CN117481799A - 脑部电极植入手术的路径规划方法、装置及设备 - Google Patents
脑部电极植入手术的路径规划方法、装置及设备 Download PDFInfo
- Publication number
- CN117481799A CN117481799A CN202311280611.1A CN202311280611A CN117481799A CN 117481799 A CN117481799 A CN 117481799A CN 202311280611 A CN202311280611 A CN 202311280611A CN 117481799 A CN117481799 A CN 117481799A
- Authority
- CN
- China
- Prior art keywords
- target
- initial
- path
- brain
- center point
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 272
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000002513 implantation Methods 0.000 title claims abstract description 46
- 230000011218 segmentation Effects 0.000 claims abstract description 89
- 238000005070 sampling Methods 0.000 claims abstract description 29
- 238000001356 surgical procedure Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- 238000007428 craniotomy Methods 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 241000283973 Oryctolagus cuniculus Species 0.000 description 2
- 241000700159 Rattus Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 230000009466 transformation 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
- A61D—VETERINARY INSTRUMENTS, IMPLEMENTS, TOOLS, OR METHODS
- A61D1/00—Surgical instruments for veterinary use
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61D—VETERINARY INSTRUMENTS, IMPLEMENTS, TOOLS, OR METHODS
- A61D7/00—Devices or methods for introducing solid, liquid, or gaseous remedies or other materials into or onto the bodies of animals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Wood Science & Technology (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Zoology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Robotics (AREA)
- Heart & Thoracic Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种脑部电极植入手术的路径规划方法、装置及设备。该方法通过对目标脑区进行建模得到目标脑区的空间坐标点,基于目标脑区的三维点云数据对目标脑区进行空间分割,得到多个分割区域,基于多个所述分割区域相交边界的端点,得到目标中心点集,根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成多条初始目标路径,基于所述目标中心点集与每条所述初始目标路径的距离,将满足预设条件的初始目标路径,确定为目标路径。充分利用目标脑区和器械检测目标脑区得到的三维结构信息,在脑部电极植入手术中对目标脑区高精度定位和器械放置路径自动化规划,提高了脑部电极植入手术精度和自动化程度。
Description
技术领域
本申请涉及医疗器械技术领域,特别涉及一种脑部电极植入手术的路径规划方法、装置及设备。
背景技术
在面向脑科学的研究中,通常选择小动物(大小鼠、兔等)作为研究对象,当研究中需要对小动物进行脑部外科手术时,需要将器械(如电极、光纤或微型注射器)精确地放置到目标脑区。这一过程需要实验者首先准确确定目标脑区的方位,然后定义器械在目标脑区中的放置位置和姿态。
现有技术中,实验者会以颅骨上的前后囟点作为参考点,用于定义目标脑区的方位。手术过程中,通过视觉辅助(如显微视觉或机器视觉)的方式识别和定位前后囟点,然后通过坐标转换计算出目标脑区的方位。而确定器械在目标脑区中的放置位置和姿态,目前可以通过可视化三维模型进行手动调整,操作者观察目标脑区和器械的三维模型,并手动调整器械相对于目标脑区的方位。然而现有技术操作复杂较为耗时,不够智能化和自动化,特别是对于小动物的脑区,由于其体积有限,对于电极植入来说,不能达到快速精准定位。因此,对于脑科学研究中脑部电极植入这种对精度要求极高的手术,急需一种能够快速精确定位以帮助完成电极精准植入的路径规划方法。
发明内容
为了解决现有技术的问题,本申请提供了一种脑部电极植入手术的路径规划方法、装置及设备,充分利用目标脑区和器械检测目标脑区得到的三维结构信息,解决了脑部电极植入手术中对目标脑区高精度定位和器械放置路径规划的自动化问题。
根据本申请的一方面,提供了一种脑部电极植入手术的路径规划方法,所述方法包括:
获取目标脑区的三维点云数据;
基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,所述目标脑区由空间坐标点进行建模得到;
基于多个所述分割区域相交边界的端点,得到目标中心点集;
根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径;
确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径。
在一种可能的实现方式中,所述基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,包括:
根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域。
在一种可能的实现方式中,所述根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域,包括:
计算所述目标脑区内的每个空间坐标点与每个三维点云数据的距离,基于计算得到的距离对所述目标脑区进行空间分割,得到多个所述分割区域,以使每个分割区域内的空间坐标点与每个分割区域内的三维点云数据的距离,小于每个分割区域内的空间坐标点与其他分割区域内的三维点云数据的距离。
在一种可能的实现方式中,所述基于多个所述分割区域相交边界的端点,得到目标中心点集,包括:
获取分割区域相交边界的端点,所述端点与至少三个三维点云数据之间的距离相等;
根据所述端点生成初始中心点集,基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集。
在一种可能的实现方式中,所述基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集,包括:
以所述初始中心点集中的任意一个初始中心点为起点,向任意方向发射一条射线到所述目标脑区的外部,计算所述射线与所述目标脑区的边界相交的交点数;
在交点数为偶数的情况下,确定所述任意一个初始中心点为不满足预设条件的中心点;
将所述不满足预设条件的中心点从所述初始中心点集中去除,将去除不满足预设条件的中心点后的初始中心点集作为所述目标中心点集。
在一种可能的实现方式中,所述根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径,包括:
对操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点进行直线连接,得到多条所述初始目标路径。
在一种可能的实现方式中,所述确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径,包括:
基于所述目标中心点集中的每个目标中心点的坐标和每条所述初始目标路径的两个端点的坐标,计算所述目标中心点集中的每个目标中心点与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,所述每条初始目标路径的两个端点包括每条初始目标路径对应的操作区域的一个采样点和目标脑区的一个空间坐标点;
将对应的距离小于预设距离阈值的初始目标路径,确定为所述目标路径。
另一方面,提供了一种脑部电极植入手术的路径规划装置,所述装置包括:
数据获取模块,用于获取目标脑区的三维点云数据;
空间分割模块,用于基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,所述目标脑区由空间坐标点进行建模得到;空间坐标点进行建模得到;
中心点确定模块,用于基于多个所述分割区域相交边界的端点,得到目标中心点集;
初始目标路径确定模块,用于根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径;
目标路径确定模块,用于确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所诉初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径。
在一种可能的实现方式中,所述空间分割模块用于:
根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域。
在一种可能的实现方式中,所述空间分割模块还用于:
计算所述目标脑区内的每个空间坐标点与每个三维点云数据的距离,基于计算得到的距离对所述目标脑区进行空间分割,得到多个所述分割区域,以使每个分割区域内的空间坐标点与每个分割区域内的三维点云数据的距离,小于每个分割区域内的空间坐标点与其他分割区域内的三维点云数据的距离。
在一种可能的实现方式中,所述中心点确定模块,用于:
获取分割区域相交边界的端点,所述端点与至少三个三维点云数据之间的距离相等;
根据所述端点生成初始中心点集,基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集。
在一种可能的实现方式中,所述中心点确定模块包括滤除单元,用于:
以所述初始中心点集中的任意一个初始中心点为起点,向任意方向发射一条射线到所述目标脑区的外部,计算所述射线与所述目标脑区的边界相交的交点数;
在交点数为偶数的情况下,确定所述任意一个初始中心点为不满足预设条件的中心点;
将所述不满足预设条件的中心点从所述初始中心点集中去除,将去除不满足预设条件的中心点后的初始中心点集作为所述目标中心点集。
在一种可能的实现方式中,所述初始目标路径确定模块,用于:
对操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点进行直线连接,得到多条所述初始目标路径。
在一种可能的实现方式中,所述目标路径确定模块,用于:
基于所述目标中心点集中的每个目标中心点的坐标和每条所述初始目标路径的两个端点的坐标,计算所述目标中心点集中的每个目标中心点与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,所述每条初始目标路径的两个端点包括每条初始目标路径对应的操作区域的一个采样点和目标脑区的一个空间坐标点;
将对应的距离小于预设距离阈值的初始目标路径,确定为所述目标路径。
另一方面,提供了一种电子设备,包括处理器和存储器,所述存储器中存储有至少一条指令或者至少一段程序,所述至少一条指令或者所述至少一段程序由所述处理器加载并执行以实现上述任一方面的脑部电极植入手术的路径规划方法。
另一方面,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中存储有至少一条指令或者至少一段程序,所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如上述任一方面的脑部电极植入手术的路径规划方法。
另一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该电子设备执行上述任一方面的脑部电极植入手术的路径规划方法。
本申请实施例通过对目标脑区进行建模得到目标脑区的空间坐标点,基于目标脑区的三维点云数据对目标脑区进行空间分割,得到多个分割区域,基于多个所述分割区域相交边界的端点,得到目标中心点集,根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径,确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径。充分利用目标脑区和器械检测目标脑区得到的三维结构信息,在脑部电极植入手术中对目标脑区高精度定位和器械放置路径自动化规划,减少了人为和系统造成的误差,减少手术时间,提高了脑部电极植入手术精度和自动化程度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种脑部电极植入手术的路径规划方法的流程示意图;
图2是本申请实施例提供的一种脑部电极植入手术的路径规划方法中的空间分割示意图;
图3是本申请实施例提供的另一种脑部电极植入手术的路径规划方法的流程示意图;
图4是本申请实施例提供的一种小鼠大脑三维点云数据的示意图;
图5是本申请实施例提供的一种小鼠大脑的初始中心点集的示意图;
图6是本申请实施例提供的一种脑部电极植入手术的路径规划装置的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供的一种脑部电极植入手术的路径规划方法,所述脑部电极植入手术的手术对象为面向脑科学研究的小动物,包括大鼠、小鼠和兔子等。参阅图1,所述脑部电极植入手术的路径规划方法包括步骤S101至步骤S107。
在步骤S101中,获取目标脑区的三维点云数据。
在一种可能的实现方式中,所述目标脑区的三维点云数据为采用MRI(MegneticResonace Imaging,核磁共振影像)设备采集手术对象的脑区磁共振扫描图像,基于磁共振扫描图像生成目标脑区的三维点云数据。
在一种可能的实现方式中,所述目标脑区的三维点云数据的采集包括:采用超声成像、CT(Computed Tomography,电子计算机断层扫描)成像、X光成像等成像设备,及其他任何医学成像设备或组合,对手术对象的脑区进行检测得到脑区图像,基于脑区图像生成目标脑区的三维点云数据。
在该实现方式中,获取目标脑区的三维点云数据,便于后续基于所述目标脑区的三维点云数据对目标脑区进行空间分割,得到准确的分割区域,确定准确的脑部电极植入手术的目标路径。
在步骤S103中,基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,所述目标脑区由空间坐标点进行建模得到。
在一种可能的实现方式中,所述基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,包括:
根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域。
在一种可能的实现方式中,对目标脑区进行抽象化建模,使用空间坐标点表示目标脑区,基于Voronoi diagram(沃罗诺伊图,也称作Dirichlet tessellation,狄利克雷镶嵌)的空间分割算法,对目标脑区进行空间分割。其中,如图2所示,沃罗诺伊图解决的问题是基于一组特定点将平面分割成不同区域,而每一区域又仅包含唯一的特定点,并且该区域内任意位置到该特定点的距离比到其它的特定点都要更近。
在一种可能的实现方式中,目标脑区的空间点与三维点云数据通过坐标系的映射处理,使空间点坐标与三维点云数据在同一个坐标系上进行表示。
在一种可能的实现方式中,对目标脑区的建模是三维的,基于Voronoi diagram的空间分割算法的思想,对目标脑区进行空间分割。具体地,基于目标脑区的三维点云数据将目标脑区分割成不同区域,每一区域又仅包含唯一的三维点云数据,并且该区域内任意空间坐标点到该三维点云数据的距离比到其它的三维点云数据都要更近。
在该实现方式中,对目标脑区进行抽象化建模,根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域,通过三维建模的方式,对目标脑区进行表征和空间分割,提高了目标脑区信息的准确性。
在一种可能的实现方式中,所述根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域,包括:
计算所述目标脑区内的每个空间坐标点与每个三维点云数据的距离,基于计算得到的距离对所述目标脑区进行空间分割,得到多个所述分割区域,以使每个分割区域内的空间坐标点与每个分割区域内的三维点云数据的距离,小于每个分割区域内的空间坐标点与其他分割区域内的三维点云数据的距离。
在一种可能的实现方式中,对目标脑区的建模是三维的,基于Voronoi diagram的空间分割算法的思想,对目标脑区进行空间分割。具体地,基于目标脑区的三维点云数据将目标脑区分割成不同区域,每一区域又仅包含唯一的三维点云数据,并且该区域内任意空间坐标点到该三维点云数据的距离比到其它的三维点云数据都要更近。具体地,计算目标脑区内,每个空间坐标点和所有三维点云数据之间的距离,取每个空间坐标点和所有三维点云数据的距离最小值对应的三维点云数据,将该空间坐标点分配给距离最小值对应的三维点云数据所在的初始分割区域,在所有空间坐标点都分配给至少一个三维点云数据所在的初始分割区域的情况下,将当前的初始分割区域结果作为,对目标脑区进行空间分割得到的多个所述分割区域。
在一种可能的实现方式中,计算目标脑区内,每个空间坐标点和所有三维点云数据之间的距离,可以取每个空间坐标点和所有三维点云数据的距离中第二小的距离或者第三小的距离作为满足条件的距离,将该空间坐标点分配给满足条件的距离对应的三维点云数据所在的初始分割区域,在所有空间坐标点都分配给至少一个三维点云数据所在的初始分割区域的情况下,将当前的初始分割区域结果作为,对目标脑区进行空间分割得到的多个所述分割区域。
在一种可能的实现方式中,还可以通过求取三维点云数据之间的垂直平分面,基于所述垂直平分面对目标脑区进行分割,得到多个所述分割区域。
在该实现方式中,通过对目标脑区进行抽象化建模,使用空间坐标点表示目标脑区,根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域,利用目标脑区建模和器械检测目标脑区,得到的目标脑区准确的三维结构信息,为后续实现对脑部电极放置的高精度规划提供了准确信息。
在步骤S105中,基于多个所述分割区域相交边界的端点,得到目标中心点集。
在一种可能的实现方式中,所述基于多个所述分割区域相交边界的端点,得到目标中心点集,包括:
获取分割区域相交边界的端点,所述端点与至少三个三维点云数据之间的距离相等;
根据所述端点生成初始中心点集,基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集。
在一种可能的实现方式中,分配给至少一个三维点云数据所在的分割区域的空间坐标点,为多个所述分割区域相交边界上的点。分配给至少三个三维点云数据所在的分割区域的空间坐标点,为多个所述分割区域相交边界的端点,将目标脑区的所有端点作为初始中心点集,基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集。
在一种可能的实现方式中,计算每个空间坐标点到所有三维点云数据的距离,得到每个空间坐标点的多个距离,在多个距离中有至少三个距离相等的情况下,将该空间坐标点作为初始中心点集中的中心点。
在该实现方式中,获取分割区域相交边界的端点,根据所述端点生成初始中心点集,基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集,基于目标脑区的三维结构信息确定目标中心点集,为后续初始目标路径的生成提供信息。
在一种可能的实现方式中,所述基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集,包括:
以所述初始中心点集中的任意一个初始中心点为起点,向任意方向发射一条射线到所述目标脑区的外部,计算所述射线与所述目标脑区的边界相交的交点数;
在交点数为偶数的情况下,确定所述任意一个初始中心点为不满足预设条件的中心点;
将所述不满足预设条件的中心点从所述初始中心点集中去除,将去除不满足预设条件的中心点后的初始中心点集作为所述目标中心点集。
在一种可能的实现方式中,射线交点法是用来判断一个点在一个封闭区域的外部还是内部的,从该点为起点,向任意方向作一条射线穿过封闭区域,统计该射线与封闭区域的交点个数,如果交点个数为偶数,说明该点在封闭区域外部,如果交点个数为奇数说明该点在封闭区域内部。
在一种可能的实现方式中,所述基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集。以所述初始中心点集中的任意一个初始中心点为起点,向任意方向作一条射线到所述目标脑区的外部,计算所述射线与所述目标脑区的边界相交的交点数,在交点数为偶数的情况下,确定所述任意一个初始中心点为目标脑区外部的中心点,将目标脑区外部的中心点从所述初始中心点集中去除,将去除目标脑区外部的中心点后的初始中心点集作为所述目标中心点集。
在一种可能的实现方式中,以所述初始中心点集中的任意一个初始中心点为起点,向任意方向作一条射线到所述目标脑区的外部,计算所述射线与所述目标脑区的边界相交的交点数,在交点数为奇数的情况下,表征所述任意一个初始中心点为目标脑区内部的中心点。
在该实现方式中,基于射线交点法对所述初始中心点集中在目标脑区外部的中心点进行过滤,得到目标中心点集,可以减小初始目标路径的数量,进而减小目标路径的搜索范围,提高了脑部电极植入手术的路径规划的效率。
在步骤S107中,根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径。
在一种可能的实现方式中,所述根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径,包括:
对操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点进行直线连接,得到多条所述初始目标路径。
在一种可能的实现方式中,所述操作区域为目标脑区电极植入手术的开颅区域,将建模得到的开颅区域的空间坐标点作为采样点。对操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点进行直线连接,得到该两点确定的线段,作为得到的多条所述初始目标路径。
在一种可能的实现方式中,还可以对操作区域的任意一个采样点和所述目标脑区的目标中心点集中任意一个目标中心点进行直线连接,得到该两点确定的线段,作为得到的多条所述初始目标路径。
在该实现方式中,根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径,为后续确定目标路径提供了便利。
在步骤S109中,确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径。
在一种可能的实现方式中,所述确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径,包括:
基于所述目标中心点集中的每个目标中心点的坐标和每条所述初始目标路径的两个端点的坐标,计算所述目标中心点集中的每个目标中心点与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,所述每条初始目标路径的两个端点包括每条初始目标路径对应的操作区域的一个采样点和目标脑区的一个空间坐标点;
将对应的距离小于预设距离阈值的初始目标路径,确定为所述目标路径。
在一种可能的实现方式中,基于点到直线的距离公式,在已知每个目标中心点的坐标和每条所述初始目标路径的两个端点的坐标的情况下,可以得到每个目标中心点到每条所述初始目标路径对应的距离。对所有目标中心点到其中一条初始目标路径的距离进行累加处理,再对累加处理的结果除以目标中心点的点数得到平均距离值,将所述平均距离值作为该初始目标路经对应的距离。
在一种可能的实现方式中,将对应的距离小于预设距离阈值的初始目标路径,确定为所述目标路径。具体地,将对应的距离最小的初始目标路径确定为所述目标路径。
在该实现方式中,确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径,充分利用目标脑区和器械检测目标脑区得到的三维结构信息,基于三维结构信息对目标脑区进行高精度定位,结合优化函数和随机搜索算法,通过最小化开颅区域和脑区中心点之间的距离,保证了电极准确放置在目标脑区的中央区域,提高了手术的精准性,从而提高了脑部电极植入手术精度和自动化程度。
在一个示例性实施例中,如图3所示,包括步骤S301至S309。
S301,获取目标脑区的三维点云集合。
在一种可能的实现方式中,手术对象为小鼠。所述目标脑区的三维点云集合为采用MRI设备采集小鼠的脑区磁共振扫描图像,基于磁共振扫描图像生成目标脑区的三维点云集合。
S303,基于所述目标脑区的三维点云集合和建模生成所述目标脑区的空间坐标点集,绘制目标脑区的空间分割图。
在一种可能的实现方式中,对目标脑区进行抽象化建模,使用空间坐标点集表示目标脑区。基于Voronoi diagram的空间分割算法,绘制目标脑区的空间分割图。基于三维点云集合将目标脑区分割成不同区域,而每一区域又仅包含唯一的三维点云集合中的点云,并且该区域内任意空间坐标点集的空间坐标点到该区域的唯一点云的距离比到三维点云集合的点云都要更近。
在一种可能的实现方式中,目标脑区的空间点集与三维点云集合的坐标使用一个坐标系进行表示。
S305,基于目标脑区的空间分割图,得到初始中心点集。
在一种可能的实现方式中,如图5和图6所示,基于Voronoi diagram的空间分割算法,得到的目标脑区的空间分割图,其中,分割后的不同区域相交边界上的端点,与该端点相邻的区域至少有三个,该端点与相邻区域内的点云距离一样远。
在一种可能的实现方式中,根据目标脑区内的所有端点生成初始中心点集。
S307,使用射线交点法滤除初始中心点集中不满足预设条件的中心点,得到目标中心点集。
在一种可能的实现方式中,以所述初始中心点集中的任意一个初始中心点为起点,向任意方向发射一条射线到所述目标脑区的外部,计算所述射线与所述目标脑区的边界相交的交点数,在交点数为偶数的情况下,确定所述任意一个初始中心点为在目标脑区外部的中心点,将在目标脑区外部的中心点从所述初始中心点集中去除,得到所述目标中心点集。
S309,基于开颅区的采样点集和生成所述目标脑区的空间坐标点集,生成搜索空间,以及设计评价函数,根据搜索空间和评价函数确定得到目标路径。
在一种可能的实现方式中,基于S-PSO(Set-Based Particle SwarmOptimization,基于集合的粒子群算法)的搜索方法,得到目标路径。S-PSO用于在给定的空间中寻找问题的最优解,要实现S-PSO搜索需要提供搜索空间和评价函数两个信息。将手术路径规划视为一个搜索最优解问题,其中,开颅区的采样点集Pcraniontomy和生成目标脑区的空间坐标点集Pcenter组定义为搜索空间。
在一种可能的实现方式中,实现S-PSO的评价函数为,
其中,pc,pi(pc∈Pcraniontomy,pi∈Pcenter),pj(pj∈Pcenter),n为目标脑区的空间坐标点集Pcenter的数量,Dist(pi,pc,pj)为点pj到直线pi,pc的距离公式,具体计算方法如下表示:
在一种可能的实现方式中,基于评价函数计算得到开颅区到目标脑区之间的多条初始路径的评价结果,确定评价结果中数值最小的初始路径为目标路径,该路径由数值最小评价结果中的pc,pi两个点表示。具体地,评价结果中数值最小的初始路径,为到该目标脑区的所有目标中心点的垂直距离都是最短的路径。
在一种可能的实现方式中,还可以将开颅区的采样点集和目标脑区的目标中心点集定义为搜索空间。
在一种可能的实现方式中,可以在开颅区的采样点集和生成所述目标脑区的空间坐标点集之间,通过枚举法和评价函数,搜寻到该目标脑区的所有目标中心点的垂直距离都是最短的路径,确定为目标路径。
在该实现方式中,通过将目标脑区抽象化建模并计算出中心点,结合优化函数和随机搜索算法,实现对脑区电极放置的高精度规划;通过最小化开颅区域和脑区中心点之间的距离,保证了电极准确放置在目标脑区的中央区域,从而提高了手术的精准性;利用计算机算法对脑部电极放置问题进行求解,实现了自动化的手术规划;无需手动调整器械位置,减少了操作者的主观干扰,提高了手术的一致性和可重复性。
使用随机搜索算法S-PSO,能够在解空间中进行高效的搜索,找到最优解。相比传统的手动调整方法,该方法大大缩短了手术规划的时间,提高了手术的效率。
通过优化函数和随机搜索算法,该方法能够找到满足最优化目标的电极放置路径,提高了手术方案的可靠性。在小动物脑部结构较小的情况下,仍能够实现高度可控的电极植入。
综上所述,本方法的技术效果在小动物脑部手术中具有重要的应用价值,可以实现脑部电极植入手术的精准、自动化规划,为脑科学研究提供更可靠、高效的实验基础。
图6示出本申请实施例提供的一种脑部电极植入手术的路径规划装置600的结构示意图,该装置具有实现上述方法实施例中脑部电极植入手术的路径规划方法的功能,所述功能可以由硬件实现,也可以由硬件执行相应的软件实现。
如图6所示,该装置可以包括:
数据获取模块601,用于获取目标脑区的三维点云数据;
空间分割模块602,用于基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,所述目标脑区由空间坐标点进行建模得到;空间坐标点进行建模得到;
中心点确定模块603,用于基于多个所述分割区域相交边界的端点,得到目标中心点集;
初始目标路径确定模块604,用于根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径;
目标路径确定模块605,用于确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所诉初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径。
在一种可能的实现方式中,所述空间分割模块602用于:
根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域。
在一种可能的实现方式中,所述空间分割模块602还用于:
计算所述目标脑区内的每个空间坐标点与每个三维点云数据的距离,基于计算得到的距离对所述目标脑区进行空间分割,得到多个所述分割区域,以使每个分割区域内的空间坐标点与每个分割区域内的三维点云数据的距离,小于每个分割区域内的空间坐标点与其他分割区域内的三维点云数据的距离。
在一种可能的实现方式中,所述中心点确定模块603,用于:
获取分割区域相交边界的端点,所述端点与至少三个三维点云数据之间的距离相等;
根据所述端点生成初始中心点集,基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集。
在一种可能的实现方式中,所述中心点确定模块603包括滤除单元,用于:
以所述初始中心点集中的任意一个初始中心点为起点,向任意方向发射一条射线到所述目标脑区的外部,计算所述射线与所述目标脑区的边界相交的交点数;
在交点数为偶数的情况下,确定所述任意一个初始中心点为不满足预设条件的中心点;
将所述不满足预设条件的中心点从所述初始中心点集中去除,将去除不满足预设条件的中心点后的初始中心点集作为所述目标中心点集。
在一种可能的实现方式中,所述初始目标路径确定模块604,用于:
对操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点进行直线连接,得到多条所述初始目标路径。
在一种可能的实现方式中,所述目标路径确定模块605,用于:
基于所述目标中心点集中的每个目标中心点的坐标和每条所述初始目标路径的两个端点的坐标,计算所述目标中心点集中的每个目标中心点与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,所述每条初始目标路径的两个端点包括每条初始目标路径对应的操作区域的一个采样点和目标脑区的一个空间坐标点;
将对应的距离小于预设距离阈值的初始目标路径,确定为所述目标路径。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请实施例提供了一种电子设备,该电子设备包括处理器和存储器,该存储器中存储有至少一条指令或者至少一段程序,该至少一条指令或者该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的任意一种脑部电极植入手术的路径规划方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本申请的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可设置于电子设备之中以保存用于实现一种脑部电极植入手术的路径规划方法相关的至少一条指令或者至少一段程序,该至少一条指令或者该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的任意一种脑部电极植入手术的路径规划方法。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且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。
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。尤其,对于装置实施例而言,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。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种脑部电极植入手术的路径规划方法,其特征在于,所述方法包括:
获取目标脑区的三维点云数据;
基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,所述目标脑区由空间坐标点进行建模得到;
基于多个所述分割区域相交边界的端点,得到目标中心点集;
根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径;
确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径。
2.根据权利要求1所述的脑部电极植入手术的路径规划方法,其特征在于,
所述基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,包括:
根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域。
3.根据权利要求2所述的脑部电极植入手术的路径规划方法,其特征在于,
所述根据生成所述目标脑区的空间坐标点与所述目标脑区的三维点云数据的距离,对所述目标脑区进行空间分割,得到多个所述分割区域,包括:
计算所述目标脑区内的每个空间坐标点与每个三维点云数据的距离,基于计算得到的距离对所述目标脑区进行空间分割,得到多个所述分割区域,以使每个分割区域内的空间坐标点与每个分割区域内的三维点云数据的距离,小于每个分割区域内的空间坐标点与其他分割区域内的三维点云数据的距离。
4.根据权利要求1所述的脑部电极植入手术的路径规划方法,其特征在于,
所述基于多个所述分割区域相交边界的端点,得到目标中心点集,包括:
获取分割区域相交边界的端点,所述端点与至少三个三维点云数据之间的距离相等;
根据所述端点生成初始中心点集,基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集。
5.根据权利要求4所述的脑部电极植入手术的路径规划方法,其特征在于,
所述基于射线交点法对所述初始中心点集中不满足预设条件的中心点进行过滤,得到目标中心点集,包括:
以所述初始中心点集中的任意一个初始中心点为起点,向任意方向发射一条射线到所述目标脑区的外部,计算所述射线与所述目标脑区的边界相交的交点数;
在交点数为偶数的情况下,确定所述任意一个初始中心点为不满足预设条件的中心点;
将所述不满足预设条件的中心点从所述初始中心点集中去除,将去除不满足预设条件的中心点后的初始中心点集作为所述目标中心点集。
6.根据权利要求1所述的脑部电极植入手术的路径规划方法,其特征在于,
所述根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径,包括:
对操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点进行直线连接,得到多条所述初始目标路径。
7.根据权利要求1所述的脑部电极植入手术的路径规划方法,其特征在于,
所述确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径,包括:
基于所述目标中心点集中的每个目标中心点的坐标和每条所述初始目标路径的两个端点的坐标,计算所述目标中心点集中的每个目标中心点与每条所述初始目标路径的距离,得到每条所述初始目标路径对应的距离,所述每条初始目标路径的两个端点包括每条初始目标路径对应的操作区域的一个采样点和目标脑区的一个空间坐标点;
将对应的距离小于预设距离阈值的初始目标路径,确定为所述目标路径。
8.一种脑部电极植入手术的路径规划装置,其特征在于,所述装置包括:
数据获取模块,用于获取目标脑区的三维点云数据;
空间分割模块,用于基于所述目标脑区的三维点云数据,对目标脑区进行空间分割,得到多个分割区域,所述目标脑区由空间坐标点进行建模得到;空间坐标点进行建模得到;
中心点确定模块,用于基于多个所述分割区域相交边界的端点,得到目标中心点集;
初始目标路径确定模块,用于根据操作区域的任意一个采样点和生成所述目标脑区的任意一个空间坐标点,生成所述操作区域与所述目标脑区之间的多条初始目标路径;
目标路径确定模块,用于确定所述目标中心点集与每条所述初始目标路径的距离,得到每条所诉初始目标路径对应的距离,将对应的距离满足预设条件的初始目标路径,确定为目标路径。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有至少一条指令或者至少一段程序,所述至少一条指令或者所述至少一段程序由所述处理器加载并执行以实现如权利要求1至7中任一项所述的脑部电极植入手术的路径规划方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令或者至少一段程序,所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如权利要求1至7任一项所述的脑部电极植入手术的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311280611.1A CN117481799A (zh) | 2023-09-28 | 2023-09-28 | 脑部电极植入手术的路径规划方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311280611.1A CN117481799A (zh) | 2023-09-28 | 2023-09-28 | 脑部电极植入手术的路径规划方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117481799A true CN117481799A (zh) | 2024-02-02 |
Family
ID=89678960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311280611.1A Pending CN117481799A (zh) | 2023-09-28 | 2023-09-28 | 脑部电极植入手术的路径规划方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117481799A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190060004A1 (en) * | 2017-08-24 | 2019-02-28 | Synaptive Medical Inc. | System and methods for updating patient registration during surface trace acquisition |
US20190209245A1 (en) * | 2016-09-26 | 2019-07-11 | Ucl Business Plc | A System And Method For Computer-Assisted Planning Of A Trajectory For A Surgical Insertion Into A Skull |
US20210264623A1 (en) * | 2020-02-20 | 2021-08-26 | Board Of Regents Of The University Of Texas System | Methods for optimizing the planning and placement of probes in the brain via multimodal 3d analyses of cerebral anatomy |
CN115731252A (zh) * | 2022-12-01 | 2023-03-03 | 宁波市医疗中心李惠利医院 | 脑区voi自动分割和定位的方法、装置、设备及存储介质 |
WO2023124133A1 (zh) * | 2021-12-29 | 2023-07-06 | 上海商汤智能科技有限公司 | 交通行为检测方法及装置、电子设备、存储介质和计算机程序产品 |
-
2023
- 2023-09-28 CN CN202311280611.1A patent/CN117481799A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190209245A1 (en) * | 2016-09-26 | 2019-07-11 | Ucl Business Plc | A System And Method For Computer-Assisted Planning Of A Trajectory For A Surgical Insertion Into A Skull |
US20190060004A1 (en) * | 2017-08-24 | 2019-02-28 | Synaptive Medical Inc. | System and methods for updating patient registration during surface trace acquisition |
US20210264623A1 (en) * | 2020-02-20 | 2021-08-26 | Board Of Regents Of The University Of Texas System | Methods for optimizing the planning and placement of probes in the brain via multimodal 3d analyses of cerebral anatomy |
WO2023124133A1 (zh) * | 2021-12-29 | 2023-07-06 | 上海商汤智能科技有限公司 | 交通行为检测方法及装置、电子设备、存储介质和计算机程序产品 |
CN115731252A (zh) * | 2022-12-01 | 2023-03-03 | 宁波市医疗中心李惠利医院 | 脑区voi自动分割和定位的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10789739B2 (en) | System and method for generating partial surface from volumetric data for registration to surface topology image data | |
US7561733B2 (en) | Patient registration with video image assistance | |
CN1989527B (zh) | 成像几何参数的自动确定 | |
JP5996092B2 (ja) | 患者のモニタリングおよび方法 | |
US20050154292A1 (en) | Method and control device to operate a magnetic resonance tomography apparatus | |
CN112022191B (zh) | 一种摆位方法和系统 | |
CN112382359B (zh) | 患者注册方法、装置、电子设备及计算机可读介质 | |
WO2021104153A1 (en) | Systems and methods for automated calibration | |
CN114092475B (zh) | 病灶长径确定方法、图像标注方法、装置及计算机设备 | |
CN115089303A (zh) | 机器人定位方法及系统 | |
CN111260704B (zh) | 基于启发式树搜索的血管结构3d/2d刚性配准方法及装置 | |
US11244459B2 (en) | Method for segmentation of grayscale images and segmented area tracking | |
CN112950600B (zh) | 脑标识提取方法、装置、计算机设备和存储介质 | |
CN115461790A (zh) | 用于对图像中的结构进行分类的方法和装置 | |
CN117481799A (zh) | 脑部电极植入手术的路径规划方法、装置及设备 | |
CN116269763A (zh) | 坐标转换关系的标定方法、装置、手术导航系统和介质 | |
CN111345886A (zh) | 磁共振图像与超声换能器坐标系转换方法、装置、设备及存储介质 | |
CN115908479A (zh) | 一种脑组织漂变校正方法和手术导航系统 | |
CN116563297B (zh) | 颅脑靶点定位方法、装置及存储介质 | |
JP6575605B2 (ja) | 症例データ生成支援プログラム、症例データ生成支援システム及び症例データ生成支援方法 | |
CN115880469B (zh) | 一种表面点云数据与三维影像的配准方法 | |
CN117357248A (zh) | 脑部电极植入手术的路径确定方法、装置及设备 | |
CN117984310A (zh) | 医疗机器人的避障方法、装置、系统和医疗机器人 | |
CN116350359A (zh) | 引导影像设备的位置调整的方法、存储介质及医疗系统 | |
CN114972175A (zh) | 医学影像处理方法、装置、存储介质和电子设备 |
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 |