CN114782508A - 髋关节配准点筛选方法及装置 - Google Patents
髋关节配准点筛选方法及装置 Download PDFInfo
- Publication number
- CN114782508A CN114782508A CN202210702057.0A CN202210702057A CN114782508A CN 114782508 A CN114782508 A CN 114782508A CN 202210702057 A CN202210702057 A CN 202210702057A CN 114782508 A CN114782508 A CN 114782508A
- Authority
- CN
- China
- Prior art keywords
- points
- cloud data
- point cloud
- data points
- surface point
- 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
Images
Classifications
-
- 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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20076—Probabilistic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及图像处理领域,提供一种髋关节配准点筛选方法及装置。所述方法包括:获取目标髋臼窝表面点云数据点;对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。本申请实施例提供的髋关节配准点筛选方法及装置可以快速筛选出髋关节的配准点,提高配准点的筛选效率。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种髋关节配准点筛选方法及装置。
背景技术
目前,在髋关节置换手术中已使用配准方法将骨骼的数字三维模型与实际骨骼匹配到一起,使数字三维模型的位姿能够表达实际骨骼的位姿,方便医生在手术中对手术部位进行定位,提高手术的精度。
在配准前需要事先在骨骼三维模型上筛选出配准点,再根据配准点与实际骨骼进行粗精配准,但现有的配准点筛选方法多是基于曲面提取,使用曲面上的一点及其k 个邻近点的协方差矩阵计算此点的曲率变化与法矢,根据曲率变化与法矢确定配准点,由于初始点云数据点较多,噪声较大,该方法所需计算的点数也就较多,在噪声点的无效计算相应也较多,计算耗时,配准点的筛选效率较低。
发明内容
本申请实施例提供一种髋关节配准点筛选方法及装置,用以解决传统配准点筛选方法配准点筛选效率较低的技术问题。
第一方面,本申请实施例提供一种髋关节配准点筛选方法,包括:
获取目标髋臼窝表面点云数据点;
对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;
对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。
在一个实施例中,所述对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点,包括:
对所述表面点云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点。
在一个实施例中,所述对所述表面点云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点,包括:
步骤1:在所述表面点云数据点中任选四个非共面点;
步骤2:对所述四个非共面点进行球面拟合;
步骤3:若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则确定所述表面点云数据为待处理数据点;
步骤4:记录所述待处理数据点的个数,若所述待处理数据点的个数小于所述表面点云数据点的总数,则在所述表面点云数据点中另选四个非共面点,并返回步骤2,直至所述表面点云数据点中任意四个非共面点拟合的球面对应的待处理数据点均完成个数记录;各次任选的四个非共面点不完全一致;
步骤5:选取所述待处理数据点个数最多的一次球面拟合对应的所述待处理数据点作为局内点。
在一个实施例中,所述记录所述待处理数据点的个数之后,包括:
若所述待处理数据点的个数等于所述表面点云数据点的总数,则将本次球面拟合对应的所述待处理数据点作为局内点。
在一个实施例中,所述对所述表面点云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点,包括:
在所述表面点云数据点中选取四个非共面点的所有组合;
分别对每个所述组合中的四个非共面点进行球面拟合;
若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则确定所述表面点云数据为对应拟合后的球面的待处理数据点;
记录每个拟合后的球面对应的待处理数据点的个数;
选取所述待处理数据点个数最多的拟合后的球面对应的所述待处理数据点作为局内点。
在一个实施例中,所述目标距离范围的最小值为第二阈值,所述目标距离范围的最大值为所述拟合后的包围球的半径。
第二方面,本申请实施例提供一种髋关节配准点筛选装置,包括:
数据获取模块,用于:获取目标髋臼窝表面点云数据点;
局内点筛选模块,用于:对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;
配准点筛选模块,用于:对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。
在一个实施例中,所述局内点筛选模块,还用于:对所述表面点
云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点。
第三方面,本申请实施例提供一种电子设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述程序时实现第一方面所述的髋关节配准点筛选方法的步骤。
第四方面,本申请实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面所述的髋关节配准点筛选方法的步骤。
本申请实施例提供的髋关节配准点筛选方法及装置,先获取目标髋臼窝表面点云数据点,再对表面点云数据点进行球面拟合,若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于该第一阈值的表面点云数据点的个数,筛选出局内点,最后对局内点进行包围球拟合,若局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将局内点作为髋关节配准点。本申请实施例充分利用了髋臼窝呈半球形这一特点,将其表面点云数据点直接进行球面拟合,再进行包围球拟合,由于球面以及包围球形态与髋臼窝的形态非常接近,因此能够在每次拟合时都最大限度的接近髋臼窝实际形态,提高拟合的精确度,又由于进行球面拟合和包围球拟合时是针对多个点进行拟合,区别于传统方式的逐点计算曲率和法矢,因此能快速筛选出髋关节的配准点,提高配准点的筛选效率。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的髋关节配准点筛选方法的流程示意图之一;
图2是本申请实施例提供的髋关节配准点筛选方法的流程示意图之二;
图3是本申请实施例提供的髋关节配准点筛选方法的流程示意图之三;
图4是本申请实施例提供的髋关节配准点筛选装置的结构示意图;
图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动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。
图1为本申请实施例提供的髋关节配准点筛选方法的流程示意图之一。参照图1,本申请实施例提供一种髋关节配准点筛选方法,可以包括:
101、获取目标髋臼窝表面点云数据点;
将扫描骨骼获取的CT数据转换为点云数据,提取髋臼窝表面点云数据点,该表面点云数据点包括髋臼窝内表面点云数据点和髋臼窝外表面点云数据点。
102、对表面点云数据点进行球面拟合,若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于该第一阈值的表面点云数据点的个数,筛选出局内点;
需要说明的是,球面拟合的方法此处不作限定,本实施例中,使用随机抽样一致性算法RANSAC(Random Sample Consensus,RANSAC)结合最小二乘法拟合圆方法对表面点云数据点进行球面拟合。
本实施例中,可以对表面点云数据点中的四个非共面点进行球面拟合,若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于第一阈值的表面点云数据点的个数,筛选出局内点。
103、对局内点进行包围球拟合,若局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将该局内点作为髋关节配准点。
需要说明的是,拟合后的包围球是能够将所有局内点均包围起来的半径最小的包围球。
本实施例提供的髋关节配准点筛选方法,先获取目标髋臼窝表面点云数据点,再对表面点云数据点进行球面拟合,若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于该第一阈值的表面点云数据点的个数,筛选出局内点,最后对局内点进行包围球拟合,若局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将局内点作为髋关节配准点。本实施例充分利用了髋臼窝呈半球形这一特点,将其表面点云数据点直接进行球面拟合,再进行包围球拟合,由于球面以及包围球形态与髋臼窝的形态非常接近,因此能够在每次拟合时都最大限度的接近髋臼窝实际形态,提高拟合的精确度,又由于进行球面拟合和包围球拟合时是针对多个点进行拟合,区别于传统方式的逐点计算曲率和法矢,因此能快速筛选出髋关节的配准点,提高配准点的筛选效率。
图2为本申请实施例提供的髋关节配准点筛选方法的流程示意图之二。参照图2,对表面点云数据点中的四个非共面点进行球面拟合,若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于第一阈值的表面点云数据点的个数,筛选出局内点,可以包括:
201、在表面点云数据点中任选四个非共面点;
202、对该四个非共面点进行球面拟合;
令:
且以上各式统称为(2-3)式
将(2-1)和(2-3)带入(2-2)中,得到:
203、若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则确定该表面点云数据为待处理数据点;
可以通过计算每个表面点云数据点距离拟合后的球面的圆心的距离,再用该距离减去该球面半径,得到每个表面点云数据点与拟合后的球面之间的最短距离。
该第一阈值可以通过计算所有表面点云数据点中两两最邻近点云数据点之间距离的平均值确定,即将两两最邻近点云数据点作为一个配对,加总所有两两最邻近点云数据点之间的距离后除以该配对的数量来确定。
若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,说明该表面点云数据点距离球面的距离不远,可以算作该球面的待处理数据点。
需要说明的是,该待处理数据点包括球面内侧和球面外侧的数据点,即包括被球体包围的数据点和球体之外的数据点。
204、记录该待处理数据点的个数;
205、若该待处理数据点的个数小于表面点云数据点的总数,则在表面点云数据点中另选四个非共面点,并返回步骤202;
直至表面点云数据点中任意四个非共面点拟合的球面对应的待处理数据点均完成个数记录,各次任选的四个非共面点不完全一致。
206、选取待处理数据点个数最多的一次球面拟合对应的待处理数据点作为局内点;
若通过比较得到某一次拟合的球面对应的待处理数据点的个数最多,说明距离该球面距离较近的数据点最多,则说明这次的拟合效果最好,因此选择这次拟合中的待处理数据点作为局内点。
207、若待处理数据点的个数等于表面点云数据点的总数,则将本次球面拟合对应的待处理数据点作为局内点。
若待处理数据点的个数等于表面点云数据点的总数,则说明所有表面点云数据点距离本次拟合的球面距离均较近,本次拟合已达到最好的效果,无需再进行下一次拟合,可直接将本次拟合对应的待处理数据点作为局内点。
本实施例通过对表面点云数据点进行球面拟合循环,通过计算距离拟合的球面较近的表面点云数据点的个数,找到对应待处理数据点最多的一次拟合,并将该次拟合对应的待处理数据点作为局内点,该筛选局内点的方法能够在穷尽表面点云数据点中各种球面的同时,通过距离判断出每次拟合球面的拟合效果,选取拟合效果最好的球面对应的待处理数据点作为局内点,提高了该局内点选取的准确度。
图3为本申请实施例提供的髋关节配准点筛选方法的流程示意图之三。参照图3,对表面点云数据点中的四个非共面点进行球面拟合,若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于第一阈值的表面点云数据点的个数,筛选出局内点,还可以包括:
301、在表面点云数据点中选取四个非共面点的所有组合;
即先将表现点云数据中所有由四个非共面点组成的组合挑选出来。
302、分别对每个组合中的四个非共面点进行球面拟合;
此处进行球面拟合的方法也不作限定,该球面拟合过程可以是先后对各个组合中的四个非共面点进行的,也可以是同时对各个组合中的四个非共面点进行的。
303、若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则确定该表面点云数据为对应拟合后的球面的待处理数据点;
304、记录每个拟合后的球面对应的待处理数据点的个数;
305、选取待处理数据点个数最多的拟合后的球面对应的待处理数据点作为局内点。
本实施例通过先将表现点云数据中所有由四个非共面点组成的组合挑选出来,然后分别对每个组合中的四个非共面点进行球面拟合,计算距离拟合的球面较近的表面点云数据点的个数,找到对应待处理数据点最多拟合球面,并将该拟合球面对应的待处理数据点作为局内点,该筛选局内点的方法能够避免使用循环过程,使得整个步骤直接明了。
在一个实施例中,可以通过如下方法对局内点进行包围球拟合:
在局内点中选取X方向上距离最远的两个点,分别为第一点和第二点,选取Y方向上距离最远的两个点,分别为第三点和第四点,选取Z方向上距离最远的两个点,分别为第五点和第六点,选取第一点和第二点之间第一线段长度、第三点和第四点之间第二线段长度和第五点和第六点之间第三线段长度中的最大值对应的线段作为包围球的直径,若存在位于包围球外的局内点,则连接包围球的球心和该包围球外的局内点,形成第四线段,朝该包围球外的局内点至该包围球球心的方向延长该第四线段使该第四线段与该包围球相交,相交的交点至该包围球外的局内点之间的线段为新的包围球的直径,该新的包围球相比原包围球的直径更长,包围范围更大,能够将原包围球外的局内点包围住,以此类推,不断扩大包围球的大小直到将所有局内点均包围在球内,此时的包围球为拟合后的包围球。
本实施例通过不断扩大包围球的大小并移动包围球的球心以包围所有局内点,能够得到包围所有局内点的半径最小的包围球,使得包围球更加紧实。
在一个实施例中,该目标距离范围的最小值为第二阈值,该目标距离范围的最大值为拟合后的包围球的半径。
即当局内点位于拟合后的包围球面或球内,且与拟合后的包围球的球心具有一定距离时,认为该局内点符合骨骼表面取点的特性,则确定该局内点为髋关节配准点。
本实施例的目标距离范围的最小值为第二阈值,该目标距离范围的最大值为拟合后的包围球的半径,在比较局内点与拟合后包围球球心的距离时,能够筛选出符合骨骼表面特性的配准点,为后续配准提供准确的数据点支撑。
下面对本申请实施例提供的髋关节配准点筛选装置进行描述,下文描述的髋关节配准点筛选装置与上文描述的髋关节配准点筛选方法可相互对应参照。
图4为本申请实施例提供的髋关节配准点筛选装置的结构示意图。参照图4,本申请实施例提供一种髋关节配准点筛选装置,可以包括:
数据获取模块401,用于:获取目标髋臼窝表面点云数据点;
局内点筛选模块402,用于:对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;
配准点筛选模块403,用于:对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。
本实施例提供的髋关节配准点筛选装置,先获取目标髋臼窝表面点云数据点,再对表面点云数据点进行球面拟合,若表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于该第一阈值的表面点云数据点的个数,筛选出局内点,最后对局内点进行包围球拟合,若局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将局内点作为髋关节配准点。本实施例充分利用了髋臼窝呈半球形这一特点,将其表面点云数据点直接进行球面拟合,再进行包围球拟合,由于球面以及包围球形态与髋臼窝的形态非常接近,因此能够在每次拟合时都最大限度的接近髋臼窝实际形态,提高拟合的精确度,又由于进行球面拟合和包围球拟合时是针对多个点进行拟合,区别于传统方式的逐点计算曲率和法矢,因此能快速筛选出髋关节的配准点,提高配准点的筛选效率。
在一个实施例中,局内点筛选模块402具体用于:
对所述表面点云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点。
在一个实施例中,局内点筛选模块402具体用于:
步骤1:在所述表面点云数据点中任选四个非共面点;
步骤2:对所述四个非共面点进行球面拟合;
步骤3:若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则确定所述表面点云数据为待处理数据点;
步骤4:记录所述待处理数据点的个数,若所述待处理数据点的个数小于所述表面点云数据点的总数,则在所述表面点云数据点中另选四个非共面点,并返回步骤2,直至所述表面点云数据点中任意四个非共面点拟合的球面对应的待处理数据点均完成个数记录;各次任选的四个非共面点不完全一致;
步骤5:选取所述待处理数据点个数最多的一次球面拟合对应的所述待处理数据点作为局内点。
在一个实施例中,局内点筛选模块402具体用于:
若所述待处理数据点的个数等于所述表面点云数据点的总数,则将本次球面拟合对应的所述待处理数据点作为局内点。
在一个实施例中,局内点筛选模块402具体用于:
在所述表面点云数据点中选取四个非共面点的所有组合;
分别对每个所述组合中的四个非共面点进行球面拟合;
若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则确定所述表面点云数据为对应拟合后的球面的待处理数据点;
记录每个拟合后的球面对应的待处理数据点的个数;
选取所述待处理数据点个数最多的拟合后的球面对应的所述待处理数据点作为局内点。
在一个实施例中,配准点筛选模块403中的所述目标距离范围的最小值为第二阈值,所述目标距离范围的最大值为所述拟合后的包围球的半径。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communication Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的计算机程序,以执行髋关节配准点筛选方法的步骤,例如包括:
获取目标髋臼窝表面点云数据点;
对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;
对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各实施例所提供的髋关节配准点筛选方法的步骤,例如包括:
获取目标髋臼窝表面点云数据点;
对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;
对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。
另一方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使处理器执行上述各实施例提供的方法的步骤,例如包括:
获取目标髋臼窝表面点云数据点;
对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;
对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种髋关节配准点筛选方法,其特征在于,包括:
获取目标髋臼窝表面点云数据点;
对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;
对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。
2.根据权利要求1所述的髋关节配准点筛选方法,其特征在于,所述对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点,包括:
对所述表面点云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点。
3.根据权利要求2所述的髋关节配准点筛选方法,其特征在于,所述对所述表面点云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点,包括:
步骤1:在所述表面点云数据点中任选四个非共面点;
步骤2:对所述四个非共面点进行球面拟合;
步骤3:若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则确定所述表面点云数据为待处理数据点;
步骤4:记录所述待处理数据点的个数,若所述待处理数据点的个数小于所述表面点云数据点的总数,则在所述表面点云数据点中另选四个非共面点,并返回步骤2,直至所述表面点云数据点中任意四个非共面点拟合的球面对应的待处理数据点均完成个数记录;各次任选的四个非共面点不完全一致;
步骤5:选取所述待处理数据点个数最多的一次球面拟合对应的所述待处理数据点作为局内点。
4.根据权利要求3所述的髋关节配准点筛选方法,其特征在于,所述记录所述待处理数据点的个数之后,包括:
若所述待处理数据点的个数等于所述表面点云数据点的总数,则将本次球面拟合对应的所述待处理数据点作为局内点。
5.根据权利要求2所述的髋关节配准点筛选方法,其特征在于,所述对所述表面点云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点,包括:
在所述表面点云数据点中选取四个非共面点的所有组合;
分别对每个所述组合中的四个非共面点进行球面拟合;
若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则确定所述表面点云数据为对应拟合后的球面的待处理数据点;
记录每个拟合后的球面对应的待处理数据点的个数;
选取所述待处理数据点个数最多的拟合后的球面对应的所述待处理数据点作为局内点。
6.根据权利要求1所述的髋关节配准点筛选方法,其特征在于,所述目标距离范围的最小值为第二阈值,所述目标距离范围的最大值为所述拟合后的包围球的半径。
7.一种髋关节配准点筛选装置,其特征在于,包括:
数据获取模块,用于:获取目标髋臼窝表面点云数据点;
局内点筛选模块,用于:对所述表面点云数据点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点;
配准点筛选模块,用于:对所述局内点进行包围球拟合,若所述局内点与拟合后的包围球的球心之间的距离在目标距离范围内,则将所述局内点作为髋关节配准点。
8.根据权利要求7所述的髋关节配准点筛选装置,其特征在于,所述局内点筛选模块,还用于:对所述表面点云数据点中的四个非共面点进行球面拟合,若所述表面点云数据点与拟合后的球面之间的最短距离小于第一阈值,则根据小于所述第一阈值的所述表面点云数据点的个数,筛选出局内点。
9.一种电子设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的髋关节配准点筛选方法的步骤。
10.一种非暂态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6任一项所述髋关节配准点筛选方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210702057.0A CN114782508A (zh) | 2022-06-21 | 2022-06-21 | 髋关节配准点筛选方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210702057.0A CN114782508A (zh) | 2022-06-21 | 2022-06-21 | 髋关节配准点筛选方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114782508A true CN114782508A (zh) | 2022-07-22 |
Family
ID=82420750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210702057.0A Pending CN114782508A (zh) | 2022-06-21 | 2022-06-21 | 髋关节配准点筛选方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114782508A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100258A (zh) * | 2022-08-29 | 2022-09-23 | 杭州三坛医疗科技有限公司 | 一种髋关节图像配准方法、装置、设备以及存储介质 |
CN116563356A (zh) * | 2023-05-12 | 2023-08-08 | 北京长木谷医疗科技股份有限公司 | 全局3d配准方法、装置及电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100261998A1 (en) * | 2007-11-19 | 2010-10-14 | Stiehl James B | Hip implant registration in computer assisted surgery |
CN102855663A (zh) * | 2012-05-04 | 2013-01-02 | 北京建筑工程学院 | 一种根据激光雷达栅格点云构建csg模型的方法 |
CN106023156A (zh) * | 2016-05-10 | 2016-10-12 | 中国商用飞机有限责任公司 | 基于检测特征的点云模型与cad模型的配准方法 |
CN109389626A (zh) * | 2018-10-10 | 2019-02-26 | 湖南大学 | 一种基于采样球扩散的复杂异形曲面点云配准方法 |
CN111134841A (zh) * | 2020-01-08 | 2020-05-12 | 北京天智航医疗科技股份有限公司 | 髋关节置换术中配准骨盆的方法及配准工具 |
CN111223146A (zh) * | 2020-02-13 | 2020-06-02 | 张逸凌 | 对髋关节图像的处理方法及计算设备 |
CN111671518A (zh) * | 2020-04-29 | 2020-09-18 | 北京天智航医疗科技股份有限公司 | 髋关节股骨头球心的处理生成方法、装置和计算机设备 |
WO2021084320A2 (en) * | 2019-10-28 | 2021-05-06 | Waldemar Link Gmbh & Co. Kg | System and method for computer-aided surgical navigation implementing 3d scans |
CN113658156A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种去除深度图像中局外点的球体拟合方法和装置 |
CN114305685A (zh) * | 2021-12-17 | 2022-04-12 | 杭州键嘉机器人有限公司 | 一种用于髋关节置换手术中的髋骨配准方法 |
CN114332076A (zh) * | 2022-03-01 | 2022-04-12 | 北京壹点灵动科技有限公司 | 骨盆配准的方法、装置、计算机可读存储介质和处理器 |
-
2022
- 2022-06-21 CN CN202210702057.0A patent/CN114782508A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100261998A1 (en) * | 2007-11-19 | 2010-10-14 | Stiehl James B | Hip implant registration in computer assisted surgery |
CN102855663A (zh) * | 2012-05-04 | 2013-01-02 | 北京建筑工程学院 | 一种根据激光雷达栅格点云构建csg模型的方法 |
CN106023156A (zh) * | 2016-05-10 | 2016-10-12 | 中国商用飞机有限责任公司 | 基于检测特征的点云模型与cad模型的配准方法 |
CN109389626A (zh) * | 2018-10-10 | 2019-02-26 | 湖南大学 | 一种基于采样球扩散的复杂异形曲面点云配准方法 |
WO2021084320A2 (en) * | 2019-10-28 | 2021-05-06 | Waldemar Link Gmbh & Co. Kg | System and method for computer-aided surgical navigation implementing 3d scans |
CN111134841A (zh) * | 2020-01-08 | 2020-05-12 | 北京天智航医疗科技股份有限公司 | 髋关节置换术中配准骨盆的方法及配准工具 |
CN111223146A (zh) * | 2020-02-13 | 2020-06-02 | 张逸凌 | 对髋关节图像的处理方法及计算设备 |
CN111671518A (zh) * | 2020-04-29 | 2020-09-18 | 北京天智航医疗科技股份有限公司 | 髋关节股骨头球心的处理生成方法、装置和计算机设备 |
CN113658156A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种去除深度图像中局外点的球体拟合方法和装置 |
CN114305685A (zh) * | 2021-12-17 | 2022-04-12 | 杭州键嘉机器人有限公司 | 一种用于髋关节置换手术中的髋骨配准方法 |
CN114332076A (zh) * | 2022-03-01 | 2022-04-12 | 北京壹点灵动科技有限公司 | 骨盆配准的方法、装置、计算机可读存储介质和处理器 |
Non-Patent Citations (4)
Title |
---|
ITARU OTOMARU等: "Automated preoperative planning of femoral stem in total hip arthroplasty from 3D CT data: Atlas-based approach and comparative study", 《MEDICAL IMAGE ANALYSIS》 * |
XIAOJUN CHEN等: "A surface-based approach to determine key spatial parameters of the acetabulum in a standardized pelvic coordinate system", 《MEDICAL ENGINEERING & PHYSICS》 * |
汪轶平: "计算机辅助髋关节假体规划设计及手术导航关键技术研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
马安邦: "髋关节三维重建与形态学分析软件系统的设计开发与临床应用", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100258A (zh) * | 2022-08-29 | 2022-09-23 | 杭州三坛医疗科技有限公司 | 一种髋关节图像配准方法、装置、设备以及存储介质 |
CN116563356A (zh) * | 2023-05-12 | 2023-08-08 | 北京长木谷医疗科技股份有限公司 | 全局3d配准方法、装置及电子设备 |
CN116563356B (zh) * | 2023-05-12 | 2024-06-11 | 北京长木谷医疗科技股份有限公司 | 全局3d配准方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114782508A (zh) | 髋关节配准点筛选方法及装置 | |
KR20220031695A (ko) | 이미지 인식 방법 및 관련 장치, 기기 | |
JP6236731B1 (ja) | 超解像度処理装置、超解像度処理方法およびコンピュータプログラム | |
CN113706463B (zh) | 基于深度学习的关节影像关键点自动检测方法、装置 | |
US11348216B2 (en) | Technologies for determining the accuracy of three-dimensional models for use in an orthopaedic surgical procedure | |
CA2908716C (en) | Concurrent active contour segmentation | |
CN108428210B (zh) | 血管图像重建方法和重建装置 | |
JP5635980B2 (ja) | 画像処理、特に医療画像を処理するための方法及び装置 | |
CN115100258B (zh) | 一种髋关节图像配准方法、装置、设备以及存储介质 | |
CN111671518B (zh) | 髋关节股骨头球心的处理生成方法、装置和计算机设备 | |
JP2013529970A (ja) | 骨の変形を特徴付ける幾何学的要素を3d画像から自動的に決定する方法およびシステム | |
CN110246216B (zh) | 脊柱模型生成方法、脊柱模型生成系统及终端 | |
US20220022831A1 (en) | Technologies for determining the spatial orientation of input imagery for use in an orthopaedic surgical procedure | |
CN111178420B (zh) | 一种二维造影图像上冠脉段标注方法及系统 | |
CN111612731B (zh) | 基于双目显微视觉的测量方法、装置、系统及介质 | |
KR20220006654A (ko) | 이미지 정합 방법 및 연관된 모델 훈련 방법, 기기, 장치 | |
CN112884819A (zh) | 一种影像配准及神经网络的训练方法、装置和设备 | |
CN116630513A (zh) | 人体高质量渲染方法、装置、电子设备及存储介质 | |
CN116777887A (zh) | 血管中心线树的提取方法、装置、设备、介质及程序产品 | |
CN116523973A (zh) | 骨骼配准方法及装置 | |
CN112862975B (zh) | 骨骼数据处理方法、系统、可读存储介质和设备 | |
JP2004187998A (ja) | 異常陰影形状抽出装置 | |
CN112465902B (zh) | 骨科手术用光学跟踪标记球位置确定方法和装置 | |
US20240233103A9 (en) | Technologies for determining the accuracy of three-dimensional models for use in an orthopaedic surgical procedure | |
CN117036359B (zh) | 一种基于双目机器视觉的接触网几何参数测量方法 |
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 |