CN113409445A - 骨折手术钢钉稳定性的评估方法、确定方法、介质及设备 - Google Patents

骨折手术钢钉稳定性的评估方法、确定方法、介质及设备 Download PDF

Info

Publication number
CN113409445A
CN113409445A CN202110615880.3A CN202110615880A CN113409445A CN 113409445 A CN113409445 A CN 113409445A CN 202110615880 A CN202110615880 A CN 202110615880A CN 113409445 A CN113409445 A CN 113409445A
Authority
CN
China
Prior art keywords
steel nail
target
incidence
stability
incident
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.)
Granted
Application number
CN202110615880.3A
Other languages
English (en)
Other versions
CN113409445B (zh
Inventor
周庆华
覃文军
于鲲
张子明
杨金柱
赵大哲
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN202110615880.3A priority Critical patent/CN113409445B/zh
Publication of CN113409445A publication Critical patent/CN113409445A/zh
Application granted granted Critical
Publication of CN113409445B publication Critical patent/CN113409445B/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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • 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
    • G06T2207/30204—Marker
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Epidemiology (AREA)
  • Computer Graphics (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本公开实施例涉及一种骨折手术钢钉稳定性的评估方法、介质及电子设备，其方法包括：基于目标人体部位的多层螺旋CT图像进行三维重建，得到目标骨骼三维模型；获取预先确定的目标钢钉的待评估的入射位置信息和入射角度信息；基于所述入射位置信息和所述入射角度信息，确定所述目标钢钉在所述目标骨骼三维模型中的入射区域和钢钉长度；基于所述钢钉长度和所述入射区域的CT值，通过结构力学公式计算得到所述目标钢钉的相对可承受力值；基于所述相对可承受力值，评估所述目标钢钉的稳定性。通过本申请的评估方法，实现钢钉进入人体的位置和角度的有效性分析，可为临床医生实施医疗手术提供可靠依据。

Description

骨折手术钢钉稳定性的评估方法、确定方法、介质及设备
技术领域
本申请属于医疗图像处理技术领域，具体涉及一种骨折手术钢钉稳 定性的评估方法、确定方法、介质及设备。
背景技术
随着我国交通、建筑行业的发展及人口老龄化加剧，导致交通伤、 建筑伤和老年骨质疏松性骨折患者快速增加。对于骨折的治疗有复位、 固定和功能锻炼等方式，对于严重的骨折需要通过手术切开后用钢板、 钢针、髓内针、螺丝钉等固定。对于内固定手术，由于钢钉进入位置不 合适导致的螺丝松动是临床中常见的并发症，会导致患者的疼痛，严重的可能需要进行翻新手术，为患者带来巨大损伤；而且，患有骨质疏松 的患者中出现螺丝松动的概率更大。
现有的骨科手术的钢钉进入的位置及角度完全依赖于骨科医生的临 床经验，对于有经验的医生，能够结合医学影像信息选择比较合理的位 置及角度，但对于年轻的或是经验比较少的医生，选择钢钉入射位置及 角度变得比较困难。
因此，现有技术中亟需一种能够准确评估骨折手术钢钉稳定性的方 法。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本申请提供一种骨折手术钢钉稳 定性的评估方法、确定方法、介质及设备。
(二)技术方案
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供一种骨折手术钢钉稳定性的评估方法，该方 法包括：
S10、基于目标人体部位的多层螺旋CT图像进行三维重建，得到目 标骨骼三维模型；
S20、获取预先确定的目标钢钉的待评估的入射位置信息和入射角度 信息；
S30、基于所述入射位置信息和所述入射角度信息，确定所述目标钢 钉在所述目标骨骼三维模型中的入射区域和钢钉长度；
S40、基于所述钢钉长度和所述入射区域的CT值，通过结构力学公 式计算得到所述目标钢钉的相对可承受力值；
S50、基于所述相对可承受力值，评估所述目标钢钉的稳定性。
可选地，步骤S10包括：
S11、获取所述目标人体部位的多层螺旋CT图像；
S12、通过区域生长算法对所述多层螺旋CT图像进行图像分割，得 到目标骨骼二维图像；
S13、基于所述目标骨骼二维图像，通过面绘制算法进行三维重建， 得到所述目标骨骼三维模型。
可选地，所述面绘制算法为移动立方体法。
可选地，所述目标骨骼二维图像包括相邻的多层断层图像；步骤S13 包括：
每次任取两张相邻目标骨骼二维图像形成三维数据场，在场中逐个 构造立方体，每个立方体上的8个顶点分别取自上下两层图像；
根据所述立方体上8个顶点函数值与等值面阈值的比较结果，构造 索引表，确定所述立方体与等值面是否有交点；
如立方体与等值面有交点，则计算出立方体棱边与等值面的交点， 作为三角形面片各顶点的坐标；
计算立方体顶点处的法向量，得到三角形面片各顶点处的法向量；
由三角形面片各顶点处的坐标和法向量绘制出等值面，得到所述目 标骨骼三维模型。
可选地，所述入射角度信息的确定方法包括：
S21、基于所述入射位置信息，确定所述目标骨骼三维模型上的目标 网格，得到所述目标网格的重心坐标和法向量，所述目标网格为与所述 目标钢钉的入射位置对应三角形网格；
S22、根据预设的顶角角度，确定所述目标钢钉的可选入射区域，所 述可选入射区域为以所述法向量为轴、以所述顶角角度为顶角大小的圆 锥体区域；
S23、按照球坐标系，将所述顶角角度、圆形对应的圆周角分别进行 M，K个离散采样点进行离散采样，得到锥形区域的M*K个离散空间；
S24、计算得到每个离散采样点的方向向量，作为入射角度信息。
可选地，所述结构力学公式为：
Figure BDA0003097997690000031
其中，Fmax表示相对可承受力值，b表示力与CT值的转换系数，v 表示当前点的CT值，L表示当前点到入射点切平面的距离；vi表示离散 区间内的CT均值，Li表示离散区间到入射点切平面的距离。
可选地，评估所述目标钢钉的稳定性包括：
针对所述目标钢钉的同一入射位置，选取不同的入射角度，评估所 述目标钢钉在不同入射角度下的稳定性；
针对所述目标钢钉的同一入射角度，选取不同的入射位置，评估所 述目标钢钉在不同入射位置下的稳定性；
针对所述目标钢钉，选取不同的入射角度和入射位置，评估所述目 标钢钉在不同入射角度和入射位置下的稳定性。
第二方面，本申请提供一种骨折手术钢钉入射区域的确定方法，该 方法包括：
针对目标骨骼选取不同的入射角度和/或入射位置；
通过如上第一方面任一项所述的方法评估不同的入射角度和/或入射 位置的稳定性；
基于评估得到的稳定性，选取稳定性最大的入射角度和/或入射位置；
基于稳定性最大的入射角度和/或入射位置确定目标骨骼的钢钉入射 区域。
第三方面，本申请提供一种计算机可读存储介质，所述计算机可读 存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如 上述第一方面任一项所述的骨折手术钢钉稳定性的评估方法的步骤。
第四方面，本申请提供一种电子设备，包括：存储器、处理器及存 储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机 程序被所述处理器执行时实现如上述第一方面任一项所述的骨折手术钢 钉稳定性的评估方法的步骤。
(三)有益效果
本申请的有益效果是：本申请提出了一种骨折手术钢钉稳定性的评 估方法、确定方法、介质及设备。基于骨骼密度与医学影像灰度值间的 正相关性，在骨科手术之前，实现钢钉进入人体的位置和角度的有效性 分析，可为临床医生实施医疗手术提供可靠依据。
附图说明
本申请借助于以下附图进行描述：
图1为本申请一个实施例中的骨折手术钢钉稳定性的评估方法流程 示意图；
图2为本申请另一个实施例中的骨折手术钢钉稳定性的评估方法流 程示意图；
图3为本申请另一个实施例中的骨骼图像示例图；
图4为本申请另一个实施例中的三维重建得到的骨模型示例图；
图5为本申请另一个实施例中的采样空间示例图；
图6为本申请另一个实施例中的钢钉示例图；
图7为本申请另一个实施例中的钢钉受力示意图；
图8为本申请又一个实施例中的电子设备的架构示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实 施方式，对本发明作详细描述。可以理解的是，以下所描述的具体的实 施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的 是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互 组合；为了便于描述，附图中仅示出了与发明相关的部分。
近年来，多层螺旋CT(Multi-slice spiral CT，MSCT)技术迅速发展， 三维重建软件被开发并广泛利用。CT是用X射线束对人体某部一定厚度 的层面进行扫描，由探测器接收透过该层面的X射线，转变为可见光后， 由光电转换变为电信号，再经模拟/数字转换器(analog/digital converter) 转为数字信号，输入计算机处理。目标部位平均CT值与骨密度具有相关 性，因此本申请将CT值作为评估骨密度的一种重要的指标。
针对现有技术中缺少一种能够准确评估骨折手术钢钉稳定性的方法 的问题，本申请提出了一种骨折手术钢钉稳定性的评估方法，以下通过 实施例对本发明作详细描述。
实施例一
图1为本申请一个实施例中的骨折手术钢钉稳定性的评估方法流程 示意图，如图1所示，该方法包括：
S10、基于目标人体部位的多层螺旋CT图像进行三维重建，得到目 标骨骼三维模型；
S20、获取预先确定的目标钢钉的待评估的入射位置信息和入射角度 信息；
S30、基于入射位置信息和入射角度信息，确定目标钢钉在目标骨骼 三维模型中的入射区域和钢钉长度；
S40、基于钢钉长度和入射区域的CT值，通过结构力学公式计算得 到目标钢钉的相对可承受力值；
S50、基于相对可承受力值，评估目标钢钉的稳定性。
本申请的骨折手术钢钉稳定性的评估方法基于骨骼密度与医学影像 灰度值间的正相关性，在骨科手术之前，实现钢钉进入人体的位置和角 度的有效性分析，可为临床医生实施医疗手术提供可靠依据。以下对本 实施例中各个步骤展开进行具体说明。
需要说明的是，本实施例方法的执行主体可以是具有网络通信、数 据处理以及程序运行功能的计算服务设备，如手机、平板电脑、个人电 脑、云端或者远程服务器等，本申请实施例对计算服务设备的具体形式 并不做限定。
本实施例中，步骤S10包括：
S11、获取目标人体部位的多层螺旋CT图像。
CT影像为通过电子计算机断层扫描得到的医学影像，其通常包括多 层断层图像。本实施例中，CT图像为CT设备对受检对象的目标人体部 位进行扫描所得到的一个序列的扫描图像，每个序列的可以包括200-300 张CT图像。
CT设备扫描完成后，可以将得到的胸部CT影像上传至影像归档和 通信系统(Picture Archiving and Communication Systems，PACS)，然后计 算机设备可以从PACS系统中获取对应的脑部CT影像。
可选地，计算机设备可以实时从PACS系统中获取CT设备上传的胸 部CT图像，也可以以固定时间间隔从PACS系统中获取该时间段内CT 设备上传的全部胸部CT图像。
S12、通过区域生长算法对多层螺旋CT图像进行图像分割，得到目 标骨骼二维图像，具体包括：
S01、在指定图像层上选取骨骼区域的指定像素点获得初始种子点；
S02、从初始被标记种子点的8邻域像素点中选取一个像素点；
S03、判断所选取的像素点是否已经被标记为标记点，若是，则返回 步骤S02，否则执行步骤S04；
S04、判断所选取的像素点的灰度值是否满足预设要求，若是，则把 该像素点标记为标记点，加入标记点集，执行步骤S06，否则执行步骤 S05；
S05、停止标记该像素点，执行步骤S06；
S06、判断8邻域像素点是否全部判断完毕，若是则执行步骤S07， 否则返回步骤S02；
S07、判断标记点集是否为空，如不为空，则从标记点集中取出一个 标记点作为初始被标记种子点，返回步骤S02，同时将该点从标记点集中 去除，否则执行步骤S08；
S08、获取已被标记的像素点集，该像素点集构成骨骼区域图像。
S13、基于目标骨骼二维图像，通过面绘制算法进行三维重建，得到 所述目标骨骼三维模型。
本实施例中，面绘制算法为移动立方体法。
需要说明的是，本申请也可以采用其他面绘制算法进行三维重建， 例如立方块方法、剖分立方体法，本申请不对其作具体限定。
本实施例中，步骤S13具体包括：
每次任取两张相邻目标骨骼二维图像形成三维数据场，在场中逐个 构造立方体，每个立方体上的8个顶点分别取自上下两层图像；
根据所述立方体上8个顶点函数值与等值面阈值的比较结果，构造 索引表，确定所述立方体与等值面是否有交点；
如立方体与等值面有交点，则计算出立方体棱边与等值面的交点， 作为三角形面片各顶点的坐标；
计算立方体顶点处的法向量，得到三角形面片各顶点处的法向量；
由三角形面片各顶点处的坐标和法向量绘制出等值面，得到所述目 标骨骼三维模型。
步骤S50中，评估目标钢钉的稳定性可以包括以下三种方式：
方式一、针对目标钢钉的同一入射位置，选取不同的入射角度，评 估目标钢钉在不同入射角度下的稳定性；
方式二、针对目标钢钉的同一入射角度，选取不同的入射位置，评 估目标钢钉在不同入射位置下的稳定性；
方式三、针对目标钢钉，选取不同的入射角度和入射位置，评估目 标钢钉在不同入射角度和入射位置下的稳定性。
本实施例提出一种骨折手术钢钉稳定性的评估方法，通过方式一可 以根据分析结果为医生提供最佳的钢钉角度，通过方式二可以根据分析 结果为医生提供最佳的入射位置，通过公式三可以选择最佳的入射位置 和入射角度，从而在医生进行手术之前，对患者的手术方式做精准的计 划。
实施例二
图2为本申请另一个实施例中的骨折手术钢钉稳定性的评估方法流 程示意图，如图2所示，该方法包括：
S1、输入骨CT数据。
S2、基于骨CT数据，通过区域生长算法对进行骨分割。
骨分割，本实施例采用半自动的区域生长算法，选取种子点，限定 区域生长阈值范围，得到骨骼的分割结果。图3为本申请另一个实施例 中的骨骼图像示例图，图3中(a)为患者的左右腿骨骼图像示例图，(b) 为图像分割后得到的右腿骨骼图像示例图，两幅图像是基于分割的体绘 制结果，基本单元是体素。如图3所示，患者左腿发生骨折，通过手术 的方式植入钢钉及钢板固定，因此本实施例以右腿为例进行钢钉植入分 析。
S3、构建骨骼三维模型。
针对上一步得到右腿骨的分割结果，应用Marching Cube算法构建腿 骨模型，如图4所示，图4为本申请另一个实施例中的三维重建得到的 骨模型示例图。
S4、选择钢钉进入位置。
在骨模型上选择一个钢钉位置，计算该点在模型中对应三角形中的 重心坐标P(γ1，γ2，γ3)。
S5、计算法向量。
计算该点的法向量：
N＝Normalize(γ1*N1+γ2*N2+γ3*N3)
其中，normalize表示归一函数化，N1、N2、N3分别表示网格模型中 对应三角形三个顶点的法向量方向，每个顶点的法向量方向为其相邻三 角形法向量方向的均值。
为了得钢钉的最佳角度，本实施例根据法向量选取一个圆锥形的入 射角度范围作为采样空间，按照球坐标系，将圆锥形采样空间的顶角角 度α、圆形对应的圆周角β分别取M，K个离散采样点进行离散采样，得到 锥形区域的M*K个离散空间。图5为本申请另一个实施例中的采样空间 示例图，如图5所示，其中N为法向量，α为圆锥顶角角度。
计算得到每个离散采样点的方向向量，作为入射角度信息。计算每 个离散采样点的方向向量的方法如下：
设法向量为N(x0，y0，z0)，α为用户输入，β为0-360度，α和β的采样间隔 默认为5度，用户可以通过参数进行更改，则有
M＝α/(2*5)
K＝β/5
在三维空间中，以(x0，y0，z0)为圆心、以r为半径、以
Figure BDA0003097997690000091
为法向量的 圆形的参数方程为：
x(β)＝x0+rcos(β)a1+rsin(β)b1
y(β)＝y0+rcos(β)a2+rsin(β)b2
z(β)＝z0+rcos(β)a3+rsin(β)b3
其中，
Figure BDA0003097997690000092
表示垂直于法向量
Figure BDA0003097997690000093
又相互垂直的单位 向量。
首先应用法向量
Figure BDA0003097997690000094
叉乘x轴的单位向量，如果叉乘结果不为0，那么 将其作为向量
Figure BDA0003097997690000095
再次用法向量
Figure BDA0003097997690000096
叉乘
Figure BDA0003097997690000097
得到向量
Figure BDA0003097997690000098
如果结果为0，再用 法向量
Figure BDA0003097997690000099
叉乘另外两个坐标向量的任何一个即可得到向量
Figure BDA00030979976900000910
再次用法向 量
Figure BDA0003097997690000101
叉乘
Figure BDA0003097997690000102
得到向量
Figure BDA0003097997690000103
半径r由α的离散计算出，第i个离散角度为i*5, 由法向量为单位向量，r＝tan(i*5)。由此可计算任意位置的方向向量。
S6、计算最优方向。
对于每一个位置需要根据该钢钉区域的CT值对钢钉的稳定性进行 评价。首先基于分割结果计算最佳的钢钉长度，首先对所有的离散方向 沿着钢钉入射点进行遍历，直到射线出离骨骼区域，则记录为一个长度 信息，然后遍历所有方向后得到的最大的长度为钢钉长度。图6为本申 请另一个实施例中的钢钉示例图，如图6所示，采用其中两个离散方向得到的钢钉长度，分别是28.4mm和28.7mm。
对于正常的骨骼组织，其密度越大，对应的CT值越大，所能承受的 钢钉力量越大，密度越小，对应的CT值越小，所能承受的钢钉力量越小。 应用结构力学的方法，将钢钉区域的骨折离散为K个离散的小支撑点， 假设每个支撑点所能承受的最大压力为Fi，Fi的大小与其对应的CT值成 正相关。由于钢钉由钢板固定，所以其固定的支撑点为钢钉入射点，对应的水平方向为入射点的法向量方向。图7为本申请另一个实施例中的 钢钉受力示意图，如图7所示，P为支撑点，N为法向量，P点箭头方向 表示钢钉作用到骨骼力的方向。
对于任意一点P，其对应的力臂为该点到入射点切平面的距离L，则 该点的力矩为：
M＝F*L
则整只钢钉所能承受的最大力为:
Figure BDA0003097997690000104
Figure BDA0003097997690000105
其中,F为作用力，Fi为离散区间上的最大压力，Li为离散区间到入射 点切平面的距离。
假设Fi与CT值为线性关系，离散区间内的CT均值为vi，则有：
Fi＝b*vi
其中，b表示力与CT值的转换系数。
对采样空间内的所有角度进行采样，得到受力最大方向作为钢钉进 入的最大角度，可同时选择多个钢钉的位置，计算得到受力最大的位置 作为最终位置。
本实施例采用一种通过CT值计算钢钉稳定性的评价指标，根据钢钉 的进入位置计算提供最佳的钢钉进入角度；对不同位置的钢钉稳定性提 供分析，可以此选择最佳的钢钉位置。
实施例三
本申请第二方面提供一种骨折手术钢钉入射区域的确定方法，该方 法包括：
针对目标骨骼选取不同的入射角度和/或入射位置；
通过上述任一实施例的骨折手术钢钉稳定性的评估方法评估不同的 入射角度和/或入射位置的稳定性；
基于评估得到的稳定性，选取稳定性最大的入射角度和/或入射位置；
基于稳定性最大的入射角度和/或入射位置确定目标骨骼的钢钉入射 区域。
通过本实施例的方法可以为医生的手术实施提供有力的依据。
实施例四
本申请第三方面通过另一实施例提供了一种电子设备，包括：存储 器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算 机程序被处理器执行时实现如上实施例中任意一项所述的骨折手术钢钉 稳定性的评估方法的步骤。
图8为本申请另一个实施例中的电子设备的架构示意图。
图8所示的电子设备可包括：至少一个处理器101、至少一个存储器 102、至少一个网络接口104和其他的用户接口103。电子设备中的各个 组件通过总线系统105耦合在一起。可理解，总线系统105用于实现这 些组件之间的连接通信。总线系统105除包括数据总线之外，还包括电 源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中 将各种总线都标为总线系统105。
其中，用户接口103可以包括显示器、键盘或者点击设备(例如，鼠 标，轨迹球(trackball)或者触感板等。
可以理解，本实施例中的存储器102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。其中，非易失性存 储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器 (ProgrammableROM，PROM)、可擦除可编程只读存储器(ErasablePROM， EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory， RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式 的RAM可用，例如静态随机存取存储器(StaticRAM，SRAM)、动态随机 存取存储器(DynamicRAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器 (DoubleDataRateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储 器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器 (SynchlinkDRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM，DRRAM)。本文描述的存储器62旨在包括但不限于 这些和任意其它适合类型的存储器。
在一些实施方式中，存储器102存储了如下的元素，可执行单元或 者数据结构，或者他们的子集，或者他们的扩展集：操作系统1021和应 用程序1022。
其中，操作系统1021，包含各种系统程序，例如框架层、核心库层、 驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序 622，包含各种应用程序，用于实现各种应用业务。实现本发明实施例方 法的程序可以包含在应用程序1022中。
在本发明实施例中，处理器101通过调用存储器102存储的程序或 指令，具体的，可以是应用程序1022中存储的程序或指令，处理器101 用于执行第一方面所提供的方法步骤，例如包括以下步骤：
S10、基于目标人体部位的多层螺旋CT图像进行三维重建，得到目 标骨骼三维模型；
S20、获取预先确定的目标钢钉的待评估的入射位置信息和入射角度 信息；
S30、基于入射位置信息和入射角度信息，确定目标钢钉在目标骨骼 三维模型中的入射区域和钢钉长度；
S40、基于钢钉长度和入射区域的CT值，通过结构力学公式计算得 到目标钢钉的相对可承受力值；
S50、基于相对可承受力值，评估目标钢钉的稳定性。
上述本发明实施例揭示的方法可以应用于处理器101中，或者由处 理器101实现。处理器101可能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101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101可以是通 用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路 (ApplicationSpecific IntegratedCircuit，ASIC)、现成可编程门阵列(FieldProgrammableGateArray，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。可以实现或者执行本发明实施例 中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方 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102，处理器101 读取存储器102中的信息，结合其硬件完成上述方法的步骤。
另外，结合上述实施例中的骨折手术钢钉稳定性的评估方法，本发 明实施例可提供一种计算机可读存储介质，计算机可读存储介质上存储 有计算机程序，计算机程序被处理器执行时实现如上方法实施例中的任 意一种骨折手术钢钉稳定性的评估方法。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、 中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一 个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理 设备(DSPDevice，DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列 (FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请 所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的 技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处 理器中或在处理器外部实现。
在本申请公开的上述实施例中，应该理解到，所揭露的设备和方法， 也可以通过其它的方式实现。以上所描述的设备和方法实施例仅仅是示 意性的，例如，附图中的流程图和框图显示了根据本公开的多个实施例 的方法、设备和计算机程序产品的可能实现的体系架构、功能和操作。 在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代 码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实 现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现 方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。 例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按 相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流 程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行 规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬 件与计算机指令的组合来实现。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标 记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求 中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多 个这样的部件。此外，需要说明的是，在本说明书的描述中，术语“一个 实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例” 等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者 特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述 术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的 具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以 合适的方式结合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了 基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以， 权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和 修改。
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱 离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发 明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和 变型在内。

Claims (10)

1.一种骨折手术钢钉稳定性的评估方法，其特征在于，该方法包括：
S10、基于目标人体部位的多层螺旋CT图像进行三维重建，得到目标骨骼三维模型；
S20、获取预先确定的目标钢钉的待评估的入射位置信息和入射角度信息；
S30、基于所述入射位置信息和所述入射角度信息，确定所述目标钢钉在所述目标骨骼三维模型中的入射区域和钢钉长度；
S40、基于所述钢钉长度和所述入射区域的CT值，通过结构力学公式计算得到所述目标钢钉的相对可承受力值；
S50、基于所述相对可承受力值，评估所述目标钢钉的稳定性。
2.根据权利要求1所述的方法，其特征在于，步骤S10包括：
S11、获取所述目标人体部位的多层螺旋CT图像；
S12、通过区域生长算法对所述多层螺旋CT图像进行图像分割，得到目标骨骼二维图像；
S13、基于所述目标骨骼二维图像，通过面绘制算法进行三维重建，得到所述目标骨骼三维模型。
3.根据权利要求2所述的方法，其特征在于，所述面绘制算法为移动立方体法。
4.根据权利要求4所述的方法，其特征在于，所述目标骨骼二维图像包括相邻的多层断层图像；步骤S13包括：
每次任取两张相邻目标骨骼二维图像形成三维数据场，在场中逐个构造立方体，每个立方体上的8个顶点分别取自上下两层图像；
根据所述立方体上8个顶点函数值与等值面阈值的比较结果，构造索引表，确定所述立方体与等值面是否有交点；
如立方体与等值面有交点，则计算出立方体棱边与等值面的交点，作为三角形面片各顶点的坐标；
计算立方体顶点处的法向量，得到三角形面片各顶点处的法向量；
由三角形面片各顶点处的坐标和法向量绘制出等值面，得到所述目标骨骼三维模型。
5.根据权利要求1所述的方法，其特征在于，所述入射角度信息的确定方法包括：
S21、基于所述入射位置信息，确定所述目标骨骼三维模型上的目标网格，得到所述目标网格的重心坐标和法向量，所述目标网格为与所述目标钢钉的入射位置对应三角形网格；
S22、根据预设的顶角角度，确定所述目标钢钉的可选入射区域，所述可选入射区域为以所述法向量为轴、以所述顶角角度为顶角大小的圆锥体区域；
S23、按照球坐标系，将所述顶角角度、圆形对应的圆周角分别进行M，K个离散采样点进行离散采样，得到锥形区域的M*K个离散空间；
S24、计算得到每个离散采样点的方向向量，作为入射角度信息。
6.根据权利要求1所述的方法，其特征在于，所述结构力学公式为：
Figure FDA0003097997680000021
其中，Fmax表示相对可承受力值，b表示力与CT值的转换系数，v表示当前点的CT值，L表示当前点到入射点切平面的距离；vi表示离散区间内的CT均值，Li表示离散区间到入射点切平面的距离。
7.根据权利要求1所述的方法，其特征在于，评估所述目标钢钉的稳定性包括：
针对所述目标钢钉的同一入射位置，选取不同的入射角度，评估所述目标钢钉在不同入射角度下的稳定性；
针对所述目标钢钉的同一入射角度，选取不同的入射位置，评估所述目标钢钉在不同入射位置下的稳定性；
针对所述目标钢钉，选取不同的入射角度和入射位置，评估所述目标钢钉在不同入射角度和入射位置下的稳定性。
8.一种骨折手术钢钉入射区域的确定方法，其特征在于，该方法包括：
针对目标骨骼选取不同的入射角度和/或入射位置；
通过权利要求1-7中任一权利要求所述的方法评估不同的入射角度和/或入射位置的稳定性；
基于评估得到的稳定性，选取稳定性最大的入射角度和/或入射位置；
基于稳定性最大的入射角度和/或入射位置确定目标骨骼的钢钉入射区域。
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上存储有计算机程序，所述计算机程序被处理器执行时实现如上权利要求1至7任一项所述的骨折手术钢钉稳定性的评估方法的步骤。
10.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上权利要求1至7任一项所述的骨折手术钢钉稳定性的评估方法的步骤。
CN202110615880.3A 2021-06-02 2021-06-02 骨折手术钢钉稳定性的评估方法、确定方法、介质及设备 Active CN113409445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110615880.3A CN113409445B (zh) 2021-06-02 2021-06-02 骨折手术钢钉稳定性的评估方法、确定方法、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110615880.3A CN113409445B (zh) 2021-06-02 2021-06-02 骨折手术钢钉稳定性的评估方法、确定方法、介质及设备

Publications (2)

Publication Number Publication Date
CN113409445A true CN113409445A (zh) 2021-09-17
CN113409445B CN113409445B (zh) 2023-10-17

Family

ID=77675998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110615880.3A Active CN113409445B (zh) 2021-06-02 2021-06-02 骨折手术钢钉稳定性的评估方法、确定方法、介质及设备

Country Status (1)

Country Link
CN (1) CN113409445B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113888620A (zh) * 2021-09-29 2022-01-04 武汉联影智融医疗科技有限公司 骨钉标记点提取方法、装置、处理设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016102027A1 (en) * 2014-12-24 2016-06-30 Mobelife N.V. Method of using a computing device for providing a design of an implant
CN109152610A (zh) * 2016-05-16 2019-01-04 思想外科有限公司 植入设计和计算机辅助手术
CN109285225A (zh) * 2018-10-15 2019-01-29 东北大学 一种基于医学影像的虚拟现实辅助手术的建立方法
CN111329552A (zh) * 2016-03-12 2020-06-26 P·K·朗 包括机器人的用于引导骨切除的增强现实可视化
US20200258220A1 (en) * 2019-02-13 2020-08-13 Sectra Ab Automated implant movement analysis systems and related methods
CN111627011A (zh) * 2020-05-28 2020-09-04 上海交通大学医学院附属第九人民医院 基于ct值椎弓根钉置钉钉道选择方法、装置和设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016102027A1 (en) * 2014-12-24 2016-06-30 Mobelife N.V. Method of using a computing device for providing a design of an implant
CN111329552A (zh) * 2016-03-12 2020-06-26 P·K·朗 包括机器人的用于引导骨切除的增强现实可视化
CN109152610A (zh) * 2016-05-16 2019-01-04 思想外科有限公司 植入设计和计算机辅助手术
CN109285225A (zh) * 2018-10-15 2019-01-29 东北大学 一种基于医学影像的虚拟现实辅助手术的建立方法
US20200258220A1 (en) * 2019-02-13 2020-08-13 Sectra Ab Automated implant movement analysis systems and related methods
CN111627011A (zh) * 2020-05-28 2020-09-04 上海交通大学医学院附属第九人民医院 基于ct值椎弓根钉置钉钉道选择方法、装置和设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王沫楠;郭鸿书;: "股骨颈骨折固定方式研究", 哈尔滨理工大学学报, vol. 17, no. 03, pages 125 - 130 *
缪锌;邓高荣;凌强;: "数字骨科技术在股骨转子间骨折植入物修复前的规划作用", 中国组织工程研究, vol. 20, no. 13, pages 1918 - 1924 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113888620A (zh) * 2021-09-29 2022-01-04 武汉联影智融医疗科技有限公司 骨钉标记点提取方法、装置、处理设备和存储介质

Also Published As

Publication number Publication date
CN113409445B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
Segars et al. Population of anatomically variable 4D XCAT adult phantoms for imaging research and optimization
Giambini et al. The effect of quantitative computed tomography acquisition protocols on bone mineral density estimation
CN110544245B (zh) 图像处理方法、装置、计算机可读存储介质及电子设备
Luisier et al. Orthotropic HR-pQCT-based FE models improve strength predictions for stance but not for side-way fall loading compared to isotropic QCT-based FE models of human femurs
EP3657391A1 (en) Processing a medical image
CN110111305B (zh) 处理方案的生成方法、装置、设备和存储介质
Pandey et al. Fast and automatic bone segmentation and registration of 3D ultrasound to CT for the full pelvic anatomy: a comparative study
CN111627011B (zh) 基于ct值椎弓根钉置钉钉道选择方法、装置和设备
JP2002329216A (ja) 対象物に含まれる三次元画像をセグメント化する方法
CN108846830A (zh) 对ct中腰椎自动定位的方法、装置以及存储介质
Ridel et al. Automatic landmarking as a convenient prerequisite for geometric morphometrics. Validation on cone beam computed tomography (CBCT)-based shape analysis of the nasal complex
CN108765421B (zh) 乳房医学图像处理方法、装置和aec曝光参数获取方法
CN110809451B (zh) 用于将断裂骨骼的碎片在解剖学上对齐的变换确定
Taghizadeh et al. Biomechanical role of bone anisotropy estimated on clinical CT scans by image registration
CN113409445B (zh) 骨折手术钢钉稳定性的评估方法、确定方法、介质及设备
Berkley et al. Creating fast finite element models from medical images
Salmon Application of bone morphometry and densitometry by X-ray micro-CT to bone disease models and phenotypes
CN109350059B (zh) 用于肘部自动对准的组合的转向引擎和界标引擎
Vergari et al. A novel method of anatomical landmark selection for rib cage 3D reconstruction from biplanar radiography
CN113515875A (zh) 基于多模态图像的骨生物力学建模方法、系统及装置
CN109685796B (zh) 医学图像处理方法、装置、设备和存储介质
CN115690063A (zh) 骨密度参数检测方法、计算机设备和存储介质
CN112465902B (zh) 骨科手术用光学跟踪标记球位置确定方法和装置
EP3828768A1 (en) Method for modeling a bone
WO2018175307A1 (en) An image-based method to measure joint deformity

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