CN108969086A - 一种脊柱外科定位引导系统 - Google Patents
一种脊柱外科定位引导系统 Download PDFInfo
- Publication number
- CN108969086A CN108969086A CN201810602658.8A CN201810602658A CN108969086A CN 108969086 A CN108969086 A CN 108969086A CN 201810602658 A CN201810602658 A CN 201810602658A CN 108969086 A CN108969086 A CN 108969086A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- data
- processing module
- parameter
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/56—Surgical instruments or methods for treatment of bones or joints; Devices specially adapted therefor
- A61B17/58—Surgical instruments or methods for treatment of bones or joints; Devices specially adapted therefor for osteosynthesis, e.g. bone plates, screws, setting implements or the like
- A61B17/88—Osteosynthesis instruments; Methods or means for implanting or extracting internal or external fixation devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/56—Surgical instruments or methods for treatment of bones or joints; Devices specially adapted therefor
- A61B17/58—Surgical instruments or methods for treatment of bones or joints; Devices specially adapted therefor for osteosynthesis, e.g. bone plates, screws, setting implements or the like
- A61B17/88—Osteosynthesis instruments; Methods or means for implanting or extracting internal or external fixation devices
- A61B17/90—Guides therefor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Processing (AREA)
Abstract
本发明属于脊柱治疗技术领域,公开了一种脊柱外科定位引导系统,所述脊柱外科定位引导系统设置有CT图像拍摄模块、数据储备模块、格式转化模块、图像预处理模块、点云绘制模块、算法处理模块、数据显示模块。所述CT图像拍摄模块与数据储备模块连接;所述格式转化模块与图像预处理模块、点云绘制模块依次连接;所述算法处理模块与数据显示模块连接。该脊柱外科定位引导系统将原始的CT图像转化成更直观的三维图像,并配合算法处理模块加以数据显示,更准确方便进行脊柱外科定位引导,具有积极的科学理论意义和现实的医学应用价值。
Description
技术领域
本发明属于脊柱治疗技术领域,尤其涉及一种脊柱外科定位引导系统。
背景技术
脊柱外科定位引导是运用特殊的器械和装置,在影像仪器监视下或导航技术引导下,准确对病人脊柱病变出进行导向定位,是正常解剖完成手术的前提。现有的CT图像不够清晰直接,导致医师脊柱定位导向比较费时费力,且导向准确率不高,从而降低手术的成功率,给病人带来极大痛苦。
综上所述,现有技术存在的问题是:现有的CT图像不够清晰直接,导致医师脊柱定位导向比较费时费力,且导向准确率不高,从而降低手术的成功率,给病人带来极大痛苦。
发明内容
针对现有技术存在的问题,本发明提供了一种脊柱外科定位引导系统。
本发明是这样实现的,一种脊柱外科定位引导系统其特征在于,所述脊柱外科定位引导系统包括:
CT图像拍摄模块,CT图像拍摄模块与数据储备模块连接,对病人脊柱拍摄CT图像;
数据储备模块,数据储备模块与CT图像拍摄模块、格式转化模块连接,对CT图像拍摄模块1的CT图像进行数据化储备,并将储备的数据传送到格式转化模块;
所述数据储备模块的数据传输方法包括:
当遇到紧急情况必须重新占用该链路时,正在转发数据流的交换设备立刻生成一个伪故障信息;
建立新的应急链路时,控制器已知故障路段,对该传输路径进行备份,控制器根据该备份路径生成源IP地址为起始交换设备IP地址,目的IP地址为终止交换设备IP地址的备份流表项,并向该备份路径中的交换设备下发对应的备份流表项;
当应急通信数据流行至伪故障路段,根据上述起始交换设备的IP地址和所述终止交换设备的IP地址对数据流进行封装,将封装后的数据流根据备份路径转发;
到达目的交换机,当确定该数据流的目的IP地址即为该交换机的IP地址时,对所述封装的数据流进行解封装,解封装后的数据流按照本交换设备中的主流表项进行转发;
由控制器向终止交换设备发出指令,由终止交换设备检测到来的数据流,如果是应急消息的数据流,则根据应急消息的主流表项进行转发,成功转发之后,再根据大数据的主流表项对大数据进行转发;反之,如果先检测到大数据流到来,则选择等待,直到应急消息数据流的到来;
格式转化模块,格式转化模块与数据储备模块、图像预处理模块连接,将数据储存模块的数据通过格式转化模块转化成图像预处理模块可利用的格式,并将转化后的数据传送到图像预处理模块;
图像预处理模块,图像预处理模块与格式转化模块、电云绘制模块连接,图像预处理模块接收格式转化模块转化后的数据,并将生成的预处理图像传送到点云绘制模块;
所述图像预处理模块的图像处理方法包括:
S1将曝光时间长的图像与曝光时间短的图像分别标记为H图像与L图像;
S2分别获取所述H图像与L图像的YCbCr三通道分量,并对各个分量进行梯度计算后得到所述H图像与L图像中每个像素位置的三通道分量梯度值;
S3依次将S2步骤获得的所述H图像与L图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改,得出所述H图像与L图像相对应的权值矩阵;比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m,n情况下进行比较,其中,m表示图像H或图像L的第m行,n表示图像H或图像L的第n列;进行权值修改时,当两个图像梯度差在最大梯度差的1/3以内时,取相同的权值,即为0.5;反之,当梯度差大于最大梯度差的1/3时,对梯度值大的赋予大于0.5的权值,梯度值小的赋予小于0.5的权值;最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n);
点云绘制模块,点云绘制模块与图像预处理模块、算法处理模块连接,将图像预处理模块的图像通过点云绘制模块进行点云绘制,将绘制图传送到算法处理模块;
算法处理模块,算法处理模块与点云绘制模块、数据显示模块连接,算法处理模块将点云绘制模块的绘制图进行相应计算,并将计算结果传送到数据显示模块;
数据显示模块,数据显示模块与算法处理模块连接,并将算法处理模块的数据进行收集,在数据显示模块进行显示;
所述数据显示模块脉冲耦合神经网络模型:
Fij[n]=Sij;
Uij[n]=Fij[n](1+βij[n]Lij[n]);
θij[n]=θ0e-αθ(n-1);
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的像素总数,Δ为调节系数,选取1~3;
自适应加权滤波器噪声滤波的实现方法;
当脉冲输出Yij=1且NY=1~8,NY是当在3*3模板B中为1个数,选取滤波窗口M,对噪声污染图像fij的自适应滤波,滤波方程为:
式中,xrs是滤波窗口中对应像素的系数,Srs为滤波窗口中对应像素的灰度值,fij为滤波后对应窗口中心位置的输出值:
式中Dij为方形滤波窗口M中像素灰度中值,Ωij滤波窗口各像素与中心灰度差绝对均值,max为求最大值符号。
进一步,所述点云绘制模块算法准备为:在实现算法之前,必须进行平面坐标三维化及坐标转换。每个切片数据均由像素组成,且每点都有其像素值,需要把每一幅图像的像素坐标转换到三维空间坐标中,本发明采用将图像中的像素单位作为三维空间中的坐标单位,每隔一定单位的像素绘制一个三维空间的坐标点,坐标点的像素值即为切片数据中读出的颜色值。每张断层扫描图片之间都有个固定的距离,每个点的空间高度则由点所在的切片数据的层号来决定,根据切片的厚度和切片所在的序列可以确定此切片的高度值。
进一步,所述算法处理模块的处理方法如下:
采用参数法表示平面,参数形式如下:
式中:参数决定了平面法向量的方向,而参数ρ决定了平面点的距离,参数θ表示平面的法向n在xoy平面中的投影和x轴止向之间的夹角;表示n和xoy平面的夹角。
假设前面分割结果中某一类中有n个数据点{(xi,yi,zi),i=1,2,…n},则任意一点到平面的距离可以表示为
求得使得最小即为所要求的平面。可以利用拉格朗日乘法求解最小值
首先对ρ求导并令其结果为0,有:
求得:
将结果带入拉格朗日乘法公式中并令 然后对a,b,c分别求导,令导数等于0,可以组成如下的方程组:
将上面的方程组化为Ax=λx的形式,其中
由于A为实对称阵,考虑到a2+b2+c2=1,即(x,x)=1,那么有:
即A的最小特征值即为最小的距离平方和,对应于平面的法向量。根据求得的参数(a,b,c)可以得到参数以及最小距离λ。
可以认为上面的操作是对该点集做了一个平面变化,而所求到一系列参量就是最后的变换结果。最小距离的平均值也可以作为平面拟合好坏的依据。由于kinect在4m距离时的深度测量精度是1.4%,误差在5~6mm之间,这里取一倍误差(5mm)作为判断阈值,低于阈值的区域被认为是待检测区域。将所有区域的(X,Y,Z,θ,φ,ρ)作为参数(X,Y,Z是区域的质心坐标),进行一个KMeans(最邻近区域)分类。
但是分析参数空间的参量,会发现参数是一个没有量纲的量,和其他参量相差一个尺度因子,因此确定参数的尺度因子,也可以认为是一个定权的过程。将平面参数变换为(nx,ny,nz),
本发明的优点及积极效果为:该脊柱外科定位引导系统将原始的CT图像转化成更直观的三维图像,并配合算法处理模块加以数据显示,更准确方便进行脊柱外科定位引导,具有积极的科学理论意义和现实的医学应用价值。
附图说明
图1是本发明实施例提供的脊柱外科定位引导系统结构示意图;
图中:1、CT图像拍摄模块;2、数据储备模块;3、格式转化模块;4、图像预处理模块;5、点云绘制模块;6、算法处理模块;7、数据显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图1对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的脊柱外科定位引导系统包括:CT图像拍摄模块1、数据储备模块2、格式转化模块3、图像预处理模块4、点云绘制模块5、算法处理模块6、数据显示模块7。
CT图像拍摄模块1,CT图像拍摄模块1与数据储备模块2连接,对病人脊柱拍摄CT图像。
数据储备模块2,数据储备模块2与CT图像拍摄模块1、格式转化模块3连接,对CT图像拍摄模块1的CT图像进行数据化储备,并将储备的数据传送到格式转化模块3。
格式转化模块3,格式转化模块3与数据储备模块2、图像预处理模块4连接,将数据储存模块2的数据通过格式转化模块3转化成图像预处理模块4可利用的格式,并将转化后的数据传送到图像预处理模块4。
图像预处理模块4,图像预处理模块4与格式转化模块3、电云绘制模块5连接,图像预处理模块4接收格式转化模块3转化后的数据,并将生成的预处理图像传送到点云绘制模块5。
点云绘制模块5,点云绘制模块5与图像预处理模块4、算法处理模块6连接,将图像预处理模块4的图像通过点云绘制模块5进行点云绘制,将绘制图传送到算法处理模块6。
算法处理模块6,算法处理模块6与点云绘制模块5、数据显示模块7连接,算法处理模块6将点云绘制模块5的绘制图进行相应计算,并将计算结果传送到数据显示模块7。
数据显示模块7,数据显示模块7与算法处理模块6连接,并将算法处理模块6的数据进行收集,在数据显示模块7进行显示。
作为本发明的优选实施例,所述点云绘制模块5算法准备为:
在实现算法之前,必须进行平面坐标三维化及坐标转换。每个切片数据均由像素组成,且每点都有其像素值,需要把每一幅图像的像素坐标转换到三维空间坐标中,本发明采用将图像中的像素单位作为三维空间中的坐标单位,每隔一定单位的像素绘制一个三维空间的坐标点,坐标点的像素值即为切片数据中读出的颜色值。每张断层扫描图片之间都有个固定的距离,每个点的空间高度则由点所在的切片数据的层号来决定,根据切片的厚度和切片所在的序列可以确定此切片的高度值。
作为本发明的优选实施例,所述算法处理模块6的处理方法如下:
采用参数法表示平面,参数形式如下:
式中:参数决定了平面法向量的方向,而参数ρ决定了平面点的距离,参数θ表示平面的法向n在xoy平面中的投影和x轴止向之间的夹角;表示n和xoy平面的夹角。
假设前面分割结果中某一类中有n个数据点{(xi,yi,zi),i=1,2,…n},则任意一点到平面的距离可以表示为
求得使得最小即为所要求的平面。可以利用拉格朗日乘法求解最小值
首先对ρ求导并令其结果为0,有:
求得:
将结果带入拉格朗日乘法公式中并令 然后对a,b,c分别求导,令导数等于0,可以组成如下的方程组:
将上面的方程组化为Ax=λx的形式,其中
由于A为实对称阵,考虑到a2+b2+c2=1,即(x,x)=1,那么有:
即A的最小特征值即为最小的距离平方和,对应于平面的法向量。根据求得的参数(a,b,c)可以得到参数以及最小距离λ。
可以认为上面的操作是对该点集做了一个平面变化,而所求到一系列参量就是最后的变换结果。最小距离的平均值也可以作为平面拟合好坏的依据。由于kinect在4m距离时的深度测量精度是1.4%,误差在5~6mm之间,这里取一倍误差(5mm)作为判断阈值,低于阈值的区域被认为是待检测区域。将所有区域的(X,Y,Z,θ,φ,ρ)作为参数(X,Y,Z是区域的质心坐标),进行一个KMeans(最邻近区域)分类。
但是分析参数空间的参量,会发现参数是一个没有量纲的量,和其他参量相差一个尺度因子,因此确定参数的尺度因子,也可以认为是一个定权的过程。将平面参数变换为(nx,ny,nz),
所述数据储备模块的数据传输方法包括:
当遇到紧急情况必须重新占用该链路时,正在转发数据流的交换设备立刻生成一个伪故障信息;
建立新的应急链路时,控制器已知故障路段,对该传输路径进行备份,控制器根据该备份路径生成源IP地址为起始交换设备IP地址,目的IP地址为终止交换设备IP地址的备份流表项,并向该备份路径中的交换设备下发对应的备份流表项;
当应急通信数据流行至伪故障路段,根据上述起始交换设备的IP地址和所述终止交换设备的IP地址对数据流进行封装,将封装后的数据流根据备份路径转发;
到达目的交换机,当确定该数据流的目的IP地址即为该交换机的IP地址时,对所述封装的数据流进行解封装,解封装后的数据流按照本交换设备中的主流表项进行转发;
由控制器向终止交换设备发出指令,由终止交换设备检测到来的数据流,如果是应急消息的数据流,则根据应急消息的主流表项进行转发,成功转发之后,再根据大数据的主流表项对大数据进行转发;反之,如果先检测到大数据流到来,则选择等待,直到应急消息数据流的到来;
所述图像预处理模块的图像处理方法包括:
S1将曝光时间长的图像与曝光时间短的图像分别标记为H图像与L图像;
S2分别获取所述H图像与L图像的YCbCr三通道分量,并对各个分量进行梯度计算后得到所述H图像与L图像中每个像素位置的三通道分量梯度值;
S3依次将S2步骤获得的所述H图像与L图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改,得出所述H图像与L图像相对应的权值矩阵;比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m,n情况下进行比较,其中,m表示图像H或图像L的第m行,n表示图像H或图像L的第n列;进行权值修改时,当两个图像梯度差在最大梯度差的1/3以内时,取相同的权值,即为0.5;反之,当梯度差大于最大梯度差的1/3时,对梯度值大的赋予大于0.5的权值,梯度值小的赋予小于0.5的权值;最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n);
所述数据显示模块脉冲耦合神经网络模型:
Fij[n]=Sij;
Uij[n]=Fij[n](1+βij[n]Lij[n]);
θij[n]=θ0e-αθ(n-1);
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的像素总数,Δ为调节系数,选取1~3;
自适应加权滤波器噪声滤波的实现方法;
当脉冲输出Yij=1且NY=1~8,NY是当在3*3模板B中为1个数,选取滤波窗口M,对噪声污染图像fij的自适应滤波,滤波方程为:
式中,xrs是滤波窗口中对应像素的系数,Srs为滤波窗口中对应像素的灰度值,fij为滤波后对应窗口中心位置的输出值:
式中Dij为方形滤波窗口M中像素灰度中值,Ωij滤波窗口各像素与中心灰度差绝对均值,max为求最大值符号。
本发明的工作原理:通过CT图像拍摄模块1对病人脊柱拍摄CT图像,利用数据储存模块2将图像数据储存,在格式转化模块3进行格式转化;通过图像预处理模块4接收格式转化模块3转化后的数据,并将生成的预处理图像传送到点云绘制模块5,算法处理模块6将点云绘制模块5的绘制图进行相应计算,并将计算结果传送到数据显示模块7。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰,均属于本发明技术方案的范围内。
Claims (3)
1.一种脊柱外科定位引导系统,其特征在于,所述脊柱外科定位引导系统包括:
CT图像拍摄模块,CT图像拍摄模块与数据储备模块连接,对病人脊柱拍摄CT图像;
数据储备模块,数据储备模块与CT图像拍摄模块、格式转化模块连接,对CT图像拍摄模块1的CT图像进行数据化储备,并将储备的数据传送到格式转化模块;
所述数据储备模块的数据传输方法包括:
当遇到紧急情况必须重新占用该链路时,正在转发数据流的交换设备立刻生成一个伪故障信息;
建立新的应急链路时,控制器已知故障路段,对该传输路径进行备份,控制器根据该备份路径生成源IP地址为起始交换设备IP地址,目的IP地址为终止交换设备IP地址的备份流表项,并向该备份路径中的交换设备下发对应的备份流表项;
当应急通信数据流行至伪故障路段,根据上述起始交换设备的IP地址和所述终止交换设备的IP地址对数据流进行封装,将封装后的数据流根据备份路径转发;
到达目的交换机,当确定该数据流的目的IP地址即为该交换机的IP地址时,对所述封装的数据流进行解封装,解封装后的数据流按照本交换设备中的主流表项进行转发;
由控制器向终止交换设备发出指令,由终止交换设备检测到来的数据流,如果是应急消息的数据流,则根据应急消息的主流表项进行转发,成功转发之后,再根据大数据的主流表项对大数据进行转发;反之,如果先检测到大数据流到来,则选择等待,直到应急消息数据流的到来;
格式转化模块,格式转化模块与数据储备模块、图像预处理模块连接,将数据储存模块的数据通过格式转化模块转化成图像预处理模块可利用的格式,并将转化后的数据传送到图像预处理模块;
图像预处理模块,图像预处理模块与格式转化模块、电云绘制模块连接,图像预处理模块接收格式转化模块转化后的数据,并将生成的预处理图像传送到点云绘制模块;
所述图像预处理模块的图像处理方法包括:
S1将曝光时间长的图像与曝光时间短的图像分别标记为H图像与L图像;
S2分别获取所述H图像与L图像的YCbCr三通道分量,并对各个分量进行梯度计算后得到所述H图像与L图像中每个像素位置的三通道分量梯度值;
S3依次将S2步骤获得的所述H图像与L图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改,得出所述H图像与L图像相对应的权值矩阵;比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m,n情况下进行比较,其中,m表示图像H或图像L的第m行,n表示图像H或图像L的第n列;进行权值修改时,当两个图像梯度差在最大梯度差的1/3以内时,取相同的权值,即为0.5;反之,当梯度差大于最大梯度差的1/3时,对梯度值大的赋予大于0.5的权值,梯度值小的赋予小于0.5的权值;最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n);
点云绘制模块,点云绘制模块与图像预处理模块、算法处理模块连接,将图像预处理模块的图像通过点云绘制模块进行点云绘制,将绘制图传送到算法处理模块;
算法处理模块,算法处理模块与点云绘制模块、数据显示模块连接,算法处理模块将点云绘制模块的绘制图进行相应计算,并将计算结果传送到数据显示模块;
数据显示模块,数据显示模块与算法处理模块连接,并将算法处理模块的数据进行收集,在数据显示模块进行显示;
所述数据显示模块脉冲耦合神经网络模型:
Fij[n]=Sij;
Uij[n]=Fij[n](1+βij[n]Lij[n]);
θij[n]=θ0e-αθ(n-1);
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的像素总数,Δ为调节系数,选取1~3;
自适应加权滤波器噪声滤波的实现方法;
当脉冲输出Yij=1且NY=1~8,NY是当在3*3模板B中为1个数,选取滤波窗口M,对噪声污染图像fij的自适应滤波,滤波方程为:
式中,xrs是滤波窗口中对应像素的系数,Srs为滤波窗口中对应像素的灰度值,fij为滤波后对应窗口中心位置的输出值:
式中Dij为方形滤波窗口M中像素灰度中值,Ωij滤波窗口各像素与中心灰度差绝对均值,max为求最大值符号。
2.如权利要求1所述脊柱外科定位引导系统,其特征在于,所述点云绘制模块算法采用平面坐标三维化及坐标转换,每个切片数据均由像素组成,且每点都有其像素值,需要把每一幅图像的像素坐标转换到三维空间坐标中;采用将图像中的像素单位作为三维空间中的坐标单位,每隔一定单位的像素绘制一个三维空间的坐标点,坐标点的像素值即为切片数据中读出的颜色值;每张断层扫描图片之间都有个固定的距离,每个点的空间高度则由点所在的切片数据的层号来决定,根据切片的厚度和切片所在的序列可以确定此切片的高度值。
3.如权利要求1所述脊柱外科定位引导系统,其特征在于,所述算法处理模块的处理方法如下:
采用参数法表示平面,参数形式如下:
式中:参数决定了平面法向量的方向,而参数ρ决定了平面点的距离,参数θ表示平面的法向n在xoy平面中的投影和x轴止向之间的夹角;表示n和xoy平面的夹角;
假设前面分割结果中某一类中有n个数据点{(xi,yi,zi),i=1,2,…n},则任意一点到平面的距离可以表示为
求得使得最小即为所要求的平面;利用拉格朗日乘法求解最小值
首先对ρ求导并令其结果为0,有:
求得:
将结果带入拉格朗日乘法公式中并令 然后对a,b,c分别求导,令导数等于0,可以组成如下的方程组:
将上面的方程组化为Ax=λx的形式,其中
由于A为实对称阵,考虑到a2+b2+c2=1,即(x,x)=1,那么有:
即A的最小特征值即为最小的距离平方和,对应于平面的法向量;根据求得的参数(a,b,c)得到参数以及最小距离λ;
对该点集做了一个平面变化,而所求到一系列参量最后的变换结果;最小距离的平均值也可以作为平面拟合好坏的依据;由于kinect在4m距离时的深度测量精度是1.4%,误差在5~6mm,取一倍误差作为判断阈值,低于阈值的区域被认为是待检测区域;将所有区域的(X,Y,Z,θ,φ,ρ)作为参数(X,Y,Z是区域的质心坐标),进行一个KMeans分类;
但是分析参数空间的参量,会发现参数是一个没有量纲的量,和其他参量相差一个尺度因子,因此确定参数的尺度因子,是一个定权的过程;将平面参数变换为(nx,ny,nz),
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810602658.8A CN108969086A (zh) | 2018-06-12 | 2018-06-12 | 一种脊柱外科定位引导系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810602658.8A CN108969086A (zh) | 2018-06-12 | 2018-06-12 | 一种脊柱外科定位引导系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108969086A true CN108969086A (zh) | 2018-12-11 |
Family
ID=64541176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810602658.8A Pending CN108969086A (zh) | 2018-06-12 | 2018-06-12 | 一种脊柱外科定位引导系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108969086A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288422A (zh) * | 2020-05-22 | 2021-08-24 | 河南省洛阳正骨医院(河南省骨科医院) | 一种脊柱外科用定位引导系统 |
CN113724310A (zh) * | 2021-08-02 | 2021-11-30 | 卡本(深圳)医疗器械有限公司 | 一种基于三维ct的脊柱点云提取算法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104301636A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 低复杂度高效高动态数字图像的合成方法 |
CN105490936A (zh) * | 2015-12-14 | 2016-04-13 | 国网吉林省电力有限公司信息通信公司 | 一种基于sdn的避免冲突的快速数据传输方法 |
CN107469165A (zh) * | 2017-09-05 | 2017-12-15 | 袁其华 | 一种普外用肠胃液智能减压装置 |
-
2018
- 2018-06-12 CN CN201810602658.8A patent/CN108969086A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104301636A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 低复杂度高效高动态数字图像的合成方法 |
CN105490936A (zh) * | 2015-12-14 | 2016-04-13 | 国网吉林省电力有限公司信息通信公司 | 一种基于sdn的避免冲突的快速数据传输方法 |
CN107469165A (zh) * | 2017-09-05 | 2017-12-15 | 袁其华 | 一种普外用肠胃液智能减压装置 |
Non-Patent Citations (2)
Title |
---|
刘巧红等: "脊柱外科三维重建系统", 《计算机工程》 * |
黄忠义等: "Kinect点云的平面提取算法研究", 《全球定位系统》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288422A (zh) * | 2020-05-22 | 2021-08-24 | 河南省洛阳正骨医院(河南省骨科医院) | 一种脊柱外科用定位引导系统 |
CN113724310A (zh) * | 2021-08-02 | 2021-11-30 | 卡本(深圳)医疗器械有限公司 | 一种基于三维ct的脊柱点云提取算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022188379A1 (zh) | 服务于电力机器人的人工智能系统及方法 | |
CN108399643A (zh) | 一种激光雷达和相机间的外参标定系统和方法 | |
CN108764048A (zh) | 人脸关键点检测方法及装置 | |
CN110738161A (zh) | 一种基于改进生成式对抗网络的人脸图像矫正方法 | |
CN110532897A (zh) | 零部件图像识别的方法和装置 | |
WO2017156905A1 (zh) | 一种将二维图像转化为多视点图像的显示方法及系统 | |
CN104599284A (zh) | 基于多视角手机自拍图像的三维人脸重建方法 | |
CN110411339A (zh) | 一种基于平行激光束的水下目标尺寸测量设备及方法 | |
CN108969086A (zh) | 一种脊柱外科定位引导系统 | |
CN110599522B (zh) | 一种视频序列中动态目标检测剔除方法 | |
CN109848073A (zh) | 一种分拣煤与煤矸石的设备与方法 | |
CN110209184A (zh) | 一种基于双目视觉系统的无人机避障方法 | |
CN109241822A (zh) | 一种基于mtcnn的多方位人脸检测方法及系统 | |
CN105843166B (zh) | 一种特型多自由度自动对接装置及其工作方法 | |
CN108769617A (zh) | 基于无人机的船舶水尺读数智能识别系统 | |
CN111739080A (zh) | 多台深度相机共同构建3d空间及3d物体的方法 | |
CN108460794A (zh) | 一种双目立体红外显著目标检测方法及系统 | |
CN114066981A (zh) | 一种无人机对地目标定位方法 | |
CN108664886A (zh) | 一种适应变电站进出监控需求的人脸快速识别方法 | |
CN112927348B (zh) | 一种基于多视点rgbd相机高分辨率人体三维重建方法 | |
CN112651962A (zh) | 一种ai智能诊断系统平台 | |
Garcia et al. | Low cost 3D face acquisition and modeling | |
CN109819231A (zh) | 一种视觉自适应裸眼3d图像处理方法及装置 | |
CN209520073U (zh) | 一种分拣煤与煤矸石的设备 | |
CN113139913B (zh) | 一种面向人物肖像的新视图修正生成方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |