CN109671505B - 一种用于医学诊疗辅助的头部三维数据处理方法 - Google Patents

Abstract

本发明属于数据处理技术领域，具体涉及一种用于医学诊疗辅助的头部三维数据处理方法，包括以下步骤：S1、获取头部三维模型，以点云数据形式导入；S2、对点云进行预处理及对齐；S3、对头部各个关键点位置进行搜索及尺寸计算；S4、显示头部三维模型并在其上标记关键点。本发明的用于医学诊疗辅助的头部三维数据处理方法，相比于传统的肉眼观测诊疗手段，本发明所采用的三维技术和点云数据处理方法能够在采集多维度信息的同时提供准确快速直观的病患信息展现，直接呈现患者头部各关键点的尺寸变化分析结果，为患者的健康诊断提供了可靠且准确的依据。

Description

一种用于医学诊疗辅助的头部三维数据处理方法

技术领域

本发明属于数据处理技术领域，具体涉及一种用于医学诊疗辅助的头部三维数据处理方法。

背景技术

人体测量学是人机工程学的一个重要分支领域，通过测量人体各部位的尺寸，运用统计学的方法，对人体形态特征进行研究。头部测量是人体测量学的重要组成部分，对患者头部的量化分析具有重要意义。

随着计算机技术的不断发展，其应用渗透各行各业。其中，智能医疗是一个令人瞩目的领域，针对自闭症患者、神经官能症患者等可能在头部集中体现病理特征的病患群体，可以通过三维扫描技术与点云处理技术量化地展示其头部如头围、脸宽、下颚宽等关键尺寸变化，以辅助医生进行诊断治疗并直观地展现诊疗效果。

三维扫描技术即指对物体空间外形结构及色彩进行扫描，以获得物体表面的空间坐标信息，即三维模型。它的重要意义在于能够将实物的立体信息转换为计算机能直接处理的数字信号，为实物数字化提供了相当方便快捷的手段。三维扫描技术能实现非接触测量，且具有速度快、精度高的优点，因此比较容易被病患群体所接受。而且，在文物保护、虚拟现实、影视特技、工业生产、刑事侦查、三维传真和雕塑制作等领域三维扫描技术都已经开设投入应用。

点云数据处理技术是三维扫描技术的核心算法，点云数据处理的关键技术主要包括点云网格化、多视点云拼接、点云模型的简化及多分辨率表示等。

目前，对于三维模型中关键点的定位不够准确，容易造成头部尺寸信息的测量结果与实际存在一定的偏差。

发明内容

基于现有技术中存在的上述不足，本发明提供一种用于医学诊疗辅助的头部三维数据处理方法。

为了达到上述发明目的，本发明采用以下技术方案：

一种用于医学诊疗辅助的头部三维数据处理方法，包括以下步骤：

S1、获取头部三维模型，以点云数据形式导入；

S2、对点云进行预处理及对齐；

S3、对头部各个关键点位置进行搜索及尺寸计算；

S4、显示头部三维模型并在其上标记关键点。

作为优选方案，所述步骤S3包括：基于实际人体头部的关键点呈现出的几何特征，通过对整体点云三维特征点和指定截面上的二维特征点的搜索以对关键点进行定位，并对头部尺寸进行计算。

作为优选方案，所述步骤S3具体包括：

S31、通过搜索坐标轴方向上的最值点，得到头顶点、鼻下缘点和后脑最高点；

S32、根据点云密度预设一投影阈值，将指定切片附近的点投影到切片截面上，搜索截面曲线上指定方向下指定范围内的极值点，得到眉心点；

S33、通过与点云质心以及其他关键点相对位置，在指定范围内搜索得到脸宽、下颚宽和下巴位置；

S34、基于所述步骤S31～S33中获得的关键点三维坐标值，计算相对距离得到头顶到下颚距离、脸宽、下颌宽度、眉心到鼻下缘距离、耳长度、后脑最高点到额头最高点距离、后脑最高点到鼻尖距离、眉骨到后脑最高点距；

S35、基于所述步骤S32中获得的眉心点三维坐标值，获取经过眉心点深度方向上的截面点云，通过角度栅格化规整截面曲线上的点，并获取头围尺寸。

作为优选方案，所述步骤S2包括：

S21、通过采样和滤波排除对象以外的杂点干扰并进行点云数据规整化和精简化。

作为优选方案，所述步骤S21包括：

S211、对点云进行统计滤波排除对象外的离群干扰点；

S212、将坐标系移至点云质心位置，对点云进行上采样，对必要的空白栅格进行补点；还对点云进行体素栅格下采样，以每个栅格的重心作为采样点，去掉多余的紧密点，简化数据并均匀规整化点云排布。对头部点云通过统计滤波器移除离群点，排除模型扫描过程中的杂点干扰，通过上采样滤波避免采集点云过于稀疏导致切片曲线断连，通过体素下采样滤波简化数据并使点云均匀规整化，提高后续处理效率。

作为优选方案，所述步骤S1包括：通过三维扫描仪获取头部的三维模型；在三维扫描仪进行扫描之前，统一初始扫描位置。

作为优选方案，所述步骤S2还包括：

S22、通过遍历计算头部点云在三维空间坐标系三坐标轴方向上的对称性进行角度调整，使得头部的三维模型统一对齐至标准的位置和方向。在模型采集步骤规定初始扫描位置的前提下，通过遍历计算头部点云在三维空间坐标系三坐标轴方向上的对称性进行角度调整，使得头部模型统一对齐到标准的位置和方向，以便进行关键点搜索，同时方便医生诊断时的观测。

作为优选方案，所述步骤S4包括：计算点云各点法向量，通过Possion 重建方法重建点云表面网格，显示头部三维模型并在其上标记关键点。

作为优选方案，所述步骤S4之后还包括：

S5、手动校正辅助关键点定位，基于校正后的关键点更新头部尺寸。

作为优选方案，所述手动校正包括对三维模型的旋转、平移、缩放和取点。

本发明与现有技术相比，有益效果是：

本发明的用于医学诊疗辅助的头部三维数据处理方法，相比于传统的肉眼观测诊疗手段，本发明所采用的三维技术和点云数据处理方法能够在采集多维度信息的同时提供准确快速直观的病患信息展现，直接呈现患者头部各关键点的尺寸变化分析结果，为患者的健康诊断提供了可靠且准确的依据。

附图说明

图1是本发明实施例的用于医学诊疗辅助的头部三维数据处理方法的流程图；

图2是利用本发明实施例的用于医学诊疗辅助的头部三维数据处理方法得到的头部医学关键尺寸位置示意图(图中标识尺寸分别为头部头围1、头顶到下颚距离2、脸宽3、下颌宽度4、眉心到鼻下缘距离5、耳长度6、后脑最高点到额头最高点距离7、后脑最高点到鼻尖距离8、眉骨到后脑最高点距离 9)；

图3是利用本发明实施例的用于医学诊疗辅助的头部三维数据处理方法得到头部扫描模型以及搜索得到关键点的显示结果；

图4是本发明实施例的手动校正取点的界面。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

如图1所示，本发明实施例的用于医学诊疗辅助的头部三维数据处理方法，包括以下步骤：

(1)模型采集，通过三维扫描仪获取头部三维模型，以点云数据形式导入并进行处理；统一初始扫描位置于患者正前方，以便后续点云对齐时进行角度微调；

(2)点云预处理，三维模型点云级别上的处理容易受离群杂点的干扰，同时未规整的点云数据也将影响处理运算的精度和效率，因此先对点云进行统计滤波排除对象外的离群干扰点，将坐标系移至点云质心位置以便观测，对点云进行上采样，对必要的空白栅格进行补点避免采集点云过于稀疏导致切片曲线断连，影响关键点定位的精确度，对点云进行体素栅格下采样，以每个栅格的重心作为采样点，去掉多余的紧密点，简化数据并均匀规整化点云排布；

(3)点云对齐，根据三维空间坐标系三坐标轴方向的对称性，遍历角度旋转点云并实现其到指定截面的投影，计算对称度，进行点云方向的逐角度调整，使得对称度大于一定阈值，以此统一头部方向，对称度S用以下公式衡量：

式中，x_i，y_i，z_i表示对称面一侧的各点三维坐标，x′_i，y′_i，z′_i表示前述各点关于对称面的镜像点，N表示单侧点云的点总数；使得头部模型统一对齐到标准的位置和方向，以便进行后续的关键点搜索，同时方便医生诊断时的观测。

(4)关键点搜索，基于现实情况中头部关键点呈现出的几何特征，通过对整体点云三维特征点和指定截面上的二维特征点的搜索来完成关键点定位。其实现步骤为：

a)通过搜索坐标轴方向上的最值点，得到头顶点、鼻下缘点和后脑最高点等关键点；

b)根据点云密度采取合适的投影阈值，将指定切片附近的点投影到切片截面上，搜索截面曲线上指定方向下指定范围内的极值点，得到眉心点等关键点，除特殊病患外一般不会出现额头最高点，若出现，则与眉心点搜索同理；

c)通过与点云质心以及其他关键点相对位置，在指定范围内搜索得到脸宽、下颚宽、下巴等关键位置；

d)基于所述步骤a)、b)、c)中获得的关键点三维坐标值，计算相对距离得到头顶到下颚距离1、脸宽3、下颌宽度4、眉心到鼻下缘距离5、耳长度 6、后脑最高点到额头最高点距离7、后脑最高点到鼻尖距离8、眉骨到后脑最高点距离9等头部关键尺寸，如图2所示；

e)基于所述步骤b)中获得的眉心点三维坐标值，获取经过眉心点深度方向上的截面点云，通过角度栅格化规整该截面曲线上的点，并通过下式用折线近似计算其长度，获取头围1的尺寸l：

式中，x′，y′，z′表示截面点云质心的三维坐标，x_i，y_i，z_i表示截面点云各角度栅格内的点三维坐标，n表示角度栅格化时的栅格精度(每一个栅格对应的圆心角度数)；

(5)显示模型，即模型渲染，通过Poisson重建方法进行模型表面重建，计算点云各点法向量，创建指示函数来表示表面模型：

式中，M为给定对象区域，p表示点云中一点。由已知的有向点云估计向量场

可以求解函数χ(其梯度最接近向量场

)：

应用散度算子，进一步推导得：

通过采用拉普拉斯矩阵迭代求出该泊松方程的解，即得到指示函数，进一步提取等值面，即可重建点云表面网格，最后着色头部模型并显示，同时在其上标记关键点，如图3所示；

(6)手动校对。如图4所示，在显示窗口提供对三维模型的旋转、平移、缩放和取点等操作，进行更精确可靠的关键点定位，基于校正后的关键点重复步骤(4)的尺寸计算部分，更新头部尺寸。

本发明的用于医学诊疗辅助的头部三维数据处理方法，基于点云数据自动搜索和手动辅助校正结合的方法，能够量化地观测与分析患者在不同时期的头颅关键尺寸变化，对医生的临床诊断起到重要的辅助作用，同时对治疗效果也能提供直观的视觉展示。

以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。

Claims (8)

1.一种用于医学诊疗辅助的头部三维数据处理方法，其特征在于，包括以下步骤：

S1、获取头部三维模型，以点云数据形式导入；

S2、对点云进行预处理及对齐；

S3、对头部各个关键点位置进行搜索及尺寸计算；

S4、显示头部三维模型并在其上标记关键点；

所述步骤S3包括：基于实际人体头部的关键点呈现出的几何特征，通过对整体点云三维特征点和指定截面上的二维特征点的搜索以对关键点进行定位，并对头部尺寸进行计算；

所述步骤S3具体包括：

S31、通过搜索坐标轴方向上的最值点，得到头顶点、鼻下缘点和后脑最高点；

S32、根据点云密度预设一投影阈值，将指定切片附近的点投影到切片截面上，搜索截面曲线上指定方向下指定范围内的极值点，得到眉心点；

S33、通过与点云质心以及其他关键点相对位置，在指定范围内搜索得到脸宽、下颚宽和下巴位置；

S34、基于所述步骤S31～S33中获得的关键点三维坐标值，计算相对距离得到头顶到下颚距离、脸宽、下颌宽度、眉心到鼻下缘距离、耳长度、后脑最高点到额头最高点距离、后脑最高点到鼻尖距离、眉骨到后脑最高点距；

S35、基于所述步骤S32中获得的眉心点三维坐标值，获取经过眉心点深度方向上的截面点云，通过角度栅格化规整截面曲线上的点，并获取头围尺寸。

2.根据权利要求1所述的一种用于医学诊疗辅助的头部三维数据处理方法，其特征在于，所述步骤S2包括：

S21、通过采样和滤波排除对象以外的杂点干扰并进行点云数据规整化和精简化。

3.根据权利要求2所述的一种用于医学诊疗辅助的头部三维数据处理方法，其特征在于，所述步骤S21包括：

S211、对点云进行统计滤波排除对象外的离群干扰点；

S212、将坐标系移至点云质心位置，对点云进行上采样，对必要的空白栅格进行补点；还对点云进行体素栅格下采样，以每个栅格的重心作为采样点，去掉多余的紧密点，简化数据并均匀规整化点云排布。

4.根据权利要求2-3任一项所述的一种用于医学诊疗辅助的头部三维数据处理方法，其特征在于，所述步骤S1包括：通过三维扫描仪获取头部的三维模型；在三维扫描仪进行扫描之前，统一初始扫描位置。

5.根据权利要求4所述的一种用于医学诊疗辅助的头部三维数据处理方法，其特征在于，所述步骤S2还包括：

S22、通过遍历计算头部点云在三维空间坐标系三坐标轴方向上的对称性进行角度调整，使得头部的三维模型统一对齐至标准的位置和方向。

6.根据权利要求2-3任一项所述的一种用于医学诊疗辅助的头部三维数据处理方法，其特征在于，所述步骤S4包括：计算点云各点法向量，通过Possion重建方法重建点云表面网格，显示头部三维模型并在其上标记关键点。

7.根据权利要求6所述的一种用于医学诊疗辅助的头部三维数据处理方法，其特征在于，所述步骤S4之后还包括：

S5、手动校正辅助关键点定位，基于校正后的关键点更新头部尺寸。

8.根据权利要求7所述的一种用于医学诊疗辅助的头部三维数据处理方法，其特征在于，所述手动校正包括对三维模型的旋转、平移、缩放和取点。

Images