CN113610824A - 穿刺路径规划方法及装置，电子设备及存储介质 - Google Patents

穿刺路径规划方法及装置，电子设备及存储介质 Download PDF

Info

Publication number
CN113610824A
CN113610824A CN202110930114.6A CN202110930114A CN113610824A CN 113610824 A CN113610824 A CN 113610824A CN 202110930114 A CN202110930114 A CN 202110930114A CN 113610824 A CN113610824 A CN 113610824A
Authority
CN
China
Prior art keywords
image
tissue organ
puncture
puncture path
medical
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.)
Pending
Application number
CN202110930114.6A
Other languages
English (en)
Inventor
王瑜
张欢
余航
刘恩佑
邹彤
黄文豪
张金
陈宽
王少康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Infervision Medical Technology Co Ltd
Original Assignee
Infervision Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Infervision Medical Technology Co Ltd filed Critical Infervision Medical Technology Co Ltd
Priority to CN202110930114.6A priority Critical patent/CN113610824A/zh
Publication of CN113610824A publication Critical patent/CN113610824A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请公开了一种穿刺路径规划方法及装置，电子设备及存储介质。该方法包括：从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息；对所述分割结果进行三维重建，以获得所述至少一个组织器官的三维建模结果；根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径；向前端设备发送所述穿刺路径，以便于指导医护人员进行穿刺手术，能够实现全自动确定穿刺路径，从而避免了医疗事故的发生。

Description

穿刺路径规划方法及装置，电子设备及存储介质
技术领域
本发明涉及图像处理技术领域，具体涉及一种穿刺路径规划方法及装置，电子设备及存储介质。
背景技术
病灶组织的病理学诊断对疾病判断具有重要的指导作用。临床上通常在CT(Computed Tomography，电子计算机断层扫描)图像引导下进行穿刺手术，以获取病理标本。然而，在经皮穿刺手术中，医护人员往往需要根据前端设备中的组织器官所在的位置和病灶所在的位置，来选择合适的穿刺路径，从而导致穿刺手术引入过多的人为因素，甚至会造成医疗事故等等。
发明内容
有鉴于此，本申请的实施例致力于提供一种穿刺路径规划方法及装置，电子设备及存储介质，能够实现全自动确定穿刺路径，从而避免了医疗事故的发生。
根据本申请实施例的第一方面，提供了穿刺路径规划方法，包括：从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息；根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径；对所述分割结果进行三维重建，以获得所述至少一个组织器官的三维建模结果；向前端设备发送所述穿刺路径，以便于指导医护人员进行穿刺手术。
在一些实施例中，所述方法还包括：接收影像归档和通信***发送的所述医学影像。
在一些实施例中，所述方法还包括：接收影像归档和通信***发送的术中影像；根据所述术中影像，获取所述医学影像，其中，所述医学影像为术前影像。
在一些实施例中，所述根据所述术中影像，获取所述医学影像，包括：将所述术中影像进行分析，以获得所述术中影像的患者信息；将所述患者信息发送至所述影像归档和通信***，查询是否存在所述术前影像；当存在所述术前影像时，在所述影像归档和通信***中提取所述术前影像。
在一些实施例中，所述将所述术中影像进行分析，以获得所述术中影像的患者信息，包括：根据预设的配置规则，对所述术中影像进行数据筛选；筛选后的术中影像进行患者信息识别，以获得术中影像的患者信息。
在一些实施例中，所述患者信息包括病人姓名、病人号、病人性别和/或出生日期。
在一些实施例中，所述从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息，包括：根据所述医学影像，通过分割模型，获得所述医学影像中的至少一个组织器官的分割结果；根据所述医学影像，通过检测模型，获得所述至少一个组织器官中的病灶的信息。
在一些实施例中，所述根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径，包括：根据预先设置的所述医学影像中的至少一个组织器官的灰度值，确定所述至少一个组织器官的所在的位置，其中，所述至少一个组织器官中的每个组织器官的灰度值各不相同；根据所述病灶的位置和所述至少一个组织器官的所在的位置，确定所述穿刺针的穿刺路径。
根据本申请实施例的第二方面，提供了一种穿刺路径规划装置，包括：获取模块，配置为从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息；重建模块，配置为对所述分割结果进行三维重建，以获得所述至少一个组织器官的三维建模结果；路径规划模块，配置为根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径；发送模块，配置为向前端设备发送所述穿刺路径，以便于指导医护人员进行穿刺手术。
根据本申请实施例的第三方面，提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器用于执行上述任一实施例所述的方法。
根据本申请实施例的第四方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一实施例所述的方法。
本申请的实施例所提供的一种穿刺路径规划方法，首先从获取到的医学影像中获取至少一个组织器官的分割结果和至少一个组织器官中的病灶的信息，然后对分割结果进行三维重建，以获得至少一个组织器官的三维建模结果，然后根据病灶在三维重建结果的位置，确定穿刺针的穿刺路径，最后向前端设备发送穿刺路径，以便于指导医护人员进行穿刺手术，能够实现全自动确定穿刺路径，从而避免了医疗事故的发生。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1所示为本申请实施例所提供的一种实施环境的示意图。
图2所示为本申请一个实施例提供的穿刺路径规划方法的流程示意图。
图3a所示为本申请一个实施例提供的术前影像的示意图。
图3b所示为本申请一个实施例提供的术中影像的示意图。
图4所示为本申请另一个实施例提供的穿刺路径规划方法的流程示意图。
图5所示为本申请又一个实施例提供的穿刺路径规划方法的流程示意图。
图6所示为本申请再一个实施例提供的穿刺路径规划方法的流程示意图。
图7所示为本申请再一个实施例提供的穿刺路径规划方法的流程示意图。
图8所示为本申请一个实施例提供的穿刺路径规划装置的框图。
图9所示为本申请一个实施例提供的电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。
申请概述
病灶组织的病理学诊断对疾病判断具有重要的指导作用。临床上通常在肺部CT(Computed Tomography，电子计算机断层扫描)图像引导下进行穿刺手术获取病理标本，以进行病灶的诊断。在穿刺手术中，医生需要确定目标病灶和穿刺路径，然而，在确定穿刺路径时，往往需要医生通过肉眼观察各个组织器官和病灶之间的相对位置关系，然后再选择一个合适的穿刺路径，但是这会引入很多人为因素，例如，当医生过于疲劳时，容易出错，因此，会造成医疗事故等等。
因此，本申请实施例通过在穿刺手术前，自动地确定穿刺路径，从而无需人工参与穿刺路径的确定，因此，能够避免医疗事故的发生。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性***
图1是本申请实施例所提供的一种实施环境的示意图。该实施环境包括影像归档和通信***110、数据获取模块120、数据存储中心130、预测模块140和前端设备150。其中，数据获取模块120还包括信息拉取单元121、预处理单元122和数据发送单元123。
信息拉取单元121可以接收由影像归档和通信***110发送的术中影像，预处理单元122根据预设的配置规则，对术中影像进行数据筛选，然后对筛选后的术中影像进行患者信息识别，以获得术中影像的患者信息，最后将患者信息发送至影像归档和通信***110，查询是否存在术前影像，当存在术前影像时，在影像归档和通信***110中提取术前影像。数据发送单元123将术前影像发送到数据存储中心130中，数据存储中心130将术前影像和与术前影像对应的预测任务发送到预测模块140中，预测模块140对术前影像实施该预测任务，以获得预测结果，最后将预测结果发送至数据存储中心130中，数据存储中心130在得到了预测结果后，将预测结果发送至前端设备150。
在一实施例中，该前端设备150可以是指用户终端，也可以是指服务器前端设备。当前端设备150指用户终端时，医护人员可以直接对预测结果进行阅览。当前端设备150指服务器前端设备时，医护人员通过在浏览器中输入相应的网址，可以访问该服务器前端设备，以对预测结果进行阅览。
在一实施例中，预测模块140中可以部署有至少一个网络模型，用于对术前影像进行不同组织器官的分割、对术前影像中的病灶进行检测等等，从而能够获得与术前影像对应的预测结果。但是需要说明的是，本申请实施例并不具体限定预测模块140中的网络模型的类型和个数，本领域技术人员可以根据实际需求，进行不同的选择。此外，预测模块140还能够根据病灶在三维重建结果的位置，确定穿刺针的穿刺路径。
示例性方法
图2是本申请一个实施例提供的穿刺路径规划方法的流程示意图。图2所述的方法由计算设备(例如，服务器)来执行，但本申请实施例不以此为限。服务器可以是一台服务器，或者由若干台服务器组成，或者是一个虚拟化平台，或者是一个云计算服务中心，本申请实施例对此不作限定。如图2所示，该方法包括如下内容。
S210：从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息。
在一实施例中，如图3a所示，该医学影像可以为术前影像，例如，为在胸腔手术前拍摄的胸部的全局影像。例如，全局影像可以为计算机断层扫描摄影(ComputedTomography,CT)图像、数字化X线摄影(Digital Radiography,DR)图像或核磁共振成像(Magnetic Resonance Imaging,MRI)图像，本申请实施例对此并不做具体限定。
在一实施例中，如图3b所示，该医学影像还可以为术中影像，例如，为在胸腔手术过程中拍摄的胸部的局部影像。例如，局部影像也可以为计算机断层扫描摄影(ComputedTomography,CT)图像、数字化X线摄影(Digital Radiography,DR)图像或核磁共振成像(Magnetic Resonance Imaging,MRI)图像，本申请实施例对此并不做具体限定。
因此，术中影像可以是包含局部肋骨区域的医学影像，而术前影像可以是包含完整肋骨区域的医学影像，即，术中影像由部分术前影像构成。
但是需要说明的是，本申请实施例对医学影像的具体类型的不做限定，本申请实施例也并不具体限定医学影像为人体的哪个组织器官的影像，可以为上述提到的胸腔的影像，至少一个组织器官可以包括肺部、肺叶、支气管和肺血管等等，本申请实施例对至少一个组织器官的数量和类型不做具体限定。
在一实施例中，根据所述医学影像，通过分割模型，获得所述医学影像中的至少一个组织器官的分割结果；根据所述医学影像，通过检测模型，获得所述至少一个组织器官中的病灶的信息。
本申请实施例并不具体限定分割模型的类型和数量，针对医学影像的不同的组织器官可以采用不同的分割模型，以获得组织器官的分割结果，针对医学影像的不同的组织器官可以采用相同的分割模型，以获得组织器官的分割结果。例如，当医学影像为胸腔影像时，可以通过如下方式获得分割结果和检测结果。
在一实施例中，可以采用基于传统阈值法或则和分水岭法的传统网络模型，或者基于深度学习的网络模型，来获取肺部的分割结果。
在一实施例中，将肺部的分割结果对应的图像截取成小块，然后利用ResUnet进行分割，可以得到每个小块对应的支气管分割的结果，最后利用区域生长的方式，将所有小块对应的支气管分割的结果连接起来，形成完整的支气管分割结果。
此外，还可以利用完整的支气管分割结果，结合支气管的拓扑结构，将支气管分成18个段和42个亚段。
在一实施例中，将肺部的分割结果对应的图像截取成小块，采用ResUnet，且其中的所有block均采用bottleneck结构，在训练的过程中，增加输入数据和输出结果的长度，并且增加一个LSTM模块，以平滑叶间裂，从而获得每个小块对应的肺裂分割的结果。然后利用区域生长的方式，将所有小块对应的肺裂分割的结果连接起来，形成三个完整的肺裂分割结果。
此外，结合肺分割结果和肺裂分割结果，将肺分割成5个肺叶。同时，利用支气管18个段的结果，结合流域的特点，将肺分割成18个肺段。
在一实施例中，对分割得到的支气管进行膨胀，在第一层支气管处传递支气管的loss，在第二层支气管和血管掩模的交界处进行半监督学习。采用VAE的方案，保证结构的完整性。输入模型中的是动脉结果以及静脉结果(存在错误)，模型的输出包括三个分支：异常检测分支，动脉修改分支以及静脉修改分支，通过该模型输出肺血管分割结果。
在一实施例中，利用UNet模型，将骨头分割出来，然后将分割出来的骨头分类为6类骨头(肋骨/椎骨/肩胛骨/锁骨/胸椎/盆骨)，将其中的肋骨分为24种肋骨。
在一实施例中，可以采用基于FCOS一阶段全卷积目标检测网络的检测模型，来检测肺内的病灶，例如肺结节，然后利用ResUNet的算法将肺结节所在区域分割出来。
S220：对所述分割结果进行三维重建，以获得所述至少一个组织器官的三维建模结果。
基于上，获得了术前影像中的组织器官的分割结果，利用MarchingCube算法，将所有组织器官的分割结果进行三维重建，获得组织器官的三维建模结果，从而使得医护人员在查阅组织器官时更加地直观。
S230：根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径。
在一实施例中，在得到了病灶的信息后，便得到了病灶在三维重建结果中的位置，也就是说，确定了病灶以及三维重建结果中的各个组织器官的相对位置关系。根据病灶以及三维重建结果中的各个组织器官的相对位置关系，可以确定穿刺针的穿刺路径，即，穿刺路径的确定规则如下：穿刺路径应尽量短，以避免出血；穿刺路径应避开肋骨、血管、气管等重要解剖结构；穿刺路径应避免穿过叶间裂，否则会产生气胸等等。
在确定了如上所述的穿刺路径确定规则后，可以根据预先设置的至少一个组织器官的灰度值，确定至少一个组织器官的所在的位置。至少一个组织器官中的每个组织器官的灰度值各不相同，因此，通过灰度值的不同，可以判定每个组织器官的具***置。
由于穿刺路径的不能够触及组织器官，所以以病灶的位置为终点，根据灰度值的不同，避开各个组织器官，从而确定出穿刺针的穿刺路径。也就是说，穿刺路径所选取的点的灰度值与各个组织器官的点的灰度值均不相同。
S240：向前端设备发送所述穿刺路径，以便于指导医护人员进行穿刺手术。
在一实施例中，还可以向前端设备发送三维建模结果和病灶的信息，因此，在向前端设备发送穿刺路径后，在前端设备所呈现出的便是在三维建模结果中的穿刺路径，从而便于指导医护人员进行穿刺手术。
在本申请的另一个实施例中，如图4所示的方法为图2所示的方法的示例，图4所示的方法包括如下内容。
S410：接收影像归档和通信***发送的所述医学影像。
本申请实施例采用影像归档和通信***(Picture Archiving andCommunication Systems,PACS)，该***是应用在医院影像科室的***。PACS***可以把日常产生的医学影像(例如CT图像)通过多种接口(例如DICOM)以数字化的方式海量保存起来，以此实现对新拍摄影像的自动监测。
在一实施例中，医学影像可以通过PACS***获取。当然，医学影像也可以通过CT直连的方式获取，本申请实施例对医学影像的获取方式不作具体限定。并且，当医学影像为术前影像时，获取的医学影像可以是通用的医学影像格式数据，例如DICOM数据格式的影像，以便于后续对术中影像的处理和保存。
在另一实施例中，还可以直接将提取的医学影像(即一个CT图像的一个序列)用超文本传输协议(Hypertext Transfer Protocol，HTTP)的POST请求发送至数据存储中心，该数据存储中心用于存储该医学影像。
图4所示的方法中的步骤S420至S450分别与图2所示的方法中的步骤S210至S240相同，具体细节将不在此处进行赘述，请参见图2所示的方法中的步骤S210至S240。
在本申请的另一个实施例中，如图5所示的方法为图2所示的方法的示例，图5所示的方法包括如下内容。
S510：接收影像归档和通信***发送的术中影像。
在一实施例中，如图3b所示，术中影像可以为在胸腔手术过程中拍摄的胸部的局部影像。
在另一实施例中，还可以直接将提取的术中影像(即一个CT图像的一个序列)用超文本传输协议(Hypertext Transfer Protocol，HTTP)的POST请求发送至数据存储中心，该数据存储中心用于存储该术中影像。
对于经皮穿刺手术，需要对靶精准定位，所以这往往需要在术中对患者进行多次术中影像的拍摄，从而不仅导致手术过程过于繁杂，还会对患者造成多次辐射。因此，本申请实施例将术中影像(局部影像)与术前影像(全局影像)相结合，在术中拍摄一次术中影像的情况下，即可实现对靶区精准的定位，从而减少了术中对患者进行影像拍摄的次数，且避免了对患者造成多次辐射。
S520：根据所述术中影像，获取所述医学影像，其中，所述医学影像为术前影像。
在一实施例中，如图3a所示，术前影像可以为在胸腔手术过程中拍摄的胸部的全局影像。
在一实施例中，由于术中影像和术前影像属于同一个患者的医学影像，因此，二者在属性方面，例如，患者信息，会存在一些相同点，基于这些相同点，可以在获取术中影像后，获取术前影像(即，医学影像)。
但是需要说明的是，本申请实施例并不具体限定如何根据术中影像，获取术前影像，本领域技术人员可以根据实际需求，进行不同的选择。
图5所示的方法中的步骤S530至S560分别与图2所示的方法中的步骤S210至S240相同，具体细节将不在此处进行赘述，请参见图2所示的方法中的步骤S210至S240。
在本申请的另一个实施例中，如图6所示，图5所示的步骤S520包括如下内容。
S610：将所述术中影像进行分析，以获得所述术中影像的患者信息。
在一实施例中，针对术中影像进行分析，获得该术中影像包括的患者信息，例如病人姓名，病人号，病人性别以及出生日期等，本申请实施例对患者信息不作具体限定。
S620：将所述患者信息发送至所述影像归档和通信***，查询是否存在所述术前影像。
在一实施例中，由于术前影像和术中影像是针对一个患者的影像，因此，术前影像和术中影像的患者信息是相同的，将解析出的患者信息发送至PACS***，能够查询出是否存在与术中影像包括的患者信息相同的术前影像。
S630：当存在所述术前影像时，在所述影像归档和通信***中提取所述术前影像。
在一实施例中，将患者信息发送至PACS***中，查询是否存在相关影像，即，术前影像。当存在术前影像时，在PACS***中提取术前影像。当不存在术前影像时，则不提取。
在一实施例中，为了提高计算速度，减少计算时间，本申请实施例获取的术前影像也可以是获取一个影像中的一个序列，例如获取一个CT图像的一个序列。应当理解，该序列是表征术前影像的一个最佳序列。
在另一实施例中，还可以直接将提取的术前影像(即一个CT图像的一个序列)用超文本传输协议(Hypertext Transfer Protocol，HTTP)的POST请求发送至数据存储中心，该数据存储中心用于存储该术前影像，同时还用于向预测模块发送该术前影像，以预测术前影像的分割、检测结果。
由此可知，本申请实施例通过PACS***获取术前影像和术中影像，使得本申请实施例提供的穿刺路径规划方法与PACS***自动连接，便于数据传输。
在本申请的另一个实施例中，如图7所示，图6所示的步骤S610包括如下内容。
S710：根据预设的配置规则，对所述术中影像进行数据筛选。
在一实施例中，在对术中影像进行患者信息识别之前，可以对获取的术中影像以预设的配置规则，进行数据筛选或过滤，以获得符合要求的筛选后的术中影像。
在一实施例中，该配置规则可以采用配置文件的形式。该配置规则可以包含有格式规定(即DICOM格式的影响)，例如，当术中影像格式为nii时，将该术中影像的数据格式转换为DICOM格式。该配置规则也可以包括影像大小的规定，例如，当术中影像的大小超出预设大小时，可以对术中影像进行裁剪。需要说明的是，本申请实施例对配置规则不作具体限定，本领域技术人员可以根据实际需求，进行不同的选择。
S720：对筛选后的术中影像进行患者信息识别，以获得所述术中影像的患者信息。
在一实施例中，当术中影像完成数据的筛选后，获得了符合要求的筛选后的术中影像(例如，DICOM格式且大小适当的术中影像)，可以对筛选后的术中影像进行患者信息识别。
在一实施例中，患者信息识别的方法可以采用光学字符识别(Optical CharacterRecognition,OCR)，本申请实施例对患者信息的识别方法不作具体限定。采用OCR识别方法可以精准识别出术中影像展示的患者信息，该患者信息可以包括病人姓名，病人号，病人性别，出生日期等等。
由此可知，获取术中影像的患者信息为PACS***中获取术前影像提供了支持。
本申请实施例利用深度学***台开发出一套全自动，高精度的穿刺路径规划方法，其可以自动搜索和拉取术前影像，并实现病灶完全自动检测和分割，以及病灶周围的解剖结构的自动检测和分割，从而实现全自动的病灶自动识别。
示例性装置
本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
图8所示为本申请一个实施例提供的穿刺路径规划装置的框图。如图8所示，该装置800包括：
获取模块810，配置为从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息；
重建模块820，配置为对所述分割结果进行三维重建，以获得所述至少一个组织器官的三维建模结果；
路径规划模块830，配置为根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径；
发送模块840，配置为向前端设备发送所述穿刺路径，以便于指导医护人员进行穿刺手术。
在本申请另一个实施例中，所述装置还包括：第一接收模块，配置为接收影像归档和通信***发送的所述医学影像。
在本申请另一个实施例中，所述装置还包括：第二接收模块，配置为接收影像归档和通信***发送的术中影像；影像获取模块，配置为根据所述术中影像，获取所述医学影像，其中，所述医学影像为术前影像。
在本申请另一个实施例中，影像获取模块进一步配置为：将所述术中影像进行分析，以获得所述术中影像的患者信息；将所述患者信息发送至所述影像归档和通信***，查询是否存在所述术前影像；当存在所述术前影像时，在所述影像归档和通信***中提取所述术前影像。
在本申请另一个实施例中，影像获取模块在将所述术中影像进行分析，以获得所述术中影像的患者信息时，进一步配置为：根据预设的配置规则，对所述术中影像进行数据筛选；筛选后的术中影像进行患者信息识别，以获得术中影像的患者信息。
在本申请另一个实施例中，所述患者信息包括病人姓名、病人号、病人性别和/或出生日期。
在本申请另一个实施例中，获取模块810进一步配置为：根据所述医学影像，通过分割模型，获得所述医学影像中的至少一个组织器官的分割结果；根据所述医学影像，通过检测模型，获得所述至少一个组织器官中的病灶的信息。
在本申请另一个实施例中，路径规划模块930进一步配置为：根据预先设置的所述医学影像中的至少一个组织器官的灰度值，确定所述至少一个组织器官的所在的位置，其中，所述至少一个组织器官中的每个组织器官的灰度值各不相同；根据所述病灶的位置和所述至少一个组织器官的所在的位置，确定所述穿刺针的穿刺路径。
示例性电子设备
下面，参考图9来描述根据本申请实施例的电子设备。图9图示了根据本申请实施例的电子设备的框图。
如图9所示，电子设备900包括一个或多个处理器910和存储器920。
处理器910可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备900中的其他组件以执行期望的功能。
存储器920可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器910可以运行所述程序指令，以实现上文所述的本申请的各个实施例的穿刺路径规划方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如至少一个组织器官的分割结果、病灶的信息以及穿刺路径等各种内容。
在一个示例中，电子设备900还可以包括：输入装置930和输出装置940，这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
例如，该输入装置930可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置930可以是通信网络连接器。
此外，该输入设备930还可以包括例如键盘、鼠标等等。
该输出装置940可以向外部输出各种信息，包括确定出的旋转变换矩阵等。该输出设备940可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图9中仅示出了该电子设备900中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备900还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的穿刺路径规划方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的穿刺路径规划方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (11)

1.一种穿刺路径规划方法，其特征在于，包括：
从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息；
对所述分割结果进行三维重建，以获得所述至少一个组织器官的三维建模结果；
根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径；
向前端设备发送所述穿刺路径，以便于指导医护人员进行穿刺手术。
2.根据权利要求1所述的方法，其特征在于，还包括：
接收影像归档和通信***发送的所述医学影像。
3.根据权利要求1所述的方法，其特征在于，还包括：
接收影像归档和通信***发送的术中影像；
根据所述术中影像，获取所述医学影像，其中，所述医学影像为术前影像。
4.根据权利要求3所述的方法，其特征在于，所述根据所述术中影像，获取所述医学影像，包括：
将所述术中影像进行分析，以获得所述术中影像的患者信息；
将所述患者信息发送至所述影像归档和通信***，查询是否存在所述术前影像；
当存在所述术前影像时，在所述影像归档和通信***中提取所述术前影像。
5.根据权利要求4所述的方法，其特征在于，所述将所述术中影像进行分析，以获得所述术中影像的患者信息，包括：
根据预设的配置规则，对所述术中影像进行数据筛选；
筛选后的术中影像进行患者信息识别，以获得术中影像的患者信息。
6.根据权利要求4所述的方法，其特征在于，所述患者信息包括病人姓名、病人号、病人性别和/或出生日期。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息，包括：
根据所述医学影像，通过分割模型，获得所述医学影像中的至少一个组织器官的分割结果；
根据所述医学影像，通过检测模型，获得所述至少一个组织器官中的病灶的信息。
8.根据权利要求1至6中任一项所述的方法，其特征在于，所述根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径，包括：
根据预先设置的所述医学影像中的至少一个组织器官的灰度值，确定所述至少一个组织器官的所在的位置，其中，所述至少一个组织器官中的每个组织器官的灰度值各不相同；
根据所述病灶的位置和所述至少一个组织器官的所在的位置，确定所述穿刺针的穿刺路径。
9.一种穿刺路径规划装置，其特征在于，包括：
获取模块，配置为从医学影像中获取至少一个组织器官的分割结果和所述至少一个组织器官中的病灶的信息；
重建模块，配置为对所述分割结果进行三维重建，以获得所述至少一个组织器官的三维建模结果；
路径规划模块，配置为根据所述病灶在所述三维重建结果的位置，确定穿刺针的穿刺路径；
发送模块，配置为向前端设备发送所述穿刺路径，以便于指导医护人员进行穿刺手术。
10.一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于执行上述权利要求1至8中任一项所述的方法。
11.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1至8中任一项所述的方法。
CN202110930114.6A 2021-08-13 2021-08-13 穿刺路径规划方法及装置，电子设备及存储介质 Pending CN113610824A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110930114.6A CN113610824A (zh) 2021-08-13 2021-08-13 穿刺路径规划方法及装置，电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110930114.6A CN113610824A (zh) 2021-08-13 2021-08-13 穿刺路径规划方法及装置，电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113610824A true CN113610824A (zh) 2021-11-05

Family

ID=78308489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110930114.6A Pending CN113610824A (zh) 2021-08-13 2021-08-13 穿刺路径规划方法及装置，电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113610824A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115844545A (zh) * 2023-02-27 2023-03-28 潍坊医学院附属医院 一种血管介入智能手术机器人及控制方法
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

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102961187A (zh) * 2012-10-26 2013-03-13 深圳市旭东数字医学影像技术有限公司 经皮穿刺的手术规划方法及其***
CN105286988A (zh) * 2015-10-12 2016-02-03 北京工业大学 一种ct影像引导肝肿瘤热消融针定位与导航***
CN107126258A (zh) * 2017-06-29 2017-09-05 哈尔滨理工大学 一种微创手术套管柔性针的路径规划方法
CN110464459A (zh) * 2019-07-10 2019-11-19 丽水市中心医院 基于ct-mri融合的介入计划导航***及其导航方法
CN112022348A (zh) * 2020-09-11 2020-12-04 杭州微引科技有限公司 一种在ct和ai双引导下的穿刺消融术中导航***
CN112089482A (zh) * 2020-09-16 2020-12-18 深圳市中医院 穿刺导引装置参数确定方法、装置、***、设备和介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102961187A (zh) * 2012-10-26 2013-03-13 深圳市旭东数字医学影像技术有限公司 经皮穿刺的手术规划方法及其***
CN105286988A (zh) * 2015-10-12 2016-02-03 北京工业大学 一种ct影像引导肝肿瘤热消融针定位与导航***
CN107126258A (zh) * 2017-06-29 2017-09-05 哈尔滨理工大学 一种微创手术套管柔性针的路径规划方法
CN110464459A (zh) * 2019-07-10 2019-11-19 丽水市中心医院 基于ct-mri融合的介入计划导航***及其导航方法
CN112022348A (zh) * 2020-09-11 2020-12-04 杭州微引科技有限公司 一种在ct和ai双引导下的穿刺消融术中导航***
CN112089482A (zh) * 2020-09-16 2020-12-18 深圳市中医院 穿刺导引装置参数确定方法、装置、***、设备和介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115844545A (zh) * 2023-02-27 2023-03-28 潍坊医学院附属医院 一种血管介入智能手术机器人及控制方法

Similar Documents

Publication Publication Date Title
US10949975B2 (en) Patient management based on anatomic measurements
JP6595193B2 (ja) 読影レポート作成装置および読影レポート作成システム
US8744149B2 (en) Medical image processing apparatus and method and computer-readable recording medium for image data from multiple viewpoints
JP5222082B2 (ja) 情報処理装置およびその制御方法、データ処理システム
JP4818846B2 (ja) 医用画像処理装置及び医用画像処理プログラム
JP2008259682A (ja) 部位認識結果修正装置、方法、およびプログラム
CN113610826A (zh) 穿刺定位方法及装置，电子设备及存储介质
JP6719421B2 (ja) 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム
US20170221204A1 (en) Overlay Of Findings On Image Data
CN111771244B (zh) 针对手术结果的反馈提供方法
CN111583249B (zh) 一种医学图像的质量监控***及方法
KR102382872B1 (ko) 의료용 인공 신경망 기반 대표 영상을 제공하는 의료 영상 판독 지원 장치 및 방법
CN113610824A (zh) 穿刺路径规划方法及装置，电子设备及存储介质
KR20240054248A (ko) 의료 영상 분석 장치 및 방법, 의료 영상 시각화 장치 및 방법
JP5539478B2 (ja) 情報処理装置および情報処理方法
CN112926677A (zh) 医学图像数据的信息标注方法、装置及***
JP2023175011A (ja) 文書作成支援装置、方法およびプログラム
JP2024009342A (ja) 文書作成支援装置、方法およびプログラム
US8515213B2 (en) System, method and computer instructions for aiding image analysis
JP5252263B2 (ja) 解析プロトコルに基づいた前処理装置を具備する三次元画像表示装置を相互接続した医用画像解析システム
CN113610825B (zh) 术中影像的肋骨识别方法及***
JP7431317B2 (ja) 文書作成支援装置、方法およびプログラム
JP6653765B2 (ja) 画像解析装置、方法およびプログラム
CN109273073A (zh) 医学图像的存储方法及装置、计算机可读存储介质
KR102676569B1 (ko) 의료 영상 분석 장치 및 방법, 의료 영상 시각화 장치 및 방법

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211105