[发明专利]神经外科脑手术典型病历训练系统

权利要求书

1.一种神经外科脑手术典型病历训练系统，其特征在于：所述典型病历训练系统包括：用以为医师提供20种典型病例训练素材的典型病例数据系统，用以对脑部切片扫描数据进行三维建模的脑结构建模系统，用于对手术训练成果进行评估的评估系统，

其中，所述的典型病例数据系统包括：

典型病例数据库模块，用于存储脑部典型疾病的医学数据，该数据库模块中包含多种典型医学数据格式，所述的数据格式包括：功能磁共振成像(FMRI)数据、磁共振成像(MRI)数据、磁共振动脉成像(MRA)数据、磁共振静脉成像(MRV)数据及CT数据；该数据库目前已包含20类典型脑疾病的530份脑部数据，且具有可扩充性；

数据读取模块，用于读取指定患者的数据，将所述数据加载入典型病例数据库模块中，从而进行个体的针对性训练；

所述的脑结构建模系统包括：

病变识别模块，用于将脑部病灶区域从正常脑区中识别出来，通过从数据读取模块读入患者医学数据或从典型病例数据库模块导入患者数据，应用图像灰度值分割算法来识别病变区域；

脑区建模模块，用于建立病变识别模块识别出的脑部微结构模型，所述的微结构模型包括：脑区模型、病灶区域整体模型、病灶区域微结构模型以及胼胝体模型；

纤维建模模块，用于建立病变识别模块识别出的病灶区域周边的神经纤维模型，本系统应用基于高阶张量模型的并行纤维跟踪算法建立病灶区域周边的纤维模型；

所述的评估系统包括：

最优路径模块，用于显示典型病例数据库模块中存储的针对各份患者数据的专家推荐路径；

训练效果评估模块，用于评估受训医师所规划的手术路径，通过比较受训医师规划的手术路径与最优路径模块中存储的专家推荐路径的区别，来评估医师所规划的手术路径的优劣性。

2.如权利要求1所述的神经外科脑手术典型病历训练系统，其特征在于：所述的数据读取模块，所采用的技术方案为：该模块包含了目前主流的医学图像数据格式的解码算法，所述的图像数据格式包括RAW(.raw)、NRRD(.nrrd.nhrd)、MetaImage(.mhd.mha)、Analyze(.hdr.img)、NifTi(.nii.nia)、BioRad(.pic)、TIFF(.tiff.tif)、Stimulate(.sqr)，我们通过判断读入数据的头文件，调用其解码算法将数据存入典型病例数据库，用以在脑结构建模系统中使用，该数据读取模块可以兼容各种格式的医学数据格式，同时支持医学解码算法的扩展。

3.如权利要求1所述的神经外科手术典型病例训练系统，其特征在于：所述的病变识别模块，其实现原理为：分析从权利要求1中的典型病例数据系统中获取的患者医学数据，首先，标定图像数据的每个体素的灰度值，其灰度值范围为0～1，灰度步进间隔为0.001；然后，我们应用局部灰度均值分割法将病灶区域从正常脑区中分割出来，具体实现步骤如下：

（1）以图像的灰度为横轴，选用3×3模板下的局部灰度均值为纵轴，构造一个图像分布的散布图；

（2）给定一个初始的阈值T=T₀=(T₀(x),T₀(y))，其中T₀(x)为图像灰度初始值，T₀(y)为局部灰度均值初始值，将图像分为A₀和A₁两类；

（3）按照均匀性度量方法获得最佳阈值T=T^*=(T^*(x),T^*(y))，其中T^*(x)为最佳灰度值，T^*(y)为最佳局部灰度均值；

从而将病灶区域从切片数据中识别出来。

4.如权利要求1所述的神经外科手术典型病例训练系统，其特征在于：所述的脑区建模模块，其实现原理为：应用线性拟合算法拟合权利要求3中病变识别模块所识别出的各层切片数据上的病变区域，建立出基于医学数据的三维脑模型，并用拉普拉斯滤波算法优化模型表面结构，来消除局部噪声点。

5.如权利要求1所述的神经外科手术典型病例训练系统，其特征在于：所述的训练效果评估模块，其具体步骤：首先，系统记录医师在进行虚拟手术过程中的手术路径，并建立该路径的三维模型，计算出路径中各点的三维坐标值；然后，从权利要求1中的最优路径模块中载入与医师当前训练模型相对应的专家推荐路径，比较系统所记录的医师路径与推荐路径的差别，具体实现为：我们设立路径偏差阈值Th，当医师路径与推荐路径的相对空间距离小于Th时，继续跟踪比较下一结点，直到路径结束，并累加各节点到推荐路径的最小值L_min，以L_min作为最终路径选取优劣性的评价标准；当医师路径中的某一结点到专家路径的最小值大于Th时，系统结束路径比较，提示路径选取失败。