CN115292828A - 一种治疗干骺端骨折的解剖型钢板及其形态设计方法及装置 - Google Patents
一种治疗干骺端骨折的解剖型钢板及其形态设计方法及装置 Download PDFInfo
- Publication number
- CN115292828A CN115292828A CN202210822541.7A CN202210822541A CN115292828A CN 115292828 A CN115292828 A CN 115292828A CN 202210822541 A CN202210822541 A CN 202210822541A CN 115292828 A CN115292828 A CN 115292828A
- Authority
- CN
- China
- Prior art keywords
- data
- human
- bone
- metaphysis
- human 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
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 86
- 239000010959 steel Substances 0.000 title claims abstract description 86
- 230000000877 morphologic effect Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000013461 design Methods 0.000 title claims abstract description 41
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 90
- 238000004422 calculation algorithm Methods 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000001788 irregular Effects 0.000 claims description 20
- 238000009616 inductively coupled plasma Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000013075 data extraction Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 5
- 230000001002 morphogenetic effect Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 210000002303 tibia Anatomy 0.000 description 104
- 206010017076 Fracture Diseases 0.000 description 47
- 208000010392 Bone Fractures Diseases 0.000 description 35
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 239000003550 marker Substances 0.000 description 3
- 230000035194 endochondral ossification Effects 0.000 description 2
- 230000035876 healing Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 102000055008 Matrilin Proteins Human genes 0.000 description 1
- 108010072582 Matrilin Proteins Proteins 0.000 description 1
- 206010040893 Skin necrosis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004349 growth plate Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011164 ossification Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种治疗干骺端骨折的解剖型钢板及其形态设计方法及装置，涉及医疗器械制造技术领域。包括：构建人体骨骼三维模型库，收集骨骼形态数据，云数据导出形态数据集以及骨骼干骺端钢板优化设计。本发明通过将群体人体骨骼数据进行三维建模，收集骨骼干骺端多种种类的线条点云，再通过提取线条点云的曲线参数，骨骼的长度，干骺端截面的轮廓曲线，获取有效的样本数据集，扩大丰富了数据来源，同时可有效规避用于构建形态模型的样本数据的偏差，使样本数据构建出符合群体患者的骨骼干骺端平均形态模型，进一步设计可供患者使用的钢板，并使钢板型号能够广泛覆盖不同的人群特征，避免因钢板形态不匹配导致骨折固定失败的发生，有效降低内固定相关并发症。
Description
技术领域
本发明涉及医疗器械制造技术领域，特别是指一种治疗干骺端骨折的解剖型钢板形态设计方法、装置及钢板。
背景技术
干骺端由松质骨组成，骨小梁彼此交叉呈海绵状(骨纹理)，周边为薄的骨皮质。顶端为一横形薄层致密影，为干骺端的临时骨化带，是骨骺板软骨位于骺端软骨基质的钙化，经软骨内成骨即为骨组织代替，形成骨小梁，经改建塑形变为干骺端松质骨结构。此临时钙化带随着软骨内成骨而不断向骨骺侧移动，骨即不断增长。骨干与干骺端间无清楚分界线。
当干骺端骨折发生时，需要将骨折端固定在一起，以便于正确的愈合。固定的方式分为内固定和外固定两种，内固定可以提供可靠坚强的固定，能使骨折愈合过程相对顺利，而且带来的后遗症相对较少，成为骨折手术治疗的主流方案。
人体的骨骼干骺端结构形状复杂，传统钢板难以和干骺端的骨表面结构贴附，导致固定强度下降，失败率高发。此外，不贴附的钢板激惹骨折周围的软组织，造成皮肤坏死，严重可致感染。人体骨骼干骺端骨折治疗是医学面临的难题。
发明内容
为解决干骺端钢板贴附性差导致并发症高发的难题，，本发明提出了一种干骺端骨折的解剖型钢板及其形态设计方法及装置。
为解决上述技术问题，本发明提供如下技术方案：
一方面，提供了一种干骺端骨折的解剖型钢板形态设计方法，该方法应用于电子设备，该方法包括：
S101：对群体人体骨骼进行三维扫描，构建多种类的人体骨骼的三维模型；
S102：对构建的所述人体骨骼的三维模型进行数据提取，获得结构参数；所述结构参数数据包括：所述人体骨骼的线条数据、所述人体骨骼的三维模型曲线的集合、所述人体骨骼曲线参数以及所述人体骨骼的长度与对应的干骺端参数；
S103：通过云端导出所述骨骼数据，进行聚类分析；
S104：通过聚类分析结果，对人体骨骼干骺端的钢板优化设计。
可选地，所述步骤S102中，对构建的人体骨骼的三维模型进行数据提取，获得结构参数，包括：
S201：对大量骨骼进行三维扫描，构建多种类的人体骨骼的三维模型；
S202：对所述人体骨骼的线条数据进行采集；
S203：对所述人体骨骼的三维模型进行形态特征选取，选取所述人体骨骼数据的三维模型曲线，形成三维模型曲线的集合；
S204：对所述人体骨骼曲线参数进行提取；
S205：通过云端导出所述骨骼数据，进行聚类分析；
S207：对所述人体骨骼的长度与对应的干骺端参数进行提取。
可选地，所述步骤S202中，对所述人体骨骼的线条数据进行采集，包括：
S2021：选择所述人体骨骼中间段，对所述人体骨骼中间段进行圆柱拟合；
S2022：创建拟合后的圆柱体中线与所述人体骨骼的三维模型之间的交点，所述交点包括：P1和P2；
S2023：通过交点P1和P2计算所述人体骨骼的三维模型上的长度，获得所述人体骨骼的长度数据。
可选地，所述步骤S203中，对所述人体骨骼的三维模型进行形态特征选取，选取所述人体骨骼数据的三维模型曲线，形成三维模型曲线的集合，包括：
S2031：对所述人体骨骼的三分之一长度区域进行分离，选取所述人体骨骼三分之一表面的近端标志点，记为P；以所述近端标志点P为曲面边上的一点，构建所述人体骨骼的内侧曲面，记为M1；通过近端标志点P以及内侧曲面M1的中间线建立平面S1，则所述内侧曲面M1与所述平面S1的交线为不规则曲线；
S2032：构建垂直于平面S1、过P点的平面S2；取平面S2与干骺端的交线，形成干骺端曲线；
S2033：重复步骤S2031-S2032，提取多种类的人体骨骼大数据的三维模型曲线，形成三维模型曲线的集合。
可选地，所述步骤S204中，对所述人体骨骼曲线参数进行提取，包括：
S2041：通过对不规则曲线进行插值处理，使所述不规则曲线的密度差异达到最小，删除异常数据；
S2042：通过迭代最近点ICP配准算法，将曲线配准对齐，自动计算所述人体骨骼的近端点云数据，得到具有典型干骺端的平均形状模型；通过ISS算法与分段式曲率搜索算法，自动搜索所述人体骨骼的近端点云数据中11个特征点、2个关键点与1个拐点；
S2043：通过自动匹配所述平均形状模型和骨骼模型，提取与临床相关的骨骼模型嵴曲线的13个标志点，使所有骨骼模型均向内贴合所述平均形状模型；令所有骨骼模型中，从第7个标志点开始的标志点云数据的欧式距离达到最小，获得配准对齐后的骨骼模型；
S2045：自动计算骨骼模型前6个标志点与向X轴负方向平移5mm的平均形状对应的空间特征距离；
S2046：通过几何拟合算法，将每3个标志点拟合一个圆，分段式拟合骨骼模型近端嵴曲线；设计自动提取骨骼近端形态特征算法，对所述人体骨骼曲线参数进行提取。
可选地，所述步骤S207中，对所述人体骨骼的长度与对应的干骺端参数进行提取，包括：
S2071：通过计算骨长度，运用ICP配准算法，使所述人体骨骼与对应的干骺端配准对齐；删除异常点云数据；
S2072：确认所述人体骨骼的内侧嵴曲线与所述干骺端连接的平台标志点；找到所述平台标志点两边欧式距离为10mm的两点，通过几何拟合算法，以所述平台标志点为圆心，欧式距离为10mm的两点为圆周所在位置拟合出圆，得到干骺端标志点下对应的半径，获得所述人体骨骼的长度与对应的干骺端参数。
7、根据权利要求6所述的方法，其特征在于，所述步骤S103中，通过云端导出所述骨骼数据，进行聚类分析，包括：
S1031：通过获得的骨骼数据建立数据集，使用无监督聚类算法自动划分形态特征数据集，对干骺端形态特征进行分型；
S1032：通过定量形态特征的聚类结果评估，验证无监督聚类的有效性；根据一致性矩阵，获得类型数量。
可选地，所述步骤S104中，通过聚类分析结果，对人体骨骼干骺端钢板优化设计，包括：
S1041：通过获得的类型数量，统计不同类别的骨骼干骺端的平均形态模型，提取平均形态模型参数，辅助人体骨骼干骺端钢板的优化设计。
可选地，所述装置包括：
三维模型构建模块，用于对群体人体骨骼进行三维扫描，构建多种类的骨骼的三维模型；
数据提取模块，用于对构建的所述人体骨骼的三维模型进行数据提取，获得骨骼数据；所述骨骼数据包括：所述人体骨骼的线条数据、所述人体骨骼的三维模型曲线的集合、所述人体骨骼曲线参数以及所述人体骨骼的长度与对应的干骺端参数；
聚类分析模块，用于通过云端导出所述骨骼数据，进行聚类分析；
优化设计模块，用于通过聚类分析结果，对人体骨骼的干骺端钢板优化设计。
一方面，提供了一种用于干骺端骨折的解剖型钢板，该干骺端骨折的解剖型钢板采用上述的任意一种用于干骺端骨折的解剖型钢板形态设计的方法构造。
一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述一种干骺端骨折的解剖型钢板形态设计方法。
一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述一种干骺端骨折的解剖型钢板形态设计方法。
本发明实施例的上述技术方案至少具有如下有益效果：
上述方案中，本发明提供一种干骺端骨折的解剖型钢板及其形态设计方法及装置，通过将群体的人体骨骼进行三维建模，收集骨骼的多种种类的线条数据，再通过将骨骼曲线参数提取和骨骼长度与干骺端参数提取，获取有效的样本数据，扩大丰富了数据来源，同时可有效规避用于构建形态模型的样本数据的偏差，使样本数据构建出符合娶群体骨骼的平均形态模型，进一步设计可供患者使用的钢板，进一步可设计符合人体骨骼干骺端解剖形态的钢板模型，并使钢板型号能够广泛覆盖不同的人群特征，减少在对患者骨骼治疗过程中骨骼的数据识别计算时间，进一步节省骨折的治疗时间。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法流程图；
图2是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法流程图；
图3是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的胫骨三维模型图；
图4是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的胫骨长度计算示意图；
图5是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的胫骨表面分离示意图；
图6是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的不规则曲线示意图；
图7是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的胫骨平台曲线示意图；
图8是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的不规则曲线合集图；
图9是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的胫骨平面曲线集合图；
图10是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的胫骨曲线参数图；
图11是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的胫骨平台拟合圆示意图；
图12是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计方法的解剖型钢板结构图；
图13是本发明实施例提供的一种用于干骺端骨折的解剖型钢板形态设计装置的装置框图；
图14是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面通过几个具体的应用示例，对本实施例提供的干骺端骨折的解剖型钢板形态设计方法进行说明。
以应用于胫骨平台骨折的钢板设计为例，为了设计研发治疗胫骨平台骨折的解剖型钢板，假设需要对10万胫骨模型进行数据提取和分析，下面将结合本发明提供的用于干骺端骨折的解剖型钢板形态设计方法，对应用于胫骨平台骨折的钢板设计进行详细说明。本发明实施例提供了一种用于干骺端骨折的解剖型钢板形态设计方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器。如图1所示的用于干骺端骨折的解剖型钢板形态设计方法流程图，该方法的处理流程可以包括如下的步骤：
S101：对群体人体骨骼进行三维扫描，构建多种类的人体骨骼的三维模型；
S102：对构建的人体骨骼的三维模型进行数据提取，获得结构参数；结构参数数据包括：人体骨骼的线条数据、人体骨骼的三维模型曲线的集合、人体骨骼曲线参数以及人体骨骼的长度与对应的干骺端参数；
S103：通过云端导出骨骼数据，进行聚类分析；
S104：通过聚类分析结果，对人体骨骼干骺端的钢板优化设计。
可选地，步骤S102中，对构建的人体骨骼的三维模型进行数据提取，获得结构参数，包括：
S201：对大量骨骼进行三维扫描，构建多种类的人体骨骼的三维模型；
S202：对人体骨骼的线条数据进行采集；
S203：对人体骨骼的三维模型进行形态特征选取，选取人体骨骼数据的三维模型曲线，形成三维模型曲线的集合；
S204：对人体骨骼曲线参数进行提取；
S205：通过云端导出骨骼数据，进行聚类分析；
S207：对人体骨骼的长度与对应的干骺端参数进行提取。
可选地，步骤S202中，对人体骨骼的线条数据进行采集，包括：
S2021：选择人体骨骼中间段，对人体骨骼中间段进行圆柱拟合；
S2022：创建拟合后的圆柱体中线与人体骨骼的三维模型之间的交点，交点包括：P1和P2；
S2023：通过交点P1和P2计算人体骨骼的三维模型上的长度，获得人体骨骼的长度数据。
可选地，步骤S203中，对人体骨骼的三维模型进行形态特征选取，选取人体骨骼数据的三维模型曲线，形成三维模型曲线的集合，包括：
S2031：对人体骨骼的三分之一长度区域进行分离，选取人体骨骼三分之一表面的近端标志点，记为P；以近端标志点P为曲面边上的一点，构建人体骨骼的内侧曲面，记为M1；通过近端标志点P以及内侧曲面M1的中间线建立平面S1，则内侧曲面M1与平面S1的交线为不规则曲线；
S2032：构建垂直于平面S1、过P点的平面S2；取平面S2与干骺端的交线，形成干骺端曲线；
S2033：重复步骤S2031-S2032，提取多种类的人体骨骼大数据的三维模型曲线，形成三维模型曲线的集合。
可选地，步骤S204中，对人体骨骼曲线参数进行提取，包括：
S2041：通过对不规则曲线进行插值处理，使不规则曲线的密度差异达到最小，删除异常数据；
S2042：通过迭代最近点ICP配准算法，将曲线配准对齐，自动计算人体骨骼的近端点云数据，得到具有典型干骺端的平均形状模型；通过ISS算法与分段式曲率搜索算法，自动搜索人体骨骼的近端点云数据中11个特征点、2个关键点与1个拐点；
S2043：通过自动匹配平均形状模型和骨骼模型，提取与临床相关的骨骼模型嵴曲线的13个标志点，使所有骨骼模型均向内贴合平均形状模型；令所有骨骼模型中，从第7个标志点开始的标志点云数据的欧式距离达到最小，获得配准对齐后的骨骼模型；
S2045：自动计算骨骼模型前6个标志点与向X轴负方向平移5mm的平均形状对应的空间特征距离，这里需要说明的是，根据骨骼中间段拟合的圆柱，圆柱中心为坐标原点，人体解剖截面的冠状面为XZ平面，横断面为XY平面、矢状面为YZ平面，建立标准坐标系。Z轴正向指向上方，Y轴正向指向前方，X轴正向指向右方；
S2046：通过几何拟合算法，将每3个标志点拟合一个圆，分段式拟合骨骼模型近端嵴曲线；设计自动提取骨骼近端形态特征算法，对人体骨骼曲线参数进行提取。
可选地，步骤S207中，对人体骨骼的长度与对应的干骺端参数进行提取，包括：
S2071：通过计算骨长度，运用ICP配准算法，使人体骨骼与对应的干骺端配准对齐；删除异常点云数据；
S2072：确认人体骨骼的内侧嵴曲线与干骺端连接的平台标志点；找到平台标志点两边欧式距离为10mm的两点，通过几何拟合算法，以平台标志点为圆心，欧式距离为10mm的两点为圆周所在位置拟合出圆，得到干骺端标志点下对应的半径，获得人体骨骼的长度与对应的干骺端参数。
可选地，步骤S103中，通过云端导出骨骼数据，进行聚类分析，包括：
S1031：通过获得的骨骼数据建立数据集，使用无监督聚类算法自动划分形态特征数据集，对干骺端形态特征进行分型；
S1032：通过定量形态特征的聚类结果评估，验证无监督聚类的有效性；根据一致性矩阵，获得类型数量。
可选地，步骤S104中，通过聚类分析结果，对人体骨骼干骺端钢板优化设计，包括：
S1041：通过获得的类型数量，统计不同类别的骨骼干骺端的平均形态模型，提取平均形态模型参数，辅助人体骨骼干骺端钢板的优化设计。
本发明实施例中，提供一种用于干骺端骨折的解剖型钢板形态设计的方法及钢板，通过将群体胫骨进行三维建模，收集胫骨的多种种类的线条数据，再通过将胫骨曲线参数提取和胫骨长度与平台参数提取，获取有效的样本数据，扩大丰富了数据来源，同时可有效规避用于构建形态模型的样本数据的偏差，使样本数据构建出符合大多数患者的胫骨近端的平均形态模型，进一步设计可供患者使用的钢板，进一步可群体设计符合人体骨骼干骺端解剖形态的钢板模型，并使钢板型号能够广泛覆盖不同的人群特征，减少在对患者骨骼治疗过程中骨骼的数据识别计算时间，进一步节省骨折的治疗时间。
本发明实施例提供了一种用于干骺端骨折的解剖型钢板形态设计方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器。如图2所示的用于干骺端骨折的解剖型钢板形态设计方法流程图，该方法的处理流程可以包括如下的步骤：
S201：对群体胫骨进行三维扫描，构建多种类的体胫骨的三维模型。
本发明实施例中，如图3所示，为人体胫骨的三维模型。通过将群体的人体胫骨进行三维建模，获得人体胫骨的多种种类的三维模型，使数据库中存在大量胫骨模型，为后续进一步设计不同患者不同特征的钢板奠定了基础，使钢板型号能够广泛覆盖不同的人群特征。
S202：对人体胫骨的线条数据进行采集。
一种可行的实施方式中，图4为人体胫骨长度计算示意图，胫骨长度是胫骨形状的一个基本参数，胫骨长度在不同人群中的分布是不同的。如图4所示，首先选择人体胫骨中间段，对人体胫骨中间段进行圆柱拟合；然后创建拟合后的圆柱体中线与人体胫骨的三维模型之间的交点，交点包括：P1和P2；最后通过交点P1和P2计算人体胫骨的三维模型上的胫骨长度，获得人体胫骨的线条数据。
本发明实施例中，通过构建的三维模型进行胫骨长度的自动计算识别，增加了胫骨长度测量的准确性，更加快了测量速度。
S203：对人体胫骨的三维模型进行形态特征选取，选取人体胫骨数据的三维模型曲线，形成三维模型曲线的集合。
一种可行的实施方式中，本发明通过划分人体胫骨的不规则曲线，对三维模型进行形态特征选取。如图5所示，首先对人体胫骨表面的三分之一进行分离，选取人体胫骨三分之一表面的近端标志点，记为P；如图6所示，以近端标志点P为曲面边上的一点，构建人体胫骨的内侧曲面，记为M1；通过近端标志点P以及内侧曲面M1的中间线建立平面S1，则内侧曲面M1与平面S1的交线为不规则曲线q1；如图7所示，构建垂直于平面S1、过P点的平面S2；取平面S2与胫骨平台的交线，形成胫骨平台曲线；重复上述步骤，对本发明的群体胫骨三维模型进行数据提取，提取多种类的人体胫骨大数据的三维模型曲线，形成三维模型曲线的集合。如图8所示，为不规则曲线集合；如图9所示，为胫骨平面曲线集合。
本发明实施例中，通过对人体胫骨的三维模型进行不规则曲线的选取，可以有效地规避用于构建形态模型的样本数据的偏差，使样本数据构建出符合大多数患者的胫骨近端的平均形态模型。
S204：对人体胫骨曲线参数进行提取。
一种可行的实施方式中，如图10所示，为胫骨曲线参数图。本发明首先通过对不规则曲线进行插值处理，使不规则曲线的密度差异达到最小，删除异常数据；然后通过迭代最近点ICP(Iterative Closest Point，迭代最近点)配准算法，将曲线配准对齐，自动计算人体胫骨的近端点云数据，得到具有典型胫骨近端的平均形状模型。
本发明实施例中，本发明采用的ICP算法是一种点集对点集配准方法，这种算法可以获得非常精确的配准效果，且不必对处理的点集进行分割和特征提取，在较好的初值情况下，可以得到很好的算法收敛性。
一种可行的实施方式中，通过ISS(Intrinsic Shape Signatures，固有形状特征)算法与分段式曲率搜索算法，自动搜索人体胫骨的近端点云数据中11个特征点、2个关键点与1个拐点；通过自动匹配平均形状模型和胫骨模型，提取与临床相关的胫骨模型嵴曲线的13个标志点，使所有胫骨模型均向内贴合平均形状模型；令所有胫骨模型中，从第7个标志点开始的标志点云数据的欧式距离达到最小，获得配准对齐后的胫骨模型。
一种可行的实施方式中，在对胫骨曲线参数提取的过程中，可减少数据集合中的差异，并且减少异常数据，使特征点的选取更具有适用性，在所提取的14个标志点中，特征点1与关键点1重合，因此将其删除。此方法可有效规避用于构建形态模型的样本数据的偏差，使样本数据构建出符合大多数患者的胫骨近端的平均形态模型，进一步设计可供患者使用的钢板，进一步可设计符合人体骨骼干骺端解剖形态的钢板模型。
本发明实施例中，ISS算法就是主成分分析法在局部坐标系下的使用：首先在三维模型上建立关键点的局部坐标系；然后求关键点与领域点的协方差矩阵；最后利用协方差矩阵的特征值之间关系来形容该点的特征程度。
一种可行的实施方式中，自动计算胫骨模型前6个标志点与向X轴负方向平移5mm的平均形状对应的空间特征距离；最后通过几何拟合算法，将每3个标志点拟合一个圆，分段式拟合胫骨模型近端嵴曲线；设计自动提取胫骨近端形态特征算法，对人体胫骨曲线参数进行提取。
S205：对人体胫骨的长度与对应的胫骨平台参数进行提取。
一种可行的实施方式中，通过计算胫骨长度，运用ICP配准算法，使人体胫骨与对应的胫骨平台配准对齐；删除异常点云数据；确认人体胫骨的内侧嵴曲线与胫骨平台连接的平台标志点；找到平台标志点两边欧式距离为10mm的两点，通过几何拟合算法，以平台标志点为圆心，欧式距离为10mm的两点为圆周所在位置拟合出圆，如图11示，得到胫骨平台标志点下对应的半径，获得人体胫骨的长度与对应的胫骨平台参数。
一种可行的实施方式中，通过3-matic Medical 13.0软件的python模块自动计算出胫骨长度。
S206：通过云端导出胫骨数据，进行聚类分析。
一种可行的实施方式中，通过获得的胫骨数建立数据集，使用无监督聚类算法自动划分形态特征数据集，对胫骨近端形态特征进行分型；通过定量形态特征的聚类结果评估，验证无监督聚类的有效性；根据一致性矩阵，获得类型数量。
本发明实施例中，通过前期对大量多种类的胫骨数据的提取，得到了十分丰富的数据资源，所以在进行聚类分析时，可以得到更加接近胫骨近端的平均形态模型，获得能够适合不同人群的钢板设计模型。
S207：通过聚类分析结果，对人体胫骨近端钢板优化设计。
一种可行的实施方式中，通过获得的类型数量，统计不同类胫骨近端的平均形态模型，提取平均形态模型参数，辅助人体胫骨近端钢板的优化设计，得到如图12所示的解剖型钢板结构。
本发明实施例中，通过群体数据得到平均形态模型参数，获得最终得到的优化设计方案，所以本发明的设计方案所得到的钢板型号能够广泛覆盖不同的人群特征，减少在对患者骨骼治疗过程中骨骼的数据识别计算时间，进一步节省骨折的治疗时间。
本发明实施例中，提供一种用于干骺端骨折的解剖型钢板形态设计的方法及钢板，通过将群体胫骨进行三维建模，收集胫骨的多种种类的线条数据，再通过将胫骨曲线参数提取和胫骨长度与平台参数提取，获取有效的样本数据，扩大丰富了数据来源，同时可有效规避用于构建形态模型的样本数据的偏差，使样本数据构建出符合大多数患者的胫骨近端的平均形态模型，进一步设计可供患者使用的钢板，进一步可设计符合人体骨骼干骺端解剖形态的钢板模型，并使钢板型号能够广泛覆盖不同的人群特征，减少在对患者骨骼治疗过程中骨骼的数据识别计算时间，进一步节省骨折的治疗时间。
图12是本发明实施例提供的一种用于干骺端骨折的解剖型钢板，该干骺端骨折的解剖型钢板采用上述的任意一种用于干骺端骨折的解剖型钢板形态设计的方法构造。
图13是根据一示例性实施例示出的一种用于干骺端骨折的解剖型钢板形态设计装置框图。参照图13，该装置300包括：
三维模型构建模块310，用于对群体的胫骨进行三维扫描，构建多种类的体胫骨的三维模型；
数据提取模块320，用于对构建的人体胫骨的三维模型进行数据提取，获得胫骨数据；胫骨数据包括：胫骨的线条数据、胫骨的三维模型曲线的集合、胫骨曲线参数以及胫骨的长度与对应的胫骨平台参数；
聚类分析模块330，用于通过云端导出胫骨数据，进行聚类分析；
优化设计模块340，用于通过聚类分析结果，对胫骨平台钢板优化设计。
可选地，三维模型构建模块310，还用于对胫骨的线条数据进行采集；
对胫骨的三维模型进行形态特征选取，选取胫骨数据的三维模型曲线，形成三维模型曲线的集合；
对胫骨曲线参数进行提取；
对胫骨的长度与对应的胫骨平台参数进行提取。
可选地，数据提取模块320，还用于选择胫骨中间段，对胫骨中间段进行圆柱拟合；
创建拟合后的圆柱体中线与胫骨的三维模型之间的交点，交点包括：P1和P2；
通过交点P1和P2计算胫骨的三维模型上的胫骨长度，获得胫骨的线条数据。
可选地，数据提取模块320，还用于对胫骨表面的三分之一进行分离，选取胫骨三分之一表面的近端标志点，记为P；以近端标志点P为曲面边上的一点，构建胫骨的内侧曲面，记为M1；通过近端标志点P以及内侧曲面M1的中间线建立平面S1，则内侧曲面M1与平面S1的交线为不规则曲线；
构建垂直于平面S1、过P点的平面S2；取平面S2与胫骨平台的交线，形成胫骨平台曲线；
重复上述步骤，提取多种类的胫骨大数据的三维模型曲线，形成三维模型曲线的集合。
可选地，数据提取模块320，还用于通过对不规则曲线进行插值处理，使不规则曲线的密度差异达到最小，删除异常数据；
通过迭代最近点ICP配准算法，将曲线配准对齐，自动计算人胫骨的近端点云数据，得到具有典型胫骨近端的平均形状模型；通过ISS算法与分段式曲率搜索算法，自动搜索胫骨的近端点云数据中11个特征点、2个关键点与1个拐点；
通过自动匹配平均形状模型和胫骨模型，提取与临床相关的胫骨模型嵴曲线的13个标志点，使所有胫骨模型均向内贴合平均形状模型；令所有胫骨模型中，从第7个标志点开始的标志点云数据的欧式距离达到最小，获得配准对齐后的胫骨模型；
自动计算胫骨模型前6个标志点与向X轴负方向平移5mm的平均形状对应的空间特征距离；
通过几何拟合算法，将每3个标志点拟合一个圆，分段式拟合胫骨模型近端嵴曲线；设计自动提取胫骨近端形态特征算法，对胫骨曲线参数进行提取。
可选地，数据提取模块320，还用于通过计算胫骨长度，运用ICP配准算法，使胫骨与对应的胫骨平台配准对齐；删除异常点云数据；
确认胫骨的内侧嵴曲线与胫骨平台连接的平台标志点；找到平台标志点两边欧式距离为10mm的两点，通过几何拟合算法，以平台标志点为圆心，欧式距离为10mm的两点为圆周所在位置拟合出圆，得到胫骨平台标志点下对应的半径，获得胫骨的长度与对应的胫骨平台参数。
可选地，聚类分析模块330，还于得的胫骨数建立数据集，使用无监督聚类算法自动划分形态特征数据集，对胫骨近端形态特征进行分型；
通过定量形态特征的聚类结果评估，验证无监督聚类的有效性；根据一致性矩阵，获得类型数量。
可选地，优化设计模块340，还用于通过获得的类型数量，统计不同类胫骨近端的平均形态模型，提取平均形态模型参数，辅助胫骨平台钢板的优化设计。
图14是本发明实施例提供的一种电子设备400的结构示意图，该电子设备400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)401和一个或一个以上的存储器402，其中，所述存储器402中存储有至少一条指令，所述至少一条指令由所述处理器401加载并执行以实现下述用于干骺端骨折的解剖型钢板形态设计方法的步骤：
S101：对群体的胫骨进行三维扫描，构建多种类的体胫骨的三维模型；
S1022：对构建的胫骨的三维模型进行数据提取，获得胫骨数据；胫骨数据包括：胫骨的线条数据、胫骨的三维模型曲线的集合、胫骨曲线参数以及胫骨的长度与对应的胫骨平台参数；
S103：通过云端导出胫骨数据，进行聚类分析；
S104：通过聚类分析结果，对胫骨平台钢板优化设计。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述用于干骺端骨折的解剖型钢板形态设计方法的方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种治疗干骺端骨折的解剖型钢板形态设计的方法，其特征在于，包括：
S101：对群体人体骨骼进行三维扫描，构建多种类的人体骨骼的三维模型；
S102：对构建的所述人体骨骼的三维模型进行数据提取，获得结构参数；所述结构参数数据包括：所述人体骨骼的线条数据、所述人体骨骼的三维模型曲线的集合、所述人体骨骼曲线参数以及所述人体骨骼的长度与对应的干骺端参数；
S103：通过云端导出所述骨骼数据，进行聚类分析；
S104：通过聚类分析结果，对人体骨骼干骺端的钢板优化设计。
2.根据权利要求1所述的方法，其特征在于，所述步骤S102中，对构建的人体骨骼的三维模型进行数据提取，获得结构参数，包括：
S201：对大量骨骼进行三维扫描，构建多种类的人体骨骼的三维模型；
S202：对所述人体骨骼的线条数据进行采集；
S203：对所述人体骨骼的三维模型进行形态特征选取，选取所述人体骨骼数据的三维模型曲线，形成三维模型曲线的集合；
S204：对所述人体骨骼曲线参数进行提取；
S205：通过云端导出所述骨骼数据，进行聚类分析；
S207：对所述人体骨骼的长度与对应的干骺端参数进行提取。
3.根据权利要求2所述的方法，其特征在于，所述步骤S202中，对所述人体骨骼的线条数据进行采集，包括：
S2021：选择所述人体骨骼中间段，对所述人体骨骼中间段进行圆柱拟合；
S2022：创建拟合后的圆柱体中线与所述人体骨骼的三维模型之间的交点，所述交点包括：P1和P2；
S2023：通过交点P1和P2计算所述人体骨骼的三维模型上的长度，获得所述人体骨骼的长度数据。
4.根据权利要求3所述的方法，其特征在于，所述步骤S203中，对所述人体骨骼的三维模型进行形态特征选取，选取所述人体骨骼数据的三维模型曲线，形成三维模型曲线的集合，包括：
S2031：对所述人体骨骼的三分之一长度区域进行分离，选取所述人体骨骼三分之一表面的近端标志点，记为P；以所述近端标志点P为曲面边上的一点，构建所述人体骨骼的内侧曲面，记为M1；通过近端标志点P以及内侧曲面M1的中间线建立平面S1，则所述内侧曲面M1与所述平面S1的交线为不规则曲线；
S2032：构建垂直于平面S1、过P点的平面S2；取平面S2与干骺端的交线，形成干骺端曲线；
S2033：重复步骤S2031-S2032，提取多种类的人体骨骼大数据的三维模型曲线，形成三维模型曲线的集合。
5.根据权利要求4所述的方法，其特征在于，所述步骤S204中，对所述人体骨骼曲线参数进行提取，包括：
S2041：通过对不规则曲线进行插值处理，使所述不规则曲线的密度差异达到最小，删除异常数据；
S2042：通过迭代最近点ICP配准算法，将曲线配准对齐，自动计算所述人体骨骼的近端点云数据，得到具有典型干骺端的平均形状模型；通过ISS算法与分段式曲率搜索算法，自动搜索所述人体骨骼的近端点云数据中11个特征点、2个关键点与1个拐点；
S2043：通过自动匹配所述平均形状模型和骨骼模型，提取与临床相关的骨骼模型嵴曲线的13个标志点，使所有骨骼模型均向内贴合所述平均形状模型；令所有骨骼模型中，从第7个标志点开始的标志点云数据的欧式距离达到最小，获得配准对齐后的骨骼模型；
S2045：自动计算骨骼模型前6个标志点与向X轴负方向平移5mm的平均形状对应的空间特征距离；
S2046：通过几何拟合算法，将每3个标志点拟合一个圆，分段式拟合骨骼模型近端嵴曲线；设计自动提取骨骼近端形态特征算法，对所述人体骨骼曲线参数进行提取。
6.根据权利要求5所述的方法，其特征在于，所述步骤S207中，对所述人体骨骼的长度与对应的干骺端参数进行提取，包括：
S2071：通过计算骨长度，运用ICP配准算法，使所述人体骨骼与对应的干骺端配准对齐；删除异常点云数据；
S2072：确认所述人体骨骼的内侧嵴曲线与所述干骺端连接的平台标志点；找到所述平台标志点两边欧式距离为10mm的两点，通过几何拟合算法，以所述平台标志点为圆心，欧式距离为10mm的两点为圆周所在位置拟合出圆，得到干骺端标志点下对应的半径，获得所述人体骨骼的长度与对应的干骺端参数。
7.根据权利要求6所述的方法，其特征在于，所述步骤S103中，通过云端导出所述骨骼数据，进行聚类分析，包括：
S1031：通过获得的骨骼数据建立数据集，使用无监督聚类算法自动划分形态特征数据集，对干骺端形态特征进行分型；
S1032：通过定量形态特征的聚类结果评估，验证无监督聚类的有效性；根据一致性矩阵，获得类型数量。
8.根据权利要求7所述的方法，其特征在于，所述步骤S104中，通过聚类分析结果，对人体骨骼干骺端钢板优化设计，包括：
S1041：通过获得的类型数量，统计不同类别的骨骼干骺端的平均形态模型，提取平均形态模型参数，辅助人体骨骼干骺端钢板的优化设计。
9.一种干骺端骨折的解剖型钢板形态设计装置，其特征在于，所述装置包括：
三维模型构建模块，用于对群体人体骨骼进行三维扫描，构建多种类的骨骼的三维模型；
数据提取模块，用于对构建的所述人体骨骼的三维模型进行数据提取，获得骨骼数据；所述骨骼数据包括：所述人体骨骼的线条数据、所述人体骨骼的三维模型曲线的集合、所述人体骨骼曲线参数以及所述人体骨骼的长度与对应的干骺端参数；
聚类分析模块，用于通过云端导出所述骨骼数据，进行聚类分析；
优化设计模块，用于通过聚类分析结果，对人体骨骼的干骺端钢板优化设计。
10.一种用于干骺端骨折的解剖型钢板，其特征在于，所述干骺端骨折的解剖型钢板采用上述权利要求1-8所述的任意一种用于干骺端骨折的解剖型钢板形态设计的方法构造。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210822541.7A CN115292828B (zh) | 2022-07-12 | 2022-07-12 | 一种治疗干骺端骨折解剖型钢板及其形态设计方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210822541.7A CN115292828B (zh) | 2022-07-12 | 2022-07-12 | 一种治疗干骺端骨折解剖型钢板及其形态设计方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115292828A true CN115292828A (zh) | 2022-11-04 |
| CN115292828B CN115292828B (zh) | 2023-04-18 |
Family
ID=83823014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210822541.7A Active CN115292828B (zh) | 2022-07-12 | 2022-07-12 | 一种治疗干骺端骨折解剖型钢板及其形态设计方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115292828B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117752415B (zh) * | 2023-11-08 | 2024-06-07 | 中国人民解放军总医院第四医学中心 | 一种内植物器材解剖适配的评价方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060062442A1 (en) * | 2004-09-16 | 2006-03-23 | Imaging Therapeutics, Inc. | System and method of predicting future fractures |
| US20080267471A1 (en) * | 2007-04-25 | 2008-10-30 | Siemens Corporate Research, Inc | Automatic partitioning and recognition of human body regions from an arbitrary scan coverage image |
| CN110522501A (zh) * | 2019-08-09 | 2019-12-03 | 常州市第二人民医院 | 3d打印个性化骨科内植物构建及生物力学优化处理方法 |
| US20210012492A1 (en) * | 2018-03-21 | 2021-01-14 | Vikas KARADE | Systems and methods for obtaining 3-d images from x-ray information for deformed elongate bones |
| CN112598661A (zh) * | 2020-12-29 | 2021-04-02 | 河北工业大学 | 一种基于机器学习的踝骨折及韧带损伤诊断方法 |
| US20210366118A1 (en) * | 2020-05-20 | 2021-11-25 | DePuy Synthes Products, Inc. | Intraoperative imaging and virtual modeling methods, systems, and instrumentalities for fracture reduction |
| CN113855233A (zh) * | 2021-11-01 | 2021-12-31 | 杭州柳叶刀机器人有限公司 | 手术范围确定方法、装置、电子设备及存储介质 |
| CN114155286A (zh) * | 2021-11-09 | 2022-03-08 | 大连理工大学 | 一种骨骼ct图像的解剖形态和材料力学特性模板库的个性化配准方法 |
-
2022
- 2022-07-12 CN CN202210822541.7A patent/CN115292828B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060062442A1 (en) * | 2004-09-16 | 2006-03-23 | Imaging Therapeutics, Inc. | System and method of predicting future fractures |
| US20080267471A1 (en) * | 2007-04-25 | 2008-10-30 | Siemens Corporate Research, Inc | Automatic partitioning and recognition of human body regions from an arbitrary scan coverage image |
| US20210012492A1 (en) * | 2018-03-21 | 2021-01-14 | Vikas KARADE | Systems and methods for obtaining 3-d images from x-ray information for deformed elongate bones |
| CN110522501A (zh) * | 2019-08-09 | 2019-12-03 | 常州市第二人民医院 | 3d打印个性化骨科内植物构建及生物力学优化处理方法 |
| US20210366118A1 (en) * | 2020-05-20 | 2021-11-25 | DePuy Synthes Products, Inc. | Intraoperative imaging and virtual modeling methods, systems, and instrumentalities for fracture reduction |
| CN112598661A (zh) * | 2020-12-29 | 2021-04-02 | 河北工业大学 | 一种基于机器学习的踝骨折及韧带损伤诊断方法 |
| CN113855233A (zh) * | 2021-11-01 | 2021-12-31 | 杭州柳叶刀机器人有限公司 | 手术范围确定方法、装置、电子设备及存储介质 |
| CN114155286A (zh) * | 2021-11-09 | 2022-03-08 | 大连理工大学 | 一种骨骼ct图像的解剖形态和材料力学特性模板库的个性化配准方法 |
Non-Patent Citations (6)
| Title |
|---|
| Z BAI,Y WANG,W DENG,N GU: "Development of a machine learning model to predict the risk of late cardiogenic shock in patients with ST-segment elevation myocardial infarction", 《ANNALS OF TRANSLATIONAL MEDICINE》 * |
| 何小健等: "锁定接骨板治疗肱骨近端三、四部分骨折", 《中国组织工程研究》 * |
| 姚双权，张浩，马霖，白松林，吴昊天: "双平面阻挡钉技术在胫骨干骨折交锁", 《中国微创外科杂志》 * |
| 崔庆达等: "制备幼兔骺板周围骨折模型:跨骺板钢板置入内固定影响骺板的生长发育?", 《中国组织工程研究》 * |
| 李佳，张巍，郝明，梁向党，张立海，唐佩福: "经皮空心螺钉与保守治疗第五跖骨基底部", 《中国医药导报》 * |
| 陈宇翔，李建涛，娄盛涵，郭一洁，张健，曹延祥，彭烨，张立海，唐佩: "双钢板结合自体骨移植治疗股骨干骨折术后无菌性骨不连的疗效观察", 《解放军医学院学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117752415B (zh) * | 2023-11-08 | 2024-06-07 | 中国人民解放军总医院第四医学中心 | 一种内植物器材解剖适配的评价方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115292828B (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108491770A (zh) | 一种基于骨折影像的数据处理方法 | |
| CN108766539A (zh) | 面向骨科术前规划的植入物特征参数编辑方法 | |
| WO2023236367A1 (zh) | 用于胫骨截骨智能导航系统的规划方法和装置 | |
| CN116982077A (zh) | 用于自动分割患者特定解剖结构以进行病理特定测量的系统及方法 | |
| Abbas et al. | Lower leg bone fracture detection and classification using faster RCNN for X-rays images | |
| Chen et al. | Clustering of morphological features for identifying femur cavity subtypes with difficulties of intramedullary nail implantation | |
| US8331635B2 (en) | Cartesian human morpho-informatic system | |
| CN115292828B (zh) | 一种治疗干骺端骨折解剖型钢板及其形态设计方法及装置 | |
| CN110766667A (zh) | 基于轮廓样本库匹配和模板引导的受损骨骼修复建模方法 | |
| CN107818564A (zh) | 一种肝脏3d医学影像分段方法 | |
| Deng et al. | A data-driven approach for assembling intertrochanteric fractures by axis-position alignment | |
| CN117274334A (zh) | 一种基于点云的实时骨骼模型重建方法及系统 | |
| CN110120052A (zh) | 一种靶区图像分割系统及装置 | |
| CN111402230A (zh) | 基于Monte Carlo方法的股骨髓腔形态特征分析方法 | |
| CN115252047A (zh) | 用于膝关节置换术的股骨远端及前后髁测量定位截骨装置 | |
| CN116029972A (zh) | 一种基于形态学的骨折区域无损分割及重建方法 | |
| CN112785691A (zh) | 一种下颌骨缺损重建方法、装置电子设备及存储介质 | |
| Chen et al. | Feature-based design of personalized anatomical plates for the treatment of femoral fractures | |
| CN114403911B (zh) | 一种基于ct三维重建图像的尺骨近端参数测量方法及装置 | |
| WO2020114332A1 (zh) | 基于分割网络的ct肺肿瘤分割方法、装置、设备及介质 | |
| CN110766666B (zh) | 基于区域分割和gan模型的骨骼断层轮廓大样本库生成方法 | |
| CN117542528B (zh) | 基于影像组学的强直性脊柱炎髋关节受累风险标注系统 | |
| Liu et al. | An automatic personalized internal fixation plate modeling framework for minimally invasive curved bone fracture surgery based on preregistration with capsule projection model | |
| CN114403854B (zh) | 一种基于ct三维重建图像的冠突参数测量方法及装置 | |
| CN111839570B (zh) | 一种用于预测股骨头塌陷风险的装置及其使用方法和应用 |
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 |