CN111317580A - 一种椎骨稳定系统及方法 - Google Patents
一种椎骨稳定系统及方法 Download PDFInfo
- Publication number
- CN111317580A CN111317580A CN202010097952.5A CN202010097952A CN111317580A CN 111317580 A CN111317580 A CN 111317580A CN 202010097952 A CN202010097952 A CN 202010097952A CN 111317580 A CN111317580 A CN 111317580A
- Authority
- CN
- China
- Prior art keywords
- vertebra
- module
- spine
- fastening
- vertebral stabilization
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000006641 stabilisation Effects 0.000 title claims abstract description 29
- 238000011105 stabilization Methods 0.000 title claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 206010039722 scoliosis Diseases 0.000 claims abstract description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 210000001032 spinal nerve Anatomy 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
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
- A61B90/06—Measuring instruments not otherwise provided for
-
- 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
-
- 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
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- 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
-
- 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
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- 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
- A61B90/06—Measuring instruments not otherwise provided for
- A61B2090/064—Measuring instruments not otherwise provided for for measuring force, pressure or mechanical tension
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30012—Spine; Backbone
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Geometry (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明属于椎骨稳定技术领域,公开了一种椎骨稳定系统及方法,所述椎骨稳定系统及方法包括:固定压力检测模块、中央控制模块、椎骨定位模块、计算模块、紧固模块、支撑模块、显示模块。本发明通过椎骨定位模块能够快速的进行椎骨识别,并且识别的更加准确;利用核密度估计法精化椎骨的质心,利用软件进行三维重建,可以立体的呈现出整段脊柱。采取先分割后定位的方式,缩小了检测的区域,提高了准确性;同时,通过计算模块在得到背部脊柱中线的基础上,通过构建脊柱侧弯计算模型和脊柱中心线与背部脊柱中线偏离程度计算模型,实现了对脊椎骨旋转角度的准确测量,具有广泛的应用价值。
Description
技术领域
本发明属于椎骨稳定技术领域,尤其涉及一种椎骨稳定系统及方法。
背景技术
目前:椎骨vertebrae又称脊柱骨(backbone),有33块,根据它们在人体的位置可分为7块颈椎,12块胸椎,5块腰椎,5块骶椎和4块尾椎。在成年人5块骶椎愈合成一块骶骨,4块尾椎愈合成一块尾骨。椎体在前,椎弓在后。椎体与椎弓围成椎孔,所有椎孔连贯即成椎管。椎管内藏脊髓。椎弓由椎弓根和椎弓板构成。椎弓根为椎弓连于椎体的细而短部分,它的上、下缘各有一个凹陷分别称椎上切迹和椎下切迹。两个相邻椎骨的上下切迹围成椎间孔,有脊神经和血管通过。椎弓后方的板状结构为椎弓板。从椎弓上发出7个突起,向后一个突起称棘突;向两侧的一对突起称横突;向上和向下的两对突起分别称上关节突和下关节突。然而,现有椎骨稳定系统及方法对椎骨定位不准确;同时,对椎骨旋转角度计算不准确。
综上所述,现有技术存在的问题是:现有椎骨稳定系统及方法对椎骨定位不准确;同时,对椎骨旋转角度计算不准确。
发明内容
针对现有技术存在的问题,本发明提供了一种椎骨稳定系统及方法。
本发明是这样实现的,一种椎骨稳定系统及方法包括:
固定压力检测模块、中央控制模块、椎骨定位模块、计算模块、紧固模块、支撑模块、显示模块;
固定压力检测模块,与中央控制模块连接,用于通过压力传感器采集椎骨固定压力数据;
中央控制模块,与固定压力检测模块、椎骨定位模块、计算模块、紧固模块、支撑模块、显示模块连接,用于通过主控芯片控制各个模块正常工作;
椎骨定位模块,与中央控制模块连接,用于对椎骨进行CT检测,通过对脊椎CT数据进行处理对椎骨进行定位;
计算模块,与中央控制模块连接,用于通过计算程序计算椎骨旋转角度;
紧固模块,与中央控制模块连接,用于通过紧固机构对椎骨进行紧固操作;
支撑模块,与中央控制模块连接,用于通过支撑机构对椎骨进行支撑操作;
显示模块,与中央控制模块连接,用于通过显示器显示采集的压力数据。
进一步,所述紧固模块包括:
夹紧单元,用于通过夹紧结构实现对椎骨的夹紧固定;
防护单元,用于通过防护侧板对椎骨进行限定防护;
压力检测单元,用于通过压力传感器对椎骨的紧固压力进行检测;
参数配置单元,用于对压力参数进行预设,并将压力参数进行存储;
警示单元,用于在压力值超出预设阈值时通过报警器发出报警提醒。
进一步,所述支撑模块包括:
承托单元,用于通过承托板对椎骨进行承托;
高度调节单元,用于通过电动伸缩杆对椎骨的支撑高度进行调节。
进一步,所述椎骨定位模块中的CT检测过程包括:
扫描生成椎骨拓扑图,确定需扫描椎骨在所述椎骨拓扑图中的位置;
根据所确定的需扫描椎骨在所述椎骨拓扑图中的位置,识别所述需扫描椎骨的上边界和下边界;
根据识别出的所述需扫描椎骨的上边界和下边界定位所述需扫描椎骨的中间椎骨切片,扫描生成所述中间椎骨切片的断层图像。
本发明的另一目的在于提供一种椎骨稳定方法,具体包括以下步骤:
步骤一,通过椎骨定位模块对椎骨进行CT检测,通过对脊椎CT数据进行处理实现对椎骨的定位;
步骤二,通过计算模块中的计算程序对椎骨的旋转角度进行计算;
步骤三,通过紧固模块中的紧固机构对椎骨进行紧固操作,通过压力传感器对紧固压力进行监测;
步骤四,通过支撑模块中的支撑机构将椎骨在相应高度进行支撑操作;
步骤五,通过显示模块中的显示器显示采集的压力数据,根据显示数据实时调整紧固压力。
进一步,所述椎骨定位模块定位方法如下:
(1)通过数据处理程序对脊椎CT数据进行预处理,增加对比度;
(2)利用FasterR-CNN模型对脊椎CT图片中关键区域进行分割提取;
(3)将分割出来的椎骨利用核密度估计法预测椎骨的质心位置;
(4)利用Mimics对经过处理后的脊椎CT图像进行三维重建。
进一步,所述步骤2)中图像分割方法包括以下步骤:
选取卷积神经网络的模型结构,以卷积神经网络CNN为底层特征提取结构;
对脊椎CT样本图像进行目标区域的提取;
RPN网络的预训练,调整训练参数,得到目标区域的候选区域;
FastR-CNN网络的预训练,将RPN网络中得到的目标区域的候选区域作为输入,进行参数初始化,得到优化的候选区域模型;
微调FastR-CNN网络后重新初始化RPN网络,固定共享卷积层,分别微调RPN和FastR-CNN独有层;
将两个模型联合构成统一的检测网络;
利用新样本对椎骨识别定位模型进行测试,得到测试结果。
进一步,所述计算模块4计算方法如下:
A、通过摄像设备获取人体背部图像,对人体背部图像进行滤波和特征提取处理,得到背部脊柱中心的坐标数组;
B、对步骤A中背部脊柱中心的坐标数组进行三次样条插值处理,得到背部脊柱中线;
C、根据步骤B中背部脊柱中线计算脊柱主体长度、每个侧弯的背部中线顶椎垂直偏距、背部脊柱中线每个侧弯的弦长、每个侧弯偏距最大的点坐标及每个侧弯偏距最大点对应脊柱的宽度;
D、构建脊柱侧弯计算模型,计算脊柱侧弯大小;
E、构建脊柱中心线与背部脊柱中线偏离程度计算模型,计算每个侧弯脊柱中心线与背部脊柱中线偏离程度;
F、根据步骤B中背部脊柱中线和步骤E中每个侧弯脊柱中心线与背部脊柱中线偏离程度,计算脊柱中心线坐标;
G、根据步骤B中背部脊柱中线、步骤C中脊柱主体长度和步骤F中脊柱中心线坐标计算脊椎骨旋转角度。
进一步,所述步骤D中脊柱侧弯计算模型具体表示为:
其中,V表示脊柱侧弯程度,len_chord表示每个侧弯的弦长,T表示脊柱主体长度。
进一步,所述步骤E中脊柱中心线与背部脊柱中线偏离程度计算模型具体表示为:
其中,r表示每个侧弯脊柱中心线与背部脊柱中线偏离程度,d1表示脊柱中心线的背部中线顶椎垂直偏距节点到该侧弯弦的距离,d1=dmax+wcheck,wcheck表示当前侧弯的脊柱中心线顶椎偏距节点到背部中线顶椎偏距节点的距离,dmax表示每个侧弯的背部中线顶椎垂直偏距。
本发明的优点及积极效果为:本发明通过椎骨定位模块能够快速的进行椎骨识别,并且识别的更加准确;采用Faster R-CNN网络模型进行在椎骨区域的定位,并利用核密度估计法精化椎骨的质心,利用软件进行三维重建,可以立体的呈现出整段脊柱。采取先分割后定位的方式,缩小了检测的区域,提高了准确性;同时,通过计算模块在得到背部脊柱中线的基础上,通过构建脊柱侧弯计算模型和脊柱中心线与背部脊柱中线偏离程度计算模型,实现了对脊椎骨旋转角度的准确测量,具有广泛的应用价值。
附图说明
图1是本发明实施例提供的椎骨稳定系统及方法结构框图。
图中:1、固定压力检测模块;2、中央控制模块;3、椎骨定位模块;4、计算模块;5、紧固模块;6、支撑模块;7、显示模块。
图2是本发明实施例提供的紧固模块结构框图。
图3是本发明实施例提供的椎骨稳定方法流程图。
图4是本发明实施例提供的椎骨定位模块的定位方法流程图。
图5是本发明实施例提供的计算模块的计算方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的椎骨稳定系统及方法包括:固定压力检测模块1、中央控制模块2、椎骨定位模块3、计算模块4、紧固模块5、支撑模块6、显示模块7。
固定压力检测模块1,与中央控制模块2连接,用于通过压力传感器采集椎骨固定压力数据。
中央控制模块2,与固定压力检测模块1、椎骨定位模块3、计算模块4、紧固模块5、支撑模块6、显示模块7连接,用于通过主控芯片控制各个模块正常工作。
椎骨定位模块3,与中央控制模块2连接,用于对椎骨进行CT检测,通过对脊椎CT数据进行处理对椎骨进行定位。
计算模块4,与中央控制模块2连接,用于通过计算程序计算椎骨旋转角度。
紧固模块5,与中央控制模块2连接,用于通过紧固机构对椎骨进行紧固操作。
支撑模块6,与中央控制模块2连接,用于通过支撑机构对椎骨进行支撑操作。
显示模块7,与中央控制模块2连接,用于通过显示器显示采集的压力数据。
如图2所示,本发明实施例提供的紧固模块包括:
夹紧单元,用于通过夹紧结构实现对椎骨的夹紧固定。
防护单元,用于通过防护侧板对椎骨进行限定防护。
压力检测单元,用于通过压力传感器对椎骨的紧固压力进行检测。
参数配置单元,用于对压力参数进行预设,并将压力参数进行存储。
警示单元,用于在压力值超出预设阈值时通过报警器发出报警提醒。
本发明实施例提供的支撑模块包括:
承托单元,用于通过承托板对椎骨进行承托。
高度调节单元,用于通过电动伸缩杆对椎骨的支撑高度进行调节。
本发明实施例提供的椎骨定位模块中的CT检测过程包括:
扫描生成椎骨拓扑图,确定需扫描椎骨在所述椎骨拓扑图中的位置。
根据所确定的需扫描椎骨在所述椎骨拓扑图中的位置,识别所述需扫描椎骨的上边界和下边界。
根据识别出的所述需扫描椎骨的上边界和下边界定位所述需扫描椎骨的中间椎骨切片,扫描生成所述中间椎骨切片的断层图像。
如图3所示,本发明实施例提供的椎骨稳定方法具体包括以下步骤:
S101,通过椎骨定位模块对椎骨进行CT检测,通过对脊椎CT数据进行处理实现对椎骨的定位。
S102,通过计算模块中的计算程序对椎骨的旋转角度进行计算。
S103,通过紧固模块中的紧固机构对椎骨进行紧固操作,通过压力传感器对紧固压力进行监测。
S104,通过支撑模块中的支撑机构将椎骨在相应高度进行支撑操作。
S105,通过显示模块中的显示器显示采集的压力数据,根据显示数据实时调整紧固压力。
如图4所示,本发明实施例提供的椎骨定位模块3定位方法如下:
S201,通过数据处理程序对脊椎CT数据进行预处理,增加对比度。
S202,利用FasterR-CNN模型对脊椎CT图片中关键区域进行分割提取。
S203,将分割出来的椎骨利用核密度估计法预测椎骨的质心位置。
S204,利用Mimics对经过处理后的脊椎CT图像进行三维重建。
本发明实施例提供的步骤S202中图像分割方法包括以下步骤:
选取卷积神经网络的模型结构,以卷积神经网络CNN为底层特征提取结构;
对脊椎CT样本图像进行目标区域的提取;
RPN网络的预训练,调整训练参数,得到目标区域的候选区域;
FastR-CNN网络的预训练,将RPN网络中得到的目标区域的候选区域作为输入,进行参数初始化,得到优化的候选区域模型;
微调FastR-CNN网络后重新初始化RPN网络,固定共享卷积层,分别微调RPN和FastR-CNN独有层;
将两个模型联合构成统一的检测网络;
利用新样本对椎骨识别定位模型进行测试,得到测试结果。
本发明实施例提供的计算模块4的计算方法如下:
S301,通过摄像设备获取人体背部图像,对人体背部图像进行滤波和特征提取处理,得到背部脊柱中心的坐标数组。
S302,对步骤S301中背部脊柱中心的坐标数组进行三次样条插值处理,得到背部脊柱中线。
S303,根据步骤S302中背部脊柱中线计算脊柱主体长度、每个侧弯的背部中线顶椎垂直偏距、背部脊柱中线每个侧弯的弦长、每个侧弯偏距最大的点坐标及每个侧弯偏距最大点对应脊柱的宽度。
S304,构建脊柱侧弯计算模型,计算脊柱侧弯大小。
S305,构建脊柱中心线与背部脊柱中线偏离程度计算模型,计算每个侧弯脊柱中心线与背部脊柱中线偏离程度。
S306,根据步骤S302中背部脊柱中线和步骤E中每个侧弯脊柱中心线与背部脊柱中线偏离程度,计算脊柱中心线坐标。
S307,根据步骤S302中背部脊柱中线、步骤S303中脊柱主体长度和步骤S306中脊柱中心线坐标计算脊椎骨旋转角度。
本发明实施例提供的步骤D中脊柱侧弯计算模型具体表示为:
其中,V表示脊柱侧弯程度,len_chord表示每个侧弯的弦长,T表示脊柱主体长度。
本发明提供的步骤E中脊柱中心线与背部脊柱中线偏离程度计算模型具体表示为:
其中,r表示每个侧弯脊柱中心线与背部脊柱中线偏离程度,d1表示脊柱中心线的背部中线顶椎垂直偏距节点到该侧弯弦的距离,d1=dmax+wcheck,wcheck表示当前侧弯的脊柱中心线顶椎偏距节点到背部中线顶椎偏距节点的距离,dmax表示每个侧弯的背部中线顶椎垂直偏距。
本发明工作时,首先,通过固定压力检测模块1利用压力传感器采集椎骨固定压力数据;其次,中央控制模块2通过椎骨定位模块3对椎骨进行定位;通过计算模块4利用计算程序计算椎骨旋转角度;通过紧固模块5利用紧固机构对椎骨进行紧固操作;然后,通过支撑模块6利用支撑机构对椎骨进行支撑操作;最后,通过显示模块7利用显示器显示采集的压力数据。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种椎骨稳定系统,其特征在于,所述椎骨稳定系统包括:
固定压力检测模块,与中央控制模块连接,用于通过压力传感器采集椎骨固定压力数据;
中央控制模块,与固定压力检测模块、椎骨定位模块、计算模块、紧固模块、支撑模块、显示模块连接,用于通过主控芯片控制各个模块正常工作;
椎骨定位模块,与中央控制模块连接,用于对椎骨进行CT检测,通过对脊椎CT数据进行处理对椎骨进行定位;
计算模块,与中央控制模块连接,用于通过计算程序计算椎骨旋转角度;
紧固模块,与中央控制模块连接,用于通过紧固机构对椎骨进行紧固操作;
支撑模块,与中央控制模块连接,用于通过支撑机构对椎骨进行支撑操作;
显示模块,与中央控制模块连接,用于通过显示器显示采集的压力数据。
2.如权利要求1所述椎骨稳定系统,其特征在于,所述紧固模块包括:
夹紧单元,用于通过夹紧结构实现对椎骨的夹紧固定;
防护单元,用于通过防护侧板对椎骨进行限定防护;
压力检测单元,用于通过压力传感器对椎骨的紧固压力进行检测;
参数配置单元,用于对压力参数进行预设,并将压力参数进行存储;
警示单元,用于在压力值超出预设阈值时通过报警器发出报警提醒。
3.如权利要求1所述椎骨稳定系统,其特征在于,所述支撑模块包括:
承托单元,用于通过承托板对椎骨进行承托;
高度调节单元,用于通过电动伸缩杆对椎骨的支撑高度进行调节。
4.如权利要求1所述椎骨稳定系统,其特征在于,所述椎骨定位模块中的CT检测过程包括:
扫描生成椎骨拓扑图,确定需扫描椎骨在所述椎骨拓扑图中的位置;
根据所确定的需扫描椎骨在所述椎骨拓扑图中的位置,识别所述需扫描椎骨的上边界和下边界;
根据识别出的所述需扫描椎骨的上边界和下边界定位所述需扫描椎骨的中间椎骨切片,扫描生成所述中间椎骨切片的断层图像。
5.一种基于权利要求1-4任意一项所述的椎骨稳定系统的椎骨稳定方法,所述椎骨稳定方法包括:
步骤一,通过椎骨定位模块对椎骨进行CT检测,通过对脊椎CT数据进行处理实现对椎骨的定位;
步骤二,通过计算模块中的计算程序对椎骨的旋转角度进行计算;
步骤三,通过紧固模块中的紧固机构对椎骨进行紧固操作,通过压力传感器对紧固压力进行监测;
步骤四,通过支撑模块中的支撑机构将椎骨在相应高度进行支撑操作;
步骤五,通过显示模块中的显示器显示采集的压力数据,根据显示数据实时调整紧固压力。
6.如权利要求5所述椎骨稳定方法,其特征在于,所述椎骨定位模块定位方法如下:
(1)通过数据处理程序对脊椎CT数据进行预处理,增加对比度;
(2)利用FasterR-CNN模型对脊椎CT图片中关键区域进行分割提取;
(3)将分割出来的椎骨利用核密度估计法预测椎骨的质心位置;
(4)利用Mimics对经过处理后的脊椎CT图像进行三维重建。
7.如权利要求6所述椎骨稳定方法,其特征在于,所述步骤2)中图像分割方法包括以下步骤:
选取卷积神经网络的模型结构,以卷积神经网络CNN为底层特征提取结构;
对脊椎CT样本图像进行目标区域的提取;
RPN网络的预训练,调整训练参数,得到目标区域的候选区域;
FastR-CNN网络的预训练,将RPN网络中得到的目标区域的候选区域作为输入,进行参数初始化,得到优化的候选区域模型;
微调FastR-CNN网络后重新初始化RPN网络,固定共享卷积层,分别微调RPN和FastR-CNN独有层;
将两个模型联合构成统一的检测网络;
利用新样本对椎骨识别定位模型进行测试,得到测试结果。
8.如权利要求5所述椎骨稳定方法,其特征在于,所述计算模块计算方法如下:
A、通过摄像设备获取人体背部图像,对人体背部图像进行滤波和特征提取处理,得到背部脊柱中心的坐标数组;
B、对步骤A中背部脊柱中心的坐标数组进行三次样条插值处理,得到背部脊柱中线;
C、根据步骤B中背部脊柱中线计算脊柱主体长度、每个侧弯的背部中线顶椎垂直偏距、背部脊柱中线每个侧弯的弦长、每个侧弯偏距最大的点坐标及每个侧弯偏距最大点对应脊柱的宽度;
D、构建脊柱侧弯计算模型,计算脊柱侧弯大小;
E、构建脊柱中心线与背部脊柱中线偏离程度计算模型,计算每个侧弯脊柱中心线与背部脊柱中线偏离程度;
F、根据步骤B中背部脊柱中线和步骤E中每个侧弯脊柱中心线与背部脊柱中线偏离程度,计算脊柱中心线坐标;
G、根据步骤B中背部脊柱中线、步骤C中脊柱主体长度和步骤F中脊柱中心线坐标计算脊椎骨旋转角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010097952.5A CN111317580A (zh) | 2020-02-17 | 2020-02-17 | 一种椎骨稳定系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010097952.5A CN111317580A (zh) | 2020-02-17 | 2020-02-17 | 一种椎骨稳定系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111317580A true CN111317580A (zh) | 2020-06-23 |
Family
ID=71165243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010097952.5A Pending CN111317580A (zh) | 2020-02-17 | 2020-02-17 | 一种椎骨稳定系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111317580A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164027A (zh) * | 2020-09-01 | 2021-01-01 | 联影智能医疗科技(北京)有限公司 | 脊柱硬膜囊受压检测方法、设备和存储介质 |
CN113240730A (zh) * | 2021-05-20 | 2021-08-10 | 推想医疗科技股份有限公司 | 提取椎体中线的方法及装置 |
CN114081471A (zh) * | 2021-11-11 | 2022-02-25 | 宜宾显微智能科技有限公司 | 一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法 |
CN117876712A (zh) * | 2024-03-13 | 2024-04-12 | 汉滨区第一医院 | 一种基于Harris的脊椎特征点自动识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101305920A (zh) * | 2007-05-17 | 2008-11-19 | 上海西门子医疗器械有限公司 | 一种对椎骨进行计算机断层扫描的方法和装置 |
CN107977971A (zh) * | 2017-11-09 | 2018-05-01 | 哈尔滨理工大学 | 基于卷积神经网络的椎骨定位的方法 |
CN108510584A (zh) * | 2018-04-04 | 2018-09-07 | 四川效率未来科技有限公司 | 脊椎骨旋转角度计算方法 |
CN109615656A (zh) * | 2018-11-20 | 2019-04-12 | 哈尔滨理工大学 | 一种基于模型搜索的脊柱定位方法 |
CN208989283U (zh) * | 2018-06-29 | 2019-06-18 | 中国医科大学附属盛京医院 | 一种脊椎麻醉术后辅助康复装置 |
-
2020
- 2020-02-17 CN CN202010097952.5A patent/CN111317580A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101305920A (zh) * | 2007-05-17 | 2008-11-19 | 上海西门子医疗器械有限公司 | 一种对椎骨进行计算机断层扫描的方法和装置 |
CN107977971A (zh) * | 2017-11-09 | 2018-05-01 | 哈尔滨理工大学 | 基于卷积神经网络的椎骨定位的方法 |
CN108510584A (zh) * | 2018-04-04 | 2018-09-07 | 四川效率未来科技有限公司 | 脊椎骨旋转角度计算方法 |
CN208989283U (zh) * | 2018-06-29 | 2019-06-18 | 中国医科大学附属盛京医院 | 一种脊椎麻醉术后辅助康复装置 |
CN109615656A (zh) * | 2018-11-20 | 2019-04-12 | 哈尔滨理工大学 | 一种基于模型搜索的脊柱定位方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164027A (zh) * | 2020-09-01 | 2021-01-01 | 联影智能医疗科技(北京)有限公司 | 脊柱硬膜囊受压检测方法、设备和存储介质 |
CN112164027B (zh) * | 2020-09-01 | 2023-10-27 | 联影智能医疗科技(北京)有限公司 | 脊柱硬膜囊受压检测方法、设备和存储介质 |
CN113240730A (zh) * | 2021-05-20 | 2021-08-10 | 推想医疗科技股份有限公司 | 提取椎体中线的方法及装置 |
CN113240730B (zh) * | 2021-05-20 | 2022-02-08 | 推想医疗科技股份有限公司 | 提取椎体中线的方法及装置 |
CN114081471A (zh) * | 2021-11-11 | 2022-02-25 | 宜宾显微智能科技有限公司 | 一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法 |
CN114081471B (zh) * | 2021-11-11 | 2024-02-09 | 宜宾显微智能科技有限公司 | 一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法 |
CN117876712A (zh) * | 2024-03-13 | 2024-04-12 | 汉滨区第一医院 | 一种基于Harris的脊椎特征点自动识别方法 |
CN117876712B (zh) * | 2024-03-13 | 2024-05-31 | 汉滨区第一医院 | 一种基于Harris的脊椎特征点自动识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111317580A (zh) | 一种椎骨稳定系统及方法 | |
CN111671454B (zh) | 脊柱弯曲角度测量方法、装置、计算机设备及存储介质 | |
CN108320288B (zh) | 一种特发性脊柱侧凸影像的数据处理方法 | |
CN104582579B (zh) | 图像处理装置及椎管评价方法 | |
CN109785297B (zh) | 一种脊柱侧弯的检测方法及装置 | |
CN111047572A (zh) | 一种基于Mask RCNN的医学图像中脊柱自动定位方法 | |
US9241634B2 (en) | Analytic morphomics: high speed medical image automated analysis method | |
CN113850763B (zh) | 一种基于脊柱医学影像的图像处理方法、装置、设备及介质 | |
WO2007126667A2 (en) | Processing and measuring the spine in radiographs | |
AU2016404824B2 (en) | Method and device for measuring spinal column curvature | |
EP2515781B1 (en) | Method and apparatus for measuring spinal characteristics of a patient | |
CN113284090B (zh) | 一种脊柱侧弯检测方法与医疗平台 | |
CN115880281B (zh) | 一种脊柱椎体关键点检测及脊柱侧弯识别装置及方法 | |
CN1977770B (zh) | 计算脑溢血3d体积的方法和装置 | |
CN112037277B (zh) | 一种基于脊柱三维超声体数据的三维可视化方法 | |
CN114287915A (zh) | 一种基于背部彩色图像的无创脊柱侧弯筛查方法及系统 | |
CN115187606A (zh) | 一种青少年特发性脊柱侧凸pumc分型方法 | |
CN111951216B (zh) | 基于计算机视觉的脊柱冠状面平衡参数自动测量方法 | |
CN112535489A (zh) | 一种利用波形图测量脊柱侧弯Cobb角的方法及其系统 | |
KR101464862B1 (ko) | 카메라를 이용한 척추 측만증 판단 방법 및 장치 | |
CN112184623A (zh) | 脊柱椎体的椎间隙分析方法、设备和存储介质 | |
CN112686854B (zh) | 一种自动测量脊柱侧弯Cobb角的方法及其系统 | |
CN114549553A (zh) | 角度测量方法、装置、计算机设备及可读存储介质 | |
KR20090030595A (ko) | 인공 경추 디스크의 평가 장치 및 방법 | |
KR102582658B1 (ko) | 척추 측만증 진단장치의 동작방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200623 |