[发明专利]针对肿瘤热消融的术前消融区域模拟方法及装置

说明书

针对肿瘤热消融的术前消融区域模拟方法及装置，方法包括：(1)选择适用于训练的数据，医生对术前术后影像进行标注，获得术前肝脏、术后消融区域以及针道；(2)将术后影像向术前影像配准，在配准过程中加入刚性限制，使得消融区域与针道区域不发生弹性形变，利用配准得到的形变场将针道信息与消融区域投影到术前图像上；(3)根据投影后的针道方向和位置信息以及对应的术中采用的功率时间生成理想热场分布图；(4)建立卷积神经网络，将理想热场分布图与术前图像根据术前肝脏掩模进行裁剪，将裁剪结果合并作为网络输入，以形变后的消融区域作为金标准进行学习，获得回归模型，在测试阶段实现对消融区域的预测。

技术领域

本发明涉及医学图像处理的技术领域，尤其涉及一种针对肿瘤热消融的术前消融区域模拟方法，以及针对肿瘤热消融的术前消融区域模拟装置，主要适用于基于深度学习引导的消融手术。

背景技术

微波消融手术过程中，医生将消融针经皮穿刺置入组织病灶位置处，消融针前极处发射微波，周围病灶组织受到微波辐射后温度上升，当周围病灶组织的热损伤超过一定限制，其蛋白质失活，产生消融区域，从而实现肿瘤的治疗。为了给医生提供不同病人对应的最佳消融方法，实现个体化适形消融，需要在术前规划阶段，根据术前影像提供的肿瘤以及重要组织血管的位置，设计入针的位置和方向，并在此基础上，模拟生成消融区域的范围。通过比较消融区域与肿瘤的位置大小关系，调整入针的位置和方向，从而最终确定适用于该病人的最佳消融方案，并指导后续术中真实消融，提高整体手术效率。因此，在术前规划中，根据消融针摆放位置方向，对消融区域大小形状的预测是设计最佳消融方案的基础。

消融区域成因复杂，其大小形状不仅与消融针的功率时间相关，同时也受周围血管的热沉效应、组织肿瘤组织特性等复杂因素影响。当前，使用的消融区域生成模型分为椭球模型和基于组织的比吸收率Specific Absorption Rate(SAR)分布模型。对于第一种模型，是将消融区域近似为椭球，椭球长轴方向为消融针入针方向，而长轴短轴的大小可由用户自定义或设定为经验数值。而SAR分布模型则体现了组织吸收微波后升高的温度，通过阿累尼乌斯方程计算热损伤，则可以确定消融针产生的消融区域范围。SAR分布模型与阿累尼乌斯热损伤方程包含了组织和血液的密度和比热，组织导热率以及血液灌注率等参数。因此相比椭球模型，SAR分布模型包含了影响消融区域生成的重要因素。但是，SAR模型在计算血管热沉效应时需要精确的血管分割结果，同时由于不同病人组织与血液的相关参数存在差异，并且这些参数的真实值很难获取，因此SAR分布模型求解的消融区域与真实消融效果依然有较大差异。这严重降低了术前规划对后续真实手术的临床指导意义。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种针对肿瘤热消融的术前消融区域模拟方法，其不仅避免了大量复杂参数的获取以及血管等相关组织的分割，而且预测得到的消融区域更加接近真实消融效果，使术前规划对后续真实手术具有临床指导意义。

本发明的技术方案是：这种针对肿瘤热消融的术前消融区域模拟方法，其包括以下步骤：

(1)选择适用于训练的数据，医生对术前术后影像进行标注，获得术前肝脏、术后消融区域以及针道；

(2)将术后影像向术前影像配准，在配准过程中加入刚性限制，使得消融区域与针道区域不发生弹性形变，利用配准得到的形变场将针道信息与消融区域投影到术前图像上；

(3)根据投影后的针道方向和位置信息以及对应的术中采用的功率时间生成理想热场分布图；

(4)建立卷积神经网络，将理想热场分布图与术前图像根据术前肝脏掩模进行裁剪，将裁剪结果合并作为网络输入，以形变后的消融区域作为金标准进行学习，获得回归模型，在测试阶段实

现对消融区域的预测。