一種低復(fù)雜度的心臟表面三維形態(tài)在線建模系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明屬于光通信技術(shù)領(lǐng)域，更為具體地講，設(shè)及一種低復(fù)雜度的屯、臟表面Ξ維 形態(tài)在線建模系統(tǒng)及方法。
【背景技術(shù)】
[0002] 近年來，W內(nèi)窺鏡手術(shù)為代表的微創(chuàng)手術(shù)技術(shù)越來越多的應(yīng)用于屯、臟外科手術(shù)。 在運(yùn)類手術(shù)中，醫(yī)生通過觀察探入患者體內(nèi)的內(nèi)窺鏡反饋回的實時影像，操控微創(chuàng)手術(shù)器 械完成復(fù)雜的屯、臟外科手術(shù)。
[0003] W脫累冠脈搭橋術(shù)(off pump CABG)為例，運(yùn)種屯、臟不停跳的手術(shù)可使患者擺脫 人工屯、肺機(jī)，從而降低了體外循環(huán)對患者身體的損害，降低并發(fā)癥的風(fēng)險，縮短患者的康復(fù) 時間。但是由于直接視覺的缺失，手術(shù)醫(yī)生無法準(zhǔn)確、直觀的感知跳動屯、臟表面目標(biāo)區(qū)域的 Ξ維形態(tài)，給完成復(fù)雜精細(xì)的手術(shù)操作帶來困難。手術(shù)醫(yī)生需通過長期專業(yè)的訓(xùn)練，才能順 利完成運(yùn)類屯、臟外科微創(chuàng)手術(shù)，對患者而言則意味著巨額的醫(yī)療費(fèi)用和較大的手術(shù)風(fēng)險。
[0004] 為了給手術(shù)醫(yī)生提供實時、準(zhǔn)確的Ξ維形態(tài)信息，國外學(xué)者嘗試?yán)酶鞣N傳感器 對屯、臟表面Ξ維形態(tài)進(jìn)行重構(gòu)。由于微創(chuàng)手術(shù)空間狹小，無法植入大型Ξ維掃描設(shè)備，并且 屯、跳運(yùn)動頻率高、屯、臟表面軟組織形變復(fù)雜，屯、臟表面Ξ維形態(tài)重構(gòu)成為醫(yī)學(xué)工程領(lǐng)域中 的難點。因此，不需要額外設(shè)備接口，基于立體內(nèi)窺鏡的屯、臟表面Ξ維形態(tài)檢測方法逐漸受 到科研和臨床界的重視?；诹Ⅲw內(nèi)窺鏡獲取的雙目圖像數(shù)據(jù)，利用立體視覺匹配技術(shù)可 W重構(gòu)屯、臟表面目標(biāo)區(qū)域的Ξ維形態(tài)。為此，國內(nèi)外研究人員應(yīng)用多種經(jīng)典的空間形變模 型對屯、臟表面進(jìn)行Ξ維重構(gòu)。如T.Ortmaier等在文獻(xiàn)《Motion estimation in beating heart surgery》中使用的仿射變換模型，W丄au等在文獻(xiàn)《Stereo-based endoscopic tracking of cardiac surface deformation》中使用的B樣條模型，D.Stoyanov,等在文獻(xiàn) 《A practical approach towards accurate dense 3-D depth recovery for robotic laparoscopic surgery》中使用的分片雙線性映射模型，W及R.Richa等在文獻(xiàn)《Three- dimensional motion tracking for beating heart surgery using a thin-plate spline deformable model》中使用的薄板樣條模型等。但是，上述方法中所采用的形變模 型為通用性模型，并非針對特定屯、臟表面而設(shè)計。運(yùn)些模型在描述和表示屯、臟表面Ξ維形 態(tài)時，均存在實時性與準(zhǔn)確性之間的矛盾。仿射變換模型，復(fù)雜度較低、實時性好，但模型過 于簡單，無法準(zhǔn)確表征屯、臟表面特有的Ξ維形態(tài)。分片雙線性映、B樣條和薄板樣條模型，可 W通過大量控制點，精確刻畫屯、臟表面Ξ維形態(tài)，但模型過于復(fù)雜，無法滿足實時性要求。 由于屯、跳運(yùn)動的準(zhǔn)周期性，屯、臟表面目標(biāo)區(qū)域在不同時刻的Ξ維形態(tài)具有一定規(guī)律性。而 上述模型均未能有效的利用運(yùn)些屯、臟運(yùn)動特性和統(tǒng)計規(guī)律，降低模型復(fù)雜度。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種低復(fù)雜度的屯、臟表面Ξ維形態(tài) 在線建模系統(tǒng)及方法，通過提取待建模屯、臟表面目標(biāo)區(qū)域的Ξ維形態(tài)歷史數(shù)據(jù)的主分量， 建立新的適應(yīng)該屯、臟表面形態(tài)特性和運(yùn)動規(guī)律的低復(fù)雜度的線性最優(yōu)的形態(tài)模型，實現(xiàn)對 屯、臟表面目標(biāo)區(qū)域快速、準(zhǔn)確的Ξ維重建。
[0006] 為實現(xiàn)上述發(fā)明目的，本發(fā)明一種低復(fù)雜度的屯、臟表面Ξ維形態(tài)在線建模方法， 其特征在于，包括W下步驟：
[0007] (1)、利用立體內(nèi)窺鏡視覺采集設(shè)備獲取跳動屯、臟表面的多帖影像圖像，并傳輸保 存在歷史影像數(shù)據(jù)中；
[0008] (2)、依次處理歷史影像數(shù)據(jù)中的每一帖影像圖像，通過立體視覺匹配法獲取每一 帖影像圖像中屯、臟表面目標(biāo)區(qū)域的Ξ維歷史形態(tài)數(shù)據(jù)；
[0009] (3)、分別處理步驟(2)中所有的Ξ維歷史形態(tài)數(shù)據(jù)，獲得不同時刻屯、臟表面目標(biāo) 區(qū)域各點相對其中屯、點的空間Ξ維坐標(biāo)，再空間Ξ維坐標(biāo)進(jìn)行時域零均值化處理；
[0010] (4)、提取步驟(3)中處理完成后的Ξ維歷史形態(tài)數(shù)據(jù)的主分量；
[0011] (5)、利用提取的主分量建立低復(fù)雜度形態(tài)模型，再從當(dāng)前獲取的立體影像中，通 過立體視覺匹配法確定該模型的參數(shù)，從而確定屯、臟表面目標(biāo)區(qū)域當(dāng)前的Ξ維形態(tài)。
[0012] 其中，所述步驟(3)中，處理Ξ維歷史形態(tài)數(shù)據(jù)的具體步驟為：
[0013] (2.1)、設(shè)歷史影像數(shù)據(jù)中共有K帖影像圖像，每帖影像圖像中屯、臟表面目標(biāo)區(qū)域 共有N個目標(biāo)點；
[0014] (2.2)、獲取每帖影像圖像中屯、臟表面目標(biāo)區(qū)域各點相對其中屯、點的空間Ξ維坐 標(biāo)，具體計算方程為：
[0015]
[0016] 其中，為目標(biāo)區(qū)域中必點在第k化=1，2，. ..，Κ)帖時的Ξ維坐標(biāo)列向量，料嚴(yán) 為屯、臟表面目標(biāo)區(qū)域第n(n=l，2，...，N)個點在第k帖中的Ξ維坐標(biāo)列向量，クf'為該點在 第k帖中相對中屯、點的空間Ξ維坐標(biāo)列向量；
[0017] (2.3)、對所有帖的屯、臟表面目標(biāo)區(qū)域各點的空間Ξ維坐標(biāo)列向量進(jìn)行時域零均 值化處理，具體計算方程為：
[001 引
[0019] 其中，辦。臟表面目標(biāo)區(qū)域第η個點在第k帖零均值化處理后的空間立維坐標(biāo) 列向量，坑為屯、臟表面目標(biāo)區(qū)域第η個點在第k帖中相對其中屯、點的Ξ維坐標(biāo)平均值列向 量，即
[0020]
[0021 ]所述步驟(4)中，主分量的提取方法為：
[0022] (3.1)、利用步驟(3)處理后的空間Ξ維坐標(biāo)列向量構(gòu)造歷史數(shù)據(jù)矩陣P;
[0023]
[0024] 其中，P為所構(gòu)造的3NXK維的歷史數(shù)據(jù)矩陣，N為屯、臟表面目標(biāo)區(qū)域的總點數(shù)，Κ為 影像圖像總帖數(shù)；
[0025] (3.2)、對構(gòu)造歷史數(shù)據(jù)矩陣Ρ進(jìn)行奇異值分解，其分解結(jié)果可表示為：
[0026] ? = 1]八八
[0027] 其中，U是3ΝΧ3Ν的正交矩陣；Λ是3ΝΧΚ的對角矩陣，Λ的對角線元素（即矩陣Ρ的 奇異值)按由大到小順序排列:aii含曰22 > ...含a3N3N> 0,其它非對角線元素值為零;V是ΚΧΚ 的正交矩陣；
[0028] (3.3)、提取歷史數(shù)據(jù)矩陣P的主分量；設(shè)Λ中前Μ個奇異值的數(shù)值大于預(yù)設(shè)的闊 值，則提取正交矩陣U中的前Μ個列向量U1,112, ...，咖為主分量。
[0029] 所述步驟(5)中，確定出屯、臟表面目標(biāo)區(qū)域當(dāng)前Ξ維形態(tài)的方法為：
[0030] (4.1)、利用步驟(4)提取的主分量和屯、臟表面目標(biāo)區(qū)域中屯、點的Ξ維坐標(biāo)構(gòu)建低 復(fù)雜度模型，具體模型方程為
[0031]
[0032] 其中，ii是由Ν個Ξ維單位列向1
狄向排列構(gòu)成的3N維的列向量，i2是由N個
縱向排列構(gòu)成的3N維的列向量，i 3是由N葉
縱向排列構(gòu)成的3N維的列向量；
是步驟(2.3)中N個屯、臟表面目標(biāo)區(qū)域點的Ξ維坐標(biāo)平均值縱向排列構(gòu)成的3N維 列向量;wi，W2, . . .，WM為各主分量的加權(quán)系數(shù)，x，y，z為目標(biāo)區(qū)域中屯、點的空間Ξ維坐標(biāo)；
為3N維的輸出列向量，其包含了屯、臟表面目標(biāo)區(qū)域N個點的Ξ維坐標(biāo)值，可W表征 目標(biāo)區(qū)域當(dāng)前的Ξ維形態(tài)；
[0033] (4.2)、按照步驟(1)所述的方法獲取跳動屯、臟表面的當(dāng)前影像圖像；
[0034] (4.3)、對當(dāng)前影像圖像進(jìn)行立體視覺匹配，確定出參數(shù)wl，W2，...，WM和x，y，z，再 其代入到步驟(4.1)所述的模型方程，從而確定屯、臟表面目標(biāo)區(qū)域當(dāng)前的Ξ維形態(tài)。
[0035] 進(jìn)一步的，本發(fā)明還提供一種低復(fù)雜度的屯、臟表面Ξ維形態(tài)在線建模系統(tǒng)，其特 征在于，包括：
[0036] -視覺數(shù)據(jù)采集設(shè)備，包括立體內(nèi)窺鏡鏡體、連接光纖和數(shù)字相機(jī);用于獲取跳動 屯、臟表面的影像圖像，并將采集的影像圖像保存在歷史影像數(shù)據(jù)中；
[0037] 一數(shù)據(jù)處理設(shè)備，主要包括:Ξ維歷史形態(tài)檢測模塊、Ξ維歷史形態(tài)數(shù)據(jù)處理模 塊、主成分分析模塊、低復(fù)雜度建模模塊和Ξ維形態(tài)擅染模塊;用于對采集到的影像圖像進(jìn) 行Ξ維歷史形態(tài)檢測、Ξ維歷史形態(tài)數(shù)據(jù)處理、主成分分析、低復(fù)雜度建模計算和Ξ維形態(tài) 擅染；
[0038] 其中，所述的Ξ維歷史形態(tài)檢測模塊，通過立體視覺匹配從多帖的歷史影像圖像 中，獲得屯、臟表面目標(biāo)區(qū)域的Ξ維歷史形態(tài)數(shù)據(jù)；
[0039] 所述的Ξ維歷史形態(tài)數(shù)據(jù)處理模塊，用于獲得不同時刻屯、臟表面目標(biāo)區(qū)域點相對 其中屯、點的空間Ξ維坐標(biāo)，并對各點的Ξ維坐標(biāo)進(jìn)行時域零均值化處理；
[0040] 所述的主成分分析模塊，用于構(gòu)造 Ξ維坐標(biāo)數(shù)據(jù)矩陣，并對其進(jìn)行主分量分析和 提取；
[0041] 所述的低復(fù)雜度建模模塊，利用提取的主分量和中屯、點Ξ維坐標(biāo)建立低復(fù)雜度形 態(tài)模型，基于當(dāng)前獲取的影像圖像通過立