CN113888620A - 骨钉标记点提取方法、装置、处理设备和存储介质 - Google Patents
骨钉标记点提取方法、装置、处理设备和存储介质 Download PDFInfo
- Publication number
- CN113888620A CN113888620A CN202111149012.7A CN202111149012A CN113888620A CN 113888620 A CN113888620 A CN 113888620A CN 202111149012 A CN202111149012 A CN 202111149012A CN 113888620 A CN113888620 A CN 113888620A
- Authority
- CN
- China
- Prior art keywords
- bone nail
- image
- head
- determining
- target
- 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
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 324
- 238000000605 extraction Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 title claims abstract description 15
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 37
- 239000000523 sample Substances 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims description 33
- 238000012216 screening Methods 0.000 claims description 27
- 239000000463 material Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 241000587161 Gomphocarpus Species 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 239000000835 fiber Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 229920002101 Chitin Polymers 0.000 description 1
- 229920001661 Chitosan Polymers 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 229920001410 Microfiber Polymers 0.000 description 1
- 206010061363 Skeletal injury Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000003658 microfiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229920000747 poly(lactic acid) Polymers 0.000 description 1
- 239000004626 polylactic acid Substances 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 238000002604 ultrasonography 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
- G06T7/60—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
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种骨钉标记点提取方法、装置、处理设备和存储介质,其中,所述方法包括:获取骨钉提取对象的三维扫描图像;根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像;根据所述骨钉图像确定所述目标骨钉的头部图像;根据所述头部图像,确定所述目标骨钉的头部圆心位置;根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置。
Description
技术领域
本申请涉及医疗影像技术领域,特别是涉及骨钉标记点提取方法、装置、处理设备和存储介质。
背景技术
骨钉是医学上用于接合骨头的部件,例如,骨钉具体可用于稳定骨折部位,关节融合,重建足、脚踝和脚趾的小骨等等。部分骨钉在置于体内一段时间后,需要从人体内取出。如果在检测到的骨钉位置与其实际位置有偏差的情况下就实施骨钉提取操作,可能给患者造成二次骨头伤害。因此,准确检测出骨钉在体内的位置,并从相应位置处取出骨钉,是技术性较高的医疗环节。
相关技术中通常是医生手动提取骨钉,目前常用的提取方法是医生在三维扫描图像中大致定位出骨钉的标记点,该标记点例如可以是利用骨钉提取装置提取骨钉的提取点。然后,可以联合展示标记点处的平面图像,例如基于三个坐标方向上的多平面重组(Multi-planar Reformation,MPR)视图,再对骨钉的提取点进行微调。由此可见,相关技术中提取骨钉的方式依赖于医生的操作和判断,精确度无法得到保障,且耗时较长。
因此,相关技术中亟需一种准确、高效的自动化提取骨钉标记点的方法。
发明内容
本申请实施例提供了一种骨钉检测方法、装置、处理设备和存储介质,以至少解决相关技术中提取骨钉标记点效率低的问题。
第一方面,本申请实施例提供了一种骨钉标记点提取方法,包括:
获取骨钉提取对象的三维扫描图像;
根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像;
根据所述骨钉图像确定所述目标骨钉的头部图像;
根据所述头部图像,确定所述目标骨钉的头部圆心位置;
根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置。
本申请实施例对骨钉提取对象的三维扫描图像进行处理,就可以准确地确定出所述骨钉提取对象中骨钉的标记点位置。具体来说,首先根据骨钉的物理参数,识别出目标骨钉的骨钉图像。由于骨钉具有固有的属性,因此,根据物理参数能够比较准确地识别出骨钉图像。在确定骨钉对象之后,可以逐步确定骨钉的头部图像、头部圆心位置和标记点位置,利用这种层层递进的方式获取标记点位置,可以不断地增强所述标记点位置的目标性,提升标记点位置的准确性。
可选的,在本申请的一个实施例中,所述物理参数包括骨钉材质、骨钉大小、骨钉形状。
可选的,在本申请的一个实施例中,所述根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像,包括:
获取所述三维扫描图像中各个体素对应的图像像素值;
确定骨钉所对应的图像像素范围;
根据所述图像像素值和所述图像像素范围,从所述三维扫描图像中筛选出目标图像区域。
可选的,在本申请的一个实施例中,还包括:
获取所述目标图像区域中至少一个第一连通区域的体积;
确定骨钉所对应的体积范围;
从所述至少一个第一连通区域中筛选出体积在所述体积范围之内的至少一个第二连通区域。
可选的,在本申请的一个实施例中,还包括:
获取所述至少一个第二连通区域中第一主方向的奇异值在三个主方向的奇异值中的占比,其中,所述第一主方向对应于所述三个主方向中奇异值最大的方向;
确定骨钉第一主方向上的奇异值在三个主方向的奇异值中的占比阈值;
从所述至少一个第二连通区域中筛选出所述占比大于所述占比阈值的至少一个目标连通区域。
可选的,在本申请的一个实施例中,所述根据所述骨钉图像确定所述目标骨钉的头部图像,包括:
确定所述目标骨钉的钉体从尾部指向头部的方向为正方向;
将所述骨钉图像中沿所述正方向分布的最外侧的占所述骨钉体积预设比例的区域作为所述目标骨钉的头部图像。
可选的,在本申请的一个实施例中,所述根据所述头部图像,确定所述目标骨钉的头部圆心位置,包括:
确定所述头部图像以所述目标骨钉的正方向为法向量的最外侧平面,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向;
将所述头部图像所包含的体素投影至所述最外侧平面中;
确定所述最外侧平面中投影点的中心点,并将所述中心点作为所述目标骨钉的头部圆心位置。
可选的,在本申请的一个实施例中,所述确定所述最外侧平面中投影点的中心点,包括:
步骤1,在所述最外侧平面任选第一投影点和第二投影点,并确定以所述第一投影点为起点、方向指向所述第二投影点的投影矢量;
步骤2,确定所述最外侧平面内的投影点在所述投影矢量上的多个模值,将所述多个模值中最大值与最小值的平均值确定为所述最外侧平面中投影点的候选中心点;
重复步骤1和步骤2,直至重复的次数不小于预设阈值,根据获取到的多个所述候选中心点确定所述最外侧平面中投影点的中心点。
可选的,在本申请的一个实施例中,所述根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置,包括:
获取探针的半径以及所述目标骨钉的头部半径;
根据所述探针的半径和所述头部半径,确定所述目标骨钉的标记距离;
将所述头部圆心位置沿所述目标骨钉的正方向距离所述标记距离的位置作为所述目标骨针的标记点位置,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向。
第二方面,本申请实施例提供了一种骨钉标记点提取装置,包括:
三维扫描图像获取模块,用于获取骨钉提取对象的三维扫描图像;
骨钉识别模块,用于根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像;
骨钉头部识别模块,用于根据所述骨钉图像确定所述目标骨钉的头部图像;
头部圆心确定模块,用于根据所述头部图像,确定所述目标骨钉的头部圆心位置;
标记点确定模块,用于根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置。
第三方面,本申请实施例提供了一种处理设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述的骨钉标记点提取方法。
第四方面,本申请实施例提供了一种计算机存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述的骨钉标记点提取方法。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例提供的骨钉标记点提取方法的方法流程图;
图2A是本申请实施例提供的一种场景示意图;
图2B是本申请实施例提供的一种场景示意图;
图3是本申请实施例提供的一种场景示意图;
图4是本申请实施例提供的一种场景示意图;
图5是本申请实施例提供的骨钉标记点提取装置的模块结构示意图;
图6是本申请实施例提供的处理设备的模块结构示意图;
图7是本申请实施例提供的计算机程序产品的概念性局部视图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
下面结合附图对本申请所述的骨钉标记点提取方法进行详细的说明。图1是本申请提供的骨钉标记点提取方法的一种实施例的流程示意图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际中的骨钉标记点提取过程中或者方法执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
具体的,本申请提供的骨钉标记点提取方法的一种实施例如图1所示,所述方法可以包括:
S101:获取骨钉提取对象的三维扫描图像。
本申请实施例中,所述骨钉提取对象的三维扫描图像可以包括利用计算机断层扫描(Computed Tomography,CT)设备、磁共振成像(Magnetic Resonance Imaging,MRI)设备、正电子发射型计算机断层显像(Positron Emission Computed Tomography,PET)设备、超声设备等扫描得到的三维数据,本申请在此不做限制。另外,所述骨钉提取对象不限制为人体,还可以包括动物,如做过接骨手术的宠物等。
S103:根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像。
本申请实施例中,在骨钉提取对象中,骨钉往往具有特有的物理属性,因此,基于骨钉的物理参数,可以比较准确地识别出目标骨钉在所述三维扫描图像中的位置。其中,所述物理参数可以包括骨钉材质、骨钉大小、骨钉形状等。骨钉材质可以包括金属(如普通钢、不锈钢、钛、钛合金等),还可以包括化学复合材料(如甲壳素微纤、壳聚糖纤维、聚乳酸纤维等)。另外,骨钉也具有固定的大小和形状,典型地,如32mm螺纹钉、16mm螺纹钉等规格尺寸。
考虑到骨钉材质、骨钉大小、骨钉形状等物理参数中,从筛选能力来说,骨钉材质大于骨钉大小,骨钉大小又大于骨钉形状。因此,可以设置对骨钉的筛选顺序为骨钉材质、骨钉大小、骨钉形状。基于此,所述根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像,可以包括:
S201:获取所述三维扫描图像中各个体素对应的图像像素值;
S203:确定骨钉所对应的图像像素范围;
S205:根据所述图像像素值和所述图像像素范围,从所述三维扫描图像中筛选出目标图像区域。
本申请实施例可以首先从骨钉材质上对骨钉进行筛选,具体可以根据图像像素值从骨钉材质上筛选。由于骨钉用于接合骨头,其硬度需要高于骨头,因此骨钉材质的图像像素值与所述骨钉提取对象中骨头、其他器官或者组织的图像像素值具有明显的区别,例如在CT三维扫描图像中,骨钉材质的CT值远高于其他器官或者组织的CT值。另外,还可以确定骨钉材质的图像像素范围为[Gmin,Gmax],其中Gmin为图像像素最小值,Gmax为图像像素最大值。当然,对于不同的骨钉材质,其图像像素范围可以不相同,具体可以根据实际情况确定。
在确定所述三维扫描图像中各个体素对应的图像像素值以及骨钉所对应的图像像素范围,可以根据所述图像像素值和所述图像像素范围,可以从所述三维扫描图像中筛选出目标图像区域。在本申请的一种实施例中,可以将图像像素值位于所述图像像素范围内的体素所构成的图像区域作为所述目标图像区域。在本申请的另一个实施例中,还可以根据所述图像像素范围设置动态阈值,大于等于所述动态阈值的体素构成所述目标图像区域。在一个示例中,所述动态阈值T可以利用下述公式确定:
T=Gmin+R*(Gmax–Gmin)
其中,R为阈值比例,数值范围为[0,1],那么Tg的数值范围为[Gmin,Gmax]。通过调整R的数值,可以动态调整T的数值,从而改变筛选程度。具体的筛选结果M(x,y,z)表示为:
其中,I(x,y,z)表示坐标为(x,y,z)的体素的图像像素值。
本申请实施例中,还可以对根据骨钉材质筛选得到的所述目标图像区域进一步筛选,具体可以根据骨钉大小筛选。基于此,在S305之后,还可以包括:
S301:获取所述目标图像区域中至少一个第一连通区域的体积;
S303:确定骨钉所对应的体积范围;
S305:从所述至少一个第一连通区域中筛选出体积在所述体积范围之内的至少一个第二连通区域。
本申请实施例中,考虑到骨钉在三维扫描图像属于连通区域,因此,可以首先从所述目标图像区域中筛选出至少一个第一连通区域,并获取各个第一连通区域的体积。骨钉还可以具有一定的体积范围,所述体积范围可以表示为骨钉中所包含的体素的数量范围。例如确定骨钉的体积V的变化范围为[Vmin,Vmax],那么,可以得到筛选结果M(Oi)为:
其中,Oi为第i个第一连通区域中所包含体素的坐标集合。
本申请实施例中,还可以对根据骨钉大小筛选得到的所述至少一个第二连通区域进一步筛选,具体可以根据骨钉形状筛选。基于此,在步骤S405之后,还可以包括:
S401:获取所述至少一个第二连通区域中第一主方向的奇异值在三个主方向的奇异值中的占比,其中,所述第一主方向对应于所述三个主方向中奇异值最大的方向;
S403:确定骨钉第一主方向上的奇异值在三个主方向的奇异值中的占比阈值;
S405:从所述至少一个第二连通区域中筛选出所述占比大于所述占比阈值的至少一个目标连通区域。
本申请实施例中,考虑到骨钉的形状为细长状,因此,可以根据该形状特征对所述至少一个第二连通区域进一步筛选。本申请实施例可以利用奇异值分解(SVD)算法进行筛选。首选,可以对各个第二连通区域进行奇异值分解,以确定各个第二连通区域在三维空间中分布的三个主方向以及该三个主方向所对应的奇异值。根据奇异值的定义,奇异值越大,表示所述第二连通区域在该奇异值对应的分布方向在三个主方向中的比重越大。根据骨钉的形状特征,骨钉钉体的分布方向应该为第一主方向,所述第一主方向即为所述三个主方向中奇异值最大的方向。基于此,在筛选过程中,可以验证所述第一主方向所对应的奇异值在所述三个主方向的奇异值中的占比是否足够大,如果足够大,则可以确定待验证的第二连通区域符合骨钉的形状特征。具体来说,可以设置骨钉第一主方向上的奇异值在三个主方向的奇异值中的占比阈值TR,若确定第二连通区域中第一主方向的奇异值在三个主方向的奇异值中的占比Rv大于等于所述占比阈值TR,则可以确定所述第二连通区域符合骨钉的形状特征。其中,占比Rv可以按照下述公式计算得到:
其中,V1为第二连通区域中第一主方向上的奇异值,V2、V3分别为其他两个主方向上的奇异值。
在以上各个实施例中,可以将确定的所述目标连通区域作为目标骨钉的骨钉图像。通过上述按照骨钉材质、骨钉大小、骨钉形状的顺序筛选得到所述目标骨钉的骨钉图像,可以最大化筛选效率以及筛选准确性。
需要说明的是,在其他实施例中,还可以根据骨钉材质、骨钉大小、骨钉形状中的任意一个或者多个筛选得到所述目标骨钉的骨钉图像,本申请实施例对于筛选所基于的物理参数和筛选顺序不做限制。
S105:根据所述骨钉图像确定所述目标骨钉的头部图像。
本申请实施例中,由于骨钉的提取位置位于骨钉的头部,因此,可以先确定所述目标骨钉的头部图像,再从所述头部图像中确定所述目标骨钉的提取位置。骨钉头部的体积在整个骨钉的体积中所占的比例可以是固定值。基于此,所述根据所述骨钉图像确定所述目标骨钉的头部图像,可以包括:
S501:确定所述目标骨钉的钉体从尾部指向头部的方向为正方向;
S503:将所述骨钉图像中沿所述正方向分布的最外侧的占所述骨钉体积预设比例的区域作为所述目标骨钉的头部图像。
本申请实施例中,可以确定所述目标骨钉的正方向,该正方向是所述目标骨钉的钉体从尾部指向头部的方向。下面利用图2A、图2B说明确定正方向的方式。图2A展示了一头部颅骨的三维扫描图像201,该三维扫描图像201中包括多个骨钉图像202。然后,可以确定该三维扫描图像201的中心点O(Xc,Yc,Zc)。在一个示例中,假设三维扫描图像201的长宽高分别是W、H、D,那么该中心点O的坐标可以是(W/2,H/2,D/2)。由于骨钉介入颅骨内是尾部在里、头部在外,基于此,可以利用所述第一主方向、骨钉上任一点以及所述中心点O确定所述目标骨钉的正方向。具体来说,图2B是从图2A所提取的骨钉图像。如图2B所示,在任意一个目标骨钉的骨钉图像上选择点P,向量的方向与该目标骨钉的第一主方向平行,并假设向量为该目标骨钉的正方向。然后,由中心点O向所述点P作连线,生成向量若向量与当前假设的正方向之间的夹角为锐角,则认为此时假设的正方向为正方向;否则将假设的正方向翻转180度后作为该目标骨钉的正方向。如图2B所示,由于向量与向量之间的夹角为钝角,因此,可以将向量的反方向作为该目标骨钉的正方向。
在确定所述目标骨钉的正方向之后,可以将所述骨钉图像中沿所述正方向分布的最外侧的占所述骨钉体积预设比例的区域作为所述目标骨钉的头部图像。所述预设比例例如可以设置为10%、15%等等。
S107:根据所述头部图像,确定所述目标骨钉的头部圆心位置。
本申请实施例中,骨钉的标记点位置与骨钉的头部位置相关,因此,在确定所述目标骨钉的头部图像之后,可以在所述头部图像中确定所述目标骨钉的头部圆心位置。在本申请的一个实施例中,所述头部圆心位置可以包括所述头部图像在所述目标骨钉最外侧平面内的投影中心点位置。具体地,所述根据所述头部图像,确定所述目标骨钉的头部圆心位置,包括:
S601:确定所述头部图像以所述目标骨钉的正方向为法向量的最外侧平面,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向;
S605:将所述头部图像所包含的体素投影至所述最外侧平面中;
S605:确定所述最外侧平面中投影点的中心点,并将所述中心点作为所述目标骨钉的头部圆心位置。
本申请实施例中,所述最外侧平面以所述目标骨钉的正方向为法向量,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向。下面结合图3说明本实施例,如图3所示,利用上述实施例得到头部图像301,然后,可以将头部图像301中的体素投影至所述最外侧平面中。图3中右图展示了沿所述目标骨钉的正方向所观察到的最外侧平面以及所述最外侧平面中投影点的示意图。那么,所述最外侧平面中投影点的中心点即为所述目标骨钉的头部圆心位置。
在本申请的一个实施例中,可以采用多次求候选中心点的方式确定所述最外侧平面中投影点的中心点。具体来说,所述确定所述最外侧平面中投影点的中心点,可以包括:
步骤1,在所述最外侧平面任选第一投影点和第二投影点,并确定以所述第一投影点为起点、方向指向所述第二投影点的投影矢量;
步骤2,确定所述最外侧平面内的投影点在所述投影矢量上的多个模值,将所述多个模值中最大值与最小值的平均值确定为所述最外侧平面中投影点的候选中心点;
步骤3,重复步骤1和步骤2,直至重复的次数不小于预设阈值,根据获取到的多个所述候选中心点确定所述最外侧平面中投影点的中心点。
在本申请实施例中,可以设置所述预设阈值为100、200、250等数值,本申请在此不做限制。在确定多个所述候选中心点的情况下,可以对多个所述候选中心点的位置求均值,并将该均值作为所述最外侧平面中投影点的中心点,如图3所示,确定所述中心点为点C。在本实施例中,由于骨钉的体积较小,且从所述骨钉提取对象提取骨钉对于提取点位置的准确性要求较高,也就是对所述最外侧平面中投影点的中心点的位置准确性具有较高的要求。利用多次投影的当时求取所述中心点的位置,可以大大提升所述中心点的准确度。需要说明的是,所述中心点的确定方式不限于上述举例,例如,还可以利用其他的投影方式确定所述中心点,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
S109:根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置。
本申请实施例中,探针是提取骨钉的球形工具,对应地,骨钉的头部设置有凹部,该凹部与至少部分的探针相匹配。所述标记点位置可以包括探针在提取所述目标骨钉时的球心位置。基于此,在本申请的一个实施例中,所述根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置,包括:
S701:获取探针的半径以及所述目标骨钉的头部半径;
S703:根据所述探针的半径和所述头部半径,确定所述目标骨钉的标记距离;
S705:将所述头部圆心位置沿所述目标骨钉的正方向距离所述标记距离的位置作为所述目标骨针的标记点位置,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向。
下面结合图4具体说明上述实施例,如图4所示,确定所述目标骨钉的头部圆心为C,可以获取到探针的半径R和所述目标骨钉的头部半径CM=r。那么,可以根据三角形EMC的勾股定理,确定所述目标骨钉的标记距离E点即为所述目标骨钉的标记点位置,具体可以以头部圆心C为起点,沿正方向EC长度的位置寻找到E点。
上文中结合图1至图4,详细描述了本申请所提供的骨钉标记点提取方法,下面将结合附图5,描述根据本申请所提供的骨钉标记点提取装置500,包括:
三维扫描图像获取模块501,用于获取骨钉提取对象的三维扫描图像;
骨钉识别模块503,用于根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像;
骨钉头部识别模块505,用于根据所述骨钉图像确定所述目标骨钉的头部图像;
头部圆心确定模块507,用于根据所述头部图像,确定所述目标骨钉的头部圆心位置;
标记点确定模块509,用于根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置。
可选的,在本申请的一个实施例中,所述物理参数包括骨钉材质、骨钉大小、骨钉形状。
可选的,在本申请的一个实施例中,所述骨钉识别模块,具体用于:
获取所述三维扫描图像中各个体素对应的图像像素值;
确定骨钉所对应的图像像素范围;
根据所述图像像素值和所述图像像素范围,从所述三维扫描图像中筛选出目标图像区域。
可选的,在本申请的一个实施例中,所述骨钉识别模块,具体用于:
获取所述目标图像区域中至少一个第一连通区域的体积;
确定骨钉所对应的体积范围;
从所述至少一个第一连通区域中筛选出体积在所述体积范围之内的至少一个第二连通区域。
可选的,在本申请的一个实施例中,所述骨钉识别模块,具体用于:
获取所述至少一个第二连通区域中第一主方向的奇异值在三个主方向的奇异值中的占比,其中,所述第一主方向对应于所述三个主方向中奇异值最大的方向;
确定骨钉第一主方向上的奇异值在三个主方向的奇异值中的占比阈值;
从所述至少一个第二连通区域中筛选出所述占比大于所述占比阈值的至少一个目标连通区域。
可选的,在本申请的一个实施例中,所述骨钉头部识别模块,具体用于:
确定所述目标骨钉的钉体从尾部指向头部的方向为正方向;
将所述骨钉图像中沿所述正方向分布的最外侧的占所述骨钉体积预设比例的区域作为所述目标骨钉的头部图像。
可选的,在本申请的一个实施例中,所述头部圆心确定模块,具体用于:
确定所述头部图像以所述目标骨钉的正方向为法向量的最外侧平面,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向;
将所述头部图像所包含的体素投影至所述最外侧平面中;
确定所述最外侧平面中投影点的中心点,并将所述中心点作为所述目标骨钉的头部圆心位置。
可选的,在本申请的一个实施例中,所述头部圆心确定模块,具体用于:
步骤1,在所述最外侧平面任选第一投影点和第二投影点,并确定以所述第一投影点为起点、方向指向所述第二投影点的投影矢量;
步骤2,确定所述最外侧平面内的投影点在所述投影矢量上的多个模值,将所述多个模值中最大值与最小值的平均值确定为所述最外侧平面中投影点的候选中心点;
重复步骤1和步骤2,直至重复的次数不小于预设阈值,根据获取到的多个所述候选中心点确定所述最外侧平面中投影点的中心点。
可选的,在本申请的一个实施例中,所述标记点确定模块,具体用于:
获取探针的半径以及所述目标骨钉的头部半径;
根据所述探针的半径和所述头部半径,确定所述目标骨钉的标记距离;
将所述头部圆心位置沿所述目标骨钉的正方向距离所述标记距离的位置作为所述目标骨针的标记点位置,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向。
本申请的实施例还提供了一种处理设600备,处理设备600可以是物理设备或物理设备集群,也可以是虚拟化的云设备,如云计算集群中的至少一个云计算设备。为了便于理解,本申请以处理设备600为独立的物理设备对该处理设备600的结构进行示例说明。
如图6所示,处理设备600包括:处理器以及用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令时实现上述装置。处理设备600包括存储器601、处理器603、总线605和通信接口607。存储器601、处理器603和通信接口607之间通过总线601通信。总线605可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口607用于与外部通信。
其中,处理器603可以为中央处理器(central processing unit,CPU)。存储器601可以包括易失性存储器(volatile memory),例如随机存取存储器(random accessmemory,RAM)。存储器601还可以包括非易失性存储器(non-volatile memory),例如只读存储器(read-only memory,ROM),快闪存储器,HDD或SSD。
存储器601中存储有可执行代码,处理器603执行该可执行代码以执行前述测试场景构建方法。
本申请的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指令,所述计算机程序指令被处理器执行时实现上述方法。
本申请的实施例提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
在一些实施例中,所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。图7示意性地示出根据这里展示的至少一些实施例而布置的示例计算机程序产品的概念性局部视图,所述示例计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。在一个实施例中,示例计算机程序产品700是使用信号承载介质701来提供的。所述信号承载介质701可以包括一个或多个程序指令703,其当被一个或多个处理器运行时可以提供以上针对图1描述的功能或者部分功能。此外,图7中的程序指令703也描述示例指令。
在一些示例中,信号承载介质701可以包含计算机可读介质705,诸如但不限于,硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等等。在一些实施方式中,信号承载介质701可以包含计算机可记录介质707,诸如但不限于,存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中,信号承载介质701可以包含通信介质705,诸如但不限于,数字和/或模拟通信介质(例如,光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此,例如,信号承载介质701可以由无线形式的通信介质705(例如,遵守IEEE802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令703可以是,例如,计算机可执行指令或者逻辑实施指令。在一些示例中,诸如针对图2描述的计算设备的计算设备可以被配置为,响应于通过计算机可读介质705、计算机可记录介质707、和/或通信介质705中的一个或多个传达到计算设备的程序指令703,提供各种操作、功能、或者动作。应该理解,这里描述的布置仅仅是用于示例的目的。因而,本领域技术人员将理解,其它布置和其它元素(例如,机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用,并且一些元素可以根据所期望的结果而一并省略。另外,所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。
附图中的流程图和框图显示了根据本申请的多个实施例的装置、系统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、程序段或指令的一部分,所述模块、程序段或指令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。在有些作为替换的实现中,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,可以用执行相应的功能或动作的硬件(例如电路或ASIC(Application SpecificIntegrated Circuit,专用集成电路))来实现,或者可以用硬件和软件的组合,如固件等来实现。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其它变化。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (12)
1.一种骨钉标记点提取方法,其特征在于,包括:
获取骨钉提取对象的三维扫描图像;
根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像;
根据所述骨钉图像确定所述目标骨钉的头部图像;
根据所述头部图像,确定所述目标骨钉的头部圆心位置;
根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置。
2.根据权利要求1所述的骨钉标记点提取方法,其特征在于,所述物理参数包括骨钉材质、骨钉大小、骨钉形状。
3.根据权利要求2所述的骨钉标记点提取方法,其特征在于,所述根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像,包括:
获取所述三维扫描图像中各个体素对应的图像像素值;
确定骨钉所对应的图像像素范围;
根据所述图像像素值和所述图像像素范围,从所述三维扫描图像中筛选出目标图像区域。
4.根据权利要求3所述的骨钉标记点提取方法,其特征在于,还包括:
获取所述目标图像区域中至少一个第一连通区域的体积;
确定骨钉所对应的体积范围;
从所述至少一个第一连通区域中筛选出体积在所述体积范围之内的至少一个第二连通区域。
5.根据权利要求4所述的骨钉标记点提取方法,其特征在于,还包括:
获取所述至少一个第二连通区域中第一主方向的奇异值在三个主方向的奇异值中的占比,其中,所述第一主方向对应于所述三个主方向中奇异值最大的方向;
确定骨钉第一主方向上的奇异值在三个主方向的奇异值中的占比阈值;
从所述至少一个第二连通区域中筛选出所述占比大于所述占比阈值的至少一个目标连通区域。
6.根据权利要求1所述的骨钉标记点提取方法,其特征在于,所述根据所述骨钉图像确定所述目标骨钉的头部图像,包括:
确定所述目标骨钉的钉体从尾部指向头部的方向为正方向;
将所述骨钉图像中沿所述正方向分布的最外侧的占所述骨钉体积预设比例的区域作为所述目标骨钉的头部图像。
7.根据权利要求1所述的骨钉标记点提取方法,其特征在于,所述根据所述头部图像,确定所述目标骨钉的头部圆心位置,包括:
确定所述头部图像以所述目标骨钉的正方向为法向量的最外侧平面,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向;
将所述头部图像所包含的体素投影至所述最外侧平面中;
确定所述最外侧平面中投影点的中心点,并将所述中心点作为所述目标骨钉的头部圆心位置。
8.根据权利要求7所述的骨钉标记点提取方法,其特征在于,所述确定所述最外侧平面中投影点的中心点,包括:
步骤1,在所述最外侧平面任选第一投影点和第二投影点,并确定以所述第一投影点为起点、方向指向所述第二投影点的投影矢量;
步骤2,确定所述最外侧平面内的投影点在所述投影矢量上的多个模值,将所述多个模值中最大值与最小值的平均值确定为所述最外侧平面中投影点的候选中心点;
重复步骤1和步骤2,直至重复的次数不小于预设阈值,根据获取到的多个所述候选中心点确定所述最外侧平面中投影点的中心点。
9.根据权利要求1所述的骨钉标记点提取方法,其特征在于,所述根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置,包括:
获取探针的半径以及所述目标骨钉的头部半径;
根据所述探针的半径和所述头部半径,确定所述目标骨钉的标记距离;
将所述头部圆心位置沿所述目标骨钉的正方向距离所述标记距离的位置作为所述目标骨针的标记点位置,所述正方向包括所述目标骨钉的钉体从尾部指向头部的方向。
10.一种骨钉标记点提取装置,其特征在于,包括:
三维扫描图像获取模块,用于获取骨钉提取对象的三维扫描图像;
骨钉识别模块,用于根据骨钉的物理参数,识别所述三维扫描图像中目标骨钉的骨钉图像;
骨钉头部识别模块,用于根据所述骨钉图像确定所述目标骨钉的头部图像;
头部圆心确定模块,用于根据所述头部图像,确定所述目标骨钉的头部圆心位置;
标记点确定模块,用于根据所述目标骨钉的头部圆心位置和探针的半径确定所述目标骨钉的标记点位置。
11.一种处理设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至9中任一项所述的骨钉标记点提取方法。
12.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至9中任一项所述的骨钉标记点提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111149012.7A CN113888620A (zh) | 2021-09-29 | 2021-09-29 | 骨钉标记点提取方法、装置、处理设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111149012.7A CN113888620A (zh) | 2021-09-29 | 2021-09-29 | 骨钉标记点提取方法、装置、处理设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113888620A true CN113888620A (zh) | 2022-01-04 |
Family
ID=79007937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111149012.7A Pending CN113888620A (zh) | 2021-09-29 | 2021-09-29 | 骨钉标记点提取方法、装置、处理设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888620A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272288A (zh) * | 2022-08-22 | 2022-11-01 | 杭州微引科技有限公司 | 一种医学图像标记点自动识别方法、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6117143A (en) * | 1998-09-11 | 2000-09-12 | Hybex Surgical Specialties, Inc. | Apparatus for frameless stereotactic surgery |
JP2009003813A (ja) * | 2007-06-22 | 2009-01-08 | Univ Of Tsukuba | 手指形状推定装置及び手指形状推定方法、並びにプログラム |
US20110158494A1 (en) * | 2009-12-30 | 2011-06-30 | Avi Bar-Shalev | Systems and methods for identifying bone marrow in medical images |
US20180344375A1 (en) * | 2017-06-01 | 2018-12-06 | Howmedica Osteonics Corp. | Surgical instrument and method for use in sizing fixation implants |
CN110772319A (zh) * | 2018-07-30 | 2020-02-11 | 上海术凯机器人有限公司 | 一种配准方法、配准装置及计算机可读存储介质 |
CN111583188A (zh) * | 2020-04-15 | 2020-08-25 | 武汉联影智融医疗科技有限公司 | 手术导航标记点定位方法、存储介质及计算机设备 |
WO2021115331A1 (zh) * | 2019-12-13 | 2021-06-17 | 深圳市瑞立视多媒体科技有限公司 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
EP3839890A1 (en) * | 2019-12-17 | 2021-06-23 | Metamorphosis GmbH | Determining relative 3d positions and orientations between objects in 2d medical images |
CN113034389A (zh) * | 2021-03-17 | 2021-06-25 | 武汉联影智融医疗科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113409445A (zh) * | 2021-06-02 | 2021-09-17 | 东北大学 | 骨折手术钢钉稳定性的评估方法、确定方法、介质及设备 |
-
2021
- 2021-09-29 CN CN202111149012.7A patent/CN113888620A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6117143A (en) * | 1998-09-11 | 2000-09-12 | Hybex Surgical Specialties, Inc. | Apparatus for frameless stereotactic surgery |
JP2009003813A (ja) * | 2007-06-22 | 2009-01-08 | Univ Of Tsukuba | 手指形状推定装置及び手指形状推定方法、並びにプログラム |
US20110158494A1 (en) * | 2009-12-30 | 2011-06-30 | Avi Bar-Shalev | Systems and methods for identifying bone marrow in medical images |
US20180344375A1 (en) * | 2017-06-01 | 2018-12-06 | Howmedica Osteonics Corp. | Surgical instrument and method for use in sizing fixation implants |
CN110772319A (zh) * | 2018-07-30 | 2020-02-11 | 上海术凯机器人有限公司 | 一种配准方法、配准装置及计算机可读存储介质 |
WO2021115331A1 (zh) * | 2019-12-13 | 2021-06-17 | 深圳市瑞立视多媒体科技有限公司 | 基于三角测量的坐标定位方法、装置、设备及存储介质 |
EP3839890A1 (en) * | 2019-12-17 | 2021-06-23 | Metamorphosis GmbH | Determining relative 3d positions and orientations between objects in 2d medical images |
CN111583188A (zh) * | 2020-04-15 | 2020-08-25 | 武汉联影智融医疗科技有限公司 | 手术导航标记点定位方法、存储介质及计算机设备 |
CN113034389A (zh) * | 2021-03-17 | 2021-06-25 | 武汉联影智融医疗科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113409445A (zh) * | 2021-06-02 | 2021-09-17 | 东北大学 | 骨折手术钢钉稳定性的评估方法、确定方法、介质及设备 |
Non-Patent Citations (2)
Title |
---|
冯云;张维军;李寅岩;张送根;: "一种基于标记点的三维医学图像配准方法研究", 中国医学装备, no. 02, 15 February 2018 (2018-02-15), pages 11 - 14 * |
王亚明;张剑宁;田增民;: "无框架立体定向机器人引导颈椎弓根螺钉植入的实验研究", 转化医学杂志, no. 01, 20 August 2012 (2012-08-20), pages 5 - 9 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272288A (zh) * | 2022-08-22 | 2022-11-01 | 杭州微引科技有限公司 | 一种医学图像标记点自动识别方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9159127B2 (en) | Detecting haemorrhagic stroke in CT image data | |
US10319093B2 (en) | Image processing apparatus, image processing method, and program | |
US20210374452A1 (en) | Method and device for image processing, and elecrtonic equipment | |
JP2011526508A (ja) | 医療用画像の領域分割 | |
CN105793893B (zh) | 解剖结构的基于模型的分割 | |
EP3667615B1 (en) | Determination of metastases in an image of an anatomical body part | |
JP2007111533A (ja) | コンピュータ断層撮影ボリュームデータにおける脊髄検出の方法およびシステム | |
JP2006006359A (ja) | 画像生成装置、画像生成装置方法、およびそのプログラム | |
EP3729368B1 (en) | System and method for assessing a pulmonary image | |
CN113888620A (zh) | 骨钉标记点提取方法、装置、处理设备和存储介质 | |
CN111127461A (zh) | 胸部图像处理方法、装置、存储介质及医疗设备 | |
WO2007056082A1 (en) | Automatic change quantification from medical image sets | |
JP2007502172A (ja) | 局所的曲率分布パターンの分析方法 | |
US11348229B2 (en) | Determining regions of hyperdense lung tissue in an image of a lung | |
CN110826557A (zh) | 一种骨折检出的方法及装置 | |
CN113160248B (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
AU2004277183B2 (en) | Method and system for using cutting planes for colon polyp detection | |
JP5961512B2 (ja) | 画像処理装置およびその作動方法並びに画像処理プログラム | |
CN109410170B (zh) | 图像数据处理方法、装置及设备 | |
US20220338819A1 (en) | Optimal scan pattern for medical imaging device | |
CN113674254B (zh) | 医学图像异常点识别方法、设备、电子装置和存储介质 | |
KR20180128402A (ko) | Ct 화상 중의 뼈 영역의 자동 추정 방법, 장치, 및 컴퓨터 프로그램 | |
Hentschke et al. | Detection of cerebral aneurysms in MRA, CTA and 3D-RA data sets | |
US20230342994A1 (en) | Storage medium, image identification method, image identification device | |
CN116168000A (zh) | 胃黏膜图像定位方法、装置、计算机设备及存储介质 |
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 |