内镜引导颅底手术中多模态影像虚实融合问题的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61672099
  • 项目类别:
    面上项目
  • 资助金额:
    63.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0209.计算机图形学与虚拟现实
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

The location of the skull base tumor is usually deeply inside the brain and close to vital tissues, such as the brainstem, major arteries and cranial nerves. Therefore, the clinical surgery of removing these kinds of tumors is particularly challenging. Endoscopic technique is widely used for the diagnosis and treatment of the skull base tumor. While multi-modality image fusion guidance is the critical technique to minimize unnecessary trauma in invasive and precision surgeries. As the endoscopic image is with narrow vision and without three-dimensional structural information, current endoscopic guided surgery is unable to fully meet the needs of the clinical operation. Therefore, the significant scientific issues to be urgently solved for endoscopy technology is fusion enhanced display of multi-modality images by breaking through the limitation of endoscopic guided surgery. This project aims to study the key theories and technologies of the endoscopic image enhancement and distortion correction; the reconstruction of the nasal cavity structure with endoscopic images and pose estimation of the endoscope; the registration of the nasal cavity structure; the visual field expansion for the endoscopic enhanced display with mixture reality fusion. The theoretical framework of the endoscope-CT/MR image fusion is constructed to provide an accurate surgical solution for the skull base tumor surgery. Finally, the correctness and validity of the proposed theories and technologies are evaluated by constructing a series of experimental systems. The proposed multi-modality image fusion theory will effectively promote the development of the mixed reality, and further promote the development of the theory of virtual fusion in the clinical application of endoscopic guided surgery.
颅底肿瘤往往位置较深,毗邻脑干、颅神经及重要血管,临床手术操作难度较大。内镜技术是颅底肿瘤诊疗的主要手段,而多模态影像融合引导是实现微创、精准诊疗的核心。现有内镜引导手术技术存在内镜图像术野狭小、无直观三维结构信息的缺陷,尚无法完全满足临床手术需求。如何在理论模型与关键技术上突破内镜引导手术的局限,实现多模态影像的融合增强显示是该领域亟需解决的重要科学问题。本项目拟对内镜引导颅底手术进行延拓和创新,研究内镜图像的增强和畸变校正、内镜图像结构重建和位姿估计、鼻腔结构配准、内镜图像视野扩张和虚实融合增强显示等关键问题,构建内镜-CT/MR影像虚实融合理论框架,提供一套基于混合现实的颅底肿瘤精准手术解决方案,并将在理论研究成果的基础上搭建实验系统验证所提理论和方法的正确性和有效性。提出的多模态影像融合计算理论将有力推动混合现实理论的发展,进而促进虚实融合理论在内镜引导手术临床应用的深入发展。

结项摘要

内镜引导手术是微创诊疗最为重要的发展方向之一。然而,在诊疗过程中,由于内镜图像术野狭小,无法获得皮下内部器官组织的整体结构信息,医生无法直接通过内镜图像判断病灶与周围重要器官组织的位置关系。由此,研究内镜引导颅底手术中多模态影像虚实融合,将术前多模态影像与内镜图像相结合获取腔体组织整体结构信息,实现内镜图像的术野虚拟扩张与融合增强显示,为医生提供直观立体的颅底组织结构信息,并为突破现有内镜引导颅底手术的局限提供新的思路。本项目重点突破了以下关键技术难题:.(1)内窥镜图像质量增强;(2)内窥镜图像特征匹配;(3)单帧内镜图像深度估计;(4)内窥镜视频图像手术阶段识别;(5)内窥镜图像运动与相机位姿估计;(6)视神经分割;(7)表面和体数据混合渲染深度增强;(8)术中快速无标配准;(9)内窥镜旋转实时跟踪;(10)内窥镜引导术中导航关键部位预警;(11)内窥镜手术导航自动定位人脸标识点。.本项目在国际知名期刊上发表SCI论文37篇,EI检索论文10篇。相关关键技术成果申报国家发明专利12项,其中授权专利1项。获软件著作权4项。成果转化获国家医疗器械注册证1项。作为主要完成人获中国图象图形学学会科技一等奖和中华医学科技二等奖。

项目成果

期刊论文数量(39)
专著数量(0)
科研奖励数量(1)
会议论文数量(8)
专利数量(12)
Prior Information Constrained Alternating Direction Method of Multipliers for Longitudinal Compressive Sensing MR Imaging
纵向压缩感知磁共振成像乘法器先验信息约束交替方向法
  • DOI:
    10.1016/j.neucom.2019.09.057
  • 发表时间:
    2020-02
  • 期刊:
    Neurocomputing
  • 影响因子:
    6
  • 作者:
    Ruirui Kang;Danni Ai;Gangrong Qu;Qingbo Li;Xu Li;Yurong Jiang;Yong Huang;Hong Song;Yongtian Wang;Jian Yang
  • 通讯作者:
    Jian Yang
Model and reconstruction of a K-edge contrast agent distribution with an X-ray photon-counting detector
使用 X 射线光子计数探测器对 K 边缘造影剂分布进行建模和重建
  • DOI:
    10.1364/oe.25.009378
  • 发表时间:
    2017-04-17
  • 期刊:
    OPTICS EXPRESS
  • 影响因子:
    3.8
  • 作者:
    Meng, Bo;Cong, Wenxiang;Wang, Ge
  • 通讯作者:
    Wang, Ge
Intrinsic layer based automatic specular reflection detection in endoscopic images
内窥镜图像中基于本征层的自动镜面反射检测
  • DOI:
    10.1016/j.compbiomed.2020.104106
  • 发表时间:
    2021-01-01
  • 期刊:
    COMPUTERS IN BIOLOGY AND MEDICINE
  • 影响因子:
    7.7
  • 作者:
    Asif, Muhammad;Song, Hong;Frangi, Alejandro F.
  • 通讯作者:
    Frangi, Alejandro F.
Deep feature regression (DFR) for 3D vessel segmentation
用于 3D 血管分割的深度特征回归 (DFR)
  • DOI:
    10.1088/1361-6560/ab0eee
  • 发表时间:
    2019-05
  • 期刊:
    Physics in Medicine and Biology
  • 影响因子:
    3.5
  • 作者:
    Jingliang Zhao;Danni Ai;Yang Yang;Hong Song;Yong Huang;Yongtian Wang;Jian Yang
  • 通讯作者:
    Jian Yang
Local incompressible registration for liver ablation surgery assessment
用于肝脏消融手术评估的局部不可压缩配准
  • DOI:
    10.1002/mp.12535
  • 发表时间:
    2017-11-01
  • 期刊:
    MEDICAL PHYSICS
  • 影响因子:
    3.8
  • 作者:
    Fu, Tianyu;Li, Qin;Yang, Jian
  • 通讯作者:
    Yang, Jian

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

活体肝移植术中使用手术放大镜与手术显微镜行肝动脉重建的疗效差异
  • DOI:
    10.3969/j.issn.1674-7445.2020.05.009
  • 发表时间:
    2020
  • 期刊:
    器官移植
  • 影响因子:
    --
  • 作者:
    杨健;谢炎;田大治;孙晓叶;蒋文涛
  • 通讯作者:
    蒋文涛
物理钢化玻璃裂纹形态试验及Voronoi形态表征
  • DOI:
    10.14062/j.issn.0454-5648.20210559
  • 发表时间:
    2022
  • 期刊:
    硅酸盐学报
  • 影响因子:
    --
  • 作者:
    朱禹翰;杨健;王星尔;张凯;王义戈
  • 通讯作者:
    王义戈
采用框架法对不同栖息环境中华绒螯蟹形态差异的比较研究
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    淡水渔业
  • 影响因子:
    --
  • 作者:
    郑朝臣;骆仁军;姜涛;陈修报;刘洪波;杨健
  • 通讯作者:
    杨健
黄绿色镝掺杂七铝酸十二钙X射线荧光粉的表征及其X射线存储特性
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    发光学报
  • 影响因子:
    --
  • 作者:
    侯爽;刘春光;杨健;李胜男;张猛;祝汉成;严端廷;徐长山;刘玉学
  • 通讯作者:
    刘玉学
考虑温度效应的微操作平台的建模与性能分析
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    工程设计学报
  • 影响因子:
    --
  • 作者:
    胡俊峰;郝亚洲;徐贵阳;杨健
  • 通讯作者:
    杨健

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

杨健的其他基金

结构与功能动态感知的骨科手术导航多维影像配准与信息融合关键技术
  • 批准号:
    62331005
  • 批准年份:
    2023
  • 资助金额:
    236 万元
  • 项目类别:
    重点项目
手术导航理论、关键技术及应用
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    400 万元
  • 项目类别:
    国家杰出青年科学基金
基于海量多模态影像深度学习的肝癌智能诊断研究
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    65 万元
  • 项目类别:
    面上项目
基于X射线冠脉造影的血管三维重建和可视化研究
  • 批准号:
    60902103
  • 批准年份:
    2009
  • 资助金额:
    19.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码