CN117796905A - 脊柱手术辅助系统和辅助设备 - Google Patents

脊柱手术辅助系统和辅助设备 Download PDF

Info

Publication number
CN117796905A
CN117796905A CN202311748261.7A CN202311748261A CN117796905A CN 117796905 A CN117796905 A CN 117796905A CN 202311748261 A CN202311748261 A CN 202311748261A CN 117796905 A CN117796905 A CN 117796905A
Authority
CN
China
Prior art keywords
spine
point cloud
ultrasonic
clustering
ultrasonic point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311748261.7A
Other languages
English (en)
Other versions
CN117796905B (zh
Inventor
孟李艾俐
李昂
练振宏
周伟锋
赵亚兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bone Shengyuanhua Robot Shenzhen Co ltd
Original Assignee
Bone Shengyuanhua Robot Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bone Shengyuanhua Robot Shenzhen Co ltd filed Critical Bone Shengyuanhua Robot Shenzhen Co ltd
Priority to CN202311748261.7A priority Critical patent/CN117796905B/zh
Publication of CN117796905A publication Critical patent/CN117796905A/zh
Application granted granted Critical
Publication of CN117796905B publication Critical patent/CN117796905B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B34/20—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
    • 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
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • 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
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • 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
    • A61B2034/2063—Acoustic tracking systems, e.g. using ultrasound
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Software Systems (AREA)
  • Robotics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Urology & Nephrology (AREA)
  • Vascular Medicine (AREA)
  • Primary Health Care (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本申请实施例适用于医疗技术领域，提供了一种脊柱手术辅助系统和辅助设备，该脊柱手术辅助系统包括扫描单元、分析单元和聚类单元。其中，扫描单元用于对术中病人的脊柱进行超声扫描，得到脊柱的超声点云；分析单元用于对超声点云进行主成分分析，确定超声点云的主方向；聚类单元用于根据主方向，对超声点云进行聚类，得到可以表示脊柱中分割出的每个骨块的聚类结果，从而引导医生对脊柱进行手术操作。采用上述脊柱手术辅助系统可以在脊柱手术中应用超声成像技术进行图像引导，并通过引入主成分分析和方向约束对超声点云数据进行聚类，提高了聚类的准确性和稳定性，使得聚类结果更符合人体解剖学上的限制，有助于更好地实现脊柱手术辅助的目的。

Description

脊柱手术辅助系统和辅助设备
技术领域
本申请实施例属于医疗技术领域，特别是涉及一种脊柱手术辅助系统和辅助设备。
背景技术
脊柱手术需要在病人脊柱的特定位置进行，手术过程中需要尽可能避免对脊柱周围组织和神经造成损伤。因此，准确地确定椎骨的位置和方向对于手术的顺利实施至关重要。传统的脊柱手术通常使用X射线或电子计算机断层扫描(computed tomography，CT)进行图像引导，辅助用于确定椎骨的位置和方向。但是，使用X射线或CT扫描需要暴露病人和医生于辐射中，也无法对手术过程进行实时跟踪。此外，在使用X射线或CT扫描进行图像引导时，需要在手术区域周围进行标记和定位，增大了手术难度和风险。
发明内容
有鉴于此，本申请实施例提供了一种脊柱手术辅助系统和辅助设备，可以在脊柱手术中应用超声成像技术进行图像引导，并通过引入主成分分析和方向约束对超声点云数据进行聚类，提高聚类的准确性和稳定性，使得聚类结果更符合人体解剖学上的限制，有助于更好地实现脊柱手术辅助的目的。
本申请实施例的第一方面提供了一种脊柱手术辅助系统，包括：
扫描单元，用于对术中病人的脊柱进行超声扫描，得到所述脊柱的超声点云；
分析单元，用于对所述超声点云进行主成分分析，确定所述超声点云的主方向，所述主方向用于指示所述病人脊柱的方向；
聚类单元，用于根据所述主方向，对所述超声点云进行聚类，得到聚类结果，所述聚类结果表示所述脊柱中分割出的每个骨块，分割出的所述骨块用于引导医生对所述脊柱进行手术操作。
可选地，所述聚类单元，具体用于：
以所述主方向为约束条件，对所述超声点云进行无监督聚类，得到聚类结果。
可选地，所述以所述主方向为约束条件，对所述超声点云进行无监督聚类，得到聚类结果，包括：
沿所述主方向将所述超声点云划分为k个部分，并在每个部分的超声点云中随机抽取一个点作为所在部分的超声点云的质心，所述k个部分共有k个质心，k为聚类的簇的数量，所述k个部分与k个簇一一对应；
分别计算所述超声点云中各个点与所述k个质心之间的距离，将与每个质心的距离最小的点确定为所述质心所在簇的成员；
通过迭代更新所述k个簇的质心，将所述超声点云中的每个点确定为一个簇的成员，所述k个簇分别表示所述脊柱中分割出的k个骨块，任一簇的质心为一个骨块的质心。
可选地，所述通过迭代更新所述k个簇的质心，将所述超声点云中的每个点确定为一个簇的成员，包括：
重新计算每个簇的质心；
计算所述超声点云中每个点与重新计算得到的k个质心之间的距离，根据所述距离确定误差值；
当所述误差值小于预设的误差阈值或迭代次数达到预设的最大迭代次数时，将当前得到的k个簇作为k个骨块；否则，返回执行分别计算所述超声点云中各个点与所述k个质心之间的距离，将与每个质心的距离最小的点确定为所述质心所在簇的成员的步骤。
可选地，所述扫描单元，具体用于：
对所述脊柱进行超声扫描，获得所述脊柱的多张超声图像；
确定每张所述超声图像中所述脊柱的位姿信息；
根据所述位姿信息对所述脊柱进行三维重建，得到所述脊柱的超声点云。
可选地，所述根据所述位姿信息对所述脊柱进行三维重建，得到所述脊柱的超声点云，包括：
根据所述位姿信息将多张所述超声图像堆叠为体数据，得到所述脊柱的骨面图像；
基于所述脊柱的所述骨面图像，采用三维重建的方式建立所述脊柱的超声点云。
可选地，所述分析单元，具体用于：
计算所述超声点云的协方差矩阵；
对所述协方差矩阵进行奇异值分解，得到所述超声点云中的主方向。
可选地，所述脊柱手术辅助系统还包括：
滤波单元，用于采用至少一种滤波方式对所述超声点云进行滤波，去除所述超声点云中的噪声，所述至少一种滤波方式包括半径滤波、统计滤波或体素滤波。
本申请实施例的第二方面提供了一种脊柱手术辅助方法，包括：
对术中病人的脊柱进行超声扫描，得到所述脊柱的超声点云；
对所述超声点云进行主成分分析，确定所述超声点云的主方向，所述主方向用于指示所述病人脊柱的方向；
根据所述主方向，对所述超声点云进行聚类，得到聚类结果，所述聚类结果表示所述脊柱中分割出的每个骨块，分割出的所述骨块用于引导医生对所述脊柱进行手术操作。
可选地，所述根据所述主方向，对所述超声点云进行聚类，得到聚类结果，包括：
以所述主方向为约束条件，对所述超声点云进行无监督聚类，得到聚类结果。
可选地，所述以所述主方向为约束条件，对所述超声点云进行无监督聚类，得到聚类结果，包括：
沿所述主方向将所述超声点云划分为k个部分，并在每个部分的超声点云中随机抽取一个点作为所在部分的超声点云的质心，所述k个部分共有k个质心，k为聚类的簇的数量，所述k个部分与k个簇一一对应；
分别计算所述超声点云中各个点与所述k个质心之间的距离，将与每个质心的距离最小的点确定为所述质心所在簇的成员；
通过迭代更新所述k个簇的质心，将所述超声点云中的每个点确定为一个簇的成员，所述k个簇分别表示所述脊柱中分割出的k个骨块，任一簇的质心为一个骨块的质心。
可选地，所述通过迭代更新所述k个簇的质心，将所述超声点云中的每个点确定为一个簇的成员，包括：
重新计算每个簇的质心；
计算所述超声点云中每个点与重新计算得到的k个质心之间的距离，根据所述距离确定误差值；
当所述误差值小于预设的误差阈值或迭代次数达到预设的最大迭代次数时，将当前得到的k个簇作为k个骨块；否则，返回执行分别计算所述超声点云中各个点与所述k个质心之间的距离，将与每个质心的距离最小的点确定为所述质心所在簇的成员的步骤。
可选地，所述对术中病人的脊柱进行超声扫描，得到所述脊柱的超声点云，包括：
对所述脊柱进行超声扫描，获得所述脊柱的多张超声图像；
确定每张所述超声图像中所述脊柱的位姿信息；
根据所述位姿信息对所述脊柱进行三维重建，得到所述脊柱的超声点云。
可选地，所述根据所述位姿信息对所述脊柱进行三维重建，得到所述脊柱的超声点云，包括：
根据所述位姿信息将多张所述超声图像堆叠为体数据，得到所述脊柱的骨面图像；
基于所述脊柱的所述骨面图像，采用三维重建的方式建立所述脊柱的超声点云。
可选地，所述对所述超声点云进行主成分分析，确定所述超声点云的主方向，包括：
计算所述超声点云的协方差矩阵；
对所述协方差矩阵进行奇异值分解，得到所述超声点云中的主方向。
可选地，所述方法还包括：
采用至少一种滤波方式对所述超声点云进行滤波，去除所述超声点云中的噪声，所述至少一种滤波方式包括半径滤波、统计滤波或体素滤波。
本申请实施例的第三方面提供了一种脊柱手术辅助设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第二方面任一项所述的脊柱手术辅助方法。
本申请实施例的第四方面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存储有计算机程序，所述计算机程序被处理器执行时实现如上述第二方面任一项所述的脊柱手术辅助方法。
本申请实施例的第五方面提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行上述第二方面任一项所述的脊柱手术辅助方法。
与现有技术相比，应用本申请实施例提供的脊柱手术辅助系统辅助进行脊柱手术，可以具有以下有益效果：
1.本申请实施例提高了聚类的准确性和稳定性。传统的聚类算法在处理超声点云数据时容易出现误差和不稳定的问题，而本申请实施例利用主成分分析方法和带方向约束的聚类技术，能够更好地解决这些问题，提高了聚类的准确性和稳定性，从而提高了脊柱手术辅助的效果。
2.本申请实施例的聚类结果符合解剖学上的限制。本申请实施例中的脊柱手术辅助系统采用了带方向约束的聚类技术，能够使得聚类结果更符合解剖学上的限制，即骨块之间不能重合，这对于脊柱手术辅助的操作非常重要。
3.应用本申请实施例辅助进行脊柱手术可以实现椎骨分类。应用本申请实施例提供的脊柱手术辅助系统能够将超声点云数据中的不同椎骨区分开，使得医生可以更方便地对每个椎骨进行单独的分析和处理，这对于脊柱手术的准确性和精度有着重要的意义，可以更好地帮助医生进行手术规划和操作。
4.应用本申请实施例辅助进行脊柱手术提高了手术辅助的效率。本申请实施例提供的脊柱手术辅助系统能够提高脊柱手术的辅助效果，从而减少手术风险，缩短手术时间，提高了手术的成功率。
5.应用本申请实施例提供的脊柱手术辅助系统可以降低手术成本。相较于传统的手术辅助技术，本申请实施例提供的脊柱手术辅助系统采用了超声点云数据，无需使用昂贵的设备，可以降低手术成本，减轻医疗资源的压力。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种脊柱手术辅助系统的示意图；
图2是本申请实施例提供的另一种脊柱手术辅助系统的示意图；
图3是本申请实施例提供的一种脊柱手术辅助流程的示意图；
图4是本申请实施例提供的一种脊柱手术辅助方法的示意图；
图5是本申请实施例提供的一种脊柱手术辅助方法中S401的一种实现方式的示意图；
图6是本申请实施例提供的一种脊柱手术辅助方法中S403的一种实现方式的示意图；
图7是本申请实施例提供的一种脊柱手术辅助设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
如背景技术中所介绍的，在脊柱手术中，确定椎骨的位置和方向是非常关键的。现有技术中通常使用X射线或CT扫描来进行图像引导，从而用于辅助确定椎骨的位置和方向。基于X射线或CT扫描的成像技术具有较高的分辨率和精度，能够提供详细的解剖结构信息，帮助医生确定手术位置和方向，对脊柱手术导航可以起到很好的辅助作用。但这样的手术辅助方式需要将病人和医生暴露在X光的辐射中，对病人和医生的身体健康具有不利影响。在手术过程中，也无法持续地使用X射线或CT扫描来进行图像引导，不能对手术进程进行实时地跟踪。此外，使用X射线或CT扫描进行图像引导，需要在手术区域也即脊柱部位的周围进行标记和定位，增大了手术的难度和风险。
相较于X射线或CT扫描，超声成像技术是一种无辐射、实时性强、成本低廉的医学成像技术，在医疗领域获得了广泛的应用。但是，由于人体脊柱结构的复杂性以及超声成像的局限性，例如超声成像技术受其成像深度、分辨率和容易受到骨组织的影响，无法提供高精度的三维结构信息，通常需要进行二次加工和处理，使得超声成像技术在脊柱手术中的应用迟迟未有显著进展。
现有技术中，一些研究者对利用超声成像技术进行脊柱手术辅助进行了探索。其中，常用的方法是使用B超或者超声CT等成像设备获取脊柱部位的二维或三维图像，并通过图像处理算法提取出感兴趣的区域，实现手术导航。但是，这些方法受到超声成像的局限性，例如超声成像无法穿透骨组织，难以对深层结构进行成像等限制，造成了对脊柱手术导航的限制。此外，已有研究者还通过分割、配准等算法对超声成像进行预处理，希望借此获得更精确、详细的解剖结构信息。然而这些算法在实际应用中均存在一定的误差和不稳定性，需要进一步完善，无法直接、广泛地应用于脊柱手术辅助过程中。
针对现有技术的局限性及缺陷，本申请实施例提供了一种脊柱手术辅助系统和辅助设备，通过使用超声成像技术来获取病人脊柱部位的图像并将其转化为超声点云，然后对超声点云进行方向约束的聚类，从而实现对椎骨位置和方向的准确定位。应用本申请实施例提供的手术辅助系统和辅助设备，可以避免将病人和医生暴露于辐射中，并能够实时跟踪手术过程中的椎骨位置和方向的变化，有助于提高脊柱手术的安全性和准确性。本申请实施例基于超声成像技术在脊柱手术中的应用需求，通过创新地使用带方向约束的点云聚类，可以解决现有技术中存在的问题，提高超声成像技术在脊柱手术中的应用价值，实现更加准确和稳定的脊柱手术辅助。
下面通过具体实施例来说明本申请的技术方案。
参照图1，示出了本申请实施例提供的一种脊柱手术辅助系统的示意图，该系统具体可以包括扫描单元101，分析单元102和聚类单元103。其中：
扫描单元101，用于对术中病人的脊柱进行超声扫描，得到病人脊柱的超声点云。
分析单元102，用于对扫描得到的超声点云进行主成分分析，确定超声点云的主方向，该主方向可以用于指示病人脊柱的方向。
聚类单元103，用于根据分析单元102确定出的主方向，对超声点云进行聚类，得到聚类结果。该聚类结果可以包括多个簇，每个簇可以分别表示从病人脊柱中分割出的每个骨块，这些分割出的骨块可以用于引导医生对脊柱部位进行手术操作。
下面，针对图1所示的脊柱手术辅助系统所包含的各个单元，分别进行介绍。
在本申请实施例中，扫描单元可以用于实现对病人脊柱的超声扫描，得到脊柱部位的超声点云。具体地，在手术过程中可以使用超声机获取脊柱图像。也即，可以使用超声机对脊柱进行超声扫描，获得脊柱的多张超声图像。每张超声图像均可以是二维图像，上述超声机可以是脊柱手术辅助系统中扫描单元的组成部分。
在扫描单元对脊柱进行超声扫描，获得多张超声图像后，扫描单元可以基于获得的多张超声图像，重建出脊柱部位的点云数据。具体地，扫描单元可以确定每张超声图像中脊柱的位姿信息，根据位姿信息对脊柱进行三维重建，得到脊柱的超声点云。
在本申请实施例中，扫描单元扫描得到多张超声图像后，可以记录图像信息以及每张图像中脊柱的位姿信息，然后根据每张图像中脊柱的位姿信息进行三维重建，获得脊柱的超声点云。
在具体实现中，扫描单元可以根据每张超声图像中脊柱的位姿信息，将将多张超声图像堆叠为体数据，得到脊柱的骨面图像，然后再基于上述骨面图像，采用三维重建的方式建立病人脊柱的超声点云。
在本申请实施例的一种可能的实现方式中，扫描单元在根据多张超声图像重建脊柱的超声点云时，还可以对二维的超声图像进行图像去噪及阈值分割等处理，提高后续重建超声点云的准确性，避免图像噪声对重建过程的影响。
在本申请实施例的另一种可能的实现方式中，如图2所示，脊柱手术辅助系统还可以包括滤波单元104，该滤波单元可以用于对扫描单元重建出的超声点云进行滤波，去除超声点云中的噪声，仅保留超声点云中的有效数据，减少对后续分析的影响。
在本申请实施例中，滤波单元可以采用一种或多种滤波方式对超声点云进行滤波。示例性地，滤波方式可以包括半径滤波、统计滤波或体素滤波。滤波单元可以采用上述滤波方式中的至少一种对超声点云进行滤波。
半径滤波可以根据空间点半径范围临近点的数量进行滤波，其原理比较简单，在点云数据中，可以对各点在一定半径范围内相邻点的数量设定阈值，若某点在此半径范围内临近点少于阈值，则可以将其删除。示例性地，超声图像的图像大小可以是1920*1080，若设置半径阈值为5，设置数量阈值为20，也就是可以遍历超声点云，以每个点为球心，半径为5为基准，统计球内的点是否大于或等于20个，若是则可保留该点，反之则从超声点云中剔除该点。
统计滤波与半径滤波类似，可以选取一点，通过划定一个半径，统计半径内各点的平均值与方差，由平均值与方差计算得到相应的阈值，计算半径内邻域点到点的距离，判断是否在阈值内，若是，则保留该点，否则剔除该点。示例性地，可以设置搜索最邻近点数量为30，标准差倍数阈值为1，计算每个点到其最近的k个点的平均距离，若距离大于1则剔除该点，反之则保留。
体素滤波是一种下采样滤波，其作用是使用体素化方法减少点云数量，为后续点云分析和聚类提升速度。
本申请实施例中的滤波单元可以采用上述一种或任意两种或全部三种滤波方式对超声点云进行滤波，去除超声点云中的噪声。
在本申请实施例中，分析单元可以用于对超声点云或滤波后的超声点云进行主成分分析，确定可用于指示病人脊柱方向的主方向。具体地，分析单元可以采用主成分分析(principal components analysis，PCA)技术进行主成分分析，计算出超声点云的协方差矩阵，然后通过对协方差矩阵进行奇异值分解(singular value decomposition，SVD)，得到超声点云中的主方向。该主方向也即是手术过程中病人脊柱的方向。
分析单元确定的主方向可以在聚类单元的聚类过程进行约束，也即，聚类单元可以以主方向为约束条件，对扫描单元扫描得到的超声点云进行无监督聚类，得到聚类结果。该聚类结果中各个簇可以分别表示脊柱中分割出的每个骨块。每个骨块结合分析单元确定出的主方向，可以准确定位出脊柱中每个骨块的位置和方向，为医生的手术操作提供参考信息。
在本申请实施例的一种可能的实现方式中，聚类单元在以主方向为约束条件，对超声点云进行无监督聚类时，可以首先沿主方向将超声点云划分为k个部分，并在每个部分的超声点云中随机抽取一个点作为所在部分的超声点云的质心。每个部分有一个质心，k个部分便共有k个质心，上述k的为聚类的簇的数量，k个部分与k个簇一一对应。然后，聚类单元可以分别计算超声点云中各个点与k个质心之间的距离，并将与每个质心的距离最小的点确定为该质心所在簇的成员。这样，超声点云中的每个点便被划分至了一个簇中。在此基础上，聚类单元可以通过迭代更新k个簇的质心，将超声点云中的每个点确定为一个簇的成员。聚类出的k个簇可以分别表示脊柱中分割出的k个骨块，任一簇的质心为该骨块的质心。
在本申请实施例中，迭代更新k个簇的质心时，可以重新计算每个簇的质心，并计算超声点云中每个点与重新计算得到的k个质心之间的距离，根据该距离确定误差值。当误差值小于预设的误差阈值或迭代次数达到预设的最大迭代次数时，可以将当前得到的k个簇作为k个骨块；否则，可以返回执行分别计算超声点云中各个点与k个质心之间的距离，将与每个质心的距离最小的点确定为质心所在簇的成员的步骤，继续迭代过程。
基于上述介绍，以主方向为约束条件，对超声点云进行无监督聚类的主要流程可以表示为：
1)设置簇(类别)的数量为k，设置聚类结束的最大迭代次数，设置误差阈值。
2)根据脊柱超声点云的主方向，将超声点云分成k个部分，并在k个部分中随机抽取k个点作为簇的质心。这样，每个簇便有一个初始确定的质心。
3)计算超声点云中每个点与k个质心的距离，每个点可以计算得到k个距离。对于任意一个点，在这k个距离中，将距离最小值对应的质心所在的簇作为该点归属的簇。
4)重新计算每个簇的质心。
5)计算每个点与新得到的质心的距离，并基于该距离计算误差值，该误差值可以是距离的平方和(loss)。
6)判断误差值是否小于预设的误差阈值，且判断当前的迭代次数是否达到最大迭代次数。若二者满足其一，则退出迭代，把当前的k个簇的质心作为脊柱点云中每个骨块的质心。若二者均为否，则继续重复步骤3到6，继续进行迭代。
通过上述聚类，可以将脊柱超声点云划分为多个独立的骨块点云，每个骨块点云表示手术中脊柱部位的一个骨块。也即，通过上述聚类可以将原始的脊柱超声点云进行划分，分割成单块的椎骨点云。
点云聚类是计算机视觉领域的一个研究热点，现有已有一些成熟的算法提出。例如，基于K-Means算法的点云聚类方法可以对点云进行分割，将点云划分为不同的簇；基于DBSCAN算法的聚类方法可以对密度较高的点云进行聚类，同时可以自动识别出离群点；基于深度学习的点云聚类方法可以通过训练深度神经网络来实现点云的语义分割和聚类等任务。这些方法在计算机视觉领域已经得到了广泛的应用。但是，申请人在实现本申请的过程中发现，在脊柱超声点云的聚类中，现有技术还没有特别能够针对该应用场景的成熟算法和技术。如果直接将现有的聚类算法应用于脊柱手术中的点云聚类，则存在一些问题。例如，K-Means算法对初始簇中心的选取较为敏感，簇中心选取不当可能会导致聚类结果不稳定，例如，普通的K-Means聚类容易把连续的多个骨块分类成左右两半，也有可能把不属于该骨块的点归类到一起，而在实际的脊柱手术过程中，聚类的目的是把连续的骨块分成单个；DBSCAN算法对点云密度的选择敏感，可能会将多个簇合并成一个；基于深度学习的聚类方法则需要大量的训练数据和计算资源，容易受限于数据集和硬件条件的限制。本申请实施例针对现有技术中聚类算法存在的一些局限性和缺陷，通过采用一种带方向约束的新的聚类算法方法，可以解决超声点云数据处理中的聚类问题，即现有的点云聚类算法聚类结果不稳定、容易出现误差等问题，使得在脊柱手术辅助过程中能够更加准确地对椎骨进行定位和导航。
为了便于理解，下面结合一个完整的示例，对应用本申请实施例提供的脊柱手术辅助系统在脊柱手术过程中进行图像引导，辅助对椎骨进行定位和导航的过程进行说明。
如图3所示，是本申请实施例提供的一种脊柱手术辅助流程的示意图。按照图3所示的流程，在脊柱手术中，首先需要获取病人脊柱部位的超声数据，该超声数据可以是指脊柱部位的二维超声图像。
在实际应用中，可以使用超声机来采集超声图像。具体地，可以在超声探头上安装示踪器，并在病人身上设置示踪器，然后准备好导航系统，将视频采集卡连接超声机及辅助系统中的计算机。然后，对超声探头进行标定，也就是对超声探头获取到的二维超声图像进行标定。标定后，可以开始对对术中病人的脊柱部位进行超声扫描。此时，计算机中可以记录有图像信息和图像中脊柱的位姿信息。基于位姿信息，可以将所有采集得到的二维超声图像堆叠起来，通过数据预处理的方式，可以得到脊柱骨面的图像。其中，数据预处理可以包括图像去噪和阈值分割等。然后，再通过三维重建的方式，可以建立病人脊柱部位的超声点云。
对于扫描得到的超声点云，可以同点云滤波的方式，排除离散的噪声点，保留点云中连续的骨面信息。如图3所示，可以采用半径滤波、统计滤波、体素滤波等一种或多种滤波方式进行超声点云的滤波，得到滤波后的超声点云，也即图3中所示的脊柱点云。
如图3所示，对于滤波后的脊柱点云，可以首先使用PCA主成分分析法得到脊柱点云的主方向，也就是病人脊柱的方向。在此过程中，可以使用PCA主成分分析法计算出脊柱点云的协方差矩阵，通过SVD分解得到脊柱点云的主方向。
另一方面，可以通过改进的带有方向约束的K-Means聚类进行骨块分类，可以得到每个骨块的点云，即分割结束，获得脊柱中每个骨块也即是单椎骨点云。
在分割出脊柱各个骨块的点云后，医生可以使用带有示踪器的工具(例如探针)对病人的脊柱部分进行操作，医生的上述操作可以可视化的方式同步至显示设备中，以辅助医生进行手术，达到微创、精确的手术效果。
参照图4，示出了本申请实施例提供的一种脊柱手术辅助方法的示意图，具体可以包括如下步骤：
S401、对术中病人的脊柱进行超声扫描，得到所述脊柱的超声点云。
需要说明的是，本方法可以应用于前述实施例中的脊柱手术辅助系统，即本实施例是从方法步骤的角度来对前述实施例中的脊柱手术辅助系统的处理流程进行的介绍。
在本申请实施例中，超声点云可以是指利用超声成像技术对术中病人的脊柱部位进行扫描所得到的表征病人脊柱的点数数据。
在本申请实施例的一种可能的实现方式中，如图5所示，S401中对术中病人的脊柱进行超声扫描，得到脊柱的超声点云具体可以包括如下步骤S4011-S4013：
S4011、对所述脊柱进行超声扫描，获得所述脊柱的多张超声图像。
S4012、确定每张所述超声图像中所述脊柱的位姿信息。
S4013、根据所述位姿信息对所述脊柱进行三维重建，得到所述脊柱的超声点云。
在本申请实施例中，采用超声成像技术对病人脊柱部位进行扫描得到的超声图像为二维图像，计算机可以从二维图像中确定脊柱的位姿信息，并基于位姿信息进行三维重建，得到脊柱部位的三维超声点云。
具体地，可以根据每张二维超声图像中的位姿信息将多张超声图像堆叠为体数据，得到术中病人脊柱的骨面图像，然后基于骨面图像，采用三维重建的方式建立起脊柱的超声点云。
在本申请实施例的一种可能的实现方式中，在重建出术中病人脊柱的超声点云后，还可以对超声点云进行滤波，去除超声点云中的噪声，仅保留超声点云中的有效数据。示例性地，可以采用半径滤波、统计滤波或体素滤波中的任意一种或多种进行点云滤波。
S402、对所述超声点云进行主成分分析，确定所述超声点云的主方向，所述主方向用于指示所述病人脊柱的方向。
在本申请实施例中，可以采用PCA方法确定超声点云的主方向。具体地，可以计算超声点云的协方差矩阵，通过对协方差矩阵进行奇异值分解，得到超声点云中的主方向。该主方向也即是术中病人脊柱的方向。
S403、根据所述主方向，对所述超声点云进行聚类，得到聚类结果，所述聚类结果表示所述脊柱中分割出的每个骨块，分割出的所述骨块用于引导医生对所述脊柱进行手术操作。
在本申请实施例中，可以前述步骤中确定出的主方向为约束条件，对超声点云进行无监督聚类，得到聚类结果。上述无监督聚类可以是对K-Means聚类进行改进得到的。也即，本申请实施例在对超声点云进行聚类时，可以采用改进的带有方向约束的K-Means聚类进行骨块分类，将连续的脊柱区分为单个骨块。
在本申请实施例的一种可能的实现方式中，如图6所示，S403中根据主方向，对超声点云进行聚类，得到聚类结果具体可以包括如下步骤S4031-S4033：
S4031、沿所述主方向将所述超声点云划分为k个部分，并在每个部分的超声点云中随机抽取一个点作为所在部分的超声点云的质心，所述k个部分共有k个质心，k为聚类的簇的数量，所述k个部分与k个簇一一对应。
S4032、分别计算所述超声点云中各个点与所述k个质心之间的距离，将与每个质心的距离最小的点确定为所述质心所在簇的成员。
S4033、通过迭代更新所述k个簇的质心，将所述超声点云中的每个点确定为一个簇的成员，所述k个簇分别表示所述脊柱中分割出的k个骨块，任一簇的质心为一个骨块的质心。
在迭代更新k个簇的质心时，可以重新计算每个簇的质心，并计算超声点云中每个点与重新计算得到的k个质心之间的距离，根据距离确定误差值。当上述误差值小于预设的误差阈值或迭代次数达到预设的最大迭代次数时，可以将当前得到的k个簇作为k个骨块；否则，返回执行S4032。
需要说明的是，由于本实施例介绍的方法步骤与前述系统实施例对于系统中各个单元的介绍较为类似，因此本实施例介绍得较为简单，相关细节可以参见前述系统实施例中的介绍。此外，上述方法实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
参照图7，示出了本申请实施例提供的一种脊柱手术辅助设备的示意图。如图7所示，本申请实施例中的脊柱手术辅助设备700包括：处理器710、存储器720以及存储在所述存储器720中并可在所述处理器710上运行的计算机程序721。所述处理器710执行所述计算机程序721时实现上述脊柱手术辅助方法各个实施例中的步骤，例如图4所示的步骤S401至S403。或者，所述处理器710执行所述计算机程序721时实现上述各系统实施例中各单元的功能，例如图2所示单元101至104的功能。
所述脊柱手术辅助设备700可以是前述系统实施例中的计算机设备，该计算机设备可以实现系统实施例中介绍的各种功能，或者实现方法实施例中的各个步骤。所述脊柱手术辅助设备700可包括，但不仅限于，处理器710、存储器720。本领域技术人员可以理解，图7仅仅是脊柱手术辅助设备700的一种示例，并不构成对脊柱手术辅助设备700的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述脊柱手术辅助设备700还可以包括输入输出设备、网络接入设备、总线等。
所述处理器710可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器720可以是所述脊柱手术辅助设备700的内部存储单元，例如脊柱手术辅助设备700的硬盘或内存。所述存储器720也可以是所述脊柱手术辅助设备700的外部存储设备，例如所述脊柱手术辅助设备700上配备的插接式硬盘，智能存储卡(Smart MediaCard，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等等。进一步地，所述存储器720还可以既包括所述脊柱手术辅助设备700的内部存储单元也包括外部存储设备。所述存储器720用于存储所述计算机程序721以及所述脊柱手术辅助设备700所需的其他程序和数据。所述存储器720还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还公开了一种脊柱手术辅助设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述各个实施例所述的脊柱手术辅助方法。
本申请实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前述各个实施例所述的脊柱手术辅助方法。
本申请实施例还公开了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行前述各个实施例所述的脊柱手术辅助方法。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制。尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种脊柱手术辅助系统，其特征在于，包括：
扫描单元，用于对术中病人的脊柱进行超声扫描，得到所述脊柱的超声点云；
分析单元，用于对所述超声点云进行主成分分析，确定所述超声点云的主方向，所述主方向用于指示所述病人脊柱的方向；
聚类单元，用于根据所述主方向，对所述超声点云进行聚类，得到聚类结果，所述聚类结果表示所述脊柱中分割出的每个骨块，分割出的所述骨块用于引导医生对所述脊柱进行手术操作。
2.根据权利要求1所述的脊柱手术辅助系统，其特征在于，所述聚类单元，具体用于：
以所述主方向为约束条件，对所述超声点云进行无监督聚类，得到聚类结果。
3.根据权利要求2所述的脊柱手术辅助系统，其特征在于，所述以所述主方向为约束条件，对所述超声点云进行无监督聚类，得到聚类结果，包括：
沿所述主方向将所述超声点云划分为k个部分，并在每个部分的超声点云中随机抽取一个点作为所在部分的超声点云的质心，所述k个部分共有k个质心，k为聚类的簇的数量，所述k个部分与k个簇一一对应；
分别计算所述超声点云中各个点与所述k个质心之间的距离，将与每个质心的距离最小的点确定为所述质心所在簇的成员；
通过迭代更新所述k个簇的质心，将所述超声点云中的每个点确定为一个簇的成员，所述k个簇分别表示所述脊柱中分割出的k个骨块，任一簇的质心为一个骨块的质心。
4.根据权利要求3所述的脊柱手术辅助系统，其特征在于，所述通过迭代更新所述k个簇的质心，将所述超声点云中的每个点确定为一个簇的成员，包括：
重新计算每个簇的质心；
计算所述超声点云中每个点与重新计算得到的k个质心之间的距离，根据所述距离确定误差值；
当所述误差值小于预设的误差阈值或迭代次数达到预设的最大迭代次数时，将当前得到的k个簇作为k个骨块；否则，返回执行分别计算所述超声点云中各个点与所述k个质心之间的距离，将与每个质心的距离最小的点确定为所述质心所在簇的成员的步骤。
5.根据权利要求1-4任一项所述的脊柱手术辅助系统，其特征在于，所述扫描单元，具体用于：
对所述脊柱进行超声扫描，获得所述脊柱的多张超声图像；
确定每张所述超声图像中所述脊柱的位姿信息；
根据所述位姿信息对所述脊柱进行三维重建，得到所述脊柱的超声点云。
6.根据权利要求5所述的脊柱手术辅助系统，其特征在于，所述根据所述位姿信息对所述脊柱进行三维重建，得到所述脊柱的超声点云，包括：
根据所述位姿信息将多张所述超声图像堆叠为体数据，得到所述脊柱的骨面图像；
基于所述脊柱的所述骨面图像，采用三维重建的方式建立所述脊柱的超声点云。
7.根据权利要求1-4或6任一项所述的脊柱手术辅助系统，其特征在于，所述分析单元，具体用于：
计算所述超声点云的协方差矩阵；
对所述协方差矩阵进行奇异值分解，得到所述超声点云中的主方向。
8.根据权利要求7所述的脊柱手术辅助系统，其特征在于，还包括：
滤波单元，用于采用至少一种滤波方式对所述超声点云进行滤波，去除所述超声点云中的噪声，所述至少一种滤波方式包括半径滤波、统计滤波或体素滤波。
9.一种脊柱手术辅助设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下方法：
对术中病人的脊柱进行超声扫描，得到所述脊柱的超声点云；
对所述超声点云进行主成分分析，确定所述超声点云的主方向，所述主方向用于指示所述病人脊柱的方向；
根据所述主方向，对所述超声点云进行聚类，得到聚类结果，所述聚类结果表示所述脊柱中分割出的每个骨块，分割出的所述骨块用于引导医生对所述脊柱进行手术操作。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下方法：
对术中病人的脊柱进行超声扫描，得到所述脊柱的超声点云；
对所述超声点云进行主成分分析，确定所述超声点云的主方向，所述主方向用于指示所述病人脊柱的方向；
根据所述主方向，对所述超声点云进行聚类，得到聚类结果，所述聚类结果表示所述脊柱中分割出的每个骨块，分割出的所述骨块用于引导医生对所述脊柱进行手术操作。
CN202311748261.7A 2023-12-18 2023-12-18 脊柱手术辅助系统和辅助设备 Active CN117796905B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311748261.7A CN117796905B (zh) 2023-12-18 2023-12-18 脊柱手术辅助系统和辅助设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311748261.7A CN117796905B (zh) 2023-12-18 2023-12-18 脊柱手术辅助系统和辅助设备

Publications (2)

Publication Number Publication Date
CN117796905A true CN117796905A (zh) 2024-04-02
CN117796905B CN117796905B (zh) 2024-09-13

Family

ID=90434117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311748261.7A Active CN117796905B (zh) 2023-12-18 2023-12-18 脊柱手术辅助系统和辅助设备

Country Status (1)

Country Link
CN (1) CN117796905B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0581704A1 (fr) * 1992-07-31 1994-02-02 Universite Joseph Fourier Procédé de détermination de la position d'un organe
US20080004904A1 (en) * 2006-06-30 2008-01-03 Tran Bao Q Systems and methods for providing interoperability among healthcare devices
CN107527316A (zh) * 2017-08-14 2017-12-29 马鞍山雨甜医疗科技有限公司 二维超声影像序列上的任意点构建点云数据的方法及系统
CN112386336A (zh) * 2019-08-19 2021-02-23 柯惠有限合伙公司 用于进行初始配准的荧光-ct成像的系统和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0581704A1 (fr) * 1992-07-31 1994-02-02 Universite Joseph Fourier Procédé de détermination de la position d'un organe
US20080004904A1 (en) * 2006-06-30 2008-01-03 Tran Bao Q Systems and methods for providing interoperability among healthcare devices
CN107527316A (zh) * 2017-08-14 2017-12-29 马鞍山雨甜医疗科技有限公司 二维超声影像序列上的任意点构建点云数据的方法及系统
CN112386336A (zh) * 2019-08-19 2021-02-23 柯惠有限合伙公司 用于进行初始配准的荧光-ct成像的系统和方法

Also Published As

Publication number Publication date
CN117796905B (zh) 2024-09-13

Similar Documents

Publication Publication Date Title
US8150132B2 (en) Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program
CN112508965B (zh) 医学影像中正常器官的轮廓线自动勾画系统
WO2021238438A1 (zh) 肿瘤图像的处理方法和装置、电子设备、存储介质
JP6404310B2 (ja) 異常な骨の手術的矯正のための計画システム及び方法
Oulbacha et al. MRI to CT synthesis of the lumbar spine from a pseudo-3D cycle GAN
CN111415404B (zh) 术中预设区域的定位方法、装置、存储介质及电子设备
CN113538533B (zh) 一种脊柱配准方法、装置、设备及计算机存储介质
CN116797612B (zh) 基于弱监督深度活动轮廓模型的超声图像分割方法及装置
Hacihaliloglu et al. Statistical shape model to 3D ultrasound registration for spine interventions using enhanced local phase features
Wang et al. Automatic segmentation of spinal canals in CT images via iterative topology refinement
CN117796905B (zh) 脊柱手术辅助系统和辅助设备
CN116612166A (zh) 一种多模态影像的配准融合算法
Wei et al. Towards fully automatic 2D US to 3D CT/MR Registration: A novel segmentation-based Strategy
Al Abboodi et al. Supervised Transfer Learning for Multi Organs 3D Segmentation With Registration Tools for Metal Artifact Reduction in CT Images
CN114723879A (zh) 一种基于多维跨模态影像融合技术的人脑锥体束全自动重建方法
Huo et al. Automatic generation of pedicle contours in 3D vertebral models
Feng et al. Automatic fetal weight estimation using 3d ultrasonography
CN113870324A (zh) 多模态图像的配准方法及其配准装置和计算机可读存储介质
Sun A Review of 3D-2D Registration Methods and Applications based on Medical Images
Darwish et al. Vertebrae segmentation techniques for spinal medical images
Nithiananthan et al. Deformable registration for intra-operative cone-beam CT guidance of head and neck surgery
Zhu et al. A novel method for 3D knee anatomical landmark localization by combining global and local features
CN117530708B (zh) 手术配准方法和手术配准设备
Khallaghi et al. GPU accelerated registration of a statistical shape model of the lumbar spine to 3D ultrasound images
Zhang et al. VDVM: An automatic vertebrae detection and vertebral segment matching framework for C-arm X-ray image identification

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40107009

Country of ref document: HK