CN114913124A - 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 - Google Patents
一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114913124A CN114913124A CN202210389690.9A CN202210389690A CN114913124A CN 114913124 A CN114913124 A CN 114913124A CN 202210389690 A CN202210389690 A CN 202210389690A CN 114913124 A CN114913124 A CN 114913124A
- Authority
- CN
- China
- Prior art keywords
- tumor
- path
- incisal
- medical history
- edge path
- 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
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001356 surgical procedure Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000005520 cutting process Methods 0.000 claims abstract description 17
- 201000011510 cancer Diseases 0.000 claims abstract description 12
- 206010029098 Neoplasm skin Diseases 0.000 claims abstract description 9
- 208000000453 Skin Neoplasms Diseases 0.000 claims abstract description 9
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000013135 deep learning Methods 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 230000003211 malignant effect Effects 0.000 claims description 5
- 230000003902 lesion Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 description 11
- 230000035876 healing Effects 0.000 description 5
- 208000015181 infectious disease Diseases 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036210 malignancy Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 231100000241 scar Toxicity 0.000 description 2
- 206010062575 Muscle contracture Diseases 0.000 description 1
- 208000007660 Residual Neoplasm Diseases 0.000 description 1
- 208000006111 contracture Diseases 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 206010013663 drug dependence Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000004215 skin function Effects 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 241001148471 unidentified anaerobic bacterium Species 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Radiology & Medical Imaging (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及计算机辅助术前分析技术领域,公开了一种用于肿瘤手术的切缘路径生成方法、系统及存储介质,该方法包括:获取肿瘤的临床图片、皮肤镜图片以及患者的病史信息;采用预设深度学习网络模型对皮肤镜图片中的肿瘤边界进行分割提取,得到皮肤镜下的皮肤肿瘤边界;将皮肤肿瘤边界与临床图片进行配准,得到目标肿瘤边界;根据病史信息、目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径;在肿瘤类型为良性肿瘤的情况下,对所述初始切缘路径进行平滑处理,生成梭形切口的切缘路径;在肿瘤类型为恶性肿瘤的情况下,对所述初始切缘路径进行等距扩大处理,生成最终的切缘路径,可以自动生成更准确的生成切缘路径。
Description
技术领域
本发明涉及计算机辅助术前分析技术领域,尤其涉及一种用于肿瘤手术的切缘路径生成方法、系统及存储介质。
背景技术
临床上目前对于皮肤肿瘤切缘的设计,主要由医生根据自身经验进行描记。医生根据自身经验对切缘的设计较大幅度依赖于医生的主观判断,客观性差;且梭形的设计没有经过严格量化,由医生手动绘制,手动绘制的梭形难以保证切口形状和面积的准确率,因此用此种方法设计出的切缘易出现切除面积过大、切除面积过小、切缘设计不够精确等问题。
其中,切除面积过大时:创面变大、愈合时间延长,愈合后该处剩余皮肤受牵拉而影响正常功能,且美观性较差。缝合时切缘处皮肤难以对合,易导致瘢痕的产生,后期瘢痕挛缩损害皮肤功能、影响美观。深层组织缝合后易因对合不够严密而产生空隙,不仅使得手术部位难以愈合,还会增加厌氧菌感染的风险,难以达到一期愈合;切除面积过小时,则难以将肿瘤切除干净,残留的肿瘤细胞会继续增殖而导致复发。可见,急需提供一种用于肿瘤手术的切缘路径生成方法。
发明内容
本发明提供了一种用于肿瘤手术的切缘路径生成方法、系统及存储介质,以解决现有技术中存在的问题。
为了实现上述目的,本发明通过如下的技术方案来实现:
第一方面,本发明提供一种用于肿瘤手术的切缘路径生成方法,包括:
获取肿瘤的临床图片、皮肤镜图片以及患者的病史信息;
采用预设深度学习网络模型对所述皮肤镜图片中的肿瘤边界进行分割提取,得到皮肤镜下的皮肤肿瘤边界;
将所述皮肤肿瘤边界与临床图片进行配准,得到目标肿瘤边界;
根据所述病史信息、所述目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径;
在肿瘤类型为良性肿瘤的情况下,对所述初始切缘路径进行平滑处理,生成梭形切口的切缘路径;
在肿瘤类型为恶性肿瘤的情况下,对所述初始切缘路径进行等距扩大处理,生成最终的切缘路径。
可选地,所述患者的病史信息包括患者个人基本信息、现病史、既往史、个人史、体格检查信息。
可选地,所述将所述病史信息和所述目标肿瘤边界输入预设的路径生成模型之前,所述方法还包括:
采集肿瘤的N张历史临床图片、N张皮肤镜图片、肿瘤患者的病史信息以及肿瘤对应的切缘路径;
根据肿瘤患者的病史信息确定肿瘤类型;
将所述N张历史临床图片、所述N张皮肤镜图片以及所述肿瘤类型作为网络模型的输入,所述肿瘤对应的切缘路径作为网络模型的输出,进行迭代训练,得到预设的路径生成模型。
可选地,所述根据所述病史信息、所述目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径,包括:
根据所述病史信息确认肿瘤类型;
在肿瘤类型为良性肿瘤的情况下,基于所述目标肿瘤边界扩大1mm-5mm生成初始切缘路径;
在肿瘤类型为恶性肿瘤的情况下,基于所述目标肿瘤边界扩大5mm-20mm生成初始切缘路径。
可选地,在肿瘤类型为良性肿瘤的情况下,所述对所述初始切缘路径进行平滑处理,生成梭形切口的切缘路径,包括:
确定肿瘤的皮损周围皮肤的皮纹线;
在与皮纹线平行的方向上根据预设方式设计梭形切口的切缘路径,所述梭形切口的切缘路径包括第一端角度、第二端角度、梭形宽度、以及梭形长轴;
所述预设方式包括:
将梭形的第一端角度和第二端角度均设置为30°;
在与皮纹线垂直的方向上设计梭形宽度,其中,梭形宽度为垂直于皮纹线方向的肿瘤长度的两端各延长2mm;
在与皮纹线平行的方向上设计梭形的长轴为梭形宽度的2-3倍。
可选地,所述方法还包括:
将良性肿瘤对应的所述梭形切口的切缘路径或者恶性肿瘤对应的最终的切缘路径投影于患者皮肤表面。
第二方面,本申请提供一种用于肿瘤手术的切缘路径生成系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
第三方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的方法的步骤。
有益效果:
本发明提供的用于肿瘤手术的切缘路径生成方法,首先根据病史信息、目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径;在肿瘤类型为良性肿瘤的情况下,对初始切缘路径进行平滑处理,生成梭形切口的切缘路径;在肿瘤类型为恶性肿瘤的情况下,对初始切缘路径进行等距扩大处理,生成最终的切缘路径。这样,将皮肤镜图片作为考虑因素,可以更准确地发现皮肤信息,采用预设的路径生成模型可以自动生成更准确的切缘路径,且针对于不同的肿瘤类型确定不同的最终切缘路径,可以避免因人工设计产生的误差使得切除面积过大影响愈合、增加感染、产生更严重的皮肤问题,或切除面积过小导致的复发。用本方法代替医生人工设计切缘可大幅缩短术前准备时间,在提高准确率的同时,具有更高的效率。
附图说明
图1为本发明优选实施例的一种用于肿瘤手术的切缘路径生成方法的流程图;
图2为本发明优选实施例的针对于恶性肿瘤设计的梭形切缘路径的示意图;
图3为本发明优选实施例的针对于良性肿瘤设计的梭形切缘路径的示意图。
具体实施方式
下面对本发明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。
除非另作定义,本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”或者“一”等类似词语也不表示数量限制,而是表示存在至少一个。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也相应地改变。
请参见图1,本申请实施例提供一种用于肿瘤手术的切缘路径生成方法,包括:
获取肿瘤的临床图片、皮肤镜图片以及患者的病史信息;
采用预设深度学习网络模型对皮肤镜图片中的肿瘤边界进行分割提取,得到皮肤镜下的皮肤肿瘤边界;
将皮肤肿瘤边界与临床图片进行配准,得到目标肿瘤边界;
根据病史信息、目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径;
在肿瘤类型为良性肿瘤的情况下,对初始切缘路径进行平滑处理,生成梭形切口的切缘路径;
在肿瘤类型为恶性肿瘤的情况下,对初始切缘路径进行等距扩大处理,生成最终的切缘路径。
在本实施例中,可以通过平板电脑或者相关的图像采集设备获取临床图片,可以通过皮肤镜获取皮肤镜图片。其中,皮肤镜可以放大肉眼难以识别的皮肤特征,因此,采用皮肤镜获取的皮肤镜图片可以准确地捕捉到皮肤的实际信息。通过采用皮肤镜图片进行分析,可以更准确的获取到患者的皮肤实际情况。将此作为一项输入数据,避免体表的边界与实际病灶范围不符合的情况。
具体而言,在肿瘤类型为恶性肿瘤的情况下,如图2所示,对初始切缘路径进行等距扩大处理,生成最终的切缘路径时,等距扩大的具体倍数可以根据恶性肿瘤的具体级别设定,这样,针对于不同类型的恶性肿瘤,可以设置不同的切缘范围,可以有效防止复发。
上述的用于肿瘤手术的切缘路径生成方法,首先根据病史信息、目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径;在肿瘤类型为良性肿瘤的情况下,对初始切缘路径进行平滑处理,生成梭形切口的切缘路径;在肿瘤类型为恶性肿瘤的情况下,对初始切缘路径进行等距扩大处理,生成最终的切缘路径。这样,将皮肤镜图片作为考虑因素,可以更准确地发现皮肤信息,采用预设的路径生成模型可以自动生成更准确的生成切缘路径,且针对于不同的肿瘤类型确定不同的最终切缘路径,可以避免因人工设计产生的误差使得切除面积过大影响愈合、增加感染、产生更严重的皮肤问题,或切除面积过小导致的复发。用本方法代替医生人工设计切缘可大幅缩短术前准备时间,在提高准确率的同时,具有更高的效率。
可选地,患者的病史信息包括患者个人基本信息、现病史、既往史、个人史、体格检查信息。
在本可选的实施方式中,个人基本信息包括患者的姓名、年龄、籍贯等信息,现病史包括患者本次患病的时间记录,患病名称以及检查情况,既往史包括患者以往患病情况,个人史包括患者的社会经历、职业及工作条件、习惯与嗜好、冶游史、以及吸毒史等,体格检查信息包括患者的身高体重等体格信息,此处仅做示例,不做限定。
可选地,将病史信息和目标肿瘤边界输入预设的路径生成模型之前,上述的方法还包括:
采集肿瘤的N张历史临床图片、N张皮肤镜图片、肿瘤患者的病史信息以及肿瘤对应的切缘路径;
根据肿瘤患者的病史信息确定肿瘤类型;
将N张历史临床图片、N张皮肤镜图片以及肿瘤类型作为网络模型的输入,肿瘤对应的切缘路径作为网络模型的输出,进行迭代训练,得到预设的路径生成模型。
在训练预设的路径生成模型时,可以随机将患者的信息以7:3的比例分为训练集和验证集,训练集数据用于构建模型,训练集数据用于下一步对模型的测试与调整。基于卷积神经网络建立手术切缘设计算法,该算法可根据输入的临床图片和皮肤镜图片对肿瘤边缘进行识别。
可选地,根据病史信息、目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径,包括:
根据病史信息确认肿瘤类型;
在肿瘤类型为良性肿瘤的情况下,基于目标肿瘤边界扩大1mm-5mm生成初始切缘路径;
在肿瘤类型为恶性肿瘤的情况下,基于目标肿瘤边界扩大5mm-20mm生成初始切缘路径。
其中,病史信息确认肿瘤类型可以是根据病史信息确定肿瘤的生长情况,进而确定肿瘤类型。在一实施方式中,还可以结合病史信息和肿瘤的目前厚度确定肿瘤类型。
请参见图3,在肿瘤类型为良性肿瘤的情况下,所述对所述初始切缘路径进行平滑处理,生成梭形切口的切缘路径,包括:
确定肿瘤的皮损周围皮肤的皮纹线;
在与皮纹线平行的方向上根据预设方式设计梭形切口的切缘路径,所述梭形切口的切缘路径包括第一端角度、第二端角度、梭形宽度、以及梭形长轴;
所述预设方式包括:
将梭形的第一端角度和第二端角度均设置为30°;
在与皮纹线垂直的方向上设计梭形宽度,其中,梭形宽度为垂直于皮纹线方向的肿瘤长度的两端各延长2mm;
在与皮纹线平行的方向上设计梭形的长轴为梭形宽度的2-3倍。
需要说明的是,垂直于皮纹线方向的梭形的宽度设置为a,长轴的长度可根据患者对美观性的期望高低、肿瘤部位、肿瘤的良恶性程度等在2-3a的范围内进行调整。
可选地,所述方法还包括:
将良性肿瘤对应的所述梭形切口的切缘路径或者恶性肿瘤对应的最终的切缘路径投影于患者皮肤表面。这样,可以便于医生直接基于投影实施相关操作,便于减少受人为因素的影响,实现更准确的切除。
可选地,还可以以完成手术切缘设计和描绘的临床图片为标准,在训练集中测试模型对于切缘设计的准确率,即模型设计的手术切缘与医生人工描绘的手术切缘的重合率,并基于上述结果逐步修正、优化模型。这样,通过修正和优化,可以使得得到的结果更加准确。
本申请实施例还提供一种用于肿瘤手术的切缘路径生成系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
该用于肿瘤手术的切缘路径生成系统可以实现上述的用于肿瘤手术的切缘路径生成方法的各个实施例,且能达到相同的有益效果,此处,不做赘述。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的方法步骤。
该计算机可读存储介质可以实现上述的用于肿瘤手术的切缘路径生成方法的各个实施例,且能达到相同的有益效果,此处,不做赘述。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (8)
1.一种用于肿瘤手术的切缘路径生成方法,其特征在于,包括:
获取肿瘤的临床图片、皮肤镜图片以及患者的病史信息;
采用预设深度学习网络模型对所述皮肤镜图片中的肿瘤边界进行分割提取,得到皮肤镜下的皮肤肿瘤边界;
将所述皮肤肿瘤边界与临床图片进行配准,得到目标肿瘤边界;
根据所述病史信息、所述目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径;
在肿瘤类型为良性肿瘤的情况下,对所述初始切缘路径进行平滑处理,生成梭形切口的切缘路径;
在肿瘤类型为恶性肿瘤的情况下,对所述初始切缘路径进行等距扩大处理,生成最终的切缘路径。
2.根据权利要求1所述的用于肿瘤手术的切缘路径生成方法,其特征在于,所述患者的病史信息包括患者个人基本信息、现病史、既往史、个人史、体格检查信息。
3.根据权利要求1所述的用于肿瘤手术的切缘路径生成方法,其特征在于,所述将所述病史信息和所述目标肿瘤边界输入预设的路径生成模型之前,所述方法还包括:
采集肿瘤的N张历史临床图片、N张皮肤镜图片、肿瘤患者的病史信息以及肿瘤对应的切缘路径;
根据肿瘤患者的病史信息确定肿瘤类型;
将所述N张历史临床图片、所述N张皮肤镜图片以及所述肿瘤类型作为网络模型的输入,所述肿瘤对应的切缘路径作为网络模型的输出,进行迭代训练,得到预设的路径生成模型。
4.根据权利要求3所述的用于肿瘤手术的切缘路径生成方法,其特征在于,所述根据所述病史信息、所述目标肿瘤边界、以及预设的路径生成模型生成初始切缘路径,包括:
根据所述病史信息确认肿瘤类型;
在肿瘤类型为良性肿瘤的情况下,基于所述目标肿瘤边界扩大1mm-5mm生成初始切缘路径;
在肿瘤类型为恶性肿瘤的情况下,基于所述目标肿瘤边界扩大5mm-20mm生成初始切缘路径。
5.根据权利要求1所述的用于肿瘤手术的切缘路径生成方法,其特征在于,在肿瘤类型为良性肿瘤的情况下,所述对所述初始切缘路径进行平滑处理,生成梭形切口的切缘路径,包括:
确定肿瘤的皮损周围皮肤的皮纹线;
在与皮纹线平行的方向上根据预设方式设计梭形切口的切缘路径,所述梭形切口的切缘路径包括第一端角度、第二端角度、梭形宽度、以及梭形长轴;
所述预设方式包括:
将梭形的第一端角度和第二端角度均设置为30°;
在与皮纹线垂直的方向上设计梭形宽度,其中,梭形宽度为垂直于皮纹线方向的肿瘤长度的两端各延长2mm;
在与皮纹线平行的方向上设计梭形的长轴为梭形宽度的2-3倍。
6.根据权利要求1所述的用于肿瘤手术的切缘路径生成方法,其特征在于,所述方法还包括:
将良性肿瘤对应的所述梭形切口的切缘路径或者恶性肿瘤对应的最终的切缘路径投影于患者皮肤表面。
7.一种用于肿瘤手术的切缘路径生成系统,包括存储器、处理器以及存储在存储器上并可在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上述权利要求1至6中任一所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的方法步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210389690.9A CN114913124B (zh) | 2022-04-13 | 2022-04-13 | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 |
PCT/CN2023/077783 WO2023197752A1 (zh) | 2022-04-13 | 2023-02-23 | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210389690.9A CN114913124B (zh) | 2022-04-13 | 2022-04-13 | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114913124A true CN114913124A (zh) | 2022-08-16 |
CN114913124B CN114913124B (zh) | 2023-04-07 |
Family
ID=82765259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210389690.9A Active CN114913124B (zh) | 2022-04-13 | 2022-04-13 | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114913124B (zh) |
WO (1) | WO2023197752A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023197752A1 (zh) * | 2022-04-13 | 2023-10-19 | 中南大学湘雅医院 | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118098520B (zh) * | 2024-04-23 | 2024-06-21 | 四川省肿瘤医院 | 食管鳞状细胞癌患者术后手术切缘阳性预测模型构建方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2568602C1 (ru) * | 2014-11-28 | 2015-11-20 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Нижегородская государственная медицинская академия" Министерства Здравоохранения Российской Федерации (ГБОУ ВПО НижГМА Минздрава России) | Способ прогнозирования развития направленности патологического процесса у больных с опухолями головного мозга |
US20160038252A1 (en) * | 2011-02-17 | 2016-02-11 | The Trustees Of Dartmouth College | Systems And Methods for Guiding Tissue Resection |
RU2707265C1 (ru) * | 2018-11-09 | 2019-11-25 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт глазных болезней" | Способ определения границ полнослойной резекции века при злокачественных новообразованиях эпителиального генеза |
CN110738681A (zh) * | 2019-10-11 | 2020-01-31 | 北京航空航天大学 | 一种基于深度学习网络的椎弓根钉手术路径自动规划方法 |
CN111067473A (zh) * | 2019-11-20 | 2020-04-28 | 于天成 | 胃早癌切除边界标记系统以及方法 |
CN112155729A (zh) * | 2020-10-15 | 2021-01-01 | 中国科学院合肥物质科学研究院 | 手术穿刺路径智能自动化规划方法及系统和医疗系统 |
US20210052212A1 (en) * | 2017-03-31 | 2021-02-25 | The University Of Massachusetts | Instruments and methods for imaging collagen structure in vivo |
US20210282858A1 (en) * | 2020-03-16 | 2021-09-16 | Stryker Australia Pty Ltd | Automated Cut Planning For Removal of Diseased Regions |
CN113785328A (zh) * | 2019-04-30 | 2021-12-10 | 安盟生技股份有限公司 | 图像配准方法及其系统 |
CN114170215A (zh) * | 2021-12-15 | 2022-03-11 | 北京航空航天大学 | 一种骨肿瘤危险区域快速生成系统 |
CN114298980A (zh) * | 2021-12-09 | 2022-04-08 | 杭州海康慧影科技有限公司 | 一种图像处理方法、装置及设备 |
CN115063607A (zh) * | 2022-08-17 | 2022-09-16 | 腾讯科技(深圳)有限公司 | 切割轮廓的确定方法、装置、设备、存储介质及程序产品 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11257213B2 (en) * | 2018-10-25 | 2022-02-22 | Koninklijke Philips N.V. | Tumor boundary reconstruction using hyperspectral imaging |
CN111047567A (zh) * | 2019-12-05 | 2020-04-21 | 电子科技大学 | 一种肾脏肿瘤图片确定方法及相关装置 |
CN114913124B (zh) * | 2022-04-13 | 2023-04-07 | 中南大学湘雅医院 | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 |
-
2022
- 2022-04-13 CN CN202210389690.9A patent/CN114913124B/zh active Active
-
2023
- 2023-02-23 WO PCT/CN2023/077783 patent/WO2023197752A1/zh unknown
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160038252A1 (en) * | 2011-02-17 | 2016-02-11 | The Trustees Of Dartmouth College | Systems And Methods for Guiding Tissue Resection |
RU2568602C1 (ru) * | 2014-11-28 | 2015-11-20 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Нижегородская государственная медицинская академия" Министерства Здравоохранения Российской Федерации (ГБОУ ВПО НижГМА Минздрава России) | Способ прогнозирования развития направленности патологического процесса у больных с опухолями головного мозга |
US20210052212A1 (en) * | 2017-03-31 | 2021-02-25 | The University Of Massachusetts | Instruments and methods for imaging collagen structure in vivo |
RU2707265C1 (ru) * | 2018-11-09 | 2019-11-25 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт глазных болезней" | Способ определения границ полнослойной резекции века при злокачественных новообразованиях эпителиального генеза |
CN113785328A (zh) * | 2019-04-30 | 2021-12-10 | 安盟生技股份有限公司 | 图像配准方法及其系统 |
CN110738681A (zh) * | 2019-10-11 | 2020-01-31 | 北京航空航天大学 | 一种基于深度学习网络的椎弓根钉手术路径自动规划方法 |
CN111067473A (zh) * | 2019-11-20 | 2020-04-28 | 于天成 | 胃早癌切除边界标记系统以及方法 |
US20210282858A1 (en) * | 2020-03-16 | 2021-09-16 | Stryker Australia Pty Ltd | Automated Cut Planning For Removal of Diseased Regions |
CN112155729A (zh) * | 2020-10-15 | 2021-01-01 | 中国科学院合肥物质科学研究院 | 手术穿刺路径智能自动化规划方法及系统和医疗系统 |
CN114298980A (zh) * | 2021-12-09 | 2022-04-08 | 杭州海康慧影科技有限公司 | 一种图像处理方法、装置及设备 |
CN114170215A (zh) * | 2021-12-15 | 2022-03-11 | 北京航空航天大学 | 一种骨肿瘤危险区域快速生成系统 |
CN115063607A (zh) * | 2022-08-17 | 2022-09-16 | 腾讯科技(深圳)有限公司 | 切割轮廓的确定方法、装置、设备、存储介质及程序产品 |
Non-Patent Citations (6)
Title |
---|
MIHAI LUPU ET AL.: "Preoperative Evaluation through Dermoscopy and Reflectance Confocal Microscopy of the Lateral Excision Margins for Primary Basal Cell Carcinoma", 《DIAGNOSTICS》 * |
SAUMIL J. GANDHI MD ET AL.: "Clinical decision tool for optimal delivery of liver stereotactic body radiation therapy Photons versus protons", 《PRACTICAL RADIATION ONCOLOGY》 * |
李伯埙: "《现代实用皮肤病学》", 31 January 2007, 世界图书出版西安公司 * |
杨晶等: "皮肤镜联合Mohs手术治疗皮肤基底细胞癌临床效果分析", 《宁夏医科大学学报》 * |
陈韡等: "影像学检查在辅助确定皮肤肿瘤手术切缘中的应用进展", 《国际皮肤性病学杂志》 * |
鲁开化等: "《临床美容整形外科学》", 31 August 1998, 世界图书出版西安公司 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023197752A1 (zh) * | 2022-04-13 | 2023-10-19 | 中南大学湘雅医院 | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114913124B (zh) | 2023-04-07 |
WO2023197752A1 (zh) | 2023-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114913124B (zh) | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 | |
Zuniga et al. | Tip fold-over in cochlear implantation: case series | |
JP6333413B2 (ja) | 弁を数量化するシステムおよび方法 | |
US8200355B2 (en) | Method for manufacturing artificial implants | |
Markiewicz et al. | Reliability of intraoperative navigation in restoring normal orbital dimensions | |
JP5134316B2 (ja) | 医用画像診断装置 | |
McRackan et al. | Comparison of cochlear implant relevant anatomy in children versus adults | |
CN112057165B (zh) | 一种路径规划方法、装置、设备和介质 | |
CN107392916B (zh) | 一种3d肺表面投影肺结节定位系统及方法 | |
CN110664483A (zh) | 根尖外科手术的导航方法、装置、电子设备和存储介质 | |
Pietruski et al. | Navigation-guided fibula free flap for mandibular reconstruction: A proof of concept study | |
CN111553887B (zh) | 桥血管评价信息获取方法及装置 | |
CN111462055B (zh) | 颅骨检测方法及装置 | |
CN114259330A (zh) | 髋臼杯假体的角度的测量方法、装置和测量系统 | |
CN103366397A (zh) | 基于c形臂2d投影图像的脊柱3d模型构建方法 | |
CN113077499A (zh) | 骨盆配准方法、骨盆配准装置和骨盆配准系统 | |
CN108742838B (zh) | 一种段间标志点量化的肺段模型的制备方法 | |
CN115024741B (zh) | 结节定位装置和辅助测量工具 | |
CN114842004B (zh) | 基于神经网络模型的穿刺位置验证方法及设备 | |
CN113034558B (zh) | 基于影像辅助的医学诊断评估系统、方法、介质及终端 | |
Andersen et al. | Automated calculation of cochlear implant electrode insertion parameters in clinical cone-beam CT | |
CN110638523B (zh) | 基于圆轨迹曲线轮廓自动切缘的方法 | |
CN111685917A (zh) | 胫骨假体与胫骨的匹配方法、处理器 | |
US8231221B2 (en) | Arrangement and method for carrying out a surgical treatment of an eye | |
CN110390148B (zh) | 一种头颈部软组织缺损重建手术模板设计方法及手术模板 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230726 Address after: Room 206-3, Building 3, Science and Technology Industrial Park, Hunan University, No. 001, North Xintian Road, Ningxiang Hi tech Industrial Park, Changsha City, Hunan Province, 410604 Patentee after: Hunan Yangfang Medical Technology Co.,Ltd. Address before: 410000 Xiangya Road, Changsha, Hunan 87 Patentee before: XIANGYA HOSPITAL OF CENTRAL SOUTH University |