CN110570464B - 一种面向骨骼外形平均化的股骨模型配准方法 - Google Patents

一种面向骨骼外形平均化的股骨模型配准方法 Download PDF

Info

Publication number
CN110570464B
CN110570464B CN201910868963.6A CN201910868963A CN110570464B CN 110570464 B CN110570464 B CN 110570464B CN 201910868963 A CN201910868963 A CN 201910868963A CN 110570464 B CN110570464 B CN 110570464B
Authority
CN
China
Prior art keywords
model
skeleton
geometric
point
sample
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
CN201910868963.6A
Other languages
English (en)
Other versions
CN110570464A (zh
Inventor
陈小中
冒志建
耿亚
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.)
Changzhou Vocational Institute of Engineering
Original Assignee
Changzhou Vocational Institute of Engineering
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 Changzhou Vocational Institute of Engineering filed Critical Changzhou Vocational Institute of Engineering
Priority to CN201910868963.6A priority Critical patent/CN110570464B/zh
Publication of CN110570464A publication Critical patent/CN110570464A/zh
Application granted granted Critical
Publication of CN110570464B publication Critical patent/CN110570464B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Prostheses (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种面向骨骼外形平均化的股骨模型配准方法，包括如下步骤：步骤1：选取多个同类骨骼模型作为样本；采用基于面法向双边滤波算法对模型进行预处理；基于法向量和曲率提取骨骼表面几何特征点，创建几何特征模型；步骤2：求解各样本模型质心，求解初始变换矩阵，实现样本模型质心对齐；采用刚性配准算法，将其余样本几何特征模型旋转至参考模型，求解几何变形矩阵，实现几何特征的初步配准；步骤3：拟合创建骨骼内部特征点；提取骨骼表面具有医学语义的显著特征点，基于内部和表面特征点构建解剖特征点；求解骨骼精细配准变换矩阵；依据初始、几何和精细三个矩阵对初始骨骼模型进行刚性变换，实现样本骨骼模型自动对齐。

Description

一种面向骨骼外形平均化的股骨模型配准方法
技术领域
本发明涉及一种股骨模型配准方法，特别涉及一种面向骨骼外形平均化的股骨模型配准方法。
背景技术
在人体骨骼病变、坏死手术治疗中，骨骼假体植入已成为骨科手术治疗、恢复患者活动功能的重要方法之一。平均化骨骼模型为同类人群典型骨骼外形表示、假体设计提供了重要参考，平均化骨骼模型构建的重要前提是将多个骨骼样本模型配准至统一坐标系统，即实现骨骼模型的解剖对齐。现有相关工作主要依赖于纯几何层面的刚性配准，面向大规模点云数据模型的解剖对齐，现有研究主要存在两方面不足：第一，高精度模型的大规模几何数据迭代处理，导致建模耗时、效率低下；第二，缺乏对骨骼解剖特征的描述，难以确保模型配准结果的医学语义性。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种面向骨骼外形平均化的股骨模型配准方法，基于几何特征提取与配准、层次化特征配准，求解骨骼模型刚性变换矩阵，实现同类型骨骼模型快速解剖外形对齐。
为了实现上述目标，本发明采用如下的技术方案：
一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，包括如下步骤：
步骤1：依据身高、体重、年龄等指标，选取多个同类骨骼模型作为样本；采用基于面法向双边滤波算法对模型降噪等预处理；基于法向量和曲率提取骨骼表面几何特征点，降低样本模型中点云规模，创建几何特征模型；
步骤2：求解各样本模型质心，求解初始变换矩阵，实现样本模型质心对齐；采用刚性配准算法，将其余样本几何特征模型旋转至参考模型，求解几何变形矩阵，实现几何特征的初步配准；
步骤3：结合典型解剖结构，拟合创建骨骼内部特征点；提取骨骼表面具有医学语义的显著特征点，基于内部和表面特征点构建解剖特征点；求解个体和参考模型解剖特征点间解剖特征变形矩阵，通过与几何特征变形矩阵加权，求解骨骼精细配准变换矩阵；依据初始、几何和精细三个矩阵对初始骨骼模型进行刚性变换，实现样本骨骼模型自动对齐。
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤1包括以下步骤：
步骤1a：在同种族健康人群中，依据身高、体重、年龄等指标偏差小于5％要求，选取N个骨骼样本模型；采用基于面法向双边滤波算法对样本降噪处理，获得预处理模型OM；
步骤1b：通过法向量和曲率方式提取骨骼表面几何特征点，降低原有样本模型中几何顶点规模，创建几何特征模型GM；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤2包括以下步骤：
步骤2a：利用GM模型顶点坐标平均值，求解各样本模型质心；选取一个样本GM1作为参考对象，将其他样本模型GMi配准至GM1实现质心对齐，i∈(1，N-1)，求解初始变换矩阵MT1。
步骤2b：基于kd-tree优化ICP算法，将样本GMi分别刚性配准至参考模型GM1，求解各样本旋转变换矩阵MT2，实现几何特征配准；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤3包括以下步骤：
步骤3a：依据骨骼典型解剖结构，采用拟合方法创建骨骼内部解剖参考特征点AMI，包括头部中心PI1、颈部中心PI2，颈部与骨干轴线交点PI3、骨干轴线拟合点PI4-PI18；并在骨骼表面提取具有典型医学语义的显著特征点集AMS，包括粗隆部最高点PA1、最外侧点PA2、粗隆内侧点PA3、外髁最前侧点PA4、外髁最后侧点PA5、外髁最低侧点PA6、外髁最外侧点PA7、内髁最前侧点PA8、内髁最后侧点PA9、内髁最低侧点PA10、内髁最内侧点PA11；将AMI、AMS合并为解剖特征点集AM；
步骤3b：采用Generalized-ICP算法将个体模型AMi配准至参考模型AM1，求解解剖特征变换矩阵；通过与MT2加权平均，获取骨骼精细配准变换矩阵MT3；
步骤3c：将各OM模型依次执行MT1、MT2、MT3变换，实现骨骼样本模型解剖自动配准。
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤1的步骤1a中，所述的骨骼样本模型选取要求是同种族健康人群中身高、体重、年龄等各项指标偏差均应小于5％；所述的样本降噪算法是基于面法向的双边滤波算法；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤1的步骤1b中，所述的骨骼表面特征点提取算法，主要依据法向和曲率两种典型几何特性，所创建的几何特征模型GM中顶点数量介于2000-2500之间；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤2的步骤2a中，所述的质心为几何特征模型GM中顶点的坐标平均值；选取一个样本GM1作为参考对象，将其他样本模型GMi配准至GM1实现质心对齐，i∈(1，N-1)，求解初始变换矩阵MT1；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤2的步骤2b中，所述的几何特征配准，是基于kd-tree优化ICP算法，将样本GMi分别刚性配准至参考模型GM1，并求解各样本旋转变换矩阵MT2；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤3的步骤3a中，所述的骨骼内部解剖参考特征点AMI采用模型顶点拟合方式创建，主要包括：头部中心PI1、颈部中心PI2，颈部与骨干轴线交点PI3、骨干轴线拟合点PI4-PI18；所述的显著特征点集AMS是指位于骨骼表面且具有显著医学语义的顶点，主要包括：粗隆部最高点PA1、最外侧点PA2、粗隆内侧点PA3、外髁最前侧点PA4、外髁最后侧点PA5、外髁最低侧点PA6、外髁最外侧点PA7、内髁最前侧点PA8、内髁最后侧点PA9、内髁最低侧点PA10、内髁最内侧点PA11；所述的AM是AMI和AMS的集合；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤3的步骤3b中，所述的解解剖特征变换是指基于Generalized-ICP算法将个体模型AMi配准至参考模型AM1，求解解剖特征变换矩阵；所述的精细配准变换矩阵MT3是通过解剖特征变换矩阵与MT2加权平均获得；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤3的步骤3c中，所述的变换模型为预处理后的OM模型，变换执行顺序依次为MT1、MT2、MT3。
本发明的有益之处在于：本发明的一种面向骨骼外形平均化的股骨模型配准方法，系统运行效率高，通过特定人群骨骼模型几何提取、合理简化顶点规模，提高了模型处理速度；基于解剖特征提取和配准，使得模型配准更贴近骨骼解剖语义与医学需求。本发明应用于医疗器材制造领域，能够直观、准确地表示和分析特定人群的骨骼外形和结构，为骨骼平均化提供重要基础，对指导医疗设备厂商进行植入物设计具有重要指导意义。
附图说明
图1是本发明中一种面向骨骼外形平均化的股骨模型配准方法流程图；
图2是本发明中股骨三维模型降噪示意图；
图3是本发明中骨骼模型中几何特征点提取示意图；
图4是本发明中骨骼模型质心定义示意图；
图5是本发明中个体模型和参考模质心对齐配准变换示意图；
图6是本发明中质心对齐后样本和参考模型特征点刚性变换示意图；
图7是骨骼模型表面显著特征点和解剖结构特征点示意图；
图8是基于解剖特征点刚性变换的骨骼模型配准示意图。
具体实施方式
以下结合附图对本发明做具体的介绍。
参照图1所示，本发明一种面向骨骼外形平均化的股骨模型配准方法，包括如下步骤：
步骤1：依据身高、体重、年龄等指标，选取多个同类骨骼模型作为样本；采用基于面法向双边滤波算法对模型降噪等预处理；基于法向量和曲率提取骨骼表面几何特征点，降低样本模型中点云规模，创建几何特征模型；
步骤2：求解各样本模型质心，求解初始变换矩阵，实现样本模型质心对齐；采用刚性配准算法，将其余样本几何特征模型旋转至参考模型，求解几何变形矩阵，实现几何特征的初步配准；
步骤3：结合典型解剖结构，拟合创建骨骼内部特征点；提取骨骼表面具有医学语义的显著特征点，基于内部和表面特征点构建解剖特征点；求解个体和参考模型解剖特征点间解剖特征变形矩阵，通过与几何特征变形矩阵加权，求解骨骼精细配准变换矩阵；依据初始、几何和精细三个矩阵对初始骨骼模型进行刚性变换，实现样本骨骼模型自动对齐。
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤1包括以下步骤：
步骤1a：在同种族健康人群中，依据身高、体重、年龄等指标偏差小于5％要求，选取N个骨骼样本模型；如图2所示，基于面法向双边滤波算法对样本降噪处理，获得预处理模型OM；
步骤1b：如图3所示，基于法向量和曲率提取OM模型表面几何特征点，创建几何特征模型GM；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤2包括以下步骤：
步骤2a：如图4所示，计算GM模型顶点坐标平均值，获取各样本模型质心；如图5所示，选取一个样本GM1作为参考对象，将其他样本模型GMi配准至GM1实现质心对齐，i∈(1，N-1)，求解初始变换矩阵MT1。
步骤2b：如图6所示，基于kd-tree优化ICP算法，将样本GMi分别刚性配准至参考模型GM1，求解各样本旋转变换矩阵MT2，实现几何特征配准；
前述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于，所述步骤3包括以下步骤：
步骤3a：如图7所示，依据骨骼典型解剖结构，采用拟合方法创建骨骼内部解剖参考特征点AMI，包括头部中心PI1、颈部中心PI2，颈部与骨干轴线交点PI3、骨干轴线拟合点PI4-PI18；并在骨骼表面提取具有典型医学语义的显著特征点集AMS，包括粗隆部最高点PA1、最外侧点PA2、粗隆内侧点PA3、外髁最前侧点PA4、外髁最后侧点PA5、外髁最低侧点PA6、外髁最外侧点PA7、内髁最前侧点PA8、内髁最后侧点PA9、内髁最低侧点PA10、内髁最内侧点PA11；将AMI、AMS合并为解剖特征点集AM；
步骤3b：如图8所示，采用Generalized-ICP算法将个体模型AMi配准至参考模型AM1，求解解剖特征变换矩阵；通过与MT2加权平均，获取骨骼精细配准变换矩阵MT3；
步骤3c：将各OM模型依次执行MT1、MT2、MT3变换，实现骨骼样本模型解剖自动配准。
本方法未进一步说明的均为现有技术。
本发明给出了一种面向骨骼外形平均化的股骨模型配准方法。首先，依据身高、体重、年龄等指标，选取多个同类骨骼模型作为样本；采用基于面法向双边滤波算法对模型降噪等预处理；基于法向量和曲率提取骨骼表面几何特征点，降低样本模型中点云规模，创建几何特征模型；然后，求解各样本模型质心，求解初始变换矩阵，实现样本模型质心对齐；采用刚性配准算法，将其余样本几何特征模型旋转至参考模型，求解几何变形矩阵，实现几何特征的初步配准；最后，结合典型解剖结构，拟合创建骨骼内部特征点；提取骨骼表面具有医学语义的显著特征点，基于内部和表面特征点构建解剖特征点；求解个体和参考模型解剖特征点间解剖特征变形矩阵，通过与几何特征变形矩阵加权，求解骨骼精细配准变换矩阵；依据初始、几何和精细三个矩阵对初始骨骼模型进行刚性变换，实现样本骨骼模型自动对齐。
本发明能够直观、准确地表示和分析特定人群的骨骼外形和结构，为骨骼平均化提供重要基础，对指导医疗设备厂商进行植入物设计具有重要指导意义。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (4)

1.一种面向骨骼外形平均化的股骨模型配准方法，包括如下步骤：
步骤1：选取多个同类骨骼模型作为样本；采用基于面法向双边滤波算法对模型进行预处理；基于法向量和曲率提取骨骼表面几何特征点，创建几何特征模型；所述步骤1包括以下步骤：
步骤1a：在同种族健康人群中，选取N个骨骼样本模型；采用基于面法向双边滤波算法对样本降噪处理，获得预处理模型OM；
步骤1b：通过法向量和曲率方式提取骨骼表面几何特征点，降低原有样本模型中几何顶点规模，创建几何特征模型GM；
步骤2：求解各样本模型质心，求解初始变换矩阵，实现样本模型质心对齐；采用刚性配准算法，将其余样本几何特征模型旋转至参考模型，求解几何变形矩阵，实现几何特征的初步配准；所述步骤2包括以下步骤：
步骤2a：利用GM模型顶点坐标平均值，求解各样本模型质心，所述的质心为几何特征模型GM中顶点的坐标平均值；选取一个样本GM1作为参考对象，将其他样本模型GMi配准至GM1实现质心对齐，i∈(1，N-1)，求解初始变换矩阵MT1；
步骤2b：基于kd-tree优化ICP算法，将样本GMi分别刚性配准至参考模型GM1，求解各样本旋转变换矩阵MT2，实现几何特征配准；
步骤3：结合典型解剖结构，拟合创建骨骼内部特征点；提取骨骼表面具有医学语义的显著特征点，基于内部和表面特征点构建解剖特征点；求解个体和参考模型解剖特征点间解剖特征变形矩阵，通过与几何特征变形矩阵加权，求解骨骼精细配准变换矩阵；依据初始、几何和精细三个矩阵对初始骨骼模型进行刚性变换，实现样本骨骼模型自动对齐；所述步骤3包括以下步骤：
步骤3a：依据骨骼典型解剖结构，采用拟合方法创建骨骼内部解剖参考特征点AMI，包括头部中心PI1、颈部中心PI2，颈部与骨干轴线交点PI3、骨干轴线拟合点PI4-PI18；并在骨骼表面提取具有典型医学语义的显著特征点集AMS，包括粗隆部最高点PA1、最外侧点PA2、粗隆内侧点PA3、外髁最前侧点PA4、外髁最后侧点PA5、外髁最低侧点PA6、外髁最外侧点PA7、内髁最前侧点PA8、内髁最后侧点PA9、内髁最低侧点PA10、内髁最内侧点PA11；将AMI、AMS合并为解剖特征点集AM；
步骤3b：采用Generalized-ICP算法将个体模型AMi配准至参考模型AM1，求解解剖特征变换矩阵；通过与MT2加权平均，获取骨骼精细配准变换矩阵MT3；
步骤3c：将各OM模型依次执行MT1、MT2、MT3变换，实现骨骼样本模型解剖自动配准。
2.根据权利要求1所述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于：所述步骤1a中，所述的骨骼样本模型选取要求是同种族健康人群中各项生理指标偏差均小于5％，所述生理指标包括身高、体重、年龄；所述的样本降噪算法是基于面法向的双边滤波算法。
3.根据权利要求1所述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于：所述步骤1b中，所述的骨骼表面特征点提取算法，依据法向和曲率两种典型几何特性，所创建的几何特征模型GM中顶点数量介于2000-2500之间。
4.根据权利要求1所述的一种面向骨骼外形平均化的股骨模型配准方法，其特征在于：步骤3b中，所述的解解剖特征变换是指基于Generalized-ICP算法将个体模型AMi配准至参考模型AM1，求解解剖特征变换矩阵；所述的精细配准变换矩阵MT3是通过解剖特征变换矩阵与MT2加权平均获得。
CN201910868963.6A 2019-09-16 2019-09-16 一种面向骨骼外形平均化的股骨模型配准方法 Active CN110570464B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910868963.6A CN110570464B (zh) 2019-09-16 2019-09-16 一种面向骨骼外形平均化的股骨模型配准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910868963.6A CN110570464B (zh) 2019-09-16 2019-09-16 一种面向骨骼外形平均化的股骨模型配准方法

Publications (2)

Publication Number Publication Date
CN110570464A CN110570464A (zh) 2019-12-13
CN110570464B true CN110570464B (zh) 2022-03-18

Family

ID=68779991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910868963.6A Active CN110570464B (zh) 2019-09-16 2019-09-16 一种面向骨骼外形平均化的股骨模型配准方法

Country Status (1)

Country Link
CN (1) CN110570464B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116452755B (zh) * 2023-06-15 2023-09-22 成就医学科技(天津)有限公司 一种骨骼模型构建方法、系统、介质及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007103328A2 (en) * 2006-03-06 2007-09-13 Biolok International, Inc. Time release calcium sulfate matrix for bone augmentation
CN104200524A (zh) * 2014-09-11 2014-12-10 河海大学常州校区 一种面向接骨板设计的三维网格骨骼模型平均化方法
CN104622559A (zh) * 2014-12-23 2015-05-20 河海大学常州校区 一种参数化股骨模板的构建方法
CN104933263A (zh) * 2015-07-03 2015-09-23 河海大学常州校区 一种基于平均股骨模型的接骨板系列化设计方法
CN105005995A (zh) * 2015-07-29 2015-10-28 武汉大学 一种计算三维点云模型骨骼的方法
CN105869149A (zh) * 2016-03-24 2016-08-17 大连理工大学 基于主向量分析的断骨截面分割及断骨模型配准方法
CN105957075A (zh) * 2016-04-27 2016-09-21 河海大学常州校区 带权值的平均骨骼模型生成及参数化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070206880A1 (en) * 2005-12-01 2007-09-06 Siemens Corporate Research, Inc. Coupled Bayesian Framework For Dual Energy Image Registration

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007103328A2 (en) * 2006-03-06 2007-09-13 Biolok International, Inc. Time release calcium sulfate matrix for bone augmentation
CN104200524A (zh) * 2014-09-11 2014-12-10 河海大学常州校区 一种面向接骨板设计的三维网格骨骼模型平均化方法
CN104622559A (zh) * 2014-12-23 2015-05-20 河海大学常州校区 一种参数化股骨模板的构建方法
CN104933263A (zh) * 2015-07-03 2015-09-23 河海大学常州校区 一种基于平均股骨模型的接骨板系列化设计方法
CN105005995A (zh) * 2015-07-29 2015-10-28 武汉大学 一种计算三维点云模型骨骼的方法
CN105869149A (zh) * 2016-03-24 2016-08-17 大连理工大学 基于主向量分析的断骨截面分割及断骨模型配准方法
CN105957075A (zh) * 2016-04-27 2016-09-21 河海大学常州校区 带权值的平均骨骼模型生成及参数化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Accuracy of femur reconstruction from sparse geometric data using a statistical shape model;Ju Zhang 等;《Computer Methods in Biomechanics and Biomedical Engineering》;20161221;第20卷(第5期);566–576 *
基于二维三维配准的股骨三维模型重建;曾祥森;《计算机应用》;20140630;第34卷;238-242 *

Also Published As

Publication number Publication date
CN110570464A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN101339670B (zh) 一种计算机辅助的三维颅面复原方法
CN109903396A (zh) 一种基于曲面参数化的牙齿三维模型自动分割方法
CN110738681A (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
CN105405167A (zh) 基于完整的人头颅进行有限元建模的方法
CN110070540A (zh) 图像生成方法、装置、计算机设备及存储介质
CN104504737A (zh) 一种从肺部ct图像获得三维气管树的方法
CN105389444B (zh) 一种个性化种植牙的龈缘曲线设计方法
CN102509286A (zh) 一种医学图像目标区域勾画方法
CN102254317A (zh) 牙种植导航中牙弓曲面的自动提取方法
CN103745470A (zh) 基于小波的多边形轮廓演化医学ct图像交互式分割方法
CN108765385A (zh) 一种双源ct冠状动脉自动提取方法
CN108597017A (zh) 一种基于测量参数的骨骼变形模板构建方法
CN109101686A (zh) 一种基于骨小梁结构形态和力学性能的多孔结构设计方法
CN114119872A (zh) 基于人工智能大数据分析3d打印脊柱内植物的方法
CN110570464B (zh) 一种面向骨骼外形平均化的股骨模型配准方法
CN104899923B (zh) 基于微笑表情几何特征修饰的颜面赝复体优化模型的构建方法
CN108961278A (zh) 基于影像数据的腹壁肌肉分割的方法及其系统
CN109919216B (zh) 一种用于计算机辅助诊断前列腺癌的对抗学习方法
Tian et al. Efficient tooth gingival margin line reconstruction via adversarial learning
CN113724320A (zh) 一种基于形状先验的肾脏图像分割方法
CN115272615A (zh) 一种股骨点云模型医学语义分割方法及其应用
CN115252233A (zh) 基于深度学习的全髋关节置换术中髋臼杯的自动化规划方法
CN114529553A (zh) 一种自动牙颌数字模型分割算法
CN113570724B (zh) 基于逆球极投影的网格球面保角参数化方法及其应用
CN113822853B (zh) 一种基于超像素分割的颈椎mr图像曲度测量方法

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
GR01 Patent grant
GR01 Patent grant