CN117152256B - 一种基于模板的骨盆模型通道定位方法及装置 - Google Patents
一种基于模板的骨盆模型通道定位方法及装置 Download PDFInfo
- Publication number
- CN117152256B CN117152256B CN202311420362.1A CN202311420362A CN117152256B CN 117152256 B CN117152256 B CN 117152256B CN 202311420362 A CN202311420362 A CN 202311420362A CN 117152256 B CN117152256 B CN 117152256B
- Authority
- CN
- China
- Prior art keywords
- model
- pelvis
- channel
- image
- template
- 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 159
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 230000000877 morphologic effect Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000013179 statistical model Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 2
- 206010017076 Fracture Diseases 0.000 description 9
- 239000007943 implant Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010034246 Pelvic fractures Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- 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]
-
- 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)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Surgery (AREA)
- Robotics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及三维模型仿真领域,具体公开了一种基于模板的骨盆模型通道定位方法,根据骨盆模型库建立骨盆平均统计形态模型;基于骨盆平均统计形态模型获取通道模板,所述通道模板包括所述通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型;对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型;基于所述通道模板在所述目标模型中定位通道。能够实现通道的自动建立,节省医生的时间,简化医生的操作。
Description
技术领域
本发明涉及三维模型仿真领域,具体涉及一种基于模板的骨盆模型通道定位方法及装置。
背景技术
骨盆骨折通常由严重外伤造成,致残率高达50%-60%,救治不当通常有较高的死亡率。为了骨折前期恢复,避免骨折部位再次损伤,病人需进行植入手术,使用钢钉、螺丝、克氏钉等植入物固定骨折部位,而手术效果又极度依赖于这些植入物的固定效果,固定效果又取决于植入物位置的准确率,因此骨盆植入物位置定位成为了研究的热点。
植入物位置即微创通道,现有技术中,微创通道通常在术前规划阶段由医生确定,其准确与否影响着病人的恢复效果,所以其在整个手术周期中起着举足轻重的作用。传统的微创通道确定方法以病人骨折部位的影像数据作依托,以医生的主观经验作为客观依据,首先对骨折程度进行评估,接着在骨折部位影像上确定微创通道大致位置,最后细化手术流程方案。现有技术的判断过程很大程度上依赖于医师的人为经验,通道的建立依赖于医生的手工操作和临床经验,费时且费力,且不能实现通道位置的准确定位;在一些个性化的场景里面,还会利用3D打印的病人骨模型进行多次手工实验,进而确定通道具***置,但是此种方式成本较高且周期较长,不能适应快速确定通道位置的需求。
发明内容
本发明的目的在于提供一种基于模板的骨盆模型通道定位方法及装置,以解决上述背景技术中提出的问题。
本发明提供一种基于模板的骨盆模型通道定位方法,包括如下步骤:
根据骨盆模型库建立骨盆平均统计形态模型;
基于骨盆平均统计形态模型获取通道模板,所述通道模板包括所述通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型;
对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型;
基于所述通道模板在所述目标模型中定位通道。
优选的,基于模板的骨盆模型通道定位方法包括离线环节和在线环节,在所述离线环节中,获取通道模板,在所述在线环节中生成骨盆的目标模型,并在所述目标模型中定位通道。
优选的,所述根据骨盆模型库建立骨盆平均统计形态模型,具体包括:
构建骨盆模型库:收集不同年龄不同性别的骨盆模型,获得骨盆模型库;
生成平均统计形态模型:获取所述骨盆模型库中所有模型的点、面信息,利用统计形态模型过滤器对所述所有模型的点、面信息进行统计学形态分析,得到拟合形态误差;利用所述骨盆模型库中所有模型拟合统计学模型,基于拟合形态误差和统计学模型建立平均统计形态模型。
优选的,在骨盆平均统计形态模型上定位骨盆微创通道,将通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型导出以作为通道模板。
优选的,所述对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型,具体包括:
所述CT图像为多张,所述预处理包括从多个包含整个下体的CT体数据中分别提取骨盆区域的切面获得多个仅包含骨折区域的多个骨盆图像,将每个所述骨盆图像压缩至预设尺寸,基于配准网络配准压缩后的多个所述待配准骨盆图像,得到由待配准骨盆图像至目标图像的空间配准形变场。
优选的,配准过程中的目标图像为随机选取的任意病人对应的骨盆图像,待配准图像为其余病人对应的骨盆图像。
优选的,所述配准网络具体包括:
跳跃连接的编码器-解码器和第一预设数量的连续层;在编码器中,采用图像金字塔型结构的编码操作;在解码器中,交替使用上采样、卷积和连接跳跃。
优选的,利用预处理后的CT图像生成骨盆的目标模型,具体包括:
提取CT体数据中的仿射矩阵 ,根据空间配准形变得到图像坐标系到解剖坐标系下的空间变换/>,/>为空间配准形变场;将待配准骨盆图像和目标骨盆图像的体素信息转换对应的待配准骨盆和目标骨盆解剖三维模型。
优选的,所述基于所述通道模板在所述目标模型中定位通道,具体包括:
配准平均统计形态模型与目标骨盆解剖三维模型,得到二者之间的第一转换矩阵;根据通道模板中通道在骨盆平均统计形态模型中的位置信息和二者间空间转换矩阵获得目标骨盆三维模型的通道;根据图像坐标系到解剖坐标系下的空间变换和待配准骨盆三维模型计算配准后骨盆三维模型,根据配准后骨盆模型与目标骨盆模型的对应关系和目标骨盆模型的通道计算配准后骨盆模型的通道,以作为待配准骨盆模型的通道。
本发明还提供一种基于模板的骨盆模型通道定位装置,包括:
建模模块,用于根据骨盆模型库建立骨盆平均统计形态模型;
模板建立模块,用于基于骨盆平均统计形态模型获取通道模板,所述通道模板包括所述通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型;
骨盆建模模块,用于对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型;
通道定位模块,用于基于所述通道模板在所述目标模型中定位通道。
本发明提供了一种基于模板的骨盆模型通道定位方法及装置,能够基于统计意义上的模型获得通道模板,并利用模板在基于CT图像生成骨盆的目标模型中自动定位出通道。一方面,在通道定位的过程中能够基于图像自动完成定位,无需进行人为干预,降低了通道定位过程对人工经验的依赖程度,提高了通道定位的自动化过程;另一方面,基于CT图像直接生成目标模型,目标模型与真实骨盆形态和参数相同,在目标模型中进行通道定位,避免医生直接通过CT图像查看进行通道定位,提高了通道定位的准确度。传统方法中,通道的建立依赖于医生的手工操作和临床经验,费时且费力,而与传统的术前匹配方法相比,考虑内部骨质信息的采取医学CT图像三维重建的方法可以获得精准的骨盆的目标模型,可以实现通道的自动建立,节省医生的时间,简化医生的操作。
附图说明
图1为本发明实施例提供的一种基于模板的骨盆模型通道定位方法流程图;
图2为本发明实施例提供的配准网络结构示意图。
实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
通常在此处附图中描述和显示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。
基于本发明中的实施例,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,都属于本发明保护的范围。
以下结合附图对本发明的技术方案进一步阐述。
本发明实施例提供一种基于模板的骨盆模型通道定位方法,如图1所示,基于模板的骨盆模型通道定位方法包括:
根据骨盆模型库建立骨盆平均统计形态模型;
基于骨盆平均统计形态模型获取通道模板,所述通道模板包括所述通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型;
对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型;
基于所述通道模板在所述目标模型中定位通道。
本发明提供的基于模板的骨盆模型通道定位方法,能够基于统计意义上的模型获得通道模板,并利用模板在基于CT图像生成骨盆的目标模型中自动定位出通道。一方面,在通道定位的过程中能够基于图像自动完成定位,无需进行人为干预,降低了通道定位过程对人工经验的依赖程度,提高了通道定位的自动化过程;另一方面,基于CT图像直接生成目标模型,目标模型与真实骨盆形态和参数相同,在目标模型中进行通道定位,避免医生直接通过CT图像查看进行通道定位,提高了通道定位的准确度。传统方法中,通道的建立依赖于医生的手工操作和临床经验,费时且费力,而与传统的术前匹配方法相比,考虑内部骨质信息的采取医学CT图像三维重建的方法可以获得精准的骨盆的目标模型,可以实现通道的自动建立,节省医生的时间,简化医生的操作。
进一步的,基于模板的骨盆模型通道定位方法包括离线环节和在线环节,在所述离线环节中,获取通道模板,在所述在线环节中生成骨盆的目标模型,并在所述目标模型中定位通道。本发明通过离线和在线方式相结合的形式完成通道定位,离线处理阶段以医生的临床经验作为支持,在线处理阶段无需医生手工操作即可自动化得出。统计意义上的模型和模板的获得需要较大数据量的分析,且分析的对象为骨盆模型库中已存在的模型,因此,上述整个过程可以在离线环节进行计算,减少了在线环节的计算量和计算时间,进而加快了骨盆模型通道定位的效率。
作为一种可选的实施例,所述根据骨盆模型库建立骨盆平均统计形态模型,具体包括:
构建骨盆模型库:收集不同年龄不同性别的骨盆模型,获得骨盆模型库,优选的,所述骨盆模型为一预设国别的人的骨盆模型,所述预设国别具体为中国。
生成平均统计形态模型:获取所述骨盆模型库中所有模型的点、面信息,利用统计形态模型过滤器对所述所有模型的点、面信息进行统计学形态分析,得到拟合形态误差;利用所述骨盆模型库中所有模型拟合统计学模型,基于拟合形态误差和统计学模型建立平均统计形态模型。
本发明提供的基于模板的骨盆模型通道定位方法将模型库内的模型作为输入,首先将所有模型的点和面信息读入,然后运用统计形态模型过滤器对所有模型的点面信息进行统计学形态分析,得到拟合形态误差,运用所有模型拟合预测的统计学模型,最终建立平均统计学形态模型。对于不同特点的被研究对象,骨盆轮廓形状基本一致,但结构参数各不相同,本发明提供的方法为了事先建立模板,利用模型库中所有模型的点、面信息进行拟合,从而获得了平均统计形态模型,即通过大量模型的拟合获得平均统计形态模型,以便基于平均统计形态模型获得通道模板,平均统计形态模型综合了模型库内所有模型的点、面信息,避免人工对每个模型进行标注,简化了模板生成的工作量。
优选的,基于骨盆平均统计形态模型获取通道模板,可以根据医生提供的临床经验,在骨盆平均统计形态模型上定位骨盆微创通道,将通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型导出以作为通道模板,所述通道模板包括所述通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型。
作为一种可选的实施例,所述对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型,具体包括:所述CT图像为多张,所述预处理包括从多个包含整个下体的CT体数据中分别提取骨盆区域的切面获得多个仅包含骨折部位的骨盆图像,将每个所述骨盆图像压缩至预设尺寸,基于配准网络配准压缩后的多个所述骨盆图像,得到由待配准图像至目标图像的空间配准形变场。
优选的,可以将每个所述骨盆图像压缩至440x256x256。配准压缩后的多个所述包含骨折部位的骨盆图像,用于实现非同源CT图像之间的配准,配准过程中的目标图像为随机选取的任意病人对应的骨盆图像,待配准图像为其余病人对应的骨盆图像。配准网络如图2所示,所述配准网络具体包括:跳跃连接的编码器-解码器和第一预设数量的连续层,在编码器中,采用图像金字塔型结构的编码操作,优选的,所述图像金字塔型结构使用卷积核大小是3x3x3、步长为2的三维卷积,空间维度在卷积步长的作用下每次减少为原来的1/2,直至减少为原始维度的1/16;在解码器中,交替使用上采样、卷积和连接跳跃。本发明提供的配准网络采用编码器-解码器和连续层的结构,对图像的感受域更精细,进而实现更精准地解剖结构的对齐。
由于待配准图像至目标图像的空间配准形变场为图像坐标系下的CT体数据每个体素在三个方位的变化,而通道模板位于解剖坐标系下三维模型内部,作为一种可选的实施例,利用预处理后的CT图像生成骨盆的目标模型,具体包括:提取CT体数据中的仿射矩阵,根据空间配准形变得到图像坐标系到解剖坐标系下的空间变换/>,/>为空间配准形变场;将待配准图像和目标图像的体素信息转换对应的待配准骨盆三维模型和目标骨盆三维模型。
基于所述通道模板在所述目标模型中定位通道,具体包括:配准平均统计形态模型与目标骨盆三维模型,得到二者之间的空间转换矩阵;根据通道模板中通道在骨盆平均统计形态模型中的位置信息和空间转换矩阵获得目标骨盆模型的通道;根据图像坐标系到解剖坐标系下的空间变换和待配准骨盆模型计算配准后骨盆模型,根据配准后骨盆模型与目标骨盆模型的对应关系和目标骨盆模型的通道计算配准后骨盆的通道,以作为待配准骨盆模型的通道。
本发明实施例还提供一种基于模板的骨盆模型通道定位装置,包括:
建模模块,用于根据骨盆模型库建立骨盆平均统计形态模型;
模板建立模块,用于基于骨盆平均统计形态模型获取通道模板,所述通道模板包括所述通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型;
骨盆建模模块,用于对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型;
通道定位模块,用于基于所述通道模板在所述目标模型中定位通道。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
最后应说明的是,本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (6)
1.一种基于模板的骨盆模型通道定位方法,其特征在于,所述基于模板的骨盆模型通道定位方法包括:
根据骨盆模型库建立骨盆平均统计形态模型,具体包括:
构建骨盆模型库:收集不同年龄不同性别的骨盆模型,获得骨盆模型库;
生成骨盆平均统计形态模型:获取所述骨盆模型库中所有模型的点、面信息,利用统计形态模型过滤器对所述所有模型的点、面信息进行统计学形态分析,得到拟合形态误差;利用所述骨盆模型库中所有模型拟合统计学模型,基于拟合形态误差和统计学模型建立骨盆平均统计形态模型;
基于骨盆平均统计形态模型获取通道模板,所述通道模板包括所述通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型;
对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型;
所述对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型,具体包括:
所述CT图像为多张,所述预处理包括从多个包含整个下体的CT体数据中分别提取骨盆区域的切面获得多个仅包含骨折区域的骨盆图像,将每个所述骨盆图像压缩至预设尺寸,基于配准网络配准压缩后的多个所述骨盆图像,得到由待配准图像至目标图像的空间配准形变场;
利用预处理后的CT图像生成骨盆的目标模型,具体包括:
提取CT体数据中的仿射矩阵 T,根据空间配准形变得到图像坐标系到解剖坐标系下的空间变换 ,/>为空间配准形变场;将待配准图像和目标图像的体素信息转换对应的待配准骨盆三维模型和目标骨盆三维模型;
基于所述通道模板在所述目标模型中定位通道;
所述基于所述通道模板在所述目标模型中定位通道,具体包括:
配准骨盆平均统计形态模型与目标骨盆模型,得到二者之间的空间转换矩阵;根据通道模板中通道在骨盆平均统计形态模型中的位置信息和空间转换矩阵获得目标骨盆模型的通道;根据图像坐标系到解剖坐标系下的空间变换和待配准骨盆模型计算配准后骨盆模型,根据配准后骨盆模型与目标骨盆模型的对应关系和第二三维模型的通道计算待配准骨盆模型的通道,以作为待配准骨盆模型的通道。
2.如权利要求1所述的基于模板的骨盆模型通道定位方法,其特征在于,
基于模板的骨盆模型通道定位方法包括离线环节和在线环节,在所述离线环节中,获取通道模板,在所述在线环节中生成骨盆的目标模型,并在所述目标模型中定位通道。
3.如权利要求1所述的基于模板的骨盆模型通道定位方法,其特征在于,在骨盆平均统计形态模型上定位骨盆微创通道,将通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型导出以作为通道模板。
4.如权利要求1所述的基于模板的骨盆模型通道定位方法,其特征在于,配准过程中的目标图像为随机选取的任意病人对应的骨盆图像,待配准图像为其余病人对应的骨盆图像。
5.如权利要求1所述的基于模板的骨盆模型通道定位方法,其特征在于,所述配准网络具体包括:
跳跃连接的编码器-解码器和第一预设数量的连续层;在编码器中,采用图像金字塔型结构的编码操作;在解码器中,交替使用上采样、卷积和连接跳跃。
6.一种应用如权利要求1-5任一所述的基于模板的骨盆模型通道定位方法的定位装置,其特征在于,所述定位装置包括:
建模模块,用于根据骨盆模型库建立骨盆平均统计形态模型;
模板建立模块,用于基于骨盆平均统计形态模型获取通道模板,所述通道模板包括所述通道在骨盆平均统计形态模型中的位置信息和所述骨盆平均统计形态模型;
骨盆建模模块,用于对CT图像进行预处理,利用预处理后的CT图像生成骨盆的目标模型;
通道定位模块,用于基于所述通道模板在所述目标模型中定位通道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311420362.1A CN117152256B (zh) | 2023-10-30 | 2023-10-30 | 一种基于模板的骨盆模型通道定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311420362.1A CN117152256B (zh) | 2023-10-30 | 2023-10-30 | 一种基于模板的骨盆模型通道定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117152256A CN117152256A (zh) | 2023-12-01 |
CN117152256B true CN117152256B (zh) | 2024-02-13 |
Family
ID=88897209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311420362.1A Active CN117152256B (zh) | 2023-10-30 | 2023-10-30 | 一种基于模板的骨盆模型通道定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152256B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447764A (zh) * | 2016-09-08 | 2017-02-22 | 福州大学 | 一种三维可视化的人体骨盆参数自动测量方法 |
CN110688929A (zh) * | 2019-09-20 | 2020-01-14 | 北京华捷艾米科技有限公司 | 一种人体骨架关节点定位方法及装置 |
CN111008974A (zh) * | 2019-11-22 | 2020-04-14 | 浙江飞图影像科技有限公司 | 多模型融合的股骨颈骨折区域定位和分割方法及*** |
CN114155286A (zh) * | 2021-11-09 | 2022-03-08 | 大连理工大学 | 一种骨骼ct图像的解剖形态和材料力学特性模板库的个性化配准方法 |
WO2022217660A1 (zh) * | 2021-04-15 | 2022-10-20 | 卡本(深圳)医疗器械有限公司 | 一种基于 ct 图像的髂后上棘自动检测与定位方法 |
CN115331059A (zh) * | 2022-08-17 | 2022-11-11 | 上海交通大学 | 基于残差注意力约束机制的脊柱三柱骨折分类与定位*** |
KR20230078905A (ko) * | 2021-11-26 | 2023-06-05 | 경희대학교 산학협력단 | 전방 골반 평면의 3차원 방향 실시간 측정 방법 및 장치 |
CN116433477A (zh) * | 2023-06-13 | 2023-07-14 | 北京壹点灵动科技有限公司 | 骨盆配准方法、装置、存储介质及电子设备 |
CN116616893A (zh) * | 2023-04-17 | 2023-08-22 | 南京航空航天大学 | 一种骨盆植入物通道的自动定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1894538B1 (de) * | 2006-09-01 | 2009-11-04 | BrainLAB AG | Verfahren und Vorrichtung zum Bestimmen der Lage von Beckenebenen |
-
2023
- 2023-10-30 CN CN202311420362.1A patent/CN117152256B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447764A (zh) * | 2016-09-08 | 2017-02-22 | 福州大学 | 一种三维可视化的人体骨盆参数自动测量方法 |
CN110688929A (zh) * | 2019-09-20 | 2020-01-14 | 北京华捷艾米科技有限公司 | 一种人体骨架关节点定位方法及装置 |
CN111008974A (zh) * | 2019-11-22 | 2020-04-14 | 浙江飞图影像科技有限公司 | 多模型融合的股骨颈骨折区域定位和分割方法及*** |
WO2022217660A1 (zh) * | 2021-04-15 | 2022-10-20 | 卡本(深圳)医疗器械有限公司 | 一种基于 ct 图像的髂后上棘自动检测与定位方法 |
CN114155286A (zh) * | 2021-11-09 | 2022-03-08 | 大连理工大学 | 一种骨骼ct图像的解剖形态和材料力学特性模板库的个性化配准方法 |
KR20230078905A (ko) * | 2021-11-26 | 2023-06-05 | 경희대학교 산학협력단 | 전방 골반 평면의 3차원 방향 실시간 측정 방법 및 장치 |
CN115331059A (zh) * | 2022-08-17 | 2022-11-11 | 上海交通大学 | 基于残差注意力约束机制的脊柱三柱骨折分类与定位*** |
CN116616893A (zh) * | 2023-04-17 | 2023-08-22 | 南京航空航天大学 | 一种骨盆植入物通道的自动定位方法 |
CN116433477A (zh) * | 2023-06-13 | 2023-07-14 | 北京壹点灵动科技有限公司 | 骨盆配准方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117152256A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10970426B2 (en) | Methods, systems, and devices for designing and manufacturing a spinal rod | |
CN101816590B (zh) | 一种人体骨科手术导航模板的制作方法及其阴模 | |
CN108765417B (zh) | 一种基于深度学习和数字重建放射影像的股骨x线片生成***及方法 | |
JP2023014084A5 (zh) | ||
CN101390773B (zh) | 一种可用于椎弓根定位的导航模板的制作方法 | |
CN101953713B (zh) | 一种可用于椎弓根定位的导航模板 | |
CN110214341A (zh) | 重建颅骨的方法 | |
CN103099680B (zh) | 一种导向模板的制备方法 | |
ES2856941T3 (es) | Generación automatizada de agentes de tratamiento óseo | |
CN110522501A (zh) | 3d打印个性化骨科内植物构建及生物力学优化处理方法 | |
CN102147919A (zh) | 一种校正术前三维图像的术中配准方法和装置 | |
CN106264731A (zh) | 一种基于点对点配准技术虚拟膝关节单髁置换术模型构建的方法 | |
CN107358608A (zh) | 基于图像处理技术的骨组织几何形态学参数自动测量装置及方法 | |
KR20160091322A (ko) | 뼈 재건 및 정형외과용 임플란트 | |
CN105608741A (zh) | 预测颌面骨整形术后软组织容貌变化的计算机仿真方法 | |
CN104706425A (zh) | 能够准确定位的截骨导航装置及其制作方法和使用方法 | |
CN108320288A (zh) | 一种特发性脊柱侧凸影像的数据处理方法 | |
CN103099669B (zh) | 单侧椎弓根螺钉进钉辅助装置及其制备方法 | |
CN107016666A (zh) | 基于坐标体系的骨盆ct三维重建的图像后处理方法 | |
CN106991720B (zh) | 一种基于有限元分析运算的个性化髋臼重建钢板预弯方法 | |
CN104905869A (zh) | 用于椎弓根定位及实时监测钉道的导航模板及其制作方法 | |
CN103099679A (zh) | 一种个性化腰椎内固定辅助装置及其制备方法 | |
CN105982722A (zh) | 一种数字化骨骼手术修复方法和*** | |
CN108597017A (zh) | 一种基于测量参数的骨骼变形模板构建方法 | |
CN115844531A (zh) | 髋关节置换手术导航*** |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Tang Peifu Inventor after: Du Qingjie Inventor after: Zhao Jingxin Inventor after: Chen Fang Inventor after: Zhang Licheng Inventor after: Chen Lingyu Inventor after: Chen Hua Inventor before: Tang Peifu |
|
GR01 | Patent grant | ||
GR01 | Patent grant |