一种虚拟支气管镜的构建方法与流程

技术特征：
1.一种虚拟支气管镜的构建方法，其特征在于：包括以下步骤：s1、读取并显示病患的胸部图像，使用基于深度学习的支气管树分割方法，快速分割出包含高级分支的高精度支气管树图像；s2、使用拓扑细化算法获得完整的支气管树中心线图像；s3、使用基于欧氏距离的路径规划算法快速准确的规划出一条漫游路径；s4、采用基于bezier曲线的路径插值平滑方法平滑漫游路径；s5、依据平滑好的路径循环变更虚拟相机及其焦点的位置实现虚拟相机的移动，即自动漫游。2.根据权利要求1所述的一种虚拟支气管镜的构建方法，其特征在于：步骤s1所述的基于深度学习的支气管树分割方法，包括使用3dcnns(convelutional neural networks)网络训练支气管树分割模型，具体为：首先对用于训练的胸部图像数据集进行归一化和裁剪等预处理操作；然后构建3d cnns网络进行训练，并保存训练好的模型。使用生成torch script文件和编译libtorch的相关操作实现从python到c 跨环境的模型读取调用。3.根据权利要求1所述的一种虚拟支气管镜的构建方法，其特征在于：步骤s2包含数据预处理阶段和细化算法的实现阶段，除了输入和输出图像类型之外，不需要定义其他任何参数，所述数据预处理阶段是将数据中的非零像素值设置为一来将其转换为二值图像，所述细化算法的实现阶段将执行一系列测试，以检查一个像素是否可以从对象中被侵蚀，在细化的过程中，需要对图像中的每一个像素进行此操作，并重复此操作，直到不再发生变化时停止。4.根据权利要求3所述的一种虚拟支气管镜的构建方法，其特征在于：步骤s2所述细化算法的实现阶段将通过以下四步判断一个像素是否被删除：(1)、如果当前像素是一个表面像素，则该测试一次只考虑3d中六个可能的方向中的一个，以便进行对称细化，即保证中心线不向物体的一侧移动；(2)、如果当前像素不是中心线的端点，则需要删除；(3)、如果删除的像素点不会改变欧拉特性，即如果删除该像素点时不会产生孔洞，则删除该像素点；(4)、如果当前点的删除不会改变连接对象的数量，则该像素点删除。5.根据权利要求1所述的一种虚拟支气管镜的构建方法，其特征在于：步骤s3包括寻找邻接体素进行路径搜索，通过计算得到多个邻接点中距离目标终点最近的邻接点解决分支处的路径选择问题，通过循环遍历重规划操作解决环绕分支结构处最短欧氏距离与最短测地距离不匹配的问题，从而快速获得准确的路径规划结果。6.根据权利要求5所述的一种虚拟支气管镜的构建方法，其特征在于：步骤s3中算法的理论时间复杂度为o(n2)，具体实现步骤如下：(1)首先对完整的三维中心线图像提取中心线全部体素坐标s＝{s
start
,...,s
end
}，令p＝{p
start
,...,p
end
}表示最终规划好的漫游路径坐标点集,并选取路径起点p
start
和终点p
end
；(2)利用医学图像体素排列规律寻找邻接点，获取反映体素之间x，y，z轴间距的spacing属性，若设spx,spy,spz分别代表图像体素之间x方向，y方向，z方向的间距，则体素之间是否邻接则可以通过计算体素坐标的欧氏距离判定，若两体素邻接则间距d应满足：
(3)寻找判定点的邻接点时，算法将遍历s，通过计算d搜寻到所有的邻接点，设判定点p
start
的坐标为(p
start1
,p
start2
,p
start3
)，点集s中任意点s
i
的坐标为(s
i1
,s
i2
,s
i3
)，则两点之间的距离d1表示为：(4)令b＝{b1,...,b
last
}代表所有分支点的集合，若判定点有多个邻接点时，该点为分支点加入点集b，令集合m＝{m1,...,m
last
}作为判定点的邻接点集，遍历邻接点集m，设路径终点p
end
的坐标为(p
end1
,p
end2
,p
end3
)，m中任意点m
i
坐标为(m
i1
,m
i2
,m
i3
)，则两点之间的距离d2表示为：找到d2最小的邻接点m
min
作为下一个路径点，并加入规划坐标点集p，将p
start
设为已访问，即从s中删除，将新的路径点作为当前判定点，重复上述操作，实现路径搜索和分支选择；(5)当前判定点没有任何邻接点时，初步规划结束，为解决在较高级支气管分支处存在最短欧氏距离与最短测地距离不匹配的情况，该算法对初步规划的终点与设定的终点进行比较，若不一致则算法会退回到最后一个分支点b
last
,并删除从b
last
到初步规划终点的错误分支并重新规划该部分，直到拼接点坐标与终点p
end
坐标相同时拼接结束，点集p＝{p
start
,...,p
end
}即为规划好的路径点集。7.根据权利要求1所述的一种虚拟支气管镜的构建方法，其特征在于：步骤s4使用基于三阶bezier曲线的插值方法平滑漫游路径，三次bezier曲线的组合公式如下：p(t)＝(1
‑
t)3p0 3t(1
‑
t)2p1 3t2(1
‑
t)p2 t3p3，其中参数t在[0,1]，三阶bezier曲线有四个控制点p0，p1，p2，p3，将规划路径p点集分成每四个相邻点为一组，最后不能被整除所剩的路径点因为对于整段路径影响很小，将被直接舍弃，平滑的同时进行等距离的插值操作。

技术总结
本发明公开了一种虚拟支气管镜的构建方法，介绍了使用深度学习方法提供构建虚拟支气管镜所需分割图像的方法，本发明提供的方法具体包括：首先对获取的肺部CT序列图像使用训练好的深度学习分割模型分割出支气管树；对分割出的支气管树图像使用三维拓扑细化算法提取出完整的中心线图像并获取其坐标点集；使用基于欧氏距离的三维医学图像路径规划算法在支气管树中心线复杂的多条分支路径中规划出所需的一条分支路径；使用基于Bezier曲线的路径插值平滑方法平滑漫游路径，最后通过循环变更虚拟相机及其焦点的位置实现自动漫游的目的。虚拟相机及其焦点的位置实现自动漫游的目的。虚拟相机及其焦点的位置实现自动漫游的目的。


技术研发人员：吴文彬 夏威 高欣
受保护的技术使用者：天津国科医工科技发展有限公司
技术研发日：2021.08.04
技术公布日：2021/11/14