CN105631930B - 一种基于dti的颅内神经纤维束的三维重建方法 - Google Patents

一种基于dti的颅内神经纤维束的三维重建方法 Download PDF

Info

Publication number
CN105631930B
CN105631930B CN201510962058.9A CN201510962058A CN105631930B CN 105631930 B CN105631930 B CN 105631930B CN 201510962058 A CN201510962058 A CN 201510962058A CN 105631930 B CN105631930 B CN 105631930B
Authority
CN
China
Prior art keywords
fibre bundle
nerve fibre
mri image
dimensional
dti
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
Application number
CN201510962058.9A
Other languages
English (en)
Other versions
CN105631930A (zh
Inventor
兰青
刘曼
范小敏
袁玉宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Maple regenerative medicine Polytron Technologies Inc
Original Assignee
Guangzhou Maple Regenerative Medicine Polytron Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Maple Regenerative Medicine Polytron Technologies Inc filed Critical Guangzhou Maple Regenerative Medicine Polytron Technologies Inc
Priority to CN201510962058.9A priority Critical patent/CN105631930B/zh
Publication of CN105631930A publication Critical patent/CN105631930A/zh
Application granted granted Critical
Publication of CN105631930B publication Critical patent/CN105631930B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G06T2207/10092—Diffusion tensor magnetic resonance imaging [DTI]
    • 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
    • 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
    • G06T2207/30016—Brain
    • 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
    • G06T2207/30096—Tumor; Lesion
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明涉及一种基于DTI的颅内神经纤维束的三维重建方法及一种基于3D打印技术的包括神经纤维束的头颅三维模型制备方法。包括以下步骤：对目标组织区域以及周围神经纤维束进行磁共振扫描，获得包含神经纤维束的目标组织区域的MRI影像数据；对获得的MRI影像进行DTI处理及相关处理，从而获得带有可识别的神经纤维束的MRI图像；对带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息进行推算，再通过mimics软件进行三维重建，获得包含颅内神经纤维束的三维模型。通过所述三维模型和3D打印的三维实体模型可以清楚地显示解剖结构、脑组织功能区域、各组织之间的位置关系，为手术提供实体模型，用于手术入路设计和手术模拟。

Description

一种基于DTI的颅内神经纤维束的三维重建方法
技术领域
本发明涉及图像的三维重建技术领域，更具体地，涉及一种基于DTI的颅内神经纤维束的三维重建方法及一种基于3D打印技术的包括神经纤维束的头部三维实体模型的制备方法。
背景技术
MRI(磁共振成像)是利用原子核在磁场内共振所产生信号经重建成像的一种成像技术。MRI作为一项新的医学影像诊断技术，近年来发展十分迅速。磁共振成像所提供的信息量不但多于其他许多成像技术，而且以它所提供的特有信息对诊断疾病具有很大的潜在优越性。颅内肿瘤的病人在进行手术之前需要进行MRI检查，诊断肿瘤的位置、性质、大小、与周围血管等组织的关系、肿瘤是否侵蚀到周围的组织等。医生可根据MRI提供的信息并结合病人的临床表现，对疾病进行判断和诊断。
DTI(Diffusion Tensor Imaging，弥散张量成像)是一种描述大脑结构的新方法，是核磁共振成像(MRI)的特殊形式，是目前唯一可在活体显示脑白质纤维束(WMF)的无创性成像方法，其能够显示肿瘤周围在常规MRI中显示为正常的脑白质束，能够清楚的显示出脑瘤周围脑白质的异常位置，反映了WMF中水分子弥散的方向依赖特性，其FA(各向异性指数)值可以显示大脑白质纤维的结构和各向异性特征，如显示内囊、胼胝体、外囊等结构。
但MRI和DTI只能提供局部二维的影像图片，供电脑查看，不能提供三维立体的包括颅内解剖结构和疾病的模型图像和/或模型。因此，如何获得颅内神经纤维束的三维图像和/或三维实体模型，使临床医生能从三维视觉上和/或实体模型中清楚了解神经纤维束的情况，尤其是临床上脑白质纤维束因肿瘤占位效应和病变所致的位置和/或走向异常的信息，以及病变位置神经纤维、肿瘤、血管与周围组织的关系，为临床医生手术提供术前实体疾病模型，并进一步在实体模型上设计规划手术方案、评估手术风险，已成为广泛的研究热点。
发明内容
为解决上述现有技术所存在的缺陷及不足，实现含有神经纤维束的头部结构的三维实体打印，本发明提出了一种基于DTI的颅内神经纤维束的三维重建方法。该方法对MRI采集的数据进行DTI处理，并标示目标神经纤维束的走向，将已经标示好带有DTI信息的神经纤维束影像按照原路径投射回到MRI的影像中，获得带有可识别的神经纤维束的MRI图像；其中，所述带有可识别的神经纤维束的MRI图像的保存格式为JPG格式；将获得的带有可识别的神经纤维束的MRI图像导入mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，然后将推算结果输入mimics软件中进行三维重建，从而获得包括颅内神经纤维束的头部结构三维模型。利用该三维模型，结合3D打印制成三维实体模型。
本发明解决其技术问题所采用的技术方案如下：一种基于DTI的颅内神经纤维束的三维重建方法，包括以下步骤：
S1：利用核共振对头部或头部局部区域进行扫描，获得目标组织区域的MRI影像数据；
S2：对获得的MRI影像进行DTI处理，获得MRI影像的FA信号，并标示神经纤维束走向，将标示好神经纤维束走向的图像投射回到MRI影像上，从而获得带有可识别的神经纤维束的MRI图像；其中，所述带有可识别的神经纤维束的MRI图像的保存格式为JPG格式；
S3：将所述带有可识别的神经纤维束的MRI图像导入到mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，然后将推算结果输入mimics软件中进行三维重建，获得颅内神经纤维束的三维模型。
进一步地，S2中所述的DTI处理包括弥散张量计算以及FA，磁共振表观扩散系数值(ADC)的计算，对于FA＞0.2进行全脑体素纤维跟踪及可视化。
进一步地，S2中所述标示神经纤维束走向，可以通过不同的颜色对神经纤维束走向进行标记。DTI是利用组织中水分子弥散的各向异性来探测组织微观结构的成像方法，将每个体素的3个矢量成分分配为红(X轴)、绿(Y轴)、蓝(Z轴)3种颜色，扩散最大的方向代表纤维束走行的主要方向。
进一步地，所述步骤S2中，所述带有可识别的神经纤维束的MRI图像的保存格式为JPG格式。
进一步地，推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，其推算过程包括：
根据公式
(1)P＝S/M
(2)T＝P*D
其中P表示影像的像素，S表示影像的视野，M表示影像矩阵，T表示体素，D表示层厚，其中矩阵M中包含行、列信息；
步骤S1中，头部相关组织的MRI影像数据中，包含矩阵M的行、列和像素P的信息；
步骤S2中，将标示好的神经纤维束图像投射回到MRI获得的带有可识别的神经纤维束的MRI图像中，包含新的矩阵M的行、列信息，与步骤S1中的MRI图像相比，其矩阵M发生改变，像素P也随着发生改变，视野S不变，则根据公式(1)计算改变后的像素P值，其中X、Y用计算改变后的像素P的值来表示，Z用层厚D的值来表示。
进一步地，采用mimics软件进行三维重建的过程包括：
(1)将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示好图片的上、下、左、右位置信息；
(2)采用mimics提取神经纤维的信息，通过像素灰度值范围来定义提取对象；
(3)三维模型形成：mimics软件根据提取对象，计算形成颅内神经纤维束的三维模型。
进一步地，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑肿瘤的三维重建，最后获得包含脑肿瘤和神经纤维束的三维模型。
进一步地，采用mimics软件对带有可识别的神经纤维束的MRI图像进行血管的三维重建，最后获得包含血管和神经纤维束的三维模型。
进一步地，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑组织的三维重建，最后获得包含脑组织和神经纤维束的三维模型。
进一步地，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑肿瘤、血管、脑组织的三维重建，最后获得包含脑肿瘤、血管、脑组织和神经纤维束的三维模型。
通常地，在采用mimics提取神经纤维的信息后或计算形成颅内神经纤维束的三维模型前，还会对信息进行区域增长处理，所述区域增长是指：mimics软件根据选择的像素范围进行计算，将相连的像素形成一体。
为了更好地进行观察、诊断和术前规划，进一步包括3D打印步骤，可根据需要获得包含颅内神经纤维束和肿瘤、血管、脑组织等一个或多个颅内解剖结构的三维实体模型。
一种基于3D打印技术的含神经纤维束的头部三维实体模型制备方法，包括以下步骤：
S1：利用磁共振对头部或头部局部区域进行扫描，获得目标组织区域的MRI影像数据；
S2：对获得的MRI影像数据进行DTI处理，获得MRI影像的FA信号，并标示神经纤维束走向，将标示好神经纤维束走向的图像投射回MRI影像上，从而获得带有可识别的神经纤维束的MRI图像；其中，所述带有可识别的神经纤维束的MRI图像的保存格式为JPG格式；
S3：将所述带有可识别的神经纤维束的MRI图像导入mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息；
S4：将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示好图片的上、下、左、右位置信息；
S5：通过像素灰度值范围来定义提取对象，并对各不同对象进行标记；
S6：根据需求将非目标的对象去除，留下包括神经纤维束的需求目标对象；
S7：对包括神经纤维束的需求目标对象进行三维模型转换，计算形成目标对象的三维模型；
S8：用颅脑CT扫描所述头部二维原始图像数据；
S9：将S8获得的数据导入mimics中，并仅选取颅骨信息进行颅骨的三维模型重建，获得颅骨三维模型；
S10：将S7获得的三维模型与S9获得的颅骨三维模型进行配准融合，建立包括颅骨和目标对象的三维模型；
S11：将S10获得的三维模型导入3D打印机中，进行打印，打印得到所需的含神经纤维束的头部三维实体模型。
进一步地，S2中所述标示神经纤维束走向，可以通过不同的颜色对神经纤维束走向进行标记。DTI是利用组织中水分子弥散的各向异性来探测组织微观结构的成像方法，将每个体素的3个矢量成分分配为红(X轴)、绿(Y轴)、蓝(Z轴)3种颜色，扩散最大的方向代表纤维束走行的主要方向。
S5.中，所述对象为所有的头部医学解剖结构和颅内肿瘤。具体地，头部医学解剖结构为血管、脑组织、皮质脊髓束、胼胝体、内囊、扣带回、冠辐射、视神经、及其他颅内组织。
在对颅内组织结构进行三维重建时，可以同时进行颅骨的三维重建，获得头部各解剖结构的三维几何模型，直观显示各组织的解剖结构，建立整体头颅的三维模型。
一种由所述方法制备的三维模型在作为临床教学(医学教学、临床医生培训等)中的应用。
经过本发明所述重建方法重建的三维模型，使医生可以模拟、预测、规划、评估手术设计的步骤，还可以结合3D打印技术将其转化为实体模型，并藉由该模型演练手术过程，设计手术入路，规划手术方案、预估手术过程中可能遇到的问题，降低手术风险性。
由所述方法制备的三维实体模型可直观看到不同对象的解剖结构，如血管的形态、走形，管径等或者是如肿瘤的大小，形状，侵蚀周围组织的情况，神经纤维束的走形和方向等。
由所述方法获得的三维模型和制备的三维实体模型，可以清晰显示人头部的解剖结构和肿瘤，以及肿瘤与各组织的位置关系，在医学教学、培训和临床手术应用中，均有优势。
本发明与现有技术相比，具有以下有益效果：
(1)提供一种方法，实现颅内神经纤维束的三维重建；提供一种基于3D打印技术的制备方法，获得包含神经纤维束的头部三维实体模型。
(2)本发明通过将MRI和DTI进行融合，建立包含颅内神经纤维束的头部三维模型，通过所述三维模型可以清楚地显示神经纤维束的位置、走行和方向，从而对其他颅内疾病与脑白质纤维束的位置关系和相互影响提供直接的三维结构信息，对于指导医生的临床工作具有重要意义。
(3)通过脑肿瘤、血管、脑组织、神经纤维束的三维重建，获得包含脑肿瘤、血管、脑组织和神经纤维束的三维模型，通过所述三维模型显示肿瘤与周围组织的关系，从而为肿瘤切除提供很好的手术指导。
(4)本发明的神经纤维束的三维重建方法简单可行，做完DTI后只需导出JPG格式图片，剩下的只需重建工程师利用Mimics单一软件即可完成。
(5)进一步地，结合3D打印可获得包含颅内神经纤维束、其他疾病信息、头部正常解剖结构等的头部三维实体模型。所述头部三维实体模型，可以提供疾病全信息的三维视角，医学教学上可以提供真实的1:1的实物疾病模型，与尸头相比，3D打印疾病模型更易获得和数量不受限；临床应用上，3D打印模型将看不见的解剖结构和病变变成真实可触摸的实物，将二维的影像图片变成三维的实物，从而有助于医生更直观地进行术前规划，手术方案设计，手术入路设计，手术模拟等，达到精准手术，降低手术风险，具有很好的临床应用价值。避免了因常规临床对疾病的认识都是二维的，需要医生把病人的各种症状、影像检查结果综合在一起，医生根据自己的医学背景如熟练的解剖知识在自己脑海里构建疾病模型，从而使得每个医生构建的模型都可能有差异，且可能会遗漏某些信息。
附图说明
图1为本发明所述基于DTI的脑肿瘤和脑白质纤维束的三维影像重建方法和基于3D打印技术的包括神经纤维束的头部三维实体模型的制备方法的示意图。
图2为本发明重建后的包含神经纤维束、颅骨、脑肿瘤及血管三维模型。
图3为依据图2的三维模型进行3D打印获得的三维实体模型。
具体实施方式
下面结合附图对发明做进一步的描述，但本发明的实施方式并不限于此。
本实施例针对有脑部肿瘤的病人进行试验，通过三维重建和3D打印获得包含神经纤维束、颅骨、脑肿瘤及血管的三维模型以及相应的三维实体模型。
参见附图1，一种基于3D打印技术的包括神经纤维束的头部三维实体模型的制备方法，包括以下步骤：
S1：使用磁共振扫描对脑肿瘤病人的头部病灶部位及相关神经纤维束区域进行扫描，获得头部相关组织的MRI影像数据，其MRI影像数据保存为DICOM格式；
S2：对获得的MRI影像进行DTI处理，包括弥散张量计算以及FA，ADC等扩散指标的计算；对于FA＞0.2进行全脑体素纤维跟踪及可视化，并分别标示出神经纤维束走向，将标示好神经纤维束走向的图像投射回到MRI影像上从而获得带有可识别的神经纤维的MRI图像；
目前标准的影像数据保存格式为DICOM格式，但是由于将DTI处理后投射回MRI影像上，获得的带有可识别的神经纤维束的MRI图像，其影像数据发生改变，使得在DICOM格式中几乎所有参数信息变为不可见或无法识别，无法采用该DICOM格式数据进行三维重建，因此将带有可识别的神经纤维束的MRI图像导出为JPG格式。
S3：将所述带有可识别的神经纤维的JPG格式的MRI图像导入到mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，然后将推算结果输入mimics软件中进行三维重建，获得颅内神经纤维束的三维模型。
在mimics重建软件中，对于图像信息的获取，需要输入X、Y、Z轴的值。因此，进行神经纤维束的三维重建需要推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，其推算过程包括：
根据公式
(1)P＝S/M
(2)T＝P*D
其中P表示影像的像素，S表示影像的视野，M表示影像矩阵，T表示体素，D表示层厚，其中矩阵M中包含行、列信息；
步骤S1中，头部的MRI影像数据中，包含矩阵M的行、列和像素P的信息；
步骤S2中，将标示好的神经纤维图像投射回到MRI获得的带有可识别的神经纤维束的MRI图像中，包含新的矩阵M的行、列信息。由于DTI是在原来基本的MRI影像数据基础上做的，视野不变，当矩阵变大，则图像对物体空间大小的辨别能力会变高，图像的像素变小；同理，当矩阵变小，则空间分辨率就会变低，像素增大。因此，与步骤S1中的MRI图像相比，其矩阵M发生改变，像素P也随着发生改变，视野S不变，则根据公式(1)计算改变后的像素P值。
假设步骤S1中，矩阵M的行、列值如下：
1.行＝256，列＝256，P＝0.859375；
2.行＝512，列＝512，P＝0.4296875；
而步骤S2中，矩阵M的行、列值如下：1.行＝1024，列＝1024；
由于进行DTI处理前后影像的视野保持不变，则根据公式(1)可以推出步骤S2中像素P的值，P＝0.21484375；
X、Y可以用改变后的像素P的值来表示，Z代表图像的断层与断层之间的距离，可以用层厚D的值来表示，层厚D在做DTI前后并没有改变，可以通过步骤S1中获得的MRI影像数据获得，于是得到X、Y、Z轴的信息。
采用mimics软件进行三维重建的过程包括：
(1)将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示好图片的上、下、左、右位置信息；
(2)采用mimics中的Thresholding工具提取神经纤维的信息，通过像素灰度值范围来定义提取对象；
(3)区域增长：mimics软件根据选择的像素范围进行计算，将相连的像素形成一体；
(4)三维模型形成：mimics软件中的mask根据区域增长的像素，Calculate 3D计算形成颅内神经纤维束的三维模型。
为了获得同时包含脑肿瘤、血管、神经纤维束的三维模型，还包括采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑肿瘤和血管的三维重建，其重建方法为现有技术，在此不再详细赘述。最后，获得包含脑肿瘤、血管和神经纤维束的三维模型。
为了获得包含神经纤维束、颅骨、脑肿瘤及血管的头部三维模型及其三维实体模型，进一步地包括以下步骤：
用颅脑CT扫描所述头部二维原始图像数据；
将获得的头部二维CT影像信息导入mimics中进行颅骨的三维重建，获得颅骨三维模型；
将获得的包含脑肿瘤、血管和神经纤维束的三维模型与颅骨三维模型进行配准融合，建立包括颅骨和目标对象的三维模型；结果如附图2所示。
将附图2获得的三维模型导入3D打印机中，进行打印，得到所需的含神经纤维束的头部结构的三维实体模型。
3D打印方法可为现有技术中的方法。最后获得的三维实体模型如图3所示。通过所述三维模型和三维实体模型可清楚地观察到神经纤维束的位置和走向，以及脑肿瘤与神经纤维束及血管的位置关系，为脑肿瘤的手术规划设计、手术入路设计、手术风险评估、手术演练和模拟等提供很好的帮助。
以上所述的本发明的实施方式仅仅是为清楚地说明本发明所作的举例，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (13)

1.一种基于DTI的颅内神经纤维束的三维重建方法，其特征在于包括如下步骤：
S1：利用磁共振对头部或头部局部区域进行扫描，获得目标组织区域的MRI影像数据；
S2：对获得的MRI影像数据进行DTI处理，获得MRI影像的FA信号，并标示神经纤维束走向，将标示好神经纤维束走向的图像投射回MRI影像上，从而获得带有可识别的神经纤维束的MRI图像；其中，所述带有可识别的神经纤维束的MRI图像的保存格式为JPG格式；
S3：将所述带有可识别的神经纤维束的MRI图像导入mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，然后将推算结果输入mimics软件中进行三维重建，获得颅内神经纤维束的三维模型。
2.根据权利要求1所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于：在S2中所述DTI处理包括弥散张量计算以及FA、ADC扩散指标的计算，对于FA＞0.2进行全脑体素纤维跟踪及可视化。
3.根据权利要求1所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于：所述步骤S3中，推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，其推算过程包括：
根据公式
(1)P＝S/M
(2)T＝P*D
其中P表示影像的像素，S表示影像的视野，M表示影像矩阵，T表示体素，D表示层厚，其中矩阵M中包含行、列信息；
步骤S1中，头部病灶组织的MRI影像数据中，包含矩阵M的行、列和像素P的信息；步骤S2中，将标示好的神经纤维束图像投射回MRI影像获得的带有可识别的神经纤维束的MRI图像中，包含新的矩阵M的行、列信息，与步骤S1中的MRI图像相比，其矩阵M发生改变，像素P也随着发生改变，视野S不变，则根据公式(1)计算改变后的像素P值，其中X、Y用计算改变后的像素P的值来表示，Z用层厚D的值来表示。
4.根据权利要求3所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，所述步骤S3中，将推算结果输入mimics软件中进行三维重建的过程如下：
(1)将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示图片的上、下、左、右位置信息；
(2)采用mimics软件提取神经纤维信息，通过像素灰度值范围来定义提取对象；
(3)三维模型形成：mimics软件根据提取对象，计算形成神经纤维束的三维模型。
5.根据权利要求4所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑肿瘤的三维重建，最后获得包含脑肿瘤和神经纤维束的三维模型。
6.根据权利要求4所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，采用mimics软件对带有可识别的神经纤维束的MRI图像进行血管的三维重建，最后获得包含血管和神经纤维束的三维模型。
7.根据权利要求4所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑组织的三维重建，最后获得包含脑组织和神经纤维束的三维模型。
8.根据权利要求4所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，采用mimics软件对带有可识别的神经纤维束的MRI图像进行脑肿瘤、血管的三维重建，最后获得包含脑肿瘤、血管和神经纤维束的三维模型。
9.根据权利要求1至8中任意一项所述的基于DTI的颅内神经纤维束的三维重建方法，其特征在于，还包括3D打印步骤，获得包含颅内神经纤维束的三维实体模型。
10.一种基于3D打印技术的包括神经纤维束的头部三维实体模型的制备方法，其特征在于，包括以下步骤：
S1：利用磁共振对头部或头部局部区域进行扫描，获得目标组织区域的MRI影像数据；
S2：对获得的MRI影像数据进行DTI处理，获得MRI影像的FA信号并标示神经纤维束走向，将标示好神经纤维束走向的图像投射回MRI影像上，从而获得带有可识别的神经纤维束的MRI图像；其中，所述带有可识别的神经纤维束的MRI图像的保存格式为JPG格式；
S3：将所述带有可识别的神经纤维束的MRI图像导入mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息；
S4：将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示图片的上、下、左、右位置信息；
S5：通过像素灰度值范围来定义提取对象，并对各不同对象进行标记；
S6：根据需求将非目标的对象去除，留下包括神经纤维束的需求目标对象；
S7：对包括神经纤维束的需求目标对象进行三维模型转换，计算形成目标对象的三维模型；
S8：用颅脑CT扫描所述头部二维原始图像数据；
S9：将S8获得的数据导入mimics中，并选取颅骨信息进行颅骨的三维模型重建，获得颅骨三维模型；
S10：将S7获得的三维模型与S9获得的颅骨三维模型进行配准融合，建立包括颅骨和目标对象的三维模型；
S11：将S10获得的三维模型导入3D打印机中，进行打印，打印得到所需的含神经纤维束的头部三维实体模型。
11.根据权利要求10所述的制备方法，其特征在于，S5中，所述对象为所有的头部医学解剖结构和颅内肿瘤。
12.根据权利要求11所述的制备方法，其特征在于，S5中，头部医学解剖结构为血管、脑组织、皮质脊髓束、胼胝体、内囊、扣带回、冠辐射、视神经、及其他颅内组织。
13.一种由权利要求10至12任一项所述方法制备的三维实体模型，其特征在于，在临床教学中的应用。
CN201510962058.9A 2015-11-27 2015-12-17 一种基于dti的颅内神经纤维束的三维重建方法 Active CN105631930B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510962058.9A CN105631930B (zh) 2015-11-27 2015-12-17 一种基于dti的颅内神经纤维束的三维重建方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN2015108557380 2015-11-27
CN201510855738 2015-11-27
CN201510962058.9A CN105631930B (zh) 2015-11-27 2015-12-17 一种基于dti的颅内神经纤维束的三维重建方法

Publications (2)

Publication Number Publication Date
CN105631930A CN105631930A (zh) 2016-06-01
CN105631930B true CN105631930B (zh) 2019-09-20

Family

ID=56046812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510962058.9A Active CN105631930B (zh) 2015-11-27 2015-12-17 一种基于dti的颅内神经纤维束的三维重建方法

Country Status (2)

Country Link
CN (1) CN105631930B (zh)
WO (1) WO2017088816A1 (zh)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631930B (zh) * 2015-11-27 2019-09-20 广州迈普再生医学科技股份有限公司 一种基于dti的颅内神经纤维束的三维重建方法
WO2017147501A1 (en) 2016-02-25 2017-08-31 Massachusetts Institute Of Technology Neuronal axon mimetics for in vitro analysis of neurological diseases, myelination, and drug screening
WO2018208909A1 (en) 2017-05-10 2018-11-15 Massachusetts Institute Of Technolgy Cell-mimetic device
CN107361843B (zh) * 2017-08-16 2020-01-21 福州大学 具有真实触感的沉浸式神经外科手术模拟方法
CN107307906A (zh) * 2017-08-24 2017-11-03 上海市同济医院 腹部CT在mimics三维重建引导下肝脏组织活检定位方法
CN108339181A (zh) * 2018-01-09 2018-07-31 浙江省肿瘤医院 一种利用数字化空间重构及3d打印技术制备气管套管的方法
CN108523995A (zh) * 2018-01-23 2018-09-14 上海交通大学医学院附属上海儿童医学中心 一种颅缝早闭手术模拟系统及其方法
CN108523997A (zh) * 2018-04-28 2018-09-14 上海交通大学医学院附属仁济医院 脑皮层结构、脑血管及脑内病灶3d打印模型及其制备方法
CN108847111B (zh) * 2018-06-13 2020-11-20 广州迈普再生医学科技股份有限公司 一种颅脑仿真模型及其制备方法
CN109308680A (zh) * 2018-08-30 2019-02-05 迈格生命科技（深圳）有限公司 一种基于磁共振影像的大脑解剖教学系统
CN109102894B (zh) * 2018-10-18 2021-09-07 中国医学科学院生物医学工程研究所 结合皮层兴奋性的各向异性电导率头模型建模方法及装置
CN109308699A (zh) * 2018-10-29 2019-02-05 王新乐 一种脑神经纤维影像与其神经递质融合成像的方法
CN111613300B (zh) * 2019-02-22 2023-09-15 曹生 基于VRDS 4D医学影像的肿瘤与血管Ai处理方法及产品
CN109903355B (zh) * 2019-03-04 2020-08-04 四川大学 基于空谱双域张量自相似的能谱ct重建方法
JP7271277B2 (ja) * 2019-04-10 2023-05-11 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像処理システム
CN110246215B (zh) * 2019-05-22 2023-03-17 上海长征医院 基于3d打印技术的颅脑病灶可视化成像系统及方法
CN110176066B (zh) * 2019-05-28 2023-04-18 中山大学附属第三医院 颅骨缺损结构的重建方法、装置及电子设备
CN110288523B (zh) * 2019-07-02 2023-10-13 北京字节跳动网络技术有限公司 图像生成方法和装置
CN110491518B (zh) * 2019-07-31 2023-04-07 中国医学科学院生物医学工程研究所 一种针对任务态的经颅磁刺激建模仿真方法
CN110664482A (zh) * 2019-10-08 2020-01-10 陈骏 基于三维重建技术的头部数字模型和多级导板的制备方法
CN111179421B (zh) * 2019-12-31 2023-11-28 广州市妇女儿童医疗中心 构建神经母细胞瘤模型的方法、装置和计算机设备
CN111429564B (zh) * 2020-03-11 2023-09-19 上海嘉奥信息科技发展有限公司 基于Unity3D生成神经纤维素模型的方法、系统及介质
CN111588463A (zh) * 2020-03-31 2020-08-28 何筱峰 手术计划的确定方法、装置及存储介质
CN111553979B (zh) * 2020-05-26 2023-12-26 广州雪利昂生物科技有限公司 基于医学影像三维重建的手术辅助系统及方法
CN112037210B (zh) * 2020-09-02 2024-01-26 上海爱谨人工智能科技有限公司 一种将神经束与大脑灰质连接终点投影在大脑皮质的方法
CN114311647A (zh) * 2020-09-30 2022-04-12 孙朝阳 颅骨模体制作技术
CN112735240A (zh) * 2020-12-29 2021-04-30 天津市第一中心医院 一种基于mr图像的面肌痉挛模型及其制备方法
CN113077887B (zh) * 2021-03-24 2022-09-02 四川大学华西医院 大脑白质病变自动化定量分析系统与判读方法
CN113349925A (zh) * 2021-06-01 2021-09-07 浙江工业大学 基于全自动三维成像的听神经瘤手术路径自动规划方法
CN113379249B (zh) * 2021-06-11 2022-10-28 浙江工业大学 一种基于图谱的纤维束成像评价方法
CN113658475A (zh) * 2021-08-19 2021-11-16 东莞雀鹏医疗信息科技有限公司 一种仿生肿瘤结构的制作方法及仿生肿瘤结构的教具平台
CN117934726B (zh) * 2024-03-11 2024-05-28 景昱医疗科技（苏州）股份有限公司 三维可视化方法、装置和系统、可读存储介质
CN118247336B (zh) * 2024-04-16 2024-09-17 中国人民解放军东部战区总医院 一种脑膜中动脉的颞部体表定位方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103690167A (zh) * 2013-12-31 2014-04-02 李新春 一种用于坐骨神经的mr成像分析方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1275180C (zh) * 2003-09-10 2006-09-13 北京工业大学 一种钛合金颅骨修复体制备方法
CN101606841B (zh) * 2009-07-10 2012-08-15 中国人民解放军第三军医大学第一附属医院 一种人体视束形态的mri定位测量方法
US9177416B2 (en) * 2010-03-22 2015-11-03 Microsoft Technology Licensing, Llc Space skipping for multi-dimensional image rendering
CN101872385B (zh) * 2010-04-30 2011-11-30 天津大学 基于拓扑保持的快速行进纤维跟踪方法
CN105078514A (zh) * 2014-04-22 2015-11-25 重庆海扶医疗科技股份有限公司 三维模型的构建方法及装置、图像监控方法及装置
CN105631930B (zh) * 2015-11-27 2019-09-20 广州迈普再生医学科技股份有限公司 一种基于dti的颅内神经纤维束的三维重建方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103690167A (zh) * 2013-12-31 2014-04-02 李新春 一种用于坐骨神经的mr成像分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
3D打印技术在下领骨肿瘤中的应用;周烨等;《海南医学》;20131231;第24卷(第23期);第3486页第1.2、1.2.1、1.2.2节 *
人体颅脑 MRI 图像中下颌骨的分割及三维建模;何叶松等;《中国医学物理学杂志》;20100531;第27卷(第3期);第1876-1880页 *

Also Published As

Publication number Publication date
WO2017088816A1 (zh) 2017-06-01
CN105631930A (zh) 2016-06-01

Similar Documents

Publication Publication Date Title
CN105631930B (zh) 一种基于dti的颅内神经纤维束的三维重建方法
US10255723B2 (en) Planning, navigation and simulation systems and methods for minimally invasive therapy
JP7132299B2 (ja) 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム
Gargiulo et al. New Directions in 3D Medical Modeling: 3D‐Printing Anatomy and Functions in Neurosurgical Planning
CN108523997A (zh) 脑皮层结构、脑血管及脑内病灶3d打印模型及其制备方法
Khmelinskii et al. Articulated whole-body atlases for small animal image analysis: construction and applications
CN112967786B (zh) 基于多模影像与交互设备的解剖导航的构建方法及系统
RU2171630C2 (ru) Способ совмещения трехмерных изображений, полученных с помощью компьютерных томографов, работающих на основе различных физических принципов
CN101542526B (zh) 融合的灌注和功能性3d旋转血管造影绘制
CN1650329B (zh) 三维体积图像的产生和显示方法
Yang et al. CT-MRI image fusion-based computer-assisted navigation management of communicative tumors involved the infratemporal-middle cranial fossa
JP2005524896A5 (zh)
CN101176683A (zh) 人体立体解剖图象的制作方法与应用
US11024100B2 (en) Method and apparatus for transforming physical measurement data of a biological organ
CN112562073A (zh) 一种脑深部肿瘤与白质纤维束关系模型及其制备方法
Huntgeburth et al. Local morphology informs location of activation during navigation within the parahippocampal region of the human brain
CN109512511A (zh) 基于定位导板的手术增强现实定位的方法和装置
Zhang et al. Chinese visible human data sets and their applications
Musienko et al. METHODICAL DEVELOPMENT AND EVALUATION OF USING ADDITIVE MANUFACTURING FOR CREATING NEUROSURGICAL 3D MODELS FOR OPERATIVE PREPARATION AND PROFESSIONAL TRAININGS IN MEDICINE
Zhai et al. A navigation system for minimally invasive abdominal intervention surgery robot
Yang et al. Application of Dextroscope virtual reality system in anatomical research of inner structures in petrosal bone
Rosahl et al. The Virtual Operating Field: How Image Guidance Became Integral to Microneurosurgery

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190823

Address after: 510663 Third Floor of Area E, 80 Lanyue Road, Science City, Guangzhou High-tech Industrial Development Zone, Guangdong Province

Applicant after: Guangzhou Maple regenerative medicine Polytron Technologies Inc

Address before: 510663 Unit 402, Level 4, E, Science and Technology Innovation Base, 80 Lanyue Road, Science City, Guangzhou High-tech Industrial Development Zone, Guangdong Province

Applicant before: GUANGZHOU JUPU TECHNOLOGY CO., LTD.

GR01 Patent grant
GR01 Patent grant