CN113781630A - 一种基于reims的脑组织变形校正方法、存储介质及终端设备 - Google Patents
一种基于reims的脑组织变形校正方法、存储介质及终端设备 Download PDFInfo
- Publication number
- CN113781630A CN113781630A CN202110892311.3A CN202110892311A CN113781630A CN 113781630 A CN113781630 A CN 113781630A CN 202110892311 A CN202110892311 A CN 202110892311A CN 113781630 A CN113781630 A CN 113781630A
- Authority
- CN
- China
- Prior art keywords
- brain tissue
- information
- preoperative
- acquiring
- surface image
- 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
- 210000005013 brain tissue Anatomy 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012937 correction Methods 0.000 title claims abstract description 29
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000005520 cutting process Methods 0.000 claims abstract description 33
- 230000002980 postoperative effect Effects 0.000 claims abstract description 19
- 238000009826 distribution Methods 0.000 claims description 39
- 239000003550 marker Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013334 tissue model Methods 0.000 claims description 9
- 210000004129 prosencephalon Anatomy 0.000 claims description 6
- 208000003174 Brain Neoplasms Diseases 0.000 abstract description 7
- 206010028980 Neoplasm Diseases 0.000 description 15
- 210000004556 brain Anatomy 0.000 description 15
- 230000006870 function Effects 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 10
- 238000006073 displacement reaction Methods 0.000 description 10
- 238000002271 resection Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 206010018338 Glioma Diseases 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007428 craniotomy Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/44—Morphing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Computer Graphics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种基于REIMS的脑组织变形校正方法、存储介质及终端设备。本发明的基于REIMS的脑组织变形校正方法,包括以下步骤:S1、获取术前脑组织表面图像;S2、根据所述术前脑组织表面图像,获取术前脑组织三维信息;S3、获取术后脑组织表面图像;S4、根据所述术前脑组织表面图像和所述术后脑组织表面图像,获取切割区域边界信息;S5、根据所述切割区域边界信息和所述术前脑组织三维信息,生成术后脑组织三维信息。本发明的基于REIMS的脑组织变形校正方法可以为用户提供精准的手术前后脑组织的形态,为手术的进行提供参考,使脑肿瘤的切除更加彻底和精准。
Description
技术领域
本发明实施例涉及手术检测技术领域,尤其涉及一种基于REIMS的脑组织变形校正方法、存储介质及终端设备。
背景技术
脑肿瘤是严重危害人类健康的疾病,最直接有效治疗脑肿瘤尤其是胶质瘤(gliomas)的方法是手术切除。目前,一种基于图像引导的神经外科手术导航系统(Image-guided Neuronavigation System,IGNS),可基于术前容积图像(CT或MR图像)辅助医生定位开颅后肿瘤位置,从而提高肿瘤的切除率,减少对重要神经、功能区的损伤。
然而,这种利用现有的神经外科手术导航系统进行的术中肿瘤切除,会造成脑组织变形,例如,最典型的脑皮层表面发生的大变形可达到20.00mm,肿瘤轮廓处的最大变形误差能达到7.00mm。因此,为了降低对患者的伤害,必须降低术中的脑组织变形,尤其是肿瘤切割引起的脑变形。
目前的基于术前图像建立的导航系统无法实时精确地反映术中发生改变的脑组织解剖形态特征及病灶的实际空间位置,具体来说,就是对术中的脑组织变形缺乏精准的校正方法,使得受力变形前后的脑组织形态上存在较大差异,导致手术的效果不好。
发明内容
本发明实施例提供一种一种基于REIMS的脑组织变形校正方法、存储介质及终端设备,针对上述问题,可以为用户提供精准的手术前后脑组织的形态,为手术的进行提供参考,使脑肿瘤的切除更加彻底和精准。
本发明提供一种基于REIMS的手术中脑组织变形校正方法,包括以下步骤:
S1、获取术前脑组织表面图像;
S2、根据所述术前脑组织表面图像,获取术前脑组织三维信息;
S3、获取术后脑组织表面图像;
S4、根据所述术前脑组织表面图像和所述术后脑组织表面图像,获取切割区域边界信息;
S5、根据所述切割区域边界信息和所述术前脑组织三维信息,生成术后脑组织三维信息。
采用该技术方案,一方面可以实现对脑部肿瘤手术中的肿瘤切除边界的有效去除,另一方面可以对肿瘤切除后的创口做精准的计算,以为医生进行脑部手术提供参考信息,提高手术成功的概率和手术效果。
在一种可行的方案中,步骤S2具体包括以下步骤:
S201、获取标识物特征信息;
S202、根据所述术前脑组织表面图像和所述标识物特征信息,生成标识特征分布信息;
S203、获取通用脑组织模型信息;
S204、根据所述通用脑组织模型信息和所述标识特征分布信息,获取所述术前脑组织三维信息。
采用该技术方案,是由于手术中,脑组织的拍照或录像会收到很多的影响,使得脑组织的标识特征的确定不够精准和迅速,采用该技术方案,可以有效地确定标识特征的所在,并提高标识特征识别的准确程度。
在一种可行的方案中,步骤S2具体包括以下步骤:
S211、根据所述术前脑组织表面图像,获取点云分布数据;
S212、根据所述点云分布信息,获取点云深度信息;
S213、根据所述点云深度信息和所述术前脑组织表面图像,获取所述前脑组织三维信息。
采用该技术方案,是为了通过对点云数据的精准控制,来提高脑组织三维信息获得的有效性和精准性,为后续变形过程的确定做准备。
在一种可行的方案中,步骤S4具体包括以下步骤:
S401、根据所述术前脑组织表面图像,获取术后标识物特征分布信息;
S402、根据所述术后标识物特征分布信息和所述术后脑组织表面图像,获取切割区域边界信息。
采用该技术方案,是提供了一种确定切割区域边界信息的方法,以提高切割区域边界确定的精准度,同时降低获取的难度。
在一种可行的方案中,步骤S5具体包括以下步骤:
S501、根据所述切割区域边界信息,获取力学模型边界条件;
S502、根据所述术前脑组织三维信息,建立术后脑组织力学模型;
S503、根据所述力学模型边界调节和所述术前脑组织三维信息,生成所述术后脑组织三维信息。
采用该技术方案,是提供了一种用于计算脑组织内部受力变形的边界条件,即通过切割区域边界进行计算,而不是通过脑组织表面作为边界条件进行计算。这是由于,脑组织切割区域处于受力状态,计算的变形结果更加准确。
在一种可行的方案中,步骤S5之后还包括:
S6、根据所述力学模型边界条件和所述术前脑组织三维信息,生成脑组织力场分布信息;
S7、根据所述脑组织力场分布信息和所述术后脑组织三维信息,生成术后脑组织力场三维分布模型。
采用该技术方案,是在前述技术方案的基础上,通过展示力场分布信息的方式,来向医生展示脑组织的变形情况,为医生进行下一步的操作提供参考。
在一种可行的方案中,所述术后脑组织力场三维模型采用RGB信息进行标注。
采用该技术方案,可以更直观地反映脑组织各部分的变形及潜在变形能力,为医生提供手术参考。
本发明还提供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前述任一项的手术中脑组织变形校正方法。
本发明还提供一种终端设备,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前述任一项的手术中脑组织变形校正方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于REIMS的脑组织变形校正方法的流程图;
图2为本发明实施例中确定人脑模型时Heaviside函数处理裂缝的二维示意图;
图3为本发明实施例中XFEM裂缝末端处理方式原理图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,也可以是成一体;可以是机械连接,也可以是电连接,也可以是通讯连接;可以是直接连接,也可以通过中间媒介的间接连接,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例中基于REIMS的脑组织变形校正方法的流程图。
如图1所示,本发明实施例提供的基于REIMS的手术中脑组织变形校正方法,包括以下步骤:
S1、获取术前脑组织表面图像。
一种可能的获取术前脑组织表面图像的方法为:在手术开始之前,将病人固定好,采用三维激光扫描仪LRS(Laser Range Scanner)对病人的脑组织进行扫描或拍照获得。
S2、根据所述术前脑组织表面图像,获取术前脑组织三维信息。
在该步骤中,是结合术前脑组织表面图像,来获取手术之前的脑组织的三维形态,也即术前脑组织三维信息。获取术前脑组织三维信息的方式有很多种,例如通过深度镜头获得。
需要说明的是,这里的术前脑组织三维信息不仅包括脑组织的三维空间分布信息,还包括脑组织表面的图像信息,例如血管的分布、表面褶皱(回旋和沟)等的分布。
S3、获取术后脑组织表面图像。
需要说明的是,这里获取的是手术后得到脑组织表面的图像。在对病人的脑部肿瘤进行切除后,部分区域被切除,而且在切除的过程中,由于手术器械的作用,脑部组织会因为器械的压力而发生变形,致使原有的肿瘤边界区域发生扭曲等变形,难以判断肿瘤是否切除干净。为此,需要获取术后脑组织的表面特征,也即通过获取术后脑组织表面图像,来为下一步的判断肿瘤边界做准备。
一种可能的获取术后脑组织表面图像的方法为:对脑组织进行多角度拍照。
S4、根据所述术前脑组织表面图像和所述术后脑组织表面图像,获取切割区域边界信息。
这里是根据术前脑组织表面图像和术后脑组织表面图像,经过对比,特别是部分特征的对比,如血管的分布和走向等,来判断切割区域边界处于什么位置,并在后续用来作为判断是否达到预先确定的肿瘤边界位置的参考。一种可能的切割区域边界信息为:一条位于脑组织表面的穿过或者沿着多个特征分布的空间三维闭合曲线,该曲线由多个特征的位置拟合后得出。
S5、根据切割区域边界信息和术前脑组织三维信息,生成术后脑组织三维信息。
在该步骤中,是将手术中已经切割的肿瘤位置的边界(由切割区域边界信息确定),在术后脑组织的三维空间上显示出来,显示的这部分术后脑组织三维信息,是处于受力状态下的变形后的脑组织。由于术前脑组织三维信息上带有大脑表面的图像信息,因此,此时的大脑表面,不仅呈现出三维的手术切割边界,还呈现出表面的变形。
一种可能的术后脑组织三维信息的展示方法为:采用合适的立体的三维脑模型,将人脑的表面变形作为边界条件,基于用扩展有限元XFEM(Extended Finite ElementMethod,XFEM)模拟切割处的有限元网格断裂,求解超粘弹生物力学模型,进而模拟矫正切割造成的脑组织变形,并通过不同的颜色和相应的深度进行展示。
需要说明的是,以上仅仅是脑组织表面的变形情况,但脑组织内部的变形,则需要结合具体的算法进行计算,一种可能的基于有限元的模拟计算方法:
在裂缝尖的附近用奇异函数以及在沿裂缝面用跳跃函数加强传统FEM(FiniteElement Method)的基。具体做法是,用一些附加函数来改进传统FEM的位移空间。计算FEM单元内任意点位移uFEM(x),公式:
其中uFEM(x)表示在物体内任意点x的FEM位移场。I是点x所在网格单元上所有节点的集合。ui是节点自由度DOFs。是节点形函数(Nodal Shape Functions,NSFs),不同的网格类型的形函数多项式不同,但一旦网格确定,其形函数计算也就确定了。是连续的,为简便起见,对于脑组织牵拉变形矫正使用线性形状函数,具体公式如下:
其中,xj是节点j的位置,δij是通用Kronecker信号。
XFEM扩展了FEM的功能,通过增加受裂缝(Crack)影响节点的DOFs,更好地模拟了裂缝的拓扑结构,特别适用于对拓扑结构发生改变的情况进行模拟。在利用XFEM计算脑组织牵拉和肿瘤切除时脑组织拓扑结构发生的改变,公式为:
其中,uXFEM(x)为受到裂缝影响单元内任意点的XFEM位移场。公式(3)中的第一项与公式(2)相同,表示FEM位移。公式的第二项和第三项是XFEM用来表达裂缝增加的两个点集。第二项表示被裂缝完全分割单元网格上的点集J,点集上任意点j的NSFs为节点DOFS为aj。第三项表示为受裂缝尖端(crack-tip)影响的点集K,点集上任意点k的节点形函数NSFs为节点DOFS为这两个点集J、K与FEM点集I关系表示为公式(4),两个集合没有交集,且都是点集I的一部分。
(1)裂缝贯穿单元的节点集
点集J是指受裂缝影响且被裂缝完全分割单元网格上的节点集,此点集表示拓扑结构产生了突变。对于脑组织牵拉变形矫正的研究可使用分段常值函数Heaviside表达,这个函数沿着切割产生的裂缝边缘改变符号,也就是在该单元的节点上增加了单位阶跃函数H来模拟其物理行为,H可表示为公式(5),在裂纹上端,H(x)取1,在裂纹下端,H(x)取-1。
其中x是节点的位置,x*是裂缝上靠x最近的一点。en(x*)是x*处裂缝的单位法向量,如图2表示,图2为本发明实施例中确定人脑模型时Heaviside函数处理裂缝的二维示意图。
(2)裂缝尖端所在的节点集
K为受裂缝尖端影响的点集,即那些产生裂缝,但是没有被完全分割单元上的网格节点集,在该单元的节点上增加另一个不连续函数Fl来模拟裂缝尖端的行为:
图3为本发明实施例中XFEM裂缝末端处理方式原理图。从图3可见,es(Xtip)为裂缝尖端的方向向量,en(Xtip)为裂缝尖端的法向量。r和θ是点集K中每一节点在es(Xtip)和en(Xtip)轴上的极坐标值。
综上所述,如图3所示,有四个网格单元,节点X1、X2、X4、X5构成的网格单元A,由节点X2、X3、X5、X6构成的网格单元B,由节点X4、X5、X7、X8构成的网格单元C,和由节点X5、X6、X8、X9构成的网格单元D。这些网格单元分为三种类型,在计算过程中,物体中任意点的位移,根据其所在网格单元的类型不同,计算公式也不同。
第一种类型为受到裂缝影响,并且被裂缝完全分割的网格单元A和B。这些网格内任意点的位移计算公式表示为:
第二种类型为受到裂缝影响,但没有被裂缝完全分割的网格单元D。这个网格内任意点的位移计算公式表示为:
第三种类型为完全不受裂缝影响的网格单元C。这个网格内任意点的位移计算公式(2)表示。
下一步,将是脑组织生物力学模型的建立,以解决脑组织在受到外力作用时产生的响应问题。
针对脑组织的力学特性,根据西澳大利亚大学教授Miller研究团队提出的大脑生物软组织超粘弹性本构模型,以Ogden超弹性本构关系为基础,在应变能函数多项式中包含时间系数,能够矫正包括低应变速率和高应变速率的开颅后脑变形。猪脑组织体外试验验证了猪脑组织在单轴压力作用下的有限变形,表明这个模型能很好地描述脑软组织在压力作用和不可压缩条件下的变形,能够满足在手术切割过程中,脑组织既受到压缩又受到拉伸变形的机械特性,如公式(9)。
公式中W是势能函数,λi是三个方向上的外力,μ0是未变形时的瞬时剪切模量,τk是特征次数,gk是弛豫系数,α是材料系数。
之后,即可基于LRS的脑组织变形表面跟踪算法,对脑组织的内部的切割边界进行确定。
可以发现,采用该技术方案,一方面可以实现对脑部肿瘤手术中的肿瘤切除边界的有效去除,另一方面可以对肿瘤切除后的创口做精准的计算,以为医生进行脑部手术提供参考信息,提高手术成功的概率和手术效果。
可选地,本发明提供的基于REIMS的手术中脑组织变形校正方法,步骤S2具体包括以下步骤:
S201、获取标识物特征信息。
需要说明的是,标识物可以是血管,也可以是脑部褶皱,同时也可以是医生通过无损伤方式设置的标识点。标识物特征信息的获取方式包括系统自动识别和医生手动输入或者通过键盘进行指定。
S202、根据所述术前脑组织表面图像和所述标识物特征信息,生成标识特征分布信息。
在该步骤中,是根据标识物的特征,在人脑部寻找标识物的存在位置,并将标识物的分布位置作为标识物特征分布信息。
S203、获取通用脑组织模型信息。
这里的通用脑组织模型信息,是指一般而言的人脑模型,它包含所有的或者所需要的标识物特征及其分布位置。通用脑组织模型信息由人工输入进行确定。
S204、根据所述通用脑组织模型信息和所述标识特征分布信息,获取所述术前脑组织三维信息。
在该步骤中,是利用通用脑组织模型信息和标识特征分布信息,来快速地确定术前脑组织三维信息。
采用该技术方案,是由于手术中,脑组织的拍照或录像会收到很多的影响,使得脑组织的标识特征的确定不够精准和迅速,采用该技术方案,可以有效地确定标识特征的所在,并提高标识特征识别的准确程度。
可选地,本发明提供的基于REIMS的手术中脑组织变形校正方法,步骤S2具体包括以下步骤:
S211、根据所述术前脑组织表面图像,获取点云分布数据。
在该步骤中,是利用术前脑组织表面图像,来确定点云的分布位置,使得点云的数量和分布都满足脑组织三维信息确定的需要。
S212、根据所述点云分布信息,获取点云深度信息。
这里是将不同点云的位置进行获取,以生成的点云深度信息。
S213、根据所述点云深度信息和所述术前脑组织表面图像,获取所述前脑组织三维信息。
在该步骤中,是利用点云深度信息,结合术前脑组织表面图像,来获取术前脑组织三维信息。
采用该技术方案,是为了通过对点云数据的精准控制,来提高脑组织三维信息获得的有效性和精准性,为后续变形过程的确定做准备。
可选地,本发明提供的基于REIMS的手术中脑组织变形校正方法,步骤S4具体包括以下步骤:
S401、根据所述术前脑组织表面图像,获取术后标识物特征分布信息。
在该步骤中,是为了确定术后还能观察到的各标识物的位置。
S402、根据所述术后标识物特征分布信息和所述术后脑组织表面图像,获取切割区域边界信息。
在该步骤中,是为了结合术后剩余的标识物特征,来确定切割区域的边界。
采用该技术方案,是提供了一种确定切割区域边界信息的方法,以提高切割区域边界确定的精准度,同时降低获取的难度。
可选地,本发明提供的基于REIMS的手术中脑组织变形校正方法,步骤S5具体包括以下步骤:
S501、根据所述切割区域边界信息,获取力学模型边界条件。
S502、根据所述术前脑组织三维信息,建立术后脑组织力学模型。
需要说明的是,术后脑组织力学模型的选用,可以参考前述的脑组织内部的变形计算。
S503、根据所述力学模型边界调节和所述术前脑组织三维信息,生成所述术后脑组织三维信息。
在该步骤中,是针对脑组织内部的结构进行变形计算,并生成变形后的脑组织三维信息。
采用该技术方案,是提供了一种用于计算脑组织内部受力变形的边界条件,即通过切割区域边界进行计算,而不是通过脑组织表面作为边界条件进行计算。这是由于,脑组织切割区域处于受力状态,计算的变形结果更加准确。
可选地,本发明提供的基于REIMS的手术中脑组织变形校正方法,步骤S5之后还包括:
S6、根据所述力学模型边界条件和所述术前脑组织三维信息,生成脑组织力场分布信息。
S7、根据所述脑组织力场分布信息和所述术后脑组织三维信息,生成术后脑组织力场三维分布模型。
采用该技术方案,是在前述技术方案的基础上,通过展示力场分布信息的方式,来向医生展示脑组织的变形情况,为医生进行下一步的操作提供参考。
可选地,本发明提供的基于REIMS的手术中脑组织变形校正方法,所述术后脑组织力场三维模型采用RGB信息进行标注。
采用该技术方案,可以更直观地反映脑组织各部分的变形及潜在变形能力,为医生提供手术参考。
此外,实施例中的上述过程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,本发明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。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一特征和第二特征直接接触,或第一特征和第二特征通过中间媒介间接接触。
而且,第一特征在第二特征“之上”、“上方”和“上面”可以是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度低于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述,意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任意一个或者多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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,或者对其中部分或者全部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发明各实施例技术方案的范围。
Claims (9)
1.一种基于REIMS的手术中脑组织变形校正方法,其特征在于,包括以下步骤:
S1、获取术前脑组织表面图像;
S2、根据所述术前脑组织表面图像,获取术前脑组织三维信息;
S3、获取术后脑组织表面图像;
S4、根据所述术前脑组织表面图像和所述术后脑组织表面图像,获取切割区域边界信息;
S5、根据所述切割区域边界信息和所述术前脑组织三维信息,生成术后脑组织三维信息。
2.根据权利要求1所述的手术中脑组织变形校正方法,其特征在于,步骤S2具体包括以下步骤:
S201、获取标识物特征信息;
S202、根据所述术前脑组织表面图像和所述标识物特征信息,生成标识特征分布信息;
S203、获取通用脑组织模型信息;
S204、根据所述通用脑组织模型信息和所述标识特征分布信息,获取所述术前脑组织三维信息。
3.根据权利要求1所述的手术中脑组织变形校正方法,其特征在于,步骤S2具体包括以下步骤:
S211、根据所述术前脑组织表面图像,获取点云分布数据;
S212、根据所述点云分布信息,获取点云深度信息;
S213、根据所述点云深度信息和所述术前脑组织表面图像,获取所述前脑组织三维信息。
4.根据权利要求1所述的手术中脑组织变形校正方法,其特征在于,步骤S4具体包括以下步骤:
S401、根据所述术前脑组织表面图像,获取术后标识物特征分布信息;
S402、根据所述术后标识物特征分布信息和所述术后脑组织表面图像,获取切割区域边界信息。
5.根据权利要求1所述的手术中脑组织变形校正方法,其特征在于,步骤S5具体包括以下步骤:
S501、根据所述切割区域边界信息,获取力学模型边界条件;
S502、根据所述术前脑组织三维信息,建立术后脑组织力学模型;
S503、根据所述力学模型边界调节和所述术前脑组织三维信息,生成所述术后脑组织三维信息。
6.根据权利要求5所述的手术中脑组织变形校正方法,其特征在于,步骤S5之后还包括:
S6、根据所述力学模型边界条件和所述术前脑组织三维信息,生成脑组织力场分布信息;
S7、根据所述脑组织力场分布信息和所述术后脑组织三维信息,生成术后脑组织力场三维分布模型。
7.根据权利要求6所述的手术中脑组织变形校正方法,其特征在于,所述术后脑组织力场三维模型采用RGB信息进行标注。
8.一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7中任一项所述的手术中脑组织变形校正方法。
9.一种终端设备,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7中任一项所述的手术中脑组织变形校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110892311.3A CN113781630A (zh) | 2021-08-04 | 2021-08-04 | 一种基于reims的脑组织变形校正方法、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110892311.3A CN113781630A (zh) | 2021-08-04 | 2021-08-04 | 一种基于reims的脑组织变形校正方法、存储介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781630A true CN113781630A (zh) | 2021-12-10 |
Family
ID=78836868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110892311.3A Pending CN113781630A (zh) | 2021-08-04 | 2021-08-04 | 一种基于reims的脑组织变形校正方法、存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781630A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1582863A (zh) * | 2004-06-01 | 2005-02-23 | 复旦大学 | 一种神经外科手术导航系统中脑组织变形校正的方法 |
WO2011143820A1 (zh) * | 2010-05-20 | 2011-11-24 | 复旦大学 | 一种模拟脑组织图像变形及矫正的方法 |
CN103908344A (zh) * | 2012-12-31 | 2014-07-09 | 复旦大学 | 一种基于手术导航系统的牵拉变形矫正方法 |
WO2016095167A2 (zh) * | 2014-12-18 | 2016-06-23 | 复旦大学 | 一种基于手术导航系统的牵拉变形矫正方法 |
WO2016142693A1 (en) * | 2015-03-06 | 2016-09-15 | Micromass Uk Limited | In vivo endoscopic tissue identification tool |
CN106420055A (zh) * | 2016-02-15 | 2017-02-22 | 复旦大学 | 一种基于无线传输的脑组织变形矫正系统 |
CN106890025A (zh) * | 2017-03-03 | 2017-06-27 | 浙江大学 | 一种微创手术导航系统和导航方法 |
CN110146587A (zh) * | 2019-02-20 | 2019-08-20 | 温州医科大学附属第二医院、温州医科大学附属育英儿童医院 | 一种组织样品中挥发性代谢产物的在线便携质谱分析装置 |
CN111489425A (zh) * | 2020-03-21 | 2020-08-04 | 复旦大学 | 一种基于局部关键几何信息的脑组织表面变形估计方法 |
CN112903797A (zh) * | 2021-01-18 | 2021-06-04 | 温州医科大学附属第二医院(温州医科大学附属育英儿童医院) | 一种人脑胶质母细胞瘤质谱分析方法、鉴别方法及其装置 |
-
2021
- 2021-08-04 CN CN202110892311.3A patent/CN113781630A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1582863A (zh) * | 2004-06-01 | 2005-02-23 | 复旦大学 | 一种神经外科手术导航系统中脑组织变形校正的方法 |
WO2011143820A1 (zh) * | 2010-05-20 | 2011-11-24 | 复旦大学 | 一种模拟脑组织图像变形及矫正的方法 |
CN103908344A (zh) * | 2012-12-31 | 2014-07-09 | 复旦大学 | 一种基于手术导航系统的牵拉变形矫正方法 |
WO2016095167A2 (zh) * | 2014-12-18 | 2016-06-23 | 复旦大学 | 一种基于手术导航系统的牵拉变形矫正方法 |
WO2016142693A1 (en) * | 2015-03-06 | 2016-09-15 | Micromass Uk Limited | In vivo endoscopic tissue identification tool |
CN106420055A (zh) * | 2016-02-15 | 2017-02-22 | 复旦大学 | 一种基于无线传输的脑组织变形矫正系统 |
CN106890025A (zh) * | 2017-03-03 | 2017-06-27 | 浙江大学 | 一种微创手术导航系统和导航方法 |
CN110146587A (zh) * | 2019-02-20 | 2019-08-20 | 温州医科大学附属第二医院、温州医科大学附属育英儿童医院 | 一种组织样品中挥发性代谢产物的在线便携质谱分析装置 |
CN111489425A (zh) * | 2020-03-21 | 2020-08-04 | 复旦大学 | 一种基于局部关键几何信息的脑组织表面变形估计方法 |
CN112903797A (zh) * | 2021-01-18 | 2021-06-04 | 温州医科大学附属第二医院(温州医科大学附属育英儿童医院) | 一种人脑胶质母细胞瘤质谱分析方法、鉴别方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7162793B2 (ja) | 超音波拓本技術に基づく脊椎画像生成システム及び脊柱手術用のナビゲーション・位置確認システム | |
KR102013868B1 (ko) | 수술 최적화 방법 및 장치 | |
EP3184070B1 (en) | Global mapping catheter contact optimization | |
Wolfsberger et al. | Advanced virtual endoscopy for endoscopic transsphenoidal pituitary surgery | |
CN112053400B (zh) | 数据处理方法及机器人导航系统 | |
CN109859833B (zh) | 消融手术治疗效果的评估方法和装置 | |
CN112057165B (zh) | 一种路径规划方法、装置、设备和介质 | |
CN113693725B (zh) | 进针路径规划方法、装置、设备及存储介质 | |
CN110969698A (zh) | 颞骨空间坐标系的构建方法、空间定位方法及电子设备 | |
US20020077797A1 (en) | Method and apparatus for automated simulation and design of corneal refractive procedures | |
CN113456219A (zh) | 基于ct图像的肝癌射频消融手术路径规划方法及装置 | |
CN112656506A (zh) | 确认射频消融路径的方法、装置及终端设备 | |
US11723721B2 (en) | Apparatus and method for manufacturing surgical guide, and surgical guide | |
CN113545844A (zh) | 激光间质热疗的模拟方法和设备 | |
JP2005137907A (ja) | 光システムのアブレーション補正の最適化及びそれに関係する方法 | |
JP3453603B2 (ja) | 手術パス自動探索プログラム及びその装置 | |
CN112022345B (zh) | 腹壁缺损重建的三维可视化术前规划方法、系统及终端 | |
CN113781630A (zh) | 一种基于reims的脑组织变形校正方法、存储介质及终端设备 | |
CN116570370B (zh) | 一种脊柱针刀穿刺导航系统 | |
CN117115159A (zh) | 骨骼病变的确定装置、电子设备以及存储介质 | |
KR101401338B1 (ko) | 가상 나이프를 이용한 수술 시뮬레이션 방법 및 그 장치 | |
KR20190004591A (ko) | 증강현실 기술을 이용한 간병변 수술 내비게이션 시스템 및 장기 영상 디스플레이 방법 | |
CN116228796A (zh) | 一种ct图像椎弓根分割方法、装置及存储介质 | |
CN116012554A (zh) | 一种基于ct影像的手术机器人路径规划方法和系统 | |
Cameron et al. | Virtual-reality-assisted interventional procedures. |
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 |