CN112017211A - 一种颞颌关节运动追踪方法及系统 - Google Patents
一种颞颌关节运动追踪方法及系统 Download PDFInfo
- Publication number
- CN112017211A CN112017211A CN202010739070.4A CN202010739070A CN112017211A CN 112017211 A CN112017211 A CN 112017211A CN 202010739070 A CN202010739070 A CN 202010739070A CN 112017211 A CN112017211 A CN 112017211A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- temporomandibular joint
- bone
- image
- dynamic image
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 75
- 210000001738 temporomandibular joint Anatomy 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 32
- 210000000988 bone and bone Anatomy 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 15
- 210000004373 mandible Anatomy 0.000 claims description 14
- 210000003582 temporal bone Anatomy 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 238000002591 computed tomography Methods 0.000 abstract description 8
- 230000005855 radiation Effects 0.000 abstract description 8
- 210000004872 soft tissue Anatomy 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 55
- 230000008901 benefit Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000028911 Temporomandibular Joint disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007408 cone-beam computed tomography Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000001847 jaw Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种颞颌关节运动追踪方法,包括如下步骤:S1:对同一颞颌关节部分别进行三维MRI结构扫瞄和二维MRI动态扫瞄,得到三维MRI数据和二维MRI数据;S2:基于三维MRI数据构建三维模型VBone;S3:基于二维MRI数据得到二维动态影像ID(u,v);S4:通过SVR算法将三维模型VBone与相对应的二维动态影像ID(u,v)进行匹配,得到二维动态影像ID(u,v)中的颞颌关节的实时位置,从而实现颞颌关节的运动追踪。本发明对颞颌关节的运动追踪精准性高,其精度可达到1毫米与1°;SVR算法对输入误差不敏感,抗干扰性强;减少软组织对关节运动追踪的影响,且得到的颞颌关节运动更为贴合日常生活中常见的运动;相比于CT扫描,本发明基于MRI开发,无辐射,对受试者健康方面提供保障。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种颞颌关节运动追踪方法及系统。
背景技术
现有用于颞颌关节运动重建的方法中,比较成熟的是使用标记点对 CBCT图像进行配准的方法,该方法通过追踪口内固定的标记点获得颞颌关节的真实运动情况,可用于颞下颌关节疾病的辅助诊断,关节运动的动态分析等,暂时并未运用于颞颌关节运动重建。其中,现有技术中最接近本发明的为一种颞下颌关节运动重建系统,包含标记点的检测模块、视频采集模块、图像处理模块和运动重建模块。其具体的技术方案实现为固定两台摄像机并建立全局坐标系,让被拍摄者根据指令做关节运动,利用光学采集装置采集口腔内标记点的图像序列,并采集被拍摄者的颞颌关节CT影像数据。将双摄像头采集到的标记点的空间坐标与采集到的口内固定标记装置的CT影像数据结合,确定关节的空间位置信息,最后通过CT图像分割出被拍摄者的上、下颌骨,配准后获得颞下颌关节的运动情况。
然而上述现有技术存在以下缺陷:
精度低,基于红外反光球的运动捕捉技术存在软组织移动误差,即运动捕捉设备捕捉的红外反光球粘贴在皮肤表面,皮肤与骨骼间存在软组织,追踪皮肤表面的运动无法精准反映关节运动;
影响受试者颞颌关节运动,使用夹具固定于受试者的上下颌牙齿,会影响受试者的运动,这种情况下记录的颞颌关节运动并非生活中常见的运动。
辐射,基于CT的方法均有辐射,对受试者产生健康方面的影响。
发明内容
本发明的技术目的是提供一种颞颌关节运动追踪方法及系统,以解决颞颌关节运动捕捉精度低、存在辐射的技术问题。
为解决上述问题,本发明的技术方案为:
一种颞颌关节运动追踪方法,包括如下步骤:
S1:对同一颞颌关节部分别进行三维MRI结构扫瞄和二维MRI动态扫瞄,得到三维MRI数据和二维MRI数据;
S2:基于三维MRI数据构建三维模型VBone;
S3:基于二维MRI数据得到二维动态影像ID(u,v),其中,u、v分别为行方向上和列方向上的影像大小;
S4:通过SVR算法将三维模型VBone与相对应的二维动态影像ID(u,v)进行匹配,得到二维动态影像ID(u,v)中的颞颌关节的实时位置,以实现对颞颌关节的运动追踪。
其中,步骤S4具体包括如下步骤:
S41:初始化三维模型VBone的转换位置P(k),其中,k的初始值为0,P(0)为预设初始的转换位置;
若‖F(k)-F(k-1)‖<ε,则将此时的P(k)作为目标骨骼在二维动态影像 ID(u,v)中的转换位置,其中,ε为算法精度要求,当k=0时,判断公式为‖F(0)‖<ε;
否则,通过BFGS算法计算优化目标函数F(k),得到新的转换位置x*,令k=k+1使P(k +1)=x*,并跳转至步骤S42;
S45:根据转换位置P(k),获取二维动态影像ID(u,v)中的颞颌关节的实时位置,以实现对颞颌关节的运动追踪。
具体地,在步骤S4中,目标函数F(k)为:
其中,AU和AV分别为IdU(u,v)与IdV(u,v)的灰度方差,IdU(u,v)与 IdV(u,v)分别为截面影像与二维动态影像ID(u,v)在行方向和列方向上基于Sobel算法计算得到的梯度差异影像,公式如下:
其中,在步骤S44中,得到新的转换位置x*具体包括如下步骤:
A2:初始化迭代位置x(n),初始化对称正定矩阵Bn,其中,n的初始值为0,x(0)为预设初始的迭代位置,B0为预设初始的对称正定矩阵;
A3:计算gn=g(x(n)),若‖gn‖<ε,则输出x*=x(0),
否则进入步骤A4;
A4:计算下降方向pn=Bn -1gn;
A5:进行一维搜索,基于公式f(x(n)+λnpn)=minλ≥0f(x(n)+λpn)求解λn;
A6:进一步计算,x(n+1)=x(n)+λnpn;
A7:计算gn+1=g(x(n+1)),若‖gn+1‖<ε则计算终止,输出x*=x(n+1);
其中,三维模型VBone包括下颌骨三维模型VBone1和颞骨三维模型VBone2,步骤S2具体包括以下步骤:
S21:基于三维MRI数据分别分割出下颌骨二值化图像掩膜VBinary1和颞骨二值化图像掩膜VBinary2;
S22:将VBinary1和VBinary2均进行膨胀处理;
S23:根据膨胀处理后的VBinary1、VBinary2分别从三维MRI数据提取出下颌骨三维模型VBone1和颞骨三维模型VBone2。
其中,二维动态影像ID(u,v)包括下颌骨二维动态影像ID1(u,v)和颞骨二维动态影像ID2(u,v),步骤S3具体包括以下步骤:
S31:基于二维MRI数据分别选取目标骨骼轮廓,形成下颌骨二值化图像掩膜IBinary1和颞骨二值化图像掩膜IBinary2;
S32:将IBinary1和IBinary2均进行膨胀处理;
S33:根据膨胀处理后的IBinary1、IBinary2分别从二维MRI数据提取出 ID1(u,v)和ID2(u,v)。
具体地,三维MRI结构扫瞄的参数设置为:重复时间TR为7.25ms、回波时间TE为3.1ms、视野为240×240mm、偏转角为10°、层厚为1mm。
具体地,二维MRI动态扫瞄的参数设置为:重复时间TR为4.9ms、回波时间TE为2.59ms、视野为192×192mm、偏转角为10°、层厚为5mm。
一种颞颌关节运动追踪系统,包括:扫描模块,用于对同一颞颌关节部分别进行三维MRI结构扫瞄和二维MRI动态扫瞄,得到三维MRI数据和二维MRI数据;
建模模块,用于基于三维MRI数据构建三维模型VBone;
影像生成模块,用于基于二维MRI数据得到二维动态影像ID(u,v),其中,u、v分别为行方向上和列方向上的影像大小;
追踪模块,用于通过SVR算法将三维模型VBone与相对应的二维动态影像ID(u,v)进行匹配,得到二维动态影像ID(u,v)中的目标骨骼的实时位置,从而实现颞颌关节的运动追踪。
本发明由于采用以上技术方案,使其与现有技术相比具有以下的优点和积极效果:
1)本发明通过三维MRI结构扫描和二维动态MRI扫描,结合SVR、 BFGS算法得到颞颌关节的运动追踪,精准性高,其精度可达到1毫米与1°;
2)本发明的SVR算法中的目标函数F(k)形态证出色,在选择合适的扫描断面时,SVR算法对输入误差不敏感,抗干扰性强;
3)本发明运用三维MRI结构扫描结果对目标骨的三维模型重建,将三维模型与二维影像相匹配,无需采用基于红外反光球的运动捕捉技术,减少软组织对关节运动追踪的影响,且得到的颞颌关节运动更为贴合日常生活中常见的运动;
4)本发明通过三维MRI结构扫描和二维动态MRI扫描代替现有技术中的CT扫描,相比于CT扫描,减少了CT扫描中辐射对受试者的影响,无辐射,对受试者健康方面提供保障。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。
图1为本发明一个实施例中的颞颌关节运动追踪方法的流程示意图;
图2为本发明一个实施例中的颞颌关节运动追踪方法的SVR算法流程示意图;
图3为本发明一个实施例中的颞颌关节运动追踪方法的BFGS算法流程示意图;
图4为本发明一个实施例中的颞颌关节运动追踪方法的SVR算法实际应用表现效果示意图;
图5为本发明一个实施例中的颞颌关节运动追踪方法的实际应用表现效果示意图;
图6为本发明一个实施例中的颞颌关节运动追踪方法的三维MRI数据构建三维模型VBone流程示意图;
图7为本发明一个实施例中的颞颌关节运动追踪系统的结构框图示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
以下结合附图和具体实施例对本发明提出的一种颞颌关节运动追踪方法及系统作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。
实施例1
参看图1,本实施例提供一种颞颌关节运动追踪方法,包括如下步骤: S1:对同一颞颌关节部分别进行三维MRI结构扫瞄和二维MRI动态扫瞄,得到三维MRI数据和二维MRI数据;
S2:基于三维MRI数据构建三维模型VBone;
S3:基于二维MRI数据得到二维动态影像ID(u,v),其中,u、v分别为行方向上和列方向上的影像大小;
S4:通过SVR算法将三维模型VBone与相对应的二维动态影像ID(u,v)进行匹配,得到二维动态影像ID(u,v)中的颞颌关节的实时位置,以实现对颞颌关节的运动追踪。
现对本实施例进行详细说明:
首先,采集受试者颞颌关节部的信息,对受试者颞颌关节部进行三维 MRI结构扫瞄,得到三维MRI数据,其中,三维MRI结构扫瞄参数为重复时间TR为7.25ms、回波时间TE为3.1ms、视野为240×240mm、偏转角为10°、层厚为1mm;
对受试者颞颌关节部进行二维MRI动态扫瞄,得到二维MRI数据,其中,二维MRI动态扫瞄参数为重复时间TR为4.9ms、回波时间TE为2.59ms、视野为192×192mm、偏转角为10°、层厚为5mm。
参看图5和图6,在本实施例中,根据采集得到的三维MRI数据进行构建三维模型VBone,构建三维模型VBone时以受试者整个头颅的三维MRI数据建立一坐标系,该坐标系的原点为受试者颞颌关节部的两块下颌骨之间的中心点。具体地,三维模型VBone包括受试者的下颌骨三维模型VBone1和颞骨三维模型VBone2。将三维MRI数据进行转换得到原始影像VS,下颌骨三维模型 VBone1和颞骨三维模型VBone2分别从原始影像VS分割出下颌骨二值化图像掩膜VBinary1和颞骨二值化图像掩膜VBinary2;接着,将下颌骨二值化图像掩膜 VBinary1和颞骨二值化图像掩膜VBinary2均进行膨胀处理,如此确保骨骼边界及其周围部分组织均被提取出来;最后,根据膨胀处理后的VBinary1、VBinary2分别从原始影像VS提取出下颌骨三维模型VBone1和颞骨三维模型VBone2。
在本实施例中,采集得到的二维MRI数据为多张二维MRI动态影像,其中,动态指的是拍摄过程中进行连续拍摄。定义二维MRI动态影像的位置和朝向为PD,对每张二维MRI影像选取目标骨骼轮廓,形成下颌骨二值化图像掩膜IBinary1和颞骨二值化图像掩膜IBinary2;接着,将下颌骨二值化图像掩膜IBinary1和颞骨二值化图像掩膜IBinary2均进行膨胀处理;最后,将膨胀处理后的IBinary1、IBinary2分别从二维MRI数据提取出下颌骨二维动态影像 ID1(u,v)和颞骨二维动态影像ID2(u,v),其中u、v分别为该二维动态影像行方向上和列方向上的影像大小。
其中,在本实施例中,下颌骨、颞骨的位置和朝向均通过上述构建的标准坐标系作为参照,在后续计算过程中,目标骨骼的位置均为六个参数,表示为{tx,ty,tz,rx,ry,rz},其中tx、ty、tz分别表示目标骨骼的各点在坐标系的X、Y、Z轴方向上的位移,rx、ry、rz分别表示骨骼的各点绕坐标系的X、 Y、Z轴的旋转角度。
参看图1、图2和图4,然后,通过SVR算法分别将下颌骨三维模型VBone1与下颌骨二维动态影像ID1(u,v)进行匹配,颞骨三维模型VBone2与颞骨二维动态影像ID2(u,v)进行匹配,由于上述两种匹配是相同的,为方便解释说明,后续说明时将下颌骨与颞骨看作整体统称为目标骨。SVR算法的目的就是找到一组映射关系,找到目标骨三维模型VBone在多个转换位置P(k)中一个最佳的转换位置Pt,使得目标骨三维模型VBone在最佳的转换位置Pt的切面影像与目标骨二维动态影像ID(u,v)中的目标骨骼影像的相似度最高,即Pt=其中M表示影像相似性测度的差异,SVR算法通过不断迭代VBone所在的位置P(k),使得VBone在达到最佳转换位置Pt时,在位置PD的切面影像与ID(u,v)最为相似,即M达到最小。
参看图2和图4,现对SVR算法进行具体说明:
首先初始化转换位置P(k),其中,k表示SVR算法迭代次数,k的初始值为0,即将三维模型VBone转换到位置P(k),得到经三次样条插值计算在位置PD的截面影像,该截面影像记为其中,位置PD为二维动态影像ID(u,v)的扫描位置;后续将截面影像与相对应的二维动态影像ID(u,v)进行适应度计算,得到目标函数F(k),并进行判断。在适应度计算之前需要通过Sobel算法分别计算截面影像与二维动态影像ID(u,v)在行方向和列方向上的GD影像,记为IdU(u,v)与IdV(u,v)用于后续的目标函数F(k)的计算,目标函数F(k)的公式如下:
Sobel算法公式如下:
其中,AU和AV分别为IdU(u,v)和IdV(u,v)的灰度方差;
若‖F(k)-F(k-1)‖<ε,ε为算法精度要求,在本实施例中ε取值为0.001,可以理解为本次计算得到的目标函数F(k)减去上一次计算得到的目标函数 F(k-1),得到的数值小于ε,此时目标函数F(k)对应的转换位置P(k)就是目标骨骼在二维动态影像ID(u,v)中的位置,
其中,存在一特殊情况,当k=0时,判断公式发生变化,若判断公式‖F(0)‖<ε,则令F(0)对应的转换位置P(0)为目标骨骼在二维动态影像ID(u,v) 中的位置,其中;
当不满足上述要求时,则通过BFGS算法计算优化目标函数F(k),得到新的转换位置x*,令k=k+1使P(k+1)=x*并以新的转换位置x*再次计算目标函数,并进行判断,直至满足上述要求。
具体地,参看图3,在本实施例中,BFGS算法具体包括如下步骤:输入目标函数F(k),令初始化迭代位置x(n),初始化对称正定矩阵取Bn,n表示BFGS算法经历的迭代次数,n最初的值为0;接着,计算 gn=g(x(n)),当n=0时,若‖gn‖<ε,ε为算法精度要求,输出x*=x(0), x(0)即为新的转换位置;
否则进入后续步骤:计算下降方向,公式为pn=Bn -1gn;进行一维搜索,基于公式f(x(n)+λnpn)=minλ≥0f(x(n)+λpn)求解λn;步进, x(n+1)=x(n)+λnpn;计算gn+1=g(x(n+1)),若‖gn+1‖<ε则计算终止,输出x*=x(n+1),x(n+1)即为新的转换位置;否则,基于公式 计算迭代矩阵Bn+1,令n=n+1,并将n+1和Bn+1带入至计算下降方向这一步骤,并进行后续步骤,再依据公式进行判断,最后得到满足停止 BFGS计算要求的转换位置x*,而该转换位置x*也就是我们所需的最佳的转换位置Pt。
通过上述一系列的计算,得到一最佳的转换位置Pt,在该转换位置下颌骨和颞骨的二维动态影像ID(u,v)和三维模型VBone匹配,得到每一帧动态影像中下颌骨和颞骨的实时位置,从而实现颞颌关节的运动追踪。
在本实施例中,通过对三维MRI结构扫描和二维动态MRI扫描,结合 SVR、BFGS算法得到颞颌关节的运动追踪,其具有精准性高的优点,精度误差可达到1毫米与1°以内;本实施例的运用的SVR算法中的目标函数F(k)形态证出色,在选择合适的扫描断面时,SVR算法对输入误差不敏感,抗干扰性强;此外,本实施例运用三维MRI结构扫描结果对目标骨的三维模型重建,并将三维模型与二维影像相匹配,无需采用基于红外反光球的运动捕捉技术,减少软组织对关节运动追踪的影像,因此得到的颞颌关节运动更为贴合日常生活中常见的运动,更加具有研究意义;最后,本实施例通过三维 MRI结构扫描和二维动态MRI扫描代替现有技术中的CT扫描,减少了CT 扫描中辐射对受试者的影响,对受试者健康方面提供保障。
实施例2
参看图7,本发明提出了一种基于第一实施例的一种颞颌关节运动追踪系统,包括:
扫描模块,用于对同一受试者颞颌关节部分别进行三维MRI结构扫瞄和二维MRI动态扫瞄,得到三维MRI数据和二维MRI数据。由于三维MRI 结构扫描和二维动态MRI扫描代替现有技术中的CT扫描,减少了CT扫描中辐射对受试者的影响,对受试者健康方面提供保障。
建模模块,对扫描模块得到的三维MRI数据进行分割得到颞颌关节的三维MRI数据,基于颞颌关节的三维MRI数据构建得到三维模型VBone,并在构建过程中建议坐标系,为后续追踪模块算法匹配中提供方便。三维MRI 结构扫描结果对目标骨的三维模型重建,对三维模型与二维影像相匹配,无需采用基于红外反光球的运动捕捉技术,减少软组织对关节运动追踪的影响,且得到的颞颌关节运动更为贴合日常生活中常见的运动。
影像生成模块,对每张二维MRI影像选取目标骨骼轮廓,经相应数据处理,将二维MRI数据提取出目标骨的二维动态影像ID(u,v),其中u、v分别为该二维动态影像行方向上和列方向上的影像大小。
追踪模块,用于通过SVR算法将三维模型VBone与相对应的二维动态影像ID(u,v)进行匹配,该匹配方法通过SVR算法和BFGS算法相结合实现计算,SVR算法和BFGS算法经多次迭代计算,得到三维模型VBone的最佳转换位置,使得位于该最佳转换位置的三维模型VBone的截面影像与二维动态影像ID(u,v)相似度最高,最终得到二维动态影像ID(u,v)中的目标骨骼的实时位置,从而实现颞颌关节的运动追踪。通过三维MRI结构扫描和二维动态 MRI扫描,结合SVR、BFGS算法得到颞颌关节的运动追踪,精准性高,其精度可达到1毫米与1°;SVR算法中的目标函数F(k)形态证出色,在选择合适的扫描断面时,SVR算法对输入误差不敏感,抗干扰性强。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式。即使对本发明作出各种变化,倘若这些变化属于本发明权利要求及其等同技术的范围之内,则仍落入在本发明的保护范围之中。
Claims (9)
1.一种颞颌关节运动追踪方法,其特征在于,包括如下步骤:
S1:对同一颞颌关节部分别进行三维MRI结构扫瞄和二维MRI动态扫瞄,得到三维MRI数据和二维MRI数据;
S2:基于所述三维MRI数据构建三维模型VBone;
S3:基于所述二维MRI数据得到二维动态影像ID(u,v),其中,u、v分别为行方向上和列方向上的影像大小;
S4:通过SVR算法将所述三维模型VBone与相对应的所述二维动态影像ID(u,v)进行匹配,得到所述二维动态影像ID(u,v)中的颞颌关节的实时位置,以实现对颞颌关节的运动追踪。
2.根据权利要求1所述的颞颌关节运动追踪方法,其特征在于,所述步骤S4具体包括如下步骤:
S41:初始化所述三维模型VBone的转换位置P(k),其中,k的初始值为0,P(0)为预设初始的转换位置;
若‖F(k)-F(k-1)‖<ε,则将此时的P(k)作为目标骨骼在所述二维动态影像ID(u,v)中的转换位置,其中,ε为算法精度要求,当k=0时,判断公式为‖F(0)‖<ε;
否则,通过BFGS算法计算优化所述目标函数F(k),得到新的转换位置x*,令k=k+1使P(k +1)=x*,并跳转至所述步骤S42;
S45:根据所述转换位置P(k),获取所述二维动态影像ID(u,v)中的颞颌关节的实时位置,以实现对颞颌关节的运动追踪。
4.根据权利要求2所述的颞颌关节运动追踪方法,其特征在于,在所述步骤S44中,所述通过BFGS算法计算优化所述目标函数F(k),得到新的转换位置x*具体包括如下步骤:
A2:初始化迭代位置x(n),初始化对称正定矩阵Bn,其中,n的初始值为0,x(0)为预设初始的迭代位置,B0为预设初始的对称正定矩阵;
A3:计算gn=g(x(n)),若‖gn‖<ε,则输出x*=x(0),否则进入步骤A4;
A4:计算下降方向pn=Bn -1gn;
A5:进行一维搜索,基于公式f(x(n)+λnpn)=minλ≥0f(x(n)+λpn)求解λn;
A6:进一步计算,x(n+1)=x(n)+λnpn;
5.根据权利要求1所述的颞颌关节运动追踪方法,其特征在于,所述三维模型VBone包括下颌骨三维模型VBone1和颞骨三维模型VBone2,所述步骤S2具体包括以下步骤:
S21:基于所述三维MRI数据分别分割出下颌骨二值化图像掩膜VBinary1和颞骨二值化图像掩膜VBinary2;
S22:将所述VBinary1和所述VBinary2均进行膨胀处理;
S23:根据所述膨胀处理后的所述VBinary1、所述VBinary2分别从所述三维MRI数据提取出所述下颌骨三维模型VBone1和所述颞骨三维模型VBone2。
6.根据权利要求5所述的颞颌关节运动追踪方法,其特征在于,所述二维动态影像ID(u,v)包括下颌骨二维动态影像ID1(u,v)和颞骨二维动态影像ID2(u,v),所述步骤S3具体包括以下步骤:
S31:基于所述二维MRI数据分别选取目标骨骼轮廓,形成下颌骨二值化图像掩膜IBinary1和颞骨二值化图像掩膜IBinary2;
S32:将所述IBinary1和所述IBinary2均进行膨胀处理;
S33:根据所述膨胀处理后的所述IBinary1、所述IBinary2分别从所述二维MRI数据提取出所述ID1(u,v)和所述ID2(u,v)。
7.根据权利要求1所述的颞颌关节运动追踪方法,其特征在于,在所述步骤S1中,所述三维MRI结构扫瞄的参数设置为:重复时间TR为7.25ms、回波时间TE为3.1ms、视野为240×240mm、偏转角为10°、层厚为1mm。
8.根据权利要求1所述的颞颌关节运动追踪方法,其特征在于,在所述步骤S1中,所述二维MRI动态扫瞄的参数设置为:重复时间TR为4.9ms、回波时间TE为2.59ms、视野为192×192mm、偏转角为10°、层厚为5mm。
9.一种颞颌关节运动追踪系统,其特征在于,包括:
扫描模块,用于对同一颞颌关节部分别进行三维MRI结构扫瞄和二维MRI动态扫瞄,得到三维MRI数据和二维MRI数据;
建模模块,用于基于所述三维MRI数据构建三维模型VBone;
影像生成模块,用于基于所述二维MRI数据得到二维动态影像ID(u,v),其中,u、v分别为行方向上和列方向上的影像大小;
追踪模块,用于通过SVR算法将所述三维模型VBone与相对应的所述二维动态影像ID(u,v)进行匹配,得到所述二维动态影像ID(u,v)中的目标骨骼的实时位置,从而实现颞颌关节的运动追踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010739070.4A CN112017211A (zh) | 2020-07-28 | 2020-07-28 | 一种颞颌关节运动追踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010739070.4A CN112017211A (zh) | 2020-07-28 | 2020-07-28 | 一种颞颌关节运动追踪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112017211A true CN112017211A (zh) | 2020-12-01 |
Family
ID=73498787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010739070.4A Pending CN112017211A (zh) | 2020-07-28 | 2020-07-28 | 一种颞颌关节运动追踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112017211A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018881A (zh) * | 2022-06-17 | 2022-09-06 | 先临三维科技股份有限公司 | 颌骨运动轨迹追踪方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201509360A (zh) * | 2013-09-14 | 2015-03-16 | Chang Bing Show Chwan Memorial Hospital | 單鏡頭內視鏡立體視覺化系統及其方法 |
CN106875432A (zh) * | 2017-03-09 | 2017-06-20 | 南京医科大学附属口腔医院 | 颞下颌关节运动重建方法及系统 |
CN109741439A (zh) * | 2018-12-07 | 2019-05-10 | 广州医科大学 | 一种二维mri胎儿图像的三维重建方法 |
US20190147591A1 (en) * | 2016-05-04 | 2019-05-16 | Medit Corp. | Dental three-dimensional data processing device and method thereof |
-
2020
- 2020-07-28 CN CN202010739070.4A patent/CN112017211A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201509360A (zh) * | 2013-09-14 | 2015-03-16 | Chang Bing Show Chwan Memorial Hospital | 單鏡頭內視鏡立體視覺化系統及其方法 |
US20190147591A1 (en) * | 2016-05-04 | 2019-05-16 | Medit Corp. | Dental three-dimensional data processing device and method thereof |
CN106875432A (zh) * | 2017-03-09 | 2017-06-20 | 南京医科大学附属口腔医院 | 颞下颌关节运动重建方法及系统 |
CN109741439A (zh) * | 2018-12-07 | 2019-05-10 | 广州医科大学 | 一种二维mri胎儿图像的三维重建方法 |
Non-Patent Citations (3)
Title |
---|
DIMITRIOU DIMITRIS 等: ""Anterior cruciate ligament bundle insertions vary between ACL-rupture and non-injured knees"", 《KNEE SURGERY, SPORTS TRAUMATOLOGY, ARTHROSCOPY : OFFICIAL JOURNAL OF THE ESSKA》, 1 July 2020 (2020-07-01) * |
庄世勇: ""图像配准算法的若干关键问题研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 March 2020 (2020-03-15) * |
王中正: ""基于FPGA的运动目标检测研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 February 2020 (2020-02-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018881A (zh) * | 2022-06-17 | 2022-09-06 | 先临三维科技股份有限公司 | 颌骨运动轨迹追踪方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bogo et al. | Dynamic FAUST: Registering human bodies in motion | |
Plankers et al. | Articulated soft objects for multiview shape and motion capture | |
Ionasec et al. | Patient-specific modeling and quantification of the aortic and mitral valves from 4-D cardiac CT and TEE | |
Mundermann et al. | Accurately measuring human movement using articulated ICP with soft-joint constraints and a repository of articulated models | |
CN111784754B (zh) | 基于计算机视觉的牙齿正畸方法、装置、设备及存储介质 | |
CN101283911B (zh) | 一种冠状动脉血管轴线的四维重建方法 | |
Wang et al. | Sequential 3D human pose and shape estimation from point clouds | |
Dockstader et al. | Stochastic kinematic modeling and feature extraction for gait analysis | |
CN111968222B (zh) | 一种人体组织非静止状态下三维超声重建方法 | |
CN113077519B (zh) | 一种基于人体骨架提取的多相机外参自动标定方法 | |
CN112085821A (zh) | 一种基于半监督的cbct与激光扫描点云数据配准方法 | |
CN1610841A (zh) | 具有处理超声图像序列以执行身体器官中流体定量估计的装置的观测系统 | |
KR20220064408A (ko) | 시공간 데이터에 기초하여 의료 이미지를 분석하기 위한 시스템 및 방법 | |
Lee et al. | Im2hands: Learning attentive implicit representation of interacting two-hand shapes | |
CN112017211A (zh) | 一种颞颌关节运动追踪方法及系统 | |
US20230419583A1 (en) | Methods and systems for markerless facial motion capture | |
Song et al. | Development of implicit representation method for freehand 3d ultrasound image reconstruction of carotid vessel | |
Fua et al. | From synthesis to analysis: Fitting human animation models to image data | |
CN110705615A (zh) | 一种基于TV模型与GoogLeNet模型的甲状腺结节检测和分类方法 | |
CN114627136B (zh) | 一种基于特征金字塔网络的舌象分割与对齐方法 | |
Mündermann et al. | Measuring human movement for biomechanical applications using markerless motion capture | |
CN115937432A (zh) | 基于多模态输入的人体动作重建系统及方法 | |
Nguyen et al. | Real-time subject-specific head and facial mimic animation system using a contactless Kinect sensor and system of systems approach | |
Bottino et al. | Experimenting with nonintrusive motion capture in a virtual environment | |
Mündermann et al. | Markerless human motion capture through visual hull and articulated ICP |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211223 Address after: 201210 room 405-2, 4th floor, building 9, No. 1206, Zhangjiang Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: SHANGHAI TAOYING MEDICAL TECHNOLOGY CO.,LTD. Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Applicant before: SHANGHAI JIAO TONG University |
|
TA01 | Transfer of patent application right |