[發明專利]一種基于機器學習的整形手術術后體貌預測方法

有效

• 申請號: 202110232147.3
• 申請日: 2021-03-02
• 公開（公告）號: CN113052864B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 祝頌松;李昊翰;陳杉;楊淺;畢瑞野;趙文麗;姜楠;陳浩哲;吳國民;應彬彬
• 申請（專利權）人: 四川大學
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/11;G06T5/00;G06T3/40;G06F30/20;G06F119/14
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 陳立志

1.一種基于機器學習的整形手術術后體貌預測方法，其特征在于，包括以下步驟：

S1.訓練樣本數據預處理：將以往整形手術患者術前及術后的整形部CT影像數據進行預處理和配準，提取并標注骨骼及軟組織數據；

S2.通過機器學習算法對訓練樣本數據進行訓練學習：將術前骨骼數據、術前軟組織數據、術后骨骼數據、患者的年齡及性別信息作為輸入，將術后軟組織數據作為輸出，利用機器學習算法對數據進行學習訓練，使得機器學習模型通過樣本的訓練學習掌握手術部位骨骼變化引起的軟組織形變的潛在規律；

S3.術后軟組織預測：基于新患者的年齡、性別、術前骨骼數據、術前軟組織數據以及手術方案所預測的術后骨骼數據，并利用步驟S2訓練得到的機器學習模型，對準備進行整形手術的新患者的術后軟組織進行預測；

S4.術后體貌圖像預測：利用準備進行形手術的新患者的術后軟組織預測數據，對準備進行整形手術的新患者的術后體貌圖像進行預測；

步驟S1具體包括：

S1-1.從以往整形手術患者術前及術后的整形部CT影像文件中提取3D體素數據和患者的年齡、性別信息，并將術前及術后的3D體素數據調整為相同的朝向與空間分辨率；

S1-2.利用不受整形手術影響的整形部骨骼上的至少3個不共線的關鍵點，將經過步驟S1-1得到的術前與術后的3D體素進行配準，并將術前與術后的3D體素空間尺寸調整為統一大小L×M×N；

S1-3.根據骨骼及軟組織的密度差異，提取并標注經過S1-2處理后的3D體素數據中的骨骼和軟組織數據；

步驟S1-1中，將術前及術后的3D體素數據調整為相同的朝向的步驟包括：

用三維矩陣對3D體素數據進行保存，三維矩陣的三個維度依次定義為x、y、z方向，利用矩陣變換操作對3D體素數據進行統一朝向處理，矩陣變換操作時將3D體素數據的橫斷面法線向頭頂的方向調整為x正方向，矢狀面法線向右手的方向調整為y正方向，冠狀面法線向前的方向調整為z正方向；

步驟S2具體包括：

將年齡值乘以L×M的全1矩陣作為年齡層，將性別值乘以L×M的全1矩陣作為性別層；將年齡層、性別層和經過步驟S1-3得到的L×M×N維的術前骨骼數據、L×M×N維的術前軟組織數據、L×M×N維的術后骨骼數據在所述z方向進行層疊，得到L×M×(3N+年齡值+性別值)維的數據作為輸入，將L×M×N維的術后軟組織數據作為輸出，采用三維卷積深度神經網絡對所述輸入輸出數據進行訓練學習，使得三維卷積深度神經網絡通過樣本的訓練學習掌握手術部位骨骼變化引起的軟組織形變的潛在規律。

2.如權利要求1所述的一種基于機器學習的整形手術術后體貌預測方法，其特征在于，所述整形部為頜面部，所述手術部位為頜骨。

3.如權利要求1所述的一種基于機器學習的整形手術術后體貌預測方法，其特征在于，步驟S1-2中，對于不共線的關鍵點在術前及術后3D體素中的空間坐標，通過最小二乘方程計算術前及術后3D體素之間的變換矩陣，再利用變換矩陣將術后3D體素進行變換，實現術后3D體素與術前3D體素的配準。

4.如權利要求1所述的一種基于機器學習的整形手術術后體貌預測方法，其特征在于，步驟S3具體包括：

S3-1.從新患者術前整形部CT影像文件中提取3D體素數據和患者的年齡、性別信息，并將術前的3D體素數據調整為與步驟S1-1中的3D體素數據相同的朝向與空間分辨率；

S3-2.將經過步驟S3-1得到的3D體素數據調整為與步驟S1-2中統一的空間尺寸大小；

S3-3.采用與步驟S1-3同樣的方法，提取并標注經過步驟S3-2得到的3D體素數據中的骨骼和軟組織；

S3-4.依據制定的手術方案和經過步驟S3-2得到的術前3D體素數據中的骨骼數據，得到預測的術后骨骼數據；

S3-5.將經過步驟S3-2得到的術前骨骼數據、術前軟組織數據、經過步驟S3-2得到的預測的術后骨骼數據、經過步驟S3-1得到的患者的年齡及性別信息輸入到步驟S2中訓練好的機器學習模型中，得到預測的術后軟組織數據。