颅内血肿穿刺引流管的优化设计算法基于自适应分岔

文摘

针对临床颅内血肿穿刺和排水系统,我们提出了一种自适应分岔算法基于血肿点云和引流管的设计进行了优化。首先,颅内血肿患者的CT数据的基础上,建立了一个三维的血肿模型,血肿的表面点云提取和简化,主要引流管的位置是位于烈度通过使用提取算法。其次,八卦算法用于识别的内部点云血肿,和多个吸收点的位置是由k - means聚类算法决定。分岔点的位置的主要排水管道计算的数值方法,和多个地下排水系统管道的伸缩长度和方向。最后,连接主要管和subtube,设计一种自适应分岔引流管模型,并将其应用于颅内血肿穿刺引流手术。该算法可以准确地确定穿刺点、穿刺路径,数字,和地下排水系统管道的位置根据血肿的几何特征,实现统一和准确的剂量调整和颅内血肿引流,并加速溶解和排水速度。应用一种自适应分岔引流管可以显著降低脑出血的风险,颅内感染和其他并发症,临床实践有一定的指导意义和应用价值。

1。介绍

目前,颅骨切开术是临床上常用的清除颅内血肿的患者。患者血肿有很长的前部和后部直径,这是很难暴露在操作期间,需要一个更大的骨窗,和反复拉伸皮层。操作难度和血肿去除率很低。病人预后不良(1]。近年来,微创血肿清除血肿穿刺和排水可以减少手术切口,便于及时清除血肿,迅速改善颅内压力,做一个好工作在预防、控制和治疗继发性脑损伤,减轻血肿组织损伤的神经细胞(2]。Neuronavigation血肿穿刺技术可以快速、准确地清除颅内血肿,术中穿刺,穿刺点、穿刺深度可以控制,引流管可以很容易地和准确地放入到血肿腔,避免传统穿刺[的失明3]。这是一个重要手段脑出血的临床治疗和改善预后。然而,小洞在传统的引流管是嵌在墙上的主要管、扩散率低和缓慢,从而延长了手术时间,提高手术的风险。此外,统一管理和排水系统在不同的方向不能实现根据血肿的形状。因此,本文优化的设计传统的引流管。

目前,消除颅内血肿的微创手术在临床实践中使用传统药物引流管。主要管的总长度是14厘米,直径是0.2厘米。主要运河是封闭的,其中1厘米、1.5厘米距离最终提供一个洞直径1毫米,分别为这两个小洞两边对称分布的主要通道,如图1。

末尾的小洞的传统引流管嵌在墙上的主要管的外表面主要管是完全光滑,从而减少引流管之间的摩擦和颅内组织在操作和确保引流管可以达到血肿的中心快速,安全,准确。

溶血剂可以产生相互扩散反应与血肿。传统引流管的溶血剂主要是集中在主要管的小洞,和血药浓度血肿也扩散的方向孔。因此,溶血剂和血肿的相互扩散效率很低,速度慢,因此延长了手术时间,提高手术风险(4]。

崔提出了多功能与多个subtubes颅内血肿引流管,从而达到共同管和伸缩subtubes旋转的药常见的管道,从而达到多点的目的和多向统一的药物输送和排水5]。锅L提出了一种改进的自适应加权点云粒子群优化搜索算法来提高效率和精度的穿刺点识别和应用它来提取最优外部轴,从而提供最优路径血肿引流管(6]。朱提出视觉分析溶血剂的流动和扩散和血肿,利用COMSOL软件更多的物理模拟的溶血剂分叉引流管流线分布和溶血剂在血肿的扩散行为4]。基于先前的研究在我们的团队中,引流管进行优化和自适应分岔引流管是定制根据不同颅内血肿的几何特征。

在本文中,提出了传统引流管的优化模型。基于烈度提取算法,确定主要的位置,根据k - means聚类点被发现聚类分析实现准确定位的地下排水系统。优化自适应分岔引流管可以实现统一和准确的管理和引流血肿在不同的方向,减少血液残留,实现最大排水的目的,加速血肿的解散和排水,提高手术的安全性。三维实时软件仿真技术用于重建解剖网站,如血肿、血管、颅骨、神经束。临床医生可以使用自适应分支引流管本文进行术前模拟设计,避免大脑的重要部分,并实现准确穿刺血肿,从而减少治疗的风险和时间(7- - - - - -9]。

2。优化设计基于烈度衰减的主要引流管提取算法

2.1。简化血肿的表面结构

摘要颅内血肿患者的CT数据提取并预处理实现三维重建,并提取点云数据集。由于血肿的形状的复杂性,点云的数量,分布的位置和不连续,以及计算的困难,血肿的表面层次结构简化。血肿数据被从唐山Gongren医院,如图2和3。

本文运用大量毁灭的三角形网格算法,与当地估值网格拓扑和几何属性的晶格;晶格可分为简单类型;因此,它可以分为内部和边界两种类型。格的判断是基于删除 , 允许偏差值,内部点吗是候选点平均平面之间的距离,和边界点是第二个候选邻居的附件。最后,社区重新分区删除网格点的最优分割平面的方法,和时间复杂度是线性的10]。

通过改变表面的平滑度的血肿,血肿的表层结构简化,空间的整体结构保持不变。表面点云数据减少,常规和快速算法,富达和细节保护的效果很好。简化前后血肿模型图所示4和5。

2.2。穿刺点提取使用,烈度提取算法进行了优化

通过研究复杂几何的烈度衰减问题,它可以减少到最远的点对点云模型的问题(11),也就是说,线段与任何点对之间的欧几里得距离最长。通过烈度提取算法,离散模型的距离函数最大化解决最远的点对的问题。距离函数几何点云模型的建立来最大化最大最小距离(不等式性质)和最大平均距离(max-avg)之间的任何点对。假设给定的点云 (负的N个点),每个点对之间的距离是边重量,每条边的体重是负的。对边缘的任何点 被称为 。离散的问题是定位的目标点( )在n点的点云的功能点对之间的距离最大化(12]。

极大极小点的色散(MMPD):非负距离 从任何点集 来 ,存在子集 ( )和一个整数 这 可以获得的距离函数:

最大化的距离函数:

MAX-AVG点的色散(MAPD):有子集 ( )和整数 使 和得到的平均距离函数:

最大化平均距离函数:

的点对点云:

因此,最大化平均距离等于之和最大化的距离。

中指定的距离MMPD或MAPD满足三角不等式,也就是说,任何三个不同的点 ,和满足

存在距离函数和平均距离函数:距离函数和平均距离函数:

双点之间的距离空间欧氏距离:

上面的血肿模型为例来验证算法,如图6和7。

从以上讨论,烈度提取算法可以用来解决最远的点对点云模型中的问题。模型的长轴的线段最长的欧几里得距离的点云。迭代算法的优点是简单模型,低时间一致性,方便存储计算结果,容易扩张,更符合的几何拓扑。

初步结果表明,主要的穿刺引流管可以确定方向和排水根据不同血肿的长轴,这样溶血剂的引入和血肿的提取液可以精确,避免重要的大脑功能区域。这个设计是远离的密集区域大脑中动脉和颈外动脉的重要分支的头皮,这几乎没有影响正常的生理结构,降低了手术的难度,降低了手术的风险。

2.3。烈度衰减萃取相比的水平优化方法

当使用烈度提取算法提取点云数据,因为有很多在初始几何空间点云数据,采用简化的方法面临的数量来简化血肿几何。为了简化不同复杂程度的影响烈度操作时间和准确度,简化的点云数据被用来进行点云数量统计和时间统计,和识别精度比较。点云数据与不同复杂性表所示1。

横向比较(表1和图8)表明,点云的数量与检索时间呈正相关,和简化数据在允许的范围内可以满足精度要求的计算时间,减少计算时间的长轴血肿尽可能和满足计算需求的穿刺血肿手术。

在测试中不同层次的复杂性,尽管使用相同数量的迭代找到长轴,它显然是不够的图形与更多的点云数据。图7级的复杂度,可以获得更准确的长轴与相同数量的迭代速度几何,如图7。

3所示。优化设计的自适应排水支管

3.1。颅内血肿的内部点提取算法基于八卦

内部的三维点用八卦图形识别算法。本文讨论的点是由表面轮廓数据点和内部数据点的几何图形文件的3 d点云array [13]。三维空间分为八个图,如图9。当目标接近的表面几何、切平面生成。切平面上的目标点和几何空间直角坐标系,在切平面的起源。另一边的飞机上,至少有一个没有目标和几何卦,所以该算法可用于血肿内点判别八图。

八图算法本文血肿内点的判别,如图10。采取任何目标点 ,所有表面点的向量表示血肿,记得向量 ,并把空间目标点在哪里;它分为八个卦。如果向量存在在所有八个卦,这是内部的血肿。同样,如果没有向量至少在一个卦,这是表面或外部点的血肿。

例如,目标点为零: 。

血肿的表面点的集合

血肿的内部点的集合

目标点和血肿表面点向量的集合

血肿的内部点判断,如果空间的任何“八图包含向量组D和符号对应于每个向量包括符号对应上面的八卦,然后目标点的内部点血肿。如果至少有一个六角星形空间八图中不包含向量集D和至少有一个案例中,对应的六角星形标志不包含向量集D,然后目标点是血肿表面点或外部点。

以上述颅内血肿为例,八卦算法被用来区分的内部点血肿和提取数据集的内部点和表面点的血肿。血肿的黄点是内部数据点,和红点是血肿的表面数据点。血肿的内部和表面数据点的分布数据所示11- - - - - -13。

3.2。提取血肿吸收点基于k - means聚类分析算法

集群的k - means聚类分析算法n数据对象在空间K点为中心和分类目标点最接近中心得到K集群(14]。通过迭代法,每个集群中心的坐标值更新先后,这样在同一集群对象的相似性很高,而在不同的集群对象的相似性较低,和最优集群中心。

例如,我们有n变量, ,分为k类, ,和类变量的数量 , ,和平均:(1)选择的初始中心k类。(2)任何样本,进行迭代计算欧氏距离k中心的点,分别和组的样本到类中心位于最短的距离。欧氏距离: 如果 ,其中, , ,所以分配去上课 。(3)使用均值方法更新的值的中心类。(4)对所有聚类中心,上述(2)和(3)是重复,直到每个聚类中心不再变化。迭代完成后,完成分类。

结合上面的颅内血肿的数据集,采用k - means聚类分析算法。颅内血肿的数据对象在空间聚集了4点为中心,和目标点最近的中心被分成4组。通过迭代法,每个聚类中心的坐标值更新先后,这样在同一个聚类对象的相似性较高,而不同聚类中的对象相似度较小。最后,得到了四个最优聚类中心。表中所示的数据集2。

k - means聚类分析进行的内部数据点血肿,和聚类结果如图14。四是黄色,绿色,紫色,蓝色,和四个红点聚类中心,即血肿的吸收点。

3.3。确定的主要分支的血肿引流管

原点是O的长轴,主要的轴z设在,出口方向的主要出口的正方向Z设在。因此,建立三维坐标系O-XYZ。让长轴的长度 ;将长轴划分为点和取一个点 在每一个时间间隔 ;向量是用四个血肿吸收的网站 ;计算的角度每个向量之间的正方向z设在 。

让上司开始 。

主要的结束是 。

然后,领先的向量 。

主管以上各点 。

向量的集合组成的主轴上的每个点 。

让吸收点向量 。

然后,每个点的向量集的主要吸收点

错误值计算方法,测量值 , 正常的价值 :

迭代计算进行了错误值 满意 通过给错误的值 。最小误差的四分被树枝分叉点的主要管道。通过连接分岔点和吸收点,地下排水系统管的伸缩长度和方向。然后,分岔引流管的总体结构设计。

4所示。结果分析

本文基于血肿的一种自适应分岔算法点云。优化临床颅内血肿穿刺引流管的设计,遵循以下步骤:步骤1:基于颅内血肿患者的CT扫描数据,进行三维重建,建立一个三维血肿模型。点云数据集提取简化血肿表面结构和表面点数据集。步骤2:使用烈度提取算法选择一双欧几里得距离最远的地方的两个端点长轴定位的位置主要引流管和长轴的两端的坐标如表所示3;步骤3:8图算法用于提取血肿的内部点云。步骤4:k - means聚类分析算法用于确定吸收点的位置。吸收点的坐标如表所示4;第五步:用数值解计算的分支点上分支的主要管道。分岔点的坐标如表所示5;步骤6:自适应分岔的扩张方向和长度得到了引流管通过连接的分歧点吸收点。因此,设计了一种自适应分岔引流管模型,如图15。第七步:颅内血肿的三维重建模型导入COMSOL。在此基础上,介绍了自适应分支引流管模型获得的视觉模拟图的影响自适应分支血肿引流管,如图16和17。

在临床医学中,关闭自适应分岔引流管送到颅内血肿通过导管,引流管是自动拉伸血肿。其中,特殊的硅材料是柔软的排水管道结构和组织损伤小。当溶血剂通过向血肿引流管,扩散效应主要发生在出口周围四个引流管。多播交付排水达到统一的剂量和排水的目的,以便加快血凝块溶解和排水。压力是应用于快速清除血肿的主要功能结构来减少损伤导致脑出血的疾病。

5。误差分析

5.1。误差分析的简化血肿表面

层次结构与函数近似算法进行误差分析的简化模型和解决几何相似性度量问题(15]。

和规范是两个常用的误差度量标准。让最初的血肿的表面点功能 ,血肿的简化表面点功能 ,我们给一个闭区间 。的规范是用来表示两个函数之间的最大偏差:

的规范代表之间的平均偏差两个函数:

简化后,表面点的函数血肿 ,这被认为是最优的;的相似性误差测量规范和规范可以用来衡量两个三角网格模型之间的误差。在三角网格模型中,测量的是最近的点对之间的距离,和距离点V模型米被定义为V和最近的点之间的距离W模型米;其中,两个向量之间的欧几里得距离:

测试后,原血肿模型简化的60%,和几何相似的血肿在误差范围内。简化的结果能更好地模拟原血肿模型。

5.2。优化的烈度衰减提取算法的误差分析

一开始长轴和结束通过最初的烈度衰减算法;一开始就结束和结束长轴的优化得到的烈度衰减算法。

烈度衰减向量得到最初的烈度衰减算法 。

烈度衰减向量优化得到的烈度衰减算法 。

让 ,还有

通过测试,两个端点的位置和方向的长轴之前和之后的优化摘要在误差范围内,和优化的烈度衰减提取算法具有较高的计算效率,减少了术前规划时间。

6。结论

摘要传统引流管被优化成一种自适应分岔引流管,可以定制根据不同血肿条件。它使溶血剂的引入和血肿的推导流体精确。获得颅内血肿患者CT数据建立三维血肿模型和简化血肿表面层次结构;然后,血肿的表面点云提取;使用烈度提取算法,定位主要引流管的位置。准确地确定入口和主要方向的穿刺引流管,使用八图算法和识别的内部数据集血肿和视觉处理。吸收点是由k - means聚类分析算法;其中,吸收点的数量可以根据血肿的形状计算。的伸缩方向和长度得到subtube连接吸收点和分歧点。在此基础上,设计自适应分岔引流管模型,最后应用于颅内血肿穿刺和排水。 The algorithm can accurately determine the puncture point, the puncture path, and the location and number of subdrainage tubes according to the geometric characteristics of hematoma, achieve a uniform and accurate drug administration and drainage of intracranial hematoma, and accelerate the dissolution and drainage speed of hematoma. The adaptive bifurcation algorithm proposed in this paper is based on the idealized state, and it is necessary to consider the distribution of peripheral nerves and other important parts of intracranial hematoma in the application.

自适应分支排水管道的应用可以有效地缩短病人的手术时间,减少术中失血,改善血肿清除率,并改善患者的神经功能和预后,以准确、微创、安全的影响(16]。它有临床意义和应用价值的医疗颅内血肿,并提供术前模拟。它可以促进随后的血肿变形研究和可视化分析和提供重要的指导和价值的穿刺手术计划的制定和减少手术风险。

数据可用性

使用的数据来支持本研究的发现是由唐山Gongren限制的医院为了保护病人的隐私。数据可从唐山Gongren医院研究人员满足访问机密数据的标准。

的利益冲突

作者宣称没有利益冲突。

确认

作者感谢唐山Gongren医院的支持在获取原始数据。这项工作是由美国国家科学基金会支持的中国(51674121和51674121),教育部生产大学合作教育项目(201802305012),和唐山创新团队项目(18130209 b)。

引用

1. 王瞿x, y . b . Li s . w . et al .,“neuroendoscopy的短期效应分析和微创穿刺治疗高血压脑出血”中国,“脑血管疾病杂志,17卷,不。3、135 - 141年,2020页。视图:谷歌学术搜索
2. x y杨和j . d .京”,观察微创血肿穿刺切除的疗效治疗高血压脑出血及其对患者的影响,“生活质量在中国医学和诊所,20卷,不。19日,3262 - 3264年,2020页。视图:谷歌学术搜索
3. 董x c . y . Yu, t . et al .,“疗效和安全性neuronavigation-guided穿刺引流血肿和保守治疗幕上高血压脑出血与小血肿,”贵州医药,44卷,不。9日,第1379 - 1377页,2020年。视图:谷歌学术搜索
4. 朱y, m·鲍m .江j . Chang和j .崔”视觉分析溶血剂的流动和扩散和血肿,”视觉计算工业、生物医学和艺术,4卷,不。1,p。2021。视图:出版商的网站|谷歌学术搜索
5. 崔崔j . z和y”,颅内血肿的多功能和多管引流管,“施普林格,柏林,德国,2019年,CN CN208405725U专利。视图:谷歌学术搜索
6. 问:潘,w·朱、张x, j . Chang和j .崔”分叉位置算法研究基于三维医学图像,引流管”视觉计算工业、生物医学和艺术,3卷,不。1,p。2, 2020。视图:出版商的网站|谷歌学术搜索
7. 张x l . k . x张问:l .锅和j . c . Chang,“基于三维医学图像的三维重建切片机,”复杂性健康科学,卷2,不。1、1 - 12,2019页。视图:谷歌学术搜索
8. s . Pszczolkowski z k法,r·g·加拉格尔et al .,“自动分割的血肿和perihaematomal水肿MRI急性自发性颅内出血,”计算机在生物学和医学卷,106年,第139 - 126页,2019年。视图:出版商的网站|谷歌学术搜索
9. j·张,学术界。燕,C.-K。崔和工程学系。Ong“快速分割的骨CT图像,采用三维自适应阈值”计算机在生物学和医学,40卷,不。2、231 - 236年,2010页。视图:出版商的网站|谷歌学术搜索
10. l·m·陈和A·h·秦”,一个新的3 d图形简化算法,”中国图象图形学报,32卷,不。1,第80 - 77页,1997。视图:谷歌学术搜索
11. m .堡、j . a . Sellares和n . Valladares”最近和最远的空间轮廓查询下乘法加权欧氏距离,”基于知识的系统文章ID 105299卷,104年,2019年。视图:谷歌学术搜索
12. s . s .拉维d . j . Rosenkrantz, g . k . Tayi“启发式和特例算法对于色散问题,“运筹学,42卷,不。2、1994。视图:出版商的网站|谷歌学术搜索
13. 问:问:程,p . y .太阳,c . s .杨et al .,“morphing-based的3 d点云重建医学图像处理框架,“计算机在生物医学方法和项目,70卷,2020年。视图:谷歌学术搜索
14. Chakraborty和s Das,”k - means聚类新divergence-based距离度量:收敛性和性能分析,“模式识别的字母卷,100年,第73 - 67页,2017年。视图:谷歌学术搜索
15. r·张研究三角网格模型简化算法基于二次误差度量成都西华大学,中国,2018。
16. h . m . Lu,吴,吴j . et al .,“中国多学科专家共识自发性脑出血的诊断和治疗,”中国神经外科杂志》没有,卷。31日。12日,第1194 - 1189页,2015年。视图:谷歌学术搜索

版权

版权©2021张Jincai et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。