一种脑胶质瘤术中超声实时检测方法和系统

本发明涉及计算机辅助诊断，特别涉及一种脑胶质瘤术中超声实时检测方法和系统。

背景技术：

1、胶质瘤是最常见的原发性颅内恶性肿瘤，手术切除是目前脑胶质瘤的主要治疗手段，手术的方式和病灶切除范围与疗效和预后有着直接的关系，但目前病灶的定位和导航是基于术前磁共振影像和骨性结构，而在开颅过程中，“脑漂移(brain shift)”常造成病灶与颅骨的相对位置改变，尤其在硬脑膜打开后，因颅内压力变化，病灶位置常会发生较大偏移，因此需要一种实时成像手段对胶质瘤切除手术进行导航。

技术实现思路

1、本发明的目的是提供一种脑胶质瘤术中超声实时检测方法和系统，实时检测术中超声影像的胶质瘤病灶，为外科医生手术切除胶质瘤提供导航信息。

2、为了实现以上目的，本发明是通过以下技术方案实现的：

3、一种脑胶质瘤术中超声实时检测方法，其特点是，包括如下步骤：

4、s1，对采集到的脑胶质瘤患者的超声静态图像进行预处理，获得处理后的第一超声图像；

5、s2，对处理后的超声图像标注胶质瘤病灶区域，并基于标注的第一超声图像生成对应的胶质瘤超声数据集；

6、s3，通过所述的胶质瘤超声数据集训练深度卷积神经网络模型，所述的深度卷积神经网络模型用于从输入的术中超声图像识别胶质瘤病灶区域；

7、s4，将术中实时超声图像输入训练好的深度卷积神经网络模型，识别患者的胶质瘤病灶区域。

8、上述检测方法还包括：将术中超声图像实时推送给运行深度卷积神经网络模型的主机。

9、所述的深度卷积神经网络模型采用yolov5模型。

10、采集到的超声静态图像格式为dicom格式，则所述的步骤s1中预处理为：

11、将采集到的超声静态图像转换为jpg格式。

12、所述的深度卷积神经网络包括若干卷积层、最大池化层以及全连接层。

13、一种脑胶质瘤术中超声实时检测系统，用于实现上述的脑胶质瘤术中超声实时检测方法，包括：

14、超声诊断仪，用于采集胶质瘤患者的术中超声图像；

15、运行深度卷积神经网络模型的主机，用于将术中超声图像输入训练好的深度卷积神经网络模型，识别患者的胶质瘤病灶区域。

16、还包括一实时推送模块，用于将术中超声图像实时推送给运行深度卷积神经网络模型的主机及其搭建的局域桥接网络。

17、本发明与现有技术相比，具有以下优点：

18、首次将人工智能网络用于术中的影像检测，增加了超声图像的可读性，为神经外科医生使用超声进行导航提供了信息参考。

19、通过搭建手术室内局域网络，将术中影像广播至局域网，使用移动设备部署模型，充分发挥了yolov5网络模型便捷的特性，直接读取视频流数据，实现了人工智能网络对术中超声影像的实时病灶检测。

技术特征：

1.一种脑胶质瘤术中超声实时检测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的脑胶质瘤术中超声实时检测方法，其特征在于，还包括：将术中超声图像实时推送给运行深度卷积神经网络模型的主机。

3.如权利要求1所述的脑胶质瘤术中超声实时检测方法，其特征在于，所述的深度卷积神经网络模型采用yolov5模型。

4.如权利要求1所述的脑胶质瘤术中超声实时检测方法，其特征在于，采集到的超声静态图像格式为dicom格式，则所述的步骤s1中预处理为：将采集到的超声静态图像转换为jpg格式。

5.如权利要求1所述的脑胶质瘤术中超声实时检测方法，其特征在于，所述的深度卷积神经网络包括若干卷积层、最大池化层以及全连接层。

6.一种脑胶质瘤术中超声实时检测系统，用于实现如权利要求1-5任一项所述的脑胶质瘤术中超声实时检测方法，其特征在于，包括：

7.如权利要求6所述的脑胶质瘤术中超声实时检测系统，其特征在于，还包括一实时推送模块，用于将术中超声图像实时推送给运行深度卷积神经网络模型的主机及其搭建的局域桥接网络。

技术总结
本发明公开了一种脑胶质瘤术中超声实时检测方法和系统，该方法包括如下步骤：S1，对采集到的脑胶质瘤患者的超声静态图像进行预处理，获得处理后的第一超声图像；S2，对处理后的超声图像标注胶质瘤病灶区域，并基于标注的第一超声图像生成对应的胶质瘤超声数据集；S3，通过所述的胶质瘤超声数据集训练深度卷积神经网络模型，所述的深度卷积神经网络模型用于从输入的术中超声图像识别胶质瘤病灶区域；S4，将术中实时超声图像输入训练好的深度卷积神经网络模型，识别患者的胶质瘤病灶区域。本发明能够实时检测术中超声影像的胶质瘤病灶，为外科医生手术切除胶质瘤提供导航信息。

技术研发人员：丁红,史之峰,张显迪,王涌,杨伯捷,沈超,齐曾鑫,余锦华,毛颖
受保护的技术使用者：复旦大学附属华山医院
技术研发日：
技术公布日：2024/1/13