CN115272615B - 一种股骨点云模型医学语义分割方法及其应用 - Google Patents
一种股骨点云模型医学语义分割方法及其应用 Download PDFInfo
- Publication number
- CN115272615B CN115272615B CN202210953666.3A CN202210953666A CN115272615B CN 115272615 B CN115272615 B CN 115272615B CN 202210953666 A CN202210953666 A CN 202210953666A CN 115272615 B CN115272615 B CN 115272615B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- femoral
- point
- shaft
- femur
- 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
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种股骨点云模型医学语义分割方法,包括如下步骤:步骤一:对采集的股骨模型点云集P进行股骨干点云集P shaft 的提取;步骤二:对重新标记的点云集P upper 提取股骨头点云集P head ;步骤三:提取股骨转子点云集P rotor 和股骨颈点云集P neck ;步骤四:提取股骨内侧髁点云集P inter condylar 和外侧髁区域点云集P lateral condylar 。同时,本发明公开了一种股骨点云模型医学语义分割方法在股骨参数化测量、个性化植入物设计和手术规划中的应用。本发明实现了股骨点云模型医学语义分割,具有简单、高效且实用等特点,对骨科数字化诊疗实施具有重要意义。
Description
技术领域
本发明涉及一种股骨点云模型医学语义分割方法及其应用,属于数字骨科 技术领域。
背景技术
股骨是人体最长的骨骼,分为一体两端。股骨近侧端圆形股骨头与髋臼构 成髋关节,远侧端向左右膨大***,形成外侧髁和内侧髁,两者与髌骨相连。 股骨损伤包括股骨干骨折、股骨头坏死和内外侧髁等区域坏损,是临床骨科常 见病和多发病,特别是中老年患者发病率最高。股骨模型医学语义分割是股骨 参数测量、个性化植入物设计和手术规划等骨科诊疗的重要基础工作。
点云模型区域分割是将点云集分割成若干互不相交的子集,具有相同特征 的点云构成一个子集,对应于一个区域。目前,点云分割方法主要基于法矢量、 高斯曲率和平均曲率等微分几何信息,将具有微分几何属性相同的点集分割成 一个子集。法矢量、高斯曲率和平均曲率等微分几何信息,需要二次计算,计 算效率较低且存在计算误差。更为重要的是,现有点云分割方法仅仅考虑了点云集的微分几何信息,未能考虑股骨模型医学解剖特征,无法实现具有医学语 义信息点云分割,无法支撑股骨参数化测量、个性化植入物设计和手术规划等 工作。因此,本发明提出一种高效点云分割方法,实现股骨点云模型医学语义 分割。
发明内容
本发明所要解决的技术问题是,提供一种股骨点云模型医学语义分割方 法,该方法为股骨参数化测量、个性化植入物设计和手术规划等提供科学依据, 对数字骨科诊疗具有重要意义。
同时,本发明提供一种股骨点云模型医学语义分割方法的应用。
为解决上述技术问题,本发明采用的技术方案为:
一种股骨点云模型医学语义分割方法,包括如下步骤:
步骤一:对采集的股骨模型点云集P进行股骨干点云集Pshaft的提取,获 得股骨干点云集Pshaft,重新标记的点云集Pupper和重新标记的点云集Plower;重 新标记的点云集Pupper包含股骨头、股骨颈和股骨转子;重新标记的点云集Plower包含股骨内侧髁和股骨外侧髁;
步骤二:对重新标记的点云集Pupper提取股骨头点云集Phead;
步骤三:提取股骨转子点云集Protor和股骨颈点云集Pneck;
步骤四:提取股骨内侧髁点云集Pinter condylar和外侧髁区域点云集Plateral condylar。
步骤一包括:
步骤1a:将股骨模型点云集P分割为初始的点云集Pupper和Plower;
步骤1b:提取点云集Pupper中股骨干上段点云集Pupper-shaft;
步骤1c:提取点云集Plower中股骨干下段点云集Plower-shaft;
步骤1d:合并点云集Pupper-shaft和点云集Plower-shaft,完成股骨干点云集Pshaft提取。
步骤1a中,初始的点云集Pupper和Plower的分割方法为:构建股骨点云模 型轴向对齐包围盒AABB,将股骨模型点云集P轴向方向置为Y坐标轴;统 计股骨模型点云集P的Y坐标轴方向的最大值Ymax和最小值Ymin,并在Y 坐标轴方向中点处,将股骨点云模型分割为两个点云集 Pupper和Plower;
其中,初始的点云集Pupper包括股骨干上段、股骨头、股骨颈和股骨转子, 初始的点云集Plower包括股骨干下段、股骨内侧髁和股骨外侧髁。
步骤1b中,提取初始的点云集Pupper中股骨干点云集的方法为:根据股骨 干表征指数CIS,对初始的点云集Pupper二分迭代分割;
股骨干表征指数CIS的求解步骤是:首先求Y坐标轴Y=y处,厚度为δ 的点云切片,即[y-δ/2,y+δ/2]内点云切片,然后将点云切片投影至平面Y=y; 然后,计算切片投影点云质心其中Pi=(xi,yi,zi),i=1,2,…,n, Pi为点云切片的点坐标、xi,yi,zi分别为点Pi的XYZ轴坐标值,i为第几个点; 最后,计算点Pi距点云质心Pc的距离最大值Dmax和最小值Dmin,则CIS =Dmax-Dmin;
二分迭代分割是根据股骨点云模型Y轴方向位置 (i=1,2,3,…,n)处CIS是否大于指定阈值,提取股骨干点云子集,即股骨干上 段点云集Pupper-shaft,i为二分迭代分割的次数,Yi是对初始的点云集Pupper的最 大值Ymax和最小值Ymin之间进行二等分分割;
其中,阈值取值范围:5-8mm;
重复执行二分迭代分割,直至二分迭代切割点小于点云切片厚度δ,股骨 干上段点云集Pupper-shaft被提取,此时,重新标记的点云集Pupper中包含股骨头、 股骨颈和股骨转子;
步骤1c中,将初始的点云集Plower绕Z轴旋转π,再次执行步骤1b,提取 股骨干下段点云集Plower-shaft;此时,重新标记的点云集Plower中包含股骨内侧 髁和股骨外侧髁。
步骤二包括:
步骤2a:基于重新标记的点云集Pupper构建点云拟合球,提取股骨头初始 点云集Pin;
步骤2b:提取股骨头初始点云集Pin的点云边界,并判断其类型;
步骤2c:执行广度优先k近邻区域生长算法,提取股骨头点云集Phead。
步骤2a中,在重新标记的点云集Pupper中,选择不共面点P0、P1、P2和 P3,构建球心为(x0,y0,z0)、半径为R的初始拟合球面S,其方程是(x-x0)2+(y-y0)2+(z-z0)2=R2;然后,计算重新标记的点云集Pupper的点p(xi,yi,zi)到球面S的距离若d<分割阈值,分割阈值取值范 围1~2mm,则将该点标记为球面拟合点Pa;
重复执行上述步骤n次,n不小于1800,则重新标记的点云集Pupper上股 骨头点集被球面拟合,重新标记的点云集Pupper的拟合球面点云集标记为股骨 头初始点云集Pin,其余点云集标记为Pout;
步骤2b中,点云边界分为邻接边界AD和内部边界ID;
邻接边界AD是股骨头和股骨颈之间的边界;
内部边界ID是未被步骤2a提取的股骨头点云,其由股骨头表面的局部凸 凹性所致;
邻接边界AD属于点云集Pin且与Pout相邻的点集合,其提取依据是:令Nk(Pa)为与Pa距离最近的k个点构成的点集,k取值15,若/> 则Pa为点云集Pin的边界点;边界点集合即为邻接边界AD;
内部边界ID的判断方法是:根据股骨头凸凹区域可知,若凸凹区域的边 界点个数小于18,则该边界为内部边界ID。
步骤2c中,广度优先k近邻区域生长算法是:从点 Pe出发,提取k个近邻点集Nk(Pe),并将其添加至股骨头初始点云集Pin, 然后递归提取Nk(Pe)的交集中距中心最远点P’的k近邻点集Nk(P’),直 至/>
以步骤2b中的内部边界ID为线索,重复执行广度优先k近邻区域生长, 提取内部边界ID内部、尚未被步骤2a提取的股骨头点云,并将其增补至股骨 头初始点云集Pin,直至不再存在未被提取的股骨头点云,则完成股骨头点云 集Phead分割。
步骤三包括:
步骤3a:提取股骨转子区域特征线簇Pclue;
步骤3b:以特征线为线索,提取股骨转子点集Protor。
特征线簇Pclue由水平特征线和垂直特征线组成;
水平特征线和垂直特征线的提取过程是:首先做垂直于X轴、厚度为δ的 点云切片;然后,提取点云切片中轴线;最后,根据股骨转子学特征,点云切 片中轴线的Y方向最大值点作为分割点,即得到当前位置特征线;
以当前位置特征线为线索,执行如步骤2c的广度优先k近邻区域生长算 法,完成股骨转子点云集提取;获得股骨转子点云集Protor和股骨颈点云集Pneck。
股骨内侧髁和股骨外侧髁的分割特征点的获得步骤是:首先做垂直方向点 云切片;然后,求点云切片特征线的X轴方向中点值mid,其中,点云切片特 征线是点云切片的中轴线;最后,求区间mid-5≤x≤mid+5内Y轴极小值,即 为内外髁分割特征点Pb;
根据分割特征点Pb1(x1,y1,z1)、Pb2(x2,y2,z2)、Pb3(x3,y3,z3)确定平面Π: Ax+By+Cz+D=0,计算重新标记的点云集Plower的点Pb(xi,yi,zi)到平面的Π距离其中,A,B,C,D是平面方程系数;设阈值≈ 0,提取重新标记的点云集Plower的内外髁分割点云集,形成分割特征线;
利用分割特征线,将重新标记的点云集Plower分割成股骨内侧髁点云集Pinter condylar和外侧髁区域点云集Plateral condylar。
一种股骨点云模型医学语义分割方法在股骨参数化测量、个性化植入物设 计和手术规划中的应用。
至此,股骨点云模型被分割为股骨干、股骨头、股骨颈、股骨转子、骨内 侧髁和股骨外侧髁六个子集。
二分迭代分割是根据股骨医学解剖特征,定义股骨干表征指数 CIS(Characterization Index of Shaft),其表征了点云截面几何形状,利用二分迭 代分割及分割位置的CIS,实现股骨干点云集Pshaft快速提取。
本发明利用k近邻交集是否为空集,判断并提取点云集Pin中边界点;同 时,根据其形成原因,将其分成邻接边界和内部边界,其中,内部边界是提取 尚未被提取的股骨头点集的线索。
本方法从股骨医学解剖特征出发,采用点云切片、切片投影、中轴线提取、 特征点提取、k近邻区域生长等方法,不仅避免现有方法依赖于法向量、曲率 等微分几何信息,存在计算量大、计算误差问题,而且,实现股骨模型医学语 义分割。
本发明的有益效果是:本发明提供一种结合先验医学知识的股骨点云模型 分割方法,将股骨点云模型分割为股骨干、股骨头、股骨转子、股骨颈、股骨 内侧髁和股骨外侧髁等点云集。本方法简单、高效、实用等优点,可为参数化 测量、植入物定制化设计和手术规划提供科学依据,对骨科数字化诊疗实施具 有重要意义。
附图说明
图1是本发明的原理图;
图2是股骨点云集图;
图3是股骨干表征指数CIS图;
图4是二分迭代切片分割图;
图5是股骨干上段点云集Pupper-shaft图;
图6是股骨干下段点云集Plower-shaft图;
图7是股骨干点云集Pshaft图;
图8是股骨头初始点云集Pin图;
图9是点云边界图;
图10是边界点示意图;
图11是股骨头点云集Phead图;
图12是股骨转子特征线簇图;
图13是股骨转子特征线提取示意图;
图14是股骨转子点云集Protor和股骨颈点云集Pneck图;
图15是内侧髁和外侧髁的分割特征点提取示意图;
图16是内外髁分割特征点图和内外髁分割线图;
图17是股骨内侧髁点云集Pinter condylar和外侧髁点云集Plateral condylar图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示,一种股骨点云模型医学语义分割方法,包括如下步骤:
步骤一:提取股骨干点云集Pshaft,具体步骤如下:
步骤1a:将股骨模型点云集P分割为点云集Pupper和Plower;
如图2所示,构建股骨点云模型轴向对齐包围盒AABB,将股骨模型点云 集P轴向方向置为Y坐标轴;统计股骨模型点云集Y坐标轴方向的最大值Ymax 和最小值Ymin,并在Y方向中点处,将股骨点云模型分割 为两个点云集Pupper和Plower。这里的最大值Ymax和最小值Ymin为股骨点云模 型轴向的最大值和最小值。
其中,点云集Pupper包含股骨干上段、股骨头、股骨颈和股骨转子等区域, 点云集Plower包括股骨干下段和股骨内侧髁、外侧髁。之后,分别对Pupper和 Plower,执行步骤1b~1d,提取股骨干点云集Pshaft。
步骤1b:提取点云集Pupper中股骨干点云集;
根据股骨干表征指数CIS(Characterization Index of Shaft),对点云集Pupper二分迭代分割。其中,股骨干表征指数CIS描述点云集Pupper轴向截面形状。 如图3所示,CIS的求解步骤是:首先求Y轴Y=y处,厚度δ的点云切片,即 [y-δ/2,y+δ/2]内点云切片,然后将点云切片投影至平面Y=y;然后,计算切 片投影点云质心其中Pi=(xi,yi,zi),i=1,2,…,n,Pi为点云切片 的点坐标、xi,yi,zi分别为点Pi的XYZ轴坐标值,i为第几个点;最后,计算点 云距质心Pc的距离最大值Dmax和最小值Dmin,则CIS=Dmax-Dmin。
二分迭代分割是根据股骨点云模型Y轴方向位置 (i=1,2,3,…,n)处CIS是否大于指定阈值,提取股骨干点云子集,i为二分迭 代分割的次数,Yi是对最大值Ymax和最小值Ymin之间进行二等分分割,是 模型坐标,这里的最大值Ymax和最小值Ymin是图2中Pupper的最大值和最小 值;其中,阈值是根据股骨干截面形状设定,取值范围:5-8mm。如图4所示,图(a)中,i=1时,Pupper的第一次二分分割,CIS小于指定阈值,则Pupper下段为股骨干点云集Pupper-shaft,Pupper上段点云集被重新标记为Pupper;图(b)中, Pupper的第二次二分分割,i=3时,CIS小于指定阈值,此时Pupper下段为股骨干 点云子集,Pupper上段点云子集被重新标记为Pupper;图(c)是第三次二分迭代 分割所提取的股骨干点云子集。
重复执行二分迭代分割,直至二分迭代切割点和Pupper的下端重叠,即小 于点云切片厚度δ。如图5所示,股骨干上段点云集Pupper-shaft被提取,此时, Pupper中包含股骨冠、股骨颈和股骨转子区域。
步骤1c:提取点云集Plower中股骨干点云集;
如图6所示,将点云集Plower绕Z轴旋转π,再次执行步骤1b,提取股骨 干下段点云集Plower-shaft。
具体地,提取点云集Plower中股骨干点云集;
根据股骨干表征指数CIS(Characterization Index of Shaft),对旋转后的点云集Plower二分迭代分割。
二分迭代分割,i=1时,Plower的第一次二分分割,CIS小于指定阈值,则 Plower下段为股骨干点云集Plower-shaft,Plower上段点云集被重新标记为Plower;重 新标记的Plower的第二次二分分割,i=3时,CIS小于指定阈值,此时Plower下 段为股骨干点云子集,Plower上段点云子集被重新标记为Plower;对再次重新标 记的Plower进行第三次二分迭代分割所提取的股骨干点云子集。
重复执行二分迭代分割,直至二分迭代切割点和Plower的下端重叠,即小 于点云切片厚度δ。股骨干下段点云集Plower-shaft被提取,此时,Plower中包含股 骨内侧髁点云集Pinter condylar和外侧髁点云集Plateral condylar区域。
步骤1d:将Pupper-shaft和Plower-shaf点云集合并,完成股骨干点云集Pshaft提取;
如图7所示,将Pupper-shaft和Plower-shaf点云集股骨干区域点云合并为Pshaft, 完成股骨干点云集分割。剩余点云重新标记为Pupper和Plower,作为后续步骤的 点云集。
步骤二:提取股骨头点云集Phead,具体步骤如下:
步骤2a:构建点云拟合球,提取股骨头初始点云集Pin。
在最后重新标记的点云集Pupper中,随机选择不共面点P0、P1、P2、P3, 构建球心为(x0,y0,z0)、半径为R的初始拟合球面S,其方程是(x-x0)2+(y-y0)2+(z-z0)2=R2;然后,计算点云集Pupper的点p(xi,yi,zi)到球面S的距离若d<分割阈值,分割阈值根据股骨 头几何形态,取值范围1~2mm,则将该点标记球面拟合点Pa。
重复执行上述步骤n次,(实验表明,n取值1800,既能到达最佳拟合效 果),则点云集Pupper上股骨头点集被球面拟合。如图8所示,最后重新标记 的点云集Pupper的拟合球面点云集标记为股骨头初始点云集Pin,其余点云集标 注为Pout。
即,步骤2a中,根据股骨医学先验知识,采用迭代四点拟合球面方法, 当球面拟合点个数大于或等于阈值时,即完成股骨头初始点云集Pin提取。
步骤2b:提取股骨头初始点云集Pin的点云边界,并判断其类型;
如图9所示,点云边界分为邻接边界AD(Adjacent Border)和内部边界 ID(InnerBorder)。邻接边界AD是股骨头和股骨颈之间的边界;内部边界ID 表示未被步骤2a提取的股骨头点云,其由股骨头表面的局部凸凹性所致。为了分割股骨头点云集,需要首先识别点云边界,然后区别邻接边界和内部边界。
如图10所示,点云边界属于点云集Pin,且与Pout相邻的点集合,其提取 依据是:令为与Pa距离最近的k个点构成的点集,k取值 15,若则Pa为点集Pin的边界点。边界点集合即为点云邻 接边界。
由于内部边界ID是由股骨头表面的局部凸凹所致,其面积较小,因此判 断方法是:根据股骨头凸凹区域可知,若边界点个数小于18,则该边界为内部 边界。
步骤2c:执行广度优先k近邻区域生长算法,完成股骨头点云集Phead分 割。
广度优先k近邻区域生长思想是:从点Pe出发,提取k个近邻 点集Nk(Pe),并将其添加Pin,然后递归提取Nk(Pe)的交集中距中心最远 点P’的k近邻点集Nk(P’),直至/>Pe为步骤2b中内部边 界ID中的点。
以内部边界ID为线索,重复执行广度优先K近邻区域生长,提取内部边 界ID内部、尚未被步骤2a提取的股骨头点云,并将其增补至Pin点云集,直 至不再存在未被提取的股骨头点云,则完成股骨头点云集Phead分割。如图11 所示,执行上述操作,点云集Phead被从点云集Pupper分割出来。
步骤三:提取股骨转子点云集Protor和股骨颈点云集Pneck,具体步骤如下:
步骤3a:提取股骨转子区域特征线簇Pclue;
如图12所示,特征线簇由水平特征线和垂直特征线组成,蕴含着转子区 域整体边界和形状轮廓。
如图13所示,特征线的提取过程是:首先做垂直于X轴、厚度为δ点云 切片;然后,提取切片中轴线;最后,根据股骨转子学特征,切片中轴的Y方 向最大值点作为分割点,即得到当前位置特征线。
步骤3a中,特征线簇是根据转子区域解剖特征,由重新标记的点云集Pupper的水平和垂直特征线组成,其蕴含了转子区域整体边界和形状轮廓。
步骤3b:以特征线为线索,提取股骨转子点云集Protor。
特征线为线索,再次执行步骤2c所述广度优先k近邻区域生长算法,完 成股骨转子点云集提取。如图14所示,点云集Pupper被分割为转子点云集Protor和股骨颈点云集Pneck。
将经过上述步骤,点云集Pupper被分割为股骨头、股骨颈、股骨转子和股 骨干等医学解剖区域点云集。
下面,以最后重新标记的Plower为数据源,分割其内外髁区域点云。
步骤四:提取股骨内侧髁点云集Pinter condylar和外侧髁点云集Plateral condylar, 具体步骤如下:
步骤4a:提取内侧髁和外侧髁的分割特征点;
如图15所示,内侧髁和外侧髁区域特征点局部极值点是特征线Y轴极小 值,其求解步骤是:首先做垂直于垂直点云切片;然后,求切片特征线的X轴 方向中点值mid;最后,求区间mid-5≤x≤mid+5内Y轴极小值,即为内外髁 分割特征点。
步骤4a中,根据内外髁解剖特征,选择局部极值点作为内外髁分割特征 点。
步骤4b:根据分割特征点,构建分割平面,提取分割;
根据分割特征点Pb1(x1,y1,z1)、Pb2(x2,y2,z2)、Pb3(x3,y3,z3)确定平面Π: Ax+By+Cz+D=0,计算点云集Plower的点Pb(xi,yi,zi)到平面的Π距离其中,A,B,C,D是平面方程系数。设阈值≈ 0,提取Plower点云集的内外髁分割点云集,形成分割特征线。如图16所示, 利用平面拟合分割点,形成了内外髁之间的分割特征线。
步骤4b中,利用三点确定平面方法,构建分割平面Π,并根据点到平面 Π距离,提取平面Π上的Plower点,形成分割特征线。分割特征线描述了内外 髁点云集的区域边界。
步骤4c:利用分割特征线,分割点云集Plower。
如图17所示,利用分割特征线,将点云集Plower分割成内侧髁Pinter condylar和外侧髁点云集Plateral condylar两个点云集。
至此,股骨点云模型被分割为股骨干、股骨头、股骨颈、股骨转子、股骨 内侧髁和股骨外侧髁六个子集。每个子集的数据规模更小,更有利于股骨模型 精细化建模表示和实时动态渲染。其中,精确化建模表示不仅能够提高参数化 测量精度,比如股骨头坏死病变区域面积测量,而且,能够为个性化植入物设 计提供更加精确的植入物贴合面;实时动态渲染将提高手术规划沉浸感,进而提高手术诊疗质量。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发 明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详 细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或 多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一 起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法 解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如权利要求书所反映的那样,发明方面在 于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要 求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的 单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单 元或组间可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在 与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一 个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适 应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实 施例中的模块或单元或组间组合成一个模块或单元或组间,以及此外可以把它 们分成多个子模块或子单元或子组间。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利 要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所 有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、 摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它 实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意 味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求 书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机***的处理器或者 由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实 施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素 的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于 实施由为了实施该发明的目的的元素所执行的功能。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而, 本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入 有形媒介,例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介 质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、 处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一 个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码; 处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明 的方法。
以示例而非限制的方式,计算机可读介质包括计算机存储介质和通信介 质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸 如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以 诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结 构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、 “第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意 图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它 方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技 术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施 例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的 而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离 所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是 说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (7)
1.一种股骨点云模型医学语义分割方法,其特征是,包括如下步骤:
步骤一:对采集的股骨模型点云集P进行股骨干点云集Pshaft的提取,获得股骨干点云集Pshaft,重新标记的点云集Pupper和重新标记的点云集Plower;重新标记的点云集Pupper包含股骨头、股骨颈和股骨转子;重新标记的点云集Plower包含股骨内侧髁和股骨外侧髁;
步骤二:对重新标记的点云集Pupper提取股骨头点云集Phead;
步骤三:提取股骨转子点云集Protor和股骨颈点云集Pneck;
步骤四:提取股骨内侧髁点云集Pinter condylar和外侧髁区域点云集Plateral condylar;
步骤一包括:
步骤1a:将股骨模型点云集P分割为初始的点云集Pupper和Plower;
步骤1b:提取点云集Pupper中股骨干上段点云集Pupper-shaft;
步骤1c:提取点云集Plower中股骨干下段点云集Plower-shaft;
步骤1d:合并点云集Pupper-shaft和点云集Plower-shaft,完成股骨干点云集Pshaft提取;
步骤1a中,初始的点云集Pupper和Plower的分割方法为:构建股骨点云模型轴向对齐包围盒AABB,将股骨模型点云集P轴向方向置为Y坐标轴;统计股骨模型点云集P的Y坐标轴方向的最大值Ymax和最小值Ymin,并在Y坐标轴方向中点处,将股骨点云模型分割为两个点云集Pupper和Plower;
其中,初始的点云集Pupper包括股骨干上段、股骨头、股骨颈和股骨转子,初始的点云集Plower包括股骨干下段、股骨内侧髁和股骨外侧髁;
步骤1b中,提取初始的点云集Pupper中股骨干点云集的方法为:根据股骨干表征指数CIS,对初始的点云集Pupper二分迭代分割;
股骨干表征指数CIS的求解步骤是:首先求Y坐标轴Y=y处,厚度为δ的点云切片,即[y-δ/2,y+δ/2]内点云切片,然后将点云切片投影至平面Y=y;然后,计算切片投影点云质心其中Pi=(xi,yi,zi),i=1,2,…,n,Pi为点云切片的点坐标、xi,yi,zi分别为点Pi的XYZ轴坐标值,i为第几个点;最后,计算点Pi距点云质心Pc的距离最大值Dmax和最小值Dmin,则CIS=Dmax-Dmin;
二分迭代分割是根据股骨点云模型Y轴方向位置(i=1,2,3,…,n)处CIS是否大于指定阈值,提取股骨干点云子集,即股骨干上段点云集Pupper-shaft,i为二分迭代分割的次数,Yi是对初始的点云集Pupper的最大值Ymax和最小值Ymin之间进行二等分分割;
其中,阈值取值范围:5-8mm;
重复执行二分迭代分割,直至二分迭代切割点小于点云切片厚度δ,股骨干上段点云集Pupper-shaft被提取,此时,重新标记的点云集Pupper中包含股骨头、股骨颈和股骨转子;
步骤1c中,将初始的点云集Plower绕Z轴旋转π,再次执行步骤1b,提取股骨干下段点云集Plower-shaft;此时,重新标记的点云集Plower中包含股骨内侧髁和股骨外侧髁。
2.根据权利要求1所述的一种股骨点云模型医学语义分割方法,其特征是,步骤二包括:
步骤2a:基于重新标记的点云集Pupper构建点云拟合球,提取股骨头初始点云集Pin;
步骤2b:提取股骨头初始点云集Pin的点云边界,并判断其类型;
步骤2c:执行广度优先k近邻区域生长算法,提取股骨头点云集Phead。
3.根据权利要求2所述的一种股骨点云模型医学语义分割方法,其特征是,步骤2a中,在重新标记的点云集Pupper中,选择不共面点P0、P1、P2和P3,构建球心为(x0,y0,z0)、半径为R的初始拟合球面S,其方程是(x-x0)2+(y-y0)2+(z-z0)2=R2;然后,计算重新标记的点云集Pupper的点p(xi,yi,zi)到球面S的距离若d<分割阈值,分割阈值取值范围1~2mm,则将该点标记为球面拟合点Pa;
重复执行上述步骤n次,n不小于1800,则重新标记的点云集Pupper上股骨头点集被球面拟合,重新标记的点云集Pupper的拟合球面点云集标记为股骨头初始点云集Pin,其余点云集标记为Pout;
步骤2b中,点云边界分为邻接边界AD和内部边界ID;
邻接边界AD是股骨头和股骨颈之间的边界;
内部边界ID是未被步骤2a提取的股骨头点云,其由股骨头表面的局部凸凹性所致;
邻接边界AD属于点云集Pin且与Pout相邻的点集合,其提取依据是:令Nk(Pa)为与Pa距离最近的k个点构成的点集,k取值15,若Nk/>则Pa为点云集Pin的边界点;边界点集合即为邻接边界AD;
内部边界ID的判断方法是:根据股骨头凸凹区域可知,若凸凹区域的边界点个数小于18,则该边界为内部边界ID;
步骤2c中,广度优先k近邻区域生长算法是:从点Pe出发,提取k个近邻点集Nk(Pe),并将其添加至股骨头初始点云集Pin,然后递归提取Nk(Pe)的交集中距中心最远点P’的k近邻点集Nk(P’),直至/>
以步骤2b中的内部边界ID为线索,重复执行广度优先k近邻区域生长,提取内部边界ID内部、尚未被步骤2a提取的股骨头点云,并将其增补至股骨头初始点云集Pin,直至不再存在未被提取的股骨头点云,则完成股骨头点云集Phead分割。
4.根据权利要求3所述的一种股骨点云模型医学语义分割方法,其特征是,步骤三包括:
步骤3a:提取股骨转子区域特征线簇Pclue;
步骤3b:以特征线为线索,提取股骨转子点集Protor。
5.根据权利要求4所述的一种股骨点云模型医学语义分割方法,其特征是,特征线簇Pclue由水平特征线和垂直特征线组成;
水平特征线和垂直特征线的提取过程是:首先做垂直于X轴、厚度为δ的点云切片;然后,提取点云切片中轴线;最后,根据股骨转子学特征,点云切片中轴线的Y方向最大值点作为分割点,即得到当前位置特征线;
以当前位置特征线为线索,执行如步骤2c的广度优先k近邻区域生长算法,完成股骨转子点云集提取;获得股骨转子点云集Protor和股骨颈点云集Pneck。
6.根据权利要求5所述的一种股骨点云模型医学语义分割方法,其特征是,股骨内侧髁和股骨外侧髁的分割特征点的获得步骤是:首先做垂直方向点云切片;然后,求点云切片特征线的X轴方向中点值mid,其中,点云切片特征线是点云切片的中轴线;最后,求区间mid-5≤x≤mid+5内Y轴极小值,即为内外髁分割特征点Pb;
根据分割特征点Pb1(x1,y1,z1)、Pb2(x2,y2,z2)、Pb3(x3,y3,z3)确定平面Π:Ax+By+Cz+D=0,计算重新标记的点云集Plower的点Pb(xi,yi,zi)到平面的Π距离其中,A,B,C,D是平面方程系数;设阈值≈0,提取重新标记的点云集Plower的内外髁分割点云集,形成分割特征线;
利用分割特征线,将重新标记的点云集Plower分割成股骨内侧髁点云集Pintercondylar和外侧髁区域点云集Plateralcondylar。
7.根据权利要求1~6任意一项所述的一种股骨点云模型医学语义分割方法在股骨参数化测量、个性化植入物设计和手术规划中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953666.3A CN115272615B (zh) | 2022-08-10 | 2022-08-10 | 一种股骨点云模型医学语义分割方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953666.3A CN115272615B (zh) | 2022-08-10 | 2022-08-10 | 一种股骨点云模型医学语义分割方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115272615A CN115272615A (zh) | 2022-11-01 |
CN115272615B true CN115272615B (zh) | 2023-09-08 |
Family
ID=83751478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210953666.3A Active CN115272615B (zh) | 2022-08-10 | 2022-08-10 | 一种股骨点云模型医学语义分割方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272615B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117257453A (zh) * | 2023-07-20 | 2023-12-22 | 中国科学院自动化研究所 | 肘关节置换手术术前规划*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839701A (zh) * | 2010-05-27 | 2010-09-22 | 中国科学院自动化研究所 | 树木点云数据的自动分割方法 |
CN103632371A (zh) * | 2013-12-06 | 2014-03-12 | 河海大学常州校区 | 基于兼容性网格分割的骨骼参数计算方法 |
CN105139442A (zh) * | 2015-07-23 | 2015-12-09 | 昆明医科大学第一附属医院 | 一种结合ct和mri二维图像建立人体膝关节三维仿真模型的方法 |
CN205831965U (zh) * | 2016-04-28 | 2016-12-28 | 华南理工大学 | 一种个性化股骨假体 |
CN109636896A (zh) * | 2018-11-21 | 2019-04-16 | 河海大学常州校区 | 基于WebGL的人体骨骼及其接骨板三维交互展示方法 |
CN110811829A (zh) * | 2019-11-06 | 2020-02-21 | 中国人民解放军总医院第四医学中心 | 一种基于股骨旋转轴与内翻轴分析模型的构建方法及*** |
CN111161267A (zh) * | 2019-12-09 | 2020-05-15 | 西安工程大学 | 一种三维点云模型的分割方法 |
CN113409301A (zh) * | 2021-07-12 | 2021-09-17 | 上海精劢医疗科技有限公司 | 一种基于点云分割的股骨颈配准方法、***及介质 |
CN113902937A (zh) * | 2021-09-23 | 2022-01-07 | 中国科学院国家空间科学中心 | 针对tof点云的自适应目标检测方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130211531A1 (en) * | 2001-05-25 | 2013-08-15 | Conformis, Inc. | Patient-adapted and improved articular implants, designs and related guide tools |
-
2022
- 2022-08-10 CN CN202210953666.3A patent/CN115272615B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101839701A (zh) * | 2010-05-27 | 2010-09-22 | 中国科学院自动化研究所 | 树木点云数据的自动分割方法 |
CN103632371A (zh) * | 2013-12-06 | 2014-03-12 | 河海大学常州校区 | 基于兼容性网格分割的骨骼参数计算方法 |
CN105139442A (zh) * | 2015-07-23 | 2015-12-09 | 昆明医科大学第一附属医院 | 一种结合ct和mri二维图像建立人体膝关节三维仿真模型的方法 |
CN205831965U (zh) * | 2016-04-28 | 2016-12-28 | 华南理工大学 | 一种个性化股骨假体 |
CN109636896A (zh) * | 2018-11-21 | 2019-04-16 | 河海大学常州校区 | 基于WebGL的人体骨骼及其接骨板三维交互展示方法 |
CN110811829A (zh) * | 2019-11-06 | 2020-02-21 | 中国人民解放军总医院第四医学中心 | 一种基于股骨旋转轴与内翻轴分析模型的构建方法及*** |
CN111161267A (zh) * | 2019-12-09 | 2020-05-15 | 西安工程大学 | 一种三维点云模型的分割方法 |
CN113409301A (zh) * | 2021-07-12 | 2021-09-17 | 上海精劢医疗科技有限公司 | 一种基于点云分割的股骨颈配准方法、***及介质 |
CN113902937A (zh) * | 2021-09-23 | 2022-01-07 | 中国科学院国家空间科学中心 | 针对tof点云的自适应目标检测方法及*** |
Non-Patent Citations (1)
Title |
---|
基于兼容性网格分割的骨骼参数计算;吴云燕等;《计算机辅助设计与图形学学报》;正文第1134-1143页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115272615A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106228549B (zh) | 一种基于路径规划的三角网格牙齿分割方法 | |
US7747305B2 (en) | Computer-aided-design of skeletal implants | |
Manmadhachary et al. | Improve the accuracy, surface smoothing and material adaption in STL file for RP medical models | |
CN114419618B (zh) | 基于深度学习的全髋关节置换术前规划*** | |
CN110189352B (zh) | 一种基于口腔cbct图像的牙根提取方法 | |
CN107274389B (zh) | 基于ct三维序列图像的股骨和髋臼解剖参数获取方法 | |
CN109903396A (zh) | 一种基于曲面参数化的牙齿三维模型自动分割方法 | |
AU2011284468B2 (en) | Method for determining bone resection on a deformed bone surface from few parameters | |
CN115272615B (zh) | 一种股骨点云模型医学语义分割方法及其应用 | |
CN102254317A (zh) | 牙种植导航中牙弓曲面的自动提取方法 | |
Chougule et al. | Clinical case study: spine modeling for minimum invasive spine surgeries (MISS) using rapid prototyping | |
CN108597017A (zh) | 一种基于测量参数的骨骼变形模板构建方法 | |
Chougule et al. | Development of patient specific implants for Minimum Invasive Spine Surgeries (MISS) from non-invasive imaging techniques by reverse engineering and additive manufacturing techniques | |
CN114642444A (zh) | 口腔种植精度评价方法、***和终端设备 | |
Mun et al. | Three-dimensional solid reconstruction of a human bone from CT images using interpolation with triangular Bézier patches | |
CN114332076B (zh) | 骨盆配准的方法、装置、计算机可读存储介质和处理器 | |
Gelaude et al. | Semi-automated segmentation and visualisation of outer bone cortex from medical images | |
US20220039959A1 (en) | Custom hip design and insertability analysis | |
CN112998888B (zh) | 一种基于网格投影的义齿模型倒凹去除方法 | |
CN115005977A (zh) | 一种膝关节置换手术术前规划方法 | |
CN111292306A (zh) | 膝关节ct与mr图像融合方法及装置 | |
Fang et al. | Automatic segmentation and 3D reconstruction of spine based on FCN and marching cubes in CT volumes | |
CN114927202B (zh) | 肺部形变模拟方法、装置及服务器 | |
Liu et al. | Improve accuracy for automatic acetabulum segmentation in CT images | |
CN115294264A (zh) | 一种骨科手术导板设计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |