CN117679160A - 创伤骨折复位方法、装置、设备及可读存储介质 - Google Patents
创伤骨折复位方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN117679160A CN117679160A CN202311802211.2A CN202311802211A CN117679160A CN 117679160 A CN117679160 A CN 117679160A CN 202311802211 A CN202311802211 A CN 202311802211A CN 117679160 A CN117679160 A CN 117679160A
- Authority
- CN
- China
- Prior art keywords
- fracture
- data
- hip
- reduction
- loss function
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000009467 reduction Effects 0.000 claims abstract description 69
- 206010017076 Fracture Diseases 0.000 claims abstract description 68
- 210000004394 hip joint Anatomy 0.000 claims abstract description 44
- 206010016454 Femur fracture Diseases 0.000 claims abstract description 42
- 206010049514 Traumatic fracture Diseases 0.000 claims abstract description 25
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 208000010392 Bone Fractures Diseases 0.000 claims description 63
- 230000006870 function Effects 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 29
- 208000008924 Femoral Fractures Diseases 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 210000002414 leg Anatomy 0.000 claims description 11
- 210000001624 hip Anatomy 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 8
- 210000000988 bone and bone Anatomy 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 4
- 210000004197 pelvis Anatomy 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 4
- 208000014674 injury Diseases 0.000 claims description 3
- 230000008733 trauma Effects 0.000 claims description 3
- 210000000689 upper leg Anatomy 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 208000027418 Wounds and injury Diseases 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000006670 Multiple fractures Diseases 0.000 description 1
- 206010068829 Overconfidence Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Prostheses (AREA)
Abstract
本申请提供了一种创伤骨折复位方法、装置、设备及计算机可读存储介质。该创伤骨折复位方法，包括：获取髋关节股骨骨折CT数据；对髋关节股骨骨折CT数据进行格式转换；将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。根据本申请实施例，能够又快又准地进行骨折复位。
Description
技术领域
本申请属于人工智能深度学习技术领域，尤其涉及一种创伤骨折复位方法、装置、设备及计算机可读存储介质。
背景技术
目前，相关技术中对创伤骨折复位，主要靠医生依据自身经验进行骨折复位，导致骨折复位效率和准确率低下。
因此，如何又快又准地进行骨折复位是本领域技术人员亟需解决的技术问题。
发明内容
本申请实施例提供一种创伤骨折复位方法、装置、设备及计算机可读存储介质，能够又快又准地进行骨折复位。
第一方面，本申请实施例提供一种创伤骨折复位方法，包括：
获取髋关节股骨骨折CT数据；
对髋关节股骨骨折CT数据进行格式转换；
将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。
可选的，对髋关节股骨骨折CT数据进行格式转换，包括：
将髋关节股骨骨折CT数据的DICOM格式转换成NII格式。
可选的，在模型训练之前，还包括：
将格式转换后的髋关节股骨骨折CT数据划分成训练集、测试集和验证集；
将训练集和验证集输入到网路中进行模型训练。
可选的，将训练集和验证集输入到网路中进行模型训练，包括：
对输入的髋关节CT图像使用3D图像分割网络，分割骨盆、股骨骨折部位、股骨部位；
将对侧健康腿进行空间位置镜像，镜像后的位置，即为骨折腿、骨折部位需要移动的空间目标；
将骨折腿分割得到骨折区域数据，输入到髋关节股骨骨折复位网络训练，输出骨折部位每一部分骨骼移动的空间矩阵；
通过该空间矩阵将骨折部位骨骼移动到正确位置，完成骨折骨骼复位。
可选的，髋关节股骨骨折复位网络包括：
多个分支，对应于多个骨折部位，每个分支结构中主要采用Resnest网络结构，用于提取特征，并将每一个分支结果经过全连接层合并后输出。
可选的，Resnest网络包括两个Slip Attention结构；
对每一个特征图小组进行3x3和1x1的卷积操作，得到2个特征图后进行Split-Attention操作；
将2个特征图按对应元素相加汇聚成一个特征图小组，此后在其上施加全局平均池化，得到特征向量；
然后经过BN+ReLU的操作以及后续的Softmax操作，对channel权重向量进行修正；
然后与原始的特征图相乘后对应元素相加得到此基数组的输出。
可选的，还包括：
确定交叉熵损失函数及其对应的权重；
确定Focal Loss损失函数及其对应的权重；
基于交叉熵损失函数、Focal Loss损失函数，及其两者各自对应的权重，计算整体损失函数。
第二方面，本申请实施例提供了一种创伤骨折复位装置，装置包括：
数据获取模块，用于获取髋关节股骨骨折CT数据；
格式转换模块，用于对髋关节股骨骨折CT数据进行格式转换；
骨折复位模块，用于将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。
第三方面，本申请实施例提供了一种电子设备，电子设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现创伤骨折复位方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现创伤骨折复位方法。
本申请实施例的创伤骨折复位方法、装置、设备及计算机可读存储介质，能够又快又准地进行骨折复位。
该创伤骨折复位方法，包括：获取髋关节股骨骨折CT数据；对髋关节股骨骨折CT数据进行格式转换；将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，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是本申请一个实施例提供的创伤骨折复位方法的流程示意图；
图2是本申请一个实施例提供的创伤骨折复位方法的流程示意图；
图3是本申请一个实施例提供的髋关节股骨骨折复位网络的结构示意图；
图4是本申请一个实施例提供的Resnest网络的结构示意图；
图5是本申请一个实施例提供的创伤骨折复位装置的结构示意图；
图6是本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了解决现有技术问题，本申请实施例提供了一种创伤骨折复位方法、装置、设备及计算机可读存储介质。下面首先对本申请实施例所提供的创伤骨折复位方法进行介绍。
图1示出了本申请一个实施例提供的创伤骨折复位方法的流程示意图。如图1所示，该创伤骨折复位方法，包括：
S101、获取髋关节股骨骨折CT数据；
S102、对髋关节股骨骨折CT数据进行格式转换；
S103、将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。
在一个实施例中，对髋关节股骨骨折CT数据进行格式转换，包括：
将髋关节股骨骨折CT数据的DICOM格式转换成NII格式。
在一个实施例中，在模型训练之前，还包括：
将格式转换后的髋关节股骨骨折CT数据划分成训练集、测试集和验证集；
将训练集和验证集输入到网路中进行模型训练。
具体的，获取髋关节股骨骨折分割后数据，对CT数据进行标注，得到对应标签，制作训练数据集。对训练数据集进行打乱顺序后按照6:2:2的比例划分为训练集、验证集、测试集。
输入髋关节股骨骨折CT数据，进行格式转换，将DICOM数据转换成NII格式数据，并将转换后的数据集划分成训练集、测试集和验证集。并将训练集和验证集输入到网路中进行模型训练。
在一个实施例中，将训练集和验证集输入到网路中进行模型训练，包括：
对输入的髋关节CT图像使用3D图像分割网络，分割骨盆、股骨骨折部位、股骨部位；
将对侧健康腿进行空间位置镜像，镜像后的位置，即为骨折腿、骨折部位需要移动的空间目标；
将骨折腿分割得到骨折区域数据，输入到髋关节股骨骨折复位网络训练，输出骨折部位每一部分骨骼移动的空间矩阵；
通过该空间矩阵将骨折部位骨骼移动到正确位置，完成骨折骨骼复位。
具体的，图2是本申请一个实施例提供的创伤骨折复位方法的流程示意图，如图2所示，对输入的髋关节CT图像使用3D图像分割网络，分割骨盆，股骨骨折部位，股骨部位，将对侧健康腿进行空间位置镜像，镜像后的位置，即为骨折腿、骨折部位需要移动的空间目标，将骨折腿分割得到骨折区域数据输入到骨折复位网络训练，输出骨折部位每一部分骨骼移动的空间矩阵，通过该空间矩阵将骨折部位骨骼移动到正确位置，完成骨折骨骼复位。
在一个实施例中，髋关节股骨骨折复位网络包括：
多个分支，对应于多个骨折部位，每个分支结构中主要采用Resnest网络结构，用于提取特征，并将每一个分支结果经过全连接层合并后输出。
具体的，图3是本申请一个实施例提供的髋关节股骨骨折复位网络的结构示意图，如图3所示，髋关节股骨骨折复位网络，输入股骨骨折各部位数据，该网络可以设计多个分支，可支持多个骨折部位，即每一个骨折部位对应一个分支，每一个分支结构中主要采用Resnest结构，用于提取特征，并将每一个分支结果经过全连接层合并，输出部位，有几个部位输入既有几个部位输出，输出结果即为三维空间矩阵。
在一个实施例中，Resnest网络包括两个Slip Attention结构；
对每一个特征图小组进行3x3和1x1的卷积操作，得到2个特征图后进行Split-Attention操作；
将2个特征图按对应元素相加汇聚成一个特征图小组，此后在其上施加全局平均池化，得到特征向量；
然后经过BN+ReLU的操作以及后续的Softmax操作，对channel权重向量进行修正；
然后与原始的特征图相乘后对应元素相加得到此基数组的输出。
具体的，Resnest主要贡献是设计了一个Split-Attention模块，可以实现跨通道注意力。通过以ResNet样式堆叠Split-Attention块，获得了一个ResNet的变体。ResNest网络保留了完整的ResNet结构，可以直接用下游任务，而不会引起额外的计算成本。
图4表示为实例化的Split-Attention Block，这里设计使用两个Slip Attention结构，对每一个特征图小组进行3x3和1x1的卷积操作，得到2个特征图小组后进行Split-Attention操作。将2个特征图按对应元素相加汇聚成一个特征图小组，此后在其上施加全局平均池化，得到特征向量。其后经过BN+ReLU的操作以及后续的Softmax操作，对channel权重向量进行修正，然后与原始的特征图相乘后对应元素相加得到此基数组的输出。
ResNeSt将通道维度的注意力机制扩展到特征图组表示，可以使用统一的CNN操作符进行模块化和加速。它可以跨特征图组实现信息交互。
在一个实施例中，还包括：
确定交叉熵损失函数及其对应的权重；
确定Focal Loss损失函数及其对应的权重；
基于交叉熵损失函数、Focal Loss损失函数，及其两者各自对应的权重，计算整体损失函数。
具体的，损失函数设计：
交叉熵损失函数：
其中K是类别总数，pi是第i个类别的真实概率，qi是网络对第i个类别的预测概率。
小常数ε>0。这减轻了网络过度自信和过拟合。
为了平衡样本分布不均匀，这里使用Focal Loss损失函数：
其中，y表示标签，p表示预测成正样本的概率。γ＝2，表示超参数，用于平衡样本分布不均匀。
最终损失函数为：
Loss＝aL1+(1-a)FL
其中，a表示权重，这里设置a＝0.5。
创伤骨折复位：
股骨骨折复位网络输出每一部位的旋转矩阵表示为：
其中，θ表示旋转角度，每一骨折部位分割结果设置为A，则复位后的位置可以表示为A’：
A'＝A×M
通过髋关节股骨骨折复位网络输出的每一个骨折部位的空间旋转矩阵实现骨折部位复位。
图5是本申请一个实施例提供的创伤骨折复位装置的结构示意图，该创伤骨折复位装置，包括：
数据获取模块501，用于获取髋关节股骨骨折CT数据；
格式转换模块502，用于对髋关节股骨骨折CT数据进行格式转换；
骨折复位模块503，用于将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。
图6示出了本申请实施例提供的电子设备的结构示意图。
电子设备可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地，上述处理器601可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器602可在电子设备的内部或外部。在特定实施例中，存储器602可以是非易失性固态存储器。
在一个实施例中，存储器602可以是只读存储器(Read Only Memory，ROM)。在一个实施例中，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现上述实施例中的任意一种创伤骨折复位方法。
在一个示例中，电子设备还可包括通信接口603和总线610。其中，如图6所示，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
通信接口603，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线610可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
另外，结合上述实施例中的创伤骨折复位方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种创伤骨折复位方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种创伤骨折复位方法，其特征在于，包括：
获取髋关节股骨骨折CT数据；
对髋关节股骨骨折CT数据进行格式转换；
将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。
2.根据权利要求1所述的创伤骨折复位方法，其特征在于，对髋关节股骨骨折CT数据进行格式转换，包括：
将髋关节股骨骨折CT数据的DICOM格式转换成NII格式。
3.根据权利要求2所述的创伤骨折复位方法，其特征在于，在模型训练之前，还包括：
将格式转换后的髋关节股骨骨折CT数据划分成训练集、测试集和验证集；
将训练集和验证集输入到网路中进行模型训练。
4.根据权利要求3所述的创伤骨折复位方法，其特征在于，将训练集和验证集输入到网路中进行模型训练，包括：
对输入的髋关节CT图像使用3D图像分割网络，分割骨盆、股骨骨折部位、股骨部位；
将对侧健康腿进行空间位置镜像，镜像后的位置，即为骨折腿、骨折部位需要移动的空间目标；
将骨折腿分割得到骨折区域数据，输入到髋关节股骨骨折复位网络训练，输出骨折部位每一部分骨骼移动的空间矩阵；
通过该空间矩阵将骨折部位骨骼移动到正确位置，完成骨折骨骼复位。
5.根据权利要求4所述的创伤骨折复位方法，其特征在于，髋关节股骨骨折复位网络包括：
多个分支，对应于多个骨折部位，每个分支结构中主要采用Resnest网络结构，用于提取特征，并将每一个分支结果经过全连接层合并后输出。
6.根据权利要求5所述的创伤骨折复位方法，其特征在于，Resnest网络包括两个SlipAttention结构；
对每一个特征图小组进行3x3和1x1的卷积操作，得到2个特征图后进行Split-Attention操作；
将2个特征图按对应元素相加汇聚成一个特征图小组，此后在其上施加全局平均池化，得到特征向量；
然后经过BN+ReLU的操作以及后续的Softmax操作，对channel权重向量进行修正；
然后与原始的特征图相乘后对应元素相加得到此基数组的输出。
7.根据权利要求6所述的创伤骨折复位方法，其特征在于，还包括：
确定交叉熵损失函数及其对应的权重；
确定FocalLoss损失函数及其对应的权重；
基于交叉熵损失函数、Focal Loss损失函数，及其两者各自对应的权重，计算整体损失函数。
8.一种创伤骨折复位装置，其特征在于，所述装置包括：
数据获取模块，用于获取髋关节股骨骨折CT数据；
格式转换模块，用于对髋关节股骨骨折CT数据进行格式转换；
骨折复位模块，用于将格式转换后的髋关节股骨骨折CT数据，输入到预设的髋关节股骨骨折复位网络模型中，输出每一骨折部位移动矩阵，以用于骨折复位。
9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的创伤骨折复位方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的创伤骨折复位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311802211.2A CN117679160B (zh) | 2023-12-26 | 创伤骨折复位方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311802211.2A CN117679160B (zh) | 2023-12-26 | 创伤骨折复位方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117679160A true CN117679160A (zh) | 2024-03-12 |
| CN117679160B CN117679160B (zh) | 2024-06-11 |
Family
ID=
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030004518A1 (en) * | 1999-11-15 | 2003-01-02 | Stephan Perren | Method and device for the determination of reduction parameters for the subsequent reduction of a fractured bone |
| US20060241388A1 (en) * | 2005-01-18 | 2006-10-26 | Stephane Lavallee | Method and system of computer assistance for the reduction of a fracture |
| US20110082367A1 (en) * | 2009-08-07 | 2011-04-07 | Luca Regazzoni | Method and apparatus for reducing malalignment of fractured bone fragments |
| CN110544245A (zh) * | 2019-08-30 | 2019-12-06 | 北京推想科技有限公司 | 图像处理方法、装置、计算机可读存储介质及电子设备 |
| CN112116004A (zh) * | 2020-09-18 | 2020-12-22 | 推想医疗科技股份有限公司 | 病灶分类方法及装置、病灶分类模型的训练方法 |
| CN112435341A (zh) * | 2020-11-23 | 2021-03-02 | 推想医疗科技股份有限公司 | 三维重建网络的训练方法及装置、三维重建方法及装置 |
| US20210366118A1 (en) * | 2020-05-20 | 2021-11-25 | DePuy Synthes Products, Inc. | Intraoperative imaging and virtual modeling methods, systems, and instrumentalities for fracture reduction |
| WO2022139246A1 (ko) * | 2020-12-22 | 2022-06-30 | 가천대학교 산학협력단 | 골절 검출 방법 및 이를 이용한 디바이스 |
| US20220265233A1 (en) * | 2018-09-12 | 2022-08-25 | Orthogrid Systems Inc. | Artificial Intelligence Intra-Operative Surgical Guidance System and Method of Use |
| CN116958703A (zh) * | 2023-08-02 | 2023-10-27 | 德智鸿(上海)机器人有限责任公司 | 一种基于髋臼骨折的识别方法、装置 |
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030004518A1 (en) * | 1999-11-15 | 2003-01-02 | Stephan Perren | Method and device for the determination of reduction parameters for the subsequent reduction of a fractured bone |
| US20060241388A1 (en) * | 2005-01-18 | 2006-10-26 | Stephane Lavallee | Method and system of computer assistance for the reduction of a fracture |
| US20110082367A1 (en) * | 2009-08-07 | 2011-04-07 | Luca Regazzoni | Method and apparatus for reducing malalignment of fractured bone fragments |
| US20220265233A1 (en) * | 2018-09-12 | 2022-08-25 | Orthogrid Systems Inc. | Artificial Intelligence Intra-Operative Surgical Guidance System and Method of Use |
| CN110544245A (zh) * | 2019-08-30 | 2019-12-06 | 北京推想科技有限公司 | 图像处理方法、装置、计算机可读存储介质及电子设备 |
| US20210366118A1 (en) * | 2020-05-20 | 2021-11-25 | DePuy Synthes Products, Inc. | Intraoperative imaging and virtual modeling methods, systems, and instrumentalities for fracture reduction |
| CN112116004A (zh) * | 2020-09-18 | 2020-12-22 | 推想医疗科技股份有限公司 | 病灶分类方法及装置、病灶分类模型的训练方法 |
| CN112435341A (zh) * | 2020-11-23 | 2021-03-02 | 推想医疗科技股份有限公司 | 三维重建网络的训练方法及装置、三维重建方法及装置 |
| WO2022139246A1 (ko) * | 2020-12-22 | 2022-06-30 | 가천대학교 산학협력단 | 골절 검출 방법 및 이를 이용한 디바이스 |
| CN116958703A (zh) * | 2023-08-02 | 2023-10-27 | 德智鸿(上海)机器人有限责任公司 | 一种基于髋臼骨折的识别方法、装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110598714B (zh) | 一种软骨图像分割方法、装置、可读存储介质及终端设备 | |
| CN111291825A (zh) | 病灶分类模型训练方法、装置、计算机设备和存储介质 | |
| CN113689402A (zh) | 基于深度学习的股骨髓腔形态识别方法、装置及存储介质 | |
| CN113706463B (zh) | 基于深度学习的关节影像关键点自动检测方法、装置 | |
| CN111311485B (zh) | 图像处理方法及相关装置 | |
| CN116747016A (zh) | 智能手术机器人导航定位系统及方法 | |
| CN116019548A (zh) | 一种基于x光影像的膝关节置换手术规划方法、装置、设备及存储介质 | |
| CN114612902A (zh) | 图像语义分割方法、装置、设备、存储介质及程序产品 | |
| CN116543221A (zh) | 关节病变智能检测方法、装置、设备及可读存储介质 | |
| CN117679160B (zh) | 创伤骨折复位方法、装置、设备及可读存储介质 | |
| CN116959307A (zh) | 一种基于虚拟现实的髋关节镜手术辅助教学系统 | |
| CN116704549A (zh) | 三维空间关键点的位置检测方法、装置、设备及存储介质 | |
| US20130121558A1 (en) | Point Selection in Bundle Adjustment | |
| CN117679160A (zh) | 创伤骨折复位方法、装置、设备及可读存储介质 | |
| CN111478742B (zh) | 一种sm4算法的分析方法、系统以及设备 | |
| CN116363150A (zh) | 髋关节分割方法、装置、电子设备及计算机可读存储介质 | |
| CN112861934A (zh) | 一种嵌入式终端的图像分类方法、装置及嵌入式终端 | |
| CN116152197A (zh) | 膝关节分割方法、装置、电子设备及计算机可读存储介质 | |
| CN115131301B (zh) | 基于深度学习的智能识别骨关节炎的方法及系统 | |
| CN111104965A (zh) | 车辆目标识别的方法及装置 | |
| CN116503608A (zh) | 基于人工智能的数据蒸馏方法及相关设备 | |
| CN116898574B (zh) | 人工智能膝关节韧带重建术的术前规划方法、系统及设备 | |
| CN113888751A (zh) | 一种关节关键点的识别方法、装置及计算机设备 | |
| CN113139617A (zh) | 一种输电线路自主定位方法、装置及终端设备 | |
| CN116563314A (zh) | 腰椎分割方法、装置、电子设备及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |