CN114010310A - 一种路径规划方法、装置、电子设备及存储介质 - Google Patents
一种路径规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114010310A CN114010310A CN202111080466.3A CN202111080466A CN114010310A CN 114010310 A CN114010310 A CN 114010310A CN 202111080466 A CN202111080466 A CN 202111080466A CN 114010310 A CN114010310 A CN 114010310A
- Authority
- CN
- China
- Prior art keywords
- current
- target
- clan
- information
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 241000406668 Loxodonta cyclotis Species 0.000 claims abstract description 90
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 241000283080 Proboscidea <mammal> Species 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002674 endoscopic surgery Methods 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Images
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
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation 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
- A61B34/10—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
Abstract
本发明涉及一种路径规划方法、装置、电子设备及存储介质，包括：获取待规划区域的三维模型以及三维模型信息；确定三维模型中的起点、目标点和多组当前路径点集；获取与多组当前路径点集对应的多个当前大象氏族信息；确定目标氏族确定方式；确定多个当前大象氏族信息对应的当前目标氏族；确定当前目标氏族对应的当前适应度差值信息；在当前累计迭代次数和当前适应度差值信息不满足预设条件的情况下，对多组当前路径点集的位置进行更新；返回至前述步骤，直至满足预设条件，从多组当前路径点集中筛选出一组路径点集作为目标路径点集；根据起点、目标点以及目标路径点集，确定目标路径。根据本发明的技术方案，能够更加快速地得到目标路径。
Description
技术领域
本发明涉及手术路径规划技术领域，尤其涉及一种路径规划方法、装置、电子设备及存储介质。
背景技术
随着医学影像技术的飞速发展，利用CT(Computed Tomography，电子计算机断层扫描)、MRI(Magnetic Resonance Imaging，磁共振成像)等技术对人体进行成像及建模的水平得到了大幅度的提高，这为医生在术前即对病人体内情况有充分的了解创造了条件。对于病人来说，在手术时受到尽可能少的损伤，以及尽可能缩短手术时间都是十分有必要的。而这些需求，可以通过在术前对手术路径的合理规划来达到。
在内窥镜手术中，术前的路径规划尤为重要，医生需要根据病灶的位置规划出一条最合适的手术路径来执行。目前针对内窥镜手术的路径规划方法中，路径规划速度慢，且路径规划精度不够，从而导致现有的方法不适用需要规划速度和精度的医学场景。
发明内容
本发明的目的是提供一种路径规划方法、装置、电子设备及存储介质，通过对当前路径点集进行更新和迭代以对当前路径点集进行优化，进而得到优化后的目标路径，在保证路径规划精度的前提下，能够更加快速地得到距离较短且无碰撞的目标路径，便于手术中参考目标路径操作内窥镜抵达病灶区域。
为实现上述目的，本发明提供了如下方案：
一种路径规划方法，所述方法包括：
获取待规划区域的三维模型以及对应的三维模型信息；
基于所述三维模型信息，确定所述三维模型中的起点、目标点和多组当前路径点集，所述多组当前路径点集位于所述起点和所述目标点之间；
将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息；
确定当前累计迭代次数对应的目标氏族确定方式；
基于所述目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族；
确定当前目标氏族对应的当前适应度差值信息；
在当前累计迭代次数和当前适应度差值信息不满足预设条件的情况下，根据多个当前大象氏族信息，对多组当前路径点集的位置进行更新，得到更新后的多组当前路径点集；返回至所述将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息步骤，直至当前累计迭代次数和当前适应度差值信息满足所述预设条件，基于当前目标氏族，从多组当前路径点集中筛选出一组路径点集作为目标路径点集；
根据所述起点、所述目标点以及所述目标路径点集，确定目标路径。
可选的，所述确定当前累计迭代次数对应的目标氏族确定方式，包括：
在当前累计迭代次数小于第一预设次数的情况下，所述目标氏族确定方式为第一确定方式；
在当前累计迭代次数大于或等于所述第一预设次数的情况下，所述目标氏族确定方式为第二确定方式。
可选的，当前目标氏族包括第一当前目标氏族和第二当前目标氏族；
所述基于所述目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族，包括：
在所述目标氏族确定方式为所述第一确定方式的情况下，基于目标氏族数学模型和多个当前大象氏族信息，确定第一当前目标氏族；
在所述目标氏族确定方式为所述第二确定方式的情况下，根据所述起点的位置、所述目标点的位置和多个当前大象氏族信息，获得多个当前大象氏族信息各自的适应度信息；
基于多个当前大象氏族信息各自的适应度信息，确定第二当前目标氏族。
可选的，所述当前路径点集包括第一当前路径点集；
所述在当前适应度差值信息和当前累计迭代次数不满足预设条件的情况下，根据多个当前大象氏族信息，对当前路径点集的位置进行更新，得到更新后的多组当前路径点集，包括：
根据多个当前大象氏族信息，确定第一当前路径点集；
对第一当前路径点集进行位置重新确定处理，得到重新确定后的第一当前路径点集；
根据当前目标氏族，对多组当前路径点集中除第一当前路径点集外的路径点集进行更新，得到更新后的多组第二当前路径点集；
基于第一当前路径点集和多组第二当前路径点集，得到更新后的多组当前路径点集。
可选的，所述确定当前目标氏族对应的当前适应度差值信息，包括：
获取历史适应度信息和当前目标氏族对应的适应度信息；
基于所述历史适应度信息和当前目标氏族对应的适应度信息，获得当前适应度差值信息。
可选的，所述获取待规划区域的三维模型以及对应的三维模型信息，包括：
获取目标对象的医学影像信息；
根据所述医学影像信息，获得所述医学影像信息对应的三维模型；
基于所述医学影像信息对应的三维模型，进行分割处理，获得所述待规划区域的三维模型；
根据所述待规划区域的三维模型，获得所述三维模型信息。
可选的，所述基于所述三维模型信息，确定所述三维模型中的起点、目标点和多组当前路径点集，包括：
基于所述三维模型信息，确定所述起点和所述目标点；
基于所述起点和所述目标点，确定所述三维模型的中心线，所述中心线的两端分别为所述起点和所述目标点；
筛选位于所述中心线的多组点集，并将所述多组点集作为多组当前路径点集。
另一方面，本发明还提供了一种路径规划装置，所述装置包括：
信息获取模块，用于获取待规划区域的三维模型以及对应的三维模型信息；
路径点集确定模块，用于基于所述三维模型信息，确定所述三维模型中的起点、目标点和多组当前路径点集，所述多组当前路径点集位于所述起点和所述目标点之间；
氏族信息获取模块，用于将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息；
方式确定模块，用于确定当前累计迭代次数对应的目标氏族确定方式；
目标氏族确定模块，用于基于所述目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族；
差值信息获取模块，用于确定当前目标氏族对应的当前适应度差值信息；
执行模块，用于在当前累计迭代次数和当前适应度差值信息不满足预设条件的情况下，根据多个当前大象氏族信息，对多组当前路径点集的位置进行更新，得到更新后的多组当前路径点集；返回至所述将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息步骤，直至当前累计迭代次数和当前适应度差值信息满足所述预设条件，基于当前目标氏族，从多组当前路径点集中筛选出一组路径点集作为目标路径点集；
目标路径确定模块，用于根据所述起点、所述目标点以及所述目标路径点集，确定目标路径。
另一方面，本发明提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述路径规划方法。
另一方面，本发明提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述的路径规划方法。
本发明提供的一种路径规划方法、装置、电子设备及存储介质，通过对当前路径点集进行更新和迭代以对当前路径点集进行优化，进而得到优化后的目标路径，在保证路径规划精度的前提下，能够更加快速地得到距离较短且无碰撞的目标路径，便于手术中参考目标路径操作内窥镜抵达病灶区域。
附图说明
为了更清楚地说明本发明的技术方案，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的介绍。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，还能够根据这些附图获得其它附图。
图1为本发明实施例提供的一种路径规划方法的流程图。
图2为本发明实施例提供的一种确定当前累计迭代次数对应的目标氏族确定方式的方法流程图。
图3为本发明实施例提供的一种基于所述目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族的方法流程图。
图4为本发明实施例提供的一种在当前适应度差值信息和当前累计迭代次数不满足预设条件的情况下，根据多个当前大象氏族信息，对当前路径点集的位置进行更新，得到更新后的多组当前路径点集的方法流程图。
图5为本发明实施例提供的一种确定当前目标氏族对应的当前适应度差值信息的方法流程图。
图6为本发明实施例提供的一种获取待规划区域的三维模型以及对应的三维模型信息的方法流程图。
图7为本发明实施例提供的一种基于所述三维模型信息，确定所述三维模型中的起点、目标点和多组当前路径点集的方法流程图。
图8为本发明实施例提供的一种路径规划装置的结构框图。
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的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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，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。
首先介绍本发明的路径规划方法的实施例，图1是本发明实施例提供的一种路径规划方法的流程图。本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
如图1所示，本实施例提供了一种路径规划方法，该方法包括：
S101.获取待规划区域的三维模型以及对应的三维模型信息。
其中，待规划区域可以是指手术操作区域。三维模型可以是待规划区域的结构体表示，三维模型可以包括病灶点。三维模型信息可以是三维模型的相关数据，三维模型信息可以包括模型中三个维度各自的上界和下界、三维模型的类型以及病灶点的位置。
在实际应用中，可以通过三维建模软件构建待规划区域的模型，得到待规划区域的三维模型及对应的三维模型信息。
S102.基于三维模型信息，确定三维模型中的起点、目标点和多组当前路径点集，多组当前路径点集位于起点和目标点之间。
其中，多组当前路径点集中每一组当前路径点集均可以用于构建起点至目标点之间的一条路径。每组当前路径点集中的路径点可以均匀分布在起点和目标点之间。
在实际应用中，可以将病灶点作为目标点。可以根据三维模型的类型或结构选取起点，例如，在三维模型为腔道结构的情况下，可以选取腔道的其中一端作为起点。进一步地，可以基于起点和目标点在三维模型中的位置，可以选出多组均匀分布于起点和目标点之间的散点集作为多组当前路径点集。
S103.将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息。
其中，每个大象氏族对应的当前大象氏族信息可以是该大象氏族的属性信息，例如大象氏族中每个大象个体的位置信息。
在实际应用中，通过将每组当前路径点集中的路径点分别作为大象个体，可以得到每组当前路径点集的位置，从而得到与多组当前路径点集对应的多个当前大象氏族信息。
S104.确定当前累计迭代次数对应的目标氏族确定方式。
其中，当前累计迭代次数可以是重复反馈过程的活动次数。目标氏族确定方式可以用于指示本次迭代确定目标氏族所采取的方式。目标氏族确定方式可以包括第一确定方式和第二确定方式。具体地，第一确定方式可以是指通过氏族中心数学模型得到氏族中心的位置，进而根据氏族中心确定目标氏族的位置的确定方式。第二确定方式可以是指通过多个当前大象氏族各自对应的适应度信息，获得目标氏族的确定方式。
在一个示例中，当前累计迭代次数与目标氏族确定方式的对应关系可以如表1：
表1
实际应用中，可以获取当前累计迭代次数；进而可以利用当前累计迭代次数在表1中通过查表的方式得到本次迭代所采用的目标氏族确定方式。另外，在每次由S107返回至S103时，当前累计迭代次数可以相应的增加一次。
S105.基于目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族。
其中，当前目标氏族可以是指在多个当前大象氏族中的最优氏族。
在实际应用中，在目标氏族确定方式为第一确定方式的情况下，可以通过氏族中心数学模型得到氏族中心的位置，进而根据氏族中心确定目标氏族；在目标氏族确定方式为第二确定方式的情况下，可以根据多个当前大象氏族信息各自的适应度值确定当前目标氏族。
S106.确定当前目标氏族对应的当前适应度差值信息。
其中，适应度差值信息可以表征多个当前大象氏族在更新前后的优化程度差异。适应度差值信息可以是本次迭代过程中当前目标氏族的适应度值与上一次迭代过程中的(即更新前的)当前目标氏族的适应度值的差值。
在实际应用中，根据上一次迭代中多个当前大象氏族的当前目标氏族对应的适应度信息和本次迭代的多个当前大象氏族的当前目标氏族对应的适应度信息，可以得到适应度差值信息。
S107.在当前累计迭代次数和当前适应度差值信息不满足预设条件的情况下，根据多个当前大象氏族信息，对多组当前路径点集的位置进行更新，得到更新后的多组当前路径点集；返回至将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息步骤，直至当前累计迭代次数和当前适应度差值信息满足预设条件，基于当前目标氏族，从多组当前路径点集中筛选出一组路径点集作为目标路径点集。
其中，目标路径点集可以用于构成目标路径。目标路径可以是指在待规划区域中由起点至目标点的优化路径。预设条件可以是适应度差值信息小于第二预设阈值信息，或迭代次数大于或等于第三预设阈值信息。
在实际应用中，会对当前路径点集的位置进行至少一次更新，在位置更新后，更新前当前路径点集的位置信息可以被更新后的位置信息覆盖。
假设将大象种群分成N个氏族，每个氏族都有j个大象个体，每次迭代中，氏族中每个大象j的位置都会随着种群中目标氏族cbest(适应度最优的氏族对应的一组个体位置xc-best,j)中个体的位置一一对应进行优化移动，数学模型为：
xnew,ci,j＝xci,j+α(xc-best,j-xci,j)γ
其中，xnew,ci,j是大象个体更新后的位置；xci,j是大象个体上一代的位置；xc-best,j为种群中目标优氏族中的个体j的位置；α是[0,1]之间的随机数，代表氏族中目标氏族对大象个体影响的比例因子；γ是[0,1]之间的随机数，用来提高种群多样性。
经过多次迭代直至当前累计迭代次数和当前适应度差值信息满足预设条件的情况下，可以基于当前目标氏族，将适应度信息最优的氏族(即当前目标氏族)对应的当前路径点集作为目标路径点集。
S108.根据起点、目标点以及目标路径点集，确定目标路径。
其中，目标路径可以是指在三维模型中由起点至目标点的优化路径。每一组当前路径点均可以组成一条路径，组成的路径可以是多种形式，例如，直线形式、曲线形式或折线形式，本公开不作限定。进一步地，目标路径的两端的端点分别为起点和目标点。
在实际应用中，根据起点、目标点以及目标路径点集，可以直接将起点、目标点和目标路径点集按照空间位置依次连接起来，得到目标路径；也可以通过拟合处理得到目标路径。例如，目标路径点集可以包括多个目标路径点，将起点、目标点分别作为两端端点，目标路径点集的多个目标路径点作为起点和目标点之间的中间点，通过常用的拟合方法，可以将上述点集用一条光滑的曲线连接起来。常用的拟合方法有如最小二乘曲线拟合法等，本公开不作限定。
通过对当前路径点集进行更新和迭代以对当前路径点集进行优化，进而得到优化后的目标路径，在保证路径规划精度的前提下，能够更加快速地得到距离较短且无碰撞的目标路径，便于手术中参考目标路径操作内窥镜抵达病灶区域。
图2为本发明实施例提供的一种确定当前累计迭代次数对应的目标氏族确定方式的方法流程图。在一个可能的实施方式中，如图2所示，上述S104步骤，可以包括：
S201.在当前累计迭代次数小于第一预设次数的情况下，目标氏族确定方式为第一确定方式。
其中，第一预设次数可以是1。可以理解的是，在当前累计迭代次数小于1的情况下，即未开始迭代过程，目标氏族确定方式采用第一确定方式。
S202.在当前累计迭代次数大于或等于第一预设次数的情况下，目标氏族确定方式为第二确定方式。
图3为本发明实施例提供的一种基于目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族的方法流程图。在一个可能的实施方式中，当前目标氏族包括第一当前目标氏族和第二当前目标氏族，如图3所示，上述S105步骤，可以包括：
S301.在目标氏族确定方式为第一确定方式的情况下，基于目标氏族数学模型和多个当前大象氏族信息，确定第一当前目标氏族。
其中，xcenter,ci,j为氏族中心，目标氏族数学模型可以为：
式中，1≤d≤D代表第d维；D是搜索空间的总维数；N是氏族数量。
S302.在目标氏族确定方式为第二确定方式的情况下，根据起点的位置、目标点的位置和多个当前大象氏族信息，获得多个当前大象氏族信息各自的适应度信息。
其中，适应度信息是指在某种环境条件下，某已知基因型的个体将其基因传递到其后代基因库中的相对能力，是衡量个体存活和生殖机会的尺度。遗传算法评价一个解的好坏不是取决于它的解的结构，而是取决于该解的适应度值，这正体现了遗传算法“优胜劣汰”的特点。
在实际应用中，每个当前大象氏族对应的适应度信息可以根据适应度函数得到。具体地，适应度函数的构建方法如下所示：
若路径包含n个点，相邻两点的距离记为dk,k+1(k∈1,2,...,n-1)那么每个氏族中大象j的适应度函数为：
其中，
具体地，有无碰撞的判断方式如下：
以点k和k+1间的连线为长，内窥镜直径的1.5倍为边做长方体型结构体，将该长方体型三维结构和下消化道三维结构做包围盒碰撞检测，将检测结果作为有无碰撞的依据。可以理解的是，适应度函数的值越小表明大象j越优。
S303.基于多个当前大象氏族信息各自的适应度信息，确定第二当前目标氏族。
在实际应用中，可以选取适应度信息最小的当前大象氏族作为当前目标氏族。
图4为本发明实施例提供的一种在当前适应度差值信息和当前累计迭代次数不满足预设条件的情况下，根据多个当前大象氏族信息，对当前路径点集的位置进行更新，得到更新后的多组当前路径点集的方法流程图。在一个可能的实施方式中，当前路径点集包括第一当前路径点集，如图4所示，上述S107步骤可以包括：
S401.根据多个当前大象氏族信息，确定第一当前路径点集。
其中，第一当前路径点集可以是指多个当前大象氏族中适应度信息最差的大象氏族对应的路径点集。
在实际应用中，可以选取适应度信息最大的当前大象氏族对应的路径点集作为第一当前路径点集。
S402.对第一当前路径点集进行位置重新确定处理，得到重新确定后的第一当前路径点集。
在实际应用中，对于每次迭代中适应度最差的大象氏族中的全部大象个体重新制定初始位置，数学模型为：
xc-worst,j＝random(xcenterline)
上式可以表示重新定制的初始位置为在下消化道结构中心线上的随机位置。
S403.根据当前目标氏族，对多组当前路径点集中除第一当前路径点集外的路径点集进行更新，得到更新后的多组第二当前路径点集。
在实际应用中，对多组当前路径点集中除第一当前路径点集外的路径点集的更新方式可以参照上述S107步骤中对多组当前路径点集的位置的更新方式。
S404.基于第一当前路径点集和多组第二当前路径点集，得到更新后的多组当前路径点集。
在实际应用中，将重新制定初始位置的第一当前路径点集和更新位置后的多组第二当前路径点集进行合并处理，得到的多组路径点集即为更新后的多组当前路径点集。
通过对适应度信息最差的大象氏族中的全部大象个体重新制定初始位置，以增加搜索性能。
图5为本发明实施例提供的一种确定当前目标氏族对应的当前适应度差值信息的方法流程图。在一个可能的实施方式中，如图5所示，上述S106步骤可以包括：
S501.获取历史适应度信息和当前目标氏族对应的适应度信息。
其中，历史适应度信息可以是最近一次更新前多个大象氏族中目标氏族对应的适应度信息。
在实际应用中，可以在确定需要对当前路径点集更新后，在对当前路径点更新之前，利用当前目标氏族对应的适应度信息对历史适应度信息原始数据覆盖，即，将当前目标氏族对应的适应度信息存储为历史适应度信息。
S502.基于历史适应度信息和当前目标氏族对应的适应度信息，获得当前适应度差值信息。
在实际应用中，通过对历史适应度信息和当前目标氏族对应的适应度信息进行差值处理，可以得到适应度差值信息。
图6为本发明实施例提供的一种获取待规划区域的三维模型以及对应的三维模型信息的方法流程图。在一个可能的实施方式中，如图6所示，上述S101步骤，可以包括：
S601.获取目标对象的医学影像信息。
其中，目标对象可以是指体内器官具有腔道的生物，具体地例如人。医学影像信息可以是为了医疗或医学研究，对目标对象或目标对象某部分，以非侵入方式取得其部分的影像信息。医学影像信息可以包括CT图像信息和核磁共振图像信息。
在实际应用中，通过医学影像设备对目标对象进行影像采集，可以得到目标对象的医学影像信息。
S602.根据医学影像信息，获得医学影像信息对应的三维模型。
在实际应用中，可以通过使用建模算法或软件，基于医学影像信息，进行建模，得到医学影像信息对应的三维模型。
S603.基于医学影像信息对应的三维模型，进行分割处理，获得待规划区域的三维模型。
其中，可以通过分割处理得到待规划区域的三维模型。进一步地，可以是利用传统图像算法，如阈值分割、膨胀腐蚀等算法，也可以是利用各种深度学习算法，如3D-Unet、NiftyNet、3D V-Net等。
S604.根据待规划区域的三维模型，获得三维模型信息。
在实际应用中，通过对待规划区域的三维模型选定坐标原点后，可以得到三维模型中各点基于该坐标原点的位置。
通过基于医学影像信息进行三维建模，并分割处理得到待规划区域的三维模型，可以使最终优化得到的目标路径更加贴合目标对象的实际情况。
图7为本发明实施例提供的基于三维模型信息，确定三维模型中的起点、目标点和多组当前路径点集的方法流程图。在一个可能的实施方式中，如图7所示，上述S102步骤，可以包括：
S701.基于三维模型信息，确定起点和目标点。
在实际应用中，可以将病灶点作为目标点；可以根据三维模型的类型或结构选取起点。
S702.基于起点和目标点，确定三维模型的中心线，中心线的两端分别为起点和目标点。
其中，中心线可以是贯穿于三维模型中的，且中心线上的点与三维模型横截面的中心相重合；中心线的两端点分别为起点和目标点。
在实际应用中，可以根据三维模型信息，得到三维模型多个横截面的中心位置，并将多个横截面的中心位置连起来以得到中心线。可以理解的是，横截面选取的越多，中心线的精确程度越高。
S703.筛选位于中心线的多组点集，并将多组点集作为多组当前路径点集。
在实际应用中，可以基于中心线上点的位置信息，随机筛选出多组j个点作为多组点集。
通过将待规划区域中心线作为初始位置进行算法优化，可以提高算法搜寻全局最优解的能力。
图8为本发明实施例提供的一种路径规划装置的结构框图。另一方面，如图8所示，本发明实施例还提供了一种路径规划装置，可以包括：
信息获取模块10，用于获取待规划区域的三维模型以及对应的三维模型信息；
路径点集确定模块20，用于基于所述三维模型信息，确定所述三维模型中的起点、目标点和多组当前路径点集，所述多组当前路径点集位于所述起点和所述目标点之间；
氏族信息获取模块30，用于将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息；
方式确定模块40，用于确定当前累计迭代次数对应的目标氏族确定方式；
目标氏族确定模块50，用于基于所述目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族；
差值信息获取模块60，用于确定当前目标氏族对应的当前适应度差值信息；
执行模块70，用于在当前累计迭代次数和当前适应度差值信息不满足预设条件的情况下，根据多个当前大象氏族信息，对多组当前路径点集的位置进行更新，得到更新后的多组当前路径点集；返回至所述将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息步骤，直至当前累计迭代次数和当前适应度差值信息满足所述预设条件，基于当前目标氏族，从多组当前路径点集中筛选出一组路径点集作为目标路径点集；
目标路径确定模块80，用于根据所述起点、所述目标点以及所述目标路径点集，确定目标路径。
在本实施例中，还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行上述路径规划方法。
在本实施例中，还提供了一种存储介质，当该存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行本申请实施例中的路径规划方法。
要说明的是，对于前述的各方法实施例，为了简便描述，将其都表述为二系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。同样地，上述路径规划装置的各模块是指计算机程序或者程序段，用于执行某一项或多项特定的功能，此外，上述各模块的区分并不代表实际的程序代码也必须是分开的。此外，还可对上述实施例进行任意组合，得到其他的实施例。
在上述实施例中，对各实施例的描述都各有侧重，某各实施例中没有详述的部分，可以参见其它实施例的相关描述。本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是，熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地，本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (10)
1.一种路径规划方法，其特征在于，所述方法包括：
获取待规划区域的三维模型以及对应的三维模型信息；
基于所述三维模型信息，确定所述三维模型中的起点、目标点和多组当前路径点集，所述多组当前路径点集位于所述起点和所述目标点之间；
将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息；
确定当前累计迭代次数对应的目标氏族确定方式；
基于所述目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族；
确定当前目标氏族对应的当前适应度差值信息；
在当前累计迭代次数和当前适应度差值信息不满足预设条件的情况下，根据多个当前大象氏族信息，对多组当前路径点集的位置进行更新，得到更新后的多组当前路径点集；返回至所述将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息步骤，直至当前累计迭代次数和当前适应度差值信息满足所述预设条件，基于当前目标氏族，从多组当前路径点集中筛选出一组路径点集作为目标路径点集；
根据所述起点、所述目标点以及所述目标路径点集，确定目标路径。
2.根据权利要求1所述的方法，其特征在于，所述确定当前累计迭代次数对应的目标氏族确定方式，包括：
在当前累计迭代次数小于第一预设次数的情况下，所述目标氏族确定方式为第一确定方式；
在当前累计迭代次数大于或等于所述第一预设次数的情况下，所述目标氏族确定方式为第二确定方式。
3.根据权利要求2所述的方法，其特征在于，当前目标氏族包括第一当前目标氏族和第二当前目标氏族；
所述基于所述目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族，包括：
在所述目标氏族确定方式为所述第一确定方式的情况下，基于目标氏族数学模型和多个当前大象氏族信息，确定第一当前目标氏族；
在所述目标氏族确定方式为所述第二确定方式的情况下，根据所述起点的位置、所述目标点的位置和多个当前大象氏族信息，获得多个当前大象氏族信息各自的适应度信息；
基于多个当前大象氏族信息各自的适应度信息，确定第二当前目标氏族。
4.根据权利要求1所述的方法，其特征在于，所述当前路径点集包括第一当前路径点集；
所述在当前适应度差值信息和当前累计迭代次数不满足预设条件的情况下，根据多个当前大象氏族信息，对当前路径点集的位置进行更新，得到更新后的多组当前路径点集，包括：
根据多个当前大象氏族信息，确定第一当前路径点集；
对第一当前路径点集进行位置重新确定处理，得到重新确定后的第一当前路径点集；
根据当前目标氏族，对多组当前路径点集中除第一当前路径点集外的路径点集进行更新，得到更新后的多组第二当前路径点集；
基于第一当前路径点集和多组第二当前路径点集，得到更新后的多组当前路径点集。
5.根据权利要求1所述的方法，其特征在于，所述确定当前目标氏族对应的当前适应度差值信息，包括：
获取历史适应度信息和当前目标氏族对应的适应度信息；
基于所述历史适应度信息和当前目标氏族对应的适应度信息，获得当前适应度差值信息。
6.根据权利要求1所述的方法，其特征在于，所述获取待规划区域的三维模型以及对应的三维模型信息，包括：
获取目标对象的医学影像信息；
根据所述医学影像信息，获得所述医学影像信息对应的三维模型；
基于所述医学影像信息对应的三维模型，进行分割处理，获得所述待规划区域的三维模型；
根据所述待规划区域的三维模型，获得所述三维模型信息。
7.根据权利要求1所述的方法，其特征在于，所述基于所述三维模型信息，确定所述三维模型中的起点、目标点和多组当前路径点集，包括：
基于所述三维模型信息，确定所述起点和所述目标点；
基于所述起点和所述目标点，确定所述三维模型的中心线，所述中心线的两端分别为所述起点和所述目标点；
筛选位于所述中心线的多组点集，并将所述多组点集作为多组当前路径点集。
8.一种路径规划装置，其特征在于，所述装置包括：
信息获取模块，用于获取待规划区域的三维模型以及对应的三维模型信息；
路径点集确定模块，用于基于所述三维模型信息，确定所述三维模型中的起点、目标点和多组当前路径点集，所述多组当前路径点集位于所述起点和所述目标点之间；
氏族信息获取模块，用于将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息；
方式确定模块，用于确定当前累计迭代次数对应的目标氏族确定方式；
目标氏族确定模块，用于基于所述目标氏族确定方式，确定多个当前大象氏族信息对应的当前目标氏族；
差值信息获取模块，用于确定当前目标氏族对应的当前适应度差值信息；
执行模块，用于在当前累计迭代次数和当前适应度差值信息不满足预设条件的情况下，根据多个当前大象氏族信息，对多组当前路径点集的位置进行更新，得到更新后的多组当前路径点集；返回至所述将当前路径点集中的路径点作为大象个体，获取与多组当前路径点集对应的多个当前大象氏族信息步骤，直至当前累计迭代次数和当前适应度差值信息满足所述预设条件，基于当前目标氏族，从多组当前路径点集中筛选出一组路径点集作为目标路径点集；
目标路径确定模块，用于根据所述起点、所述目标点以及所述目标路径点集，确定目标路径。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令以实现权利要求1至7中任意一项所述的路径规划方法。
10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111080466.3A CN114010310B (zh) | 2021-09-15 | 2021-09-15 | 一种路径规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111080466.3A CN114010310B (zh) | 2021-09-15 | 2021-09-15 | 一种路径规划方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114010310A true CN114010310A (zh) | 2022-02-08 |
| CN114010310B CN114010310B (zh) | 2023-10-13 |
Family
ID=80054168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111080466.3A Active CN114010310B (zh) | 2021-09-15 | 2021-09-15 | 一种路径规划方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114010310B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024032570A1 (zh) * | 2022-08-08 | 2024-02-15 | 武汉联影智融医疗科技有限公司 | 一种介入规划系统、方法、装置和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109737967A (zh) * | 2019-02-28 | 2019-05-10 | 中国科学院深圳先进技术研究院 | 无人机路径规划方法、装置、存储介质及计算机设备 |
| CN110549339A (zh) * | 2019-09-11 | 2019-12-10 | 上海软中信息系统咨询有限公司 | 一种导航方法、装置、导航机器人和存储介质 |
| CN111428919A (zh) * | 2020-03-17 | 2020-07-17 | 深圳先进技术研究院 | 路径规划方法、装置、电子设备及存储介质 |
| CN112595337A (zh) * | 2020-12-01 | 2021-04-02 | 苏州欧菲光科技有限公司 | 避障路径规划方法、装置、电子装置、车辆及存储介质 |
| US20210178590A1 (en) * | 2019-12-13 | 2021-06-17 | Edda Technology, Inc. | Fast method for robot path planning with obstacle avoidance |
-
2021
- 2021-09-15 CN CN202111080466.3A patent/CN114010310B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109737967A (zh) * | 2019-02-28 | 2019-05-10 | 中国科学院深圳先进技术研究院 | 无人机路径规划方法、装置、存储介质及计算机设备 |
| CN110549339A (zh) * | 2019-09-11 | 2019-12-10 | 上海软中信息系统咨询有限公司 | 一种导航方法、装置、导航机器人和存储介质 |
| US20210178590A1 (en) * | 2019-12-13 | 2021-06-17 | Edda Technology, Inc. | Fast method for robot path planning with obstacle avoidance |
| CN111428919A (zh) * | 2020-03-17 | 2020-07-17 | 深圳先进技术研究院 | 路径规划方法、装置、电子设备及存储介质 |
| CN112595337A (zh) * | 2020-12-01 | 2021-04-02 | 苏州欧菲光科技有限公司 | 避障路径规划方法、装置、电子装置、车辆及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024032570A1 (zh) * | 2022-08-08 | 2024-02-15 | 武汉联影智融医疗科技有限公司 | 一种介入规划系统、方法、装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114010310B (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111340819B (zh) | 图像分割方法、装置和存储介质 | |
| KR101875468B1 (ko) | 질환 모델 기반의 의료 정보 서비스 제공 방법 및 장치 | |
| KR101930905B1 (ko) | 의료영상의 영역 분리 방법 및 그 장치 | |
| CN106651895B (zh) | 一种分割三维图像的方法和装置 | |
| US20200327721A1 (en) | Autonomous level identification of anatomical bony structures on 3d medical imagery | |
| WO2007058993A2 (en) | Surface-based characteristic path generation | |
| CN106600609A (zh) | 一种医学图像中脊柱的分割方法及系统 | |
| CN111281430B (zh) | 超声成像方法、设备及可读存储介质 | |
| CN111640100A (zh) | 肿瘤图像的处理方法和装置、电子设备、存储介质 | |
| JP2011024799A (ja) | 医用画像処理装置および方法並びにプログラム | |
| CN111161241B (zh) | 一种肝脏图像识别方法、电子设备及存储介质 | |
| JP2007537811A (ja) | 結節の検出方法 | |
| CN115036002A (zh) | 一种基于多模态融合模型的治疗效果预测方法及终端设备 | |
| Chen et al. | Tree-branch-searching multiresolution approach to skeletonization for virtual endoscopy | |
| KR20210104190A (ko) | 수술 분석 장치, 수술영상 분석 및 인식 시스템, 방법 및 프로그램 | |
| CN114010310A (zh) | 一种路径规划方法、装置、电子设备及存储介质 | |
| CN108694007B (zh) | 从磁共振图像展开肋骨 | |
| CN107204045A (zh) | 基于ct图像的虚拟内窥镜系统 | |
| CN107845106B (zh) | 利用改进的nndr策略的医学图像配准方法 | |
| CN104574364A (zh) | 结肠图像分割方法及装置 | |
| CN112381779A (zh) | 肺癌tnm分期获取方法、装置及显示方法 | |
| CN116778138A (zh) | 一种肺结节定位系统 | |
| CN115399874A (zh) | 椎弓根螺钉的最优植入路径规划方法、装置及电子设备 | |
| Chae et al. | Medical image segmentation for mobile electronic patient charts using numerical modeling of IoT | |
| CN114022538A (zh) | 一种内窥镜的路径规划方法、装置、终端及存储介质 |
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 |