肺穿刺手术最优路径规划方法及肺穿刺手术导航系统与流程

本发明属于计算机技术领域，涉及一种肺穿刺手术最优路径规划方法，以及运用上述肺穿刺手术最优路径规划方法规划术前手术路径的肺穿刺手术导航系统。

背景技术：

ct(computedtomography)是利用精确准直的x线束与灵敏度极高的探测器一同围绕人体的某一部位做一个接一个的断面扫描，以不同的灰度表示器官和组织对x线的吸收程度，例如，在胸部ct图像上，低密度的区域表示气管、肺实质，高密度的区域表示血管、胸腔、骨骼等，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查，为医生观察诊断疾病提供了方便可靠的依据。

肺癌是世界上具有最高死亡率的疾病之一，肺活检是肺部肿瘤定性的金标准。常规的肺活检需要在ct的引导下进行肺穿刺手术以取出活体组织进行病理检查，主要依靠医生经验进行临床操作。由于ct不能在术中实时成像，若要成功取到活体组织，需要对患者进行多次穿刺以及ct扫描确认。肺穿刺手术导航系统可以解决这一问题。而肺穿刺手术导航的操作首先需要基于患者术前的ct图像进行穿刺路径规划，然后将带有规划路径的ct图像空间与患者空间进行配准，从而实现由ct图像和规划穿刺路径引导术中手术的目的，将会大大减少患者所受穿刺次数和放射性辐射，提高手术成功率。

肺穿刺手术的路径规划需要在病人术前的ct图像上确定由皮肤入刺点到肿瘤目标点的路径，用以引导手术导航操作。而路径的选择在临床上有一定的标准，包括肺穿刺手术必需遵守的标准，称为约束性条件，以及衡量肺穿刺手术路径优劣的标准，称为目标性条件。而肺穿刺手术最优路径规划就是基于这些手术标准的多约束多目标优化问题。

目前，对手术路径规划方法的研究已经取得了一些初步成果。一些自动路径规划的方法，可以对多个手术标准赋予不同的权重；一些路径规划的方法是半自动的，需要由外科医生交互进行。但是这些多目标多约束路径优化的方法常常需要按照某种策略确定多目标之间的权衡方式，将多目标问题转换为多个不同的单目标问题，并用这些单目标优化问题的最优解构成的解集去近似多目标问题的最优解。而多个目标的权衡方式均由医生主观设定，因此，采用不同的权衡方式，路径计算的结果可能会完全不同，受主观因素影响较大。此外，这些规划方法多是针对腹部或者头部穿刺手术的路径规划方法，而肺穿刺手术有其特有的临床标准，目前还没有公开一种针对肺穿刺手术的最优路径规划方法。

技术实现要素：

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种肺穿刺手术最优路径规划方法，该方法无需人为设定子目标之间的权重参数而求得最优路径解集，避免主观因素干扰，为肺穿刺手术导航提供最优的手术路径引导。

本发明还提供一种运用上述肺穿刺手术最优路径规划方法规划术前手术路径的肺穿刺手术导航系统。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种肺穿刺手术最优路径规划方法，包括以下步骤：

s1、基于患者术前的ct图像进行肺穿刺手术临床标准的约束性条件定量化分析，并将不满足约束性条件的穿刺手术路径筛除；

s2、基于患者术前的ct图像进行肺穿刺手术临床标准的目标性条件定量化分析，并建立基于路径风险的子目标函数；

s3、基于上述约束性条件和目标性条件建立最优路径模型，求得最优路径的解集。

优选的，所述步骤s1包括以下步骤：

s11、对患者术前的ct图像进行重要器官避障约束定量化分析，基于器官分割结果及重要器官避障约束对路径进行筛选；

s12、对患者术前的ct图像进行穿刺针可达作业范围约束定量化分析，基于穿刺针的长度对路径进行筛选；

s13、对患者术前的ct图像进行入刺角度约束定量化分析，基于穿刺针与皮肤和肺实质在穿刺点处的夹角对路径进行筛选。

进一步的，所述步骤s11为：

在患者术前的ct图像上，设置皮肤表面上所有点的集合为s，基于s集合中任意点p(x,y,z)与目标点o(xo,yo,zo)确定穿刺手术路径的方向向量

在患者术前的ct图像上，从点p(x,y,z)沿着方向向量的方向搜索穿刺手术路径上的下一个体素点，若下一个体素点不是骨骼、叶间裂和纵膈三个重要器官，则继续搜索；若是则退出该路径的搜索；

若该路径一直搜索到目标点，则此路径不经过上述三个重要器官，满足重要器官避障约束限制的条件；

其中，上述三个重要器官的分割结果是通过基于胸部ct图像的分割方法获得。

进一步的，所述步骤s12为：

在患者术前的ct图像上，根据穿刺针的长度，从肿瘤中心所在的目标点o(xo,yo,zo)出发，确定穿刺针作业范围的极限位置，极限位置所包围的穿刺针入刺点到目标点o(xo,yo,zo)的路径距离小于等于穿刺针长度的皮肤点区域为穿刺针可达作业范围，筛除超过穿刺针可达作业范围的皮肤点。

优选的，所述步骤s13为：

在患者术前的ct图像上，计算穿刺路径与皮肤和肺实质在交点处的表面法向量大小，计算穿刺路径的方向向量与表面法向量的夹角，该夹角的余角为路径与表面在穿刺点处的夹角，即入刺角；

当入刺角满足大于设定角度时，满足穿刺角度约束条件，筛除不满足穿刺角度约束条件的对应的穿刺手术路径。

优选的，所述步骤s2包括以下步骤：

s21、对患者术前的ct图像进行路径相关长度子目标的量化分析，分为路径的总长度和路径在肺内的长度；

s22、对患者术前的ct图像进行路径相关距离子目标的量化分析，分为路径与重要器官的距离以及路径延长线与重要器官的距离；

s23、对患者术前的ct图像进行路径相关角度子目标的量化分析，分为路径与皮肤入刺角以及路径与肺实质的入刺角。

进一步的，所述步骤s21为：

计算每条路径的总长度和每条路径在肺内的长度，使用min-max标准化方法对这两个长度进行归一化处理，定义路径在肺内的长度条件以及路径总长度条件下路径风险的子目标函数。

进一步的，所述步骤s22为：

计算每条路径与设定的重要器官之间的最短距离以及每条路径延长线与设定的重要器官之间的最短距离，定义路径与重要器官最短距离条件以及路径延长线与重要器官最短距离条件下路径风险的子目标函数。

进一步的，所述步骤s23为：

计算每条路径与皮肤的入刺角以及每条路径与肺实质的入刺角，定义路径与皮肤入刺角条件以及路径与肺实质入刺角条件下路径风险的子目标函数。

优选的，所述步骤s3包括以下步骤：

s31、基于路径风险最低为目标，以重要器官避障、穿刺针可达作业范围以及入刺角度为约束，建立使各个子目标最优的最优路径模型；

s32、对最优路径模型进行求解，获得肺穿刺手术最优路径解集。

进一步的，所述步骤s31为：

基于重要器官避障约束，穿刺针可达作业范围约束和入刺角度约束，以及路径的总长度子目标和路径在肺内的长度子目标，路径与重要器官的距离子目标和路径延长线与重要器官的距离子目标，路径与皮肤入刺角子目标和路径与肺实质的入刺角子目标，建立肺穿刺手术的最优路径模型。

进一步的，所述步骤s32为：

运用帕累托优化方法求解肺穿刺手术最优路径的解集。

本发明还提供一种肺穿刺手术导航系统，所述肺穿刺手术导航系统运用如以上任一方案所述的肺穿刺手术最优路径规划方法规划术前手术路径。

(三)有益效果

本发明的有益效果是：

本发明提供的肺穿刺手术最优路径规划方法运用于肺穿刺手术导航系统的术前手术路径规划过程中，可以将肺穿刺手术特有的临床标准进行定量化分析，智能化地对不符合肺穿刺手术标准中约束性条件的穿刺路径进行筛选，并基于肺穿刺手术标准中的目标性条件建立穿刺路径风险子目标函数，对路径进行多约束多目标优化，可以无需人为设定子目标之间的权重参数而求得最优路径解集，避免主观因素干扰，为肺穿刺手术导航提供最优的手术路径引导。

附图说明

图1是本发明优选实施方式中肺穿刺手术最优路径规划方法的流程图。

图2是本发明优选实施方式中方法的步骤11中重要器官避障约束的示意图。

图3是本发明优选实施方式中方法的步骤12中穿刺针可达作业范围约束的示意图。

图4是本发明优选实施方式中方法的步骤13中入刺角度约束的示意图。

图5为本发明优选实施方式中方法的步骤32中帕累托优化进行最优路径求解原理的示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

优选实施方式

本实施方式提供了一种肺穿刺手术最优路径规划方法，该肺穿刺手术最优路径规划方法适用于肺穿刺手术导航系统的术前手术路径规划过程中。在本实施方式中，以基于胸部ct图像的肺穿刺手术路径规划为例进行详细的说明，具体的如以下所述。

一种基于胸部ct图像的肺穿刺手术最优路径规划方法运行在visualstudio平台，适用于肺穿刺手术导航系统的术前手术路径规划过程中，实现基于胸部ct图像的肺穿刺手术最优路径规划方法，如图1所示，该方法包括以下步骤：

步骤1、基于患者术前的ct图像进行肺穿刺手术临床标准的约束性条件定量化分析，并将不满足约束性条件的穿刺手术路径筛除。

步骤1具体包括以下步骤：

步骤11、对患者术前的ct图像进行重要器官避障约束定量化分析，基于器官分割结果及重要器官避障约束对路径进行筛选。

肺穿刺手术的路径需要经过胸腔，而人的胸腔内有众多的组织和器官，有些组织和器官如果被穿刺针穿过，将会对人体带来较大的伤害。肺穿刺手术需要避开的胸部重要器官包括骨骼，叶间裂和纵膈。基于这些重要器官分割结果及重要器官避障约束对穿刺手术路径进行筛选。

图2为重要器官避障约束示意图。图2中白色点为肿瘤目标点，标记1，2，3三个皮肤上的区域是避开了不能穿刺的肋骨所获得的皮肤上可入针的区域。同理，纵膈和叶间裂在路径计算时也需要全部避开。

具体的，在患者术前的ct图像上，设置皮肤表面上所有点的集合为s，s集合中任意点p(x,y,z)与肿瘤中心所在的目标点o(xo,yo,zo)可以确定穿刺手术路径的方向向量从点p(x,y,z)沿着方向向量的方向搜索穿刺手术路径上的下一个体素点，若下一个体素点不是骨骼、叶间裂和纵膈三个重要器官，则继续搜索；若是则退出该路径的搜索。若该路径一直搜索到目标点，则证明此路径不经过这三个重要器官，满足重要器官避障约束限制的条件。在ct图像上，上述骨骼、叶间裂和纵膈三个重要器官的分割结果是通过基于胸部ct图像的分割方法获得。

步骤12、对患者术前的ct图像进行穿刺针可达作业范围约束定量化分析，基于穿刺针的长度对路径进行筛选。

受穿刺针长度所限，手术需要在穿刺针可达的作业范围内进行操作。基于穿刺针可达作业范围约束对路径进行筛选。

具体的，如图3所示，白色点为肿瘤目标点，从肿瘤目标点出发，找到穿刺针作业范围的极限位置，即两条直线所示的路径。极限位置所包围的左侧标记为白色曲线的皮肤点区域(该区域内任意穿刺针入刺点到目标点o(xo,yo,zo)的路径距离小于等于穿刺针长度)，其入刺点到肿瘤的路径符合穿刺针可达作业范围。而右侧未标记的皮肤点区域，距离目标点太远，超过穿刺针可达范围，无法穿刺成功，需要将该部分点进行筛除。

皮肤表面上的任意点p(x,y,z)与目标点o(xo,yo,zo)之间的距离即为路径长度d，d的计算公式为：

当d小于等于穿刺针长度时则认为点p(x,y,z)满足了穿刺针可达作业范围约束条件，将不满足该条件对应的穿刺手术路径筛除。

步骤13、对患者术前的ct图像进行入刺角度约束定量化分析，基于穿刺针与皮肤和肺实质在穿刺点处的夹角对路径进行筛选。

定义路径与表面在穿刺点处的夹角为入刺角。在穿刺手术中，穿刺针主要需要穿透的表面是皮肤表面以及肺实质的表面。为避免穿刺针在表面滑动，需要对入刺角进行约束，当入刺角满足大于设定角度时，满足穿刺角度约束条件，例如，设定入刺角大于20°才符合要求。

如图4所示为穿刺路径与皮肤和肺实质表面的入刺角，其中夹角α为皮肤入刺角，夹角β为肺部入刺角，这两个角度需要满足入刺角约束。

为了计算穿刺路径与皮肤表面、肺部表面的入刺角，需要在患者术前的ct图像上，首先计算穿刺路径与皮肤和肺实质在交点处的表面法向量大小，再根据路径的方向向量与表面法向量求入刺角。基于交点处邻域n(例如n为26)个表面体素点，用最小二乘原理拟合成平面，求出交点处的表面法向量，接着求得穿刺手术路径的方向向量与表面法向量的夹角，入刺角为这个夹角的余角。

设定皮肤入刺角α小于20°，肺部入刺角β小于20°时不满足穿刺角度约束条件，需要将对应的穿刺手术路径筛除。

步骤2、基于患者术前的ct图像进行肺穿刺手术临床标准的目标性条件定量化分析，并建立基于路径风险的子目标函数。

步骤2具体包括以下步骤：

步骤21、对患者术前的ct图像进行路径相关长度子目标的量化分析，分为路径的总长度和路径在肺内的长度。

需要计算每条路径的总长度和每条路径在肺内的长度，并定义在这两个条件下路径风险的目标函数，作为路径优化的两个目标性条件。

路径i与肺实质表面的交点为pi(xi,yi,zi)，对应的皮肤入刺点为qi(ai,bi,ci)，肿瘤目标点为o(xo,yo,zo)，则肺内穿刺路径长度(即穿刺路径在肺内的长度，trajectorylengthinlung，tll)为：

穿刺路径的总长度(trajectorylength，tl)为：

使用min-max标准化方法对这两个长度进行归一化处理，定义穿刺路径在肺内的长度条件以及穿刺路径总长度条件下路径风险的子目标函数，计算公式如下：

其中，l1i,l2i是当前路径i的肺内距离(即当前路径i在肺内的长度)以及总长度(即当前路径i总长度)，l1min,l2min是所有符合约束性条件的路径的肺内距离(即所有符合约束性条件的路径在肺内的长度)以及总长度(即所有符合约束性条件的路径总长度)的最小值，l1max,l2max是所有符合约束性条件的路径的肺内距离(即所有符合约束性条件的路径在肺内的长度)以及总长度(即所有符合约束性条件的路径总长度)的最大值。可以得出，路径的肺内距离(即路径在肺内的长度)以及总长度(即路径总长度)越大，子目标函数的值越大，对应路径的风险越高。

步骤22、对患者术前的ct图像进行路径相关距离子目标的量化分析，分为路径与重要器官的距离以及路径延长线与重要器官的距离。

计算每条路径与所设定的重要器官之间的最短距离，并定义在这个条件下路径风险的子目标函数，作为路径优化的目标性条件之一。路径延长线与所设定的重要器官的最短距离也可以反映手术风险，它指的是在路径延长线的方向上，从目标点到重要器官(包括纵膈和叶间裂)的距离。计算路径延长线与重要器官的最短距离，并定义在这个条件下路径风险的子目标函数，也作为路径优化的目标性条件之一。

路径与重要器官的最短距离求解过程中，把纵膈、叶间裂和骨骼作为一个整体统一标记为重要器官，接着将路径进行膨胀操作，碰到第一个标记为重要器官的体素点停止，这个点即为距离路径最近的重要器官体素点，计算这个点与未膨胀之前的路径上所有体素点之间的距离，并求得最短距离。这个距离即为路径与重要器官之间的最短距离(distancetoimportantstructures，dis)。定义在路径与重要器官之间最短距离约束条件下路径风险的子目标函数为：

其中，d1i是当前路径i与重要器官的最短距离，d1min是所有符合约束性条件的路径与重要器官最短距离的最小值，d1max是所有符合约束性条件的路径与重要器官最短距离的最大值。可以得出，路径与重要器官的最短距离越大，子目标函数的值越小，对应路径的风险越小。

而路径延长线与重要器官的最短距离求解，是将纵膈和叶间裂作为一个整体统一标记为重要器官。将路径自肿瘤目标点开始沿着延长线方向进行搜索，碰到的第一个标记为重要器官的点即停止。计算这个点到肿瘤目标点的距离，即为路径延长线与重要器官的最短距离(extenddistancetoimportantstructures，edis)。定义该路径延长线与重要器官最短距离条件下路径风险的子目标函数为：

其中，d2i是当前路径i的延长线与重要器官的最短距离，d2min是所有符合约束性条件的路径延长线与重要器官最短距离的最小值，d2max是所有符合约束性条件的路径延长线与重要器官最短距离的最大值。可以得出，路径延长线与重要器官的最短距离越大，目标函数的值越小，对应路径的风险越低。

步骤23、对患者术前的ct图像进行路径相关角度子目标的量化分析，分为路径与皮肤入刺角以及路径与肺实质的入刺角。

计算每条路径与皮肤的入刺角以及每条路径与肺实质的入刺角，定义皮肤入刺角条件(insertangleofskin，ias)以及肺实质入刺角条件(insertangleoflung，ial)下路径风险的子目标函数，计算公式如下：

其中，αi和βi分别是当前路径i与皮肤的入刺角和当前路径i与肺实质的入刺角，它们均大于20°。可以得出，皮肤入刺角和肺实质入刺角越大，越接近垂直，子目标函数的值越小，对应路径的风险越低。

步骤3、基于上述约束性条件和目标性条件建立最优路径模型，求得最优路径的解集。

步骤3具体包括以下步骤：

步骤31、基于上述约束性条件和各子目标建立肺穿刺手术最优路径模型。以路径风险最低为目标，以重要器官避障、穿刺针可达作业范围以及入刺角度为约束，建立使六个子目标最优的最优路径模型，即，使路径的总长度子目标和路径在肺内的长度子目标，路径与重要器官的距离子目标和路径延长线与重要器官的距离子目标，路径与皮肤入刺角子目标和路径与肺实质的入刺角子目标最优，建立肺穿刺手术的最优路径模型。

肺穿刺手术最优路径模型为：

p^*＝choose(p0,p1,......,pn-1,l1,l2,d1,d2,a1,a2,a,b,c)(10)

其中p^*为最终优化得到的路径，p0,p1,......,pn-1为候选路径，l1,l2,d1,d2,a1,a2分别代表ltl(i)，ltll(i)，ddis(i)，dedis(i)，aias(i)，aial(i)这六个子目标函数，a,b,c分别表示重要器官避障、穿刺针可达作业范围以及入刺角度三个约束性条件，choose()函数的功能是，首先使用约束条件a,b,c对所有皮肤入刺点进行筛选，在符合约束条件下的皮肤入刺点对应的路径中，找到使各子目标为最优的路径。

步骤32、对最优路径模型进行求解，获得肺穿刺手术最优路径解集。将帕累托优化方法用于肺穿刺手术最优路径求解中，可以不基于权重来对路径的风险进行评估。在进行肺穿刺的最优路径规划时，将六个子目标所作为帕累托优化的六个目标函数。

如图5所示，将符合约束性条件的所有穿刺手术路径在两个子目标函数下的值投影到帕累托坐标系下，每条路径用黑色棱形点表示。采用帕累托优化方法进行路径优化。所定义的路径最优点是，在所有符合约束性条件的穿刺手术路径中，不存在两个子目标全比该点更好的点，那么认为这个点属于帕累托最优点，也叫帕累托前沿。图5中的p1-p5即为在路径长度和路径与重要器官的最短距离两个子目标下的帕累托最优点，它们构成的黑色曲线即为帕累托前沿。此外，也可以由医生根据习惯和经验指定一条路径pc，如图5中黑色圆点所示，而右下角的方框内的点所代表的穿刺路径都是比pc更优的。在方框范围内找到帕累托前沿点，即为p1-p3这三个点，它们是在医生所指定范围下的最优点。

基于路径风险评估的六个子目标函数，两两建立帕累托坐标系。对所有符合约束性条件的路径分别在这些坐标系下进行投影，并求解帕累托前沿对应的最优路径。然后将所有帕累托坐标系下的最优路径解集求交集，即为均衡考虑所有子目标函数下的最终最优路径解集，从而实现对最优路径模型的求解。

由上述原理可见，基于帕累托优化进行最优路径模型求解最重要的是确定帕累托前沿。设符合约束性条件的所有路径对应的皮肤点集为s，帕累托前沿点集为m，帕累托前沿的求解按照先搜索y轴，再搜素x轴的方式进行，具体步骤为：

1、首先将点集s内所有点在y轴方向上进行排序，其中最优的点记为a，这个点是y轴方向上最优的点，属于帕累托前沿点之一，加入帕累托前沿点集m；

2、在点集s里搜索x方向上比a更差的点，这些点是在两个子目标都比a点差的点，将其从点集s中删除；

3、根据y轴方向的排序，在s剩余的点中找到y方向上除a之外最优的点b，将其加入帕累托前沿点集m；

4、在s剩余点中搜索x方向上比b更差的点，将其从点集s中删除。若在y轴方向上搜索时，有多个点y值相同，则选择这些点中x值最优的一个作为帕累托前沿点，其余点从点集s中删除。重复上述操作直到点集s中包含的点与点集m中的点相同，则完成了对点集s中所有皮肤入刺点的判断。此时，两个点集中存储的均为帕累托前沿点。按照同样的步骤求出每个帕累托坐标系下的帕累托前沿点，取交集后即为使所有子目标达到综合最优的入刺点解集。

综上所述，本发明提供的肺穿刺手术最优路径规划方法运用于肺穿刺手术导航系统的术前手术路径规划过程中，可以将肺穿刺手术特有的临床标准进行定量化分析，智能化地对不符合肺穿刺手术标准中约束性条件的穿刺路径进行筛选，并基于肺穿刺手术标准中的目标性条件建立穿刺路径风险子目标函数，对路径进行多约束多目标优化，可以无需人为设定子目标之间的权重参数而求得最优路径解集，避免主观因素干扰，为肺穿刺手术导航提供最优的手术路径引导。

需要理解的是，以上对本发明的具体实施例进行的描述只是为了说明本发明的技术路线和特点，其目的在于让本领域内的技术人员能够了解本发明的内容并据以实施，但本发明并不限于上述特定实施方式。凡是在本发明权利要求的范围内做出的各种变化或修饰，都应涵盖在本发明的保护范围内。