一种低复杂度的心脏表面三维形态在线建模系统及方法
【技术领域】
[0001 ]本发明属于光通信技术领域，更为具体地讲，设及一种低复杂度的屯、脏表面Ξ维 形态在线建模系统及方法。
【背景技术】
[0002] 近年来，W内窥镜手术为代表的微创手术技术越来越多的应用于屯、脏外科手术。 在运类手术中，医生通过观察探入患者体内的内窥镜反馈回的实时影像，操控微创手术器 械完成复杂的屯、脏外科手术。
[0003] W脱累冠脉搭桥术(off pump CABG)为例，运种屯、脏不停跳的手术可使患者摆脱 人工屯、肺机，从而降低了体外循环对患者身体的损害，降低并发症的风险，缩短患者的康复 时间。但是由于直接视觉的缺失，手术医生无法准确、直观的感知跳动屯、脏表面目标区域的 Ξ维形态，给完成复杂精细的手术操作带来困难。手术医生需通过长期专业的训练，才能顺 利完成运类屯、脏外科微创手术，对患者而言则意味着巨额的医疗费用和较大的手术风险。
[0004] 为了给手术医生提供实时、准确的Ξ维形态信息，国外学者尝试利用各种传感器 对屯、脏表面Ξ维形态进行重构。由于微创手术空间狭小，无法植入大型Ξ维扫描设备，并且 屯、跳运动频率高、屯、脏表面软组织形变复杂，屯、脏表面Ξ维形态重构成为医学工程领域中 的难点。因此，不需要额外设备接口，基于立体内窥镜的屯、脏表面Ξ维形态检测方法逐渐受 到科研和临床界的重视。基于立体内窥镜获取的双目图像数据，利用立体视觉匹配技术可 W重构屯、脏表面目标区域的Ξ维形态。为此，国内外研究人员应用多种经典的空间形变模 型对屯、脏表面进行Ξ维重构。如T.Ortmaier等在文献《Motion estimation in beating heart surgery》中使用的仿射变换模型，W丄au等在文献《Stereo-based endoscopic tracking of cardiac surface deformation》中使用的B样条模型，D.Stoyanov,等在文献 《A practical approach towards accurate dense 3-D depth recovery for robotic laparoscopic surgery》中使用的分片双线性映射模型，W及R.Richa等在文献《Three- dimensional motion tracking for beating heart surgery using a thin-plate spline deformable model》中使用的薄板样条模型等。但是，上述方法中所采用的形变模 型为通用性模型，并非针对特定屯、脏表面而设计。运些模型在描述和表示屯、脏表面Ξ维形 态时，均存在实时性与准确性之间的矛盾。仿射变换模型，复杂度较低、实时性好，但模型过 于简单，无法准确表征屯、脏表面特有的Ξ维形态。分片双线性映、B样条和薄板样条模型，可 W通过大量控制点，精确刻画屯、脏表面Ξ维形态，但模型过于复杂，无法满足实时性要求。 由于屯、跳运动的准周期性，屯、脏表面目标区域在不同时刻的Ξ维形态具有一定规律性。而 上述模型均未能有效的利用运些屯、脏运动特性和统计规律，降低模型复杂度。
【发明内容】
[0005] 本发明的目的在于克服现有技术的不足，提供一种低复杂度的屯、脏表面Ξ维形态 在线建模系统及方法，通过提取待建模屯、脏表面目标区域的Ξ维形态历史数据的主分量， 建立新的适应该屯、脏表面形态特性和运动规律的低复杂度的线性最优的形态模型，实现对 屯、脏表面目标区域快速、准确的Ξ维重建。
[0006] 为实现上述发明目的，本发明一种低复杂度的屯、脏表面Ξ维形态在线建模方法， 其特征在于，包括W下步骤：
[0007] (1)、利用立体内窥镜视觉采集设备获取跳动屯、脏表面的多帖影像图像，并传输保 存在历史影像数据中；
[0008] (2)、依次处理历史影像数据中的每一帖影像图像，通过立体视觉匹配法获取每一 帖影像图像中屯、脏表面目标区域的Ξ维历史形态数据；
[0009] (3)、分别处理步骤(2)中所有的Ξ维历史形态数据，获得不同时刻屯、脏表面目标 区域各点相对其中屯、点的空间Ξ维坐标，再空间Ξ维坐标进行时域零均值化处理；
[0010] (4)、提取步骤(3)中处理完成后的Ξ维历史形态数据的主分量；
[0011] (5)、利用提取的主分量建立低复杂度形态模型，再从当前获取的立体影像中，通 过立体视觉匹配法确定该模型的参数，从而确定屯、脏表面目标区域当前的Ξ维形态。
[0012] 其中，所述步骤(3)中，处理Ξ维历史形态数据的具体步骤为：
[0013] (2.1)、设历史影像数据中共有K帖影像图像，每帖影像图像中屯、脏表面目标区域 共有N个目标点；
[0014] (2.2)、获取每帖影像图像中屯、脏表面目标区域各点相对其中屯、点的空间Ξ维坐 标，具体计算方程为：
[0015]
[0016] 其中，为目标区域中必点在第k化=1，2，. ..，Κ)帖时的Ξ维坐标列向量，料严 为屯、脏表面目标区域第n(n=l，2，...，N)个点在第k帖中的Ξ维坐标列向量，クf'为该点在 第k帖中相对中屯、点的空间Ξ维坐标列向量；
[0017] (2.3)、对所有帖的屯、脏表面目标区域各点的空间Ξ维坐标列向量进行时域零均 值化处理，具体计算方程为：
[001 引
[0019] 其中，办。脏表面目标区域第η个点在第k帖零均值化处理后的空间立维坐标 列向量，坑为屯、脏表面目标区域第η个点在第k帖中相对其中屯、点的Ξ维坐标平均值列向 量，即
[0020]
[0021 ]所述步骤(4)中，主分量的提取方法为：
[0022] (3.1)、利用步骤(3)处理后的空间Ξ维坐标列向量构造历史数据矩阵P;
[0023]
[0024] 其中，P为所构造的3NXK维的历史数据矩阵，N为屯、脏表面目标区域的总点数，Κ为 影像图像总帖数；
[0025] (3.2)、对构造历史数据矩阵Ρ进行奇异值分解，其分解结果可表示为：
[0026] ? = 1]八八
[0027] 其中，U是3ΝΧ3Ν的正交矩阵；Λ是3ΝΧΚ的对角矩阵，Λ的对角线元素（即矩阵Ρ的 奇异值)按由大到小顺序排列:aii含曰22 > ...含a3N3N> 0,其它非对角线元素值为零;V是ΚΧΚ 的正交矩阵；
[0028] (3.3)、提取历史数据矩阵P的主分量；设Λ中前Μ个奇异值的数值大于预设的阔 值，则提取正交矩阵U中的前Μ个列向量U1,112, ...，咖为主分量。
[0029] 所述步骤(5)中，确定出屯、脏表面目标区域当前Ξ维形态的方法为：
[0030] (4.1)、利用步骤(4)提取的主分量和屯、脏表面目标区域中屯、点的Ξ维坐标构建低 复杂度模型，具体模型方程为
[0031]
[0032] 其中，ii是由Ν个Ξ维单位列向1
狄向排列构成的3N维的列向量，i2是由N个
纵向排列构成的3N维的列向量，i 3是由N叶
纵向排列构成的3N维的列向量；
是步骤(2.3)中N个屯、脏表面目标区域点的Ξ维坐标平均值纵向排列构成的3N维 列向量;wi，W2, . . .，WM为各主分量的加权系数，x，y，z为目标区域中屯、点的空间Ξ维坐标；
为3N维的输出列向量，其包含了屯、脏表面目标区域N个点的Ξ维坐标值，可W表征 目标区域当前的Ξ维形态；
[0033] (4.2)、按照步骤(1)所述的方法获取跳动屯、脏表面的当前影像图像；
[0034] (4.3)、对当前影像图像进行立体视觉匹配，确定出参数wl，W2，...，WM和x，y，z，再 其代入到步骤(4.1)所述的模型方程，从而确定屯、脏表面目标区域当前的Ξ维形态。
[0035] 进一步的，本发明还提供一种低复杂度的屯、脏表面Ξ维形态在线建模系统，其特 征在于，包括：
[0036] -视觉数据采集设备，包括立体内窥镜镜体、连接光纤和数字相机;用于获取跳动 屯、脏表面的影像图像，并将采集的影像图像保存在历史影像数据中；
[0037] 一数据处理设备，主要包括:Ξ维历史形态检测模块、Ξ维历史形态数据处理模 块、主成分分析模块、低复杂度建模模块和Ξ维形态擅染模块;用于对采集到的影像图像进 行Ξ维历史形态检测、Ξ维历史形态数据处理、主成分分析、低复杂度建模计算和Ξ维形态 擅染；
[0038] 其中，所述的Ξ维历史形态检测模块，通过立体视觉匹配从多帖的历史影像图像 中，获得屯、脏表面目标区域的Ξ维历史形态数据；
[0039] 所述的Ξ维历史形态数据处理模块，用于获得不同时刻屯、脏表面目标区域点相对 其中屯、点的空间Ξ维坐标，并对各点的Ξ维坐标进行时域零均值化处理；
[0040] 所述的主成分分析模块，用于构造 Ξ维坐标数据矩阵，并对其进行主分量分析和 提取；
[0041] 所述的低复杂度建模模块，利用提取的主分量和中屯、点Ξ维坐标建立低复杂度形 态模型，基于当前获取的影像图像通过立