集成高光谱实时组织分析的智能宫腔取样方法及系统

摘要: 本发明涉及医用成像,具体是一种集成高光谱实时组织分析的智能宫腔取样方法、系统、计算机设备及存储介质。背景技术:1、随着高光谱成像技术的发展,其在医学领域的应用日...
集成高光谱实时组织分析的智能宫腔取样方法及系统

本发明涉及医用成像,具体是一种集成高光谱实时组织分析的智能宫腔取样方法、系统、计算机设备及存储介质。

背景技术:

1、随着高光谱成像技术的发展,其在医学领域的应用日益广泛。高光谱成像能够同时获取目标的空间信息和光谱信息,通过分析组织中血红蛋白、水分、胶原蛋白等分子成分的特定光谱特征,可以实现对组织生理状态的无创评估。在宫腔领域,已有研究尝试将高光谱成像技术应用于子宫内膜评估,例如通过宫腔镜导管将高光谱相机置入宫腔采集子宫内膜光谱数据。此外,亦有研究将高光谱成像用于区分子宫内膜月经周期阶段,探索其识别种植窗的可行性。在路径规划方面,bit*(batch informed trees)算法作为一种批处理informed搜索树算法,已被应用于移动机器人路径规划领域。ar可视化引导技术在内窥镜手术中亦有探索性应用。

2、然而,目前的宫腔取样方法仍主要依赖医生的经验性操作,取样位置的选择具有较大的随机性。在高光谱数据获取后,缺乏对光谱数据的实时智能分析手段,无法在操作过程中即时获得异常组织区域的位置信息以引导取样。现有技术中,高光谱成像系统获取的子宫内膜光谱数据通常需要离线分析,难以实现实时组织分析与取样引导的闭环。同时,取样路径的规划依赖于医生的主观判断,缺乏基于组织特征信息的自动化路径优化机制。上述不足导致宫腔取样的靶向性不足、操作效率偏低,难以满足临床对精准取样的需求。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种能够对子宫内膜高光谱数据进行实时组织分析以自动生成疑似病变区域的量化标注信息,进而通过多模态影像融合引导和路径规划执行精准取样的集成高光谱实时组织分析的集成高光谱实时组织分析的智能宫腔取样方法、系统、计算机设备及存储介质。

2、第一方面,本发明公开了一种集成高光谱实时组织分析的智能宫腔取样方法,所述方法包括:

3、获取子宫内膜的高光谱数据立方体后,对所述高光谱数据立方体进行实时处理,从所述高光谱数据立方体中提取与子宫内膜炎症和代谢异常相关的多波段光谱特征,将提取的所述光谱特征映射至预设的分子标志物库以识别异常区域,基于光谱特征相似度标注疑似病变区域,并根据多维度评分模型计算各所述疑似病变区域的取样优先级,其中所述多维度评分模型采用炎症指数、代谢活性和组织硬度的加权和计算所述取样优先级;

4、将所述高光谱数据立方体的分析结果与宫腔镜实时影像进行多模态影像融合以生成可视化引导界面,在所述可视化引导界面中叠加所述疑似病变区域的标注和取样路径,基于bit*算法和所述取样优先级动态规划最优取样路径,根据所述可视化引导界面的引导输出控制信号以执行对靶点的精准取样。

5、在其中一个实施例中,所述基于bit*算法和所述取样优先级动态规划最优取样路径包括:

6、获取取样起始点位置、各高优先级取样区域的目标点位置以及宫腔内危险区域的位置信息;

7、在宫腔空间内生成候选采样点,基于所述候选采样点构建初始搜索树;

8、通过路径成本函数计算从当前节点至候选采样点的路径成本,所述路径成本函数为从当前节点至所述候选采样点的空间距离与所述候选采样点处组织硬度的倒数的加权和;

9、根据所述路径成本更新所述搜索树并规划从所述取样起始点经所述候选采样点到达各所述目标点的候选路径;

10、对所述候选路径进行安全约束检查,将不满足安全约束的候选路径剔除,将满足安全约束的候选路径中路径成本最小的路径作为最优取样路径。

11、在其中一个实施例中,所述炎症指数为所述疑似病变区域在540nm波段与580nm波段的反射强度比值;所述代谢活性为所述疑似病变区域的nadh/fad比值;所述组织硬度通过所述疑似病变区域在1200nm波段的反射率与所述疑似病变区域的组织厚度的自然对数的乘积量化。

12、在其中一个实施例中,所述将所述高光谱数据立方体的分析结果与宫腔镜实时影像进行多模态影像融合,包括:

13、通过hsi-var模型将所述高光谱数据立方体压缩为三通道伪彩色图;

14、通过所述hsi-var模型保留所述高光谱数据立方体中的分子光谱特征;

15、将所述三通道伪彩色图与所述宫腔镜实时影像通过时空配准实现像素级叠加。

16、在其中一个实施例中,所述基于光谱特征相似度标注疑似病变区域,包括:

17、通过多波段特征融合网络从所述高光谱数据立方体中提取多尺度光谱特征;

18、通过光谱角度映射算法计算所述高光谱数据立方体中各像素点的光谱曲线与预存异常光谱库中光谱曲线的光谱夹角;

19、根据所述光谱夹角判定各像素点所属组织类型,将属于异常组织类型的像素点区域标注为疑似病变区域。

20、在其中一个实施例中,所述根据所述可视化引导界面的引导输出控制信号以执行对靶点的精准取样包括:

21、根据所述可视化引导界面输出控制信号,引导取样器移动至经所述最优取样路径所到达的高优先级取样区域;

22、当所述取样器接近所述高优先级取样区域时,通过触觉反馈传感器输出振动控制信号;

23、根据所述最优取样路径输出取样器的深度控制信号和角度控制信号;

24、取样完成后,记录取样位置、取样深度和取样区域的光谱特征。

25、在其中一个实施例中,在对所述高光谱数据立方体进行所述实时处理之前,还包括:对所述高光谱数据立方体进行实时预处理,所述实时预处理包括噪声去除、光谱校正和数据压缩。

26、第二方面,本技术公开了一种与前述的集成高光谱实时组织分析的智能宫腔取样方法相对应的系统,所述系统包括:

27、智能组织分析模块,用于获取子宫内膜的高光谱数据立方体后,对所述高光谱数据立方体进行实时处理,从所述高光谱数据立方体中提取与子宫内膜炎症和代谢异常相关的多波段光谱特征,将提取的所述光谱特征映射至预设的分子标志物库以识别异常区域,基于光谱特征相似度标注疑似病变区域,并根据多维度评分模型计算各所述疑似病变区域的取样优先级,其中所述多维度评分模型采用炎症指数、代谢活性和组织硬度的加权和计算所述取样优先级;

28、可视化引导控制模块,用于将所述高光谱数据立方体的分析结果与宫腔镜实时影像进行多模态影像融合以生成可视化引导界面,在所述可视化引导界面中叠加所述疑似病变区域的标注和取样路径,基于bit*算法和所述取样优先级动态规划最优取样路径,根据所述可视化引导界面的引导输出控制信号以执行对靶点的精准取样。

29、第三方面,本技术公开了一种计算机设备,包括存储器和处理器,所述存储器与所述处理器通信连接,且所述存储器上存储有能够被所述处理器执行的计算机程序,当所述计算机程序被所述处理器执行时,实现如上所述的集成高光谱实时组织分析的智能宫腔取样方法。

30、第四方面,本技术公开了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的集成高光谱实时组织分析的智能宫腔取样方法。

31、上述的集成高光谱实时组织分析的智能宫腔取样方法、系统、计算机设备及存储介质,通过对子宫内膜高光谱数据立方体的实时处理,提取与炎症和代谢异常相关的多波段光谱特征并映射至分子标志物库,基于光谱相似度自动生成疑似病变区域的标注信息,避免了传统取样方法中依赖医生经验判断取样位置的随机性和主观性。通过多维度评分模型对炎症指数、代谢活性和组织硬度进行加权计算,量化各疑似病变区域的取样优先级,使取样决策具备可量化的客观依据。通过将高光谱分析结果与宫腔镜实时影像进行多模态融合并生成可视化引导界面,在界面中叠加病变区域标注和取样路径,使医生能够在操作过程中直观获取异常组织的位置信息。通过基于bit*算法和取样优先级动态规划最优取样路径,并根据可视化引导界面的引导输出控制信号执行精准取样,实现了从组织分析、优先级量化到路径规划与取样执行的全流程闭环控制,提高了取样操作的精准度和效率,降低了操作风险。