CN113456219B - 基于ct图像的肝癌射频消融手术路径规划方法及装置 - Google Patents
基于ct图像的肝癌射频消融手术路径规划方法及装置 Download PDFInfo
- Publication number
- CN113456219B CN113456219B CN202110661128.2A CN202110661128A CN113456219B CN 113456219 B CN113456219 B CN 113456219B CN 202110661128 A CN202110661128 A CN 202110661128A CN 113456219 B CN113456219 B CN 113456219B
- Authority
- CN
- China
- Prior art keywords
- ablation
- path
- point
- tumor
- planning
- 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
Images
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
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- 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
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- 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
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- 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
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
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)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
基于CT图像的肝癌射频消融手术路径规划方法及装置,在路径规划上是完全自动的,无需医师提前标出可穿刺区域以及穿刺靶点,能够在复杂的规划环境下生成合适的路径并计算最佳的消融区大小与位置,规划结果具有较高的消融效率,能满足临床上的软硬约束。方法包括:(1)数据预处理:对规划相关的器官模型提取分离并进行适当抽样,计算规划所需的相关点集,其中靶向点点集与皮肤点集之间的连接线构成原始的全部解空间;(2)路径筛选:对这组解空间,根据临床约束、是否能够完全覆盖肿瘤、是否是帕累托最优前沿部分等条件依次进行筛选;(3)计算消融区位置:应用整数规划找出剩余路径中最佳消融区位置,并通过设置的权重评分得出最优解并输出。
Description
技术领域
本发明涉及医学图像处理的技术领域,尤其涉及一种基于CT图像的肝癌射频消融手术路径规划方法,以及基于CT图像的肝癌射频消融手术路径规划装置。
背景技术
射频消融在本质上是一种主要利用射频波为媒介的物理治疗方法,是目前肝癌治疗方法中最为先进的物理治疗方法之一。
射频消融术主要工作原理是射频发生器产生的射频波,借由电传导及专业的关键导引电极引导至患者需要治疗的部位,通过温度的快速升高使细胞内外水分蒸发、干燥、固缩,以致局部细胞无菌性坏死。在有效范围内,局部细胞将完全失去活性,相当于对局部病灶实施了“切除”术。
射频消融术因其疗效高、创伤小、恢复快,手术并发症少的优势,能够控制住肿瘤术后复发的病情,给肝癌患者们带来存活的希望,是肿瘤术后复发患者们好的选择。
传统肝癌射频消融手术中,术前医生根据患者CT图像和经验大致确定所需的消融次数、入针点、穿刺深度等,缺乏定量规划方法来对消融范围进行严格的计算和规划,易造成消融范围过大(损伤正常组织),或消融不完全(不能保证癌细胞被完全杀死),尤其是对于大肿瘤。术中医生通常在超声、CT图像或透视成像引导下对肿瘤进行消融,消融针在穿刺时高度依赖手术医师的经验,受空间想象力等人为因素的限制,治疗中常因消融针布置不精确而导致残癌发生。随着机器人及导航技术的发展,国内外开始利用导航引导下的机器人技术实现高精度消融手术。肝脏肿瘤射频消融手术规划是机器人辅助手术***的重要组成部分。但是,目前一般需要医师提前标出可穿刺区域以及穿刺靶点。
发明内容
为克服现有技术的缺陷,本发明要解决的技术问题是提供了一种基于CT图像的肝癌射频消融手术路径规划方法,其在路径规划上是完全自动的,无需医师提前标出可穿刺区域以及穿刺靶点,能够在复杂的规划环境下生成合适的路径并计算最佳的消融区大小与位置,规划结果具有较高的消融效率,能满足临床上的软硬约束。
本发明的技术方案是:这种基于CT图像的肝癌射频消融手术路径规划方法,其包括以下步骤:
(1)数据预处理:对规划相关的器官模型提取分离并进行适当抽样,计算规划所需的相关点集,其中靶向点点集与皮肤点集之间的连接线构成原始的全部解空间;
(2)路径筛选:对这组解空间,根据临床约束、是否能够完全覆盖肿瘤、是否是帕累托最优前沿部分等条件依次进行筛选;
(3)计算消融区位置:应用整数规划找出剩余路径中最佳消融区位置,并通过设置的权重评分得出最优解并输出。
本发明基于手术路径规划中的相关区域与结构对分割好的器官,皮肤,骨骼,肝脏等相关组织结构图像进行裁剪和提取点集,而后依据提取的点集生成所有潜在路径并依据临床上的软硬约束进行筛除和计算,接着判断给定路径是否能进行单针消融,计算满足单针消融所需要的最小消融区半径,并依据消融效率与软约束的数值从现存路径中筛选出帕累托前沿,最后采用整数规划确定消融区的数量与位置,并根据权重公式得到路径规划结果,因此在路径规划上是完全自动的,无需医师提前标出可穿刺区域以及穿刺靶点,能够在复杂的规划环境下生成合适的路径并计算最佳的消融区大小与位置,规划结果具有较高的消融效率,能满足临床上的软硬约束。
还提供了基于CT图像的肝癌射频消融手术路径规划装置,其包括:
数据预处理模块,其配置来对规划相关的器官模型提取分离并进行适当抽样,计算规划所需的相关点集,其中靶向点点集与皮肤点集之间的连接线构成原始的全部解空间;
路径筛选模块,其配置来对这组解空间,根据临床约束、是否能够完全覆盖肿瘤、是否是帕累托最优前沿部分等条件依次进行筛选;
计算消融区位置模块,其配置来应用整数规划找出剩余路径中最佳消融区位置,并通过设置的权重评分得出最优解并输出。
附图说明
图1是根据本发明的基于CT图像的肝癌射频消融手术路径规划方法的流程图。
图2是点到线段的计算方法流程图。
图3是计算上下方边界点的示意图。
图4示出了帕累托前沿点。
图5是判断点与椭球形的位置关系的流程图。
图6示出了多针规划的流程图。
具体实施方式
如图1所示,这种基于CT图像的肝癌射频消融手术路径规划方法,其包括以下步骤:
(1)数据预处理:对规划相关的器官模型提取分离并进行适当抽样,计算规划所需的相关点集,其中靶向点点集与皮肤点集之间的连接线构成原始的全部解空间;
(2)路径筛选:对这组解空间,根据临床约束、是否能够完全覆盖肿瘤、是否是帕累托最优前沿部分等条件依次进行筛选;
(3)计算消融区位置:应用整数规划找出剩余路径中最佳消融区位置,并通过设置的权重评分得出最优解并输出。
本发明基于手术路径规划中的相关区域与结构对分割好的器官,皮肤,骨骼,肝脏等相关组织结构图像进行裁剪和提取点集,而后依据提取的点集生成所有潜在路径并依据临床上的软硬约束进行筛除和计算,接着判断给定路径是否能进行单针消融,计算满足单针消融所需要的最小消融区半径,并依据消融效率与软约束的数值从现存路径中筛选出帕累托前沿,最后采用整数规划确定消融区的数量与位置,并根据权重公式得到路径规划结果,因此在路径规划上是完全自动的,无需医师提前标出可穿刺区域以及穿刺靶点,能够在复杂的规划环境下生成合适的路径并计算最佳的消融区大小与位置,规划结果具有较高的消融效率,能满足临床上的软硬约束。
优选地,所述步骤(1)包括以下分步骤:
(1.1)相关器官图像分离,对输入的模型图形裁剪并抽样;
(1.2)点集与路径生成,与手术路径规划相关的点集包括:皮肤点集Ps、器官结构点集Po、靶向点点集Pt、消融目标覆盖点集Pa、消融目标区点集Pr、健康组织点集Ph,其中Ps与Pt之间的连接线是待筛选的手术路径,Po用于判断手术路径与不可穿过的器官结构间最短距离,Pa用于判断肿瘤添加安全边界后是否能被消融区覆盖,Pr用于判断消融区对消融目标区的覆盖程度以及计算消融效率,Ph用于判断消融区对健康组织的损伤程度和计算消融效率。
优选地,所述步骤(1.1)中,裁剪应用VTK中的vtkClipPolyData类,该类接受一个隐函数对被裁剪的图形进行裁剪,隐函数设置为一个矩形框,其边界坐标形式为{Xmin,Xmax,Ymin,Ymax,Zmin,Zmax};设肝脏的包围盒坐标形式为{liver0,liver1,liver2,liver3,liver4,liver5},CT横断面中心点在y轴上的坐标为yc,用于消融的电极针长度为ln;裁剪皮肤的矩形框坐标形式设置为{liver0-ln,liver1,liver2-ln,yc,liver4,liver5},只关注位于肝脏包围盒内的器官结构,裁剪器官、血管、与骨骼的矩形框形式设置为{liver0-ln,liver2-ln,liver3,liver4,liver5}。
优选地,所述步骤(1.2)中,器官模型以vtkPolyData的数据形式读入,vtkPolyData数据表示为顶点、线、多边形和三角形带,直接从vtkPolyData类中调用相关函数获取所有顶点,点集Ps,Po分别获取自裁剪后皮肤及器官结构模型;点集Pa获取自肿瘤按安全边界膨胀后生成的vtkPolyData,添加了安全边界的肿瘤称为消融目标区,Pa被消融区覆盖则认为整个消融目标区被覆盖;Pt获取自肿瘤腐蚀后的体素中心点,应用vtkPolyDataToImageStencil类将肿瘤模型腐蚀后的vtkPolyData数据转换为由拓扑与几何规则点组构成的ImageData类,然后从ImageData中调用相关函数获取相应点集,肿瘤腐蚀深度取肿瘤质心到肿瘤表面最短距离的一半;点集Pr获取自肿瘤膨胀5mm安全边界后的体素中心点,代表消融目标区;点集Ph的获取方式是将消融目标区按最大消融区半径膨胀后获取其体素中心点,再挑选出位于消融目标区外的体素中心点,使用VTK中的vtkSelectEnclosedPoints类判断点是否在vtkPolyData外。
优选地,所述步骤(2)中,采取硬约束包括:路径的深度不能超过电极针的最大穿刺长度,路径与肝膜间的夹角不应小于20°,路径不能经过重要组织并且与它们的间距至少大于5mm,路径在经过肿瘤前必须经过一段正常的肝组织且该组织厚度至少为5mm;采取软约束包括:路径尽可能的短,路径与肝膜间的夹角应尽量接近90°,路径应该距离重要组织尽可能远。
优选地,所述步骤(2)中,路径深度ld是最终停留点到皮肤点线段的距离;路径与肝膜的夹角θ通过vtkObbtree类检测线段与肝脏模型相交的三角面片,再由三角面片的法向量与线段间的夹角确定;路径与器官结构的最近距离ls由线段与器官结构点集Po之间的最短距离表示;路径经过正常肝脏组织的距离由vtkObbtree类分别检测线段与肿瘤和肝脏的交点,再计算两点间的距离得出;计算线段与器官结构点集Po之间的最短距离要明确任一点到给定线段的最短距离,将点与线段的位置关系分类,再分别计算每种情况下的最短距离(如图2所示)。
只要有一项硬约束违反要求路径即会被筛除。剩余路径的路径方向,路径所在靶向点,***深度,肝膜夹角,离重要结构最近距离将被记录。剩余路径相比最初生成的路径数量大幅减少,经过筛选后的剩余路径均避开了胆囊,骨骼等不可穿过的结构,并保持一定距离。
优选地,所述步骤(2)中,使用椭球形作为消融区模型,椭球形以电极针为轴中心对称,其主轴半径设为R,旁轴半径设为r,手术规划中一共采取12组大小不同的消融区,写作r×r×R的形式;
数据取自冷循环射频消融针在默认功率105w,常温水16℃时,于离体猪肝中以不同裸露工作端和定时时间下产生的消融区大小,如表1所示:
表1
回拉式(pull-back)消融,即医师在射频消融中沿着电极针已经穿过的轨迹每向外退出一段距离就进行一次消融。采用回拉消融技巧后,一条电极针穿刺路径上可以有多个消融区。
为了计算使用回拉消融技巧时所可能产生的消融区最大范围,确定使用一根电极针时产生的消融区能否将消融目标区覆盖,假定电极针从肿瘤的最底端开始实施消融,再判断路径能否以给定的消融区半径r覆盖肿瘤;将原路径自靶点继续向皮肤以下方向延长,直到消融目标覆盖点集Pa在路径上垂直投影所达到的下方边界点,同时计算出上方边界点;
记下方边界点为pb,上方边界点为pt,应用临床上的软硬约束再次对路径进行筛选并更新对应软约束的数值;
如果消融区的半径大于Pa点集至路径的最远距离,Pa点集就能够被消融区覆盖;由于沿着路径回拉消融有一定间隔,为了保证能够充分消融,取r–0.5毫米作为判断该路径上旁轴半径为r的消融区能否覆盖消融目标区的标准,若r–0.5刚好大于Pa点集至路径的最远距离,则认为在这条路径上,使用旁轴半径为r的消融区可以保证消融目标区被彻底覆盖,如果r取到了表中的最大值仍无法覆盖,这条路径将从计划中筛除。
优选地,所述步骤(2)中,帕累托优化采用消融效率AE,肝膜夹角θ,***深度ld,离重要组织最近距离ls作为优化目标;对四项优化目标下的帕累托最优前沿的路径进行筛选,最优解位于筛选后的路径中。
消融效率将被作为帕累托优化的目标之一,定义消融效率为AE(ablationefficiency),计算公式如下:
其中nr是消融目标点集Pr的点数,nh是健康组织点集Ph的点数。
上一步求出了在进行单针消融时,对任一定给定路径能完全覆盖消融目标区的最小消融区半径,但无法知道这些椭球形消融区沿着路径的具***置,因此AE无法计算,不过AE可以大致进行比较。
能够预见,如果以pb为起始点,按对应消融区半径r无间隔的消融至pt,并把两端处理为半径r半球体,这样一个消融区必定能覆盖Pr,其消融效率低于实际上能达到的,但也可以反应出不同路径在所能达到的可能消融效率上的差异。与肿瘤中心轴相距较远的路径需要更大半径的消融区,其确定消融区后的实际消融效率也必然更低,反之则会更高。
帕累托最优指:在不使其它个体情况变差的前提下使某一个体变得更好,直到没有改进余地。帕累托最优前沿点指:在进行多目标优化时,如果对于某一状态,不存在任何状态其所有的优化目标项都优于它,那么该状态为帕累托最优前沿点。图4展示了只有两个优化目标项时的帕累托前沿点(星型标记)
本文中的帕累托优化采用了消融效率AE,肝膜夹角θ,***深度ld,离重要组织最近距离ls作为优化目标。对四项优化目标下的帕累托最优前沿的路径进行筛选,可知最优解必定位于筛选后的路径中。
优选地,所述步骤(3)中,采用Gurobi实行整数规划确定消融区位置,Gurobi的求解过程分为三个步骤:定义变量,设置优化目标,添加约束;
评价公式采用加权乘积的形式,为公式(2.2)
其中score是路径评分,k1,k2,k3,k4是可调参数,默认值为1。
整数规划是指规划中变量为整数的规划,有线性规划与非线性规划之分。本章规划的问题属于线性整数规划。Gurobi的求解过程可简单分为三个步骤:定义变量,设置优化目标,添加约束。
规划中的变量设置为一维布尔变量数组。将pb点为起始点,按设定的间隔lg(0.5mm)沿着pb到pt方向取点,直到最后一个点刚好越出pt。所取点的集合记为点集Pg。Pg中点的数目是二进制数组的长度。在某一点是否进行消融对应二进制数组中的布尔值。
优化目标是消融区覆盖健康组织的点数nh。通过一维布尔数组变量对应的消融区覆盖健康组织点集Ph的情况进行判断。变量数组中每个位置节点对应的消融区对健康组织点集Ph的覆盖状况都被提前计算,并以二维布尔数组的形式记录。
约束是消融区必须完全覆盖点集Pa。通过一维布尔数组变量对应消的融区所覆盖的目标覆盖点集Pa进行判断。变量数组中每个位置节点对应的消融区对目标覆盖点集Pa的覆盖状况都被提前计算,并以二维布尔数组的形式记录。
判断消融区覆盖点集的情况即判断三维空间中某点与一个给定椭球形的内外位置关系。由于消融区均为具有对称轴的椭球形,本文给出了一个快捷的算法。将椭球形状进行分类,计算对应平面内待判断点与椭圆的内外关系,对点与椭球形的位置关系进行判断,算法如图5所示。
求解出布尔变量数组后,布尔值为真位置对应的点是该路径在对应消融区下应该进行消融的位置。同时消融效率AE,***深度ld,重要组织最近距离ls均需要更新,并且再次应用帕累托优化挑出帕累托最优前沿路径。一般情况由于相应数值变化不大,优化前后的路径不会改变。经过这一步骤后,剩余的路径数量一般在10到60条之间。
当肿瘤体积较大时,一根电极针不足以完成消融任务。如图6所示,提出了基于遗传算法的多针规划方法,首先依据消融方式的不同确定了两种消融区模型,而后计算出消融区的尺寸以及对健康组织和肿瘤的覆盖情况,最后将问题模型转化为遗传算法,得到多针规划方案。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所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,包括上述实施例方法的各步骤,而所述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。因此,与本发明的方法相对应的,本发明还同时包括一种基于CT图像的肝癌射频消融手术路径规划装置,该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包括:
数据预处理模块,其配置来对规划相关的器官模型提取分离并进行适当抽样,计算规划所需的相关点集,其中靶向点点集与皮肤点集之间的连接线构成原始的全部解空间;
路径筛选模块,其配置来对这组解空间,根据临床约束、是否能够完全覆盖肿瘤、是否是帕累托最优前沿部分等条件依次进行筛选;
计算消融区位置模块,其配置来应用整数规划找出剩余路径中最佳消融区位置,并通过设置的权重评分得出最优解并输出。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (6)
1.基于CT图像的肝癌射频消融手术路径规划装置,其特征在于:其包括:
数据预处理模块,其配置来对规划相关的器官模型提取分离并进行适当抽样,计算规划所需的相关点集,其中靶向点点集与皮肤点集之间的连接线构成原始的全部解空间;
路径筛选模块,其配置来对这组解空间,根据临床约束、是否能够完全覆盖肿瘤、是否是帕累托最优前沿部分条件依次进行筛选;
计算消融区位置模块,其配置来应用整数规划找出剩余路径中最佳消融区位置,并通过设置的权重评分得出最优解并输出;
所述数据预处理模块执行以下步骤:
(1.1)相关器官图像分离,对输入的模型图形裁剪并抽样;
(1.2)点集与路径生成,与手术路径规划相关的点集包括:皮肤点集Ps、器官结构点集Po、靶向点点集Pt、消融目标覆盖点集Pa、消融目标区点集Pr、健康组织点集Ph,其中Ps与Pt之间的连接线是待筛选的手术路径,Po用于判断手术路径与不可穿过的器官结构间最短距离,Pa用于判断肿瘤添加安全边界后是否能被消融区覆盖,pr用于判断消融区对消融目标区的覆盖程度以及计算消融效率,Ph用于判断消融区对健康组织的损伤程度和计算消融效率;
所述步骤(1.1)中,裁剪应用VTK中的vtkClipPolyData类,该类接受一个隐函数对被裁剪的图形进行裁剪,隐函数设置为一个矩形框,其边界坐标形式为{Xmin,Xmax,Ymin,Ymax,Zmin,Zmax};设肝脏的包围盒坐标形式为{liver0,liver1,liver2,liver3,liver4,liver5},CT横断面中心点在y轴上的坐标为yc,用于消融的电极针长度为ln;裁剪皮肤的矩形框坐标形式设置为{liver0-ln,liver1,liver2-ln,yc,liver4,liver5},只关注位于肝脏包围盒内的器官结构,裁剪器官、血管、与骨骼的矩形框形式设置为{liver0-ln,liver2-ln,liver3,liver4,liver5};
所述步骤(1.2)中,器官模型以vtkPolyData的数据形式读入,vtkPolyData数据表示为顶点、线、多边形和三角形带,直接从vtkPolyData类中调用相关函数获取所有顶点,点集Ps,Po分别获取自裁剪后皮肤及器官结构模型;点集Pa获取自肿瘤按安全边界膨胀后生成的vtkPolyData,添加了安全边界的肿瘤称为消融目标区,Pa被消融区覆盖则认为整个消融目标区被覆盖;Pt获取自肿瘤腐蚀后的体素中心点,应用vtkPolyDataToImageStencil类将肿瘤模型腐蚀后的vtkPolyData数据转换为由拓扑与几何规则点组构成的ImageData类,然后从ImageData中调用相关函数获取相应点集,肿瘤腐蚀深度取肿瘤质心到肿瘤表面最短距离的一半;点集Pr获取自肿瘤膨胀5mm安全边界后的体素中心点,代表消融目标区;点集Ph的获取方式是将消融目标区按最大消融区半径膨胀后获取其体素中心点,再挑选出位于消融目标区外的体素中心点,使用VTK中的vtkSelectEnclosedPoints类判断点是否在vtkPolyData外。
2.根据权利要求1所述的基于CT图像的肝癌射频消融手术路径规划装置,其特征在于:所述路径筛选模块中,采取硬约束包括:路径的深度不能超过电极针的最大穿刺长度,路径与肝膜间的夹角不应小于20°,路径不能经过重要组织并且与它们的间距至少大于5mm,路径在经过肿瘤前必须经过一段正常的肝组织且该组织厚度至少为5mm;采取软约束包括:路径尽可能的短,路径与肝膜间的夹角应尽量接近90°,路径应该距离重要组织尽可能远。
3.根据权利要求2所述的基于CT图像的肝癌射频消融手术路径规划装置,其特征在于:所述路径筛选模块中,路径深度ld是最终停留点到皮肤点线段的距离;路径与肝膜的夹角θ通过vtkObbtree类检测线段与肝脏模型相交的三角面片,再由三角面片的法向量与线段间的夹角确定;路径与器官结构的最近距离ls由线段与器官结构点集Po之间的最短距离表示;路径经过正常肝脏组织的距离由vtkObbtree类分别检测线段与肿瘤和肝脏的交点,再计算两点间的距离得出;计算线段与器官结构点集Po之间的最短距离要明确任一点到给定线段的最短距离,将点与线段的位置关系分类,再分别计算每种情况下的最短距离。
4.根据权利要求3所述的基于CT图像的肝癌射频消融手术路径规划装置,其特征在于:所述路径筛选模块中,使用椭球形作为消融区模型,椭球形以电极针为轴中心对称,其主轴半径设为R,旁轴半径设为r,手术规划中一共采取12组大小不同的消融区,写作r×r×R的形式;
为了计算使用回拉消融技巧时所可能产生的消融区最大范围,确定使用一根电极针时产生的消融区能否将消融目标区覆盖,假定电极针从肿瘤的最底端开始实施消融,再判断路径能否以给定的消融区半径r覆盖肿瘤;将原路径自靶点继续向皮肤以下方向延长,直到消融目标覆盖点集Pa在路径上垂直投影所达到的下方边界点,同时计算出上方边界点;
记下方边界点为pb,上方边界点为pt,应用临床上的软硬约束再次对路径进行筛选并更新对应软约束的数值;
如果消融区的半径大于Pa点集至路径的最远距离,Pa点集就能够被消融区覆盖;由于沿着路径回拉消融有一定间隔,为了保证能够充分消融,取r-0.5毫米作为判断该路径上旁轴半径为r的消融区能否覆盖消融目标区的标准,若r-0.5刚好大于Pa点集至路径的最远距离,则认为在这条路径上,使用旁轴半径为r的消融区可以保证消融目标区被彻底覆盖,如果r取到了最大值仍无法覆盖,这条路径将从计划中筛除。
5.根据权利要求4所述的基于CT图像的肝癌射频消融手术路径规划装置,其特征在于:所述路径筛选模块中,帕累托优化采用消融效率AE,肝膜夹角θ,***深度ld,离重要组织最近距离ls作为优化目标;对四项优化目标下的帕累托最优前沿的路径进行筛选,最优解位于筛选后的路径中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110661128.2A CN113456219B (zh) | 2021-06-15 | 2021-06-15 | 基于ct图像的肝癌射频消融手术路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110661128.2A CN113456219B (zh) | 2021-06-15 | 2021-06-15 | 基于ct图像的肝癌射频消融手术路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113456219A CN113456219A (zh) | 2021-10-01 |
CN113456219B true CN113456219B (zh) | 2022-11-29 |
Family
ID=77869851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110661128.2A Active CN113456219B (zh) | 2021-06-15 | 2021-06-15 | 基于ct图像的肝癌射频消融手术路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113456219B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113952030B (zh) * | 2021-10-28 | 2023-12-15 | 北京深睿博联科技有限责任公司 | 一种射频电极进针路径和消融位置的规划方法及装置 |
CN114557770B (zh) * | 2022-02-23 | 2023-10-03 | 上海精劢医疗科技有限公司 | 微波消融手术的交互式路径规划方法及*** |
CN114549495A (zh) * | 2022-02-28 | 2022-05-27 | 上海商汤智能科技有限公司 | 图像分析方法及装置、设备、存储介质 |
CN115375621B (zh) * | 2022-07-08 | 2023-09-05 | 王贵生 | 一种肝肿瘤消融路径规划方法及装置 |
WO2024032570A1 (zh) * | 2022-08-08 | 2024-02-15 | 武汉联影智融医疗科技有限公司 | 一种介入规划***、方法、装置和存储介质 |
CN115486935B (zh) * | 2022-11-02 | 2023-06-13 | 天津市鹰泰利安康医疗科技有限责任公司 | 一种消融确定方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105997245A (zh) * | 2016-01-28 | 2016-10-12 | 杭州奥视图像技术有限公司 | 一种利用椭球覆盖肿瘤精确模拟射频消融技术的方法 |
CN109893247A (zh) * | 2019-04-11 | 2019-06-18 | 艾瑞迈迪科技石家庄有限公司 | 手术器械操作路径的导航及显示方法、装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859341A (zh) * | 2009-04-13 | 2010-10-13 | 盛林 | 影像引导消融治疗手术规划装置 |
CN107296645B (zh) * | 2017-08-03 | 2020-04-14 | 东北大学 | 肺穿刺手术最优路径规划方法及肺穿刺手术导航*** |
CA3053904A1 (en) * | 2018-08-31 | 2020-02-29 | Orthosoft Inc. | System and method for tracking bones |
CN110013306B (zh) * | 2019-03-22 | 2021-04-02 | 北京工业大学 | Ct引导肝肿瘤热消融治疗穿刺路径规划方法 |
CN110570924B (zh) * | 2019-08-26 | 2023-06-13 | 天津大学 | 一种面向肿瘤消融的远程诊疗***及方法 |
-
2021
- 2021-06-15 CN CN202110661128.2A patent/CN113456219B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105997245A (zh) * | 2016-01-28 | 2016-10-12 | 杭州奥视图像技术有限公司 | 一种利用椭球覆盖肿瘤精确模拟射频消融技术的方法 |
CN109893247A (zh) * | 2019-04-11 | 2019-06-18 | 艾瑞迈迪科技石家庄有限公司 | 手术器械操作路径的导航及显示方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113456219A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113456219B (zh) | 基于ct图像的肝癌射频消融手术路径规划方法及装置 | |
JP5821068B2 (ja) | 変形自在の組織基質での器具の挿入軌跡を決定する方法、及び該方法を実行するロボット・システム | |
US9747684B2 (en) | RF ablation planner | |
EP2810598B1 (en) | Surgical support device, surgical support method and surgical support program | |
EP2584990B1 (en) | Focused prostate cancer treatment system | |
CN113952030B (zh) | 一种射频电极进针路径和消融位置的规划方法及装置 | |
Schumann et al. | Fast automatic path proposal computation for hepatic needle placement | |
CN107871531B (zh) | 裂隙评估和外科手术介入性规划 | |
CN107865692B (zh) | 外科手术和介入计划中用于检测胸膜受侵的***和方法 | |
Chen et al. | Semiautomatic radiofrequency ablation planning based on constrained clustering process for hepatic tumors | |
CN113693725B (zh) | 进针路径规划方法、装置、设备及存储介质 | |
KR20220026534A (ko) | 딥러닝 기반의 조직 절제 계획 방법 | |
KR20120096265A (ko) | 초음파 치료를 위한 종양 추적 장치 및 방법, 초음파 치료 시스템 | |
JP2014217549A (ja) | 型、手術支援セット、手術支援装置、手術支援方法および手術支援プログラム | |
JP4193201B2 (ja) | 臓器の切除領域抽出表示装置 | |
CN115317128A (zh) | 消融模拟方法及设备 | |
Villard et al. | Optimal trajectories computation within regions of interest for hepatic RFA planning | |
Luo et al. | Multi-stage puncture path planning algorithm of ablation needles for percutaneous radiofrequency ablation of liver tumors | |
Villard et al. | RF-Sim: a treatment planning tool for radiofrequency ablation of hepatic tumors | |
Villard et al. | Toward realistic radiofrequency ablation of hepatic tumors 3D simulation and planning | |
Rieder et al. | Visualization of risk structures for interactive planning of image guided radiofrequency ablation of liver tumors | |
CN116012554A (zh) | 一种基于ct影像的手术机器人路径规划方法和*** | |
KR20140035035A (ko) | 가상 나이프를 이용한 수술 시뮬레이션 방법 및 그 장치 | |
KR101540402B1 (ko) | 의료용 바늘의 삽입 경로의 생성 방법 | |
KR20070016073A (ko) | 침습 시술의 시뮬레이션 |
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 |