辅助手术的数据处理方法、装置、设备、介质与系统与流程

1.本发明涉及医疗领域，尤其涉及一种辅助手术的数据处理方法、装置、设备、介质与系统。


背景技术：

2.在手术之前，可获取人体的体内构造的检查数据，其中的检查数据可例如ct数据。然后，可基于检查数据而设计手术辅助信息(例如针对目标人体的穿刺位置、穿刺方向等)。
3.然而，手术时，人体的位姿具有不确定性，位姿的不确定性将会导致所设计的手术辅助信息的准确性与有效性难以得到保障。


技术实现要素：

4.本发明提供一种辅助手术的数据处理方法、装置、设备、介质与系统，以解决难以保障手术辅助的准确性与有效性的问题。
5.根据本发明的第一方面，提供了一种辅助手术的数据处理方法，包括：
6.获取目标人体对应的当前人体轮廓模型；
7.通过比对所述当前人体轮廓模型与参考人体轮廓模型，确定所述目标人体的当前位姿信息是否匹配于参考位姿信息，所述参考位姿信息为所述目标人体匹配于所述参考人体轮廓模型时的位姿信息。
8.可选的，所述当前人体轮廓模型、所述参考人体轮廓模型是由深度相机检测床板上的所述目标人体而得到的；所述当前人体轮廓模型是当前检测到的，所述参考人体轮廓模型是所述目标人体做术前检查时检测到的，且检测所述当前人体轮廓模型时深度相机与床板的相对位姿匹配于检测所述参考人体轮廓模型时深度相机与床板的相对位姿。
9.可选的，所述的数据处理方法，还包括：
10.若所述当前位姿信息匹配于参考位姿信息，则：产生手术执行指示，所述手术执行指示被用于对外指示出：允许对所述目标人体执行手术。
11.可选的，通过比对所述当前人体轮廓模型与所述参考人体轮廓模型，确定所述当前位姿信息是否匹配所述参考位姿信息，包括：
12.确定所述当前人体轮廓模型与所述参考人体轮廓模型间的目标位姿变换信息；所述目标位姿变换信息表征了：将所述当前人体轮廓模型与所述参考人体轮廓模型变换为位姿相同或相近的变换方式；
13.基于所述目标位姿变换信息，确定所述当前位姿信息是否匹配所述参考位姿信息。
14.可选的，确定所述当前人体轮廓模型与所述参考人体轮廓模型间的目标位姿变换信息，包括：
15.将所述当前人体轮廓模型与所述参考人体轮廓模型中任意之一作为第一模型，并将所述当前面模型与所述参考人体轮廓模型中的另一模型作为第二模型；
16.提取所述第一模型中的多个特征点，得到所述多个特征点形成的第一稀疏模型；
17.多次确定所述第一稀疏模型的不同的第一位姿变换矩阵；
18.在每次确定所述第一位姿变换矩阵后，均基于所述第一位姿变换矩阵对所述第一稀疏模型进行位姿变换，得到位姿变换后的第二稀疏模型，并计算第二稀疏模型相对于所述第二模型的第一位姿偏差；
19.确定所述第一位姿偏差最小的第一位姿变换矩阵作为初步位姿变换矩阵；
20.基于所述初步位姿变换矩阵，确定所述目标位姿变换信息。
21.可选的，所述第一模型包括多个第一位置点；
22.提取所述第一模型中的多个特征点，包括；
23.计算所述第一模型在每个第一位置点处的曲率信息；
24.基于所述曲率信息，对所述第一位置点进行筛选，得到筛选出来的第一位置点作为所述特征点。
25.可选的，提取到的特征点包括第一特征点；
26.基于所述曲率信息，对所述第一位置点进行筛选，得到筛选出来的第一位置点作为所述特征点，包括：
27.在所有第一位置点中筛选出曲率信息满足预设的第一筛选条件的第一位置点作为所述第一特征点，或者：将所述第一模型划分为多个区域范围，并在每个区域范围中筛选出曲率信息满足预设的第二筛选条件的第一位置点作为所述第一特征点；
28.所述第一筛选条件包括：
29.在以曲率信息自大至小的顺序对所有第一位置点进行排序后，筛选出排序靠前的若干第一位置点；和/或：在所有第一位置点中，筛选出曲率信息大于预设的第一曲率阈值的第一位置点；
30.所述第二筛选条件包括：
31.在以曲率信息自大至小的顺序对任一区域范围内第一位置点进行排序后，筛选出排序靠前的若干第一位置点；和/或：在任一区域范围内的第一位置点中，筛选出曲率信息大于预设的第二曲率阈值的第一位置点。
32.可选的，所述第一稀疏模型中的每个特征点经所述第一位姿变换矩阵变换后均能形成所述第二稀疏模型中的一个变换后特征点；所述第二模型包括多个第二位置点；
33.计算所述第二稀疏模型相对于所述第二模型的第一位姿偏差，包括：
34.针对每个第一特征点的变换后特征点，利用knn邻近算法搜寻两个第二位置点，并计算该第一特征点的变换后特征点相对于搜寻到的两个第二位置点所形成直线的第一距离，
35.对所有第一特征点对应的第一距离进行求和，并基于对应的求和结果，确定所述第一位姿偏差。
36.可选的，提取到的特征点包括第二特征点；
37.基于所述曲率信息，对所述第一位置点进行筛选，得到筛选出来的第一位置点作为所述特征点，包括：
38.在所有第一位置点中，筛选出曲率信息满足预设的第三筛选条件的第一位置点作为所述第二特征点，或者：将所述第一模型划分为多个区域范围，并在每个区域范围中筛选
出曲率信息满足预设的第四筛选条件的第一位置点作为所述第二特征点；
39.所述第三筛选条件包括：
40.在以曲率信息自大至小的顺序对所有第一位置点进行排序后，筛选出排序靠后的若干第一位置点；和/或：在所有第一位置点中，筛选出曲率信息小于预设的第三曲率阈值的第一位置点；
41.所述第四筛选条件包括：
42.在以曲率信息自大至小的顺序对任一区域范围内第一位置点进行排序后，筛选出排序靠后的若干第一位置点；和/或：在任一区域范围内的第一位置点中，筛选出曲率信息小于预设的第四曲率阈值的第一位置点。
43.可选的，所述第一稀疏模型中的每个特征点经所述第一位姿变换矩阵变换后均能形成所述第二稀疏模型中的一个变换后特征点；所述第二模型包括多个第二位置点；
44.计算所述第二稀疏模型相对于所述第二模型的第一位姿偏差，包括：
45.针对每个第二特征点的变换后特征点，利用knn邻近算法搜寻三个第二位置点，并计算该第二特征点的变换后特征点相对于搜寻到的三个第二位置点所形成平面的第二距离，
46.对所有第二特征点对应的第二距离进行求和，并基于对应的求和结果，确定所述第一位姿偏差。
47.可选的，基于所述初步位姿变换矩阵，确定所述目标位姿变换信息，包括：
48.多次确定不同的第二位姿变换矩阵，并在每次确定所述第二位姿变换矩阵后，均基于所述第二位姿变换矩阵对所述第一稀疏模型进行位姿变换，得到第三稀疏模型，并计算所述第三稀疏模型相对于所述第二模型的第二位姿偏差；其中，所述第二位姿变换矩阵与所述初步位姿变换矩阵之间的差异小于预设的差异阈值；
49.确定所述第二位姿偏差最小的第二位姿变换矩阵作为所述目标位姿变换信息。
50.可选的，基于所述目标位姿变换信息，确定所述当前位姿信息是否匹配所述参考位姿信息，包括：
51.若表征所述目标位姿变换信息的目标位姿变换矩阵匹配于预设的标准矩阵，则确定所述当前位姿信息匹配所述参考位姿信息；所述标准矩阵被用于表征出所述当前人体轮廓模型与所述参考人体轮廓模型位姿相同时的相对位姿变换矩阵。
52.可选的，所述的数据处理方法，还包括：
53.对外显示出所述当前人体轮廓模型和/或所述参考人体轮廓模型。
54.根据本发明的第二方面，提供了一种辅助手术的数据处理装置，包括：
55.检测模块，用于获取目标人体对应的当前人体轮廓模型；
56.比对模块，用于通过比对所述当前人体轮廓模型与所述参考人体轮廓模型，确定所述目标人体的当前位姿信息是否匹配参考位姿信息
57.根据本发明的第三方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面及其可选方案涉及的方法。
58.根据本发明的第四方面，提供了一种手术系统，包括数据处理部与用于检测目标人体的当前位姿信息的检测设备；所述数据处理部用于执行第一方面及其可选方案涉及的方法。
59.本发明提供的辅助手术的数据处理方法、装置、设备、介质与系统中，可获取目标人体的当前人体轮廓模型；进而，可得到当前人体轮廓模型与参考人体轮廓模型间的比对结果，为目标人体的位姿调整提供充分的依据，有利于使得：调整后的当前位姿信息可匹配于参考位姿信息，避免了位姿的不确定性而影响其他手术辅助手段(例如所提供的辅助数据)的准确性与有效性，有助于保障手术辅助手段的准确性与有效性。
附图说明
60.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
61.图1是本发明一示例性的实施例中手术系统的构造示意图；
62.图2是本发明另一示例性的实施例中手术系统的构造示意图；
63.图3是本发明一示例性的实施例中辅助手术的数据处理方法的流程示意图；
64.图4是本发明一示例性的实施例中当前人体轮廓模型的示意图；
65.图5是本发明一示例性的实施例中参考人体轮廓模型的示意图；
66.图6是本发明另一示例性的实施例中辅助手术的数据处理方法的流程示意图；
67.图7是本发明一示例性的实施例中确定当前位姿信息是否匹配参考位姿信息的流程示意图；
68.图8是本发明一示例性的实施例中确定目标位姿变换信息的流程示意图；
69.图9是本发明一示例性的实施例中确定特征点的流程示意图；
70.图10是本发明一示例性的实施例中针对第一特征点确定第一位姿偏差的流程示意图；
71.图11是本发明一示例性的实施例中针对第二特征点确定第一位姿偏差的流程示意图；
72.图12是本发明一示例性的实施例中基于初步位姿变换矩阵确定目标位姿变换信息的流程示意图；
73.图13是本发明一示例性的实施例中确定辅助数据的流程示意图；
74.图14是本发明一示例性的实施例中显示当前人体轮廓模型与参考人体轮廓模型的示意图；
75.图15是本发明一示例性的实施例中辅助手术的数据处理装置的程序模块示意图；
76.图16是本发明一示例性的实施例中辅助手术的数据处理装置的程序模块示意图；
77.图17是本发明一示例性的实施例中电子设备的构造示意图。
具体实施方式
78.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
79.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
80.下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
81.请参考图1，其中的手术系统，包括数据处理部101与检测设备102。
82.检测设备102，可以为能够对人体的人体轮廓模型进行检测的任意设备，换言之，只要检测设备102所检测到的信息可体现出人体轮廓，不论检测设备102所检测到的信息具体为何，也不论其是否还体现出了其他信息，均不脱离本发明实施例的范围。
83.其中的数据处理部101，可以为任意具备数据处理能力的设备或设备的组合，数据处理部101可以有线或无线的方式与检测设备102通信，此外，数据处理部101可用于执行本发明实施例提供的辅助手术的数据处理方法。
84.图2所示的实施例中，数据处理部201相同或相似于图1所示实施例中的数据处理部101，对于相同或相似的内容，在此不再赘述。
85.其中一种实施方式中，检测设备可以采用深度相机202，通过深度相机202能检测出拍摄空间的景深距离，进而，当目标人体处于拍摄空间内时，可得到目标人体表面各处的景深距离，基于该景深距离，即可体现出目标人体在床板上的位姿。此时，该景深距离可作为一种检测信息。基于检测信息，深度相机或数据处理部可在以深度相机为基准的一个目标坐标系中，构建出目标人体的模型(例如当前人体轮廓模型、参考人体轮廓模型)，其中可包括目标人体(整个身体或部分身体)的点云。
86.在构建当前人体轮廓模型、参考人体轮廓模型时，也可对其中的点云进行过滤，例如可过滤掉背景部分(例如采用pcl点云去背景算法实现)，从而保留目标人体的部分，或者保留目标人体与床板的部分；
87.其中，当前人体轮廓模型与参考人体轮廓模型均为深度相机检测床板上的所述目标人体而得到的，区别主要体现在：所述当前人体轮廓模型是当前检测到的，所述参考人体轮廓模型是所述目标人体做术前检查时检测到的，且检测所述当前人体轮廓模型时深度相机与床板的相对位姿匹配于检测所述参考人体轮廓模型时深度相机与床板的相对位姿，也就是，检测当前人体轮廓模型时深度相机与床板的相对位姿、检测参考人体轮廓模型时深度相机与床板的相对位姿是相同或者相似的。
88.在本发明实施例的数据处理方法的具体实现过程中，所述当前人体轮廓模型与所述参考人体轮廓模型可处于同一坐标系。
89.此外，该拍摄空间中，设有床板203，目标人体处于床板203时，深度相机202的检测信息还可包括床板各位置的景深距离。对应的，所构建的模型(例如当前人体轮廓模型、参考人体轮廓模型)中除了包括目标人体的点云，还可包括床板的点云，均可理解为模型(例如当前人体轮廓模型、参考人体轮廓模型)中的点云。
90.深度相机202可例如为tof相机、双目相机等。
91.一种举例中，深度相机202可发出波(例如光波、超声波、声波等)，发射出来的波将抵达对应的物体(例如目标人体、床板)，然后，可通过一定算法计算波往返的时间差(或其他相关信息)，从而基于此得到景深信息。
92.图3所示实施例中，辅助手术的数据处理方法，包括：
93.s301：获取目标人体的当前人体轮廓模型；
94.所述当前人体轮廓模型可模拟出目标人体在深度相机的拍摄场景中的位姿、形态。
95.当前人体轮廓模型中，可模拟目标人体的部分部位的体表(例如上半身正面的体表)，也可模拟出全部部位的体表，当前人体轮廓模型中还可模拟出目标人体所处床板(或其他环境对象)表面；
96.在图4所示的举例中，当前人体轮廓模型可包括躯干模型部分401与床板模型部分402，躯干模型部分401可理解为模拟了目标人体部分躯干部分正面、侧面的体表，床板模型部分402可理解为模拟了床板表面；
97.s302：通过比对所述当前人体轮廓模型与参考人体轮廓模型，确定所述目标人体的当前位姿信息是否匹配于参考位姿信息；
98.其中的当前位姿信息，其可以为能够对目标人体当前的位姿进行描述的任意信息；其中的参考位姿信息，其可以为能够对目标人体的位姿进行描述的任意信息，具体可以表征所述目标人体做术前检查时目标人体的位姿；
99.一种实施方式中，所述参考人体轮廓模型被用于模拟出目标人体在深度相机的拍摄场景中的位姿、形态。
100.一种举例的参考人体轮廓模型可如图5所示，参考人体轮廓模型包括躯干模型部分501。此外，参考人体轮廓模型中也可模拟出人体之外其他对象(例如床板)的表面。
101.本发明具体举例中所提及的体表，可以包括人体皮肤表面和/或人体衣物外表面。
102.其中，当前人体轮廓模型与参考人体轮廓模型比对时，一种举例中，若当前人体轮廓模型的位姿与参考人体轮廓模型的位姿相同或相似程度超出阈值，可确定当前位姿信息与参考位姿信息匹配。
103.以上方案中，可获取目标人体的当前人体轮廓模型；进而，可得到当前人体轮廓模型与参考人体轮廓模型间的比对结果，为目标人体的位姿调整提供充分的依据，有利于使得：调整后的当前位姿信息可匹配于参考位姿信息，避免了位姿的不确定性而影响其他手术辅助手段(例如所提供的辅助数据)的准确性与有效性，有助于保障手术辅助手段的准确性与有效性。
104.图6所示实施例中的步骤s601、s602与图3所示实施例中的步骤s301、s302相同或相似，对于相同或相似的部分，在此不再赘述。
105.其中一种实施方式中，请参考图6，所述的数据处理方法，还包括：
106.s603：若所述当前位姿信息匹配于参考位姿信息，则：产生手术执行指示。
107.所述手术执行指示被用于对外指示出：允许对所述目标人体执行手术。
108.该指示可通过视觉、听觉、触觉等任意一种可被人感知的方式发出，或者以通信发出至终端(或其他设备)，进而通过该终端(或其他设备)的交互手段进行反馈。
109.进而，通过当前人体轮廓模型与参考人体轮廓模型的比对，可较为准确地判断出当前位姿信息是否与参考位姿信息匹配，保障了手术执行指示产生时机的准确性。
110.其中一种实施方式中，请参考图7，通过比对所述当前人体轮廓模型与所述参考人体轮廓模型，确定所述当前位姿信息是否匹配参考位姿信息的过程，可以包括：
111.s701：确定所述当前人体轮廓模型与所述参考人体轮廓模型间的目标位姿变换信息；
112.所述目标位姿变换信息表征了：将所述当前人体轮廓模型与所述参考人体轮廓模型变换为位姿相同或相近的变换方式；例如可以为当前人体轮廓模型与参考人体轮廓模型的目标位姿变换矩阵，该目标位姿变换矩阵具体可包括目标平移矩阵与目标旋转矩阵；
113.s702：基于所述目标位姿变换信息，确定所述当前位姿信息是否匹配所述参考位姿信息。
114.步骤s702中，可基于标准矩阵而实现判断，所述标准矩阵被用于表征出所述当前人体轮廓模型与所述参考人体轮廓模型位姿相同时的相对位姿变换矩阵；进而，若表征所述目标位姿变换信息的目标位姿变换矩阵匹配于预设的标准矩阵，则确定所述当前位姿信息匹配所述参考位姿信息；
115.其中的匹配，可以为相同，也可以为差异小于标准阈值，进而：
116.步骤s702的一种举例中，若表征所述目标位姿变换信息的目标位姿变换矩阵为预设的标准矩阵，则确定所述当前位姿信息匹配所述参考位姿信息；
117.步骤s702的另一种举例中，若所述目标位姿变换矩阵与所述标准矩阵的差异小于标准阈值，则确定所述当前位姿信息匹配所述参考位姿信息。
118.进而，可通过计算当前人体轮廓模型与参考人体轮廓模型间如何实现位姿变换，体现出两者的位姿差距，据此，可准确判断出目标人体的位姿是否调整至与参考位姿信息相匹配。
119.其中一种实施方式中，请参考图8，确定所述当前人体轮廓模型与所述参考人体轮廓模型间的目标位姿变换信息的过程，可以包括：
120.s801：将所述当前人体轮廓模型与所述参考人体轮廓模型中任意之一作为第一模型，并将所述当前面模型与所述参考人体轮廓模型中的另一模型作为第二模型；
121.s802：提取所述第一模型中的多个特征点，得到所述多个特征点形成的第一稀疏模型；
122.s803：多次确定所述第一稀疏模型的不同的第一位姿变换矩阵，在每次确定所述第一位姿变换矩阵后，均基于所述第一位姿变换矩阵对所述第一稀疏模型进行位姿变换，得到位姿变换后的第二稀疏模型，并计算第二稀疏模型相对于所述第二模型的第一位姿偏差；
123.s804：确定所述第一位姿偏差最小的第一位姿变换矩阵作为初步位姿变换矩阵；
124.s805：基于所述初步位姿变换矩阵，确定所述目标位姿变换信息。
125.所述第一模型包括多个第一位置点；第二模型包括多个第二位置点；若第一模型为当前人体轮廓模型，则第二模型为参考人体轮廓模型；若第一模型为参考人体轮廓模型，则第二模型为当前人体轮廓模型；
126.其中的特征点，可以根据需求而任意选取，进而，通过特征点的确定，可有效降低
数据量，提高处理效率，与此同时，所选特征点可以便于更专注地体现出体表的形状特点，为位姿变换矩阵的选择、计算提供充分的依据。
127.经过步骤s803的处理，可通过重复的计算，在尝试多种第一位姿变换矩阵后，找到可以令变换后的第一模型与第二模型的位姿较为接近(即第一位姿偏差最小)的位姿变换矩阵(例如旋转矩阵与平移矩阵)。在尝试的过程中，可先随机确定位姿变换矩阵，然后以指定的第一改变步长改变第一位姿变换矩阵，得到新的第一位姿变换矩阵；
128.一种举例中，若第一位姿变换矩阵包括平移矩阵与旋转矩阵，则：以指定的第一改变步长改变第一位姿变换矩阵，得到新的第一位姿变换矩阵的过程，可例如：以设定好的第一变化量改变平移矩阵中的数值和/或旋转矩阵中的数值，得到新的第一位姿变换矩阵。
129.一种举例中，可基于所算出的第一位姿偏差，通过最小二乘法等方式，迭代更新第一位姿变换矩阵，不断减小第一位姿偏差，直到第一位姿偏差满足所设定的偏差阈值，得到一个相对准确的第一位姿变换矩阵。
130.步骤s804中所确定的初步位姿变换矩阵，可以为一个，也可以为多个。
131.步骤s805中的目标位姿变换信息，可以为初步位姿变换矩阵本身，也可以为在初步位姿变换矩阵基础上进行运算所确定的其他任意位姿变换矩阵。
132.通过以上步骤的处理过程，可以较小的处理数据量而实现目标位姿变换信息的准确确定。
133.其中一种实施方式中，请参考图9，提取所述第一模型中的多个特征点，的过程，可以包括：
134.s901：计算所述第一模型在每个第一位置点处的曲率信息；
135.s902：基于所述曲率信息，对所述第一位置点进行筛选，得到筛选出来的第一位置点作为所述特征点。
136.任一第一位置点的曲率信息，可理解为：任一第一位置点与周围第一位置点可形成面(曲面或平面)，该面的曲率可视作所述任一第一位置点的曲率信息，该面可例如为任一第一位置点为中心的曲面或平面；曲率可以是法曲率、主曲率、高斯曲率、平均曲率等，本领域任意可计算曲率的方式，均可作为一种可选方案。
137.步骤s902中基于曲率信息的筛选，可例如选择曲率信息较大的第一位置点作为特征点，和/或：选择曲率信息较小的第一位置点作为特征点。其他部分举例中，也可选择曲率信息处于特定的一个或多个取值范围内的第一位置点作为特征点，该取值范围可参照体表部分部位常见的曲率而设计。
138.若选择曲率信息较大的第一位置点作为特征点，则：
139.一种举例中，步骤s902可例如包括：
140.在所有第一位置点中筛选出曲率信息满足预设的第一筛选条件的第一位置点作为所述第一特征点；
141.其中，第一筛选条件包括：在以曲率信息自大至小的顺序对所有第一位置点进行排序后，筛选出排序靠前的若干第一位置点；和/或：在所有第一位置点中，筛选出曲率信息大于预设的第一曲率阈值的第一位置点。
142.另一种举例中，步骤s902可例如包括：
143.将所述第一模型划分为多个区域范围，并在每个区域范围中筛选出曲率信息满足
预设的第二筛选条件的第一位置点作为所述第一特征点；
144.其中，第二筛选条件包括：在以曲率信息自大至小的顺序对任一区域范围内第一位置点进行排序后，筛选出排序靠前的若干第一位置点；和/或：在任一区域范围内的第一位置点中，筛选出曲率信息大于预设的第二曲率阈值的第一位置点。
145.以上方案中，由于体表中弯曲程度较高部分(即曲率信息较大的第一位置点的部分)可较为显著地体现出体表中具有显著形状的部分(例如肩膀、身体的侧面等)，以及人体与环境(例如床板)的边界，从而为模型间的配准(即目标位姿变换信息的确定)提供充分、可靠的依据，保障所使用的特征点能有助于反映出模型间位姿的异同。
146.若选择曲率信息较小的第一位置点作为特征点，则：
147.一种举例中，步骤s902可例如包括：
148.在所有第一位置点中，筛选出曲率信息满足预设的第三筛选条件的第一位置点作为所述第二特征点，其中，第三筛选条件包括：在以曲率信息自大至小的顺序对所有第一位置点进行排序后，筛选出排序靠后的若干第一位置点；和/或：在所有第一位置点中，筛选出曲率信息小于预设的第三曲率阈值的第一位置点；
149.另一举例中，步骤s902可例如包括：
150.将所述第一模型划分为多个区域范围，并在每个区域范围中筛选出曲率信息满足预设的第四筛选条件的第一位置点作为所述第二特征点。
151.其中，第四筛选条件包括：
152.在以曲率信息自大至小的顺序对任一区域范围内第一位置点进行排序后，筛选出排序靠后的若干第一位置点；和/或：在任一区域范围内的第一位置点中，筛选出曲率信息小于预设的第四曲率阈值的第一位置点。
153.以上方案中，由于曲率较小处通常意味着床板或体表中比较平滑的部分，其在第一模型、第二模型间的差异比较小，可以为第一模型与第二模型间的配准(即目标位姿变换信息的确定)提供稳定的依据，通过确定出第一模型与第二模型中属于平面上的特征点之间的位姿差异，可以更加准确地反映出模型间位姿的异同。
154.此外，其中的多个区域范围可以是均匀划分的，也可以是非均匀划分的。通过分区域范围的特征点提取，可避免特征点集中，从而利用所提取的特征点体现出整个第一模型的位姿。
155.其中一种实施方式中，所述第一稀疏模型中的每个特征点经所述第一位姿变换矩阵变换后均能形成所述第二稀疏模型中的一个变换后特征点；所述第二模型包括多个第二位置点；
156.请参考图10，计算所述第二稀疏模型相对于所述第二模型的第一位姿偏差的过程，可例如包括：
157.s1001：针对每个第一特征点的变换后特征点，利用knn邻近算法搜寻两个第二位置点；
158.s1002：计算该第一特征点的变换后特征点相对于搜寻到的两个第二位置点所形成直线的第一距离，
159.s1003：对所有第一特征点对应的第一距离进行求和，并基于对应的求和结果，确定所述第一位姿偏差。
160.其中的knn具体指k-nearest neighbor，也可理解为k最邻近法。
161.一种举例中，任意一个第一特征点p1，进行一定的旋转和平移后得到点p2，此即为第一特征点p1的变换后特征点，对p2，可通过knn邻近算法搜索，得到2个距离较近的点(即搜寻到的两个第二位置点)，利用点到直线的距离公式，可构建误差函数，得到误差函数的函数值作为第一误差分量；
162.该距离公式可例如：
[0163][0164]
其中，distance1可理解为第一距离，
[0165]
p(m)、p(n)分别表示所述两个第二位置点的坐标；
[0166]
p(k)表示p2点(即第一特征点的变换后特征点)的坐标；
[0167]
其中：
[0168]
|d|的表达形式所表征的运算为求向量d的模长。
[0169]
以上仅为第一距离的一种可选的计算方式，本领域任意计算点与直线之间距离的手段，均可应用于此而作为一种可选方案。
[0170]
其中的第一误差分量可以是以上第一距离本身，也可以是基于第一距离而计算出的其他任意信息。第一位姿偏差，可以采用该第一误差分量，也可基于第一误差分量而计算出一个值作为第一位姿偏差。
[0171]
以上方案中，由于第一特征点是曲率较大的第一位置点，所以，其所配准的第二位置点应该也是曲率较大的曲面，而曲面与点之间的距离难以通过单一的数值来体现，所以，通过第一特征点的变换后特征点与直线的第一距离，可体现出第一特征点的变换后特征点与第二模型是否足够接近，进而利用这种接近程度能准确体现出第二稀疏模型与第二模型的位姿是否匹配。
[0172]
其中一种实施方式中，请参考图11，计算所述第二稀疏模型相对于所述第二模型的第一位姿偏差，可例如包括：
[0173]
s1101：针对每个第二特征点的变换后特征点，利用knn邻近算法搜寻三个第二位置点；
[0174]
s1102：计算该第二特征点的变换后特征点相对于搜寻到的三个第二位置点所形成平面的第二距离，
[0175]
s1103：对所有第二特征点对应的第二距离进行求和，并基于对应的求和结果，确定所述第一位姿偏差。
[0176]
一种举例中，任意一个第二特征点p3，假设该第二特征点p3经过第一位姿变换矩阵的一定旋转和平移，可移动得到变换后特征点p4，此时，可利用knn邻近算法对p4点进行k近邻搜索，得到3个距离较近的点(即所述三个第二位置点)，利用点到平面的距离公式，可构建误差函数，得到误差函数的函数值作为第二误差分量，该距离公式可例如：
[0177][0178]
其中：
[0179]
distance2可理解为第二距离，
[0180]
p(j)、p(l)、p(m)分别表示所述三个第二位置点的坐标；
[0181]
p(i)表示p4点(即第二特征点的变换后特征点)的坐标；
[0182]
其中[a,b,c]的表达形式所表征的运算为向量a、向量b、向量c的混合积，进而，[p(j)-p(l),p(i)-p(m),p(i)-p(j)]即表明：p(j)-p(l)、p(i)-p(m)、p(i)-p(j)这三个向量的混合积；
[0183]
其中|d|的表达形式所表征的运算为求向量d的模长，进而，|(p(j)-p(l))x(p(i)-p(m))|即表明：(p(j)-p(l))x(p(i)-p(m))这个向量的模长。
[0184]
以上仅为第二距离的一种可选的计算方式，本领域任意计算点与面之间距离的手段，均可应用于此而作为一种可选方案。
[0185]
其中的第二误差分量可以是以上第二距离本身，也可以是基于第二距离而计算出的其他任意信息。第一位姿偏差，可以采用该第二误差分量，也可基于第二误差分量而计算出一个值作为第一位姿偏差。
[0186]
以上方案中，由于第二特征点是曲率较小的第一位置点，所以，其所配准的第二位置点应该也是曲率较小的面(例如包括平面)，而曲率较小的面(例如平面)与点之间的距离可以直接通过点与面间的距离的单一数值来体现，所以，通过第二特征点的变换后特征点与平面的第二距离，可体现出第二特征点的变换后特征点与第二模型是否足够接近，进而利用这种接近程度能准确体现出第二稀疏模型与第二模型的位姿是否匹配。
[0187]
在一种进一步的举例中，图10所示实施例与图11所示实施例可结合在一起，进而，既取第一特征点，又取第二特征点，此时，步骤s1203与步骤s1103可整合在一起，例如可取第一误差分量与第二误差分量的总和(或其他统计值)作为第一位姿偏差。
[0188]
其中一种实施方式中，请参考图12，基于所述初步位姿变换矩阵，确定所述目标位姿变换矩阵的过程，可以包括：
[0189]
s1201：多次确定不同的第二位姿变换矩阵，并在每次确定所述第二位姿变换矩阵后，均基于所述第二位姿变换矩阵对所述第一稀疏模型进行位姿变换，得到第三稀疏模型，并计算所述第三稀疏模型相对于所述第二模型的第二位姿偏差；
[0190]
s1202：确定所述第二位姿偏差最小的第二位姿变换矩阵作为所述目标位姿变换信息。
[0191]
所述第二位姿变换矩阵与所述初步位姿变换矩阵之间的差异小于预设的差异阈值；进而，可在与初步位姿变换矩阵差异较小的范围中确定第二位姿变换矩阵，从而实现第一稀疏模型与第二模型间更精细的配准(亦即第一模型与第二模型间更精细的配准)。
[0192]
其中，确定初步位姿变换矩阵，可理解为第一模型(表现为第一稀疏模型)与第二模型间粗配准的过程，步骤s1201至步骤s1202的过程可理解为第一模型(表现为第一稀疏模型)与第二模型间精配准的过程，进而，不同第二位姿变换矩阵之间的最小差异小于不同第一位姿变换矩阵之间的最小差异；
[0193]
例如，在迭代确定第一位姿变换矩阵时，若以第一改变步长改变第一位姿变换矩阵，得到新的第一位姿变换矩阵，那么，在迭代确定第二位姿变换矩阵时，则是以第二改变步长改变第二位姿变换矩阵，得到新的第二位姿变换矩阵，其中的第二改变步长的最小值小于第一改变步长的最小值，进而，可实现第二位姿变换矩阵迭代过程中更精细的取值。
[0194]
此外，步骤s1201至步骤s1203的过程，也可参照图8所示实施例中步骤s803、s804的处理过程理解。
[0195]
以上方案中，通过粗配准与精配准的两重配准，有效保障了最终所确定的目标位姿变换矩阵可精确地将第一模型的位姿(表现为稀疏模型的位姿)转换至与第二模型相匹配，从而保障模型间比对结果的准确性。
[0196]
其中一种实施方式中，所述参考位姿信息是对所述目标人体进行ct拍摄时检测到的，即：所提及的术前检查可以指ct拍摄。
[0197]
对应的，请参考图13，所述的数据处理方法，还包括：
[0198]
s1301：获取所述ct拍摄而得到的ct数据；
[0199]
s1302：基于所述ct数据，确定所述手术的辅助数据；
[0200]
所述辅助数据包括以下至少之一：
[0201]
所述目标人体中指定对象的虚拟模型；该虚拟模型可例如虚拟支气管，部分举例中，还可包括血管、肌肉等模型；
[0202]
医疗器械进入所述目标人体后的导航路径；该医疗器械可例如为支气管镜，导航路径可例如为支气管镜进入支气管后的运动路径；
[0203]
穿刺器械穿刺所述目标人体的模拟穿刺位置，其可应用于穿刺手术；
[0204]
穿刺器械穿刺所述目标人体的模拟穿刺方向，其可应用于穿刺手术。
[0205]
此外，以上所提及的导航路径、模拟穿刺位置、穿刺方向，均可以是基于所述虚拟模型而规划的，也可显示于以上所提及的虚拟模型中。
[0206]
以上辅助数据可对外显示反馈。
[0207]
以上方案中，由于辅助手术的辅助数据体现的是ct拍摄时目标人体的体态，手术执行指示的发出，也是以ct拍摄时目标人体的位姿(体现在参考位姿信息)为依据的，所以，执行手术时的位姿准确符合辅助数据所呈现的内容，有效保障了辅助数据的准确性与有效性，充分发挥了辅助数据的作用。
[0208]
一种实施方式中，所述的数据处理方法，还包括：对外显示出所述当前人体轮廓模型和/或所述参考人体轮廓模型。例如可通过显示器、mr装置、vr装置等显示装置显示出当前人体轮廓模型和/或参考人体轮廓模型，进而，可以为体态的调整提供充分的依据。
[0209]
部分举例中，可在当前位姿信息不匹配参考位姿信息时，对外显示所述当前人体轮廓模型和/或所述参考人体轮廓模型，在匹配时，可显示，也可不显示。
[0210]
以图14为例，通过同时显示参考人体轮廓模型1402与当前人体轮廓模型1401，实现位姿的对比显示，进而可体现出位姿差距和调整方向，通过调整位姿，使病人在床板的位姿恢复到参考位姿信息所表征的位姿(例如拍摄ct时的位姿)。
[0211]
一种举例中，在手术开始时，利用当前获取的当前位姿信息去和参考位姿信息进行匹配，匹配的效果(即两者的重合情况)会显示在两个显示装置上，其中一个显示装置供给医生观察和操作使用，另一个显示装置主要是用于病人根据匹配的效果进行自主的调节，省去了医生指导的时间，病人可以根据引导完成自主的体态位姿调整，在完成配准后再进行后续手术。
[0212]
请参考图15，本发明实施例还提供了一种辅助手术的数据处理装置1500，包括：
[0213]
检测模块1501，用于获取目标人体的当前人体轮廓模型；
[0214]
比对模块1502，用于通过比对所述当前人体轮廓模型与参考人体轮廓模型，确定所述目标人体的当前位姿信息是否匹配于参考位姿信息，所述参考位姿信息为所述目标人体匹配于所述参考人体轮廓模型时的位姿信息。
[0215]
图16所示实施例中的检测模块1601、比对模块1602，与图15所示实施例中的检测模块1501、比对模块1502相同或相似，对于相同或相似的内容，在此不再赘述。
[0216]
所述当前人体轮廓模型、所述参考人体轮廓模型是由深度相机检测床板上的所述目标人体而得到的；所述当前人体轮廓模型是当前检测到的，所述参考人体轮廓模型是所述目标人体做术前检查时检测到的，且检测所述当前人体轮廓模型时深度相机与床板的相对位姿匹配于检测所述参考人体轮廓模型时深度相机与床板的相对位姿。
[0217]
请参考图16，辅助手术的数据处理装置1600，还包括：
[0218]
指示模块1603，用于若所述当前位姿信息匹配于参考位姿信息，则：产生手术执行指示，所述手术执行指示被用于对外指示出：允许对所述目标人体执行手术。
[0219]
可选的，所述比对模块1602，具体用于：
[0220]
确定所述当前人体轮廓模型与所述参考人体轮廓模型间的目标位姿变换信息；所述目标位姿变换信息表征了：将所述当前人体轮廓模型与所述参考人体轮廓模型变换为位姿相同或相近的变换方式；
[0221]
基于所述目标位姿变换信息，确定所述当前位姿信息是否匹配所述参考位姿信息。
[0222]
可选的，所述比对模块1602，具体用于：
[0223]
将所述当前人体轮廓模型与所述参考人体轮廓模型中任意之一作为第一模型，并将所述当前面模型与所述参考人体轮廓模型中的另一模型作为第二模型；
[0224]
提取所述第一模型中的多个特征点，得到所述多个特征点形成的第一稀疏模型；
[0225]
多次确定所述第一稀疏模型的不同的第一位姿变换矩阵；
[0226]
在每次确定所述第一位姿变换矩阵后，均基于所述第一位姿变换矩阵对所述第一稀疏模型进行位姿变换，得到位姿变换后的第二稀疏模型，并计算第二稀疏模型相对于所述第二模型的第一位姿偏差；
[0227]
确定所述第一位姿偏差最小的第一位姿变换矩阵作为初步位姿变换矩阵；
[0228]
基于所述初步位姿变换矩阵，确定所述目标位姿变换信息。
[0229]
可选的，所述第一模型包括多个第一位置点；
[0230]
所述比对模块1602，具体用于：
[0231]
计算所述第一模型在每个第一位置点处的曲率信息；
[0232]
基于所述曲率信息，对所述第一位置点进行筛选，得到筛选出来的第一位置点作为所述特征点。
[0233]
可选的，提取到的特征点包括第一特征点；
[0234]
所述比对模块1602，具体用于：
[0235]
在所有第一位置点中筛选出曲率信息满足预设的第一筛选条件的第一位置点作为所述第一特征点，或者：将所述第一模型划分为多个区域范围，并在每个区域范围中筛选出曲率信息满足预设的第二筛选条件的第一位置点作为所述第一特征点；
[0236]
所述第一筛选条件包括：
[0237]
在以曲率信息自大至小的顺序对所有第一位置点进行排序后，筛选出排序靠前的若干第一位置点；和/或：在所有第一位置点中，筛选出曲率信息大于预设的第一曲率阈值的第一位置点；
[0238]
所述第二筛选条件包括：
[0239]
在以曲率信息自大至小的顺序对任一区域范围内第一位置点进行排序后，筛选出排序靠前的若干第一位置点；和/或：在任一区域范围内的第一位置点中，筛选出曲率信息大于预设的第二曲率阈值的第一位置点。
[0240]
可选的，所述第一稀疏模型中的每个特征点经所述第一位姿变换矩阵变换后均能形成所述第二稀疏模型中的一个变换后特征点；所述第二模型包括多个第二位置点；
[0241]
所述比对模块1602，具体用于：
[0242]
针对每个第一特征点的变换后特征点，利用knn邻近算法搜寻两个第二位置点，并计算该第一特征点的变换后特征点相对于搜寻到的两个第二位置点所形成直线的第一距离，
[0243]
对所有第一特征点对应的第一距离进行求和，并基于对应的求和结果，确定所述第一位姿偏差。
[0244]
可选的，提取到的特征点包括第二特征点；
[0245]
所述比对模块1602，具体用于：
[0246]
在所有第一位置点中，筛选出曲率信息满足预设的第三筛选条件的第一位置点作为所述第二特征点，或者：将所述第一模型划分为多个区域范围，并在每个区域范围中筛选出曲率信息满足预设的第四筛选条件的第一位置点作为所述第二特征点；
[0247]
所述第三筛选条件包括：
[0248]
在以曲率信息自大至小的顺序对所有第一位置点进行排序后，筛选出排序靠后的若干第一位置点；和/或：在所有第一位置点中，筛选出曲率信息小于预设的第三曲率阈值的第一位置点；
[0249]
所述第四筛选条件包括：
[0250]
在以曲率信息自大至小的顺序对任一区域范围内第一位置点进行排序后，筛选出排序靠后的若干第一位置点；和/或：在任一区域范围内的第一位置点中，筛选出曲率信息小于预设的第四曲率阈值的第一位置点。
[0251]
可选的，所述第一稀疏模型中的每个特征点经所述第一位姿变换矩阵变换后均能形成所述第二稀疏模型中的一个变换后特征点；所述第二模型包括多个第二位置点；
[0252]
所述比对模块1602，具体用于：
[0253]
针对每个第二特征点的变换后特征点，利用knn邻近算法搜寻三个第二位置点，并计算该第二特征点的变换后特征点相对于搜寻到的三个第二位置点所形成平面的第二距离，
[0254]
对所有第二特征点对应的第二距离进行求和，并基于对应的求和结果，确定所述第一位姿偏差。
[0255]
所述比对模块1602，具体用于：
[0256]
多次确定不同的第二位姿变换矩阵，并在每次确定所述第二位姿变换矩阵后，均基于所述第二位姿变换矩阵对所述第一稀疏模型进行位姿变换，得到第三稀疏模型，并计
算所述第三稀疏模型相对于所述第二模型的第二位姿偏差；其中，所述第二位姿变换矩阵与所述初步位姿变换矩阵之间的差异小于预设的差异阈值；
[0257]
确定所述第二位姿偏差最小的第二位姿变换矩阵作为所述目标位姿变换矩阵。
[0258]
所述比对模块1602，具体用于：
[0259]
若表征所述目标位姿变换信息的目标位姿变换矩阵匹配于预设的标准矩阵，则确定所述当前位姿信息匹配所述参考位姿信息；所述标准矩阵被用于表征出所述当前人体轮廓模型与所述参考人体轮廓模型位姿相同时的相对位姿变换矩阵。
[0260]
可选的，所述的数据处理装置，还包括：
[0261]
显示模块1604，用于对外显示出所述当前人体轮廓模型和/或所述参考人体轮廓模型。
[0262]
可选的，所述的数据处理装置，还包括：
[0263]
ct获取模块1605，用于获取所述ct拍摄而得到的ct数据；
[0264]
辅助数据确定模块1606，用于基于所述ct数据，确定所述手术的辅助数据；
[0265]
所述辅助数据包括以下至少之一：
[0266]
所述目标人体中指定对象的虚拟模型；
[0267]
医疗器械进入所述目标人体后的导航路径；
[0268]
穿刺器械穿刺所述目标人体的模拟穿刺位置；
[0269]
穿刺器械穿刺所述目标人体的模拟穿刺方向。
[0270]
请参考图17，提供了一种电子设备1700，包括：
[0271]
处理器1701；以及，
[0272]
存储器1702，用于存储所述处理器的可执行指令；
[0273]
其中，所述处理器1701配置为经由执行所述可执行指令来执行以上所涉及的方法。
[0274]
处理器1701能够通过总线1703与存储器1702通讯。
[0275]
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上所涉及的方法。
[0276]
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0277]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。