CN114261095A - 一种基于ai的骨科3d打印方法和装置 - Google Patents

Abstract

本申请涉及3D打印技术领域，具体涉及一种基于AI的骨科3D打印方法和装置。该方法包括：获取人体骨骼组织的断层扫描数据，并构建人体骨骼虚拟模型；基于采集的断层扫描数据以及诊断数据，在所述人体骨骼虚拟模型中标记骨骼缺损部分区域；遍历骨骼模型数据库，匹配对应所述骨骼缺损部分区域的三维模型；根据所述诊断数据将标记的所述骨骼缺损部分区域映射到对应的三维模型中，得到拟合的骨骼缺损模型；将得到的骨骼缺损模型按照3D打印的矢量方向进行切片分层，得到各切片分层角度的三维模型进行分层打印。本申请将断层扫描数据映射到创建的人体骨骼虚拟模型中，对受损骨骼进行匹配三维模型，根据骨骼缺损模型进行切片分层打印。

Description

一种基于AI的骨科3D打印方法和装置

技术领域

本申请涉及3D打印技术领域，具体涉及一种基于AI的骨科3D打印方法和装置。

背景技术

随着计算机技术的不断发展，激光3D打印技术也成为了目前较为先进的零部件制造工艺，在产品研发中发挥着越来越重要的作用。而且，3D打印技术的整个过程基于计算机控制技术，在计算机的控制下实现智能制造，纵观整个3D打印过程，无论从计算机建模、分成切片还是到多轴装置的三维运动控制，都离不开基于AI的计算机控制技术。

而随着现代医学的进步，其中，针对现代骨科中出现的骨缺损修复，也逐渐使用3D打印技术进行骨缺损部位的打印，骨科假肢的3D打印。但是，在采用3D打印技术生产和制作人工假体时，缺乏一个装置的能够根据骨缺损实际情况进行三维重建的方法及装置，无法基于AI技术快速建立人体受损组织的三维模型，以便为3D打印提供精准数据以及为3D打印操作提供精确定位，提高3D打印假肢与骨受损部分的契合度以及假肢的实际应用效果。

发明内容

为了解决目前3D打印技术缺乏一个装置的能够根据骨缺损实际情况进行三维重建的方法及装置的问题，本申请提供了一种道路骨骼信息的传输和三维重建的方法和装置，能够依据人体受损组织建立三维模型，为3D打印提供精准数据以及为3D打印操作提供精确定位。

为实现上述目的，本申请实施例提供了如下的技术方案：

第一方面，在本申请提供的一个实施例中，提供了一种基于AI的骨科3D打印方法，包括：

获取人体骨骼组织的断层扫描数据，并构建人体骨骼虚拟模型；

基于采集的断层扫描数据以及诊断数据，在所述人体骨骼虚拟模型中标记骨骼缺损部分区域；

遍历骨骼模型数据库，匹配对应所述骨骼缺损部分区域的三维模型；

根据所述诊断数据将标记的所述骨骼缺损部分区域映射到对应的三维模型中，得到拟合的骨骼缺损模型；

将得到的骨骼缺损模型按照3D打印的矢量方向进行切片分层，得到各切片分层角度的三维模型进行分层打印。

在本申请提供的一些实施例中，所述断层扫描数据的获取方法为：

对需要建立人体假肢的患者受损部分人体骨骼进行电子计算机断层扫描；

围绕人体骨骼同一部分进行全方位扫描，获取人体骨骼立体断层扫描数据；

根据人体骨骼立体断层扫描数据，建立与所述人体骨骼等比例的虚拟模型。

在本申请提供的一些实施例中，所述诊断数据为根据人体骨骼立体断层扫描数据与人体骨骼标准数据对比分析，由医护人员手动标记的受损部分诊断数据。

在本申请提供的一些实施例中，标记骨骼缺损部分区域的方法为：

获取人体骨骼立体断层扫描数据；

依照人体骨骼的对称性性或按照人体三维统计模型的形态规律进行比对，找出非对称性的人体骨骼立体断层扫描数据；

将非对称性的人体骨骼立体断层扫描数据对应的人体骨骼虚拟模型部分预标记为骨骼缺损部分区域；

由医护人员对预标记的骨骼缺损部分区域核对，将核对后的受损区域标记为骨骼缺损部分区域。

在本申请提供的一些实施例中，所述预标记骨骼缺损部分区域，包括以下步骤：

获取电子计算机断层扫描的图像数据；

基于LBP图像特征提取算法，识别所述断层扫描的图像数据中的骨骼轮廓、人体软组织特征；

根据骨骼轮廓、人体软组织特征对称比较，获得图像数据中差异性特征数据；

依据差异性特征数据在图像数据中预标记骨骼缺损部分区域。

在本申请提供的一些实施例中，所述基于LBP图像特征提取算法，识别断层扫描的图像数据中的骨骼轮廓、人体软组织特征的方法包括：

将获取的人体骨骼同一部分的全方位扫描的人体骨骼立体断层扫描数据进行灰度处理，得到扫描窗口的灰度图像；

将扫描窗口的灰度图像划分为若干小区域，将小区域中每个中心像素点的像素值与邻近像素点的像素值比较，得到每个中心像素点的LBP值；

根据获得的LBP值，计算每个小区域的直方图，并对直方图进行归一化处理；

将得到的每个小区域的直方图进行连接成为一个特征向量，形成整个断层扫描图像数据的LBP纹理特征向量，得到断层扫描图像数据中的骨骼轮廓、人体软组织特征。

在本申请提供的一些实施例中，匹配对应所述骨骼缺损部分区域的三维模型的方法，包括：

获取标记骨骼缺损部分区域的人体骨骼虚拟模型，并对所述人体骨骼虚拟模型进行旋转取样处理，得到连续的图片帧数据；

将图片帧数据输入预训练的骨骼识别模型，输出对应骨骼缺损部分区域的人体骨骼虚拟模型的骨骼特征；

遍历骨骼模型数据库，根据骨骼的骨骼特征查询匹配的骨骼三维模型。

在本申请提供的一些实施例中，所述骨骼识别模型的训练方法包括：

获取训练样本集，所述训练样本集包括采集的骨骼图像以及骨骼图像对应的骨骼特征；

将获取的训练样本集输入待训练的骨骼识别模型进行训练，输出骨骼图像对应的骨骼特征，训练完成时，得到骨骼识别模型。

在本申请提供的一些实施例中，骨骼图像对应的骨骼特征提取的方法为：

获取采集的骨骼图像；

基于HAAR图像特征提取算法识别所述骨骼图像中的骨骼特征；

其中，所述HAAR图像特征提取算法识别骨骼图像中的骨骼特征的方法包括：

将获取的骨骼图像进行灰度化处理；

采用Gamma校正法对输入骨骼图像进行颜色空间的标准化，计算骨骼图像每个像素值的梯度；

将计算梯度后的骨骼图像划分为若干单元格，计算每个单元格的梯度直方图；

将单元格组合形成连通区间，区间内归一化梯度直方图，对骨骼图像中所有重叠的区间进行特征收集，得到骨骼图像中的骨骼特征。

在本申请提供的一些实施例中，还包括对采集的图像中的受损骨骼添加标注框，骨骼标注框标注的方法为：

获取包含骨骼信息的拍摄采集的图像；

识别图像中各骨骼的边缘特征点，并对每一骨骼的边缘特征点进行拟合，得到每一骨骼的边缘特征框；

基于边缘特征框在采集的图像中得到骨骼标注框。

第二方面，在本申请提供的另一个实施例中，提供了一种基于AI的骨科3D打印装置，所述基于AI的骨科3D打印装置采用前述基于AI的骨科3D打印方法检测骨骼的断层扫描数据并进行3D打印；所述基于AI的骨科3D打印装置包括：

骨骼虚拟模型构建模块，用于根据获取的断层扫描图像数据构建人体骨骼虚拟模型；

缺损区域标记模块，用于基于采集的断层扫描数据以及诊断数据，在所述人体骨骼虚拟模型中标记骨骼缺损部分区域；

三维模型匹配模块，用于遍历骨骼模型数据库，匹配对应所述骨骼缺损部分区域的三维模型；

骨骼缺损模型拟合模块；用于根据所述诊断数据将标记的所述骨骼缺损部分区域映射到对应的三维模型中，得到拟合的骨骼缺损模型；以及3D打印模块，用于将得到的骨骼缺损模型按照3D打印的矢量方向进行切片分层，得到各切片分层角度的三维模型进行分层打印。

本申请提供的技术方案，具有如下有益效果：

本申请提供的基于AI的骨科3D打印方法和装置，充分利用了断层扫描数据，创建与受损段一致的人体骨骼虚拟模型，并对行径受损骨骼识别，在骨骼模型数据库查询匹配的三维模型，将断层扫描数据映射到创建的人体骨骼虚拟模型中，对受损骨骼进行匹配三维模型，根据骨骼缺损模型进行切片分层打印，能够依据人体受损组织建立三维模型，为3D打印提供精准数据以及为3D打印操作提供精确定位。

本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对示例性实施例或相关技术描述中所需要使用的附图作一简单地介绍，附图用来提供对本申请的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请，并不构成对本申请的限制。在附图中：

图1为本申请实施例提供的一种基于AI的骨科3D打印方法的流程图。

图2为本申请实施例提供的一种基于AI的骨科3D打印方法中构建人体骨骼虚拟模型的流程图。

图3为本申请实施例提供的一种基于AI的骨科3D打印方法中LBP图像特征提取算法识别断层扫描图像数据特征的流程图。

图4为本申请实施例提供的一种基于AI的骨科3D打印方法中匹配骨骼三维模型的流程图。

图5为本申请实施例提供的一种基于AI的骨科3D打印方法中训练骨骼识别模型的流程图。

图6为本申请实施例提供的一种基于AI的骨科3D打印方法中HAAR图像特征提取算法识别骨骼特征的流程图。

图7为本申请实施例提供的一种基于AI的骨科3D打印装置的装置框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

在本申请的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合本申请示例性实施例中的附图，对本申请示例性实施例中的技术方案进行清楚、完整地描述，显然，所描述的示例性实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图并通过具体实施方式来进一步说明本申请的技术方案。

实施例1

参阅图1所示，图1为本申请提供的一种基于AI的骨科3D打印方法的流程图。本申请的一个实施例提供了一种基于AI的骨科3D打印方法，包括以下步骤：

S1：获取人体骨骼组织的断层扫描数据，并构建人体骨骼虚拟模型。

在构建人体骨骼虚拟模型时，参见图2所示，所述断层扫描数据的获取方法为：

S101、对需要建立人体假肢的患者受损部分人体骨骼进行电子计算机断层扫描；

S102、围绕人体骨骼同一部分进行全方位扫描，获取人体骨骼立体断层扫描数据；

S103、根据人体骨骼立体断层扫描数据，建立与所述人体骨骼等比例的虚拟模型。

构建人体骨骼虚拟模型前，通过CT的电子计算机断层扫描，利用X线束、γ射线、超声波等扫描人体骨骼，以该画面作为构建人体骨骼虚拟模型的基础，排除非骨骼结构的干扰。

具体的，在对断层扫描图像数据处理时，采用LBP图像特征提取算法提取断层扫描图像数据中的骨骼轮廓、人体软组织特征，利用该特征创建含有骨骼轮廓和人体软组织特征的人体骨骼虚拟模型。

在本实施例中，参见图3所示，基于LBP图像特征提取算法，识别断层扫描的图像数据中的骨骼轮廓、人体软组织特征的方法包括：

S1021、获取电子计算机断层扫描的图像数据；

S1022、基于LBP图像特征提取算法，识别所述断层扫描的图像数据中的骨骼轮廓、人体软组织特征；

S1023、根据骨骼轮廓、人体软组织特征对称比较，获得图像数据中差异性特征数据；

S1024、依据差异性特征数据在图像数据中预标记骨骼缺损部分区域。

具体的，LBP特征提取时，将扫描窗口的灰度图像划分为16×16的小区域，对于每个小区域中的一个像素定义为中心像素点，都将其与周围相邻的8个像素点比较，并对该中心像素点的像素值与周围像素值对比，当中心像素点的像素值大于周围像素点的像素值时，将该中心像素点标记为1,否则标记为0.这样，3×3领域内的8个点经比较产生8位二进制，得到每个中心像素点的LBP值。然后根据获得的LBP值，计算每个小区域中1、0每个数字出现的频率的直方图，并对直方图进行归一化处理,最后将每个小区域的直方图进行连接成为一个特征向量，得到不含受损骨骼的断层扫描图像数据的整幅图的LBP纹理特征向量，进而提取到断层扫描图像数据中的骨骼轮廓、人体软组织特征。

需要特别说明的是，构建的受损段人体骨骼虚拟模型为基于CT扫描的三维虚拟模型，对等比例构建。

S2：基于采集的断层扫描数据以及诊断数据，在所述人体骨骼虚拟模型中标记骨骼缺损部分区域。

需要特别说明的是，参见图4所示，所述基于LBP图像特征提取算法，识别断层扫描的图像数据中的骨骼轮廓、人体软组织特征的方法包括：

S201、将获取的人体骨骼同一部分的全方位扫描的人体骨骼立体断层扫描数据进行灰度处理，得到扫描窗口的灰度图像；

S202、将扫描窗口的灰度图像划分为若干小区域，将小区域中每个中心像素点的像素值与邻近像素点的像素值比较，得到每个中心像素点的LBP值；

S203、根据获得的LBP值，计算每个小区域的直方图，并对直方图进行归一化处理；

S204、将得到的每个小区域的直方图进行连接成为一个特征向量，形成整个断层扫描图像数据的LBP纹理特征向量，得到断层扫描图像数据中的骨骼轮廓、人体软组织特征。

需要特别说明的是，断层扫描图像数据的骨骼视频数据，通过CT对受损段进行环绕不间断拍摄。拍摄的视频输入骨骼识别模型，识别受损骨骼的骨骼特征，以便能够快速从骨骼模型数据库中匹配到对应的骨骼三维模型。其中，骨骼模型数据库中包括提前建立的不同类型骨骼的三维模型，例如腿骨模型、指骨模型、脊椎模型、胯骨模型、髋关节模型、膝关节模型等等。

在本实施例中，参见图5所示，匹配对应所述骨骼缺损部分区域的三维模型的方法，包括：

S211、获取标记骨骼缺损部分区域的人体骨骼虚拟模型，并对所述人体骨骼虚拟模型进行旋转取样处理，得到连续的图片帧数据；

S212、将图片帧数据输入预训练的骨骼识别模型，输出对应骨骼缺损部分区域的人体骨骼虚拟模型的骨骼特征；

S213、遍历骨骼模型数据库，根据骨骼的骨骼特征查询匹配的骨骼三维模型。

其中，所述骨骼识别模型的训练方法包括：

获取训练样本集，所述训练样本集包括采集的骨骼图像以及骨骼图像对应的骨骼特征；

将获取的训练样本集输入待训练的骨骼识别模型进行训练，输出骨骼图像对应的骨骼特征，训练完成时，得到骨骼识别模型。

其中，骨骼图像对应的骨骼特征提取的方法为：

获取采集的骨骼图像；

基于HAAR图像特征提取算法识别所述骨骼图像中的骨骼特征；

其中，所述HAAR图像特征提取算法识别骨骼图像中的骨骼特征的方法包括：

将获取的骨骼图像进行灰度化处理；

采用Gamma校正法对输入骨骼图像进行颜色空间的标准化，计算骨骼图像每个像素值的梯度；

将计算梯度后的骨骼图像划分为若干单元格，计算每个单元格的梯度直方图；

将单元格组合形成连通区间，区间内归一化梯度直方图，对骨骼图像中所有重叠的区间进行特征收集，得到骨骼图像中的骨骼特征。

具体的，在采用HAAR图像特征提取算法识别骨骼图像中的骨骼特征时，方向梯度直方图特征中，将骨骼图像分成小的连通区域，采集连通区域中各像素点的梯度的或边缘的方向直方图，最后把这些直方图组合起来就可以构成骨骼特征描述器。

采用Gamma校正法对输入骨骼图像进行颜色空间的标准化时，能够调节骨骼图像的对比度，降低骨骼图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰，计算每个单元格的梯度直方图，能够捕获轮廓信息，同时进一步弱化光照的干扰。

S3：遍历骨骼模型数据库，匹配对应所述骨骼缺损部分区域的三维模型。

为了对骨骼的图像数据中的受损骨骼进行区分，在骨骼图像数据中设置骨骼标注框，其中，参见图6所示，所述骨骼标注框标注的方法为：

S301、获取包含骨骼信息的拍摄采集的图像；

S302、识别图像中各骨骼的边缘特征点，并对每一骨骼的边缘特征点进行拟合，得到每一骨骼的边缘特征框；

S303、基于边缘特征框在采集的图像中得到骨骼标注框。

如图3所示，通过CT采集受损骨骼图像，通过CT探测受损骨骼，会收集到骨骼的若干散射点，将散射点作为图像中各骨骼的边缘特征点，并进行拟合形成骨骼的边缘特征框，利用边缘特征框标记，得到骨骼标注框。

与此同时，还可以根据若干散射点确定受损骨骼的中心点，受损骨骼的中心点为扫描得到的骨骼几何中心。

S4、根据所述诊断数据将标记的所述骨骼缺损部分区域映射到对应的三维模型中，得到拟合的骨骼缺损模型。

S5、将得到的骨骼缺损模型按照3D打印的矢量方向进行切片分层，得到各切片分层角度的三维模型进行分层打印。

在打印时将骨骼缺损模型按照打印的矢量方向，例如自下而上逐层打印，在完成一个切片的打印后，继续下一切片分层的打印，直至整个打印操作完成。

应该理解的是，上述虽然是按照某一顺序描述的，但是这些步骤并不是必然按照上述顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，本实施例的一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

实施例2

参见图7所示，本申请的一个实施例提供了一种基于AI的骨科3D打印装置，包括骨骼虚拟模型构建模块100、缺损区域标记模块200、三维模型匹配模块300、骨骼缺损模型拟合模块400以及3D打印模块500。其中：

所述骨骼虚拟模型构建模块100，用于根据获取的断层扫描图像数据构建人体骨骼虚拟模型。

在构建人体骨骼虚拟模型时，通过获取电子计算机断层扫描的图像数据，基于LBP图像特征提取算法，识别所述断层扫描的图像数据中的骨骼轮廓、人体软组织特征，根据骨骼轮廓、人体软组织特征对称比较，获得图像数据中差异性特征数据。

构建的受损段人体骨骼虚拟模型为基于CT扫描的三维虚拟模型，对等比例构建。

所述缺损区域标记模块200，用于基于采集的断层扫描数据以及诊断数据，在所述人体骨骼虚拟模型中标记骨骼缺损部分区域。

匹配对应所述骨骼缺损部分区域的三维模型时，获取标记骨骼缺损部分区域的人体骨骼虚拟模型，并对所述人体骨骼虚拟模型进行旋转取样处理，得到连续的图片帧数据；将图片帧数据输入预训练的骨骼识别模型，输出对应骨骼缺损部分区域的人体骨骼虚拟模型的骨骼特征；遍历骨骼模型数据库，根据骨骼的骨骼特征查询匹配的骨骼三维模型。

所述三维模型匹配模块300，用于遍历骨骼模型数据库，匹配对应所述骨骼缺损部分区域的三维模型。

在本实施例中，三维模型匹配模块300将得到的受损骨骼的三维模型根据受损部分端面数据的实际位置映射到人体骨骼虚拟模型中，将匹配的三维模型映射到人体骨骼虚拟模型中3D打印骨骼受损部分对应的结构。

其中，为了对骨骼的图像数据中的受损骨骼进行区分，在骨骼图像数据中设置骨骼标注框，利用识别图像中各骨骼的边缘特征点，并对每一骨骼的边缘特征点进行拟合，得到每一骨骼的边缘特征框，基于边缘特征框在采集的图像中得到骨骼标注框。

所述骨骼缺损模型拟合模块400；用于根据所述诊断数据将标记的所述骨骼缺损部分区域映射到对应的三维模型中，得到拟合的骨骼缺损模型。

在本实施例中，生成各受损骨骼对应的移动轨迹图像的过程为：根据采集骨骼的图像数据，匹配对应所述骨骼缺损部分区域的三维模型；对采集的骨骼的图像数据进行处理，得到受损骨骼的骨骼标注框；对受损骨骼对应的三维模型及骨骼标注框标号，并计算受损骨骼的中心点；根据骨骼位置CT数据实时计算受损骨骼的实际位置，并计算受损骨骼的中心点坐标；将连续图片帧数据的中心点坐标映射至任一图片帧数据图像中，生成各受损骨骼对应的移动轨迹图像。

所述3D打印模块500，用于将得到的骨骼缺损模型按照3D打印的矢量方向进行切片分层，得到各切片分层角度的三维模型进行分层打印、在本实施例中，基于AI的骨科3D打印装置执行时采用如前述实施例的一种基于AI的骨科3D打印方法的步骤。因此，本实施例中对基于AI的骨科3D打印装置的运行过程不再详细介绍。

综上所述，本申请提供的基于AI的骨科3D打印方法和装置，充分利用了断层扫描数据，创建与受损段一致的人体骨骼虚拟模型，并对行径受损骨骼识别，在骨骼模型数据库查询匹配的三维模型，将断层扫描数据映射到创建的人体骨骼虚拟模型中，对受损骨骼进行匹配三维模型，根据骨骼缺损模型进行切片分层打印，能够依据人体受损组织建立三维模型，为3D打印提供精准数据以及为3D打印操作提供精确定位。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于AI的骨科3D打印方法，其特征在于，包括：

获取人体骨骼组织的断层扫描数据，并构建人体骨骼虚拟模型；

基于采集的断层扫描数据以及诊断数据，在所述人体骨骼虚拟模型中标记骨骼缺损部分区域；

遍历骨骼模型数据库，匹配对应所述骨骼缺损部分区域的三维模型；

根据所述诊断数据将标记的所述骨骼缺损部分区域映射到对应的三维模型中，得到拟合的骨骼缺损模型；

将得到的骨骼缺损模型按照3D打印的矢量方向进行切片分层，得到各切片分层角度的三维模型进行分层打印。

2.如权利要求1所述的基于AI的骨科3D打印方法，其特征在于，所述断层扫描数据的获取方法为：

对需要建立人体假肢的患者受损部分人体骨骼进行电子计算机断层扫描；

围绕人体骨骼同一部分进行全方位扫描，获取人体骨骼立体断层扫描数据；

根据人体骨骼立体断层扫描数据，建立与所述人体骨骼等比例的虚拟模型。

3.如权利要求2所述的基于AI的骨科3D打印方法，其特征在于，所述诊断数据为根据人体骨骼立体断层扫描数据与人体骨骼标准数据对比分析，由医护人员手动标记的受损部分诊断数据。

4.如权利要求3所述的基于AI的骨科3D打印方法，其特征在于，所述标记骨骼缺损部分区域的方法为：

获取人体骨骼立体断层扫描数据；

依照人体骨骼的对称性性或按照人体三维统计模型的形态规律进行比对，找出非对称性的人体骨骼立体断层扫描数据；

将非对称性的人体骨骼立体断层扫描数据对应的人体骨骼虚拟模型部分预标记为骨骼缺损部分区域；

由医护人员对预标记的骨骼缺损部分区域核对，将核对后的受损区域标记为骨骼缺损部分区域。

5.如权利要求4所述的基于AI的骨科3D打印方法，其特征在于，所述预标记骨骼缺损部分区域，包括以下步骤：

获取电子计算机断层扫描的图像数据；

基于LBP图像特征提取算法，识别所述断层扫描的图像数据中的骨骼轮廓、人体软组织特征；

根据骨骼轮廓、人体软组织特征对称比较，获得图像数据中差异性特征数据；

依据差异性特征数据在图像数据中预标记骨骼缺损部分区域。

6.如权利要求5所述的基于AI的骨科3D打印方法，其特征在于，所述基于LBP图像特征提取算法，识别断层扫描的图像数据中的骨骼轮廓、人体软组织特征的方法包括：

将获取的人体骨骼同一部分的全方位扫描的人体骨骼立体断层扫描数据进行灰度处理，得到扫描窗口的灰度图像；

将扫描窗口的灰度图像划分为若干小区域，将小区域中每个中心像素点的像素值与邻近像素点的像素值比较，得到每个中心像素点的LBP值；

根据获得的LBP值，计算每个小区域的直方图，并对直方图进行归一化处理；

将得到的每个小区域的直方图进行连接成为一个特征向量，形成整个断层扫描图像数据的LBP纹理特征向量，得到断层扫描图像数据中的骨骼轮廓、人体软组织特征。

7.如权利要求6所述的基于AI的骨科3D打印方法，其特征在于，匹配对应所述骨骼缺损部分区域的三维模型的方法，包括：

获取标记骨骼缺损部分区域的人体骨骼虚拟模型，并对所述人体骨骼虚拟模型进行旋转取样处理，得到连续的图片帧数据；

将图片帧数据输入预训练的骨骼识别模型，输出对应骨骼缺损部分区域的人体骨骼虚拟模型的骨骼特征；

遍历骨骼模型数据库，根据骨骼的骨骼特征查询匹配的骨骼三维模型。

8.如权利要求7所述的基于AI的骨科3D打印方法，其特征在于，所述骨骼识别模型的训练方法包括：

获取训练样本集，所述训练样本集包括采集的骨骼图像以及骨骼图像对应的骨骼特征；

将获取的训练样本集输入待训练的骨骼识别模型进行训练，输出骨骼图像对应的骨骼特征，训练完成时，得到骨骼识别模型。

9.如权利要求8所述的基于AI的骨科3D打印方法，其特征在于，骨骼图像对应的骨骼特征提取的方法为：

获取采集的骨骼图像；

基于HAAR图像特征提取算法识别所述骨骼图像中的骨骼特征；

其中，所述HAAR图像特征提取算法识别骨骼图像中的骨骼特征的方法包括：

将获取的骨骼图像进行灰度化处理；

采用Gamma校正法对输入骨骼图像进行颜色空间的标准化，计算骨骼图像每个像素值的梯度；

将计算梯度后的骨骼图像划分为若干单元格，计算每个单元格的梯度直方图；

将单元格组合形成连通区间，区间内归一化梯度直方图，对骨骼图像中所有重叠的区间进行特征收集，得到骨骼图像中的骨骼特征。

10.一种基于AI的骨科3D打印装置，其特征在于，所述基于AI的骨科3D打印装置采用权利要求1-9中任意一项所述基于AI的骨科3D打印方法检测骨骼的断层扫描数据并进行3D打印；所述基于AI的骨科3D打印装置包括：

骨骼虚拟模型构建模块，用于根据获取的断层扫描图像数据构建人体骨骼虚拟模型；

缺损区域标记模块，用于基于采集的断层扫描数据以及诊断数据，在所述人体骨骼虚拟模型中标记骨骼缺损部分区域；

三维模型匹配模块，用于遍历骨骼模型数据库，匹配对应所述骨骼缺损部分区域的三维模型；

骨骼缺损模型拟合模块；用于根据所述诊断数据将标记的所述骨骼缺损部分区域映射到对应的三维模型中，得到拟合的骨骼缺损模型；以及3D打印模块，用于将得到的骨骼缺损模型按照3D打印的矢量方向进行切片分层，得到各切片分层角度的三维模型进行分层打印。

Images