基于神经网络模型的穿刺位置验证方法及设备技术

本发明专利技术提供一种基于神经网络模型的穿刺位置验证方法及设备，所述方法包括获取X光图像和CT图像序列，其中所述X光图像中包括穿刺针影像；根据预设重建参数和所述CT图像序列生成重建二维图像；利用神经网络模型对将所述重建二维图像和所述X光图像进行识别，输出重建参数；根据所述神经网络模型输出的重建参数，将基于所述CT图像序列确定的关键目标映射到所述X光图像中，所述关键目标用于表征体内定位器的预定植入位置。位器的预定植入位置。位器的预定植入位置。

【技术实现步骤摘要】
基于神经网络模型的穿刺位置验证方法及设备


[0001]本专利技术涉及医学图像处理领域，具体涉及一种基于神经网络模型的穿刺位置验证方法及设备。

技术介绍

[0002]研究表明，肺癌是目前发病率最高、年度病死量最高的肿瘤，肺癌的治疗方法主要有外科手术、放射疗法和药物疗法，以及这三种方法的综合应用。各型肺癌如病灶较小，尚未发现远处转移，患者全身情况较好，均应采用手术疗法，并根据病理类型和手术发现，综合应用放射疗法和药物疗法，楔形切除和肺段切除是目前常用的早期肺癌治疗方法。
[0003]早期肺癌根治主体是“胸腔镜肺段/亚段、楔形切除术”，术前进行病灶穿刺定位标记是实施此项手术的常规操作，CT（Computed Tomography，电子计算机断层扫描）引导下穿刺植入定位标记是最方便易行的方式。虽然本领域学者也探索了各种其他以解剖结构毗邻关系、器官、血管三维重建引导等定位引导手术的方法，但由于实施难度和可靠性等多方面因素，都无法取代CT定位。
[0004]在实际医疗场景中，CT引导下穿刺植入定位标记的工作显然需要在CT室进行，完成植入定位标记后，患者再被送入手术室接受切除手术，这一过程会给患者和医院等各方造成很大负担。目前植入定位标记的工作和实施切除手术这两项工作无法在手术室这一个环境下完成，其中的主要障碍是绝大多数医院的手术室内没有配备CT设备，手术室内常见的影像采集设备通常是X光机，而X光图像的清晰度非常有限，首先该图像是二维图像，所能够表达的深度信息十分有限，另外是对于一些较小的病灶，X光图像甚至不能显示出病灶影像，因此通过观察X光图像无法确认穿刺针是否准确抵达病灶位置。
[0005]综上所述，现有技术无法通过X光图像来引导穿刺植入定位标记的工作。

技术实现思路

[0006]有鉴于此，本申请提供一种基于神经网络模型的穿刺位置验证方法，包括：获取X光图像和CT图像序列，其中所述X光图像中包括穿刺针影像；根据预设重建参数和所述CT图像序列生成重建二维图像；利用神经网络模型对将所述重建二维图像和所述X光图像进行识别，输出重建参数；根据所述神经网络模型输出的重建参数，将基于所述CT图像序列确定的关键目标映射到所述X光图像中，所述关键目标用于表征体内定位器的预定植入位置。
[0007]可选地，根据所述神经网络模型输出的重建参数，将基于所述CT图像序列确定的关键目标映射到所述X光图像中，具体包括：利用所述神经网络模型输出的重建参数和所述CT图像序列生成临时二维图像；对所述临时二维图像和所述X光图像进行配准，所述配准的过程包括调整所述临时二维图像，使调整后的所述临时二维图像与所述X光图像的相似性测度符合预期，进而确
定调整后的所述临时二维图像对应的优化重建参数；利用所述优化重建参数将基于所述CT图像序列确定的关键目标映射到所述X光图像中。
[0008]可选地，在将关键目标映射到所述X光图像中后还包括：显示包括所述穿刺针影像和所述关键目标的映射影像的X光图像。
[0009]可选地，在将关键目标映射到所述X光图像中后还包括：在所述X光图像中识别所述穿刺针影像和所述关键目标的映射影像的位置，根据位置信息输出穿刺针是否达到预期位置的结论。
[0010]可选地，在生成重建二维图像前还包括：获取所述X光图像的成像参数；根据所述成像参数确定所述预设重建参数的值。
[0011]可选地，所述成像参数包括图像尺寸、像素间距、焦点信息、成像角度、成像对象体位信息、射线源沿射野中心轴到穿刺对象的距离。
[0012]可选地，所述关键目标为CT图像序列中的病灶影像。
[0013]可选地，根据所述神经网络模型输出的重建参数，将基于所述CT图像序列确定的关键目标映射到所述X光图像中，具体包括：从所述CT图像序列中分割出病灶影像序列；根据所述神经网络模型输出的重建参数和所述病灶影像序列生成病灶重建二维图像；将所述病灶重建二维图像叠加到所述X光图像中。
[0014]可选地，所述关键目标为基于CT图像序列所确定的针对病灶的穿刺路径的全部或者穿刺终点处。
[0015]可选地，利用调整后的所述重建参数将基于所述CT图像序列确定的关键目标映射到所述X光图像中，包括：获取基于所述CT图像序列所确定的穿刺路径数据；利用调整后的所述重建参数和所述穿刺路径数据生成穿刺路径的全部或穿刺终点处的重建二维图像；将所述穿刺路径的全部或穿刺终点处的重建二维图像叠加到所述X光图像中。
[0016]可选地，所述X光图像和CT图像序列中的至少部分CT图像中存在体表定位器影像，使得所述重建二维图像中存在所述体表定位器影像，进而在对所述重建二维图像和所述X光图像进行配准时，将所述体表定位器影像作为关键目标。
[0017]可选地，所述重建参数包括虚源位置信息、虚源变换信息、焦点信息、源图距、图像尺寸、图像像素间距、投影法向信息。
[0018]本申请还提供一种用于计算二维图像重建参数的神经网络模型训练方法，包括：获取若干训练数据，所述训练数据包括X光图像和根据预设重建参数和CT图像序列生成的重建二维图像；利用所述若干训练数据对神经网络模型进行训练，训练过程包括由所述神经网络模型对将所述重建二维图像和所述X光图像进行识别而输出重建参数，根据输出的重建参数和所述CT图像序列生成临时二维图像，基于所述临时二维图像与所述X光图像的相似性
测度计算损失函数，进而根据损失函数的计算结果优化所述神经网络模型的参数，直至所述相似性测度达到预设值。
[0019]可选地，基于所述临时二维图像与所述X光图像的相似性测度计算损失函数，具体包括：对所述临时二维图像和所述X光图像进行配准，所述配准的过程包括调整所述临时二维图像，使调整后的所述临时二维图像与所述X光图像的相似性测度符合预期；基于调整后的所述临时二维图像与所述X光图像的相似性测度计算损失函数。
[0020]可选地，所述重建参数包括虚源位置信息、虚源变换信息、焦点信息、源图距、图像尺寸、图像像素间距、投影法向信息。
[0021]本申请还提供一种适用于手术场景的穿刺位置验证方法，包括：获取术前的CT图像序列和术中的至少两张X光图像，其中所述至少两张X光图像是在按照预定的穿刺路径将穿刺针置入患者体内后、放置体内病灶定位器之前，通过手术场景中的X光设备采集的图像，并且所述至少两张X光图像的扫描角度不同；利用上述穿刺位置验证方法，将所述关键目标分别映射到所述至少两张X光图像中。
[0022]可选地，将所述关键目标分别映射到所述至少两张X光图像中后还包括：判断是否所有的映射结果均指示穿刺针影像的位置符合预期；当所有的映射结果均指示穿刺针影像的位置符合预期时，判定穿刺针的实际位置符合所述穿刺路径。
[0023]可选地，所述至少两张X光图像中至少包括冠状位X光图像和矢状位X光图像。
[0024]相应地，本申请提供一种基于X光图像的穿刺位置验证设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络模型的穿刺位置验证方法，其特征在于，包括：获取X光图像和CT图像序列，其中所述X光图像中包括穿刺针影像；根据预设重建参数和所述CT图像序列生成重建二维图像；利用神经网络模型对将所述重建二维图像和所述X光图像进行识别，输出重建参数；根据所述神经网络模型输出的重建参数，将基于所述CT图像序列确定的关键目标映射到所述X光图像中，所述关键目标用于表征体内定位器的预定植入位置。2.根据权利要求1所述的穿刺位置验证方法，其特征在于，根据所述神经网络模型输出的重建参数，将基于所述CT图像序列确定的关键目标映射到所述X光图像中，具体包括：利用所述神经网络模型输出的重建参数和所述CT图像序列生成临时二维图像；对所述临时二维图像和所述X光图像进行配准，所述配准的过程包括调整所述临时二维图像，使调整后的所述临时二维图像与所述X光图像的相似性测度符合预期，进而确定调整后的所述临时二维图像对应的优化重建参数；利用所述优化重建参数将基于所述CT图像序列确定的关键目标映射到所述X光图像中。3.根据权利要求1所述的穿刺位置验证方法，其特征在于，在将关键目标映射到所述X光图像中后还包括：显示包括所述穿刺针影像和所述关键目标的映射影像的X光图像。4.根据权利要求1所述的穿刺位置验证方法，其特征在于，在将关键目标映射到所述X光图像中后还包括：在所述X光图像中识别所述穿刺针影像和所述关键目标的映射影像的位置，根据位置信息输出穿刺针是否达到预期位置的结论。5.根据权利要求1所述的穿刺位置验证方法，其特征在于，在生成重建二维图像前还包括：获取所述X光图像的成像参数；根据所述成像参数确定所述预设重建参数的值。6.根据权利要求5所述的穿刺位置验证方法，其特征在于，所述成像参数包括图像尺寸、像素间距、焦点信息、成像角度、成像对象体位信息、射线源沿射野中心轴到穿刺对象的距离。7.根据权利要求1所述的穿刺位置验证方法，其特征在于，所述关键目标为CT图像序列中的病灶影像。8.根据权利要求7所述的穿刺位置验证方法，其特征在于，根据所述神经网络模型输出的重建参数，将基于所述CT图像序列确定的关键目标映射到所述X光图像中，具体包括：从所述CT图像序列中分割出病灶影像序列；根据所述神经网络模型输出的重建参数和所述病灶影像序列生成病灶重建二维图像；将所述病灶重建二维图像叠加到所述X光图像中。9.根据权利要求1所述的穿刺位置验证方法，其特征在于，所述关键目标为基于CT图像序列所确定的针对病灶的穿刺路径的全部或者穿刺终点处。10.根据权利要求9所述的穿刺位置验证方法，其特征在于，利用调整后的所述重建参数将基于所述CT图像序列确定的关键目标映射到所述X光图像中，包括：
获取基于所述CT图像序列所确定的穿刺路径数据；利用调整后的所述重建参数和所述穿刺路径数据生成穿刺路径的全部或穿刺终点处的重建二维图像；将所述穿刺路径的全部或穿刺终点处的重建二维图像叠加到所述X光图像中。11.根据权利要求1所述的穿刺位置验证方法，其特征在于，所述X光图像和CT图像序列中的至少部分CT图像中存在体表定位器影像，使得所述重建二维图像中存在所述体表定位器影像，进而在对所述重建二维图像和所述X光图像进行...

【专利技术属性】
技术研发人员：张昊任，陈向前，李爱玲，史纪鹏，
申请(专利权)人：真健康北京医疗科技有限公司，
类型：发明
国别省市：