CN116747017A - 脑出血手术规划系统及方法 - Google Patents
脑出血手术规划系统及方法 Download PDFInfo
- Publication number
- CN116747017A CN116747017A CN202310762528.1A CN202310762528A CN116747017A CN 116747017 A CN116747017 A CN 116747017A CN 202310762528 A CN202310762528 A CN 202310762528A CN 116747017 A CN116747017 A CN 116747017A
- Authority
- CN
- China
- Prior art keywords
- cerebral hemorrhage
- surgical
- brain
- image data
- data
- 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
- 206010008111 Cerebral haemorrhage Diseases 0.000 title claims abstract description 212
- 238000000034 method Methods 0.000 title claims abstract description 68
- 210000004556 brain Anatomy 0.000 claims abstract description 106
- 238000012545 processing Methods 0.000 claims abstract description 64
- 230000002490 cerebral effect Effects 0.000 claims abstract description 23
- 238000001356 surgical procedure Methods 0.000 claims description 70
- 230000011218 segmentation Effects 0.000 claims description 53
- 230000000694 effects Effects 0.000 claims description 39
- 238000004088 simulation Methods 0.000 claims description 34
- 210000000056 organ Anatomy 0.000 claims description 25
- 210000005013 brain tissue Anatomy 0.000 claims description 21
- 206010018852 Haematoma Diseases 0.000 abstract description 11
- 238000009472 formulation Methods 0.000 abstract 1
- 239000000203 mixture Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 27
- 238000012549 training Methods 0.000 description 20
- 210000001519 tissue Anatomy 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 208000008574 Intracranial Hemorrhages Diseases 0.000 description 7
- 230000009471 action Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 229940079593 drug Drugs 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 208000032843 Hemorrhage Diseases 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007428 craniotomy Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 206010006145 Brain stem haemorrhage Diseases 0.000 description 1
- 206010008030 Cerebellar haemorrhage Diseases 0.000 description 1
- 206010059491 Intracranial haematoma Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000000133 brain stem Anatomy 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- 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
- G06T19/003—Navigation within 3D models or images
-
- 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
- G06T19/006—Mixed reality
-
- 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
-
- 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
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
-
- 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
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Robotics (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本说明书涉及医疗机器人技术领域,具体地公开了一种脑出血手术规划系统及方法,其中,该系统包括:图像存储装置,用于存储目标对象的脑部术前影像数据;图像处理装置,用于从所述图像存储装置读取所述目标对象的脑部术前影像数据;还用于基于所述脑部术前影像数据,识别所述目标对象的脑出血类型;还用于根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。上述方案可以实现全自动血肿类型识别与个性化手术规划制定,提高手术规划的效率和可靠性。
Description
技术领域
本说明书涉及医疗机器人技术领域,特别涉及一种脑出血手术规划系统及方法。
背景技术
目前,在脑出血手术之前,通常会根据患者术前脑部影像,将脑部组织结构(例如,颅骨、血管,脑实质,脑室等)和血肿进行分割。之后,基于分割结果视图进行手术规划,规划穿刺靶点,规避脑重要功能区和血管。
由于不同患者的血肿大小、形态、位置不同,因此对应的手术方式不尽相同。然而,目前仅根据医生经验进行手术规划,主观性较强。尤其针对医疗资源相对落后的地区,术前手术规划存在一定程度的误差。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本说明书实施例提供了一种脑出血手术规划系统及方法,以解决现有技术中脑出血手术规划主观性较强影响手术效果的问题。
本说明书实施例提供了一种脑出血手术规划系统,包括:
图像存储装置,用于存储目标对象的脑部术前影像数据;
图像处理装置,用于从所述图像存储装置读取所述目标对象的脑部术前影像数据;还用于基于所述脑部术前影像数据,识别所述目标对象的脑出血类型;还用于根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。
在一个实施例中,所述图像处理装置具体用于:
利用目标分割识别模型对所述脑部术前影像数据进行脑部器官组织分割识别和脑出血类型识别,得到分割识别后的脑部图像数据和目标对象的脑出血类型。
在一个实施例中,所述图像处理装置具体用于:
获取多种脑出血手术方式;
将所述多种脑出血手术方式中各种脑出血手术方式、所述脑部术前影像数据和所述脑出血类型输入目标手术效果预测模型,得到所述各种脑出血手术方式对应的手术效果指标;
根据所述各种脑出血手术方式对应的手术效果指标,确定出所述目标对象的目标脑出血手术方式。
在一个实施例中,脑出血手术规划系统还包括:虚拟现实设备;
所述图像处理装置还用于调取所述目标脑出血手术方式对应的虚拟手术用具模型,并将所述分割识别后的脑部图像数据和所述虚拟手术用具模型发送至虚拟现实设备;
所述虚拟现实设备用于基于分割识别后的脑部图像数据进行三维重建,得到脑部组织器官模型,还用于基于所述脑部组织器官模型和所述虚拟手术用具模型,进行手术场景重建,得到模拟手术场景。
在一个实施例中,脑出血手术规划系统还包括:图像采集装置,用于采集用户模拟手术视频数据;
所述图像存储装置还用于存储多种脑出血手术方式中各种脑出血手术方式对应的手术规范数据;
所述图像处理装置还用于从所述图像存储装置调取所述目标脑出血手术方式对应的手术规范数据;还用于基于所述用户模拟手术视频数据和所述目标脑出血手术方式对应的手术规范数据,确定当前用户手术操作流程是否符合手术规范。
在一个实施例中,所述用户模拟手术视频数据包括手术流程描述语音数据和手术模拟操作图像数据;
所述图像处理装置具体用于:
根据所述手术流程描述语音数据,确定当前手术流程是否符合手术流程规范;
在确定当前手术流程符合手术流程规范的情况下,基于所述手术模拟操作图像数据,确定当前手术操作是否符合手术操作规范;
在确定当前手术操作符合手术操作规范的情况下,确定当前用户手术操作流程符合手术规范;
在确定当前用户手术操作流程不符合手术规范的情况下,生成提示信息;所述提示信息用于提示用户正确的手术操作流程。
在一个实施例中,所述图像处理装置具体用于:
调取当前手术流程对应的标准手术姿态数据;
对所述手术模拟操作图像数据进行姿态识别,得到用户手术操作姿态数据;
将所述用户手术操作姿态数据与所述标准手术姿态数据进行匹配;
在匹配成功的情况下,确定当前手术操作符合手术操作规范。
在一个实施例中,所述图像处理装置还用于:
将用户模拟手术视频数据发送至所述虚拟现实设备;所述虚拟现实设备基于所述用户模拟手术视频数据对所述模拟手术场景进行更新。
本说明书实施例还提供了一种脑出血手术规划方法,包括:
获取目标对象的脑部术前影像数据;
基于所述脑部术前影像数据,识别所述目标对象的脑出血类型;
根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。
本说明书实施例还提供一种计算机设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现上述任意实施例中所述的脑出血手术规划方法的步骤。
本说明书实施例还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现上述任意实施例中所述的脑出血手术规划方法的步骤。
在本说明书实施例中,提供了一种脑出血手术规划系统,可以获取目标对象的脑部术前影像数据,基于所述脑部术前影像数据,识别所述目标对象的脑出血类型,之后可以根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。本方案中,基于目标对象的脑部术前影像数据可以识别出目标对象的脑出血类型,之后可以根据目标对象的脑部术前影像数据和脑出血类型为用户推荐目标脑出血手术方式,以根据目标脑出血手术方式为目标对象执行脑出血手术,可以实现全自动脑出血类型识别与个性化手术规划制定,提高手术规划的效率和可靠性。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,并不构成对本说明书的限定。在附图中:
图1示出了本说明书一实施例中脑出血手术规划方法的应用场景的示意图;
图2示出了本说明书一实施例中的脑出血手术规划方法的流程图;
图3示出了本说明书一实施例中的目标分割识别模型的训练样本集的制作流程示意图;
图4示出了本说明书一实施例中的脑部多器官分割和脑出血类型分类标注示意图;
图5示出了本说明书一实施例中的目标分割识别模型的结构示意图;
图6示出了本说明书一实施例中的目标手术效果预测模型的训练样本集的制作流程示意图;
图7示出了本说明书一实施例中的脑出血手术方式、血肿类型与生存时间之间的映射关系标注示意图;
图8示出了本说明书一实施例中的目标手术效果预测模型的结构示意图;
图9示出了本说明书一实施例中的构建脑部组织器官模型的Marching Cubes算法的结构示意图;
图10示出了本说明书一实施例中的模拟手术场景更新的流程图;
图11示出了本说明书一实施例中的模拟手术操作匹配和反馈的流程示意图;
图12示出了本说明书一实施例中的用户动作识别流程图;
图13示出了本说明书一实施例中的ICP关键点配准示意图;
图14示出了本说明书一实施例中的关键点与标准模板匹配算法结构示意图;
图15示出了本说明书一实施例中的脑出血手术规划方法的流程图;
图16示出了本说明书一实施例中的脑出血手术规划装置的结构示意图;
图17示出了本说明书一实施例中的计算机设备的示意图;
图18示出了本说明书一实施例中的脑出血手术规划系统的结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本说明书的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本说明书,而并非以任何方式限制本说明书的范围。相反,提供这些实施方式是为了使本说明书公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域的技术人员知道,本说明书的实施方式可以实现为一种系统、装置设备、方法或计算机程序产品。因此,本说明书公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
本说明书实施例提供了一种脑出血手术规划方法。图1示出了本说明书一实施例中脑出血手术规划方法的应用场景的示意图。如图1所示,脑出血手术规划方法相关的硬件设备可以包括:图像采集装置1、虚拟显示设备2、图像显示装置3、图像处理装置4、图像存储装置5。
图像采集装置1可以包括3D摄像头,例如,可以是双目摄像头。图像采集装置1可以采集用户的姿态数据和语音数据。图像采集装置1还可以包括医学影像采集装置,可以采集目标对象的脑部术前影像数据。
图像存储装置5可以包括数据硬盘或其他存储设备。图像存储装置5可以存储目标对象的脑部术前影像数据、脑部三维模型、手术过程中所用的三维模型、用户模拟手术过程中的姿态数据和语音数据、脑部多器官分割模型等数据
脑部术前影像数据可以包括CT影像、CTA影像和/或MRI影像等数据。
图像处理装置4可以包括图像处理装置等。图像处理装置4用于从图像存储装置5获取脑部术前影像数据,对脑部术前影像数据做脑部多器官分割识别和脑出血分类。图像处理装置4还可以根据脑出血类型以及脑部术前影像数据向用户推荐目标对象的目标脑出血手术方式。图像处理装置4还用于对用户模拟手术过程中的姿态数据和语音数据进行运动分析和语义分析,以判断当前用户的手术姿态是否符合规范,若是,则用户执行下一手术流程,否则提示用户正确手术姿态。
虚拟现实设备2可以包括可穿戴的VR设备,由用户佩戴。虚拟现实设备2可以进行手术场景重建。虚拟现实设备可以根据图像处理装置4分割识别后的脑部多器官图像数据,还可以调取目标脑出血手术方式对应的手术用具模型,之后根据脑部多器官图像数据和手术用具模型,进行手术场景模拟。虚拟现实设备2还可以获取用户模拟手术过程中的姿态数据,并根据姿态数据对手术场景进行更新。
图像显示装置3可以包括显示屏。图像显示装置可以用于同步显示虚拟现实设备视野内的图像。
图2示出了本说明书一实施例中脑出血手术规划方法的流程图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例描述及附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构连接进行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,甚至分布式处理环境)。
具体地,如图2所示,本说明书一种实施例提供的脑出血手术规划方法可以包括以下步骤:
步骤S201,获取目标对象的脑部术前影像数据。
本说明书实施例中的脑出血手术规划方法可以应用于图像处理装置。图像处理装置可以包括图像处理主机或者服务器。
图像处理装置可以获取目标对象的脑部术前影像数据。目标对象可以是患者等手术对象。脑部术前影像数据可以包括在脑部手术前对目标对象的头部采集的影像数据。脑部术前影像数据可以包括以下至少之一:CT影像、CTA影像、MRI影像。
步骤S202,基于所述脑部术前影像数据,识别所述目标对象的脑出血类型。
在获得脑部术前影像数据之后,图像处理主机或者服务器可以基于脑部术前影像数据,识别目标对象的脑出血类型。
具体的,可以基于脑部术前影像数据,识别出目标对象的脑出血类型。脑出血类型可以包括以下至少之一:深部出血、脑叶出血、脑干出血、小脑出血、脑实质出血、脑室出血以及多部位出血。
在一个实施例中,还可以对脑部术前影像数据进行脑部器官组织分割识别。具体的,在本说明书一些实施例中,基于所述脑部术前影像数据,识别目标对象的脑出血类型,可以包括:利用目标分割识别模型对所述脑部术前影像数据进行脑部器官组织分割识别和脑出血类型识别,得到分割识别后的脑部图像数据和目标对象的脑出血类型。
脑部器官组织分割识别是指识别出脑部不同的器官和/或组织并基于识别结果进行分割。脑部不同的器官和/或组织可以包括:例如,颅骨、血管、血肿、脑实质、大脑、脑干、小脑等。通过利用深度学习模型,可以自动对脑部术前影像数据进行脑部器官组织分割识别和脑出血类型识别。
目标分割识别模型可以是预先训练得到。在一个实施例中,目标分割识别模型可以通过以下方式构建得到:获取训练样本集;利用训练样本集对预设分割识别模型进行训练,得到目标分割识别模型。
训练样本集可以包括样本集和标签集。样本集中可以包括多个脑部术前影像数据。标签集中可以包括样本集中各样本对应的分割识别后的脑部图像数据和对应的脑出血类型。
具体的,请参考图3,示出了本说明书实施例中目标分割识别模型的训练样本集的制作流程示意图。如图3所示,训练样本集的制作可以包括以下步骤:
步骤S301,采集大量的脑部术前影像数据。脑部术前影像数据可以包括CT影像、CTA影像和/或MRI影像。
步骤S302,将不同模态的影像数据配准到CT影像。配准之后可以便于后续处理。
步骤S303,在配准后的影像上勾画出脑部组织和器官,得到分割识别后的脑部图像数据,还可以标出该影像对应的脑出血类型。请参考图4,示出了本说明书实施例中脑部多器官分割和脑出血类型分类标注示意图。如图4所示,左侧为输入的CT影像,右侧为输出的分割识别后的脑部图像数据,还标出了脑出血类型为脑实质出血类型。
步骤S304,将标注数据保存作为训练样本集。
在得到训练样本集之后,可以利用训练样本集对预设的分割识别模型进行训练,得到目标分割识别模型。
请参考图5,示出了本说明书实施例中的目标分割识别模型的结构示意图。如图5所示,目标分割识别模型的输入(Input)是脑部术前影像数据,输出由两部分组成,一部分是脑出血类型的预测结果(Output1),另一个是分割识别后的脑部图像数据(Output2)。如图5所示,深度学习模型的各层所包含的运算包括:DenseBlock(密集连接块)、Conv(卷积运算)、Avg Pooling(平均池化运算)、Global Avg Pooling(全局平均池化运算)、FC(全连接)、Deconv(反卷积运算)、Softmax(非线性映射)。
步骤S203,根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。
在基于脑部术前影像数据识别出脑出血类型之后,可以根据脑部术前影像数据和脑出血类型,确定目标对象的目标脑出血手术方式。
在一个实施例中,可以获取数据库中存储的历史时间段内的脑部术前影像数据、脑出血类型以及对应的手术方式。之后将目标对象的脑部术前影像数据和脑出血类型与历史时间段内的脑部术前影像数据和脑出血类型进行匹配,将匹配成功的历史时间段内的脑部术前影像数据和脑出血类型对应的手术方式确定为目标对象的目标脑出血手术方式。例如可以先将目标对象的脑部术前影像数据与历史时间段内的脑部术前影像数据进行匹配,得到匹配的多个脑部术前影像数据。再将匹配的多个脑部术前影像数据对应的脑出血类型与目标对象的脑出血类型进行匹配,将匹配成功的脑部术前影像数据和脑出血类型对应的手术方式确定为目标对象的目标脑出血手术方式。
在一个实施例中,在存在多种匹配的手术方式的情况下,可以由用户(即医生)来确定目标脑出血手术方式。在另一个实施例中,在存在多种匹配的手术方式的情况下,可以由服务器或者图像处理主机根据多种匹配的手术方式对应的手术效果来确定出手术效果最好的手术方式作为目标脑出血手术方式。
在本说明书一些实施例中,根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式,可以包括:获取多种脑出血手术方式;将所述多种脑出血手术方式中各种脑出血手术方式、所述脑部术前影像数据和所述脑出血类型输入目标手术效果预测模型,得到所述各种脑出血手术方式对应的手术效果指标;根据所述各种脑出血手术方式对应的手术效果指标,确定出所述目标对象的目标脑出血手术方式。
多种脑出血手术方式可以包括:开颅血肿清除术、小骨窗微创开颅血肿清除术、立体定向血肿引流术、神经内镜下颅内血肿清除术、脑室穿刺外引流术等。
目标手术效果预测模型可以是预先训练得到。在一个实施例中,目标手术效果预测模型可以通过以下方式构建得到:获取训练样本集;利用训练样本集对预设手术效果预测模型进行训练,得到目标分割识别模型。
训练样本集可以包括样本集和标签集。样本集中可以包括多个脑部术前影像数据以及多个脑部术前影像数据中各脑部术前影像数据对应的脑出血类型编号、手术方式编号。标签集中可以包括样本集中各样本对应的手术效果指标。手术效果指标可以包括以下至少之一:生存时间、生活质量等。
具体的,请参考图6,示出了本说明书实施例中目标手术效果预测模型的训练样本集的制作流程示意图。如图6所示,训练样本集的制作可以包括以下步骤:
步骤S601,采集大量的脑部术前影像数据及其对应的手术方式和手术效果指标。
步骤S602,对大量的脑部术前影像数据进行手术方式标注,并对手术方式按照顺序进行编码。
步骤S603,对大量的脑部术前影像数据进行脑出血类型标注,并对脑出血类型按照顺序进行编码。
步骤S604,对大量的脑部术前影像数据进行手术效果指标标注,将手术效果指标作为对应的标签。
步骤S605,将标注数据保存作为训练样本集。
在得到训练样本集之后,即可以利用训练样本集对预设的手术效果预测模型进行训练,得到目标手术效果预测模型。
请参考图7,示出了本说明书实施例中的脑出血手术方式、血肿类型(即,脑出血类型)与生存时间之间的映射关系标注示意图。如图7所示,ID为脑部术前手术影像数据的编号。
请参考图8,示出了本说明书实施例中的目标手术效果预测模型的结构示意图。如图8所示,目标分割识别模型的输入1(Input1)是目标对象的脑部术前影像数据、输入2(Input2)是目标对象的脑出血类型、输入3(Input3)是多种脑出血手术方式中各脑出血手术方式,输出(Output)是各脑出血手术方式对应的手术效果指标。如图7所示,目标手术效果预测模型的各层所包含的运算包括:DenseBlock(密集连接块)、Conv(卷积运算)、AvgPooling(平均池化运算)、Global Avg Pooling(全局平均池化运算)、FC(全连接)、Deconv(反卷积运算)、Softmax(非线性映射)、Normalization(归一化运算)。
本实施例中,基于目标对象的脑部术前影像数据可以识别出目标对象的脑出血类型,之后可以根据目标对象的脑部术前影像数据和脑出血类型为用户推荐目标脑出血手术方式,以根据目标脑出血手术方式为目标对象执行脑出血手术,可以实现全自动血肿类型识别与个性化手术规划制定,提高手术规划的效率和可靠性。
在本说明书一些实施例中,脑出血手术规划方法还可以包括:调取所述目标脑出血手术方式对应的虚拟手术用具模型;将所述分割识别后的脑部图像数据和所述虚拟手术用具模型发送至虚拟现实设备;所述虚拟现实设备用于基于分割识别后的脑部图像数据进行三维重建,得到脑部组织器官模型,基于所述脑部组织器官模型和所述虚拟手术用具模型,进行手术场景重建,得到模拟手术场景。
图像存储装置中还可以存储有多种脑出血手术方式中各脑出血手术方式对应的虚拟手术用具模型。图像处理装置可以调取目标对象的目标脑出血手术方式对应的虚拟手术用具模型。这里的虚拟手术用具模型可以包括各种手术器械的模型数据。图像存储装置可以将分割识别后的脑部图像数据和目标脑出血手术方式对应的虚拟手术用具模型发送至虚拟现实设备。虚拟现实设备可以基于分割识别后的脑部图像数据进行三维重建,得到脑部组织器官模型。之后,虚拟现实设备可以基于脑部组织器官模型和虚拟手术用具模型,进行手术场景重建,得到模拟手术场景。
在一个实施例中,虚拟现实设备对分割识别后的脑部图像数据进行二值化处理,得到二值化器官分割掩膜,之后利用三维离散数据场提取等值面算法(例如,MarchingCubes)重建器官形态,得到脑部组织器官模型。
请参考图9,示出了构建脑部组织器官模型的Marching Cubes算法的结构示意图。如图9所示,算法的基本思想是逐个处理数据场中的立方体(体素),分离出与等值面相交的立方体,采用插值计算出等值面与立方体边的交点。根据立方体每一顶点与等值面的相对位置,将等值面与立方体边的交点按一定方式连接生成等值面,作为等值面在该立方体内的一个逼近表示。
虚拟手术用具模型可以是根据手术用具的深度采用实时三维重建算法(如bundlefusion)构建得到的。虚拟现实设备可以基于脑部组织器官模型和虚拟手术用具模型,进行手术场景重建,得到模拟手术场景。通过虚拟现实设备模拟手术场景,可以让用户直观观察手术环境,为后续模拟手术操作打下基础。
在本说明书一些实施例中,脑出血手术规划方法还可以包括:将用户模拟手术视频数据发送至所述虚拟现实设备;所述虚拟现实设备基于所述用户模拟手术视频数据对所述模拟手术场景进行更新。其中,用户模拟手术视频数据可以由图像采集装置(例如,双目相机)采集得到。用户模拟手术视频数据是指用户基于虚拟现实设备中的模拟手术场景进行模拟手术操作时,图像采集装置采集到的视频数据。虚拟现实设备可以基于用户模拟手术视频数据对模拟手术场景进行更新,实时呈现物体虚拟现实效果。本实施例中,通过模拟真实手术场景中器械与组织交互过程,可以提高手术安全性和可靠性。
请参考图10,示出了本说明书实施例中模拟手术场景更新的流程图。如图10所示,模拟手术场景的更新可以包括以下步骤:
步骤1,将用户模拟手术视频数据作为输入。
步骤2,将场景内边缘处像素点的点集作为特征点检测出,并利用采样出的帧内各特征点的特征进行匹配,然后对匹配后的连续多帧图像进行一致性验证。
步骤3,利用匹配后的连续多帧图像对摄像头姿态进行局部的优化。
步骤4,再将优化后的局部地图数据做全局的地图优化;然后将优化的全局地图数据存入缓存。
步骤5,用户头部移动时,采集到新的图像后,缓存区的数据与新的图像数据进行数据融合,并将重复数据剔除,直到场景建立完成。
步骤6,当环境场景建立完成后,将步骤2得到的脑组织和血肿分割结果模型导入到VR设备,建立模型和环境的初始位置关系。
步骤7,用户头部移动时,虚拟现实设备感知当前头部位置,并反馈到虚拟现实视觉效果,形成当前位置的物体虚拟现实效果。
在本说明书一些实施例中,脑出血手术规划方法还可以包括:获取用户模拟手术视频数据;调取所述目标脑出血手术方式对应的手术规范数据;基于所述用户模拟手术视频数据和所述目标脑出血手术方式对应的手术规范数据,确定当前用户手术操作流程是否符合手术规范。
本实施例中,在得到目标脑出血手术方式之后,用户可以基于目标脑出血手术方式执行模拟手术操作,并由图像采集装置采集用户模拟手术视频数据,并将采集到的视频数据存储至图像存储装置。图像处理装置可以从图像存储装置读取用户模拟手术视频数据。图像处理装置还可以从图像存储装置或者与云服务器获取目标脑出血手术方式对应的手术规范数据。手术规范数据中可以包括目标脑出血手术方式对应的流程规范数据和操作规范数据。流程规范数据可以用于描述目标脑出血手术方式对应的手术流程。操作规范数据可以用于描述各手术流程对应的各手术操作。
图像处理装置可以基于用户模拟手术视频数据和所述目标脑出血手术方式对应的手术规范数据,确定当前用户手术操作流程是否符合手术规范。通过本实施例中的方法,可以确定用户模拟手术操作流程是否符合手术规范。
在本说明书一些实施例中,在确定当前用户手术操作流程是否符合手术规范之后,还可以包括:在确定当前用户手术操作流程不符合手术规范的情况下,生成提示信息;所述提示信息用于提示用户正确的手术操作流程。
本实施例中,在用户手术操作流程不符合手术规范的情况下,图像处理装置可以生成提示信息,提示信息可以用于提示用户正确的手术操作流程,对用户手术操作进行纠正,直至满足手术规范,可以提供后续用户正式执行手术的成功率和手术质量。
在本说明书一些实施例中,在确定当前用户手术操作流程是否符合手术规范之后,还可以包括:在确定当前用户手术操作流程符合手术规范的情况下,确定当前操作流程是否为最后一步,若是,则结束,否则提醒用户执行下一步流程。
在本说明书一些实施例中,所述用户模拟手术视频数据包括手术流程描述语音数据和手术模拟操作图像数据;基于所述用户模拟手术视频数据和所述目标脑出血手术方式对应的手术规范数据,确定当前用户手术操作流程是否符合手术规范,可以包括:根据所述手术流程描述语音数据,确定当前手术流程是否符合手术流程规范;在确定当前手术流程符合手术流程规范的情况下,基于所述手术模拟操作图像数据,确定当前手术操作是否符合手术操作规范;在确定当前手术操作符合手术操作规范的情况下,确定当前用户手术操作流程符合手术规范。
手术流程描述语音数据可以包括用户描述手术流程的语音数据。图像处理装置可以对手术流程描述语音数据进行语义识别,得到手术流程描述数据。图像处理装置可以获取目标脑出血手术方式对应的手术规范数据。手术规范数据用于定义目标脑出血手术方式的标准流程操作。图像处理装置可以将手术流程描述数据与手术规范数据进行匹配,确定当前手术流程是否符合手术流程规范。
手术模拟操作图像数据可以包括用户模拟手术操作的图像数据。图像处理装置可以基于所述手术模拟操作图像数据,确定当前手术操作是否符合手术操作规范。在确定当前手术操作符合手术操作规范的情况下,确定当前用户手术操作流程符合手术规范。本实施例中,通过手术流程描述语音数据和手术模拟操作图像数据来共同确定当前手术操作流程是否符合手术规范,可以提高判断的可靠性和准确性。
在本说明书一些实施例中,基于所述手术模拟操作图像数据,确定当前手术操作是否符合手术操作规范,可以包括:调取当前手术流程对应的标准手术姿态数据;对所述手术模拟操作图像数据进行姿态识别,得到用户手术操作姿态数据;将所述用户手术操作姿态数据与所述标准手术姿态数据进行匹配;在匹配成功的情况下,确定当前手术操作符合手术操作规范。对手术模拟操作图像数据进行姿态识别,得到用户手术操作姿态数据。手术规范数据中可以包括标准流程操作对应的标准姿态数据。图像处理装置可以将用户手术操作姿态数据与标准姿态数据进行匹配,以确定当前手术操作是否符合手术操作规范。
请参考图11,示出了本说明书实施例中模拟手术操作匹配和反馈的流程示意图。如图11所示,可以包括以下步骤:
步骤1,用户口述当前手术操作步骤。
步骤2,图像处理装置基于手术流程描述语音数据判断当前手术步骤是否正确。若是,则执行步骤4,否则,执行步骤3。
步骤3,图像处理装置向用户提示正确的手术操作步骤。返回步骤1。
步骤4,用户模拟执行当前手术操作步骤。
步骤5,图像处理装置基于手术模拟操作图像数据计算用户的人体关键点的位移场。
步骤7,图像处理装置基于用户的人体关键点的位移场识别当前手术操作。
步骤8,图像处理装置将当前手术操作与标准手术动作进行匹配,若匹配成功,则执行步骤9,否则,执行步骤10。
步骤9,用户执行下一手术流程。
步骤10,图像处理装置向用户提示正确手术姿态。
本实施例中,可以自动识别当前用户的姿态,并与标准手术姿态进行配准,根据关键点偏移场的大小,判断当前手术动作是否符合标准,若不符合标准,则系统会提示正确的手术姿态对用户进行纠正,直到符合标准。
请参考图12,示出了本说明书实施例中的用户动作识别流程图。如图12所示,可以包括以下步骤。
步骤S121,利用双目相机,实时采集深度和RGB图像数据。
步骤S122,利用HRNet识别用户关键点位置。
步骤S123,结合深度图,得到每一个关键点的位置和深度。
步骤S124,利用ICP配准方法,将关键点与标准模板进行配准,得到每一个关键点的位移。
步骤S125,格式化输出动作类型。
请参考图13,示出了本说明书实施例中ICP关键点配准示意图。如图13所示,在判断用户当前动作是否符合规范时,首先利用深度相机采集用户深度图像和RGB图像,通过HRNet识别用户身体的关键点,最后结合ICP算法,对标准模板例的关键点与当前关键点进行点云配准,计算用户与标准模板关键点之间的位移场,根据位移场格式化输出用户的动作类型。
请参考图14,示出了本说明书实施例关键点与标准模板匹配算法结构示意图。
如图14所示,匹配算法包括以下步骤:
步骤S141,点云数据输入。
步骤S142,对输入的点云数据进行初始变换。
步骤S143,调整一些对应点对的权重。
步骤S144,剔除不合理的对应点对。
步骤S145,计算损失,并在最小化损失的情况下,求解当前最优变换直到损失收敛。
本说明书中的各个实施例均采用递进的方式描述,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。具体的可以参照前述相关处理相关实施例的描述,在此不做一一赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
下面结合一个具体实施例对上述方法进行说明,然而,值得注意的是,该具体实施例仅是为了更好地说明本说明书,并不构成对本说明书的不当限定。
本具体实施例中提供了一种脑出血手术规划方法。请参考图15,示出了本说明书实施例中的脑出血手术规划方法的流程图。如图15所示,本说明书实施例中的手术规划方法包括以下步骤:
步骤1,采集目标对象的脑部术前影像数据,可以包括CT影像、CTA影像和MRI影像。
步骤2,基于采集的脑部术前影像数据进行脑部多器官多组织分割和脑出血类型的分类。
步骤3,基于已分割组织和器官的脑部图像数据进行3D重建,得到脑部组织器官模型。
步骤4,基于步骤1采集的脑部术前影像数据和步骤2预测的脑出血类型,预测目标对象的目标脑出血手术方式。
步骤5,调取目标脑出血手术方式对应的虚拟手术用具模型。
步骤6,基于步骤3得到的脑部组织器官模型和步骤5得到的虚拟手术用具模型进行手术场景重建,得到模拟手术场景。
步骤7,医生口述当前手术流程。
步骤8,判断手术流程是否符合规范,若手术流程符合规范,则执行步骤10,否则执行步骤9。
步骤9,图像处理装置提示正确的手术流程。
步骤10,用户开始模拟手术操作。手术操作流程可以包括或操作指令或用药指令,操作指令包括手术刀操作指令,手术剪操作指令,穿刺针操作指令,等与脑出血手术相关的器械操作指令;用药指令可以包括通过输液器,微量泵和输血器中的至少一种操作的任一种药品类型的药品用量。
步骤11,系统判断当前执行者手术姿态是否符合规范,若是,则执行步骤13,否则,执行步骤12。
步骤12,图像处理装置提示正确手术姿态。返回步骤10。
步骤13,判断当前是否为当前手术流程最后一步,若是,则模拟手术结束;否则,返回步骤6。
上述实施例中的方法,通过构建一种脑出血患者手术方案推荐与模拟方法,可实现全自动脑出血类型识别与术式推荐,提高手术规划的效率。通过模拟真实手术场景中器械与组织交互过程,可以提高手术安全性和可靠性。
基于同一发明构思,本说明书实施例中还提供了一种脑出血手术规划装置,如下面的实施例所述。由于脑出血手术规划装置解决问题的原理与脑出血手术规划方法相似,因此脑出血手术规划装置的实施可以参见脑出血手术规划方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。图16是本说明书实施例的脑出血手术规划装置的一种结构框图,如图16所示,包括:获取模块1601、识别模块1602和第一确定模块1603,下面对该结构进行说明。
获取模块1601,获取目标对象的脑部术前影像数据。
识别模块1602,基于所述脑部术前影像数据,识别所述目标对象的脑出血类型。
第一确定模块1603,根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。
在本说明书一些实施例中,识别模块可以具体用于:利用目标分割识别模型对所述脑部术前影像数据进行脑部器官组织分割识别和脑出血类型识别,得到分割识别后的脑部图像数据和目标对象的脑出血类型。
在本说明书一些实施例中,确定模块可以具体用于:获取多种脑出血手术方式;将所述多种脑出血手术方式中各种脑出血手术方式、所述脑部术前影像数据和所述脑出血类型输入目标手术效果预测模型,得到所述各种脑出血手术方式对应的手术效果指标;根据所述各种脑出血手术方式对应的手术效果指标,确定出所述目标对象的目标脑出血手术方式。
在本说明书一些实施例中,脑出血手术规划装置还可以包括调取模块,调取模块具体用于:调取所述目标脑出血手术方式对应的虚拟手术用具模型;将所述分割识别后的脑部图像数据和所述虚拟手术用具模型发送至虚拟现实设备;所述虚拟现实设备用于基于分割识别后的脑部图像数据进行三维重建,得到脑部组织器官模型,基于所述脑部组织器官模型和所述虚拟手术用具模型,进行手术场景重建,得到模拟手术场景。
在本说明书一些实施例中,脑出血手术规划装置还可以包括第二确定模块,第二确定模块可以具体用于:获取用户模拟手术视频数据;调取所述目标脑出血手术方式对应的手术规范数据;基于所述用户模拟手术视频数据和所述目标脑出血手术方式对应的手术规范数据,确定当前用户手术操作流程是否符合手术规范。
在本说明书一些实施例中,所述用户模拟手术视频数据包括手术流程描述语音数据和手术模拟操作图像数据;第二确定模块可以具体用于:根据所述手术流程描述语音数据,确定当前手术流程是否符合手术流程规范;在确定当前手术流程符合手术流程规范的情况下,基于所述手术模拟操作图像数据,确定当前手术操作是否符合手术操作规范;在确定当前手术操作符合手术操作规范的情况下,确定当前用户手术操作流程符合手术规范。
在本说明书一些实施例中,第二确定模块还可以具体用于:在确定当前用户手术操作流程不符合手术规范的情况下,生成提示信息;所述提示信息用于提示用户正确的手术操作流程。
在本说明书一些实施例中,基于所述手术模拟操作图像数据,确定当前手术操作是否符合手术操作规范,可以包括:调取当前手术流程对应的标准手术姿态数据;对所述手术模拟操作图像数据进行姿态识别,得到用户手术操作姿态数据;将所述用户手术操作姿态数据与所述标准手术姿态数据进行匹配;在匹配成功的情况下,确定当前手术操作符合手术操作规范。
在本说明书一些实施例中,脑出血手术规划装置还可以包括更新模块,所述更新模块具体用于:将用户模拟手术视频数据发送至所述虚拟现实设备;所述虚拟现实设备基于所述用户模拟手术视频数据对所述模拟手术场景进行更新。
本说明书实施方式还提供了一种计算机设备,具体可以参阅图17所示的基于本说明书实施例提供的脑出血手术规划方法的计算机设备组成结构示意图,所述计算机设备具体可以包括输入设备171、处理器172、存储器173。其中,所述存储器173用于存储处理器可执行指令。所述处理器172执行所述指令时实现上述任意实施例中所述的脑出血手术规划方法的步骤。
在本实施方式中,所述输入设备具体可以是用户和计算机系统之间进行信息交换的主要装置之一。所述输入设备可以包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等;输入设备用于把原始数据和处理这些数的程序输入到计算机中。所述输入设备还可以获取接收其他模块、单元、设备传输过来的数据。所述处理器可以按任何适当的方式实现。例如,处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述存储器具体可以是现代信息技术中用于保存信息的记忆设备。所述存储器可以包括多个层次,在数字系统中,只要能保存二进制数据的都可以是存储器;在集成电路中,一个没有实物形式的具有存储功能的电路也叫存储器,如RAM、FIFO等;在系统中,具有实物形式的存储设备也叫存储器,如内存条、TF卡等。
在本实施方式中,该计算机设备具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
本说明书实施方式中还提供了一种基于脑出血手术规划方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现上述任意实施例中所述脑出血手术规划方法的步骤。
在本实施方式中,上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的,用于进行网络连接通信的接口。
在本实施方式中,该计算机存储介质存储的程序指令具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
本说明书实施方式中还提供了一种脑出血手术规划系统。请参考图18,示出了本说明书实施例中的脑出血手术规划系统的结构示意图。如图18所示,脑出血手术规划系统180可以包括:图像存储装置181、图像处理装置182、
图像存储装置181用于存储目标对象的脑部术前影像数据。
图像处理装置182用于从所述图像存储装置读取所述目标对象的脑部术前影像数据;还用于基于所述脑部术前影像数据,识别所述目标对象的脑出血类型;还用于根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。
在本说明书一些实施例中,图像处理装置182可以具体用于:利用目标分割识别模型对所述脑部术前影像数据进行脑部器官组织分割识别和脑出血类型识别,得到分割识别后的脑部图像数据和目标对象的脑出血类型。
在本说明书一些实施例中,图像处理装置182可以具体用于:获取多种脑出血手术方式;将所述多种脑出血手术方式中各种脑出血手术方式、所述脑部术前影像数据和所述脑出血类型输入目标手术效果预测模型,得到所述各种脑出血手术方式对应的手术效果指标;根据所述各种脑出血手术方式对应的手术效果指标,确定出所述目标对象的目标脑出血手术方式。
在本说明书一些实施例中,脑出血手术规划系统180还可以包括:虚拟现实设备183。
图像处理装置181还用于调取所述目标脑出血手术方式对应的虚拟手术用具模型,并将所述分割识别后的脑部图像数据和所述虚拟手术用具模型发送至虚拟现实设备183。
虚拟现实设备183可以用于基于分割识别后的脑部图像数据进行三维重建,得到脑部组织器官模型,还用于基于所述脑部组织器官模型和所述虚拟手术用具模型,进行手术场景重建,得到模拟手术场景。
在本说明书一些实施例中,脑出血手术规划系统还可以包括:图像采集装置184。图像采集装置184用于采集用户模拟手术视频数据。图像采集装置184可以包括双目相机等3D摄像头。图像采集装置184还可以包括医学影像采集装置,用于采集脑部术前影像数据。
图像存储装置181还可以用于存储多种脑出血手术方式中各种脑出血手术方式对应的手术规范数据。
图像处理装置182还可以用于从所述图像存储装置调取所述目标脑出血手术方式对应的手术规范数据;还用于基于所述用户模拟手术视频数据和所述目标脑出血手术方式对应的手术规范数据,确定当前用户手术操作流程是否符合手术规范。
在本说明书一些实施例中,图像处理装置182还可以用于将用户模拟手术视频数据发送至所述虚拟现实设备183。虚拟现实设备183可以基于用户模拟手术视频数据对模拟手术场景进行更新。
在本说明书一些实施例中,脑出血手术规划系统18还可以包括:通信装置185。所述通信装置185用于完成虚拟现实设备183和图像处理装置182之间的数据传输。
在本说明书一些实施例中,所述用户模拟手术视频数据可以包括手术流程描述语音数据和手术模拟操作图像数据;图像处理装置182可以具体用于:根据所述手术流程描述语音数据,确定当前手术流程是否符合手术流程规范;在确定当前手术流程符合手术流程规范的情况下,基于所述手术模拟操作图像数据,确定当前手术操作是否符合手术操作规范;在确定当前手术操作符合手术操作规范的情况下,确定当前用户手术操作流程符合手术规范;在确定当前用户手术操作流程不符合手术规范的情况下,生成提示信息;所述提示信息用于提示用户正确的手术操作流程。
在本说明书一些实施例中,图像处理装置182可以具体用于:调取当前手术流程对应的标准手术姿态数据;对所述手术模拟操作图像数据进行姿态识别,得到用户手术操作姿态数据;将所述用户手术操作姿态数据与所述标准手术姿态数据进行匹配;在匹配成功的情况下,确定当前手术操作符合手术操作规范。
在本说明书一些实施例中,图像处理装置182还可以用于:将用户模拟手术视频数据发送至所述虚拟现实设备;所述虚拟现实设备基于所述用户模拟手术视频数据对所述模拟手术场景进行更新。
显然,本领域的技术人员应该明白,上述的本说明书实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本说明书实施例不限制于任何特定的硬件和软件结合。
应该理解,以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述,在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此,本说明书的范围不应该参照上述描述来确定,而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。
以上所述仅为本说明书的优选实施例而已,并不用于限制本说明书,对于本领域的技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
Claims (10)
1.一种脑出血手术规划系统,其特征在于,包括:
图像存储装置,用于存储目标对象的脑部术前影像数据;
图像处理装置,用于从所述图像存储装置读取所述目标对象的脑部术前影像数据;还用于基于所述脑部术前影像数据,识别所述目标对象的脑出血类型;还用于根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。
2.根据权利要求1所述的脑出血手术规划系统,其特征在于,所述图像处理装置具体用于:
利用目标分割识别模型对所述脑部术前影像数据进行脑部器官组织分割识别和脑出血类型识别,得到分割识别后的脑部图像数据和目标对象的脑出血类型。
3.根据权利要求1所述的脑出血手术规划系统,其特征在于,所述图像处理装置具体用于:
获取多种脑出血手术方式;
将所述多种脑出血手术方式中各种脑出血手术方式、所述脑部术前影像数据和所述脑出血类型输入目标手术效果预测模型,得到所述各种脑出血手术方式对应的手术效果指标;
根据所述各种脑出血手术方式对应的手术效果指标,确定出所述目标对象的目标脑出血手术方式。
4.根据权利要求2所述的脑出血手术规划系统,其特征在于,还包括:虚拟现实设备;
所述图像处理装置还用于调取所述目标脑出血手术方式对应的虚拟手术用具模型,并将所述分割识别后的脑部图像数据和所述虚拟手术用具模型发送至虚拟现实设备;
所述虚拟现实设备用于基于分割识别后的脑部图像数据进行三维重建,得到脑部组织器官模型,还用于基于所述脑部组织器官模型和所述虚拟手术用具模型,进行手术场景重建,得到模拟手术场景。
5.根据权利要求4所述的脑出血手术规划系统,其特征在于,还包括:图像采集装置,用于采集用户模拟手术视频数据;
所述图像存储装置还用于存储多种脑出血手术方式中各种脑出血手术方式对应的手术规范数据;
所述图像处理装置还用于从所述图像存储装置调取所述目标脑出血手术方式对应的手术规范数据;还用于基于所述用户模拟手术视频数据和所述目标脑出血手术方式对应的手术规范数据,确定当前用户手术操作流程是否符合手术规范。
6.根据权利要求5所述的脑出血手术规划系统,其特征在于,所述用户模拟手术视频数据包括手术流程描述语音数据和手术模拟操作图像数据;
所述图像处理装置具体用于:
根据所述手术流程描述语音数据,确定当前手术流程是否符合手术流程规范;
在确定当前手术流程符合手术流程规范的情况下,基于所述手术模拟操作图像数据,确定当前手术操作是否符合手术操作规范;
在确定当前手术操作符合手术操作规范的情况下,确定当前用户手术操作流程符合手术规范;
在确定当前用户手术操作流程不符合手术规范的情况下,生成提示信息;所述提示信息用于提示用户正确的手术操作流程。
7.根据权利要求6所述的脑出血手术规划系统,其特征在于,所述图像处理装置具体用于:
调取当前手术流程对应的标准手术姿态数据;
对所述手术模拟操作图像数据进行姿态识别,得到用户手术操作姿态数据;
将所述用户手术操作姿态数据与所述标准手术姿态数据进行匹配;
在匹配成功的情况下,确定当前手术操作符合手术操作规范。
8.根据权利要求5所述的脑出血手术规划系统,其特征在于,所述图像处理装置还用于:
将用户模拟手术视频数据发送至所述虚拟现实设备;所述虚拟现实设备基于所述用户模拟手术视频数据对所述模拟手术场景进行更新。
9.一种脑出血手术规划方法,其特征在于,包括:
获取目标对象的脑部术前影像数据;
基于所述脑部术前影像数据,识别所述目标对象的脑出血类型;
根据所述脑部术前影像数据和所述脑出血类型,确定所述目标对象的目标脑出血手术方式。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被处理器执行时实现权利要求9所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310762528.1A CN116747017A (zh) | 2023-06-26 | 2023-06-26 | 脑出血手术规划系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310762528.1A CN116747017A (zh) | 2023-06-26 | 2023-06-26 | 脑出血手术规划系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116747017A true CN116747017A (zh) | 2023-09-15 |
Family
ID=87947611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310762528.1A Pending CN116747017A (zh) | 2023-06-26 | 2023-06-26 | 脑出血手术规划系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116747017A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117524465A (zh) * | 2024-01-05 | 2024-02-06 | 四川省医学科学院·四川省人民医院 | 基于人工智能的脊柱外科手术方案决策判定系统及方法 |
-
2023
- 2023-06-26 CN CN202310762528.1A patent/CN116747017A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117524465A (zh) * | 2024-01-05 | 2024-02-06 | 四川省医学科学院·四川省人民医院 | 基于人工智能的脊柱外科手术方案决策判定系统及方法 |
CN117524465B (zh) * | 2024-01-05 | 2024-03-08 | 四川省医学科学院·四川省人民医院 | 基于人工智能的脊柱外科手术方案决策判定系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102014359B1 (ko) | 수술영상 기반 카메라 위치 제공 방법 및 장치 | |
US10854339B2 (en) | Systems and methods for associating medical images with a patient | |
US20200175307A1 (en) | System and method for surgical guidance and intra-operative pathology through endo-microscopic tissue differentiation | |
EP2950735B1 (en) | Registration correction based on shift detection in image data | |
JP5222082B2 (ja) | 情報処理装置およびその制御方法、データ処理システム | |
KR101926123B1 (ko) | 수술영상 분할방법 및 장치 | |
CN111771244B (zh) | 针对手术结果的反馈提供方法 | |
CN115005981A (zh) | 手术路径规划方法、系统、设备、介质和手术操作系统 | |
US20210401501A1 (en) | System and method for recommending parameters for a surgical procedure | |
KR20210104190A (ko) | 수술 분석 장치, 수술영상 분석 및 인식 시스템, 방법 및 프로그램 | |
KR102146672B1 (ko) | 수술결과에 대한 피드백 제공방법 및 프로그램 | |
EP3574837A1 (en) | Medical information virtual reality server system, medical information virtual reality program, medical information virtual reality system, method of creating medical information virtual reality data, and medical information virtual reality data | |
JP2022545355A (ja) | 医療機器を識別、ラベル付け、及び追跡するためのシステム及び方法 | |
CN116747017A (zh) | 脑出血手术规划系统及方法 | |
CN112734776A (zh) | 一种微创手术器械定位方法和系统 | |
CN113706441A (zh) | 一种基于人工智能的图像预测方法、相关装置及存储介质 | |
KR102628324B1 (ko) | 인공지능 기반의 사용자 인터페이스를 통한 수술 결과 분석 장치 및 그 방법 | |
CN111770735A (zh) | 手术仿真信息生成方法及程序 | |
KR20200096155A (ko) | 수술 분석 장치, 수술영상 분석 및 인식 시스템, 방법 및 프로그램 | |
CN112074912A (zh) | 使用介入x射线图像和深度学习的交互式冠状动脉标记 | |
CN113610824A (zh) | 穿刺路径规划方法及装置,电子设备及存储介质 | |
KR20230165284A (ko) | 진단 또는 중재 이용을 위해 전자 의료 이미지들을 처리하기 위한 시스템들 및 방법들 | |
KR20190133424A (ko) | 수술결과에 대한 피드백 제공방법 및 프로그램 | |
US11986248B2 (en) | Apparatus and method for matching the real surgical image with the 3D-based virtual simulated surgical image based on POI definition and phase recognition | |
WO2022223042A1 (zh) | 手术路径处理系统、方法、装置、设备及存储介质 |
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 |