CN113298784B - 基于视角的骨折线提取映射方法 - Google Patents

基于视角的骨折线提取映射方法 Download PDF

Info

Publication number
CN113298784B
CN113298784B CN202110569071.3A CN202110569071A CN113298784B CN 113298784 B CN113298784 B CN 113298784B CN 202110569071 A CN202110569071 A CN 202110569071A CN 113298784 B CN113298784 B CN 113298784B
Authority
CN
China
Prior art keywords
fracture
vertex
gap
mapping
bone
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
Application number
CN202110569071.3A
Other languages
English (en)
Other versions
CN113298784A (zh
Inventor
廖胜辉
彭椿淋
熊超
韩付昌
邬任重
彭心雨
苑思明
唐一民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202110569071.3A priority Critical patent/CN113298784B/zh
Publication of CN113298784A publication Critical patent/CN113298784A/zh
Application granted granted Critical
Publication of CN113298784B publication Critical patent/CN113298784B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T2207/10081—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

Abstract

本发明公开了一种基于视角的骨折线提取映射方法，包括获取复位后的骨折碎片作为输入并获取同种骨头类型的标准骨模板；确认视角位置和朝向，渲染骨折碎片得到深度缓冲和模板缓冲；确定骨折碎片的渲染区域及边界并标记骨折碎片的缝隙区域；细化处理缝隙标记得到缝隙线并平滑；将骨折碎片和缝隙线与标准骨模板配准得到初步复位的骨折线；将初步复位的骨折线与标准骨模板进行映射和变换得到最终的骨折线。本发明提供的这种基于视角的骨折线提取映射方法，通过创新性的骨折线提取映射方法，能够得到贴合骨模板表面的骨折线，效果较好，而且本发明方法准确率高、效率较高、精确度好且鲁棒性高。

Description

基于视角的骨折线提取映射方法
技术领域
本发明属于图像处理领域，具体涉及一种基于视角的骨折线提取映射方法。
背景技术
骨折线是骨折以后，骨折的两个断端中间形成的间隙；在医疗领域，研究人员往往需要从不同形态的骨折模型上提取骨折线，然后在建模软件中将这些骨折线叠加在事先准备好的标准骨模板上。
目前，国内网的骨折线提取和映射的应用过程基本处在手工阶段，即利用建模和绘图软件等计算机辅助技术，进行图形图像处理。尽管三维骨折线的信息更加立体和全面，但由于映射技术上的限制，除少数尝试还原三维骨折线的对比研究内容外，大多数研究仍然停留在基于单视角的二维骨折线的叠加图像上。
骨折线与地理信息科学等领域中的断裂线或缝隙线有部分相似，因此也有人将该部分的提取映射方法应用于骨折线的提取映射。Thiele等人采用了特定的成本函数和最小花费路径算法在结构化特征上快速插值以实现缝隙线提取，Masoud和Koike在过去一些年提出了若干线状特征的方法，并开发了一种名为LINDA的数字高程分析软件将这些方法整合起来，尤其适合繁多的短线段检测。但这些方法都是基于特定的地理特征来进行缝隙线检测的方法，不能直接应用在复杂骨折碎片上。
同时，现有的人工进行骨折线提取和映射的方式，不仅费时费力，而且准确性不高。
发明内容
本发明的目的在于提供一种准确率高、效率较高且精确度好的基于视角的骨折线提取映射方法。
本发明提供的这种基于视角的骨折线提取映射方法，包括如下步骤：
S1.获取复位后的骨折碎片作为输入，获取同种骨头类型的标准骨模板，并人工设定模型的缝隙宽度；
S2.确认视角位置和朝向，对步骤S1获取的骨折碎片进行渲染，从而得到深度缓冲和模板缓冲；
S3.根据步骤S2得到的模板缓冲确定骨折碎片的渲染区域及边界，并对骨折碎片的缝隙区域进行标记；
S4.对步骤S3得到的缝隙标记进行细化处理，得到缝隙线并进行平滑；
S5.将步骤S1获取的骨折碎片和步骤S4获取的缝隙线与步骤S1得到的标准骨模板进行配准，从而得到初步复位的骨折线；
S6.将步骤S5得到的初步复位的骨折线与步骤S1得到的标准骨模板分别进行映射和变换，从而得到最终的骨折线。
步骤S1所述的获取复位后的骨折碎片作为输入，并获取同种骨头类型的标准骨模板，具体为获取两块复位后的骨折碎片作为输入；通过CT获取正常骨头的体数据，然后通过三维网格重建得到三维表面模型；同时对标准骨模板模型进行网格处理，从而保证标准骨模板模型具有单连通、光滑、均匀和无孔的特性。
步骤S2所述的确认视角位置和朝向，对步骤S1获取的骨折碎片进行渲染，从而得到深度缓冲和模板缓冲，具体为通过人为观察，并结合旋转和平移操作确认视角位置和朝向；然后，根据确认的视角和朝向，渲染骨折碎片，并通过离屏渲染技术获得对应的深度缓冲和模板缓冲。
所述的根据确认的视角和朝向，渲染骨折碎片，并通过离屏渲染技术获得对应的深度缓冲和模板缓冲，具体为对骨折碎片A、骨折碎片B和复位后的完整骨折碎片C分别进行渲染，从而得到深度缓冲和模板缓冲；然后利用复位后的完整骨折碎片C渲染后的深度缓冲作为基准，并在骨折碎片A和骨折碎片B的采样点中，进行如下操作：
若采样点的像素深度值减去完整骨折碎片C的像素深度后，对应的余值大于设定值，则剔除该采样点；
否则，则保留该采样点。
所述的设定值，取值为缝隙宽度gapWigth。
步骤S3所述的根据步骤S2得到的模板缓冲确定骨折碎片的渲染区域及边界，并对骨折碎片的缝隙区域进行标记，具体为采用如下步骤进行标记：
A.将获取的尺寸较小的骨折碎片标记为P，尺寸较大的骨折碎片标记为Q；
B.空隙规则标记：在复位后的完整骨折碎片C中未被渲染的像素的领域内进行搜索，当领域同时包含骨折碎片P和骨折碎片Q的渲染像素时，确定该像素为空隙，并标记为缝隙；
C.边界规则标记：搜索骨折碎片P的渲染像素X，将骨折碎片Q中距离骨折碎片P的渲染像素X的距离小于设定值d的像素标记为缝隙，同时将骨折碎片P的渲染像素X中对应的像素标记为缝隙；
D.重叠规则标记：步骤C中，若在骨折碎片P的渲染像素X中，存在同时为骨折碎片Q的渲染像素的像素，则将该像素标记为缝隙。
步骤S4所述的对步骤S3得到的缝隙标记进行细化处理，得到缝隙线并进行平滑，具体为采用图像细化算法对缝隙进行细化，然后对细化后的缝隙线的顶点进行加权平均，从而得到缝隙线的三维坐标。
所述的对细化后的缝隙线的顶点进行加权平均，具体为将缝隙线上每个顶点邻域球内标记为缝隙的顶点三维坐标累加后，再取平均值。
步骤S5所述的将步骤S1获取的骨折碎片和步骤S4获取的缝隙线与步骤S1得到的标准骨模板进行配准，从而得到初步复位的骨折线，具体为采用主成分分析法对骨折碎片与标准骨模板进行粗配准，然后采用最近点迭代算法完成骨折碎片外表面的细配准工作，从而得到初步复位的骨折线。
步骤S6所述的将步骤S5得到的初步复位的骨折线与步骤S1得到的标准骨模板分别进行映射和变换，从而得到最终的骨折线，具体为采用如下步骤得到最终的骨折线：
a.采用离散指数映射方法将步骤S5得到的初步复位的骨折线的采样点映射到参数空间中；
b.对标准骨模板的相同区域，同样采用离散指数映射方法映射到另一个参数空间；
c.将骨折线的中心点作为中介顶点，在标准骨模板上找到中介顶点的最近点，将步骤a得到的参数空间和步骤b得到的参数空间，通过中介顶点及对应的最近点进行参数空间变换，从而得到统一的参数空间；
d.在步骤c得到的统一的参数空间中，遍历骨折线各顶点的参数坐标，反求得到标准骨模板的对应顶点坐标，最后依照原骨折线的拓扑连接关系连接标准骨模板上对应顶点，从而得到最终的骨折线。
所述的离散指数映射方法，具体包括如下步骤：
(1)对网格模型M选取一个基准顶点Vi,以Dijkstra算法广度遍历，记录每个顶点到基准顶点Vi的最短路径；
(2)对每一个顶点建立局部坐标系，坐标架设为(e1,e2,n)，其中n为顶点共享的多个三角面片的法线的加权平均向量，e1为顶点的切向量，切向量需与n相垂直，在实践中，可以取与n垂直的任一向量即可，e2由e1和n的向量积计算得到；
(3)离散映射：设顶点r和p为相邻顶点，顶点r对于顶点p的离散映射，定义为顶点r在顶点p的局部坐标系下直接映射成为Upr，映射的过程为：将顶点r的局部坐标系旋转到顶点p的局部坐标系平面，达到两坐标系在同一平面，法线方向平行，然后忽略法线n，只使用剩余的e1、e2形成2D平面坐标系，旋转顶点r的2D平面坐标系与顶点p的2D平面坐标重合，记录此次旋转的角度为Upr；同理，计算顶点q到顶点r的离散映射Urq；计算顶点q到顶点p的离散映射Upq为
Figure BDA0003081908590000051
其中，Rot2D(θpr)是以2D向量Urq为轴旋转角度θpr，从而得到新的顶点q在顶点p所在2D平面内的离散映射Upq；重复上述步骤，不断叠加，从而完成最终的离散指数映射。
本发明提供的这种基于视角的骨折线提取映射方法，通过创新性的骨折线提取映射方法，能够得到贴合骨模板表面的骨折线，效果较好，而且本发明方法准确率高、效率较高、精确度好且鲁棒性高。
附图说明
图1为本发明的方法流程示意图。
图2为本发明中缝隙标记法的流程示意图。
图3为本发明中骨折线参数映射的示意图。
图4为本发明中股骨骨折碎片的骨折线提取与映射结果示意图。
图5为本发明中肱骨骨折碎片的骨折线提取与映射结果示意图。
具体实施方式
如图1所示为本发明的方法流程示意图：本发明提供的这种基于视角的骨折线提取映射方法，包括如下步骤：
S1.获取复位后的骨折碎片作为输入，并获取同种骨头类型的标准骨模板；具体为获取两块复位后的骨折碎片作为输入；通过CT获取正常骨头的体数据，然后通过三维网格重建得到三维表面模型；同时对标准骨模板模型进行网格处理(包括网格修复、平滑、细分和简化操作等)，从而保证标准骨模板模型具有单连通、光滑、均匀和无孔的特性；
具体实施时，优选为股骨和肱骨；因为股骨和肱骨数据容易获取和处理，并且形态相似、内部结构足够复杂；同时，假定存在两块断裂的骨折碎片，需要对骨折碎片进行复位(可人工复位或自动复位)，得到复位后的骨折碎片A和B；
S2.确认视角位置和朝向，对步骤S1获取的骨折碎片进行渲染，从而得到深度缓冲和模板缓冲；具体为通过人为观察，并结合旋转和平移操作确认视角位置和朝向；然后，根据确认的视角和朝向，渲染骨折碎片，并通过离屏渲染技术获得对应的深度缓冲和模板缓冲；
具体实施时，具体为对骨折碎片A、骨折碎片B和复位后的完整骨折碎片C分别进行渲染，从而得到深度缓冲和模板缓冲；然后利用复位后的完整骨折碎片C渲染后的深度缓冲作为基准，并在骨折碎片A和骨折碎片B的采样点中，进行如下操作：
若采样点的像素深度值减去完整骨折碎片C的像素深度后，对应的余值大于设定值(具体实施时，设定值可以取值为缝隙宽度gapWigth；)，则剔除该采样点；
否则，则保留该采样点；
S3.根据步骤S2得到的模板缓冲确定骨折碎片的渲染区域及边界，并对骨折碎片的缝隙区域进行标记(如图2所示)；具体为采用如下步骤进行标记：
A.将获取的尺寸较小的骨折碎片标记为P，尺寸较大的骨折碎片标记为Q；
B.空隙规则标记：在复位后的完整骨折碎片C中未被渲染的像素(模板缓冲为0的像素)的领域(欧式距离小于设定值)内进行搜索，当领域同时包含骨折碎片P和骨折碎片Q的渲染像素(模板缓冲为1的像素)时，确定该像素为空隙，并标记为缝隙；
C.边界规则标记：搜索骨折碎片P的渲染像素X，将骨折碎片Q中距离骨折碎片P的渲染像素X的距离小于设定值d的像素标记为缝隙，同时将骨折碎片P的渲染像素X中对应的像素标记为缝隙；
D.重叠规则标记：步骤C中，若在骨折碎片P的渲染像素X中，存在同时为骨折碎片Q的渲染像素的像素，则将该像素标记为缝隙；
S4.对步骤S3得到的缝隙标记进行细化处理，得到缝隙线并进行平滑；具体为采用图像细化算法对缝隙进行细化，然后对细化后的缝隙线的顶点进行加权平均，从而得到缝隙线的三维坐标；
具体实施时，将缝隙线上每个顶点邻域球内标记为缝隙的顶点三维坐标累加后，再取平均值；
S5.将步骤S1获取的骨折碎片和步骤S4获取的缝隙线与步骤S1得到的标准骨模板进行配准，从而得到初步复位的骨折线；具体为采用主成分分析法对骨折碎片与标准骨模板进行粗配准，然后采用最近点迭代算法完成骨折碎片外表面的细配准工作，从而得到初步复位的骨折线；
S6.将步骤S5得到的初步复位的骨折线与步骤S1得到的标准骨模板分别进行映射和变换(如图3所示)，从而得到最终的骨折线；具体为采用如下步骤得到最终的骨折线：
a.采用离散指数映射方法将步骤S5得到的初步复位的骨折线的采样点映射到参数空间中；
b.对标准骨模板的相同区域，同样采用离散指数映射方法映射到另一个参数空间；
c.将骨折线的中心点作为中介顶点，在标准骨模板上找到中介顶点的最近点，将步骤a得到的参数空间和步骤b得到的参数空间，通过中介顶点及对应的最近点进行参数空间变换，从而得到统一的参数空间；
d.在步骤c得到的统一的参数空间中，遍历骨折线各顶点的参数坐标，反求得到标准骨模板的对应顶点坐标，最后依照原骨折线的拓扑连接关系连接标准骨模板上对应顶点，从而得到最终的骨折线。
具体实施时，离散指数映射方法具体包括如下步骤：
(1)对网格模型M选取一个基准顶点Vi,以Dijkstra算法广度遍历，记录每个顶点到基准顶点Vi的最短路径；
(2)对每一个顶点建立局部坐标系，坐标架设为(e1,e2,n)，其中n为顶点共享的多个三角面片的法线的加权平均向量，e1为顶点的切向量，切向量需与n相垂直，在实践中，可以取与n垂直的任一向量即可，e2由e1和n的向量积计算得到；
(3)离散映射：设顶点r和p为相邻顶点，顶点r对于顶点p的离散映射，定义为顶点r在顶点p的局部坐标系下直接映射成为Upr，映射的过程为：将顶点r的局部坐标系旋转到顶点p的局部坐标系平面，达到两坐标系在同一平面，法线方向平行，然后忽略法线n，只使用剩余的e1、e2形成2D平面坐标系，旋转顶点r的2D平面坐标系与顶点p的2D平面坐标重合，记录此次旋转的角度为Upr；同理，计算顶点q到顶点r的离散映射Urq；计算顶点q到顶点p的离散映射Upq为
Figure BDA0003081908590000091
其中，Rot2D(θpr)是以2D向量Urq为轴旋转角度θpr，从而得到新的顶点q在顶点p所在2D平面内的离散映射Upq；重复上述步骤，不断叠加，从而完成最终的离散指数映射。
以下结合一个股骨和肱骨的具体实施例，对本发明方法进行进一步说明：
首先，本发明将复位后的两组股骨骨折碎片及三组肱骨骨折碎片作为实验的输入，将骨折线提取后映射到事先准备的骨模板表面上。其中，骨模板需要通过CT技术扫描获取其体数据，然后通过三维网格重建得到三维表面模型。为了便于计算，对标准骨模型进行网格处理，保证标准骨模板模型的表面单连通、光滑、均匀且无孔。
如图4和图5所示，用可视化的方式分别展示了两组股骨骨折碎片和三组肱骨骨折碎片原模型、骨折碎片上骨折线的提取结果和标准骨模板的骨折线映射结果。股骨和肱骨的骨折碎片内的复杂结构不同于一般的石块、雕塑和其他材料，因此如果采用特征线提取方法，往往会提取到大量无意义的特征线，而本发明的方法能够绕过这一问题提取到合适的缝隙线，可视化的实验结果也证明了这一点。本发明在应对股骨和肱骨两类骨折碎片时展示出了足够的可行性。
当固定渲染分辨率为128*128时，输入多组骨折碎片数据，可以得到表1所示算法运行时间的详细记录。
表1股骨和肱骨骨折碎片在算法各阶段下运行时间的记录示意表
Figure BDA0003081908590000101
本发明的实施结果表明，随着三维模型顶点数的增加，方法的总和时间消耗呈现线性增长。当接受十万量级顶点的三维网格数据作为输入，方法的总和运行时间也不会超过5秒。
更大尺寸的分辨率能为方法提供更准确的骨折线，但显然会因渲染图和缓冲区的增大而占用更多时间。因此，为了评估这一设置对方法运行时间的影响，以下为同一组骨折碎片给出不同的分辨率设置信息，最终可以得到如表2所示的方法运行时间随着分辨率变化而变化的趋势。
表2不同渲染分辨率下算法的骨折线提取、映射和总运行时间示意表
渲染分辨率 提取(秒) 映射(秒) 总和(秒)
64*64 0.089 0.098 0.187
128*128 0.09 0.12 0.21
256*256 0.097 0.235 0.332
512*512 0.157 0.335 0.492
1024*1024 0.317 0.995 1.312
2048*2048 0.983 1.448 2.431
通过不同分辨率设置的实施结果数据，表明骨折线提取、映射以及总和运行时间依然随着分辨率的提升而呈现线性增长。方法的映射耗时总是比提取耗时更多，这是因为参数化过程需要骨折线各结点周围的邻域信息。如果分辨率越高，骨折线的结点越多，其邻域的拓扑连接关系会越来越复杂，由此而导致映射算法过程中所生成的UV图也更为精细，最终的映射耗时也越高。本发明方法的总和运行时间并不会因骨折碎片模型数据量或渲染分辨率的陡然增大而产生指数爆炸式的增长。
本发明提供的这种基于视角的骨折线提取映射方法，还能用于在医学建模软件中以处理复杂的骨折数据，实现可靠的骨折线提取和映射工作；应用时，可将“基于视角的骨折线提取映射方法”应用在现有的医学建模软件上作为一个功能选项，选择该选项后，直接在可视化界面显示当前视角下骨折碎片间的骨折线和映射到标准骨模板上的骨折线。

Claims (9)

1.一种基于视角的骨折线提取映射方法，包括如下步骤：
S1.获取复位后的骨折碎片作为输入，获取同种骨头类型的标准骨模板，并设定模型的缝隙宽度；
S2.确认视角位置和朝向，对步骤S1获取的骨折碎片进行渲染，从而得到深度缓冲和模板缓冲；
S3.根据步骤S2得到的模板缓冲确定骨折碎片的渲染区域及边界，并对骨折碎片的缝隙区域进行标记；
S4.对步骤S3得到的缝隙标记进行细化处理，得到缝隙线并进行平滑；
S5.将步骤S1获取的骨折碎片和步骤S4获取的缝隙线与步骤S1得到的标准骨模板进行配准，从而得到初步复位的骨折线；
S6.将步骤S5得到的初步复位的骨折线与步骤S1得到的标准骨模板分别进行映射和变换，从而得到最终的骨折线；具体为采用如下步骤得到最终的骨折线：
a.采用离散指数映射方法将步骤S5得到的初步复位的骨折线的采样点映射到参数空间中；
b.对标准骨模板的相同区域，同样采用离散指数映射方法映射到另一个参数空间；
c.将骨折线的中心点作为中介顶点，在标准骨模板上找到中介顶点的最近点，将步骤a得到的参数空间和步骤b得到的参数空间，通过中介顶点及对应的最近点进行参数空间变换，从而得到统一的参数空间；
d.在步骤c得到的统一的参数空间中，遍历骨折线各顶点的参数坐标，反求得到标准骨模板的对应顶点坐标，最后依照原骨折线的拓扑连接关系连接标准骨模板上对应顶点，从而得到最终的骨折线。
2.根据权利要求1所述的基于视角的骨折线提取映射方法，其特征在于步骤S1所述的获取复位后的骨折碎片作为输入，并获取同种骨头类型的标准骨模板，具体为获取两块复位后的骨折碎片作为输入；通过CT获取正常骨头的体数据，然后通过三维网格重建得到三维表面模型；同时对标准骨模板模型进行网格处理，从而保证标准骨模板模型具有单连通、光滑、均匀和无孔的特性。
3.根据权利要求2所述的基于视角的骨折线提取映射方法，其特征在于步骤S2所述的确认视角位置和朝向，对步骤S1获取的骨折碎片进行渲染，从而得到深度缓冲和模板缓冲，具体为通过人为观察，并结合旋转和平移操作确认视角位置和朝向；然后，根据确认的视角和朝向，渲染骨折碎片，并通过离屏渲染技术获得对应的深度缓冲和模板缓冲。
4.根据权利要求3所述的基于视角的骨折线提取映射方法，其特征在于所述的根据确认的视角和朝向，渲染骨折碎片，并通过离屏渲染技术获得对应的深度缓冲和模板缓冲，具体为对骨折碎片A、骨折碎片B和复位后的完整骨折碎片C分别进行渲染，从而得到深度缓冲和模板缓冲；然后利用复位后的完整骨折碎片C渲染后的深度缓冲作为基准，并在骨折碎片A和骨折碎片B的采样点中，进行如下操作：
若采样点的像素深度值减去完整骨折碎片C的像素深度后，对应的余值大于设定值，则剔除该采样点；
否则，则保留该采样点。
5.根据权利要求4所述的基于视角的骨折线提取映射方法，其特征在于步骤S3所述的根据步骤S2得到的模板缓冲确定骨折碎片的渲染区域及边界，并对骨折碎片的缝隙区域进行标记，具体为采用如下步骤进行标记：
A.将获取的尺寸较小的骨折碎片标记为P，尺寸较大的骨折碎片标记为Q；
B.空隙规则标记：在复位后的完整骨折碎片C中未被渲染的像素的领域内进行搜索，当领域同时包含骨折碎片P和骨折碎片Q的渲染像素时，确定该像素为空隙，并标记为缝隙；
C.边界规则标记：搜索骨折碎片P的渲染像素X，将骨折碎片Q中距离骨折碎片P的渲染像素X的距离小于设定值d的像素标记为缝隙，同时将骨折碎片P的渲染像素X中对应的像素标记为缝隙；
D.重叠规则标记：步骤C中，若在骨折碎片P的渲染像素X中，存在同时为骨折碎片Q的渲染像素的像素，则将该像素标记为缝隙。
6.根据权利要求5所述的基于视角的骨折线提取映射方法，其特征在于步骤S4所述的对步骤S3得到的缝隙标记进行细化处理，得到缝隙线并进行平滑，具体为采用图像细化算法对缝隙进行细化，然后对细化后的缝隙线的顶点进行加权平均，从而得到缝隙线的三维坐标。
7.根据权利要求6所述的基于视角的骨折线提取映射方法，其特征在于所述的对细化后的缝隙线的顶点进行加权平均，具体为将缝隙线上每个顶点邻域球内标记为缝隙的顶点三维坐标累加后，再取平均值。
8.根据权利要求7所述的基于视角的骨折线提取映射方法，其特征在于步骤S5所述的将步骤S1获取的骨折碎片和步骤S4获取的缝隙线与步骤S1得到的标准骨模板进行配准，从而得到初步复位的骨折线，具体为采用主成分分析法对骨折碎片与标准骨模板进行粗配准，然后采用最近点迭代算法完成骨折碎片外表面的细配准工作，从而得到初步复位的骨折线。
9.根据权利要求8所述的基于视角的骨折线提取映射方法，其特征在于所述的离散指数映射方法，具体包括如下步骤：
(1)对网格模型M选取一个基准顶点Vi,以Dijkstra算法广度遍历，记录每个顶点到基准顶点Vi的最短路径；
(2)对每一个顶点建立局部坐标系，坐标假设为(e1,e2,n)，其中n为顶点共享的多个三角面片的法线的加权平均向量，e1为顶点的切向量，切向量与n相垂直；e2为e1和n的向量积；
(3)离散映射：设顶点r和p为相邻顶点，顶点r对于顶点p的离散映射，定义为顶点r在顶点p的局部坐标系下直接映射成为Upr，映射的过程为：将顶点r的局部坐标系旋转到顶点p的局部坐标系平面，达到两坐标系在同一平面，法线方向平行，然后忽略法线n，只使用剩余的e1、e2形成2D平面坐标系，旋转顶点r的2D平面坐标系与顶点p的2D平面坐标系重合，记录此次旋转的角度为Upr；同理，计算顶点q到顶点r的离散映射Urq；计算顶点q到顶点p的离散映射
Figure FDA0003995433790000041
为
Figure FDA0003995433790000042
其中，Rot2D(θpr)·Urq是以2D向量Urq为轴旋转角度θpr，从而得到新的顶点q在顶点p所在2D平面内的离散映射
Figure FDA0003995433790000043
重复上述步骤，不断叠加，从而完成最终的离散指数映射。
CN202110569071.3A 2021-05-25 2021-05-25 基于视角的骨折线提取映射方法 Active CN113298784B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110569071.3A CN113298784B (zh) 2021-05-25 2021-05-25 基于视角的骨折线提取映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110569071.3A CN113298784B (zh) 2021-05-25 2021-05-25 基于视角的骨折线提取映射方法

Publications (2)

Publication Number Publication Date
CN113298784A CN113298784A (zh) 2021-08-24
CN113298784B true CN113298784B (zh) 2023-03-21

Family

ID=77324549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110569071.3A Active CN113298784B (zh) 2021-05-25 2021-05-25 基于视角的骨折线提取映射方法

Country Status (1)

Country Link
CN (1) CN113298784B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117218091B (zh) * 2023-09-19 2024-03-29 徐州医科大学 面向骨折地图构建的骨折线提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881875A (zh) * 2015-06-09 2015-09-02 河海大学常州校区 基于先验知识的医学断层图像闭合骨骼轮廓重建方法
CN109887579A (zh) * 2019-02-12 2019-06-14 上海市第六人民医院 一种骨折三维形态学规律展示系统及方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10085708B2 (en) * 2016-05-11 2018-10-02 Toshiba Medical Systems Corporation Medical image processing apparatus, medical image diagnostic apparatus, and image processing method
CN107016666B (zh) * 2017-02-28 2020-09-18 四川大学华西医院 基于坐标体系的骨盆ct三维重建的图像后处理方法
US10818078B2 (en) * 2018-09-25 2020-10-27 Sony Corporation Reconstruction and detection of occluded portions of 3D human body model using depth data from single viewpoint
LU101008B1 (en) * 2018-11-26 2020-05-26 Metamorphosis Gmbh Bone fracture detection and classification
CN110009562A (zh) * 2019-01-24 2019-07-12 北京航空航天大学 一种利用模板对粉碎性骨折三维模型进行拼接的方法
CN111276244A (zh) * 2020-02-19 2020-06-12 京东方科技集团股份有限公司 骨折复位的计算机辅助方法
CN111354057B (zh) * 2020-03-10 2022-07-08 中南大学 基于图像变形技术的骨折线地图绘制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881875A (zh) * 2015-06-09 2015-09-02 河海大学常州校区 基于先验知识的医学断层图像闭合骨骼轮廓重建方法
CN109887579A (zh) * 2019-02-12 2019-06-14 上海市第六人民医院 一种骨折三维形态学规律展示系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Comparison of algorithms for automated femur fracture reduction;Suero Eduardo M等;《The International Journal of Medical Robotics and Computer Assist Surgery》;第1-6页 *

Also Published As

Publication number Publication date
CN113298784A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN106780619B (zh) 一种基于Kinect深度相机的人体尺寸测量方法
US8699769B2 (en) Generating artificial hyperspectral images using correlated analysis of co-registered images
Xu et al. Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor
Näf et al. 3D Voronoi skeletons and their usage for the characterization and recognition of 3D organ shape
US8384716B2 (en) Image processing method
Barraud The use of watershed segmentation and GIS software for textural analysis of thin sections
Han et al. Automated monitoring of operation-level construction progress using 4D BIM and daily site photologs
CN107895364A (zh) 一种用于虚拟手术术前规划的三维重建系统
CN105261006B (zh) 基于傅里叶变换的医学图像分割算法
Hsieh An efficient development of 3D surface registration by Point Cloud Library (PCL)
CN112801075B (zh) 基于航摄影像的农村道路边界线的自动提取方法
CN113689445B (zh) 结合语义分割与边缘检测的高分辨率遥感建筑物提取方法
CN113298784B (zh) 基于视角的骨折线提取映射方法
Kwak et al. Automatic 3D building model generation from lidar and image data using sequential minimum bounding rectangle
Böhm et al. Model refinement by integrated processing of laser scanning and photogrammetry
CN111159876A (zh) 一种基于mri医学影像和轮廓勾画快速实现3d打印模型的设计方法
CN111354057B (zh) 基于图像变形技术的骨折线地图绘制方法
CN106023094A (zh) 基于图像的骨组织微观结构修复系统及其修复方法
JP2003141567A (ja) ３次元都市モデル生成装置及び３次元都市モデル生成方法
CN104599325A (zh) 一种三维人脸重采样方法
Suputra et al. 3D Laplacian surface deformation for template fitting on craniofacial reconstruction
JP4082718B2 (ja) 画像認識方法および画像表示方法および画像認識装置
Teo et al. Object-based building detection from LiDAR data and high resolution satellite imagery
JP2000310940A (ja) 地図情報更新方法及び地図更新装置
Cohen et al. Mending broken vessels a fusion between color markings and anchor points on surface breaks

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