CN103632371A - 基于兼容性网格分割的骨骼参数计算方法 - Google Patents
基于兼容性网格分割的骨骼参数计算方法 Download PDFInfo
- Publication number
- CN103632371A CN103632371A CN201310646822.2A CN201310646822A CN103632371A CN 103632371 A CN103632371 A CN 103632371A CN 201310646822 A CN201310646822 A CN 201310646822A CN 103632371 A CN103632371 A CN 103632371A
- Authority
- CN
- China
- Prior art keywords
- point
- model
- grid
- summit
- vertex
- 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
Images
Abstract
本发明公开了一种基于兼容性网格分割的骨骼参数计算方法,首先,结合特定医学先验知识对骨骼模型提取一些特征点;再基于特征点对骨骼模型进行医学语义分割;然后,分割得到的模板借助基于Laplacian变形的非刚性配准,指导同类骨骼模型进行快速兼容性分割;最后,依据网格分割结果建立子区域邻接图并计算出骨骼的主要形态参数。本发明使得用户能够对结构相似的同类骨骼模型实现快速兼容性分割,而且与传统测量方法相比较,依据网格分割结果计算得到的骨骼参数,无论是精度上还是效率上都有所提高,尤其适合于大批量骨骼模型的参数测定。
Description
技术领域
本发明属于计算机图形技术领域,特别是涉及特征点与模板引导的骨骼网格模型的兼容性分割和基于分割结果的参数计算方法。
背景技术
在医学领域,精确的骨骼形态参数对指导手术和假体制造具有非常重要的意义。尤其是股骨的形态和尺寸大小的变化范围是假体系列化、标准化设计的根据和基础,在人工髋关节置换和断骨配准复位等骨科手术中发挥着重要作用。
测量骨骼参数是医学图像处理中的重要研究内容之一,同时又是一个经典难题。骨骼参数难以测量的主要原因在于它的几何特性非常复杂,形状多具不规则性。此外,重建三维骨骼模型的数据大都来源于医院提供的MRJ或CT图像,这些图像中一部分受到严重的噪声污染,而且一些病变骨头根据病情不同,呈现不同程度的变形、塌陷或缺损。所以,对存在一定数据残缺或畸变的受污染骨骼模型进行高效精确的测量很困难。
有关骨骼的参数测量,国内外已有不少文献报导,大部分文献使用的测量方法,无论是利用X光片还是CT测量,主要依据的是一种2D投影图像而忽视了骨骼模型的3D整体特性,本质上都属手工测量,由于受成像方式或测量方法等因素的影响,不容易测得客观准确的结果。也有少数文献提出了基于X光片的自动测量方法或利用反求工程软件进行计算,在一定程度上提高了测量效率和精度,但计算框架相当复杂,尤其当涉及大批量骨骼模型的参数测定时,所需成本很高。
发明内容
本发明的目的在于提供一种基于兼容性网格分割的骨骼参数计算方法,该方法使得用户能够对结构相似的同类骨骼模型实现快速兼容性分割,然后根据网格分割结果计算出骨骼的主要参数。与传统测量方法相比较,无论是精度上还是效率上都有所提高,尤其适合于大批量骨骼模型的参数测定。
为了实现上述目的,本发明所采取的技术方案是:
一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:首先在特征点提取的基础上对人体骨骼的3D网格模型进行医学语义分割;分割得到的模板再指导同类的其它骨骼模型进行快速兼容性分割;最后根据网格分割结果计算出骨骼的主要参数,
首先, 在特征点提取的基础上对人体骨骼的3D网格模型进行医学语义分割,包括以下步骤:
步骤S01:结合特定医学先验知识对骨骼模型提取一些特征点;
步骤S02:基于特征点对骨骼模型进行符合医用的分割,即符合医用理解的有意义分割;
然后, 分割得到的模板再指导同类的其它骨骼模型进行快速兼容性分割,包括以下步骤:
步骤S03:将已完成分割的模型作为模板A, 正待分割的同类骨骼模型作为目标B;
步骤S04:在模板A与目标模型B之间进行基于Laplacian变形的非刚性配准;
步骤S05:对于模板曲面A上的每个特征点p,在配准过的目标曲面B上找出对应的特征点q;
步骤S06:目标模型B在相应特征点q的指导下进行快速分割。
最后,根据网格分割结果计算出骨骼的主要参数,包括以下步骤:
步骤S07:对于已成功分割成若干区域的骨骼模型, 用类球体、类圆柱体等基本形状来模拟一些区域,并计算出相关参数;
步骤S08:根据特征点及计算出的参数对骨骼模型建立一个子区域邻接图,存储相关信息,将骨骼模型的结构性描述转化成一种语义描述。
所述对骨骼模型提取的特征点有四类:突出特征点、边界特征点、中心顶点和用户选择点。就股骨骼而言,其用户选择点为股骨颈点。它们将在后续的网格分割中各尽其能,其中检测突出特征点的具体步骤为:
步骤i01:对网格模型挑选一个中心顶点;
步骤i02:计算每个网格顶点到中心顶点的测地距离;
步骤i03:计算每个网格顶点的局部深度值;
步骤i04: 综合顶点的测地距离值和局部深度值,定位网格模型的突出特征点。
所述局部深度值是指某个顶点相对于邻居顶点的最大高度差。顶点v与某个邻居顶点的高度差可近似为连接这两个顶点的矢量在顶点v的法线向量上的投影。
所述网格模型的突出特征点的检测条件是:该顶点到模型中心顶点的测地距离是其邻域内的局部最大值并且该顶点的局部深度值为负的较小值。
所述基于特征点对骨骼模型进行符合医用的分割的具体步骤为:
步骤t01:将每个网格顶点的区域号初始为-1,即分割后边界点的区域号保持为-1;
步骤t02:依次将中心顶点、用户选择点与每一个突出特征点作为种子进行区域扩展即分水岭算法中的浸没操作。
所述对种子顶点P的浸没操作这样实现:检测P的所有邻接点,若P的某个邻接点Pi不是边界特征点并且与该区域种子顶点间的测地距离更近,则赋予与顶点P相同的区域号。对每个邻接点Pi的邻接点Pij也作同样的操作,直到该区域全部被边界顶点或其他已标记区域所包围,这时停止浸没,形成一个汇水盆地。
所述模板模型A与同类骨骼模型B之间基于Laplacian变形的非刚性配准具体步骤为:
步骤p01:为网格B建立kd 树(k维搜索树,是把二叉搜索树推广到多维数据的一种主存数据结构),为下一步的最近邻顶点搜索建立查询结构;
步骤p02:为模板网格A中每个顶点找出它在网格B中的最近点,将这样的每一顶点对存放在向量pairs中;
步骤p03:在向量pairs中挑选一批顶点对(优先挑选特征点),作为下一步Laplacian变形的约束顶点对,这些约束顶点的位置在变形过程中力求基本不变;
步骤p04:对网格A进行一次Laplacian变形,生成新网格new_A;
步骤p05:在新网格new_A中,求出每个约束顶点与其在网格B中对应点之间的距离(即误差),计算总误差的均方根值,记为err;
步骤p06: 跳转至p02,在new_A与B之间计算对应点,重新生成约束顶点对, 再进行Laplacian变形。反复迭代,若最后m次迭代内有n 次误差值err比前次大,其中m>n,且m>1,则结束迭代,输出此时的网格new_A。
所述用类球体、类圆柱体等基本形状来模拟股骨模型分割后的一些区域,一些区域(针对股骨模型而言)主要指股骨头区、股骨干区和股骨颈区。
针对股骨模型分割结果建立的子区域邻接图存储的的参数信息包括股骨头圆球直径、股骨干峡部位直径、股骨干长度、股骨颈峡部位直径、颈干角、股骨颈长度、大转子点及小转子点的高斯曲率、大小转子点之间的欧氏距离、股骨头球心至股骨干轴的垂直距离、股骨头球心至小转子中心平面的垂直距离等等。
本发明结合骨骼特性和医用要求,针对骨骼三维网格模型研究了一种基于特征点的分割方法;再借助基于Laplacian变形的非刚性配准,能在同类的其它骨骼模型上找到对应特征点,从而实现同类骨骼的快速兼容性分割;最后,基于网格分割结果与子区域邻接图计算出骨骼的主要形态参数,与传统测量方法相比, 依据网格分割结果计算得到的骨骼参数,无论是精度上还是效率上都有所提高,非常高效与方便,尤其适合于大批量骨骼模型的参数测定。
附图说明
图1是本发明中一种基于兼容性网格分割的骨骼参数计算方法工作流程;
图2是本发明中模板模型与同类骨骼模型之间基于Laplacian变形的非刚性配准流程;
图3是本发明的中骨骼模型特征点示意图;
图4是本发明的骨骼模型分割结果示意图;
图5是本发明的同类股骨模型的兼容性分割示意图;
图6是本发明的股骨模型分割结果对应的子区域邻接图。
图中:1为股骨头head;2为大转子点GT;3为股骨颈neck;4为小转子点LT,5为中心顶点center;6为股骨远端UF;7为股骨远端LF; neck axis为股骨颈轴;Chead为股骨头中心;Cneck为股骨颈中心;Cshaft为股骨干中心;shaft axis 为股骨干轴。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1所示,本实施例为本发明的最佳实施例,本实施例的一种基于兼容性网格分割的骨骼参数计算方法,其方法为:首先在特征点提取的基础上对人体骨骼的3D网格模型进行符合医用理解的语义分割;分割得到的模板再指导同类的其它骨骼模型进行快速兼容性分割;最后根据网格分割结果计算出骨骼的主要参数。为详细解释本实施例的实施方案,其具体步骤如下:
(1)在特征点提取的基础上对人体骨骼的3D网格模型进行医学语义分割,包括以下步骤:
步骤S01:结合特定医学先验知识对骨骼模型提取一些特征点;所述对骨骼模型提取的特征点有四类:突出特征点、边界特征点、中心顶点和用户选择点,它们将在后续的网格分割中各尽其能,其中检测突出特征点的具体步骤为:
步骤i01:对网格模型挑选一个中心顶点; 定位中心顶点的算法分为以下两个步骤:
步骤m01:计算网格的中心vc,将所有网格顶点的三维坐标平均值作为vc的位置。
步骤m02:找到网格模型上到中心vc距离最小的点v’。
将v’近似看成网格模型的中心顶点。对于股骨骼,由于股骨干是整个模型中体积最大的一块区域,实验证明采用这种方式定位的中心顶点总能落入股骨干区域。
步骤i02:计算每个网格顶点到中心顶点的测地距离;
步骤i03:计算每个网格顶点的局部深度值;
步骤i04: 综合顶点的测地距离值和局部深度值,定位网格模型的突出特征点。网格模型的突出特征点的检测条件是:该顶点到模型中心顶点的测地距离是其邻域内的局部最大值并且该顶点的局部深度值为负的较小值。
该局部深度值是指某个顶点相对于邻居顶点的最大高度差(即深度) 。顶点v与某个邻居顶点的高度差可近似为连接这两个顶点的矢量在顶点v的法线向量上的投影。
步骤S02:基于特征点对骨骼模型进行符合医用理解的有意义分割;该语义分割的具体步骤为:
步骤t01:将每个网格顶点的区域号初始为-1(分割后边界点的区域号保持为-1);
步骤t02:依次将中心顶点、用户选择点与每一个突出特征点作为种子进行区域扩展(即分水岭算法中的浸没操作) 。对种子顶点P的浸没操作这样实现:检测P的所有邻接点,若P的某个邻接点Pi不是边界特征点并且与该区域种子顶点间的测地距离更近, 则赋予Pi与顶点P相同的区域号,对邻接点Pij也作同样的区域扩展操作,直到这个浸没的区域全部被边界顶点或其他已标记区域所包围。
(2)分割得到的模板再指导同类的其它骨骼模型进行快速兼容性分割,包括以下步骤:
步骤S03:将已完成分割的模型作为模板A, 正待分割的同类骨骼模型作为目标B;
步骤S04: 在模板A与目标B之间进行基于Laplacian变形的非刚性配准;
步骤S05:对于模板曲面A上的每个特征点p,在配准过的目标曲面B上找出对应的特征点q;
步骤S06:目标模型B在相应特征点q的指导下进行快速分割。
(3)最后根据网格分割结果计算出骨骼的主要参数:
步骤S07:对于已成功分割成若干区域的骨骼模型, 用类球体、类圆柱体等基本形状来模拟一些区域,这些区域针对股骨模型而言主要指股骨头区、股骨干区和股骨颈区,并计算出相关参数;
步骤S08:根据特征点及计算出的参数对骨骼模型建立一个子区域邻接图,存储相关信息,将骨骼模型的结构性描述转化成一种语义描述。本实施例中,针对股骨模型分割结果建立的子区域邻接图存储的参数信息包括股骨头圆球直径、股骨干峡部位直径、股骨干长度、股骨颈峡部位直径、颈干角、股骨颈长度、大转子点及小转子点的高斯曲率、大小转子点之间的欧氏距离、股骨头球心至股骨干轴的垂直距离、股骨头球心至小转子中心平面的垂直距离等等。
如图2所示,所述模板模型A与同类骨骼模型B之间基于Laplacian变形非刚性配准的具体步骤为:
步骤p01:为网格B建立kd 树(k维搜索树),为下一步的最近邻顶点搜索建立查询结构;
步骤p02:为模板网格A中每个顶点找出它在网格B中的最近点,将这样的每一顶点对存放在向量pairs中;
步骤p03:在向量pairs中挑选一批顶点对(优先挑选特征点),作为下一步Laplacian变形的约束顶点对,这些约束顶点的位置在变形过程中力求基本不变。
步骤p04:对网格A进行一次Laplacian变形,生成新网格new_A;
步骤p05:在新网格new_A中,求出每个约束顶点与其在网格B中对应点之间的距离(即误差),计算总误差的均方根值,记为err;
步骤p06: 跳转至p02,在new_A与B之间计算对应点,重新生成约束顶点对, 再进行Laplacian变形。反复迭代,若最后m次迭代内有n 次误差值err比前次大,其中m>n,且m>1,,则结束迭代,输出此时的网格new_A。
下面通过实例对骨骼模型进行兼容性分割与参数计算。
如图3至图5所示,首先在特征点提取的基础上对股骨的3D网格模型进行分割;分割得到的模板再指导同类其它股骨模型快速兼容性分割;最后根据网格分割结果计算出股骨的主要参数。
首先,结合特定的解剖结构知识对股骨模型提取一些特征点,该模型中用到的特征点有四类:突出特征点、边界特征点、中心顶点和股骨颈点。其中突出特征点、中心顶点和股骨颈点将作为后续网格分割中区域扩展的种子; 而边界特征点将作为区域扩展终止的标记,如图3所示。
然后,在特征点提取的基础上使用快速行进分水岭算法对股骨模型进行网格分割:对每一个种子特征点进行区域扩展(即分水岭算法中的浸没操作),直到每个浸没的区域全部被边界顶点或其他已标记区域所包围。如图4所示为股骨模型的分割结果。
在对模板模型实现精确分割后,借助基于Laplacian变形的非刚性配准,能在结构特征大体相似的同类其它股骨模型上找到对应特征点,从而指导同类股骨模型进行快速兼容性分割。如图5所示,这些股骨模型的分割结果是相似的。
将股骨模型成功分割成若干个区域后,用类球体、类圆柱体等基本形状来模拟一些区域,并计算出相关参数。此外,为了更好地分析各区域之间的相互关系,也为了从全局上把握股骨整体特点,本发明利用特征点及相关参数对分割所得的各区域建立一个子区域邻接图,如图6所示, 图中每个节点对应于一个子区域,每条边对应于子区域间的邻接关系,若两个节点间有边相连,则说明对应的两个子区域是相邻的,通过这种邻接关系,可以较好地体现股骨模型各部位的空间分布。
最后,基于网格分割结果与子区域邻接图计算出股骨的主要参数,对实验所用的股骨模型计算所得的各个参数值,如下表:
通过表格可知,与传统测量方法相比较, 测量结果无论是精度上还是效率上都有极大的提高, 这些形态参数对指导手术和假体制造具有非常重要的意义,尤其适合于大批量骨骼模型的参数测定。
以上显示和描述了本发明的基本原理和主要特征以及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1. 一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:其方法步骤如下:
(1)在特征点提取的基础上对人体骨骼的3D网格模型进行医学语义分割;该步骤包括如下:
步骤S01:结合特定医学先验知识对骨骼模型提取一些特征点;
步骤S02:基于特征点对骨骼模型进行符合医用的分割;该分割的具体步骤为:
步骤t01:将每个网格顶点的区域号初始为-1,即分割后边界点的区域号保持为-1;
步骤t02:依次对每个种子顶点进行区域扩展,即分水岭算法中的浸没操作,形成一个个汇水盆地;
(2)分割得到的模板再指导同类的其它骨骼模型进行快速兼容性分割;该步骤包括如下:
步骤S03:将已完成分割的模型作为模板模型A, 正待分割的同类骨骼模型作为目标模型B;
步骤S04:在模板模型A与目标模型B之间进行基于Laplacian变形的非刚性配准;
步骤S05:对于模板模型A上的每个特征点p,在配准过的目标模型B上找出对应的特征点q;
步骤S06:目标模型B在相应特征点q的指导下进行快速分割;
(3)根据网格分割结果计算出骨骼的主要参数;该步骤包括如下:
步骤S07:对于已成功分割成若干区域的骨骼模型, 用基本形状来模拟一些区域,并计算出相关参数;
步骤S08:根据特征点及计算出的参数对骨骼模型建立一个子区域邻接图,存储相关信息,将骨骼模型的结构性描述转化成一种语义描述。
2. 根据权利要求1所述的 一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:在所述步骤S01中,所述对骨骼模型提取的特征点有四类:突出特征点、边界特征点、中心顶点和用户选择点;其中,检测突出特征点的具体步骤为:
步骤i01:对网格模型挑选一个中心顶点;
步骤i02:计算每个网格顶点到中心顶点的测地距离;
步骤i03:计算每个网格顶点的局部深度值;
步骤i04: 综合顶点的测地距离值和局部深度值,定位网格模型的突出特征点。
3. 根据权利要求2所述的 一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:在所述步骤i03中,所述局部深度值是指某个顶点相对于邻居顶点的最大高度差即深度;顶点v与某个邻居顶点的高度差可近似为连接这两个顶点的矢量在顶点v的法线向量上的投影。
4. 根据权利要求2所述的 一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:在所述步骤i04中,所述网格模型的突出特征点的检测条件是:该顶点到模型中心顶点的测地距离是其邻域内的局部最大值并且该顶点的局部深度值为负的较小值。
5. 根据权利要求1所述的 一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:在步骤t02中,所述对每一个种子顶点P的浸没操作这样实现:检测种子顶点P的所有邻接点,若种子顶点P的某个邻接点Pi不是边界特征点并且与该区域种子顶点间的测地距离更近, 则赋予Pi与种子顶点P相同的区域号,对邻接点Pij也作同样的区域扩展操作,直到这个浸没的区域全部被边界顶点或其他已标记区域所包围。
6. 根据权利要求1所述的 一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:在步骤S04中,所述模板模型A与同类骨骼模型B之间基于Laplacian变形的非刚性配准,其步骤如下:
步骤p01:为网格B建立kd树,为下一步的最近邻顶点搜索建立查询结构;
步骤p02:为模板网格A中每个顶点找出它在网格B中的最近点,将这样的每一顶点对存放在向量pairs中;
步骤p03:在向量pairs中挑选一批顶点对,作为下一步Laplacian变形的约束顶点对,这些约束顶点的位置在变形过程中力求基本不变;
步骤p04:对模板模型A进行一次Laplacian变形,生成新网格new_A;
步骤p05:在新网格new_A中,求出每个约束顶点与其在网格目标模型B中对应点之间的距离即误差,计算总误差的均方根值,记为err;
步骤p06: 跳转至p02,在new_A与目标模型B之间计算对应点,重新生成约束顶点对, 再进行Laplacian变形;反复迭代,若最后m次迭代内有n 次误差值err比前次大,其中m>n,且m>1, 则结束迭代,输出此时的网格new_A。
7. 根据权利要求1所述的 一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:在所述步骤S07中,所述基本形状主要为类球体、类圆锥体或类圆柱体;所述一些区域主要指股骨头区、股骨干区和股骨颈区。
8. 根据权利要求1所述的 一种基于兼容性网格分割的骨骼参数计算方法,其特征在于:在步骤S08中,针对股骨模型,所述子区域邻接图存储的参数信息包括股骨头圆球直径、股骨干峡部位直径、股骨干长度、股骨颈峡部位直径、颈干角、股骨颈长度、大转子点及小转子点的高斯曲率、大小转子点之间的欧氏距离、股骨头球心至股骨干轴的垂直距离和股骨头球心至小转子中心平面的垂直距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310646822.2A CN103632371B (zh) | 2013-12-06 | 2013-12-06 | 基于兼容性网格分割的骨骼参数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310646822.2A CN103632371B (zh) | 2013-12-06 | 2013-12-06 | 基于兼容性网格分割的骨骼参数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103632371A true CN103632371A (zh) | 2014-03-12 |
CN103632371B CN103632371B (zh) | 2016-04-06 |
Family
ID=50213388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310646822.2A Expired - Fee Related CN103632371B (zh) | 2013-12-06 | 2013-12-06 | 基于兼容性网格分割的骨骼参数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103632371B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809736A (zh) * | 2015-05-12 | 2015-07-29 | 河海大学常州校区 | 基于先验知识的医学断层图像闭合骨骼轮廓计算方法 |
CN104881875A (zh) * | 2015-06-09 | 2015-09-02 | 河海大学常州校区 | 基于先验知识的医学断层图像闭合骨骼轮廓重建方法 |
CN105809730A (zh) * | 2016-03-07 | 2016-07-27 | 哈尔滨工程大学 | 一种长骨骨折断面点云提取方法 |
CN105957075A (zh) * | 2016-04-27 | 2016-09-21 | 河海大学常州校区 | 带权值的平均骨骼模型生成及参数化方法 |
CN106600683A (zh) * | 2016-11-28 | 2017-04-26 | 淮阴工学院 | 一种面向骨骼ct序列图像的网格模型自适应重建方法 |
CN104200524B (zh) * | 2014-09-11 | 2017-06-20 | 河海大学常州校区 | 一种面向接骨板设计的三维网格骨骼模型平均化方法 |
CN110809451A (zh) * | 2017-06-30 | 2020-02-18 | 皇家飞利浦有限公司 | 用于将断裂骨骼的碎片在解剖学上对齐的变换确定 |
CN111105864A (zh) * | 2019-12-27 | 2020-05-05 | 华南理工大学 | 一种动态传输3d模型的方法 |
CN111968236A (zh) * | 2020-07-17 | 2020-11-20 | 哈尔滨理工大学 | 一种基于K-D tree方法的对位对线骨折复位系统 |
CN115131380A (zh) * | 2022-03-03 | 2022-09-30 | 中国人民解放军总医院第四医学中心 | 骨骼组成部位的确定方法、装置、设备及存储介质 |
CN115272615A (zh) * | 2022-08-10 | 2022-11-01 | 新乡学院 | 一种股骨点云模型医学语义分割方法及其应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070116357A1 (en) * | 2005-11-23 | 2007-05-24 | Agfa-Gevaert | Method for point-of-interest attraction in digital images |
CN101969852A (zh) * | 2008-03-04 | 2011-02-09 | 断层放疗公司 | 用于改进图像分割的方法和系统 |
CN103337065A (zh) * | 2013-05-22 | 2013-10-02 | 西安电子科技大学 | 小鼠三维ct图像的非刚性配准方法 |
-
2013
- 2013-12-06 CN CN201310646822.2A patent/CN103632371B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070116357A1 (en) * | 2005-11-23 | 2007-05-24 | Agfa-Gevaert | Method for point-of-interest attraction in digital images |
CN101969852A (zh) * | 2008-03-04 | 2011-02-09 | 断层放疗公司 | 用于改进图像分割的方法和系统 |
CN103337065A (zh) * | 2013-05-22 | 2013-10-02 | 西安电子科技大学 | 小鼠三维ct图像的非刚性配准方法 |
Non-Patent Citations (2)
Title |
---|
乐丹: "基于显著特征点的3D网格模型分割及骨架提取算法研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
钱江: "网格分割算法和相关技术研究", 《中国博士学位论文全文数据库(信息科技辑)》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200524B (zh) * | 2014-09-11 | 2017-06-20 | 河海大学常州校区 | 一种面向接骨板设计的三维网格骨骼模型平均化方法 |
CN104809736A (zh) * | 2015-05-12 | 2015-07-29 | 河海大学常州校区 | 基于先验知识的医学断层图像闭合骨骼轮廓计算方法 |
CN104809736B (zh) * | 2015-05-12 | 2017-09-12 | 河海大学常州校区 | 基于先验知识的医学断层图像闭合骨骼轮廓计算方法 |
CN104881875A (zh) * | 2015-06-09 | 2015-09-02 | 河海大学常州校区 | 基于先验知识的医学断层图像闭合骨骼轮廓重建方法 |
CN105809730B (zh) * | 2016-03-07 | 2018-08-07 | 哈尔滨工程大学 | 一种长骨骨折断面点云提取方法 |
CN105809730A (zh) * | 2016-03-07 | 2016-07-27 | 哈尔滨工程大学 | 一种长骨骨折断面点云提取方法 |
CN105957075A (zh) * | 2016-04-27 | 2016-09-21 | 河海大学常州校区 | 带权值的平均骨骼模型生成及参数化方法 |
CN106600683B (zh) * | 2016-11-28 | 2019-05-31 | 淮阴工学院 | 一种面向骨骼ct序列图像的网格模型自适应重建方法 |
CN106600683A (zh) * | 2016-11-28 | 2017-04-26 | 淮阴工学院 | 一种面向骨骼ct序列图像的网格模型自适应重建方法 |
CN110809451A (zh) * | 2017-06-30 | 2020-02-18 | 皇家飞利浦有限公司 | 用于将断裂骨骼的碎片在解剖学上对齐的变换确定 |
CN110809451B (zh) * | 2017-06-30 | 2023-06-13 | 皇家飞利浦有限公司 | 用于将断裂骨骼的碎片在解剖学上对齐的变换确定 |
CN111105864A (zh) * | 2019-12-27 | 2020-05-05 | 华南理工大学 | 一种动态传输3d模型的方法 |
CN111105864B (zh) * | 2019-12-27 | 2023-06-16 | 华南理工大学 | 一种动态传输3d模型的方法 |
CN111968236A (zh) * | 2020-07-17 | 2020-11-20 | 哈尔滨理工大学 | 一种基于K-D tree方法的对位对线骨折复位系统 |
CN115131380A (zh) * | 2022-03-03 | 2022-09-30 | 中国人民解放军总医院第四医学中心 | 骨骼组成部位的确定方法、装置、设备及存储介质 |
CN115131380B (zh) * | 2022-03-03 | 2023-09-01 | 中国人民解放军总医院第四医学中心 | 骨骼组成部位的确定方法、装置、设备及存储介质 |
CN115272615A (zh) * | 2022-08-10 | 2022-11-01 | 新乡学院 | 一种股骨点云模型医学语义分割方法及其应用 |
CN115272615B (zh) * | 2022-08-10 | 2023-09-08 | 新乡学院 | 一种股骨点云模型医学语义分割方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN103632371B (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103632371B (zh) | 基于兼容性网格分割的骨骼参数计算方法 | |
Lou et al. | Watershed segmentation of topographical features on freeform surfaces and its application to additively manufactured surfaces | |
CN109345523B (zh) | 表面缺陷检测和三维建模方法 | |
CN101604447B (zh) | 无标记人体运动捕捉方法 | |
CN104992445B (zh) | 一种ct图像肺实质的自动分割方法 | |
CN107330903B (zh) | 一种人体点云模型的骨架提取方法 | |
CN111696210A (zh) | 一种基于三维点云数据特征轻量化的点云重构方法及系统 | |
CN106910242A (zh) | 基于深度相机进行室内完整场景三维重建的方法及系统 | |
CN107123164A (zh) | 保持锐利特征的三维重建方法及系统 | |
CN103268603B (zh) | 基于层级血管树划分的肝脏图像分段方法 | |
CN106504331A (zh) | 基于三维模型检索的牙齿建模方法 | |
CN102573638A (zh) | 一种用于分割图像中的肝脏对象的方法和系统 | |
CN101393644A (zh) | 一种肝门静脉血管树建模方法及其系统 | |
CN109658431B (zh) | 基于区域生长的岩体点云平面提取方法 | |
CN107330281B (zh) | 全自动骨折钢板模型个性化重构方法 | |
CN106091923A (zh) | 基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法 | |
Rasheed et al. | A survey of computer methods in reconstruction of 3D archaeological pottery objects | |
Lee et al. | Extraction and regularization of various building boundaries with complex shapes utilizing distribution characteristics of airborne LIDAR points | |
CN110176064A (zh) | 一种摄影测量生成三维模型的主体对象自动识别方法 | |
CN116258857A (zh) | 一种面向室外树木激光点云分割与提取方法 | |
CN104952068A (zh) | 一种脊椎特征点自动识别方法 | |
CN107993242B (zh) | 基于机载LiDAR点云数据缺失区域边界提取方法 | |
CN103489220B (zh) | 对三维目标建立统计形状模型的方法 | |
Dahiya et al. | Object oriented approach for building extraction from high resolution satellite images | |
CN106980878A (zh) | 三维模型几何风格的确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160406 Termination date: 20181206 |