基于三维超声的肝脏微创治疗智能导航系统关键技术研究

Minimally invasive interventional treatment has many advantages as small trauma, quick recovery and little bleeding, and it is a new type of treatment which is widely accepted by doctors and patients in recent years. Therefore, how to accurately and effectively help the physicians with the minimally invasive tools to achieve the target region using computer assistant methods has become a new international research hot spot. Three-dimensional ultrasound image scan reflects the spatial relationship within the soft tissues, has stronger sense of stereo perception and is more close to the actual situations. So it can be the main guide tool of the future navigation systems. This project intends to solve the existing problems of hepatic minimally invasive interventional therapy, such as tumor localization, motion model construction and maximum injury limitation, using the data volumes under the clinical conditions, and proposes the practical solutions. It will provide more safe and effective technical methods of the intelligent computer aided navigation systems for the clinical medicine. The main content of this project includes: 1) research of the automatic recognition and localization algorithm of the hepatic tumor using the deep learning theory; 2) based on the optical and textural information of the ultrasound images, study the 3D motion estimation algorithm, and build the displacement prediction model; 3) based on probabilistic theory, explore the optimal path planning algorithm of the biopsy needles. This project is not only an international frontier development on the field of 3D ultrasound imaging, but also has very important practical value in the clinical applications.

微创介入式治疗创伤小、恢复快、出血少，是近年来为医生和患者广泛接受的一种新型治疗方式，因此，如何准确有效地使用计算机手段辅助医师完成微创检查及治疗的可视化导航过程成为了一个新的国际研究热点。三维超声图像可以反映组织内部的空间关系，立体感强，接近于实际情况，是未来导航系统的主要引导工具。本项目将使用临床条件下的三维超声数据，拟解决肝脏肿瘤微创治疗中肿瘤定位难、运动模型建立难以及创伤风险规避难的问题，提出实用的解决方法，为计算机辅助的智能导航治疗系统提供更加安全有效的技术手段。本项目的主要内容包括：1) 基于深度学习思想，研究肝脏肿瘤自动识别与定位算法；2) 结合超声图像的光学和纹理信息，研究三维运动估计算法并建立位移预测模型；3) 基于盖然论，探讨医用探针最优路径规划算法。本项目是医学影像领域的一个国际发展前沿，同时在临床应用方面也具有重要的实际应用价值。

本项目针对标准临床条件下，使用实时超声可视化导航的微创手术及治疗存在的病灶定位误差大、呼吸运动导致目标丢失以及进针路径优化不足等问题开展研究。首先，基于二维及三维超声图像，结合深度卷积神经网络模型，研究关键目标自动识别与定位算法，目前能够准确识别医用穿刺探针、血管和病灶等的位置，识别精度达到亚毫米量级，与超声图像的分辨力想当；第二，针对人体呼吸运动造成的目标移位、丢失等问题，本项目通过分析提取呼吸运动的特征，建立运动模型，同时，结合病灶特征，设计基于海森矩阵的球状增强滤波器，并结合水平集算法提出适用于具有微小形变的目标运动估计算法，能够准确的估计及预测指定目标的位置；进一步，基于微创治疗中最大程度降低患者痛苦的原则，本项目基于快速搜索随机树算法及粒子群算法提出了最优穿刺探针路径规划方法，并结合机械臂进行离体实验，解决了对障碍物规避的全局路径最优规划算法及局部路径预测微调问题。本项目解决了二维、三维超声引导下的可视化导航系统中目标分割定位的准确性、运动估计的实时性以及路径规划优越性等关键科学问题，为智能微创手术系统提供重要的理论支持。在项目执行期间，负责人在本项目的支持下发表国际SCI及EI检索论文10余篇，包括超声领域国际权威期刊《Ultrasonics》上研究论文1篇，其中JCR II区以上论文10篇，多次参加国际学术会议，并在大会上报告研究成果。申请人以第一发明人获得国家授权发明专利2项，受理1项。本项目紧密结合国家发展智能医疗的战略，研究内容融合了计算机、数学以及自动控制等相关领域学科。理论基础和实际应用紧密结合，所提出的新方法可以直接移植于实际系统，能够实现理论方法到临床应用的快速转化。本项目的创新成果对智能医疗的推广和普及具有潜在的应用价值。