CN106960439A - 一种脊椎骨识别装置及方法 - Google Patents
一种脊椎骨识别装置及方法 Download PDFInfo
- Publication number
- CN106960439A CN106960439A CN201710195659.0A CN201710195659A CN106960439A CN 106960439 A CN106960439 A CN 106960439A CN 201710195659 A CN201710195659 A CN 201710195659A CN 106960439 A CN106960439 A CN 106960439A
- Authority
- CN
- China
- Prior art keywords
- vertebrae
- bounding box
- face
- fitting surface
- vertebra
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/30012—Spine; Backbone
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种脊椎骨识别装置及方法,所述脊椎骨识别装置包括:图像采集单元、端面识别单元、端面分析单元、包围盒生成单元、图像处理单元;其中,所述端面识别单元基于对图像采集单元采集的脊椎图像完成脊椎骨端面识别并将完成识别过程生成的拟合曲面发送至端面分析单元;所述端面分析单元利用识别出的拟合曲面求出曲面的中心点和法向量,以曲面中心点为原点建立三维空间坐标系,并求出曲面在三维坐标轴三个方向的值域;所述包围盒生成单元基于识别出的拟合曲面中心点和曲面各点在三维坐标轴三个方向的值域确定包围盒的位置和大小并生成包围盒完成脊椎骨截取。
Description
技术领域
本发明涉及医学脊椎成像技术领域,尤其涉及一种脊椎骨识别装置及方法。
背景技术
随着现代医学成像技术的发展,先后出现了计算机断层扫描(CT)、核磁共振成像(MRI)、正电子发射计算机造影(PEI),超声(Ultrasound)等。但这些医学影像设备只能提供人体内部组织或器官断面的二维图像,不能提供连续的三维形式的图像。在目前的医疗诊断中,主要是通过观察一组CT,MRI的二维切片图像去发现病灶,只能凭借医生的读片经验去估计病灶的形状和大小,缺乏直观性,难以达到准确的判断。
外科手术的不断发展,精准外科手术对计算机医学影像系统提出了更高的要求,在外科手术中,医生在术前就需要对病变区域,以及与血管的支配关系进行详细的了解。计算机断层扫描(CT)、核磁共振成像(MRI)、正电子发射计算机造影(PEI),超声(Ultrasound)等医学影像设备只能提供人体内部组织或器官断面的二维图像,不利于医生的准确判断和详细了解。
把计算机三维重建技术运用到传统的医学成像系统中并加以利用,可以提高医学成像系统的利用效率以及医学研究中的突破进步,这已成为医学中一个研究的热门领域。利用医院的CT断层扫描图进行三维重建,生成的表面模型进行局部截取,生成单块脊椎骨模型,并利用这些模型进行进一步研究和利用。
三维医学图像是从超声、核磁、CT等医学影像设备获得的图像序列,通常以三维像素矩阵的方式表示。使用图像分割、重建等技术从三维医学图像中获取的具有医学意义的面模型称为三维医学图形。
体绘制是一种将三维图像的所有体细节同时展现出来的可视化技术。通过设置体绘制中的不透明度传递函数、颜色传递雨数和梯度传递函数,不同灰度值的像素就能展现出不同的显示效果,从而呈现了内部信息和空间体细节。
面绘制是将三维面模型显示出来的可视化技术。通过为每一个面模型独立设置颜色、透明度、材质等绘制属性,可以呈现出不同模型的特征,在深度层次和相对位置关系方面展现非常清晰的可视化效果。
切片显示是用一个任意角度的平面去截三维像素矩阵,将与该切片相交或相邻的像素描值到该平面以获得一幅二维图片,并将该二维图片显示出来的技术,上述过程也称为切片重采样口在医学图像中为了诊断和观察的目的,往往需要技示一个局部的感兴趣区域和感兴趣空间,或者剖除部分数据以使得内部结构可以更清晰的观察到。一般的二维图片上的特定目标区域称为感兴趣区域,三维图像的特运目标区域则由逐层连续的感兴趣区域组成,称为感兴趣空间。
当前的医学影像工作站中实现的工具通常是使用几何图元(例如圆、方杠)未定义ROI,一般也支持利用"徒手画"模式来定义闭合区域。在发明名称为"感兴趣区域和空间的交互式定义的系统和方法",公开号为CN101405764的中国专利中,将ROI或VOI定义为形状和尺寸两个方面,形状是根据鼠标调节的值来做阔值提取得到的,尺寸的作用是将形状限定在某一个特定大小的范围内,结合形状和尺寸两个方面,该发明允许用户交互式的调整ROI或VOI,甚至在有一定噪声的图像中,也能获得感兴趣的目标区域;该发明实际上是一种交互式阅值提取方法,属于图像分割技术领域,与感兴趣区域和/或感兴趣空间的局部显示相关性较小。
在发明名称为:一种体绘制裁剪面绘制方法,公开号为CN102074039的中国专利中,公开了利用包围盒来进行体绘制可视化裁剪的技术,对包围盒和裁剪面之外的体数据不予显示,该方法属于可视化技术领域,但仅限于对体绘制的局部显示,不能实现切片显示和面绘制的局部显示。
综上,现有的二维民学图像图形显示的交互技术在实际使用上,显然存在不便与缺陷,所以有必要加以改进。利用医院的CT断层扫描图进行三维重建,生成的表面模型进行局部截取,生成单块脊椎骨模型,并利用这些模型进行进一步研究和利用。脊椎矫正技术是专用于复位偏位、半脱位的脊椎,调整脊椎关节的一门技术,类似于中医的扳法和正骨术,但有其系统理论指导,有其特有的发力技巧,是一项科学、高效的治疗技术。脊椎矫正技术已经纳入治疗其它顽固性疾病的重要辅助治疗手段,收到了非常好的治疗效果,对糖尿病、类风湿、心脑血管疾病等均有重要辅助治疗作用。
现如今的脊柱侧弯矫正技术运用的方法多数是弯棒固定矫正,需要在手术之前,由医生根据病人的脊柱CT图(包括侧位图和断层扫描图),运用医生自己的经验,来计算预测手术之中要用的弯棒的形状,以达到利用弯棒矫正脊柱的目的。
在生成弯棒的过程中,医生只能利用二维的CT图,计算一些脊柱参数,来预期矫正后脊柱的形态,可能存在预测失误,造成手术过程中还要加以修改已经制作好的弯棒,增大了手术风险。所以,国内许多医院希望有一款专门针对这一领域的工具,辅助医生出色地完成矫正手术。
发明内容
针对现有技术之不足,本发明提供了一种脊椎骨识别装置及方法,所述脊椎骨识别装置包括:图像采集单元、端面识别单元、端面分析单元、包围盒生成单元、图像处理单元。
其中,所述端面识别单元基于对图像采集单元采集的脊椎图像完成脊椎骨端面识别并将完成识别过程生成的拟合曲面发送至端面分析单元。所述脊椎骨识别装置的端面识别单元通过对脊椎骨进行端面识别,有利于完成医学成像过程中脊柱上每一块椎骨的区域划分。
所述端面分析单元利用识别出的拟合曲面求出曲面的中心点和法向量,以曲面中心点为原点建立三维空间坐标系,并求出曲面在三维坐标轴三个方向的值域;所述包围盒生成单元基于识别出的拟合曲面中心点和曲面各点在三维坐标轴三个方向的值域确定包围盒的位置和大小并生成包围盒完成脊椎骨截取。所述端面分析单元基于识别出的拟合曲面上各点在建立的三维坐标上的取值范围,可快速完成脊柱上个脊椎骨的边界划分,从而有利于通过包围盒快速选中或从脊柱中截取出待处理脊椎骨。
所述图像处理单元对所述包围盒截取的脊椎骨取最大连通区域,以最大连通区域涉及体积为脊椎骨本体,完成影像内多余杂质去除。所述图像处理单元通过对包围盒截取出的脊椎骨进行去最大连通区域认定,完成对包围盒涉及影像内非连通区域的去杂质化,有助于还原经三维重建产生的脊椎骨模型的本来面目,帮助医生和/或病人更好的了解脊椎骨当前结构。
根据一个优选的实施方式,所述端面识别是利用三角面选取器在脊椎骨端面涉及的曲面上选取一个三角面为种子三角面,并利用所述种子三角面为种子点进行生长,基于新生成的各个相邻三角片的位置信息以及法向量信息,生成近似脊椎骨端面的拟合曲面。
进一步地,通过在脊椎骨端面的曲面上选取三角面作为种子三角面,并利用种子三角面进行相邻三角面生长,从而生成近似脊椎骨端面的拟合曲面。使得医生/或用户可基于拟合曲面了解脊椎骨端面的结构信息,为病情的判断或治疗提供数据支持。
根据一个优选的实施方式,所述利用所述种子三角面为种子点进行生长为根据所述种子三角面的法向量和每个新生长成的三角面法向量的夹角选取夹角在较小范围内的相邻三角面,进行有阈值迭代次数的相邻平面生长,从而得到基于种子三角面的整个端面范围内的相邻平面三角片。
根据一个优选的实施方式,所述包围盒为根据识别得到的拟合曲面确定一个立方体包围盒,所述包围盒的内部空间至少包含单个脊椎骨两个端面对应的拟合曲面。
根据一个优选的实施方式,所述包围盒基于脊椎骨两个端面对应的拟合曲面的中心点连线确定包围盒的中心,并根据所述拟合曲面的法向量选择与竖直方向夹角较小的作为包围盒对应两平面的法向量,拟合曲面的中心线的长度作为包围盒中对应脊椎骨两端面处平面的距离,从而确定一个包围盒。
根据一个优选的实施方式,所述包围盒中对应于脊椎骨中类似于环形柱面的四个平面的尺寸为基于脊椎骨最大横截面尺寸确定。
根据一个优选的实施方式,所述包围盒设有七个控制小球和/或控制点分别用于调整所述包围盒各个面的位置和所述包围盒整体位置;用户基于选中的所述包围盒的平面实现所述平面沿着选中平面对应的控制小球和/或控制点旋转运动,从而实现包围盒囊括区域的调整。
根据一个优选的实施方式,所述脊椎骨识别至少包括如下步骤:S202:对脊柱上的各个脊椎骨进行端面识别;S203:利用识别出的拟合曲面求出曲面的中心点和法向量,以曲面中心点为原点建立三维空间坐标系,并求出曲面在三维坐标轴三个方向的值域;S204:生成包围盒,并基于识别出的拟合曲面中心点和曲面各点在三维坐标轴三个方向的值域,确定包围盒的位置和大小。
进一步地,通过对脊椎骨进行端面识别,有利于完成医学成像过程中脊柱上每一块椎骨的区域划分。并基于识别出的拟合曲面上各点在建立的三维坐标上的取值范围,可快速完成脊柱上个脊椎骨的边界划分,从而有利于通过包围盒快速选中或从脊柱中截取出待处理脊椎骨。
根据一个优选的实施方式,所述脊椎骨识别步骤还包括步骤S205:对截取出来的脊椎骨取最大连通区域,以最大连通区域涉及体积为脊椎骨本体,完成影像内多余杂质去除。
进一步地,通过对包围盒截取出的脊椎骨进行去最大连通区域认定,完成对包围盒涉及影像内非连通区域的去杂质化,有助于还原经三维重建产生的脊椎骨模型的本来面目,帮助医生和/或病人更好的了解脊椎骨当前结构。
根据一个优选的实施方式,所述脊椎骨识别步骤还包括步骤S201:导入脊柱模型步骤;所述脊柱模型为基于对CT断层扫描图进行三维重建获得单块脊椎骨模型和/或整个脊柱模型;所述脊柱模型还包括完成初步去除杂质的单个脊椎骨模型。
进一步地,所述导入的脊柱模型不仅包括对CT断层扫描进行三维重建获得的脊柱模型,还包括经过的单个脊椎骨模型。对所述单个脊椎骨模型的再次导入,经过脊椎骨端面的再次识别,从而有助于消除在前一次端面识别过程中因为杂质产生的阴影对端面识别过程产生的影响,从而使得包围盒在截取脊椎骨过程中能够更加准确的截取出医生和/或病人需要的脊椎骨区域。
根据一个优选的实施方式,所述脊椎骨识别步骤还包括步骤S206:循环步骤S201至步骤S205操作,直至截取完成所有的单个脊椎骨。
本发明提供的脊椎骨识别方法至少具有如下优势:
本发明针对于当今医院做脊柱侧弯矫正只能利用二维CT图进行简单的测量和预估的尴尬局面,创新性的利用三维建模技术生成的脊椎骨模型,对生成的整块模型进行局部分割,然后可以利用分割后的小模型进行模拟矫正仿真,让医生在做手术之前就胸有成竹。
本发明属于医学图像技术领域,具体为基于三维重建技术的脊柱三维模型的分割方法与技术。通过对CT断层扫描图像,进行三维重建,还原出人体骨骼的三维图像,然后对重建的三维模型分割并进行处理,最终得到单个脊椎骨的三维模型并分别保存,利于后续的测量和调整。本发明可以应用于医学中对脊柱侧弯手术的空间模型参考和弯棒的预先生成,提高弯棒制作的精度。可以减少手术中病人的出血量,降低医生的劳动强度,以减少手术时间和降低手术风险,在临床应用上有很大的意义。
附图说明
图1是本发明的脊椎骨识别方法的流程图;
图2是本发明的脊椎骨识别方法的一种优选的实施流程;和
图3是本发明的脊椎骨识别方法的一张实施图。
具体实施方式
下面结合附图和实施例进行详细说明。
本发明提供了一种脊椎骨识别的装置和方法。所述脊椎骨识别装置包括:图像采集单元、端面识别单元、端面分析单元、包围盒生成单元、图像处理单元。
所述图像采集单元用于实现待处理脊柱模型的图像数据采集,并将采集的脊柱模型数据发送至端面识别单元进行脊椎骨端面识别。所述脊柱模型不仅包括对CT断层扫描进行三维重建获得的脊柱模型,还包括经过初步去除杂质的单个脊椎骨模型。对所述单个脊椎骨模型的再次导入,经过脊椎骨端面的再次识别,从而有助于消除在前一次端面识别过程中因为杂质产生的阴影对端面识别过程产生的影响,从而使得包围盒在截取脊椎骨过程中能够更加准确的截取出医生和/或病人需要的脊椎骨区域。
其中,所述端面识别单元基于对图像采集单元采集的脊椎图像完成脊椎骨端面识别并将完成识别过程生成的拟合曲面发送至端面分析单元。所述端面识别是利用三角面选取器,首先在一个曲面上选取一个三角面为种子三角面,并利用所述种子三角面为种子点进行生长,基于新生成的各个相邻三角片的位置信息以及法向量信息,生成近似脊椎骨端面的拟合曲面。所述利用所述种子三角面为种子点进行生长为根据所述种子三角面的法向量和每个新生长成的三角面法向量的夹角选取夹角在较小范围内的相邻三角面,进行有阈值迭代次数的相邻平面生长,从而得到基于种子三角面的整个端面范围内的相邻平面三角片。所述脊椎骨识别装置的端面识别单元通过对脊椎骨进行端面识别,有利于完成医学成像过程中脊柱上每一块椎骨的区域划分。所述阈值可以用用户认为设定,例如,迭代次数为10、50或100等。
所述端面分析单元利用识别出的拟合曲面求出曲面的中心点和法向量,以曲面中心点为原点建立三维空间坐标系,并求出曲面在三维坐标轴三个方向的值域。所述包围盒生成单元基于识别出的拟合曲面中心点和曲面各点在三维坐标轴三个方向的值域确定包围盒的位置和大小并生成包围盒完成脊椎骨截取。所述端面分析单元基于识别出的拟合曲面上各点在建立的三维坐标上的取值范围,可快速完成脊柱上个脊椎骨的边界划分,从而有利于通过包围盒快速选中或从脊柱中截取出待处理脊椎骨。
所述图像处理单元对所述包围盒截取的脊椎骨取最大连通区域,以最大连通区域涉及体积为脊椎骨本体,完成影像内多余杂质去除。所述图像处理单元通过对包围盒截取出的脊椎骨进行去最大连通区域认定,完成对包围盒涉及影像内非连通区域的去杂质化,有助于还原经三维重建产生的脊椎骨模型的本来面目,帮助医生和/或病人更好的了解脊椎骨当前结构。
本发明采用的方法主要基于生成的三维脊柱模型,在空间区域中生成一个包围盒,将包围盒的六个面设置成切面,存储包围盒内部的部分,包围盒可以自由地移动位置和调整大小和角度,这样就实现了截取不同形态特征的单块脊椎骨的方法。
根据一个优选的实时方式,为了使包围盒定位更加准确快捷,在脊柱模型上将要截取的脊椎骨的上下曲面进行端面识别,来获得上下曲面的法向量和空间位置等参数,然后利用这些参数,进行切合实际的运算过程,最后可以生成较为理想的包围盒,用户只需要微调便可以从整体脊柱模型上面截取出来理想的单块脊椎骨。
图1示出了一种脊椎骨识别方法的流程图。如图1所示,所述方法包括如下步骤:S101:导入脊柱模型。所述脊柱模型可基于对CT断层扫描图进行三维重建获得单块脊椎骨模型或整个脊柱模型。
S102:模型表面取点,生成固定大小的包围盒。脊椎截取模块在构建的三维模型表面取点,利用此点为中心建立xyz三维坐标轴,并向xyz三个方向的正负方向各扩张60个单位,生成一个包围盒。
S103:根据脊椎骨的形状和大小自由调整包围盒使之适应单个脊柱骨。
S104:包围盒调整到理想状态时,完成并从整个脊柱模型截取出来。设置包围盒的六个面分别为切割面,取包围盒内部的模型为结果,便可实现局部截取。包围盒可以进行扩大缩小,旋转,以适应不同形态的的脊椎骨,达到截取的效果。
S105:对截取出来的脊椎骨取最大连通区域,去除多余的杂质。截取之后因为会有许多杂质,影响之后的操作,所以本步骤提取了空间最大连通体作为脊柱区域截取的最终结果。
S106:循环S102至S105的操作,直至截取完成所有的单个脊椎骨。
根据一个优选的实施方式,所述脊椎骨的截取过程是将截取窗口分为至少两个单元来实现的。第一单元用于整个脊柱显示,首先在第一单元内的脊柱上选择要截取的某一块脊椎骨的表面上一点,然后会在这一点为中心生成一个固定大小的包围盒。同时会在窗口上第二单元同样显示包围盒与截取出来的模型,第一单元与第二单元完全同步,都可以进行调整包围盒的大小和旋转角,以实现对照,截取出来精确的模型。
本发明利用包围盒,将包围盒的各个面都设置成切面。先在整个脊柱模型上选中想截取的部分。并以用户选中的点生成一个包围盒,然后通过移动包围盒包围脊柱模型,对三维脊柱模型进行局部截取,最后将包围盒内部的截取部分单独保存并编号,保存相应的信息。
所述包围盒可以在空间坐标系中自由移动和旋转,并能自由调整大小。所述包围盒有七个小球分别控制每个面的位置和整体的位置,用户选中包围盒的面上而非小球上时,是以中心小球为旋转中心的自由旋转运动。这样用户就可以通过手动调整,来拟合某一自己想截取的部分。
图1示出的脊椎骨识别方法需要由用户完成手动截取脊椎骨,比较费时费力。在图1的基础上,进行了改进。图2示出了本发明脊椎骨识别方法的一种优选的实施方式,包括如下步骤:S201:导入脊柱模型。所述脊柱模型为基于对CT断层扫描图进行三维重建获得单块脊椎骨模型和/或整个脊柱模型;所述脊柱模型还包括完成初步去除杂质的单个脊椎骨模型。
所述导入的脊柱模型不仅包括对CT断层扫描进行三维重建获得的脊柱模型,还包括经过的单个脊椎骨模型。对所述单个脊椎骨模型的再次导入,经过脊椎骨端面的再次识别,从而有助于消除在前一次端面识别过程中因为杂质产生的阴影对端面识别过程产生的影响,从而使得包围盒在截取脊椎骨过程中能够更加准确的截取出医生和/或病人需要的脊椎骨区域。
S202:对脊柱上的各个脊椎骨进行端面识别。所述端面识别是利用三角面选取器,首先在一个曲面上选取一个三角面,利用该三角面为种子点进行生长,结合每个三角面的法向量,生长时根据种子三角面的法向量和其他三角面法向量的夹角,选取夹角在较小范围内的相邻三角面,进行有最大迭代次数的相邻平面生长,这样可以得到较大范围的平面三角片。最后,根据得到的相邻三角片的位置信息以及法向量信息,生成一个拟合曲面。经过端面识别可以近似获得一个脊椎骨上曲面和下曲面的拟合曲面。
S203:利用识别出的拟合曲面求出曲面的中心点和法向量,以曲面中心点为原点建立三维空间坐标系,并求出曲面在三维坐标轴三个方向的值域。
S204:生成包围盒,并基于识别出的拟合曲面中心点和曲面各点在三维坐标轴三个方向的值域,确定包围盒的位置和大小。所述三维坐标系包括x轴、y轴和z轴方向。
根据识别得到的上下曲面确定一个立方体包围盒,可以包含两个曲面。具体方法是根据上下两个曲面的中心点连线确定包围盒的中心,然后根据上下曲面的法向量选择与竖直方向夹角较小的作为包围盒上下曲面的法向量,中心线的长度作为包围盒上下平面的距离,从而确定一个包围盒,后续只需要微调便可以很方便的截取出来一块脊椎骨。
S205:对截取出来的脊椎骨取最大连通区域,以最大连通区域涉及体积为脊椎骨本体,完成影像内多余杂质去除。
S206:循环S201至S205操作,直至截取完成所有的单个脊椎骨。
改进的包围盒位置的确定利用了曲面拟合,如下图3所示:根据识别得到的上下曲面确定一个立方体包围盒,包含了上下两个平面。确定包围盒的方法是首先根据上下两个曲面的中心点连线确定包围盒的中心,然后根据上下曲面的法向量选择与竖直方向夹角较小的作为包围盒上下平面的法向量,使包围盒尽量贴合识别的曲面。中心线的长度再适当增加一些作为包围盒上下平面的距离,因为识别的平面大小不一定是想要的脊椎骨的一面的大小,所以包围盒上下平面的大小的确定,是先根据识别的曲面大小大致确定出来。这样就确定一个包围盒,后续用户只需要微调便可以很方便的截取出来一块脊椎骨。
端面识别是利用三角面选取器,首先在一个曲面上选取一个三角面,利用该三角面为种子点进行生长,结合每个三角面的法向量,生长时根据种子三角面的法向量和其他三角面法向量的夹角,选取夹角在较小范围内的相邻三角面,进行有最大迭代次数的相邻平面生长,这样可以得到较大范围的平面三角片。最后,根据得到的相邻三角片的位置信息以及法向量信息,将所有三角片的坐标取平均值,法向量为所有法向量的平均值,就得到了一个新的曲面,此曲面即为拟合的曲面。
本发明提供的脊椎骨识别方法至少具有如下优势:本发明针对于当今医院做脊柱侧弯矫正只能利用二维CT图进行简单的测量和预估的尴尬局面,创新性的利用三维建模技术生成的脊椎骨模型,对生成的整块模型进行局部分割,然后可以利用分割后的小模型进行模拟矫正仿真,让医生在做手术之前就胸有成竹。
本发明属于医学图像技术领域,具体为基于三维重建技术的脊柱三维模型的分割方法与技术。通过对CT断层扫描图像,进行三维重建,还原出人体骨骼的三维图像,然后对重建的三维模型分割并进行处理,最终得到单个脊椎骨的三维模型并分别保存,利于后续的测量和调整。本发明可以应用于医学中对脊柱侧弯手术的空间模型参考和弯棒的预先生成,提高弯棒制作的精度。可以减少手术中病人的出血量,降低医生的劳动强度,以减少手术时间和降低手术风险,在临床应用上有很大的意义。
实施例1
以图2和图3为例,说明本发明的脊椎骨识别方法。所述脊椎骨识别过程包括:
S201:导入脊柱模型。本实施例导入的所述脊柱模型为基于对CT断层扫描图进行三维重建获得的脊柱模型。在具体实施过程中,所述脊柱模型还可以包括完成初步去除杂质的单个脊椎骨模型。
S202:对脊柱上的各个脊椎骨进行端面识别。所述端面识别是利用三角面选取器,首先在一个曲面上选取一个三角面,利用该三角面为种子点进行生长,结合每个三角面的法向量,生长时根据种子三角面的法向量和其他三角面法向量的夹角,选取夹角在较小范围内的相邻三角面,进行有最大迭代次数的相邻平面生长,这样可以得到较大范围的平面三角片。
根据得到的相邻三角片的位置信息以及法向量信息,生成一个拟合曲面。经过端面识别可以近似获得一个脊椎骨上曲面和下曲面的拟合曲面。通过对脊椎骨进行端面识别,有利于完成医学成像过程中脊柱上每一块椎骨的区域划分。
同时,通过在脊椎骨端面的曲面上选取三角面作为种子三角面,并利用种子三角面进行相邻三角面生长,从而生成近似脊椎骨端面的拟合曲面。使得医生/或用户可基于拟合曲面了解脊椎骨端面的结构信息,为病情的判断或治疗提供数据支持。
S203:利用识别出的拟合曲面求出曲面的中心点和法向量,以曲面中心点为原点建立三维空间坐标系,并求出曲面在三维坐标轴三个方向的值域。
S204:包围盒的上下面根据识别出的拟合曲面的xyz方向的值域和中心,确定包围盒的位置和大小。基于识别出的拟合曲面上各点在建立的三维坐标上的取值范围,可快速完成脊柱上个脊椎骨的边界划分,从而有利于通过包围盒快速选中或从脊柱中截取出待处理脊椎骨。
S205:对截取出来的脊椎骨取最大连通区域,以最大连通区域涉及体积为脊椎骨本体,完成影像内多余杂质去除。通过对包围盒截取出的脊椎骨进行最大连通区域认定,完成对包围盒涉及影像内非连通区域的去杂质化,有助于还原经三维重建产生的脊椎骨模型的本来面目,帮助医生和/或病人更好的了解脊椎骨当前结构。
S206:循环S201至S205操作,直至截取完成所有的单个脊椎骨。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种脊椎骨识别装置,其特征在于,所述脊椎骨识别装置包括:图像采集单元、端面识别单元、端面分析单元、包围盒生成单元、图像处理单元;
其中,所述端面识别单元基于对图像采集单元采集的脊椎图像完成脊椎骨端面识别并将完成识别过程生成的拟合曲面发送至端面分析单元;
所述端面分析单元利用识别出的拟合曲面求出曲面的中心点和法向量,以曲面中心点为原点建立三维空间坐标系,并求出曲面在三维坐标轴三个方向的值域;
所述包围盒生成单元基于识别出的拟合曲面中心点和曲面各点在三维坐标轴三个方向的值域确定包围盒的位置和大小并生成包围盒完成脊椎骨截取;
所述图像处理单元对所述包围盒截取的脊椎骨取最大连通区域,以最大连通区域涉及体积为脊椎骨本体,完成影像内多余杂质去除。
2.如权利要求1所述的脊椎骨识别装置,其特征在于,所述端面识别是利用三角面选取器在脊椎骨端面的曲面上选取一个三角面为种子三角面,并利用所述种子三角面为种子点进行生长,基于新生成的各个相邻三角片的位置信息以及法向量信息,生成近似脊椎骨端面的拟合曲面。
3.如权利要求2所述的脊椎骨识别装置,其特征在于,所述利用所述种子三角面为种子点进行生长为根据所述种子三角面的法向量和每个新生长成的三角面法向量的夹角选取夹角在较小范围内的相邻三角面,进行有阈值迭代次数的相邻平面生长,从而得到基于种子三角面的整个端面范围内的相邻平面三角片。
4.如前述权利要求之一所述的脊椎骨识别装置,其特征在于,所述包围盒为根据识别得到的拟合曲面确定一个立方体包围盒,所述包围盒的内部空间至少包含单个脊椎骨两个端面对应的拟合曲面。
5.如前述权利要求之一所述的脊椎骨识别装置,其特征在于,所述包围盒基于脊椎骨两个端面对应的拟合曲面的中心点连线确定包围盒的中心,并根据所述拟合曲面的法向量选择与竖直方向夹角较小的作为包围盒对应两平面的法向量,拟合曲面的中心线的长度作为包围盒中对应脊椎骨两端面处平面的距离,从而确定一个包围盒。
6.如前述权利要求之一所述的脊椎骨识别装置,其特征在于,所述包围盒中对应于脊椎骨中类似于环形柱面的四个平面的尺寸为基于脊椎骨最大横截面尺寸确定。
7.如前述权利要求之一所述的脊椎骨识别装置,其特征在于,所述包围盒设有七个控制小球和/或控制点分别用于调整所述包围盒各个面的位置和所述包围盒整体位置;用户基于选中的所述包围盒的平面实现所述平面沿着选中平面对应的控制小球和/或控制点旋转运动,从而实现包围盒囊括区域的调整。
8.一种脊椎骨识别方法,其特征在于,所述脊椎骨识别至少包括如下步骤:
S202:对脊柱上的各个脊椎骨进行端面识别;
S203:利用识别出的拟合曲面求出曲面的中心点和法向量,以曲面中心点为原点建立三维空间坐标系,并求出曲面在三维坐标轴三个方向的值域;
S204:基于识别出的拟合曲面中心点和曲面各点在三维坐标轴三个方向的值域确定包围盒的位置和大小并生成包围盒完成脊椎骨截取。
9.如权利要求8所述的脊椎骨识别方法,其特征在于,所述脊椎骨识别步骤还包括步骤S205:对截取出来的脊椎骨取最大连通区域,以最大连通区域涉及体积为脊椎骨本体,完成影像内多余杂质去除;
所述脊椎骨识别步骤还包括步骤S201:导入脊柱模型步骤;所述脊柱模型为基于对CT断层扫描图进行三维重建获得单块脊椎骨模型和/或整个脊柱模型;所述脊柱模型还包括完成初步去除杂质的单个脊椎骨模型。
10.如权利要求8或9所述的脊椎骨识别方法,其特征在于,所述脊椎骨识别步骤还包括步骤S206:循环步骤S201至步骤S205操作,直至截取完成所有的单个脊椎骨。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710195659.0A CN106960439B (zh) | 2017-03-28 | 2017-03-28 | 一种脊椎骨识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710195659.0A CN106960439B (zh) | 2017-03-28 | 2017-03-28 | 一种脊椎骨识别装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106960439A true CN106960439A (zh) | 2017-07-18 |
CN106960439B CN106960439B (zh) | 2018-10-26 |
Family
ID=59470632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710195659.0A Active CN106960439B (zh) | 2017-03-28 | 2017-03-28 | 一种脊椎骨识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960439B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595387A (zh) * | 2017-07-28 | 2018-01-19 | 浙江大学 | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 |
CN108053400A (zh) * | 2017-12-21 | 2018-05-18 | 上海联影医疗科技有限公司 | 图像处理方法及装置 |
CN109389603A (zh) * | 2018-09-10 | 2019-02-26 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
CN109598784A (zh) * | 2018-11-20 | 2019-04-09 | 哈尔滨理工大学 | 一种高效的脊柱断层扫描图像三维重建方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233083B (zh) * | 2020-10-13 | 2024-01-02 | 沈阳先进医疗设备技术孵化中心有限公司 | 脊椎检测方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104851107A (zh) * | 2015-06-08 | 2015-08-19 | 武汉联影医疗科技有限公司 | 基于ct序列图像的脊椎定位方法 |
CN104952109A (zh) * | 2015-06-17 | 2015-09-30 | 西安电子科技大学 | 一种基于Harris的脊椎特征点自动识别方法 |
CN104952068A (zh) * | 2015-05-25 | 2015-09-30 | 西安电子科技大学 | 一种脊椎特征点自动识别方法 |
-
2017
- 2017-03-28 CN CN201710195659.0A patent/CN106960439B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952068A (zh) * | 2015-05-25 | 2015-09-30 | 西安电子科技大学 | 一种脊椎特征点自动识别方法 |
CN104851107A (zh) * | 2015-06-08 | 2015-08-19 | 武汉联影医疗科技有限公司 | 基于ct序列图像的脊椎定位方法 |
CN104952109A (zh) * | 2015-06-17 | 2015-09-30 | 西安电子科技大学 | 一种基于Harris的脊椎特征点自动识别方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595387A (zh) * | 2017-07-28 | 2018-01-19 | 浙江大学 | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 |
WO2019020048A1 (zh) * | 2017-07-28 | 2019-01-31 | 浙江大学 | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 |
CN107595387B (zh) * | 2017-07-28 | 2020-08-07 | 浙江大学 | 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统 |
US11304680B2 (en) | 2017-07-28 | 2022-04-19 | Zhejiang University | Spinal image generation system based on ultrasonic rubbing technique and navigation positioning system for spinal surgery |
CN108053400A (zh) * | 2017-12-21 | 2018-05-18 | 上海联影医疗科技有限公司 | 图像处理方法及装置 |
CN108053400B (zh) * | 2017-12-21 | 2021-06-15 | 上海联影医疗科技股份有限公司 | 图像处理方法及装置 |
US11129582B2 (en) | 2017-12-21 | 2021-09-28 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for medical imaging of intervertebral discs |
US11826191B2 (en) | 2017-12-21 | 2023-11-28 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for medical imaging of intervertebral discs |
CN109389603A (zh) * | 2018-09-10 | 2019-02-26 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
CN109389603B (zh) * | 2018-09-10 | 2021-09-24 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
CN109598784A (zh) * | 2018-11-20 | 2019-04-09 | 哈尔滨理工大学 | 一种高效的脊柱断层扫描图像三维重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106960439B (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106960439B (zh) | 一种脊椎骨识别装置及方法 | |
JP7162793B2 (ja) | 超音波拓本技術に基づく脊椎画像生成システム及び脊柱手術用のナビゲーション・位置確認システム | |
US7817836B2 (en) | Methods for volumetric contouring with expert guidance | |
CN103229210B (zh) | 图像配准装置 | |
CN103099680B (zh) | 一种导向模板的制备方法 | |
CN106600609A (zh) | 一种医学图像中脊柱的分割方法及系统 | |
CN107808156A (zh) | 感兴趣区域提取方法 | |
CN107599412A (zh) | 一种基于组织结构的三维建模方法、系统及三维模型 | |
CN106997594B (zh) | 一种眼部组织的定位方法及装置 | |
CN107016666A (zh) | 基于坐标体系的骨盆ct三维重建的图像后处理方法 | |
US9629599B2 (en) | Imaging device, assignment system and method for assignment of localization data | |
CN109064472B (zh) | 一种脊椎骨的三维空间模型拟合平面的拟合方法及装置 | |
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 | |
CN107204045A (zh) | 基于ct图像的虚拟内窥镜系统 | |
Robb et al. | Virtual reality assisted surgery program | |
Levine et al. | Mesh processing in medical-image analysis—a tutorial | |
Gao et al. | 3DSRNet: 3D Spine Reconstruction Network Using 2D Orthogonal X-ray Images Based on Deep Learning | |
Zhao et al. | Research on 3D reconstruction algorithm of medical CT image based on parallel contour | |
CN117078658A (zh) | 一种基于深度学习的ct图像中椎骨中心点检测方法 | |
US9235888B2 (en) | Image data determination method, image processing workstation, target object determination device, imaging device, and computer program product | |
CN113570724B (zh) | 基于逆球极投影的网格球面保角参数化方法及其应用 | |
WO2015037978A1 (en) | An anatomical model | |
CN206003162U (zh) | 基于大数据的肝脏三维图像动态演示装置 | |
Kodym et al. | Skullbreak dataset: An open dataset for training and validation of skull reconstruction models | |
CN118252614B (zh) | 经椎间孔入路腰椎间盘突出射频消融术穿刺路径规划方法 |
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 |