腦外科虛擬手術(shù)中軟組織形變及撕裂模型研究.pdf

1、隨著計算機(jī)技術(shù)在近年來的迅猛發(fā)展，在20世紀(jì)末出現(xiàn)了一項(xiàng)新的信息技術(shù)-虛擬現(xiàn)實(shí)技術(shù)（Virtual Reality，VR），虛擬現(xiàn)實(shí)技術(shù)被廣泛應(yīng)用到了工業(yè)、醫(yī)學(xué)、娛樂和教育等多個領(lǐng)域。虛擬手術(shù)系統(tǒng)是虛擬現(xiàn)實(shí)技術(shù)的重要應(yīng)用之一，它可以幫助醫(yī)生制定手術(shù)方案、術(shù)中導(dǎo)航、還可以用來對實(shí)習(xí)醫(yī)生進(jìn)行培訓(xùn)從而減少手術(shù)失敗率。目前國內(nèi)外較成熟的虛擬手術(shù)系統(tǒng)仿真了多種多樣的手術(shù)類型，而腦外科虛擬手術(shù)的仿真系統(tǒng)卻非常少，由于腦外科手術(shù)是一種最復(fù)雜，最精細(xì)的

2、手術(shù)之一，因此對腦外科醫(yī)生進(jìn)行術(shù)前培訓(xùn)是非常必要的。針對這個需求，本文開發(fā)了一套腦外科虛擬手術(shù)仿真系統(tǒng)，在這個系統(tǒng)的開發(fā)過程中解決的最重要的問題就是如何讓使用者對虛擬場景和虛擬病人有逼真的視覺和實(shí)時的觸覺感知和交互。為實(shí)現(xiàn)這個目標(biāo)，本文對以下幾個方面進(jìn)行了研究。
　　首先，由于腦外科手術(shù)中涉及到了豐富的組織器官，對所有的器官進(jìn)行形變交互仿真會非常消耗系統(tǒng)的運(yùn)行時間。為了能提高腦外科虛擬手術(shù)系統(tǒng)的計算效率，研究了一種基于Splat圖

3、元的幾何形變算法。通過采用Splat圖元代替形狀匹配形變算法中的點(diǎn)圖元,并通過調(diào)節(jié)算法中的參數(shù)從而動態(tài)控制采樣密度,自動調(diào)節(jié)Splat圖元半徑的大小,實(shí)現(xiàn)用最少的Splat圖元無縫覆蓋物體表面,使用形狀匹配算法完成形變計算。此算法具有很好的穩(wěn)定性和高效性。
　　其次，在腦外科手術(shù)中，醫(yī)生會根據(jù)每個器官組織的形變狀態(tài)，來判斷下一步將采用什么操作，因此，僅僅只是考慮系統(tǒng)的運(yùn)行速度是不夠的，軟組織形變的準(zhǔn)確性和逼真性在腦外科手術(shù)中是非常

4、關(guān)鍵。為了提高腦外科虛擬手術(shù)中渲染的逼真性并能反映真實(shí)軟組織的形變效果，充分考慮活體軟組織的力學(xué)特性，把粘彈性集成到人體軟組織基于無網(wǎng)格的物理力學(xué)模型中。通過對真實(shí)軟組織進(jìn)行生物力學(xué)試驗(yàn)，確定軟組織物理力學(xué)模型參數(shù)，從而得到精確的形變計算結(jié)果。
　　再次，腦外科手術(shù)中，醫(yī)生需要及時的看到軟組織的準(zhǔn)確的變化狀態(tài)，否則可能發(fā)生誤操作。為了在計算實(shí)時性的前提下提高渲染的逼真性，建立了基于物理和幾何混合方法的軟組織形變模型，在未發(fā)生形變區(qū)

5、域，選用稀疏的點(diǎn)計算形變，而在發(fā)生形變的區(qū)域采用一種高分辨的計算形變方法，并采用一種新的基于八叉樹層次包圍球的數(shù)據(jù)結(jié)構(gòu)來管理數(shù)據(jù)進(jìn)一步提高了計算效率。
　　然后，腦外科手術(shù)中會用抽吸器進(jìn)行抽吸腦瘤的動作。為了仿真出因?yàn)槌槲a(chǎn)生的軟組織撕裂現(xiàn)象，采用了無網(wǎng)格物理模型對軟組織建模，進(jìn)行形變和撕裂計算；為了使斷裂面更加逼真，通過高度場技術(shù)對軟組織斷裂面進(jìn)行渲染，并對其進(jìn)行噪聲干擾。為了保證系統(tǒng)交互的實(shí)時性，采用一種新的基于層次包圍球八

6、叉樹策略對模型數(shù)據(jù)進(jìn)行快速更新。
　　最后，腦外科手術(shù)中由于交互發(fā)生后對會產(chǎn)生多種新的物體的面，這樣在虛擬手術(shù)仿真中就增加了碰撞檢測的難度。為了使算法能在保證精度的同時滿足實(shí)時性要求，提出一種新的碰撞檢測算法。該算法將層次包圍盒樹與隨機(jī)碰撞檢測算法相結(jié)合，通過層次包圍盒進(jìn)行粗略檢測以排除明顯不相交空間，再基于隨機(jī)碰撞檢測算法思想把碰撞檢測問題轉(zhuǎn)換為物體模型點(diǎn)與點(diǎn)之間距離的非線性規(guī)劃問題，同時采用自適應(yīng)柯西變異粒子群優(yōu)化算法進(jìn)行尋優(yōu)