CN115399874A - 椎弓根螺钉的最优植入路径规划方法、装置及电子设备 - Google Patents
椎弓根螺钉的最优植入路径规划方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115399874A CN115399874A CN202210947913.9A CN202210947913A CN115399874A CN 115399874 A CN115399874 A CN 115399874A CN 202210947913 A CN202210947913 A CN 202210947913A CN 115399874 A CN115399874 A CN 115399874A
- Authority
- CN
- China
- Prior art keywords
- screw
- target
- pedicle
- image
- parameters
- 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
- 238000002513 implantation Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012549 training Methods 0.000 claims abstract description 41
- 238000013145 classification model Methods 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000010801 machine learning Methods 0.000 claims abstract description 15
- 239000007943 implant Substances 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000002591 computed tomography Methods 0.000 description 85
- 238000011176 pooling Methods 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000037182 bone density Effects 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000001595 mastoid Anatomy 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000000137 annealing Methods 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
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- DQMZLTXERSFNPB-UHFFFAOYSA-N primidone Chemical compound C=1C=CC=CC=1C1(CC)C(=O)NCNC1=O DQMZLTXERSFNPB-UHFFFAOYSA-N 0.000 description 1
- 210000000954 sacrococcygeal region Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/56—Surgical instruments or methods for treatment of bones or joints; Devices specially adapted therefor
- A61B17/58—Surgical instruments or methods for treatment of bones or joints; Devices specially adapted therefor for osteosynthesis, e.g. bone plates, screws, setting implements or the like
- A61B17/68—Internal fixation devices, including fasteners and spinal fixators, even if a part thereof projects from the skin
- A61B17/70—Spinal positioners or stabilisers ; Bone stabilisers comprising fluid filler in an implant
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/56—Surgical instruments or methods for treatment of bones or joints; Devices specially adapted therefor
- A61B17/58—Surgical instruments or methods for treatment of bones or joints; Devices specially adapted therefor for osteosynthesis, e.g. bone plates, screws, setting implements or the like
- A61B17/68—Internal fixation devices, including fasteners and spinal fixators, even if a part thereof projects from the skin
- A61B17/84—Fasteners therefor or fasteners being internal fixation devices
- A61B17/86—Pins or screws or threaded wires; nuts therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Orthopedic Medicine & Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Neurology (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Robotics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Pulmonology (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- High Energy & Nuclear Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Surgical Instruments (AREA)
Abstract
本发明实施例公开了一种椎弓根螺钉的最优植入路径规划方法、装置及电子设备。该方法通过机器学习训练得出的分类模型识别出CT图像对应的标准面图像,然后对标准面图像进行图像二值化处理,得到目标脊柱的横断面,再根据目标脊柱的横断面以及椎弓根螺钉植入目标脊柱的内倾角范围,计算椎弓根螺钉植入目标脊柱的多个候选植入路径,最后根据椎弓根螺钉的目标螺钉参数与目标脊柱的横断面对应的CT值对多个候选植入路径进行筛选,得到最优植入路径。通过本发明,解决了相关技术中无法得到椎弓根螺钉的最优植入路径的技术问题,达到了提高规划植入路径效率以及植入路径准确性,使得最优植入路径更加符合应用需求的技术效果。
Description
技术领域
本发明涉及医学图像处理技术领域,尤其涉及一种椎弓根螺钉的最优植入路径规划方法、装置及电子设备。
背景技术
在传统椎弓根植钉手术中,医生进行椎弓根植钉规划时需要反复查看计算机断层扫描(Computed Tomography,CT)图像,通过在脊柱椎体横断面、矢状面、冠状面视图中不断调整椎弓根植钉的位置来完成手术规划。在这个过程中,医生需要花费大量的时间在查找确定适合椎弓根植钉的位置上,这不仅需要医生对导航软件非常熟悉,而且增加了手术时间,使医生的工作量增加,不利于手术的顺利进行。
随着医学影像学和计算机技术的发展,计算机辅助手术的重要性和价值性也日益提高。医生通过计算机辅助实现手术的可视化操作,和传统手术过程相比明显提高了对病变部位定位和测量的精度,减少了病人损伤,提高了手术的成功率。然而,现阶段针对椎弓根螺钉的定位和参数规划系统尚不成熟,或是医生直接根据CT图像进行测量,或是借助一些医学辅助软件如Materialenise公司开发的Mimics进行手工测量,计算量大且比较耗时,导致规划植入路径效率较低。由于这些方法并非直观地确定螺钉的位置和测量螺钉的参数,因而定位和测量精度并不高,而且也不方便,无法得到最优植入路径。
针对上述的问题,尚未提出有效地解决方案。
发明内容
本发明实施例提供了一种椎弓根螺钉的最优植入路径规划方法、装置及电子设备,以至少解决相关技术中无法得到椎弓根螺钉的最优植入路径的技术问题。
根据本发明实施例的一个方面,提供了一种椎弓根螺钉的最优植入路径规划方法,包括:获取目标脊柱的CT图像,其中,所述CT图像包括标准面图像与非标准面图像,所述标准面图像相较于所述非标准面图像包含了具有最优轮廓信息的所述目标脊柱的横断面;将所述CT图像输入分类模型,通过所述分类模型识别出所述标准面图像,其中,所述分类模型为使用多组训练数据通过机器学习训练得出的,所述多组训练数据中的每组数据包括:CT图像的一个标准面图像与多个非标准面图像;对所述标准面图像进行图像二值化处理,得到所述目标脊柱的横断面;根据所述目标脊柱的横断面以及椎弓根螺钉植入所述目标脊柱的内倾角范围,计算所述椎弓根螺钉植入所述目标脊柱的多个候选植入路径;获取所述椎弓根螺钉的目标螺钉参数以及所述目标脊柱的横断面对应的CT值;根据所述目标螺钉参数与所述CT值对多个所述候选植入路径进行筛选,得到最优植入路径。
可选地,根据所述目标脊柱的横断面以及椎弓根螺钉植入所述目标脊柱的内倾角范围,计算所述椎弓根螺钉植入所述目标脊柱的多个候选植入路径,包括:确定所述目标脊柱的横断面的中心线;确定所述椎弓根螺钉植入所述目标脊柱的终止点,其中,所述终止点所在的直线与所述中心线相互垂直,所述直线与所述中心线的交点位于所述中心线对应的脊柱长度与第一预定比例之积处,所述终止点与所述交点的偏移距离为所述直线对应的脊柱宽度与第二预定比例之积;根据所述终止点,确定在所述内倾角范围内所述椎弓根螺钉植入所述目标脊柱的多个起始点;根据多个所述起始点与所述终止点,确定多个所述候选植入路径。
可选地,根据所述终止点,确定在所述内倾角范围内所述椎弓根螺钉植入所述目标脊柱的多个起始点,包括:获取所述内倾角范围内的任意一个内倾角;根据所述终止点与所述内倾角,确定所述椎弓根螺钉植入所述目标脊柱在所述内倾角时的所述起始点。
可选地,在获取所述椎弓根螺钉的目标螺钉参数之前,所述方法还包括:计算所述椎弓根螺钉的初始螺钉参数,其中,所述初始螺钉参数为推荐使用的螺钉型号对应的螺钉参数;获取所述椎弓根螺钉的多个不同的实际螺钉参数,其中,所述实际螺钉参数为已生产出的螺钉型号对应的螺钉参数;根据所述初始螺钉参数,从多个不同的所述实际螺钉参数中筛选出最佳的实际螺钉参数作为目标螺钉参数。
可选地,在所述初始螺钉参数包括推荐螺钉半径时,计算所述椎弓根螺钉的初始螺钉参数,包括:采用第一表达式计算所述推荐螺钉半径,所述第一表达式如下:Rrec=floor(ρ×Rcut,0.5),其中,Rrec表示不考虑组织膨胀形变状态下椎弓根内所能容下的所述推荐螺钉半径,floor()表示向下取整的函数,ρ表示所述推荐螺钉半径与所述椎弓根最狭窄截面的最大内切圆半径的比例,Rcut表示所述椎弓根最狭窄截面的最大内切圆半径。
可选地,在所述目标螺钉参数包括推荐螺钉长度时,计算所述椎弓根螺钉的初始螺钉参数,包括:采用第二表达式计算所述推荐螺钉长度,所述第二表达式如下:其中,Lrec表示所述推荐螺钉长度,ceiling()表示将括号内参数向上舍入的函数,表示所述椎弓根螺钉的中轴线与椎弓根的椎体前后表面相交的两个点连线距离,的表达式如下:其中,所述椎弓根螺钉的中轴线与所述椎弓根的椎体前后表面相交的两个点分别为PC=(xc,yc,zc)和PD=(xd,yd,zd)。
可选地,根据所述目标螺钉参数与所述CT值对多个所述候选植入路径进行筛选,得到最优植入路径,包括:根据所述目标螺钉参数与所述CT值,计算所述椎弓根螺钉按照每个所述候选植入路径植入所述目标脊柱对应的总CT值;将多个所述总CT值进行排序,得到CT值序列,其中,所述CT值序列中的每个所述总CT值与所述候选植入路径一一对应;确定所述CT值序列中的目标植入路径作为所述最优植入路径,其中,所述目标植入路径为最大的所述总CT值对应的所述候选植入路径。
可选地,所述目标脊柱至少节包括5节椎体,其中,第1至3节椎体对应的所述内倾角范围为5°至10°,第4至5节椎体对应的所述内倾角范围为10°至15°。
根据本发明实施例的另一个方面,还提供了一种椎弓根螺钉的最优植入路径规划装置,包括:第一获取模块,用于获取目标脊柱的CT图像,其中,所述CT图像包括标准面图像与非标准面图像,所述标准面图像相较于所述非标准面图像包含了具有最优轮廓信息的所述目标脊柱的横断面;识别模块,用于将所述CT图像输入分类模型,通过所述分类模型识别出所述标准面图像,其中,所述分类模型为使用多组训练数据通过机器学习训练得出的,所述多组训练数据中的每组数据包括:CT图像的一个标准面图像与多个非标准面图像;处理模块,用于对所述标准面图像进行图像二值化处理,得到所述目标脊柱的横断面;第一计算模块,用于根据所述目标脊柱的横断面以及椎弓根螺钉植入所述目标脊柱的内倾角范围,计算所述椎弓根螺钉植入所述目标脊柱的多个候选植入路径;第二获取模块,用于获取所述椎弓根螺钉的目标螺钉参数以及所述目标脊柱的横断面对应的CT值;第一筛选模块,用于根据所述目标螺钉参数与所述CT值对多个所述候选植入路径进行筛选,得到最优植入路径。
根据本发明实施例的另一个方面,还提供了一种电子设备,包括:处理器;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上述中任意一项所述的椎弓根螺钉的最优植入路径规划方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的椎弓根螺钉的最优植入路径规划方法。
在本发明实施例中,采用获取目标脊柱的CT图像,其中,CT图像包括标准面图像与非标准面图像,标准面图像相较于非标准面图像包含了具有最优轮廓信息的目标脊柱的横断面;将CT图像输入分类模型,通过分类模型识别出标准面图像,其中,分类模型为使用多组训练数据通过机器学习训练得出的,多组训练数据中的每组数据包括:CT图像的一个标准面图像与多个非标准面图像;对标准面图像进行图像二值化处理,得到目标脊柱的横断面;根据目标脊柱的横断面以及椎弓根螺钉植入目标脊柱的内倾角范围,计算椎弓根螺钉植入目标脊柱的多个候选植入路径;获取椎弓根螺钉的目标螺钉参数以及目标脊柱的横断面对应的CT值;根据目标螺钉参数与CT值对多个候选植入路径进行筛选,得到最优植入路径。也就是说,本发明实施例通过机器学习训练得出的分类模型识别出CT图像对应的标准面图像,然后对标准面图像进行图像二值化处理,得到目标脊柱的横断面,再根据目标脊柱的横断面以及椎弓根螺钉植入目标脊柱的内倾角范围,计算椎弓根螺钉植入目标脊柱的多个候选植入路径,最后根据椎弓根螺钉的目标螺钉参数与目标脊柱的横断面对应的CT值对多个候选植入路径进行筛选,得到最优植入路径,进而解决了相关技术中无法得到椎弓根螺钉的最优植入路径的技术问题,达到了提高规划植入路径效率以及植入路径准确性,使得最优植入路径更加符合应用需求的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例提供的椎弓根螺钉的最优植入路径规划方法的流程图;
图2为本发明实施例提供的掩膜的中心线以及螺钉路径的示意图;
图3为本发明实施例提供的椎弓根螺钉半径与欧式距离的示意图;
图4为本发明实施例提供的椎弓根螺钉的最优植入路径规划装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。
根据本发明实施例的一个方面,提供了一种椎弓根螺钉的最优植入路径规划方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本发明实施例提供的椎弓根螺钉的最优植入路径规划方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标脊柱的CT图像,其中,CT图像包括标准面图像与非标准面图像,标准面图像相较于非标准面图像包含了具有最优轮廓信息的目标脊柱的横断面;
需要说明的是,对于目标脊柱的CT图像而言,横断面是非常适合用于判断是否适合椎弓根植钉的断层面,在横断面上可以快速定位椎弓根植钉的安全约束区域,且横断面的特征较为明显,适合用于标准面图像的识别。
上述CT图像是由一系列横断面组成的三维体数据,其中标准面与相邻层的非标准面相比,空间、纹理与灰度信息的变化极小,从肉眼上看二者只存在非常细微的差别。此外,与自然图像相比,CT图像往往受到伪影、噪声与成像参数的影响,这会使得CT图像的质量变差,给标准面图像识别带来负面的影响。
为了保证植入路径规划的精准度,要满足标准面图像的条件为:图像中脊柱的关键解剖结构必须清晰可见。可选地,标准面图像中的椎体、椎弓、横突、关节突、棘突轮廓分明且清晰可见必须轮廓分明且清晰可见。
步骤S104,将CT图像输入分类模型,通过分类模型识别出标准面图像,其中,分类模型为使用多组训练数据通过机器学习训练得出的,多组训练数据中的每组数据包括:CT图像的一个标准面图像与多个非标准面图像;
为了减轻专业人员的工作压力,加速植入路径规划流程,保证植入路径的可靠性,上述采用机器学习训练得出的分类模型对CT图像中适合做椎弓根植钉路径规划所在位置的图像进行识别,进而得到标准面图像,从而快速定位到安全约束区域。因此,可以自动地、实时地实现对于植钉标注横断面的分类,即机器可以正确区分标准横断面(对应于上述标准面图像)与非标准横断面(对应于上述非标准面图像)。
此外,机器学习采用的模型方法包括但不限于自编码器、限制波尔兹曼机、深信度网络、卷积神经网络(Convolutional Neural Networks,CNN)。其中,CNN是有监督学习下的机器学习的模型之一,具有非常强的适应性。此算法广泛应用于图像的识别和分类,特别适用于挖掘数据的局部特征,提全局的训练特征并进行分类。
需要说明的是,CNN是在人工神经网络的基础上发展演变而来的,目的是通过建立一个神经网络来模拟人类的思维,从而对数据进行分析与学习。相比传统的人工神经网络,卷积神经网络有以下三个特性:
局部连接:在卷积层中,每个神经元节点只需要和其前一层的部分节点相连接,对局部范围内的神经元做出响应,对局部特征进行学习,然后在高层对所有神经元的局部特征进行整合,从而得到全局特征。
权值共享:权值共享就是用一个核内参数不变的卷积核来处理整张输入图像,从而大大减少网络运算过程中卷积核的参数量,降低网络计算的复杂度,加速网络的训练。
池化:最常见的池化方式分为最大值池化、最小值池化和平均值池化,池化操作可以对局部区域内相似性较高的图像特征进行筛选,降低特征图的分辨率,减少网络的过拟合。
可选地,上述机器学习使用Resnet50网络作为基底,以实现CT图像的标准面图像识别,同时进行训练和测试。Resnet50网络包含了49个卷积层、一个全连接层。Resnet50网络结构可以分成七个部分,第一部分不包含残差块,主要对输入进行卷积、正则化、激活函数、最大池化的计算。第二、三、四、五部分结构都包含了残差块。残差块都有三层卷积,网络总共有1+3×(3+4+6+3)=49个卷积层,加上最后的全连接层总共是50层。网络的输入为224×224×3,经过前五部分的卷积计算,输出为7×7×2048,池化层会将其转化成一个特征向量,最后分类器会对该特征向量进行计算并输出类别概率。
在定义分类标准并设计网络模型之后,对Resnet50网络进行训练。使用NVIDIAGTX1080 TI进行训练,并基于Python 3.7和PyTorch1.3实现网络的搭建、训练和测试。网络训练参数配置如表1所示,记录训练过程中的超参数设置。每一次样本全部训练完成记录测试集的分类精度,分类模型训练的总轮次为200,也就是经历了200次迭代。同时,考虑医学图像拥有的尺寸和存储大小,设置批量大小为64,保证训练性能的同时,节省所需的显存占用大小。另外,Resnet50网络使用随机梯度下降(Stochastic Gradient Descent,SGD)优化器进行训练,并采用早停策略获得在验证集上表现最好的训练模型用于测试。
表1网络训练参数配置
除此之外,模型在训练过程中参数是逐渐最优化的,因此合理的学习率设定对性能释放而言至关重要。一般来说,较大的学习率会导致学习过程中反向传播调节权值和偏置时出现波动,而较小的学习率使得模型无法实现最优化,从而导致模型陷入局部最优。为此,使用周期性重启学习率调整策略,以更加有效的计算方式来训练模型。
具体的,将余弦退火的学习方式引入随机梯度下降。首先,确定学习率的上下界和循环周期步长,如表1所示;其次,采用学习率上界,启动模型训练;然后,在每批次训练结束后,减少学习率直到最小学习率;最后,将学习率恢复到最大学习率。重复上述过程,周期性地变化学习率,直到结束训练。以上循环过程可简化为下式:
其中,i为当前运行的轮次(epoch);与分别表示学习率的上界和下界,即定义了学习率的范围;Tcur是指当下轮次中,已经运行的批次(batch);Ti表示当前轮次中的总批次数,即步长。为了提高性能,模型会初始化一个比较小的步长Ti,在每次重启后,Ti会以乘以步长倍数Tmult,以此方式逐渐增加。
步骤S106,对标准面图像进行图像二值化处理,得到目标脊柱的横断面;
步骤S108,根据目标脊柱的横断面以及椎弓根螺钉植入目标脊柱的内倾角范围,计算椎弓根螺钉植入目标脊柱的多个候选植入路径;
上述内倾角范围为候选植入路径的延长线与中心线的延长线之间所形成的夹角;可选地,该内倾角范围为5°~15°。
步骤S110,获取椎弓根螺钉的目标螺钉参数以及目标脊柱的横断面对应的CT值;
上述目标螺钉参数是根据初始螺钉参数从多个不同的实际螺钉参数中筛选出最佳的实际螺钉参数,其中,初始螺钉参数为推荐使用的螺钉型号对应的螺钉参数;可选地,可根据任一初始螺钉参数从多个不同的实际螺钉参数中筛选出该初始螺钉参数最匹配的实际螺钉参数,进而将该初始螺钉参数最匹配的实际螺钉参数作为目标螺钉参数。上述CT值为测定人体某一局部组织的计量单位,此处用于表示骨密度,不同的骨密度对应不同的CT值。
步骤S112,根据目标螺钉参数与CT值对多个候选植入路径进行筛选,得到最优植入路径。
在本发明的上述实施例中,该方法通过机器学习训练得出的分类模型识别出CT图像对应的标准面图像,然后对标准面图像进行图像二值化处理,得到目标脊柱的横断面,再根据目标脊柱的横断面以及椎弓根螺钉植入目标脊柱的内倾角范围,计算椎弓根螺钉植入目标脊柱的多个候选植入路径,最后根据椎弓根螺钉的目标螺钉参数与目标脊柱的横断面对应的CT值对多个候选植入路径进行筛选,得到最优植入路径,进而解决了相关技术中无法得到椎弓根螺钉的最优植入路径的技术问题,达到了提高规划植入路径效率以及植入路径准确性,使得最优植入路径更加符合应用需求的技术效果。
在一种可选的实施方式中,根据目标脊柱的横断面以及椎弓根螺钉植入目标脊柱的内倾角范围,计算椎弓根螺钉植入目标脊柱的多个候选植入路径,包括:确定目标脊柱的横断面的中心线;确定椎弓根螺钉植入目标脊柱的终止点,其中,终止点所在的直线与中心线相互垂直,直线与中心线的交点位于中心线对应的脊柱长度与第一预定比例之积处,终止点与交点的偏移距离为直线对应的脊柱宽度与第二预定比例之积;根据终止点,确定在内倾角范围内椎弓根螺钉植入目标脊柱的多个起始点;根据多个起始点与终止点,确定多个候选植入路径。
为了在图像上自动完成椎弓根植钉的粗规划,需要对目标图像先进行特征提取,如对称中心线,然后根据提取到的特征采用上述植钉方法进行相应的运算操作,完成对植入路径的规划设计。
图2为本发明实施例提供的掩膜的中心线以及螺钉路径的示意图,如图2所示,MQ为掩膜的中心线(对应于上述目标脊柱的横断面的中心线),E1T1和E2T2分别为两条不同的螺钉路径。为了对植入路径的规划,需要提取掩膜的中心线,其中,中心线的提取需要两个位置的质心:一个是棘突前端质心,通过查找图像当中最小连通域的质心,记为M点;另外一个是椎体质心,即图像当中最大连通域的质心,记为N点。将M、N两点连接在一起则为中心线。接下来,在中心线上寻找螺钉入椎体的深度所在位置,通过取过中心线的椎体长度的80%处,即图中绿色点所在的位置为中心点,记为Q点。过该点与中心线垂直的直线为两侧椎弓根螺钉至少应该到达的深度位置所在的直线。
接下来,假设中心线的方程为y=kx+b,则该方程满足通过点M和点N的条件,即满足如下公式:
椎弓根螺钉的终止点所在直线与中心线垂直相交且过点Q,假设直线方程为y=kx1+b1,则该方程满足公式:
在得到椎弓根螺钉的终止点所在处的直线后,可以求得直线所在处的椎体宽度L,椎弓根螺钉植入终止点与Q点的偏移距离为L/5。假设终止点的坐标为T(xT,yT),通过求解以下表达式即可求解终止点的位置:
在一种可选的实施方式中,根据终止点,确定在内倾角范围内椎弓根螺钉植入目标脊柱的多个起始点,包括:获取内倾角范围内的任意一个内倾角;根据终止点与内倾角,确定椎弓根螺钉植入目标脊柱在内倾角时的起始点。
对于腰椎段,椎弓根螺钉的内倾角是10°~15°,以10°内倾角为例进行规划。将植入路径所在直线延伸至M点所在直线处,该直线与中心线垂直。假设为终止点的起始点,则它们满足以下表达式,求解即可得到E1的坐标,同理可得E2的坐标。
其中,
在一种可选的实施方式中,在获取椎弓根螺钉的目标螺钉参数之前,上述方法还包括:计算椎弓根螺钉的初始螺钉参数,其中,初始螺钉参数为推荐使用的螺钉型号对应的螺钉参数;获取椎弓根螺钉的多个不同的实际螺钉参数,其中,实际螺钉参数为已生产出的螺钉型号对应的螺钉参数;根据初始螺钉参数,从多个不同的实际螺钉参数中筛选出最佳的实际螺钉参数作为目标螺钉参数。
由于从颈椎至骶椎对应的螺钉直径及螺钉长度会逐渐增大,根据经验值可知实际螺钉参数会随着颈椎腰椎以及骶椎的不同位置而不断变化。可选地,上述经验值包括但不限于:颈椎的第一位置至第六位置,一般采用的实际螺钉参数为:螺钉直径4.5mm,螺钉长度25-35mm;颈椎的第七位置至第九位置,一般采用的实际螺钉参数为:直径5.0mm、5.5mm,螺钉长度35-40mm;颈椎的第十位置至第十一位置,一般采用的实际螺钉参数为:螺钉直径5.0-6.0mm,螺钉长度35-45mm;颈椎的第十二位置至腰椎的第二位置,一般采用的实际螺钉参数为:螺钉直径6.0mm、6.5mm,螺钉长度40-45mm;颈椎的第二位置至腰椎的第五位置,一般采用的实际螺钉参数为:螺钉直径6.5mm、7.0mm,螺钉长度40-50mm;骶椎的第一位置,一般采用的实际螺钉参数为:螺钉直径7.0mm、7.5mm,螺钉长度35-40mm;骶椎的第二位置,一般采用的实际螺钉参数为:螺钉直径7.5-8.5,螺钉长度达到100mm以上,由于该处风险高,需要专业医院处理。
需要说明的是,已生产出的螺钉型号包括但不限于:第一螺钉型号和第二螺钉型号,其中,第一螺钉型号对应的螺钉参数范围为:螺钉直径:4.5-5.5mm,每隔0.5mm一规格,螺钉长度25-55mm,每隔5mm一规格;第二螺钉型号对应的螺钉参数范围为:螺钉直径:5.5-7.5mm,每隔0.5mm一规格,螺钉长度:25-65mm,每隔5mm一规格。因此,对于第一螺钉型号对应的螺钉参数范围为:螺钉直径分别为4.5mm、5.0mm和5.5mm,螺钉长度分别为25mm、30mm、35mm、40mm、45mm、50mm和55mm,不同的螺钉直径与螺钉长度可以任意组合形成第一螺钉型号。对于第二螺钉型号对应的螺钉参数范围为:螺钉直径分别为5.5mm、6.0mm、6.5mm、7.0mm和7.5mm,螺钉长度分别为25mm、30mm、35mm、40mm、45mm、50mm、55mm、60mm和65mm,不同的螺钉直径与螺钉长度可以任意组合形成第二螺钉型号。
由于实际螺钉参数较多,可以根据初始螺钉参数,从多个不同的实际螺钉参数中筛选出最佳的实际螺钉参数作为目标螺钉参数,可以节省目标螺钉参数的规划时间,使得目标螺钉参数更能满足应用需求。
在一种可选的实施方式中,在初始螺钉参数包括推荐螺钉半径时,计算椎弓根螺钉的初始螺钉参数,包括:采用第一表达式计算推荐螺钉半径,该第一表达式如下:
Rrec=floor(ρ×Rcut,0.5)
其中,Rrec表示不考虑组织膨胀形变状态下椎弓根内所能容下的推荐螺钉半径,floor()表示向下取整的函数,ρ表示推荐螺钉半径与椎弓根最狭窄截面的最大内切圆半径的比例,Rcut表示椎弓根最狭窄截面的最大内切圆半径。
椎弓根螺钉的半径是影响螺钉抗拔出力的一个重要因素。为了保证推荐合适的螺钉参考半径,既不会使椎弓根破裂又能获得最大抗拔出力,采用半径拟合算法,其以椎弓根最小平面拟合最大内切圆。具体实施过程如下:
将椎弓根最小截面上的点记为中间点Pmid,将Pmid前方和后方的点分别记为椎体前方点Phead和椎体后方点Pbot。设Phead中的一点为点A:PA=(xa,ya,za),Pmid中的一点为点B:PB=(xb,yb,zb),这两点确定的直线为直线Lcen,既螺钉轨迹的中轴线(central),必须保证Lcen穿过中间点Pmid。
首先,标记目标椎体和椎弓根最狭窄的部位,即可确定Pmid的坐标范围;然后,使用随机一致算法,得到关于Pmid边缘点的最大内切圆,并记为最大内切半径Rcut;最后,计算椎弓根螺钉的推荐螺钉半径Rrec,其与椎弓根最狭窄截面最大内切圆半径Rcut成固定比例ρ,考虑到工业生产和螺钉实际选型等因素,将其向下舍入到0.5的整数倍,其计算公式为:Rrec=floor(ρ×Rcut,0.5)。
需要说明的是,当ρ=1时,Rrec是不考虑组织膨胀形变状态下椎弓根内所能容下的最大螺钉半径。但在现实条件下,螺钉植入后相应组织会向周围发生形变,甚至使椎弓根破裂。为保证形变不足以使椎弓根破裂导致严重的神经及血管并发症,一般规定椎弓根螺钉的最大半径为椎弓根最狭窄截面最大内切圆半径的70%,即设定ρ=0.7。
在本发明的上述实施方式中,能够准确的计算出椎弓根螺钉的推荐螺钉半径。
在一种可选的实施方式中,在初始螺钉参数包括推荐螺钉长度时,计算椎弓根螺钉的初始螺钉参数,包括:采用第二表达式计算推荐螺钉长度,该第二表达式如下:
其中,Lrec表示推荐螺钉长度,ceiling()表示将括号内参数向上舍入的函数,表示椎弓根螺钉的中轴线与椎弓根的椎体前后表面相交的两个点连线距离,的表达式如下:其中,椎弓根螺钉的中轴线与椎弓根的椎体前后表面相交的两个点分别为PC=(xc,yc,zc)和PD=(xd,yd,zd)。
椎弓根螺钉的长度也是影响螺钉抗拔出力的因素,椎弓根螺钉的较适长度为椎弓根螺钉占椎体的80%。
将椎弓根最小截面上的点记为中间点Pmid,将Pmid前方和后方的点分别记为椎体前方点Phead和椎体后方点Pbot。设Phead中的一点为点A:PA=(xa,ya,za),Pmid中的一点为点B:PB=(xb,yb,zb),这两点确定的直线为直线Lcen,既螺钉轨迹的中轴线(central),必须保证Lcen穿过中间点Pmid。由螺钉中轴线Lcen与椎体前后表面相交的两个点分别为PC=(xc,yc,zc)和PD=(xd,yd,zd),这两点确定的直线与中轴线Lcen同属一条直线。
在本发明的上述实施方式中,能够准确的计算出椎弓根螺钉的推荐螺钉长度。
在一种可选的实施方式中,根据目标螺钉参数与CT值对多个候选植入路径进行筛选,得到最优植入路径,包括:根据目标螺钉参数与CT值,计算椎弓根螺钉按照每个候选植入路径植入目标脊柱对应的总CT值;将多个总CT值进行排序,得到CT值序列,其中,CT值序列中的每个总CT值与候选植入路径一一对应;确定CT值序列中的目标植入路径作为最优植入路径,其中,目标植入路径为最大的总CT值对应的候选植入路径。
需要说明的是,CT值与骨密度存在线性关系,骨密度与骨组织杨氏模量之间呈指数关系。可以将椎弓根螺钉放置到能使其拔出强度尽可能高的位置,等同于使螺钉通过轨迹的CT值尽可能大。
在本发明的上述实施方式中,利用目标螺钉参数与CT值计算出椎弓根螺钉按照每个候选植入路径植入目标脊柱对应的总CT值,并对多个总CT值进行排序,得到CT值序列,确定CT值序列中最大的总CT值对应的植入路径作为最优植入路径,即能够准确的多个候选植入路径中筛选出最优植入路径。
上述总CT值为候选植入路径植入目标脊柱的过程中从起始点至终止点所有的CT值相加之和。需要说明的是,候选植入路径植入目标脊柱对应的总CT值与目标螺钉参数存在关联关系,即不同的目标螺钉参数会影响候选植入路径植入目标脊柱对应的总CT值。
在植入路径规划过程中,不同的参数(如内倾角)会产生不同的候选植入路径。为了保证椎弓根螺钉能够按要求安全的植入椎骨中,不给椎体周边神经及组织造成损伤,并且能够保证手术的顺利进行,仍需确立安全评判体系,并对候选植入路径进行更进一步的处理。
图3为本发明实施例提供的椎弓根螺钉半径与欧式距离的示意图,如图3所示,R为植入椎骨中的椎弓根螺钉半径,而D(L,V)为椎弓根边界上某一点到候选路径上的欧式距离。
安全评判标准主要是对椎弓根螺钉的半径进行评估,即植入到椎体中的椎弓根螺钉的半径是否能够从力学的角度对椎骨起到固定作用。同时,评估该候选植入路径对于椎体带来的损伤风险,去除这些给椎弓根带来损伤的路径,提高螺钉植入的成功率。将安全裕度的数学模型描述为下式:
MA=min(D(L(A),V(xi,yi,zi)))-R-C
其中,L(A)为备选路径,A=[(x1,y1,z1),(x2,y2,z2)]T为L上的两个端点,V(xi,yi,zi)为三维空间中椎弓根的边缘点,MA可以表示为椎弓根螺钉边界与椎弓根边界的最小欧拉距离,C的值为椎弓根半径的30%。
根据安全裕度的数学模型,椎弓根的安全评判标准如下所示:
若MA≤0,表示椎弓根螺钉部分透过椎弓根边缘,这种路径是要滤除的路径,若按这一类路径植入到椎弓根中可能会使椎弓根螺钉撑破椎弓根,同时会使椎弓根产生塑性形变,给患者造成严重损伤。
需要说明的是,在骨科手术中,螺钉植入深度决定了手术能否成功,为此选择植入椎体部分最长的椎弓根螺钉的候选植入路径为该手术椎弓根螺钉的最优植入路径。螺钉植入深度为80%的椎体长度时比植入50%的椎体长度的抗拔出力增加了32.5%,差异有统计学意义。因此,椎弓根螺钉的标准植入深度为椎弓根螺钉占椎体的80%,当选择出合适的路径后对路径进行验证,看其是否符合这样的要求。
另外,可以实时计算候选植入路径与椎弓根边界的距离、植入深度以及螺钉的抗拔出强度,手动调节感兴趣的区域标记目标椎体和椎弓根最狭窄的部位,通过微调达到候选植入路径调优的目的。同时,如果规划的候选植入路径或目标螺钉参数不符合安全评判标准,则会提出警告。按照设定的安全评判标准,进行精细规划和调整,从而尽可能地保证术前植入路径规划的安全性和准确性。
在一种可选的实施方式中,上述目标脊柱至少节包括5节椎体,其中,第1至3节椎体对应的内倾角范围为5°至10°,第4至5节椎体对应的内倾角范围为10°至15°。
在椎弓根螺钉的植入路径规划过程中,对于椎弓根螺钉的进钉点、进钉角度来说,螺钉的长度在颈椎、胸椎和腰椎部位是存在一定差别的。
首先,对于椎弓根螺钉植入目标脊柱的定位,目标脊柱的1~4节椎体在关节突的乳突后缘中点划垂直线,在横突的副突上划水平线,两线的交点为进钉点;第5节椎体的进钉点是在上关节突的乳突和横突副突之间最深处的中点。
另外,对于椎弓根螺钉植入目标脊柱的角度,以横突和关节突为参考,对于第1~3节椎体,椎弓根螺钉植入目标脊柱的内倾角范围为5°~10°;对于第4~5节椎体,椎弓根螺钉植入目标脊柱的内倾角范围为10°~15°。
此外,对于椎弓根螺钉的植入深度,只有保证螺钉长度达到椎弓根轴线长度的80%,才能够保证螺钉有足够的力学强度。过长则容易穿透脊柱骨对侧皮质而伤害其他组织,所以长度一般取进钉点至椎体前侧皮质总长度的83%左右,螺钉的终止点所在位置与中心线的偏离为椎体宽度的1/5。
根据本发明实施例的另一个方面,还提供了一种椎弓根螺钉的最优植入路径规划装置,图4为本发明实施例提供的椎弓根螺钉的最优植入路径规划装置的示意图,如图4所示,该椎弓根螺钉的最优植入路径规划装置包括:第一获取模块402、识别模块404、处理模块406、第一计算模块408、第二获取模块410和第一筛选模块412。下面对该椎弓根螺钉的最优植入路径规划装置进行详细说明。
第一获取模块402,用于获取目标脊柱的CT图像,其中,CT图像包括标准面图像与非标准面图像,标准面图像相较于非标准面图像包含了具有最优轮廓信息的目标脊柱的横断面;
识别模块404,连接至上述第一获取模块402,用于将CT图像输入分类模型,通过分类模型识别出标准面图像,其中,分类模型为使用多组训练数据通过机器学习训练得出的,多组训练数据中的每组数据包括:CT图像的一个标准面图像与多个非标准面图像;
处理模块406,连接至上述识别模块404,用于对标准面图像进行图像二值化处理,得到目标脊柱的横断面;
第一计算模块408,连接至上述处理模块406,用于根据目标脊柱的横断面以及椎弓根螺钉植入目标脊柱的内倾角范围,计算椎弓根螺钉植入目标脊柱的多个候选植入路径;
第二获取模块410,连接至上述第一计算模块408,用于获取椎弓根螺钉的目标螺钉参数以及目标脊柱的横断面对应的CT值;
第一筛选模块412,连接至上述第二获取模块410,用于根据目标螺钉参数与CT值对多个候选植入路径进行筛选,得到最优植入路径。
在本发明的上述实施例中,该装置通过机器学习训练得出的分类模型识别出CT图像对应的标准面图像,然后对标准面图像进行图像二值化处理,得到目标脊柱的横断面,再根据目标脊柱的横断面以及椎弓根螺钉植入目标脊柱的内倾角范围,计算椎弓根螺钉植入目标脊柱的多个候选植入路径,最后根据椎弓根螺钉的目标螺钉参数与目标脊柱的横断面对应的CT值对多个候选植入路径进行筛选,得到最优植入路径,进而解决了相关技术中无法得到椎弓根螺钉的最优植入路径的技术问题,达到了提高规划植入路径效率以及植入路径准确性,使得最优植入路径更加符合应用需求的技术效果。
此处需要说明的是,上述第一获取模块402、识别模块404、处理模块406、第一计算模块408、第二获取模块410和第一筛选模块412对应于方法实施例中的步骤S102至S112,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述方法实施例所公开的内容。
在一种可选的实施方式中,上述第一计算模块408包括:第一确定单元,用于确定目标脊柱的横断面的中心线;第二确定单元,用于确定椎弓根螺钉植入目标脊柱的终止点,其中,终止点所在的直线与中心线相互垂直,直线与中心线的交点位于中心线对应的脊柱长度与第一预定比例之积处,终止点与交点的偏移距离为直线对应的脊柱宽度与第二预定比例之积;第三确定单元,用于根据终止点,确定在内倾角范围内椎弓根螺钉植入目标脊柱的多个起始点;第四确定单元,用于根据多个起始点与终止点,确定多个候选植入路径。
在一种可选的实施方式中,上述第三确定单元包括:获取子单元,用于获取内倾角范围内的任意一个内倾角;确定子单元,用于根据终止点与内倾角,确定椎弓根螺钉植入目标脊柱在内倾角时的起始点。
在一种可选的实施方式中,上述装置还包括:第二计算模块,用于在获取椎弓根螺钉的目标螺钉参数之前,计算椎弓根螺钉的初始螺钉参数,其中,初始螺钉参数为推荐使用的螺钉型号对应的螺钉参数;第三获取模块,用于获取椎弓根螺钉的多个不同的实际螺钉参数,其中,实际螺钉参数为已生产出的螺钉型号对应的螺钉参数;第二筛选模块,用于根据初始螺钉参数,从多个不同的实际螺钉参数中筛选出最佳的实际螺钉参数作为目标螺钉参数。
在一种可选的实施方式中,上述第二计算模块,用于在初始螺钉参数包括推荐螺钉半径时,采用第一表达式计算推荐螺钉半径,该第一表达式如下:Rrec=floor(ρ×Rcut,0.5),其中,Rrec表示不考虑组织膨胀形变状态下椎弓根内所能容下的推荐螺钉半径,floor()表示向下取整的函数,ρ表示推荐螺钉半径与椎弓根最狭窄截面的最大内切圆半径的比例,Rcut表示椎弓根最狭窄截面的最大内切圆半径。
在一种可选的实施方式中,上述第二计算模块,用于在初始螺钉参数包括推荐螺钉长度时,采用第二表达式计算推荐螺钉长度,该第二表达式如下:其中,Lrec表示推荐螺钉长度,ceiling()表示将括号内参数向上舍入的函数,表示椎弓根螺钉的中轴线与椎弓根的椎体前后表面相交的两个点连线距离,的表达式如下:其中,椎弓根螺钉的中轴线与椎弓根的椎体前后表面相交的两个点分别为PC=(xc,yc,zc)和PD=(xd,yd,zd)。
在一种可选的实施方式中,上述第一筛选模块412包括:计算单元,用于根据目标螺钉参数与CT值,计算椎弓根螺钉按照每个候选植入路径植入目标脊柱对应的总CT值;排序单元,用于将多个总CT值进行排序,得到CT值序列,其中,CT值序列中的每个总CT值与候选植入路径一一对应;筛选单元,用于确定CT值序列中的目标植入路径作为最优植入路径,其中,目标植入路径为最大的总CT值对应的候选植入路径。
在一种可选的实施方式中,上述目标脊柱至少节包括5节椎体,其中,第1至3节椎体对应的内倾角范围为5°至10°,第4至5节椎体对应的内倾角范围为10°至15°。
根据本发明实施例的另一个方面,还提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行上述中任意一项的椎弓根螺钉的最优植入路径规划方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的程序,其中,在程序运行时控制计算机可读存储介质所在设备执行上述中任意一项的椎弓根螺钉的最优植入路径规划方法。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种椎弓根螺钉的最优植入路径规划方法,其特征在于,包括:
获取目标脊柱的CT图像,其中,所述CT图像包括标准面图像与非标准面图像,所述标准面图像相较于所述非标准面图像包含了具有最优轮廓信息的所述目标脊柱的横断面;
将所述CT图像输入分类模型,通过所述分类模型识别出所述标准面图像,其中,所述分类模型为使用多组训练数据通过机器学习训练得出的,所述多组训练数据中的每组数据包括:CT图像的一个标准面图像与多个非标准面图像;
对所述标准面图像进行图像二值化处理,得到所述目标脊柱的横断面;
根据所述目标脊柱的横断面以及椎弓根螺钉植入所述目标脊柱的内倾角范围,计算所述椎弓根螺钉植入所述目标脊柱的多个候选植入路径;
获取所述椎弓根螺钉的目标螺钉参数以及所述目标脊柱的横断面对应的CT值;
根据所述目标螺钉参数与所述CT值对多个所述候选植入路径进行筛选,得到最优植入路径。
2.根据权利要求1所述的方法,其特征在于,根据所述目标脊柱的横断面以及椎弓根螺钉植入所述目标脊柱的内倾角范围,计算所述椎弓根螺钉植入所述目标脊柱的多个候选植入路径,包括:
确定所述目标脊柱的横断面的中心线;
确定所述椎弓根螺钉植入所述目标脊柱的终止点,其中,所述终止点所在的直线与所述中心线相互垂直,所述直线与所述中心线的交点位于所述中心线对应的脊柱长度与第一预定比例之积处,所述终止点与所述交点的偏移距离为所述直线对应的脊柱宽度与第二预定比例之积;
根据所述终止点,确定在所述内倾角范围内所述椎弓根螺钉植入所述目标脊柱的多个起始点;
根据多个所述起始点与所述终止点,确定多个所述候选植入路径。
3.根据权利要求2所述的方法,其特征在于,根据所述终止点,确定在所述内倾角范围内所述椎弓根螺钉植入所述目标脊柱的多个起始点,包括:
获取所述内倾角范围内的任意一个内倾角;
根据所述终止点与所述内倾角,确定所述椎弓根螺钉植入所述目标脊柱在所述内倾角时的所述起始点。
4.根据权利要求1所述的方法,其特征在于,在获取所述椎弓根螺钉的目标螺钉参数之前,所述方法还包括:
计算所述椎弓根螺钉的初始螺钉参数,其中,所述初始螺钉参数为推荐使用的螺钉型号对应的螺钉参数;
获取所述椎弓根螺钉的多个不同的实际螺钉参数,其中,所述实际螺钉参数为已生产出的螺钉型号对应的螺钉参数;
根据所述初始螺钉参数,从多个不同的所述实际螺钉参数中筛选出最佳的实际螺钉参数作为目标螺钉参数。
5.根据权利要求4所述的方法,其特征在于,在所述初始螺钉参数包括推荐螺钉半径时,计算所述椎弓根螺钉的初始螺钉参数,包括:
采用第一表达式计算所述推荐螺钉半径,所述第一表达式如下:
Rrec=floor(ρ×Rcut,0.5)
其中,Rrec表示不考虑组织膨胀形变状态下椎弓根内所能容下的所述推荐螺钉半径,floor()表示向下取整的函数,ρ表示所述推荐螺钉半径与所述椎弓根最狭窄截面的最大内切圆半径的比例,Rcut表示所述椎弓根最狭窄截面的最大内切圆半径。
7.根据权利要求1所述的方法,其特征在于,根据所述目标螺钉参数与所述CT值对多个所述候选植入路径进行筛选,得到最优植入路径,包括:
根据所述目标螺钉参数与所述CT值,计算所述椎弓根螺钉按照每个所述候选植入路径植入所述目标脊柱对应的总CT值;
将多个所述总CT值进行排序,得到CT值序列,其中,所述CT值序列中的每个所述总CT值与所述候选植入路径一一对应;
确定所述CT值序列中的目标植入路径作为所述最优植入路径,其中,所述目标植入路径为最大的所述总CT值对应的所述候选植入路径。
8.根据权利要求1至7中任意一项所述的方法,其特征在于,所述目标脊柱至少节包括5节椎体,其中,第1至3节椎体对应的所述内倾角范围为5°至10°,第4至5节椎体对应的所述内倾角范围为10°至15°。
9.一种椎弓根螺钉的最优植入路径规划装置,其特征在于,包括:
第一获取模块,用于获取目标脊柱的CT图像,其中,所述CT图像包括标准面图像与非标准面图像,所述标准面图像相较于所述非标准面图像包含了具有最优轮廓信息的所述目标脊柱的横断面;
识别模块,用于将所述CT图像输入分类模型,通过所述分类模型识别出所述标准面图像,其中,所述分类模型为使用多组训练数据通过机器学习训练得出的,所述多组训练数据中的每组数据包括:CT图像的一个标准面图像与多个非标准面图像;
处理模块,用于对所述标准面图像进行图像二值化处理,得到所述目标脊柱的横断面;
第一计算模块,用于根据所述目标脊柱的横断面以及椎弓根螺钉植入所述目标脊柱的内倾角范围,计算所述椎弓根螺钉植入所述目标脊柱的多个候选植入路径;
第二获取模块,用于获取所述椎弓根螺钉的目标螺钉参数以及所述目标脊柱的横断面对应的CT值;
第一筛选模块,用于根据所述目标螺钉参数与所述CT值对多个所述候选植入路径进行筛选,得到最优植入路径。
10.一种电子设备,其特征在于,包括:
处理器;
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权利要求1至7中任意一项所述的椎弓根螺钉的最优植入路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210947913.9A CN115399874A (zh) | 2022-08-08 | 2022-08-08 | 椎弓根螺钉的最优植入路径规划方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210947913.9A CN115399874A (zh) | 2022-08-08 | 2022-08-08 | 椎弓根螺钉的最优植入路径规划方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115399874A true CN115399874A (zh) | 2022-11-29 |
Family
ID=84159568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210947913.9A Pending CN115399874A (zh) | 2022-08-08 | 2022-08-08 | 椎弓根螺钉的最优植入路径规划方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115399874A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116115371A (zh) * | 2023-04-17 | 2023-05-16 | 杭州键嘉医疗科技股份有限公司 | 一种无牙颌种植导航手术中的口腔cbct配准方法 |
CN116327356A (zh) * | 2023-02-27 | 2023-06-27 | 北京长木谷医疗科技有限公司 | 基于人工智能的脊柱手术术前规划方法、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2620355C1 (ru) * | 2015-12-30 | 2017-05-24 | Федеральное государственное бюджетное учреждение "Государственный научный центр Российской Федерации - Федеральный медицинский биофизический центр им. А.И. Бурназяна Федерального медико-биологического агентства" (ФГБУ "ГНЦ ФМБЦ им. А.И. Бурназяна ФМБА России") | Способ установки винтов для транспедикулярной стабилизации позвоночника |
CN112370155A (zh) * | 2020-11-13 | 2021-02-19 | 山东中医药大学 | 一种基于ct值的骨钉/骨针植入路径选择方法及系统 |
CN112581606A (zh) * | 2020-12-25 | 2021-03-30 | 江苏集萃复合材料装备研究所有限公司 | 一种脊柱椎弓根螺钉植入手术导航方法 |
CN113537408A (zh) * | 2021-09-08 | 2021-10-22 | 深圳开立生物医疗科技股份有限公司 | 一种超声图像处理方法、装置、设备及存储介质 |
-
2022
- 2022-08-08 CN CN202210947913.9A patent/CN115399874A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2620355C1 (ru) * | 2015-12-30 | 2017-05-24 | Федеральное государственное бюджетное учреждение "Государственный научный центр Российской Федерации - Федеральный медицинский биофизический центр им. А.И. Бурназяна Федерального медико-биологического агентства" (ФГБУ "ГНЦ ФМБЦ им. А.И. Бурназяна ФМБА России") | Способ установки винтов для транспедикулярной стабилизации позвоночника |
CN112370155A (zh) * | 2020-11-13 | 2021-02-19 | 山东中医药大学 | 一种基于ct值的骨钉/骨针植入路径选择方法及系统 |
CN112581606A (zh) * | 2020-12-25 | 2021-03-30 | 江苏集萃复合材料装备研究所有限公司 | 一种脊柱椎弓根螺钉植入手术导航方法 |
CN113537408A (zh) * | 2021-09-08 | 2021-10-22 | 深圳开立生物医疗科技股份有限公司 | 一种超声图像处理方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
刘嘉斌: "基于CT值的脊柱椎弓根螺钉轨迹自动规划在骨质疏松患者中的应用价值研究", 中国医学装备, vol. 19, no. 2, 28 February 2022 (2022-02-28), pages 58 - 63 * |
王波;刘侠;吴云龙;: "脊柱CT图像的椎弓根螺钉置入自动路径规划方法", 哈尔滨理工大学学报, no. 04, 20 July 2018 (2018-07-20), pages 82 * |
苏全健;孙宇;齐晓志: "基于机器学习的机器人辅助椎弓根植钉规划", 集成技术, vol. 7, no. 3, 4 April 2018 (2018-04-04), pages 42 - 53 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116327356A (zh) * | 2023-02-27 | 2023-06-27 | 北京长木谷医疗科技有限公司 | 基于人工智能的脊柱手术术前规划方法、系统及存储介质 |
CN116327356B (zh) * | 2023-02-27 | 2024-04-26 | 北京长木谷医疗科技股份有限公司 | 基于人工智能的脊柱手术术前规划方法、系统及存储介质 |
CN116115371A (zh) * | 2023-04-17 | 2023-05-16 | 杭州键嘉医疗科技股份有限公司 | 一种无牙颌种植导航手术中的口腔cbct配准方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115399874A (zh) | 椎弓根螺钉的最优植入路径规划方法、装置及电子设备 | |
KR101883258B1 (ko) | 해부학적 계측점의 검출 방법 | |
AU2005244312B2 (en) | Spine insert | |
CN113966204B (zh) | 为医疗介入自动规划轨迹的方法 | |
US9241634B2 (en) | Analytic morphomics: high speed medical image automated analysis method | |
CN108053400A (zh) | 图像处理方法及装置 | |
CN110796613A (zh) | 一种图像伪影的自动识别方法及装置 | |
CN107292928B (zh) | 一种血管定位的方法及装置 | |
CN111341450A (zh) | 一种基于人工智能的脊柱畸形矫形预测方法、装置及终端 | |
CN110310723A (zh) | 骨骼图像处理方法、电子设备及存储介质 | |
CN113674257A (zh) | 脊柱侧弯角度的测量方法、装置、设备及存储介质 | |
CN115187606B (zh) | 一种青少年特发性脊柱侧凸pumc分型方法 | |
US11426119B2 (en) | Assessment of spinal column integrity | |
CN110752029B (zh) | 一种病灶的定位方法及装置 | |
CN112466441A (zh) | 一种器官勾画方法及装置 | |
EP4011311A1 (en) | Method for planning the nail path of a pedicle bone screw | |
CN112184664B (zh) | 一种椎骨检测方法及计算机设备 | |
EP2890299B1 (en) | Analytic morphomics: high speed medical image automated analysis method | |
CN113069076A (zh) | 基于三维建模的脊柱侧弯测量方法 | |
CN110599482A (zh) | 肺裂曲面确定方法、装置、电子设备和存储介质 | |
CN118037668A (zh) | 基于深度学习的ct脊柱影像的椎弓根识别方法 | |
Bazsó et al. | Human spinal column diagnostic parameter identification using geometrical model of the vertebral body | |
CN116889467B (zh) | 一种脊柱椎体的智能自置钉方法、装置、设备及介质 | |
CN110772278A (zh) | 一种植入体的术后验证方法、装置和终端 | |
CN112861849B (zh) | 一种脊柱畸形矫正手术术中组织识别方法 |
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 |