[发明专利]一种用于医学影像引导手术的触觉导航系统

说明书

本发明公开了一种用于微创手术的触觉导航系统，用以提高微创手术的精准性。具体包括：触觉数据采集模块(1)，深度学习训练模块(2)，手术预测模块(3)，手术分类模块(4)触觉可视化模块(5)以及视触融合模块(6)；本发明通过在手术中通过真实微创手术器械搭建的力学数据采集、训练模型，结合深度学习算法、人工智能决策系统、以及触觉可视化算法搭建的触觉导航系统准确率高、实时性好。弥补了现有的单纯通过影像学引导的微创手术中成像效果差、组织边界不清晰、触觉感知缺失等缺点，大大提高了高难度、复杂微创手术的精准性，节省了医生操作时间，减轻了手术给病患带来的痛苦。

技术领域：

本发明属于人工智能辅助外科医学领域，具体涉及用于医学影像引导手术的触觉导航方法。

背景技术：

外科手术，依然是诸多复杂疾病治疗的主要治疗手段。然而手术治疗理念，已经不仅仅局限于传统的大面积、开放性的手术方式，个体化精准微创手术的普及意味着“精准医学”正逐步被应用到临床外科医疗领域。影像引导手术(IGS,Image Guide Surgery)属于计算机辅助外科手术中的手术导航领域，通过在外科手术过程中，引入患者实时医学影像数据(CT/MRI/X-ray/超声)，借助虚拟现实技术，依托光/磁/电等定位跟踪系统，实时显示手术器械、病患、病变组织等空间位置关系及动态医学影像信息，从而实现对于手术过程的实时引导。该技术最先应用于神经外科手术，随后逐渐广泛应用在脊柱外科、整形外科、膝关节、胸腹部外科以及肿瘤的穿刺活检手术中。

然而现有的医学影像导航系统主要存在以下两个方面的难点：从影像引导方面：一是术前图像与术中图像的配准，在手术不同时刻的不同器官位置数据，需要准确的通过术前数据提取相关有效数据叠加到术中状态；二是导航系统的实时性，手术过程中医生操作及病患呼吸、体位带来的空间位置的改变、遮挡等，需要标记传感器及导航设备实时矫正配准，从而严重影响了导航系统的准确性；三是多模态图像之间的配准，CT、MRI、X光、超声等影像数据，由于成像机理不同，导致图像之间差别较大，现有的基于几何特征和基于图像密度特征的多模态间配准算法，仍旧无法在精度高和实时性好之间找到最优兼容。从手术操作性方面，手术技巧，根本上是一种肌肉记忆，从每一个手术操作过程中的触觉回馈表现，是医生在手术过程中对于病人实时状态最直接的反馈，例如是否穿破目标组织，是否进入手术操作区域，手术过程中力、角度、深度的阈值范围等。而现有的基本上所有导航设备大多都都忽略了触觉导航在手术过程中的重要作用。

发明内容：

本发明的目的在于提供一种用于医学影像引导手术的触觉导航系统，用以提高影像引导微创手术的精准性。具体包括：触觉数据采集模块(1)，深度学习训练模块(2)，手术预测模块(3)，手术分类模块(4)触觉可视化模块(5)以及视触融合模块(6)；本发明通过在手术中通过真实微创手术器械搭建的力学数据采集、训练模型，结合深度学习算法、人工智能决策系统、以及触觉可视化算法搭建的触觉导航系统准确率高、实时性好。弥补了现有的单纯通过影像引导微创手术中成像效果差、组织边界不清晰、触觉感知缺失等缺点，大大提高了手术精度，缩短了手术时间，减轻了手术给病患带来的痛苦。

所述的触觉数据采集模块，包括六自由度(6DOF)力学传感器模块，手术器械模块和定制化连接器模块。所述的六自由度力学传感器，能够实时记录手术过程中手术器械操作(如：穿刺、提拉、撕扯等影像引导手术操作)中的力及力矩特征：所述的手术器械模块，即为真实手术过程中的手术器械(如：穿刺针，介入导管，腔镜等影像引导手术器械)。所述的定制化连接器(Connector)，即为通过定制设计实现的力学传感器与真是手术器械的连接，作为优选，通过3D打印技术打印的定制化连接器。

所述的深度学习训练模块，是指通过深度神经网络学习处理所获得的触觉大数据，从而用于手术过程中的触觉导航，其主要包括手术触觉数据预测模块及手术触觉数据分类两个模块。

所述的手术预测模块，是指通过递归神经网络(RNN)中的预测算法，通过训练实验获取的触觉数据，获得手术过程中的力学曲线预测模型，并用于实时的手术触觉导航过程。