买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明属于医疗异物识别领域，具体是指一种高精度异物定位与取出的计算机辅助手术系统，系统包括CT图像采集设备、对比度增强子系统、分割针头候选对象模块、筛选针头候选对象模块和针异物取出模块。本方案提出一种更通用的基于特征提取的针头检测方法，完成高精度的手术针头识别任务；采用基于设定规则阈值的方法，消除大量假阳性；提出了一种基于生成对抗网络的训练框架，直接从原始CT图像自动合成对比度增强CT图像，避免造影剂可能引起的不良反应；引入感知损失来比较虚拟增强CT图像和实际增强CT图像的高级语义差异，提出了一种双路径训练模式，更加精准地合成CT图像的强度细节并保留其纹理结构。

主权项：1.高精度异物定位与取出的计算机辅助手术系统，其特征在于：所述系统包括CT图像采集设备、对比度增强子系统、分割针头候选对象模块、筛选针头候选对象模块和针异物取出模块；所述CT图像采集设备采集患者的原始CT图像；所述对比度增强子系统采用生成对抗网络增强原始CT图像对比度，输出虚拟增强图像；所述分割针头候选对象模块分割虚拟增强图像，获取针头候选对象；所述筛选针头候选对象模块通过面积、密度、对比度噪声比、曲线拟合筛选针头候选对象，识别针异物；所述针异物取出模块告知针异物的数量和位置，医疗人员采取相应的外科手术和介入治疗，取出针异物；所述高精度异物定位与取出的计算机辅助手术系统采用高精度异物定位与取出的计算机辅助手术方法对残留在患者体内的针异物进行检测，所述高精度异物定位与取出的计算机辅助手术方法包括以下步骤：步骤S1：CT图像采集设备采集患者的原始CT图像；步骤S2：对比度增强；对比度增强子系统采用生成对抗网络学习从原始CT图像到实际的对比度增强CT图像的映射，输出虚拟的对比度增强CT图像；将实际的对比度增强CT图像记为实际增强图像，将虚拟的对比度增强CT图像记为虚拟增强图像；步骤S3：分割虚拟增强图像，获取针头候选对象；步骤S4：通过面积筛选针头候选对象；步骤S5：通过密度筛选针头候选对象；步骤S6：通过对比度噪声比筛选针头候选对象；步骤S7：通过几何参数筛选针头候选对象；步骤S8：通过曲线拟合筛选针头候选对象；步骤S9：医疗人员根据检测出来的针异物的数量和位置，采取相应的外科手术和介入治疗，取出针异物；在步骤S2中，对比度增强，具体包括以下步骤：步骤S21：生成对抗网络包括生成器和判别器，生成器学习原始CT图像到实际增强图像的映射，预测并合成虚拟增强图像，判别器负责区分实际增强图像和虚拟增强图像；步骤S22：构建预训练模型，学习CT图像不同层次的特征表示；步骤S23：双通道训练；在步骤S23中，双通道训练，具体包括以下步骤：步骤S231：全局路径，生成器接收原始CT图像，提取全局结构特征，生成全局虚拟增强图像；计算全局损失，优化生成器，所用公式如下： ；式中，表示全局损失，表示通过梯度下降法得到生成器的最优参数，表示在给定生成器的情况下，找到使整体损失函数最大化的判别器，表示整体损失函数，表示用于平衡特征损失项之间权重的超参数，特征损失项表示生成图像和真实图像在不同层次的特征表示之间的差异，表示生成器，表示均方误差，表示特征损失项的总和，表示虚拟增强图像，表示实际增强图像，是用于提取特征的预训练模型，表示不同层次的特征表示；步骤S232：局部路径，将原始CT图像分成四个子块，将子块分别乘以四个不同的强度系数，提取更详细的局部纹理特征，四个子块经过生成器处理后生成了对应的四个局部的虚拟增强图像，将四个局部的虚拟增强图像整合成一幅完整的图像作为局部虚拟增强图像；步骤S233：感知损失是一种比较特征表示之间差异的损失函数，在训练阶段，分别计算局部虚拟增强图像和实际增强图像之间的局部回归损失和局部感知损失，将局部回归损失和局部感知损失结合记为局部损失，步骤S234：将全局损失和局部损失之和记为目标函数，通过最小化目标函数，最优化生成对抗网络，目标函数计算公式如下： ；式中，和是用于调整双通道训练权重的超参数，表示目标函数，表示全局损失，表示局部损失；在步骤S3中，分割虚拟增强图像，获取针头候选对象，具体包括以下步骤：步骤S31：选取三个满足如下条件的线性框滤波器： ；式中，M1表示第一线性框滤波器的内核尺寸，M2表示第二线性框滤波器的内核尺寸，M3表示第三线性框滤波器的内核尺寸；步骤S32：增强虚拟增强图像中针头的对比度，所用公式如下： ；式中，表示虚拟增强图像采用线性框滤波器增强对比度后的像素值，、和分别表示使用第一、第二和第三框滤波器对虚拟增强图像进行滤波后的结果；步骤S33：将滤波后的虚拟增强图像记为CNR增强图像，输出CNR增强图像；步骤S34：移除背景，对CNR增强图像进行带通滤波处理，给CNR增强图像的所有像素增加一个常数灰度值，避免像素值低于0；步骤S35：图像分割，通过预设灰度阈值将CNR增强图像分割为背景和显著性物体，显著性表示吸引人眼注意力的性质，显著性物体是指图像中在视觉上具有显著性的物体区域，利用区域生长技术识别显著性物体中的针头，获得针头候选对象。

全文数据：

权利要求：

百度查询： 珠海市人民医院 高精度异物定位与取出的计算机辅助手术系统