CN111739644B - 一种骨植入物匹配度自动分析方法 - Google Patents
一种骨植入物匹配度自动分析方法 Download PDFInfo
- Publication number
- CN111739644B CN111739644B CN202010405361.XA CN202010405361A CN111739644B CN 111739644 B CN111739644 B CN 111739644B CN 202010405361 A CN202010405361 A CN 202010405361A CN 111739644 B CN111739644 B CN 111739644B
- Authority
- CN
- China
- Prior art keywords
- bone
- implant
- constraint
- model
- matching
- 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
Links
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 191
- 239000007943 implant Substances 0.000 title claims abstract description 168
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 238000005215 recombination Methods 0.000 claims abstract description 6
- 230000006798 recombination Effects 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 7
- 229910000831 Steel Inorganic materials 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000002513 implantation Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000009877 rendering Methods 0.000 claims description 6
- 230000008521 reorganization Effects 0.000 claims description 6
- 239000010959 steel Substances 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000001356 surgical procedure Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract 1
- 206010017076 Fracture Diseases 0.000 description 6
- 208000010392 Bone Fractures Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000000399 orthopedic effect Effects 0.000 description 2
- 206010061363 Skeletal injury Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000078 claw Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 210000004417 patella Anatomy 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Abstract
本发明公开了一种骨植入物匹配度自动分析方法,包括如下步骤:根据匹配度分析的功能,设计一款图形界面;根据导入的不同骨植入物的形状与功能,选择特定的几何约束条件;根据导入的不同骨植入物的形状与功能,选择特定的位姿约束条件;定义经验约束条件;基于上述步骤中选择的约束条件,并结合第一步骤中设定的约束选项重组方式,重新定义点集匹配损失函数,并且计算相应的转换矩阵;基于上一步骤中的匹配转换矩阵,对植入物的点集进行相应的平移旋转操作,并与骨结构同步显示在系统中。本发明通过图像界面系统进行直观的植入物匹配结果显示,支持不同约束项的灵活重组及新约束的嵌入,以适用于不同骨植入物的自动匹配分析,完成植入物选型规划。
Description
技术领域
本发明涉及骨科植入物匹配度分析技术领域,尤其是一种骨植入物匹配度自动分析方法。
背景技术
金属外科植入物为骨科医生进行骨科手术提供了一种新手段,在骨折处理和骨组织重建手术中颇具帮助。通过植入物对骨折部位进行固定是目前较为常见的骨折治疗方式,通过植入物的固定,能够有助于骨损伤部位的正常恢复,避免在恢复期的损伤,且保证病人能够在恢复初期实现日常行动。然而骨头的形状存在差异性,不同部位的骨头形状存在差异,且同一位置骨头在不同病人身上也会存在不同。因此单一的骨植入物不足以应用于所有骨折的固定治疗,需要在治疗前进行分析评估选择适合病人的骨植入物,完成骨植入物的自动选型规划。
然而传统的骨植入物匹配性分析通过在骨头模型或者尸体骨模型上反复试验以确定最佳的植入物形状和位置选择,因此,骨植入物的固定过程是通过手动安装和固定程序完成的。传统的骨植入物匹配性分析方式需要构建特定的病人三维模型,并且需要反复的实验手动验证。与传统的骨植入物匹配度分析方法相比,计算机辅助的匹配度分析方法利用计算机图形学技术,结合医学图像三维重建可直接获取骨结构和植入物的三维模型;并通过骨结构和植入物的自动化匹配找到固定位置,最终通过系统显示匹配效果,供医生进行匹配度分析。这能够简化术前骨植入物形状与位置选择的过程,并且能够制定更加合适的规划,有助于简化术中的操作与术后的治疗恢复。
由于病人骨折部位的差异,临床中对植入物的需求也会存在不同。例如不同部位的骨折固定器械就包括接骨板、髓内交锁钉、颈前路钢板、椎弓根钉、人工髌骨爪等多种类型。不同类型的植入物有自己特定的固定方式与位置,需要使用不同的策略进行匹配。目前的骨植入物匹配方式都是针对某种特定的植入物,医生进行手动配准,以分析骨植入物的匹配情况。现有方式使用场景单一,无法同时覆盖不同类型骨植入物与骨结构的匹配场景。而且现有的方式依赖手工操作,过程耗时长,同时也会导致骨植入前的分析规划十分繁杂。
随着个性化骨植入物设计概念的提出,针对单一骨植入物匹配的手动分析方法难以应用于个性化骨植入物的选型规划。而且目前计算机辅助骨植入物匹配方法主要针对特定形状或功能进行设计的,只适用于特定的植入物匹配场景。可见,目前尚无一种能够根据使用场景选择约束条件进行匹配,以达到适配多种不同骨植入物的系统。
发明内容
本发明所要解决的技术问题在于,提供一种骨植入物匹配度自动分析方法,通过图像界面系统进行直观的植入物匹配结果显示,支持不同约束项的灵活重组及新约束的嵌入,以适用于不同骨植入物的自动匹配分析,完成植入物选型规划。
为解决上述技术问题,本发明提供一种骨植入物匹配度自动分析方法,包括如下步骤:
(1)根据匹配度分析的功能,设计一款图形界面,支持不同格式骨结构和植入物模型的数据导入,且提供约束选项的重组按钮,可方便医生根据不同植入物的类型选择不同约束选项;
(2)根据导入的不同骨植入物的形状与功能,选择特定的几何约束条件;
(3)根据导入的不同骨植入物的形状与功能,选择特定的位姿约束条件,保证骨结构与植入物的位姿满足特定要求;
(4)定义经验约束条件,该约束条件是依据医生在骨植入手术中积累的临床经验知识设置的优化条件;
(5)基于步骤(2)、步骤(3)和步骤(4)中选择的约束条件,并结合步骤(1)中设定的约束选项重组方式,重新定义点集匹配损失函数,通过最小化由约束因子构成的损失函数,达到最优匹配效果,并且计算相应的转换矩阵;
(6)基于步骤(5)中获得的匹配转换矩阵,对植入物的点集进行相应的平移旋转操作,并与骨结构同步显示在系统中;计算匹配后植入物与骨结构的面距离误差,作为植入物匹配度;通过面距离误差彩色渲染图,提供给医生三维匹配度地图,提醒医生该植入物哪些部分匹配性差,完成植入物的术前规划选型。
优选的,步骤(1)中,图形界面支持基于Matlab、Python和C++语言的新约束项定义与嵌入,图形界面包含三维匹配显示、匹配度量化输出、约束项自主选择和约束项定义四部分。
优选的,步骤(2)中,几何约束条件通过约束骨模型与骨植入物之间的几何关系来约束匹配的效果,几何约束采用碰撞检测,判断植入物模型与骨模型是否存在接触,用于一些外固定的钢板类植入物,钢板类植入物与骨外表面接触,在匹配时需要保证最终匹配结果不能进入骨模型体内,碰撞检测通过设置一个系数Wi c实现约束,其定义如下:
其中pi代表骨模型点,‖ei‖代表骨模型点pi到骨植入物的最邻近点的距离,是影响约束权重的系数项,Vin表示植入物模型中所有在骨模型内部的点的集合,其判断方式是根据骨植入物模型中的每一个点,在骨模型中找到它的最邻近点,并且计算出点到其最邻近点之间的向量,通过比较该向量与最邻近点的点法向量的方向判断该点是否在模型内,其中/>需要满足如下不等式:
其中Ntot和Nin分别表示模型点的总个数和在骨模型内部的点个数,通过引入能够避免由于植入物分布在骨模型体内外点个数的差异造成的偏差。
优选的,步骤(3)中,位姿约束条件通过限制骨植入物匹配后的位姿状态来优化匹配结果,适用于大多数骨植入物,并不会因为骨植入物不同而在约束条件上存在巨大差异,位姿约束条件有竖直方向检测与水平方向检测;
竖直方向检测保证骨模型与骨植入物在竖直方向上尽可能平行,通过计算骨模型与骨植入物之间主轴方向向量的夹角判断竖直方向是否正确,通过使用Oriented-Bounding-Box(OBB)生成一个包围模型的方向包围盒,通过主成分分析获取特征向量,将其作为OBB主轴,然后计算出模型在竖直方向上的主轴,根据两主轴之间的角度差便能够得到基于竖直方向检测的约束因子Wi ||:
其中α是骨模型与植入物模型通过OBB主轴计算得到的主轴夹角差,αth是约束前设定的角度差阈值,k||是用于影响权重的系数项;当两模型主轴角度差α大于阈值时便会获得一个大于1的系数值k||||αth-α||,其中的k||是一个用于权衡竖直平行约束在全局约束中所占权重的系数项,值越大时该约束对于全局约束影响越大;
水平方向检测保证骨植入物的上表面不高于骨模型上表面,并且两者的上表面方向保持平行;为实现水平方向检测,首先需要计算出骨模型的上表面高度与方向,获取相应坐标与法向量,然后对骨植入物模型的每一个点判断其是否位于骨模型上表面之上,通过定义一个系数Wi p来进行约束:
其中Γ表示骨模型上表面之下的3D空间,γ表示骨模型上表面的主轴坐标值,pi代表骨模型点,是用于影响约束权重的系数项;当骨植入物的点出现在骨模型上表面之上的时候,Wi p便会产生一个大于1的值以增大损失函数.此时Wi p的值为:/>即两者在主轴坐标上的差值乘以一个标量系数/>是一个用于权衡水平方向约束在全局约束中所占权重的系数项,该值越大时该约束对于全局约束影响越大;还要检测两模型水平方向上是否平行,通过计算两个模型上表面的法向量,获得两个平面的夹角,再与设定好的阈值进行比较,大于阈值时便会获得一个更大的系数以增大损失函数。
优选的,步骤(4)中,依据不同医生在骨植入手术中积累的临床经验知识设置经验约束条件,预定义两个临床经验原则,并允许不同医生根据自己积累的经验,定义新的经验约束;第一个经验约束为表面距离和最小,且表面接触点数目最大,匹配过程中,植入物与骨结构表面距离和计算公式为其中li为植入物上第i个点到骨表面最邻近点的距离,N是骨植入物模型的点个数。另外,表面接触点数目约束为:
这里W最小时,代表表面接触点数目最大;其次,第二条经验约束为植入物远端和骨远端距离ls应小于2mm。
优选的,步骤(5)中,基于步骤(2)、步骤(3)和步骤(4)中选择的约束条件,并结合步骤(1)中设定的约束选项重组方式,重新定义点集匹配的损失函数;损失函数在每个点到最邻近点的距离的基础上添加了一个系数wi,即其中N是骨植入物模型的点个数,‖ei‖表示第i个点到其最邻近点的距离,wi是通过前几步选择的约束因子计算所得/>即前三步选择的约束因子,每个因子会计算出一个wn,将所有因子的wn累加便能够获得最后的wi,其中M代表约束项个数,最后通过梯度下降优化方法,最小化该损失函数,使得匹配过程能够在满足选择约束条件情况下获得最邻近的对应点,从而获得满足约束的转换矩阵。
优选的,步骤(6)中,基于步骤(5)中获得的匹配转换矩阵,对植入物的点集进行相应的平移旋转操作,并与骨结构同步显示在系统中;计算匹配后植入物与骨结构的面距离误差,作为植入物匹配度,植入物匹配度Ms计算方式如下:
其中Vp代表植入物体积,surface distance{bone,plate}代表骨表面Sb和植入物表面Sp之间的面距离误差,Ms值越大,代表植入物匹配度越差,Ms值匹配度量化直接输出,展示给医生;另一方面,通过面距离误差彩色渲染图,提供给医生三维匹配度地图,进行三维匹配显示,通过该方式,提醒医生该植入物哪些部分匹配性差,完成术前骨植入物规划选型。
本发明的有益效果为:本发明能够针对不同植入物类型,进行约束因子的切换,实现植入物匹配度的自动精确计算,以满足不同类型骨植入物的匹配规划需求。
附图说明
图1为本发明的方法流程示意图。
图2为本发明的图像界面设计模块示意图。
图3为本发明的竖直方向位姿约束计算流程示意图。
图4为本发明的基于多重约束组合的植入物转换矩阵求解流程示意图。
图5为本发明的三维匹配度地图获取流程示意图。
具体实施方式
如图1所示,一种骨植入物匹配度自动分析方法,包括如下步骤:
(1)根据匹配度分析的功能,设计一款图形界面,支持不同格式骨结构和植入物模型的数据导入,且提供约束选项的重组按钮,可方便医生根据不同植入物的类型选择不同约束选项;
(2)根据导入的不同骨植入物的形状与功能,选择特定的几何约束条件;
(3)根据导入的不同骨植入物的形状与功能,选择特定的位姿约束条件,保证骨结构与植入物的位姿满足特定要求;
(4)定义经验约束条件,该约束条件是依据医生在骨植入手术中积累的临床经验知识设置的优化条件;
(5)基于步骤(2)、步骤(3)和步骤(4)中选择的约束条件,并结合步骤(1)中设定的约束选项重组方式,重新定义点集匹配损失函数,通过最小化由约束因子构成的损失函数,达到最优匹配效果,并且计算相应的转换矩阵;
(6)基于步骤(5)中获得的匹配转换矩阵,对植入物的点集进行相应的平移旋转操作,并与骨结构同步显示在系统中;计算匹配后植入物与骨结构的面距离误差,作为植入物匹配度;通过面距离误差彩色渲染图,提供给医生三维匹配度地图,提醒医生该植入物哪些部分匹配性差,完成植入物的术前规划选型。
如图2所示,步骤(1)中,图形界面支持基于Matlab、Python和C++语言的新约束项定义与嵌入,图形界面主要包含三维匹配显示、匹配度量化输出、约束项自主选择和约束项定义四部分。
优选的,步骤(2)中,几何约束条件通过约束骨模型与骨植入物之间的几何关系来约束匹配的效果,几何约束采用碰撞检测,判断植入物模型与骨模型是否存在接触,用于一些外固定的钢板类植入物,钢板类植入物与骨外表面接触,在匹配时需要保证最终匹配结果不能进入骨模型体内,碰撞检测通过设置一个系数Wi c实现约束,其定义如下:
其中pi代表骨模型点,‖ei‖代表骨模型点pi到骨植入物的最邻近点的距离,是影响约束权重的系数项,Vin表示植入物模型中所有在骨模型内部的点的集合,其判断方式是根据骨植入物模型中的每一个点,在骨模型中找到它的最邻近点,并且计算出点到其最邻近点之间的向量,通过比较该向量与最邻近点的点法向量的方向判断该点是否在模型内,其中/>需要满足如下不等式:
其中Ntot和Nin分别表示模型点的总个数和在骨模型内部的点个数,通过引入能够避免由于植入物分布在骨模型体内外点个数的差异造成的偏差。
如图3所示,步骤(3)中,位姿约束条件通过限制骨植入物匹配后的位姿状态来优化匹配结果,适用于大多数骨植入物,并不会因为骨植入物不同而在约束条件上存在巨大差异,位姿约束条件有竖直方向检测与水平方向检测;
竖直方向检测保证骨模型与骨植入物在竖直方向上尽可能平行,通过计算骨模型与骨植入物之间主轴方向向量的夹角判断竖直方向是否正确,通过使用Oriented-Bounding-Box(OBB)生成一个包围模型的方向包围盒,通过主成分分析获取特征向量,将其作为OBB主轴,然后计算出模型在竖直方向上的主轴,根据两主轴之间的角度差便能够得到基于竖直方向检测的约束因子Wi ||:
其中α是骨模型与植入物模型通过OBB主轴计算得到的主轴夹角差,αth是约束前设定的角度差阈值,k||是用于影响权重的系数项。当两模型主轴角度差大于阈值时便会获得一个大于1的系数值k||||αth-α||,其中的k||是一个用于权衡竖直平行约束在全局约束中所占权重的系数项,值越大时该约束对于全局约束影响越大;
水平方向检测保证骨植入物的上表面不高于骨模型上表面,并且两者的上表面方向保持平行;为实现水平方向检测,首先需要计算出骨模型的上表面高度与方向,获取相应坐标与法向量,然后对骨植入物模型的每一个点判断其是否位于骨模型上表面之上,通过定义一个系数Wi p来进行约束:
其中Γ表示骨模型上表面之下的3D空间,γ表示骨模型上表面的主轴坐标值,pi代表骨模型点,是用于影响约束权重的系数项。当骨植入物的点出现在骨模型上表面之上的时候,Wi p便会产生一个大于1的值以增大损失函数.此时Wi p的值为:/>即两者在主轴坐标上的差值乘以一个标量系数/>是一个用于权衡水平方向约束在全局约束中所占权重的系数项,该值越大时该约束对于全局约束影响越大;还要检测两模型水平方向上是否平行,通过计算两个模型上表面的法向量,获得两个平面的夹角,再与设定好的阈值进行比较,大于阈值时便会获得一个更大的系数以增大损失函数。
优选的,步骤(4)中,依据不同医生在骨植入手术中积累的临床经验知识设置经验约束条件,预定义两个临床经验原则,并允许不同医生根据自己积累的经验,定义新的经验约束;第一个经验约束为表面距离和最小,且表面接触点数目最大,匹配过程中,植入物与骨结构表面距离和计算公式为其中li为植入物上第i个点到骨表面最邻近点的距离,N是骨植入物模型的点个数。另外,表面接触点数目约束为:
这里W最小时,代表表面接触点数目最大;其次,第二条经验约束为植入物远端和骨远端距离ls应小于2mm。
如图4所示,步骤(5)中,基于步骤(2)、步骤(3)和步骤(4)中选择的约束条件,并结合步骤(1)中设定的约束选项重组方式,重新定义点集匹配的损失函数;损失函数在每个点到最邻近点的距离的基础上添加了一个系数wi,即其中N是骨植入物模型的点个数,‖ei‖表示第i个点到其最邻近点的距离,wi是通过前几步选择的约束因子计算所得/>即前三步选择的约束因子,每个因子会计算出一个wn,将所有因子的wn累加便能够获得最后的wi,其中M代表约束项个数,最后通过梯度下降优化方法,最小化该损失函数,使得匹配过程能够在满足选择约束条件情况下获得最邻近的对应点,从而获得满足约束的转换矩阵。
如图5所示,步骤(6)中,基于步骤(5)中获得的匹配转换矩阵,对植入物的点集进行相应的平移旋转操作,并与骨结构同步显示在系统中;计算匹配后植入物与骨结构的面距离误差,作为植入物匹配度,植入物匹配度Ms计算方式如下:
其中Vp代表植入物体积,surface distance{bone,plate}代表骨表面Sb和植入物表面Sp之间的面距离误差,Ms值越大,代表植入物匹配度越差,Ms值匹配度量化直接输出,展示给医生;另一方面,通过面距离误差彩色渲染图,提供给医生三维匹配度地图,进行三维匹配显示,通过该方式,提醒医生该植入物哪些部分匹配性差,完成术前骨植入物规划选型。
Claims (6)
1.一种骨植入物匹配度自动分析方法,其特征在于,包括如下步骤:
(1)根据匹配度分析的功能,设计一款图形界面,支持不同格式骨结构和植入物模型的数据导入,且提供约束选项的重组按钮;
(2)根据导入的不同骨植入物的形状与功能,选择相应的几何约束条件;
(3)根据导入的不同骨植入物的形状与功能,选择相应的位姿约束条件,保证骨结构与植入物的位姿满足相应要求;位姿约束条件通过限制骨植入物匹配后的位姿状态来优化匹配结果,位姿约束条件有竖直方向检测与水平方向检测;
竖直方向检测通过计算骨模型与骨植入物之间主轴方向向量的夹角判断竖直方向是否正确,通过使用Oriented-Bounding-Box生成一个包围模型的方向包围盒,通过主成分分析获取特征向量,将其作为OBB主轴,然后计算出模型在竖直方向上的主轴,根据两主轴之间的角度差便能够得到基于竖直方向检测的约束因子
其中α是骨模型与植入物模型通过OBB主轴计算得到的主轴夹角差,αth是约束前设定的角度差阈值,当两模型主轴角度差大于阈值时便会获得一个大于1的系数值k||||αth-α||,其中的k||是一个用于权衡竖直方向约束在全局约束中所占权重的系数项,值越大时该约束对于全局约束影响越大;
水平方向检测保证骨植入物的上表面不高于骨模型上表面,并且两者的上表面方向保持平行;为实现水平方向检测,首先需要计算出骨模型的上表面高度与方向,获取相应坐标与法向量,然后对骨植入物模型的每一个点判断其是否位于骨模型上表面之上,通过定义一个系数Wi p来进行约束:
其中Γ表示骨模型上表面之下的3D空间,γ表示骨模型上表面的主轴坐标值,pi代表骨模型点,当骨植入物的点出现在骨模型上表面之上的时候,Wi p便会产生一个大于1的值以增大损失函数,此时Wi p的值为:即两者在主轴坐标上的差值乘以一个标量系数是一个用于权衡水平方向约束在全局约束中所占权重的系数项,该值越大时该约束对于全局约束影响越大;还要检测两模型水平方向上是否平行,通过计算两个模型上表面的法向量,获得两个平面的夹角,再与设定好的阈值进行比较,大于阈值时便会获得一个更大的系数以增大损失函数;
(4)定义经验约束条件,该约束条件是依据医生在骨植入手术中积累的临床经验知识设置的优化条件;
(5)基于步骤(2)、步骤(3)和步骤(4)中选择的约束条件,并结合步骤(1)中设定的约束选项重组方式,重新定义点集匹配损失函数,通过最小化由约束因子构成的损失函数,达到最优匹配效果,并且计算相应的转换矩阵;
(6)基于步骤(5)中获得的匹配转换矩阵,对植入物的点集进行相应的平移旋转操作,并与骨结构同步显示在系统中;计算匹配后植入物与骨结构的面距离误差,作为植入物匹配度;通过面距离误差彩色渲染图,提供给医生三维匹配度地图,提醒医生该植入物哪些部分匹配性差,完成植入物的术前规划选型。
2.如权利要求1所述的骨植入物匹配度自动分析方法,其特征在于,步骤(1)中,图形界面支持基于Matlab、Python和C++语言的新约束项定义与嵌入,图形界面包含三维匹配显示、匹配度量化输出、约束项自主选择和约束项定义四部分。
3.如权利要求1所述的骨植入物匹配度自动分析方法,其特征在于,步骤(2)中,几何约束条件通过约束骨模型与骨植入物之间的几何关系来约束匹配的效果,几何约束采用碰撞检测,判断植入物模型与骨模型是否存在接触,钢板类植入物与骨外表面接触,在匹配时需要保证最终匹配结果不能进入骨模型体内,碰撞检测通过设置一个系数实现约束,其定义如下:
其中pi代表骨模型点,||ei||代表骨模型点pi到骨植入物的最邻近点的距离,是影响几何约束权重的系数项,Vin表示植入物模型中所有在骨模型内部的点的集合,其判断方式是根据骨植入物模型中的每一个点,在骨模型中找到它的最邻近点,并且计算出点到其最邻近点之间的向量,通过比较该向量与最邻近点的点法向量的方向判断该点是否在模型内,其中/>需要满足如下不等式:
其中Ntot和Nin分别表示模型点的总个数和在骨模型内部的点个数,通过引入能够避免由于植入物分布在骨模型体内外点个数的差异造成的偏差。
4.如权利要求1所述的骨植入物匹配度自动分析方法,其特征在于,步骤(4)中,依据不同医生在骨植入手术中积累的临床经验知识设置经验约束条件,预定义两个临床经验原则,并允许不同医生根据自己积累的经验,定义新的经验约束;第一个经验约束为表面距离和最小,且表面接触点数目最大,匹配过程中,植入物与骨结构表面距离和计算公式为其中li为植入物上第i个点到骨表面最邻近点的距离,N是骨植入物模型的点个数,另外,表面接触点数目约束为:
这里W最小时,代表表面接触点数目最大;其次,第二条经验约束为植入物远端和骨远端距离ls应小于2mm。
5.如权利要求1所述的骨植入物匹配度自动分析方法,其特征在于,步骤(5)中,基于步骤(2)、步骤(3)和步骤(4)中选择的约束条件,并结合步骤(1)中设定的约束选项重组方式,重新定义点集匹配的损失函数;损失函数在每个点到最邻近点的距离的基础上添加了一个系数wi,即其中N是骨植入物模型的点个数,||ei||表示第i个点到其最邻近点的距离,wi是通过前几步选择的约束因子计算所得/>即前三步选择的约束因子,每个因子会计算出一个wn,将所有因子的wn累加便能够获得最后的wi,其中M代表约束项个数,最后通过梯度下降优化方法,最小化该损失函数,使得匹配过程能够在满足选择约束条件情况下获得最邻近的对应点,从而获得满足约束的转换矩阵。
6.如权利要求1所述的骨植入物匹配度自动分析方法,其特征在于,步骤(6)中,基于步骤(5)中获得的匹配转换矩阵,对植入物的点集进行相应的平移旋转操作,并与骨结构同步显示在系统中;计算匹配后植入物与骨结构的面距离误差,作为植入物匹配度,植入物匹配度Ms计算方式如下:
其中Vp代表植入物体积,surface distance{Sb,Sp}代表骨表面Sb和植入物表面Sp之间的面距离误差,Ms值越大,代表植入物匹配度越差,Ms值匹配度量化直接输出,展示给医生;另一方面,通过面距离误差彩色渲染图,提供给医生三维匹配度地图,进行三维匹配显示,通过该方式,提醒医生该植入物哪些部分匹配性差,完成术前骨植入物规划选型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010405361.XA CN111739644B (zh) | 2020-05-14 | 一种骨植入物匹配度自动分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010405361.XA CN111739644B (zh) | 2020-05-14 | 一种骨植入物匹配度自动分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111739644A CN111739644A (zh) | 2020-10-02 |
CN111739644B true CN111739644B (zh) | 2024-06-11 |
Family
ID=
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102300514A (zh) * | 2008-12-11 | 2011-12-28 | 玛口外科股份有限公司 | 使用表示软骨的区域的植入规划 |
CN107247832A (zh) * | 2017-05-26 | 2017-10-13 | 武汉理工大学 | 基于Web的三维轻量化模型虚拟装配方法及其装置 |
CN109779027A (zh) * | 2019-03-18 | 2019-05-21 | 中铁建工集团有限公司 | 以类圆钢管约束组合结构为核心的装配式建筑结构 |
CN110522501A (zh) * | 2019-08-09 | 2019-12-03 | 常州市第二人民医院 | 3d打印个性化骨科内植物构建及生物力学优化处理方法 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102300514A (zh) * | 2008-12-11 | 2011-12-28 | 玛口外科股份有限公司 | 使用表示软骨的区域的植入规划 |
CN107247832A (zh) * | 2017-05-26 | 2017-10-13 | 武汉理工大学 | 基于Web的三维轻量化模型虚拟装配方法及其装置 |
CN109779027A (zh) * | 2019-03-18 | 2019-05-21 | 中铁建工集团有限公司 | 以类圆钢管约束组合结构为核心的装配式建筑结构 |
CN110522501A (zh) * | 2019-08-09 | 2019-12-03 | 常州市第二人民医院 | 3d打印个性化骨科内植物构建及生物力学优化处理方法 |
Non-Patent Citations (3)
Title |
---|
层次优化的颅骨点云配准;杨稳;周明全;耿国华;刘晓宁;李康;张海波;;光学精密工程(第12期);第237-246页 * |
影像匹配中的若干基本问题研究;吉大纯;李学军;侯金宝;;计算机技术与发展(第05期);第252-255页 * |
机械优化设计中约束条件的选定;高琳;科技传播;第74页 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220079682A1 (en) | External Fixator Deformity Correction Systems and Methods | |
KR102018565B1 (ko) | 수술 시뮬레이션 정보 구축 방법, 장치 및 프로그램 | |
JP6971234B2 (ja) | Imu校正 | |
CN102525534B (zh) | 医用图像处理装置、医用图像处理方法 | |
US7817836B2 (en) | Methods for volumetric contouring with expert guidance | |
US20160117817A1 (en) | Method of planning, preparing, supporting, monitoring and/or subsequently checking a surgical intervention in the human or animal body, apparatus for carrying out such an intervention and use of the apparatus | |
KR20160097342A (ko) | 뼈 재건 및 정형외과용 임플란트 | |
US20160331463A1 (en) | Method for generating a 3d reference computer model of at least one anatomical structure | |
CN110946652B (zh) | 一种骨螺钉的钉道规划方法和装置 | |
US20230248439A1 (en) | Method for generating surgical simulation information and program | |
US20140324182A1 (en) | Control system, method and computer program for positioning an endoprosthesis | |
CN115105207A (zh) | 基于混合现实的手术全息导航方法及系统 | |
CN115005987A (zh) | 髋关节翻修手术中骨盆配准的方法及系统 | |
US11304812B1 (en) | Method of fabricating or modifying an implant | |
JP7478303B1 (ja) | Cjfh分類に基づく股関節温存手術治療システム及び装置 | |
CN111739644B (zh) | 一种骨植入物匹配度自动分析方法 | |
WO2002003304A2 (en) | Predicting changes in characteristics of an object | |
CN112288797A (zh) | 颅骨矫正方案生成系统、构建方法、获取方法及装置 | |
KR102213412B1 (ko) | 기복모델 생성방법, 장치 및 프로그램 | |
CN116616893A (zh) | 一种骨盆植入物通道的自动定位方法 | |
CN111739644A (zh) | 一种骨植入物匹配度自动分析方法 | |
Chabanas et al. | Models for planning and simulation in computer assisted orthognatic surgery | |
JP2023505956A (ja) | 拡張現実を使用した解剖学的特徴抽出およびプレゼンテーション | |
Wakaiki et al. | Individualization of musculoskeletal model for analyzing pelvic floor muscles activity based on gait motion features | |
CN110680353B (zh) | 一种股骨头完整率的分析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |