CN113077498B - 骨盆配准方法、骨盆配准装置和骨盆配准*** - Google Patents
骨盆配准方法、骨盆配准装置和骨盆配准*** Download PDFInfo
- Publication number
- CN113077498B CN113077498B CN202110490786.XA CN202110490786A CN113077498B CN 113077498 B CN113077498 B CN 113077498B CN 202110490786 A CN202110490786 A CN 202110490786A CN 113077498 B CN113077498 B CN 113077498B
- Authority
- CN
- China
- Prior art keywords
- registration
- areas
- preferred
- pelvis
- mark points
- 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.)
- Active
Links
- 210000004197 pelvis Anatomy 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000012163 sequencing technique Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims description 88
- 238000001514 detection method Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 30
- 210000000988 bone and bone Anatomy 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 18
- 230000007547 defect Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000002184 metal Substances 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 210000000588 acetabulum Anatomy 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000001356 surgical procedure Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 206010069135 Periprosthetic fracture Diseases 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Prostheses (AREA)
Abstract
本申请提供了一种骨盆配准方法、骨盆配准装置和骨盆配准***，该方法包括：根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，第一标记点为三维模型的任意一点；根据第一标记点对三维模型的表面进行区域划分，得到多个待选区域；根据层次分析模型对多个待选区域进行排序，得到优选区域，层次分析模型包括目标层、因素层和方案层，目标层包括多个待选区域，因素层包括多个骨盆配准的影响因素，方案层包括多个可行排序方案；在优选区域选取至少三个第二标记点；根据第二标记点对一次配准模型与实际骨盆进行配准，得到二次配准模型。该骨盆配准方法解决了现有技术中骨盆配准精度低的问题。
Description
技术领域
本申请涉及骨盆配准技术领域，具体而言，涉及一种骨盆配准方法、骨盆配准装置、计算机可读存储介质、处理器和骨盆配准***。
背景技术
虽然现在人工关节置换术已经非常成熟，但由于假体松动(有菌性/无菌性)，假体周围骨折、假体脱位等等诸多原因，在实施初次关节置换术后的患者中仍有较大一部分需要进行翻修手术。
由于翻修手术的原因繁多，且病情复杂，执行关节翻修手术需要极高的手术技术以及丰富的手术经验。即使这样，翻修手术的满意率仍比较低。缺损部位的合理填充是关节翻修手术中的重要步骤。随着3D打印技术的发展，各种形状的补块开始发挥重要作用，病人个性化假体也开始出现，翻修手术也取得了一定进展。但是，有一个翻修手术中始终没有解决的问题是如何将补块或假体精准地安放。即使是个性化定制地假体，仍然会有很大概率出现放不进去，放错位置的问题。
在进行骨科翻修手术操作中，一个重要步骤是将骨骼的数字三维模型与实际骨骼匹配到一起，即通过定位设备获得实际骨骼的位姿，并建立一系列变换，使其数字三维模型的位姿可以通过这些变换用实际骨骼的位姿表达，这个过程称为配准，实际效果相当于将数字三维模型与实际骨骼对齐。配准对手术的精度有较大影响。
常规的配准流程包括：低精度配准、高精度配准和配准确认。低精度配准也称为点配准，一般通过选取数字三维模型和实际骨骼上相匹配的骨性标记点来实现。高精度配准也称为面配准，实际是由定位***连续的、采集多个实际骨骼表面点的位置，并自动的计算与其匹配的数字三维模型上点的位置，通过微调数字三维模型与实际骨骼的对齐。常规的配准流程中，对实际骨骼表面点的准确采集尤为重要。
髋关节翻修手术中骨盆配准的难点在于，此时骨盆的数字三维模型和实际骨骼可能存在差异，需要确定准确的骨性标记点和骨骼表面点来保证配准流程的顺利实施。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种骨盆配准方法、骨盆配准装置、计算机可读存储介质、处理器和骨盆配准***，以解决现有技术中骨盆配准精度低的问题。
根据本发明实施例的一个方面，提供了一种骨盆配准方法，所述方法包括：根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，所述第一标记点为所述三维模型的任意一点，至少三个所述第一标记点不位于同一条直线上；根据所述第一标记点对所述三维模型的表面进行区域划分，得到多个待选区域；根据层次分析模型对多个所述待选区域进行排序，得到优选区域，所述层次分析模型包括目标层、因素层和方案层，所述目标层包括多个所述待选区域，所述因素层包括多个骨盆配准的影响因素，所述方案层包括多个可行排序方案；在所述优选区域选取至少三个第二标记点；根据所述第二标记点对所述一次配准模型与所述实际骨盆进行配准，得到二次配准模型，至少三个所述第二标记点不位于同一条直线上。
可选地，根据所述第一标记点对所述三维模型的表面进行区域划分，得到多个待选区域，包括：根据多个第二圆柱确定多个待选区域，所述待选区域为第二圆柱与所述三维模型相交的区域，所述第二圆柱为第一圆沿当前视角拉伸形成的，所述第一圆为以所述第一标记点为圆心的圆，所述第一圆与第二圆相切，所述第二圆为以髋臼中心为圆心的圆。
可选地，根据层次分析模型对多个所述待选区域进行排序，得到优选区域，包括：确定各所述影响因素的评价等级，所述影响因素包括原始骨缺损影响、假体取出影响和金属伪影影响；根据所述评价等级，确定多个所述待选区域的可行排序方案；确定各所述影响因素的权重和所述可行排序方案的权重，根据各所述影响因素的权重和所述可行排序方案的权重分别构建得到判断矩阵；对所述判断矩阵进行一致性检测，得到检测结果；根据所述检测结果，确定所述判断矩阵是否为优选判断矩阵；在所述判断矩阵为优选判断矩阵的情况下，根据所述优选判断矩阵确定各所述待选区域的优选排序方案；根据所述优选排序方案，确定多个所述待选区域中的所述优选区域。
可选地，根据检测结果，确定所述判断矩阵是否为优选判断矩阵，包括：在所述判断矩阵通过所述一致性检测的情况下，确定所述判断矩阵为所述优选判断矩阵；在所述判断矩阵没有通过所述一致性检测的情况下，调整各所述影响因素的权重，直至所述判断矩阵通过所述一致性检测。
可选地，根据所述优选判断矩阵确定各所述待选区域的优选排序方案，包括：根据所述优选判断矩阵计算层次单排序结果，所述层次单排序结果包括所述因素层的层次单排序的结果和所述方案层的层次单排序的结果；根据所述层次单排序的结果计算层次总排序的结果；根据所述层次总排序结果，确定所述优选排序方案。
可选地，所述方法还包括：记录所述优选区域形成数据库。
根据本发明实施例的另一方面，还提供了一种骨盆配准装置，所述装置包括：第一配准单元，用于根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，所述第一标记点为所述三维模型的任意一点，至少三个所述第一标记点不位于同一条直线上；第一处理单元，用于根据所述第一标记点对所述三维模型的表面进行区域划分，得到多个待选区域；第二处理单元，用于根据层次分析模型对多个所述待选区域进行排序，得到优选区域；第三处理单元，用于，用于在所述优选区域选取至少三个第二标记点；第二配准单元，用于根据所述第二标记点对所述一次配准模型与所述实际骨盆进行配准，得到二次配准模型，至少三个所述第二标记点不位于同一条直线上。
根据本发明实施例的再一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。
根据本发明实施例的又一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。
根据本发明实施例的再一方面，还提供了一种骨盆配准***，包括骨盆配准装置，所述骨盆配准装置用于执行任意一种所述的方法。
在本发明实施例中，上述骨盆配准方法中，首先，根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；然后，根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域；之后，根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；之后，在上述优选区域选取至少三个第二标记点；最后，根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。该骨盆配准方法通过层次分析模型筛选优选区域，从而根据影响因素对待选区域的影响大小进行排序，选择影响较小的区域作为优选区域，在优选区域选择标记点进行配准，解决了现有技术中骨盆配准精度低的问题。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了根据本申请的一种实施例的骨盆配准方法的流程图；
图2示出了根据本申请的一种实施例的区域划分的示意图；
图3示出了根据本申请的一种实施例的骨盆配准装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本申请的实施例。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、***、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。
应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的，现有技术中骨盆配准精度低，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种骨盆配准方法、骨盆配准装置、计算机可读存储介质、处理器和骨盆配准***。
根据本申请的实施例，提供了一种骨盆配准方法。
图1是根据本申请实施例的骨盆配准方法的流程图。如图1所示，该方法包括以下步骤：
步骤S101，根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；
步骤S102，根据上述第一标记点对上述三维模型的表面进行划分区域，得到多个待选区域；
步骤S103，根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；
步骤S104，在上述优选区域选取至少三个第二标记点；
步骤S105，根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。
上述骨盆配准方法中，首先，根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；然后，根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域；之后，根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；之后，在上述优选区域选取至少三个第二标记点；最后，根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。该骨盆配准方法通过层次分析模型筛选优选区域，从而根据影响因素对待选区域的影响大小进行排序，选择影响较小的区域作为优选区域，在优选区域选择标记点进行配准，解决了现有技术中骨盆配准精度低的问题。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请的一种实施例中，根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域，包括：根据多个第二圆柱确定多个待选区域，上述待选区域为第二圆柱与上述三维模型相交的区域，上述第二圆柱为第一圆沿当前视角拉伸形成的，上述第一圆为以上述第一标记点为圆心的圆，上述第一圆与第二圆相切，上述第二圆为以髋臼中心为圆心的圆。具体地，如图2所示，上述第一标记点有三个，标记为1、2和3，大圆即为第二圆，大圆内的三个小圆即为第一圆，三个小圆沿当前视角拉伸形成的第二圆柱，与三维模型相交的区域即为待选区域，即1区、2区和3区。
需要说明的是，在当前视角下，上述第一圆位于上述第二圆内部，上述第二圆覆盖的区域大于上述当前视角下暴露区域面积的2/3，保证待选区域的划分的范围足够大，避免合适的选点区域被遗漏，进一步提高骨盆配准精度。
还需要说明的是，上述待选区域还可以进一步进行细分，以第一标记点为原点建立坐标系，将第一圆对应区域按照象限或其他方式划分为多个区域，例如，将第n个圆形区域按照象限划分，定义n区为第一象限的区域。
本申请的一种实施例中，根据层次分析模型对多个上述待选区域进行排序，得到优选区域，包括：确定各上述影响因素的评价等级，上述影响因素包括原始骨缺损影响、假体取出影响和金属伪影影响；根据上述评价等级，确定多个上述待选区域的可行排序方案；确定各上述影响因素的权重和上述可行排序方案的权重，根据各上述影响因素的权重和上述可行排序方案的权重分别构建得到判断矩阵；对上述判断矩阵进行一致性检测，得到检测结果；根据上述检测结果，确定上述判断矩阵是否为优选判断矩阵；在上述判断矩阵为优选判断矩阵的情况下，根据上述优选判断矩阵确定各上述待选区域的优选排序方案；根据上述优选排序方案，确定多个上述待选区域中的上述优选区域。具体地，将因素层的影响因素划分为I、II、III三个评价等级，例如，原始骨缺损影响划分无骨缺损、轻度骨缺损、重度骨缺损三个等级，假体取出影响和金属伪影影响分别划分无影响、轻度影响和重度影响三个等级，每一个评价等级对应一个或若干个可行排序方案，根据高精度配准的条件信息，依次判断每一个影响因素所能满足的一个或多个等级，列出影响因素的评价等级表，根据评价等级表初步确定若干个可行排序方案，根据各上述影响因素的权重和上述可行排序方案的权重分别构建得到判断矩阵，即根据骨盆配准的层次结构模型，从分层结构模型的因素层开始直到方案层，用1-9标度法构造每一层元素对于上一层每个元素的判断矩阵，并通过一致性检测确定权重分布是否合理，检测通过即可根据上述优选判断矩阵确定各上述待选区域的优选排序方案，从而确定多个上述待选区域中的上述优选区域。
本申请的一种实施例中，根据检测结果，确定上述判断矩阵是否为优选判断矩阵，包括：在上述判断矩阵通过上述一致性检测的情况下，确定上述判断矩阵为上述优选判断矩阵；在上述判断矩阵没有通过上述一致性检测的情况下，调整各上述影响因素的权重，直至上述判断矩阵通过上述一致性检测。具体地，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若通过即可确定上述判断矩阵为上述优选判断矩阵，若不通过，则调整各上述影响因素的权重重新构建判断矩阵，直至上述判断矩阵通过上述一致性检测。
本申请的一种实施例中，根据上述优选判断矩阵确定各上述待选区域的优选排序方案，包括：根据上述优选判断矩阵计算层次单排序结果，上述层次单排序结果包括上述因素层的层次单排序的结果和上述方案层的层次单排序的结果；根据上述层次单排序的结果计算层次总排序的结果；根据上述层次总排序结果，确定上述优选排序方案。具体地，上述优选判断矩阵归一化处理后的特征向量即为层次单排序，根据层次单排序结果，逐层计算各层次对于***的总排序权重，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测不通过，重新构造层次分析模型或者重构判断矩阵，重新计算层次总排序，直至检测通过，则层次总排序的结果即为优选排序方案，例如，第一位为3区，则确定3区为优选区域，当然，区域较多时，可以按照总排序结果选取多个结果为优选区域，例如，如选择前三位作为优选区域。
本申请的一种实施例中，上述方法还包括：记录上述优选区域形成数据库。具体地，将标记优选区域的骨盆的三维模型记录在数据库，以便于后续采用大数据分析直接确定待配准骨盆的三维模型的优选区域，代替层次分析模型筛选优选区域，减小工作量。
本申请实施例还提供了一种骨盆配准装置，需要说明的是，本申请实施例的骨盆配准装置可以用于执行本申请实施例所提供的用于骨盆配准方法。以下对本申请实施例提供的骨盆配准装置进行介绍。
图3是根据本申请实施例的骨盆配准装置的示意图。如图3所示，该装置包括：
第一配准单元10，用于根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；
第一处理单元20，用于根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域；
第二处理单元30，用于根据层次分析模型对多个上述待选区域进行排序，得到优选区域；
第三处理单元40，用于，用于在上述优选区域选取至少三个第二标记点；
第二配准单元50，用于根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。
上述骨盆配准装置中，第一配准单元根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；第一处理单元根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域；第二处理单元根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；第三处理单元在上述优选区域选取至少三个第二标记点；第二配准单元根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。该骨盆配准装置通过层次分析模型筛选优选区域，从而根据影响因素对待选区域的影响大小进行排序，选择影响较小的区域作为优选区域，在优选区域选择标记点进行配准，解决了现有技术中骨盆配准精度低的问题。
本申请的一种实施例中，根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域，包括：根据多个第二圆柱确定多个待选区域，上述待选区域为第二圆柱与上述三维模型相交的区域，上述第二圆柱为第一圆沿当前视角拉伸形成的，上述第一圆为以上述第一标记点为圆心的圆，上述第一圆与第二圆相切，上述第二圆为以髋臼中心为圆心的圆。具体地，如图2所示，上述第一标记点有三个，标记为1、2和3，大圆即为第二圆，大圆内的三个小圆即为第一圆，三个小圆沿当前视角拉伸形成的第二圆柱，与三维模型相交的区域即为待选区域，即1区、2区和3区。
需要说明的是，在当前视角下，上述第一圆位于上述第二圆内部，上述第二圆覆盖的区域大于上述当前视角下暴露区域面积的2/3，保证待选区域的划分的范围足够大，避免合适的选点区域被遗漏，进一步提高骨盆配准精度。
还需要说明的是，上述待选区域还可以进一步进行细分，以第一标记点为原点建立坐标系，将第一圆对应区域按照象限或其他方式划分为多个区域，例如，将第n个圆形区域按照象限划分，定义n区为第一象限的区域。
本申请的一种实施例中，上述第二处理单元包括第一确定子单元、第二确定子单元、构建子单元、检测子单元、第三确定子单元、第四确定子单元和第五确定子单元，其中，上述第一确定子单元用于确定各上述影响因素的评价等级，上述影响因素包括原始骨缺损影响、假体取出影响和金属伪影影响；上述第二确定子单元用于根据上述评价等级，确定多个上述待选区域的可行排序方案；上述构建子单元用于确定各上述影响因素的权重和上述可行排序方案的权重，根据各上述影响因素的权重和上述可行排序方案的权重分别构建得到判断矩阵；上述检测子单元用于对上述判断矩阵进行一致性检测，得到检测结果；上述第三确定子单元用于根据上述检测结果，确定上述判断矩阵是否为优选判断矩阵；上述第四确定子单元用于在上述判断矩阵为优选判断矩阵的情况下，根据上述优选判断矩阵确定各上述待选区域的优选排序方案；上述第五确定子单元用于根据上述优选排序方案，确定多个上述待选区域中的上述优选区域。具体地，将因素层的影响因素划分为I、II、III三个评价等级，例如，原始骨缺损影响划分无骨缺损、轻度骨缺损、重度骨缺损三个等级，假体取出影响和金属伪影影响分别划分无影响、轻度影响和重度影响三个等级，每一个评价等级对应一个或若干个可行排序方案，根据高精度配准的条件信息，依次判断每一个影响因素所能满足的一个或多个等级，列出影响因素的评价等级表，根据评价等级表初步确定若干个可行排序方案，根据各上述影响因素的权重和上述可行排序方案的权重分别构建得到判断矩阵，即根据骨盆配准的层次结构模型，从分层结构模型的因素层开始直到方案层，用1-9标度法构造每一层元素对于上一层每个元素的判断矩阵，并通过一致性检测确定权重分布是否合理，检测通过即可根据上述优选判断矩阵确定各上述待选区域的优选排序方案，从而确定多个上述待选区域中的上述优选区域。
本申请的一种实施例中，上述第三确定子单元包括第一确定模块和第二确定模块，其中，上述第一确定模块用于在上述判断矩阵通过上述一致性检测的情况下，确定上述判断矩阵为上述优选判断矩阵；上述第二确定模块用于在上述判断矩阵没有通过上述一致性检测的情况下，调整各上述影响因素的权重，直至上述判断矩阵通过上述一致性检测。具体地，对每个判断矩阵计算最大特征值及其对应的特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若通过即可确定上述判断矩阵为上述优选判断矩阵，若不通过，则调整各上述影响因素的权重重新构建判断矩阵，直至上述判断矩阵通过上述一致性检测。
本申请的一种实施例中，上述第四确定子单元包括第一计算模块、第二计算模块和第三确定模块，其中，上述第一计算模块用于根据上述优选判断矩阵计算层次单排序结果，上述层次单排序结果包括上述因素层的层次单排序的结果和上述方案层的层次单排序的结果；上述第二计算模块用于根据上述层次单排序的结果计算层次总排序的结果；上述第三确定模块用于根据上述层次总排序结果，确定上述优选排序方案。具体地，上述优选判断矩阵归一化处理后的特征向量即为层次单排序，根据层次单排序结果，逐层计算各层次对于***的总排序权重，利用一致性指标、随机一致性指标和一致性比率做一致性检测，若检测不通过，重新构造层次分析模型或者重构判断矩阵，重新计算层次总排序，直至检测通过，则层次总排序的结果即为优选排序方案，例如，第一位为3区，则确定3区为优选区域，当然，区域较多时，可以按照总排序结果选取多个结果为优选区域，例如，如选择前三位作为优选区域。
本申请的一种实施例中，上述装置还包括记录单元，上述记录单元用于记录上述优选区域形成数据库。具体地，将标记优选区域的骨盆的三维模型记录在数据库，以便于后续采用大数据分析直接确定待配准骨盆的三维模型的优选区域，代替层次分析模型筛选优选区域，减小工作量。
本申请实施例还提供了一种骨盆配准***，包括骨盆配准装置，上述骨盆配准装置用于执行权任意一种上述的方法。
上述骨盆配准***中，包括骨盆配准装置，第一配准单元根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；第一处理单元根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域；第二处理单元根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；第三处理单元在上述优选区域选取至少三个第二标记点；第二配准单元根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。该骨盆配准装置通过层次分析模型筛选优选区域，从而根据影响因素对待选区域的影响大小进行排序，选择影响较小的区域作为优选区域，在优选区域选择标记点进行配准，解决了现有技术中骨盆配准精度低的问题。
上述骨盆配准装置包括处理器和存储器，上述第一配准单元、第一处理单元、第二处理单元、第三处理单元和第一配准单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中骨盆配准精度低的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述方法。
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
步骤S101，根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；
步骤S102，根据上述第一标记点对上述三维模型的表面进行划分区域，得到多个待选区域；
步骤S103，根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；
步骤S104，在上述优选区域选取至少三个第二标记点；
步骤S105，根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
步骤S101，根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；
步骤S102，根据上述第一标记点对上述三维模型的表面进行划分区域，得到多个待选区域；
步骤S103，根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；
步骤S104，在上述优选区域选取至少三个第二标记点；
步骤S105，根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
1)、本申请的骨盆配准方法中，首先，根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；然后，根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域；之后，根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；之后，在上述优选区域选取至少三个第二标记点；最后，根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。该骨盆配准方法通过层次分析模型筛选优选区域，从而根据影响因素对待选区域的影响大小进行排序，选择影响较小的区域作为优选区域，在优选区域选择标记点进行配准，解决了现有技术中骨盆配准精度低的问题。
2)、本申请的骨盆配准装置中，第一配准单元根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；第一处理单元根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域；第二处理单元根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；第三处理单元在上述优选区域选取至少三个第二标记点；第二配准单元根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。该骨盆配准装置通过层次分析模型筛选优选区域，从而根据影响因素对待选区域的影响大小进行排序，选择影响较小的区域作为优选区域，在优选区域选择标记点进行配准，解决了现有技术中骨盆配准精度低的问题。
3)、本申请的骨盆配准***中，包括骨盆配准装置，第一配准单元根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，上述第一标记点为上述三维模型的任意一点，至少三个上述第一标记点不位于同一条直线上；第一处理单元根据上述第一标记点对上述三维模型的表面进行区域划分，得到多个待选区域；第二处理单元根据层次分析模型对多个上述待选区域进行排序，得到优选区域，上述层次分析模型包括目标层、因素层和方案层，上述目标层包括多个上述待选区域，上述因素层包括多个骨盆配准的影响因素，上述方案层包括多个可行排序方案；第三处理单元在上述优选区域选取至少三个第二标记点；第二配准单元根据上述第二标记点对上述一次配准模型与上述实际骨盆进行配准，得到二次配准模型，至少三个上述第二标记点不位于同一条直线上。该骨盆配准装置通过层次分析模型筛选优选区域，从而根据影响因素对待选区域的影响大小进行排序，选择影响较小的区域作为优选区域，在优选区域选择标记点进行配准，解决了现有技术中骨盆配准精度低的问题。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (8)
1.一种骨盆配准方法，其特征在于，所述方法包括：
根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，所述第一标记点为所述三维模型的任意一点，至少三个所述第一标记点不位于同一条直线上；
根据所述第一标记点对所述三维模型的表面进行区域划分，得到多个待选区域；
根据层次分析模型对多个所述待选区域进行排序，得到优选区域，所述层次分析模型包括目标层、因素层和方案层，所述目标层包括多个所述待选区域，所述因素层包括多个骨盆配准的影响因素，所述方案层包括多个可行排序方案；
在所述优选区域选取至少三个第二标记点；
根据所述第二标记点对所述一次配准模型与所述实际骨盆进行配准，得到二次配准模型，至少三个所述第二标记点不位于同一条直线上，根据所述第一标记点对所述三维模型的表面进行区域划分，得到多个待选区域，包括：根据多个圆柱确定多个待选区域，所述待选区域为圆柱与所述三维模型相交的区域，所述圆柱为第一圆沿当前视角拉伸形成的，所述第一圆为以所述第一标记点为圆心的圆，所述第一圆与第二圆相切，所述第二圆为以髋臼中心为圆心的圆，根据层次分析模型对多个所述待选区域进行排序，得到优选区域，包括：确定各所述影响因素的评价等级，所述影响因素包括原始骨缺损影响、假体取出影响和金属伪影影响；根据所述评价等级，确定多个所述待选区域的可行排序方案；确定各所述影响因素的权重和所述可行排序方案的权重，根据各所述影响因素的权重和所述可行排序方案的权重分别构建得到判断矩阵；对所述判断矩阵进行一致性检测，得到检测结果；根据所述检测结果，确定所述判断矩阵是否为优选判断矩阵；在所述判断矩阵为优选判断矩阵的情况下，根据所述优选判断矩阵确定各所述待选区域的优选排序方案；根据所述优选排序方案，确定多个所述待选区域中的所述优选区域。
2.根据权利要求1所述的方法，其特征在于，根据检测结果，确定所述判断矩阵是否为优选判断矩阵，包括：
在所述判断矩阵通过所述一致性检测的情况下，确定所述判断矩阵为所述优选判断矩阵；
在所述判断矩阵没有通过所述一致性检测的情况下，调整各所述影响因素的权重，直至所述判断矩阵通过所述一致性检测。
3.根据权利要求1所述的方法，其特征在于，根据所述优选判断矩阵确定各所述待选区域的优选排序方案，包括：
根据所述优选判断矩阵计算层次单排序的结果，所述层次单排序的结果包括所述因素层的层次单排序的结果和所述方案层的层次单排序的结果；
根据所述层次单排序的结果计算层次总排序的结果；
根据所述层次总排序的结果，确定所述优选排序方案。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
记录所述优选区域形成数据库。
5.一种骨盆配准装置，其特征在于，所述装置包括：
第一配准单元，用于根据至少三个第一标记点对骨盆的三维模型与实际骨盆进行配准，得到一次配准模型，所述第一标记点为所述三维模型的任意一点，至少三个所述第一标记点不位于同一条直线上；
第一处理单元，用于根据所述第一标记点对所述三维模型的表面进行区域划分，得到多个待选区域；
第二处理单元，用于根据层次分析模型对多个所述待选区域进行排序，得到优选区域，所述层次分析模型包括目标层、因素层和方案层，所述目标层包括多个所述待选区域，所述因素层包括多个骨盆配准的影响因素，所述方案层包括多个可行排序方案；
第三处理单元，用于在所述优选区域选取至少三个第二标记点；
第二配准单元，用于根据所述第二标记点对所述一次配准模型与所述实际骨盆进行配准，得到二次配准模型，至少三个所述第二标记点不位于同一条直线上，根据所述第一标记点对所述三维模型的表面进行区域划分，得到多个待选区域，包括：根据多个圆柱确定多个待选区域，所述待选区域为圆柱与所述三维模型相交的区域，所述圆柱为第一圆沿当前视角拉伸形成的，所述第一圆为以所述第一标记点为圆心的圆，所述第一圆与第二圆相切，所述第二圆为以髋臼中心为圆心的圆，所述第二处理单元包括第一确定子单元、第二确定子单元、构建子单元、检测子单元、第三确定子单元、第四确定子单元和第五确定子单元，其中，所述第一确定子单元用于确定各所述影响因素的评价等级，所述影响因素包括原始骨缺损影响、假体取出影响和金属伪影影响；所述第二确定子单元用于根据所述评价等级，确定多个所述待选区域的可行排序方案；所述构建子单元用于确定各所述影响因素的权重和所述可行排序方案的权重，根据各所述影响因素的权重和所述可行排序方案的权重分别构建得到判断矩阵；所述检测子单元用于对所述判断矩阵进行一致性检测，得到检测结果；所述第三确定子单元用于根据所述检测结果，确定所述判断矩阵是否为优选判断矩阵；所述第四确定子单元用于在所述判断矩阵为优选判断矩阵的情况下，根据所述优选判断矩阵确定各所述待选区域的优选排序方案；所述第五确定子单元用于根据所述优选排序方案，确定多个所述待选区域中的所述优选区域。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至4中任意一项所述的方法。
7.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至4中任意一项所述的方法。
8.一种骨盆配准***，包括骨盆配准装置，其特征在于，所述骨盆配准装置用于执行权利要求1至4任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110490786.XA CN113077498B (zh) | 2021-05-06 | 2021-05-06 | 骨盆配准方法、骨盆配准装置和骨盆配准*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110490786.XA CN113077498B (zh) | 2021-05-06 | 2021-05-06 | 骨盆配准方法、骨盆配准装置和骨盆配准*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113077498A CN113077498A (zh) | 2021-07-06 |
| CN113077498B true CN113077498B (zh) | 2024-01-23 |
Family
ID=76616232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110490786.XA Active CN113077498B (zh) | 2021-05-06 | 2021-05-06 | 骨盆配准方法、骨盆配准装置和骨盆配准*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113077498B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113729943B (zh) * | 2021-11-05 | 2023-07-14 | 北京壹点灵动科技有限公司 | 虚拟骨面的处理方法、装置及翻修手术机器人 |
| CN114332076B (zh) * | 2022-03-01 | 2022-06-14 | 北京壹点灵动科技有限公司 | 骨盆配准的方法、装置、计算机可读存储介质和处理器 |
| CN116758127B (zh) * | 2023-08-16 | 2023-12-19 | 北京爱康宜诚医疗器材有限公司 | 股骨的模型配准方法、装置、存储介质和处理器 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616311A (zh) * | 2015-02-13 | 2015-05-13 | 重庆大学 | 基于改进icp算法的损伤零部件精确配准方法 |
| CN109685841A (zh) * | 2019-01-03 | 2019-04-26 | 上海狮迈科技有限公司 | 三维模型与点云的配准方法及*** |
| CN109685042A (zh) * | 2019-02-03 | 2019-04-26 | 同方威视技术股份有限公司 | 一种三维图像识别装置及其识别方法 |
| CN109890281A (zh) * | 2016-08-30 | 2019-06-14 | 马科外科公司 | 用于术中骨盆配准的***和方法 |
| WO2019148154A1 (en) * | 2018-01-29 | 2019-08-01 | Lang Philipp K | Augmented reality guidance for orthopedic and other surgical procedures |
| CN111134841A (zh) * | 2020-01-08 | 2020-05-12 | 北京天智航医疗科技股份有限公司 | 髋关节置换术中配准骨盆的方法及配准工具 |
| CN111275811A (zh) * | 2020-01-18 | 2020-06-12 | 深圳中科智美科技有限公司 | 一种修复模型创建方法、***及存储介质 |
| CN111476832A (zh) * | 2020-03-23 | 2020-07-31 | 杭州柳叶刀机器人有限公司 | 一种髋臼杯配准方法 |
| CN112155734A (zh) * | 2020-09-29 | 2021-01-01 | 苏州微创畅行机器人有限公司 | 可读存储介质、骨建模配准***及骨科手术*** |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080132783A1 (en) * | 2004-03-05 | 2008-06-05 | Ian Revie | Pelvis Registration Method and Apparatus |
| US20110190774A1 (en) * | 2009-11-18 | 2011-08-04 | Julian Nikolchev | Methods and apparatus for performing an arthroscopic procedure using surgical navigation |
-
2021
- 2021-05-06 CN CN202110490786.XA patent/CN113077498B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616311A (zh) * | 2015-02-13 | 2015-05-13 | 重庆大学 | 基于改进icp算法的损伤零部件精确配准方法 |
| CN109890281A (zh) * | 2016-08-30 | 2019-06-14 | 马科外科公司 | 用于术中骨盆配准的***和方法 |
| WO2019148154A1 (en) * | 2018-01-29 | 2019-08-01 | Lang Philipp K | Augmented reality guidance for orthopedic and other surgical procedures |
| CN109685841A (zh) * | 2019-01-03 | 2019-04-26 | 上海狮迈科技有限公司 | 三维模型与点云的配准方法及*** |
| CN109685042A (zh) * | 2019-02-03 | 2019-04-26 | 同方威视技术股份有限公司 | 一种三维图像识别装置及其识别方法 |
| CN111134841A (zh) * | 2020-01-08 | 2020-05-12 | 北京天智航医疗科技股份有限公司 | 髋关节置换术中配准骨盆的方法及配准工具 |
| CN111275811A (zh) * | 2020-01-18 | 2020-06-12 | 深圳中科智美科技有限公司 | 一种修复模型创建方法、***及存储介质 |
| CN111476832A (zh) * | 2020-03-23 | 2020-07-31 | 杭州柳叶刀机器人有限公司 | 一种髋臼杯配准方法 |
| CN112155734A (zh) * | 2020-09-29 | 2021-01-01 | 苏州微创畅行机器人有限公司 | 可读存储介质、骨建模配准***及骨科手术*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113077498A (zh) | 2021-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113077498B (zh) | 骨盆配准方法、骨盆配准装置和骨盆配准*** | |
| CN112971981B (zh) | 基于深度学习的全髋关节图像处理方法和设备 | |
| US20230027938A1 (en) | Method for modeling a glenoid surface of a scapula, apparatus for implanting a glenoid component of a shoulder prosthesis, and method for producing such a component | |
| Martell et al. | Determination of polyethylene wear in total hip replacements with use of digital radiographs | |
| KR102481759B1 (ko) | 수술용 네비게이션 시스템 | |
| Terrier et al. | Measurements of three-dimensional glenoid erosion when planning the prosthetic replacement of osteoarthritic shoulders | |
| CN107274389A (zh) | 基于ct三维序列图像的股骨和髋臼解剖参数获取方法 | |
| CN111652888B (zh) | 基于深度学习的确定髓腔解剖轴线的方法及装置 | |
| CN113066109B (zh) | 骨盆配准方法、骨盆配准装置和骨盆配准*** | |
| CN115844531B (zh) | 髋关节置换手术导航*** | |
| CN114431957B (zh) | 基于深度学习的全膝关节置换术后翻修术前规划*** | |
| CN114742747B (zh) | 基于深度学习的髋关节置换术后影像的评估方法及*** | |
| CN113077499B (zh) | 骨盆配准方法、骨盆配准装置和骨盆配准*** | |
| CN111134840A (zh) | 膝关节置换手术方案的生成装置和终端 | |
| CN114259330A (zh) | 髋臼杯假体的角度的测量方法、装置和测量*** | |
| Short et al. | A novel method for in vivo knee prosthesis wear measurement | |
| CN114191075B (zh) | 一种个性化膝关节假体模型的快速构建方法及*** | |
| CN114648492A (zh) | 基于深度学习的全髋关节术后偏心距的计算方法及*** | |
| CN116433477B (zh) | 骨盆配准方法、装置、存储介质及电子设备 | |
| CN115252233B (zh) | 基于深度学习的全髋关节置换术中髋臼杯的自动化规划方法 | |
| EP3972513A1 (en) | Automated planning of shoulder stability enhancement surgeries | |
| CN114663363B (zh) | 一种基于深度学习的髋关节医学图像处理方法和装置 | |
| Karelse et al. | Consequences of reaming with flat and convex reamers for bone volume and surface area of the glenoid; a basic science study | |
| CN113066110A (zh) | 骨盆配准中标记点的选取方法和选取装置 | |
| CN111067669B (zh) | 髋臼骨缺损处理方式的确定方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |