CN116778022B - 基于三维ct图像的股骨颈轴线自动定位方法、系统及设备 - Google Patents
基于三维ct图像的股骨颈轴线自动定位方法、系统及设备 Download PDFInfo
- Publication number
- CN116778022B CN116778022B CN202311072255.4A CN202311072255A CN116778022B CN 116778022 B CN116778022 B CN 116778022B CN 202311072255 A CN202311072255 A CN 202311072255A CN 116778022 B CN116778022 B CN 116778022B
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- axis
- femoral neck
- section
- 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.)
- Active
Links
- 210000002436 femur neck Anatomy 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 24
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 27
- 210000000689 upper leg Anatomy 0.000 claims abstract description 18
- 240000004282 Grewia occidentalis Species 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 8
- 238000002591 computed tomography Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 210000001981 hip bone Anatomy 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 4
- 210000004394 hip joint Anatomy 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 210000001624 hip Anatomy 0.000 description 5
- 230000037182 bone density Effects 0.000 description 4
- 230000003014 reinforcing effect Effects 0.000 description 4
- 208000010392 Bone Fractures Diseases 0.000 description 3
- 206010017076 Fracture Diseases 0.000 description 3
- 208000001132 Osteoporosis Diseases 0.000 description 3
- 206010020100 Hip fracture Diseases 0.000 description 2
- 208000001164 Osteoporotic Fractures Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 206010058314 Dysplasia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于三维CT图像的股骨颈轴线自动定位方法、系统及设备，首先采集三维体CT图像数据并进行预处理，基于三维体CT图像切片分层重建髋部骨骼增强冠状面，获得骨骼增强冠状图；然后初步定位股骨颈轴线，提取矩形定位框四角点坐标A1、A2、A3、A4；接着基于股骨颈轴线初步定位结果进行股骨颈横断面的重建；提取股骨颈横断面的轮廓及轮廓中心坐标；最后对股骨颈横断面中心点集进行直线拟合，准确定位股骨颈轴线。本发明在没有人工辅助的情况下重建股骨颈横截面，自动准确定位股骨颈轴线，便于后续针对髋部和股骨的医学研究和分析。
Description
技术领域
本发明属于医学人工智能领域，涉及一种股骨颈轴线自动定位方法、系统及设备，特别涉及一种基于三维CT图像的股骨颈轴线自动定位方法、系统及设备。
背景技术
近年来医学影像技术和人工智能技术在不断飞速发展，计算机断层扫描广泛地应用在临床诊断中，将深度学习与医疗影像分析结合应用，对医学影像数据进行自动化地处理和分析，可以为医学诊断提供强有力的辅助作用，对实现智慧医疗具有重要现实意义。
髋部是连接人体躯干和下肢的重要枢纽，髋部异常如髋关节发育不良、髋关节骨折等会对人体产生不良影响。髋关节骨折是最具破坏性的骨质疏松性骨折类型，而定期检测股骨颈体骨密度能较为准确地反映髋关节骨质疏松状态从而有效预防髋部骨折，现有方法通常是通过人工手动选取股骨颈范围，基于选取面积进行面积骨密度的分析，股骨颈处生理结构复杂，上端连接股骨头，下端连接股骨大粗隆和股骨小粗隆，区分界限不明显，需要熟悉专业医学知识，人眼难以快速区分，耗费专业人力和时间，同时对骨质疏松状态的体现不如体积骨密度准确。从三维CT图像中准确定位股骨颈轴线，对股骨颈体骨密度的自动化测量、髋关节骨质疏松的预测分析等医学研究有重大意义。
发明内容
针对上述现有技术中的不足，本发明提供了一种基于三维CT图像的股骨颈轴线自动定位方法、系统及设备。
本发明的方法所采用的技术方案是：一种基于三维CT图像的股骨颈轴线自动定位方法，包括以下步骤：
步骤1：采集三维体CT图像数据并进行预处理，基于三维体CT图像切片分层重建髋部骨骼增强冠状面，获得骨骼增强冠状图；
步骤2：基于多尺度模板匹配方法结合生理学特征初步定位股骨颈轴线，提取矩形定位框四角点坐标A1、A2、A3、A4；
步骤3：基于股骨颈轴线初步定位结果进行股骨颈横断面的重建；
步骤4：基于霍夫圆检测方法提取股骨颈横断面的轮廓及轮廓中心坐标；
步骤5：对股骨颈横断面中心点集进行直线拟合，准确定位股骨颈轴线。
作为优选，步骤1的具体实现包括以下子步骤：
步骤1.1：采集三维体CT图像数据，设置CT扫描起始位置至少包括股骨头，结束位置为股骨小粗隆下方；
步骤1.2：调整三维体CT图像数据的窗宽和窗位参数，区分骨骼与非骨骼区域；
步骤1.3：根据CT扫描的时间顺序，从三维体CT图像数据横断面方位中依次提取二维切面图像数据，从而获得横断位CT序列图像；
步骤1.4：对横断位CT序列图像进行灰度值统计确定骨骼区域灰度值阈值及床板区域的行灰度值阈值；
步骤1.5：根据床板区域的行灰度值阈值确定床板在横断位CT图像中的位置；
步骤1.6：处理单张横断位CT图像时，根据骨骼区域灰度值阈值提取骨骼部分的有效数据，同时根据床板位置截去CT机床板数据，再投射到一维空间；顺序遍历处理横断位CT序列图像，分层重建出骨骼增强冠状图，获得骨骼增强冠状图。
作为优选，步骤2的具体实现包括以下子步骤：
步骤2.1：以任意骨骼增强冠状图中单侧股骨中股骨头至股骨小粗隆下方的区域作为特征模板；
步骤2.2：以竖直方向为基准，根据生理学特征，特征模板中距模板上方，距模板左侧的位置为轴线初始定位点O，右倾斜角为45°；
步骤2.3：将特征模板与骨骼增强冠状图进行多尺度模板匹配，在匹配矩形区域内，以初始定位点O为中心绘制轴线定位矩形框，其中矩形框的短边向右偏离竖直方向45°，两条短边限定了股骨颈轴线的粗略范围；
步骤2.4：返回轴线定位矩形框的四个角顶点实际坐标A1、A2、A3、A4，其中点坐标中的横坐标表示该点在当前横断位CT图像中的列数，纵坐标表示该点所在横断位CT图像的序号。
作为优选，步骤3的具体实现包括以下子步骤：
步骤3.1：基于轴线定位矩形框的四角坐标，以A1为起始点，A2为终止点，根据A1、A2的线坐标，从三维体CT图像数据横断面方位中提取相关二维切面数据；
步骤3.2：根据A1、A2的线坐标，从相关的二维切面数据中提取对应的列数据，拼接后得到A1A2对应的第一层股骨颈横断面；
步骤3.3：基于轴线定位矩形框的四角坐标中A1、A4的坐标变换关系，改变起始和终止点的坐标，重复上述步骤3.1-步骤3.3，得到多层股骨颈横断面，直至得到A4A3对应的最后一层股骨颈横断面。
作为优选，步骤4的具体实现包括以下子步骤：
步骤4.1：对重建的股骨颈横断面序列图像进行二值化；
步骤4.2：利用霍夫圆检测法提取二值化的股骨颈横断面序列图像中的股骨颈圆形轮廓，得到轮廓中心点集。
作为优选，步骤5的具体实现包括以下子步骤：
步骤5.1：将多层股骨颈横断面的股骨颈圆形轮廓中心点映射回原始的三维坐标系中；
步骤5.1：对中心点进行直线拟合，得到股骨颈轴线。
本发明的系统所采用的技术方案是：一种基于三维CT图像的股骨颈轴线自动定位系统，包括以下模块：
第一模块，用于采集三维体CT图像数据并进行预处理，基于三维体CT图像切片分层重建髋部骨骼增强冠状面，获得骨骼增强冠状图；
第二模块，用于基于多尺度模板匹配方法结合生理学特征初步定位股骨颈轴线，提取矩形定位框四角点坐标A1、A2、A3、A4；
第三模块，用于基于股骨颈轴线初步定位结果进行股骨颈横断面的重建；
第四模块，用于基于霍夫圆检测方法提取股骨颈横断面的轮廓及轮廓中心坐标；
第五模块，用于将中心坐标映射回原始三维坐标系，对股骨颈横断面中心点集进行直线拟合，准确定位股骨颈轴线。
本发明的设备所采用的技术方案是：一种基于三维CT图像的股骨颈轴线自动定位设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现所述的基于三维CT图像的股骨颈轴线自动定位方法。
本发明的有益效果是：本发明的基于三维CT图像的股骨颈轴线自动定位方法，在没有人工辅助的情况下重建股骨颈横截面，自动准确定位股骨颈轴线，便于后续针对髋部股骨颈的医学研究和分析。
附图说明
图1为本发明实施例的股骨颈自动定位的流程图；
图2为本发明实施例的多尺度模板匹配的模板；
图3为本发明实施例的股骨颈轴线定位框，其中矩形框短边限定轴线拟合范围，矩形框长边与重构股骨颈断面平行，定位框的中心点为O，四顶点分别为A1、A2、A3、A4；
图4为本发明实施例中获得的右侧骨骼增强冠状图；
图5为本发明实施例中进行右侧股骨颈横断面的结果示意图；
图6为本发明实施例中提取右侧股骨颈横断面的轮廓及轮廓中心坐标示意图；
图7为本发明实施例中准确定位右侧股骨颈轴线示意图；
图8为本发明实施例中获得的左侧骨骼增强冠状图；
图9为本发明实施例中进行左侧股骨颈横断面的结果示意图；
图10为本发明实施例中提取左侧股骨颈横断面的轮廓及轮廓中心坐标示意图；
图11为本发明实施例中准确定位左侧股骨颈轴线示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
髋关节骨折是最具破坏性的骨质疏松性骨折类型，定期检测和评估股骨颈密度是预防髋关节骨折的重要手段，现阶段人工定位股骨颈轴线效率低下，实现自动化准确定位股骨颈轴线面临较大挑战，基于此本发明提出一种基于三维CT图像的股骨颈轴线自动定位方法。
请见图1，本发明提供的一种基于三维CT图像的股骨颈轴线自动定位方法，包括以下步骤：
步骤1：采集三维体CT图像数据并进行预处理，基于三维体CT图像切片分层重建髋部骨骼增强冠状面，获得骨骼增强冠状图；
本实施例中，步骤1的具体实现包括以下子步骤：
步骤1.1：采集DICOM/NIFTI格式的三维体CT图像数据，设置CT扫描起始位置至少包括股骨头，结束位置为股骨小粗隆下方1-2cm；此处的三维体CT图像指的是做髋部CT检查获取的三维体数据；
步骤1.2：调整三维体CT图像数据的窗宽和窗位参数，以便区分骨骼与非骨骼区域；
步骤1.3：根据CT扫描的时间顺序，从三维体CT图像数据横断面方位中依次提取二维切面图像数据，从而获得横断位CT序列图像；
步骤1.4：对横断位CT序列图像进行灰度值统计确定骨骼区域灰度值阈值及床板区域的行灰度值阈值；
步骤1.5：根据床板区域的行灰度值阈值确定床板在横断位CT图像中的位置；
步骤1.6：处理单张横断位CT图像时，根据骨骼区域灰度值阈值提取骨骼部分的有效数据，同时根据床板位置截去CT机床板数据，再投射到一维空间；基于上述处理方法，顺序遍历处理横断位CT序列图像，分层重建出骨骼增强冠状图，获得骨骼增强冠状图。
步骤2：基于多尺度模板匹配方法结合生理学特征初步定位股骨颈轴线，提取矩形定位框四角点坐标A1、A2、A3、A4；
本实施例中，步骤2的具体实现包括以下子步骤：
步骤2.1：以任意骨骼增强冠状图中单侧股骨中股骨头至股骨小粗隆下方1-2cm的区域作为特征模板；请见图2，为本发明实施例的多尺度模板匹配的模板；
步骤2.2：以竖直方向为基准，根据生理学特征，特征模板中距模板上方2/5，距模板左侧1/2的位置为轴线初始定位点O，右倾斜角为45°；
步骤2.3：将特征模板与骨骼增强冠状图进行多尺度模板匹配，在匹配矩形区域内，以初始定位点O为中心绘制长宽比为3：1的轴线定位矩形框，其中矩形框的短边（宽）向右偏离竖直方向45°，两条短边限定了股骨颈轴线的粗略范围；
步骤2.4：返回轴线定位矩形框的四个角顶点实际坐标A1、A2、A3、A4，其中点坐标中的横坐标表示该点在当前横断位CT图像中的列数，纵坐标表示该点所在横断位CT图像的序号。
请见图3，为本发明实施例的股骨颈轴线定位框，其中矩形框短边限定轴线拟合范围，矩形框长边与重构股骨颈断面平行，定位框的中心点为O，四顶点分别为A1、A2、A3、A4。
步骤3：基于股骨颈轴线初步定位结果进行股骨颈横断面的重建；
本实施例中，步骤3的具体实现包括以下子步骤：
步骤3.1：基于轴线定位矩形框的四角坐标，以A1为起始点，A2为终止点，根据A1、A2的线坐标，从三维体CT图像数据横断面方位中提取相关二维切面数据；
步骤3.2：根据A1、A2的线坐标，从相关的二维切面数据中提取对应的列数据，拼接后得到A1A2对应的第一层股骨颈横断面；
步骤3.3：基于轴线定位矩形框的四角坐标中A1、A4的坐标变换关系，改变起始和终止点的坐标，重复上述步骤3.1-步骤3.3，得到多层股骨颈横断面，直至得到A4A3对应的最后一层股骨颈横断面。
上述步骤中提及的A1A2、A4A3均为相应股骨颈横截面在冠状面上的投影。
步骤4：基于霍夫圆检测方法提取股骨颈横断面的轮廓及轮廓中心坐标；
本实施例中，步骤4的具体实现包括以下子步骤：
步骤4.1：对重建的股骨颈横断面序列图像进行二值化；
步骤4.2：利用霍夫圆检测法提取二值化的股骨颈横断面序列图像中的股骨颈圆形轮廓，得到轮廓中心点集。
步骤5：对股骨颈横断面中心点集进行直线拟合，准确定位股骨颈轴线。
本实施例中，步骤5的具体实现包括以下子步骤：
步骤5.1：将多层股骨颈横断面的股骨颈圆形轮廓中心点映射回原始的三维坐标系中；
步骤5.1：对中心点进行直线拟合，得到股骨颈轴线。
以上步骤基于单侧股骨进行操作，通常选择右侧股颈，若右侧股颈存在异常，则分析左侧，具体操作方案为先对匹配模板进行左右镜像，再执行步骤1-步骤5。
下面通过具体实验对本发明做进一步的阐述。
请见图4，为本实验获得右侧骨骼增强冠状图；然后提取矩形定位框四角点坐标A1(112, 230)、A2(154, 272)、A3(148, 278)、A4(106, 236)；接着进行股骨颈横断面的重建，重建结果请见图5；
进一步提取右侧股骨颈横断面的轮廓及轮廓中心坐标；请见图6，以第一层和最后一层为例，提取的轮廓中心坐标是以当前重建横断面为基准坐标系的二维坐标；第一层轮廓中心坐标：B1（21，100），第七层轮廓中心坐标：B2（22，106）。
然后将二维坐标映射回原始三维坐标系，准确定位右侧股骨颈轴线，结果如图7所示：映射回三维坐标后第一层轮廓中心B1（132，250，260），第七层轮廓中心B2（127，256，257）。该右侧股骨颈轴线方程为1.14x+0.44y-z=0。
在实验中，若右侧股颈存在异常，则分析左侧。
请见图8，为本实验获得左侧骨骼增强冠状图；然后提取矩形定位框四角点坐标A1（382，205）、A2（340，247）、A3（346，253）、A4（388，211）。
进一步提取左侧股骨颈横断面的轮廓及轮廓中心坐标，结果请见图9；请见图10，本实验以第一层和最后一层为例，提取的轮廓中心坐标是以当前重建横断面为基准坐标系的二维坐标：第一层轮廓中心坐标：B1（21，88），第七层轮廓中心坐标：B2（21，94）。
将中心坐标映射回原始三维坐标系，对股骨颈横断面中心点集进行直线拟合，准确定位股骨颈轴线，定位结果如图11所示：映射回三维坐标后第一层轮廓中心B1（360，238，267），第七层轮廓中心B2（366，244，273）。该左侧股骨颈轴线方程为0.24x+0.76y-z=0。
本发明的基于三维CT图像的股骨颈轴线自动定位方法，在没有人工辅助的情况下重建股骨颈横截面，自动准确定位股骨颈轴线，便于后续针对髋部股骨颈的医学研究和分析。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
Claims (7)
1.一种基于三维CT图像的股骨颈轴线自动定位方法，其特征在于，包括以下步骤：
步骤1：采集三维体CT图像数据并进行预处理，基于三维体CT图像切片分层重建髋部骨骼增强冠状面，获得骨骼增强冠状图；
步骤2：初步定位股骨颈轴线，提取矩形定位框四角点坐标A1、A2、A3、A4；
步骤2的具体实现包括以下子步骤：
步骤2.1：以任意骨骼增强冠状图中单侧股骨中股骨头至股骨小粗隆下方的区域作为特征模板；
步骤2.2：以竖直方向为基准，根据生理学特征，特征模板中距模板上方，距模板左侧的位置为轴线初始定位点O，右倾斜角为45°；
步骤2.3：将特征模板与骨骼增强冠状图进行多尺度模板匹配，在匹配矩形区域内，以初始定位点O为中心绘制轴线定位矩形框，其中矩形框的短边向右偏离竖直方向45°，两条短边限定了股骨颈轴线的粗略范围；
步骤2.4：返回轴线定位矩形框的四个角顶点实际坐标A1、A2、A3、A4，其中点坐标中的横坐标表示该点在当前横断位CT图像中的列数，纵坐标表示该点所在横断位CT图像的序号；
步骤3：基于股骨颈轴线初步定位结果进行股骨颈横断面的重建；步骤4：提取股骨颈横断面的轮廓及轮廓中心坐标；
步骤5：对股骨颈横断面中心点集进行直线拟合，准确定位股骨颈轴线。
2.根据权利要求1所述的基于三维CT图像的股骨颈轴线自动定位方法，其特征在于，步骤1的具体实现包括以下子步骤：
步骤1.1：采集三维体CT图像数据，设置CT扫描起始位置至少包括股骨头，结束位置为股骨小粗隆下方；
步骤1.2：调整三维体CT图像数据的窗宽和窗位参数，区分骨骼与非骨骼区域；
步骤1.3：根据CT扫描的时间顺序，从三维体CT图像数据横断面方位中依次提取二维切面图像数据，从而获得横断位CT序列图像；
步骤1.4：对横断位CT序列图像进行灰度值统计确定骨骼区域灰度值阈值及床板区域的行灰度值阈值；
步骤1.5：根据床板区域的行灰度值阈值确定床板在横断位CT图像中的位置；
步骤1.6：处理单张横断位CT图像时，根据骨骼区域灰度值阈值提取骨骼部分的有效数据，同时根据床板位置截去CT机床板数据，再投射到一维空间；顺序遍历处理横断位CT序列图像，分层重建出骨骼增强冠状图，获得骨骼增强冠状图。
3.根据权利要求1所述的基于三维CT图像的股骨颈轴线自动定位方法，其特征在于，步骤3的具体实现包括以下子步骤：
步骤3.1：基于轴线定位矩形框的四角坐标，以A1为起始点，A2为终止点，根据A1、A2的线坐标，从三维体CT图像数据横断面方位中提取相关二维切面数据；
步骤3.2：根据A1、A2的线坐标，从相关的二维切面数据中提取对应的列数据，拼接后得到A1A2对应的第一层股骨颈横断面；
步骤3.3：基于轴线定位矩形框的四角坐标中A1、A4的坐标变换关系，改变起始和终止点的坐标，重复上述步骤3.1-步骤3.3，得到多层股骨颈横断面，直至得到A4A3对应的最后一层股骨颈横断面。
4.根据权利要求1所述的基于三维CT图像的股骨颈轴线自动定位方法，其特征在于，步骤4的具体实现包括以下子步骤：
步骤4.1：对重建的股骨颈横断面序列图像进行二值化；
步骤4.2：利用霍夫圆检测法提取二值化的股骨颈横断面序列图像中的股骨颈圆形轮廓，得到轮廓中心点集。
5.根据权利要求1所述的基于三维CT图像的股骨颈轴线自动定位方法，其特征在于，步骤5的具体实现包括以下子步骤：
步骤5.1：将多层股骨颈横断面的股骨颈圆形轮廓中心点映射回原始的三维坐标系中；
步骤5.1：对中心点进行直线拟合，得到股骨颈轴线。
6.一种基于三维CT图像的股骨颈轴线自动定位系统，其特征在于，包括以下模块：
第一模块，用于采集三维体CT图像数据并进行预处理，基于三维体CT图像切片分层重建髋部骨骼增强冠状面，获得骨骼增强冠状图；
第二模块，用于初步定位股骨颈轴线，提取矩形定位框四角点坐标A1、A2、A3、A4；
第二模块包括以下子模块：
子模块2.1，用于以任意骨骼增强冠状图中单侧股骨中股骨头至股骨小粗隆下方的区域作为特征模板；
子模块2.2，用于以竖直方向为基准，根据生理学特征，特征模板中距模板上方，距模板左侧的位置为轴线初始定位点O，右倾斜角为45°；
子模块2.3，用于将特征模板与骨骼增强冠状图进行多尺度模板匹配，在匹配矩形区域内，以初始定位点O为中心绘制轴线定位矩形框，其中矩形框的短边向右偏离竖直方向45°，两条短边限定了股骨颈轴线的粗略范围；
子模块2.4，用于返回轴线定位矩形框的四个角顶点实际坐标A1、A2、A3、A4，其中点坐标中的横坐标表示该点在当前横断位CT图像中的列数，纵坐标表示该点所在横断位CT图像的序号；
第三模块，用于基于股骨颈轴线初步定位结果进行股骨颈横断面的重建；
第四模块，用于提取股骨颈横断面的轮廓及轮廓中心坐标；
第五模块，用于将中心坐标映射回原始三维坐标系，对股骨颈横断面中心点集进行直线拟合，准确定位股骨颈轴线。
7.一种基于三维CT图像的股骨颈轴线自动定位设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的基于三维CT图像的股骨颈轴线自动定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311072255.4A CN116778022B (zh) | 2023-08-24 | 2023-08-24 | 基于三维ct图像的股骨颈轴线自动定位方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311072255.4A CN116778022B (zh) | 2023-08-24 | 2023-08-24 | 基于三维ct图像的股骨颈轴线自动定位方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116778022A CN116778022A (zh) | 2023-09-19 |
| CN116778022B true CN116778022B (zh) | 2023-10-20 |
Family
ID=87989898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311072255.4A Active CN116778022B (zh) | 2023-08-24 | 2023-08-24 | 基于三维ct图像的股骨颈轴线自动定位方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116778022B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117582287B (zh) * | 2024-01-19 | 2024-09-03 | 杭州键嘉医疗科技股份有限公司 | 一种单髁假体自动规划方法、装置及相关设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114271920A (zh) * | 2022-01-05 | 2022-04-05 | 张家港市第一人民医院 | 一种适用于股骨颈系统3d打印组合式导板制备方法 |
| CN114581469A (zh) * | 2022-02-12 | 2022-06-03 | 瓴域影诺(北京)科技有限公司 | 自动提取下肢股骨和胫骨轴线的方法、装置及电子设备 |
| US11622811B1 (en) * | 2020-03-05 | 2023-04-11 | Omnes Medical, Inc. | Hip arthroplasty planning and template design |
| CN116077177A (zh) * | 2022-12-31 | 2023-05-09 | 杭州键嘉医疗科技股份有限公司 | 一种用于全髋置换手术的股骨柄假体自动推荐方法 |
| CN116630400A (zh) * | 2023-05-11 | 2023-08-22 | 邓迎生 | 基于股骨颈轴位安全靶区边界配准的空心钉首准置钉方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2011266700B2 (en) * | 2010-06-16 | 2015-05-21 | A2 Surgical | Method and system of automatic determination of geometric elements characterizing a bone deformation from 3D image |
| US9173716B2 (en) * | 2011-11-08 | 2015-11-03 | Mako Surgical Corporation | Computer-aided planning with dual alpha angles in femoral acetabular impingement surgery |
-
2023
- 2023-08-24 CN CN202311072255.4A patent/CN116778022B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11622811B1 (en) * | 2020-03-05 | 2023-04-11 | Omnes Medical, Inc. | Hip arthroplasty planning and template design |
| CN114271920A (zh) * | 2022-01-05 | 2022-04-05 | 张家港市第一人民医院 | 一种适用于股骨颈系统3d打印组合式导板制备方法 |
| CN114581469A (zh) * | 2022-02-12 | 2022-06-03 | 瓴域影诺(北京)科技有限公司 | 自动提取下肢股骨和胫骨轴线的方法、装置及电子设备 |
| CN116077177A (zh) * | 2022-12-31 | 2023-05-09 | 杭州键嘉医疗科技股份有限公司 | 一种用于全髋置换手术的股骨柄假体自动推荐方法 |
| CN116630400A (zh) * | 2023-05-11 | 2023-08-22 | 邓迎生 | 基于股骨颈轴位安全靶区边界配准的空心钉首准置钉方法 |
Non-Patent Citations (7)
| Title |
|---|
| Kun Liu 等.Accuracy and reproducibility analysis of different reference axes for femoral prosthesis rotation alignment in TKA based on 3D CT femoral model.《SpringerLink》.2023,1-11. * |
| 丁辉 ; 刘文博 ; 王广志 ; .基于CT数据的股骨轴线的获取.医用生物力学.2009,(04),290-294. * |
| 林泳涛 ; 成思源 ; 杨雪荣 ; 张湘伟 ; .个性化股骨颈轴线定位器设计方法及分析.现代制造工程.2018,(05),68-72. * |
| 袁剑锋 ; 朱求亮 ; 史本功 ; .股骨颈内固定螺钉构型的解剖影像分析.解剖学报.2020,(03),420-424. * |
| 赵燕鹏 ; 曹延祥 ; 苏秀云 ; 李志锐 ; 郝明 ; 张巍 ; 陈华 ; 张立海 ; 唐佩福 ; .防止股骨颈骨折空心螺钉切出的计算机辅助定量规划方法.中国数字医学.2018,(07),10-14. * |
| 黄恒.CT图像中髋部假体关键点线定位方法.《中国优秀硕士学位论文全文数据库 医药卫生科技辑》.2023,E076-39. * |
| 龙凡 等.基于颌面部CT图像重建的信息提取研究.《视频应用与工程》.2018,25-28. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116778022A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107622492B (zh) | 肺裂分割方法及系统 | |
| CN110796613B (zh) | 一种图像伪影的自动识别方法及装置 | |
| JP6567179B2 (ja) | 特徴回帰モデルを用いたｍｒデータからの疑似ｃｔ生成 | |
| CN103069455B (zh) | 用于医学图像的鲁棒分割的器官特异的增强滤波器 | |
| US7599539B2 (en) | Anatomic orientation in medical images | |
| CN104254874B (zh) | 用于辅助2d‑3d图像配准的方法及系统 | |
| CN110956635A (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
| CN111047572A (zh) | 一种基于Mask RCNN的医学图像中脊柱自动定位方法 | |
| EP3657433B1 (en) | Medical image data | |
| CN111493918B (zh) | 腰椎ct影像的观测面自动定位方法、应用方法及设备 | |
| CN116778022B (zh) | 基于三维ct图像的股骨颈轴线自动定位方法、系统及设备 | |
| CN112037200A (zh) | 一种医学影像中解剖特征自动识别与模型重建方法 | |
| CN108062749B (zh) | 肛提肌裂孔的识别方法、装置和电子设备 | |
| CN105427311A (zh) | 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品 | |
| CN109360213B (zh) | 一种基于脊柱超声冠状面图像的自动化椎体识别方法 | |
| CN105719278A (zh) | 一种基于统计形变模型的器官辅助定位分割方法 | |
| CN111325754B (zh) | 一种基于ct序列图像的腰椎骨自动定位方法 | |
| CN108257120B (zh) | 一种基于ct图像的三维肝脏包围盒的自动提取方法 | |
| CN101082983A (zh) | 基于感兴趣区域的自适应医学序列图像插值方法 | |
| CN113870098B (zh) | 一种基于脊柱分层重建的Cobb角自动测量方法 | |
| WO2023186133A1 (zh) | 一种用于穿刺路径规划的系统及方法 | |
| WO2023088275A1 (zh) | Roi自动定位方法、装置、手术机器人系统、设备及介质 | |
| JP5296981B2 (ja) | アフィン変換を用いたモダリティ内医療体積画像の自動位置合わせ | |
| DE10255526B4 (de) | Erkennung von Gefässassoziierten Pulmonalknoten durch Volumsprojektionsanalyse | |
| CN110738633A (zh) | 一种机体组织的三维图像处理方法及相关设备 |
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 |