论文部分内容阅读
在神经外科手术中,部分脑肿瘤位于较深的脑组织中,手术医生可能需要借助脑压板拨开脑组织这导致患者脑组织发生变形。目前大部分神经导航(Neuronavigation)是基于患者术前脑组织图像建立的图像空间进行手术引导,脑组织发生变形后,该导航系统与患者脑组织术中的真实状况存在偏差,这样的偏差导致神经导航的术中导航精度和可靠性大大下降。文章首先回顾了主流模拟牵拉脑组织变形方法,用一个模拟试验初步评估各类方法的模拟效果,发现由于脑组织牵拉变形产生了脑组织拓扑结构改变,利用有限元方法(Finite Element Method, FEM)求解生物力学模型来预测脑组织牵拉变形存在一定困难,而扩展有限元方法(eXtended Finite Element Method, XFEM)效果好于FEM。接着,为了进一步验证该结论,基于线弹性原理建立了生物力学模型,提出利用XFEM求解生物力学模型来预测脑组织牵拉变形的框架,用一例脑组织体模作为试验对象验证了XFEM求解生物力学模型矫正脑组织牵拉变形的可行性。首先,将脑组织体模牵开前CT (preoperative CT, pCT)图像经过分割、网格化建立该脑组织体模的线弹性模型,然后,利用脑压板对体模实施牵开操作,再利用术中CT (intraoperative CT, iCT)获得脑压板牵开部位的位移作为边界条件;最后,利用XFEM求解该模型,获得矫正牵拉变形后的脑组织体模图像。然而,由于iCT价格昂贵,且可能导致额外的电离辐射,利用iCT获取位移边界条件在临床中缺乏实用性,我们提出利用易于操作且价格便宜的三维激光扫描仪(Laser Range Scanner, LRS)获得术中脑组织牵拉变形后脑组织表面点云,然后利用脑组织变形表面跟踪算法处理点云获得边界条件,接着继续使用XFEM求解生物力学模型获得模拟牵拉变形图像的方法。我们将此框架应用在一例脑组织体模,一例死亡不久的新鲜猪脑组织和一例活体猪脑组织,利用植入到脑组织体模,死亡不久的新鲜猪脑组织以及活体猪脑组织内的不锈钢标记物在牵拉前后的位移变化和(或)表面轮廓的变化来评估和验证提出的框架有效性。利用iCT获取脑组织体模受牵拉后的边界条件求解基于XFEM的线弹性模型来验证XFEM矫正脑组织体模牵拉变形有效性时,系统框架的预测误差在0.30mm到0.50mm之间,平均为0.40mm;矫正精度在83.1%到87.5%之间,平均为85.9%。新提出的矫正框架利用LRS扫描脑组织牵开处获得的边界条件,求解基于XFEM的线弹性模型,新框架的预测误差在0.00mm到1.73mm之间,平均为1.19mm;矫正精度在51.4%到100%之间,平均为81.4%;矫正前后图像的改进的Hausdorff距离从1.10mm下降到0.76mm;同样利用新提出的框架矫正离体脑组织牵拉变形时,系统框架的预测误差在0.00mm到2.00mm之间,平均为0.82mm,模型矫正精度在41.9%到100%之间,平均83.1%。矫正活体脑组织牵拉变形,预测误差为在0.00mm到0.96mm之间,平均为0.40mm;模型矫正精度在66.9%到94.8%之间,平均80.5%。脑组织牵拉变形会导致脑组织拓扑结构发生改变,与FEM相比,XFEM能够更有效模拟这种拓扑结构的改变。通过使用XFEM求解基于牵拉前图像建立的生物力学模型,能够较为准确地预测脑组织牵拉变形。获取边界条件的方式最初采用iCT,该方式会产生的电离辐射有可能造成对患者和医生的伤害,也限制了金属脑压板的使用。LRS的应用和脑组织变形表面跟踪算法的提出很好地解决了以上问题,该方法可以快速,准确,无附加伤害地获取边界条件,体模试验、离体试验以及活体动物试验表明:利用LRS获得的边界条件求解基于XFEM的线弹性模型来预测脑组织牵拉变形具有较为广阔的临床应用前景。