本發(fā)明涉及醫(yī)療信息，特別是一種基于3d仿真技術(shù)的整形效果模擬展示方法及系統(tǒng)。

背景技術(shù)：

1、隨著醫(yī)療信息技術(shù)的快速發(fā)展，3d仿真技術(shù)在整形手術(shù)效果預(yù)測中的應(yīng)用日益廣泛。然而，現(xiàn)有技術(shù)在實際應(yīng)用中仍面臨顯著挑戰(zhàn)：首先，形變模擬精度不足，傳統(tǒng)方法多依賴單一力學(xué)模型（如有限元或質(zhì)點彈簧模型），難以兼顧計算效率與多層軟組織的非線性變形特性，導(dǎo)致模擬結(jié)果偏離真實生物力學(xué)行為。其次，個性化適配不足，現(xiàn)有模型多采用通用生物力學(xué)參數(shù)，忽略患者個體差異，影響預(yù)測準確性。此外，復(fù)雜形變計算依賴cpu串行處理，難以實現(xiàn)手術(shù)參數(shù)動態(tài)調(diào)整的實時反饋，限制了臨床適用性。

2、同時，現(xiàn)有技術(shù)缺乏對術(shù)后動態(tài)恢復(fù)的建模。傳統(tǒng)方法多聚焦于術(shù)中即時形變模擬，未考慮組織愈合、瘢痕收縮等長期形態(tài)演變，難以展示術(shù)后不同恢復(fù)階段的外觀變化。盡管已有研究嘗試多模型融合或參數(shù)優(yōu)化，但仍未有效整合多層次建模、混合計算架構(gòu)與動態(tài)愈合預(yù)測，導(dǎo)致整形模擬的精準化、個性化和實時化難以兼顧，制約了其臨床應(yīng)用價值。

技術(shù)實現(xiàn)思路

1、鑒于現(xiàn)有整形手術(shù)模擬中存在軟組織形變模擬精度不足、個體化差異考慮不充分、實時交互性能低等問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于如何通過多層次軟組織建模、個性化參數(shù)優(yōu)化和混合計算架構(gòu)，實現(xiàn)整形效果模擬的精準化、個性化與實時化。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實施例提供了一種基于3d仿真技術(shù)的整形效果模擬展示方法，其包括采集患者面部數(shù)據(jù)，構(gòu)建多層次面部結(jié)構(gòu)初始模型；構(gòu)建混合變形模型，混合變形模型采用有限元方法和質(zhì)點彈簧模型相結(jié)合的方式描述各層結(jié)構(gòu)的力學(xué)特性；提取患者個體化特征參數(shù)，構(gòu)建生物力學(xué)參數(shù)預(yù)測網(wǎng)絡(luò)，將個體化特征參數(shù)轉(zhuǎn)換為對應(yīng)的個性化生物力學(xué)參數(shù)集；將個性化生物力學(xué)參數(shù)集應(yīng)用于混合變形模型，優(yōu)化各層結(jié)構(gòu)的變形響應(yīng)特性；接收整形手術(shù)的操作輸入?yún)?shù)，基于gpu并行計算框架實時計算并顯示各層結(jié)構(gòu)的形變結(jié)果；構(gòu)建組織愈合與恢復(fù)動力學(xué)模型，根據(jù)形變結(jié)果和組織愈合與恢復(fù)動力學(xué)模型，生成術(shù)后不同時間點的外觀預(yù)測數(shù)據(jù)；將外觀預(yù)測數(shù)據(jù)進行三維可視化處理，形成整形效果對比展示界面。

5、作為本發(fā)明所述基于3d仿真技術(shù)的整形效果模擬展示方法的一種優(yōu)選方案，其中：構(gòu)建多層次面部結(jié)構(gòu)初始模型包括以下步驟：采集患者面部ct/mri數(shù)據(jù)和3d結(jié)構(gòu)光掃描數(shù)據(jù)，并記錄患者面部表情動態(tài)視頻序列；應(yīng)用深度學(xué)習(xí)分割算法處理ct/mri數(shù)據(jù)，生成皮膚、脂肪、肌肉、筋膜、骨骼五層結(jié)構(gòu)的初步分割掩碼；對3d結(jié)構(gòu)光掃描數(shù)據(jù)與ct/mri數(shù)據(jù)進行空間配準，校正皮膚層分割掩碼的外輪廓；同時，通過構(gòu)建面部肌肉運動模式數(shù)據(jù)庫優(yōu)化肌肉層和筋膜層的分割掩碼；對各層結(jié)構(gòu)的分割掩碼執(zhí)行邊界平滑處理，生成三維邊界數(shù)據(jù)；基于患者面部表情動態(tài)視頻序列測量各層結(jié)構(gòu)的形變特性，計算材料屬性參數(shù)；融合三維邊界數(shù)據(jù)和材料屬性參數(shù)，生成多層次面部結(jié)構(gòu)初始模型。

6、作為本發(fā)明所述基于3d仿真技術(shù)的整形效果模擬展示方法的一種優(yōu)選方案，其中：構(gòu)建混合變形模型包括以下步驟：構(gòu)建骨骼層和筋膜層的有限元模型，將骨骼層網(wǎng)格節(jié)點設(shè)置為剛性固定邊界條件，同時定義筋膜層與骨骼層之間的連接約束關(guān)系；構(gòu)建肌肉層的復(fù)合變形模型，對肌肉纖維方向區(qū)域應(yīng)用非線性有限元方法，對肌肉連接區(qū)域應(yīng)用質(zhì)點彈簧模型，并定義肌肉層與筋膜層之間的滑動約束關(guān)系；構(gòu)建脂肪層的質(zhì)點彈簧模型，根據(jù)脂肪組織的黏彈性特性設(shè)置彈簧參數(shù)，并定義脂肪層與肌肉層之間的黏附約束關(guān)系；構(gòu)建皮膚層的非線性有限元模型，引入超彈性材料本構(gòu)方程描述皮膚變形特性，并定義皮膚層與脂肪層之間的連接約束關(guān)系；整合各層結(jié)構(gòu)的變形模型，形成混合變形模型，將材料屬性參數(shù)應(yīng)用于混合變形模型，根據(jù)各層結(jié)構(gòu)的材料特性配置相應(yīng)的初始模型參數(shù)。

7、作為本發(fā)明所述基于3d仿真技術(shù)的整形效果模擬展示方法的一種優(yōu)選方案，其中：構(gòu)建生物力學(xué)參數(shù)預(yù)測網(wǎng)絡(luò)包括以下步驟：采集患者基本信息形成患者個體化特征參數(shù)集，同時提取多層次面部結(jié)構(gòu)初始模型的面部結(jié)構(gòu)特征向量，整合生成綜合特征數(shù)據(jù)；同時，構(gòu)建面部組織生物力學(xué)特性參考數(shù)據(jù)庫；構(gòu)建多分支神經(jīng)網(wǎng)絡(luò)架構(gòu)，分別針對皮膚層、脂肪層、肌肉層、筋膜層、骨骼層建立獨立預(yù)測通道；采用多分支神經(jīng)網(wǎng)絡(luò)架構(gòu)，基于面部組織生物力學(xué)特性參考數(shù)據(jù)庫預(yù)訓(xùn)練得到通用模型，通過遷移學(xué)習(xí)方法結(jié)合歷史患者的綜合特征數(shù)據(jù)，訓(xùn)練得到生物力學(xué)參數(shù)預(yù)測網(wǎng)絡(luò)；將當前患者的綜合特征數(shù)據(jù)輸入至生物力學(xué)參數(shù)預(yù)測網(wǎng)絡(luò)，并結(jié)合患者面部組織老化程度評估指標和歷史手術(shù)案例數(shù)據(jù)庫中相似群體數(shù)據(jù)進行優(yōu)化，生成患者個性化生物力學(xué)參數(shù)集。

8、作為本發(fā)明所述基于3d仿真技術(shù)的整形效果模擬展示方法的一種優(yōu)選方案，其中：將個性化生物力學(xué)參數(shù)集應(yīng)用于混合變形模型包括以下步驟：根據(jù)個性化生物力學(xué)參數(shù)集更新混合變形模型的材料屬性參數(shù)，并將更新后的參數(shù)映射至混合變形模型的網(wǎng)格節(jié)點和單元屬性；執(zhí)行綜合變形測試，包括加載-卸載循環(huán)測試驗證各層結(jié)構(gòu)的形變軌跡和恢復(fù)特性，以及局部變形測試計算面部區(qū)域的位移場和應(yīng)力分布，記錄變形響應(yīng)特征曲線；比較變形響應(yīng)特征曲線與歷史手術(shù)案例數(shù)據(jù)庫歷史數(shù)據(jù)中相似患者組的標準曲線，計算偏差值，生成參數(shù)微調(diào)指導(dǎo)；根據(jù)參數(shù)微調(diào)指導(dǎo)優(yōu)化各層結(jié)構(gòu)的生物力學(xué)參數(shù)，重復(fù)執(zhí)行參數(shù)映射和綜合變形測試，直至變形響應(yīng)精度達到預(yù)設(shè)精度閾值，輸出優(yōu)化后的混合變形模型。

9、作為本發(fā)明所述基于3d仿真技術(shù)的整形效果模擬展示方法的一種優(yōu)選方案，其中：基于gpu并行計算框架實時計算并顯示各層結(jié)構(gòu)的形變結(jié)果包括以下步驟：接收醫(yī)生輸入的整形手術(shù)參數(shù)，并將整形手術(shù)參數(shù)轉(zhuǎn)換為混合變形模型的力學(xué)約束條件及載荷分布參數(shù)，構(gòu)建手術(shù)操作的數(shù)字化映射模型；配置gpu并行計算框架，根據(jù)手術(shù)區(qū)域的空間分布劃分計算子域，并應(yīng)用異步自適應(yīng)網(wǎng)格細化技術(shù)，對手術(shù)直接作用區(qū)域執(zhí)行網(wǎng)格加密；構(gòu)建異構(gòu)并行求解器，將有限元模型的稀疏矩陣求解任務(wù)分配至gpu張量核心，質(zhì)點彈簧模型的質(zhì)點計算分配至cuda多線程塊，通過共享內(nèi)存同步層間力數(shù)據(jù)；執(zhí)行組織變形實時計算，輸出位移場、應(yīng)力場和應(yīng)變場；通過gpu-cpu異構(gòu)流水線將位移場數(shù)據(jù)異步傳輸至可視化模塊，生成各層結(jié)構(gòu)的形變結(jié)果數(shù)據(jù)。

10、作為本發(fā)明所述基于3d仿真技術(shù)的整形效果模擬展示方法的一種優(yōu)選方案，其中：生成術(shù)后不同時間點的外觀預(yù)測數(shù)據(jù)包括以下步驟：構(gòu)建組織愈合與恢復(fù)動力學(xué)模型，包括急性期子模型、水腫消退子模型、組織纖維化子模型、瘢痕形成子模型，并定義各子模型間的狀態(tài)變量傳遞規(guī)則；導(dǎo)入形變結(jié)果數(shù)據(jù)作為術(shù)后初始狀態(tài)，構(gòu)建時間序列模型；依次執(zhí)行時間序列模型中的急性期、水腫消退、組織纖維化、瘢痕形成階段，各階段將前一階段的輸出狀態(tài)作為輸入，通過相應(yīng)子模型生成對應(yīng)時間點的面部組織狀態(tài)預(yù)測數(shù)據(jù)；通過時間序列模型整合各階段的輸出數(shù)據(jù)，生成術(shù)后恢復(fù)過程的全周期外觀預(yù)測數(shù)據(jù)。

11、第二方面，本發(fā)明實施例提供了一種基于3d仿真技術(shù)的整形效果模擬展示系統(tǒng)，其包括面部結(jié)構(gòu)初始化模塊，用于采集患者面部數(shù)據(jù)，構(gòu)建多層次面部結(jié)構(gòu)初始模型，獲取各層結(jié)構(gòu)的三維邊界數(shù)據(jù)和材料屬性參數(shù)；混合變形建模模塊，用于構(gòu)建混合變形模型，混合變形模型采用有限元方法和質(zhì)點彈簧模型相結(jié)合的方式描述各層結(jié)構(gòu)的力學(xué)特性；參數(shù)個性化模塊，用于提取患者個體化特征參數(shù)，構(gòu)建生物力學(xué)參數(shù)預(yù)測網(wǎng)絡(luò)，將個體化特征參數(shù)轉(zhuǎn)換為對應(yīng)的個性化生物力學(xué)參數(shù)集；模型參數(shù)優(yōu)化模塊，用于將個性化生物力學(xué)參數(shù)集應(yīng)用于混合變形模型，優(yōu)化各層結(jié)構(gòu)的變形響應(yīng)特性；實時形變計算模塊，用于接收整形手術(shù)的操作輸入?yún)?shù)，基于gpu并行計算框架實時計算并顯示各層結(jié)構(gòu)的形變結(jié)果；術(shù)后恢復(fù)預(yù)測模塊，用于構(gòu)建組織愈合與恢復(fù)動力學(xué)模型，根據(jù)形變結(jié)果和組織愈合與恢復(fù)動力學(xué)模型，生成術(shù)后不同時間點的外觀預(yù)測數(shù)據(jù)；可視化展示模塊，用于將外觀預(yù)測數(shù)據(jù)進行三維可視化處理，形成整形效果對比展示界面。

12、本發(fā)明的有益效果為：本發(fā)明創(chuàng)造性整合ct/mri、3d結(jié)構(gòu)光掃描與表情動態(tài)視頻序列，突破傳統(tǒng)單模態(tài)數(shù)據(jù)建模的局限性，顯著提高了軟組織邊界識別精度；首創(chuàng)“有限元+質(zhì)點彈簧”混合變形模型架構(gòu)，針對不同組織特性進行差異化建模，同時創(chuàng)新設(shè)計層間滑動與黏附約束關(guān)系，既提高了計算效率又保持了高度生物力學(xué)保真度；通過多分支神經(jīng)網(wǎng)絡(luò)架構(gòu)實現(xiàn)個性化生物力學(xué)參數(shù)預(yù)測，將患者的個體特征轉(zhuǎn)化為精確的仿真參數(shù)，實現(xiàn)了真正個體化的精確建模；構(gòu)建了從急性期到瘢痕形成的完整組織愈合與恢復(fù)動力學(xué)模型，首次實現(xiàn)了術(shù)后不同時間點的外觀變化預(yù)測，為醫(yī)患提供了全面的術(shù)后恢復(fù)評估工具。