多模态影像融合肿瘤热消融手术规划和导航研究

Interventional ablation is an important means of modern tumor therapy. Multimodality imaging fusion is the core technology which supports minimally invasive precise medicine, and the combination of ablation and multimodality imaging fusion will be the future direction of precise surgery and digital medicine. Currently, clinical medicine and information technology are developing very rapidly; however, no basic research that represent the cutting-edge of interdisciplinary is studied in the field of image-guided interventional ablation therapy .Theoretically, a comprehensive method study of preoperative, intraoperative and postoperative is lack; clinically, an integration of fundamental scientific question of tumor spatial localization, ablation zone prediction and multimodality imaging fusion for interventional therapy planning has become the bottleneck in limitating clinical application. To solve these problems, the project will research around the following areas: 1. Build a multimodality image based self-learning intelligent human-computer interactive tumor identification method to enhance the accuracy of tumor location; 2. Study the parameter optimization methods on prediction of ablation zone margin to improve the accuracy of preoperative planning; 3. Study the multimodality imaging fusion based real-time intraoperative navigation methods to improve the ablation precision; 4. Study the post-ablation error evaluation methods to optimize navigation theory and system. Through these studies, we would establish a multimodality image based interventional ablation theoretical framework to promote the clinical popularization and application of invasive precise medicine in minimally invasive therapy.

介入消融是现代肿瘤治疗的重要手段，多模态影像是支撑微创精准医学的核心技术，两者结合成为精准外科和数字医疗的代表发展方向。目前临床医学和信息技术发展迅猛，但在影像引导介入消融治疗方面尚没有体现交叉学科前沿的基础性研究。理论上，缺乏贯穿术前、术中、术后系统的理论方法研究；临床上，尚有肿瘤空间定位、肿瘤消融边界准确判识以及多模态影像融合介入手术规划等基础科学问题，成为限制临床应用的瓶颈。针对这些问题，本项目拟开展以下研究：1、以多模态影像为纽带，研究自学习人机交互肿瘤空间定位方法，提高肿瘤空间定位准确性；2、研究消融区边界预测与消融参数优化方法，提高手术规划的科学性；3、研究呼吸运动条件下实时术中多模态影像融合导航方法，提高手术导航精准性；4、研究术后误差评价方法，优化手术导航理论方法。通过上述研究，建立以多模态影像为核心的介入消融治疗基础理论框架，推动精准医学在微创消融治疗中的普及和应用。

介入消融是现代肿瘤治疗的重要手段，多模态影像是支撑微创精准医学的核心技术，两者结合成为精准外科和数字医疗的发展方向。但是当前影像引导介入消融治疗缺乏贯穿术前、术中、术后系统的理论方法研究。因此本项目开展了以下研究：1、以多模态影像为纽带，研究自学习人机交互肿瘤空间定位方法，提高术前规划中肿瘤空间定位准确性；2、研究消融参数优化与边界预测方法，提高术前规划的科学性；3、研究呼吸运动条件下术中实时多模态影像融合导航方法，提高术中导航精准性；4、研究术后误差评价方法，优化手术导航理论方法。通过上述研究，取得了如下成果：1、提出了基于级联神经网络的分割方法，通过两个全卷积网络，充分利用数据立体结构信息，实现多模态影像中肿瘤的精准分割，平均误差小于5毫米；2、提出了穿刺路径选择的硬约束和软约束条件，建立全局优化目标函数，确定最优穿刺区域，仿真实验误差小于2毫米，并在此基础上提出了基于编码-解码网络的个体化智能规划方法，学习多元信息与消融区域的对应关系，从而实现对消融区域精准模拟，规划热场计算精度大于85%；3、提出了基于多传感器跟踪的自动位姿校正方法，利用磁定位传感器，实现了患者位姿快速自动配准，配准时间小于3秒，配准误差小于2.5毫米，并提出了基于对抗式网络的三维超声重建方法，构建了基于混合监督学习的多模态影像配准网络，实现术中超声和术前核磁影像的实时配准融合，目标区域重叠率达76.6%。在此基础上，通过3D+t b样条弹性配准，实现肿瘤动态运动估计，最大误差为3.36毫米；4、提出基于动态补偿的肝脏不可压缩配准算法，构建肝脏形变模型，实现术前术后影像的高精度配准，并提出基于距离颜色映射的术后可视化评估方法，自动计算消融评级，实现消融术后精准量化评估，其中平均表面误差为0.82毫米。综合以上研究成果，本项目构建了完整的术前规划、术中导航和术后评估的理论框架和技术方法，进一步推动了精准医学在微创消融治疗中的普及和应用。