1、展望 Dextroscope 虛擬現實手術規劃系統在神經外科的應用 目的應用手術規劃系統，探索虛擬現實技術在神經外科的應用價值和 方法。方法術前采集 10 例顱內深部病變患者的 CT、MRI、CTA、MRA、 DSA影像資料輸入Dextroscope工作站進行圖像融合處理和三維重建， 在虛擬影像上觀察病變和四周組織的空間關系，設計手術入路、模擬 手術過程進行骨窗開顱、顱骨磨除及腫瘤切除，并和實際術中所見進 行比擬。結果術中所見病變和周邊重要神經血管結構的空間關系和病 變解剖細節和術前模擬完全吻合，減少了手術時間。通過手術模擬， 術者得以提前預演手術經過，為優化治療方案創造了條件。結論虛擬 現實

2、手術規劃系統有助于術前診斷、制定具體的手術方案、預先評價 手術難度，提高手術平安性。是醫療教學和練習的得力工具。 計算機圖像處理技術的飛越，提供了日益清楚細致的醫學影像，但不 同成像技術在成像能力上對不同組織各具優勢。虛擬現實(virtualreality,VR)的出現，為不同模式的影像資料融合成同一圖像提 供了平臺，使各種成像技術取長補短，并通過后處理，在虛擬三維空 間上呈現給人們一個可以交互互動的全息立體仿真環境。我科自 2006 年10月至12月間，運用Dextroscope手術規劃系統，對10例神經外 科手術病例進行術前手術規劃和模擬操作，心得如下。1 資料和方法1.1 臨床資料本組共

3、進行了 10 例術前手術規劃和模擬，其中蝶骨嵴內 側型腦膜瘤、 聽神經瘤各 2 例，巨大嗅溝腦膜瘤、 垂體瘤、眼動脈瘤、 前交通動脈瘤、巖斜腦膜瘤、松果體區腫瘤各 1 例。1.2Dextroscope 工作站DextroscopeMKIO,新加坡 Volumelnteractions 公司，包括主效勞器和虛擬操作平臺，軟件版本RadioDexter1.0。1術前完成患者各類影像資料的采集，可用DICOM3 TIFF和SGIClassicRawvolumechunk或 slices、AnalyzeAVWVolume或 7.5lmage等多種格式 的CT MRIc MRAc CTA DSA資料，數

4、據都將會被轉換為 RadioDexter 原始格式mk。掃描要求為無間隔、薄層、無重疊、不間斷連續掃描。2加載數據到Radiodexter,通過預處理排除圖像干擾，將各類圖像的 優勢細節調試出來，導入 DextroscopeVR環境，通過圖像配準和融合， 獲得一個細節豐富、易于區分的三維立體圖形。通過分割工具,可以 將不同結構單獨挑選出來全方位仔細觀察,還可以調整透明度和分別 著色后重新放回原位,使不同結構的分界更加直觀。3通過佩戴立體眼鏡和將雙手伸入反射鏡面背后操縱電磁示蹤設備,術者有時機體驗 顯微鏡下真實操作環境,模擬手術入路和操作,直接切除病變并空間 測量。所有操作動作均可被記錄和反復回

5、放,進行事后評估和演示教 學。1.3實施手術依據手術模擬確定的體表標志開顱, 對照比擬術前虛擬環 境和真實手術入路中所見解剖標志和空間關系。2 結果 虛擬顯示大腦皮層血管和引流靜脈和術中所見完全吻合。虛擬眼動脈 段動脈瘤朝向及瘤頸和前床突及視神經關系和實際相同,簡化了術中 周邊探查步驟，從而順利實施前床突磨除和動脈瘤夾閉 (圖 1)。通過手 術模擬，事先獲知蝶骨嵴內側型腦膜瘤對同側頸內動脈和大腦中動脈 的包裹情況，手術開始早期腫瘤得以迅速內減壓縮小體積，然后動脈 主干得以平安游離，腫瘤全切 (圖 2)。其他病例術前手術模擬也為手術 骨窗調整和病變周邊細節解析提供了常規影像無法獲得的信息，手術

6、時間大為縮短。(1)交互性摘要：按操作者意圖去執行并即刻反應，盡量接近臨床的真 實過程。 (2)虛擬性摘要：通過計算機技術將不同影像技術進行整合， 在一個數字模型中同時展示各自的優勢，并根據需要在任意角度和平 面分別或綜合提供全息化的解剖信息。 (3)可復性摘要：由于不接觸病 人，虛擬手術操作可屢次重復、修改和擴展13。3 討論本組病例的實際應用顯示， VR 系統構建的相關結構三維可視化模型， 使操作者可以透過立體眼鏡觀察到三維立體圖像，并且在近似日常操 作環境的眼前3040cm處觀察和直接操作3D虛擬對象，不僅真實模 擬手眼協調操作，而且同步體驗操作空間的透視縱深感。通過模擬， 術者可以更為

7、有效地利用各類影像信息，加深影像理解，更為直觀地 了解解剖關系，在手術進行前制定最優的手術方案，充分估計手術難 點、制定策略并反復推演 4。我們同時也發現摘要：首先圖像導入后的處理過程需要熟悉，非但凡 三維數字模型中各個結構的分割處理，調試不當可能損失許多解剖細節。其次，影像解讀仍然需要基于良好的生理和病理解剖知識的判定， 比方嗅溝腦膜瘤病例，模擬顯示腫瘤外表豐富的血管網，卻無法區分 實際伴行其間的大腦前動脈主干， 需要臨床醫生根據解剖常識去判定。 另外，軟件對高亮信號結構的數據提取良好，對低暗信號病變，比方 囊性變局部，圖像分割時很難建立滿足的三維模型。因此，融合較多 不同成像方式影像建立的三維模型在結構區分上會更加清楚。我們認為，DextroscopeVR系統的模擬影像和真