[发明专利]手术穿刺路径智能自动化规划方法及系统和医疗系统

权利要求书

1.一种基于机器学习的手术穿刺路径智能自动化规划系统，其特征在于，包括：

训练数据及测试数据制作模块，其获取多个现有病例中的与待手术患者病灶所在区域相同的区域的样本图像数据，对该样本图像数据进行预处理，在经预处理后的该样本图像数据所表示的图像中标注重要血管、神经和关键组织、器官以及进针约束区域，制作训练数据及测试数据；

三维分割深度神经网络模型构造模块，其基于聚类的思想，构造三维分割深度神经网络损失函数，并设计三维分割深度神经网络结构，以由所述训练数据及测试数据制作模块标注的多模态数据作为训练数据输入该三维分割深度神经网络进行深度学习，训练得到三维分割深度神经网络模型；

分割识别模块，其获取所述待手术患者的所述病灶所在区域的样本图像数据，对该样本图像数据进行预处理，将经预处理后的该样本图像数据作为输入数据放入由所述三维分割深度神经网络模型构造模块训练完成的所述三维分割深度神经网络模型，利用所述三维分割深度神经网络模型对潜在穿刺路径周围重要血管、神经和关键组织、器官进行分割、识别，得到重要血管、神经和关键组织、器官的分割识别结果；

人体局部三维模型构建模块，其基于由所述分割识别模块得到的所述分割识别结果和获取的所述待手术患者的所述样本图像数据，对所述待手术患者的所述样本图像数据中的重要血管、神经和关键组织、器官以及靶点组织进行三维重构，构建人体局部三维模型；

安全进针约束区域确定模块，将在所述多个现有病例中标注的所述进针约束区域的样本图像数据作为深度学习目标检测算法的训练数据，训练得到用于进针区域检测的深度神经网络模型，使用该深度神经网络模型，基于给定的靶点位置及医学先验信息，确定符合医学要求的进针约束区域即安全进针约束区域；和

手术穿刺路径规划模块，其在由所述安全进针约束区域确定模块确定的所述安全进针约束区域内，以需要避开的血管、神经、组织、器官作为障碍物，使用三维空间轨迹规划算法得到最佳穿刺点及穿刺路径，基于穿刺视角对手术规划路径进行三维验证并就穿刺过程进行三维模拟，完成手术穿刺路径规划，

聚类是指将多个对象的集合分成由类似的对象组成的多个类别的过程，通过聚类生成的一组对象的集合称为簇，同一个簇中的对象彼此相似、且与其它簇中的对象相异，某一类别特征的中心称为质心即簇心，

所述三维分割深度神经网络模型构造模块基于聚类的思想构造所述三维分割深度神经网络损失函数时，使得在特征空间，同一类别的特征与其类内质心距离尽可能小，与不同类别的质心距离尽可能大，

由所述三维分割深度神经网络模型构造模块构造的所述三维分割深度神经网络损失函数包括下述三个部分：

(1)方差项L_var，其用于在特征空间使同一类别的数据向其簇心聚集的拉力；

(2)距离项L_dist，其用于在特征空间使不同类别的簇心之间相互远离的斥力；和

(3)正则化项L_reg，其用于在特征空间使所有的簇心向原点的拉力，

设当同一类别的数据距离其簇心的距离小于阈值δ_v时，方差项L_var产生的拉力将不再产生作用，

设当两个不同类别簇心之间的距离大于阈值2δ_d时，距离项L_dist产生的斥力将不再产生作用，

设所述三维分割深度神经网络模型构造模块使用的所述训练数据的类别数为C，第c类含有的元素个数为N_c，x_i为第c类中的元素，μ_c为第c类的簇心，||·||表示L2距离即定义[x]₊＝max(0，x)时，方差项L_var、距离项L_dist和正则化项L_reg分别由下述式子表示：

其中，1≤c≤C，1≤i≤N_c，表示类别A的簇心，表示类别B的簇心，

所述三维分割深度神经网络损失函数由下述的L表示：

L＝α·L_var+β·L_dist+γ·L_reg

其中，α、β、γ为权重项，0＜α≤10，0＜β≤10，0＜γ≤1。