CN108597017A - 一种基于测量参数的骨骼变形模板构建方法 - Google Patents

一种基于测量参数的骨骼变形模板构建方法 Download PDF

Info

Publication number
CN108597017A
CN108597017A CN201810354815.8A CN201810354815A CN108597017A CN 108597017 A CN108597017 A CN 108597017A CN 201810354815 A CN201810354815 A CN 201810354815A CN 108597017 A CN108597017 A CN 108597017A
Authority
CN
China
Prior art keywords
parameter
bone
reference element
textured
measurement
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.)
Pending
Application number
CN201810354815.8A
Other languages
English (en)
Inventor
何坤金
张玉雪
陆丰威
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.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai University
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 Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN201810354815.8A priority Critical patent/CN108597017A/zh
Publication of CN108597017A publication Critical patent/CN108597017A/zh
Pending legal-status Critical Current

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
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/003—Navigation within 3D models or images
    • 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
    • G06T2207/10—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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/44—Morphing

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种基于测量参数的骨骼变形模板构建方法，包括如下步骤：步骤一：根据CT/MRI扫描得到的点云数据，通过预处理，重建三维骨骼模型；步骤二：对重建的三维骨骼模型进行几何参考元素和语义参数定义，并获取相关参数值；步骤三：将获取的多组参数进行平均化，构建骨骼变形模板，以便于后期通过骨骼变形模板，进行目标骨骼参数的自动测量。本发明能够通过定义高层语义参数，直观快捷的根据医学需要，对目标骨骼模型的表面以及内部进行参数测量，对术前规划、植入物的设计以及提高手术的成功率具有重要意义。

Description

一种基于测量参数的骨骼变形模板构建方法
技术领域
本发明涉及一种数字骨科植入物设计技术，具体涉及一种基于测量参数的骨骼变形模板构建方法，本发明属于计算机辅助设计领域。
背景技术
近年来，随着计算机技术、电子信息技术、医学影像技术和医学图像处理技术的迅速发展，数字骨科这个新概念逐渐形成。数字骨科学是计算机科学与骨科学相结合的一门新兴交叉学科。数字骨科技术可以精确地显示骨骼复杂的三维结构，对重建的三维结构进行测量，可以获得长度、面积、体积和角度等大量精确的解剖参数；可以用于临床辅助诊断、辅助手术设计和手术模拟等方面。数字骨科植入物设计作为数字骨科学的重要研究内容，受到了国内外研究学者的广泛关注。
骨骼形状本身表现为复杂的曲面，不同个体在骨骼局部形态存在显著差异。很多基于模板的骨科植入物的设计方法已被提出，但是如何设计出符合更多人的骨骼特点的模板仍是一个亟待解决的问题。本发明提出将参数化和平均化融入到骨骼模板的设计中。本发明以提高骨骼模板与个体骨骼的相似性为目的，对提高后期骨科植入物的设计质量和手术成功率有重要意义。
发明内容
本发明提出一种基于测量参数的骨骼变形模板构建方法，为目标骨骼参数的自动测量,提供一定的理论基础，对术前规划、植入物的设计以及提高手术的成功率具有重要意义。 为了实现上述目标，本发明采用如下的技术方案：
一种基于测量参数的骨骼变形模板构建方法，包括如下步骤：
步骤一：根据CT/MRI扫描得到的点云数据，通过预处理，重建三维骨骼模型；
步骤1a：对通过CT/MRI扫描得到的多组点云数据，进行坐标值的增减，使骨骼的中心尽可能的靠近三维坐标系的原点；
步骤1b：将步骤1a中已经处理好的数据，替代原始的点云数据，重建骨骼的三维模型。
步骤二：对重建的三维骨骼模型进行几何参考元素和语义参数定义，并获取相关参数值；
步骤2a：根据医学需要和操作需要，定义相关几何参考元素和语义参数，几何参考元素如：特征点，轴线和辅助平面等，语义参数如：骨骼的长度，宽度，角度等。
定义相关语义参数包括全局参数和局部参数，全局参数用于描述骨骼的外部轮廓，具有一定语义，如骨骼的长度、宽度、高度、角度等；局部参数用特征线表示，用于描述局部区域是否达到要求精度，如局部区域的弯曲度、曲率等。
步骤2b：对步骤2a中定义的几何参考元素，先通过人工标定的方式选择几何参考元素的粗略位置，然后在一定精度范围内通过基于拟合模型测量算法精确选取参考元素位置及坐标，指在骨骼内部根据参数的语义，通过肉眼观察，选定符合几何参考元素的区域中的一点，然后以该点为参考点，然后在一定精度范围内，通过对模型利用凸包算法精确选取参考元素位置并获取相应的坐标值。
步骤2c：根据步骤2b中的几何参考元素的位置坐标，计算骨骼的长度，宽度，角度等一系列语义参数。
步骤三：将获取的多组参数值进行平均化，构建骨骼变形模板，以便于后期通过骨骼变形模板，进行目标骨骼参数的自动测量。
步骤3a：将多组参数进行平均化处理，获得各几何参考元素和语义参数的平均值，是指将各组参数按照性别，年龄，人群等特征进行分类后，按照各参数之间的相关性以及对骨骼整体的影响因子进行加权平均，获得的平均值作为该类的骨骼变形模板。
步骤3b：将步骤3a中获得的参数值作为骨骼变形模板的参数，并根据参数建立三维骨骼模型，以便后期使用。
本发明的有益之处在于：本发明的一种基于测量参数的骨骼变形模板构建方法用于医学骨科植入物设计制造领域，能够提高骨科植入物的设计效率和精度，对模拟手术和提高手术效果具有重要意义。
附图说明
图1是本发明中一种基于测量参数的骨骼变形模板构建方法流程图。
图2是股骨CT扫描图。
图3 是重建的股骨模型。
图4 是股骨头语义参数测量的示意图。
图5 是股骨髁部语义参数测量的示意图
图6 是以股骨为例的骨骼变形模板的示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
参照图1所示，一种基于测量参数的骨骼变形模板构建方法，包括如下步骤：
步骤一：根据CT/MRI扫描得到的点云数据，通过预处理，重建三维骨骼模型；
步骤1a：对通过CT/MRI扫描得到的多组点云数据，进行坐标值的增减，使骨骼的中心尽可能的靠近三维坐标系的原点；
步骤1b：将步骤1a中已经处理好的数据，替代原始的点云数据，重建骨骼的三维模型。
步骤二：对重建的三维骨骼模型进行几何参考元素和语义参数定义，并获取相关参数值；
步骤2a：根据医学需要和操作需要，定义相关几何参考元素和语义参数，几何参考元素如：特征点，轴线和辅助平面等，语义参数如：骨骼的长度，宽度，角度等。
定义相关语义参数包括全局参数和局部参数，全局参数用于描述骨骼的外部轮廓，如骨骼的长度、宽度、高度、角度；局部参数用特征线表示，用于描述局部区域是否达到要求精度，如局部区域的弯曲度、曲率。
步骤2b：对步骤2a中定义的几何参考元素，先通过人工标定的方式选择几何参考元素的粗略位置，然后在一定精度范围内通过基于拟合模型测量算法精确选取参考元素位置及坐标，指在骨骼内部根据参数的语义，通过肉眼观察，选定符合几何参考元素的区域中的一点，然后以该点为参考点，然后在一定精度范围内，通过对模型利用凸包算法精确选取参考元素位置并获取相应的坐标值。
步骤2c：根据步骤2b中的几何参考元素的位置坐标，计算骨骼的长度，宽度，角度等一系列语义参数。
步骤三：将获取的多组参数值进行平均化，构建骨骼变形模板，以便于后期通过骨骼变形模板，进行目标骨骼参数的自动测量。
步骤3a：将多组参数进行平均化处理，获得各几何参考元素和语义参数的平均值，是指将各组参数按照性别，年龄，人群等特征进行分类后，按照各参数之间的相关性以及对骨骼整体的影响因子进行加权平均，获得的平均值作为该类的骨骼变形模板。
步骤3b：将步骤3a中获得的参数值作为骨骼变形模板的参数，并根据参数建立三维骨骼模型，以便后期使用。
实施例：
一种基于测量参数的骨骼变形模板构建方法：
（1）通过CT/MRI扫描得到的多组点云数据，参照图2所示，从医生那获取的骨折患者的CT扫描图。
（2）参照图3所示，经过对数据的预处理，股骨上分布散落的点变得密集，特别是股骨弯曲部分的点更加密集。
（3）先通过人工标定的方式选择几何参考元素的大体位置，然后在一定精度范围内通过基于拟合模型测量算法精确选取参考元素位置及坐标，参照图4所示，对股骨头和大转子区域进行特征点的定义以及语义参数的测量；参照图5所示，对股骨髁部区域进行特征点的定义以及语义参数的测量。
（4）根据参数建立三维骨骼模型，参照图6所示， 通过对多组股骨模型语义参数的测量，最终生成骨骼的变形模板。
本发明未进一步说明的均为现有技术。
本发明给出了一种基于测量参数的骨骼变形模板构建方法。首先，根据CT/MRI扫描得到的点云数据，通过预处理，重建三维骨骼模型；然后，对重建的三维骨骼模型进行几何参考元素和语义参数定义，并获取相关参数值；最后，将获取的多组参数进行平均化，构建骨骼变形模板，以便于后期通过骨骼变形模板，进行目标骨骼参数的自动测量。本发明能够通过定义高层语义参数，直观快捷的根据医学需要，对目标骨骼模型的表面以及内部进行参数测量，对术前规划、植入物的设计以及提高手术的成功率具有重要意义。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (6)

1.一种基于测量参数的骨骼变形模板构建方法，其特征在于，包括如下步骤：
步骤一：根据CT/MRI扫描得到的点云数据，通过预处理，重建三维骨骼模型；
步骤二：对重建的三维骨骼模型进行几何参考元素和语义参数定义，并获取相关参数值；
步骤三：将获取的多组参数值进行平均化，构建骨骼变形模板，以便于后期通过骨骼变形模板，进行目标骨骼参数的自动测量。
2.根据权利要求1所述的一种基于测量参数的骨骼变形模板构建方法，其特征在于，所述步骤一包括：
步骤1a：对通过CT/MRI扫描得到的多组点云数据，进行坐标值的增减和缩放处理，使骨骼的中心靠近三维坐标系的原点；
步骤1b：将步骤1a中已经处理好的数据，替代原始的点云数据，重建骨骼的三维模型。
3.根据权利要求1所述的一种基于测量参数的骨骼变形模板构建方法，其特征在于，所述步骤二包括：
步骤2a：根据医学需要和操作需要，定义相关几何参考元素和语义参数，几何参考元素如：特征点，轴线和辅助平面，语义参数如：骨骼的长度，宽度，角度；
步骤2b：对步骤2a中定义的几何参考元素，先通过人工标定的方式选择参考元素的粗略位置，通过对模型利用凸包算法精确选取参考元素位置并获取相应的坐标值；
步骤2c：根据步骤2b中的几何参考元素的位置坐标，计算骨骼的长度，宽度，角度一系列语义参数。
4.根据权利要求1所述的一种基于测量参数的骨骼变形模板构建方法，其特征在于，所述步骤三包括：
步骤3a：将通过步骤二获得的多组参数值进行平均化处理，获得各几何参考元素和语义参数的平均值；
步骤3b：将步骤3a中获得的参数值作为骨骼变形模板的参数，并根据参数建立三维骨骼模型，以便于后期通过骨骼变形模板，进行目标骨骼参数的自动测量。
5.根据权利要求3所述的一种基于测量参数的骨骼变形模板构建方法，其特征在于，步骤2a中，定义相关语义参数包括全局参数和局部参数，全局参数用于描述骨骼的外部轮廓；局部参数用特征线表示，用于描述局部区域是否达到要求精度。
6.根据权利要求4所述的一种基于测量参数的骨骼变形模板构建方法，其特征在于，步骤3a中，所述将多组参数值进行平均化处理，获得各几何参考元素和语义参数的平均值，是指将各组参数按照性别，年龄，人群特征进行分类后，按照各参数之间的相关性以及对骨骼整体的影响因子进行加权平均，获得的平均值作为该类的骨骼变形模板。
CN201810354815.8A 2018-04-19 2018-04-19 一种基于测量参数的骨骼变形模板构建方法 Pending CN108597017A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810354815.8A CN108597017A (zh) 2018-04-19 2018-04-19 一种基于测量参数的骨骼变形模板构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810354815.8A CN108597017A (zh) 2018-04-19 2018-04-19 一种基于测量参数的骨骼变形模板构建方法

Publications (1)

Publication Number Publication Date
CN108597017A true CN108597017A (zh) 2018-09-28

Family

ID=63611290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810354815.8A Pending CN108597017A (zh) 2018-04-19 2018-04-19 一种基于测量参数的骨骼变形模板构建方法

Country Status (1)

Country Link
CN (1) CN108597017A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523625A (zh) * 2018-09-29 2019-03-26 上海交通大学 一种韧带长度量化方法
CN110570523A (zh) * 2019-09-06 2019-12-13 河海大学常州校区 一种基于高斯过程渐变模型的骨骼医学语义自动提取方法
CN112037323A (zh) * 2020-09-02 2020-12-04 容可 一种医用接骨板的匹配方法
CN112215771A (zh) * 2020-10-10 2021-01-12 徐州医科大学 一种骨科植入物类特征智能构建方法及系统
CN112329294A (zh) * 2020-10-28 2021-02-05 天河超级计算淮海分中心 水果机械损伤仿真方法、装置、计算机设备及存储介质
CN114018203A (zh) * 2021-12-13 2022-02-08 上海理工大学 一种骨骼表面曲率的测量方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105653887A (zh) * 2016-03-24 2016-06-08 河海大学常州校区 一种基于参数化模板的受损骨骼模型复原方法
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
CN106202739A (zh) * 2016-07-14 2016-12-07 哈尔滨理工大学 一种骨骼肌力学行为多尺度建模方法
CN106528967A (zh) * 2016-10-24 2017-03-22 河海大学常州校区 一种基于模板的个性化接骨板设计方法
CN107330275A (zh) * 2017-06-30 2017-11-07 哈尔滨理工大学 一种对骨骼肌快肌纤维兴奋收缩过程的建模方法
CN107423730A (zh) * 2017-09-20 2017-12-01 湖南师范大学 一种基于语义折叠的人体步态行为主动检测识别系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105653887A (zh) * 2016-03-24 2016-06-08 河海大学常州校区 一种基于参数化模板的受损骨骼模型复原方法
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
CN106202739A (zh) * 2016-07-14 2016-12-07 哈尔滨理工大学 一种骨骼肌力学行为多尺度建模方法
CN106528967A (zh) * 2016-10-24 2017-03-22 河海大学常州校区 一种基于模板的个性化接骨板设计方法
CN107330275A (zh) * 2017-06-30 2017-11-07 哈尔滨理工大学 一种对骨骼肌快肌纤维兴奋收缩过程的建模方法
CN107423730A (zh) * 2017-09-20 2017-12-01 湖南师范大学 一种基于语义折叠的人体步态行为主动检测识别系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KUNJIN HE等: "An approach for generating an average bone template with semantic parameters", 《JOURNAL OF MEDICAL DEVICES》 *
王淋 等: "基于模板的骨骼参数自动测量方法", 《计算机科学》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523625A (zh) * 2018-09-29 2019-03-26 上海交通大学 一种韧带长度量化方法
CN109523625B (zh) * 2018-09-29 2023-05-12 上海涛影医疗科技有限公司 一种韧带长度量化方法
CN110570523A (zh) * 2019-09-06 2019-12-13 河海大学常州校区 一种基于高斯过程渐变模型的骨骼医学语义自动提取方法
CN110570523B (zh) * 2019-09-06 2022-08-16 河海大学常州校区 一种基于高斯过程渐变模型的骨骼医学语义自动提取方法
CN112037323A (zh) * 2020-09-02 2020-12-04 容可 一种医用接骨板的匹配方法
CN112215771A (zh) * 2020-10-10 2021-01-12 徐州医科大学 一种骨科植入物类特征智能构建方法及系统
CN112329294A (zh) * 2020-10-28 2021-02-05 天河超级计算淮海分中心 水果机械损伤仿真方法、装置、计算机设备及存储介质
CN114018203A (zh) * 2021-12-13 2022-02-08 上海理工大学 一种骨骼表面曲率的测量方法及系统

Similar Documents

Publication Publication Date Title
CN108597017A (zh) 一种基于测量参数的骨骼变形模板构建方法
JP7384866B2 (ja) 骨再建及び整形外科インプラント
WO2022037696A1 (zh) 基于深度学习的骨骼分割方法和系统
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
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
JP2011519605A (ja) 関節形成術を受ける関節のコンピュータモデルを生成する際の画像セグメント化のためのシステムおよび方法
CN104739548A (zh) 一种基于参数化驱动的个体化人工膝关节假体的设计系统
WO2014178705A1 (en) A method for manufacturing a three-dimensional anatomical structure
CN111402216B (zh) 基于深度学习的三维碎骨分割方法和装置
CN114494183B (zh) 一种基于人工智能的髋臼半径自动测量方法及系统
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
Stojkovic et al. Reverse modelling of human long bones using T-splines-case of tibia
CN110246586A (zh) 一种肝肿瘤微波消融术前仿真的有限元模型建立方法
Viceconti et al. A new method for the automatic mesh generation of bone segments from CT data
CN105748173B (zh) 眼眶修复材料的制作方法和装置
Hong et al. A direct slicing technique for the 3D printing of implicitly represented medical models
CN114191075B (zh) 一种个性化膝关节假体模型的快速构建方法及系统
CN111724389A (zh) 髋关节ct图像分割方法、装置、存储介质和计算机设备
CN104778322A (zh) 一种基于统计信息的平均股骨模型构建方法
Ameddah et al. Bio-CAD reverse engineering of free-form surfaces by planar contours
Stojković et al. User defined geometric feature for the creation of the femoral neck enveloping surface
CN109145977B (zh) 一种基于朴素贝叶斯的骨骼受损类型判别方法
CN110766666B (zh) 基于区域分割和gan模型的骨骼断层轮廓大样本库生成方法
CN112201329A (zh) 模板引导与数据驱动的三维碎骨分割与拼接方法
WO2015037978A1 (en) An anatomical model

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180928