[发明专利]基于深度学习和有限元建模的组织变形模拟系统及方法

权利要求书

1.一种基于深度学习和有限元建模的组织变形模拟系统，其特征是，包括图像采集装置和处理器；

所述图像采集装置，用于采集原始图像和目标图像，并传输至处理器；

所述处理器，用于选取原始图像和目标图像的感兴趣区域，建立原始三维有限元模型和目标形变三维有限元模型，并进行三维配准，得到原始三维有限元模型与目标形变有限元模型之间的旋转平移矩阵，对旋转平移矩阵进行有限元分析，提取有限元特征，模拟目标形变组织三维模型；

所述处理器包括：

图像获取模块，用于获取图像采集装置采集的原始图像以及目标图像，并将其格式转换为PNG格式的图像；

感兴趣区域选取模块，用于选取原始图像和目标图像的感兴趣区域；具体地，

将PNG格式的原始图像输入基于OverFeat的深度学习神经网络，选取原始预建模的感兴趣区域，并将原始预建模的感兴趣区域归一化处理至同一尺寸；将PNG格式的目标图像输入基于OverFeat的深度学习神经网络，选取目标预建模的感兴趣区域，并将目标预建模的感兴趣区域归一化处理至同一尺寸；

三维有限元模型构建模块，用于利用三维有限元网格生成器分别建立原始三维有限元模型和目标形变三维有限元模型；

三维配准模块，用于提取原始预配准区域和目标形变预配准区域，并对其进行三维配准，得到原始三维有限元模型与目标形变有限元模型之间的旋转平移矩阵；

有限元分析模块，用于对旋转平移矩阵进行有限元分析，提取旋转向量和位移向量；

模型模拟模块，用于将旋转向量和位移向量作为约束条件，模拟出变形后的目标组织三维模型；具体地，

读取原始三维有限元模型；

将有限元分析模块提取的旋转向量和平移向量作为有限元仿真的约束；

设置有限元单元形状参数和仿真材料参数，进行变形仿真，得到变形后的目标组织三维模型。

2.根据权利要求1所述的基于深度学习和有限元建模的组织变形模拟系统，其特征是，还包括主成分分析模块，所述主成分分析模块，用于提取原始三维有限元模型和目标有限元模型中用于配准的结点集合，作为三维配准模块的输入。

3.一种基于深度学习和有限元建模的组织变形模拟方法，其特征是，该方法包括以下步骤：

获取原始图像和目标图像；

分别选取原始图像和目标图像的感兴趣区域；

建立原始三维有限元模型和目标形变三维有限元模型，并进行三维配准，得到原始三维有限元模型与目标形变有限元模型之间的旋转平移矩阵；

对旋转平移矩阵进行有限元分析，提取有限元特征；

模拟目标形变组织三维模型；

所述分别选取原始图像和目标图像的感兴趣区域的步骤包括：

将获取的原始图像输入基于OverFeat的深度学习神经网络，进行不断训练，得到原始预建模的感兴趣区域，并将原始预建模的感兴趣区域进行归一化处理至同一尺寸；

将获取的目标图像输入基于OverFeat的深度学习神经网络，进行不断训练，得到目标预建模的感兴趣区域，并将目标预建模的感兴趣区域进行归一化处理至同一尺寸；

所述三维配准的步骤包括：

对原始三维有限元模型与目标形变有限元模型进行主成分分析，提取原始三维有限元模型和目标有限元模型中用于配准的结点集合，作为三维配准的输入；

采用基于物理模型的3D-ICP点云配准算法对原始预配准的结点集合和目标形变预配准的结点集合进行三维配准，得到原始三维有限元模型与目标形变有限元模型之间的旋转平移矩阵；

所述模拟目标形变组织三维模型的步骤包括：

将所建立的原始三维有限元模型输入仿真器，并将提取的旋转向量和平移向量作为仿真器的约束条件；

设置有限元单元形状参数和仿真材料参数，进行变形仿真，得到变形后的目标组织三维模型。

4.根据权利要求3所述的基于深度学习和有限元建模的组织变形模拟方法，其特征是，所述有限元特征包括旋转向量和位移向量。