CN113116475B - 经导管的导航处理方法、装置、介质、设备与导航系统 - Google Patents

Abstract

本发明提供了一种经导管的导航处理方法、装置、介质、设备与系统，所述导管设有N个传感器，且所述N个传感器依次分布于所述导管长度方向的不同位置；所述导航处理方法，包括：在所述导管进入待测生理管道之后，获取所述N个传感器实际的检测信息；根据所述N个传感器的检测信息，确定所述导管的当前曲率信息；所述当前曲率信息表征了所述导管中至少部分导管段当前的曲率；所述至少部分导管段匹配于所述N个传感器的分布位置；根据所述当前曲率信息与参考曲率信息，确定所述导管在所述待测生理管道中的位置，所述参考曲率信息表征了所述待测生理管道中各管道段的曲率。

Description

经导管的导航处理方法、装置、介质、设备与导航系统

技术领域

本发明涉及医疗器械领域，尤其涉及一种经导管的导航处理方法、装置、介质、设备与导航系统。

背景技术

在医疗活动中，需要将导管导入动物或人体的生理管道，进而，可便于实现内窥、活检等过程。在导管进入生理管道之后，通常需要对导管在生理管道内的位置进行导航。

现有相关技术中，可在导管上可设置传感器，采集传感器的运动轨迹，然后通过运动轨迹与生理管道检测图之间的配准定位导管的位置。然而，在该过程中，难以准确、有效地采集到连续的运动轨迹，从而会影响配准、定位，降低生理管道内导航的准确性。

发明内容

本发明提供一种经导管的导航处理方法、装置、介质、设备与导航系统，以解决生理管道内导航的准确性不佳的问题。

根据本发明的第一方面，提供了一种经导管的导航处理方法，所述导管设有N个传感器，且所述N个传感器依次分布于所述导管长度方向的不同位置，其中的N大于或等于2；

所述导航处理方法，包括：

在所述导管进入待测生理管道之后，获取所述N个传感器实际的检测信息，所述检测信息表征了所述传感器所处导管部位的位置与姿态；

根据所述N个传感器的检测信息，确定所述导管的当前曲率信息；所述当前曲率信息表征了所述导管中至少部分导管段当前的曲率；所述至少部分导管段匹配于所述N个传感器的分布位置；

根据所述当前曲率信息与参考曲率信息，确定所述导管在所述待测生理管道中的位置，所述参考曲率信息表征了所述待测生理管道中各管道段的曲率。

可见，本发明中，基于导管上的多个传感器，可获取到表征导管至少部管段当前曲率的当前曲率信息，进而，基于当前曲率信息与参考曲率信息，可基于曲率实现导航，该过程中，无需追踪定位传感器的轨迹，不会因此而获取到不准确的轨迹，进而，本发明的当前曲率信息能更准确、及时地反映至少部分导管段当前的真实形态，从而使得导管的导航结果更精确。

可选的，根据所述N个传感器的检测信息，确定所述导管的当前曲率信息之前，还包括：

根据所述N个传感器实际的检测信息，以及传感器之间的间隔长度信息，对其中至少部分传感器实际的检测信息进行修正，得到修正后的检测信息，所述间隔长度信息表征了所述导管中传感器之间导管部分的长度。

以上方案中，实现了检测信息的修正，由于修正的过程中结合了传感器之间的间隔长度信息，可以使得修正结果可被传感器的分布位置所约束，提高修正后检测信息的准确性。

可选的，根据所述N个传感器实际的检测信息，以及传感器之间的间隔长度信息，对其中至少部分传感器实际的检测信息进行修正，得到修正后的检测信息，具体包括：

针对于任意第k个传感器，根据所述第k个传感器与所述待测生理管道入口之间的一个或多个传感器的检测信息，以及其与所述第k个传感器之间的间隔长度信息，对所述第k个传感器实际的检测信息进行修正，其中的k大于或等于2，所述第k个传感器指所述N个传感器中沿目标方向依次分布的第k个传感器，所述目标次序与传感器依次进入所述待测生理管道的次序相反。

可选的，根据所述第k个传感器与所述待测生理管道入口之间的一个或多个传感器的检测信息，以及其与所述第k个传感器之间的间隔长度信息，对所述第k个传感器实际的检测信息进行修正，得到所述第k个传感器修正后的检测信息，具体包括：

根据第m个传感器实际的检测信息或修正后的检测信息，以及所述第k个传感器与所述第m个传感器之间的间隔长度信息，预测所述第k个传感器的至少部分检测信息，得到所述第k个传感器的预测检测信息；其中的m小于k；

根据所述第k个传感器的预测检测信息，对所述第k个传感器实际的检测信息进行修正，得到所述第k个传感器修正后的检测信息。

以上各方案中，由于传感器的修正是基于其之前的传感器的检测信息实现的，以支气管树为例的待测生理管道中，越深入人体，越不易于因生理反应的影响(例如呼吸的影响)而造成干扰，所以，越靠前的传感器所接收到的干扰越小，以支气管树为例，越靠前的传感器越靠近肺的上叶，受到呼吸的干扰越小。进而，利用靠前的传感器对靠后的传感器进行修正、补偿，可有利于消除或降低干扰对检测结果的影响，提高检测信息的准确性。

可选的，其中的m＝k-1，所述至少部分传感器的检测信息是沿所述目标次序依次修正的。

以上方案中，可保障每次修正都能以较为准确的检测信息为依据进行修正。

可选的，所述预测检测信息包括所述第k个传感器的预测位置的位置信息，所述预测位置与所述第m个传感器的检测信息所表征的位置之间的距离匹配于所述第k个传感器与所述第m个传感器之间的间隔长度信息。

可选的，根据所述第k个传感器的预测检测信息，对所述第k个传感器实际的检测信息进行修正，得到所述第k个传感器修正后的检测信息，包括：

根据所述第m个传感器实际的检测信息或修正后的检测信息，确定对应的延伸线，所述延伸线的位置匹配于对应检测信息所表征的位置，所述延伸线的延伸方向匹配于对应检测信息所表征的姿态；

根据所述延伸线，以及所述第k个传感器与所述第m个传感器之间的间隔长度信息，确定所述预测位置。

以上各方案中，第k个传感器的位置预测可以充分考虑第m个传感器的位置与姿态，进而使得修正的结果能够准确、充分考虑第m个传感器的位置与姿态，提高修正的准确性。

可选的，所述预测检测信息还包括所述第k个传感器的预测姿态的姿态信息，所述预测姿态匹配于所述第m个传感器的姿态。

以上方案中，第k个传感器的姿态预测可以充分考虑第m个传感器的姿态，提高修正的准确性。

可选的，根据所述第k个传感器的预测检测信息，对所述第k个传感器实际的检测信息进行修正，得到所述第k个传感器修正后的检测信息，具体包括：

根据所述第k个传感器的预测检测信息，以及设定的修正参考信息，对所述第k个传感器实际的检测信息进行修正；

其中，所述修正参考信息包括：第一修正参考信息和/或第二修正参考信息，所述第一修正参考信息表征了对应传感器修正后的检测信息与预测检测信息的匹配程度，所述第二修正参考信息表征了对应传感器修正后的检测信息与实际的检测信息的匹配程度。

可选的，不同次序的传感器的修正参考信息是不同的，并且：

在所述N个传感器中，越靠近所述待测生理管道的入口，传感器的第一修正参考信息所表征的匹配程度越低，第二修正参考信息所表征的匹配程度越高。

以上方案中，由于越靠近待测生理管道的入口，传感器所受的干扰越小(例如，越靠近肺上叶，呼吸干扰越小)，对应的，以上方案中不同传感器的修正参考信息能够更准确地匹配其所处的次序，进而更准确匹配干扰的大小分布，保障修正的准确性。

可选的，根据所述第k个传感器的预测检测信息，以及设定的修正参考信息，对所述第k个传感器实际的检测信息进行修正，具体包括：

根据所述修正参考信息，对所述第k个传感器的预测检测信息与所述第k个传感器实际的检测信息进行加权求和，得到所述第k个传感器修正后的检测信息；所述第一修正参考信息为所述预测检测信息对应的第一加权值，所述第二修正参考信息为所述实际的检测信息对应的第二加权值。

以上方案中，为检测信息的修正提供了可量化的处理手段，并且，基于加权求和的方式，可基于加权值有效兼顾预测检测信息与实际的检测信息，同时，还能保障算法的相对简化。

可选的，根据所述修正参考信息，对所述第k个传感器的预测检测信息与所述第k个传感器实际的检测信息进行加权求和，得到所述第k个传感器修正后的检测信息，具体包括：

基于以下公式对所述第k个传感器的实际监测信息进行修正：

(x_k′，y_k′，z_k，′α_k′，β_k′，γ_k′)＝(1-λ)(x_k.y_k.z_k，α_k，β_k，γ_k)+λ(x_p，y_p，z_p，α_p，β_p，γ_p)

其中：

(x_k′，y_k′，z_k，′α_k′，β_k′，γ_k′)表征了第k个传感器修正后的检测信息；

x_k′表征了所述第k个传感器修正后的检测信息中x轴方向上的坐标；

y_k′表征了所述第k个传感器修正后的检测信息中y轴方向上的坐标；

z_k′表征了所述第k个传感器修正后的检测信息中z轴方向上的坐标；

α_k′表征了所述第k个传感器修正后的检测信息中绕x轴的旋转角度；

β_k′表征了所述第k个传感器修正后的检测信息中绕y轴的旋转角度；

γ_k′表征了所述第k个传感器修正后的检测信息中绕z轴的旋转角度；

(x_k，y_k，z_k，α_k，β_k，γ_k)表征了第k个传感器的实际监测信息；

x_k表征了所述第k个传感器实际的检测信息中x轴方向上的坐标；

y_k表征了所述第k个传感器实际的检测信息中y轴方向上的坐标；

z_k表征了所述第k个传感器实际的检测信息中z轴方向上的坐标；

α_k表征了所述第k个传感器实际的检测信息中绕x轴的旋转角度；

β_k表征了所述第k个传感器实际的检测信息中绕y轴的旋转角度；

γ_k表征了所述第k个传感器实际的检测信息中绕z轴的旋转角度；

(x_p，y_p，z_p，α_p，β_p，γ_p)表征了第k个传感器的预测检测信息；

x_p表征了所述第k个传感器的预测检测信息中x轴方向上的坐标；

y_p表征了所述第k个传感器的预测检测信息中y轴方向上的坐标；

z_p表征了所述第k个传感器的预测检测信息中z轴方向上的坐标；

α_p表征了所述第k个传感器的预测检测信息中绕x轴的旋转角度；

β_p表征了所述第k个传感器的预测检测信息中绕y轴的旋转角度；

γ_p表征了所述第k个传感器的预测检测信息中绕z轴的旋转角度；

λ为所述第一加权值；

1-λ为所述第二加权值。

可选的，所述N个传感器的分布位置是根据待测生理管道的扫描图像确定的，且所述N个传感器的间隔匹配于所述扫描图像所呈现的待测生理管道的形状。

可选的，所述的导航处理方法，还包括：

根据所述扫描图像，形成所述待测生理管道的第一虚拟模型，以利用所述第一虚拟模型作为所述N个传感器分布位置的确定依据。

以上各可选方案中，由于N个传感器的分布位置是以待测生理管道的扫描图像、虚拟模型为依据确定的，可保障分布结果可以充分满足待测生理管道的需求。

可选的，所述待测生理管道为待测支气管树，

所述N个传感器的分布位置满足以下至少之一：

首个传感器与末尾一个传感器之间导管部分的长度长于所述待测支气管树中任意两个相邻的分叉口之间的管道长度；

相邻两个传感器的之间导管部分的长度短于所述待测支气管树中任意两个相邻的分叉口之间的管道长度；

首个传感器与末尾一个传感器之间导管部分的长度长于所述待测支气管树中任意肺段的长度。

以上方案中，由于首个传感器与末尾一个传感器之间的长度长于任意两个相邻的分叉口之间的管道长度，其必然可长于相邻分叉口的最长管道长度，进而，可保障：所勾勒出的曲率能够充分覆盖至少两个分叉口，避免了分叉口的缺失，满足后续定位的需求，提高定位准确性。

由于相邻传感器之间的长度短于任意两个相邻的分叉口之间的管道长度，其必然可短于相邻分叉口的最短管道长度，进而，可防止勾勒出的曲率丢失分叉口的信息，提高定位准确性。

由于首个传感器与末尾一个传感器之间的长度长于所述待测支气管树中任意肺段的长度，进而，可保障N个传感器不会集中位于同一肺段，保障定位准确性。

可选的，根据所述N个传感器的检测信息，确定所述导管的当前曲率信息，包括：

根据所述N个传感器的检测信息，对所述导管进行三维建模，得到所述至少部分导管段的当前模型；

确定所述当前模型在多个投影面的当前轮廓线；

计算所述当前轮廓线上各段的曲率，得到第一曲率集合作为所述当前曲率信息。

以上方案中，通过导管段的建模与投影面的投射，可得到充分、全面的曲率数据，以此为依据，可使得曲率的配准结果更准确，进而，可有效提高定位的准确性。

可选的，所述当前轮廓线上各段的曲率是根据以下公式计算的：

其中：

k1表征了所述当前轮廓线中轮廓线段的曲率；

f表征了对应的轮廓线段在所属投影面的函数。

可选的，所述参考曲率信息是根据所述待测生理管道的扫描图像确定的。

以上方案中，参考曲率信息可准确匹配待测生理管道的真实形态，以此为参考的曲率匹配可以更准确地实现导管的定位。

可选的，所述的导航处理方法，还包括：

根据所述扫描图像，形成所述待测生理管道的第二虚拟模型；

根据所述第二虚拟模型，确定所述参考曲率信息。

可选的，根据所述第二虚拟模型，确定所述参考曲率信息，具体包括：

确定所述第二虚拟模型在多个投影面的虚拟轮廓线；

计算所述虚拟轮廓线上各段的曲率，得到第二曲率集合作为所述参考曲率信息。

以上方案中，通过虚拟轮廓线中各段的建模与投影面的投射，可得到充分、全面的曲率数据，以此为依据，可使得曲率的配准结果更准确，进而，可有效提高定位的准确性。

可选的，所述虚拟轮廓线上各段的曲率是根据以下公式计算的：

其中：

k2表征了所述虚拟轮廓线中轮廓线段的曲率；

f表征了对应的轮廓线段在所属投影面的函数。

可选的，根据所述当前曲率信息与参考曲率信息，确定所述导管在所述待测生理管道中的位置，包括：

计算所述第一曲率集合中曲率与所述第二曲率集合中曲率的豪斯多夫距离；

根据所述豪斯多夫距离，确定所述导管在所述待测生理管道中的位置。

以上方案中，基于豪斯多夫距离，可准确搜索到到底至少部分管道属于虚拟支气管的哪个位置，实现精准的定位。

可选的，根据所述扫描图像，形成所述待测生理管道的第二虚拟模型，具体包括：

根据所述扫描图像，形成所述待测生理管道的第一虚拟模型；

提取所述第一虚拟模型中的目标部分，并根据所述目标部分对所述待测生理管道的虚拟模型进行重建，得到所述第二虚拟模型，所述目标部分能够表征出所述待测生理管道的轮廓。

可选的，提取所述第一虚拟模型中的目标部分，具体包括：

利用墨西哥帽算法提取所述第一虚拟模型中的高频信息，以提取出所述目标部分。

以上各可选方案中，通过对目标部分的提取，可准确提取出可用于曲率配准的部分，将生理管道(例如支气管)的纹路、褶皱等可能影响曲率计算与配准的内容排除在外，有效保障了曲率配准的准确性，提高了定位的准确性。

可选的，所述待测生理管道为待测支气管树。

根据本发明的第二方面，提供了一种经导管的导航处理装置，所述导管设有N个传感器，且所述N个传感器依次分布于所述导管长度方向的不同位置，其中的N大于或等于2；

所述导航处理装置，包括：

检测模块，用于在所述导管进入待测生理管道之后，获取所述N个传感器实际的检测信息，所述检测信息表征了所述传感器所处导管部位的位置与姿态；

当前曲率确定模块，用于根据所述N个传感器的检测信息，确定所述导管的当前曲率信息；所述当前曲率信息表征了所述导管中至少部分导管段当前的曲率；所述至少部分导管段匹配于所述N个传感器的分布位置；

定位模块，用于根据所述当前曲率信息与参考曲率信息，确定所述导管在所述待测生理管道中的位置，所述参考曲率信息表征了所述待测生理管道中各管道段的曲率。

根据本发明的第三方面，提供了一种电子设备，包括处理器与存储器，

所述存储器，用于存储代码；

所述处理器，用于执行所述存储器中的代码用以实现第一方面及其可选方案涉及的导航处理方法。

根据本发明的第四方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面及其可选方案涉及的导航处理方法。

根据本发明的第五方面，提供了一种经导管的导航系统，包括：导管、N个传感器与数据处理模块，所述N个传感器设于所述导管，且所述N个传感器依次分布于所述导管长度方向的不同位置，所述数据处理模块能够直接或间接与所述N个传感器通讯；

所述数据处理模块用于执行第一方面及其可选方案涉及的导航处理方法。

可选的，所述传感器为磁导航传感器。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中经导管的导航系统的构造示意图；

图2是本发明一实施例中导管上传感器的分布示意图；

图3是本发明一实施例中经导管的导航处理方法的流程示意图一；

图4是本发明一实施例中支气管树的建模示意图；

图5是本发明一实施例中经导管的导航处理方法的流程示意图二；

图6是本发明一实施例中经导管的导航处理方法的流程示意图三；

图7是本发明一实施例中步骤S14的流程示意图；

图8是本发明一实施例中步骤S140的流程示意图；

图9是本发明一实施例中传感器的几何模型示意图；

图10是本发明一实施例中步骤S12的流程示意图；

图11是本发明一实施例中经导管的导航处理方法的流程示意图四；

图12是本发明一实施例中步骤S16的流程示意图；

图13是本发明一实施例中步骤S17的流程示意图；

图14是本发明一实施例中步骤S13的流程示意图；

图15是本发明一实施例中经导管的导航处理装置的程序模块示意图一；

图16是本发明一实施例中经导管的导航处理装置的程序模块示意图二；

图17是本发明一实施例中经导管的导航处理装置的程序模块示意图三；

图18是本发明一实施例中电子设备的构造示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

本发明实施例提供的经导航的导航处理方法、装置，可应用于具有数据处理能力的执行主体(例如设备或设备的组合)，具体可理解为后文所涉及的电子设备40、数据处理模块203。导航处理方法的至少部分步骤可基于LungPoint软件实现。

请参考图1，经导管的导航系统，可以包括导管201、N个传感器202，N个传感器202均设于导管201，其中的N大于或等于2，例如可以为5、6、7、8、9、10等，根据医疗活动的需求、待测生理管道的类型和形态，以及传感器的检测精度等，可任意选择所需的数量。

在部分方案中，导航系统还可包括：内窥模块，另部分方案中，也可不包括内窥模块。

若包括内窥模块，则内窥模块，可理解为能够在生理管道内进行内窥的部件或部件的组合，例如可以包括图像采集部件、照明部件等至少之一，但也不限于此，其可以为装配、封装在一起的构造。此外，内窥模块可设于导管201的末端，也可设于非末端的位置。

导管201，可理解为设有传感器，且适于将N个传感器送入生理管道的构造，例如可以包括柔性管，也可包括硬质管，其中可设有用于对导管进行引导的器械，也可设有其他用于医疗活动的器械，还可设有实现传感器202对外电性连接的线路、电路、结构。

传感器202，可理解为能够检测自身的位置与姿态的传感器，当传感器202设于导管时，传感器也可理解为是能够检测传感器202所处导管部位的位置与姿态，进而，传感器所检测到的检测信息可表征出传感器202所处导管部位的位置与姿态，此外，传感器所能检测到的检测信息也不限于位置、姿态。本领域任意可实现位置与姿态检测的传感器，均不脱离本发明实施例的范围。进一步方案中，传感器202可以为磁导航传感器，也可以为光纤传感器，形状传感器等，不论采用何种传感器，均不脱离本发明实施例的范围。

本发明实施例中，请参考图2所示的几何模型图，N个传感器202依次分布于所述导管201长度方向的不同位置，进而，相邻两个传感器202之间可间隔一段导管部分，所间隔的导管部分的长度可以是均匀的，也可以是不均匀的，在图2所示举例中，传感器202的数量为七个。

以上所涉及的执行主体可以与传感器通讯连接，该通讯连接可以有线的方式连接，也可以无线的方式连接。

请参考图3，本发明实施例提供了一种经导管的导航处理方法，包括：

S11：在所述导管进入待测生理管道之后，获取所述N个传感器实际的检测信息；

S12：根据所述N个传感器的检测信息，确定所述导管的当前曲率信息；

S13：根据所述当前曲率信息与参考曲率信息，确定所述导管在所述待测生理管道中的位置。

其中的当前曲率信息表征了所述导管中至少部分导管段当前的曲率；所述至少部分导管段匹配于所述N个传感器的分布位置，例如，所述至少部分导管段可以包含首个传感器与末尾一个传感器之间的导管段，但也可不限于此。

当前曲率信息可以是能够对至少部分导管段的曲率进行表征的任意信息，其对曲率表征的精度、方式、曲率数据的数量等均可任意变化，部分举例中，可以对三维的曲率进行计算，从而得到该当前曲率信息，也可将曲线投射到一个或多个面，再对二维的曲率进行计算，从而得到该当前曲率信息，其中的曲率可以是导管轮廓线的曲率，也可以是导管的等效曲线的曲率。

所述参考曲率信息表征了所述待测生理管道中各管道段的曲率，具体可理解为用于表征出所述待测生理管道中各管道段曲率的信息。参考曲率信息的内容与计算方式等，可参照于当前曲率信息进行理解。参考曲率信息也可以利用其它方式计算得到。其中的曲率可以是生理管道轮廓线的曲率，也可以是生理管道的等效曲线的曲率。

此外，参考曲率信息可以是针对于当前的待测生理管道标定的，也可以是基于其他生理管道标定的，还可以是人为指定的或基于理论计算预先设定的。

后文将会通过可选实施方式的举例对当前曲率信息、参考曲率信息的获取过程进行阐述。

其中的待测生理管道，可以为任意人体、动物体的任意生理管道，例如可以为支气管树(其可参照于图4所示的虚拟模型的形态理解)，在其他举例中，待测生理管道也可以为泌尿系统的管道、消化系统的管道等等。生理管道中可具有多个交叉口(或可理解为分叉口)。

以上方案中，基于导管上的多个传感器，可获取到表征导管至少部管段当前曲率的当前曲率信息，进而，基于当前曲率信息与参考曲率信息，可基于曲率实现导航，该过程中，无需追踪定位传感器的轨迹，不会因此而获取到不准确的轨迹，进而，本发明的当前曲率信息能更准确、及时地反映至少部分导管段当前的真实形态，从而使得导管的导航结果更精确。

其中一种实施方式中，所述N个传感器的分布位置可以是根据待测生理管道的扫描图像确定的，且所述N个传感器的间隔匹配于所述扫描图像所呈现的待测生理管道的形状。

其中的扫描图像，可例如为待测生理管道的CT扫描图像，但也不限于此，此外，根据该扫描图像确定分布位置的过程中，可以基于扫描图像直接确定出分布位置，也可先基于扫描图像形成其他信息(例如虚拟模型)，再基于该信息确定出分布位置。

以支气管树为例，N个传感器位置的分布策略可以充分考虑了支气管树的生理结构，具体的，若需对检测信息进行修正，分布策略需保证前端的传感器能提供检测信息，从而用于修正后端传感器的检测信息。同时，分布策略还需保证实现步骤S13中基于曲率的配准和导航(例如保证能提供足够的曲率形状用于曲率配准)。

所述N个传感器的分布位置满足以下至少之一：

首个传感器与末尾一个传感器之间导管部分的长度长于所述待测支气管树中任意两个相邻的分叉口之间的管道长度；对应的，可形成分布策略A＝{N个传感器的分布距离足够长，可以使得：勾勒出的曲率(即所述至少部分导管段)可以覆盖支气管树的至少两个分叉口}，与之相对的，若距离(可理解为N个传感器的分布距离，也可理解为首个传感器与末尾一个传感器之间导管部分的长度)不够长，因为单个分叉口信息缺失，将难以用来配准当前曲率信息与参考曲率信息；

相邻两个传感器的之间导管部分的长度短于所述待测支气管树中任意两个相邻的分叉口之间的管道长度；对应的，可形成分布策略B＝{相邻传感器问的距离不可太长，防止勾勒出的曲率(即所述至少部分导管段)会丢失一部分分叉口信息}；

首个传感器与末尾一个传感器之间导管部分的长度长于所述待测支气管树中任意肺段的长度；对应的，可形成分布策略C＝{需要考虑肺的呼吸模型(即第一虚拟模型)，肺下叶呼吸形变大于肺中叶和肺上叶，传感器需要尽可能的分布于不同一个肺段(例如：导航时，有些在下叶，有些在中叶)}。

一种具体的举例中，所述N个传感器的分布位置可同时满足以上分布策略A、分布策略B与分布策略C(即取A∩B∩C)。

以上方案中，由于首个传感器与末尾一个传感器之间的长度长于任意两个相邻的分叉口之间的管道长度，其必然可长于相邻分叉口的最长管道长度，进而，可保障：所勾勒出的曲率能够充分覆盖至少两个分叉口，避免了分叉口的缺失，满足后续定位的需求，提高定位准确性。

由于相邻传感器之间的长度短于任意两个相邻的分叉口之间的管道长度，其必然可短于相邻分叉口的最短管道长度，进而，可防止勾勒出的曲率丢失分叉口的信息，提高定位准确性。

由于首个传感器与末尾一个传感器之间的长度长于所述待测支气管树中任意肺段的长度，进而，可保障传感器不会集中位于同一肺段，保障定位准确性。

其中，根据待测生理管道，确定N个传感器分布位置的过程，可以是以上执行主体实施的，也可以是由其他设备实施从而反馈至执行主体的，还可以是人工实施的，还可以是执行主体、其他设备与人工至少之二的结合实施的。

具体的，请参考图5，所述的导航处理方法，还包括：

S15：根据所述扫描图像，形成所述待测生理管道的第一虚拟模型，以利用所述第一虚拟模型作为所述N个传感器分布位置的确定依据。

一种举例中，形成第一虚拟模型之后，以上执行主体或其他设备可基于分布策略的算法，以及导管的相关数据，自动确定N个传感器的分布位置。另一举例中，形成第一虚拟模型之后，也可将虚拟模型反馈至相关人员，由相关人员人工确定最终的分布位置。

以上各可选方案中，由于N个传感器的分布位置是以待测生理管道的扫描图像、虚拟模型为依据确定的，可保障分布结果可以充分满足待测生理管道的需求。

其中一种实施方式中，请参考图6，步骤S11之后，步骤S12之前，还可包括：

S14：根据所述N个传感器实际的检测信息，以及传感器之间的间隔长度信息，对其中至少部分传感器实际的检测信息进行修正，得到修正后的检测信息。

其中的间隔长度信息表征了所述导管中传感器之间导管部分的长度。其可以包括相邻传感器之间导管部分的长度，也可包括非相邻的传感器之间导管部分的长度。

以上方案中，实现了检测信息的修正，由于修正的过程中结合了传感器之间的间隔长度信息，可以使得修正结果可被传感器的分布位置所约束，提高修正后检测信息的准确性。

进一步的，请参考图7，步骤S14可以包括：

S140：针对于任意第k个传感器，根据所述第k个传感器与所述待测生理管道入口之间的一个或多个传感器的检测信息，以及其与所述第k个传感器之间的间隔长度信息，对所述第k个传感器实际的检测信息进行修正，其中的k大于或等于2，所述第k个传感器指所述N个传感器中沿目标次序依次分布的第k个传感器，所述目标次序与传感器依次进入所述待测生理管道的次序相反，即远离待测生理管道入口的方向的次序。

进而，k可以逐一取不同的数值(例如2、3、4，……连续的数值，也可以是不连续的)，从而针对于所述至少部分传感器中的传感器逐一实施步骤S140。

再进一步的，请参考图8，步骤S140具体可以包括：

S141：根据第m个传感器实际的检测信息或修正后的检测信息，以及所述第k个传感器与所述第m个传感器之间的间隔长度信息，预测所述第k个传感器的至少部分检测信息，得到所述第k个传感器的预测检测信息；其中的m小于k；

S142：根据所述第k个传感器的预测检测信息，对所述第k个传感器实际的检测信息进行修正，得到所述第k个传感器修正后的检测信息。

以上各方案中，由于传感器的修正是基于靠前的传感器的检测信息实现的，以支气管树为例的待测生理管道中，越深入人体，越不易于因生理反应的影响(例如呼吸的影响)而造成干扰，所以，越靠前的传感器所接收到的干扰越小，以支气管树为例，越靠前的传感器越靠近肺的上叶，受到呼吸的干扰越小。进而，利用靠前的传感器对靠后的传感器进行修正、补偿，可有利于消除或降低干扰对检测结果的影响，提高检测信息的准确性。

换言之，考虑到肺部呼吸，前端传感器的检测信息(例如坐标、角度)相比于后端传感器的检测信息(例如坐标、角度)，所受影响更小，通过检测信息的修正(例如坐标、角度的修正)，可使得各传感器能给出精确的检测信息。

具体举例中，其中的m＝k-1，所述至少部分传感器的检测信息是沿所述目标次序依次修正的。进而，可自前至后逐一对传感器的检测信息进行修正，且利用相邻的传感器中沿目标次序的上一个传感器的检测信息修正下一个传感器。该方案中，可保障每次修正都能以较为准确的检测信息为依据进行修正。

其他举例中，m也可以不等于k-1，用于修正第k个传感器的检测信息的传感器也可不限于一个。

其中，靠前的传感器、前端的传感器，指的是沿目标次序靠前、前端的传感器；靠后的传感器、后端的传感器、指的是沿目标次序靠后、后端的传感器。

其中一种实施方式中，所述预测检测信息包括所述第k个传感器的预测位置的位置信息，所述预测位置与所述第m个传感器的检测信息所表征的位置之间的距离匹配于所述第k个传感器与所述第m个传感器之间的间隔长度信息。其中，距离与间隔的匹配可以是相同，也可以是相近(例如小于某距离阈值)。可见，该方案中实现了第m个传感器的位置与间隔长度信息对预测位置的约束，保障了预测结果能够准确匹配于位置、间隔长度。

除了距离，第m个传感器的姿态也会对预测位置产生约束。

故而，步骤S141可包括：

根据所述第m个传感器实际的检测信息或修正后的检测信息，确定对应的延伸线，再根据所述延伸线，以及所述第k个传感器与所述第m个传感器之间的间隔长度信息，确定所述预测位置。

其中，延伸线的位置匹配于对应检测信息所表征的位置，例如，该延伸线可经过第m个传感器的检测信息中的位置(例如需经过该检测信息中x、y、z的坐标)，所述延伸线的延伸方向匹配于对应检测信息所表征的姿态(例如其延伸方向是匹配于该检测信息中的α、β、γ)。

由于传感器的姿态实际即为其所处导管部位的姿态，其随着导管的弯曲而变化，所以，延伸方向具体可以匹配于传感器所处导管部位的切线方向，并指向于沿目标次序的下一个传感器一侧，例如：延伸方向可以与切向方向相同、相近(角度差距小于一定阈值)，或与该切线方向间呈指定角度。以上方案中，充分考虑了第m个传感器的姿态对第k个传感器位置的约束，保障了预测结果能够准确匹配于第m个传感器的姿态(即匹配于对应导管部位的弯曲情况)。

进而，第k个传感器的位置预测可以充分考虑第m个传感器的位置与姿态，进而使得修正的结果能够准确、充分考虑第m个传感器的位置与姿态，提高修正的准确性。

其中一种实施方式中，所述预测检测信息还包括所述第k个传感器的预测姿态的姿态信息，所述预测姿态匹配于所述第m个传感器的姿态。可见，第k个传感器的姿态预测主要受约束于第m个传感器的姿态。

进而，以上方案中，第k个传感器的姿态预测可以充分考虑第m个传感器的姿态，提高修正的准确性。

其中一种实施方式中，步骤S142可以包括：

S1421：根据所述第k个传感器的预测检测信息，以及设定的修正参考信息，对所述第k个传感器实际的检测信息进行修正；

其中，所述修正参考信息包括：第一修正参考信息和/或第二修正参考信息，所述第一修正参考信息表征了对应传感器修正后的检测信息与预测检测信息的匹配程度，所述第二修正参考信息表征了对应传感器修正后的检测信息与实际的检测信息的匹配程度。

第一修正参考信息与第二修正参考信息可以是能够表征出对应匹配程度的任意信息，基于所采用的修正算法不同，修正参考信息的内容可以任意进行变化，且不脱离本发明实施例的范围。

一种举例中，不同次序的传感器的修正参考信息是不同的，并且：

在所述N个传感器中，越靠近所述待测生理管道的入口，传感器的第一修正参考信息所表征的匹配程度越低，第二修正参考信息所表征的匹配程度越高。

以上方案中，由于越靠近待测生理管道的入口，传感器所受的干扰越小(例如，越靠近肺上叶，呼吸干扰越小)，对应的，以上方案中不同传感器的修正参考信息能够更准确地匹配其所处的次序，进而更准确匹配干扰的大小分布，保障修正的准确性。

此外，相邻传感器之间匹配程度的变化幅度可以是相同(例如：沿目标次序的各传感器的第一加权值可以呈等差变化，各传感器的第二加权值也可以呈等差变化)，相邻传感器之间匹配程度的变化幅度也可以是不同的(例如各相邻传感器的第一加权值、第二加权值的差值可以是不同的)。相邻传感器之间匹配程度的变化幅度还可以是与传感器之间的间隔长度向关联的，例如间隔距离越长，匹配程度的的变化幅度越大。不论具体量化的修正参数信息如何变化，均不脱离以上方案的范围。

进一步的方案中，根据所述第k个传感器的预测检测信息，以及设定的修正参考信息，对所述第k个传感器实际的检测信息进行修正，具体包括：

根据所述修正参考信息，对所述第k个传感器的预测检测信息与所述第k个传感器实际的检测信息进行加权求和，得到所述第k个传感器修正后的检测信息。

其中，第一修正参考信息为所述预测检测信息对应的第一加权值，所述第二修正参考信息为所述实际的检测信息对应的第二加权值。

以上方案中，为检测信息的修正提供了可量化的处理手段，并且，基于加权求和的方式，可基于加权值有效兼顾预测检测信息与实际的检测信息，同时，还能保障算法的相对简化。

一种举例中，所述第一加权值与所述第二加权值之和为1，所述第一加权值的数值小于或等于0.5。

此外，部分举例中，若在修正时还考虑其他因素，则加权值还可包括其他因素所对应的其他加权值。

例如，针对于第k个传感器，除了第m个传感器的检测信息，还可结合第q个传感器的检测信息(q小于k且不等于m)，也可结合第k个传感器过去的检测信息(例如前一时刻的检测信息)，还可结合第p个传感器还未修正的检测信息(p大于k)，此时，第一加权值、第二加权值之和可以是小于1的。

请结合图9，对应于图2中传感器与导管的几何模型，三维空间中传感器六个自由度的数据即：x轴方向的坐标、y轴方向的坐标、z轴方向的坐标、绕x轴的旋转角度、绕y轴的旋转角度、绕z轴的旋转角度。该六个自由度的数据可理解为所述检测信息，相邻传感器之间的间隔长度信息可例如其中的L1、L2、L3、L4、L5、L6所表征的长度。

以图9所示的七个传感器为例，七个传感器的x轴坐标分别为x₁，x₂，x₃，x₄，x₅，x₆，x₇；y轴坐标分别为y₁，y₂，y₃，y₄，y₅，y₆，y₇；z轴坐标分别为z₁，z₂，z₃，z₄，z₅，z₆，z₇；三种旋转角度分别为α₁，α₂，α₃，α₄，α₅，α₆，α₇；β₁，β₂，β₃，β₄，β₅，β₆，β₇；γ₁，γ₂，γ₃，γ₄，γ₅，γ₆，γ₇。

进而，可以基于以下公式对所述第k个传感器的实际监测信息进行修正：

(x_k′，y_k′，z_k，′α_k′，β_k′，γ_k′)＝(1-λ)(x_k，y_k，z_k，α_k，β_k，γ_k)+λ(x_p，y_p，z_p，α_p，β_p，γ_p)

其中：

(x_k′，y_k′，z_k，′α_k′，β_k′，γ_k′)表征了第k个传感器修正后的检测信息；

x_k′表征了所述第k个传感器修正后的检测信息中x轴方向上的坐标；

y_k′表征了所述第k个传感器修正后的检测信息中y轴方向上的坐标；

z_k′表征了所述第k个传感器修正后的检测信息中z轴方向上的坐标；

α_k′表征了所述第k个传感器修正后的检测信息中绕x轴的旋转角度；

β_k′表征了所述第k个传感器修正后的检测信息中绕y轴的旋转角度；

γ_k′表征了所述第k个传感器修正后的检测信息中绕z轴的旋转角度；

(x_k，y_k，z_k，α_k，β_k，γ_k)表征了第k个传感器的实际监测信息；

x_k表征了所述第k个传感器实际的检测信息中x轴方向上的坐标；

y_k表征了所述第k个传感器实际的检测信息中y轴方向上的坐标；

z_k表征了所述第k个传感器实际的检测信息中z轴方向上的坐标；

α_k表征了所述第k个传感器实际的检测信息中绕x轴的旋转角度；

β_k表征了所述第k个传感器实际的检测信息中绕y轴的旋转角度；

γ_k表征了所述第k个传感器实际的检测信息中绕z轴的旋转角度；

(x_p，y_p，z_p，α_p，β_p，γ_p)表征了第k个传感器的预测检测信息；

x_p表征了所述第k个传感器的预测检测信息中x轴方向上的坐标；

y_p表征了所述第k个传感器的预测检测信息中y轴方向上的坐标；

z_p表征了所述第k个传感器的预测检测信息中z轴方向上的坐标；

α_p表征了所述第k个传感器的预测检测信息中绕x轴的旋转角度；

β_p表征了所述第k个传感器的预测检测信息中绕y轴的旋转角度；

γ_p表征了所述第k个传感器的预测检测信息中绕z轴的旋转角度；

λ为所述第一加权值；

1-λ为所述第二加权值。

可见，考虑肺的呼吸模型，肺下叶呼吸形变大于肺中叶和肺上叶，噪声ε是从上到下依次增加的。基于此，以上方案中提出依次修正的方法，利用前面传感器(更靠近肺上叶，受呼吸干扰小)坐标和角度(即检测信息)对后面传感器的检测信息进行呼吸补偿，从而得到更精确的坐标和角度。并且通过计算距离(即间隔长度信息)和赋予权重(通过第一加权值λ与第二加权值1-λ来体现)来修正坐标和角度。

此外，步骤S141中，由于已知了第k-1个传感器六个自由度的信息，以及其与后方第k个传感器之间的间隔长度信息，两者的约束下，可采用本领域任意已有或改进的预测算法预测第k个传感器的检测信息，得到对应的预测检测信息，部分方案中还可结合其他信息进行预测。其中，所预测的可以是第k个传感器的所有检测信息(例如六个自由度的数据)，也可以是第k个传感器的部分检测信息(例如x轴坐标、y轴坐标与z轴坐标)。不论预测了哪些检测信息，采用何种方式预测，均不脱离步骤S141的范围。

其中一种实施方式中，请参考图10，步骤S12可以包括：

S121：根据所述N个传感器的检测信息，对所述导管进行三维建模，

得到所述至少部分导管段的当前模型；

S122：确定所述当前模型在多个投影面的当前轮廓线；

S123：计算所述当前轮廓线上各段的曲率，得到第一曲率集合作为所述当前曲率信息。

其中的多个投影面可例如是三个互相垂直的投影面。但也不排除采用非垂直的投影面。

以上方案中，通过导管段的建模与投影面的投射，可得到充分、全面的曲率数据，以此为依据，可使得曲率的配准结果更准确，进而，可有效提高定位的准确性。

在步骤S121中，可以通过双线性采样进行3D补全，得到所述至少部分导管段的3D模型(即所述当前模型)。

其中的当前轮廓线可以为二维的封闭的轮廓线。

在步骤S123中，所述当前轮廓线上各段的曲率是根据以下公式计算的：

其中：

k1表征了所述当前轮廓线中轮廓线段的曲率；

f表征了对应的轮廓线段在所属投影面的函数。

进而，在步骤S123求解的曲率数据的集合可理解为一个点集(可理解为导管段的曲率点集，即第一曲率集合)，包括三个平面对应投影轮廓线中各轮廓线段的曲率。

其中一种实施方式中，所述参考曲率信息是根据所述待测生理管道的扫描图像确定的。其中的扫描图像即前文确定传感器分布位置过程中所采用的扫描图像，其可以为CT扫描图像，但也不限于此。

以上方案中，参考曲率信息可准确匹配待测生理管道的真实形态，以此为参考的曲率匹配可以更准确地实现导管的定位。

其中一种实施方式中，请参考图11，所述的导航处理方法，还包括：

S16：根据所述扫描图像，形成所述待测生理管道的第二虚拟模型；

S17：根据所述第二虚拟模型，确定所述参考曲率信息。

以上步骤S16与步骤S17可在步骤S13之前的任意时机实施。

进一步的，请参考图12，步骤S16，具体可以包括：

S161：根据所述扫描图像，形成所述待测生理管道的第一虚拟模型；

S162：提取所述第一虚拟模型中的目标部分，并根据所述目标部分对所述待测生理管道的虚拟模型进行重建，得到所述第二虚拟模型。

其中的目标部分能够表征出所述待测生理管道的轮廓，进一步的，可以排除轮廓之外的其他至少部分内容(例如支气管的纹路，褶皱等)。

以上方案中，通过对目标部分的提取，可准确提取出可用于曲率配准的部分，将生理管道(例如支气管)的纹路、褶皱等可能影响曲率计算与配准的内容排除在外，有效保障了曲率配准的准确性，提高了定位的准确性。

在步骤S161中，可基于LungPoint软件的已有功能与CT扫描结果，得到虚拟支气管树(即第一虚拟模型)。在既实施图5所示方案，又实施图12所示方案的情况下，步骤S161亦即为步骤S15。

在步骤S162中，具体可以包括：

利用墨西哥帽算法提取所述第一虚拟模型中的高频信息，以提取出所述目标部分。

其中的墨西哥帽算法也可表征为：Mexican hat算法，具体为Mexican hat小波提取算法。进而，为了提取轮廓，可以采用Mexican hat小波提取算法提取虚拟支气管树的高频信息(也就是形状信息，能用于后续步骤S13中曲率的配准)，丢弃低频的细节信息(包括支气管的纹路，褶皱等)，通过高频信息，可重构虚拟支气管树的曲率轮廓(即得到第二虚拟模型)。

其中一种实施方式中，请参考图13，步骤S17可以包括：

S171：确定所述第二虚拟模型在多个投影面的虚拟轮廓线；

S172：计算所述虚拟轮廓线上各段的曲率，得到第二曲率集合作为所述参考曲率信息。

其中的多个投影面可例如是三个互相垂直的投影面。但也不排除采用非垂直的投影面。

以上方案中，通过虚拟轮廓线中各段的建模与投影面的投射，可得到充分、全面的曲率数据，以此为依据，可使得曲率的配准结果更准确，进而，可有效提高定位的准确性。

进一步的，所述虚拟轮廓线上各段的曲率是根据以下公式计算的：

其中：

k2表征了所述虚拟轮廓线中轮廓线段的曲率；

f表征了对应的轮廓线段在所属投影面的函数。

进而，在步骤S172求解的曲率数据的集合可理解为一个点集(可理解为虚拟支气管的曲率点集，即第二曲率集合)，包括三个平面对应投影轮廓线中各轮廓线段的曲率。

基于以上第一曲率集合与第二曲率集合，请参考图14，步骤S13可以包括：

S131：计算所述第一曲率集合中曲率与所述第二曲率集合中曲率的豪斯多夫距离；

S132：根据所述豪斯多夫距离，确定所述导管在所述待测生理管道中的位置。

以上方案中，基于豪斯多夫距离，可准确搜索到底N个传感器所处的至少部分管道属于虚拟支气管的哪个位置，实现精准的定位。

其中的豪斯多夫距离，可表征为Hausdorff距离，进而，可通过3D的局部配准，搜索N个传感器所处的导管段属于虚拟支气管树(第二虚拟模型)的哪个位置，进而，导管在支气管树上的精确位置可以表征为几个点的位置。通过Hausdorff距离的衡量，以上方案可找到导管在支气管树上的精确位置，从而实现导航。

结合以上所提及的各处理步骤，在采用七个传感器的一种具体举例中，目标待测生理管道为支气管树，工作过程可例如包括：

在开启LungPoint软件的设备后，可进行以下步骤：

结合前文提及的多传感器分布策略来布置Lung point软件中支气管镜导管里的7个传感器，并基于此装配传感器。其中，可充分考虑支气管树的生理结构，保证前端传感器提供的检测信息可用于后端传感器检测信息的修正。同时还要保证能为导管提取足够的曲率形状用于3D曲率配准；

然后可以对七个传感器进行初始化，包括位置和自由度：7个传感器的x轴坐标为x₁，x₂，x₃，x₄，x₅，x₆，x₇；y轴坐标为y₁，y₂，y₃，y₄，y₅，y₆，y₇；z轴坐标为z₁，z₂，z₃，z₄，z₅，z₆，z₇；三种旋转角度为α₁，α₂，α₃，α₄，α₅，α₆，α₇；β₁，β₂，β₃，β₄，β₅，β₆，β₇；γ₁，γ₂，γ₃，γ₄，γ₅，γ₆，γ₇。医生便可以使用支气管镜进行支气管检查；

对于主分叉口(即第一个分叉口)，无需导航，可以直接进入。进入之后的过程中，可通过步骤S11获取检测信息；

在进入第二个分叉口后，可以开启末端修正算法(即执行步骤S14)，其中，考虑到肺部呼吸，前端传感器的检测信息相比于后端传感器的检测信息，所受影响更小，进而，通过修正，来使得末端传感器能给出精确的检测信息；

具体的，可建立肺的呼吸模型，该呼吸模型包括上叶，中叶，下叶。肺下叶呼吸形变大于肺中叶和肺上叶，干扰噪声ε是依次增加的。基于修正算法，前面传感器坐标和角度可对后面传感器进行坐标、角度的修正，实现捕捉到肺的呼吸移动，实时补偿。

在进入第二个分叉口后，还可开启3D导管曲率重建，通过多个传感器提供的6D自由度计算不同方向的曲率，通过曲率拟合出支气管镜导管段的轮廓，计算对应的曲率(即执行步骤S12)。其轮廓有足够的信息用于3D配准；

同时，可使用Mexican hat小波滤波器提取CT重建的虚拟支气管树的曲率(即执行步骤S16、S17)。其曲率轮廓有足够的信息用于3D配准；

基于步骤S12与步骤S16、S17的处理结果，可通过步骤S13实现曲率的配准，完成定位。

请参考图15，本发明实施例还提供了一种经导管的导航处理装置300，包括：

检测模块301，用于在所述导管进入待测生理管道之后，获取所述N个传感器实际的检测信息，所述检测信息表征了所述传感器所处导管部位的位置与姿态；

当前曲率确定模块302，用于根据所述N个传感器的检测信息，确定所述导管的当前曲率信息；所述当前曲率信息表征了所述导管中至少部分导管段当前的曲率；所述至少部分导管段匹配于所述N个传感器的分布位置；

定位模块303，用于根据所述当前曲率信息与参考曲率信息，确定所述导管在所述待测生理管道中的位置，所述参考曲率信息表征了所述待测生理管道中各管道段的曲率。

可选的，请参考图16，经导航的导航处理装置300，还包括：

修正模块304，用于根据所述N个传感器实际的检测信息，以及传感器之间的间隔长度信息，对其中至少部分传感器实际的检测信息进行修正，得到修正后的检测信息，所述间隔长度信息表征了所述导管中传感器之间导管部分的长度。

可选的，修正模块304，具体用于：

针对于任意第k个传感器，根据所述第k个传感器与所述待测生理管道入口之间的一个或多个传感器的检测信息，以及其与所述第k个传感器之间的间隔长度信息，对所述第k个传感器实际的检测信息进行修正，其中的k大于或等于2，所述第k个传感器指所述N个传感器中沿目标次序依次分布的第k个传感器，所述目标次序与传感器依次进入所述待测生理管道的次序相反。可选的，修正模块304，具体用于：

根据第m个传感器实际的检测信息或修正后的检测信息，以及所述第k个传感器与所述第m个传感器之间的间隔长度信息，预测所述第k个传感器的至少部分检测信息，得到所述第k个传感器的预测检测信息；其中的m小于k；

根据所述第k个传感器的预测检测信息，对所述第k个传感器实际的检测信息进行修正，得到所述第k个传感器修正后的检测信息。

可选的，其中的m＝k-1，所述至少部分传感器的检测信息是沿传感器从前至后的排布次序依次修正的。

可选的，所述预测检测信息包括所述第k个传感器的预测位置的位置信息，所述预测位置与所述第m个传感器的检测信息所表征的位置之间的距离匹配于所述第k个传感器与所述第m个传感器之间的间隔长度信息。

可选的，修正模块304，具体用于：

根据所述第m个传感器实际的检测信息或修正后的检测信息，确定对应的延伸线，所述延伸线的位置匹配于对应检测信息所表征的位置，所述延伸线的延伸方向匹配于对应检测信息所表征的姿态；

根据所述延伸线，以及所述第k个传感器与所述第m个传感器之间的间隔长度信息，确定所述预测位置。

可选的，所述预测检测信息还包括所述第k个传感器的预测姿态的姿态信息，所述预测姿态匹配于所述第m个传感器的姿态。

可选的，修正模块304，具体用于：

根据所述第k个传感器的预测检测信息，以及设定的修正参考信息，对所述第k个传感器实际的检测信息进行修正；

其中，所述修正参考信息包括：第一修正参考信息和/或第二修正参考信息，所述第一修正参考信息表征了对应传感器修正后的检测信息与预测检测信息的匹配程度，所述第二修正参考信息表征了对应传感器修正后的检测信息与实际的检测信息的匹配程度。

可选的，不同次序的传感器的修正参考信息是不同的，并且：

在所述N个传感器中，越靠近所述待测生理管道的入口，传感器的第一修正参考信息所表征的匹配程度越低，第二修正参考信息所表征的匹配程度越高。

可选的，修正模块304，具体用于：

根据所述修正参考信息，对所述第k个传感器的预测检测信息与所述第k个传感器实际的检测信息进行加权求和，得到所述第k个传感器修正后的检测信息；所述第一修正参考信息为所述预测检测信息对应的第一加权值，所述第二修正参考信息为所述实际的检测信息对应的第二加权值。

可选的，修正模块304，具体用于：

基于以下公式对所述第k个传感器的实际监测信息进行修正：

(x_k′，y_k′，z_k，′α_k′，β_k′，γ_k′)＝(1-λ)(x_k，y_k，z_k，α_k，β_k，γ_k)+λ(x_p，y_p，z_p，α_p，β_p，γ_p)

其中：

(x_k′，y_k′，z_k，′α_k′，β_k′，γ_k′)表征了第k个传感器修正后的检测信息；

x_k′表征了所述第k个传感器修正后的检测信息中x轴方向上的坐标；

y_k′表征了所述第k个传感器修正后的检测信息中y轴方向上的坐标；

z_k′表征了所述第k个传感器修正后的检测信息中z轴方向上的坐标；

α_k′表征了所述第k个传感器修正后的检测信息中绕x轴的旋转角度；

β_k′表征了所述第k个传感器修正后的检测信息中绕y轴的旋转角度；

γ_k′表征了所述第k个传感器修正后的检测信息中绕z轴的旋转角度；

(x_k，y_k，z_k，α_k，β_k，γ_k)表征了第k个传感器的实际监测信息；

x_k表征了所述第k个传感器实际的检测信息中x轴方向上的坐标；

y_k表征了所述第k个传感器实际的检测信息中y轴方向上的坐标；

z_k表征了所述第k个传感器实际的检测信息中z轴方向上的坐标；

α_k表征了所述第k个传感器实际的检测信息中绕x轴的旋转角度；

β_k表征了所述第k个传感器实际的检测信息中绕y轴的旋转角度；

γ_k表征了所述第k个传感器实际的检测信息中绕z轴的旋转角度；

(x_p，y_p，z_p，α_p，β_p，γ_p)表征了第k个传感器的预测检测信息；

x_p表征了所述第k个传感器的预测检测信息中x轴方向上的坐标；

y_p表征了所述第k个传感器的预测检测信息中y轴方向上的坐标；

z_p表征了所述第k个传感器的预测检测信息中z轴方向上的坐标；

α_p表征了所述第k个传感器的预测检测信息中绕x轴的旋转角度；

β_p表征了所述第k个传感器的预测检测信息中绕y轴的旋转角度；

γ_p表征了所述第k个传感器的预测检测信息中绕z轴的旋转角度；

λ为所述第一加权值；

1-λ为所述第二加权值

可选的，所述N个传感器的分布位置是根据待测生理管道的扫描图像确定的，且所述N个传感器的间隔匹配于所述扫描图像所呈现的待测生理管道的形状。

可选的，请参考图17，经导管的导航处理装置300，还包括：

模型形成模块305，用于根据所述扫描图像，形成所述待测生理管道的第一虚拟模型，以利用所述第一虚拟模型作为所述N个传感器分布位置的确定依据。

可选的，所述待测生理管道为待测支气管树，

所述N个传感器的分布位置满足以下至少之一：

首个传感器与末尾一个传感器之间导管部分的长度长于所述待测支气管树中任意两个相邻的分叉口之间的管道长度；

相邻两个传感器的之间导管部分的长度短于所述待测支气管树中任意两个相邻的分叉口之间的管道长度；

首个传感器与末尾一个传感器之间导管部分的长度长于所述待测支气管树中任意肺段的长度。

可选的，当前曲率确定模块302，具体用于：

根据所述N个传感器的检测信息，对所述导管进行三维建模，得到所述至少部分导管段的当前模型；

确定所述当前模型在多个投影面的当前轮廓线；

计算所述当前轮廓线上各段的曲率，得到第一曲率集合作为所述当前曲率信息。

可选的，所述当前轮廓线上各段的曲率是根据以下公式计算的：

其中：

k1表征了所述当前轮廓线中轮廓线段的曲率；

f表征了对应的轮廓线段在所属投影面的函数。

可选的，所述参考曲率信息是根据所述待测生理管道的扫描图像确定的。

请参考图17，经导管的导航处理装置300，还包括：

模型形成模块305，用于根据所述扫描图像，形成所述待测生理管道的第二虚拟模型；

参考曲率确定模块306，用于：根据所述第二虚拟模型，确定所述参考曲率信息。

可选的，参考曲率确定模块306，具体用于：

确定所述第二虚拟模型在多个投影面的虚拟轮廓线；

计算所述虚拟轮廓线上各段的曲率，得到第二曲率集合作为所述参考曲率信息。

可选的，所述虚拟轮廓线上各段的曲率是根据以下公式计算的：

其中：

k2表征了所述虚拟轮廓线中轮廓线段的曲率；

f表征了对应的轮廓线段在所属投影面的函数。

可选的，定位模块303，具体用于：

计算所述第一曲率集合中曲率与所述第二曲率集合中曲率的豪斯多夫距离；

根据所述豪斯多夫距离，确定所述导管在所述待测生理管道中的位置。

可选的，模型形成模块305，具体用于：

根据所述扫描图像，形成所述待测生理管道的第一虚拟模型；

提取所述第一虚拟模型中的目标部分，并根据所述目标部分对所述待测生理管道的虚拟模型进行重建，得到所述第二虚拟模型，所述目标部分能够表征出所述待测生理管道的轮廓。

可选的，模型形成模块305，具体用于：

利用墨西哥帽算法提取所述第一虚拟模型中的高频信息，以提取出所述目标部分。

本发明实施例还提供了一种经导管的导航系统，包括：导管、N个传感器与数据处理模块，所述N个传感器设于所述导管，且所述N个传感器依次分布于所述导管长度方向的不同位置，所述数据处理模块能够直接或间接与所述N个传感器通讯；

所述数据处理模块用于执行以上可选方案涉及的导航处理方法。

请参考图18，本发明实施例还提供了一种电子设备40，包括处理器41与存储器42，

所述存储器42，用于存储代码；

所述处理器41，用于执行所述存储器中的代码用以实现以上可选方案涉及的导航处理方法。

存储器42与处理器41之间可通过总线43连接。

本发明实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上可选方案涉及的导航处理方法。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (24)

1.一种经导管的导航处理装置，其特征在于，所述导管设有N个传感器，且所述N个传感器依次分布于所述导管长度方向的不同位置，其中的N大于或等于2；

所述导航处理装置，包括：

检测模块，用于在所述导管进入待测生理管道之后，获取所述N个传感器实际的检测信息，所述实际的检测信息表征了所述传感器所处导管部位的位置与姿态；

修正模块，用于针对于所述N个传感器中任意第k个传感器，根据第m个传感器实际的检测信息或修正后的检测信息，确定对应的延伸线，所述延伸线的位置匹配于对应检测信息所表征的位置，所述延伸线的延伸方向匹配于对应检测信息所表征的姿态；根据所述延伸线，以及所述第k个传感器与所述第m个传感器之间的间隔长度信息，确定所述第k个传感器的预测位置，并得到所述第k个传感器的预测检测信息，所述预测检测信息包括所述第k个传感器的预测位置的位置信息，所述预测位置与所述第m个传感器的实际的检测信息或修正后的检测信息所表征的位置之间的距离匹配于所述第k个传感器与所述第m个传感器之间的间隔长度信息；根据所述第k个传感器的预测检测信息，对所述第k个传感器实际的检测信息进行修正，得到所述第k个传感器修正后的检测信息；其中的m小于k；其中的k大于或等于2，所述第k个传感器指所述N个传感器中沿目标次序依次分布的第k个传感器，所述目标次序与传感器依次进入所述待测生理管道的次序相反；所述间隔长度信息表征了所述导管中传感器之间导管部分的长度；所述修正后的检测信息表征了所述传感器所处导管部位的位置与姿态；

当前曲率确定模块，用于根据所述N个传感器的修正后的检测信息，确定所述导管的当前曲率信息；所述当前曲率信息表征了所述导管中至少部分导管段当前的曲率；所述至少部分导管段匹配于所述N个传感器的分布位置；

定位模块，用于根据所述当前曲率信息与参考曲率信息，确定所述导管在所述待测生理管道中的位置，所述参考曲率信息表征了所述待测生理管道中各管道段的曲率。

2.根据权利要求1所述的导航处理装置，其特征在于，其中的m＝k-1，至少部分传感器的实际的检测信息是沿所述目标次序依次修正的。

3.根据权利要求1所述的导航处理装置，其特征在于，所述预测检测信息还包括所述第k个传感器的预测姿态的姿态信息，所述预测姿态匹配于所述第m个传感器的姿态。

4.根据权利要求1所述的导航处理装置，其特征在于，

根据所述第k个传感器的预测检测信息，对所述第k个传感器实际的检测信息进行修正，得到所述第k个传感器修正后的检测信息，具体包括：

根据所述第k个传感器的预测检测信息，以及设定的修正参考信息，对所述第k个传感器实际的检测信息进行修正；

其中，所述修正参考信息包括：第一修正参考信息和/或第二修正参考信息，所述第一修正参考信息表征了对应传感器修正后的检测信息与预测检测信息的匹配程度，所述第二修正参考信息表征了对应传感器修正后的检测信息与实际的检测信息的匹配程度。

5.根据权利要求4所述的导航处理装置，其特征在于，不同次序的传感器的修正参考信息是不同的，并且：

在所述N个传感器中，越靠近所述待测生理管道的入口，传感器的第一修正参考信息所表征的匹配程度越低，第二修正参考信息所表征的匹配程度越高。

6.根据权利要求4所述的导航处理装置，其特征在于，

根据所述第k个传感器的预测检测信息，以及设定的修正参考信息，对所述第k个传感器实际的检测信息进行修正，具体包括：

根据所述修正参考信息，对所述第k个传感器的预测检测信息与所述第k个传感器实际的检测信息进行加权求和，得到所述第k个传感器修正后的检测信息；所述第一修正参考信息为所述预测检测信息对应的第一加权值，所述第二修正参考信息为所述实际的检测信息对应的第二加权值。

7.根据权利要求6所述的导航处理装置，其特征在于，

根据所述修正参考信息，对所述第k个传感器的预测检测信息与所述第k个传感器实际的检测信息进行加权求和，得到所述第k个传感器修正后的检测信息，具体包括：

基于以下公式对所述第k个传感器的实际的检测信息进行修正：

(x_k′，y_k′，z_k′，α_k′，β_k′，γ_k′)＝(1-λ)(x_k，y_k，z_k，α_k，β_k，γ_k)+λ(x_p，y_p，z_p，α_p，β_p，γ_p)

其中：

(x_k′，y_k′，z_k′，α_k′，β_k′，γ_k′)表征了第k个传感器修正后的检测信息；

x_k′表征了所述第k个传感器修正后的检测信息中x轴方向上的坐标；

y_k′表征了所述第k个传感器修正后的检测信息中y轴方向上的坐标；

z_k′表征了所述第k个传感器修正后的检测信息中z轴方向上的坐标；

α_k′表征了所述第k个传感器修正后的检测信息中绕x轴的旋转角度；

β_k′表征了所述第k个传感器修正后的检测信息中绕y轴的旋转角度；

γ_k′表征了所述第k个传感器修正后的检测信息中绕z轴的旋转角度；

(x_k，y_k，z_k，α_k，β_k，γ_k)表征了第k个传感器的实际的检测信息；

x_k表征了所述第k个传感器实际的检测信息中x轴方向上的坐标；

y_k表征了所述第k个传感器实际的检测信息中y轴方向上的坐标；

z_k表征了所述第k个传感器实际的检测信息中z轴方向上的坐标；

α_k表征了所述第k个传感器实际的检测信息中绕x轴的旋转角度；

β_k表征了所述第k个传感器实际的检测信息中绕y轴的旋转角度；

γ_k表征了所述第k个传感器实际的检测信息中绕z轴的旋转角度；

(x_p，y_p，z_p，α_p，β_p，γ_p)表征了第k个传感器的预测检测信息；

x_p表征了所述第k个传感器的预测检测信息中x轴方向上的坐标；

y_p表征了所述第k个传感器的预测检测信息中y轴方向上的坐标；

z_p表征了所述第k个传感器的预测检测信息中z轴方向上的坐标；

α_p表征了所述第k个传感器的预测检测信息中绕x轴的旋转角度；

β_p表征了所述第k个传感器的预测检测信息中绕y轴的旋转角度；

γ_p表征了所述第k个传感器的预测检测信息中绕z轴的旋转角度；

λ为所述第一加权值；

1-λ为所述第二加权值。

8.根据权利要求1至7任意之一所述的导航处理装置，其特征在于，所述N个传感器的分布位置是根据待测生理管道的扫描图像确定的，且所述N个传感器的间隔匹配于所述扫描图像所呈现的待测生理管道的形状。

9.根据权利要求8所述的导航处理装置，其特征在于，还包括：

根据所述扫描图像，形成所述待测生理管道的第一虚拟模型，以利用所述第一虚拟模型作为所述N个传感器分布位置的确定依据。

10.根据权利要求8所述的导航处理装置，其特征在于，所述待测生理管道为待测支气管树，

所述N个传感器的分布位置满足以下至少之一：

首个传感器与末尾一个传感器之间导管部分的长度长于所述待测支气管树中任意两个相邻的分叉口之间的管道长度；

相邻两个传感器的之间导管部分的长度短于所述待测支气管树中任意两个相邻的分叉口之间的管道长度；

首个传感器与末尾一个传感器之间导管部分的长度长于所述待测支气管树中任意肺段的长度。

11.根据权利要求1至7任意之一所述的导航处理装置，其特征在于，

根据所述N个传感器的修正后的检测信息，确定所述导管的当前曲率信息，包括：

根据所述N个传感器的修正后的检测信息，对所述导管进行三维建模，得到所述至少部分导管段的当前模型；

确定所述当前模型在多个投影面的当前轮廓线；

计算所述当前轮廓线上各段的曲率，得到第一曲率集合作为所述当前曲率信息。

12.根据权利要求11所述的导航处理装置，其特征在于，所述当前轮廓线上各段的曲率是根据以下公式计算的：

其中：

k1表征了所述当前轮廓线中轮廓线段的曲率；

f表征了对应的轮廓线段在所属投影面的函数。

13.根据权利要求11所述的导航处理装置，其特征在于，所述参考曲率信息是根据所述待测生理管道的扫描图像确定的。

14.根据权利要求13所述的导航处理装置，其特征在于，还包括：

根据所述扫描图像，形成所述待测生理管道的第二虚拟模型；

根据所述第二虚拟模型，确定所述参考曲率信息。

15.根据权利要求14所述的导航处理装置，其特征在于，

根据所述第二虚拟模型，确定所述参考曲率信息，具体包括：

确定所述第二虚拟模型在多个投影面的虚拟轮廓线；

计算所述虚拟轮廓线上各段的曲率，得到第二曲率集合作为所述参考曲率信息。

16.根据权利要求15所述的导航处理装置，其特征在于，所述虚拟轮廓线上各段的曲率是根据以下公式计算的：

其中：

k2表征了所述虚拟轮廓线中轮廓线段的曲率；

f表征了对应的轮廓线段在所属投影面的函数。

17.根据权利要求15所述的导航处理装置，其特征在于，

根据所述当前曲率信息与参考曲率信息，确定所述导管在所述待测生理管道中的位置，包括：

计算所述第一曲率集合中曲率与所述第二曲率集合中曲率的豪斯多夫距离；

根据所述豪斯多夫距离，确定所述导管在所述待测生理管道中的位置。

18.根据权利要求14所述的导航处理装置，其特征在于，

根据所述扫描图像，形成所述待测生理管道的第二虚拟模型，具体包括：

根据所述扫描图像，形成所述待测生理管道的第一虚拟模型；

提取所述第一虚拟模型中的目标部分，并根据所述目标部分对所述待测生理管道的虚拟模型进行重建，得到所述第二虚拟模型，所述目标部分能够表征出所述待测生理管道的轮廓。

19.根据权利要求18所述的导航处理装置，其特征在于，

提取所述第一虚拟模型中的目标部分，具体包括：

利用墨西哥帽算法提取所述第一虚拟模型中的高频信息，以提取出所述目标部分。

20.根据权利要求1至7任一项所述的导航处理装置，其特征在于，所述待测生理管道为待测支气管树。

21.一种电子设备，其特征在于，包括处理器与存储器，

所述存储器，用于存储代码；

所述处理器，用于执行所述存储器中的代码用以实现权利要求1至20任意之一所述的导航处理装置的功能。

22.一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至20任意之一所述的导航处理装置的功能。

23.一种经导管的导航系统，其特征在于，包括：导管、N个传感器与数据处理模块，所述N个传感器设于所述导管，且所述N个传感器依次分布于所述导管长度方向的不同位置，所述数据处理模块能够直接或间接与所述N个传感器通讯；

所述数据处理模块用于执行权利要求1至20任意之一所述的导航处理装置的功能。

24.根据权利要求23所述的经导管的导航系统，其特征在于，所述传感器为磁导航传感器。

Images