CN112465902B - 骨科手术用光学跟踪标记球位置确定方法和装置 - Google Patents
骨科手术用光学跟踪标记球位置确定方法和装置 Download PDFInfo
- Publication number
- CN112465902B CN112465902B CN202011472103.XA CN202011472103A CN112465902B CN 112465902 B CN112465902 B CN 112465902B CN 202011472103 A CN202011472103 A CN 202011472103A CN 112465902 B CN112465902 B CN 112465902B
- Authority
- CN
- China
- Prior art keywords
- vertex
- coordinate
- sphere center
- sphere
- coordinates
- 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
Images
Classifications
-
- 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
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请一种骨科手术用光学跟踪标记球位置确定方法和装置,方法包括:获取CT扫描后输出的3D模型数据;判断第m个顶点与对应的第i环邻接顶点是否有公共球心;若是,添加第一球心坐标至第m个顶点的坐标数组,使i=i+1,以及在i<n的情况下重新前述判断步骤;若否,删除第m个顶点的坐标数组;求取各个未删除坐标数组对应的第二球心坐标;第二球心坐标为未删除坐标数组中第一球心坐标的平均值;求取第二球心坐标的平均值,作为标记球的球心坐标。在实际应用中,采用前述方法可以删除标记球与承载物连接处的一些顶点对应的坐标数组,排除此类坐标数组对计算球心坐标时的影响,也就排除了非标记球球面上的顶点对计算的标记球球心位置的影响。
Description
技术领域
本申请涉及医学影像技术领域,尤其涉及一种骨科手术用光学跟踪标记球位置确定方法和装置。
背景技术
为减小骨科矫正手术过程中CT透视时间,继而减小CT透视对患者和临床医护人员的伤害,基于光追踪定位和虚拟现实技术的骨科矫正手术技术日渐成熟并进入临床实践。
基于光追踪定位和虚拟现实技术的骨科矫正手术实施过程的准备过程如下:首先将安装有至少三个光学标记球的定位装置与骨折骨块进行刚性连接;随后采用CT(Computed Tomography)机器进行断层扫描并形成三维医学影像数据;再后对三维医学影像处理进行数学处理,识别出其中光学标记球,确定光学标记球的位置,并建立光学标记球位置与骨折骨块的位置关系。正式矫正手术时,需要基于光学标记球和骨折骨块的位置关系,以及实际采集到的光学标记球光学追踪数据,在三维影像数据中确定需要愈合的相邻骨折骨块的位置,继而能够实时地确定手术动作造成的骨折骨块的实时位置变化,直至手术完成。
在前述骨科矫正手术中,能够正确识别三维医学影像数据中光学反射球,建立光学反射球与骨折骨块的位置关系是保证手愈合精准度的关键之一。中国专利申请文件CN109009376A中公开了采用三维医学影像数据为三维点云数据,采用最小二乘法拟合确定每个光学标记球的位置;这种确定标记点球心的方法在处理准确性等方面具有缺陷。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种骨科手术用光学跟踪标记球位置确定方法和装置。。
一方面,本申请提供一种骨科手术用光学跟踪标记球位置确定方法,包括:
S101:获取CT扫描后输出的3D模型数据;所述3D模型数据包括顶点坐标和顶点之间的邻接关系;
针对各个顶点,执行步骤S102-S104:
S102:判断第m个顶点与对应的第i环邻接顶点是否有公共球心;若是,执行步骤S103;若否,执行步骤S104;
S103:添加第一球心坐标至第m个顶点的坐标数组,使i=i+1,以及在i<n的情况下重新执行步骤S102;所述第一球心坐标为第m个顶点与所述第i环邻接顶点确定的球心坐标;其中n为预设的最大邻接顶点环数;
S104:删除第m个顶点的坐标数组;
S105:求取各个未删除坐标数组对应的第二球心坐标;所述第二球心坐标为未删除坐标数组中所述第一球心坐标的平均值;
S106:求取所述第二球心坐标的平均值,作为所述标记球的球心坐标。
可选地,判断第m个顶点与对应的第i环邻接顶点是否有公共球心,包括:
对第i环邻接顶点进行分组;每个分组包括三个第i环中的邻接顶点;
分别根据各个所述分组中邻接顶点的坐标和第m个顶点的坐标,计算对应的第三球心坐标;
求取第m个顶点对应的所有所述第三球心坐标的平均值,作为第四球心坐标;
判断所述第四球心坐标与各个所述第三球心坐标之间的距离是否均小于第一阈值;
若是,判定第m个顶点与对应的第i环邻接顶点有公共球心;若否,判定第m个顶点与对应的第i环邻接顶点没有公共球心。
可选地,所述第一球心坐标为所述第四球心坐标。
可选地,所述第一球心坐标为所述第三球心坐标;
求取各个未删除坐标数组对应的第二球心坐标,包括:
判断未删除坐标数组中的所述第一球心坐标数量是否大于预设数量;
若是,求取所述坐标数组对应的所述第二球心坐标。
可选地,步骤S102还包括:
判断第i环邻接顶点对应的第四球心坐标与第j环邻接顶点对应的第四球心坐标距离是否小于第二阈值;其中,j=i-1;
若是,执行步骤S103;若否,执行步骤S104。
可选地,所述方法还包括:
根据所述顶点坐标和所述顶点之间的邻接关系确定平均边长;
所述第一阈值根据所述平均边长确定。
可选地,所述3D模型数据包括表征o个所述标记球的顶点数据,o≥2;
求取所述第二球心坐标的平均值,作为所述标记球的球心坐标,包括:
对所述第二球心坐标进行聚类处理而确定聚类组;
求取各个所述聚类组中第二球心坐标的平均值,作为所述聚类组对应的所述标记球的球心坐标。
可选地,求取所述聚类组中第二球心坐标的平均值,作为各个所述标记球的球心坐标,包括:
判断所述聚类组的数量大于o;
若是,获取前o个第二球心坐标最多的聚类组,作为选定聚类组;
求取各个所述选定聚类组中第二球心坐标的平均值,作为对应的所述标记球的球心坐标。
可选地,在执行步骤S102前,还包括:
S201:判断第p个顶点与对应的第k环邻接顶点是否有公共球心;若是,执行S202;若否,执行S203;
S202:使k=k+1,以及在k<q的情况下,重新执行步骤S201;其中q<n;
若否,删除第p个顶点。
另一方面,本申请提供一种骨科手术用光学跟踪标记球位置确定装置,包括:
数据获取单元,用于获取CT扫描后输出的3D模型数据;所述3D模型数据包括顶点坐标和所述顶点之间的邻接关系;
数组构建单元,用于在i<n并且在判定第m个顶点与对应的第i环邻接顶点有公共球心的情况下,添加第一球心坐标至第m个顶点的坐标数组,使i=i+1;以及,用于在判定第m个顶点与对应的第i环邻接顶点没有公共球心的情况下,删除第m个顶点的坐标数组;其中n为预设的最大邻接顶点环数;
第二球心坐标计算单元,用于求取各个未删除坐标数组对应的第二球心坐标;所述第二球心坐标为未删除坐标数组中所述第一球心坐标的平均值;
标记球球心计算单元,用于求取所述第二球心坐标的平均值,作为所述标记球的球心坐标。
可选地,所述数组构建单元包括:
分组子单元,用于对所述第i环邻接顶点进行分组;每组包括三个第i环中的邻接顶点;
第三球心坐标计算子单元,用于分别根据各个所述分组中邻接顶点的坐标和第m个顶点的坐标,计算对应的第三球心坐标;
第四球心坐标计算子单元,用于求取第m个顶点对应的所有所述第三球心坐标的平均值,作为第四球心坐标;
第一判断子单元,用于在判定所述第四球心坐标与各个所述第三球心坐标之间的距离均小于第一阈值的情况下,判定第m个顶点与对应的第i环邻接顶点有公共球心;以及,在判定至少一个所述第三球心坐标与所述第四球心坐标的距离大于第一阈值的情况下,判定第m个顶点与对应的第i环邻接顶点没有公共球心。
可选地,所述第一球心坐标为所述第三球心坐标;
所述第二球心坐标计算单元,在所述坐标数组中的第一球心坐标的数量大于预设数量的情况下,求取所述坐标数组对应的所述第二球心坐标。
可选地,所述数组构建单元在判定第i环邻接顶点对应的第四球心坐标,与第j环邻接顶点对应的第四球心坐标距离小于第二阈值的情况下,添加所述第一球心坐标至第m个顶点的坐标数组,以及使i=i+1;其中,j=i-1。
可选地,所述3D模型数据包括表征o个所述标记球的顶点数据,o≥2;所述标记球球心计算单元包括:
聚类子单元,用于对所述第二球心坐标进行聚类处理而确定聚类组;
标记球球心计算子单元,用于求取各个所述聚类组中第二球心坐标的平均值,作为各个所述标记球的球心坐标。
可选地,还包括:顶点筛选单元,用于在k<q并且判定第p个顶点与对应的第k环邻接顶点有公共球心的情况下,使k=k+1;其中q<n;以及,在判定定第p个顶点与对应的第k环邻接顶点没有公共球心的情况下,删除第p个顶点。
本申请提供骨科手术用光学跟踪标记球位置确定方法和装置,在计算第m个顶点的坐标数组时,仅在第m个点与其相邻的n环邻接顶点具有公共球心的前提下,才会保留第m个的坐标数组,用于后续计算标记球的球心坐标。在实际应用中,采用前述方法可以删除标记球与承载物连接处的一些顶点对应的坐标数组,排除此类坐标数组对计算球心坐标时的影响,也就排除了非标记球球面上的顶点对计算的标记球球心位置的影响。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的骨科手术用光学跟踪标记球位置确定方法流程图;
图2是一个实施例中提供的部分顶点连接结构示意图;
图3是本申请实施例提供的删除顶点的步骤流程图;
图4是本申请实施例提供的骨科手术用光学跟踪标记球位置确定装置的结构示意图;
图5是本申请实施例提供的电子设备的结构示意图;
其中:11-数据获取单元,12-数组构建单元,13-第二球心坐标计算单元,14-标记球球心计算单元;21-处理器,22-存储器,23-通信接口,24-总线系统。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面将对本申请的方案进行进一步描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,但本申请还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本申请的一部分实施例,而不是全部的实施例。
在对本申请实施例提供的骨科手术用光学跟踪标记球位置确定方法做介绍前,首先对背景技术提及的专利文献(CN109009376A)中所述的获取标记球球心的方法的问题做分析。
专利文献CN109009376A提及“优选采用最小二乘法拟合每个标记球体点云的球面;建立三维点云同一的点云参考坐标系O-xyz,设任一标记球体点云通过拟合得到的球面球心在点云参考坐标系O-xyz下的坐标为(xmk,ymk,zmk)”其中,mk表示任意第k个标记球体,则任意标记球体点云的任意第i点与拟合球体球心的距离为:Di(xmk,ymk,zmk)=(xi-xmk)2+(yi-ymk)2+(zi-zmk)2;式中xi,yi和zi表示所述的任意标记球体点云的第i点在点云参考坐标系O-xyz下的坐标。上述距离Di与真实球半径残差的平方和为:S(xmk,ymk,zmk)=∑(Di 2-dmk 2)2”。
根据对前述方法的分析可知,前述方法能够实现的前提是已经确定出了表征标记球体的点云数据,并且排除了非表征标记球体的点云数据;但是,因为标记球体需要和承载物固定连接,很难确定在标记球体和承载物连接处的一些点是否为标记球体球面上的点;在实际应用中,单独地对点云数据是否为标记球体球面上的点做判定几乎是不可能(因此点云数据数量极多,并且点云数据之间的距离为um级别)。
另外,因为CT断层扫描中的扫描射线强度、标记球材质类型、后期数据处理的各种误差问题,某些点云数据具有较大的位置偏差,在计算标记球体的球心时引入了误差。
本申请实施例提供一种骨科手术用光学跟踪标记球位置确定方法,以能够仅根据CT扫描后的数据即确定标记球的球心,在此方法中具有自动地筛选确定标记球球面标点或者相关数据的步骤,使得标记球的位置确定更准确。
图1是本申请实施例提供的骨科手术用光学跟踪标记球位置确定方法流程图。如图1所示,本申请实施例提供的方法包括步骤S101-S107。
S101:获取CT扫描后输出的3D模型数据。
本申请实施例中,3D模型数据是包括各个顶点的顶点坐标和顶点之间邻接关系的模型数据。
实际应用中,CT扫描获得原始数据后,可以基于原始数据进行建模,得到3D模型数据。在一个具体应用中,3D模型数据可以是采用连通图数据结构构建的数据,其存储有各个顶点的坐标数据外,还存储有每个顶点的邻接顶点信息,并利用邻接顶点信息确定顶点之间的邻接关系。
本申请实施例中具体应用中,在获取到CT扫描数据后,可以采用Mimics一类的医学影像软件对CT扫描获得的原始数据进行处理,得到包括顶点和连接顶点的各个边的3D模型文件;对3D模型文件进行预处理,以合并重复的顶点和距离过近的顶点,利用新顶点重新构建三角形边;随后,再遍历三角形的边,以构建顶点的连接图数据结构,获取每个顶点的邻接顶点信息,得到用于执行步骤S101的3D模型数据。
在经过前述处理后,可以对各个顶点进行编号,以用于后续对各个顶点进行操作。假设3D模型数据中顶点的数量为100000个,则随后顶点的编号为1,2,3……,100000,具体应用中顶点的编号用m表示。
针对3D模型数据中的各个顶点,执行步骤S102-S105。
S102:判断第m个顶点与对应的第i环邻接顶点是否有公共球心;若是,执行步骤S103;若否,执行步骤S105。
步骤S102中,第i环邻接顶点是以采用先广遍历方法确定的以第m个顶点为中心的、第i个外接环形中的顶点。
图2是一个实施例中提供的部分顶点连接结构示意图。如图2所示,其中A点为第m个顶点,则直接与A采用边连接的四个点组成其第1环邻接顶点,而与前述四个点直接连接的、更外围的9个点为A点的第2环邻接顶点。
本申请实施例步骤S102中,判断第m个顶点与对应的第i环邻接顶点是否有公共球心,是确定m点和第i环邻接顶点中的各个点是否可能在同一球面上。
本申请实施例中,为了保证数据的精度,避免因为采用过近顶点造成较大的扰动,可以从第2环邻接顶点开始执行步骤S102,而对第1环邻接顶点并不执行步骤S102。当然,在其他实施例中,如果通过前期验证确定模型数据较为精确,也可以从第1环邻接顶点开始执行前述的步骤。
S103:添加第一球心坐标至第m个顶点的坐标数组,使i=i+1。
本申请实施例中,第一球心坐标为在判定第m个顶点与其对应的第i环邻接顶点具有公共球心的情况下,根据第m个顶点和第i环邻接顶点确定的球心坐标。具体应用中,第一球心坐标的可能为何种数据在后文中再做详述。
本申请实施例中,针对各个顶点,均为其建立一个坐标数组,坐标数组用于存储与此顶点相关的、计算得到的第一球心坐标数据。
S104:判断i是否小于n;若是,重新执行步骤S102;若否,执行步骤S106。
本申请实施例中,假设第m个顶点为球面上的一点,则可以大体确定其周围的点均为球面上的一点,即第m个顶点和其附近的n圈之内的邻接顶点均在一个球面上。
按照前述思路,本申请实施例中,从预先确定的第m个顶点的邻接顶点开始,逐步地向外扩展,判断某一圈邻接顶点是否与第m个顶点在同一球面上,直至第n圈邻接顶点。
如果第m个顶点与第i环邻接顶点不在统一球面是上,则第m个顶点可能为靠近承载物区域的顶点或者可能为数据有较大误差的顶点,直接执行步骤S105删除这一顶点。
实际应用中,针对某一精度的3D模型数据,在i从第2圈开始的情况下,循环n可以设置为10。如果在执行完成S103后,判断i仍然小于10,则继续执行步骤S102和S103(当然,也可能因为在步骤S102中的判断结果为否,而跳出执行步骤S105),直至i达到10。而如果i已经等于10,则判定前述的循环步骤的循环条件不再成立,因此跳出循环S106。
S105:删除第m个顶点的坐标数组。
S106:求取各个未删除坐标数组对应的第二球心坐标。
步骤S106中,第二球心坐标为未删除坐标数组中的第一球心坐标的平均值。假设经过步骤S102-S105后,10000个顶点的中,仅有5000个顶点的坐标数组仍保留,则步骤S106是求取5000个坐标数组中第一球心坐标的平均值,得到5000个第二球心坐标。
S107:求取第二球心坐标的平均值,作为标记球的球心坐标。
实际应用中,针对不同的情况,步骤S107中求取第二球心坐标的平均值,作为标记球的球心坐标的具体方法不同。
第一种情况:如果步骤S101中获取的3D模型数据包括仅表征一个标记球的顶点数据,则可以确定各个仍然保留的坐标数组是同一个标记球表面顶点对应的坐标数组,各个第二球心坐标是同一个标记球表面顶点对应的球心坐标,因此可以直接求取第二球心坐标的平均值,作为标记球的球心坐标。
第二种情况:如果步骤S101中获取的3D模型数据是包括表征两个或两个以上标记球的顶点数据,则确定各个仍然保留的坐标数组是不同标记球表面顶点对应的坐标数组,各个第二球心坐标是不同标记球表面顶点对应的球心坐标,为了能够区分各个标记球,并分别求得各个标记球的球心坐标,步骤S107包括S1071-S1072;此时假设标记球的数量为n个,N≥2。
S1071:对第二球心坐标进行聚类处理而确定聚类组。
步骤S1071中,对第二球心坐标进行聚类处理而确定聚类组的过程,是按照特定的聚类方法,使得数据较为接近的第二球心坐标分为一类的过程,并将分为一类的数据组作为一个聚类组的过程。实际应用中,步骤S1071中可以采用的聚类方法包括K均值、K中心点等聚类方法。
S1072:求取各个聚类组中第二球心坐标的平均值,作为各个标记球的球心坐标。
本申请实施例中,各个标记球的位置之间有一定的间隔,在步骤S1071进行聚类处理而确定聚类组后,大概率可以确定o个聚类组,因此针对o个聚类组中的第二球心坐标求算平均值,可以得到对应标记球的球心坐标。
实际应用中,因为数据误差,也可能得到的结果是聚类组的数量大于标记球的数量,也就是聚类组的数量大于o,此时步骤S1072可以被细化为如下的步骤S1072A-S1072C。
S1072A:判断聚类组的数量是否大于o;若是,执行S1072B。
S1072B:获取前o个第二球心坐标最多的聚类组,作为选定聚类组。
S1073:求取各个选定聚类组中第二球心坐标的平均值,作为各个标记球的球心坐标。
通过前述的步骤S101-S107分析可知,本申请实施例中,在计算第m个顶点的坐标数组时,仅在第m个点与其相邻的n环邻接顶点具有公共球心的前提下,才会保留第m个的坐标数组,用于后续计算标记球的球心坐标。在实际应用中,采用前述方法可以删除标记球与承载物连接处的一些顶点对应的坐标数组,排除此类坐标数组对计算球心坐标时的影响。采用本方法确定的标记球的球心坐标应用于虚拟仿真模型,使得后续在建立的虚拟仿真模型中光写标记球和骨折等受伤区域位置关系更符合实际情况。
本申请实施例一个具体应用中,步骤S102中判断第m个顶点与对应的第i环邻接顶点是否有公共球心可以包括步骤S1021-S1023。
S1021:对第i环邻接顶点进行分组,使得每组包括三个第i环的邻接顶点。
以图2中所示的第2环邻接顶点为例,在实际应用中,对第i环邻接顶点进行分组时,应当尽可能等地确保每个分组中分到的邻接顶点均匀地分布,以能够使得后续确定第i环邻接顶点是否与第m个顶点是否有公共球心更具有代表性。
S1022:根据各个分组中的邻接顶点坐标和第m个顶点的坐标,计算对应的第三球心坐标。
根据四面体的顶点可以唯一的确定一个球面,继而也就确定一个第三球心坐标。本申请实施例中,可以根据克列尔公式,利用一个分组中的邻接顶点坐标和第m个顶点的坐标,计算得到对应的第三球心坐标。
针对不同的分组,也就可以得到不同的第三球心坐标。例如如图2中,第2环邻接顶点具有9个邻接顶点,9个邻接顶点被分成3组,3组邻接点点和第m个顶点配合可以得到3个第三球心坐标。
S1023:求取第m个顶点对应的所有第三球心坐标的平均值,作为第四球心坐标。
仍然以前述第2环邻接顶点为类,求取所有第三球心坐标的平均值,是将得到的3个第三球心坐标为输入,计算三个球心坐标的平均值,作为第四球心坐标。
S1024:判断第四球心坐标与各个第三球心坐标之间的距离是否均小于第一阈值。若是,执行步骤S1025;若否,执行S1026。
S1025:判断第m个顶点与对应的第i环邻接顶点有公共球心。
S1026:判断第m个顶点与对应的第i环邻接顶点没有公共球心。
在实际应用中,如果判断第四球心坐标与各个第三球心坐标之间的距离小于第一阈值,则表明各个第三球心坐标均靠近第四球心坐标,也就表明此这几个点球心坐标对应的顶点在一个球面上大体在一个球面上。
本申请实施例一个应用中,前述的第一阈值可以根据3D模型数据中的平均边长确定。
平均边长是根据所有顶点的坐标和所述顶点的邻接关系确定的一边长。假设在3D模型数据包括10000个顶点的情况,并且10000个顶点之间具有50000个邻接关系的情况下,可以求取个邻接关系中50000个相邻顶点的距离,并求取50000个距离的平均值作为平均边长。
前述的第一阈值根据3D模型数据中的平均边长确定,可以是采用一权值系数与平均边长相乘,得到第一阈值。在本申请实施例具体应用中,前述的权值系数优选设置为小于0.5的数值,以保证第一阈值能够较为符合实际地确定第m个顶点与对应的第i环邻接顶点是否有公共球心。
当然,在本申请实施例具体应用中,前述的第一阈值也可以是提前设定的一固定值,例如可以是根据CT扫描精度和3D模型建模精度确定的固定数值。
此外,在本申请实施例其他应用中,也可以采用其他数学处理方法判断第m个顶点与其第i环邻接顶点是否在具有公共球心。
步骤S103中提及添加第一球心坐标至第m个顶点的坐标数组;本申请实施例中,步骤S103中添加第一球心坐标至第m个顶点的坐标数组,可能有如下几种情况。
第一种情况是:将第四球心坐标作为第一球心坐标,添加至坐标数组;在此情况下,在经过步骤S102-S104后保留下的坐标数组中,最多有n-1个坐标数据(此时从第m个顶点的第1环邻接顶点开始执行步骤S102)。
第二种情况是:第一球心坐标为第三球心坐标;也就是将步骤S1022计算得到的第m个顶点对应的所有第三个球心坐标均作为第一球心坐标存入到坐标数组中。在此情况下,未删除的坐标数组中大概率会包括远多于n个的坐标数据。
本申请实施例中,在将第三球心坐标作为第一球心坐标添加到坐标数组的情况下,步骤S106求取各个未删除坐标数组对应的第二球心坐标可以包括步骤S1061-S1062。
S1061:判断坐标数组中第一球心坐标的数量是否大于预设数量;若是,执行步骤S1062;若否,执行步骤S105。
S1062:求取坐标数组对应的第二球心坐标。
如果坐标数组中第一球心坐标的数量大于预设数量,则可以确定步骤S102-104中采用了较多的邻接节点用于判断第m个顶点与邻接节点是否有公共球心,坐标数组中第一球心坐标出现奇特值的概率较小,可以用第一球心坐标计算第二球心坐标。
而如果坐标数组中第一球心坐标的数量小于预设数量,则判定S102-S104中采用较少的邻接点用于判断第m个顶点与邻接节点是否有公共球心,坐标数组中第一球心坐标出现奇特值的概率较大,此时直接删除这一坐标数组。在本申请实施例一具体应用中,在n为10的情况下,预设数量可以被设置为25。
本申请实施例中,步骤S102除了包括前述的判断第m个顶点与对应的第i环邻接顶点是否有公共球心的判断过程外,还可以包括:判断第i环邻接顶点对应的第四球心坐标与第j环邻接顶点对应的所述第四球心坐标距离是否小于第二阈值,其中j=i-1;若是,才执行步骤S103;若否,执行步骤S104。
其中第i环邻接顶点对应的第四球心坐标和第j环邻接顶点对应的第四球心坐标的距离小于第二阈值,则可以证明第i环邻接顶点和第j环邻接顶点大概率处在同一球面,继而继续保留坐标数组;而如果大于第二阈值,则证明第i环邻接顶点和第j环邻接顶点大概率不处在同一球面,也就不再保留对应的数组坐标。在本申请实施例一具体应用中,前述的第二阈值根据平均边长和一预设权值确定
采用前述方法,可以进一步地对可能有问题的坐标数组做进一步地删减,进而避免引入误差,使得最后计算得到的标记球球心坐标更符合实际情况。
本申请实施例中实际应用中,3D模型数据除了包括标记球附近数据外,大概率会包括大量表征承载物数据和患者骨块的顶点数据;而承载物和骨块的顶点数据并不在球面上,直接采用前述步骤S101-S107处理包括表征承载物数据和患者骨块数据的顶点数据时,数据处理量过大而使得处理速率太低。
为了降低数据处理量而增加处理速度,本申请实施例还在步骤S102之前,还可以执行选择顶点并删除顶点的步骤。
图3是本申请实施例提供的删除顶点的步骤流程图;如图3所示,删除顶点的步骤包括S201-S203。
S201:判断第p个顶点与对应的第k环邻接顶点是否有公共球心;若是,执行S202;若否,执行S203。
S202:使k=k+1。
S203:判断k是否小于p;若是,重新执行步骤S201;若否,跳出循环。
S204:删除第p个顶点。
前述步骤中p<n,实际引用中p多设置为2或者3,也就是判断第p个顶点与对应的第2环邻接顶点或者第3环邻接顶点判断是否有公共球心,而确定是否删除第p个顶点;实际应用中,考虑到第p个顶点的第1环邻接顶点数量过少,扰动误差较大,k初始值被设置为2。
除了提供前述的骨科手术用光学跟踪标记球位置确定方法外,本申请实施例还提供一种骨科手术用光学跟踪标记球位置确定装置。
图4是本申请实施例提供的骨科手术用光学跟踪标记球位置确定装置的结构示意图,如图4所示,位置确定装置包括数据获取单元11、数组构建单元12,第二球心坐标计算单元13和标记球球心计算单元14。
数据获取单元11用于获取CT扫描后输出的3D模型数据;3D模型数据包括顶点坐标和所述顶点之间的邻接关系。
实际应用中,数据获取单元11在获取CT扫描获得原始数据后,可以基于原始数据进行建模,得到3D模型数据。在一个具体应用中,3D模型数据可以是采用连通图数据结构构建的数据,其存储有各个顶点的坐标数据外,还存储有每个顶点的邻接顶点信息,并利用邻接顶点信息确定顶点之间的邻接关系。
数组构建单元12,用于在i<n并且在判定第m个顶点与对应的第i环邻接顶点有公共球心的情况下,添加第一球心坐标至第m个顶点的坐标数组,使i=i+1;以及,用于在判定第m个顶点与对应的第i环邻接顶点没有公共球心的情况下,删除第m个顶点的坐标数组。
第i环邻接顶点是以采用先广遍历方法确定的以第m个顶点为中心的、第i个外接环形中的顶点。判断第m个顶点与对应的第i环邻接顶点是否有公共球心,是确定m点和第i环邻接顶点中的各个点是否可能在同一球面上。
第二球心做标记算单元用于求取各个未删除坐标数组对应的第二球心坐标;所述第二球心坐标为未删除坐标数组中所述第一球心坐标的平均值。假设数组构建单元12处理1000个顶点后,仅保留5000个顶点的坐标数组保留,则分别求取5000个坐标数组中的第一球心坐标的平均值,得到5000个第二球心坐标。
标记球球心计算单元14用于求取所述第二球心坐标的平均值,作为所述标记球的球心坐标。
采用本申请实施例提供的骨科手术用光学跟踪标记球位置确定装置,数组构建单元12在计算第m个顶点的坐标数组时,仅在第m个点与其相邻的n环邻接顶点具有公共球心的前提下,才会保留第m个的坐标数组,用于后续计算标记球的球心坐标。如此可以删除标记球与承载物连接处的一些顶点对应的坐标数组,排除此类坐标数组对计算球心坐标时的影响。
实际应用中,标记球球心计算单元14根据3D模型数据中包括表征的标记球数量的情况,有不同的处理方法。
如果3D模型数据包括仅表征一个标记球的顶点数据,则可以确定各个仍然保留的坐标数组是同一个标记球表面顶点对应的坐标数组,各个第二球心坐标是同一个标记球表面顶点对应的球心坐标,因此可以直接求取第二球心坐标的平均值,作为标记球的球心坐标。
如果3D模型数据是包括表征两个或两个以上标记球的顶点数据(此时采用o表示标记球数量),则标记球球心计算单元14包括距离子单元和标记球球心计算单元14。
聚类子单元用于对所述第二球心坐标进行聚类处理而确定聚类组。标记球球心计算子单元用于求取各个所述聚类组中第二球心坐标的平均值,作为各个所述标记球的球心坐标。
本申请实施例中,各个标记球的位置之间有一定的间隔,在聚类子单元对第二球心坐标进行聚类处理后,大概率可以确定o个聚类组,针对o个聚类组中的第二球心坐标求算平均值,可以得到对应标记球的球心坐标。
而实际应用中,因为数据误差,也可能得到的结果是聚类组的数量大于标记球的数量,也就是聚类组的数量大于o,此时,如果聚类子单元判定聚类组的数量大于o后,可以获取前o个第二球心坐标最多的聚类组,作为选定聚类组;而标记球球心计算子单元则用于求取各个选定聚类组中第二球心坐标的平均值,作为各个标记球的球心坐标。
本申请实施例中,数组构建单元12可以包括分组子单元、第三球心坐标计算子单元、第四球心坐标计算子单元和第一判断子单元。
分组子单元,用于对所述第i环邻接顶点进行分组;每组包括三个第i环中的邻接顶点;
第三球心坐标计算子单元,用于分别根据各个所述分组中邻接顶点的坐标和第m个顶点的坐标,计算对应的第三球心坐标;
第四球心坐标计算子单元,用于求取第m个顶点对应的所有所述第三球心坐标的平均值,作为第四球心坐标;
第一判断子单元,用于在判定所述第四球心坐标与各个所述第三球心坐标之间的距离均小于第一阈值的情况下,判定第m个顶点与对应的第i环邻接顶点有公共球心;以及,在判定至少一个所述第三球心坐标与所述第四球心坐标的距离大于第一阈值的情况下,判定第m个顶点与对应的第i环邻接顶点没有公共球心。
在本申请实施例中,第一球心坐标可以是前述的第三球心坐标或者第四球心坐标,在第一球心坐标为第三球心坐标的情况下,第二球心坐标计算单元13在在所述坐标数组中的第一球心坐标的数量大于预设数量的情况下,求取所述坐标数组对应的所述第二球心坐标。
本申请实施例中,数组构建单元12除了采用前述的判断是否将第一球心坐标添加至坐标数组的判断条件外,还包括:判断第i环邻接顶点对应的第四球心坐标与第j环邻接顶点对应的第四球心坐标距离是否小于第二阈值;如果是,才添加述第一球心坐标至第m个顶点的坐标数组,以及使i=i+1。
本申请实施例中,位置确定装置还可以包括顶点筛选单元,顶点筛选单元用于在k<q并且判定第p个顶点与对应的第k环邻接顶点有公共球心的情况下,使k=k+1;其中q<n;以及,在判定定第p个顶点与对应的第k环邻接顶点没有公共球心的情况下,删除第p个顶点。通过设定顶点筛选单元,在使用数组构建单元12构建坐标数组前对3D坐标数据中的顶点进行筛选、去除并不标记球数据的点,可以减少顶点数量,继而提高后续处理步骤。
本申请实施例还提供一种实现前述方法的电子设备。图5是本申请实施例提供的电子设备的结构示意图。如图5所示,第一服务器包括至少一个处理器21、至少一个存储器22、至少一个通信接口23和总线系统24。
第一服务器中的各个组件通过总线系统24耦合在一起。可理解地,总线系统24用于实现这些组件之间的连接通信。
本实施例中的存储器22可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。在一些实施方式中,存储器22存储了操作系统和应用程序。
其中,操作系统包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础任务以及处理基于硬件的任务。应用程序包含各种应用程序。实现本申请实施例提供的骨科手术用光学跟踪标记球位置确定方法包含在应用程序中。
在本申请实施例中,处理器21通过调用存储器22存储的程序或指令,具体的,可以是应用程序中存储的程序或指令,处理器21用于执行本申请骨科手术用光学跟踪标记球位置确定方法的各个步骤。
本申请实施例提供的骨科手术用光学跟踪标记球位置确定方法可以应用于处理器21中,或者由处理器21实现。处理器21可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器21中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器21可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例提供的骨科手术用光学跟踪标记球位置确定方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器22,处理器21读取存储器22中的信息,结合其硬件完成方法的步骤。
本申请实施例还提出一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行骨科手术用光学跟踪标记球位置确定方法各实施例的步骤,为避免重复描述,在此不再赘述。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (17)
1.一种骨科手术用光学跟踪标记球位置确定方法,其特征在于,包括:
S101:获取CT扫描后输出的3D模型数据;所述3D模型数据包括顶点和顶点之间的邻接关系;针对所述3D模型中的各个顶点,执行步骤S102-S104:
S102:判断第m个顶点与对应的第i环邻接顶点是否有公共球心;若是,执行步骤S103;若否,执行步骤S104;
S103:添加第一球心坐标至第m个顶点的坐标数组,使i=i+1,以及在i<n的情况下重新执行步骤S102;所述第一球心坐标为第m个顶点与所述第i环邻接顶点确定的球心坐标,n为预设的最大邻接顶点环数;
S104:删除第m个顶点的坐标数组;
S105:求取各个未删除坐标数组对应的第二球心坐标;所述第二球心坐标为未删除坐标数组中所述第一球心坐标的平均值;
S106:求取所述第二球心坐标的平均值,作为所述标记球的球心坐标。
2.根据权利要求1所述骨科手术用光学跟踪标记球位置确定方法,其特征在于,判断第m个顶点与对应的第i环邻接顶点是否有公共球心,包括:
对第i环邻接顶点进行分组;每个分组包括三个第i环中的邻接顶点;
分别根据各个所述分组中邻接顶点的坐标和第m个顶点的坐标,计算对应的第三球心坐标;
求取第m个顶点对应的所有所述第三球心坐标的平均值,作为第四球心坐标;
判断所述第四球心坐标与各个所述第三球心坐标之间的距离是否均小于第一阈值;
若是,判定第m个顶点与对应的第i环邻接顶点有公共球心;若否,判定第m个顶点与对应的第i环邻接顶点没有公共球心。
3.根据权利要求2所述骨科手术用光学跟踪标记球位置确定方法,其特征在于:所述第一球心坐标为所述第四球心坐标。
4.根据权利要求2所述骨科手术用光学跟踪标记球位置确定方法,其特征在于:所述第一球心坐标为所述第三球心坐标;
求取各个未删除坐标数组对应的第二球心坐标,包括:
判断未删除坐标数组中的所述第一球心坐标数量是否大于预设数量;
若是,求取所述坐标数组对应的所述第二球心坐标。
5.根据权利要求2-4任一项所述骨科手术用光学跟踪标记球位置确定方法,其特征在于,步骤S102还包括:
判断第i环邻接顶点对应的第四球心坐标与第j环邻接顶点对应的第四球心坐标距离是否小于第二阈值;其中,j=i-1;
若是,执行步骤S103;若否,执行步骤S104。
6.根据权利要求2-4任一项所述骨科手术用光学跟踪标记球位置确定方法,其特征在于,还包括:
根据所述顶点的坐标和所述顶点之间的邻接关系确定平均边长;
所述第一阈值根据所述平均边长确定。
7.根据权利要求1-4任一项所述骨科手术用光学跟踪标记球位置确定方法,其特征在于,所述3D模型数据包括表征o个所述标记球的顶点数据,o≥2;
求取所述第二球心坐标的平均值,作为所述标记球的球心坐标,包括:
对所述第二球心坐标进行聚类处理而确定聚类组;
求取各个所述聚类组中第二球心坐标的平均值,作为所述聚类组对应的所述标记球的球心坐标。
8.根据权利要求7所述骨科手术用光学跟踪标记球位置确定方法,其特征在于:求取所述聚类组中第二球心坐标的平均值,作为各个所述标记球的球心坐标,包括:
判断所述聚类组的数量大于o;
若是,获取前o个第二球心坐标最多的聚类组,作为选定聚类组;
求取各个所述选定聚类组中第二球心坐标的平均值,作为对应的所述标记球的球心坐标。
9.根据权利要求1-4任一项所述骨科手术用光学跟踪标记球位置确定方法,其特征在于,在执行步骤S102前,还包括:
S201:判断第p个顶点与对应的第k环邻接顶点是否有公共球心;若是,执行S202;若否,执行S203;
S202:使k=k+1,以及在k<q的情况下,重新执行步骤S201;其中q<n;
若否,删除第p个顶点。
10.一种骨科手术用光学跟踪标记球位置确定装置,其特征在于,包括:
数据获取单元,用于获取CT扫描后输出的3D模型数据;所述3D模型数据包括顶点坐标和所述顶点之间的邻接关系;
数组构建单元,用于在i<n并且在判定第m个顶点与对应的第i环邻接顶点有公共球心的情况下,添加第一球心坐标至第m个顶点的坐标数组,使i=i+1;以及,用于在判定第m个顶点与对应的第i环邻接顶点没有公共球心的情况下,删除第m个顶点的坐标数组;其中n为预设的最大邻接顶点环数;
第二球心坐标计算单元,用于求取各个未删除坐标数组对应的第二球心坐标;所述第二球心坐标为未删除坐标数组中所述第一球心坐标的平均值;
标记球球心计算单元,用于求取所述第二球心坐标的平均值,作为所述标记球的球心坐标。
11.根据权利要求10所述骨科手术用光学跟踪标记球位置确定装置,其特征在于,所述数组构建单元包括:
分组子单元,用于对所述第i环邻接顶点进行分组;每组包括三个第i环中的邻接顶点;
第三球心坐标计算子单元,用于分别根据各个所述分组中邻接顶点的坐标和第m个顶点的坐标,计算对应的第三球心坐标;
第四球心坐标计算子单元,用于求取第m个顶点对应的所有所述第三球心坐标的平均值,作为第四球心坐标;
第一判断子单元,用于在判定所述第四球心坐标与各个所述第三球心坐标之间的距离均小于第一阈值的情况下,判定第m个顶点与对应的第i环邻接顶点有公共球心;以及,在判定至少一个所述第三球心坐标与所述第四球心坐标的距离大于第一阈值的情况下,判定第m个顶点与对应的第i环邻接顶点没有公共球心。
12.根据权利要求11所述骨科手术用光学跟踪标记球位置确定装置,其特征在于,所述第一球心坐标为所述第三球心坐标;
所述第二球心坐标计算单元,在所述坐标数组中的第一球心坐标的数量大于预设数量的情况下,求取所述坐标数组对应的所述第二球心坐标。
13.根据权利要求11或12所述骨科手术用光学跟踪标记球位置确定装置,其特征在于,
所述数组构建单元在判定第i环邻接顶点对应的第四球心坐标,与第j环邻接顶点对应的第四球心坐标距离小于第二阈值的情况下,添加所述第一球心坐标至第m个顶点的坐标数组,以及使i=i+1;其中,j=i-1。
14.根据权利要求10-12任一项所述骨科手术用光学跟踪标记球位置确定装置,其特征在于:所述3D模型数据包括表征o个所述标记球的顶点数据,o≥2;所述标记球球心计算单元包括:
聚类子单元,用于对所述第二球心坐标进行聚类处理而确定聚类组;
标记球球心计算子单元,用于求取各个所述聚类组中第二球心坐标的平均值,作为各个所述标记球的球心坐标。
15.根据权利要求10-12任一项所述骨科手术用光学跟踪标记球位置确定装置,其特征在于,还包括:
顶点筛选单元,用于在k<q并且判定第p个顶点与对应的第k环邻接顶点有公共球心的情况下,使k=k+1;其中q<n;以及,在判定第p个顶点与对应的第k环邻接顶点没有公共球心的情况下,删除第p个顶点。
16.一种电子设备,其特征在于,包括处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至9任一项所述方法的步骤。
17.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至9任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472103.XA CN112465902B (zh) | 2020-12-14 | 2020-12-14 | 骨科手术用光学跟踪标记球位置确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472103.XA CN112465902B (zh) | 2020-12-14 | 2020-12-14 | 骨科手术用光学跟踪标记球位置确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465902A CN112465902A (zh) | 2021-03-09 |
CN112465902B true CN112465902B (zh) | 2021-08-10 |
Family
ID=74804185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011472103.XA Active CN112465902B (zh) | 2020-12-14 | 2020-12-14 | 骨科手术用光学跟踪标记球位置确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465902B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113952032B (zh) * | 2021-12-20 | 2022-09-02 | 北京诺亦腾科技有限公司 | 一种用于骨科手术的空间追踪设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2624211A1 (en) * | 2012-02-06 | 2013-08-07 | Samsung Medison Co., Ltd. | Image processing apparatus and method |
CN103258349A (zh) * | 2013-05-30 | 2013-08-21 | 西北大学 | 颅面复原用模型库及颅面复原方法 |
CN104157012A (zh) * | 2014-08-06 | 2014-11-19 | 杭州新迪数字工程系统有限公司 | 基于边收缩的网格参数化方法 |
CN104634248A (zh) * | 2015-02-04 | 2015-05-20 | 西安理工大学 | 一种双目视觉下的转轴标定方法 |
CN106022228A (zh) * | 2016-05-11 | 2016-10-12 | 东南大学 | 一种基于网格纵横局部二值模式的三维人脸识别方法 |
CN108021765A (zh) * | 2017-12-18 | 2018-05-11 | 北京卫星环境工程研究所 | 激光烧蚀驱动不规则三维目标力学行为的计算方法 |
CN108171799A (zh) * | 2018-01-19 | 2018-06-15 | 北京建筑大学 | 一种重构层叠区域三角网格的方法 |
CN208582497U (zh) * | 2017-12-29 | 2019-03-08 | 北京柏惠维康医疗机器人科技有限公司 | 电磁跟踪基座及电磁跟踪系统 |
CN110246179A (zh) * | 2018-03-09 | 2019-09-17 | 北京柏惠维康科技有限公司 | 一种确定标记球位置的方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE502007002416D1 (de) * | 2007-06-15 | 2010-02-04 | Brainlab Ag | Computergestützte Gelenkanalyse mit Oberflächenprojektion |
CN102759755B (zh) * | 2011-04-29 | 2016-08-03 | 黄桂芝 | 采用旋转tin网和非剖面法直接制作平、立面图的地质勘查方法 |
WO2016071227A1 (en) * | 2014-11-03 | 2016-05-12 | Optinav Sp. Z O.O. | Optical tracking method and system based on passive markers |
US11009884B2 (en) * | 2017-09-29 | 2021-05-18 | Direct Current Capital LLC | Method for calculating nominal vehicle paths for lanes within a geographic region |
CN110368028B (zh) * | 2018-04-13 | 2021-09-14 | 北京柏惠维康科技有限公司 | 一种空间坐标系的实时配准方法和装置 |
-
2020
- 2020-12-14 CN CN202011472103.XA patent/CN112465902B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2624211A1 (en) * | 2012-02-06 | 2013-08-07 | Samsung Medison Co., Ltd. | Image processing apparatus and method |
CN103258349A (zh) * | 2013-05-30 | 2013-08-21 | 西北大学 | 颅面复原用模型库及颅面复原方法 |
CN104157012A (zh) * | 2014-08-06 | 2014-11-19 | 杭州新迪数字工程系统有限公司 | 基于边收缩的网格参数化方法 |
CN104634248A (zh) * | 2015-02-04 | 2015-05-20 | 西安理工大学 | 一种双目视觉下的转轴标定方法 |
CN106022228A (zh) * | 2016-05-11 | 2016-10-12 | 东南大学 | 一种基于网格纵横局部二值模式的三维人脸识别方法 |
CN108021765A (zh) * | 2017-12-18 | 2018-05-11 | 北京卫星环境工程研究所 | 激光烧蚀驱动不规则三维目标力学行为的计算方法 |
CN208582497U (zh) * | 2017-12-29 | 2019-03-08 | 北京柏惠维康医疗机器人科技有限公司 | 电磁跟踪基座及电磁跟踪系统 |
CN108171799A (zh) * | 2018-01-19 | 2018-06-15 | 北京建筑大学 | 一种重构层叠区域三角网格的方法 |
CN110246179A (zh) * | 2018-03-09 | 2019-09-17 | 北京柏惠维康科技有限公司 | 一种确定标记球位置的方法及装置 |
Non-Patent Citations (5)
Title |
---|
On Determining the Projected Sphere Center and Its Application in Optical Tracking Systems;Yinqiang Zheng等;《2018 International Conference on BioMedical Engineering and Informatics》;20081231;第652-656页 * |
Redundant System of Passive Markers for Ultrasound Scanhead Tracking;Francesca Patruno等;《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》;20050131;第52卷(第1期);第88-96页 * |
三维网格的Mean Shift并行分割算法;孙晓鹏等;《计算机工程与设计》;20130131;第34卷(第1期);第230-234页 * |
基于CT断层扫描图像的多组织体可视化建模;吕长荣;《中国优秀硕士学位论文全文数据库信息科技辑》;20180430(第4期);I138-2471页 * |
球面坐标下的凸组合球面参数化;严寒冰等;《计算机学报》;20050630;第28卷(第6期);第927-932页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112465902A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020503603A5 (zh) | ||
US11996198B2 (en) | Determination of a growth rate of an object in 3D data sets using deep learning | |
CN111340756B (zh) | 一种医学图像病变检出合并方法、系统、终端及存储介质 | |
US9858690B2 (en) | Computed tomography (CT) image reconstruction method | |
US11348216B2 (en) | Technologies for determining the accuracy of three-dimensional models for use in an orthopaedic surgical procedure | |
CN111149128B (zh) | 标记数据的获取方法及装置、训练方法及装置、医疗设备 | |
CN111178420B (zh) | 一种二维造影图像上冠脉段标注方法及系统 | |
CN113240661B (zh) | 基于深度学习的腰椎骨分析方法、装置、设备及存储介质 | |
CN112967386B (zh) | 生物力学建模方法、装置、电子设备及存储介质 | |
CN112465902B (zh) | 骨科手术用光学跟踪标记球位置确定方法和装置 | |
Kwon et al. | Iterative offset-based method for reconstructing a mesh model from the point cloud of a pig | |
CN115035250A (zh) | 一种建模图形数据信息交互处理方法及系统 | |
CN112488178B (zh) | 网络模型的训练方法及装置、图像处理方法及装置、设备 | |
WO2021105401A1 (en) | Method for modeling a bone | |
CN111388880B (zh) | 一种弧形放射治疗校验方法、装置、设备及存储介质 | |
CN107392976A (zh) | 数据处理方法、装置及设备 | |
CN114927202B (zh) | 肺部形变模拟方法、装置及服务器 | |
CN114708205B (zh) | Cbct断层图像中光学定位装置上圆珠识别方法及装置 | |
CN115797416A (zh) | 基于点云图像的图像重建方法、装置、设备及存储介质 | |
CN115222599A (zh) | 一种pet图像重建方法、系统及存储介质 | |
CN112734886A (zh) | 生物体模型穿模检测方法、装置、电子设备及存储介质 | |
CN111784705A (zh) | 感兴趣区域的勾画方法、装置、设备和存储介质 | |
CN112102496B (zh) | 牛体格测量方法、模型训练方法和系统 | |
US20200357127A1 (en) | Registration apparatus, registration method, and program | |
KR102689375B1 (ko) | 다방향 엑스선 영상을 이용한 영상 내 골격 추정 장치 및 방법 |
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 |