技术领域
[0001] 本
发明涉及导航技术领域，尤其涉及一种靶点位置的导航方法及系统。
背景技术
[0002] 目前国内需行冠脉搭桥术患者每年以5万例的速度快速递增，但随着医学理论的不断进步与发展，冠脉搭桥术越来越需求一种计算机辅助
手术导航系统。计算机辅助手术
导航系统要求其能够帮助医生从计算机显示器等显示设备上获得手术的实时反馈，这一方法利用了
虚拟现实等仿真
可视化技术。首先利用虚拟现实技术，通过自主研发的基于冠脉CT/MRI数据的三维
心脏手术模型构建
软件构建个性化三维心脏手术模型，并录入系统。医生在动脉搭桥术前，对模型进行精确的靶点标记，然后在术中，医生就可以根据通过观察屏幕中的模型及提示，从而快速精准的找到术前模型靶点设置与术中真实心脏的对应位置关系。对于提高手术
定位精度、优化手术路径具有十分重要的意义。其中关键技术之一是真实心脏与心脏造影模型的
角度配准。由于血管包裹在整个心脏上，心脏外包裹着脂肪，这种靠医生经验的定位很难变得准确。
发明内容
[0003] 本发明
实施例提供一种靶点位置的导航方法及系统，该方法避免了因心脏跳动及呼吸等因素造成匹配错误的问题。
[0004] 第一方面，本发明实施例提供一种靶点位置的导航方法，包括：
[0005] 基于待手术器官的三维模型，获取所述三维模型中待手术器官的靶点所在度数以及所述三维模型在每一角度的二维图像；
[0006] 获取待手术器官当前的二维图像，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数；
[0007] 根据所述当前的二维图像的度数以及所述靶点所在度数，进行靶点位置的导航。
[0008] 可选的，在获取所述三维模型中待手术器官的靶点所在度数以及所述三维模型在每一角度的二维图像之后，所述方法还包括：
[0009] 通过SURF
算法，提取所述三维模型在每一角度的二维图像的特征点及其特征值。
[0010] 可选的，所述特征点提取的层数为4层。
[0011] 可选的，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数，包括：
[0012] 提取所述当前的二维图像的特征点及其特征值；
[0013] 依据所述三维模型在每一角度的二维图像的特征点以及所述当前的二维图像的特征点，通过
图像识别的方法，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数。
[0014] 可选的，所述根据所述当前的二维图像的度数以及所述靶点所在度数，进行靶点位置的导航，包括：
[0015] 根据当前的二维图像的度数以及所述靶点所在度数，判断由当前的二维图像的度数旋转至所述靶点所在度数的最短距离对应的方向，根据所述方向进行靶点位置的导航。
[0016] 第二方面，本发明还提供了一种靶点位置的导航系统，包括：
[0017] 获取模
块，用于基于待手术器官的三维模型，获取所述三维模型中待手术器官的靶点所在度数以及所述三维模型在每一角度的二维图像；
[0018] 确定模块，用于获取待手术器官当前的二维图像，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数；
[0019] 导航模块，用于根据所述当前的二维图像的度数以及所述靶点所在度数，进行靶点位置的导航。
[0020] 可选的，所述系统还包括：
[0021] 提取模块，用于通过SURF算法，提取所述三维模型在每一角度的二维图像的特征点及其特征值。
[0022] 可选的，所述特征点提取的层数为4层。
[0023] 可选的，所述确定模块，用于：
[0024] 提取所述当前的二维图像的特征点及其特征值；
[0025] 依据所述三维模型在每一角度的二维图像的特征点以及所述当前的二维图像的特征点，通过图像识别的方法，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数。
[0026] 可选的，所述导航模块，用于：
[0027] 根据当前的二维图像的度数以及所述靶点所在度数，判断由当前的二维图像的度数旋转至所述靶点所在度数的最短距离对应的方向，根据所述方向进行靶点位置的导航。
[0028] 本发明实施例提供一种靶点位置的导航方法及系统，该方法能够利用预先设置的靶点度数，对靶点位置进行导航，解决了临床医生依靠个人经验来定位搭桥靶点的不确定性问题。
附图说明
[0029] 为了更清楚地说明本发明实施例或
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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030] 图1为本发明一实施例提供的一种靶点位置的导航方法的
流程图；
[0031] 图2为本发明一实施例提供的三维模型的示意图；
[0032] 图3为本发明一实施例提供的标记靶点位置的示意图；
[0033] 图4为本发明一实施例提供的导航提示示意图；
[0034] 图5为本发明一实施例提供的靶点位置的导航系统的结构示意图。
具体实施方式
[0035] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。
[0036] 图1为本发明一种靶点位置的导航方法的流程示意图，如图1所示，该方法包括以下步骤：
[0037] 101、基于待手术器官的三维模型，获取所述三维模型中待手术器官的靶点所在度数以及所述三维模型在每一角度的二维图像；
[0038] 102、获取待手术器官当前的二维图像，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数；
[0039] 103、根据所述当前的二维图像的度数以及所述靶点所在度数，进行靶点位置的导航。
[0040] 上述方法能够利用预先设置的靶点度数，对靶点位置进行导航，解决了临床医生依靠个人经验来定位搭桥靶点的不确定性问题，该方法采用虚拟现实技术与术中二维图像相结合的方法，避免使用其它辅助医疗设备情况下，提供一种高效的靶点定位及导航方法。
[0041] 下面通过具体的实施例对上述方法进行详细说明，本实施例以心脏进行说明。
[0042] 第一步，基于待手术器官的三维模型，如图2所示，获取所述三维模型中待手术器官的靶点所在度数以及所述三维模型在每一角度的二维图像。
[0043] 具体的待手术器官的三维模型是通过现有方法进行重建的，本实施例不描述CT/MRI切片
图像序列重建的方法及过程，但该发明适用于各种
三维重建的心脏模型。但三维模型上需要正确配准，并显示心脏及冠脉血管树等信息且模型
帧数完全，并提供心脏模型及冠脉血管树模型以及二者配准模型的位置数据。已通过术前影像学检查采集的JPG、DICOM等格式图像重建的三维模型。
[0044] 可理解的是，为了配准的精确，需要获取三个数据。第一，将三维模型
水平旋转360度，每一度提取该三维模型的二维图像，这样保证了心脏每一个结构特征，及冠脉树状图的数据保存完整。第二、获取心脏的最大长度和宽度信息，方便之后做透视变换，统一空间尺寸。第三、如图3所示，获取心脏上的冠脉树状配准时的标记点及各个靶1在所在度数。
[0045] 本发明要求在保证精度的前提下，保证速度，并实现实时定位。为了保证速度，图像需要进行一定的预处理后进行第二步SURF特征提取。
[0046] 第二步，通过SURF算法，提取所述三维模型在每一角度的二维图像的特征点及其特征值。
[0047] 具体的，对生成360度二维图像进行图像提取，本发明采用SURF算法，对心脏二维图像的局部特征进行提取。该方法由SIFT特征改进而来，但是实验证明，SURF通过Hessian矩阵减少了降
采样过程，使得特征提取速度更快，同时它的
特征向量维数也比较少，更有利于进行特征点的匹配。同时SURF特征不受物体大小变换，视角变换、旋转、光照、遮挡等影响，具有很强的
稳定性。但是由于一般SURF取点的不确定性，所以调整特征点提取的层数为4，以增加特征点个数。合理设置SURF的特征点
过滤器层数，及匹配率大小。合理设置SURF的特征点过滤器层数，及匹配率大小。过大，可能造成匹配点过多，匹配精度差；过小，导致无法进行匹配点。
[0048] 使用器官局部特征提取及图像识别的方法，来避免心脏跳动及呼吸等形变因素造成匹配错误。
[0049] 第三步，获取待手术器官当前的二维图像，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数；
[0050] 具体包括以下子步骤：
[0051] 提取所述当前的二维图像的特征点及其特征值；
[0052] 依据所述三维模型在每一角度的二维图像的特征点以及所述当前的二维图像的特征点，通过图像识别的方法，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数。
[0053] 具体的，对术中心脏模型中医生面前暴露的角度进行二维图获取，根据术前获得的心脏大小及配准标记点等信息，首先对该度数图像进行透视变换。该方法将
图像采集中造成的仿射变换图像进行矫正，修复心脏及冠脉血管因采集角度不稳定而发生形变。之后对该张二维图像进行器官局部特征提取，提取方法与上述第二步中通过SURF算法，提取所述三维模型在每一角度的二维图像的特征点图像特征提取算法一致。最后通过图像识别的方法，对该二维图像进行匹配，确定该图像的度数。CT/MRI重建模型根据求得度数，将该度数三维图像显示在屏幕上。该模块根据提取特征时间及角度识别匹配时间，调整并设置采集周期，以实现心脏角度定位的实时导航功能。
[0054] 第四步，根据所述当前的二维图像的度数以及所述靶点所在度数，进行靶点位置的导航。
[0055] 具体包括：根据当前的二维图像的度数以及所述靶点所在度数，判断由当前的二维图像的度数旋转至所述靶点所在度数的最短距离对应的方向，根据所述方向进行靶点位置的导航。
[0056] 如图4所示，例如示出向左50度到达靶点位置和向右310度到达靶点位置，即向左为最短距离，这时医生为了快速找到靶点位置会选择向左旋转。
[0057] 上述方法中二维图像特征提取以及匹配采用多线程并行计算的方法，将过去特征提取和匹配的时间缩短；并且提前分配内存，为数组分配好固定的大小。
[0058] 上述实施例的方法将辅助冠脉搭桥手术导航中引入角度定位，通过术中二维图像，与术前CT/MRI重建模型的二维角度图像进行匹配，从而确定术中心脏角度，提示医生；使用器官局部特征提取及图像识别的方法，来避免心脏跳动及呼吸等因素造成匹配错误；
解决了临床医生依靠个人经验来定位搭桥靶点的不确定性问题。
[0059] 本发明实施例还提供了一种靶点位置的导航系统，如图5所示，该系统包括：
[0060] 获取模块51，用于基于待手术器官的三维模型，获取所述三维模型中待手术器官的靶点所在度数以及所述三维模型在每一角度的二维图像；
[0061] 确定模块52，用于获取待手术器官当前的二维图像，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数；
[0062] 导航模块53，用于根据所述当前的二维图像的度数以及所述靶点所在度数，进行靶点位置的导航。
[0063] 在本实施例的一个优选的实施方式中，所述系统还包括：
[0064] 提取模块，用于通过SURF算法，提取所述三维模型在每一角度的二维图像的特征点及其特征值。
[0065] 在本实施例的一个优选的实施方式中，所述特征点提取的层数为4层。
[0066] 在本实施例的一个优选的实施方式中，所述确定模块，用于：
[0067] 提取所述当前的二维图像的特征点及其特征值；
[0068] 依据所述三维模型在每一角度的二维图像的特征点以及所述当前的二维图像的特征点，通过图像识别的方法，将当前的二维图像与所述三维模型在每一角度的二维图像进行匹配，确定所述当前的二维图像的度数。
[0069] 在本实施例的一个优选的实施方式中，所述导航模块，用于：
[0070] 根据当前的二维图像的度数以及所述靶点所在度数，判断由当前的二维图像的度数旋转至所述靶点所在度数的最短距离对应的方向，根据所述方向进行靶点位置的导航。
[0071] 需要说明的是，上述系统与上述方法是一一对应的关系，上述方法的实施细节同样适用于上述系统，本实施例不再对上述系统的实施细节进行详细说明。
[0072] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0073] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用
硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、U盘/光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
[0074] 最后应说明的是：以上实施例仅用以说明本发明实施例的技术方案，而非对其限制；尽管参照前述实施例对本发明实施例进行了详细的说明，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发明各实施例技术方案的精神和范围。
