CN113143459B - 腹腔镜增强现实手术导航方法、装置及电子设备 - Google Patents
腹腔镜增强现实手术导航方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113143459B CN113143459B CN202010076503.2A CN202010076503A CN113143459B CN 113143459 B CN113143459 B CN 113143459B CN 202010076503 A CN202010076503 A CN 202010076503A CN 113143459 B CN113143459 B CN 113143459B
- Authority
- CN
- China
- Prior art keywords
- preoperative
- laparoscope
- matrix
- point cloud
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003190 augmentative effect Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 162
- 238000013519 translation Methods 0.000 claims abstract description 82
- 210000000056 organ Anatomy 0.000 claims abstract description 67
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 26
- 230000000007 visual effect Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 16
- 230000001360 synchronised effect Effects 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 9
- 238000001356 surgical procedure Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012752 Hepatectomy Methods 0.000 description 1
- 238000002192 cholecystectomy Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002357 laparoscopic surgery Methods 0.000 description 1
- 238000002324 minimally invasive surgery Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013059 nephrectomy Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001515 vagal effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Endoscopes (AREA)
Abstract
本申请提供一种腹腔镜增强现实手术导航方法、装置及电子设备。包括:获取目标组织器官的术前三维模型,术前三维模型包括术前三维点云;根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵;对目标组织器官的术前三维点云和术中三维点云进行配准,得到术前三维点云的旋转矩阵与平移矩阵;通过腹腔镜的旋转矩阵与平移矩阵和术前三维点云的旋转矩阵与平移矩阵将目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上。可降低图像质量不佳造成SLAM***对腹腔镜的实时位姿和术中三维点云解算出现误差的概率。
Description
技术领域
本申请涉及微创外科技术领域,尤其涉及一种腹腔镜增强现实手术导航方法、装置及电子设备。
背景技术
目前,外科手术整体趋势向着微创化、机器人化以及精准化发展,作为微创手术的腹腔镜手术在胆囊切除、迷走神经肝切除、肾切除等手术中已经成为常规术式。腹腔镜手术中用于进入体腔内的相机由于设备大小及仪器受限,可视范围受限,同时,实际术中由于多种原因,如:巨大的病灶、历史手术引起的解剖错位以及医生经验欠缺等,使得医生对手术关键结构辨认困难,对手术的质量及病人的安全是巨大隐患。增强现实手术导航可以有效缓解医生术中感知有限和对关键结构辨认困难的问题,为医生提供手术引导。
利用腹腔镜进行增强现实显示的关键技术是视觉同步定位和构图(SimultaneousLocalizationandMapping,SLAM)技术,但是,视觉SLAM非常依赖图像的成像质量,在图像质量不佳的情况下难以正常工作,腹腔镜场景下,随时可能出现光照、纹理质量的变化,以及相机的快速运动带来的图像模糊,都会使得相机拍摄的图像质量不佳,而图像质量不佳会造成SLAM***对腹腔镜的实时位姿和术中三维点云解算出现误差,进而导致增强现实手术导航的准确性差。
发明内容
本申请提供一种腹腔镜增强现实手术导航方法、装置及电子设备,以解决图像质量不佳造成SLAM***对腹腔镜的实时位姿和术中三维点云解算出现误差的问题。
第一方面,本申请提供一种腹腔镜增强现实手术导航方法,包括:
获取目标组织器官的术前三维模型,所述术前三维模型包括术前三维点云;
根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵;
对所述目标组织器官的术前三维点云和术中三维点云进行配准,得到所述术前三维点云的旋转矩阵与平移矩阵;
通过所述腹腔镜的旋转矩阵与平移矩阵和所述术前三维点云的旋转矩阵与平移矩阵将所述目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上。
可选的,所述根据术中腹腔镜实时采集的腹腔镜视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜姿态信息,获取所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵,包括:
将所述腹腔镜的视频信息和所述腹腔镜的姿态信息输入到视觉同步定位和构图***中,用于所述视觉同步定位和构图***进行处理;
接收所述视觉同步定位和构图***输出的所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵。
可选的,所述对所述目标组织器官的术前三维点云和术中三维点云进行配准,得到所述术前三维点云的旋转矩阵与平移矩阵,包括:
S1、在所述术中三维点云中采集预设个数的点集Pi;
S2、确定出所述术前三维点云中的点集Qi,点集Qi满足点集Pi和点集Qi的欧式距离最小;
S3、根据所述点集Pi和所述点集Qi计算旋转矩阵R和平移矩阵t,所述旋转矩阵R和平移矩阵t满足误差函数E(R,t)最小,所述误差函数为:
其中,n为最邻近点对的个数,pi为点集Pi中的一点,qi为点集Qi中与pi对应的最近点,R为旋转矩阵,t为平移矩阵;
S4、对点集Pi使用所计算出的旋转矩阵R和平移矩阵t进行旋转和平移变换,得到点集Pi’={Pi’=RPi+t};
S5、计算点集Pi’与点集Qi的平均距离d;
S6、如果d小于预设阈值或者大于预设的最大迭代次数,则停止迭代计算,否则返回S2,直到d小于预设阈值或者大于预设的最大迭代次数。
可选的,所述对所述目标组织器官的术前三维模型和术中三维点云进行配准之前,所述方法还包括:
对所述术中三维点云进行分割处理和消除噪声处理。
可选的,所述腹腔镜的姿态信息包括加速度、角速度和偏航角。
第二方面,本申请提供一种腹腔镜增强现实手术导航装置,包括:
第一获取模块,用于获取目标组织器官的术前三维模型,所述术前三维模型包括术前三维点云;
第二获取模块,用于根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵;
处理模块,用于对所述目标组织器官的术前三维点云和术中三维点云进行配准,得到所述术前三维点云的旋转矩阵与平移矩阵;
显示模块,用于通过所述腹腔镜的旋转矩阵与平移矩阵和所述术前三维点云的旋转矩阵与平移矩阵将所述目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上。
可选的,所述第二获取模块用于:
将所述腹腔镜的视频信息和所述腹腔镜的姿态信息输入到视觉同步定位和构图***中,用于所述视觉同步定位和构图***进行处理;
接收所述视觉同步定位和构图***输出的所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵。
可选的,所述处理模块用于:
S1、在所述术中三维点云中采集预设个数的点集Pi;
S2、确定出所述术前三维点云中的点集Qi,点集Qi满足点集Pi和点集Qi的欧式距离最小;
S3、根据所述点集Pi和所述点集Qi计算旋转矩阵R和平移矩阵t,所述旋转矩阵R和平移矩阵t满足误差函数E(R,t)最小,所述误差函数为:
其中,n为最邻近点对的个数,pi为点集Pi中的一点,qi为点集Qi中与pi对应的最近点,R为旋转矩阵,t为平移矩阵;
S4、对点集Pi使用所计算出的旋转矩阵R和平移矩阵t进行旋转和平移变换,得到点集Pi’={Pi’=RPi+t};
S5、计算点集Pi’与点集Qi的平均距离d;
S6、如果d小于预设阈值或者大于预设的最大迭代次数,则停止迭代计算,否则返回S2,直到d小于预设阈值或者大于预设的最大迭代次数。
可选的,所述处理模块还用于:
在对所述目标组织器官的术前三维点云和术中三维点云进行配准之前,对所述术中三维点云进行分割处理和消除噪声处理。
可选的,所述腹腔镜的姿态信息包括加速度、角速度和偏航角。
本申请提供的腹腔镜增强现实手术导航方法、装置及电子设备,通过先获取目标组织器官的术前三维模型,接着根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵,然后对目标组织器官的术前三维点云和术中三维点云进行配准,得到术前三维点云的旋转矩阵与平移矩阵,最后通过腹腔镜的旋转矩阵与平移矩阵和术前三维点云的旋转矩阵与平移矩阵将目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上。从而,可降低图像质量不佳造成SLAM***对腹腔镜的实时位姿和术中三维点云解算出现误差的概率,提高增强现实手术导航的准确性,可在临床手术过程中完成对术中视野的增强现实显示,完成对手术过程的实时导航。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的腹腔镜增强现实手术导航方法的一种应用场景示意图;
图2为本申请提供的一种腹腔镜增强现实手术导航方法实施例的流程图;
图3为本申请提供的一种镜增强现实手术导航装置实施例的结构示意意图;
图4为本申请提供的电子设备的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
相关技术中,利用腹腔镜进行增强现实显示的关键技术是SLAM技术,视觉SLAM非常依赖图像的成像质量,在图像质量不佳的情况下难以正常工作,腹腔镜场景下,随时可能出现光照、纹理质量的变化,以及相机的快速运动带来的图像模糊,都会使得相机拍摄的图像质量不佳,而图像质量不佳会造成SLAM***对腹腔镜的实时位姿和术中三维点云解算出现误差,进而导致增强现实手术导航的准确性差。为解决这一问题,本申请通过在腹腔镜上设置惯性传感器(包括陀螺仪、加速度计和磁力计),由惯性传感器实时采集腹腔镜的姿态信息(包括三轴加速度和角速度),惯性传感器的采集频率远高于相机,可达数百上千赫兹,可在恶劣的光照纹理、模糊图像条件下,提供可靠的跟踪结果,因此基于惯性传感器的跟踪结果就带有了尺度信息,本申请中再利用术中视频信息,并结合目标组织器官的术前三维模型,对关键结构信息进行提取识别,可降低图像质量不佳造成SLAM***对腹腔镜的实时位姿和术中三维点云解算出现误差的概率,从而精确地辅助进行手术导航。下面结合附图通过具体实施例对本申请的具体实现过程进行详细说明。
首先,对本申请中的惯性传感器做一解释说明,惯性传感器包括陀螺仪和加速度计,还可以包括磁力计,陀螺仪可测得角速度,通过积分角速度即可得到姿态,但积分过程中会产生误差,随着时间的增加,误差会累积,加速度计可测得加速度,其中包含重力信息,因此,可利用加速度计数据矫正与重力方向相关的姿态偏差,磁力计可计算得到偏航角,可根据偏航角矫正角速度的方向。
图1为本申请提供的腹腔镜增强现实手术导航方法的一种应用场景示意图,如图1所示,本申请中可以是在腹腔镜2的相机手柄上设置惯性传感器,在术前获取目标组织器官1的术前三维模型,通过腹腔镜2在对目标组织器官1实施手术的过程中,腹腔镜实时采集腹腔镜的视频信息,惯性传感器实时采集腹腔镜的姿态信息,将腹腔镜的视频信息和腹腔镜的姿态信息输入到SLAM***中,通过SLAM***的处理输出目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵,本申请提供的腹腔镜增强现实手术导航装置接着对目标组织器官的术前三维点云和术中三维点云进行配准,得到术前三维点云的旋转矩阵与平移矩阵,最后通过腹腔镜的旋转矩阵与平移矩阵和术前三维点云的旋转矩阵与平移矩阵将目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上。从而,可在临床手术过程中完成对术中视野的增强现实显示,完成对手术过程的实时导航,本申请的方法可降低图像质量不佳造成SLAM***对腹腔镜的实时位姿和术中三维点云解算出现误差的概率,提高增强现实手术导航的准确性。
图2为本申请提供的一种腹腔镜增强现实手术导航方法实施例的流程图,如图2所示,本实施例的方法可以包括:
S101、获取目标组织器官的术前三维模型,术前三维模型包括术前三维点云。
具体地,可以是术前通过CT或MRI医学影像重建出目标组织器官结构的三维模型,通常可通过移动立方体算法(MarchingCube)进行三维模型结构提取,不同组织器官模型需要预先进行设置及调整,例如通过调整密度值进行三维模型的重建提取。
S102、根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵。
本实施例中,腹腔镜的视频信息包括携带时间戳的腹腔镜图像序列,即多幅腹腔镜图像。腹腔镜的姿态信息包括加速度和角速度。
作为一种可实施的方式,S102具体可以为:
将腹腔镜的视频信息和腹腔镜的姿态信息输入到视觉同步定位和构图***(即SLAM***)中,用于视觉同步定位和构图***进行处理;
接收视觉同步定位和构图***输出的目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵。
具体来说,腹腔镜的姿态信息是由惯性传感器获取的,具体地,腹腔镜的姿态信息包括腹腔镜的角速度、腹腔镜的加速度和腹腔镜的偏航角,根据加速度可获得腹腔镜的重力,SLAM***对腹腔镜的角速度积分获得初步姿态,然后利用腹腔镜的重力矫正与重力方向相关的姿态偏差,再利用腹腔镜的偏航角矫正角速度的方向,最后得到兼顾准确性和平滑性的位姿,即得到腹腔镜的旋转矩阵与平移矩阵。
腹腔镜的视频信息是由腹腔镜的双目相机获取,具体地,双目相机获得左右图像,SLAM***提取腹腔镜的视频信息的特征点,并计算提取出的特征点的三维坐标,一般将第一帧计算得到的特征点作为后续所有特征点位置的参考,用于得到初始的位置,为后续运动参考。提取出的特征点即可形成三维点云,三维点云zc的获取具体可以为:
其中,xl和xr分别是三维点云在双目相机左视图及右视图成像点的图像坐标,B为双目相机的基线,f为双目相机的焦距(可通过双目相机标定获得)。
三维点云相当于全局的三维点云,不仅仅是目标组织器官的三维点云,所以后续需要对这个全局点云进一步处理,如删减,得到目标组织器官的三维点云。
S103、对目标组织器官的术前三维点云和术中三维点云进行配准,得到术前三维点云的旋转矩阵与平移矩阵。
具体地,可通过点云配准方法对目标组织器官的术前三维点云和术中三维点云进行配准。
作为一种可实施的方式,本实施例中采用迭代最近点算法(Iterative ClosestPoint,ICP)对目标组织器官的术前三维点云和术中三维点云进行配准,具体过程可以为:
S1、在术中三维点云中采集预设个数的点集Pi;
S2、确定出术前三维点云中的点集Qi,点集Qi满足点集Pi和点集Qi的欧式距离最小;
S3、根据点集Pi和点集Qi计算旋转矩阵R和平移矩阵t,旋转矩阵R和平移矩阵t满足误差函数E(R,t)最小,误差函数为:
其中,n为最邻近点对的个数,pi为点集Pi中的一点,qi为点集Qi中与pi对应的最近点,R为旋转矩阵,t为平移矩阵;
S4、对点集Pi使用所计算出的旋转矩阵R和平移矩阵t进行旋转和平移变换,得到点集Pi’={Pi’=RPi+t};
S5、计算点集Pi’与点集Qi的平均距离d;
S6、如果d小于预设阈值或者大于预设的最大迭代次数,则停止迭代计算,否则返回S2,直到满足收敛条件为止,收敛条件即为d小于预设阈值或者大于预设的最大迭代次数。
S104、通过腹腔镜的旋转矩阵与平移矩阵和术前三维点云的旋转矩阵与平移矩阵将目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上。
具体地,腹腔镜的旋转矩阵与平移矩阵即为腹腔镜的位姿变化,通过将腹腔镜的位姿变化和术前三维点云的旋转矩阵与平移矩阵将目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上,可实现图像的实时随动,实现实时增强现实手术导航。
进一步地,在S103中对目标组织器官的术前三维模型和术中三维点云进行配准之前,本实施例的方法还可以包括:
对术中三维点云进行分割处理和消除噪声处理。
由SLAM***获取的术中三维点云会存在许多噪点以及场景中的其他点云信息,因此需要对术中三维点云进行分割处理和消除噪声处理,本实施例中可以采用基于RanSaC的点云分割方法对术中三维点云进行分割,通过对术中三维点云进行分割处理和消除噪声处理,便于对目标组织器官的术前三维模型和术中三维点云进行配准,提高配准的准确性。
本实施例提供的腹腔镜增强现实手术导航方法,通过先获取目标组织器官的术前三维模型,接着根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵,然后对目标组织器官的术前三维点云和术中三维点云进行配准,得到术前三维点云的旋转矩阵与平移矩阵,最后通过腹腔镜的旋转矩阵与平移矩阵和术前三维点云的旋转矩阵与平移矩阵将目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上。从而,可降低图像质量不佳造成SLAM***对腹腔镜的实时位姿和术中三维点云解算出现误差的概率,提高增强现实手术导航的准确性,可在临床手术过程中完成对术中视野的增强现实显示,完成对手术过程的实时导航。
图3为本申请提供的一种镜增强现实手术导航装置实施例的结构示意意图,如图3所示,本实施例装置可以包括:第一获取模块11、第二获取模块12、处理模块13和显示模块14,其中,
第一获取模块11用于获取目标组织器官的术前三维模型,术前三维模型包括术前三维点云;
第二获取模块12用于根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵;
处理模块13用于对目标组织器官的术前三维点云和术中三维点云进行配准,得到术前三维点云的旋转矩阵与平移矩阵;
显示模块14用于通过腹腔镜的旋转矩阵与平移矩阵和术前三维点云的旋转矩阵与平移矩阵将目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上。
进一步地,第二获取模块12用于:
将腹腔镜的视频信息和腹腔镜的姿态信息输入到视觉同步定位和构图***中,用于视觉同步定位和构图***进行处理;
接收视觉同步定位和构图***输出的目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵。
进一步地,处理模块13用于:
S1、在术中三维点云中采集预设个数的点集Pi;
S2、确定出术前三维点云中的点集Qi,点集Qi满足点集Pi和点集Qi的欧式距离最小;
S3、根据点集Pi和点集Qi计算旋转矩阵R和平移矩阵t,旋转矩阵R和平移矩阵t满足误差函数E(R,t)最小,误差函数为:
其中,n为最邻近点对的个数,pi为点集Pi中的一点,qi为点集Qi中与pi对应的最近点,R为旋转矩阵,t为平移矩阵;
S4、对点集Pi使用所计算出的旋转矩阵R和平移矩阵t进行旋转和平移变换,得到点集Pi’={Pi’=RPi+t};
S5、计算点集Pi’与点集Qi的平均距离d;
S6、如果d小于预设阈值或者大于预设的最大迭代次数,则停止迭代计算,否则返回S2,直到d小于预设阈值或者大于预设的最大迭代次数。
进一步地,处理模块13还用于:
在对目标组织器官的术前三维点云和术中三维点云进行配准之前,对术中三维点云进行分割处理和消除噪声处理。
在本实施例中,腹腔镜的姿态信息包括加速度和角速度。
本申请实施例提供的装置,可执行上述方法实施例,其具体实现原理和技术效果,可参见上述方法实施例,本实施例此处不再赘述。
图4为本申请提供的电子设备的硬件结构示意图。如图4所示,本实施例的电子设备20可以包括:存储器21和处理器22;
存储器21,用于存储计算机程序;
处理器22,用于执行存储器存储的计算机程序,以实现上述实施例中的打印方法。具体可以参见前述方法实施例中的相关描述。
可选地,存储器21既可以是独立的,也可以跟处理器22集成在一起。
当存储器21是独立于处理器22之外的器件时,电子设备20还可以包括:
总线23,用于连接存储器21和处理器22。
可选地,本实施例还包括:通信接口24,该通信接口24可以通过总线23与处理器22连接。处理器22可以控制通信接口23来实现电子设备20的上述的接收和发送的功能。
本实施例提供的电子设备可用于执行上述的方法,其实现方式和技术效果类似,本实施例此处不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (4)
1.一种腹腔镜增强现实手术导航装置,其特征在于,包括:
第一获取模块,用于获取目标组织器官的术前三维模型,所述术前三维模型包括术前三维点云;
第二获取模块,用于根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵;
处理模块,用于对所述目标组织器官的术前三维点云和术中三维点云进行配准,得到所述术前三维点云的旋转矩阵与平移矩阵;
显示模块,用于通过所述腹腔镜的旋转矩阵与平移矩阵和所述术前三维点云的旋转矩阵与平移矩阵将所述目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上;
所述处理模块用于:
S1、在所述术中三维点云中采集预设个数的点集Pi;
S2、确定出所述术前三维点云中的点集Qi,点集Qi满足点集Pi和点集Qi的欧式距离最小;
S3、根据所述点集Pi和所述点集Qi计算旋转矩阵R和平移矩阵t,所述旋转矩阵R和平移矩阵t满足误差函数E(R,t)最小,所述误差函数为:
其中,n为最邻近点对的个数,pi为点集Pi中的一点,qi为点集Qi中与pi对应的最近点,R为旋转矩阵,t为平移矩阵;
S4、对点集Pi使用所计算出的旋转矩阵R和平移矩阵t进行旋转和平移变换,得到点集Pi’={Pi’=RPi+t};
S5、计算点集Pi’与点集Qi的平均距离d;
S6、如果d小于预设阈值或者大于预设的最大迭代次数,则停止迭代计算,否则返回S2,直到d小于预设阈值或者大于预设的最大迭代次数。
2.根据权利要求1所述的装置,其特征在于,所述第二获取模块用于:
将所述腹腔镜的视频信息和所述腹腔镜的姿态信息输入到视觉同步定位和构图***中,用于所述视觉同步定位和构图***进行处理;
接收所述视觉同步定位和构图***输出的所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵。
3.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现:
获取目标组织器官的术前三维模型,所述术前三维模型包括术前三维点云;
根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵;
对所述目标组织器官的术前三维点云和术中三维点云进行配准,得到所述术前三维点云的旋转矩阵与平移矩阵;
通过所述腹腔镜的旋转矩阵与平移矩阵和所述术前三维点云的旋转矩阵与平移矩阵将所述目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上;
所述对所述目标组织器官的术前三维点云和术中三维点云进行配准,得到所述术前三维点云的旋转矩阵与平移矩阵包括:
S1、在所述术中三维点云中采集预设个数的点集Pi;
S2、确定出所述术前三维点云中的点集Qi,点集Qi满足点集Pi和点集Qi的欧式距离最小;
S3、根据所述点集Pi和所述点集Qi计算旋转矩阵R和平移矩阵t,所述旋转矩阵R和平移矩阵t满足误差函数E(R,t)最小,所述误差函数为:
其中,n为最邻近点对的个数,pi为点集Pi中的一点,qi为点集Qi中与pi对应的最近点,R为旋转矩阵,t为平移矩阵;
S4、对点集Pi使用所计算出的旋转矩阵R和平移矩阵t进行旋转和平移变换,得到点集Pi’={Pi’=RPi+t};
S5、计算点集Pi’与点集Qi的平均距离d;
S6、如果d小于预设阈值或者大于预设的最大迭代次数,则停止迭代计算,否则返回S2,直到d小于预设阈值或者大于预设的最大迭代次数。
4.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器用于执行:
获取目标组织器官的术前三维模型,所述术前三维模型包括术前三维点云;
根据术中腹腔镜实时采集的腹腔镜的视频信息和腹腔镜上设置的惯性传感器实时采集的腹腔镜的姿态信息,获取所述目标组织器官的术中三维点云和腹腔镜的旋转矩阵与平移矩阵;
对所述目标组织器官的术前三维点云和术中三维点云进行配准,得到所述术前三维点云的旋转矩阵与平移矩阵;
通过所述腹腔镜的旋转矩阵与平移矩阵和所述术前三维点云的旋转矩阵与平移矩阵将所述目标组织器官的术前三维模型通过增强显示技术叠加显示在当前视图的腹腔镜图像上;
所述对所述目标组织器官的术前三维点云和术中三维点云进行配准,得到所述术前三维点云的旋转矩阵与平移矩阵包括:
S1、在所述术中三维点云中采集预设个数的点集Pi;
S2、确定出所述术前三维点云中的点集Qi,点集Qi满足点集Pi和点集Qi的欧式距离最小;
S3、根据所述点集Pi和所述点集Qi计算旋转矩阵R和平移矩阵t,所述旋转矩阵R和平移矩阵t满足误差函数E(R,t)最小,所述误差函数为:
其中,n为最邻近点对的个数,pi为点集Pi中的一点,qi为点集Qi中与pi对应的最近点,R为旋转矩阵,t为平移矩阵;
S4、对点集Pi使用所计算出的旋转矩阵R和平移矩阵t进行旋转和平移变换,得到点集Pi’={Pi’=RPi+t};
S5、计算点集Pi’与点集Qi的平均距离d;
S6、如果d小于预设阈值或者大于预设的最大迭代次数,则停止迭代计算,否则返回S2,直到d小于预设阈值或者大于预设的最大迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010076503.2A CN113143459B (zh) | 2020-01-23 | 2020-01-23 | 腹腔镜增强现实手术导航方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010076503.2A CN113143459B (zh) | 2020-01-23 | 2020-01-23 | 腹腔镜增强现实手术导航方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113143459A CN113143459A (zh) | 2021-07-23 |
CN113143459B true CN113143459B (zh) | 2023-07-25 |
Family
ID=76881975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010076503.2A Active CN113143459B (zh) | 2020-01-23 | 2020-01-23 | 腹腔镜增强现实手术导航方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113143459B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113729945B (zh) * | 2021-08-24 | 2022-04-15 | 真健康(北京)医疗科技有限公司 | 体表定位装置的配准方法、穿刺引导方法及设备 |
CN115919461B (zh) * | 2022-12-12 | 2023-08-08 | 之江实验室 | 一种基于slam的手术导航方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201416586D0 (en) * | 2014-09-19 | 2014-11-05 | Ucl Business Plc | Computer and computer-implemented method for supporting laparoscopic surgery |
WO2017180097A1 (en) * | 2016-04-12 | 2017-10-19 | Siemens Aktiengesellschaft | Deformable registration of intra and preoperative inputs using generative mixture models and biomechanical deformation |
CN106780706B (zh) * | 2017-02-06 | 2019-09-17 | 青岛海信医疗设备股份有限公司 | 基于腹腔镜的图像显示方法及装置 |
US10262453B2 (en) * | 2017-03-24 | 2019-04-16 | Siemens Healthcare Gmbh | Virtual shadows for enhanced depth perception |
CN107330926A (zh) * | 2017-08-25 | 2017-11-07 | 上海嘉奥信息科技发展有限公司 | 一种术中导航***中的非标记医学图像配准***及方法 |
CN108154552A (zh) * | 2017-12-26 | 2018-06-12 | 中国科学院深圳先进技术研究院 | 一种立体腹腔镜三维模型重建方法和装置 |
CN110010249B (zh) * | 2019-03-29 | 2021-04-27 | 北京航空航天大学 | 基于视频叠加的增强现实手术导航方法、***及电子设备 |
CN110415342B (zh) * | 2019-08-02 | 2023-04-18 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的三维点云重建装置与方法 |
-
2020
- 2020-01-23 CN CN202010076503.2A patent/CN113143459B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113143459A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111772792B (zh) | 基于增强现实和深度学习的内窥镜手术导航方法、***和可读存储介质 | |
Haouchine et al. | Image-guided simulation of heterogeneous tissue deformation for augmented reality during hepatic surgery | |
US8271068B2 (en) | Method for dynamic road mapping | |
US9687204B2 (en) | Method and system for registration of ultrasound and physiological models to X-ray fluoroscopic images | |
EP1719078B1 (en) | Device and process for multimodal registration of images | |
CN107123137B (zh) | 医学图像处理方法及设备 | |
CN111494009B (zh) | 用于手术导航的图像配准方法、装置和手术导航*** | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
US9808145B2 (en) | Virtual endoscopic image generation device, method, and medium containing program | |
CN113143459B (zh) | 腹腔镜增强现实手术导航方法、装置及电子设备 | |
JP2017063936A (ja) | 画像位置合わせ装置および方法並びにプログラム | |
WO2015045366A1 (ja) | 画像位置合わせ装置、方法、およびプログラム、並びに3次元変形モデル生成方法 | |
Basnet et al. | A novel noise filtered and occlusion removal: navigational accuracy in augmented reality-based constructive jaw surgery | |
CN113112486B (zh) | 一种肿瘤的运动估计方法、装置、终端设备和存储介质 | |
CN113274129A (zh) | 一种基于虚拟现实的心胸外科手术辅助控制*** | |
JP6493877B2 (ja) | 基準点評価装置、方法およびプログラム、並びに位置合せ装置、方法およびプログラム | |
Maharjan et al. | A novel visualization system of using augmented reality in knee replacement surgery: Enhanced bidirectional maximum correntropy algorithm | |
CN113470184A (zh) | 内窥镜增强现实误差补偿方法及装置 | |
US10413364B1 (en) | Internal organ localization of a subject for providing assistance during surgery | |
CN116439691A (zh) | 基于人工智能的关节活动度检测方法及相关设备 | |
Karner et al. | Single-shot deep volumetric regression for mobile medical augmented reality | |
Baumhauer et al. | Soft tissue navigation for laparoscopic prostatectomy: Evaluation of camera pose estimation for enhanced visualization | |
WO2016042297A1 (en) | Computer and computer-implemented method for supporting laparoscopic surgery | |
Giannarou et al. | Tissue deformation recovery with gaussian mixture model based structure from motion | |
Mangulabnan et al. | An endoscopic chisel: intraoperative imaging carves 3D anatomical models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |