CN114305690B - 一种手术导航定位方法及装置 - Google Patents
一种手术导航定位方法及装置 Download PDFInfo
- Publication number
- CN114305690B CN114305690B CN202111677816.4A CN202111677816A CN114305690B CN 114305690 B CN114305690 B CN 114305690B CN 202111677816 A CN202111677816 A CN 202111677816A CN 114305690 B CN114305690 B CN 114305690B
- Authority
- CN
- China
- Prior art keywords
- target
- surgical
- focus
- type
- navigation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000008569 process Effects 0.000 claims abstract description 34
- 230000003902 lesion Effects 0.000 claims description 51
- 238000012549 training Methods 0.000 claims description 45
- 238000001514 detection method Methods 0.000 claims description 32
- 238000001356 surgical procedure Methods 0.000 claims description 30
- 238000013145 classification model Methods 0.000 claims description 27
- 238000013527 convolutional neural network Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 13
- 210000000988 bone and bone Anatomy 0.000 description 7
- 210000003127 knee Anatomy 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 210000000629 knee joint Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000000399 orthopedic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 206010016454 Femur fracture Diseases 0.000 description 1
- 208000010300 Genu Varum Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010062061 Knee deformity Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 241001227561 Valgus Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000002436 femur neck Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 210000002303 tibia Anatomy 0.000 description 1
- 206010043827 tibia fracture Diseases 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Abstract
本发明实施例提供了一种手术导航定位方法及装置，涉及数据处理技术领域。具体实现方案为：根据手术对象的CT数据确定所述手术对象的目标病灶位置；根据所述目标病灶位置，确定目标病灶类型；根据所述目标病灶类型，确定目标手术类型；根据所述目标手术类型，选择设置导航路径的目标导航定位方式，并确定实施手术的目标手术器械；采用所述目标导航定位方式，设置所述目标手术器械在手术过程中的导航路径；控制所述目标手术器械沿所述导航路径进行导航定位。应用本发明实施例提供的手术导航定位方案，能够提高手术导航定位的准确性。
Description
技术领域
本发明涉及数据处理技术领域，特别是涉及一种手术导航定位方法及装置。
背景技术
医生在使用手术器械对手术对象实施手术之前，为保证手术的精准度，一般会依据手术对象的CT数据等检查数据，人为地确定手术器械在手术过程中的导航路径，然后在手术过程中手术器械按照上述导航路径进行导航定位，完成手术。
然而受医生经验等因素的影响，医生人为确定的导航路径可能会存在准确度低的问题，从而易导致手术器械按照导航路径进行导航定位时出现偏差。
发明内容
本发明实施例的目的在于提供一种手术导航定位方法及装置，以提高手术导航定位的准确性。具体技术方案如下：
本发明实施例提供了一种手术导航定位方法，所述方法包括：
根据手术对象的CT数据确定所述手术对象的目标病灶位置；
根据所述目标病灶位置，确定目标病灶类型；
根据所述目标病灶类型，确定目标手术类型；
根据所述目标手术类型，选择设置导航路径的目标导航定位方式，并确定实施手术的目标手术器械；
采用所述目标导航定位方式，设置所述目标手术器械在手术过程中的导航路径；
控制所述目标手术器械沿所述导航路径进行导航定位。
可选的，所述根据手术对象的CT数据确定所述手术对象的目标病灶位置，包括：
使用预先训练的检测模型对手术对象的CT数据进行病灶区域检测，得到所述手术对象的目标病灶位置；其中，所述检测模型为：采用带有病灶位置标注信息的样本CT数据训练预设的网络模型后，得到的用于检测病灶区域的模型。
可选的，所述根据所述目标病灶位置，确定目标病灶类型，包括：
将所述目标病灶位置输入预先训练的分类模型，获得所述分类模型根据所述目标病灶位置对病灶区域进行分类后输出的目标病灶类型；其中，所述分类模型为：采用带有病灶类型标注信息的样本病灶位置训练预设的卷积神经网络模型后，得到的用于对病灶区域进行分类的模型。
可选的，所述根据所述目标病灶类型，确定目标手术类型，包括：
查询所述目标病灶类型对应的手术方案；
将所述手术方案中记录的手术类型确定为所述目标手术类型。
可选的，所述采用所述目标导航定位方式，设置所述目标手术器械在手术过程中的导航路径，包括：
获得所述目标导航定位方式对应的路径配置参数；
获得目标图像采集设备根据所述目标病灶位置采集的病灶图像，其中，所述目标图像采集设备为：所述目标病灶类型对应的预设图像采集设备；
对所述病灶图像进行图像配准；
根据图像配准的结果、所述目标病灶位置和所述路径配置参数，采用所述目标导航定位方式设置所述目标手术器械在手术过程中的导航路径。
可选的，所述根据图像配准的结果、所述目标病灶位置和所述路径配置参数，采用所述目标导航定位方式设置所述目标手术器械在手术过程中的导航路径，包括：
根据所述目标病灶位置，从图像配准的结果中获得手术起点和手术终点；
使用所述路径配置参数配置所述目标导航定位方式；
基于配置后的目标导航定位方式，设置所述目标手术器械在手术过程中从所述手术起点到所述手术终点的导航路径。
本发明实施例还提供了一种手术导航定位装置，所述装置包括：
病灶位置确定模块，用于根据手术对象的CT数据确定所述手术对象的目标病灶位置；
病灶类型确定模块，用于根据所述目标病灶位置，确定目标病灶类型；
手术类型确定模块，用于根据所述目标病灶类型，确定目标手术类型；
导航配置模块，用于根据所述目标手术类型，选择设置导航路径的目标导航定位方式，并确定实施手术的目标手术器械；
导航路径设置模块，用于采用所述目标导航定位方式，设置所述目标手术器械在手术过程中的导航路径；
导航定位模块，用于控制所述目标手术器械沿所述导航路径进行导航定位。
可选的，所述病灶位置确定模块，具体用于使用预先训练的检测模型对手术对象的CT数据进行病灶区域检测，得到所述手术对象的目标病灶位置；其中，所述检测模型为：采用带有病灶位置标注信息的样本CT数据训练预设的网络模型后，得到的用于检测病灶区域的模型。
可选的，所述病灶类型确定模块，具体用于将所述目标病灶位置输入预先训练的分类模型，获得所述分类模型根据所述目标病灶位置对病灶区域进行分类后输出的目标病灶类型；其中，所述分类模型为：采用带有病灶类型标注信息的样本病灶位置训练预设的卷积神经网络模型后，得到的用于对病灶区域进行分类的模型。
可选的，所述手术类型确定模块，具体用于查询所述目标病灶类型对应的手术方案；将所述手术方案中记录的手术类型确定为所述目标手术类型。
可选的，所述导航路径设置模块，包括：
参数获取子模块，用于获得所述目标导航定位方式对应的路径配置参数；
图像采集子模块，用于获得目标图像采集设备根据所述目标病灶位置采集的病灶图像，其中，所述目标图像采集设备为：所述目标病灶类型对应的预设图像采集设备；
图像配准子模块，用于对所述病灶图像进行图像配准；
导航路径设置子模块，用于根据图像配准的结果、所述目标病灶位置和所述路径配置参数，采用所述目标导航定位方式设置所述目标手术器械在手术过程中的导航路径。
可选的，所述导航路径设置子模块，具体用于根据所述目标病灶位置，从图像配准的结果中获得手术起点和手术终点；使用所述路径配置参数配置所述目标导航定位方式；基于配置后的目标导航定位方式，设置所述目标手术器械在手术过程中从所述手术起点到所述手术终点的导航路径。
本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一所述的手术导航定位方法步骤。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的手术导航定位方法步骤。
本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的手术导航定位方法。
本发明实施例有益效果：
本发明实施例提供的手术导航定位方案中，根据手术对象的CT数据确定手术对象的目标病灶位置，进而确定目标病灶类型，再根据目标病灶类型确定目标手术类型，并根据目标手术类型选择设置目标导航定位方式和实施手术的手术器械，而后根据目标导航定位方式设置导航路径，并根据上述导航路径完成导航定位，使得导航过程中有明确的、符合手术类型需要的导航路径作为参考，提高了手术导航定位的准确性。
另外，本发明实施例提供的方案中确定导航路径时，不需要人工参与也能得到导航路径，因此，所确定的导航路径不会受到医生经验等其他因素的影响，从而能够提高所确定出导航路径的准确性，进而进一步提高手术导航定位的准确性。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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，还可以根据这些附图获得其他的实施例。
图1a为本发明实施例提供的第一种手术导航定位方法的流程示意图。
图1b为本发明实施例提供的一种CT数据的三维图像示意图。
图2为本发明实施例提供的第二种手术导航定位方法的流程示意图。
图3为本发明实施例提供的第三种手术导航定位方法的流程示意图。
图4为本发明实施例提供的第四种手术导航定位方法的流程示意图。
图5为本发明实施例提供的第五种手术导航定位方法的流程示意图。
图6为本发明实施例提供的第六种手术导航定位方法的流程示意图。
图7为本发明实施例提供的第七种手术导航定位方法的流程示意图。
图8为本发明实施例提供的第一种手术导航定位装置的结构示意图。
图9为本发明实施例提供的第二种手术导航定位装置的结构示意图。
图10为本发明实施例提供的一种电子设备的结构示意图。
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基于本申请所获得的所有其他实施例，都属于本发明保护的范围。
下面先对本发明实施例所提供方案的应用场景进行说明。
本发明实施例提供的方案能够应用于各种手术过程中需要对手术器械进行导航定位的场景。
以骨科手术为例，在进行骨科手术时，手术对象的骨骼可能会存在多处需要修复的部位，但是由于这些部位的位置不同，设置手术导航路径的方式也就会有所不同，这种情况下需要根据不同部位的结构特点，采用不同的方式设置手术器械的导航路径，并根据不同的手术导航路径对手术器械进行导航定位完成手术。
下面通过具体实施例，对本发明实施例提供的手术导航定位方法进行详细说明。
本发明的一个实施例中，参见图1a，提供了第一种手术导航定位方法的流程示意图，该方法包括以下步骤S101-S106。
步骤S101：根据手术对象的CT数据确定手术对象的目标病灶位置。
CT数据，即计算机断层成像系统数据。具体的，上述CT数据可以是CT设备通过对目标对象进行扫描，获得的连续的二维数据组，其中，每一个二维数据组表示目标对象的一个切面图像，所有二维数据组的集合表示目标对象的三维图像，这样CT数据可以认为是二维数据组的集合，也可以认为是多个切面图像的集合；上述CT数据还可是CT设备通过对目标对象进行扫描，获得的三维数据组，其中，三维数据组表示目标对象的三维图像。
另外，上述CT数据可以是CT设备对目标对象的整个对象体进行扫描得到的数据，还可以是对目标对象的部分对象体，也就是局部部位进行扫描得到的数据。
下面以上述CT数据为二维数据组这一情况为例，对根据CT数据确定目标病灶位置进行说明。
在本发明的一个实施例中，手术对象的CT数据是使用CT设备对手术对象的目标部位进行扫描获得的数据。这样目标病灶会存在于目标部位的部分或者全部切面图像中，因此，切面图像的二维数据组中包含有目标病灶的数据。在此基础上，可以根据上述二维数据组确定目标病灶的位置，即上述目标病灶位置。目标病灶位置可以用病灶所在区域的边界上点的坐标表示，例如，病灶所在区域为矩形区域，则上述边界上的点可以是左上角顶点和右下角顶点，上述坐标值可以为上述CT数据形成的图像中表示病灶的像素点在二维或者三维坐标系下的值，本发明实施例并不对此进行限定。
下面对确定病灶位置可以采用的实现方式进行说明：
一种实现方式中，根据一个二维数据组确定目标病灶的位置时，可以对二维数据组进行特征提取，然后将所提取的特征与预设的目标部位病灶的特征进行特征匹配，若存在相匹配的特征，则该相匹配特征在二维数据组中的数据为目标病灶的数据，这样可以根据目标病灶的数据在二维数据组中的位置得到目标病灶的位置。确定目标病灶位置的其他方法可以参见下述图2所示实施例中的步骤S101A，这里暂不详述。
另一种实现方式中，因为CT数据可以表示目标对象的三维图像，所以可以根据CT数据，形成关于目标对象的三维图像，使得实施手术的医生可以根据形成的三维图像手动标出病灶位置，作为上述目标病灶位置。
其中，根据CT数据，形成的关于目标对象的三维图像类似图1b所示。图1b中，所形成三维图像依据的CT数据为手术对象的椎弓根数据，可以见到在图1b中展示了手术对象的椎弓根的生理结构。
上述手术对象可以是人、动物等存在手术需求的对象。
步骤S102：根据目标病灶位置，确定目标病灶类型。
本发明的一个实施例中，对象的不同部位具有不同的内部生理特点，例如，有些部位骨骼宽大几乎没有可穿过的缝隙，有些部位骨骼间缝隙较大，有些部位存在大面积可穿过的软组织等，在此基础上，可以依据病灶在对象中的位置确定病灶的类型。例如，若目标病灶位置显示病灶位于目标对象的盆骨区域，则可以确定目标病灶类型为盆骨类型，若目标病灶位置显示病灶位于目标对象的胸腔区域，则可以确定目标病灶类型为胸腔类型等。
在本发明的另一个实施例中，不同的病灶具有不同的特征，因此，病灶类型也可以是根据病灶具有的特征确定的。例如，病灶类型可以是阴影类型、肿瘤类型、斑点类型、红肿类型、炎症类型等。另外，同一类型的病灶在不同的位置又可能具有不同的图像特征，因此，可以结合病灶的位置以及病灶对应的图像特征，确定病灶的类型。具体的，可以根据目标病灶位置确定目标病灶在切面图像中所在的区域，提取病灶所在区域的图像特征，依据上述目标病灶位置以及提取的图像特征，确定目标病灶的类型。
例如，目标病灶位置为膝盖的情况下，若提取病灶所在区域的图像特征为：机械轴线与膝关节中心的机械轴距偏向膝盖内测15mm，其中，机械轴线可以根据股骨头中心点和踝关节中心点的相对位置计算得到。此种情况下，可以依据目标病灶位置和所提取的图像特征确定病灶类型为膝内翻畸形类型；若提取病灶所在区域的图像特征为：机械轴线与膝盖节中心的机械轴距偏向膝盖外测10mm，则可以依据目标病灶位置和所提取的图像特征确定病灶类型为膝外翻畸形类型。
步骤S103：根据目标病灶类型，确定目标手术类型。
一种实现方式中，可以预先设定病灶类型与手术类型的对应关系，这种情况下，可以按照上述预先设定的对应关系以及目标病灶类型，确定目标手术类型。
确定目标手术类型的其他方法可以参见下述图4所示实施例中步骤S103A-S103B，在此不再赘述。
步骤S104：根据目标手术类型，选择设置导航路径的目标导航定位方式，并确定实施手术的目标手术器械。
目标导航定位方式，是给出对目标病灶进行手术的导航路径的方式。
不同的手术类型涉及的手术部位具有的生理结构和相应的手术复杂度、能够接受的手术创口规模不同，在使用导航定位方式设置导航路径时，根据需要考虑的上述条件，对导航路径做出相应的调整。例如，为胫骨骨折内固定术和股骨骨折内固定术这两种手术类型确定导航定位方式时，因为胫骨和股骨的骨骼结构不同，在设置导航路径时，需要根据骨骼的不同结构设置不同弯曲形式的导航路径，以减小手术器械对手术对象骨骼的损伤。因此，可以看出不同的手术类型需要使用的导航定位方式不同，在进行手术导航定位时，需要根据手术类型确定目标导航定位方式。
具体的，导航定位方式可以是一种算法，使用该算法，可以根据病灶位置计算出导航路径。
一种实现方式中，不同的手术类型可以与不同的导航定位算法相对应，这种情况下，确定目标导航方式时，可以先在记录有手术类型和导航定位算法间对应关系的列表中，检索目标手术类型，从而确定目标手术类型所属的对应关系，然后将所确定的对应关系中记录的导航定位算法确定为目标导航定位方式。
另外，不同的手术类型所使用的手术器械也不相同，一种实施方式中，可以按照预先设定的手术类型与手术器械间的对应关系，确定目标手术类型对应的手术器械，作为上述目标手术器械。
具体的，一种手术类型可以与一种手术器械相对应，也可以与多种手术器械相对应。上述手术器械可以是机械臂、穿刺针、假体等器械。
例如，手术类型可以是关节置换手术，则预先设定的手术类型与手术器械间的对应关系可以是关节置换手术与臼杯假体的对应关系，在此情况下，确定目标手术类型为关节置换手术，即可根据上述对应关系确定目标手术器械为臼杯假体。
步骤S105：采用目标导航定位方式，设置目标手术器械在手术过程中的导航路径。
设置导航路径的具体实现方式在后续图5所示实施例中介绍，这里暂不详述。
步骤S106：控制目标手术器械沿导航路径进行导航定位。
作为本发明实施例执行主体的设备在确定导航路径之后，可以向目标手术器械发送移动指令，通过上述移动指令控制目标手术器械沿导航路径移动。当然，在控制目标手术器械移动过程中，医生也可以随时中断上述设备对目标手术器械的控制，以对目标手术器械的行进路径进行及时调整。
本发明实施例提供的手术导航定位方案中，根据手术对象的CT数据确定手术对象的目标病灶位置，进而确定目标病灶类型，再根据目标病灶类型确定目标手术类型，并根据目标手术类型选择设置目标导航定位方式和实施手术的手术器械，而后根据目标导航定位方式设置导航路径，并根据上述导航路径完成导航定位，使得导航过程中有明确的、符合手术类型需要的导航路径作为参考，提高了手术导航定位的准确性。
另外，本发明实施例提供的方案中确定导航路径时，不需要人工参与也能得到导航路径，因此，所确定的导航路径不会受到医生经验等其他因素的影响，从而能够提高所确定出导航路径的准确性，进而进一步提高手术导航定位的准确性。
本发明的一个实施例中，参见图2，提供了第二种手术导航定位方法的流程示意图，与前述图1a所述的实施例相比，本实施例中，上述步骤S101，包括以下步骤S101A。
步骤S101A：使用预先训练的检测模型对手术对象的CT数据进行病灶区域检测，得到手术对象的目标病灶位置。
其中，上述检测模型为：采用带有病灶位置标注信息的样本CT数据训练预设的网络模型后，得到的用于检测病灶区域的模型。
在本发明的一个实施例中，上述检测模型可以是通过对已经训练好的网络模型进行迁移学习获得。例如，在已有的能够识别病灶位置的预训练模型的基础上，想预训练模型输入对病灶位置标注更为准确的样本CT数据，得到识别结果，根据识别结果和已标注的病灶位置调整上述预训练模型的模型参数，对预训练模型进行反复训练，直至调整参数后预训练模型识别病灶位置的准确率提高到一定阈值，例如准确率超过90％，此时认为训练完成，训练完成后的模型即为检测模型。这样在预训练模型的基础上进行迁移学习，不仅能够提高所得训练后模型进行病灶位置识别的准确度，还能够提高模型训练的速度以及需要的训练样本量。
本发明的另一个实施例中，还可以直接采用传统的有监督训练方式对网络模型进行训练，得到上述检测模型。
例如，可以基于带有病灶位置标注信息的样本CT数据形成训练CT数据集、验证CT数据集、测试CT数据集；其中训练CT数据集用于训练上述网络模型，验证CT数据集用于调整上述网络模型中的超参数，测试CT数据集用于测试网络模型在超参数调整后检测病灶区域的准确性。
本发明的一个实施例中，手术对象的CT数据可以是三维数据，或者可以看成是由二维数据组集合成的三维数据，因此上述预训练模型和最终获得的检测模型可以是三维的目标检测模型，例如，基于Yolo3D的目标检测模型；上述预训练模型和最终获得的检测模型也可以是6D姿态检测模型，这种情况下检测结果包含：物体在XYZ轴的三个空间位置和物体相对于XYZ轴的三个旋转角度。
由以上可见，本实施例提供的方案中，使用预先训练好的检测模型对CT数据中的病灶区域进行检测，由于上述检测模型是采用大量样本CT数据对网络模型进行训练得到的，这样在训练过程中网络模型能够学习到样本CT数据中病灶区域的特点，从而使得上述检测模型在进行病灶区域检测时，能够准确地检测出病灶区域，进而得到准确的病灶位置。
本发明的一个实施例中，参见图3，提供了第三种手术导航定位方法的流程示意图，与前述图1a所述的实施例相比，本实施例中，上述步骤S102，包括以下步骤S102A。
步骤S102A：将目标病灶位置输入预先训练的分类模型，获得分类模型根据目标病灶位置对病灶区域进行分类后输出的目标病灶类型。
其中，上述分类模型为：采用带有病灶类型标注信息的样本病灶位置训练预设的卷积神经网络模型后，得到的用于对病灶区域进行分类的模型。
一种实现方式中，训练得到分类模型的方式可以是：获取训练样本集合，训练样本集合中包括多个训练样本。训练样本中包括样本病灶位置以及与样本病灶位置相对应的病灶类型标签。将样本病灶位置作为卷积神经网络模型的输入信息，输入至卷积神经网络模型输出的分类结果，将病灶类型标签作为训练监督信息，将上述分类结果与病灶类型标签进行对比，基于对比结果对卷积神经网络模型的参数进行调整，从而实现对卷积神经网络模型的训练。在对卷积神经网络模型进行一段时间的训练之后，可以使用包括样本病灶位置的测试样本对训练后的卷积神经网络模型进行测试，当模型的输出信息的准确率达到设定阈值时，认为完成了对卷积神经网络模型的训练，得到上述分类模型。上述卷积神经网络模型可以是AlexNet、LeNet、CNN等，本实施例并不对此进行限定。
由以上可见，本实施例提供的方案中，使用预先训练好的分类模型对病灶区域进行分类，由于上述分类模型是采用大量样本病灶位置对卷积神经网络模型进行训练得到的，这样在训练过程中卷积神经网络模型能够学习到病灶位置与病灶类型之间的关系，从而使得上述分类模型能够根据输入的病灶位置准确地识别出病灶类型。
本发明的一个实施例中，参见图4，提供了第四种手术导航定位方法的流程示意图，与前述图1a所述的实施例相比，本实施例中，上述步骤S103，包括以下步骤S103A-S103B。
步骤S103A：查询目标病灶类型对应的手术方案。
手术方案与病灶类型相对应，不同的病灶类型采用不同的手术方案，每一种病灶类型对应的手术方案是预先设定的，手术方案的具体内容一般由医生凭借经验设定。
一种实施方式中，手术方案只记载手术类型，另一种实施方式中，手术方案中除了记载手术类型外，还记载执行手术的详细步骤等信息，这样可以为施术者提供参考。
手术方案和病灶类型可以以相对应的方式存储在数据库中，这样能够便捷的基于病灶类型查询到手术方案。
步骤S103B：将手术方案中记录的手术类型确定为目标手术类型。
在确定目标病灶类型对应的手术方案后，在手术方案仅包括手术类型的情况，可以直接读取手术方案中记录的信息，作为目标手术类型；在手术方案中除了包括手术类型还包括其他信息的情况下，可以识别手术方案中表示手术类型的参数，将该参数的参数值确定为目标手术类型，也可以按照预设的存储规则，确定手术类型在手术方案中的存储位置，然后将所确定位置处存储的预设长度的信息确定为目标手术类型。
由以上可见，本实施例提供的方案中，是从目标病灶类型对应的手术方案中确定目标手术类型，由于手术方案中记录的是与手术息息相关的信息，而本实施例所提供方案中使用的手术方案又是目标病灶类型对应的手术方案，所以，这样确定的手术类型具有较高的准确度。
本发明的一个实施例中，参见图5，提供了第五种手术导航定位方法的流程示意图，与前述图1a所述的实施例相比，本实施例中，上述步骤S105，包括以下步骤S105A-S105D。
步骤S105A：获得目标导航定位方式对应的路径配置参数。
上述路径配置参数是：目标导航定位方式在生成导航路径时所需的参数。
手术过程中手术器械的行进路径需要按照手术对象的病灶位置处的生理结构进行设置，而人体的骨骼和肌肉组织等部位的形状是不规则的，并且从不同的角度进行手术时手术器械的行进路径也是不同的，所以，后续生成的导航路径并不是单一的形式，可能是直线、曲线、平面、曲面等多种形式。在此基础上，需要为不同的导航定位方式设置不同的路径配置参数。
路径配置参数的类型可以根据手术类型的不同而不同，例如，手术类型是脊柱置钉手术的情况下，路径配置参数可以是目标病灶的中心位置；手术类型是胫骨截骨手术的情况下，路径配置参数可以是髋关节、踝关节、膝关节的位置，以及截骨角度、术后力线位置等；手术类型是关节置换手术的情况下，路径配置参数可以是髋臼直径、股骨髓腔直径、股骨颈干角等。
一种实现方式中，不同导航定位方式的路径配置参数可以是预设的，存储于设备的本地文件或者数据库中，这样在本地文件或者数据库进行信息查找即可获得目标导航定位方式对应的路径配置参数。
另一种实现方式中，不同导航定位方式的路径配置参数可以是根据预设的计算规则计算得到的。例如，路径配置参数是目标病灶的病灶中心位置的情况下，预设的计算规则可以是灰度重心法，在此种情况下，可以根据灰度重心法计算确定该目标病灶所依据的CT数据中的位置数据，得到目标病灶的病灶中心位置。
步骤S105B：获得目标图像采集设备根据目标病灶位置采集的病灶图像。
上述图像采集设备可以包括图像传感器、摄像机、B超机等，以及用于支撑摄像机的相关支架结构，在此不做限定。目标图像采集设备可以从各个不同角度对目标病灶位置进行图像采集，方便施术者了解目标对象的病灶区域，并为后续设置导航路径提供准确的参照。例如，目标图像采集设备可以对目标病灶位置进行正位或侧位图像采集，这样获得的病灶图像包括病灶正面或侧面的截面图像。
步骤S105C：对病灶图像进行图像配准。
图像配准是指将一幅图像置于固定的空间坐标系下，确定其具体位置，作为参考图像，将另一幅图像作为待配准图像，对待配准图像做一系列的空间变换，使待配准图像上的关键点和参考图像中的关键点进行对齐。
例如，根据上述手术对象的CT数据建立三维图像作为参考图像，待配准图像则可以是上述图像采集设备采集的二维图像，确定了三维图像与二维图像之间的空间位置的对应关系，相当于确定了拍摄设备的位姿与三维图像之间的对应关系，从而实现图像配准。
步骤S105D：根据图像配准的结果、目标病灶位置和路径配置参数，采用目标导航定位方式设置目标手术器械在手术过程中的导航路径。
上述图像配准的结果能够表征病灶位置的实际空间位置，参考该结果可以使得目标导航定位方式按照病灶位置的空间位置调整导航路径，使之更符合具体的手术情况。目标病灶位置是生成路径起始点和终止点的依据，路径配置参数用于在对目标导航定位方式进行配置，使得目标导航定位方式能够按照路径配置参数的要求生成具体的导航路径。
设置导航路径的具体方法，详见下述步骤S105D1-S105D3。
由以上可见，本实施例提供的方案中，通过路径配置参数对导航定位方式进行配置，使得依据目标定位方式生成的导航路径符合具体的手术要求，从而提高手术导航定位的准确性。另外，本实施例提供的方案中通过图像配准更为准确地获得病灶的位置信息，再根据图像配准的结果设置导航路径，能够使得导航路径的设置更加匹配病灶的实际位置，进一步提高了手术导航定位的准确性。
本发明的一个实施例中，参见图6，提供了第六种手术导航定位方法的流程示意图，与前述图5所述的实施例相比，本实施例中，上述步骤S105D，包括以下步骤S105D1-S105D3。
步骤S105D1：根据目标病灶位置，从图像配准的结果中获得手术起点和手术终点。
本发明的一个实施例中，上述手术起点可以是目标病灶位置所包括的范围中具有代表性的位置，例如病灶中心位置，在得到手术起点之后，可以通过比较从不同位置实施手术直线距离的方式获得手术终点，或者估算从不同位置进行手术需要的时间获得手术终点。
本发明的又一实施例中，可以基于目标病灶位置所处的手术对象的部位，确定用于设置手术起点的参照物，并根据所设置的参照物确定手术起点。例如，目标病灶位置所处的手术对象的部位为脊柱的部分区域，则用于设置手术起点的参照物可以确定为人字脊，并可以根据人字脊位置确定手术起点。
步骤S105D2：使用路径配置参数配置目标导航定位方式。
在本发明的一个实施例中，上述目标导航定位方式，可以是RRT(Rapidly-exploring Random Trees，快速搜索随机树)路径规划算法，这时可以将路径配置参数值输入RRT路径规划算法，进而得到具体的导航路径设置算法，由于路径配置参数与目标导航定位方式相对应，又由于目标导航定位方式是由目标手术类型决定的，因此使用路径配置参数调整导航定位路径的具体设置算法后，该算法能够在计算优选的导航路径时按照不同的手术类型产生不同的导航路径；上述目标导航定位方式也可以是基于蚁群算法的手术路径规划方法、最小二乘拟合方法等，具体的导航定位方式在此不做限定。
步骤S105D3：基于配置后的目标导航定位方式，设置目标手术器械在手术过程中从手术起点到手术终点的导航路径。
在本发明的一个实施例中，将手术起点和手术终点的位置信息作为输入参数，按照目标导航定位方式计算，即可获得上述导航路径。
由以上可见，本实施例提供的方案中，基于图像配准的结果获得手术起点和手术终点，并使用路径配置参数配置目标导航定位方式，然后基于配置后的目标导航定位方式实现导航定位，这样可以使得目标导航定位方式能够按照路径配置参数设置，又由于目标导航定位方式由目标手术类型决定，因此，本实施例提供的方案中能够针对不同的手术类型进行导航路径设置，使得本实施例提供的方案能够适应多种手术类型的需要，无需再针对不同的手术类型采用不同的方案获得导航路径实现定位导航，从而降低了手术导航定位的成本。
本发明的一个实施例中，参见图7，提供了第七种手术导航定位方法的流程示意图。
首先是获得手术对象的CT数据，如图7中上方流程开始处的多张CT图像，每一张图像代表二维数据形成的截面图，即包括目标病灶位置的手术对象的特定部位的特定截面图；这些截面图组合在一起，可以反映出目标病灶位置在三维空间中位于特定部位的位置。因此，可以根据上述CT数据进行分析，如使用预训练的检测模型对CT数据进行检测，获得目标病灶位置；得到的目标病灶位置则用于确定该病灶所属类型，即目标病灶类型，例如，使用预训练的分类模型判断病灶的类型，然后调用病灶类型所属模块，按照模块中记录的手术方案选择对应的手术类型，根据手术类型，确定所需的手术模块；此处的手术模块可以是记载具体如何实施该类型手术的方案的模块；然后组成定制化的导航定位系统，该导航定位系统可以视为包括目标手术器械、目标图像采集设备和具有图像配准程序和设置导航路径的算法的系统，最后根据该系统实现特定的手术导航定位，系统中也可以包括具有手术辅助软件的设备，在实现特定的手术导航定位的过程中，上述设置导航路径的算法输出导航路径之后，手术辅助软件可以基于该导航路径绘制出相应的导航路径图像，并由施术者确认该导航路径可用后，目标手术器械按照该导航路径开始手术，例如，机械臂沿着导航路径向目标病灶位置移动。
与上述手术导航定位方法相对应，本发明实施例还提供了一种手术导航定位装置。
参见图8，提供了第一种手术导航定位装置的结构示意图，所述装置包括：
病灶位置确定模块801，用于根据手术对象的CT数据确定所述手术对象的目标病灶位置；
病灶类型确定模块802，用于根据所述目标病灶位置，确定目标病灶类型；
手术类型确定模块803，用于根据所述目标病灶类型，确定目标手术类型；
导航配置模块804，用于根据所述目标手术类型，选择设置导航路径的目标导航定位方式，并确定实施手术的目标手术器械；
导航路径设置模块805，用于采用所述目标导航定位方式，设置所述目标手术器械在手术过程中的导航路径；
导航定位模块806，用于控制所述目标手术器械沿所述导航路径进行导航定位。
本发明实施例提供的手术导航定位方案中，根据手术对象的CT数据确定手术对象的目标病灶位置，进而确定目标病灶类型，再根据目标病灶类型确定目标手术类型，并根据目标手术类型选择设置目标导航定位方式和实施手术的手术器械，而后根据目标导航定位方式设置导航路径，并根据上述导航路径完成导航定位，使得导航过程中有明确的、符合手术类型需要的导航路径作为参考，提高了手术导航定位的准确性。
另外，本发明实施例提供的方案中确定导航路径时，不需要人工参与也能得到导航路径，因此，所确定的导航路径不会受到医生经验等其他因素的影响，从而能够提高所确定出导航路径的准确性，进而进一步提高手术导航定位的准确性。
本发明的一个实施例中，所述病灶位置确定模块801，具体用于：
使用预先训练的检测模型对手术对象的CT数据进行病灶区域检测，得到所述手术对象的目标病灶位置；其中，所述检测模型为：采用带有病灶位置标注信息的样本CT数据训练预设的网络模型后，得到的用于检测病灶区域的模型。
由以上可见，本实施例提供的方案中，使用预先训练好的检测模型对CT数据中的病灶区域进行检测，由于上述检测模型是采用大量样本CT数据对网络模型进行训练得到的，这样在训练过程中网络模型能够学习到样本CT数据中病灶区域的特点，从而使得上述检测模型在进行病灶区域检测时，能够准确地检测出病灶区域，进而得到准确的病灶位置。
本发明的一个实施例中，所述病灶类型确定模块802，具体用于：
将所述目标病灶位置输入预先训练的分类模型，获得所述分类模型根据所述目标病灶位置对病灶区域进行分类后输出的目标病灶类型；其中，所述分类模型为：采用带有病灶类型标注信息的样本病灶位置训练预设的卷积神经网络模型后，得到的用于对病灶区域进行分类的模型。
由以上可见，本实施例提供的方案中，使用预先训练好的分类模型对病灶区域进行分类，由于上述分类模型是采用大量样本病灶位置对卷积神经网络模型进行训练得到的，这样在训练过程中卷积神经网络模型能够学习到病灶位置与病灶类型之间的关系，从而使得上述分类模型能够根据输入的病灶位置准确地识别出病灶类型。
本发明的一个实施例中，所述手术类型确定模块803，具体用于：
查询所述目标病灶类型对应的手术方案；将所述手术方案中记录的手术类型确定为所述目标手术类型。
由以上可见，本实施例提供的方案中，是从目标病灶类型对应的手术方案中确定目标手术类型，由于手术方案中记录的是与手术息息相关的信息，而本实施例所提供方案中使用的手术方案又是目标病灶类型对应的手术方案，所以，这样确定的手术类型具有较高的准确度。
参见图9，本发明的一个实施例中，提供了第二种手术导航定位装置的结构示意图，与前述图8所示的实施例相比，本实施例中，所述导航路径设置模块805，包括：
参数获取子模块805A，用于获得所述目标导航定位方式对应的路径配置参数；
图像采集子模块805B，用于获得目标图像采集设备根据所述目标病灶位置采集的病灶图像，其中，所述目标图像采集设备为：所述目标病灶类型对应的预设图像采集设备；
图像配准子模块805C，用于对所述病灶图像进行图像配准；
导航路径设置子模块805D，用于根据图像配准的结果、所述目标病灶位置和所述路径配置参数，采用所述目标导航定位方式设置所述目标手术器械在手术过程中的导航路径。
由以上可见，本实施例提供的方案中，通过路径配置参数对导航定位方式进行配置，使得依据目标定位方式生成的导航路径符合具体的手术要求，从而提高手术导航定位的准确性。另外，本实施例提供的方案中通过图像配准更为准确地获得病灶的位置信息，再根据图像配准的结果设置导航路径，能够使得导航路径的设置更加匹配病灶的实际位置，进一步提高了手术导航定位的准确性。
本发明的一个实施例中，所述导航路径设置子模块805D，具体用于：
根据所述目标病灶位置，从图像配准的结果中获得手术起点和手术终点；使用所述路径配置参数配置所述目标导航定位方式；基于配置后的目标导航定位方式，设置所述目标手术器械在手术过程中从所述手术起点到所述手术终点的导航路径。
由以上可见，本实施例提供的方案中，基于图像配准的结果获得手术起点和手术终点，并使用路径配置参数配置目标导航定位方式，然后基于配置后的目标导航定位方式实现导航定位，这样可以使得目标导航定位方式能够按照路径配置参数设置，又由于目标导航定位方式由目标手术类型决定，因此，本实施例提供的方案中能够针对不同的手术类型进行导航路径设置，使得本实施例提供的方案能够适应多种手术类型的需要，无需再针对不同的手术类型采用不同的方案获得导航路径实现定位导航，从而降低了手术导航定位的成本。
本发明实施例还提供了一种电子设备，如图10所示，包括处理器1001、通信接口1002、存储器1003和通信总线1004，其中，处理器1001，通信接口1002，存储器1003通过通信总线1004完成相互间的通信，
存储器1003，用于存放计算机程序；
处理器1001，用于执行存储器1003上所存放的程序时，实现前述任一方法实施例中所述的手术导航定位方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一手术导航定位方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一手术导航定位方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (14)
1.一种手术导航定位方法，其特征在于，所述方法包括：
根据手术对象的CT数据确定所述手术对象的目标病灶位置；
根据所述目标病灶位置，确定目标病灶类型；
根据所述目标病灶类型，确定目标手术类型；
根据所述目标手术类型，选择设置导航路径的目标导航定位方式，并确定实施手术的目标手术器械；
采用所述目标导航定位方式，设置所述目标手术器械在手术过程中的导航路径，以能够控制所述目标手术器械沿所述导航路径进行导航定位；
所述根据所述目标病灶位置，确定目标病灶类型，包括：
结合所述目标病灶位置以及目标病灶对应的图像特征，确定目标病灶类型。
2.根据权利要求1所述的方法，其特征在于，所述根据手术对象的CT数据确定所述手术对象的目标病灶位置，包括：
使用预先训练的检测模型对手术对象的CT数据进行病灶区域检测，得到所述手术对象的目标病灶位置；其中，所述检测模型为：采用带有病灶位置标注信息的样本CT数据训练预设的网络模型后，得到的用于检测病灶区域的模型。
3.根据权利要求1所述的方法，其特征在于，所述根据所述目标病灶位置，确定目标病灶类型，包括：
将所述目标病灶位置输入预先训练的分类模型，获得所述分类模型根据所述目标病灶位置对病灶区域进行分类后输出的目标病灶类型；其中，所述分类模型为：采用带有病灶类型标注信息的样本病灶位置训练预设的卷积神经网络模型后，得到的用于对病灶区域进行分类的模型。
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标病灶类型，确定目标手术类型，包括：
查询所述目标病灶类型对应的手术方案；
将所述手术方案中记录的手术类型确定为所述目标手术类型。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述采用所述目标导航定位方式，设置所述目标手术器械在手术过程中的导航路径，包括：
获得所述目标导航定位方式对应的路径配置参数；
获得目标图像采集设备根据所述目标病灶位置采集的病灶图像，其中，所述目标图像采集设备为：所述目标病灶类型对应的预设图像采集设备；
对所述病灶图像进行图像配准；
根据图像配准的结果、所述目标病灶位置和所述路径配置参数，采用所述目标导航定位方式设置所述目标手术器械在手术过程中的导航路径。
6.根据权利要求5所述的方法，其特征在于，所述根据图像配准的结果、所述目标病灶位置和所述路径配置参数，采用所述目标导航定位方式设置所述目标手术器械在手术过程中的导航路径，包括：
根据所述目标病灶位置，从图像配准的结果中获得手术起点和手术终点；
使用所述路径配置参数配置所述目标导航定位方式；
基于配置后的目标导航定位方式，设置所述目标手术器械在手术过程中从所述手术起点到所述手术终点的导航路径。
7.一种手术导航定位装置，其特征在于，所述装置包括：
病灶位置确定模块，用于根据手术对象的CT数据确定所述手术对象的目标病灶位置；
病灶类型确定模块，用于根据所述目标病灶位置，确定目标病灶类型；
手术类型确定模块，用于根据所述目标病灶类型，确定目标手术类型；
导航配置模块，用于根据所述目标手术类型，选择设置导航路径的目标导航定位方式，并确定实施手术的目标手术器械；
导航路径设置模块，用于采用所述目标导航定位方式，设置所述目标手术器械在手术过程中的导航路径，以能够控制所述目标手术器械沿所述导航路径进行导航定位；
所述病灶类型确定模块，具体用于结合所述目标病灶位置以及目标病灶对应的图像特征，确定目标病灶类型。
8.根据权利要求7所述的装置，其特征在于，
所述病灶位置确定模块，具体用于使用预先训练的检测模型对手术对象的CT数据进行病灶区域检测，得到所述手术对象的目标病灶位置；其中，所述检测模型为：采用带有病灶位置标注信息的样本CT数据训练预设的网络模型后，得到的用于检测病灶区域的模型。
9.根据权利要求7所述的装置，其特征在于，
所述病灶类型确定模块，具体用于将所述目标病灶位置输入预先训练的分类模型，获得所述分类模型根据所述目标病灶位置对病灶区域进行分类后输出的目标病灶类型；其中，所述分类模型为：采用带有病灶类型标注信息的样本病灶位置训练预设的卷积神经网络模型后，得到的用于对病灶区域进行分类的模型。
10.根据权利要求7所述的装置，其特征在于，
所述手术类型确定模块，具体用于查询所述目标病灶类型对应的手术方案；将所述手术方案中记录的手术类型确定为所述目标手术类型。
11.根据权利要求7-10中任一项所述的装置，其特征在于，所述导航路径设置模块，包括：
参数获取子模块，用于获得所述目标导航定位方式对应的路径配置参数；
图像采集子模块，用于获得目标图像采集设备根据所述目标病灶位置采集的病灶图像，其中，所述目标图像采集设备为：所述目标病灶类型对应的预设图像采集设备；
图像配准子模块，用于对所述病灶图像进行图像配准；
导航路径设置子模块，用于根据图像配准的结果、所述目标病灶位置和所述路径配置参数，采用所述目标导航定位方式设置所述目标手术器械在手术过程中的导航路径。
12.根据权利要求11所述的装置，其特征在于，
所述导航路径设置子模块，具体用于根据所述目标病灶位置，从图像配准的结果中获得手术起点和手术终点；使用所述路径配置参数配置所述目标导航定位方式；基于配置后的目标导航定位方式，设置所述目标手术器械在手术过程中从所述手术起点到所述手术终点的导航路径。
13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111677816.4A CN114305690B (zh) | 2021-12-31 | 2021-12-31 | 一种手术导航定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111677816.4A CN114305690B (zh) | 2021-12-31 | 2021-12-31 | 一种手术导航定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114305690A CN114305690A (zh) | 2022-04-12 |
| CN114305690B true CN114305690B (zh) | 2023-12-26 |
Family
ID=81022620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111677816.4A Active CN114305690B (zh) | 2021-12-31 | 2021-12-31 | 一种手术导航定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114305690B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117323002A (zh) * | 2023-11-30 | 2024-01-02 | 北京万特福医疗器械有限公司 | 一种基于混合现实技术的神经内镜手术可视化系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529188A (zh) * | 2016-11-25 | 2017-03-22 | 苏州国科康成医疗科技有限公司 | 应用于手术导航的图像处理方法 |
| CN110215284A (zh) * | 2019-06-06 | 2019-09-10 | 上海木木聚枞机器人科技有限公司 | 一种可视化系统和方法 |
| CN110236674A (zh) * | 2019-05-09 | 2019-09-17 | 苏州大学 | 一种基于结构光扫描的肝脏手术导航方法及系统 |
| CN110537960A (zh) * | 2018-05-29 | 2019-12-06 | 上海联影医疗科技有限公司 | 穿刺路径的确定方法、存储设备及机器人辅助手术系统 |
| CN110600122A (zh) * | 2019-08-23 | 2019-12-20 | 腾讯医疗健康(深圳)有限公司 | 一种消化道影像的处理方法、装置、以及医疗系统 |
| CN110738655A (zh) * | 2019-10-23 | 2020-01-31 | 腾讯科技（深圳）有限公司 | 影像报告生成方法、装置、终端及存储介质 |
| CN111529063A (zh) * | 2020-05-26 | 2020-08-14 | 广州狄卡视觉科技有限公司 | 基于三维重建的多模态融合的手术导航系统及方法 |
| CN111863204A (zh) * | 2020-07-22 | 2020-10-30 | 北京青燕祥云科技有限公司 | 基于钼靶x线摄影检查的乳腺疾病ai辅助诊断方法及系统 |
| CN112043383A (zh) * | 2020-09-30 | 2020-12-08 | 复旦大学附属眼耳鼻喉科医院 | 一种眼科手术导航系统及电子设备 |
| CN112116004A (zh) * | 2020-09-18 | 2020-12-22 | 推想医疗科技股份有限公司 | 病灶分类方法及装置、病灶分类模型的训练方法 |
| CN113057734A (zh) * | 2021-03-12 | 2021-07-02 | 上海微创医疗机器人（集团）股份有限公司 | 一种手术系统 |
| CN113573654A (zh) * | 2019-02-28 | 2021-10-29 | 美国尤太克产品公司 | 用于检测并测定病灶尺寸的ai系统 |
-
2021
- 2021-12-31 CN CN202111677816.4A patent/CN114305690B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529188A (zh) * | 2016-11-25 | 2017-03-22 | 苏州国科康成医疗科技有限公司 | 应用于手术导航的图像处理方法 |
| CN110537960A (zh) * | 2018-05-29 | 2019-12-06 | 上海联影医疗科技有限公司 | 穿刺路径的确定方法、存储设备及机器人辅助手术系统 |
| CN113573654A (zh) * | 2019-02-28 | 2021-10-29 | 美国尤太克产品公司 | 用于检测并测定病灶尺寸的ai系统 |
| CN110236674A (zh) * | 2019-05-09 | 2019-09-17 | 苏州大学 | 一种基于结构光扫描的肝脏手术导航方法及系统 |
| CN110215284A (zh) * | 2019-06-06 | 2019-09-10 | 上海木木聚枞机器人科技有限公司 | 一种可视化系统和方法 |
| CN110600122A (zh) * | 2019-08-23 | 2019-12-20 | 腾讯医疗健康(深圳)有限公司 | 一种消化道影像的处理方法、装置、以及医疗系统 |
| CN110738655A (zh) * | 2019-10-23 | 2020-01-31 | 腾讯科技（深圳）有限公司 | 影像报告生成方法、装置、终端及存储介质 |
| CN111529063A (zh) * | 2020-05-26 | 2020-08-14 | 广州狄卡视觉科技有限公司 | 基于三维重建的多模态融合的手术导航系统及方法 |
| CN111863204A (zh) * | 2020-07-22 | 2020-10-30 | 北京青燕祥云科技有限公司 | 基于钼靶x线摄影检查的乳腺疾病ai辅助诊断方法及系统 |
| CN112116004A (zh) * | 2020-09-18 | 2020-12-22 | 推想医疗科技股份有限公司 | 病灶分类方法及装置、病灶分类模型的训练方法 |
| CN112043383A (zh) * | 2020-09-30 | 2020-12-08 | 复旦大学附属眼耳鼻喉科医院 | 一种眼科手术导航系统及电子设备 |
| CN113057734A (zh) * | 2021-03-12 | 2021-07-02 | 上海微创医疗机器人（集团）股份有限公司 | 一种手术系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114305690A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11937888B2 (en) | Artificial intelligence intra-operative surgical guidance system | |
| US11862348B2 (en) | Systems and methods for using generic anatomy models in surgical planning | |
| US9842394B2 (en) | Detection of anatomical landmarks | |
| US11701090B2 (en) | Ultrasound bone registration with learning-based segmentation and sound speed calibration | |
| CN103371870A (zh) | 一种基于多模影像的外科手术导航系统 | |
| US20220183760A1 (en) | Systems and methods for generating a three-dimensional model of a joint from two-dimensional images | |
| US11883219B2 (en) | Artificial intelligence intra-operative surgical guidance system and method of use | |
| CN114305690B (zh) | 一种手术导航定位方法及装置 | |
| CN113545848B (zh) | 导航导板的配准方法及配准装置 | |
| CN113729943B (zh) | 虚拟骨面的处理方法、装置及翻修手术机器人 | |
| CN109350059B (zh) | 用于肘部自动对准的组合的转向引擎和界标引擎 | |
| CN116236278B (zh) | 一种骨隧道建立系统 | |
| KR20160057024A (ko) | 마커리스 ３차원 객체추적 장치 및 그 방법 | |
| CN114224428A (zh) | 一种截骨平面定位方法、系统及装置 | |
| CN116784978B (zh) | 手术导航系统 | |
| CN114305689B (zh) | 一种手术导航定位方法、装置及手术台车 | |
| Liu et al. | Determination of intramedullary nail based on centerline adaptive registration |
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 |