CN107392995A - 机械轴导航***中的人体下肢配准方法 - Google Patents
机械轴导航***中的人体下肢配准方法 Download PDFInfo
- Publication number
- CN107392995A CN107392995A CN201710543359.7A CN201710543359A CN107392995A CN 107392995 A CN107392995 A CN 107392995A CN 201710543359 A CN201710543359 A CN 201710543359A CN 107392995 A CN107392995 A CN 107392995A
- Authority
- CN
- China
- Prior art keywords
- bone
- point
- cloud data
- human body
- body lower
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了机械轴导航***中的人体下肢配准方法,包括以下步骤:(1)扫描获取人体下肢CT数据并根据所得的人体下肢CT数据重建人体下肢三维模型,然后采用高精度存储模式保存为STL网格模型用于后续数据处理;(2)通过特征点提取算法提取人体下肢三维模型中骨表面点云数据得到三维模型表面待匹配特征点,并将骨表面点云数据存储用于后续匹配;(3)利用光学跟踪设备获取患骨特征区域点云数据并进行预处理得到平滑的患骨特征区域点云数据;(4)重复步骤(2)提取患骨选定区域点云数据的特征点的空间坐标;(5)利用三点配准算法实现模型患骨与患骨的空间配准。采用本方法有效缩短特征点的注册时间,提高手术效率。
Description
技术领域
本发明涉及机械轴导航***中的人体下肢配准方法,特别涉及一种在手术过程中的人体下肢配准方法。
背景技术
配准是基于医学图像的计算机辅助手术实时导航***中的关键环节,医学图像的术中配准是指利用空间定位装置获取手术对象骨的位置信息,结合导航***中术前三维重建的骨模型位置信息,进而建立二者之间的空间转换关系,从而保证手术空间的位置与图像空间的位置一一对应,以实时引导手术过程。因此,配准方法的效率和精度决定了实时导航***的效率和精度。
现有的配准方法可分为基于外部特征的配准和基于内部特征的配准两种。外部特征通常是通过固定或黏贴于患者身上的标记物来标识,该标记物可被跟踪定位,以此来实现***的识别与检测。这种方法由于避免了拾取标记点的误差可以获取较高的配准精度,但放置标记物会对患者造成二次伤害,易造成患者的心理负担和不必要的生理损伤,一般不建议采用。基于内部特征的配准是指通过术前规划拾取医学图像的特征,并在手术中拾取患者骨的相应特征,通过匹配不同坐标系下的内部特征来完成配准。这种方法避免了对患者的二次损伤,同时也可以达到较好的匹配精度。但由于术中拾取点的误差,精度较前者较低,需配准算法来保持较高的精度。
目前,针对内部特征的配准算法主要有四种:基于单位四元数(UQ)的配准算法、基于奇异值分解(SVD)的配准算法、基于正交矩阵(OM)的配准算法和基于对偶四元数(DQ)的配准算法。这些算法主要存在如下不足:1)未考虑配准模型的几何形态对配准算法的影响。初始模型中点云数据设置相对集中,不适用长骨配准;2)手术注册过程中,需要的注册点较多,增加了手术准备的时间,进而影响手术效率;3)获取患骨表面标记点坐标时,未考虑因骨面移动而产生的误差。上述不足导致现有的四种配准算法精度和效率较低。
综上所述,现有的匹配算法难以满足临床手术的要求。
发明内容
本发明的目的在于克服已有技术的缺点,提供一种在手术过程中操作简单、效率高、精度好的机械轴导航***中的人体下肢配准方法。
本发明是通过以下技术方案实现:
本发明的机械轴导航***中的人体下肢配准方法,包括以下步骤:
(1)扫描获取人体下肢CT数据并根据所得的人体下肢CT数据重建人体下肢三维模型,然后采用高精度存储模式保存为STL网格模型用于后续数据处理;
(2)通过特征点提取算法提取人体下肢三维模型中骨表面点云数据得到三维模型表面待匹配特征点,并将骨表面点云数据存储用于后续匹配,具体步骤为:
(2a)选定骨模型上待匹配特征点所在的表面区域,获取该区域点云数据并进行邻域分割处理;
(2b)获取上述选定区域任一点的邻域,然后对所述的任一点的邻域按照二次曲面方程进行最小二乘法拟合,再计算每一个邻域中每一个点的最大主曲率和最小主曲率;
(2c)重复所述的步骤(2b)遍历所选骨表面区域点云数据中的所有点,获取骨表面点云数据中所有点的曲率信息;
(2d)在所选定表面区域点云数据中若存在最凸点或最凹点,则将其作为模型特征点进行特征提取,得到三维模型表面待匹配特征点;
(3)利用光学跟踪设备获取患骨特征区域点云数据并进行预处理得到平滑的患骨特征区域点云数据;
(4)重复步骤(2a)-(2d)的特征点提取算法,提取患骨选定区域点云数据的特征点的空间坐标;
(5)利用三点配准算法实现模型患骨与患骨的空间配准,包括如下步骤:
(5a)选取步骤(2)中得到三维模型表面待匹配特征点中的三个点坐标,记作A、B、C,且所述的三个点坐标分布于患骨的两端;选取患骨点云数据与所述的三个点坐标对应的点,记作A′、B′、C′;
(5b)将模型患骨的A点平移至模型的坐标系原点,获取整体平移量T1:
(5c)按照A′B′的方位,对AB进行旋转得到第一旋转量,完成AB到A′B′方位的配准;
(5d)使C点绕AB旋转至C′点得到第二旋转量,完成C点方位与C′点方位的配准;
(5d)将模型骨的A点平移至A′点,获取整体平移量T2:
(5e)将上述计算获得的旋转量与平移量依次叠加至待匹配患骨模型数据上。
本发明的有益效果是:利用特征提取算法避免了人工拾取特征点的误差。同时采用三点进行配准,匹配点少,可降低由于骨面移动引起的误差,并有效缩短特征点的注册时间,提高手术效率。
附图说明
图1是本发明的机械轴导航***中的人体下肢配准方法的整体流程图;
图2是特征提取算法的子流程图;
图3是三点配准方法的子流程图;
图4是三点配准骨模型示意图;
图5是三点配准过程示意图;
图6是实施例实验模型图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细说明。
参见附图,本发明的机械轴导航***中的人体下肢配准方法,包括以下步骤:
(1)扫描获取人体下肢CT数据并根据所得的人体下肢CT数据重建人体下肢三维模型,然后采用高精度存储模式保存为STL网格模型用于后续数据处理;模型高精度存储,可以提高匹配点的定位精度。
作为本发明的一种实施方式具体方法可以为:对患者进行术前螺旋CT扫描,并利用医学图像处理软件Mimics对CT数据进行精确的三维重建;
(2)通过特征点提取算法提取人体下肢三维模型中骨表面点云数据得到三维模型表面待匹配特征点,并将骨表面点云数据存储用于后续匹配,具体步骤为:
(2a)选定骨模型上待匹配特征点所在的表面区域,获取该区域点云数据并进行邻域分割处理;
(2b)获取上述选定区域任一点pi的邻域,记作Nbhd(pi);然后对所述的任一点pi的邻域按照二次曲面方程进行最小二乘法拟合,表达式为:
z=r(x,y)=a0x2+a1y2+a2xy+a3x+a4y+a5
其中,a0、a1、a2、a3、a4、a5为二次曲面的系数,x、y、z为任一点的坐标分量。解得二次曲面方程的系数后,根据空间曲面曲线的性质计算每一个邻域中每一个点的最大主曲率k1和最小主曲率k2。
(2c)重复所述的步骤(2b)遍历所选骨表面区域点云数据中的所有点,获取骨表面点云数据中所有点的曲率信息;
(2d)在所选定表面区域点云数据中若存在最凸点或最凹点,则将其作为模型特征点进行特征提取,得到三维模型表面待匹配特征点;
所述的模型特征点满足的条件为:
若该点为最凸点,则有:S(pi)=max(S(p1),S(p2),…,S(pn))i=1,2…n的正整数
若该点为最凹点,则有:S(pi)=min(S(p1),S(p2),…,S(pn))i=1,2…n的正整数
上式中S(pi)为形状因子,计算公式为:
其中k1(pi)与k2(pi)分别为pi点的最大主曲率与最小主曲率。
(3)利用光学跟踪设备获取患骨特征区域点云数据并进行预处理得到平滑的患骨特征区域点云数据;
作为本发明的一种实施方式具体方法可以为:利用光学跟踪仪器获取患骨特征区域表面点云数据,具体包括:
(3a)利用光学定位探针均匀划取患骨特征区域,获取患骨初始表面点云数据;
(3b)若所述的患骨初始表面点云数据中存在重复点,则保留其中任一坐标点坐标;
(3c)若患骨初始表面点云数据中任一点不满足非噪声点的邻域特性,则将其作为噪声点进行剔除;
(3d)经过上述处理后的患骨初始表面点云数据为获取的患骨待匹配点云数据。
(4)重复步骤(2a)-(2d)的特征点提取算法,提取患骨选定区域点云数据的特征点的空间坐标;
(5)利用三点配准算法实现模型患骨与患骨的空间配准,包括如下步骤:
(5a)如图4所示,选取步骤(2)中得到三维模型表面待匹配特征点中的三个点坐标记作A、B、C,且所述的三个点坐标分布于患骨的两端;选取患骨点云数据与所述的三个点坐标对应的点记作A′、B′、C′;
(5b)如图5所示,将模型患骨的A点平移至模型的坐标系原点,获取整体平移量T1:
其中Ax、Ay、Az分别为A点的x轴、y轴、z轴坐标分量。
(5c)按照A′B′的方位,对AB进行旋转得到第一旋转量,完成AB到A′B′方位的配准,该旋转量由单位四元数可表示为:
q1=[sin(α/2)n1,cos(α/2)]=[sin(α/2)n1x,sin(α/2)n1y,sin(α/2)n1z,cos(α/2)]
其中,q1为旋转量的单位四元数表示,n1为AB旋转至A′B′的旋转轴方向矢量,n1x、n1y、n1z为旋转轴n1的x轴、y轴、z轴坐标分量,α为AB与A′B′的夹角。将单位四元数转化为齐次矩阵的形式,可表示为:
其中,q1x=sin(α/2)n1x、q1y=sin(α/2)n1y、q1z=sin(α/2)n1z、q10=cos(α/2)分别对应q1的四个分量。
(5d)使C点绕AB旋转至C′点得到第二旋转量,完成C点方位与C′点方位的配准,该旋转量由单位四元数可表示为:
q2=[sin(β/2)n2,cos(β/2)]=[sin(β/2)n2x,sin(β/2)n2y,sin(β/2)n2z,cos(β/2)]
其中,q2为旋转量的单位四元数表示,n2为AB的方向矢量,n2x、n2y、n2z为旋转轴n2的x轴、y轴、z轴坐标分量,β为C点绕AB旋转至C′点的角度。将单位四元数转化为齐次矩阵的形式,可表示为:
其中,q2x=sin(β/2)n2x、q2y=sin(β/2)n2y、q2z=sin(β/2)n2z、q20=cos(β/2)分别对应q2的四个分量。
(5d)将模型骨的A点平移至A′点,获取整体平移量T2:
其中Ax′、Ay′、Az′为A′点的x轴、y轴、z轴坐标分量。
(5e)将上述计算获得的旋转量与平移量依次叠加至待匹配患骨模型数据上,可表示为:
pi′=T2R2R1T1pii=1,2…n
其中,pi为模型患骨初始点坐标值,pi′为配准后的模型患骨坐标值。进而完成模型骨与患骨的空间配准。
本发明的一种针对下肢导航手术的快速高精度配准方法,所述算法避免迭代,执行效率更高,同时,采用长骨两端三个特征点进行配准,操作简便,术中便于实施。故本发明的一种针对下肢导航手术的快速高精度配准方法可满足下肢手术导航的需求。
实施例
(1)实验模型设计
本实施例针对上述三点配准算法步骤进行实验验证。为了便于实际测量,将图4的骨模型简化为图6所示模型。设定两平行圆环上均布的标记点用来模拟骨模型两端的特征点。配准过程中选取一侧一点A,另一侧两点B、C共计三点进行空间配准实验。具体实验步骤如下:
(a)获取实验模型两侧共计12个点的初始坐标作为理想坐标点;
(b)对上述理想坐标点进行随机的离散,并进行任意的旋转和平移变换,将离散变换后的点集作为待匹配点集,使其向初始理想坐标点进行配准;
(c)选取初始理想坐标点两侧的三点与待匹配点集相对应的三点,利用本方法中的所述的步骤(5b)-(5e)的配准方法进行配准,并对配准之后的一组点集与初始理想坐标点点集进行数值分析。主要的误差评估项为:1、标记点位置配准误差E1;2、角度配准误差评估E2,表示为:
其中,Pi′为初始理想点的坐标值,Pi为配准后特征点的坐标值;如图6所示,Lj′为初始两圆环对应点连线的向量值,Lj为配准后两圆环对应点连线的向量值。配准结果如下表所示:
表1配准仿真结果
从上述仿真结果可以看出:利用本方法所述配准方法进行配准后,标记点配准误差为:0.2452mm;角度配准误差为:0.0306°。配准精度完全满足临床手术的需求。
以上对本发明的描述仅仅是示意性的,而不是限制性的,所以,本发明的实施方式并不局限于上述的具体实施方式。如果本领域的普通技术人员受其启示,在不脱离本发明宗旨和权利要求所保护范围的情况下,做出其他变化或变型,均属于本发明的保护范围。
Claims (3)
1.机械轴导航***中的人体下肢配准方法,其特征在于包括以下步骤:
(1)扫描获取人体下肢CT数据并根据所得的人体下肢CT数据重建人体下肢三维模型,然后采用高精度存储模式保存为STL网格模型用于后续数据处理;
(2)通过特征点提取算法提取人体下肢三维模型中骨表面点云数据得到三维模型表面待匹配特征点,并将骨表面点云数据存储用于后续匹配,具体步骤为:
(2a)选定骨模型上待匹配特征点所在的表面区域,获取该区域点云数据并进行邻域分割处理;
(2b)获取上述选定区域任一点的邻域,然后对所述的任一点的邻域按照二次曲面方程进行最小二乘法拟合,再计算每一个邻域中每一个点的最大主曲率和最小主曲率;
(2c)重复所述的步骤(2b)遍历所选骨表面区域点云数据中的所有点,获取骨表面点云数据中所有点的曲率信息;
(2d)在所选定表面区域点云数据中若存在最凸点或最凹点,则将其作为模型特征点进行特征提取,得到三维模型表面待匹配特征点;
(3)利用光学跟踪设备获取患骨特征区域点云数据并进行预处理得到平滑的患骨特征区域点云数据;
(4)重复步骤(2a)-(2d)的特征点提取算法,提取患骨选定区域点云数据的特征点的空间坐标;
(5)利用三点配准算法实现模型患骨与患骨的空间配准,包括如下步骤:
(5a)选取步骤(2)中得到三维模型表面待匹配特征点中的三个点坐标,记作A、B、C,且所述的三个点坐标分布于患骨的两端;选取患骨点云数据与所述的三个点坐标对应的点,记作A′、B′、C′;
(5b)将模型患骨的A点平移至模型的坐标系原点,获取整体平移量T1:
(5c)按照A′B′的方位,对AB进行旋转得到第一旋转量,完成AB到A′B′方位的配准;
(5d)使C点绕AB旋转至C′点得到第二旋转量,完成C点方位与C′点方位的配准;
(5d)将模型骨的A点平移至A′点,获取整体平移量T2:
(5e)将上述计算获得的旋转量与平移量依次叠加至待匹配患骨模型数据上。
2.根据权利要求1所述的机械轴导航***中的人体下肢配准方法,其特征在于:对患者进行术前螺旋CT扫描,并利用医学图像处理软件Mimics对CT数据进行精确的三维重建。
3.根据权利要求1或者2所述的机械轴导航***中的人体下肢配准方法,其特征在于:利用光学跟踪仪器获取患骨特征区域表面点云数据,具体包括:
(3a)利用光学定位探针均匀划取患骨特征区域,获取患骨初始表面点云数据;
(3b)若所述的患骨初始表面点云数据中存在重复点,则保留其中任一坐标点坐标;
(3c)若患骨初始表面点云数据中任一点不满足非噪声点的邻域特性,则将其作为噪声点进行剔除;
(3d)经过上述处理后的患骨初始表面点云数据为获取的患骨待匹配点云数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710543359.7A CN107392995B (zh) | 2017-07-05 | 2017-07-05 | 机械轴导航***中的人体下肢配准*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710543359.7A CN107392995B (zh) | 2017-07-05 | 2017-07-05 | 机械轴导航***中的人体下肢配准*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107392995A true CN107392995A (zh) | 2017-11-24 |
CN107392995B CN107392995B (zh) | 2021-12-07 |
Family
ID=60335369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710543359.7A Active CN107392995B (zh) | 2017-07-05 | 2017-07-05 | 机械轴导航***中的人体下肢配准*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107392995B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460827A (zh) * | 2018-02-27 | 2018-08-28 | 上海交通大学医学院附属第九人民医院 | 一种基于多源数据数字化设计和制作阻塞器模型的方法 |
CN108836479A (zh) * | 2018-05-16 | 2018-11-20 | 山东大学 | 一种医学图像配准方法和手术导航*** |
CN108836377A (zh) * | 2018-08-20 | 2018-11-20 | 真健康(北京)医疗科技有限公司 | 一种轮廓采集装置及配准定位的方法 |
CN109166177A (zh) * | 2018-08-27 | 2019-01-08 | 清华大学 | 一种颅颌面外科手术的术中导航方法 |
CN109965979A (zh) * | 2017-12-27 | 2019-07-05 | 上海复旦数字医疗科技股份有限公司 | 一种无需标志点的稳健的神经导航自动注册方法 |
CN110010249A (zh) * | 2019-03-29 | 2019-07-12 | 北京航空航天大学 | 基于视频叠加的增强现实手术导航方法、***及电子设备 |
CN110335297A (zh) * | 2019-06-21 | 2019-10-15 | 华中科技大学 | 一种基于特征提取的点云配准方法 |
CN111166538A (zh) * | 2019-03-05 | 2020-05-19 | 艾瑞迈迪科技石家庄有限公司 | 一种关节置换手术术前的假体预摆位方法和装置 |
CN113345112A (zh) * | 2021-05-25 | 2021-09-03 | 上海大学 | 一种长骨骨折断面点云预处理及配准方法 |
CN113349931A (zh) * | 2021-06-18 | 2021-09-07 | 云南微乐数字医疗科技有限公司 | 一种高精度手术导航***的病灶配准方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1957373A (zh) * | 2004-03-12 | 2007-05-02 | 布拉科成像S.P.A.公司 | 基于视频的扩增实境增强型外科手术导航***的精度评估 |
US20080071142A1 (en) * | 2006-09-18 | 2008-03-20 | Abhishek Gattani | Visual navigation system for endoscopic surgery |
CN102525661A (zh) * | 2012-02-17 | 2012-07-04 | 南通爱普医疗器械有限公司 | 具有颅脑手术最优化实施预测配准功能的手术导航仪 |
CN103793915A (zh) * | 2014-02-18 | 2014-05-14 | 上海交通大学 | 神经外科导航中低成本无标记配准***及配准方法 |
CN104000655A (zh) * | 2013-02-25 | 2014-08-27 | 西门子公司 | 用于腹腔镜外科手术的组合的表面重构和配准 |
CN104091162A (zh) * | 2014-07-17 | 2014-10-08 | 东南大学 | 基于特征点的三维人脸识别方法 |
US9052384B2 (en) * | 2008-05-22 | 2015-06-09 | The Trustees Of Dartmouth College | System and method for calibration for image-guided surgery |
US20170116729A1 (en) * | 2015-04-17 | 2017-04-27 | Clear Guide Medical, Inc. | System and method for fused image based navigation with late marker placement |
-
2017
- 2017-07-05 CN CN201710543359.7A patent/CN107392995B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1957373A (zh) * | 2004-03-12 | 2007-05-02 | 布拉科成像S.P.A.公司 | 基于视频的扩增实境增强型外科手术导航***的精度评估 |
US20080071142A1 (en) * | 2006-09-18 | 2008-03-20 | Abhishek Gattani | Visual navigation system for endoscopic surgery |
US9052384B2 (en) * | 2008-05-22 | 2015-06-09 | The Trustees Of Dartmouth College | System and method for calibration for image-guided surgery |
CN102525661A (zh) * | 2012-02-17 | 2012-07-04 | 南通爱普医疗器械有限公司 | 具有颅脑手术最优化实施预测配准功能的手术导航仪 |
CN104000655A (zh) * | 2013-02-25 | 2014-08-27 | 西门子公司 | 用于腹腔镜外科手术的组合的表面重构和配准 |
CN103793915A (zh) * | 2014-02-18 | 2014-05-14 | 上海交通大学 | 神经外科导航中低成本无标记配准***及配准方法 |
CN104091162A (zh) * | 2014-07-17 | 2014-10-08 | 东南大学 | 基于特征点的三维人脸识别方法 |
US20170116729A1 (en) * | 2015-04-17 | 2017-04-27 | Clear Guide Medical, Inc. | System and method for fused image based navigation with late marker placement |
Non-Patent Citations (5)
Title |
---|
JUNCHEN WANG ET AL: ""Augmented Reality Navigation With Automatic Marker-Free Image Registration Using 3-D Image Overlay for Dental Surgery"", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》 * |
LUEBBERS.H T ET AL: ""Comparison of different registration methods for surgical navigation in cranio-maxillofacial surgery"", 《JOURNAL OF CRANIO-MAXILLOFACIAL SURGERY》 * |
杨奎: ""计算机辅助手术导航***的研究与开发"", 《中国优秀硕士学位论文全文数据库-信息科技》 * |
海思穹 等: ""手术导航***三维配准算法研究与仿真"", 《计算机仿真》 * |
王君臣 等: ""基于ICP算法的手术导航三维配准技术"", 《北京航空航天大学学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109965979A (zh) * | 2017-12-27 | 2019-07-05 | 上海复旦数字医疗科技股份有限公司 | 一种无需标志点的稳健的神经导航自动注册方法 |
CN108460827B (zh) * | 2018-02-27 | 2022-06-14 | 上海交通大学医学院附属第九人民医院 | 一种基于多源数据数字化设计和制作阻塞器模型的方法 |
CN108460827A (zh) * | 2018-02-27 | 2018-08-28 | 上海交通大学医学院附属第九人民医院 | 一种基于多源数据数字化设计和制作阻塞器模型的方法 |
CN108836479B (zh) * | 2018-05-16 | 2020-01-24 | 山东大学 | 一种医学图像配准方法和手术导航*** |
CN108836479A (zh) * | 2018-05-16 | 2018-11-20 | 山东大学 | 一种医学图像配准方法和手术导航*** |
CN108836377A (zh) * | 2018-08-20 | 2018-11-20 | 真健康(北京)医疗科技有限公司 | 一种轮廓采集装置及配准定位的方法 |
CN109166177A (zh) * | 2018-08-27 | 2019-01-08 | 清华大学 | 一种颅颌面外科手术的术中导航方法 |
CN111166538A (zh) * | 2019-03-05 | 2020-05-19 | 艾瑞迈迪科技石家庄有限公司 | 一种关节置换手术术前的假体预摆位方法和装置 |
CN110010249B (zh) * | 2019-03-29 | 2021-04-27 | 北京航空航天大学 | 基于视频叠加的增强现实手术导航方法、***及电子设备 |
CN110010249A (zh) * | 2019-03-29 | 2019-07-12 | 北京航空航天大学 | 基于视频叠加的增强现实手术导航方法、***及电子设备 |
CN110335297A (zh) * | 2019-06-21 | 2019-10-15 | 华中科技大学 | 一种基于特征提取的点云配准方法 |
CN110335297B (zh) * | 2019-06-21 | 2021-10-08 | 华中科技大学 | 一种基于特征提取的点云配准方法 |
CN113345112A (zh) * | 2021-05-25 | 2021-09-03 | 上海大学 | 一种长骨骨折断面点云预处理及配准方法 |
CN113345112B (zh) * | 2021-05-25 | 2023-06-13 | 上海大学 | 一种长骨骨折断面点云预处理及配准方法 |
CN113349931A (zh) * | 2021-06-18 | 2021-09-07 | 云南微乐数字医疗科技有限公司 | 一种高精度手术导航***的病灶配准方法 |
CN113349931B (zh) * | 2021-06-18 | 2024-06-04 | 云南微乐数字医疗科技有限公司 | 一种高精度手术导航***的病灶配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107392995B (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107392995A (zh) | 机械轴导航***中的人体下肢配准方法 | |
EP3254621B1 (en) | 3d image special calibrator, surgical localizing system and method | |
CN109199586B (zh) | 一种激光截骨手术机器人***及其路径规划方法 | |
JP5702861B2 (ja) | 解剖学的表面の支援型自動データ収集方法 | |
CN100493471C (zh) | 计算机辅助经皮肾穿刺取石术中的穿刺导航*** | |
CN100496429C (zh) | 外科手术导航***基于光学定位的机器人手术定位方法 | |
JP2966089B2 (ja) | 不均質組織内部における局部手術用対話型装置 | |
CN110101452A (zh) | 一种用于外科手术的光磁一体化定位导航方法 | |
CN110946654A (zh) | 一种基于多模影像融合的骨科手术导航*** | |
CN113288429A (zh) | 一种乳腺微创介入手术机器人空间配准与实时导航方法 | |
CN109785374A (zh) | 一种牙科增强现实手术导航的自动实时无标记图像配准方法 | |
CN107330926A (zh) | 一种术中导航***中的非标记医学图像配准***及方法 | |
CN106137395B (zh) | 应用于无标记点光学手术导航***的全自动病人注册方法 | |
CN112168357B (zh) | C臂机空间定位模型构建***及方法 | |
CN104867104B (zh) | 基于xct图像非刚度配准的目标鼠解剖结构图谱获取方法 | |
CN106251284B (zh) | 基于牙套的医学图像配准方法 | |
CN112151169B (zh) | 一种仿人操作的超声机器人自主扫描方法及*** | |
CN112270993B (zh) | 一种以诊断结果为反馈的超声机器人在线决策方法及*** | |
CN109498156A (zh) | 一种基于三维扫描的头部手术导航方法 | |
CN110916799A (zh) | 基于5g网络的穿刺机器人导航*** | |
CN104771189B (zh) | 三维头颅图像对正方法及装置 | |
CN105982722A (zh) | 一种数字化骨骼手术修复方法和*** | |
Liu et al. | Improving the positioning accuracy of a neurosurgical robot system | |
Wuhrer et al. | Human shape correspondence with automatically predicted landmarks | |
CN113855240B (zh) | 一种基于磁导航的医学影像配准***和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 300350 District, Jinnan District, Tianjin Haihe Education Park, 135 beautiful road, Beiyang campus of Tianjin University Applicant after: Tianjin University Address before: 300072 Tianjin City, Nankai District Wei Jin Road No. 92 Applicant before: Tianjin University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |