本发明涉及医学图像处理，特别涉及一种基于dsa影像的手术导航方法、系统、介质及电子设备。
背景技术：
1、在血管介入手术机器人落地应用后，企业将构建数据保存平台，记录患者疾病数据、影像数据、手术规划、实时导航、手术操作等诸多信息。这些信息可供血管介入手术机器人(深度学习技术)学习。当数据量足够大时，血管介入手术机器人将学习数万、数十万例手术，实现更高效、精准地评估手术风险，制定更安全的手术规划，实施更准确地实时导航。血管介入手术机器人将向全自动化发展。随着自动化技术的发展，血管介入手术机器人将逐步实现全智能化，并结合影像设备、影像后处理技术、手术实时导航技术、自动化技术，逐步实现血管介入手术机器人的全自动化，然而还存在一定问题：
2、一、在常规的dsa造影图像中，血管位置经常交互重叠，需要进行多次投照来确定，迫使患者增加照射计量、检查时间、造影剂用量、经济负担，也增加了设备损耗，对介入机器人无法起到导航指引作用；
3、二、当前基于三维图像的导航技术主要是通过术前三维图像与术中的二维图像通过图像配准来实现，该技术主要有两个问题：
4、第一是术前三维图像和术中的实际形态可能存在差异；
5、第二是二维图像与三维图像的配准存在精准度的问题和实效性问题；
6、基于二维图像的导航技术由于缺少一个维度的空间信息，所以信息的缺失造成功能的不完备，因此，当前基于二维图像或基于三维图像的导航技术具有精度差和实效性差等问题；
7、三、现有的血管介入手术中，没有一种可以用于dsa与术前cta的血管实时配准方法，医生需要依据经验来判断到导丝在人体中的实时位置，经验不足的医生很难独立实施血管介入手术；
8、为此，提出一种基于dsa影像的手术导航方法、系统、介质及电子设备。
技术实现思路
1、有鉴于此，本发明实施例希望提供一种基于dsa影像的手术导航方法、系统、介质及电子设备，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。
2、为解决上述技术问题，本技术采用的一个技术方案是：一种基于dsa影像的手术导航方法，包括以下步骤：
3、步骤一、获取患者的ct血管造影数据，从中提取血管结构，构建3d血管模型；
4、步骤二、调整相机参数，将3d血管模型投影生成多幅模拟dsa图像，记录每幅模拟dsa图像对应的相机参数集；
5、步骤三、获取患者的术中dsa图像，对模拟dsa图像和术中dsa图像预处理；
6、步骤四、构建cnn神经网络模型，利用模拟dsa图像及其对应的相机参数集训练cnn神经网络模型；
7、步骤五、将患者的术中dsa图像输入到训练好的cnn神经网络模型中，预测出对应的相机参数集；
8、步骤六、根据预测出的相机参数集，调整术前构建的3d血管模型与术中dsa图像配准，配准后的3d血管模型实时显示在手术导航系统中；
9、步骤七、对配准结果评估，根据评估结果，对cnn神经网络模型、训练数据、预处理方法进行优化；
10、步骤八、构建用户交互界面，医生通过用户交互界面在手术过程中实时查看和调整3d血管模型的位置、姿态和缩放比例。
11、提供作为本技术方案进一步优选的，在步骤一中，所述提取血管结构前，对所述ct血管造影数据进行去噪和对比度调整处理。
12、提供作为本技术方案进一步优选的，在步骤二中，所述相机参数包括位置参数、姿态参数、焦距、视场角和图像分辨率，所述相机参数集包括用于生成dsa图像的相机参数。
13、提供作为本技术方案进一步优选的，在步骤三中，所述模拟dsa图像和术中dsa图像预处理包括去噪、对比度调整、归一化和尺寸调整。
14、提供作为本技术方案进一步优选的，在步骤四中，所述cnn神经网络模型利用深度学习架构，包括卷积层、池化层、激活函数层和全连接层，所述cnn神经网络模型在训练过程中利用交叉熵损失函数进行优化。
15、提供作为本技术方案进一步优选的，在步骤五中，所述预测相机参数集的过程还包括对预测结果的置信度评估，当预测置信度低于预设阈值时，自动触发重新校准或人工干预机制。
16、提供作为本技术方案进一步优选的，在步骤六中，所述3d血管模型与术中dsa图像的配准利用迭代最近点算法或基于特征的配准方法。
17、为解决上述技术问题，本技术采用的另一个技术方案是：一种基于dsa影像的手术导航系统，包括：数据采集与处理模块、模拟dsa生成模块、图像预处理模块、cnn神经网络训练模块、相机参数预测模块、图像配准与显示模块、用户交互模块和优化与反馈模块；
18、所述数据采集与处理模块用于获取患者的ct血管造影数据，并进行去噪和对比度增强处理；
19、所述模拟dsa生成模块用于通过调整相机参数，将3d血管模型投影生成多幅模拟dsa图像，并记录每幅图像对应的相机参数集；
20、所述图像预处理模块用于对模拟dsa图像和术中实时获取的术中dsa图像进行预处理；
21、所述cnn神经网络训练模块用于构建并训练一个基于深度学习的cnn神经网络模型；
22、所述相机参数预测模块用于将术中dsa图像输入到训练好的cnn神经网络模型中，预测出对应的相机参数集，并对预测结果进行置信度评估；
23、所述图像配准与显示模块用于根据预测出的相机参数集，将术前构建的3d血管模型与术中dsa图像进行配准；
24、所述用户交互模块用于构建用户交互界面，医生通过用户交互界面在手术过程中实时查看和调整3d血管模型的位置、姿态和缩放比例；
25、所述优化与反馈模块用于对配准结果进行评估，并根据评估结果对cnn神经网络模型、训练数据、预处理方法进行优化。
26、为解决上述技术问题，本技术采用的另一个技术方案是：一种电子设备，所述电子设备包括处理器、与所述处理器耦接的存储器，所述存储器中存储有程序指令，所述程序指令被所述处理器执行时，使得所述处理器执行如上述所述的一种基于dsa影像的手术导航方法的步骤。
27、为解决上述技术问题，本技术采用的另一个技术方案是：一种存储介质，存储有能够实现如上述所述的一种基于dsa影像的手术导航方法的程序指令。
28、本发明实施例由于采用以上技术方案，其具有以下优点：
29、1、本发明通过将术前ct血管造影数据构建成3d血管模型，并在术中实时与dsa图像配准，显著减少了血管位置交互重叠的情况，避免了多次投照的需要，从而减少了患者的照射计量、检查时间、造影剂用量和经济负担，同时也减轻了设备损耗；
30、2、本发明通过cnn神经网络模型对dsa图像进行处理和相机参数预测，有效克服了二维图像与三维图像配准中存在的精度和实效性问题，通过模拟dsa图像的生成和训练，cnn模型能够准确预测术中dsa图像对应的相机参数，从而实现高精度的图像配准；
31、3、本发明通过术中dsa与术前cta的血管实时配准方法，解决了现有血管介入手术中缺乏实时配准手段的问题，医生无需依赖经验判断导丝位置，提高了手术的安全性和成功率。
32、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
1.一种基于dsa影像的手术导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于dsa影像的手术导航方法，其特征在于：在步骤一中，所述提取血管结构前，对所述ct血管造影数据进行去噪和对比度调整处理。
3.根据权利要求1所述的一种基于dsa影像的手术导航方法，其特征在于：在步骤二中，所述相机参数包括位置参数、姿态参数、焦距、视场角和图像分辨率，所述相机参数集包括用于生成dsa图像的相机参数。
4.根据权利要求1所述的一种基于dsa影像的手术导航方法，其特征在于：在步骤三中，所述模拟dsa图像和术中dsa图像预处理包括去噪、对比度调整、归一化和尺寸调整。
5.根据权利要求1所述的一种基于dsa影像的手术导航方法，其特征在于：在步骤四中，所述cnn神经网络模型利用深度学习架构，包括卷积层、池化层、激活函数层和全连接层，所述cnn神经网络模型在训练过程中利用交叉熵损失函数优化。
6.根据权利要求1所述的一种基于dsa影像的手术导航方法，其特征在于：在步骤五中，所述预测相机参数集的过程还包括对预测结果的置信度评估，当预测置信度低于预设阈值时，自动触发重新校准或人工干预机制。
7.根据权利要求1所述的一种基于dsa影像的手术导航方法，其特征在于：在步骤六中，所述3d血管模型与术中dsa图像的配准利用迭代最近点算法或基于特征的配准方法。
8.一种基于dsa影像的手术导航系统，其特征在于，包括：数据采集与处理模块、模拟dsa生成模块、图像预处理模块、cnn神经网络训练模块、相机参数预测模块、图像配准与显示模块、用户交互模块和优化与反馈模块；
9.一种电子设备，其特征在于，所述电子设备包括：处理器，以及，与所述处理器通信连接的存储器；其中，
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行权利要求1-7任一所述的一种基于dsa影像的手术导航方法。
