CN113379892A - 椎体力学强度评估方法、装置、计算机设备及存储介质 - Google Patents
椎体力学强度评估方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113379892A CN113379892A CN202110540800.2A CN202110540800A CN113379892A CN 113379892 A CN113379892 A CN 113379892A CN 202110540800 A CN202110540800 A CN 202110540800A CN 113379892 A CN113379892 A CN 113379892A
- Authority
- CN
- China
- Prior art keywords
- vertebral body
- evaluated
- discrete unit
- unit bodies
- mechanical strength
- 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
- 238000011156 evaluation Methods 0.000 title abstract description 48
- 230000037182 bone density Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 53
- 239000000463 material Substances 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000010276 construction Methods 0.000 claims abstract description 18
- 238000006073 displacement reaction Methods 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 12
- 238000002939 conjugate gradient method Methods 0.000 claims description 10
- 238000011088 calibration curve Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 210000000988 bone and bone Anatomy 0.000 description 22
- 239000011159 matrix material Substances 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 230000006835 compression Effects 0.000 description 6
- 238000007906 compression Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 6
- 239000004926 polymethyl methacrylate Substances 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 208000001132 Osteoporosis Diseases 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 210000003205 muscle Anatomy 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 208000010392 Bone Fractures Diseases 0.000 description 3
- 206010017076 Fracture Diseases 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 230000001054 cortical effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 208000001164 Osteoporotic Fractures Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000037118 bone strength Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229920001971 elastomer Polymers 0.000 description 2
- 239000000806 elastomer Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000002945 steepest descent method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010010214 Compression fracture Diseases 0.000 description 1
- 230000005483 Hooke's law Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000037180 bone health Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000968 fibrocartilage Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000004003 subcutaneous fat Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- General Business, Economics & Management (AREA)
- Computer Graphics (AREA)
Abstract
本发明实施例公开了一种椎体力学强度评估方法、装置、计算机设备及存储介质。所述方法包括:获取椎体的CT图像数据;从椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到待评估椎体的三维结构;将待评估椎体的三维结构进行离散处理以得到多个离散单元体;在待评估椎体的上表面和下表面添加用于表示夹板的离散单元体;对离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比;对用于表示夹板的离散单元体施加边界条件和约束条件并根据离散单元体的材料属性建立待评估椎体的应力与应变关系方程组;基于待评估椎体的应力与应变关系方程组在预设载荷下对待评估椎体进行评估以得到待评估椎体的力学强度。
Description
技术领域
本发明涉及医学数据处理领域,尤其涉及一种椎体力学强度评估方法、装置、计算机设备及存储介质。
背景技术
根据国家大健康报告,骨质疏松已占国家医疗支出的重要比重,骨质疏松症会对病人及国家医疗支出产生严重影响。临床领域对脊柱骨质疏松性骨折风险的预测已经成为预防骨质疏松性骨折的首要环节。
现有技术方案基于临床医学影像技术,例如CT(Computed Tomography)影像,通过生物力学有限元分析,模拟脊柱在人体中的受力情况,并与健康人群脊柱受力情况的统计学结果对比,评价脊柱椎体健康程度及发生骨折的风险。但是,现有生物力学有限元的方法,通过计算机仿真对脊柱椎体进行力学分析。其分析过程中,需要用到多款商业软件,分别用于完成医学影像数据导入、有限元分析的准备工作及有限元求解。在此过程中,现有技术存在以下缺陷:
第一,技术路径复杂繁琐,整体分析效率低。全过程中需要用户手动完成脊柱椎体三维模型重建工作及有限元分析的准备工作,一般对单一椎体进行分析所需时间约为20小时,无法满足快速、大量分析的需求。
第二,操作人员需要具有临床医学背景及生物力学背景。在脊柱椎体三维模型重建过程中,需要用户借助二维成像结果,手动描绘结构轮廓,构建三维模型。因此,需要用户对人体脊柱的解剖学结构具有专业认知。此外,在进行生物力学有限元仿真过程中,操作用户需要对有限元理论具有深刻的理解,且熟悉商业软件的理论基础并且能够熟练操作软件进行分析。
第三,操作过程中参数设置的差异性会导致生物力学计算结果出现偏差。在重建脊柱椎体三维模型的过程中,由于脊柱椎体具有形态不规则、结构复杂的特性,且CT影像数据的成像效果有限,因此CT数据在清晰度、对比度和结构完整性上缺陷情况;且由于用户对脊柱生理解剖结构认知不同,造成脊柱椎体重建结果受用户主观判断影响较大,进而影响最终生物力学计算结果。
第四,现行有限元分析过程中脊柱椎体不同区域骨骼的材料参数相同,未考虑到实际骨骼内部的真实骨密度差异,使得有限元分析结果偏离真实情况,参考价值有限。
鉴于此,目前亟需提供一种分析效率高、准确率高的椎体力学强度评估方法。
发明内容
本发明实施例提供了一种椎体力学强度评估方法、装置、计算机设备及存储介质,旨在解决相关技术中脊柱椎体力学强度计算准确率低、效率低的问题。
第一方面,本发明实施例提供了一种椎体力学强度评估方法,其包括:获取椎体的CT图像数据;从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构;将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体;在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体;对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比;对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组;基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度。
第二方面,本发明实施例还提供了一种椎体力学强度评估装置,其包括用于执行上述第一方面的方法的单元。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现上述方法。
本发明实施例提供了一种椎体力学强度评估方法、装置、计算机设备及存储介质。其中,所述方法包括:获取椎体的CT图像数据;从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构;将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体;在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体;对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比;对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组;基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度。本发明实施例通过首先从CT图像中提取待评估椎体,构建待评估椎体的三维结构;然后对待评估椎体的三维结构进行离散、平滑处理且赋予其材料属性,并相应地建立应力与应变关系方程组;最后基于应力与应变关系方程组在预设载荷下评估待评估椎体的力学强度,可全过程自动分析,无须用户参与,对用户没有专业背景的要求,且避免了用户主观因素的影响,极大地简化了用户的操作步骤,提高了分析效率,评估的准确率高。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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。
图1为本发明实施例提供的椎体力学强度评估方法的流程示意图;
图2为本发明实施例提供的椎体力学强度评估方法的子流程示意图;
图3为本发明实施例提供的椎体力学强度评估方法的子流程示意图;
图4为本发明实施例提供的椎体力学强度评估方法的子流程示意图;
图5为本发明实施例提供的椎体力学强度评估方法的子流程示意图;
图6为本发明实施例提供的椎体力学强度评估方法的子流程示意图;
图7为本发明实施例提供的椎体力学强度评估方法的子流程示意图;
图8为本发明实施例提供的椎体力学强度评估装置的示意性框图;
图9为本发明实施例提供的椎体力学强度评估装置具体单元的示意性框图;
图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
图1为本发明实施例提供的椎体力学强度评估方法的示意性流程图。该椎体力学强度评估方法应用于终端中。终端可以是平板电脑、笔记本电脑、台式电脑等具有通信功能的电子设备。
本实施例首先对评估对象和相关技术名字进行简要的说明:
脊柱是身体的支柱,位于背部正中,上端接颅骨,下端达尾骨尖,脊柱由脊椎骨及椎间盘构成,其中3/4是由椎体构成,1/4由椎间盘构成。椎体是椎骨负重的主要部分,呈短圆柱状,内部充满松质,表面的密质较薄,上下面皆粗糙,借椎间纤维软骨与邻近椎骨相接。脊柱具有支持躯干、保护内脏、保护脊髓和进行运动的功能。因此,椎体的力学强度评估对于评判骨质疏松和骨折风险来说是密切相关的,对于临床的诊断和预防具有重要的意义。
CT(Computed Tomography),即电子计算机断层扫描,它是利用精确准直的X线束、γ射线、超声波等,与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描,具有扫描时间快,图像清晰等特点,可用于多种疾病的检查。扫描所得信息经计算而获得每个体素的X射线衰减系数或吸收系数,再排列成矩阵,即数字矩阵(digitalmatrix),数字矩阵可存贮于磁盘或光盘中。经数字/模拟转换器(digital/analogconverter)把数字矩阵中的每个数字转为由黑到白不等灰度的小方块,即像素(pixel),并按矩阵排列,即构成CT图像。所以,CT图像是重建图像。每个体素的X射线吸收系数可以通过不同的数学方法算出。
骨密度全称是骨骼矿物质密度,是骨骼强度的一个重要指标,以克/每立方厘米表示,是一个绝对值。在临床使用骨密度值时由于不同的骨密度检测仪的绝对值不同,通常使用T值判断骨密度是否正常。
泊松比是指材料在单向受拉或受压时,横向正应变与轴向正应变的绝对值的比值,也叫横向变形系数,它是反映材料横向变形的弹性常数。
杨氏模量是描述固体材料抵抗形变能力的物理量。当一条长度为L、截面积为S的金属丝在力F作用下伸长ΔL时,F/S叫应力,其物理意义是金属丝单位截面积所受到的力;ΔL/L叫应变,其物理意义是金属丝单位长度所对应的伸长量。应力与应变的比叫弹性模量。ΔL是微小变化量。杨氏模量(Young's modulus),又称拉伸模量(tensile modulus)是弹性模量(elastic modulus or modulus of elasticity)中最常见的一种。杨氏模量衡量的是一个各向同性弹性体的刚度(stiffness),定义为在胡克定律适用的范围内,单轴应力和单轴形变之间的比。与弹性模量是包含关系,除了杨氏模量以外,弹性模量还包括体积模量(bulk modulus)和剪切模量(shear modulus)等。
图1是本发明实施例提供的椎体力学强度评估方法的流程示意图。如图所示,该方法包括以下步骤S110-S170。
S110、获取椎体的CT图像数据。
在一实施例中,CT图像数据指的是扫描用户椎体所得到的图像数据。获取CT图像数据的方式有多种,例如,可以从预先存储有椎体图像的数据库中获取椎体的CT图像数据,在实际使用场景中,用户可通过终端从服务器中下载并导入椎体的CT图像数据从而获取。此外,还可以是直接从CT扫描仪中获取,病人通过CT扫描仪扫描后,CT扫描仪将扫描的CT图像数据发送至终端,进而能够获取到该用户的CT图像数据。本实施例不对获取CT图像数据的方式进行限定。需要说明的是,本实施例中的CT图像数据是原始的CT数据序列,其包括坐标数据和灰度数据,具有完整性,不经压缩、无信息丢失或删减等特点。
S120、从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构。
在一实施例中,由于人体的脊柱由26块脊椎骨合成,即24块椎体(颈椎7块、胸椎12块、腰椎5块)、骶骨1块、尾骨1块,由于骶骨系由5块,尾骨由4块组成,正常脊柱也可以由33块组成,因此,在众多椎体中需要选择其中一节椎体进行相应的力学强度分析。在选择好特定的一节椎体后,首先需要对其进行三维结构的构建,所得到的三维结构作为后续力学强度分析的基础。
在一实施例中,如图2所示,所述步骤S120可包括步骤S121-S123。
S121、通过选择框在所述椎体的CT图像数据中选取单一节段的椎体以使其处于所述选择框内,其中,所述CT图像数据包括所有像素点的坐标数据以及灰度数据。
S122、提取所述选择框内像素点的所述坐标数据和所述灰度数据,其中,所述选择框内像素点的所述坐标数据和所述灰度数据用于表征待评估椎体。
S123、根据所述选择框内像素点的所述灰度数据对与其对应的所述坐标数据进行筛选和排列以构建所述待评估椎体的三维结构。
在一实施例中,在获取到CT图像数据后,通过选择框来实现对单一节段的椎体选取。具体地,由于CT图像数据是原始的CT序列,其包括所有像素点的坐标数据以及灰度数据,利用选择框选中其中一节段的椎体,使得该节段的椎体全部位于选择框内,通过继承算法提取出选取框内全部数字化信息,也即包括像素点坐标数据和灰度数据。其中,坐标数据是三维的坐标信息,灰度数据是一个灰度值,其范围通常从0到255,白色为255,黑色为0。所提取到的像素点坐标数据和灰度数据即为所需要评估的待评估椎体。最后,由于所提取的数据中既包括椎体还包括非椎体的背景区域,因此需要将非椎体的背景区域进行去除,保留椎体的部分。具体地,通过灰度数据来进行筛选,灰度值为0的像素点即为黑色背景,黑色背景部分为非椎体的背景区域,因此,去除掉所有灰度值为0的像素点,保留灰度值不为0的像素点,由此即可筛选出椎体,进而再对筛选得到像素点所对应的坐标数据进行排列,最终构建出待评估椎体的三维结构。
需要说明的是,在构建得到待评估椎体的三维结构之后,还可以对该三维结构进行区域分割。以将待评估椎体分割为脊柱椎体上表面,脊柱椎体下表面,以及脊柱椎体区域。本实施例采用深度神经网络模型来实现分割,具体地,首先获取一定数量的椎体三维结构作为训练数据,其中,该训练数据中的所有椎体三维结构已根据脊柱椎体的解剖学对椎体的三维结构进行了结构特征的标注,所标注的训练数据依据解剖学中对脊柱椎体上表面,脊柱椎体下表面,以及脊柱椎体区域的结构特征进行标注。将训练数据输入至深度神经网络模型中进行学习从而得到用于分割椎体三维结构的神经网络模型。训练好深度神经网络模型后,将待评估椎体的三维结构作为模型的输入,输入至该深度神经网络模型中进行分割,从而将待评估椎体分给为脊柱椎体上表面,脊柱椎体下表面,以及脊柱椎体区域。最后,再赋予分割后的脊柱椎体上表面,脊柱椎体下表面,以及脊柱椎体区域特定的标签,利用标签来识别所分割的区域。分割后可以用于修正表面参数,最终用于脊柱椎体的强度计算。
示例性地,本实施例中的深度神经网络模型采用卷积神经网络模型来进行训练,卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算法之一。卷积神经网络具有表征学习(representation learning)能力,能够按其阶层结构对输入信息进行平移不变分类(shift-invariant classification)。本实施例的通过卷积神经网络模型进行模式识别主要分为四个阶段:数据获取:三维结构图像数据;预处理:比如图像去噪和图像几何修正;特征提取:寻找一些计算机识别的属性,这些属性用以描述当前图像与其它图像的不同之处;数据分类:把输入图像划分给某一特定类别。当然可以理解的是,本发明还可以采用其他的算法模型对三维结构进行分割,在此不作限定。
S130、将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体。
在一实施例中,离散处理的目的是将三维结构拆分为数量有限的体积大小相等的微小几何单元体。其中,几何单元体是六面体结构,其包括8个顶点,每个顶点定义为单元体的节点,该8个单元体的节点构成几何单元体。离散得到的几何单元体之后,赋予其单元编号,和单元节点编号,单元编号用于标识该单元体,单元节点编号用于标识单元体的节点坐标。由此,离散所得的几何单元体在赋予对应的编号后,即可用于表征本实施例所称的离散单元体。离散单元体用于为后续的力学强度评估提供评估基础。
在一实施例中,如图3所示,所述步骤S130可包括步骤S131-S133。
S131、对所述选择框内像素点的所述坐标数据进行各向同性化处理。
S132、将各向同性化处理后的所述坐标数据进行坐标调整以使所述待评估椎体定位在预设位置。
S133、将坐标调整后所述灰度数据不为零的像素点设置为节点,根据所述节点创建三维空间坐标以得到离散单元体。
在一实施例中,离散处理的过程主要包括各向同性化处理和坐标调整。各向同性化处理是基于数据变换的方法,目的是确保导入CT图像数据在分割完成后在数据格式上具有一致性。本实施例中各向同性化处理输入为CT图像数据每个像素的中心几何坐标,经过处理后,输出成每个像素各自的8节点坐标。基于三维结构的分割,CT像素点通过几何层厚或者层距进行变换,处理后的几何信息具有各向同性。本实施例读取分割后三维结构像素点空间几何,构建拓扑结构。由于此时,像素空间几何位点为像素原始中心位点,通过拓扑结构优化算法,进行各向同性处理,由中心位点计算得出每个像素点的几何顶点坐标。
此外,本实施例的离散处理,先进行坐标调整,将分割后的几何坐标进行调整,使得待评估椎体处于空间坐标中心。本实施例中,使用的是提取三维结构进行几何坐标信息调整,通过对原有几何坐标信息的数据覆写,得到原有的几何坐标信息,实现几何坐标旋转。通过定位脊柱椎体在冠状面及矢状面上的几何中心,可得出三维几何体中心的几何坐标,使用图像处理法可得出椎体倾斜角度,并用于修正水平角度,从而满足力学强度的评估需求。其中,图像处理包括读取原始CT几何坐标信息,通过建立椎体矢状面中心与冠状面中心,可得出椎体倾斜角度。需要说明的是,本实施例中的所述预设位置为脊柱椎体在冠状面和矢状面。
待评估椎体进行空间调整后,进行三维重建结构的节点设定,由于本申请实例处理对象为三维重建结构,在节点设定时,最终生成的节点坐标须为三维坐标。在本实施例中,首先需要输入重建后几何构建所对应的像素点,使用阈值法与分类函数归一化算法(例如min-max算法),读取选取框中灰度值不为0的像素点,并将信息保存。节点设定完成后,需要使用节点创立算法,创建离散单元节点坐标。在本实施例中,离散单元的节点坐标需要满足单元的空间立方体结构,即具有长宽高等长的特点,并对应三维空间坐标(x,y,z)方向等长。由于为空间立方体结构,所以,每一个离散后的单元具有8个节点,各个节点位于立方体顶点上。通过数组构建法构建单元节点数组集合,并设定数组维度要满足三维结构要求。之后,使用数组维度行列拟合的方法,可将待评估椎体三维重建的节点与离散单元节点坐标唯一匹配拟合,构建基于椎体三维重建后的离散单元体。
S140、在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体。
在一实施例中,为了平滑处理分割后椎体的上、下表面,以保证上、下表面可以将所受压力均一分布、传导,本实施例采用添加夹板的方式进行处理。为了真实地模拟椎体在人体中的受力情况,本实施例对椎体的上下表面采用填充的方式在椎体上、下端面填入高分子有机玻璃材料聚甲基丙烯酸甲酯(PMMA),从而使得椎体上、下端面保持水平。
在一实施例中,如图4所示,所述步骤S140可包括步骤S141-S143。
S141、沿所述待评估椎体的轴向读取所述坐标数据。
S142、根据所读取的轴向坐标数据确定所述待评估椎体的上表面起始点以及下表面终点。
S143、根据所述待评估椎体的上表面起始点以及下表面终点对所述待评估椎体填充用于表示夹板的离散单元体,其中,所述夹板包括位于所述待评估椎体上表面的上夹板和位于所述待评估椎体下表面的下夹板。
在一实施例中,为了添加平整的夹板,将待评估椎体的三维坐标的矩阵信息,经过坐标转化、椎体定位、添加夹板处理,得出一个新的椎体三维矩阵,矩阵信息包括了空间坐标、单元编号以及单元属性。单元属性用于描述该单元的组织组成,包括无、骨组织、上夹板以及下夹板。
本实施例中,坐标转化处理首先是通过读取待评估椎体几何三维坐标与矩阵信息,定位至椎体矢状面,沿矢状面方向找到其中心点,调整中心点所在矢状面至水平。再定位至冠状面,沿冠状面方向找到其中心点,调整中心点所在冠状面至水平。通过以上步骤,实现将待评估椎体的三维坐标转换,其效果为待评估椎体三维坐标与空间全域坐标一致。
本实施例中,椎体定位的作用为识别待评估椎体骨组织区域并找到椎体的上、下表面。由于添加夹板需要在椎体上、下表面分别自动建立夹板模型,因此,本椎体定位算法通过沿椎体上-下轴向读取CT坐标数据,搜索椎体上表面起始与下表面终点。
本实施例中,添加夹板的处理过程为沿椎体定位算法识别出的上、下表面方向,将非骨组织区域自动生成夹板,并将椎体上面所添加夹板定义为上表面夹板,椎体下表面所添加夹板定义为下表面夹板。
本实施例中,待评估椎体的椎体部分、上下表面夹板区域会以三维矩阵信息,并赋予单元编号及相应的单元属性进行存储。单元属性用于描述该单元的组织组成,包括无、骨组织、上夹板以及下夹板。每一个表示夹板的单元也通过唯一单元编号及属性信息进行识别、记录,保存在后台文本信息中。在进行夹板的单元识别时,通过识别属性信息,将属于夹板的单元通过单元编号将其定义为夹板区域。
S150、对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比。
在一实施例中,完成单元离散后,需要对所有离散单元体进行材料属性设置,材料属性包括了骨密度、杨氏模量及泊松比。离散单元体的材料属性的赋予用于为后续的力学强度评估提供评估基础。
在一实施例中,如图5所示,所述步骤S150可包括步骤S151-S153。
S151、将所述离散单元体对应的所述灰度数据输入至骨密度模型中以输出所述离散单元体的骨密度,并根据预设校准曲线对所述离散单元体的骨密度进行校准。
S152、基于骨密度与弹性模量的函数关系将所述离散单元体的骨密度换算为杨氏模量,其中,所述离散单元体的杨氏模量包括用于表示夹板的离散单元体的杨氏模量。
S153、将预设泊松比赋予所述离散单元体,其中,所述预设泊松比为0.3。
在一实施例中,骨密度材料属性以离散单元为输入,利用CT采样过程中放射线与骨相互作用原理及衰减系数计算得出。具体地,离散后的每个微小单元具有其唯一识别编号,通过CT图像数据中的灰度数据,可得出每一个单元的灰度值,再通过骨密度模型得出单元各自的骨密度值,并储存。其中,骨密度算法模型为肌肉\脂肪校准算法,已知(1)肌肉组织的CT值(测量)与相对骨密度;(2)脂肪组织CT值(测量)与相对骨密度。通过已知(1)(2)建立拟合曲线,再测得骨组织CT值,通过已建立曲线可得骨密度。在本实施例中,采用选定的肌肉组织和皮下脂肪组织的CT值为参照,结合肌肉/脂肪组织的CT值/相对骨密度建立预设校准曲线,获得每一个离散单元体的三维骨密度值。
此外,本实施例的待评估椎体被看作为由皮质骨和松质骨构成的线弹性体,皮质骨和松质骨均具有宏观各向同性的材料特性,在该模型中皮质骨与松质骨仅杨氏模量数值不同。需要说明的是,基于每个单元的骨密度值再计算得出每个单元的杨氏模量,相比整个椎体所有的单元都使用同一杨氏模量,这种转化方法使模型更加真实、精确可靠。杨氏模量的计算采用美国斯坦福大学的Beaupre等和德国于利希研究中心的Fischer等的研究结论,本实施例中所使用的骨密度与宏观弹性模量的分段函数关系为:
E=0.001(单元骨密度=0.00)
E=5407*单元骨密度+469(0.27mg/cm3<单元骨密度<0.60mg/cm3)
还需要说明的是,分别涉及脊柱椎体与上\下表面夹板,表面夹板的构建是模拟高分子有机玻璃材料聚甲基丙烯酸甲酯(PMMA),其本质材料属性与骨不同,因此需要单独定义表面夹板杨氏模量。依据现有参考文献,杨氏模量为2500MPa。
泊松比,泊松比为材料的固有特性,需依照基本力学试验所得数据计算得到。本实施例中,泊松比根据已有参考文献,设定椎体中松质骨与皮质骨的泊松比均为0.3。
S160、对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组。
在一实施例中,由于待评估椎体的受力方向主要在于其上表面和下表面,因此,本实施例采用对待评估椎体的上表面和下表面施加外力的方式来对其进行评估。待评估椎体在受到外力的情况下其本身会产生一定的形变,由此,可通过施加外力来确定待评估椎体的形变,得到待评估椎体应力与应变的关系。其中,边界条件指的是在待评估椎体上表面施加一个朝向下表面的位移,约束条件指的是固定待评估椎体的下表面,使其无法移动或转动。因此,在给定的边界条件和约束条件下,即可求出待评估椎体的应力与应变关系。此外需要说明的是,因为待评估椎体受力产生形变与材料本身相关联,因此需要引入材料属性,确保得到的应力与应变关系的准确性。
在一实施例中,如图6所示,所述步骤S160可包括步骤S161-S162。
S161、对用于表示所述上夹板的所述离散单元体施加朝向其下表面的预设位移量,且对用于表示所述下夹板的所述离散单元体施加固支约束以确定所述离散单元体的应变分量。
S162、基于弹性力学根据所述离散单元体的应变分量以及所述离散单元体的材料属性建立所述待评估椎体的应力与应变关系方程组。
在一实施例中,计算待评估椎体在单轴压缩环境下的力学强度值,需采用施加一个超载边界条件,例如在待评估椎体上表面施加一个向下的力或位移,使其处于破坏状态,评估此时的力学强度值。预设位移量即为上表面向下施加的位移。固支约束是固定待评估椎体的下表面,约束使其不动。
在本实施例计算模型中,对填入PMMA后的椎体下表面的离散单元体施加固支约束,即单元体的六个自由度:
U1=U2=U3=UR1=UR2=UR3=0
式中,Ui(i=1,2,3)表示单元体的平动自由度,URi(i=1,2,3)表示单元体的转动自由度。
对椎体上表面的离散单元体施加一致的沿着竖直方向向椎体下表面的位移,同时固定椎体上表面的其他五个自由度:
式中,Ui(i=1,2,3)表示单元体的平动自由度,URi(i=1,2,3)表示单元体的转动自由度。
单元体的平动自由度和转动自由度即为单元体节点的位移及转动(u,v,w),由几何方程可将离散单元体的位移(平动自由度和转动自由度)变换为离散单元体的应变分量:
因此,针对离散处理获得的离散单元体,建立关系方程组,即应力-应变关系方程组,表示为张量形式有:
上式中,i,j,k,l=1,2,3,分别表示空间坐标系的三个轴向,上式的矩阵形式为:
上式中,σi(i=1,2,3)和τij(i,j=1,2,3,i≠j)分别表示离散单元体的正应力和剪应力,εi(i=1,2,3)和γij(i,j=1,2,3,i≠j)分别表示离散单元体的正应变和剪应变,E为根据三维骨密度计算得出的杨氏模量,μ为泊松比,即0.3,G为剪切模量,其中G=E/(2*(1+ν))。
S170、基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度。
在一实施例中,在得到待评估椎体的应力与应变关系方程组后,给定一个预设载荷,即可确定待评估椎体形变量。由此,可根据待评估椎体形变量利用力学经验公式来评估待评估椎体的力学强度。评估所得到力学强度可以应用在骨折风险预测中,也可以作为医生临床诊断骨质疏松的依据。本实施例还可以生产用户的骨骼健康评价报告,将评估结果呈现在报告中,给出详尽的评价指标,和简明易懂的评价,从而帮助用户预防或治疗。
在一实施例中,如图7所示,所述步骤S170可包括步骤S171-S174。
S171、基于力学平衡在预设载荷下通过共轭梯度法对所述待评估椎体的应力与应变关系方程组进行处理以得到所述离散单元体的位移值。
在一实施例中,在力学系统里,平衡是指惯性参照系内,物体受到几个力的作用,仍保持静止状态,或匀速直线运动状态,或绕轴匀速转动的状态,叫做物体处于平衡状态,简称物体的“平衡”。本实施例待评估椎体的力学平衡表现为应力张量与外力的平衡。其中,预设载荷指的是离散单元受到的外力。
在本实施例中,待评估椎体的力学平衡条件的积分形式为:
式中Dijkl为包含所有离散体单元的刚度矩阵,即由步骤S162中的每个离散体单元的刚度矩阵组合而成,为输入参数,eij(v)ekl(u)为张量形式的单元节点位移,P为单元节点所受的外力,也即预设载荷,e为德利克雷函数。
具体地,使用共轭梯度法求解待评估椎体的力学平衡方程得到单元节点的位移值,即eij(v)ekl(u)。共轭梯度法(Conjugate Gradient)是介于最速下降法与牛顿法之间的一个方法,它仅需利用一阶导数信息,但克服了最速下降法收敛慢的缺点,又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点,共轭梯度法不仅是解决大型线性方程组最有用的方法之一,也是解大型非线性最优化最有效的算法之一。在各种优化算法中,共轭梯度法是非常重要的一种。其优点是所需存储量小,具有步收敛性,稳定性高,而且不需要任何外来参数。共轭梯度法可以最大限度节约存储空间,提高计算效率。本发明中使用5000次递归,这一迭代次数由求解精度决定,在5000次迭代条件下,可以保证结果计算精度与直接求解的误差小于10-5。
S172、根据用于表示所述下夹板的所述离散单元体的位移量以及其对应的单元刚度确定其受到的支反力,其中,所述单元刚度由所述离散单元体的杨氏模量以及泊松比表示。
在一实施例中,用于表示下夹板的离散单元体的位移量根据步骤S171得到,所述单元刚度为上述步骤S162中表示的刚度矩阵,即:
每个离散单元体具有对应的杨氏模量和泊松比,因此,离散单元体的刚度矩阵可以表示为上述形式。离散单元体受到的支反力表示为离散单元体的位移量与单元刚度的乘积。即:
F支=eij(V)ekl(u)·单元刚度
S173、根据用于表示所述下夹板的所有所述离散单元体的总支反力与所述预设位移量确定所述待评估椎体的刚度。
在一实施例中,待评估椎体的力学强度值需要依据椎体下夹板底面所有离散单元节点的支反力总和来确定。因此,本实施例将下夹板对应的所有离散单元体受到的支反力进行求和,以得到总支反力。待评估椎体的总支反力与待评估椎体的上端面位移值的比值即为待评估椎体的刚度值。其中,预设位移量为待评估椎体上端面的位移值。具体地,待评估椎体的刚度计算如下:
F椎体总支反力=Σ底部单元结点支反力
K=F椎体总支反力/μ
其中,K表示刚度,μ:为变形量,为单一轴向上椎体及PMMA构成的整体的高度的变化量,其单位为mm毫米,也即上述所述的预设位移量。
S174、根据所述待评估椎体的刚度以及所述待评估椎体的高度对所述待评估椎体进行评估以得到所述待评估椎体的力学强度,其中,所述待评估椎体的高度根据所述坐标数据获取。
在一实施例中,所述待评估椎体的高度从所述坐标数据中获取,具体地,可根据待评估椎体的最高点坐标和最低点坐标确定其高度。因此,在得到待评估椎体的高度以及刚度后,利用力学经验公式对待评估椎体进行评估,进而得到该待评估椎体的力学强度。也即最终输出的结果为待评估椎体的力学强度Fmax,也可称之为骨强度。其中,待评估椎体在预设载荷方向下受压缩所能承受的最大外力的公式为,也即力学经验公式为:
Fmax=0.0068*K*H
其中,Fmax:为在预设载荷方向下,待评估椎体受压缩所能承受的最大外力,其单位为N,牛顿;K:刚度,用于描述待评估椎体在受力时抵抗弹性变形的能力,,其单位为N/mm,牛顿/毫米;H:待评估椎体的高度,其单位为mm,毫米。F=压缩载荷,造成椎体单一轴向压缩的外力,也即预设载荷,其单位为N,牛顿。
本实施例采用Fmax作为最终输出的理由如下:(1)在单一轴向压缩条件下,待评估椎体所能承受的最大外力值可由经典力学试验验证,结果通常被用于描述脊椎椎体的骨质量评价;(2)脊柱椎体在骨质疏松症影响下,容易在局部刚度较小的区域产生较大的形变,当形变超过骨的破坏应变时,导致脊柱压缩性骨折。基于上述原因,通过实施本实施例,对病人脊柱椎体实现力学受力过程,得出单一轴向上脊柱椎体所能承受的最大外力,可以用于描述病人脊椎椎体的骨质量状况。
图8是本发明实施例提供的一种椎体力学强度评估装置200的示意性框图。如图8所示,对应于以上椎体力学强度评估方法,本发明还提供一种椎体力学强度评估装置200。该椎体力学强度评估装置200包括用于执行上述椎体力学强度评估方法的单元,该装置可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地,请参阅图8,该椎体力学强度评估装置200包括获取单元210、三维构建单元220、离散单元230、夹板单元240、材料单元250、建立单元260以及评估单元270。
获取单元210,用于获取椎体的CT图像数据。
三维构建单元220,用于从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构。
在一实施例中,如图9所示,所述三维构建单元220包括选取单元221、提取单元222以及构建子单元223。
选取单元221,用于通过选择框在所述椎体的CT图像数据中选取单一节段的椎体以使其处于所述选择框内,其中,所述CT图像数据包括所有像素点的坐标数据以及灰度数据。
提取单元222,用于提取所述选择框内像素点的所述坐标数据和所述灰度数据,其中,所述选择框内像素点的所述坐标数据和所述灰度数据用于表征待评估椎体。
构建子单元223,用于根据所述选择框内像素点的所述灰度数据对与其对应的所述坐标数据进行筛选和排列以构建所述待评估椎体的三维结构。
离散单元230,用于将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体。
在一实施例中,如图9所示,所述离散单元230包括各向同性单元231、坐标调整单元232以及创建单元233。
各向同性单元231,用于对所述选择框内像素点的所述坐标数据进行各向同性化处理。
坐标调整单元232,用于将各向同性化处理后的所述坐标数据进行坐标调整以使所述待评估椎体定位在预设位置。
创建单元233,用于将坐标调整后所述灰度数据不为零的像素点设置为节点,根据所述节点创建三维空间坐标以得到离散单元体。
夹板单元240,用于在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体。
在一实施例中,如图9所示,所述夹板单元240包括读取单元241、确定单元242以及填充单元243。
读取单元241,用于沿所述待评估椎体的轴向读取所述坐标数据。
确定单元242,用于根据所读取的轴向坐标数据确定所述待评估椎体的上表面起始点以及下表面终点。
填充单元243,用于根据所述待评估椎体的上表面起始点以及下表面终点对所述待评估椎体填充用于表示夹板的离散单元体,其中,所述夹板包括位于所述待评估椎体上表面的上夹板和位于所述待评估椎体下表面的下夹板。
材料单元250,用于对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比。
在一实施例中,如图9所示,所述材料单元250包括骨密度单元251、杨氏模量单元252以及泊松比单元253。
骨密度单元251,用于将所述离散单元体对应的所述灰度数据输入至骨密度模型中以输出所述离散单元体的骨密度,并根据预设校准曲线对所述离散单元体的骨密度进行校准。
杨氏模量单元252,用于基于骨密度与弹性模量的函数关系将所述离散单元体的骨密度换算为杨氏模量,其中,所述离散单元体的杨氏模量包括用于表示夹板的离散单元体的杨氏模量。
泊松比单元253,用于将预设泊松比赋予所述离散单元体,其中,所述预设泊松比为0.3。
建立单元260,用于对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组。
在一实施例中,如图9所示,所述建立单元260包括施加单元261以及建立子单元262。
施加单元261,用于对用于表示所述上夹板的所述离散单元体施加朝向其下表面的预设位移量,且对用于表示所述下夹板的所述离散单元体施加固支约束以确定所述离散单元体的应变分量;
建立子单元262,用于基于弹性力学根据所述离散单元体的应变分量以及所述离散单元体的材料属性建立所述待评估椎体的应力与应变关系方程组。
评估单元270,用于基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度。
在一实施例中,如图9所示,所述评估单元270包括处理单元271、支反力单元272、刚度单元273以及评估子单274元。
处理单元271,用于基于力学平衡在预设载荷下通过共轭梯度法对所述待评估椎体的应力与应变关系方程组进行处理以得到所述离散单元体的位移值。
支反力单元272,用于根据用于表示所述下夹板的所述离散单元体的位移量以及其对应的单元刚度确定其受到的支反力,其中,所述单元刚度由所述离散单元体的杨氏模量以及泊松比表示。
刚度单元273,用于根据用于表示所述下夹板的所有所述离散单元体的总支反力与所述预设位移量确定所述待评估椎体的刚度。
评估子单元274,用于根据所述待评估椎体的刚度以及所述待评估椎体的高度对所述待评估椎体进行评估以得到所述待评估椎体的力学强度,其中,所述待评估椎体的高度根据所述坐标数据获取。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述椎体力学强度评估装置200和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述椎体力学强度评估装置可以实现为一种计算机程序的形式,该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10,图10是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端,其中,终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。
参阅图10,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种椎体力学强度评估方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种椎体力学强度评估方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:获取椎体的CT图像数据;从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构;将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体;在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体;对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比;对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组;基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度。
在一实施例中,处理器502在实现所述从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构步骤时,具体实现如下步骤:通过选择框在所述椎体的CT图像数据中选取单一节段的椎体以使其处于所述选择框内,其中,所述CT图像数据包括所有像素点的坐标数据以及灰度数据;提取所述选择框内像素点的所述坐标数据和所述灰度数据,其中,所述选择框内像素点的所述坐标数据和所述灰度数据用于表征待评估椎体;根据所述选择框内像素点的所述灰度数据对与其对应的所述坐标数据进行筛选和排列以构建所述待评估椎体的三维结构。
在一实施例中,处理器502在实现所述将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体步骤时,具体实现如下步骤:对所述选择框内像素点的所述坐标数据进行各向同性化处理;将各向同性化处理后的所述坐标数据进行坐标调整以使所述待评估椎体定位在预设位置;将坐标调整后所述灰度数据不为零的像素点设置为节点,根据所述节点创建三维空间坐标以得到离散单元体。
在一实施例中,处理器502在实现所述在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体步骤时,具体实现如下步骤:沿所述待评估椎体的轴向读取所述坐标数据;根据所读取的轴向坐标数据确定所述待评估椎体的上表面起始点以及下表面终点;根据所述待评估椎体的上表面起始点以及下表面终点对所述待评估椎体填充用于表示夹板的离散单元体,其中,所述夹板包括位于所述待评估椎体上表面的上夹板和位于所述待评估椎体下表面的下夹板。
在一实施例中,处理器502在实现所述对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比,包括步骤时,具体实现如下步骤:将所述离散单元体对应的所述灰度数据输入至骨密度模型中以输出所述离散单元体的骨密度,并根据预设校准曲线对所述离散单元体的骨密度进行校准;基于骨密度与弹性模量的函数关系将所述离散单元体的骨密度换算为杨氏模量,其中,所述离散单元体的杨氏模量包括用于表示夹板的离散单元体的杨氏模量;将预设泊松比赋予所述离散单元体,其中,所述预设泊松比为0.3。
在一实施例中,处理器502在实现所述对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组步骤时,具体实现如下步骤:对用于表示所述上夹板的所述离散单元体施加朝向其下表面的预设位移量,且对用于表示所述下夹板的所述离散单元体施加固支约束以确定所述离散单元体的应变分量;基于弹性力学根据所述离散单元体的应变分量以及所述离散单元体的材料属性建立所述待评估椎体的应力与应变关系方程组。
在一实施例中,处理器502在实现所述基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度步骤时,具体实现如下步骤:基于力学平衡在预设载荷下通过共轭梯度法对所述待评估椎体的应力与应变关系方程组进行处理以得到所述离散单元体的位移值;根据用于表示所述下夹板的所述离散单元体的位移量以及其对应的单元刚度确定其受到的支反力,其中,所述单元刚度由所述离散单元体的杨氏模量以及泊松比表示;根据用于表示所述下夹板的所有所述离散单元体的总支反力与所述预设位移量确定所述待评估椎体的刚度;根据所述待评估椎体的刚度以及所述待评估椎体的高度对所述待评估椎体进行评估以得到所述待评估椎体的力学强度,其中,所述待评估椎体的高度根据所述坐标数据获取。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,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。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如下步骤:获取椎体的CT图像数据;从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构;将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体;在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体;对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比;对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组;基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度。
在一实施例中,所述处理器在执行所述程序指令而实现所述从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构步骤时,具体实现如下步骤:通过选择框在所述椎体的CT图像数据中选取单一节段的椎体以使其处于所述选择框内,其中,所述CT图像数据包括所有像素点的坐标数据以及灰度数据;提取所述选择框内像素点的所述坐标数据和所述灰度数据,其中,所述选择框内像素点的所述坐标数据和所述灰度数据用于表征待评估椎体;根据所述选择框内像素点的所述灰度数据对与其对应的所述坐标数据进行筛选和排列以构建所述待评估椎体的三维结构。
在一实施例中,所述处理器在执行所述程序指令而实现所述将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体步骤时,具体实现如下步骤:对所述选择框内像素点的所述坐标数据进行各向同性化处理;将各向同性化处理后的所述坐标数据进行坐标调整以使所述待评估椎体定位在预设位置;将坐标调整后所述灰度数据不为零的像素点设置为节点,根据所述节点创建三维空间坐标以得到离散单元体。
在一实施例中,所述处理器在执行所述程序指令而实现所述在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体步骤时,具体实现如下步骤:沿所述待评估椎体的轴向读取所述坐标数据;根据所读取的轴向坐标数据确定所述待评估椎体的上表面起始点以及下表面终点;根据所述待评估椎体的上表面起始点以及下表面终点对所述待评估椎体填充用于表示夹板的离散单元体,其中,所述夹板包括位于所述待评估椎体上表面的上夹板和位于所述待评估椎体下表面的下夹板。
在一实施例中,所述处理器在执行所述程序指令而实现所述对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比步骤时,具体实现如下步骤:将所述离散单元体对应的所述灰度数据输入至骨密度模型中以输出所述离散单元体的骨密度,并根据预设校准曲线对所述离散单元体的骨密度进行校准;基于骨密度与弹性模量的函数关系将所述离散单元体的骨密度换算为杨氏模量,其中,所述离散单元体的杨氏模量包括用于表示夹板的离散单元体的杨氏模量;将预设泊松比赋予所述离散单元体,其中,所述预设泊松比为0.3。
在一实施例中,所述处理器在执行所述程序指令而实现所述对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组步骤时,具体实现如下步骤:对用于表示所述上夹板的所述离散单元体施加朝向其下表面的预设位移量,且对用于表示所述下夹板的所述离散单元体施加固支约束以确定所述离散单元体的应变分量;基于弹性力学根据所述离散单元体的应变分量以及所述离散单元体的材料属性建立所述待评估椎体的应力与应变关系方程组。
在一实施例中,所述处理器在执行所述程序指令而实现所述基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度步骤时,具体实现如下步骤:基于力学平衡在预设载荷下通过共轭梯度法对所述待评估椎体的应力与应变关系方程组进行处理以得到所述离散单元体的位移值;根据用于表示所述下夹板的所述离散单元体的位移量以及其对应的单元刚度确定其受到的支反力,其中,所述单元刚度由所述离散单元体的杨氏模量以及泊松比表示;根据用于表示所述下夹板的所有所述离散单元体的总支反力与所述预设位移量确定所述待评估椎体的刚度;根据所述待评估椎体的刚度以及所述待评估椎体的高度对所述待评估椎体进行评估以得到所述待评估椎体的力学强度,其中,所述待评估椎体的高度根据所述坐标数据获取。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。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,也可以是两个或两个以上单元集成在一个单元中。
该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存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种椎体力学强度评估方法,其特征在于,包括:
获取椎体的CT图像数据;
从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构;
将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体;
在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体;
对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比;
对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组;
基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度。
2.根据权利要求1所述的椎体力学强度评估方法,其特征在于,所述从所述椎体的CT图像数据中提取单一节段的椎体作为待评估椎体进行三维构建以得到所述待评估椎体的三维结构,包括:
通过选择框在所述椎体的CT图像数据中选取单一节段的椎体以使其处于所述选择框内,其中,所述CT图像数据包括所有像素点的坐标数据以及灰度数据;
提取所述选择框内像素点的所述坐标数据和所述灰度数据,其中,所述选择框内像素点的所述坐标数据和所述灰度数据用于表征待评估椎体;
根据所述选择框内像素点的所述灰度数据对与其对应的所述坐标数据进行筛选和排列以构建所述待评估椎体的三维结构。
3.根据权利要求2所述的椎体力学强度评估方法,其特征在于,所述将所述待评估椎体的三维结构进行离散处理以得到多个离散单元体,包括:
对所述选择框内像素点的所述坐标数据进行各向同性化处理;
将各向同性化处理后的所述坐标数据进行坐标调整以使所述待评估椎体定位在预设位置;
将坐标调整后所述灰度数据不为零的像素点设置为节点,根据所述节点创建三维空间坐标以得到离散单元体。
4.根据权利要求3所述的椎体力学强度评估方法,其特征在于,所述在所述待评估椎体的上表面和下表面添加用于表示夹板的离散单元体,包括:
沿所述待评估椎体的轴向读取所述坐标数据;
根据所读取的轴向坐标数据确定所述待评估椎体的上表面起始点以及下表面终点;
根据所述待评估椎体的上表面起始点以及下表面终点对所述待评估椎体填充用于表示夹板的离散单元体,其中,所述夹板包括位于所述待评估椎体上表面的上夹板和位于所述待评估椎体下表面的下夹板。
5.根据权利要求4所述的椎体力学强度评估方法,其特征在于,所述对所述离散单元体进行材料属性描述以赋予其对应的骨密度、杨氏模量以及泊松比,包括:
将所述离散单元体对应的所述灰度数据输入至骨密度模型中以输出所述离散单元体的骨密度,并根据预设校准曲线对所述离散单元体的骨密度进行校准;
基于骨密度与弹性模量的函数关系将所述离散单元体的骨密度换算为杨氏模量,其中,所述离散单元体的杨氏模量包括用于表示夹板的离散单元体的杨氏模量;
将预设泊松比赋予所述离散单元体,其中,所述预设泊松比为0.3。
6.根据权利要求5所述的椎体力学强度评估方法,其特征在于,所述对用于表示夹板的所述离散单元体施加边界条件和约束条件并根据所述离散单元体的所述材料属性建立所述待评估椎体的应力与应变关系方程组,包括:
对用于表示所述上夹板的所述离散单元体施加朝向其下表面的预设位移量,且对用于表示所述下夹板的所述离散单元体施加固支约束以确定所述离散单元体的应变分量;
基于弹性力学根据所述离散单元体的应变分量以及所述离散单元体的材料属性建立所述待评估椎体的应力与应变关系方程组。
7.根据权利要求6所述的椎体力学强度评估方法,其特征在于,所述基于所述待评估椎体的应力与应变关系方程组在预设载荷下对所述待评估椎体进行评估以得到所述待评估椎体的力学强度,包括:
基于力学平衡在预设载荷下通过共轭梯度法对所述待评估椎体的应力与应变关系方程组进行处理以得到所述离散单元体的位移值;
根据用于表示所述下夹板的所述离散单元体的位移量以及其对应的单元刚度确定其受到的支反力,其中,所述单元刚度由所述离散单元体的杨氏模量以及泊松比表示;
根据用于表示所述下夹板的所有所述离散单元体的总支反力与所述预设位移量确定所述待评估椎体的刚度;
根据所述待评估椎体的刚度以及所述待评估椎体的高度对所述待评估椎体进行评估以得到所述待评估椎体的力学强度,其中,所述待评估椎体的高度根据所述坐标数据获取。
8.一种椎体力学强度评估装置,其特征在于,包括用于执行如权利要求1-7任一项所述方法的单元。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110540800.2A CN113379892A (zh) | 2021-05-18 | 2021-05-18 | 椎体力学强度评估方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110540800.2A CN113379892A (zh) | 2021-05-18 | 2021-05-18 | 椎体力学强度评估方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113379892A true CN113379892A (zh) | 2021-09-10 |
Family
ID=77571170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110540800.2A Pending CN113379892A (zh) | 2021-05-18 | 2021-05-18 | 椎体力学强度评估方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379892A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114259298A (zh) * | 2022-02-25 | 2022-04-01 | 博志生物科技(深圳)有限公司 | 一种规划椎弓根后路内固定置钉轨迹的数字可视化方法 |
CN114742830A (zh) * | 2022-06-09 | 2022-07-12 | 博志生物科技(深圳)有限公司 | 一种骨组织的医学图像分析方法、装置、设备及存储介质 |
CN114795598A (zh) * | 2022-04-20 | 2022-07-29 | 北京大学第三医院(北京大学第三临床医学院) | 一种椎间融合器的制备方法 |
CN115618694A (zh) * | 2022-12-15 | 2023-01-17 | 博志生物科技(深圳)有限公司 | 基于图像的颈椎分析方法、装置、设备及存储介质 |
WO2023165071A1 (zh) * | 2022-03-01 | 2023-09-07 | 博志生物科技(深圳)有限公司 | 椎间融合器及其制造方法、系统、智能制造设备及介质 |
-
2021
- 2021-05-18 CN CN202110540800.2A patent/CN113379892A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114259298A (zh) * | 2022-02-25 | 2022-04-01 | 博志生物科技(深圳)有限公司 | 一种规划椎弓根后路内固定置钉轨迹的数字可视化方法 |
CN114259298B (zh) * | 2022-02-25 | 2022-04-29 | 博志生物科技(深圳)有限公司 | 一种规划椎弓根后路内固定置钉轨迹的数字可视化方法 |
WO2023165071A1 (zh) * | 2022-03-01 | 2023-09-07 | 博志生物科技(深圳)有限公司 | 椎间融合器及其制造方法、系统、智能制造设备及介质 |
CN114795598A (zh) * | 2022-04-20 | 2022-07-29 | 北京大学第三医院(北京大学第三临床医学院) | 一种椎间融合器的制备方法 |
CN114742830A (zh) * | 2022-06-09 | 2022-07-12 | 博志生物科技(深圳)有限公司 | 一种骨组织的医学图像分析方法、装置、设备及存储介质 |
CN115618694A (zh) * | 2022-12-15 | 2023-01-17 | 博志生物科技(深圳)有限公司 | 基于图像的颈椎分析方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113379892A (zh) | 椎体力学强度评估方法、装置、计算机设备及存储介质 | |
Giambini et al. | The effect of quantitative computed tomography acquisition protocols on bone mineral density estimation | |
Kallemeyn et al. | An interactive multiblock approach to meshing the spine | |
CN113408172A (zh) | 椎间融合器制造方法及制造系统 | |
US20040247074A1 (en) | Bone simulation analysis | |
CN114662362A (zh) | 基于深度学习的腰椎节段内固定方式仿真方法及系统 | |
Divya et al. | Finite element analysis of human lumbar spine | |
Bertrand et al. | Three-dimensional reconstruction of the rib cage from biplanar radiography | |
Gerasimov et al. | Application of a digital prototype for CT-based bone strength analysis | |
Sun et al. | A statistical model of spine shape and material for population-oriented biomechanical simulation | |
Makowski et al. | Trabecular bone numerical homogenization with the use of buffer zone | |
CN113408174A (zh) | 骨骼模型构建方法、装置、计算机设备和存储介质 | |
CN113658706A (zh) | 一种骨强度模拟计算方法、装置及存储介质 | |
Reeves et al. | Methods for post hoc quantitative computed tomography bone density calibration: phantom-only and regression | |
Lu | Computational modelling of bone microstructure | |
US7386154B2 (en) | Method to identify the mechanical properties of a material | |
Branni | Constitutive models of bone: The human femur | |
Chen | Verification and validation of microCT-based finite element models of bone tissue biomechanics | |
Perie et al. | Personalised mechanical properties of scoliotic vertebrae determined in vivo using tomodensitometry | |
Luo et al. | Finite Element Modeling of Femur Stresses/Strains Induced by Impact Force | |
Torres-Jara et al. | Simulated calculation of the flexural strength of long cortical bovine bone | |
Takacs et al. | Experimental validation of a finite element model of an osteoporotic human femoral bone using strain gauge measurement | |
Jamshidi | Patient-specific finite element modeling of bones from X-ray images based on computer-tomography databases | |
Schwen | Composite finite elements for trabecular bone microstructures | |
Ogurkowska et al. | The interaction of the L4-L5 spinal segments by FEM analysis. Part 1. Geometrical data acquisition and validation |
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 |