一种基于术中CT影像数据的针道自动识别方法与流程

一种基于术中ct影像数据的针道自动识别方法
技术领域
1.本发明属于医学图像处理技术领域，具体涉及一种术中ct影像数据中针道自动识别的方法。


背景技术：

2.ct影像数据具有三维定位功能以及空间分辨能力较高的特点，常用于经皮活检、脓肿引流、肿瘤消融等治疗中进行穿刺引导。由于ct引导下的穿刺检查创伤少、并发症少以及手术时间短等特点，其应用越来越广泛。然而在实际穿刺过程中由于多种因素的存在，如肿瘤肿胀、组织变形、针变形等导致术前的计划并没有很好地在术中执行。为了提高穿刺操作的质量和增加患者安全性，需要识别ct影像数据中的针道，精准手术定位。
3.在结构复杂的组织，或需绕路大血管与神经等部位，要保证一次穿刺成功和减少介入治疗时间、精准和远距离地跟踪针尖，必须依靠计算机辅助图像精确分割线。但不同的图像复杂度不同，针道阈值也不尽相同，同一阈值无法适应所有的ct影像数据；而边缘检测和霍夫变换对图像干扰非常敏感、计算复杂。


技术实现要素：

4.本发明要解决的技术问题是提供一种能够准确稳定识别针道的基于术中ct影像数据的针道自动识别方法。
5.为了解决上述技术问题，本发明采用的技术方案是：一种基于术中ct影像数据的针道自动识别方法,包括以下具体步骤：步骤s1，获取穿刺手术中的ct影像数据并解析，得到所述ct影像数据的三维数据和空间信息；步骤s2，对所述三维数据进行窗宽窗位预处理，采用深度学习对预处理后的图像进行分割，得到针道图像s；步骤s3：遍历所述针道图像s中的像素点，获取针道的候选点集合x；步骤s4：采用ransac算法在所述针道候选点集合x内计算出针道模型参数，获取多个针道模型；步骤s5：遍历针道图像s中的像素点，计算出符合所有所述针道模型的两个端点；步骤s6：在vtk中利用体绘制技术对ct影像数据进行三维重建，将三维重建结果结合步骤s5中两个所述端点组成的线段加入到渲染窗口中立体显示，通过窗口交互对三维重建结果进行交互。不需要手动设置分割阈值，直接利用深度学习的方式进行针道图像的分割，实现简单有效；在针道图像中遍历满足针道识别模型参数的像素点，可准确定位出针道两个端点的位置；以端点构建线段和三维重建结果叠加显示，可直观有效地观察针道识别的结果。
6.优选的，步骤s4具体包括：步骤s41，设所述候选点集合x中局内点的占有率为ε，选出一个正确的针道模型概率为εm，若采样k次，k个样本数据中至少有一个局外点概率为(1-εm)k，为了保证此概率低于(1-p)以下，采样次数k满足k≥lg(1-p)/lg(1-εm)；步骤s42，每次采样，从所述候选点集合x中随机抽取两个点构建直线模型；步骤s43，利用误差阈值检验初始所述候选点集合x并且确定符合所述直线模型的所有局内点ni和局外点pi，记录局内点ni数量；步骤s44，对每次采样进行步骤s43，直至迭代结束，比较不同模型的局内点ni数量，记
录最大局内点n
max
＝ni和其对应的模型，即为最终的模型参数。可根据输入数量，通过循环淘汰最优模型的局内点的方法拟合出指定数量的针道，实现多针道识别。
7.优选的，若ct影像数据是多针道，从候选点集合x内剔除上一个针道模型集合n
max
，重置候选点集合x，重复步骤s41-s44操作。
8.优选的，步骤s4中，候选点集合x内计算出的针道模型的最小的数据子集大小为m＝2。
9.优选的，步骤s6中，所述交互包括旋转、平移、缩放。
10.本发明的范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案等。
11.由于上述技术方案运用，本发明与现有技术相比具有下列优点：1、本发明提供一种基于术中ct影像数据的针道自动识别方法,不需要手动设置分割阈值，直接利用深度学习的方式进行针道图像的分割，实现简单有效。
12.2、在针道图像中遍历满足针道识别模型参数的像素点，可准确定位出针道两个端点的位置。
13.3、以端点构建线段和三维重建结果叠加显示，可直观有效地观察针道识别的结果。
14.4、可根据输入数量，通过循环淘汰最优模型的局内点的方法拟合出指定数量的针道，实现多针道识别。
附图说明
15.图1为基于术中ct影像数据的针道自动识别方法流程示意图；
16.图2为针道识别结果图。
具体实施方式
17.为了能准确提取出针道的位置，要在包含了许多的“伪点”的针道候选点集合内估计出三维直线模型的参数，常用的方法有最小二乘法和随机样本一致性法。最小二乘法是通过计算观测值与实际值之间的最小均方误差对模型参数的偏导数为0时的最优解；ransac是采用迭代的方式从一组包含离群观测值数据中估算出模型的参数。但最小二乘法只适用于观测值与实际值误差较小的情况下，而ransac算法一次只能提取一个模型，即一次只能提取一个针道。因此，针道的识别需要有一种准确稳定的方法，分割针道图像找出针道候选点像素，在候选点集合能准确找到针道的位置。
18.如图1所示的基于术中ct影像数据的针道自动识别方法，包括以下具体步骤。
19.步骤s1，获取穿刺手术中的ct影像数据并解析，得到所述ct影像数据的三维数据和空间信息。
20.步骤s2，对所述三维数据进行窗宽窗位预处理，采用深度学习对预处理后的图像进行分割，得到针道图像s。
21.步骤s3，遍历所述针道图像s中的像素点，获取针道的候选点集合x。
22.步骤s4，采用ransac算法在所述针道候选点集合x内计算出针道模型参数，获取多
个针道模型；步骤s41，候选点集合x内要计算出针道模型的最小的数据子集大小为m＝2，模型拟合结束的标准是是在一定的置信概率p下至少能够筛选出一个不包含局外点的子集所需的最小的采样次数，设所述候选点集合x中局内点的占有率为ε，选出一个正确的针道模型概率为εm，若采样k次，k个样本数据中至少有一个局外点概率为(1-εm)k，为了保证此概率低于(1-p)以下，采样次数k满足k≥lg(1-p)/lg(1-εm)，计算出采样次数k即迭代次数；步骤s42，每次采样，从所述候选点集合x中随机抽取两个点构建直线模型；步骤s43，利用误差阈值检验初始所述候选点集合x并且确定符合所述直线模型的所有局内点ni和局外点pi，记录局内点ni数量；步骤s44，对每次采样进行步骤s43，直至迭代结束，比较不同模型的局内点ni数量，记录最大局内点n
max
＝ni和其对应的模型，即为最终的模型参数，若ct影像数据是多针道，从候选点集合x内剔除上一个针道模型集合n
max
，重置候选点集合x，重复步骤s41-s44操作。
23.可根据输入数量，通过循环淘汰最优模型的局内点的方法拟合出指定数量的针道，实现多针道识别。
24.步骤s5，遍历针道图像s中的像素点，计算出符合所有所述针道模型的两个端点。
25.步骤s6，在vtk中利用体绘制技术对ct影像数据进行三维重建，将三维重建结果结合步骤s5中两个所述端点组成的线段加入到渲染窗口中立体显示，如图2所示，通过窗口交互对三维重建结果进行旋转、平移、缩放等交互。
26.不需要手动设置分割阈值，直接利用深度学习的方式进行针道图像的分割，实现简单有效；在针道图像中遍历满足针道识别模型参数的像素点，可准确定位出针道两个端点的位置；以端点构建线段和三维重建结果叠加显示，可直观有效地观察针道识别的结果。
27.上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

技术特征：
1.一种基于术中ct影像数据的针道自动识别方法，其特征在于：包括以下具体步骤：步骤s1，获取穿刺手术中的ct影像数据并解析，得到所述ct影像数据的三维数据和空间信息；步骤s2，对所述三维数据进行窗宽窗位预处理，采用深度学习对预处理后的图像进行分割，得到针道图像s；步骤s3：遍历所述针道图像s中的像素点，获取针道的候选点集合x；步骤s4：采用ransac算法在所述针道候选点集合x内计算出针道模型参数，获取多个针道模型；步骤s5：遍历针道图像s中的像素点，计算出符合所有所述针道模型的两个端点；步骤s6：在vtk中利用体绘制技术对ct影像数据进行三维重建，将三维重建结果结合步骤s5中两个所述端点组成的线段加入到渲染窗口中立体显示，通过窗口交互对三维重建结果进行交互。2.根据权利要求1所述的基于术中ct影像数据的针道自动识别方法，其特征在于：步骤s4具体包括：步骤s41，设所述候选点集合x中局内点的占有率为ε，选出一个正确的针道模型概率为ε
m
，若采样k次，k个样本数据中至少有一个局外点概率为(1-ε
m
)
k
，为了保证此概率低于(1-p)以下，采样次数k满足k≥lg(1-p)/lg(1-ε
m
)；步骤s42，每次采样，从所述候选点集合x中随机抽取两个点构建直线模型；步骤s43，利用误差阈值检验初始所述候选点集合x并且确定符合所述直线模型的所有局内点n
i
和局外点p
i
，记录局内点n
i
数量；步骤s44，对每次采样进行步骤s43，直至迭代结束，比较不同模型的局内点n
i
数量，记录最大局内点n
max
＝n
i
和其对应的模型，即为最终的模型参数。3.根据权利要求2所述的基于术中ct影像数据的针道自动识别方法，其特征在于：若ct影像数据是多针道，从候选点集合x内剔除上一个针道模型集合n
max
，重置候选点集合x，重复步骤s41-s44操作。4.根据权利要求2所述的基于术中ct影像数据的针道自动识别方法，其特征在于：步骤s4中，候选点集合x内计算出的针道模型的最小的数据子集大小为m＝2。5.根据权利要求1所述的基于术中ct影像数据的针道自动识别方法，其特征在于：步骤s6中，所述交互包括旋转、平移、缩放。

技术总结
一种基于术中CT影像数据的针道自动识别方法,包括以下具体步骤，获取穿刺手术中的CT影像数据并解析，得到CT影像数据的三维数据和空间信息；对三维数据进行窗宽窗位预处理，采用深度学习对预处理后的图像进行分割，得到针道图像S；遍历所述针道图像S中的像素点，获取针道的候选点集合X；采用RANSAC算法在所述针道候选点集合X内计算出针道模型参数，获取多个针道模型；遍历针道图像S中的像素点，计算出符合所有所述针道模型的两个端点；在VTK中利用体绘制技术对CT影像数据进行三维重建，将三维重建结果结合步骤S5中两个所述端点组成的线段加入到渲染窗口中立体显示，通过窗口交互对三维重建结果进行交互。实现简单有效，准确定位，直观有效。直观有效。直观有效。


技术研发人员：唐昕 张首誉 陆彬斌 仲星 周琪 沈天广
受保护的技术使用者：湖南朗润智慧医疗科技有限公司
技术研发日：2023.04.26
技术公布日：2023/8/24