本發明涉及醫學影像處理，具體地，涉及一種光聲顯微成像腦電極植入位點及其路徑規劃的方法及系統。
背景技術：
1、電極植入技術包括單針電極植入和多針電極植入(例如，每次植入兩個電極或四個電極)。對比單針電極，多針電極通常能夠獲得更高質量的信號，是目前動物實驗過程中常用的電極植入模式。在實際應用中，進行電極植入操作之前，往往需要合理規劃電極的植入位置(或稱為植入位點)。以腦部電極植入為例，對比頭皮電極，植入在大腦皮層上的神經電極能夠記錄到具有更高信噪比的神經電生理信號，能夠幫助研究人員更有效地理解大腦的活動變化。而大腦皮層具有大量的血管，如果植入位置規劃不夠準確，則可能會導致電極植入到血管區域，造成出血隱患。因此，確保規劃得到的電極植入位點的準確性十分重要。
2、光聲顯微掃描成像，是基于光聲顯微成像(photoacoustic?microscopy，pam)實現的術前成像結果，其分辨率可以達到十幾到幾十微米，能夠對表層血管和深層血管進行成像，是一種新型的生物醫學成像手段，常用于血管等組織成像。在532nm的激光激發下，腦血管與周圍腦組織具有較強的對比度，能夠實現高對比度、高信噪比的腦血管成像。
3、但光聲掃描成像的噪聲較大、成像質量也不盡如人意，這就可能導致在手術過程中造成出血，甚至對腦功能造成損傷。
4、在公開號為cn116196097a的中國專利文獻中，公開了一種電極植入位點規劃方法及裝置、可讀存儲介質、終端，所述方法包括：確定針對電極植入對象采集的原始圖像；對所述原始圖像進行圖像分割，以確定非植入區域以及可植入區域；基于第一預設電極距離，在所述可植入區域內確定多個第一待選植入位點；對于每個第一待選植入位點，基于所述第一預設電極距離，確定該第一待選植入位點的初步配對點；基于第二預設電極距離，對各個第一待選植入位點及其初步配對點進行篩選，確定電極植入位點規劃結果。該專利文獻使用的是傳統成像手段，空間分辨率低，無法對全部血管信息進行捕獲，且只考慮了二維圖像平面上的位點規劃，沒有考慮三維平面上的空間路徑規劃。
技術實現思路
1、針對現有技術中的缺陷，本發明的目的是提供一種光聲顯微成像腦電極植入位點及其路徑規劃的方法及系統。
2、根據本發明提供的一種光聲顯微成像腦電極植入位點及其路徑規劃的方法，包括：
3、圖像提取步驟：使用腦血管增強提取算法對輸入的光聲顯微掃描成像結果進行提取，得到腦血管信息；所述腦血管信息包括腦血管的二維圖像信息與三維重建結果；
4、植入位點及路徑獲取步驟：使用腦電極植入位點路徑規劃算法處理腦血管信息，得到在二維圖像上的植入位點和在三維結構中的植入路徑。
5、優選的，所述圖像提取步驟包括：
6、步驟s1.1：使用已訓練好的去噪模型對采集得到的光聲顯微圖像去噪，提升信噪比；
7、步驟s1.2：使用已訓練好的圖像增強模型對光聲顯微圖像進行增強，對成像模糊區域、分辨率未達到預設值的區域和成像變形區域進行矯正，提升光聲顯微圖像的分辨率；
8、步驟s1.3：使用已訓練好的血管分割模型對光聲顯微圖像中的血管進行分割，移除背景和其他組織結構信息，得到腦血管的二維圖像信息；
9、步驟s1.4：將光聲顯微成像的深度信息與腦血管的二維圖像信息進行結合，反投影計算得到腦血管的三維重建結果。
10、優選的，所述去噪模型包括深度神經網絡，用于輸入原始光聲顯微圖像，輸出去除噪聲的信噪比光聲顯微圖像；深度神經網絡的訓練基于有監督學習，且監督信息為去噪聲和加噪聲過程。
11、優選的，所述圖像增強模型包括深度神經網絡，用于輸入原始光聲顯微圖像，輸出增強分辨率后的光聲顯微圖像；深度神經網絡的訓練基于有監督學習，且監督信息為原始高分辨率圖像與降采樣圖像之間的恢復差異。
12、優選的，所述血管分割模型包括深度神經網絡，用于輸入原始光聲顯微圖像，輸出血管區域對應的掩膜圖；深度神經網絡的訓練基于有監督學習，且監督信息為血管的粗分割標注。
13、優選的，所述植入點及路徑獲取步驟包括：
14、步驟s2.1：計算二維腦血管概率密度圖獲取植入位點；在二維圖像平面中選擇制定植入位點個數的起始點，使其滿足兩兩之間的距離大于等于指定的相鄰位點間最短距離，優化目標為使所有植入位點累計概率值的和最大，優化條件為保持兩兩位點間的距離大與等于相鄰位點間最短距離；
15、步驟s2.2：計算三維腦血管概率密度圖以獲取植入路徑；在三維空間中選擇已確定植入位點為起點的植入方向，在指定植入深度的條件下，優化目標為使所有植入路徑上累計概率值的和最大。
16、根據本發明提供的一種光聲顯微成像腦電極植入位點及其路徑規劃的系統，包括：
17、圖像提取模塊：使用腦血管增強提取算法對輸入的光聲顯微掃描成像結果進行提取，得到腦血管信息；所述腦血管信息包括腦血管的二維圖像信息與三維重建結果；
18、植入位點及路徑獲取模塊：使用腦電極植入位點路徑規劃算法處理腦血管信息，得到在二維圖像上的植入位點和在三維結構中的植入路徑。
19、優選的，所述圖像提取模塊包括：
20、模塊m1.1：使用已訓練好的去噪模型對采集得到的光聲顯微圖像去噪，提升信噪比；
21、模塊m1.2：使用已訓練好的圖像增強模型對光聲顯微圖像進行增強，對成像模糊區域、分辨率未達到預設值的區域和成像變形區域進行矯正，提升光聲顯微圖像的分辨率；
22、模塊m1.3：使用已訓練好的血管分割模型對光聲顯微圖像中的血管進行分割，移除背景和其他組織結構信息，得到腦血管的二維圖像信息；
23、模塊m1.4：將光聲顯微成像的深度信息與腦血管的二維圖像信息進行結合，反投影計算得到腦血管的三維重建結果。
24、優選的，所述去噪模型包括深度神經網絡，用于輸入原始光聲顯微圖像，輸出去除噪聲的信噪比光聲顯微圖像；深度神經網絡的訓練基于有監督學習，且監督信息為去噪聲和加噪聲過程。
25、優選的，所述圖像增強模型包括深度神經網絡，用于輸入原始光聲顯微圖像，輸出增強分辨率后的光聲顯微圖像；深度神經網絡的訓練基于有監督學習，且監督信息為原始高分辨率圖像與降采樣圖像之間的恢復差異。
26、優選的，所述血管分割模型包括深度神經網絡，用于輸入原始光聲顯微圖像，輸出血管區域對應的掩膜圖；深度神經網絡的訓練基于有監督學習，且監督信息為血管的粗分割標注。
27、優選的，所述植入點及路徑獲取模塊包括：
28、模塊m2.1：計算二維腦血管概率密度圖獲取植入位點；在二維圖像平面中選擇制定植入位點個數的起始點，使其滿足兩兩之間的距離大于等于指定的相鄰位點間最短距離，優化目標為使所有植入位點累計概率值的和最大，優化條件為保持兩兩位點間的距離大與等于相鄰位點間最短距離；
29、模塊m2.2：計算三維腦血管概率密度圖以獲取植入路徑；在三維空間中選擇已確定植入位點為起點的植入方向，在指定植入深度的條件下，優化目標為使所有植入路徑上累計概率值的和最大。
30、與現有技術相比，本發明具有如下的有益效果：
31、1、本發明通過采用腦血管增強提取算法，解決了光聲掃描成像噪聲大、成像質量差的問題，實現了對腦血管的精確提取與三維重建。
32、2、本發明基于提取得到的腦血管及三維重建，通過采用腦電極植入位點路徑規劃算法，實現在腦電極植入過程中避開血管，減少了手術過程中的出血以及潛在對腦功能的損傷，取得了提高手術安全性與成功率的效果，為醫生提供了極大的幫助。
33、本發明的其他有益效果，將在具體實施方式中通過具體技術特征和技術方案的介紹來闡述，本領域技術人員通過這些技術特征和技術方案的介紹，應能理解所述技術特征和技術方案帶來的有益技術效果。