CN116012554A - 一种基于ct影像的手术机器人路径规划方法和系统 - Google Patents

Abstract

本发明的目的是提供一种基于CT影像的手术机器人路径规划方法和系统，属于医学图像处理技术领域，该方法包括：拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型；对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合；在多个连线的集合中筛选出多条路径，所述路径围成的消融区能将消融目标区覆盖；分别计算所述多条路径围成的消融区的大小和位置，选择具有最佳的消融区大小与位置的最优路径，输出最优路径规划结果。本发明能够实现肺肿瘤消融手术路径自动规划，无需医生提前标注可穿刺区域以及穿刺靶点，并自动计算最佳消融区域。

Description

一种基于CT影像的手术机器人路径规划方法和系统

技术领域

本发明涉及医学图像处理技术领域，特别涉及一种基于CT影像的手术机器人路径规划方法和系统。

背景技术

经皮介入热消融治疗是在医学影像引导下，将消融针经皮刺入病灶区域，对癌细胞进行原位灭杀的微创治疗。热消融作为肺肿瘤治疗的微创手段之一，具有微创、恢复快，安全、并发症少，适形、效果可靠，可重复、费用低等优点，被用于因肿瘤本身的原因，或者心肺功能不适合于外科手术治疗的肺癌病人，近年来已广泛应用于临床。

准确有效的穿刺路径规划是肺肿瘤微波/射频消融治疗的关键，但在临床热消融治疗中，消融针的穿刺路径规划仍然依赖于医生的个人经验。在手术前，医生主要通过逐层查看患者的二维CT影像，对肿瘤的大小、位置、形态进行粗略估算，依据个人经验大致确定所需的入针点、穿刺深度、消融次数等，缺乏定量规划方法来对消融范围进行严格的计算和规划。实际治疗过程中常因布针不精确而导致残癌发生或造成消融范围过大，损害正常组织。此外，在手术过程中通常需要医生多次手动调整进针角度和深度，加大了患者暴露在CT辐射下的风险。

近年来，随着机器人及导航技术的发展，国内外开始利用导航引导下的机器人技术实现高精度消融手术，但目前仍需医生提前手动标出可穿刺区域和穿刺靶点。计算机辅助穿刺路径规划作为导航机器人辅助手术系统的重要组成部分，是肿瘤热消融领域的研究热点，其目标是辅助医生制定个性化的手术策略，以期实现肺肿瘤的“适形”治疗，提高热消融治疗的安全性和有效性。利用本系统可实现肺肿瘤热消融手术路径自动规划，无需医生提前标注可穿刺区域以及穿刺靶点，并自动计算最佳消融区域。

发明内容

本发明的目的是提供一种基于CT影像的手术机器人路径规划方法和系统，该方法能够实现肺肿瘤消融手术路径自动规划，无需医生提前标注可穿刺区域以及穿刺靶点，并自动计算最佳消融区域。

本发明提供一种基于CT影像的手术机器人路径规划方法，包括：

拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型；

对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合；

在多个连线的集合中筛选出多条路径，所述路径围成的消融区能将消融目标区覆盖；

分别计算所述多条路径围成的消融区的大小和位置，选择具有最佳的消融区大小与位置的最优路径，输出最优路径规划结果。

拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型包括：

将患者CT影像导入系统，对图像信息解析，三视图应用VTK中的vtklmageReslice类实现图像冠状面、矢状面、横断面的提取；

使用内置算法对包括：肿瘤、皮肤、骨骼、血管、支气管、叶间裂、肺与规划相关的器官模型自动分割，并基于移动立方体算法进行面绘制三维重建显示。

对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合包括：

使用vtkCleanPolyData对模型进行采样，得到路径规划所需的点集，包括：皮肤点集P_s、靶向点集P_t、器官结构点集P_o、消融目标区点集P_a，其中皮肤点集与靶向点集之间的连线构成多个连线集合。

消融目标区具体包括：

采用vtkMarchingCubes重建得到的模型为vtkPolyData数据形式，vtkPolyData数据表示为顶点、线、多边形和三角形带，直接从vtkPolyData类中调用相关函数获取所有顶点，点集P_s，P_o分别取自降采样后的皮肤及器官结构模型；

消融目标区点集P_a取自肿瘤按安全边界膨胀后生成的vtkPolyData，使用SimplelTK的BinaryDilate类对分割得到的肿瘤掩膜按安全边界膨胀，再由移动立方体算法重建得到膨胀后的肿瘤模型，消融目标区被完全覆盖则认为没有残癌；

P_t取自肿瘤腐蚀后的体素中心点，使用SimplelTK的BinaryErode类对分割得到的肿瘤掩膜进行边界腐蚀，肿瘤腐蚀深度取肿瘤质心到肿瘤表面最短距离的一半，再使用VTK的vtkNlFTllmageReader类读取边界腐蚀后的肿瘤掩膜，转换为由拓扑与几何规则点组构成的lmageData类，然后从lmageData中调用相关函数获取相应点集。

在多个连线的集合中筛选出多条路径，所述路径产生的消融区能将消融目标区覆盖具体包括：

采取的硬约束条件包括：路径不能经过重要组织，路径与重要组织间的距离大于设定值d_m默认为5mm，路径深度不超过电极针的最大穿刺深度，路径与皮肤表面的夹角θ不小于20°；

使用vtkOBBTree，对多个连线的集合中的路径与器官结构点集P_o做碰撞检测，筛除经过重要组织的路径，路径与器官结构点集P_o之间的距离可通过VTK的DistanceToLine类计算，路径深度l_d是皮肤表面进针点到靶向点线段的距离；路径与皮肤表面的夹角通过vtkObbtree类检测线段与皮肤模型相交的三角面片，再由三角面片的法向量与线段间的夹角确定；

只要违反任一项硬约束条件路径就会被筛除，剩余路径的进针点、靶向点、进针深度l_d、路径与重要组织间的最短距离l_s、路径与皮肤表面的夹角θ会被记录。

在多个连线的集合中筛选出多条路径，所述路径产生的消融区能将消融目标区覆盖具体包括：

采取的软约束条件包括：路径深度浅，路径与皮肤表面的夹角垂直，路径与重要组织间的距离远，帕累托优化算法采用进针深度，路径与皮肤表面夹角θ，路径离重要组织最短距离l_s作为优化目标，筛选三项优化目标下的帕累托最优前沿路径。

分别计算所述多条路径产生的消融区的大小和位置，选择具有最佳的消融区大小与位置的最优路径，输出最优路径规划结果包括：

规划中的变量设置为一维布尔变量数组，将p_b点设为起始点，按设定的间隔l_g默认为1mm，沿着p_b到p_t方向取点，半径为l_m，直到最后一个点刚好越出p_t，所取点的集合记为点集P_g，P_g中点的数目是二进制数组的长度；

在某一点是否进行消融对应二进制数组中的布尔值，优化目标是消融区覆盖健康组织的点数n_h，通过一维布尔数组变量对应的消融区超出消融目标区的情况进行判断，约束是消融区必须完全覆盖点集P_a，通过一维布尔数组变量对应的消融区所覆盖的目标消融区点集P_a进行判断；

求解出布尔变量数组后，布尔值为真的位置对应的点是该路径在对应消融区下应该消融的位置，更新进针深度l_d，路径与重要组织的最短距离ls，同时计算消融效率AE，再以l_d、l_s、θ、AE作为优化目标，再次应用帕累托优化算法筛选帕累托最优前沿路径，其中消融效率的计算公式定义为：

其中为n_r消融目标区点集Pa的点数，n_h为消融区域超出消融目标区的点集数，即损伤的健康组织点集数量；

求出最优前沿路径后，采用基于加权求和路径规划算法得到最优解，对剩余路径的l_d、l_s、θ、AE做归一化处理，对这四项软约束条件设置权重，使用以下公式对剩余路径进行评分：

score＝k₁·l_d+k₂·l_s+k₃·θ+k₄·AE

其中k₁，k₂，k₃，k₄为权重系数，可自定义；

剩余路径中评分最高的路径即为最优路径，将患者信息、CT影像信息、模块路径规划得到的结果：帕累托前沿路径以及最优路径的进针点和靶向点坐标，输出并保存到本地。

一种基于CT影像的手术机器人路径规划系统，包括：

CT影像分割与三维可视化模块：拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型；

对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合；

路径规划模块：在多个连线的集合中筛选出一条路径，所述路径产生的消融区能将消融目标区覆盖；

计算消融区位置模块：选择合适路径后计算消融区的大小和位置；

图像信息输出模块：输出路径规划结果。

本发明通过医生导入的CT影像，可以自动在复杂的规划环境下生成合适的路径并计算最佳的消融区大小与位置，并且无需依靠医生提前标出可穿刺区域以及穿刺靶点，为手术节约了大量时间，实现肺肿瘤的“适形”治疗，提高热消融治疗的安全性和有效性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，标示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

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，对于本领域普通技术人员而言，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为本发明提出的一种基于CT影像的手术机器人路径规划方法的流程图；

图2为本发明提出的一种基于CT影像的手术机器人路径规划系统架构图。

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的一部分实施例，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。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一种该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

本发明提供一种基于CT影像的手术机器人路径规划方法，包括：

S100，拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型；

S200，对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合；

S300，在多个连线的集合中筛选出多条路径，所述路径围成的消融区能将消融目标区覆盖；

S400，分别计算所述多条路径围成的消融区的大小和位置，选择具有最佳的消融区大小与位置的最优路径，输出最优路径规划结果。

本发明通过医生导入的CT影像，可以自动在复杂的规划环境下生成合适的路径并计算最佳的消融区大小与位置，并且无需依靠医生提前标出可穿刺区域以及穿刺靶点，为手术节约了大量时间，实现肺肿瘤的“适形”治疗，提高热消融治疗的安全性和有效性。

S100拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型包括：

S101，将患者CT影像导入系统，对图像信息解析，三视图应用VTK中的vtklmageReslice类实现图像冠状面、矢状面、横断面的提取；

S102，使用内置算法对包括：肿瘤、皮肤、骨骼、血管、支气管、叶间裂、肺与规划相关的器官模型自动分割，并基于移动立方体算法进行面绘制三维重建显示。

S200对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合包括：

使用vtkCleanPolyData对模型进行采样，得到路径规划所需的点集，包括：皮肤点集P_s、靶向点集P_t、器官结构点集P_o、消融目标区点集P_a，其中皮肤点集与靶向点集之间的连线构成多个连线集合。

消融目标区具体包括：

采用vtkMarchingCubes重建得到的模型为vtkPolyData数据形式，vtkPolyData数据表示为顶点、线、多边形和三角形带，直接从vtkPolyData类中调用相关函数获取所有顶点，点集P_s，P_o分别取自降采样后的皮肤及器官结构模型；

消融目标区点集P_a取自肿瘤按安全边界膨胀后生成的vtkPolyData，使用SimplelTK的BinaryDilate类对分割得到的肿瘤掩膜按安全边界膨胀，再由移动立方体算法重建得到膨胀后的肿瘤模型，消融目标区被完全覆盖则认为没有残癌；

P_t取自肿瘤腐蚀后的体素中心点，使用SimplelTK的BinaryErode类对分割得到的肿瘤掩膜进行边界腐蚀，肿瘤腐蚀深度取肿瘤质心到肿瘤表面最短距离的一半，再使用VTK的vtkNIFTllmageReader类读取边界腐蚀后的肿瘤掩膜，转换为由拓扑与几何规则点组构成的lmageData类，然后从lmageData中调用相关函数获取相应点集。

S300在多个连线的集合中筛选出多条路径，所述路径产生的消融区能将消融目标区覆盖具体包括：

采取的硬约束条件包括：路径不能经过重要组织，路径与重要组织间的距离大于设定值d_m默认为5mm，路径深度不超过电极针的最大穿刺深度，路径与皮肤表面的夹角θ不小于20°；

使用vtkOBBTree，对多个连线的集合中的路径与器官结构点集P_o做碰撞检测，筛除经过重要组织的路径，路径与器官结构点集P_o之间的距离可通过VTK的DistanceToLine类计算，路径深度l_d是皮肤表面进针点到靶向点线段的距离；路径与皮肤表面的夹角通过vtkObbtree类检测线段与皮肤模型相交的三角面片，再由三角面片的法向量与线段间的夹角确定；

只要违反任一项硬约束条件路径就会被筛除，剩余路径的进针点、靶向点、进针深度l_d、路径与重要组织间的最短距离l_s、路径与皮肤表面的夹角θ会被记录。

S300在多个连线的集合中筛选出多条路径，所述路径产生的消融区能将消融目标区覆盖具体包括：

采取的软约束条件包括：路径深度浅，路径与皮肤表面的夹角垂直，路径与重要组织间的距离远，帕累托优化算法采用进针深度，路径与皮肤表面夹角θ，路径离重要组织最短距离l_s作为优化目标，筛选三项优化目标下的帕累托最优前沿路径。

S400分别计算所述多条路径产生的消融区的大小和位置，选择具有最佳的消融区大小与位置的最优路径，输出最优路径规划结果包括：

规划中的变量设置为一维布尔变量数组，将p_b点设为起始点，按设定的间隔l_g默认为1mm，沿着p_b到p_t方向取点，半径为l_m，直到最后一个点刚好越出p_t，所取点的集合记为点集P_g，P_g中点的数目是二进制数组的长度；

在某一点是否进行消融对应二进制数组中的布尔值，优化目标是消融区覆盖健康组织的点数n_h，通过一维布尔数组变量对应的消融区超出消融目标区的情况进行判断，约束是消融区必须完全覆盖点集P_a，通过一维布尔数组变量对应的消融区所覆盖的目标消融区点集P_a进行判断；

求解出布尔变量数组后，布尔值为真的位置对应的点是该路径在对应消融区下应该消融的位置，更新进针深度l_d，路径与重要组织的最短距离l_s，同时计算消融效率AE，再以l_d、l_s、θ、AE作为优化目标，再次应用帕累托优化算法筛选帕累托最优前沿路径，其中消融效率的计算公式定义为：

其中为n_r消融目标区点集Pa的点数，n_h为消融区域超出消融目标区的点集数，即损伤的健康组织点集数量；

求出最优前沿路径后，采用基于加权求和路径规划算法得到最优解，对剩余路径的l_d、l_s、θ、AE做归一化处理，对这四项软约束条件设置权重，使用以下公式对剩余路径进行评分：

score＝k₁·l_d+k₂·l_s+k₃·θ+k₄·AE

其中k₁，k₂，K₃，k₄为权重系数，可自定义；

剩余路径中评分最高的路径即为最优路径，将患者信息、CT影像信息、模块路径规划得到的结果：帕累托前沿路径以及最优路径的进针点和靶向点坐标，输出并保存到本地。

一种基于CT影像的手术机器人路径规划系统，包括：

CT影像分割与三维可视化模块：拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型；

对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合；

路径规划模块：在多个连线的集合中筛选出一条路径，所述路径产生的消融区能将消融目标区覆盖；

计算消融区位置模块：选择合适路径后计算消融区的大小和位置；

图像信息输出模块：输出路径规划结果。

本发明通过医生导入的CT影像，可以自动在复杂的规划环境下生成合适的路径并计算最佳的消融区大小与位置，并且无需依靠医生提前标出可穿刺区域以及穿刺靶点，为手术节约了大量时间，实现肺肿瘤的“适形”治疗，提高热消融治疗的安全性和有效性。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于CT影像的手术机器人路径规划方法，其特征在于，包括：

拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型；

对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合；

在多个连线的集合中筛选出多条路径，所述路径围成的消融区能将消融目标区覆盖；

分别计算所述多条路径围成的消融区的大小和位置，选择具有最佳的消融区大小与位置的最优路径，输出最优路径规划结果。

2.根据权利要求1所述的一种基于CT影像的手术机器人路径规划方法，其特征在于，所述拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型包括：

将患者CT影像导入系统，对图像信息解析，三视图应用VTK中的vtklmageReslice类实现图像冠状面、矢状面、横断面的提取；

使用内置算法对包括：肿瘤、皮肤、骨骼、血管、支气管、叶间裂、肺与规划相关的器官模型自动分割，并基于移动立方体算法进行面绘制三维重建显示。

3.根据权利要求1所述的一种基于CT影像的手术机器人路径规划方法，其特征在于，所述对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合包括：

使用vtkCleanPolyData对模型进行采样，得到路径规划所需的点集，包括：皮肤点集P_s、靶向点集P_t、器官结构点集P_o、消融目标区点集P_a，其中皮肤点集与靶向点集之间的连线构成多个连线集合。

4.根据权利要求1所述的一种基于CT影像的手术机器人路径规划方法，其特征在于，所述消融目标区具体包括：

采用vtkMarchingCubes重建得到的模型为vtkPolyData数据形式，vtkPolyData数据表示为顶点、线、多边形和三角形带，直接从vtkPolyData类中调用相关函数获取所有顶点，点集P_s，P_o分别取自降采样后的皮肤及器官结构模型；

消融目标区点集P_a取自肿瘤按安全边界膨胀后生成的vtkPolyData，使用SimplelTK的BinaryDilate类对分割得到的肿瘤掩膜按安全边界膨胀，再由移动立方体算法重建得到膨胀后的肿瘤模型，消融目标区被完全覆盖则认为没有残癌；

P_t取自肿瘤腐蚀后的体素中心点，使用SimplelTK的BinaryErode类对分割得到的肿瘤掩膜进行边界腐蚀，肿瘤腐蚀深度取肿瘤质心到肿瘤表面最短距离的一半，再使用VTK的vtkNlFTllmageReader类读取边界腐蚀后的肿瘤掩膜，转换为由拓扑与几何规则点组构成的ImageData类，然后从ImageData中调用相关函数获取相应点集。

5.根据权利要求1所述的一种基于CT影像的手术机器人路径规划方法，其特征在于，所述在多个连线的集合中筛选出多条路径，所述路径产生的消融区能将消融目标区覆盖具体包括：

采取的硬约束条件包括：路径不能经过重要组织，路径与重要组织间的距离大于设定值d_m默认为5mm，路径深度不超过电极针的最大穿刺深度，路径与皮肤表面的夹角θ不小于20°；

使用vtkOBBTree，对多个连线的集合中的路径与器官结构点集P_o做碰撞检测，筛除经过重要组织的路径，路径与器官结构点集P_o之间的距离可通过VTK的DistanceToLine类计算，路径深度l_d是皮肤表面进针点到靶向点线段的距离；路径与皮肤表面的夹角通过vtkObbtree类检测线段与皮肤模型相交的三角面片，再由三角面片的法向量与线段间的夹角确定；

只要违反任一项硬约束条件路径就会被筛除，剩余路径的进针点、靶向点、进针深度l_d、路径与重要组织间的最短距离l_s、路径与皮肤表面的夹角θ会被记录。

6.根据权利要求1所述的一种基于CT影像的手术机器人路径规划方法，其特征在于，所述在多个连线的集合中筛选出多条路径，所述路径产生的消融区能将消融目标区覆盖具体包括：

采取的软约束条件包括：路径深度浅，路径与皮肤表面的夹角垂直，路径与重要组织间的距离远，帕累托优化算法采用进针深度，路径与皮肤表面夹角θ，路径离重要组织最短距离l_s作为优化目标，筛选三项优化目标下的帕累托最优前沿路径。

7.根据权利要求1所述的一种基于CT影像的手术机器人路径规划方法，其特征在于，所述分别计算所述多条路径产生的消融区的大小和位置，选择具有最佳的消融区大小与位置的最优路径，输出最优路径规划结果包括：

规划中的变量设置为一维布尔变量数组，将p_b点设为起始点，按设定的间隔l_g默认为1mm，沿着p_b到p_t方向取点，半径为l_m，直到最后一个点刚好越出p_t，所取点的集合记为点集P_g，P_g中点的数目是二进制数组的长度；

在某一点是否进行消融对应二进制数组中的布尔值，优化目标是消融区覆盖健康组织的点数n_h，通过一维布尔数组变量对应的消融区超出消融目标区的情况进行判断，约束是消融区必须完全覆盖点集P_a，通过一维布尔数组变量对应的消融区所覆盖的目标消融区点集P_a进行判断；

求解出布尔变量数组后，布尔值为真的位置对应的点是该路径在对应消融区下应该消融的位置，更新进针深度l_d，路径与重要组织的最短距离l_s，同时计算消融效率AE，再以l_d、l_s、θ、AE作为优化目标，再次应用帕累托优化算法筛选帕累托最优前沿路径，其中消融效率的计算公式定义为：

其中为n_r消融目标区点集Pa的点数，n_h为消融区域超出消融目标区的点集数，即损伤的健康组织点集数量；

求出最优前沿路径后，采用基于加权求和路径规划算法得到最优解，对剩余路径的l_d、l_s、θ、AE做归一化处理，对这四项软约束条件设置权重，使用以下公式对剩余路径进行评分：

score＝k₁·l_d+k₂·l_s+k₃·θ+k₄·AE

其中k₁，k₂，K₃，k₄为权重系数，可自定义；

剩余路径中评分最高的路径即为最优路径，将患者信息、CT影像信息、模块路径规划得到的结果：帕累托前沿路径以及最优路径的进针点和靶向点坐标，输出并保存到本地。

8.一种基于CT影像的手术机器人路径规划系统，其特征在于，包括：

CT影像分割与三维可视化模块：拍摄CT影像，对各个组织模型进行分割后重新建立组织三维模型；

对组织三维模型进行采样获取多个点集，从所述点集中筛选出皮肤点集与靶向点集，将皮肤点集与靶向点集连线，得到多个连线的集合；

路径规划模块：在多个连线的集合中筛选出一条路径，所述路径产生的消融区能将消融目标区覆盖；

计算消融区位置模块：选择合适路径后计算消融区的大小和位置；

图像信息输出模块：输出路径规划结果。

Images