一种乳腺癌腔镜重建手术术前的假体选型方法及系统

本发明属于术前规划，尤其涉及一种乳腺癌腔镜重建手术术前的假体选型方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、乳腺癌腔镜重建手术是利用腔镜的优势从远离病灶部位的切口和入路进行手术，切除乳房后使用假体或者自身组织为患者再建乳房，恢复甚至美化乳房的外形；该术式改变了传统乳腺外科的手术方式和程序，具有微创和美容效果；目前多数患者选择假体植入，创口小，恢复快，极大的减少了身体创伤；然而目前乳腺切除后，如何选择假体的尺寸，是亟需解决的临床问题。

3、隆胸手术的假体选型方案中，基于有限元法的乳房生物力学仿真是预测术后乳房形状的有效方法，可以起到辅助术前假体选型的作用；使用有限元法前需要对乳房进行标注，建立乳房三维几何模型，标注的准确性会直接影响三维模型的质量，进而会对最终生成的有限元模型产生较大影响；然而和隆胸手术不同，乳腺癌腔镜重建手术涉及到病灶的切除，因此乳房三维几何模型的生成需要较高的专业度进行更繁琐的标注；此外，在假体型号的选择标准上，与隆胸手术期望的术后乳房尽可能美观不同，乳腺癌腔镜重建手术期望术后患者的乳房尽可能自然、对称，恢复术前样貌。因此，通过现有方法生成的有限元模型并不能直接指导术前假体选型，除了需要建立一个适合乳腺癌腔镜重建手术的假体型号选择标准外，仍需进行进一步的模型变换和信息提取。

4、由于以上困难，目前乳腺癌腔镜重建手术假体型号选择，仍然仅基于对乳房的摄影和简单人体测量，由医生粗略估计，精度较差；因此，缺乏一种精准的假体选型方法。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了一种乳腺癌腔镜重建手术术前的假体选型方法及系统，基于乳房mri数据，使用深度学习方法构建手术切除病灶后的乳房三维几何模型，然后基于构建的乳房三维几何模型，建立有限元模型，预测不同型号假体植入后的乳房形状；最后基于假体植入后乳房形状，在乳房对称性评估系统的辅助下进行精准假体选型，即确定最优的假体尺寸和形状。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、本发明第一方面提供了一种乳腺癌腔镜重建手术术前的假体选型方法。

4、一种乳腺癌腔镜重建手术术前的假体选型方法，包括：

5、对目标患者的乳房mri数据进行乳房组织和手术区域的分割；

6、基于分割结果和假体型号，构建乳房和假体的三维几何模型，在乳房和假体的三维几何模型中加入力学数据，分别构建乳房和假体的有限元模型；

7、使用乳房和假体的有限元模型，进行假体植入模拟，预测不同型号假体植入后的乳房形状；

8、根据预测得到的乳房形状，对术后效果进行评估，从而得到最优的假体型号。

9、进一步的，所述乳房组织和手术区域的分割是利用训练好的两个深度学习模型，分别分割乳房组织和手术区域；

10、其中，所述两个深度学习模型的训练过程为：

11、收集来自医院的多例俯卧位下乳房mri数据，并进行中值滤波的预处理；

12、对预处理后的数据进行乳房组织和手术区域的人工标注，形成数据集；

13、利用数据集，训练两个u-net深度学习模型，得到训练好的深度学习模型。

14、进一步的，所述构建乳房和假体的三维几何模型，具体为：

15、使用mimics软件，对分割得到的乳房组织和手术区域进行三维重建，得到乳房的三维几何模型；

16、基于假体型号对应的假体尺寸和形状，在abaqus中建立假体的三维几何模型。

17、进一步的，所述有限元模型的具体构建方式为：

18、为乳房和假体的三维几何模型生成有限元网格，定义乳房和假体的性质、参数载荷和边界条件，生成乳房和假体的有限元模型。

19、进一步的，所述进行假体植入模拟，具体为：

20、抵消乳房有限元模型重力后将假体的有限元模型置入乳房的有限元模型中，对乳房的有限元模型施加重力，利用有限元求解器进行求解，模拟术后站立状态下的乳房形状。

21、进一步的，所述对术后效果进行评估，依据以下指标进行评估：

22、无重力状态下乳房手术侧内腔体积v；

23、乳房反射性对称均方根误差rmse；

24、乳房对称性指数si。

25、进一步的，所述评估分为两类，第一类评估具体过程为：

26、根据无重力状态下乳房手术侧内腔体积v，手动调整体积范围，形成第一目标假体集合；

27、根据乳房反射性对称均方根误差rmse，选择感兴趣的假体，形成第二目标假体集合；

28、根据乳房对称性指数si和rmse，选择最优的假体型号；

29、第二类评估具体过程为：

30、根据随机采样的假体型号，计算对应的乳房反射性对称均方根误差rmse，形成假体型号数据集，或直接利用第一类评估中产生的假体及其对应rmse数据，形成假体型号数据集；

31、根据贝叶斯优化利用数据集进行迭代，直至达到最大迭代次数或达到期望的结果精度，计算得到理论最小rmse所对应的假体型号。

32、本发明第二方面提供了一种乳腺癌腔镜重建手术术前的假体选型系统。

33、一种乳腺癌腔镜重建手术术前的假体选型系统，包括图像分割模块、模型构建模块、形状预测模块和假体选型模块：

34、图像分割模块，被配置为：对目标患者的乳房mri数据进行乳房组织和手术区域的分割；

35、模型构建模块，被配置为：基于分割结果和假体型号，构建乳房和假体的三维几何模型，在乳房和假体的三维几何模型中加入力学数据，分别构建乳房和假体的有限元模型；

36、形状预测模块，被配置为：使用乳房和假体的有限元模型，进行假体植入模拟，预测不同型号假体植入后的乳房形状；

37、假体选型模块，被配置为：根据预测得到的乳房形状，对术后效果进行评估，从而得到最优的假体型号。

38、本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种乳腺癌腔镜重建手术术前的假体选型方法中的步骤。

39、本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种乳腺癌腔镜重建手术术前的假体选型方法中的步骤。

40、以上一个或多个技术方案存在以下有益效果：

41、本发明提出了综合性的结合深度学习方法和有限元仿真方法的术前假体选型方案，此方案利用深度学习模型进行自动化的乳房图像分割，使用分割结果帮助高效自动化的生成高质量的病灶切除后的乳房三维几何模型，然后利用有限元仿真的方法实现术后乳房形状预测。

42、在上述自动化的乳房形状预测的基础上，为了实现术前假体选型，本发明又提出了一种假体筛选方法以及其依赖的术后量化评估体系，辅助进行最优的假体型号的抉择。

43、本发明还提出了计算理论最优假体形状的方法，此方法可以高效利用评估筛选过程中产生的后验分布数据，使用数值优化方法预测理论最优假体形状，为定制化假体提供参考。

44、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。