CN113349925A - 基于全自动三维成像的听神经瘤手术路径自动规划方法 - Google Patents
基于全自动三维成像的听神经瘤手术路径自动规划方法 Download PDFInfo
- Publication number
- CN113349925A CN113349925A CN202110607517.7A CN202110607517A CN113349925A CN 113349925 A CN113349925 A CN 113349925A CN 202110607517 A CN202110607517 A CN 202110607517A CN 113349925 A CN113349925 A CN 113349925A
- Authority
- CN
- China
- Prior art keywords
- automatic
- path
- risk
- voxel
- risk value
- 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 22
- 238000003384 imaging method Methods 0.000 title claims abstract description 15
- 208000005890 Neuroma Diseases 0.000 title claims abstract description 14
- 239000000835 fiber Substances 0.000 claims abstract description 22
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 210000004126 nerve fiber Anatomy 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 210000001519 tissue Anatomy 0.000 claims description 12
- 210000004204 blood vessel Anatomy 0.000 claims description 10
- 210000004556 brain Anatomy 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000001537 neural effect Effects 0.000 claims description 6
- 210000001154 skull base Anatomy 0.000 claims description 6
- 230000006378 damage Effects 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 210000003625 skull Anatomy 0.000 claims description 3
- 208000014070 Vestibular schwannoma Diseases 0.000 claims 2
- 208000004064 acoustic neuroma Diseases 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000002360 preparation method Methods 0.000 abstract description 2
- 238000009792 diffusion process Methods 0.000 abstract 1
- 238000001356 surgical procedure Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 210000000860 cochlear nerve Anatomy 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 206010018852 Haematoma Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000004289 cerebral ventricle Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 208000003906 hydrocephalus Diseases 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000000185 intracerebroventricular administration Methods 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- 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
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30016—Brain
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Robotics (AREA)
- Urology & Nephrology (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种基于全自动三维成像的听神经瘤手术路径自动规划方法，包括以下步骤：1)获取患者CT、T1、T2、T1增强、MRA、diffusion MRI序列图像等，经过去噪校正并配准到同一坐标系内；2)利用深度学习及神经纤维图谱实现肿瘤提取、区域分割及纤维跟踪和自动识别；3)体素的风险值估计；4)候选路径生成及路径风险值估计；5)路径优化及风险图谱的生成。本发明有助于减少术前准备时间、降低手术风险、缓解医生手术压力。
Description
技术领域
本发明涉及计算机技术领域，具体涉及一种基于全自动三维成像的听神经瘤手术路径自动规划方法。
背景技术
如今，基于术前CT/MRI扫描的脑内探针，针头，导管或电极精确靶向肿瘤，病变和解剖结构已成为立体定向神经外科的标准手术任务。常见的立体定向神经外科手术可能包括立体定向脑活检，脑积水的治疗，深部脑血肿的抽吸和排空，Ommay导管插入，深部脑刺激，用于癫痫的深度电极插入，内窥镜脑室内手术。在所有手术中，错误地放置手术工具都可能导致不良结果，例如治疗无效，颅内出血并发症，尽管其发生率较低，但还是可能会带来严重危害神经系统后遗症以及暂时或永久性神经系统疾病的高风险损坏。不正确的手术工具放置也可能需要额外的手术程序才能达到预期的治疗效果和治疗随后的并发症。此类修正手术有时是开放式程序，可能会伴随着大量额外的风险，时间和发病率。
规划安全的手术轨迹，以最大程度地减少不正确的手术工具放置的预期风险及其可能的不良后果，具有重大的现实意义。当前，图像引导立体定向神经外科手术的术前轨迹规划通常涉及使用神经导航系统或立体定向框架来选择术前CT/MRI头部扫描的2D轴向，矢状或冠状横截面上的目标结构。这项手动的术前计划任务可能很复杂，耗时且取决于用户和患者。这要求外科医生在心理上识别和重建复杂的3D结构，包括血管，雄辩的脑部区域和心室系统，并得出这些结构与手术轨迹之间的空间关系。在某些情况下，根据经验，在手术本身的过程中，要在无菌条件下和压力下凭经验对手术计划进行手动校正和优化，而无法彻底，定量地分析最佳手术轨迹。实际上，即使对于有经验的神经外科医师而言，预期治疗风险的评估也因此是一项复杂，具有挑战性且耗时的任务。
发明内容
为了克服现有技术的不足，本发明提供一种基于全自动三维成像的听神经瘤手术路径自动规划方法
为了解决上述技术问题本发明使用的技术方案如下：
一种基于全自动三维成像的听神经瘤手术路径自动规划方法，包括以下步骤：
步骤1、图像获取及预处理：获取患者CT、T1、T2、T1增强、MRA、diffusion MRI序列图像，经过去噪校正；
步骤2、图像配准：以CT图像为基准，将其他图像配准到CT图像中，得到各个图像的转换矩阵；
步骤3、肿瘤提取及区域分割：利用步骤1获得的数据，采用自动化的方法对听神经瘤进行提取，以及分割大脑内部的功能区、颅底血管及颅骨区域；
步骤4、纤维跟踪及自动识别：利用神经纤维图谱，对纤维进行跟踪及自动标识；
步骤5、数据融合：根据重建前的转换矩阵，将各个组织的三维模型转换到CT图像的坐标下；
步骤6、体素风险值估计：体素风险值的意义是量化表示当前位置体素所对应的解剖位置受到破坏时，对人体造成损伤的严重程度，风险值大小不仅由硬约束决定，而且受软约束影响；
步骤7、候选路径生成及风险估计：候选路径可以表示为由目标点和待进入点组成的一条具有直径的线段，整条路径的风险值由其所包围的体素风险值决定；
步骤8、路径优化及风险图谱生成：通过快速排序算法对所有待进入点代表的路径进行空间搜索，找到风险值最小的三条路径作为本方案规划的手术路径，同时将路径风险值归一化到0～255的范围，进行颜色编码，生成路径的风险图谱供医生参考。
进一步，所述步骤3中，利用深度学习，采用T1、T2和T1增强的数据实现听神经肿瘤的精确分割，并将肿瘤的质心位置作为手术路径规划的目标位置，即路径的目标点，大脑内部功能区的划分采用Freesurfer实现，颅底血管及颅骨利用深度学习的方法进行识别分割。
所述步骤4中，纤维跟踪及表示通过基于深度网络的神经纤维图谱重建实现，包括基于深度高阶张量成像模型的体素纤维方向估计、基于流线微分方程的全局纤维重建算法和数据驱动神经纤维图谱重建算法。
所述步骤6中，体素风险值估计包括软约束部分和硬约束部分，所述硬约束包括手术高危组织区域的约束，对高危区域如脑室、脑部血管距离小于安全距离的体素，通过赋予极大的风险值将其设为路径禁区；软约束是除硬约束以外的约束，由离功能区、神经纤维次重要的组织的距离影响，同时还由组织的重要程度影响，由以下公式计算：
其中，α是用于避免除以0的非负标量常数，ajk和rj为各个区域的权重值，可由有经验的外科医生给定，Sjk表示各个功能区，dist(Sjk·vj)为体素距离功能区的距离。
所述步骤7中，路径的风险值由其所包围的体素风险值决定，由以下公式决定：
本发明的有益效果为：减少术前准备时间、降低手术风险、缓解医生手术压力。
具体实施方式
下面对本发明做进一步说明。
一种基于全自动三维成像的听神经瘤手术路径自动规划方法，包括以下步骤：
步骤1、图像获取及预处理：获取患者CT、T1、T2、T1增强、MRA、diffusion MRI序列图像，经过去噪校正；
步骤2、图像配准：以CT图像为基准，将其他图像配准到CT图像中，得到各个图像的转换矩阵；
步骤3、肿瘤提取及区域分割：利用步骤1获得的数据，采用自动化的方法对听神经瘤进行提取，以及分割大脑内部的功能区、颅底血管及颅骨区域；
步骤4、纤维跟踪及自动识别：利用神经纤维图谱，对纤维进行跟踪及自动标识；
步骤5、数据融合：根据重建前的转换矩阵，将各个组织的三维模型转换到CT图像的坐标下；
步骤6、体素风险值估计：体素风险值的意义是量化表示当前位置体素所对应的解剖位置受到破坏时，对人体造成损伤的严重程度，风险值大小不仅由硬约束决定，而且受软约束影响；
步骤7、候选路径生成及风险估计：候选路径可以表示为由目标点和待进入点组成的一条具有直径的线段，整条路径的风险值由其所包围的体素风险值决定；
步骤8、路径优化及风险图谱生成：通过快速排序算法对所有待进入点代表的路径进行空间搜索，找到风险值最小的三条路径作为本方案规划的手术路径，同时将路径风险值归一化到0～255的范围，进行颜色编码，生成路径的风险图谱供医生参考。
进一步，所述步骤3中，利用深度学习，采用T1、T2和T1增强的数据实现听神经肿瘤的精确分割，并将肿瘤的质心位置作为手术路径规划的目标位置，即路径的目标点，大脑内部功能区的划分采用Freesurfer实现，颅底血管及颅骨利用深度学习的方法进行识别分割。
所述步骤4中，纤维跟踪及表示通过基于深度网络的神经纤维图谱重建实现，包括基于深度高阶张量成像模型的体素纤维方向估计、基于流线微分方程的全局纤维重建算法和数据驱动神经纤维图谱重建算法。
所述步骤6中，体素风险值估计包括软约束部分和硬约束部分，所述硬约束包括手术高危组织区域的约束，对高危区域如脑室、脑部血管距离小于安全距离的体素，通过赋予极大的风险值将其设为路径禁区；软约束是除硬约束以外的约束，由离功能区、神经纤维次重要的组织的距离影响，同时还由组织的重要程度影响，由以下公式计算：
其中，α是用于避免除以0的非负标量常数，ajk和rj为各个区域的权重值，可由有经验的外科医生给定，Sjk表示各个功能区，dist(Sjk·vj)为体素距离功能区的距离。
所述步骤7中，路径的风险值由其所包围的体素风险值决定，由以下公式决定：
本实施例中，步骤1中需要的数据由医院提供；步骤2-5为数据预处理阶段，为步骤6、7计算风险值做准备；步骤6、7为路径规划算法主要部分，对路径进行风险评估；步骤8可以辅助医生作出决策。
本说明书的实施例所述的内容仅仅是对发明构思的实现形式的列举，仅作说明用途。本发明的保护范围不应当被视为仅限于本实施例所陈述的具体形式，本发明的保护范围也及于本领域的普通技术人员根据本发明构思所能想到的等同技术手段。
Claims (5)
1.一种基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述方法包括以下步骤：
步骤1、图像获取及预处理：获取患者CT、T1、T2、T1增强、MRA、diffusion MRI序列图像，经过去噪校正；
步骤2、图像配准：以CT图像为基准，将其他图像配准到CT图像中，得到各个图像的转换矩阵；
步骤3、肿瘤提取及区域分割：利用步骤1获得的数据，采用自动化的方法对听神经瘤进行提取，以及分割大脑内部的功能区、颅底血管及颅骨区域；
步骤4、纤维跟踪及自动识别：利用神经纤维图谱，对纤维进行跟踪及自动标识；
步骤5、数据融合：根据重建前的转换矩阵，将各个组织的三维模型转换到CT图像的坐标下；
步骤6、体素风险值估计：体素风险值的意义是量化表示当前位置体素所对应的解剖位置受到破坏时，对人体造成损伤的严重程度，风险值大小不仅由硬约束决定，而且受软约束影响；
步骤7、候选路径生成及风险估计：候选路径可以表示为由目标点和待进入点组成的一条具有直径的线段，整条路径的风险值由其所包围的体素风险值决定；
步骤8、路径优化及风险图谱生成：通过快速排序算法对所有待进入点代表的路径进行空间搜索，找到风险值最小的三条路径作为本方案规划的手术路径，同时将路径风险值归一化到0～255的范围，进行颜色编码，生成路径的风险图谱供医生参考。
2.如权利要求1所述的基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述步骤3中，利用深度学习，采用T1、T2和T1增强的数据实现听神经肿瘤的精确分割，并将肿瘤的质心位置作为手术路径规划的目标位置，即路径的目标点，大脑内部功能区的划分采用Freesurfer实现，颅底血管及颅骨利用深度学习的方法进行识别分割。
3.如权利要求1或2所述的基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述步骤4中，纤维跟踪及表示通过基于深度网络的神经纤维图谱重建实现，包括基于深度高阶张量成像模型的体素纤维方向估计、基于流线微分方程的全局纤维重建算法和数据驱动神经纤维图谱重建算法。
4.如权利要求1或2所述的基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述步骤6中，体素风险值估计包括软约束部分和硬约束部分，硬约束包括手术高危组织区域的约束，对高危区域血管距离小于安全距离的体素，通过赋予极大的风险值将其设为路径禁区；软约束是除硬约束以外的约束，由离功能区、神经纤维次重要的组织的距离影响，同时还由组织的重要程度影响，由以下公式计算：
其中α是用于避免除以0的非负标量常数，ajk和rj为各个区域的权重值，由有经验的外科医生给定。Sjk表示各个功能区，dist(Sjk·vj)为体素距离功能区的距离。
5.如权利要求4所述的基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述步骤7中，路径的风险值由其所包围的体素风险值决定，由以下公式决定：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110607517.7A CN113349925A (zh) | 2021-06-01 | 2021-06-01 | 基于全自动三维成像的听神经瘤手术路径自动规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110607517.7A CN113349925A (zh) | 2021-06-01 | 2021-06-01 | 基于全自动三维成像的听神经瘤手术路径自动规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113349925A true CN113349925A (zh) | 2021-09-07 |
Family
ID=77530698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110607517.7A Pending CN113349925A (zh) | 2021-06-01 | 2021-06-01 | 基于全自动三维成像的听神经瘤手术路径自动规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113349925A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116109571A (zh) * | 2022-12-22 | 2023-05-12 | 浙江大学 | 一种面听神经自动化纤维束重建方法及系统 |
| WO2023216947A1 (zh) * | 2022-05-07 | 2023-11-16 | 武汉联影智融医疗科技有限公司 | 一种用于介入手术的医学影像处理系统和方法 |
| WO2024076327A1 (en) * | 2022-10-03 | 2024-04-11 | Firat Universitesi Rektorlugu | Robot-assisted frameless stereotactic brain biopsy system |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105631930A (zh) * | 2015-11-27 | 2016-06-01 | 广州聚普科技有限公司 | 一种基于dti的颅内神经纤维束的三维重建方法 |
| CN109893245A (zh) * | 2019-02-28 | 2019-06-18 | 成都真实维度科技有限公司 | 一种通过医学影像三维建模确定开颅入路通道的方法 |
| CN110013306A (zh) * | 2019-03-22 | 2019-07-16 | 北京工业大学 | Ct引导肝肿瘤热消融治疗穿刺路径规划方法 |
| CN110993065A (zh) * | 2019-11-19 | 2020-04-10 | 浙江工业大学 | 一种基于图像引导的脑肿瘤锁孔手术路径规划方法 |
| CN112163987A (zh) * | 2020-07-06 | 2021-01-01 | 中国科学院苏州生物医学工程技术研究所 | 穿刺路径规划系统 |
| CN112842531A (zh) * | 2021-02-10 | 2021-05-28 | 华科精准（北京）医疗科技有限公司 | 一种神经外科手术计划系统 |
-
2021
- 2021-06-01 CN CN202110607517.7A patent/CN113349925A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105631930A (zh) * | 2015-11-27 | 2016-06-01 | 广州聚普科技有限公司 | 一种基于dti的颅内神经纤维束的三维重建方法 |
| CN109893245A (zh) * | 2019-02-28 | 2019-06-18 | 成都真实维度科技有限公司 | 一种通过医学影像三维建模确定开颅入路通道的方法 |
| CN110013306A (zh) * | 2019-03-22 | 2019-07-16 | 北京工业大学 | Ct引导肝肿瘤热消融治疗穿刺路径规划方法 |
| CN110993065A (zh) * | 2019-11-19 | 2020-04-10 | 浙江工业大学 | 一种基于图像引导的脑肿瘤锁孔手术路径规划方法 |
| CN112163987A (zh) * | 2020-07-06 | 2021-01-01 | 中国科学院苏州生物医学工程技术研究所 | 穿刺路径规划系统 |
| CN112842531A (zh) * | 2021-02-10 | 2021-05-28 | 华科精准（北京）医疗科技有限公司 | 一种神经外科手术计划系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023216947A1 (zh) * | 2022-05-07 | 2023-11-16 | 武汉联影智融医疗科技有限公司 | 一种用于介入手术的医学影像处理系统和方法 |
| WO2024076327A1 (en) * | 2022-10-03 | 2024-04-11 | Firat Universitesi Rektorlugu | Robot-assisted frameless stereotactic brain biopsy system |
| CN116109571A (zh) * | 2022-12-22 | 2023-05-12 | 浙江大学 | 一种面听神经自动化纤维束重建方法及系统 |
| CN116109571B (zh) * | 2022-12-22 | 2024-04-26 | 浙江大学 | 一种面听神经自动化纤维束重建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113349925A (zh) | 基于全自动三维成像的听神经瘤手术路径自动规划方法 | |
| US8725235B2 (en) | Method for planning a surgical procedure | |
| US8160677B2 (en) | Method for identification of anatomical landmarks | |
| US8150497B2 (en) | System for navigating a planned procedure within a body | |
| D'Haese et al. | Computer-aided placement of deep brain stimulators: from planningto intraoperative guidance | |
| US8150498B2 (en) | System for identification of anatomical landmarks | |
| EP3298968B1 (en) | Method for identification of anatomical landmarks | |
| CN106997594B (zh) | 一种眼部组织的定位方法及装置 | |
| CN110993065B (zh) | 一种基于图像引导的脑肿瘤锁孔手术路径规划方法 | |
| IL293534A (en) | A method for automatically planning a route for medical intervention | |
| JP2023514834A (ja) | 脳の解剖学的構造のマルチモーダル３ｄ分析を介した脳内のプローブの計画立案および設置を最適化するための方法 | |
| Essert et al. | Automatic computation of electrodes trajectory for deep brain stimulation | |
| US20210343397A1 (en) | Surgical planning systems that automatically assess different potential trajectory paths and identify candidate trajectories for surgical systems | |
| Guo et al. | Automatic target and trajectory identification for deep brain stimulation (DBS) procedures | |
| Hofmanis et al. | Automatic Depth Electrode Localization in Intracranial Space. | |
| Cai et al. | Accurate preoperative path planning with coarse-to-refine segmentation for image guided deep brain stimulation | |
| US11723616B2 (en) | Method of verifying a position of an interventional device | |
| CN114743639A (zh) | 一种基于人工智能技术的垂体瘤手术规划系统 | |
| Li et al. | Optimal boundary conditions for model based brain shift simulation in deep brain stimulation surgery | |
| RU2814763C1 (ru) | Способ малоинвазивного удаления инородных тел из вещества головного мозга с использованием нейронавигации и направителя | |
| Noble et al. | Automatic segmentation of the optic tracts for computer assistance of deep brain stimulation procedures. | |
| US11992268B2 (en) | Method for determining a stereotactic brain target | |
| Gemmar et al. | Automated target location and trajectory selection for stereotactic planning in deep brain stimulation | |
| Li | Brain Shift Compensation in Deep Brain Stimulation Electrode Placement Surgery | |
| CN117814907A (zh) | 一种深部脑刺激路径规划新方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |