[发明专利]基于全自动三维成像的听神经瘤手术路径自动规划方法

权利要求书

1.一种基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述方法包括以下步骤：

步骤1、图像获取及预处理：获取患者CT、T1、T2、T1增强、MRA、diffusion MRI序列图像，经过去噪校正；

步骤2、图像配准：以CT图像为基准，将其他图像配准到CT图像中，得到各个图像的转换矩阵；

步骤3、肿瘤提取及区域分割：利用步骤1获得的数据，采用自动化的方法对听神经瘤进行提取，以及分割大脑内部的功能区、颅底血管及颅骨区域；

步骤4、纤维跟踪及自动识别：利用神经纤维图谱，对纤维进行跟踪及自动标识；

步骤5、数据融合：根据重建前的转换矩阵，将各个组织的三维模型转换到CT图像的坐标下；

步骤6、体素风险值估计：体素风险值的意义是量化表示当前位置体素所对应的解剖位置受到破坏时，对人体造成损伤的严重程度，风险值大小不仅由硬约束决定，而且受软约束影响；

步骤7、候选路径生成及风险估计：候选路径可以表示为由目标点和待进入点组成的一条具有直径的线段，整条路径的风险值由其所包围的体素风险值决定；

步骤8、路径优化及风险图谱生成：通过快速排序算法对所有待进入点代表的路径进行空间搜索，找到风险值最小的三条路径作为本方案规划的手术路径，同时将路径风险值归一化到0～255的范围，进行颜色编码，生成路径的风险图谱供医生参考。

2.如权利要求1所述的基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述步骤3中，利用深度学习，采用T1、T2和T1增强的数据实现听神经肿瘤的精确分割，并将肿瘤的质心位置作为手术路径规划的目标位置，即路径的目标点，大脑内部功能区的划分采用Freesurfer实现，颅底血管及颅骨利用深度学习的方法进行识别分割。

3.如权利要求1或2所述的基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述步骤4中，纤维跟踪及表示通过基于深度网络的神经纤维图谱重建实现，包括基于深度高阶张量成像模型的体素纤维方向估计、基于流线微分方程的全局纤维重建算法和数据驱动神经纤维图谱重建算法。

4.如权利要求1或2所述的基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述步骤6中，体素风险值估计包括软约束部分和硬约束部分，硬约束包括手术高危组织区域的约束，对高危区域血管距离小于安全距离的体素，通过赋予极大的风险值将其设为路径禁区；软约束是除硬约束以外的约束，由离功能区、神经纤维次重要的组织的距离影响，同时还由组织的重要程度影响，由以下公式计算：

其中α是用于避免除以0的非负标量常数，a_jk和r_j为各个区域的权重值，由有经验的外科医生给定。S_jk表示各个功能区，dist(S_jk·v_j)为体素距离功能区的距离。

5.如权利要求4所述的基于全自动三维成像的听神经瘤手术路径自动规划方法，其特征在于，所述步骤7中，路径的风险值由其所包围的体素风险值决定，由以下公式决定：