CN109255812A - 一种基于3d影像的人体前臂形态学对称性分析方法 - Google Patents
一种基于3d影像的人体前臂形态学对称性分析方法 Download PDFInfo
- Publication number
- CN109255812A CN109255812A CN201811001085.XA CN201811001085A CN109255812A CN 109255812 A CN109255812 A CN 109255812A CN 201811001085 A CN201811001085 A CN 201811001085A CN 109255812 A CN109255812 A CN 109255812A
- Authority
- CN
- China
- Prior art keywords
- forearm
- image
- analysis method
- model
- specifically
- 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
- 210000000245 forearm Anatomy 0.000 title claims abstract description 96
- 238000004458 analytical method Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000000877 morphologic effect Effects 0.000 claims abstract 12
- 238000005457 optimization Methods 0.000 claims description 21
- 230000002146 bilateral effect Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 210000003857 wrist joint Anatomy 0.000 claims description 9
- 210000002310 elbow joint Anatomy 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000002595 magnetic resonance imaging Methods 0.000 claims 2
- 239000012634 fragment Substances 0.000 claims 1
- 238000009499 grossing Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 3
- 230000005484 gravity Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 210000003414 extremity Anatomy 0.000 description 6
- 230000008676 import Effects 0.000 description 4
- 210000000236 metacarpal bone Anatomy 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 241000135309 Processus Species 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- RGCLLPNLLBQHPF-HJWRWDBZSA-N phosphamidon Chemical group CCN(CC)C(=O)C(\Cl)=C(/C)OP(=O)(OC)OC RGCLLPNLLBQHPF-HJWRWDBZSA-N 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
- G06T17/30—Polynomial surface description
-
- 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
- G06T2207/10088—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种基于3D影像的人体前臂形态学对称性分析方法,具体分为五个步骤。本发明方法比较评估出人体左右前臂形态学对称性，通过使用计算机三维影像虚拟仿真操作得出左右前臂各自指标参数的大小，从而进行评估左右前臂是否对称，并最后通过3D偏差分析得到的左右前臂模型体积、表面积、拟合平均偏差大小以及重心位置等，通过多个指标的分析，这些数据可用来评估出同一个人体的左右前臂在解剖形态学上是否对称，这样的结论及结果能进一步为临床假肢、义肢的制作与设计提供理论性的参考，具有极大的临床应用分析价值。
Description
技术领域
本发明属于数字医学技术领域，特别涉及一种基于3D影像的人体前臂形态学对称性分析方法。
背景技术
人体形态学研究过程中通常需要测量人体尺寸数据，人体尺寸数据是一项重要的基础数据资源，具有突出的时效性，标准的人体测量学测量过程中，需要采集的数据非常多，需要花费巨大的人力财力，以人体表面轮廓扫描影像数据为基础，通过三维重建软件和逆向工程软件，经过处理分析，结合统计学分析，挖掘不同数据之间的相关性，为人体尺寸测量项目的优化提供技术手段，降低人力物力财力的投入，提高数据采集效率，满足工业设计和人类工效学应用的需求。
在康复医学领域中，传统方法制作假肢通是过取型、修型、成型三个步骤完成的，其修型过程是人工操作完成，这种制作方法比较粗糙，制作出来的假肢不美观。
因此针对现有技术不足，提供一种基于3D影像的人体前臂形态学对称性分析方法以解决现有技术不足甚为必要。
发明内容
本发明的目的在于避免现有技术的不足之处而提供一种基于3D影像的人体前臂形态学对称性分析方法。该基于3D影像的人体前臂形态学对称性分析方法具有维度高、可靠性强、数据获取方法精准简易和易于操作的优点。
本发明的上述目的通过以下技术措施实现：
提供一种基于3D影像的人体前臂形态学对称性分析方法,步骤包括有：
步骤一，采集对像前臂的断层影像数据；
步骤二，对步骤一得到的断层影像数据进行前臂表面轮廓模型三维重建得到前臂表面轮廓三维模型；
步骤三，对步骤二得到的前臂表面轮廓三维模型进行优化处理，得到优化三维模型；
步骤四，对步骤三得到的优化三维模型进行左右臂分离镜像对齐拟合，得到拟合结果；
步骤五，对步骤四拟合结果进行3D偏差分析。
优选的，上述步骤一具体为：利用超导型磁共振成像仪的快速mDIXON序列，采集对像双侧上肢前臂的断层影像数据。
优选的，上述步骤二具体为对步骤一得到的断层影像数据以DICOM格式导入医学三维重建软件Mimics，设置第一阀值重建双侧手臂表面轮廓操作，得到前臂表面轮廓三维模型。
将步骤三中得到的前臂表面轮廓三维模型以STL格式导入逆向工程软件GeomagicWrap中进行表面优化处理，得到优化三维模型。
优选的，上述步骤四具体为，将步骤三得到的优化三维模型在Geomagic Wrap复制一份副本得到两个相同的优化三维模型，两个优化三维模型分别删除右单侧前臂和左单侧前臂，将得到左单侧前臂的模型命名为“LH”，将得到右单侧前臂的模型命名为“RH”，在工具中对两个模型进行镜像对齐和最佳拟合操作，导出成wrp格式的拟合结果。
优选的，上述步骤五具体为，将步骤四得到的拟合结果导入逆向工程软件Geomagic软件的Control，将右单侧前臂的模型或者左单侧前臂的模型定义为测试模型，另一个定义为参考模型，进行3D比较操作并进行3D偏差分析。
优选的，上述步骤一具体为在Segmentation模块下，通过Thresholding工具，设定第二阈值和灰度值,使双侧手臂表面轮廓完整且光滑得到初步分割图像，然后利用EditMasks工具分割腕关节到肘关节部分，腕关节部位截取平面为第二掌骨和第五掌骨最低端连线平面，肘关节部位截取平面为桡骨头最低端平面向下1±0.5cm，得到双侧前臂Mask并对进行三维重建完成前臂三维建模。
优选的，上述步骤二中的重建双侧手臂表面轮廓操作具体为先识别骨性结构，进行分割和填补操作并保留前臂桡骨头最高点至桡骨茎突段，同时对腕关节和肘关节处截面进行平整并进行删除补孔操作。
优选的，上述步骤二中的表面优化处理具体为先将删除钉状物，然后进行快速光顺，再进行孔洞缺陷修复，补孔修复时选区时小面积选取，最后删除内部碎片。
优选的，上述3D偏差分析具体为平均偏差分析、标准偏差分析、最大偏差分析或者最小偏差分析。
优选的，上述磁共振成像仪为飞利浦的3.0T超导型磁共振成像仪。
优选的，上述第一阀值和第二阀值都为25。
优选的，上述灰度值为25～280。
本发明的一种基于3D影像的人体前臂形态学对称性分析方法,步骤包括有：步骤一，采集对像前臂的断层影像数据；步骤二，对步骤一得到的断层影像数据进行前臂表面轮廓模型三维重建得到前臂表面轮廓三维模型；步骤三，对步骤二得到的前臂表面轮廓三维模型进行优化处理，得到优化三维模型；步骤四，对步骤三得到的优化三维模型进行左右臂分离镜像对齐拟合，得到拟合结果；步骤五，对步骤四拟合结果进行3D偏差分析。本发明方法比较评估出人体左右前臂形态学对称性，通过使用计算机三维影像虚拟仿真操作得出左右前臂各自指标参数的大小，从而进行评估左右前臂是否对称，并最后通过3D偏差分析得到的左右前臂模型体积、表面积、拟合平均偏差大小以及重心位置等，通过多个指标的分析，这些数据可用来评估出同一个人体的左右前臂在解剖形态学上是否对称，这样的结论及结果能进一步为临床假肢、义肢的制作与设计提供理论性的参考，具有极大的临床应用分析价值。
附图说明
利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。
图1是一种基于3D影像的人体前臂形态学对称性分析方法流程示意图。
图2为前臂表面轮廓三维模型的示意图。
图3为侧手臂在Mimics中使用Edit Masks工具进行裁剪后的二维冠状面示意图。
图4为经过初步裁剪后臂表面轮廓三维模型示意图。
图5为前臂STL模型导入到Geomagic Wrap中处理前的前臂表面轮廓三维模型示意图。
图6为经过光滑降噪处理后优化三维模型的示意图。
图7为经过对齐拟合处理后的拟合结果示意图。
图8为图7经裁剪后的拟合结果示意图。
图9为本发明的3D偏差分析的结果示意图。
具体实施方式
结合以下实施例对本发明的技术方案作进一步说明。
实施例1。
一种基于3D影像的人体前臂形态学对称性分析方法,如图1至9所示，步骤包括有：
步骤一，采集对像前臂的断层影像数据；
步骤二，对步骤一得到的断层影像数据进行前臂表面轮廓模型三维重建得到前臂表面轮廓三维模型；
步骤三，对步骤二得到的前臂表面轮廓三维模型进行优化处理，得到优化三维模型；
步骤四，对步骤三得到的优化三维模型进行左右臂分离镜像对齐拟合，得到拟合结果；
步骤五，对步骤四拟合结果进行3D偏差分析。
其中步骤一具体为：利用超导型磁共振成像仪的快速mDIXON序列，采集对像双侧上肢前臂的断层影像数据。
其中步骤二具体为对步骤一得到的断层影像数据以DICOM格式导入医学三维重建软件Mimics，设置第一阀值重建双侧手臂表面轮廓操作，得到前臂表面轮廓三维模型。
将步骤三中得到的前臂表面轮廓三维模型以STL格式导入逆向工程软件GeomagicWrap中进行表面优化处理，得到优化三维模型。
其中步骤四具体为，将步骤三得到的优化三维模型在Geomagic Wrap复制一份副本得到两个相同的优化三维模型，两个优化三维模型分别删除右单侧前臂和左单侧前臂，将得到左单侧前臂的模型命名为“LH”，将得到右单侧前臂的模型命名为“RH”，在工具中对两个模型进行镜像对齐和最佳拟合操作，导出成wrp格式的拟合结果。
其中步骤五具体为，将步骤四得到的拟合结果导入逆向工程软件Geomagic软件的Control，将右单侧前臂的模型或者左单侧前臂的模型定义为测试模型，另一个定义为参考模型，进行3D比较操作并进行3D偏差分析。
其中步骤一具体为在Segmentation模块下，通过Thresholding工具，设定第二阈值和灰度值,使双侧手臂表面轮廓完整且光滑得到初步分割图像，然后利用Edit Masks工具分割腕关节到肘关节部分，腕关节部位截取平面为第二掌骨和第五掌骨最低端连线平面，肘关节部位截取平面为桡骨头最低端平面向下1±0.5cm，得到双侧前臂Mask并对进行三维重建完成前臂三维建模。
其中步骤二中的重建双侧手臂表面轮廓操作具体为先识别骨性结构，进行分割和填补操作并保留前臂桡骨头最高点至桡骨茎突段，同时对腕关节和肘关节处截面进行平整并进行删除补孔操作。
其中步骤二中的表面优化处理具体为先将删除钉状物，然后进行快速光顺，再进行孔洞缺陷修复，补孔修复时选区时小面积选取，最后删除内部碎片。
其中3D偏差分析具体为平均偏差分析、标准偏差分析、最大偏差分析或者最小偏差分析。
其中磁共振成像仪为飞利浦的3.0T超导型磁共振成像仪。其中第一阀值和第二阀值都为25。其中灰度值为25～280。
需说明的是，步骤四中在Geomagic Wrap软件的操作具体为，选择“工具”这一栏，并在“工具”这一栏中选择“镜像”操作，将“LH”和“RH”中的模型进行左右镜像，设置为“仅翻转”和“拾取平面”,对齐平面为直线，位置度为18.12mm，可得到左右前臂模型镜像重叠在一起，然后选择“对齐”这一栏，并在“对齐”选择栏中选择“最佳拟合对齐”操作，采样大小设置为1500，公差为3mm，并选择高精度拟合，可得到左右前臂镜像后最佳对齐重叠结果，导出成wrp格式的拟合结果。
本发明的的3D偏差分析结果，是通过选择颜色作为参考，设置颜色段为15段，便可得出3D偏差颜色偏差结果显示，同时可得到偏差数值。
本发明在对采集对像的断层影像数据时，需要对像平躺在飞利浦的3.0T超导型磁共振成像仪上，将双手平直举过头顶，掌心向上，手指正常放松弯曲，将医用摆位沙垫放置于腕关节下方的伸肌支持带皮下外侧，保持体位，再进行双侧上肢前臂的断层影像数据采集。
该基于3D影像的人体前臂形态学对称性分析方法,步骤包括有：步骤一，采集对像前臂的断层影像数据；步骤二，对步骤一得到的断层影像数据进行前臂表面轮廓模型三维重建得到前臂表面轮廓三维模型；步骤三，对步骤二得到的前臂表面轮廓三维模型进行优化处理，得到优化三维模型；步骤四，对步骤三得到的优化三维模型进行左右臂分离镜像对齐拟合，得到拟合结果；步骤五，对步骤四拟合结果进行3D偏差分析。本发明方法比较评估出人体左右前臂形态学对称性，通过使用计算机三维影像虚拟仿真操作得出左右前臂各自指标参数的大小，从而进行评估左右前臂是否对称，并最后通过3D偏差分析得到的左右前臂模型体积、表面积、拟合平均偏差大小以及重心位置等，通过多个指标的分析，这些数据可用来评估出同一个人体的左右前臂在解剖形态学上是否对称，这样的结论及结果能进一步为临床假肢、义肢的制作与设计提供理论性的参考，具有极大的临床应用分析价值。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (10)
1.一种基于3D影像的人体前臂形态学对称性分析方法,其特征在于,步骤包括有：
步骤一，采集对像前臂的断层影像数据；
步骤二，对步骤一得到的断层影像数据进行前臂表面轮廓模型三维重建得到前臂表面轮廓三维模型；
步骤三，对步骤二得到的前臂表面轮廓三维模型进行优化处理，得到优化三维模型；
步骤四，对步骤三得到的优化三维模型进行左右臂分离镜像对齐拟合，得到拟合结果；
步骤五，对步骤四拟合结果进行3D偏差分析。
2.根据权利要求1所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,所述步骤一具体为：利用超导型磁共振成像仪的快速mDIXON序列，采集对像双侧上肢前臂的断层影像数据。
3.根据权利要求2所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,所述步骤二具体为对步骤一得到的断层影像数据以DICOM格式导入医学三维重建软件Mimics，设置第一阀值重建双侧手臂表面轮廓操作，得到前臂表面轮廓三维模型。
4.根据权利要求3所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,将步骤三中得到的前臂表面轮廓三维模型以STL格式导入逆向工程软件Geomagic Wrap中进行表面优化处理，得到优化三维模型。
5.根据权利要求4所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,所述步骤四具体为，将步骤三得到的优化三维模型在Geomagic Wrap复制一份副本得到两个相同的优化三维模型，两个优化三维模型分别删除右单侧前臂和左单侧前臂，将得到左单侧前臂的模型命名为“LH”，将得到右单侧前臂的模型命名为“RH”，在工具中对两个模型进行镜像对齐和最佳拟合操作，导出成wrp格式的拟合结果。
6.根据权利要求5所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,所述步骤五具体为，将步骤四得到的拟合结果导入逆向工程软件Geomagic软件的Control，将右单侧前臂的模型或者左单侧前臂的模型定义为测试模型，另一个定义为参考模型，进行3D比较操作并进行3D偏差分析。
7.根据权利要求6所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,所述步骤一具体为在Segmentation模块下，通过Thresholding工具，设定第二阈值和灰度值,使双侧手臂表面轮廓完整且光滑得到初步分割图像，然后利用Edit Masks工具分割腕关节到肘关节部分，腕关节部位截取平面为第二掌骨和第五掌骨最低端连线平面，肘关节部位截取平面为桡骨头最低端平面向下1±0.5cm，得到双侧前臂Mask并对进行三维重建完成前臂三维建模。
8.根据权利要求7所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,所述步骤二中的重建双侧手臂表面轮廓操作具体为先识别骨性结构，进行分割和填补操作并保留前臂桡骨头最高点至桡骨茎突段，同时对腕关节和肘关节处截面进行平整并进行删除补孔操作。
9.根据权利要求8所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,步骤二中的表面优化处理具体为先将删除钉状物，然后进行快速光顺，再进行孔洞缺陷修复，补孔修复时选区时小面积选取，最后删除内部碎片。
10.根据权利要求9所述的基于3D影像的人体前臂形态学对称性分析方法,其特征在于,所述3D偏差分析具体为平均偏差分析、标准偏差分析、最大偏差分析或者最小偏差分析；
所述磁共振成像仪为飞利浦的3.0T超导型磁共振成像仪；
所述第一阀值和第二阀值都为25；
所述灰度值为25～280。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811001085.XA CN109255812A (zh) | 2018-08-30 | 2018-08-30 | 一种基于3d影像的人体前臂形态学对称性分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811001085.XA CN109255812A (zh) | 2018-08-30 | 2018-08-30 | 一种基于3d影像的人体前臂形态学对称性分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109255812A true CN109255812A (zh) | 2019-01-22 |
Family
ID=65050323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811001085.XA Pending CN109255812A (zh) | 2018-08-30 | 2018-08-30 | 一种基于3d影像的人体前臂形态学对称性分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109255812A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706226A (zh) * | 2019-10-14 | 2020-01-17 | 南方医科大学 | 一种基于3d影像的人体手指形态学对称性分析方法 |
| CN112807136A (zh) * | 2020-11-17 | 2021-05-18 | 泰州国安医疗用品有限公司 | 采用材料汲取的自动化义肢塑膜系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105816232A (zh) * | 2016-05-17 | 2016-08-03 | 南方医科大学 | 一种个体化骨骼模型的解剖型接骨板的设计及成型方法 |
| CN105930617A (zh) * | 2016-05-17 | 2016-09-07 | 南方医科大学 | 一种刚度可控的骨肿瘤缺损修复植入体设计和成型方法 |
| CN106073870A (zh) * | 2016-05-30 | 2016-11-09 | 南方医科大学 | 一种骨关节面重建3d打印修复植入体的方法 |
-
2018
- 2018-08-30 CN CN201811001085.XA patent/CN109255812A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105816232A (zh) * | 2016-05-17 | 2016-08-03 | 南方医科大学 | 一种个体化骨骼模型的解剖型接骨板的设计及成型方法 |
| CN105930617A (zh) * | 2016-05-17 | 2016-09-07 | 南方医科大学 | 一种刚度可控的骨肿瘤缺损修复植入体设计和成型方法 |
| CN106073870A (zh) * | 2016-05-30 | 2016-11-09 | 南方医科大学 | 一种骨关节面重建3d打印修复植入体的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张宜 等: ""基于3D 偏差分析的成人桡骨远端解剖对称性研究"", 《中国临床解剖学杂志》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706226A (zh) * | 2019-10-14 | 2020-01-17 | 南方医科大学 | 一种基于3d影像的人体手指形态学对称性分析方法 |
| CN112807136A (zh) * | 2020-11-17 | 2021-05-18 | 泰州国安医疗用品有限公司 | 采用材料汲取的自动化义肢塑膜系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021068933A1 (zh) | 一种基于深度学习网络的椎弓根钉手术路径自动规划方法 | |
| CN108428229B (zh) | 一种基于深度神经网络提取表观和几何特征的肺部纹理识别方法 | |
| CN114119872B (zh) | 基于人工智能大数据分析3d打印脊柱内植物的方法 | |
| CN110517238A (zh) | Ct医学影像ai三维重建与人机交互可视化网络系统 | |
| CN109389676B (zh) | 一种基于医学影像技术康复支具形态学模型的创建方法 | |
| Yuan et al. | Personalized design technique for the dental occlusal surface based on conditional generative adversarial networks | |
| CN102903103B (zh) | 基于迁移活动轮廓模型的胃部ct序列图像分割方法 | |
| CN107945278A (zh) | 一种生物体结构的三维重构与有限元分析方法 | |
| CN105740533A (zh) | 用于截骨矫形的ct灰度-材料属性赋值有限元建模方法 | |
| CN116469542B (zh) | 一种个性化医疗影像诊断路径生成系统及方法 | |
| CN112006772A (zh) | 完整人体体外呼吸道建立方法及系统 | |
| CN109255812A (zh) | 一种基于3d影像的人体前臂形态学对称性分析方法 | |
| Tian et al. | A dual discriminator adversarial learning approach for dental occlusal surface reconstruction | |
| CN115527065A (zh) | 髋关节分型方法、装置和存储介质 | |
| CN104933759B (zh) | 一种人脑组织高维可视化方法 | |
| CN109979010B (zh) | 一种不同年龄人体颈椎高质量有限元模型的建模方法 | |
| Broll et al. | Generative deep learning approaches for the design of dental restorations: A narrative review | |
| CN108280881A (zh) | 一种参数化人体假肢骨骼建模方法 | |
| CN108447044A (zh) | 一种基于医学图像配准的骨髓炎病变分析方法 | |
| CN110706226A (zh) | 一种基于3d影像的人体手指形态学对称性分析方法 | |
| CN109801280A (zh) | 一种基于3d影像的人体耳廓形态学对称性分析方法 | |
| CN112785691A (zh) | 一种下颌骨缺损重建方法、装置电子设备及存储介质 | |
| CN113393470A (zh) | 一种牙齿全自动分割方法 | |
| CN112927358A (zh) | 一种基于多模态数据配准的自动化完整牙齿重建方法 | |
| CN118078471A (zh) | 基于人工智能的三维牙冠建模方法、系统及应用 |
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: 20190122 |
|
| RJ01 | Rejection of invention patent application after publication |