user‐centered evaluation of a navigation system for laparoscopic surgery | |
| KR20200096155A (ko) | 수술 분석 장치, 수술영상 분석 및 인식 시스템, 방법 및 프로그램 | |
| Talbot et al. | Surgery training, planning and guidance using the sofa framework | |
| CN112419826B (zh) | 虚拟仿真腹腔镜手术内窥镜操作训练方法及系统 | |
| CN111741729B (zh) | 手术最优化方法以及装置 | |
| US20230363821A1 (en) | Virtual simulator for planning and executing robotic steering of a medical instrument | |
| KR20190133424A (ko) | 수술결과에 대한 피드백 제공방법 및 프로그램 | |
| CN111658141B (zh) | 一种胃切除术端口位置导航系统、装置及存储介质 | |
| US20230031396A1 (en) | Apparatus and method for matching the real surgical image with the 3d-based virtual simulated surgical image based on poi definition and phase recognition | |
| KR101940706B1 (ko) | 수술 시뮬레이션 정보 생성방법 및 프로그램 | |
| Leaf et al. | Cutting-edge care: unleashing artificial intelligence's potential in gynecologic surgery | |
| CN115956988A (zh) | 一种穿刺手术监控方法、装置及存储介质 | |
| CN112674873A (zh) | 一种模拟穿刺手术方法、设备以及系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200214 |