CN110008506A - 一种骨肿瘤仿生修复方法 - Google Patents

一种骨肿瘤仿生修复方法 Download PDF

Info

Publication number
CN110008506A
CN110008506A CN201910131495.4A CN201910131495A CN110008506A CN 110008506 A CN110008506 A CN 110008506A CN 201910131495 A CN201910131495 A CN 201910131495A CN 110008506 A CN110008506 A CN 110008506A
Authority
CN
China
Prior art keywords
bone
voxel
prosthese
tumour
deformation
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.)
Granted
Application number
CN201910131495.4A
Other languages
English (en)
Other versions
CN110008506B (zh
Inventor
袁天然
汪俊
罗春英
侯志伟
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.)
Nanjing University of Aeronautics and Astronautics
Huaiyin Institute of Technology
Original Assignee
Nanjing University of Aeronautics and Astronautics
Huaiyin Institute of Technology
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 Nanjing University of Aeronautics and Astronautics, Huaiyin Institute of Technology filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910131495.4A priority Critical patent/CN110008506B/zh
Publication of CN110008506A publication Critical patent/CN110008506A/zh
Application granted granted Critical
Publication of CN110008506B publication Critical patent/CN110008506B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Prostheses (AREA)

Abstract

本发明公开了一种骨肿瘤仿生修复方法，属于计算机辅助生物医学工程领域，该方法包括：对患者肿瘤影像数据进行具有语义特性的分割，准确分割提取目标骨骼组织对应的区域，基于包络、逼近的骨骼表面模型三维重建算法，实现对分割结果的准确重建；对骨肿瘤造成的骨缺失，根据骨骼系统生物医学特征，构建仿生约束集合和恢复架构，实现骨缺失形态的准确复原，基于骨缺失形态复原结果设计带约束的自由形态内固定假体；依据分类骨质区的信息特征，结合骨骼运动力学分析结果，设计具有良好力学性能和可加工性的内部仿生多孔支架结构；最终融合生成一体化的植入假体，实现个性化、精准化的骨肿瘤修复系统。

Description

一种骨肿瘤仿生修复方法
技术领域
本发明属于计算机辅助生物医学工程领域，具体涉及一种骨肿瘤仿生修复方法。
背景技术
由肿瘤切除引起的骨缺失是导致骨骼功能丧失的重要因素之一，对于局部骨缺失主要采用生物骨(包括：自体骨、异体骨)和人工骨两种方式进行移植修复。自体骨移植是骨修复的黄金标准，但来源、取骨量受限且对供骨区造成损伤；异体骨移植虽然不受限于来源和形状的影响，但术后排异反应、感染率较高。采用传统机加工制造的、具有一定生物相容性的人工骨被广泛应用于骨修复领域，但通常存在结构形态、力学性能方面的不匹配问题。随着近几年骨修复替代材料、骨组织工程、3D打印技术方面取得的重大进展，符合解剖学形态、具有良好生物和机械性能的3D打印骨肿瘤修复假体取得了良好的效果，在具有定制化特性的骨肿瘤修复领域将起到不可替代的作用，具有十分广泛的应用前景，受到越来越多的学者关注。
鉴于骨肿瘤发病位置、类型、尺寸大小的不确定性，面向3D打印的骨肿瘤修复需要进行术前的精准数字化修复方案设计，以逼近自体骨的外部形态、内部结构、力学性能为设计目标，并确保所构建修复模型的可制造性。骨肿瘤数字化修复方案是一个复杂的系统性方案，涉及CT影像数据的分割和骨骼表面模型的三维重建、肿瘤切除后骨缺失区域植入假体的设计、内部仿生支架结构的生成等关键技术，设计过程复杂、需要同时掌握多领域跨学科的专业知识。攻克骨肿瘤修复涉及的关键技术CT影像分割和骨骼表面模型三维重建、一体化修复假体设计、内部仿生支架结构设计，并研发形成一体化的骨肿瘤修复方法和系统，降低修复方案设计时的知识复杂度、提高效率，是骨肿瘤修复领域亟需解决的痛点，也是骨科领域研究的难点和热点。
发明内容
本发明针对现有技术中存在的不足，明提供了一种针对来源自不患者的肿瘤影像数据以及患者骨肿瘤发病位置的任意性，设计、生成一体化的仿生植入假体的方法和系统。
本发明是这样实现的：
本发明公开了一种骨肿瘤仿生修复方法，其特征在于，步骤如下：
步骤一、输入来源自不同患者的骨肿瘤影像数据，具体是读取并解析来自不同患者、不同类型的骨肿瘤影像数据，人体206块骨骼任意位置的骨肿瘤影像数据。
步骤二、对患者肿瘤影像数据进行分割，准确提取骨肿瘤对应的目标骨组织区域；
步骤三、对分割出的目标骨组织区域，进行准确的曲面模型重建，经机器学习分割得到的骨组织区域是用体素表示的空间模型，需对其进行曲面重建得到骨骼表面网格模型，为确保重建出网格表面的准确性、均匀性，设计非刚体变形映射的方法包络、逼近骨骼内外边界体素信息，从而实现对骨骼具有几何上、语义上具有较高准确性的网格重建；
步骤四、根据骨骼系统生物医学特征，对骨肿瘤切除后造成的缺失区域进行形态复原，骨肿瘤切除后通常会导致大段的骨缺失，需要对缺失区域进行最大逼真程度的形态复原。包括：仿生约束集合的构建、恢复架构的设计、缺失区域的形态复原；其中仿生约束集合，包括：空间位置约束、结构形态约束、位移约束和变形幅度约束。恢复架构的设计为：首先对肿瘤骨、模板骨进行配准后，然后基于邻近骨、肿瘤骨的约束集合对骨模板进行变形调整，实现骨缺失区域的准确复原。
步骤五、从几何及量化的角度设计自由形态内固定假体，指用样条曲线拟合投影的方法能拟合得到自由形态的轮廓边界；从几何及量化的角度对接触稳定性、可安装性、面积最小化进行描述，确保对内固定假体设计在医学上的准确性；在设计得到稳定的接触面后，通过等距加厚、倒角、内部蜂窝设计、力学仿真分析得到最终的自由形态轻量化内固定假体。；
步骤六、依据分类骨质区的信息特征，设计具有良好力学性能和可加工性的内部仿生多孔支架结构；该步骤采用调和场和拓扑优化融合的方法生成的内部结构能使得载荷在内部支撑上实现近似均匀的传递，避免受力时出现应力集中的状况，同时可方便的实现对孔隙率、连通性的调节，从而确保设计结果具有良好的生物性能、机械性能、可制造性。包括：中心点集生成和可变孔道生成。依据应力分布图以及CT影像数据的骨质灰度信息生成多孔支架结构的拓扑中心点，并采用拓扑优化的方式实现对骨骼内部的剖分，以具备材料分配方案最优的特性；结合隐式曲面能准确调节孔隙结构参数的特性，构建基于调和场的内部大小可调的微孔和微孔道组成的内部负型结构生成方法，最终通过布尔运算得到拓扑合理、结构强度最优的骨内部仿生多孔支架结构。
步骤七、最终将人工骨假体和内固定假体融合生成一体化的植入假体，实现个性化、精准化的骨肿瘤修复系统。
进一步，所述的步骤二中对骨组织目标区域分割为对影像数据的超体素划分和基于机器学习的分割。其中对影像数据的超体素划分包括：采用具有语义聚类分割的算法生成超体素集合，设计超体素的区域特征表达结构，根据超体素间及相邻组织间的关联性构建超体素的无向图和最邻近图。基于机器学习的分割，包括：针对骨肿瘤可能发生在人体206块骨骼任意位置的特性，设计基于统计学的概率分类器和机器学习分割架构，构建骨组织区域准确、高效、能适合人体所有位置骨骼的分割算法。
具体如下：
2.1，首先基于语义分割的方法对影像数据近行超体素划分，构建超体素的无向图网络，设计超体素的区域特征表达结构，根据超体素间及相邻组织间的关联性，设计基于统计学的二次或多次概率分类器，构建机器学习分割架构，实现对骨组织区域的准确分割。
构建超体素的无向图和最邻近图，采用具有语义聚类分割的形态学分水岭算法生成超体素集合{Vi}；Xi∈RN为超体素Vi的特征结构表达式(包含位置、体素信息、灰度特征、形状特征、边界特征等的尺度不变特征)，邻近超体素对(Vi,Vj)的相似度函数S(Vi,Vj)，根据相似度函数优先合并隶属于同一组织区域内的超体素；
2.2，设wT为超平面，目标函数为if(wTXi＞b),Yi＝1；or,Yi＝0，其边际决策可转化为拟概率分类问题P(Xi|w)＝φ(wTXi),全训练样本对应的似然函数设计为：
2.3，通过零均值高斯先验对w进行初始估计和贝叶斯法则得到w的最大后验估计，最终可在线性时间复杂度内实现对超体素集的分类，经训练学习得到的分类器表示为C1；
2.4，一次分类结果中仍会存在一定的歧义性，设有歧义的超体素对应的特征集合为{X′i}，对{X′i}可在一次分类的基础上，结合邻近超体素对之间的关系进行二次的学习分类，为邻接超体素对(Vi',Vj)对应的特征向量，对进行训练学习得到的二次分类器表示为C2；在C1、C2分类的基础上，进行后处理得到最终的分类器C，从而实现对骨组织区域的准确分割。
进一步，所述的步骤三具体为通过非刚体变形映射重建方法实现网格重建，具体如下：
3.1，设计非刚体变形映射的方法包络、逼近骨骼内外边界体素信息，从而实现对骨骼具有几何上、语义上具有较高准确性的网格重建。非刚体变形映射重建方法即是通过对M0进行迭代变形Mi+1＝f(Mi,BV)逼近BV的过程。其中M0为初始骨网格，BV为骨组织区域轮廓边界体素信息；
3.2，在迭代过程中要综合考虑小变形阶段对应的保角映射能量约束、比例变换和局部极端变形引起的正则能量约束、变形前后对应的最近点对能量约束、模型特征变形能量约束，对映射函数f的求解通常转化为对应能量函数的最优化问题：Ef(BV)。可通过线性最小二乘方法，对Ef(Bv)求解得到最终的目标骨骼表面网格模型，其理论上插值于骨组织区域轮廓边界体素，但又具有薄膜变形曲面的特性。为确保网格的均匀性，在迭代变形过程中引入细分优化调整操作。
进一步，所述的步骤四为对骨肿瘤切除后造成的缺失区域，设计构建基于体空间的形态复原架构，对肿瘤骨、模板骨进行配准后，基于邻近骨、肿瘤骨的约束集合对骨模板进行变形调整，实现骨缺失区域和功能的准确恢复，具体为：
4.1，VM0为肿瘤切除后对应的体素模型，T0为初始骨模板模型，T0由骨表面网格模型进行内部四面体划分得到，变形调整架构的设计目标是使T0经过变形后的模型Ti与VM0之间的匹配误差最小，达到最终变形目标模型T与VM0紧密匹配，且满足邻近骨之间的空间位置约束；
4.2，经由布尔运算操作后，提取得到与自体骨组织密切配合的人工骨假体。对T的求解可转化为对应的能量函数最优化问题：
E(T)＝EConstraints(T)+αEDirichlet(T)+βETikhonov(T)
其中，EConstraints(T)＝ENeighbour(T)+ECorrespondence(T)为对应的邻近骨、肿瘤骨空间位置约束能量，EDirichlet(T)为位移变形约束能量，ETikhonov(T)变形幅度约束能量；通过即可得到T对应的线性求解系统，并采用稀疏直接求解器得到最终的目标变形模型T；
骨骼表面模型采用基于微分几何的方法进行降维以获取用曲线或点表示的稀疏关键特征，基于稀疏关键特征实现模型间的精确、快速非刚体配准。
4.3，骨骼表面模型采用基于微分几何的方法进行降维以获取用曲线或点表示的稀疏关键特,骨骼表面模型对应的关键稀疏特征表示为：FM＝{(μi,γi,pi)|pi∈M}，
其中pi为网格顶点，μi为特征强度，γi为特征顶点的概率；特征强度：
关键稀疏特征FM具有尺度不变的特性，保配准时的准确性，并且根据对特征强度μ的调整实现不同精度的配准。
进一步，所述的步骤五具体为：
5.1，设内固定假体与骨骼表面接触的局部区域网格为MC＝{ti}，ti表示网格中的三角片；法向量为ni，d为安装位移矢量，基于MC生成的固定假体对应的可安装或拆卸空间表示为其中H(ti)＝{d∈S2|ni·d≥0}，当Cm≠0时假体具有可安装性；
5.2，在力F作用下，d为安装位移矢量，则在接触情况下内固定假体的可移动空间为：CC＝Cm∩HF，当CC(MC)＝0内固定假体达到接触稳定状态；其中，HF＝{d∈S2|F·d≥0}；
5.3，在满足可安装性和接触稳定性前提下，内固定假体面积应具有最小化：
根据可安装性和稳定性得到稳定的接触面MC后，即可以此为基础设计自由形态轻量化内固定假体。
进一步，所述的步骤六具体为：
6.1，依据应力分布图以,影像数据的骨质灰度信息生成多孔支架结构的拓扑中心点集{si}；并采用拓扑优化的方式实现对骨骼内部的剖分，生成相互独立的内部单元集合{Ei}；
6.2，设φi为单元Ei对应的调和标量函数，构建单元Ei内部对应的调和距离场：从而得到以隐式方程对蜂窝结构进行描述的方式，以等值面的位置θ∈(0,1)确定每个单元对应蜂窝孔的大小；
6.3结合隐式曲面能准确调节孔隙结构参数的特性，构建基于调和场的内部大小可调的微孔和微孔道，组成的内部负型结构生成方法，最终通过布尔运算得到拓扑合理、结构强度最优的骨内部仿生多孔支架结构。
进一步，所述的步骤七具体为：对人工骨假体进行内部仿生结构设计，通过力学分析使得人工骨假体的内部结构、力学性能、拓扑结构达到最优；采用布尔运算将人工骨假体和内固定假体融合在一起，在有限元分析的基础上对融合体进行边界接触区域的过渡形态优化，最终得到一体化的植入假体。
与现有技术相比，本发明实施例的技术方案具有以下优点：
本发明针对骨肿瘤修复具有高度定制化的特性，以患者影像为输入数据，实现从影像数据至一体化修复假体(融合人工骨假体、内固定假体、内部蜂窝结构)的精确设计，构建一套个性化、精准化的骨肿瘤修复方法和系统，提高设计过程的自动化、降低设计过程的复杂度和不便性，使得最终的修复假体具有良好的生物相容性和力学性。
附图说明
图1是本发明一种骨肿瘤仿生修复方法的流程图；
图2是实现本发明方法的骨肿瘤仿生修复系统的结构示意图。
具体实施方式
鉴于骨肿瘤发病位置、类型、尺寸大小的不确定性，面向3D打印的骨肿瘤修复需要进行术前的精准数字化修复方案设计，以逼近自体骨的外部形态、内部结构、力学性能为设计目标，并确保所构建修复模型的可制造性。
在本发明实施例中，针对来源自不同患者的影像数据，首先对患者肿瘤影像数据进行具有语义特性的分割，准确分割提取目标骨骼组织对应的区域，基于包络、逼近的骨骼表面模型三维重建算法，实现对分割结果的准确重建；对骨肿瘤造成的骨缺失，根据骨骼系统生物医学特征，构建仿生约束集合和恢复架构，实现骨缺失形态的准确复原，基于骨缺失形态复原结果设计带约束的自由形态内固定假体；依据分类骨质区的信息特征，结合骨骼运动力学分析结果，设计具有良好力学性能和可加工性的内部仿生多孔支架结构；最终融合生成一体化的植入假体，实现个性化、精准化的骨肿瘤修复系统。
为使本发明实施例的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
本发明实施例提供了一种骨肿瘤仿生修复方法，参照图1，以下通过具体步骤进行详细说明。
步骤S101，是来源自不同患者的影像数据。在采用测量设备(如：螺旋CT、增强CT、CBCT等)获取患者的影像数据时，受扫描切片厚度、设备灵敏度的影像、不同组织区域吸收与透过率的影响，存在骨组织区域分割边界模糊、内部存在噪声等问题，在进行分割之前，需要对影像数据进行骨组织边界增强、噪声去除、内部孔洞填充操作。
在具体实施中，基于高斯滤波和ρ-百分位梯度滤波的混合滤波器对骨组织边界进行增强、噪声去除和内部潜在孔洞填充。
步骤S102，对输入的影像数据进行基于体素空间的骨组织目标区域分割。
在本发明实施例中，构建自学习概率分类器模型，将对影像数据的分割转化为基于超体素的统计机器学习分类问题，从而实现对人体206块不同位置的骨骼进行准确的分割。
在本发明实施例中，首先基于语义分割的方法对影像数据近行超体素划分，构建超体素的无向图网络，设计超体素的区域特征表达结构，根据超体素间及相邻组织间的关联性，设计基于统计学的二次或多次概率分类器，构建机器学习分割架构，实现对骨组织区域的准确分割。
在具体实施中，构建超体素的无向图和最邻近图，采用具有语义聚类分割的形态学分水岭算法生成超体素集合{Vi}。Xi∈RN为超体素Vi的特征结构表达式(包含位置、体素信息、灰度特征、形状特征、边界特征等的尺度不变特征)，邻近超体素对(Vi,Vj)的相似度函数S(Vi,Vj)，根据相似度函数优先合并隶属于同一组织区域内的超体素。
在具体实施中，设wT为超平面，目标函数为if(wTXi＞b),Yi＝1；or,Yi＝0，其边际决策可转化为拟概率分类问题P(Xi|w)＝φ(wTXi),全训练样本对应的似然函数设计为：通过零均值高斯先验对w进行初始估计和贝叶斯法则得到w的最大后验估计，最终可在线性时间复杂度内实现对超体素集的分类。经训练学习得到的分类器表示为C1。
在具体实施中，一次分类结果中仍会存在一定的歧义性，设有歧义的超体素对应的特征集合为{X′i}。对{X′i}可在一次分类的基础上，结合邻近超体素对之间的关系进行二次的学习分类。为邻接超体素对(Vi',Vj)对应的特征向量，对进行训练学习得到的二次分类器表示为C2。
在具体实施中，在C1、C2分类的基础上，进行后处理得到最终的分类器C，从而实现对骨组织区域的准确分割。
步骤S103，对分割出的目标骨组织区域数据进行骨表面形态的三维重建。
在本发明实施例中，经机器学习分割得到的骨组织区域是用体素表示的空间模型，根据骨骼内外表面具有自然光顺连续的特性，需对其进行曲面重建得到骨骼表面网格模型。
在本发明实施例中，设计非刚体变形映射的方法包络、逼近骨骼内外边界体素信息，从而实现对骨骼具有几何上、语义上具有较高准确性的网格重建。
在本发明实施例中，非刚体变形映射重建方法即是通过对M0进行迭代变形Mi+1＝f(Mi,BV)逼近BV的过程。其中M0为初始骨网格，BV为骨组织区域轮廓边界体素信息。
在具体实施中，在迭代过程中要综合考虑小变形阶段对应的保角映射能量约束、比例变换和局部极端变形引起的正则能量约束、变形前后对应的最近点对能量约束、模型特征变形能量约束，对映射函数f的求解通常转化为对应能量函数的最优化问题：Ef(BV)。可通过线性最小二乘方法，对Ef(Bv)求解得到最终的目标骨骼表面网格模型，其理论上插值于骨组织区域轮廓边界体素，但又具有薄膜变形曲面的特性。
在具体实施中，为确保网格的均匀性，在迭代变形过程中引入细分优化调整操作。
步骤S104，对骨肿瘤切除后造成的缺失区域进行形态复原，设计得到与自体骨组织密切配合的人工骨假体。
在本发明实施例中，对骨肿瘤切除后造成的缺失区域，设计构建基于体空间的形态复原架构，对肿瘤骨、模板骨进行配准后，基于邻近骨、肿瘤骨的约束集合对骨模板进行变形调整，实现骨缺失区域和功能的准确恢复。
在本发明实施例中，VM0为肿瘤切除后对应的体素模型，T0为初始骨模板模型，T0由骨表面网格模型进行内部四面体划分得到，变形调整架构的设计目标是使T0经过变形后的模型Ti与VM0之间的匹配误差最小，达到最终变形目标模型T与VM0紧密匹配，且满足邻近骨之间的空间位置约束。经由布尔运算操作后，提取得到与自体骨组织密切配合的人工骨假体。
在具体实施中，对T的求解可转化为对应的能量函数最优化问题：
E(T)＝EConstraints(T)+αEDirichlet(T)+βETikhonov(T)
其中，EConstraints(T)＝ENeighbour(T)+ECorrespondence(T)为对应的邻近骨、肿瘤骨空间位置约束能量，EDirichlet(T)为位移变形约束能量，ETikhonov(T)变形幅度约束能量。通过即可得到T对应的线性求解系统，并采用稀疏直接求解器得到最终的目标变形模型T。
在本发明实施例中，骨骼表面模型采用基于微分几何的方法进行降维以获取用曲线或点表示的稀疏关键特征，基于稀疏关键特征实现模型间的精确、快速非刚体配准。
在具体实施中，骨骼表面模型对应的关键稀疏特征表示为：FM＝{(μi,γi,pi)|pi∈M}，其中pi为网格顶点，μi为特征强度，γi为特征顶点的概率。特征强度：
关键稀疏特征FM具有尺度不变的特性，能确保配准时的准确性，并且可以根据对特征强度μ的调整实现不同精度的配准。
步骤S105，设计贴合于骨骼表面的自由形态内固定假体。
在本发明实施例中，用样条曲线拟合投影的方法能拟合得到自由形态的轮廓边界；从几何及量化的角度对接触稳定性、可安装性、面积最小化进行描述，确保对内固定假体设计在医学上的准确性；在设计得到稳定的接触面后，通过等距加厚、倒角、内部蜂窝设计、力学仿真分析得到最终的自由形态轻量化内固定假体。
在具体实施中，设内固定假体与骨骼表面接触的局部区域网格为MC＝{ti}，ti表示网格中的三角片。法向量为ni，d为安装位移矢量，基于MC生成的固定假体对应的可安装或拆卸空间表示为其中H(ti)＝{d∈S2|ni·d≥0}，当Cm≠0时假体具有可安装性。
在具体实施中，在力F作用下，d为安装位移矢量，则在接触情况下内固定假体的可移动空间为：CC＝Cm∩HF，当CC(MC)＝0内固定假体达到接触稳定状态。其中，HF＝{d∈S2|F·d≥0}。
在具体实施中，在满足可安装性和接触稳定性前提下，内固定假体面积应具有最小化：
在具体实施中，根据可安装性和稳定性得到稳定的接触面MC后，即可以此为基础设计自由形态轻量化内固定假体。
步骤S106，设计贴合于骨骼表面的自由形态内固定假体。
在本发明实施例中，采用调和场和拓扑优化融合的方法生成的内部结构能使得载荷在内部支撑上实现近似均匀的传递，避免受力时出现应力集中的状况，同时可方便的实现对孔隙率、连通性的调节，从而确保设计结果具有良好的生物性能、机械性能、可制造性。
在本发明实施例中，依据应力分布图以及CT影像数据的骨质灰度信息生成多孔支架结构的拓扑中心点集{si}；并采用拓扑优化的方式实现对骨骼内部的剖分，生成相互独立的内部单元集合{Ei}，以具备材料分配方案最优的特性；设φi为单元Ei对应的调和标量函数，构建单元Ei内部对应的调和距离场：从而得到以隐式方程对蜂窝结构进行描述的方式，以等值面的位置θ∈(0,1)确定每个单元对应蜂窝孔的大小；结合隐式曲面能准确调节孔隙结构参数的特性，构建基于调和场的内部大小可调的微孔和微孔道(两个单元的中心点连线作为轴线，以ρ为半径得到圆柱微孔道)组成的内部负型结构生成方法，最终通过布尔运算得到拓扑合理、结构强度最优的骨内部仿生多孔支架结构。
步骤S107，将人工骨假体和内固定假体融合生成一体化的植入假体。
在本发明实施例中，对人工骨假体进行内部仿生结构设计，通过力学分析使得人工骨假体的内部结构、力学性能、拓扑结构达到最优。采用布尔运算将人工骨假体和内固定假体融合在一起，在有限元分析的基础上对融合体进行边界接触区域的过渡形态优化，最终得到一体化的植入假体。
本发明还给出了是想本发明方法的骨肿瘤仿生修复系统，包括：骨肿瘤影像数据输入单元201，骨组织区域分割和表面形态重建单元202，骨肿瘤曲面模型单元206，一体化修复假体设计单元207，仿生多空一体化修复假体输出单元211。其中，骨组织区域分割和表面形态重建单元包括：超体素划分子单元203、统计机器学习分割子单元204、骨骼曲面模型重建子单元205；一体化修复假体设计单元207包括：骨缺失形态复原子单元208、内部结构设计子单元209、内固定假体设计子单元。
输入单元201，用于系统读取并解析来自不同患者、不同类型的骨肿瘤影像数据。
骨组织区域分割和表面形态重建单元单元202，用于针对骨组织区域进行准确、高效的骨组织区域分割，并进行具有自然光顺连续、封闭特性的曲面模型重建。
超体素划分子单元203，用于对影像数据进行具有语义聚类的操作生成超体素集合。统计机器学习分割子单元204，用于实现对骨组织区域基于机器学习的准确分割。骨骼曲面模型重建子单元205，用于对骨组织区域进行网格曲面模型重建。一体化修复假体设计单元207，用于对骨缺失区域进行形态复原；设计生成内固定假体，并与人工骨假体融合生成一体化的植入假体。骨缺失形态复原子单元208，用于对骨肿瘤切除后造成的缺失区域进行骨缺失形态的复原。内部结构设计子单元209，用以对假体设计、生成合理的内部仿生结构。内固定假体设计子单元210，用于设计生成自由形态轻量化的内固定假体。输出单元211，采用布尔运算将人工骨假体和内固定假体融合在一起，生成输出一体化的修复假体。
在具体实施中，输入的影像数据通常具有骨组织区域边界模糊、内部存在噪声、孔洞和异常数据的特点，因此在进行202单元操作之前，通常需要对影像数据进行骨组织边界增强、噪声去除、内部孔洞填充操作。
在具体实施中，基于高斯滤波和ρ-百分位梯度滤波的混合滤波器对骨组织边界进行增强、噪声去除和内部潜在孔洞填充。
骨组织区域分割和表面形态重建单元，主要包括超体素划分、统计机器学习分割、骨骼曲面模型重建，对应于203、204、205子单元。其中所述203，204单元可选。例如，若输入的影像数据是经由其他软件或工具已进行骨组织区域分割处理过的，则203、204单元操作可省略。特殊情况下，若输入的数据是骨组织区域对应的网格曲面模型，则205单元操作可省略。
在具体实施中，所述超体素划分子单元203，根据相似度函数S(Vi,Vj)优先合并隶属于同一组织区域内的超体素对(Vi,Vj)，对影像数据采用具有语义聚类分割的形态学分水岭算法生成超体素集合{Vi}。
在具体实施中，所述统计机器学习分割子单元204，对经由203单元操作后的超体素数据进行更进一步的骨组织目标区域分割。
采用二次或多次分类操作来消除一次分割结果中存在的歧义性，对一次、二次分类器C1、C2基于成对SVM和条件随机场进行后处理得到最终的分类器C，实现对骨组织区域的准确分割。
在具体实施中，所述骨骼曲面模型重建子单元205，对204单元分割出的目标骨组织区域体素数据，采用非刚体变形映射重建逼近骨组织区域边界体素的方法进行骨表面形态的三维重建。
设M0为初始骨网格，BV为骨组织区域轮廓边界体素信息，非刚体变形映射方法即是通过对M0进行迭代变形Mi+1＝f(Mi,BV)逼近BV的过程。对映射函数f的求解通常转化为对应能量函数的最优化问题：
Ef(BV)＝wCfEConformal+wRERegularization+wCEConstraints+wFEFeature，并在迭代变形过程中融入细分优化调整。Ef(BV)中各项分别对应映射能量约束、正则能量约束、最近点对能量约束、模型特征变形能量约束。
通过线性最小二乘的ATAx＝ATb方法，对Ef(Bv)求解得到最终的目标骨骼表面网格模型，其理论上插值于骨组织区域轮廓边界体素，但又具有薄膜变形曲面的特性。
经由数据处理单元202(包含可选操作单元：203、204、205)操作处理后的输出数据对应于206单元。
在具体实施中，所述单元206对应的数据“骨曲面模型”，用于进行骨肿瘤区域切除、人工骨假体、内部结构、内固定假体的设计、生成操作。
一体化假体设计单元207，主要包括骨缺失形态复原、内部结构设计、内固定假体设计，对应于208、209、210子单元。用于对骨缺失区域进行形态复原；设计生成内固定假体，并与人工骨假体融合生成一体化的植入假体。
在具体实施中，所述骨缺失形态复原子单元208，用于对骨肿瘤切除后造成的缺失区域进行骨缺失形态的复原。首先，对肿瘤骨、模板骨进行配准，并对模板骨进行变形调整以逼近缺失区域的原始健康形态，然后采用基于LDNI的布尔运算，提取得到骨缺失形态区域对应的人工骨假体。
在具体实施中，变形调整操作原则为：使T0经过变形后的模型Ti与VM0之间的匹配误差最小，达到最终变形目标模型T与VM0紧密匹配，且满足邻近骨之间的空间位置约束。其中，VM0为肿瘤切除后对应的体素模型，T0为初始骨模板的体网格模型。对T的求解可转化为对应的能量函数最优化问题：E(T)。
在具体实施中，所述内部结构设计单元209，在经208单元对人工骨假体完成的基础上，用以生成合理的内部仿生结构。
在具体实施中，通过有限元模拟分析得到骨骼日常运动受力时的应力分布图，并结合骨质灰度信息生成多孔结构的中心点集{si},采用CVT方法对{si}进行空间剖分生成相互独立的内部单元集合{Ei}。设φi为单元Ei对应的调和标量函数，单元Ei内部对应的调和距离场：单元Ei的中心点和边界对应于隐式方程的0和1等值面，以等值面的位置θ∈(0,1)确定每个单元对应蜂窝孔的大小。
在具体实施中，基于医学骨模型对于连通性的要求，设计中心点--圆柱式的可变孔道模型，即以两个单元的中心点连线作为轴线，以ρ为半径得到圆柱孔道。基于自适应蒙特卡洛、有限元分析的优化方法对θ、ρ进行优化得到结构-强度最优化的内部仿生结构模型。
在具体实施中，所述内固定假体设计子单元210，在经208单元设计完成人工骨假体，209单元生成合理的内部仿生结构后，用于设计生成自由形态轻量化的内固定假体。
在具体实施中，交互的选取内固定初始轮廓形态控制顶点，对控制顶点进行样条曲线拟合并投影至骨模型表面，投影曲线与网格模型相交的三角片集合为种子三角片集合RS。初始化MC＝0，根据可安装性和稳定性动态的向MC中加入三角片，并迭代更新RS，直至满足CC(MC)＝0和在得到稳定的接触面MC后，通过等距加厚、倒角、内部蜂窝设计、力学仿真分析得到最终的自由形态轻量化内固定假体。
在具体实施中，所述输出单元211，经一体化假体设计单元207操作后(包括：208、209、210)，通过力学分析使得人工骨假体的内部结构、力学性能、拓扑结构达到最优。采用布尔运算将人工骨假体和内固定假体融合在一起，在有限元分析的基础上对融合体进行边界接触区域的过渡形态优化，最终得到一体化的植入假体。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (7)

1.一种骨肿瘤仿生修复方法，其特征在于，步骤如下：
步骤一、输入来源自不同患者的骨肿瘤影像数据；
步骤二、对输入的影像数据进行基于体素空间的骨组织目标区域分割，准确提取骨肿瘤对应的目标骨组织区域；
步骤三、对分割出的目标骨组织区域数据进行骨表面形态的三维重建；
步骤四、对骨肿瘤切除后造成的缺失区域进行形态复原，设计得到与自体骨组织密切配合的人工骨假体；
步骤五、设计贴合于骨骼表面的自由形态内固定假体；
步骤六、设计骨内部仿生多孔支架结构；
步骤七、将人工骨假体和内固定假体融合生成一体化的植入假体。
2.根据权利要求1所述的一种骨肿瘤仿生修复方法，其特征在于，所述的步骤二中对骨组织目标区域分割为对影像数据的超体素划分和基于机器学习的分割，具体如下：
2.1，构建超体素的无向图和最邻近图，采用具有语义聚类分割的形态学分水岭算法生成超体素集合{Vi}；Xi∈RN为超体素Vi的特征结构表达式，邻近超体素对(Vi,Vj)的相似度函数S(Vi,Vj)，根据相似度函数优先合并隶属于同一组织区域内的超体素；
2.2，设wT为超平面，目标函数为if(wTXi＞b),Yi＝1；or,Yi＝0，其边际决策可转化为拟概率分类问题P(Xi|w)＝φ(wTXi),全训练样本对应的似然函数设计为：
2.3，通过零均值高斯先验对w进行初始估计和贝叶斯法则得到w的最大后验估计，最终可在线性时间复杂度内实现对超体素集的分类，经训练学习得到的分类器表示为C1；
2.4，一次分类结果中仍会存在一定的歧义性，设有歧义的超体素对应的特征集合为{X'i}，对{X'i}可在一次分类的基础上，结合邻近超体素对之间的关系进行二次的学习分类，为邻接超体素对(Vi',Vj)对应的特征向量，对进行训练学习得到的二次分类器表示为C2；在C1、C2分类的基础上，进行后处理得到最终的分类器C，从而实现对骨组织区域的准确分割。
3.根据权利要求1所述的一种骨肿瘤仿生修复方法，其特征在于，所述的步骤三具体为通过非刚体变形映射重建方法实现网格重建，具体如下：
3.1，通过对M0进行迭代变形Mi+1＝f(Mi,BV)逼近BV的过程，其中M0为初始骨网格，BV为骨组织区域轮廓边界体素信息；
3.2，在迭代过程中要综合考虑小变形阶段对应的保角映射能量约束、比例变换和局部极端变形引起的正则能量约束、变形前后对应的最近点对能量约束、模型特征变形能量约束，对映射函数f的求解通常转化为对应能量函数的最优化问题：Ef(BV)，通过线性最小二乘方法，对Ef(Bv)求解得到最终的目标骨骼表面网格模型，其理论上插值于骨组织区域轮廓边界体素，但又具有薄膜变形曲面的特性，此外，在迭代变形过程中引入细分优化调整操作。
4.根据权利要求1所述的一种骨肿瘤仿生修复方法，其特征在于，所述的步骤四为对骨肿瘤切除后造成的缺失区域，设计构建基于体空间的形态复原架构，对肿瘤骨、模板骨进行配准后，基于邻近骨、肿瘤骨的约束集合对骨模板进行变形调整，实现骨缺失区域和功能的准确恢复，具体为：
4.1，VM0为肿瘤切除后对应的体素模型，T0为初始骨模板模型，T0由骨表面网格模型进行内部四面体划分得到，变形调整架构的设计目标是使T0经过变形后的模型Ti与VM0之间的匹配误差最小，达到最终变形目标模型T与VM0紧密匹配，且满足邻近骨之间的空间位置约束；
4.2，经由布尔运算操作后，提取得到与自体骨组织密切配合的人工骨假体。
对T的求解可转化为对应的能量函数最优化问题：
E(T)＝EConstraints(T)+αEDirichlet(T)+βETikhonov(T)
其中，EConstraints(T)＝ENeighbour(T)+ECorrespondence(T)为对应的邻近骨、肿瘤骨空间位置约束能量，EDirichlet(T)为位移变形约束能量，ETikhonov(T)变形幅度约束能量；通过即可得到T对应的线性求解系统，并采用稀疏直接求解器得到最终的目标变形模型T；
4.3，骨骼表面模型采用基于微分几何的方法进行降维以获取用曲线或点表示的稀疏关键特,骨骼表面模型对应的关键稀疏特征表示为：
FM＝{(μi,γi,pi)|pi∈M}，
其中pi为网格顶点，μi为特征强度，γi为特征顶点的概率；特征强度：
关键稀疏特征FM具有尺度不变的特性，保配准时的准确性，并且根据对特征强度μ的调整实现不同精度的配准。
5.根据权利要求1所述的一种骨肿瘤仿生修复方法，其特征在于，所述的步骤五具体为：
5.1，设内固定假体与骨骼表面接触的局部区域网格为MC＝{ti}，ti表示网格中的三角片；法向量为ni，d为安装位移矢量，基于MC生成的固定假体对应的可安装或拆卸空间表示为其中H(ti)＝{d∈S2|ni·d≥0}，当Cm≠0时假体具有可安装性；
5.2，在力F作用下，d为安装位移矢量，则在接触情况下内固定假体的可移动空间为：CC＝Cm∩HF，当CC(MC)＝0内固定假体达到接触稳定状态；其中，HF＝{d∈S2|F·d≥0}；
5.3，在满足可安装性和接触稳定性前提下，内固定假体面积应具有最小化：
根据可安装性和稳定性得到稳定的接触面MC后，即可以此为基础设计自由形态轻量化内固定假体。
6.根据权利要求1所述的一种骨肿瘤仿生修复方法，其特征在于，所述的步骤六具体为：
6.1，依据应力分布图以,影像数据的骨质灰度信息生成多孔支架结构的拓扑中心点集{si}；并采用拓扑优化的方式实现对骨骼内部的剖分，生成相互独立的内部单元集合{Ei}；
6.2，设φi为单元Ei对应的调和标量函数，构建单元Ei内部对应的调和距离场：▽2φi＝0，从而得到以隐式方程对蜂窝结构进行描述的方式，以等值面的位置θ∈(0,1)确定每个单元对应蜂窝孔的大小；
6.3结合隐式曲面能准确调节孔隙结构参数的特性，构建基于调和场的内部大小可调的微孔和微孔道，组成的内部负型结构生成方法，最终通过布尔运算得到拓扑合理、结构强度最优的骨内部仿生多孔支架结构。
7.根据权利要求1所述的一种骨肿瘤仿生修复方法，其特征在于，所述的步骤七具体为：对人工骨假体进行内部仿生结构设计，通过力学分析使得人工骨假体的内部结构、力学性能、拓扑结构达到最优；采用布尔运算将人工骨假体和内固定假体融合在一起，在有限元分析的基础上对融合体进行边界接触区域的过渡形态优化，最终得到一体化的植入假体。
CN201910131495.4A 2019-02-22 2019-02-22 一种骨肿瘤仿生修复方法 Active CN110008506B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910131495.4A CN110008506B (zh) 2019-02-22 2019-02-22 一种骨肿瘤仿生修复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910131495.4A CN110008506B (zh) 2019-02-22 2019-02-22 一种骨肿瘤仿生修复方法

Publications (2)

Publication Number Publication Date
CN110008506A true CN110008506A (zh) 2019-07-12
CN110008506B CN110008506B (zh) 2023-04-25

Family

ID=67165900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910131495.4A Active CN110008506B (zh) 2019-02-22 2019-02-22 一种骨肿瘤仿生修复方法

Country Status (1)

Country Link
CN (1) CN110008506B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766666A (zh) * 2019-10-09 2020-02-07 河海大学常州校区 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
CN112348816A (zh) * 2021-01-07 2021-02-09 北京明略软件系统有限公司 脑磁共振图像分割方法、存储介质及电子装置
CN113297671A (zh) * 2021-05-25 2021-08-24 南京航空航天大学 一种仿生轻质微结构舵翼的制作方法
GB2624061A (en) * 2022-10-24 2024-05-08 Yangtze Delta Region Institute Huzhou Univ Of Electronic Science And Technology China 3D model, repairing method and system, medium, device and terminal
CN118247465A (zh) * 2024-05-27 2024-06-25 南昌大学第一附属医院 一种骨组织植入物设计优化方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102349843A (zh) * 2011-07-26 2012-02-15 中国人民解放军第四军医大学 一种个体化定制骨盆肿瘤假体的制备方法
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
CN108778134A (zh) * 2016-03-25 2018-11-09 珀金埃尔默健康科学有限公司 用于根据3d解剖图像表征骨骼的中心轴的系统和方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102349843A (zh) * 2011-07-26 2012-02-15 中国人民解放军第四军医大学 一种个体化定制骨盆肿瘤假体的制备方法
CN108778134A (zh) * 2016-03-25 2018-11-09 珀金埃尔默健康科学有限公司 用于根据3d解剖图像表征骨骼的中心轴的系统和方法
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

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766666A (zh) * 2019-10-09 2020-02-07 河海大学常州校区 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
CN110766666B (zh) * 2019-10-09 2022-11-04 河海大学常州校区 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
CN112348816A (zh) * 2021-01-07 2021-02-09 北京明略软件系统有限公司 脑磁共振图像分割方法、存储介质及电子装置
CN113297671A (zh) * 2021-05-25 2021-08-24 南京航空航天大学 一种仿生轻质微结构舵翼的制作方法
CN113297671B (zh) * 2021-05-25 2024-04-19 南京航空航天大学 一种仿生轻质微结构舵翼的制作方法
GB2624061A (en) * 2022-10-24 2024-05-08 Yangtze Delta Region Institute Huzhou Univ Of Electronic Science And Technology China 3D model, repairing method and system, medium, device and terminal
CN118247465A (zh) * 2024-05-27 2024-06-25 南昌大学第一附属医院 一种骨组织植入物设计优化方法及系统

Also Published As

Publication number Publication date
CN110008506B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN110008506A (zh) 一种骨肿瘤仿生修复方法
CN109934925A (zh) 一种骨肿瘤仿生修复系统
CN110522501B (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
US8571278B2 (en) System and methods for multi-object multi-surface segmentation
JP2021176574A (ja) 骨再建及び整形外科インプラント
CN112037200A (zh) 一种医学影像中解剖特征自动识别与模型重建方法
CN111588517A (zh) 一种用于修复骨缺损的系统
CN110188767B (zh) 基于深度神经网络的角膜病图像序列化特征提取与分类方法及装置
CN112233801B (zh) 内置假体拓扑优化数学模型构建方法及拓扑优化设计方法
CN110728729A (zh) 一种基于注意机制的无监督ct投影域数据恢复方法
WO2004110309A2 (en) Computer-aided-design of skeletal implants
CN114998301B (zh) 一种椎体亚区域分割方法、装置及存储介质
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
CN109712161A (zh) 一种图像分割方法、装置、设备及存储介质
CN109472096B (zh) 一种宏观与微观拓扑优化结合的植入体设计方法
CN104778322A (zh) 一种基于统计信息的平均股骨模型构建方法
Dam et al. Prostate shape modeling based on principal geodesic analysis bootstrapping
Krawczyk et al. YOLO and morphing-based method for 3D individualised bone model creation
CN108681632B (zh) 颅骨组织工程Mosaic结构血管网参数化设计方法
Mangrulkar et al. Image-based bio-cad modeling: overview, scope, and challenges
CN115272615A (zh) 一种股骨点云模型医学语义分割方法及其应用
CN107085866A (zh) 一种人体直骨ct图像的模拟仿真方法及系统
CN110570464B (zh) 一种面向骨骼外形平均化的股骨模型配准方法
CN112201329A (zh) 模板引导与数据驱动的三维碎骨分割与拼接方法
CN115375714A (zh) 基于深度学习的耳软骨及其子结构的图像分割方法及系统

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