[发明专利]一种基于机器学习的整形手术术后体貌预测方法

权利要求书

1.一种基于机器学习的整形手术术后体貌预测方法，其特征在于，包括以下步骤：

S1.训练样本数据预处理：将以往整形手术患者术前及术后的整形部CT影像数据进行预处理和配准，提取并标注骨骼及软组织数据；

S2.通过机器学习算法对训练样本数据进行训练学习：将术前骨骼数据、术前软组织数据、术后骨骼数据、患者的年龄及性别信息作为输入，将术后软组织数据作为输出，利用机器学习算法对数据进行学习训练，使得机器学习模型通过样本的训练学习掌握手术部位骨骼变化引起的软组织形变的潜在规律；

S3.术后软组织预测：基于新患者的年龄、性别、术前骨骼数据、术前软组织数据以及手术方案所预测的术后骨骼数据，并利用步骤S2训练得到的机器学习模型，对准备进行整形手术的新患者的术后软组织进行预测；

S4.术后体貌图像预测：利用准备进行形手术的新患者的术后软组织预测数据，对准备进行整形手术的新患者的术后体貌图像进行预测；

步骤S1具体包括：

S1-1.从以往整形手术患者术前及术后的整形部CT影像文件中提取3D体素数据和患者的年龄、性别信息，并将术前及术后的3D体素数据调整为相同的朝向与空间分辨率；

S1-2.利用不受整形手术影响的整形部骨骼上的至少3个不共线的关键点，将经过步骤S1-1得到的术前与术后的3D体素进行配准，并将术前与术后的3D体素空间尺寸调整为统一大小L×M×N；

S1-3.根据骨骼及软组织的密度差异，提取并标注经过S1-2处理后的3D体素数据中的骨骼和软组织数据；

步骤S1-1中，将术前及术后的3D体素数据调整为相同的朝向的步骤包括：

用三维矩阵对3D体素数据进行保存，三维矩阵的三个维度依次定义为x、y、z方向，利用矩阵变换操作对3D体素数据进行统一朝向处理，矩阵变换操作时将3D体素数据的横断面法线向头顶的方向调整为x正方向，矢状面法线向右手的方向调整为y正方向，冠状面法线向前的方向调整为z正方向；

步骤S2具体包括：

将年龄值乘以L×M的全1矩阵作为年龄层，将性别值乘以L×M的全1矩阵作为性别层；将年龄层、性别层和经过步骤S1-3得到的L×M×N维的术前骨骼数据、L×M×N维的术前软组织数据、L×M×N维的术后骨骼数据在所述z方向进行层叠，得到L×M×(3N+年龄值+性别值)维的数据作为输入，将L×M×N维的术后软组织数据作为输出，采用三维卷积深度神经网络对所述输入输出数据进行训练学习，使得三维卷积深度神经网络通过样本的训练学习掌握手术部位骨骼变化引起的软组织形变的潜在规律。

2.如权利要求1所述的一种基于机器学习的整形手术术后体貌预测方法，其特征在于，所述整形部为颌面部，所述手术部位为颌骨。

3.如权利要求1所述的一种基于机器学习的整形手术术后体貌预测方法，其特征在于，步骤S1-2中，对于不共线的关键点在术前及术后3D体素中的空间坐标，通过最小二乘方程计算术前及术后3D体素之间的变换矩阵，再利用变换矩阵将术后3D体素进行变换，实现术后3D体素与术前3D体素的配准。

4.如权利要求1所述的一种基于机器学习的整形手术术后体貌预测方法，其特征在于，步骤S3具体包括：

S3-1.从新患者术前整形部CT影像文件中提取3D体素数据和患者的年龄、性别信息，并将术前的3D体素数据调整为与步骤S1-1中的3D体素数据相同的朝向与空间分辨率；

S3-2.将经过步骤S3-1得到的3D体素数据调整为与步骤S1-2中统一的空间尺寸大小；

S3-3.采用与步骤S1-3同样的方法，提取并标注经过步骤S3-2得到的3D体素数据中的骨骼和软组织；

S3-4.依据制定的手术方案和经过步骤S3-2得到的术前3D体素数据中的骨骼数据，得到预测的术后骨骼数据；

S3-5.将经过步骤S3-2得到的术前骨骼数据、术前软组织数据、经过步骤S3-2得到的预测的术后骨骼数据、经过步骤S3-1得到的患者的年龄及性别信息输入到步骤S2中训练好的机器学习模型中，得到预测的术后软组织数据。