CN113658706A - 一种骨强度模拟计算方法、装置及存储介质 - Google Patents

一种骨强度模拟计算方法、装置及存储介质 Download PDF

Info

Publication number
CN113658706A
CN113658706A CN202110901045.6A CN202110901045A CN113658706A CN 113658706 A CN113658706 A CN 113658706A CN 202110901045 A CN202110901045 A CN 202110901045A CN 113658706 A CN113658706 A CN 113658706A
Authority
CN
China
Prior art keywords
bone
trabecular
strength
data
skeleton
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
CN202110901045.6A
Other languages
English (en)
Other versions
CN113658706B (zh
Inventor
张立海
张书威
王铁
胡磊
胡颖
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.)
First Medical Center of PLA General Hospital
Original Assignee
First Medical Center of PLA General Hospital
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 First Medical Center of PLA General Hospital filed Critical First Medical Center of PLA General Hospital
Priority to CN202110901045.6A priority Critical patent/CN113658706B/zh
Publication of CN113658706A publication Critical patent/CN113658706A/zh
Priority to PCT/CN2021/142019 priority patent/WO2023010785A1/zh
Application granted granted Critical
Publication of CN113658706B publication Critical patent/CN113658706B/zh
Priority to US18/432,357 priority patent/US20240177303A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4504—Bones
    • A61B5/4509—Bone density determination
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/20036—Morphological image processing
    • G06T2207/20044—Skeletonization; Medial axis transform
    • 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
    • G06T2207/20072—Graph-based image processing
    • 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
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20156—Automatic seed setting
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/441—AI-based methods, deep learning or artificial neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Rheumatology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Instructional Devices (AREA)

Abstract

本发明属于模拟计算技术领域，尤其是涉及一种骨强度模拟计算方法、装置和存储介质。骨强度模拟计算方法，包括获取待分析骨段骨松质的三维数据；根据所述三维数据，得到骨架力学模型；对所述骨架力学模型进行特征分析，得到骨架强度数据。本发明从影响骨强度的力学结构因素出发，通过数值模拟的方法计算骨架力学强度，以解决现有技术中存在的用骨密度评价骨强度，造成不能完善的体现骨强度的技术问题。

Description

一种骨强度模拟计算方法、装置及存储介质
技术领域
本发明涉及骨强度评估技术领域，尤其是涉及一种骨强度模拟计算方法、装置及存储介质。
背景技术
骨矿含量测量的方法很多，而运用最多的是定量计算机体层摄影(quantitaitivecomputed tomography，简称QCT)和双能X线吸收法(dual energy X-ray absorptiometry，简称DXA)。DXA可反映骨皮质和骨松质的总和，测量结果为面积骨密度，单位为g/cm2；QCT其方法是使用常规CT加体模，通过对腰椎和其下方的参照体模同时扫描，然后在CT图像上将感兴趣区域(region of interest，ROI)定在每节椎体中部层面的骨松质区小梁骨，经计算机处理分析可得出每节椎体骨松质的骨密度值，然后再进一步计算出被测腰椎骨密度的平均值，可以将皮质骨与骨松质分开，测量真正的骨松质密度，测量结果为体积骨密度，单位为g/cm3。
现有评价骨强度都是根据骨密度值粗略评价骨强度，均存在缺陷。DXA是二维骨密度测量，反映的是面积密度而不是真正的体积，即DXA所测得的骨密度为扫描区内所有骨的总和，不能把骨皮质和骨松质区分开，骨皮质的存在会降低观察治疗变化的敏感性；并且DXA所测的骨密度明显受几何形状的影响，所以即使实际骨密度是一样的，如果用DXA，厚的骨比薄的骨密度要高；DXA测定脊柱骨密度是包括椎体和椎弓整个椎体面积密度，主动脉钙化、退行性骨关节病、骨质增生、棘突、骨痂和压缩性骨折都会导致骨密度增高。QCT可得出每节椎体骨松质的骨密度值，其单位为然后再进一步计算出被测腰椎骨密度的平均值，单位为g/cm3，是单纯的密度值，虽然能够解决DXA的部分问题，但密度值只能粗略评价骨强度，并不能完善的体现骨强度。
因此，针对上述问题本发明急需提供一种新的骨强度模拟计算方法、装置及存储介质。
发明内容
本发明的目的在于提供一种新的骨强度模拟计算方法、装置及存储介质，从影响骨强度的力学结构因素出发，通过数值模拟的方法计算骨架力学强度，以解决现有技术中存在的用骨密度评价骨强度，造成不能完善的体现骨强度的技术问题。
本发明的一个方面，提供了一种骨强度模拟计算方法，包括以下步骤：
获取待分析骨段骨松质的三维数据；
根据所述三维数据，得到骨架力学模型；
对所述骨架力学模型进行特征分析，得到骨架强度数据。
进一步地，所述获取待分析骨段骨松质的三维数据，具体包括：
应用QCT测量方法得到待分析骨段骨松质的三维数据。
进一步地，所述根据所述三维数据，得到骨架力学模型，具体包括：
根据所述三维数据进行三维重建，得到骨小梁的空间结构；
对得到的骨小梁的空间结构进行骨架化处理，得到骨小梁的力学模型，即所述骨架力学模型。
进一步地，骨松质内的骨小梁间相互交织，三条及以上骨小梁的相连接处为小梁结点；
所述骨架强度数据包括小梁结点的数量数据，和/或，小梁结点的骨小梁间夹角数据。
进一步地，所述对所述骨架力学模型进行特征分析，得到骨架强度数据，包括：
判断所述骨架力学模型中构成各小梁结点的骨小梁的数量，得到各小梁结点的类型；
提取各类型的小梁结点中判别类小梁结点的数量数据。
进一步地，所述判别类小梁结点包括三叉结点、四叉结点以及五叉结点。
进一步地，所述对所述骨架力学模型进行特征分析，得到骨架强度数据，包括：
提取至少一种类型的小梁结点，作为基架小梁结点；
逐个判断构成该基架小梁结点的各骨小梁间的夹角，得到各个所述基架小梁结点的夹角数据。
进一步地，所述对所述骨架力学模型进行特征分析，得到骨架强度数据，还包括：
对所述基架小梁结点的各骨小梁间的夹角进行有限元模拟，得到各个夹角类型的最大应力。
进一步地，所述提取至少一种类型的小梁结点，作为基架小梁结点，具体为：
提取各类型的小梁结点中数量最多的一类小梁结点，作为所述基架小梁结点。
进一步地，所述基架小梁结点，包括三叉结点。
进一步地，所述判断所述骨架力学模型中构成各小梁结点的骨小梁的数量，具体包括：
依据长*宽*高为l*m*n的顺序标记所述骨架力学模型的每一个像素点，标记值的范围为0至l*m*n-1；
提取所述骨架力学模型的图像中暗亮指示值符合预设骨架阈值的像素点，标记为骨架点；
以三维体素模型遍历所述骨架力学模型的骨架点，提取邻域点位置处具有三个以上骨架点的像素点，标记为候选结点；
将所述候选结点的坐标压入堆栈中，作为区域增长的种子点，并且将所述候选结点的标记值设为候选结点的标记值；
依次对所述堆栈中的所述候选结点进行邻域搜索，判断所述所述候选结点的标记值是否经过修改，若没有经过修改，则将所述候选结点弹出所述堆栈；直到蔓延的所述候选结点到第一个所述候选结点的距离大于预设搜索半径或者没有可以继续蔓延的所述候选结点；
将所述堆栈中距离候选结点的距离小于预设最小距离阈值的所述候选结点剔除，统计剩余所述候选结点的数量和坐标，依据数量确定构成该小梁结点的骨小梁的数量。
进一步地，对所述骨架力学模型进行特征分析，得到骨架强度数据，包括，应用下述第一骨强度值计算公式得出所述骨架强度数据：
E1＝eσyield+fK+gM，
其中，E1为第一骨强度值，e、f、g为系数，σyield为所述基架小梁结点的最大应力，K为各所述判别类小梁结点比例的加权，M为所述基架小梁结点中各不同角度模式比例的加权。
进一步地，还包括，应用机器学习方法对所述第一骨强度值计算公式进行训练。
进一步地，在应用机器学习方法对所述第一骨强度值计算公式进行训练时，训练样本的获取方法包括：
对训练骨段进行影像扫描，并对扫描后得到的训练骨骼影像进行几何特征计算、有限元分析；对训练用骨段进行力学实验；
根据几何特征计算结果、有限元分析结果以及力学实验结果得到第一骨强度标记值；
将所述训练骨段以及该训练骨段的第一骨强度标记值作为训练样本。
进一步地，还包括：
获取待分析骨段骨松质的骨密度数据；
根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据。
进一步地，根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据，包括，应用下述综合骨强度值计算公式得出所述综合骨强度数据：
E＝aT+bσyield+cK+dM；
其中，E为综合骨强度值，a、b、c、d为系数，T为骨密度数据，σyield为所述基架小梁结点的最大应力，K为各所述判别类小梁结点比例的加权，M为所述基架小梁结点中各不同角度模式比例的加权。
进一步地，还包括，应用机器学习方法对所述综合骨强度值计算公式进行训练。
进一步地，在应用机器学习方法对所述综合骨强度值计算公式进行训练时，训练样本的获取方法包括：
对训练骨段进行骨密度计算以及影像扫描，并对扫描后得到的训练骨骼影像进行几何特征计算、有限元分析；对训练用骨段进行力学实验；
根据骨密度计算结果、几何特征计算结果、有限元分析结果以及力学实验结果得到综合骨强度标记值；
将所述训练骨段以及该训练骨段的综合骨强度标记值作为训练样本。
本发明的另一方面，提供了一种骨强度模拟计算装置，该装置包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如上任一项所述方法的步骤。
本发明的再一方面，提供了一种计算机存储介质，其上存储有计算机程序，在该计算机程序被处理器执行时实现如上任一项所述的方法步骤。
本发明与现有技术相比具有以下进步：
1、本发明提供的一种骨强度模拟计算方法采用依据所述三维数据重建得到所述骨架力学模型，再对所述骨架力学模型进行特征分析得到所述骨架强度数据，用于辅助判断所述待分析骨段的强度的设计，通过将待分析骨段的数据进行模拟重建，再对重建后的骨架力学模型进行特征分析，根据杨氏弹性模量，强度越大弹性越小的理论，可以有效得出骨架结构的强度，从而为后续判断骨强度提供有力的证据，增加骨强度评估结果的准确度和可信度。
2、本发明采用所述根据所述三维数据，得到骨架力学模型，具体包括：根据所述三维数据进行三维重建，得到骨小梁的空间结构；对得到的骨小梁的空间结构进行骨架化处理，得到骨小梁的力学模型，即所述骨架力学模型的设计。骨架化的力学模型显示的骨架结构更简明，消除了骨小梁厚度等因素对结构强度的影响；同时，在尽量不影响骨架强度数据的情况下，减小了计算量，减少了骨架强度数据的计算时间，也降低应用本方法时对计算机硬件系统的要求。
3、本发明采用所述骨架强度数据包括小梁结点的数量数据，和/或，小梁结点的骨小梁间夹角数据的设计，提取对骨强度影响最大的小梁结点的数量和小梁结点的骨小梁间夹角作为骨架强度数据，具有与骨强度关联性高，使评价结果准确的特点；小梁结点的数量数据或者小梁结点的骨小梁间夹角数据均是影响骨架强度的主要结构因素，选择的骨架强度数据类型越多，对骨强度的评价越全面。
4、本发明提供的骨强度模拟计算方法采用还包括：获取待分析骨段骨松质的骨密度数据；根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据的步骤的设计，将骨架强度数据与骨密度数据相结合，综合利用影响骨强度的各个骨隔内部特征计算综合骨强度数据，使对骨强度的评价更客观、更全面，有效提高了骨强度评估的准确度和可信度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术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方式，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为本发明的实施例一中所述骨强度评估方法的流程图；
图2为本发明的实施例一中所述骨小梁的空间结构的示意图；
图3为本发明的实施例一中所述骨架力学模型的结构示意图；
图4为本发明的实施例一中所述小梁结点的结构示意图；
图5为本发明的实施例一中所述三维体素模型的结构示意图；
图6为本发明的实施例一中所述第一模型的结构示意图；
图7为本发明的实施例一中所述第二模型的结构示意图；
图8为本发明的实施例二中所述骨强度评估方法的流程图。
具体实施方式
下面将结合附图对本发明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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例一
参见图1、图2、图3所示，本实施例提供的一种骨强度模拟计算方法，包括以下步骤：
S11,获取待分析骨段骨松质的三维数据；
S12，根据所述三维数据，得到骨架力学模型；
S13，对所述骨架力学模型进行特征分析，得到骨架强度数据。
本发明提供的骨强度模拟计算方法采用依据所述三维数据重建得到所述骨架力学模型，再对所述骨架力学模型进行特征分析得到所述骨架强度数据，用于辅助判断所述待分析骨段的强度的设计，通过将待分析骨段的数据进行模拟重建，再对重建后的骨架力学模型进行特征分析，根据杨氏弹性模量，强度越大弹性越小的理论，可以有效得出骨架结构的强度，从而为后续判断骨强度提供有力的证据，增加骨强度评估结果的准确度和可信度。
本发明中，所述获取待分析骨段骨松质的三维数据的具体过程可以为从与存储的医学影像数据中直接提取骨松质的三维数据，也可以通过任何现有的获取骨松质三维数据的检测手段对待分析骨段进行检测，以获取骨松质的三维数据，本领域技术人员可以根据实际需要现在获取的方式。当然为了获取较准确的待分析骨段的骨松质三维数据，所述获取待分析骨段骨松质的三维数据，具体包括：
应用QCT测量方法得到待分析骨段骨松质的三维数据。
参见图2、图3所示，本实施例中所述根据所述三维数据，得到骨架力学模型，具体包括：
根据所述三维数据进行三维重建，得到骨小梁的空间结构；
对得到的骨小梁的空间结构进行骨架化处理，得到骨小梁的力学模型，即所述骨架力学模型。
本发明采用所述根据所述三维数据，得到骨架力学模型，具体包括：根据所述三维数据进行三维重建，得到骨小梁的空间结构；对得到的骨小梁的空间结构进行骨架化处理，得到骨小梁的力学模型，即所述骨架力学模型的设计。骨架化的力学模型显示的骨架结构更简明，消除了骨小梁厚度等因素对结构强度的影响；同时，在尽量不影响骨架强度数据的情况下，减小了计算量，减少了骨架强度数据的计算时间，也降低应用本方法时对计算机硬件系统的要求。
参见图4所示，本实施例中骨松质内的骨小梁111间相互交织，三条及以上骨小梁的相连接处为小梁结点；
所述骨架强度数据，包括，小梁结点的数量数据，和/或，小梁结点的骨小梁间夹角数据。
本发明采用所述骨架强度数据包括小梁结点的数量数据，和/或，小梁结点的骨小梁间夹角数据的设计，提取对骨强度影响最大的小梁结点的数量和小梁结点的骨小梁间夹角作为骨架强度数据，具有与骨强度关联性高，使评价结果准确的特点；小梁结点的数量数据或者小梁结点的骨小梁间夹角数据均是影响骨架强度的主要结构因素，选择的骨架强度数据类型越多，对骨强度的评价越全面。当然，选择的骨架强度数据越多，计算量越大，本领域技术人员可以根据实际需要选择所述骨架强度数据包括的类型。
参见图4所示，本实施例中所述对所述骨架力学模型进行特征分析，得到骨架强度数据，包括：
判断所述骨架力学模型中构成各小梁结点的骨小梁的数量，得到各小梁结点的类型；
提取各类型的小梁结点中判别类小梁结点的数量数据。
所述判断所述骨架力学模型中构成各小梁结点的骨小梁的数量，得到各小梁结点的类型，即为：逐个判断所述骨架力学模型中，各个小梁结点的骨小梁的数量；当然小梁结点的类型是根据构成小梁结点的骨小梁的数量确定的，骨松质内通常有三叉结点101、四叉结点102、五叉结点103、六叉结点等类型。
本实施例中所述判别类小梁结点包括三叉结点、四叉结点以及五叉结点。
本实施例中所述对所述骨架力学模型进行特征分析，得到骨架强度数据，包括：
提取至少一种类型的小梁结点，作为基架小梁结点；
逐个判断构成该基架小梁结点的各骨小梁间的夹角，得到各个所述基架小梁结点的夹角数据。
本实施例中所述对所述骨架力学模型进行特征分析，得到骨架强度数据，还包括：
对所述基架小梁结点的各骨小梁间的夹角进行有限元模拟，得到各个夹角类型的最大应力。
本实施例中所述提取至少一种类型的小梁结点，作为基架小梁结点，具体为：提取各类型的小梁结点中数量最多的一类小梁结点，作为所述基架小梁结点。通常所述小梁结点中数量最多的一类小梁结点为三叉结点，所以选择所述基架小梁结点为三叉结点。当然也可以选择所述基架小梁结点包括多类小梁结点。
参见图4所示，本实施例中所述判断所述骨架力学模型中构成各小梁结点的骨小梁的数量，具体包括：
依据长*宽*高为l*m*n的顺序标记所述骨架力学模型的每一个像素点，标记值的范围为0至l*m*n-1；
提取所述骨架力学模型的图像中暗亮指示值符合预设骨架阈值的像素点，标记为骨架点；
以三维体素模型遍历所述骨架力学模型的骨架点，提取邻域点位置处具有三个以上骨架点的像素点，标记为候选结点；
将所述候选结点的坐标压入堆栈中，作为区域增长的种子点，并且将所述候选结点的标记值设为候选结点的标记值；
依次对所述堆栈中的所述候选结点进行邻域搜索，判断所述所述候选结点的标记值是否经过修改，若没有经过修改，则将所述候选结点弹出所述堆栈；直到蔓延的所述候选结点到第一个所述候选结点的距离大于预设搜索半径或者没有可以继续蔓延的所述候选结点；
将所述堆栈中距离候选结点的距离小于预设最小距离阈值的所述候选结点剔除，统计剩余所述候选结点的数量和坐标，依据数量确定构成该小梁结点的骨小梁的数量。
所述骨架力学模型的图像为二值化图像，骨小梁用1表示，非骨小梁位置用0表示。
本实施例中，对所述骨架力学模型进行特征分析，得到骨架强度数据，包括，应用下述第一骨强度值计算公式得出所述骨架强度数据：
E1＝eσyield+fK+gM，
其中，E1为第一骨强度值，e、f、g为系数，σyield为所述基架小梁结点的最大应力，K为各所述判别类小梁结点比例的加权，M为所述基架小梁结点中各不同角度模式比例的加权。
本实施例还包括，应用机器学习方法对所述第一骨强度值计算公式进行训练。
本实施例中，在应用机器学习方法对所述第一骨强度值计算公式进行训练时，训练样本的获取方法包括：
对训练骨段进行影像扫描，并对扫描后得到的训练骨骼影像进行几何特征计算、有限元分析；对训练用骨段进行力学实验；
根据几何特征计算结果、有限元分析结果以及力学实验结果得到第一骨强度标记值；
将所述训练骨段以及该训练骨段的第一骨强度标记值作为训练样本。
参见图6、图7所示，本实施例中所述有限元分析为，根据夹角的类型将具有不同角度范围三叉结点进行分类，得到数种不同角度范围的三叉结点的类型，利用CATIA建模软件和ABAQUS力学分析软件，建立一个六边形相组成的网状结构，形成空间上一个结点连三根杆的第一模型(如图6所示)。在软件中给杆加上截面积，之间用球相连，形成表示实体结构的第二模型(如图7所示)。
取单胞进行有限元分析。不同的类型单胞密度相同(即不同类型的三叉结点，单位空间内的数量保持一致；单胞密度是指“杆”、“球”连接形成的实体质量与空间体积的比值)，施加边界条件，上侧施加相同应力0.25Mpa。
不同角度类型的结点，强度值不同，例如：
类型一，三个小梁间夹角α＝120°、β＝120°、γ＝120°的三叉结点，最大应力处应力为3.47MPa。
类型二：三个小梁间夹角α＝180°、β＝120°、γ＝90°的三叉结点，最大应力处应力为6.13MPa。
依据上述数据判断骨强度时，可以参考的方法有，最大应力处应力越大，表示此处应力越集中，不易将力传递分散，更容易断裂，当然此处仅是根据理论提出了一种可以评价骨强度的方法，并不对评价骨强度的方法进行限定，对于经过上述方法得到的数据如何应用，本领域技术人员可以根据实际需要进行选择，此处不再过多赘述。
不同角度类型的结点，拥有不同的力学性能，通过归类，将不同角度类型的结点进行有限元模拟，可以得到各个类型的最大应力，即形成了对三叉结点描述的评价参数。同样，四叉结点、五叉结点也存在不同的角度组成类型，拥有不同的力学性能，各类型的小梁结点均可以通过上述有限元模拟方法，得到其最大应力，作为评价数据。
实施例二
参见图8所示，本实施例还提供了一种骨强度模拟计算方法，还包括：
获取待分析骨段骨松质的骨密度数据；
根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据。
此时，所述骨强度模拟计算方法，具体包括以下步骤：
S21,获取待分析骨段骨松质的骨密度数据；
S22，获取待分析骨段骨松质的三维数据；
S23，根据所述三维数据，得到骨架力学模型；
S24，对所述骨架力学模型进行特征分析，得到骨架强度数据；
S25，根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据。
本实施例中，获取骨架强度数据的方法为实施例一中所示的方法，具体过程此处不再多赘述。
本发明提供的骨强度模拟计算方法采用还包括：获取待分析骨段骨松质的骨密度数据；根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据的步骤的设计，将骨架强度数据与骨密度数据相结合，综合利用影响骨强度的各个骨隔内部特征计算综合骨强度数据，使对骨强度的评价更客观、更全面，有效提高了骨强度评估的准确度和可信度。
本实施例中根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据，包括，应用下述综合骨强度值计算公式得出所述综合骨强度数据：
E＝aT+bσyield+cK+dM；
其中，E为综合骨强度值，a、b、c、d为系数，T为骨密度数据，σyield为所述基架小梁结点的最大应力，K为各所述判别类小梁结点比例的加权，M为所述基架小梁结点中各不同角度模式比例的加权。
本实施例还包括，应用机器学习方法对所述综合骨强度值计算公式进行训练。
本实施例中，在应用机器学习方法对所述综合骨强度值计算公式进行训练时，训练样本的获取方法包括：
对训练骨段进行骨密度计算以及影像扫描，并对扫描后得到的训练骨骼影像进行几何特征计算、有限元分析；对训练用骨段进行力学实验；
根据骨密度计算结果、几何特征计算结果、有限元分析结果以及力学实验结果得到综合骨强度标记值；
将所述训练骨段以及该训练骨段的综合骨强度标记值作为训练样本。
本发明还提供了一种骨强度模拟计算装置，该装置包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如上任一项所述方法的步骤。
本发明还提供了一种计算机存储介质，其上存储有计算机程序，在该计算机程序被处理器执行时实现如上任一项所述的方法步骤。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (20)

1.一种骨强度模拟计算方法，其特征在于，包括以下步骤：
获取待分析骨段骨松质的三维数据；
根据所述三维数据，得到骨架力学模型；
对所述骨架力学模型进行特征分析，得到骨架强度数据。
2.根据权利要求1所述骨强度模拟计算方法，其特征在于，所述获取待分析骨段骨松质的三维数据，具体包括：
应用QCT测量方法得到待分析骨段骨松质的三维数据。
3.根据权利要求1所述骨强度模拟计算方法，其特征在于，所述根据所述三维数据，得到骨架力学模型，具体包括：
根据所述三维数据进行三维重建，得到骨小梁的空间结构；
对得到的骨小梁的空间结构进行骨架化处理，得到骨小梁的力学模型，即所述骨架力学模型。
4.根据权利要求1至3中任一项所述骨强度模拟计算方法，其特征在于，骨松质内的骨小梁间相互交织，三条及以上骨小梁的相连接处为小梁结点；
所述骨架强度数据，包括，小梁结点的数量数据，和/或，小梁结点的骨小梁间夹角数据。
5.根据权利要求4所述骨强度模拟计算方法，其特征在于，所述对所述骨架力学模型进行特征分析，得到骨架强度数据，包括：
判断所述骨架力学模型中构成各小梁结点的骨小梁的数量，得到各小梁结点的类型；
提取各类型的小梁结点中判别类小梁结点的数量数据。
6.根据权利要求5所述骨强度模拟计算方法，其特征在于，所述判别类小梁结点包括三叉结点、四叉结点以及五叉结点。
7.根据权利要求5所述骨强度模拟计算方法，其特征在于，所述对所述骨架力学模型进行特征分析，得到骨架强度数据，包括：
提取至少一种类型的小梁结点，作为基架小梁结点；
逐个判断构成该基架小梁结点的各骨小梁间的夹角，得到各个所述基架小梁结点的夹角数据。
8.根据权利要求7所述骨强度模拟计算方法，其特征在于，所述对所述骨架力学模型进行特征分析，得到骨架强度数据，还包括：
对所述基架小梁结点的各骨小梁间的夹角进行有限元模拟，得到各个夹角类型的最大应力。
9.根据权利要求7所述骨强度模拟计算方法，其特征在于，所述提取至少一种类型的小梁结点，作为基架小梁结点，具体为：
提取各类型的小梁结点中数量最多的一类小梁结点，作为所述基架小梁结点。
10.根据权利要求9所述骨强度模拟计算方法，其特征在于，所述基架小梁结点，包括三叉结点。
11.根据权利要求5至10中任一项所述骨强度模拟计算方法，其特征在于，所述判断所述骨架力学模型中构成各小梁结点的骨小梁的数量，具体包括：
依据长*宽*高为l*m*n的顺序标记所述骨架力学模型的每一个像素点，标记值的范围为0至l*m*n-1；
提取所述骨架力学模型的图像中暗亮指示值符合预设骨架阈值的像素点，标记为骨架点；
以三维体素模型遍历所述骨架力学模型的骨架点，提取邻域点位置处具有三个以上骨架点的像素点，标记为候选结点；
将所述候选结点的坐标压入堆栈中，作为区域增长的种子点，并且将所述候选结点的标记值设为候选结点的标记值；
依次对所述堆栈中的所述候选结点进行邻域搜索，判断所述所述候选结点的标记值是否经过修改，若没有经过修改，则将所述候选结点弹出所述堆栈；直到蔓延的所述候选结点到第一个所述候选结点的距离大于预设搜索半径或者没有可以继续蔓延的所述候选结点；
将所述堆栈中距离候选结点的距离小于预设最小距离阈值的所述候选结点剔除，统计剩余所述候选结点的数量和坐标，依据数量确定构成该小梁结点的骨小梁的数量。
12.根据权利要求11所述骨强度模拟计算方法，其特征在于，对所述骨架力学模型进行特征分析，得到骨架强度数据，包括，应用下述第一骨强度值计算公式得出所述骨架强度数据：
E1＝eσyield+fK+gM，
其中，E1为第一骨强度值，e、f、g为系数，σyield为所述基架小梁结点的最大应力，K为各所述判别类小梁结点比例的加权，M为所述基架小梁结点中各不同角度模式比例的加权。
13.根据权利要求12所述骨强度模拟计算方法，其特征在于，还包括，应用机器学习方法对所述第一骨强度值计算公式进行训练。
14.根据权利要求13所述骨强度模拟计算方法，其特征在于，在应用机器学习方法对所述第一骨强度值计算公式进行训练时，训练样本的获取方法包括：
对训练骨段进行影像扫描，并对扫描后得到的训练骨骼影像进行几何特征计算、有限元分析；对训练用骨段进行力学实验；
根据几何特征计算结果、有限元分析结果以及力学实验结果得到第一骨强度标记值；
将所述训练骨段以及该训练骨段的第一骨强度标记值作为训练样本。
15.根据权利要求11所述骨强度模拟计算方法，其特征在于，还包括：
获取待分析骨段骨松质的骨密度数据；
根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据。
16.根据权利要求15所述骨强度模拟计算方法，其特征在于，根据所述骨架强度数据以及所述骨密度数据得到综合骨强度数据，包括，应用下述综合骨强度值计算公式得出所述综合骨强度数据：
E＝aT+bσyield+cK+dM；
其中，E为综合骨强度值，a、b、c、d为系数，T为骨密度数据，σyield为所述基架小梁结点的最大应力，K为各所述判别类小梁结点比例的加权，M为所述基架小梁结点中各不同角度模式比例的加权。
17.根据权利要求12或14所述骨强度模拟计算方法，其特征在于，还包括，应用机器学习方法对所述综合骨强度值计算公式进行训练。
18.根据权利要求17所述骨强度模拟计算方法，其特征在于，在应用机器学习方法对所述综合骨强度值计算公式进行训练时，训练样本的获取方法包括：
对训练骨段进行骨密度计算以及影像扫描，并对扫描后得到的训练骨骼影像进行几何特征计算、有限元分析；对训练用骨段进行力学实验；
根据骨密度计算结果、几何特征计算结果、有限元分析结果以及力学实验结果得到综合骨强度标记值；
将所述训练骨段以及该训练骨段的综合骨强度标记值作为训练样本。
19.一种骨强度模拟计算装置，其特征在于，该装置包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如权利要求1至18中任一项所述方法的步骤。
20.一种计算机存储介质，其特征在于，其上存储有计算机程序，在该计算机程序被处理器执行时实现如权利要求1至18中任一项所述的方法步骤。
CN202110901045.6A 2021-08-06 2021-08-06 一种骨强度模拟计算方法、装置及存储介质 Active CN113658706B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110901045.6A CN113658706B (zh) 2021-08-06 2021-08-06 一种骨强度模拟计算方法、装置及存储介质
PCT/CN2021/142019 WO2023010785A1 (zh) 2021-08-06 2021-12-28 一种骨强度模拟计算方法、装置及存储介质
US18/432,357 US20240177303A1 (en) 2021-08-06 2024-02-05 Bone strength simulation calculation method and device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110901045.6A CN113658706B (zh) 2021-08-06 2021-08-06 一种骨强度模拟计算方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113658706A true CN113658706A (zh) 2021-11-16
CN113658706B CN113658706B (zh) 2024-01-02

Family

ID=78490446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110901045.6A Active CN113658706B (zh) 2021-08-06 2021-08-06 一种骨强度模拟计算方法、装置及存储介质

Country Status (3)

Country Link
US (1) US20240177303A1 (zh)
CN (1) CN113658706B (zh)
WO (1) WO2023010785A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023010785A1 (zh) * 2021-08-06 2023-02-09 中国人民解放军总医院第一医学中心 一种骨强度模拟计算方法、装置及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000126168A (ja) * 1998-10-22 2000-05-09 Teijin Ltd 骨画像処理方法及び骨強度評価方法
CN103892856A (zh) * 2012-12-31 2014-07-02 深圳先进技术研究院 一种获取人体骨密度值的方法及系统
CN106227993A (zh) * 2016-07-14 2016-12-14 哈尔滨理工大学 一种基于生物学机理的骨折愈合动态过程仿真方法
CN109101686A (zh) * 2018-06-30 2018-12-28 大连理工大学 一种基于骨小梁结构形态和力学性能的多孔结构设计方法
CN110210481A (zh) * 2019-06-06 2019-09-06 福建师范大学 一种基于凹形缝隙区域识别的终板自动分离方法
CN110363765A (zh) * 2019-07-24 2019-10-22 苏州科技城医院 基于ct影像的骨质疏松参数自动测量方法
CN110570508A (zh) * 2019-07-23 2019-12-13 博志生物科技(深圳)有限公司 骨质疏松状况三维可视化渲染方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10123839B2 (en) * 2013-07-11 2018-11-13 Think Surgical, Inc. Systems and processes for pre-operative planning and precise bone removal for femoroacetabular impingement
CN106548515B (zh) * 2016-11-04 2019-12-24 深圳市艾科赛龙科技股份有限公司 构建人造骨松质模型的方法和装置
CN112529863B (zh) * 2020-12-04 2024-01-23 推想医疗科技股份有限公司 测量骨密度的方法及装置
CN113658706B (zh) * 2021-08-06 2024-01-02 中国人民解放军总医院第一医学中心 一种骨强度模拟计算方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000126168A (ja) * 1998-10-22 2000-05-09 Teijin Ltd 骨画像処理方法及び骨強度評価方法
CN103892856A (zh) * 2012-12-31 2014-07-02 深圳先进技术研究院 一种获取人体骨密度值的方法及系统
CN106227993A (zh) * 2016-07-14 2016-12-14 哈尔滨理工大学 一种基于生物学机理的骨折愈合动态过程仿真方法
CN109101686A (zh) * 2018-06-30 2018-12-28 大连理工大学 一种基于骨小梁结构形态和力学性能的多孔结构设计方法
CN110210481A (zh) * 2019-06-06 2019-09-06 福建师范大学 一种基于凹形缝隙区域识别的终板自动分离方法
CN110570508A (zh) * 2019-07-23 2019-12-13 博志生物科技(深圳)有限公司 骨质疏松状况三维可视化渲染方法
CN110363765A (zh) * 2019-07-24 2019-10-22 苏州科技城医院 基于ct影像的骨质疏松参数自动测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马信龙;付鑫;马剑雄;董宝康;沈珉;王志彬;: "股骨头内松质骨空间分布和力学性能变化有限元分析", 医用生物力学, no. 06 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023010785A1 (zh) * 2021-08-06 2023-02-09 中国人民解放军总医院第一医学中心 一种骨强度模拟计算方法、装置及存储介质

Also Published As

Publication number Publication date
CN113658706B (zh) 2024-01-02
WO2023010785A1 (zh) 2023-02-09
US20240177303A1 (en) 2024-05-30

Similar Documents

Publication Publication Date Title
Müller et al. Morphometric analysis of human bone biopsies: a quantitative structural comparison of histological sections and micro-computed tomography
CN100387196C (zh) 用于测量与疾病相关的组织变化的方法和系统
Cheung et al. Development of 3-D ultrasound system for assessment of adolescent idiopathic scoliosis (AIS): and system validation
CN100528078C (zh) 用于气管测量的方法和系统
CN102648482A (zh) 用于所选组织结构的图像分析的方法及系统
CN110544245A (zh) 图像处理方法、装置、计算机可读存储介质及电子设备
US20240177303A1 (en) Bone strength simulation calculation method and device, and storage medium
CN113379892A (zh) 椎体力学强度评估方法、装置、计算机设备及存储介质
Gomberg et al. Topology‐based orientation analysis of trabecular bone networks
US7539332B1 (en) Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image
Soleimani et al. Carotid artery wall motion estimation from consecutive ultrasonic images: Comparison between block-matching and maximum-gradient algorithms
EP3629902B1 (en) Systems and methods for patient specific modeling of the mechanical properties of bone
Goldbach‐Mansky et al. Magnetic resonance imaging in the evaluation of bone damage in rheumatoid arthritis: a more precise image or just a more expensive one?
US20160180520A1 (en) Quantitative method for 3-d joint characterization
Ikuta et al. Quantitative analysis using the star volume method applied to skeleton patterns extracted with a morphological filter
WO2023052571A1 (en) Process and device for analyzing a texture of a tissue
Mueller et al. Micro-mechanical evaluation of bone microstructures under load
Qian et al. Automatic 3D ultrasound modeling imaging for spine deformity using neural networks
CN114187284A (zh) 一种基于配对图像的MDCT和Micro-CT图像映射及骨结构测量方法
Branni Constitutive models of bone: The human femur
CN116936088A (zh) 骨质疏松患者骨折风险的预测方法及预测装置
Muckatira Error estimation in whole bone microstrain measurement when using digital volume correlation
Marwan et al. Three-dimensional quantification of structures in trabecular bone using measures of complexity
Pinninti Stochastic Assessment of Bone Fragility in Human Lumbar Spine
Harake et al. Development and validation of an artificial intelligence model to accurately predict spinopelvic parameters

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