CN113066110A - 骨盆配准中标记点的选取方法和选取装置 - Google Patents
骨盆配准中标记点的选取方法和选取装置 Download PDFInfo
- Publication number
- CN113066110A CN113066110A CN202110492338.3A CN202110492338A CN113066110A CN 113066110 A CN113066110 A CN 113066110A CN 202110492338 A CN202110492338 A CN 202110492338A CN 113066110 A CN113066110 A CN 113066110A
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- observation image
- image
- pelvis
- area
- 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
- 210000004197 pelvis Anatomy 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008030 elimination Effects 0.000 claims abstract description 15
- 238000003379 elimination reaction Methods 0.000 claims abstract description 15
- 230000000007 visual effect Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 20
- 239000003550 marker Substances 0.000 claims description 17
- 210000000588 acetabulum Anatomy 0.000 claims description 16
- 238000003325 tomography Methods 0.000 claims description 6
- 238000010187 selection method Methods 0.000 abstract description 4
- 238000001356 surgical procedure Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 210000000988 bone and bone Anatomy 0.000 description 4
- 210000004394 hip joint Anatomy 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036512 infertility Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000399 orthopedic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000010200 validation analysis Methods 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- G06T2207/30—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 Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种骨盆配准中标记点的选取方法和选取装置,该方法包括:获取骨盆的三维模型的观察图像,上述观察图像为预定角度下的表面图像或者剖面图像;根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;在上述三维模型的上述剔除区以外的区域选取标记点。该选取方法通过标记出剔除区,即清晰度低的区域,使得选取的标记点处于清晰度较高的区域,从而提高了骨盆配准精度,解决了现有技术中骨盆配准精度低的问题。
Description
技术领域
本申请涉及骨科翻修技术领域,具体而言,涉及一种骨盆配准中标记点的选取方法、选取装置、计算机可读存储介质和处理器。
背景技术
虽然现在人工关节置换术已经非常成熟,但由于假体松动(有菌性/无菌性),假体周围骨折、假体脱位等等诸多原因,在实施初次关节置换术后的患者中仍有较大一部分需要进行翻修手术。
由于翻修手术的原因繁多,且病情复杂,执行关节翻修手术需要极高的手术技术以及丰富的手术经验。即使这样,翻修手术的满意率仍比较低。缺损部位的合理填充是关节翻修手术中的重要步骤。随着3D打印技术的发展,各种形状的补块开始发挥重要作用,病人个性化假体也开始出现,翻修手术也取得了一定进展。但是,有一个翻修手术中始终没有解决的问题是如何将补块或假体精准地安放。即使是个性化定制地假体,仍然会有很大概率出现放不进去,放错位置的问题。
在进行骨科翻修手术操作中,一个重要步骤是将骨骼的数字三维模型与实际骨骼匹配到一起,即通过定位设备获得实际骨骼的位姿,并建立一系列变换,使其数字三维模型的位姿可以通过这些变换用实际骨骼的位姿表达,这个过程称为配准,实际效果相当于将数字三维模型与实际骨骼对齐。配准对手术的精度有较大影响。
常规的配准流程包括:低精度配准、高精度配准和配准确认。低精度配准也称为点配准,一般通过选取数字三维模型和实际骨骼上相匹配的骨性标记点来实现。高精度配准也称为面配准,实际是由定位系统连续的、采集多个实际骨骼表面点的位置,并自动的计算与其匹配的数字三维模型上点的位置,通过微调数字三维模型与实际骨骼的对齐。常规的配准流程中,对实际骨骼表面点的准确采集尤为重要。
髋关节翻修手术中骨盆配准的难点在于,此时骨盆的数字三维模型和实际骨骼可能存在差异,需要确定准确的骨性标记点和骨骼表面点来保证配准流程的顺利实施。
在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解,因此,背景技术中可能包含某些信息,这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。
发明内容
本申请的主要目的在于提供一种骨盆配准中标记点的选取方法、选取装置、计算机可读存储介质和处理器,以解决现有技术中骨盆配准精度低的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种骨盆配准中标记点的选取方法,包括:获取骨盆的三维模型的观察图像,所述观察图像为预定角度下的表面图像或者剖面图像;根据所述观察图像确定剔除区,所述剔除区为清晰度低于预定清晰度的区域;在所述三维模型的所述剔除区以外的区域选取标记点。
可选地,在获取所述三维模型的观察图像之前,所述方法还包括:获取所述骨盆的断层扫描图像;根据所述断层扫描图像构建所述三维模型。
可选地,所述骨盆包括髋臼,获取骨盆的三维模型的观察图像,包括:将所述三维模型的视角调整至髋臼缘平面的法向视角,所述髋臼缘平面为所述髋臼的杯口外边缘所处的平面;获取所述法向视角下所述三维模型的表面图像,得到所述观察图像。
可选地,所述骨盆包括髋臼,获取骨盆的三维模型的观察图像,包括:将所述三维模型的视角调整至剖切视角,所述剖切视角平行于人体冠状面的视角;获取所述剖切视角下所述三维模型的剖面图像,得到所述观察图像,所述观察图像经过髋臼中心。
可选地,根据所述观察图像确定剔除区,包括:将所述观察图像划分区域,得到多个区域;根据各所述区域的清晰度确定所述剔除区。
可选地,将所述观察图像划分区域,得到多个区域,包括:在所述观察图像上画多个同心圆和多个等分线,得到多个区域,所述等分线用于将所述同心圆多等分。
可选地,将所述观察图像划分区域,得到多个区域,还包括:在所述观察图像上画至少一个圆弧,得到多个区域。
根据本申请的另一方面,提供了一种骨盆配准中标记点的选取装置,所述装置包括:第一获取单元,用于获取骨盆的三维模型的观察图像,所述观察图像为预定角度下的表面图像或者剖面图像;确定单元,用于根据所述观察图像确定剔除区,所述剔除区为清晰度低于预定清晰度的区域;处理单元,用于在所述三维模型的所述剔除区以外的区域选取标记点。
根据本申请的再一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,所述程序执行任意一种所述的方法。
根据本申请的又一方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任意一种所述的方法。
应用本申请的技术方案,上述骨盆配准中标记点的选取方法中,首先,获取三维模型的观察图像,上述三维模型为上述骨盆的三维模型,上述观察图像为预定角度下的表面图像或者剖面图像;然后,根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;最后,处理单元用于在上述三维模型的剔除区以外的区域选取标记点。该选取方法通过标记出剔除区,即清晰度低的区域,使得选取的标记点处于清晰度较高的区域,从而提高了骨盆配准精度,解决了现有技术中骨盆配准精度低的问题。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了根据本申请的一种实施例的骨盆配准中标记点的选取方法的流程图;
图2示出了根据本申请的一种实施例的观察图像的示意图;
图3示出了根据本申请的另一种实施例的观察图像的示意图;
图4示出了根据本申请的一种实施例的骨盆配准中标记点的选取装置的示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
应该理解的是,当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时,该元件可直接在该另一元件上,或者也可存在中间元件。而且,在说明书以及权利要求书中,当描述有元件“连接”至另一元件时,该元件可“直接连接”至该另一元件,或者通过第三元件“连接”至该另一元件。
正如背景技术中所说的,现有技术中骨盆配准精度低,为了解决上述问题,本申请的一种典型的实施方式中,提供了一种骨盆配准中标记点的选取方法、选取装置、计算机可读存储介质和处理器。
根据本申请的实施例,提供了一种骨盆配准中标记点的选取方法。
图1是根据本申请实施例的骨盆配准中标记点的选取方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,获取骨盆的三维模型的观察图像,上述观察图像为预定角度下的表面图像或者剖面图像;
步骤S102,根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;
步骤S103,在上述三维模型的上述剔除区以外的区域选取标记点。
上述骨盆配准中标记点的选取方法中,首先,获取三维模型的观察图像,上述三维模型为上述骨盆的三维模型,上述观察图像为预定角度下的表面图像或者剖面图像;然后,根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;最后,处理单元用于在上述三维模型的剔除区以外的区域选取标记点。该选取方法通过标记出剔除区,即清晰度低的区域,使得选取的标记点处于清晰度较高的区域,从而提高了骨盆配准精度,解决了现有技术中骨盆配准精度低的问题。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请的一种实施例中,在获取上述三维模型的观察图像之前,上述方法还包括:获取上述骨盆的断层扫描图像;根据上述断层扫描图像构建上述三维模型。具体地,获取骨盆的CT断层扫描医学影像并得到二维医学影像DICOM数据,将二维医学影像DICOM数据导入医学影像处理软件中,医学影像处理软件将DICOM数据构建为数字三维模型。
在实际的骨盆配准选取标志点的过程中,骨盆分为两种,一种骨盆的髋关节存在已植入假体,假体产生的金属伪影会对构建数字三维模型产生一定的影响,导致构建的数字三维模型会与实际骨骼产生较大偏差,因此,将伪影影响区域构建的数字三维模型区域直接确定为剔除区,另一种骨盆的髋关节不存在已植入假体,根据取出假体后的二维医学影像实际状况评价数字三维模型的质量,例如,三维模型表面的不连续、不光顺的区域确定为剔除区。
本申请的一种实施例中,上述骨盆包括髋臼,获取骨盆的三维模型的观察图像,包括:将上述三维模型的视角调整至髋臼缘平面的法向视角,上述髋臼缘平面为上述髋臼的杯口外边缘所处的平面;获取上述法向视角下上述三维模型的表面图像,得到上述观察图像,如图2所示。具体地,将上述三维模型的视角调整至髋臼缘平面的法向视角,便于观察髋臼杯的表面结构,获取髋臼杯表面的观察图像。
本申请的一种实施例中,上述骨盆包括髋臼,获取骨盆的三维模型的观察图像,包括:将上述三维模型的视角调整至剖切视角,上述剖切视角平行于人体冠状面的视角;获取上述剖切视角下上述三维模型的剖面图像,得到上述观察图像,如图2所示,上述观察图像经过髋臼中心。具体地,将上述三维模型的视角调整至剖切视角,便于观察髋臼杯的内部结构,获取髋臼杯剖切面的观察图像。
需要说明的是,上述三维模型的视角调整操作可以在医学影像处理软件中直接进行;也可以在医学影像处理软件中将三维数据保存为STL等类型的文件,再导入其他可读取此类文件的三维工程软件中进行操作及观察。
本申请的一种实施例中,根据上述观察图像确定剔除区,包括:将上述观察图像划分区域,得到多个区域;根据各上述区域的清晰度确定上述剔除区。具体地,本领域技术人员可以根据实际情况划分区域,保证清晰度差的区域集中在一个或者多个划分的区域中。
本申请的一种具体的实施例中,如图2所示,将上述观察图像划分区域,得到多个区域,包括:在上述观察图像上画多个同心圆和多个等分线,得到多个区域,上述等分线用于将上述同心圆多等分。具体地,髋臼杯的表面结构较为复杂,采用上述方法划分多个区域,同心圆的半径可以根据实际情况进行调节且等分线的数量可以选择,保证清晰度差的区域集中在一个或者多个划分的区域中,并对区域进行标号,便于区分出剔除区,例如,区域2确定为剔除区。
本申请的一种实施例中,如图3所示,将上述观察图像划分区域,得到多个区域,还包括:在上述观察图像上画至少一个圆弧,得到多个区域。具体地,髋臼杯的表面结构较为简单,采用上述方法划分两个或者三个区域,即可保证清晰度差的区域集中在一个或者多个划分的区域中,并对区域进行标号,便于区分出剔除区,例如,区域A确定为剔除区。
本申请的一种实施例中,上述方法还包括:记录上述剔除区形成数据库。具体地,将标记剔除区的骨盆的三维模型记录在数据库,以便于后续采用大数据分析直接确定待配准骨盆的三维模型的剔除区,代替观察确定剔除区,减小工作量。
本申请实施例还提供了一种骨盆配准中标记点的选取装置,需要说明的是,本申请实施例的骨盆配准中标记点的选取装置可以用于执行本申请实施例所提供的用于骨盆配准中标记点的选取方法。以下对本申请实施例提供的骨盆配准中标记点的选取装置进行介绍。
图4是根据本申请实施例的骨盆配准中标记点的选取装置的示意图。如图4所示,该装置包括:
第一获取单元10,用于获取骨盆的三维模型的观察图像,上述观察图像为预定角度下的表面图像或者剖面图像;
确定单元20,用于根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;
处理单元30,用于在上述三维模型的上述剔除区以外的区域选取标记点。
上述骨盆配准中标记点的选取装置中,获取单元用于获取三维模型的观察图像,上述三维模型为上述骨盆的三维模型,上述观察图像为预定角度下的表面图像或者剖面图像;确定单元用于根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;处理单元用于在上述三维模型的剔除区以外的区域选取标记点。该选取装置通过标记出剔除区,即清晰度低的区域,使得选取的标记点处于清晰度较高的区域,从而提高了骨盆配准精度,解决了现有技术中骨盆配准精度低的问题。
本申请的一种实施例中,上述装置还包括第二获取单元和构建单元,其中,上述第二获取单元用于在获取上述三维模型的观察图像之前,获取上述骨盆的断层扫描图像;上述构建单元用于根据上述断层扫描图像构建上述三维模型。具体地,获取骨盆的CT断层扫描医学影像并得到二维医学影像DICOM数据,将二维医学影像DICOM数据导入医学影像处理软件中,医学影像处理软件将DICOM数据构建为数字三维模型。
在实际的骨盆配准选取标志点的过程中,骨盆分为两种,一种骨盆的髋关节存在已植入假体,假体产生的金属伪影会对构建数字三维模型产生一定的影响,导致构建的数字三维模型会与实际骨骼产生较大偏差,因此,将伪影影响区域构建的数字三维模型区域直接确定为剔除区,另一种骨盆的髋关节不存在已植入假体,根据取出假体后的二维医学影像实际状况评价数字三维模型的质量,例如,三维模型表面的不连续、不光顺的区域确定为剔除区。
本申请的一种实施例中,上述骨盆包括髋臼,上述第一获取单元包括第一调整模块和第一获取模块,其中,上述第一调整模块用于将上述三维模型的视角调整至髋臼缘平面的法向视角,上述髋臼缘平面为上述髋臼的杯口外边缘所处的平面;上述第一获取模块用于获取上述法向视角下上述三维模型的表面图像,得到上述观察图像,如图2所示。具体地,将上述三维模型的视角调整至髋臼缘平面的法向视角,便于观察髋臼杯的表面结构,获取髋臼杯表面的观察图像。
本申请的一种实施例中,上述骨盆包括髋臼,上述第一获取单元包括第二调整模块和第二获取模块,其中,上述第二调整模块用于将上述三维模型的视角调整至剖切视角,上述剖切视角平行于人体冠状面的视角;上述第二获取模块用于获取上述剖切视角下上述三维模型的剖面图像,得到上述观察图像,如图2所示,上述观察图像经过髋臼中心。具体地,将上述三维模型的视角调整至剖切视角,便于观察髋臼杯的内部结构,获取髋臼杯剖切面的观察图像。
需要说明的是,上述三维模型的视角调整操作可以在医学影像处理软件中直接进行;也可以在医学影像处理软件中将三维数据保存为STL等类型的文件,再导入其他可读取此类文件的三维工程软件中进行操作及观察。
本申请的一种实施例中,上述确定单元包括处理模块和确定模块,其中,上述处理模块用于将上述观察图像划分区域,得到多个区域;上述确定模块用于根据各上述区域的清晰度确定上述剔除区。具体地,本领域技术人员可以根据实际情况划分区域,保证清晰度差的区域集中在一个或者多个划分的区域中。
本申请的一种具体的实施例中,如图2所示,上述处理模块包括第一处理子模块,上述第一处理子模块用于在上述观察图像上画多个同心圆和多个等分线,得到多个区域,上述等分线用于将上述同心圆多等分。具体地,髋臼杯的表面结构较为复杂,采用上述方法划分多个区域,同心圆的半径可以根据实际情况进行调节且等分线的数量可以选择,保证清晰度差的区域集中在一个或者多个划分的区域中,并对区域进行标号,便于区分出剔除区,例如,区域2确定为剔除区。
本申请的一种实施例中,如图3所示,上述处理模块包括第二处理子模块,还包括上述第二处理子模块用于在上述观察图像上画至少一个圆弧,得到多个区域。具体地,髋臼杯的表面结构较为简单,采用上述方法划分两个或者三个区域,即可保证清晰度差的区域集中在一个或者多个划分的区域中,并对区域进行标号,便于区分出剔除区,例如,区域A确定为剔除区。
本申请的一种实施例中,上述装置还包括记录单元,上述记录单元用于记录上述剔除区形成数据库。具体地,将标记剔除区的骨盆的三维模型记录在数据库,以便于后续采用大数据分析直接确定待配准骨盆的三维模型的剔除区,代替观察确定剔除区,减小工作量。
上述骨盆配准中标记点的选取装置包括处理器和存储器,上述第一获取单元、确定单元和处理单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决现有技术中骨盆配准精度低的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现上述方法。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现至少以下步骤:
步骤S101,获取骨盆的三维模型的观察图像,上述观察图像为预定角度下的表面图像或者剖面图像;
步骤S102,根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;
步骤S103,在上述三维模型的上述剔除区以外的区域选取标记点。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有至少如下方法步骤的程序:
步骤S101,获取骨盆的三维模型的观察图像,上述观察图像为预定角度下的表面图像或者剖面图像;
步骤S102,根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;
步骤S103,在上述三维模型的上述剔除区以外的区域选取标记点。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
1)、本申请的骨盆配准中标记点的选取方法中,首先,获取三维模型的观察图像,上述三维模型为上述骨盆的三维模型,上述观察图像为预定角度下的表面图像或者剖面图像;然后,根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;最后,处理单元用于在上述三维模型的剔除区以外的区域选取标记点。该选取方法通过标记出剔除区,即清晰度低的区域,使得选取的标记点处于清晰度较高的区域,从而提高了骨盆配准精度,解决了现有技术中骨盆配准精度低的问题。
2)、本申请的骨盆配准中标记点的选取装置中,获取单元用于获取三维模型的观察图像,上述三维模型为上述骨盆的三维模型,上述观察图像为预定角度下的表面图像或者剖面图像;确定单元用于根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;处理单元用于在上述三维模型的剔除区以外的区域选取标记点。该选取装置通过标记出剔除区,即清晰度低的区域,使得选取的标记点处于清晰度较高的区域,从而提高了骨盆配准精度,解决了现有技术中骨盆配准精度低的问题。
3)、本申请的骨盆配准系统中,包括骨盆配准的标记点的选取装置,获取单元用于获取三维模型的观察图像,上述三维模型为上述骨盆的三维模型,上述观察图像为预定角度下的表面图像或者剖面图像;确定单元用于根据上述观察图像确定剔除区,上述剔除区为清晰度低于预定清晰度的区域;处理单元用于在上述三维模型的剔除区以外的区域选取标记点。该骨盆配准系统通过标记出剔除区,即清晰度低的区域,使得选取的标记点处于清晰度较高的区域,从而提高了骨盆配准精度,解决了现有技术中骨盆配准精度低的问题。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种骨盆配准中标记点的选取方法,其特征在于,包括:
获取骨盆的三维模型的观察图像,所述观察图像为预定角度下的表面图像或者剖面图像;
根据所述观察图像确定剔除区,所述剔除区为清晰度低于预定清晰度的区域;
在所述三维模型的所述剔除区以外的区域选取标记点。
2.根据权利要求1所述的方法,其特征在于,在获取所述三维模型的观察图像之前,所述方法还包括:
获取所述骨盆的断层扫描图像;
根据所述断层扫描图像构建所述三维模型。
3.根据权利要求1所述的方法,其特征在于,所述骨盆包括髋臼,获取骨盆的三维模型的观察图像,包括:
将所述三维模型的视角调整至髋臼缘平面的法向视角,所述髋臼缘平面为所述髋臼的杯口外边缘所处的平面;
获取所述法向视角下所述三维模型的表面图像,得到所述观察图像。
4.根据权利要求1所述的方法,其特征在于,所述骨盆包括髋臼,获取骨盆的三维模型的观察图像,包括:
将所述三维模型的视角调整至剖切视角,所述剖切视角平行于人体冠状面的视角;
获取所述剖切视角下所述三维模型的剖面图像,得到所述观察图像,所述观察图像经过髋臼中心。
5.根据权利要求1所述的方法,其特征在于,根据所述观察图像确定剔除区,包括:
将所述观察图像划分区域,得到多个区域;
根据各所述区域的清晰度确定所述剔除区。
6.根据权利要求5所述的方法,其特征在于,将所述观察图像划分区域,得到多个区域,包括:
在所述观察图像上画多个同心圆和多个等分线,得到多个区域,所述等分线用于将所述同心圆多等分。
7.根据权利要求5所述的方法,其特征在于,将所述观察图像划分区域,得到多个区域,还包括:
在所述观察图像上画至少一个圆弧,得到多个区域。
8.一种骨盆配准中标记点的选取装置,其特征在于,所述装置包括:
第一获取单元,用于获取骨盆的三维模型的观察图像,所述观察图像为预定角度下的表面图像或者剖面图像;
确定单元,用于根据所述观察图像确定剔除区,所述剔除区为清晰度低于预定清晰度的区域;
处理单元,用于在所述三维模型的所述剔除区以外的区域选取标记点。
9.一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包括存储的程序,其中,所述程序执行权利要求1至7中任意一项所述的方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110492338.3A CN113066110A (zh) | 2021-05-06 | 2021-05-06 | 骨盆配准中标记点的选取方法和选取装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110492338.3A CN113066110A (zh) | 2021-05-06 | 2021-05-06 | 骨盆配准中标记点的选取方法和选取装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113066110A true CN113066110A (zh) | 2021-07-02 |
Family
ID=76568246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110492338.3A Pending CN113066110A (zh) | 2021-05-06 | 2021-05-06 | 骨盆配准中标记点的选取方法和选取装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113066110A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116439833A (zh) * | 2023-06-13 | 2023-07-18 | 北京壹点灵动科技有限公司 | 骨盆配准处理方法、装置、存储介质及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106170705A (zh) * | 2013-12-09 | 2016-11-30 | 穆罕默德·R·马赫福兹 | 骨骼重建和骨外科植入物 |
CN106447764A (zh) * | 2016-09-08 | 2017-02-22 | 福州大学 | 一种三维可视化的人体骨盆参数自动测量方法 |
CN107106071A (zh) * | 2014-07-10 | 2017-08-29 | 穆罕默德·R·马赫福兹 | 骨骼重建和骨外科植入物 |
CN108537773A (zh) * | 2018-02-11 | 2018-09-14 | 中国科学院苏州生物医学工程技术研究所 | 针对胰腺癌与胰腺炎性疾病进行智能辅助鉴别的方法 |
CN109727236A (zh) * | 2018-12-27 | 2019-05-07 | 北京爱康宜诚医疗器材有限公司 | 髋臼骨缺损的评估方法及装置、存储介质以及处理器 |
CN109890281A (zh) * | 2016-08-30 | 2019-06-14 | 马科外科公司 | 用于术中骨盆配准的系统和方法 |
CN111462071A (zh) * | 2020-03-30 | 2020-07-28 | 浙江核新同花顺网络信息股份有限公司 | 一种图像处理方法和系统 |
CN111476832A (zh) * | 2020-03-23 | 2020-07-31 | 杭州柳叶刀机器人有限公司 | 一种髋臼杯配准方法 |
US20200405395A1 (en) * | 2017-07-03 | 2020-12-31 | Spine Align, Llc | Intraoperative alignment assessment system and method |
-
2021
- 2021-05-06 CN CN202110492338.3A patent/CN113066110A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106170705A (zh) * | 2013-12-09 | 2016-11-30 | 穆罕默德·R·马赫福兹 | 骨骼重建和骨外科植入物 |
CN107106071A (zh) * | 2014-07-10 | 2017-08-29 | 穆罕默德·R·马赫福兹 | 骨骼重建和骨外科植入物 |
CN109890281A (zh) * | 2016-08-30 | 2019-06-14 | 马科外科公司 | 用于术中骨盆配准的系统和方法 |
CN106447764A (zh) * | 2016-09-08 | 2017-02-22 | 福州大学 | 一种三维可视化的人体骨盆参数自动测量方法 |
US20200405395A1 (en) * | 2017-07-03 | 2020-12-31 | Spine Align, Llc | Intraoperative alignment assessment system and method |
CN108537773A (zh) * | 2018-02-11 | 2018-09-14 | 中国科学院苏州生物医学工程技术研究所 | 针对胰腺癌与胰腺炎性疾病进行智能辅助鉴别的方法 |
CN109727236A (zh) * | 2018-12-27 | 2019-05-07 | 北京爱康宜诚医疗器材有限公司 | 髋臼骨缺损的评估方法及装置、存储介质以及处理器 |
CN111476832A (zh) * | 2020-03-23 | 2020-07-31 | 杭州柳叶刀机器人有限公司 | 一种髋臼杯配准方法 |
CN111462071A (zh) * | 2020-03-30 | 2020-07-28 | 浙江核新同花顺网络信息股份有限公司 | 一种图像处理方法和系统 |
Non-Patent Citations (3)
Title |
---|
丁明跃: "《物联网识别技术》", 31 July 2012, 中国铁道出版社, pages: 110 - 115 * |
朱晨雨;王敬东;吴蔚;黄文娟;: "云雾条件下视频稳像的预处理", 机械制造与自动化, no. 04, 20 August 2016 (2016-08-20), pages 177 - 180 * |
黄涛;方梦瑞;夏华鵾;左亮亮;吕军;: "基于清晰度的茶叶嫩芽聚类分割方法", 湖北农业科学, no. 08, 25 April 2020 (2020-04-25), pages 154 - 157 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116439833A (zh) * | 2023-06-13 | 2023-07-18 | 北京壹点灵动科技有限公司 | 骨盆配准处理方法、装置、存储介质及电子设备 |
CN116439833B (zh) * | 2023-06-13 | 2023-09-12 | 北京壹点灵动科技有限公司 | 骨盆配准处理方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110353806B (zh) | 用于微创全膝关节置换手术的增强现实导航方法及系统 | |
WO2022183719A1 (zh) | 基于深度学习的全髋关节置换翻修术前规划方法和设备 | |
Gauci et al. | Patient-specific glenoid guides provide accuracy and reproducibility in total shoulder arthroplasty | |
CN110956635B (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
US8971606B2 (en) | Method for automatically identifying the contours of a predefined bone, derived methods and corresponding computer program products | |
EP2744454B1 (en) | Instrument for orienting an acetabular cup | |
CN114419618B (zh) | 基于深度学习的全髋关节置换术前规划系统 | |
CN113066109B (zh) | 骨盆配准方法、骨盆配准装置和骨盆配准系统 | |
CN114259330B (zh) | 髋臼杯假体的角度的测量方法、装置和测量系统 | |
EP3294237B1 (en) | Method and system for making orthosis | |
JP7498163B2 (ja) | 医療技術機器及び方法 | |
CN113077499B (zh) | 骨盆配准方法、骨盆配准装置和骨盆配准系统 | |
US10004564B1 (en) | Accurate radiographic calibration using multiple images | |
CN113077498B (zh) | 骨盆配准方法、骨盆配准装置和骨盆配准系统 | |
CN115844531A (zh) | 髋关节置换手术导航系统 | |
US10149724B2 (en) | Accurate radiographic calibration using multiple images | |
CN113066110A (zh) | 骨盆配准中标记点的选取方法和选取装置 | |
CN113729943A (zh) | 虚拟骨面的处理方法、装置及翻修手术机器人 | |
CN112472292B (zh) | 一种用于骨科手术分析模型的构建方法及系统 | |
CN113274130A (zh) | 用于光学手术导航系统的无标记手术注册方法 | |
CN115252233B (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 | |
CN112515764A (zh) | 颅内肿瘤三维打印方法、三维打印装置及可读存储介质 | |
US20200402639A1 (en) | Systems and methods for planning and performing a computer assisted procedure | |
CN114983566B (zh) | 假体翻修的配准方法及装置、存储介质和处理器 | |
CN114612536B (zh) | 对象三维模型的识别方法、装置、设备及可读存储介质 |
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 |