[发明专利]一种肝脏变形预测方法、系统及电子设备

说明书

本申请涉及一种肝脏变形预测方法、系统及电子设备。包括：步骤a：获取肝脏四面体的变形数据；步骤b：对所述肝脏四面体的变形数据进行重采样插值和预处理，生成肝脏数据集；步骤c：根据肝脏数据集构建卷积神经网络，所述卷积神经网络在获取肝脏表面位移后，对肝脏整体变形进行预测。本申请在腹腔镜图像下获得部分肝脏表面的位移后，使用卷积神经网络获得肝脏全部表面和肝脏内部结构的位移信息；本申请对肝脏整体的位移有很有效的预测效果，并可大幅度减少预测所用的时间。

技术领域

本申请属于医学图像处理技术领域，特别涉及一种肝脏变形预测方法、系统及电子设备。

背景技术

肝脏腹腔镜手术因其手术创伤小、对患者危害轻等特点，已被广泛地使用在腹腔手术中。腹腔镜手术导航通过获得患者术前数据，得到肝脏病灶区域和附近的血管位置等信息，同术中的腹腔镜图像相结合，可以有效地在腹腔镜狭小的视野里获得更多信息，指导医生完成手术规划，并减少意外情况发生，逐渐成为医生的得力助手。由于手术过程中需要患者腹部充气，产生气腹压和腹部器官之间的挤压，引起腹部器官发生变形，术前数据和术中图像往往不是准确的线性对应关系，使用刚性配准算法，无法将术前数据和术中信息有效统一，易对医生实际手术操作产生错误引导。术中重新采集患者病灶信息亦是不现实的，只能通过腹腔镜图像获得部分器官表面，大部分传统的非刚性配准也很难用于在实际的使用中。

目前主流的模拟肝脏在腹腔镜的变形是使用生物力学模型。生物力学模型可以用较小的不规则单元体精准地表示肝脏的复杂结构，并且可以计算精准的肝脏物理变形，但是由于庞大的参数和计算量，导致了结果准确但耗时很长，降低耗时但精度低的问题，往往不能做到实时的效果。同时作为求解生物力学模型条件的边界条件，在术中条件下也很难获得和确定。

发明内容

本申请提供了一种肝脏变形预测方法、系统及电子设备，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种肝脏变形预测方法，包括以下步骤：

步骤a：获取肝脏四面体的变形数据；

步骤b：对所述肝脏四面体的变形数据进行重采样插值和预处理，生成肝脏数据集；

步骤c：根据肝脏数据集构建卷积神经网络，所述卷积神经网络在获取肝脏表面位移后，对肝脏整体变形进行预测。

本申请实施例采取的技术方案还包括：在所述步骤a中，所述获取肝脏四面体的变形数据具体为：从术前患者的肝脏CT图像中分割获得肝脏数据，对所述肝脏数据重建获得肝脏表面三角形网格，并生成对应的肝脏四面体网格；随机在肝脏表面选择设定大小的区域作为零位移边界条件，模拟肝脏与相邻器官相固定的地方，施加一定大小的力到另一个随机的设定大小的区域，给予肝脏变形的动力；使用Elmer算法计算变形后的结果，得到对应点的位移矢量信息；并移除肝脏数据中最大位移大于一定大小的区域。

本申请实施例采取的技术方案还包括：在所述步骤b中，所述对肝脏四面体的变形数据进行重采样插值和预处理具体为：首先，将肝脏重采样到64×64×64的规则网格中，计算规则网格中每个点到肝脏最近表面点的距离，并设在肝脏表面外的点到肝脏最近表面点的距离为正，在肝脏表面内的点到肝脏最近表面点的距离为负；然后，将肝脏零位移点的部分标记出来，与非肝脏内部点加以区分；对于规则网格，每一个点包含三重信息五个数据，分别为：矢量的三个方向、距离肝脏表面的最近距离以及是否为零位移点。

本申请实施例采取的技术方案还包括：在所述步骤c中，所述卷积神经网络包括编码器和解码器，使用编码器降低分辨率并学习数据特征，使用跳跃连接，将前端信息复制到解码器，解码器使用平均池化来降低数据分辨率提高通道数；解码器有三个上采样，采用最临近插值，将分辨率提高一倍，使得网络的输出分辨率与输入分辨率相同。