CN109199603B - 一种椎弓根螺钉最优置钉点的智能定位方法 - Google Patents

一种椎弓根螺钉最优置钉点的智能定位方法 Download PDF

Info

Publication number
CN109199603B
CN109199603B CN201811009492.5A CN201811009492A CN109199603B CN 109199603 B CN109199603 B CN 109199603B CN 201811009492 A CN201811009492 A CN 201811009492A CN 109199603 B CN109199603 B CN 109199603B
Authority
CN
China
Prior art keywords
dimensional grid
optimal
pedicle
grid model
screw
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
CN201811009492.5A
Other languages
English (en)
Other versions
CN109199603A (zh
Inventor
舒振宇
龚梦航
袁翔
庞超逸
许立波
杨思鹏
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.)
Ningbo Institute of Technology of ZJU
Original Assignee
Ningbo Institute of Technology of ZJU
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 Ningbo Institute of Technology of ZJU filed Critical Ningbo Institute of Technology of ZJU
Priority to CN201811009492.5A priority Critical patent/CN109199603B/zh
Publication of CN109199603A publication Critical patent/CN109199603A/zh
Application granted granted Critical
Publication of CN109199603B publication Critical patent/CN109199603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/10—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges for stereotaxic surgery, e.g. frame-based stereotaxis
    • A61B90/11—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges for stereotaxic surgery, e.g. frame-based stereotaxis with guides for needles or instruments, e.g. arcuate slides or ball joints
    • 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
    • A61B17/68—Internal fixation devices, including fasteners and spinal fixators, even if a part thereof projects from the skin
    • A61B17/70—Spinal positioners or stabilisers ; Bone stabilisers comprising fluid filler in an implant
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Neurology (AREA)
  • Urology & Nephrology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Robotics (AREA)
  • Surgical Instruments (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种椎弓根螺钉最优置钉点的智能定位方法，其特征在于，方法包括步骤：S1、获取多组人体椎弓根的CT扫描图片，构建CT扫描图片的三维网格模型Mi（i=1,2，……，a）；S2、计算三维网格模型Mi上的每个顶点vj （i）的特征向量Fj （i），标注每个特征向量Fj （i）对应的向量标签Lj （i）；S3、利用深度神经网络算法对集合S以及对应的训练标签进行训练学习，获取深度神经网络模型；S4、获取一待定位的人体椎弓根三维网格模型，获取待定位的三维网格模型的特征向量，将该特征向量输入深度神经网络模型以获取其一一对应的标签结果，根据标签结果获取待定位的三维网格模型中的最佳置钉点位置。上述方法解决了最优置钉入点定位地智能生成问题。

Description

一种椎弓根螺钉最优置钉点的智能定位方法
技术领域
本发明涉及医疗技术领域，尤其涉及一种椎弓根螺钉最优置钉点的智能定位方法。
背景技术
椎弓根螺钉内固定是治疗脊柱复位等脊柱手术的有效方法，但椎弓根的结构复杂多变，椎弓根的固有解剖结构较为狭窄，且其周围毗邻血管、神经及脊髓等重要的解剖结构。准确地植入一根长度合适的椎弓根螺钉非常关键，若植入的椎弓根螺钉位置出现较大偏差，则会损伤毗邻重要组织结构，将造成严重的手术并发症。所以椎弓根螺钉置入位置的定位方法是各类脊柱手术的关键。
在对定位最优置钉点时，现有技术最常采用的是解剖标志点法、椎板开窗法、C型臂透视辅助置钉、X线透视法等依托物理方式或者医师经验的方法。这些方法有些容易因麻药、物理射线等对人体造成伤害，另外一些要依附于经验，不易推广且不稳定性高。所以，采用智能化的定位最优置钉点，成为目前亟待解决的问题。
发明内容
本发明要解决的技术问题是，提供一种椎弓根螺钉最优置钉点的智能定位方法，以实现对椎弓根最优置钉点的智能定位。
本发明的技术方案是：一种椎弓根螺钉最优置钉点的智能定位方法，其特征在于，所述方法包括步骤：
S1、获取多组人体椎弓根的CT扫描图片，构建所述CT扫描图片的三维网格模型Mi(i＝1,2,...,a)，a为正整数；
S2、计算三维网格模型Mi上的每个顶点
Figure GDA0002517669690000011
的特征向量
Figure GDA0002517669690000012
标注每个特征向量
Figure GDA0002517669690000013
对应的向量标签
Figure GDA0002517669690000014
j为正整数；
S3、将所有三维网格模型Mi上所有顶点
Figure GDA0002517669690000021
对应的特征向量
Figure GDA0002517669690000022
构成集合S，将集合S作为训练样本，并将每一个特征向量
Figure GDA0002517669690000023
对应的向量标签
Figure GDA0002517669690000024
作为训练样本S的训练标签，利用深度神经网络算法对集合S以及对应的训练标签进行训练学习，获取深度神经网络模型；
S4、获取一待定位的人体椎弓根三维网格模型，获取所述待定位的三维网格模型的特征向量，将该特征向量输入深度神经网络模型以获取其一一对应的标签结果，根据所述标签结果获取所述待定位的三维网格模型中的最佳置钉点位置。
较佳的，在步骤S2中，利用小波核签名提取三维网格模型Mi上的每个顶点
Figure GDA0002517669690000025
的特征向量
Figure GDA0002517669690000026
较佳的，构成所述集合S的所有三维网格模型中已标注最佳置钉点位置，于所述集合S中的特征向量
Figure GDA0002517669690000027
对应为最佳置钉点位置时对应的所述向量标签
Figure GDA0002517669690000028
为1，否则为0。
较佳的，步骤S4包括步骤：
S41、获取一待定位的人体椎弓根三维网格模型，获取所述待定位的三维网格模型的特征向量；
S42、将所述待定位的三维网格模型的特征向量全部输入所述深度神经网络模型，获取每个特征向量对应的标签结果，根据所述标签结果判断椎弓根螺钉的最佳置钉点位置。
较佳的，于所述标签结果为1时，所述标签结果对应的顶点为最佳置钉点位置。
上述技术方案具有如下优点或有益效果：本申请提出的一种椎弓根螺钉最优置钉点的智能定位方法，解决了最优置钉入点定位地智能生成问题，对于给定的人体脊椎椎骨三维数字几何模型，能够根据用户需求，在保证手术安全的前提条件下，自动确定最优置钉入点。该方法具有两方面的优点：
1、保证生成的置钉入点在所有可能的置钉入点中位置最佳，相比于传统任工方法，可以大大降低螺钉错位率，提高精度，从而省去了手术中椎弓根螺钉置钉入点定位这一繁琐的步骤，使得骨科医生更高效的开展下一步手术工作；
2、使得椎弓根螺钉置钉点入点定位不再依赖于骨科医生的临床经验，因为即使是经验丰富的骨科医生，在实际手术过程中也会在各种因素的影响下错误判断，导致找不到最佳置钉入点，而我们的方法是从大量成功临床数据学习而来，在保证超高准确率的前提下，在实际手术过程中不会受无关因素的影响，可大大提高颈椎椎弓根螺钉置钉的准确性和安全性；
3、小波核签名比以前的方法更具辨别力，能实现更好的特征定位，更精确的特征匹配，对扰动数据具有鲁棒性，即使有强烈扰动的数据，小波核签名仍然可以正确检测特征对应关系；
4、深度神经网络算法稳定性高，在大样本的学习训练下，得到的预测准确率比传统方法更高，训练样本越多，比传统算法在准确率上越有优势。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为本发明一种椎弓根螺钉最优置钉点的智能定位方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明一种椎弓根螺钉最优置钉点的智能定位方法进行详细说明。
如图1所示，一种椎弓根螺钉最优置钉点的智能定位方法，包括步骤：
S1、获取多组人体椎弓根的CT扫描图片，构建所述CT扫描图片的三维网格模型Mi(i＝1,2,...,a)，a为正整数；
S2、计算三维网格模型Mi上的每个顶点
Figure GDA0002517669690000031
的特征向量
Figure GDA0002517669690000032
其中，n(i)为正整数，表示三维网格模型Mi上的顶点个数，m是每个顶点的特征维数，标注每个特征向量
Figure GDA0002517669690000033
对应的向量标签
Figure GDA0002517669690000034
S3、将所有三维网格模型Mi上所有顶点
Figure GDA0002517669690000035
对应的特征向量
Figure GDA0002517669690000036
构成集合S，将集合S作为训练样本，并将每一个特征向量
Figure GDA0002517669690000037
对应的向量标签
Figure GDA0002517669690000038
作为训练样本S的训练标签，利用深度神经网络算法对集合S以及对应的训练标签进行训练学习，获取深度神经网络模型；
S4、获取一待定位的人体椎弓根三维网格模型，获取该待定位的三维网格模型的特征向量，将这些特征向量输入深度神经网络模型以获取其一一对应的标签结果，根据标签结果获取该待定位的三维网格模型中的最佳置钉点位置。
具体来说，在椎弓根螺钉最优置钉点的智能定位方法中，首先是获取了多组人体椎弓根的CT扫描图片，建立相应的三维网格模型，然后计算出三维网格模型上每个顶点
Figure GDA0002517669690000041
的特征向量
Figure GDA0002517669690000042
每个特征向量
Figure GDA0002517669690000043
都有一对应的向量标签
Figure GDA0002517669690000044
对所有的特征向量
Figure GDA0002517669690000045
构成的集合S以及对应的向量标签
Figure GDA0002517669690000046
进行训练学习，获取深度神经网络模型。对所有的特征向量
Figure GDA0002517669690000047
构成的集合S以及对应的向量标签
Figure GDA0002517669690000048
进行训练学习，获取深度神经网络模型。当需要确定一人体椎弓根的最佳置钉点时，将该人体椎弓根对应的三维网格模型的每个顶点的特征向量输入至深度神经网络模型中，以获取每个顶点对应的标签结果，根据该标签结果即可获取该人体椎弓根的最佳置钉点位置。在上述方法中，深度神经网络算法在大样本的学习训练下，得到的预测准确率比传统方法更高，训练样本越多，比传统算法在准确率上越有优势。
进一步来讲，在步骤S3中，构成集合S的所有三维网格模型已经经验丰富的医生进行最佳置钉点位置标注，相应的，在集合S中，特征向量对应的为最佳置钉点位置时对应的向量标签为1，否则，对应的标签为0。
进一步来讲，在步骤S4中，根据标签结果获取待定位的三维网格模型中最佳置钉点位置对应的标签结果为1。
进一步来讲，在步骤S2中，利用小波核签名提取三维网格模型Mi上每个顶点
Figure GDA0002517669690000049
对应的特征向量
Figure GDA00025176696900000410
其中
Figure GDA00025176696900000411
n(i)为正整数，表示三维网格模型Mi上的顶点个数，m是每个顶点的特征维数，标注每个特征向量
Figure GDA00025176696900000412
对应的向量标签
Figure GDA00025176696900000413
相比于传统的特征描述方式，小波核签名更具辨别力，能实现更好的特征定位，更精确的特征匹配，对扰动数据具有鲁棒性，即使有强烈扰动的数据，小波核签名仍然可以正确检测特征对应关系。
进一步来讲，步骤S4包括步骤：
S41、获取一待定位的人体椎弓根三维网格模型，获取该待定位的三维网格模型的特征向量；
S42、将该待定位的三维网格模型的特征向量全部输入上述深度神经网络模型，获取每个特征向量对应的标签结果，于标签结果为1时判定该标签结果对应的顶点为椎弓根螺钉的最佳置钉点位置。
本申请提出的一种椎弓根螺钉最优置钉点的智能定位方法，解决了最优置钉入点定位地智能生成问题，对于给定的人体脊椎椎骨三维数字几何模型，能够根据用户需求，在保证手术安全的前提条件下，自动确定最优置钉入点。该方法具有两方面的优点：
1、保证生成的置钉入点在所有可能的置钉入点中位置最佳，相比于传统任工方法，可以大大降低螺钉错位率，提高精度，从而省去了手术中椎弓根螺钉置钉入点定位这一繁琐的步骤，使得骨科医生更高效的开展下一步手术工作；
2、使得椎弓根螺钉置钉点入点定位不再依赖于骨科医生的临床经验，因为即使是经验丰富的骨科医生，在实际手术过程中也会在各种因素的影响下错误判断，导致找不到最佳置钉入点，而我们的方法是从大量成功临床数据学习而来，在保证超高准确率的前提下，在实际手术过程中不会受无关因素的影响，可大大提高颈椎椎弓根螺钉置钉的准确性和安全性；
3、小波核签名比以前的方法更具辨别力，能实现更好的特征定位，更精确的特征匹配，对扰动数据具有鲁棒性，即使有强烈扰动的数据，小波核签名仍然可以正确检测特征对应关系；
4、深度神经网络算法稳定性高，在大样本的学习训练下，得到的预测准确率比传统方法更高，训练样本越多，比传统算法在准确率上越有优势。
对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。

Claims (5)

1.一种椎弓根螺钉最优置钉点的智能定位方法，其特征在于，所述方法包括步骤：
S1、获取多组人体椎弓根的CT扫描图片，构建所述CT扫描图片的三维网格模型Mi（i=1,2，……，a），a为正整数；
S2、计算三维网格模型Mi上的每个顶点vj （i）的特征向量Fj （i），标注每个特征向量Fj （i）对应的向量标签Lj （i），j为正整数；
S3、将所有三维网格模型Mi上所有顶点vj （i）对应的特征向量Fj （i）构成集合S，将集合S作为训练样本，并将每一个特征向量Fj （i）对应的向量标签Lj （i）作为训练样本S的训练标签，利用深度神经网络算法对集合S以及对应的训练标签进行训练学习，获取深度神经网络模型；
S4、获取一待定位的人体椎弓根三维网格模型，获取所述待定位的三维网格模型的特征向量，将所述待定位的三维网格模型的特征向量输入深度神经网络模型以获取其一一对应的标签结果，与所述待定位的三维网格模型的特征向量分别一一对应的标签结果表示为1或0，根据所述标签结果获取所述待定位的三维网格模型中的最佳置钉点位置。
2.根据权利要求1所述的一种椎弓根螺钉最优置钉点的智能定位方法，其特征在于，在步骤S2中，利用小波核签名提取三维网格模型上的每个顶点vj （i）的特征向量Fj （i）。
3.根据权利要求1所述的一种椎弓根螺钉最优置钉点的智能定位方法，其特征在于，构成所述集合S的所有三维网格模型中已标注最佳置钉点位置，于所述集合S中的特征向量Fj （i）对应为最佳置钉点位置时对应的所述向量标签Lj （i）为1，否则为0。
4.根据权利要求1所述的一种椎弓根螺钉最优置钉点的智能定位方法，其特征在于，步骤S4包括步骤：
S41、获取一待定位的人体椎弓根三维网格模型，获取所述待定位的三维网格模型的特征向量；
S42、将所述待定位的三维网格模型的特征向量全部输入所述深度神经网络模型，获取每个特征向量对应的标签结果，根据所述标签结果判断椎弓根螺钉的最佳置钉点位置。
5.根据权利要求3或4所述的一种椎弓根螺钉最优置钉点的智能定位方法，其特征在于，于所述标签结果为1时，所述标签结果对应的顶点为最佳置钉点位置。
CN201811009492.5A 2018-08-31 2018-08-31 一种椎弓根螺钉最优置钉点的智能定位方法 Active CN109199603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811009492.5A CN109199603B (zh) 2018-08-31 2018-08-31 一种椎弓根螺钉最优置钉点的智能定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811009492.5A CN109199603B (zh) 2018-08-31 2018-08-31 一种椎弓根螺钉最优置钉点的智能定位方法

Publications (2)

Publication Number Publication Date
CN109199603A CN109199603A (zh) 2019-01-15
CN109199603B true CN109199603B (zh) 2020-11-03

Family

ID=64985381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811009492.5A Active CN109199603B (zh) 2018-08-31 2018-08-31 一种椎弓根螺钉最优置钉点的智能定位方法

Country Status (1)

Country Link
CN (1) CN109199603B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311732B (zh) * 2020-04-26 2023-06-20 中国人民解放军国防科技大学 3d人体网格获取方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458072A (zh) * 2009-01-08 2009-06-17 西安交通大学 一种基于多传感器的三维轮廓测量装置及其测量方法
US10492868B2 (en) * 2011-01-28 2019-12-03 Medtronic Navigation, Inc. Method and apparatus for image-based navigation
RO128174B1 (ro) * 2011-07-14 2015-07-30 Universitatea Politehnica Din Bucureşti Metodă şi sistem de instruire pentru poziţionarea şuruburilor pediculare în vertebrele coloanei umane
CN103654939B (zh) * 2012-09-24 2016-08-24 中央大学 骨固定器的固定孔轴向定位系统
KR101631908B1 (ko) * 2014-03-03 2016-06-20 유앤아이 주식회사 척추경에 스크류를 고정하기 위한 수술방법 및 상기 방법에 사용되는 스크류의 삽입 도구
WO2016177381A2 (en) * 2015-05-03 2016-11-10 Khorshid Heba Ezzeldin Abdelrehim A novel technique for computer aided surgical stents
CN106510833B (zh) * 2016-11-17 2017-10-13 南华大学 双侧定位型椎弓根置钉瞄准器及其制备方法
CN107647914B (zh) * 2017-08-18 2018-08-24 浙江大学宁波理工学院 一种椎弓根手术导板最优置钉钉道智能生成方法

Also Published As

Publication number Publication date
CN109199603A (zh) 2019-01-15

Similar Documents

Publication Publication Date Title
CN108320288B (zh) 一种特发性脊柱侧凸影像的数据处理方法
US8150132B2 (en) Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program
Mattes et al. Nonrigid multimodality image registration
Yue et al. Automated 2-D cephalometric analysis on X-ray images by a model-based approach
CN102940530B (zh) 一种虚拟构建前交叉韧带在股骨和胫骨隧道的方法
CN109966662A (zh) 一种验证放射治疗剂量的方法及系统
CN110946652B (zh) 一种骨螺钉的钉道规划方法和装置
CN108038860A (zh) 基于3d全卷积神经网络的脊柱分割方法
Pereañez et al. Accurate segmentation of vertebral bodies and processes using statistical shape decomposition and conditional models
Zhang et al. 3-D reconstruction of the spine from biplanar radiographs based on contour matching using the hough transform
Benameur et al. Three-dimensional biplanar reconstruction of scoliotic rib cage using the estimation of a mixture of probabilistic prior models
CN113469945B (zh) 基于ct与mri显像融合的骶神经建模方法及系统
CN106308919B (zh) 辅助胸椎椎弓根螺钉置入的导航模板制作方法及导航模板
CN109199604B (zh) 一种基于多特征的椎弓根螺钉最佳入点定位方法
CN109199603B (zh) 一种椎弓根螺钉最优置钉点的智能定位方法
Hržić et al. XAOM: A method for automatic alignment and orientation of radiographs for computer-aided medical diagnosis
CN107647914A (zh) 一种椎弓根手术导板最优置钉钉道智能生成方法
Du et al. Segvol: Universal and interactive volumetric medical image segmentation
Zollei 2D-3D rigid-body registration of X-ray Fluoroscopy and CT images
CN106875376A (zh) 腰椎配准先验模型的构建方法以及腰椎配准方法
Shi et al. Fast shading correction for cone-beam CT via partitioned tissue classification
Bhandarkar et al. Computer vision guided virtual craniofacial reconstruction
Cai et al. Automatic path planning for navigated pedicle screw surgery based on deep neural network
Syamlan et al. A Virtual Spine Construction Algorithm for a Patient-Specific Pedicle Screw Surgical Simulators
CN111466933A (zh) 一种脊柱活动度测量方法及系统

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