[发明专利]一种基于吲哚氰绿荧光显像的外科肿瘤手术实时导航方法

权利要求书

1.一种基于吲哚氰绿荧光显像的外科肿瘤手术实时导航方法，其特征在于，包括以下步骤，

步骤1：获取实时ICG荧光手术视频中的每一帧图像并保存为ICG荧光图像；

步骤2：使用基于深度学习的肿瘤边界分割模型将ICG荧光图像中的肿瘤边界分割出来，并以彩色线条的方式添加到原ICG荧光图像中进行显示；

步骤3：采用边缘评估函数对ICG荧光图像的分割边界进行评估，得到其对应的边界清晰系数；

步骤4：找出边界清晰系数最大的图像，然后将其对应的分割边界叠加到常规光照下的肿瘤图像上，并将叠加后的结果显示在屏幕上，引导医生进行肿瘤切除手术。

2.根据权利要求1所述的外科肿瘤手术实时导航方法，其特征在于，所述基于深度学习的肿瘤边界分割模型通过以下步骤建立，

步骤a：获取上百例内窥镜手术视频，利用OpenCV将影像数据中的每一帧以jpg格式保存，并进行标注，得到标注后的原始ICG荧光图像序列，将标注后的ICG荧光图像分为训练样本和测试样本；

步骤b：对训练样本进行预处理；

步骤c：搭建基于Encoder-Decoder模型的边界分割深度学习网络，其中Encoder阶段利用带残差结构的深度可分离卷积对ICG荧光图像进行特征提取，Decoder阶段通过逐步的上采样将特征图恢复到原始图像大小并对图像中每一个像素点进行分类；

步骤d：利用搭建完成的学习网络对预处理后的训练样本进行模型训练，得到肿瘤边界分割模型；

步骤e：对测试样本进行预处理，并作为输入参数输入到肿瘤边界分割模型，得到初分割图像，然后对每套图像进行连通域处理，连通域处理后的分割结果反馈至原始ICG荧光图像序列中。

3.根据权利要求2所述的外科肿瘤手术实时导航方法，其特征在于，所述Encoder阶段先采用步长为2的7×7的卷积进行ICG荧光图像特征的提取，后接BN层和ReLU层；然后再利用带有残差结构的深度可分离卷积模块对ICG荧光图像进行特征提取。

4.根据权利要求2所述的外科肿瘤手术实时导航方法，其特征在于，所述Decoder阶段上采样的过程中，先将底层信息与高层信息进行融合，然后采用转置卷积进行上采样。

5.根据权利要求2所述的外科肿瘤手术实时导航方法，其特征在于，所述步骤d中的模型训练采用Adam优化器，交叉熵损失函数作为网络的损失函数。