冠心病是世界上死亡率最高的心血管疾病。冠心病血管介入治疗要获得好的临床疗效,术前的科学诊断规划、术中的精确定位、术后的准确评估是整个冠心病血管介入治疗过程中必不可少的三个关键步骤。该类疾病主要的诊断方法为有创的冠脉造影术或血管内超声,而无创的64排螺旋CT冠脉成像近年来已被认为是一种诊断冠心病较为有效的方法,也是术后评价支架内再狭窄和支架两端血管狭窄程度的无创冠脉病变检查技术。但在实际诊断中,外科医生通常凭借临床经验通过冠脉二维影像直接目测诊断血管狭窄程度,诊断精度有待提升,诊断手段有待更新。该类血管介入手术难度大,精度高,具有辐射性,而传统培训方式周期长,缺乏针对性和指导性的实时反馈,培训效果一般。医学是增强现实技术最早的实际应用领域之一。本文将增强现实技术与冠心病的诊断和介入手术有机融合于仿真培训之中,针对融合中所存在的问题对增强现实技术进行研究和改进,利用增强现实技术所具备的直观显示方式和贴近自然习惯的人机交互特性,为使用者提供术前自然的交互诊断方式、规划安全可靠的手术路径,构造术中逼真的操作环境。本文主要从基于增强现实的注册跟踪精度校正、手势交互诊断和血管三维路径规划三个方面进行了深入的研究,具体工作和创新点如下:1.针对电磁跟踪器磁场空间数据之间的复杂的模糊关系,提出了基于T-S模糊系统的BP神经网络和最小二乘支持向量机相融合的方法对电磁跟踪器的注册精度进行校正。首先采用K-means算法对空间数据进行聚类分析,随后在局部上采用T-S模糊系统进行预处理;再从全局上利用BP神经网络进行训练,根据最终的校正精度动态地调整BP神经网络的训练目标,初步校正后再采用最小二乘支持向量机进行求解。实验结果表明,该方法适用于非线性空间数据校正,能有效提高电磁跟踪器的注册精度,有助于提高基于增强现实的诊断培训的交互精度。2.提出了基于隐马尔科夫模型的冠心病术前手势交互诊断方法。方法使用Leap Motion Controller采集手势视频序列,提取手势运动轨迹的位置、方位向量以及手形变化作为特征;通过K-means算法确定训练平面,使用多特征多观察序列进行手势训练,改进手势训练效果;通过建立状态转移模型,提高手势的重用性;识别前,通过阈值判别法进行手势预判,提高算法效率;随后对手势操作平面进行空间旋转变换,保持轨迹的完整性,扩展手势运动空间;最终实现了基于空间旋转变换和隐马尔科夫模型的手势识别;通过增强现实和手势交互技术对冠状动脉模型进行操作和测量,该方法可自然直观地完成对血管狭窄部位的程度的诊断和范围大小的测量。3.提出了基于小波变换和半连续隐马尔科夫模型的自学习手势识别方法。方法通过K-means算法对动态手势轨迹进行分析,确定手势轨迹平面;接着通过轨迹投影和空间旋转变换的方法,在传感器平面上保持轨迹的完整性,扩展手势操作的方式;进而提取手势轨迹的方向角度和手形变化为特征,同时通过小波变换分析手势轨迹的方向角特征,检测出轨迹的奇异点,计算各动态手势的SCHMM模型状态数;再采用Baum-Welch算法以多特征多观察序列完成手势训练;最后在强化学习的机制上改进维特比算法实现手势识别。实验表明该方法可进一步有效提高手势识别率。4.提出了基于改进蚁群算法的血管三维路径规划方法。方法在蚁群算法的基础上,综合考虑导管直径、血管的长度、直径、曲率和挠率等因素,先通过侦察算法简化问题规模,再对蚁群算法中的启发式函数、信息素更新模型、信息素挥发机制进行改进,最终获得全局最优的规划路径。随后采用增强现实技术,将重构的血管与实物模型虚实配准,并通过电磁跟踪器定位导管,用透视式头盔显示器实时显示规划的路径并监视导管推送过程。实验表明该方法是一种可行、可靠的血管介入手术路径规划方法,在一定程度上可避免医生和病人长期暴露在X射线下。本文的研究成果开拓了冠心病血管介入手术仿真培训的新模式,为AR与医疗培训的结合提供了理论依据,促进了AR技术在医疗行业的应用以及相关理论研究的进一步发展。