欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022105781929
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种面向脊柱微创手术导航的深度学习点云腰椎配准方法,其特征在于,包括:采集术前和术中的脊柱CT图像;

将脊柱CT图像输入训练好的三维V型深度分割网络模型进行分割,获取术前和术中的腰椎CT图像;

通过形态学方法消除腰椎CT图像中的孤立点;

通过点云转换方法将消除孤立点后的术前和术中的腰椎CT图像转换为相应的腰椎三维点云集合;

对术前和术中的腰椎三维点云集合进行最近邻点迭代获取最优旋转矩阵和平移向量;

通过最优旋转矩阵和平移向量对三维点云集合进行变换处理,完成术前与术中的脊柱CT图像中的腰椎配准。

2.根据权利要求1所述的一种面向脊柱微创手术导航的深度学习点云腰椎配准方法,其特征在于,所述三维V型深度分割网络模型的训练包括:获取脊柱CT图像并添加腰椎轮廓标注生成样本图像,并根据样本图像构建训练集;

基于训练集利用Adam算法训练三维V型深度分割网络模型,调整模型参数直至损失函数最小。

3.根据权利要求2所述的一种面向脊柱微创手术导航的深度学习点云腰椎配准方法,其特征在于,所述添加腰椎轮廓标注包括将脊柱CT图像中属于腰椎的体素标注为1,不属于腰椎的体素标注为0;

所述损失函数Ldice为:

式中,Gi为脊柱CT图像中体素i的标注信息,Pi为脊柱CT图像中体素i标注为1的概率;N为脊柱CT图像中体素数量。

4.根据权利要求1所述的一种面向脊柱微创手术导航的深度学习点云腰椎配准方法,其特征在于,所述三维V型深度分割网络模型包括对称的编码器和解码器;

所述编码器包括依次连接的一个输入层和四个下采样层,所述输入层通过残差操作与输入图像进行单位加法,然后通过四个所述下采样层逐层进行下采样输出特征图;所述输入层的图像输入维度为64×64×64,并使用5×5×5的卷积核将通道数提升为16;首个所述下采样层进行两次卷积后,通过残差操作与输入层的输出进行单位加法,然后使用步长为2的2×2×2的卷积核进行下采样;后三个所述下采样层进行三次卷积后,通过残差操作与上一个下采样层的输出进行单位加法,然后使用步长为2的2×2×2的卷积核进行下采样;

所述解码器包括依次连接的四个上采样层和一个输出层,四个所述上采样层对末个下采样层输出的特征图逐层进行上采样输出特征图,然后通过输出层通过残差操作与末个上采样层输出的特征图进行单位加法输出分割结果;前三个所述上采样层进行三次卷积后,通过残差操作与上一个上采样层的输出进行单位加法,然后使用步长为2的2×2×2的卷积核进行上采样;末个所述上采样层进行两次卷积后,通过残差操作与输出层的输出进行单位加法,然后使用步长为2的2×2×2的卷积核进行上采样;所述输出层的图像输出维度为

64×64×64,并使用5×5×5的卷积核将通道数减少为1。

5.根据权利要求1所述的一种面向脊柱微创手术导航的深度学习点云腰椎配准方法,其特征在于,所述通过形态学方法消除腰椎CT图像中的孤立点包括:对腰椎CT图像进行形态学开运算和闭运算,所述开运算和闭运算的模板尺寸根据需要分割的孤立点大小进行调节。

6.根据权利要求1所述的一种面向脊柱微创手术导航的深度学习点云腰椎配准方法,其特征在于,所述转换为相应的腰椎三维点云集合包括:通过Marching Cubes算法对消除孤立点后的术前和术中的腰椎CT图像进行面绘制,遍历面绘制结果顶点坐标并转换为点云坐标,获取术前和术中的腰椎三维点云集合。

7.根据权利要求1所述的一种面向脊柱微创手术导航的深度学习点云腰椎配准方法,其特征在于,所述对术前和术中的腰椎三维点云集合进行最近邻点迭代获取最优旋转矩阵和平移向量包括:初始化迭代次数i=1;

在术前的腰椎三维点云集合Csource中取点集pi∈Csource;

在术中的腰椎三维点云集合Ctarget中取点集qi∈Ctarget,使得||pi‑qi||最小,||·||为欧氏距离;

构建误差函数:

i i

通过奇异值分解法对误差函数最小进行求解获取旋转矩阵R和平移向量T;

k k

根据旋转矩阵R和平移向量T点集pi进行旋转和平移变换获取点集p′i;

计算点集p′i与对应点集qi的平均距离d;

i i

判断平均距离d是否小于预设阈值,若是,则停止迭代,输出旋转矩阵R和平移向量T;

i

若否,则判断迭代次数i是否大于预设迭代次数,若是,则停止迭代,输出旋转矩阵R 和i平移向量T;

若否,则令迭代次数i=i+1,并重复上述迭代步骤。

8.一种面向脊柱微创手术导航的深度学习点云腰椎配准装置,其特征在于,所述装置包括:图像采集模块,用于采集术前和术中的脊柱CT图像;

图像分割模块,用于将脊柱CT图像输入训练好的三维V型深度分割网络模型进行分割,获取术前和术中的腰椎CT图像;

图像处理模块,用于通过形态学方法消除腰椎CT图像中的孤立点;

点云转换模块,用于通过点云转换方法将消除孤立点后的术前和术中的腰椎CT图像转换为相应的腰椎三维点云集合;

图像配准模块,用于对术前和术中的腰椎三维点云集合进行最近邻点迭代,完成术前与术中的脊柱CT图像中的腰椎配准。

9.一种面向脊柱微创手术导航的深度学习点云腰椎配准装置,其特征在于,包括处理器及存储介质;

所述存储介质用于存储指令;

所述处理器用于根据所述指令进行操作以执行根据权利要求1‑7任一项所述方法的步骤。

10.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1‑7任一项所述方法的步骤。