CN113658170A - 一种关节配准点生成方法、装置、电子设备及存储介质 - Google Patents
一种关节配准点生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113658170A CN113658170A CN202111003471.4A CN202111003471A CN113658170A CN 113658170 A CN113658170 A CN 113658170A CN 202111003471 A CN202111003471 A CN 202111003471A CN 113658170 A CN113658170 A CN 113658170A
- Authority
- CN
- China
- Prior art keywords
- model
- joint
- marked
- data
- initial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims description 56
- 238000009616 inductively coupled plasma Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 239000007787 solid Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 210000000689 upper leg Anatomy 0.000 description 11
- 230000009466 transformation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000000629 knee joint Anatomy 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种关节配准点生成方法、装置、电子设备及存储介质，该方法包括：获取待标记关节模型；基于所述待标记关节模型的物理信息确定初始模型信息；根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒；基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型；将所述序号数据结合所述目标模型得出所述待标记关节模型的配准点。通过基于待标记关节筛选出相近的现有模型，并对现有模型进行调整的过程，使得现有模型贴合所述待标记关节，基于现有模型的标记数据实现了对待标记关节的配准点计算，进而实现了关节的标记过程更准确，效率更高。
Description
技术领域
本发明实施例涉及医疗技术领域，尤其涉及一种关节配准点生成方法、装置、电子设备及存储介质。
背景技术
在进行关节置换等需要对关节进行标记的医疗手术时，现有技术需要标记人员使用MitkWorkBench等软件交互式地在3D网格模型上使用鼠标点击相关部位来标记配准点，标记的过程中还需要不停地平移和旋转3D网格模型以寻找合适的标记部位，由此带来关节配准点生成的工作量大，进行关节配准点生成时的工作效率低下，并且容易出现错误的问题。
发明内容
本发明实施例提供了一种关节配准点生成方法、装置、电子设备及存储介质，避免了现有技术中关节配准点生成的工作量大，进行关节配准点生成时的工作效率低下，并且容易出现错误的问题，通过计算得出所述待标记关节的配准点信息，实现对关节自动标记的过程，使得关节配准点生成的过程解放了人力资源，提高了关节配准点生成效率。
第一方面，本发明实施例提供了一种关节配准点生成方法，包括：
获取待标记关节模型，其中，所述待标记关节模型为与实体关节几何形状相同的物理仿真模型；
基于所述待标记关节模型的物理信息确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型进行标记的序号数据，所述初始模型为已完成标记的与实体关节几何形状相同的物理仿真模型；
根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；
基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型，其中，所述目标模型满足与所述待标记关节模型几何形状重合的条件；
将所述序号数据结合所述目标模型得出所述待标记关节模型的配准点。
可选的，在所述基于所述待标记关节模型的物理信息确定初始模型信息的步骤之前，还包括：
基于预设裁剪规则对所述待标记关节模型进行裁剪，得到裁剪后的待标记关节模型，其中，所述预设裁剪规则为根据待标记关节模型的关节特征设置的剪裁标准。
可选的，所述基于所述待标记关节模型的物理信息确定初始模型信息的步骤，包括：
获取所述裁剪后的待标记关节模型的物理信息，所述物理信息包括体积数据、长宽高数据和三维特征点数据；
基于所述体积数据和所述长宽高数据对三维模型数据库中的模型进行筛选，得到第一模型数据；
基于所述三维特征点数据对所述第一模型数据进行筛选，得到对应待标记关节模型的初始模型；
基于所述初始模型获取对所述初始模型进行标记的序号数据。
可选的，所述基于所述第一包围盒和所述第二包围盒对所述初始模型进行修正，得到目标模型的步骤，包括：
基于所述第一包围盒和所述第二包围盒通过ICP算法得到转换矩阵；
根据所述转换矩阵修正所述初始模型，得到转换模型数据；
基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型。
可选的，在所述基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型的步骤之前，还包括：
以所述初始模型的物理中心为旋转中心，旋转所述初始模型数据，得到不同角度的初始模型数据；
基于不同角度的初始模型数据得到不同的第二包围盒；
根据不同的第二包围盒与所述第一包围盒通过ICP算法得到不同的转换矩阵；
将不同的转换矩阵导入所述初始模型，得到不同的转换模型数据；
计算不同的转换模型数据与所述第一包围盒的不同Hausdorff距离，得到与所述第一包围盒Hausdorff距离最小的目标转换模型数据，其中，所述Hausdorff距离是描述两组点集之间相似程度的一种量度；
将所述目标转换模型数据作为所述转换模型数据。
可选的，所述将所述序号数据结合所述目标模型得出所述待标记关节的配准点的步骤，包括：
基于所述序号数据与所述目标模型得出对应每个所述序号数据的坐标信息；
通过最邻近算法确定所述待标记关节模型与所述坐标信息距离最近的配准点。
可选的，在所述将所述序号数据结合所述目标模型得出所述待标记关节模型的配准点的步骤之后，还包括：
以所述配准点为圆心，以预设值为半径，创建球体；
基于所述球体标记所述待标记关节。
第二方面，本申请实施例提供了一种关节配准点生成装置，包括：
数据获取模块，用于获取待标记关节模型，其中，所述模型为与实体关节几何形状相同的物理仿真模型；
筛选模块，用于基于所述待标记关节模型的物理信息确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型进行标记的序号数据，所述初始模型为已完成标记的与实体关节几何形状相同的物理仿真模型；
计算模块，用于根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；
修正模块，用于基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型，其中，所述目标模型满足与所述待标记关节模型几何形状重合的条件；
标记模块，用于将所述序号数据结合所述目标模型得出所述待标记关节的配准点。
第三方面，本申请实施例提供了一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器用于执行存储器中存储的计算机程序时实现如上述的关节配准点生成方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其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的关节配准点生成方法。
上述发明中的实施例具有如下优点或有益效果：
通过获取待标记关节模型；基于所述待标记关节模型的物理信息确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型数据进行标记的序号数据；在数据库或者网络上筛选出对应待标记关节模型的初始模型信息，便于将所述初始模型信息与待标记关节模型进行结合，减少所述初始模型信息与待标记关节模型结合带来的误差，使得后续标记更准确，更合理；根据所述待标记关节模型和所述初始模型确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行调整，得到目标模型；将所述序号数据代入所述目标模型得出所述待标记关节的配准点信息，以使所述待标记关节被标记。通过对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒对已经被标记的初始模型数据进行调整，使得初始模型数据与所述待标记关节模型的误差更小，进而根据对所述初始模型数据进行标记的序号数据确定所述待标记关节模型的配准点信息，得以实现对所述待标记关节模型的自动标记，使得关节配准点生成的过程解放了人力资源，提高了关节配准点生成效率。
附图说明
图1是本申请实施例提供的一种关节配准点生成方法的流程图；
图2是本申请实施例提供的一种关节配准点生成装置的结构示意图；
图3是本申请实施例提供的一种电子设备的结构示意图；
图4是本申请实施例提供的一种存储介质的结构示意图；
图5是本申请实施例提供的一种关节配准点生成方法的应用场景图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本申请实施例提供的一种关节配准点生成方法的流程图，本实施例提供的关节配准点生成方法可适用于医疗骨科手术场景。该方法可以由关节配准点生成装置来执行，该装置可以由软件和/或硬件的方式来实现，通常集成于辅助机器人。
如图1所示，本发明实施例提供了一种关节配准点生成方法，具体包括以下步骤：
S101、获取待标记关节模型，其中，所述模型为与实体关节几何形状相同的物理仿真模型；
示例性的，可以通过扫描等方式获取与实体关节几何形状相同的物理仿真模型，所述物理仿真模型为三维立体图像；通过检测设备获取待标记关节模型，得到所述待标记关节的三维模型图像，可以有选择的只获取待标记关节的三维模型，也可以选择获取所述待标记关节所在的骨骼的三维模型，以左股骨关节为例，通过扫描等方式获取与左股骨关节几何形状相同的三维立体图像，可以有选择的只获取左股骨关节的三维模型，也可以获取完整的左股骨的三维模型。便于本方法的实现，使得本方法运用更灵活，更加合理。
S102、基于所述待标记关节模型确定初始模型信息，其中，所述初始模型信息包括初始模型数据和对所述初始模型数据进行标记的序号数据，所述初始模型为已完成标记的与实体关节几何形状相同的物理仿真模型；
示例性的，在数据库或者网络内查找与所述待标记关节模型相近的已完成标记的初始模型信息，后续通过对所述初始模型信息进行修正，使得所述初始模型信息与所述待标记关节模型尽可能重合，进而为对关节的自动标记提供基础。
S103、根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型的第二包围盒，其中，所述包围盒为定向边界框数据，所述定向边界框数据为三维长方体标注中的固定方向的边界框数据，边界框尽可能的靠近被标注对象的每个边缘，定向边界框数据标注待标注关节的长宽和近似深度数据；
示例性的，计算所述待标记关节模型的第一包围盒，以及所述初始模型数据的的第二包围盒，其中，所述包围盒，BoundingBox，为定向边界框数据；
本例采用遍历数组得方式：intminX＝Integer.MAX_VALUE,minY,maxX,maxY＝Integer.MAX_VALUE；
计算所述待标记关节模型的第一包围盒，以及所述初始模型数据的第二包围盒。
S104、基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行调整，得到目标模型，其中，所述目标模型满足与所述待标记关节模型几何形状重合的条件；
示例性的，基于所述第一包围盒和所述第二包围盒对所述初始模型信息进行修正，使得所述初始模型信息与所述待标记关节模型的几何形状尽可能重合，得到目标模型，进而减小所述目标模型与所述待标记关节模型的差异，避免后续计算配准点时误差过大的问题。
S105、将所述序号数据代入所述目标模型得出所述待标记关节的配准点信息，以使所述待标记关节被标记。
通过获取待标记关节模型；基于所述待标记关节模型确定初始模型信息，其中，所述初始模型信息包括初始模型数据和对所述初始模型数据进行标记的序号数据；在数据库或者网络上筛选出对应待标记关节模型的初始模型信息，便于将所述初始模型信息与待标记关节模型进行结合，减少所述初始模型信息与待标记关节模型结合带来的误差，使得后续标记更准确，更合理；根据所述待标记关节模型和所述初始模型数据确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行调整，得到目标模型；将所述序号数据代入所述目标模型得出所述待标记关节的配准点信息，以使所述待标记关节被标记。通过对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒对已经被标记的初始模型数据进行调整，使得初始模型数据与所述待标记关节模型的误差更小，进而根据对所述初始模型数据进行标记的序号数据确定所述待标记关节模型的配准点信息，得以实现对所述待标记关节模型的自动标记，使得关节配准点生成的过程解放了人力资源，提高了关节配准点生成效率。
在一种可能的实施方式中，在所述基于所述待标记关节模型确定初始模型信息的步骤之前，还包括：
基于预设裁剪规则对所述待标记关节模型进行筛选，得到裁剪后的待标记关节模型。
示例性的，所述预设筛选规则为根据不同场景不同需求进行选择性预设的裁剪规则，以所述待标记关节模型为左股骨关节模型为例，当获取整个左股骨时，在标准的CT图像中，从脚到头的方向为为+Z方向，因此在左股骨模型之中，膝关节附近的骨质的Z坐标是最小的。因为人的身高有差异，因此整个股骨的长度差异是比较大的，但是膝关节附近的骨质的大小都比较接近。因此截取从左股骨的Z轴的最小数值处开始往Z轴正方向上150mm范围内的骨质。忽略了对后续筛选影响较小的整个股骨的长度，减少了后续筛选时的数据对比，节省了计算资源，提高了后续筛选效率。
在一种可能的实施方式中，所述基于所述待标记关节模型确定初始模型信息的步骤，包括：
获取所述裁剪后的待标记关节模型的基础信息，其中，所述基础信息包括体积数据、长宽高数据和三维特征点数据；
基于所述体积数据和所述长宽高数据对三维模型数据库中的模型进行筛选，得到第一模型数据；
基于所述三维特征点数据对所述第一模型数据进行筛选，得到对应待标记关节模型的初始模型信息。
示例性的，计算裁剪后的左股骨模型的几何中心，然后将裁剪后的左股骨模型的几何中心平移到坐标原点，使得整个所述裁剪后的左股骨模型跟随上述几何中心一起移动，得以计算裁剪后的左股骨模型的体积、长宽高以及3D Harris特征点，先使用体积和长宽高进行检索，然后使用3D特征点在检索出的模型上进行更细致的检索，采用两步检索，使得检索过程更合理，使得检索结果更准确，同时避免检索的工作量过大。
在一种可能的实施方式中，所述基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行调整，得到目标模型的步骤，包括：
基于所述第一包围盒和所述第二包围盒通过ICP算法得到转换矩阵；
将所述转换矩阵导入所述初始模型数据，得到转换模型数据；
基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型。
示例性的，使用ICP算法计算所述第一包围盒和所述第二包围盒之间的变换矩阵，即所述第一包围盒到所述第二包围盒附近的平移和旋转矩阵，记为Matrix1；
对所述第二包围盒使用平移和旋转矩阵Matrix1，得到新的模型数据，记为转换模型数据；
使用ICP算法计算所述转换模型数据的点云，即，网格顶点组成的点云，与所述第一包围盒的点云之间的转换矩阵，记为：Matrix2；
对所述转换模型数据使用Matrix2，得到所述目标模型。
使得上述初始模型数据经过修正后的所述目标模型与上述待标记关节模型尽可能重合，使得后续对所述目标模型进行标记可以代替对待标记关节模型进行标记的过程。
在一种可能的实施方式中，在所述基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型的步骤之前，还包括：
以所述初始模型数据得物理中心为旋转中心，旋转所述初始模型数据，得到不同角度的初始模型数据；
基于不同角度的初始模型数据得到不同的第二包围盒；
根据不同的第二包围盒与所述第一包围盒通过ICP算法得到不同的转换矩阵；
将不同的转换矩阵导入所述初始模型数据，得到不同的转换模型数据；
计算不同的转换模型数据与所述第一包围盒的不同Hausdorff距离，得到与所述第一包围盒Hausdorff距离最小的目标转换模型数据，其中，所述Hausdorff距离是描述两组点集之间相似程度的一种量度；
将所述目标转换模型数据作为所述转换模型数据。
示例性的，对所述第二包围盒进行10种不同角度的旋转，以股骨头中心为旋转点，经过股骨头中心法线单位向量为(0,1,0)的轴为旋转轴进行旋转，角度为-5、-4、-3、-2、-1、1、2、3、4、5共10种不同的角度，计算旋转之后的第二包围盒与所述第一包围盒之间的不同转换矩阵，并应用转换矩阵之后得到不同的转换模型数据，计算不同的转换模型数据与所述第一包围盒之间的Hausdorff距离，得到与所述第一包围盒Hausdorff距离最小的目标转换模型数据。
选择与所述第一包围盒Hausdorff距离最小的目标转换模型数据，使得后续计算所得的坐标信息更准确，避免了出现较大误差的情况。
在一种可能的实施方式中，所述将所述序号数据代入所述目标模型得出所述待标记关节的配准点信息的步骤，包括：
基于所述序号数据与所述目标模型得出对应每个所述序号数据的坐标信息；
通过最邻近算法确定所述待标记关节模型与所述坐标信息距离最近的配准点信息。
示例性的，根据所述序号数据与所述目标模型得出对应每个所述序号数据的坐标信息，对每一个3D配准点，即坐标信息，使用最邻近算法，k-nearest neighbor，计算出所述待标记关节模型上距离所述坐标信息最近的点，作为配准点信息。
得到所述待标记关节模型上的配准点信息，根据配准点信息可以通过计算实现对待标记关节模型的自动标记过程。
在一种可能的实施方式中，所述方法还包括：
以所述配准点信息为圆心，以预设值为半径，创建球体；
基于所述球体标记所述待标记关节。
示例性的，以配准点的3D坐标为球心，创建了一个半径为3的球，便于观察。
以下是本发明实施例提供的关节配准点生成装置的实施例，该装置与上述各实施例的关节配准点生成方法属于同一个发明构思，在关节配准点生成装置的实施例中未详尽描述的细节内容，可以参考上述文本处理方法的实施例。
在一种可能的实时方式中，如图2所示，本申请实施例提供了一种关节配准点生成装置，包括：
数据获取模块201，用于获取待标记关节模型，其中，所述模型为与实体关节几何形状相同的物理仿真模型；
筛选模块202，用于基于所述待标记关节模型的物理信息确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型进行标记的序号数据，所述初始模型为已完成标记的与实体关节几何形状相同的物理仿真模型；
计算模块203，用于根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；
修正模块204，用于基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型，其中，所述目标模型满足与所述待标记关节模型几何形状重合的条件；
标记模块205，用于将所述序号数据结合所述目标模型得出所述待标记关节的配准点。
在一种可能的实施方式中，在所述基于所述待标记关节模型确定初始模型信息的步骤之前，还包括：
基于预设筛选规则对所述待标记关节模型进行筛选，得到目标待标记关节模型。
在一种可能的实施方式中，所述基于所述待标记关节模型确定初始模型信息的步骤，包括：
获取所述目标待标记关节模型的基础信息，其中，所述基础信息包括体积数据、长宽高数据和三维特征点数据；
基于所述体积数据和所述长宽高数据对三维模型数据库中的模型进行筛选，得到第一模型数据；
基于所述三维特征点数据对所述第一模型数据进行筛选，得到对应待标记关节模型的初始模型信息。
在一种可能的实施方式中，所述基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行调整，得到目标模型的步骤，包括：
基于所述第一包围盒和所述第二包围盒通过ICP算法得到转换矩阵；
将所述转换矩阵导入所述初始模型数据，得到转换模型数据；
基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型。
在一种可能的实施方式中，在所述基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型的步骤之前，还包括：
以所述初始模型数据得物理中心为旋转中心，旋转所述初始模型数据，得到不同角度的初始模型数据；
基于不同角度的初始模型数据得到不同的第二包围盒；
根据不同的第二包围盒与所述第一包围盒通过ICP算法得到不同的转换矩阵；
将不同的转换矩阵导入所述初始模型数据，得到不同的转换模型数据；
计算不同的转换模型数据与所述第一包围盒的不同Hausdorff距离，得到与所述第一包围盒Hausdorff距离最小的目标转换模型数据，其中，所述Hausdorff距离是描述两组点集之间相似程度的一种量度；
将所述目标转换模型数据作为所述转换模型数据。
在一种可能的实施方式中，所述将所述序号数据代入所述目标模型得出所述待标记关节的配准点信息的步骤，包括：
基于所述序号数据与所述目标模型得出对应每个所述序号数据的坐标信息；
通过最邻近算法确定所述待标记关节模型与所述坐标信息距离最近的配准点信息。
在一种可能的实施方式中，所述方法还包括：
以所述配准点信息为圆心，以预设值为半径，创建球体；
基于所述球体标记所述待标记关节。
通过获取待标记关节模型；基于所述待标记关节模型确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型数据进行标记的序号数据；在数据库或者网络上筛选出对应待标记关节模型的初始模型信息，便于将所述初始模型信息与待标记关节模型进行结合，减少所述初始模型信息与待标记关节模型结合带来的误差，使得后续标记更准确，更合理；根据所述待标记关节模型和所述初始模型确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行调整，得到目标模型；将所述序号数据代入所述目标模型得出所述待标记关节的配准点信息，以使所述待标记关节被标记。通过对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒对已经被标记的初始模型数据进行调整，使得初始模型数据与所述待标记关节模型的误差更小，进而根据对所述初始模型数据进行标记的序号数据确定所述待标记关节模型的配准点信息，得以实现对所述待标记关节模型的自动标记，使得关节配准点生成的过程解放了人力资源，提高了关节配准点生成效率。
在一种可能的实时方式中，如图3所示，本申请实施例提供了一种电子设备，包括存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序311，处理器320执行计算机程序311时，实现：获取待标记关节模型，其中，所述待标记关节模型为与实体关节几何形状相同的物理仿真模型；基于所述待标记关节模型的物理信息确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型进行标记的序号数据；根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型，其中，所述目标模型满足与所述待标记关节模型几何形状重合的条件；将所述序号数据结合所述目标模型得出所述待标记关节模型的配准点。
在一种可能的实时方式中，本申请实施例提供了一种计算机可读存储介质400，其上存储有计算机程序411，该计算机程序411被处理器执行时实现：获取待标记关节模型，其中，所述待标记关节模型为与实体关节几何形状相同的物理仿真模型；基于所述待标记关节模型的物理信息确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型进行标记的序号数据；根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型，其中，所述目标模型满足与所述待标记关节模型几何形状重合的条件；将所述序号数据结合所述目标模型得出所述待标记关节模型的配准点。
如图5所示，具体的，本申请实施例所述方案包括：获取实验模型，即，获取待标记模型数据；对上述实验模型进行裁剪，即，上述根据预设筛选规则对待标记模型数据进行筛选；计算实验模型的参数，即获取上述待标记模型数据的长宽高数据和三维特征点数据；基于上述待标记模型数据的长宽高数据和三维特征点数据检索相似的标准模型，即，初始模型数据；计算包围盒之间的转换矩阵，即，上述根据不同的第二包围盒与所述第一包围盒通过ICP算法得到不同的转换矩阵；计算模型之间的转换矩阵，即，上述基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型；求出实验模型上的配准点，即，上述将所述序号数据代入所述目标模型得出所述待标记关节的配准点信息。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里上述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种关节配准点生成方法，其特征在于，包括：
获取待标记关节模型，其中，所述待标记关节模型为与实体关节几何形状相同的物理仿真模型；
基于所述待标记关节模型的物理信息确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型进行标记的序号数据，所述初始模型为已完成标记的与实体关节几何形状相同的物理仿真模型；
根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；
基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型，其中，所述目标模型满足与所述待标记关节模型几何形状重合的条件；
将所述序号数据结合所述目标模型得出所述待标记关节模型的配准点。
2.根据权利要求1所述的关节配准点生成方法，其特征在于，在所述基于所述待标记关节模型的物理信息确定初始模型信息的步骤之前，还包括：
基于预设裁剪规则对所述待标记关节模型进行裁剪，得到裁剪后的待标记关节模型，其中，所述预设裁剪规则为根据待标记关节模型的关节特征设置的剪裁标准。
3.根据权利要求2所述的关节配准点生成方法，其特征在于，所述基于所述待标记关节模型的物理信息确定初始模型信息的步骤，包括：
获取所述裁剪后的待标记关节模型的物理信息，其中，所述物理信息包括体积数据、长宽高数据和三维特征点数据；
基于所述体积数据和所述长宽高数据对三维模型数据库中的模型进行筛选，得到第一模型数据；
基于所述三维特征点数据对所述第一模型数据进行筛选，得到对应待标记关节模型的初始模型；
基于所述初始模型获取对所述初始模型进行标记的序号数据。
4.根据权利要求1所述的关节配准点生成方法，其特征在于，所述基于所述第一包围盒和所述第二包围盒对所述初始模型进行修正，得到目标模型的步骤，包括：
基于所述第一包围盒和所述第二包围盒通过ICP算法得到转换矩阵；
根据所述转换矩阵修正所述初始模型，得到转换模型数据；
基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型。
5.根据权利要求4所述的关节配准点生成方法，其特征在于，在所述基于所述转换模型数据与所述第一包围盒通过ICP算法得到目标模型的步骤之前，还包括：
以所述初始模型的物理中心为旋转中心，旋转所述初始模型数据，得到不同角度的初始模型数据；
基于不同角度的初始模型数据得到不同的第二包围盒；
根据不同的第二包围盒与所述第一包围盒通过ICP算法得到不同的转换矩阵；
将不同的转换矩阵导入所述初始模型，得到不同的转换模型数据；
计算不同的转换模型数据与所述第一包围盒的不同Hausdorff距离，得到与所述第一包围盒Hausdorff距离最小的目标转换模型数据，其中，所述Hausdorff距离是描述两组点集之间相似程度的一种量度；
将所述目标转换模型数据作为所述转换模型数据。
6.根据权利要求1所述的关节配准点生成方法，其特征在于，所述将所述序号数据结合所述目标模型得出所述待标记关节的配准点的步骤，包括：
基于所述序号数据与所述目标模型得出对应每个所述序号数据的坐标信息；
通过最邻近算法确定所述待标记关节模型与所述坐标信息距离最近的配准点。
7.根据权利要求1所述的关节配准点生成方法，其特征在于，在所述将所述序号数据结合所述目标模型得出所述待标记关节模型的配准点的步骤之后，还包括：
以所述配准点为圆心，以预设值为半径，创建球体；
基于所述球体标记所述待标记关节。
8.一种关节配准点生成装置，其特征在于，包括：
数据获取模块，用于获取待标记关节模型，其中，所述模型为与实体关节几何形状相同的物理仿真模型；
筛选模块，用于基于所述待标记关节模型的物理信息确定初始模型信息，其中，所述初始模型信息包括初始模型和对所述初始模型进行标记的序号数据，所述初始模型为已完成标记的与实体关节几何形状相同的物理仿真模型；
计算模块，用于根据所述待标记关节模型和所述初始模型分别确定对应所述待标记关节模型的第一包围盒和对应所述初始模型数据的第二包围盒，其中，所述包围盒为定向边界框数据；
修正模块，用于基于所述第一包围盒和所述第二包围盒对所述初始模型数据进行修正，得到目标模型，其中，所述目标模型满足与所述待标记关节模型几何形状重合的条件；
标记模块，用于将所述序号数据结合所述目标模型得出所述待标记关节的配准点。
9.一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任一项所述的关节配准点生成方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的关节配准点生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111003471.4A CN113658170A (zh) | 2021-08-30 | 2021-08-30 | 一种关节配准点生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111003471.4A CN113658170A (zh) | 2021-08-30 | 2021-08-30 | 一种关节配准点生成方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113658170A true CN113658170A (zh) | 2021-11-16 |
Family
ID=78482415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111003471.4A Pending CN113658170A (zh) | 2021-08-30 | 2021-08-30 | 一种关节配准点生成方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113658170A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114972650A (zh) * | 2022-06-08 | 2022-08-30 | 北京百度网讯科技有限公司 | 一种目标对象的调整方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105701820A (zh) * | 2016-01-14 | 2016-06-22 | 上海大学 | 一种基于匹配区域的点云配准方法 |
| CN107133928A (zh) * | 2017-04-27 | 2017-09-05 | 扬州大学 | 一种基于迭代镜像与注册的人脸对称平面求取方法 |
| CN107220928A (zh) * | 2017-05-31 | 2017-09-29 | 中国工程物理研究院应用电子学研究所 | 一种牙齿ct图像像素数据转化至3d打印数据的方法 |
| CN107967678A (zh) * | 2017-09-18 | 2018-04-27 | 广州慧扬健康科技有限公司 | 骨破坏程度特征提取系统 |
| CN111134840A (zh) * | 2019-12-28 | 2020-05-12 | 元化智能科技(深圳)有限公司 | 膝关节置换手术方案的生成装置和终端 |
| CN111210466A (zh) * | 2020-01-14 | 2020-05-29 | 华志微创医疗科技（北京）有限公司 | 多视角点云配准方法、装置以及计算机设备 |
| CN111345898A (zh) * | 2020-03-18 | 2020-06-30 | 上海交通大学医学院附属第九人民医院 | 激光手术路径引导方法、及其计算机设备和系统 |
| CN112183657A (zh) * | 2020-10-14 | 2021-01-05 | 北京字跳网络技术有限公司 | 获取标注信息的方法、装置、电子设备和计算机可读介质 |
| CN113029108A (zh) * | 2021-03-03 | 2021-06-25 | 自然资源部第一海洋研究所 | 一种基于序列海面影像的自动化相对定向方法及系统 |
| CN113112535A (zh) * | 2021-06-15 | 2021-07-13 | 四川大学 | 一种基于有向包围盒的尺度点云配准方法及装置 |
-
2021
- 2021-08-30 CN CN202111003471.4A patent/CN113658170A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105701820A (zh) * | 2016-01-14 | 2016-06-22 | 上海大学 | 一种基于匹配区域的点云配准方法 |
| CN107133928A (zh) * | 2017-04-27 | 2017-09-05 | 扬州大学 | 一种基于迭代镜像与注册的人脸对称平面求取方法 |
| CN107220928A (zh) * | 2017-05-31 | 2017-09-29 | 中国工程物理研究院应用电子学研究所 | 一种牙齿ct图像像素数据转化至3d打印数据的方法 |
| CN107967678A (zh) * | 2017-09-18 | 2018-04-27 | 广州慧扬健康科技有限公司 | 骨破坏程度特征提取系统 |
| CN111134840A (zh) * | 2019-12-28 | 2020-05-12 | 元化智能科技(深圳)有限公司 | 膝关节置换手术方案的生成装置和终端 |
| CN111210466A (zh) * | 2020-01-14 | 2020-05-29 | 华志微创医疗科技（北京）有限公司 | 多视角点云配准方法、装置以及计算机设备 |
| CN111345898A (zh) * | 2020-03-18 | 2020-06-30 | 上海交通大学医学院附属第九人民医院 | 激光手术路径引导方法、及其计算机设备和系统 |
| CN112183657A (zh) * | 2020-10-14 | 2021-01-05 | 北京字跳网络技术有限公司 | 获取标注信息的方法、装置、电子设备和计算机可读介质 |
| CN113029108A (zh) * | 2021-03-03 | 2021-06-25 | 自然资源部第一海洋研究所 | 一种基于序列海面影像的自动化相对定向方法及系统 |
| CN113112535A (zh) * | 2021-06-15 | 2021-07-13 | 四川大学 | 一种基于有向包围盒的尺度点云配准方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114972650A (zh) * | 2022-06-08 | 2022-08-30 | 北京百度网讯科技有限公司 | 一种目标对象的调整方法、装置、电子设备及存储介质 |
| CN114972650B (zh) * | 2022-06-08 | 2024-03-19 | 北京百度网讯科技有限公司 | 一种目标对象的调整方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10706567B2 (en) | Data processing method, apparatus, system and storage media | |
| KR20230127313A (ko) | 3차원 재구성 및 관련 인터랙션, 측정 방법 및 관련장치, 기기 | |
| CN110288638B (zh) | 一种断骨模型粗配准方法、系统及断骨模型配准方法 | |
| Bucki et al. | Jacobian-based repair method for finite element meshes after registration | |
| US11315313B2 (en) | Methods, devices and computer program products for generating 3D models | |
| US11172996B1 (en) | Instrument-based registration and alignment for augmented reality environments | |
| CN112382359B (zh) | 患者注册方法、装置、电子设备及计算机可读介质 | |
| KR102450931B1 (ko) | 이미지 정합 방법 및 연관된 모델 훈련 방법, 기기, 장치 | |
| CN109741395B (zh) | 双心室量化方法、装置、电子设备及存储介质 | |
| CN111667398A (zh) | 图像处理方法、装置和计算机可读存储介质 | |
| JP2015515068A (ja) | 患者のモニタリングおよび方法 | |
| WO2022179385A1 (zh) | 一种三维重建方法、装置、系统以及存储介质 | |
| CN111868738B (zh) | 跨设备监控计算机视觉系统 | |
| CN107392847A (zh) | 一种基于细节点和距离图像的指纹图像拼接方法 | |
| Chen et al. | Guide local feature matching by overlap estimation | |
| CN113658170A (zh) | 一种关节配准点生成方法、装置、电子设备及存储介质 | |
| CN110930482B (zh) | 人手骨骼参数的确定方法、装置、电子设备和存储介质 | |
| Zhong et al. | Triple screening point cloud registration method based on image and geometric features | |
| Cai et al. | Two-view curve reconstruction based on the snake model | |
| CN111161408B (zh) | 一种实现增强现实的方法及其应用、计算设备 | |
| CN114119684B (zh) | 基于四面体结构的标记点配准方法 | |
| CN111368860A (zh) | 重定位方法及终端设备 | |
| Guo et al. | Image capture pattern optimization for panoramic photography | |
| JP6315542B2 (ja) | 画像生成装置及び画像生成方法 | |
| CN113593049B (zh) | 场景中真实物体与虚拟物体的几何一致性虚实融合方法 |
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 |