[go: up one dir, main page]

CN112381922A - 一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端 - Google Patents

一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端 Download PDF

Info

Publication number
CN112381922A
CN112381922A CN202011166009.1A CN202011166009A CN112381922A CN 112381922 A CN112381922 A CN 112381922A CN 202011166009 A CN202011166009 A CN 202011166009A CN 112381922 A CN112381922 A CN 112381922A
Authority
CN
China
Prior art keywords
point cloud
model
cloud model
bone
skeleton
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011166009.1A
Other languages
English (en)
Inventor
赵秀阳
刘方泉
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.)
University of Jinan
Original Assignee
University of Jinan
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 University of Jinan filed Critical University of Jinan
Priority to CN202011166009.1A priority Critical patent/CN112381922A/zh
Publication of CN112381922A publication Critical patent/CN112381922A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端，均能：对目标骨骼及基准骨骼的CT图像进行重构得到第一骨骼模型S1和第二骨骼模型S2；将S1、S2转换成第一点云模型C1和第二点云模型C2；对第二点云模型C2作对称变换，得到第三点云模型C2’；对第三点云模型C2’进行变形配准得到配准点云模型C3；去除配准点云模型C3中与第一点云模型C1重叠的点，得到第四点云模型C4；判断第四点云模型C4中是否存在离群点，并对应获取目标点云模型；将所得到的目标点云模型转换为三维骨骼模型，得到目标骨骼对应的骨骼模型。本发明用于获取人体骨骼上待修复骨缺失部位的骨骼模型，用以辅助制造与患者待修复骨缺失部位相吻合的缺损骨。

Description

一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端
技术领域
本发明涉及图像处理技术领域，具体涉及一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端，主要适于存在待修复骨缺失部位的骨骼的对称骨骼的一类患者，用于为建立医用材料的病人肢体骨骼的缺损骨提供数据。
背景技术
计算机辅助骨科技术已成为一种热门研究，比如通过患者骨折骨骼的CT图提取关于骨骼的信息进行三维重建，得到患者的断骨模型，然后对患者的断骨模型进行配准，从而得到骨折骨骼对应的完整的骨骼模型。
然而近年来，病人肢体骨骼缺损的病例越来越多，通常需对病人进行肢体骨骼骨缺失部位修复。
但计算机辅助骨科技术在骨缺失修复方面的应用相对较少。当前常用的计算机辅助设计骨创伤修复方法是，采用mimics软件对骨损伤部位的三维骨骼模型，通过标准的数据配准在计算机中进行模拟修复，具体地，通过包埋铸造制作出个性化骨骼实体，并进行包括清洗、磨边、回弹、钝化、以及修饰等后续处理。Mimics软件采用的模型是标准的人体骨骼模型(软件内部提供唯一的一个确定的配准模型/基准模型)，相对单一。
然而，每个人的骨骼大小和局部特征是不一样的，现有技术中的标准的人体骨骼模型适用患者局限。为此，本发明提供一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端，用于解决上述问题。
发明内容
针对现有技术的上述不足，本发明提供一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端，用于获取人体骨骼上待修复骨缺失部位的骨骼模型，用以辅助制造与患者待修复骨缺失部位相吻合的缺损骨。
第一方面，本发明提供一种人体骨骼缺失部位的骨骼模型获取方法，包括步骤：
对目标骨骼的CT图像以及对基准骨骼的CT图像，分别进行重构得到各自对应的3D骨骼模型，依次记为第一骨骼模型S1和第二骨骼模型S2；所述目标骨骼，为患者的带有待修复骨缺失部位的骨骼；所述基准骨骼，为所述目标骨骼在患者身体中的对称骨骼；第一骨骼模型S1和第二骨骼模型S2大小相等且对称放置；
将第一骨骼模型S1转换成第一点云模型C1，将第二骨骼模型S2转换成第二点云模型C2；
对第二点云模型C2作对称变换，得到与第一点云模型C1同样状态的第三点云模型C2’；
将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3；
去除配准点云模型C3中与第一点云模型C1重叠的点，得到第四点云模型C4；
判断第四点云模型C4中是否存在离群点：若是，则删除第四点云模型C4中的离群点，得到目标点云模型；若否，则第四点云模型C4即为得到的目标点云模型；
将所得到的目标点云模型转换为三维骨骼模型，即得到目标骨骼的待修复骨缺失部位的骨骼模型。
进一步地，将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3，具体实现步骤包括：
在第一点云模型C1上选取相应数量的特征点，分别记为第一特征点；并在第三点云模型C2’上选取对应位置的特征点，分别记为第二特征点；各第一特征点均不是目标骨骼的待修复骨缺失部位上的点；
基于特征点的约束，对第三点云模型C2’进行平移旋转使其上选取的第二特征点与第一点云模型C1上的第一特征点对齐，之后以第一点云模型C1作为基准点云模型，对第三点云模型C2’进行变形配准，得到配准点云模型C3。
进一步地，第一特征点的数量至少为6个。
第二方面，本发明提供一种人体骨骼缺失部位的骨骼模型获取系统，包括：
3D骨骼模型重构单元，对目标骨骼的CT图像以及对基准骨骼的CT图像，分别进行重构得到各自对应的3D骨骼模型，依次记为第一骨骼模型S1和第二骨骼模型S2；所述目标骨骼，为患者的带有待修复骨缺失部位的骨骼；所述基准骨骼，为所述目标骨骼在患者身体中的对称骨骼；第一骨骼模型S1和第二骨骼模型S2大小相等且对称放置；
点云模型转换单元，将第一骨骼模型S1转换成第一点云模型C1，将第二骨骼模型S2转换成第二点云模型C2；
点云模型变换单元，对第二点云模型C2作对称变换，得到与第一点云模型C1同样状态的第三点云模型C2’；
配准变形单元，将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3；
重叠点去除单元，去除配准点云模型C3中与第一点云模型C1重叠的点，得到第四点云模型C4；
离群点删除单元，判断第四点云模型C4中是否存在离群点：若是，则删除第四点云模型C4中的离群点，得到目标点云模型；若否，则得到目标点云模型为第四点云模型C4；
目标点云转换单元，将所得到的目标点云模型转换为三维骨骼模型，该转换为的三维骨骼模型即为得到的目标骨骼的待修复骨缺失部位的骨骼模型。
进一步地，所述的配准变形单元，包括：
特征点选取单元，用于在第一点云模型C1上选取相应数量的特征点，分别记为第一特征点；并用于在第三点云模型C2’上选取对应位置的特征点，分别记为第二特征点；各第一特征点均不是目标骨骼的待修复骨缺失部位上的点；
配准模型获取单元，基于特征点的约束，对第三点云模型C2’进行平移旋转变形使其上选取的第二特征点与第一点云模型C1上的第一特征点对齐，之后以第一点云模型C1作为基准点云模型，对第三点云模型C2’进行变形配准，得到配准点云模型C3。
进一步地，第一特征点的数量至少为6个。
第三方面，本发明提供一种终端，包括：
处理器；
用于存储处理器的执行指令的存储器；
其中，所述处理器被配置为执行如上各方面所述的方法。
本发明的有益效果在于：
(1)本发明提供的人体骨骼缺失部位的骨骼模型获取方法、系统及终端，均能够通过计算机辅助设计，基于患者目标骨骼的CT图像及患者基准骨骼的CT图像，最终获取到患者待修复骨缺失部位的骨骼模型，可见本发明提供了一种新的获取患者骨骼上骨缺失部位的骨骼模型的方法策略，为制造医用材料的病人肢体骨骼的缺损骨提供了一种新的选择。
(2)本发明提供的人体骨骼缺失部位的骨骼模型获取方法、系统及终端，基准骨骼为目标骨骼在患者身体中的对称骨骼，使用时，可先将目标骨骼和基准骨骼的骨骼模型转换成点云模型，之后再对基准骨骼的点云模型作对称变换得到与目标骨骼的点云模型同样状态的第三点云模型，之后以基准骨骼的点云模型为基准点云模型，对第三点云模型C2’进行对齐与配准得到配准点云模型C3，然后去除配准点云模型C3中与第一点云模型C1重叠的点得到第四点云模型C4，之后判断第四点云模型C4中是否存在离群点并得到对应的目标点云模型，然后将所得到的目标点云模型转换为三维骨骼模型，即得到患者目标骨骼的骨缺失部位的骨骼模型，不仅易于实现，且在制作不同患者的骨骼缺失部位的骨骼模型时，本发明中所涉及的基准骨骼分别为患者自身的对称骨骼，避免了背景技术中所述标准的人体骨骼模型的使用，一定程度上有助于增加对患者的适用程度。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的方法的示意性流程图。
图2是本发明所述第一骨骼模型S1和第二骨骼模型S2的一实施例示意图。
图3是本发明所述第一点云模型C1和第二点云模型C2的一实施例示意图。
图4是本发明中第三点云模型C2’和第二点云模型C2的一实施例示意图。
图5是本发明中第一点云模型C1、第三点云模型C2’的一实施例示意图。
图6是本发明中对第三点云模型C2’进行变形配准的一实施例示意图。
图7是本发明所述第一点云模型C1及其配准点云模型C3的重叠示意图。
图8是本发明中得到的目标点云模型的示意性点云结构图。
图9是图8中目标点云模型转换为的三维骨骼模型的示意性结构图。
图10是本发明一个实施例的系统的示意性框图。
图11为本发明实施例提供的一种终端的结构示意图。
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中的技术方案，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。
实施例1：
图1是本发明一个实施例的方法的示意性流程图。
如图1所示，该方法100包括：
步骤110，对目标骨骼的CT图像以及对基准骨骼的CT图像，分别进行重构得到各自对应的3D骨骼模型，依次记为第一骨骼模型S1和第二骨骼模型S2；所述目标骨骼，为患者的带有待修复骨缺失部位的骨骼；所述基准骨骼，为所述目标骨骼在患者身体中的对称骨骼；第一骨骼模型S1和第二骨骼模型S2大小相等且对称放置；
步骤120，将第一骨骼模型S1转换成第一点云模型C1，将第二骨骼模型S2转换成第二点云模型C2；
步骤130，对第二点云模型C2作对称变换，得到与第一点云模型C1同样状态的第三点云模型C2’；
步骤140，将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3；
步骤150，去除配准点云模型C3中与第一点云模型C1重叠的点，得到第四点云模型C4；
步骤160，判断第四点云模型C4中是否存在离群点：若是，则删除第四点云模型C4中的离群点，得到目标点云模型；若否，则第四点云模型C4即为得到的目标点云模型；
步骤170，将所得到的目标点云模型转换为三维骨骼模型，即得到目标骨骼的待修复骨缺失部位的骨骼模型。
可选地，在步骤140中，将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3，具体实现步骤包括：
在第一点云模型C1上选取相应数量的特征点，分别记为第一特征点；并在第三点云模型C2’上选取对应位置的特征点，分别记为第二特征点；各第一特征点均不是目标骨骼的待修复骨缺失部位上的点；
基于特征点的约束，对第三点云模型C2’进行平移旋转变形使其上选取的第二特征点与第一点云模型C1上的第一特征点对齐，之后以第一点云模型C1作为基准点云模型，对第三点云模型C2’进行变形配准，得到配准点云模型C3。
可选地，第一特征点的数量至少为6个。
为了便于对本发明的理解，下面结合本发明人体骨骼缺失部位的骨骼模型获取方法的原理，以病人A受伤的左腿股骨(带有待修复骨缺失部位300)为例，对本发明提供的人体骨骼缺失部位的骨骼模型获取方法做进一步的描述。具体实现步骤如下：
具体的，所述人体骨骼缺失部位的骨骼模型获取方法包括：
步骤P1：对病人A受伤的左腿股骨(即目标骨骼)的CT图像以及对病人A的健康的右腿股骨(即基准骨骼)的CT图像，分别进行重构得到各自对应的3D骨骼模型，依次记为第一骨骼模型S1和第二骨骼模型S2，如图2所示。
在图2中：S1为位于图的左侧的骨骼模型，S2为位于图的右侧的骨骼模型。位于图2的左侧的骨骼模型S1与位于图2的右侧的骨骼模型S2，大小相等并且对称放置。
在步骤P1执行之前，首先获取病人A受伤的左腿股骨的CT图像以及病人A的健康的右腿股骨(即基准骨骼)的CT图像。
之后执行步骤P2。
步骤P2：将第一骨骼模型S1转换成第一点云模型C1，将第二骨骼模型S2转换成第二点云模型C2。如图3所示。
在图3中：位于图的左侧的点云模型为C1，位于图的右侧的点云模型为C2。
之后执行步骤P3。
步骤P3：对第二点云模型C2作对称变换，得到与第一点云模型C1同样状态的第三点云模型C2’。
具体地，在本实施例中：将右腿小腿骨的第二点云模型C2的点云，在C2所在的三维坐标系(X，Y，Z)中，可相对于XOZ(O为三维坐标系(X，Y，Z)的原点)面作对称变换，得到所述第三点云模型C2’。基于此，右腿小腿骨的点云变成与左腿小腿骨的点云具有同样分布状态的点云。如图4所示：图的左侧的点云模型为第三点云模型C2’，图的右侧的点云模型为第二点云模型C2。
步骤P4：将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3。
具体地，该步骤P4可包括：
步骤P41：在第一点云模型C1上点选相应数量的特征点，分别记为第一特征点；在第三点云模型C2’上对应点选各第一特征点各自对应的特征点，分别记为第二特征点。
具体点选选取特征点时，比如，在第一点云模型C1上选取一个第一特征点，记为第一特征点1，则在第三点云模型C2’上与第一特征点1对应的位置上点选选取一个第二特征点，记为第二特征点1；第一点云模型C1和第三点云模型C2’上其他特征点可参照第一特征点1及第二特征点1的选取方式进行选取。
在本实施例中，在第一点云模型C1上点选9个第一特征点，并在第三点云模型C2’的对应位置上点选9个第二特征点。第一点云模型C1上点选的9个第一特征点与第三点云模型C2’上点选的9个第二特征点位置相对。点选的所有第一特征点，均不是目标骨骼的待修复骨缺失部位300上的点。如图5所示，在图5中：左侧的点云模型为第一点云模型C1，右侧的点云模型为第三点云模型C2’。在图5中，第一点云模型C1上用黑色圆点标识出的9个点均为第一特征点，如第一特征点400；第三点云模型C2’上用黑色圆点标识出的9个点均为第二特征点，如第二特征点500。
步骤P42：基于特征点的约束，对第三点云模型C2’进行平移旋转变形使其上选取的第二特征点与第一点云模型C1上的第一特征点对齐，之后以第一点云模型C1作为基准点云模型，对第三点云模型C2’进行变形配准，得到配准点云模型C3。具体地：
(一)预处理
首先，对第三点云模型C2’(源数据)执行一个预处理：将点云模型C2’上的三角网格转化成四面体网格，每个四面体由四个三角形面形成；
紧接着，对第一点云模型C1上点选的9个第一特征点和第三点云模型C2’上点选的9个第二特征点建立特征点约束(对应第一特征点和第二特征点之间的连线)，如图6所示。
在图6中：图中左侧的点云模型为第一点云模型C1，右侧的点云模型为第三点云模型C2’。
(二)变形配准
采用此步骤P42中得到的配准点云模型C3，与第一点云模型C1重叠。配准点云模型C3与第一点云模型C1的重叠点云结构示意图如图7所示。具体地，在步骤P42中，变形配准的方法步骤为初始配准和体配准：
1)利用ARAP形变的方法执行全局位移(初始配准)。
具体方法如下：
定义公式：
Figure BDA0002745799590000101
其中，N为特征点的个数(本实施例中N＝9)，pi表示C1上第i个第一特征点的坐标，qi表示的是C2’上第i个第二特征点的坐标，
Figure BDA0002745799590000102
是C2’上第i个第二特征点的旋转平移矩阵，E表示对第三点云模型C2’进行ARAP形变的形变能量E。
使用交替迭代最小化策略求解上述形变能量E，获取能量最小值时的平移旋转矩阵
Figure BDA0002745799590000103
将C2’整体根据
Figure BDA0002745799590000104
进行平移旋转，使得C1与C2’对齐(为初始对齐)。
2)体配准
体配准的目的是通过迭代的方法将模型C2’变形到C1，并基于变形后的模型计算出更加准确的配准结果。由于初始配准已经进行了全局位移，为了充分使用模型C2’的体素信息和网格信息，并且在形变过程中尽可能的不造成C2’出现较大的形变以及出现偏离原始的模型结构，体配准这一步骤中使用局部邻域信息。为此，体配准算法定义如下目标方程：
Edef(S0)＝aEdis(S0)+bEdeform(S0)+Ecorr(S0)+Eaffine(S0), (2.1)
其中，Edis(S0),Edeform(S0),Ecorr(S0)和Eaffine(S0)是关于模型配准的能量项。a和b是系数。在这个目标方程中Edis(S0)和Ecorr(S0)都捕获了模型C2’的欧式结构信息。Edef(S0)捕获了模型C2’的黎曼信息结构，Eaffine(S0)捕获了模型C2’的拓扑结构信息。S0是需要求解的，最终得出的结果是经过配准变形之后的C2’。
Edis项是关于位移位置的能量项，该项主要是用于限制与上一次位移结果相比在本次迭代中产生的较大位移，使四面体网格的位置尽量不偏移上次迭代的位置。依据吉洪诺夫正则化项构造第一项，具体的公式如下所示：
Edis(S0)＝‖S0-Sprev||2, (2.2)
Edeform项是关于变形位置的能量项，该项主要是用于限制在每一次的迭代中生成的新四面体网格位置与初始四面体网格位置相比产生的较大的位移，使四面体网格的位置受到约束让其尽可能的不偏离初始对齐后的位置，以免降低配准精度。具体的公式如下：
Edeform(S0)＝(S0-S′)TL(S0-S′), (2.3)
其中S′代表的是C2’作完初始对齐后的点云模型,L代表了四面体模型的拉普拉斯算子，通过如下公式计算L：
Figure BDA0002745799590000111
其中S指的是模型C2’，i是关于模型C2’中第i个四面体网格的变形梯度，vi表示模型中第i个四面体网格的体积。
Ecorr项是关于配准关系的能量项，该项主要是用于提升四面体网格和体素数据模型配准的准确性，使四面体网格尽可能的朝向体素数据形变。具体的公式如下所示：
Ecorr(S0)＝||S0-P×T||2， (2.5)
其中
Figure BDA0002745799590000112
Figure BDA0002745799590000113
记录了S0和C1之间的对应关系,是一个n×m的矩阵。T表示的是C1的点集，当C2中的点i与C1中的点j是最近的点或者是特征约束点是为1时，例如，si与cj是最近的点或者是特征约束点，则
Figure BDA0002745799590000121
E是m×m的单位矩阵，
Figure BDA0002745799590000122
是克罗内克积。
Eaffine项是关于邻域结构的能量项，该项主要是基于点的空间结构来保证配准关系的准确性。由于两个模型中的配准点在局部区域中相对于其他点的空间位置关系应当差别很小，点以及周围邻域点的几何结构相对稳定。因此通过邻域点表示四面体网格的顶点，公式如下：
si＝∑j∈N(i)wijsj, (2.6)
其中w是一个权重仿射矩阵，N(i)代表了si的邻域顶点索引集合，所以仿射w可以通过上式得出。W有两个主要性质：1)对于不是si的临近点，wij＝0；2)w的行和为1。最后基于w的关于邻域结构的能量项Eaffine定义如下：
Figure BDA0002745799590000123
其中
Figure BDA0002745799590000124
指的是
Figure BDA0002745799590000125
第j行。
为了求解目标函数得到形变的点，对2.1的公式进行微分，得到如下公式：
Figure BDA0002745799590000126
通过设置微分化后偏导数为0，得到最终的线性方程，公式如下：
[bL+(a+2)E]S0＝PT+PLS′+aSprev+Q, (2.9)
求解出S0，获取此次体配准的结果模型。然后迭代执行体配准，获取最终的结果S0,最终求解出的S0点云模型为C3。在本实施例中，仅需迭代进行十次即可。
对于系数的选择问题，由于体配准迭代执行之初，初始的对应关系无法保证正确率，所以算法应当尽可能的增大位移和形变的能量项的制约，在本实施例中，算法设置a和b的初始值分别为0.8和1。随着迭代的增加，当S0逐渐接近Sprev时，我们就需要减小a和b的值来降低正则化强度。在本实施例中，每迭代执行5次对a和b的值进行减半。
之后执行步骤P5。
需要说明的是，具体实现时，步骤P4可由本领域技术人员采用现有技术中其他任意相关的基于形变的配准方法进行实现。
步骤P5：去除所述配准点云模型中与第一点云模型C1的重叠点，得到第四点云模型C4。
在本实施例中，将配准点云模型中与第一点云模型C1中距离小于0.04cm的点视为重叠点。
之后执行步骤P6。
步骤P6：判断第四点云模型C4中是否存在离群点：若是，则删除第四点云模型C4中的离群点，得到目标点云模型；若否，则第四点云模型C4即为得到的目标点云模型。
具体地，可通过PCL点云库中的StatisticalOutlierRemoval方法，取50个临近点计算方差，将距离大于一倍标准方差的点视为离群点并且删除。
之后执行步骤P7。
步骤P7：将当前得到的目标点云模型(如图8所示)转换为三维骨骼模型(如图9所示)，该转换为的三维骨骼模型即为获取到的所述左腿小腿骨的缺失部位骨骼模型。
具体使用时，可通过3D打印技术，将本方法100得到的缺失部位骨骼模型打印出模型，从而给医疗机构提供数据，用于建立由专门医用材料制成的缺失部位骼，以便医生给病人弥补其骨骼上缺失的骨头，可见有助于辅助缺失部位骼修复。
实施例2：
图10是本发明所述人体骨骼缺失部位的骨骼模型获取系统的一个实施例。
参见图10，该系统200，其特征在于，包括：
3D骨骼模型重构单元201，对目标骨骼的CT图像以及对基准骨骼的CT图像，分别进行重构得到各自对应的3D骨骼模型，依次记为第一骨骼模型S1和第二骨骼模型S2；所述目标骨骼，为患者的带有待修复骨缺失部位300的骨骼；所述基准骨骼，为所述目标骨骼在患者身体中的对称骨骼；第一骨骼模型S1和第二骨骼模型S2大小相等且对称放置；
点云模型转换单元202，将第一骨骼模型S1转换成第一点云模型C1，将第二骨骼模型S2转换成第二点云模型C2；
点云模型变换单元203，对第二点云模型C2作对称变换，得到与第一点云模型C1同样状态的第三点云模型C2’；
配准变形单元204，将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3；
重叠点去除单元205，去除配准点云模型C3中与第一点云模型C1重叠的点，得到第四点云模型C4；
离群点删除单元206，判断第四点云模型C4中是否存在离群点：若是，则删除第四点云模型C4中的离群点，得到目标点云模型；若否，则得到目标点云模型为第四点云模型C4；
目标点云转换单元207，将所得到的目标点云模型转换为三维骨骼模型，该转换为的三维骨骼模型即为得到的目标骨骼的待修复骨缺失部位300的骨骼模型。
可选地，作为本发明的一个实施例，所述的配准变形单元204，包括：
特征点选取单元2041，用于在第一点云模型C1上选取相应数量的特征点，分别记为第一特征点；并用于在第三点云模型C2’上选取对应位置的特征点，分别记为第二特征点；各第一特征点均不是目标骨骼的待修复骨缺失部位300上的点；
配准模型获取单元2042，基于特征点的约束，对第三点云模型C2’进行平移旋转变形使其上选取的第二特征点与第一点云模型C1上的第一特征点对齐，之后以第一点云模型C1作为基准点云模型，对第三点云模型C2’进行变形配准，得到配准点云模型C3。
可选地，第一特征点的数量至少为6个。
实施例3：
图11为本发明实施例提供的一种终端600的结构示意图，该终端600可以用于执行本发明实施例1中提供的方法100。
其中，该终端600可以包括：处理器610、存储器620及通信单元630。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
其中，该存储器620可以用于存储处理器610的执行指令，存储器620可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。当存储器620中的执行指令由处理器610执行时，使得终端600能够执行以下上述方法实施例中的部分或全部步骤。
处理器610为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器620内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit，简称IC)组成，例如可以由单颗封装的IC所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器610可以仅包括中央处理器(Central Processing Unit，简称CPU)。在本发明实施方式中，CPU可以是单运算核心，也可以包括多运算核心。
通信单元630，用于建立通信信道，从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (7)

1.一种人体骨骼缺失部位的骨骼模型获取方法，其特征在于，包括步骤：
对目标骨骼的CT图像以及对基准骨骼的CT图像，分别进行重构得到各自对应的3D骨骼模型，依次记为第一骨骼模型S1和第二骨骼模型S2；所述目标骨骼，为患者的带有待修复骨缺失部位的骨骼；所述基准骨骼，为所述目标骨骼在患者身体中的对称骨骼；第一骨骼模型S1和第二骨骼模型S2大小相等且对称放置；
将第一骨骼模型S1转换成第一点云模型C1，将第二骨骼模型S2转换成第二点云模型C2；
对第二点云模型C2作对称变换，得到与第一点云模型C1同样状态的第三点云模型C2’；
将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3；
去除配准点云模型C3中与第一点云模型C1重叠的点，得到第四点云模型C4；
判断第四点云模型C4中是否存在离群点：若是，则删除第四点云模型C4中的离群点，得到目标点云模型；若否，则第四点云模型C4即为得到的目标点云模型；
将所得到的目标点云模型转换为三维骨骼模型，即得到目标骨骼的待修复骨缺失部位的骨骼模型。
2.根据权利要求1所述的人体骨骼缺失部位的骨骼模型获取方法，其特征在于，将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3，具体实现步骤包括：
在第一点云模型C1上选取相应数量的特征点，分别记为第一特征点；并在第三点云模型C2’上选取对应位置的特征点，分别记为第二特征点；各第一特征点均不是目标骨骼的待修复骨缺失部位上的点；
基于特征点的约束，对第三点云模型C2’进行平移旋转变形使其上选取的第二特征点与第一点云模型C1上的第一特征点对齐，之后以第一点云模型C1作为基准点云模型，对第三点云模型C2’进行变形配准，得到配准点云模型C3。
3.根据权利要求2所述的人体骨骼缺失部位的骨骼模型获取方法，其特征在于，第一特征点的数量至少为6个。
4.一种人体骨骼缺失部位的骨骼模型获取系统，其特征在于，包括：
3D骨骼模型重构单元，对目标骨骼的CT图像以及对基准骨骼的CT图像，分别进行重构得到各自对应的3D骨骼模型，依次记为第一骨骼模型S1和第二骨骼模型S2；所述目标骨骼，为患者的带有待修复骨缺失部位的骨骼；所述基准骨骼，为所述目标骨骼在患者身体中的对称骨骼；第一骨骼模型S1和第二骨骼模型S2大小相等且对称放置；
点云模型转换单元，将第一骨骼模型S1转换成第一点云模型C1，将第二骨骼模型S2转换成第二点云模型C2；
点云模型变换单元，对第二点云模型C2作对称变换，得到与第一点云模型C1同样状态的第三点云模型C2’；
配准变形单元，将第一点云模型C1作为基准点云模型，对第三点云模型C2’进行相对于基准点云模型的变形配准得到配准点云模型C3；
重叠点去除单元，去除配准点云模型C3中与第一点云模型C1重叠的点，得到第四点云模型C4；
离群点删除单元，判断第四点云模型C4中是否存在离群点：若是，则删除第四点云模型C4中的离群点，得到目标点云模型；若否，则得到目标点云模型为第四点云模型C4；
目标点云转换单元，将所得到的目标点云模型转换为三维骨骼模型，该转换为的三维骨骼模型即为得到的目标骨骼的待修复骨缺失部位的骨骼模型。
5.根据权利要求4所述的人体骨骼缺失部位的骨骼模型获取系统，其特征在于，所述的配准变形单元，包括：
特征点选取单元，用于在第一点云模型C1上选取相应数量的特征点，分别记为第一特征点；并用于在第三点云模型C2’上选取对应位置的特征点，分别记为第二特征点；各第一特征点均不是目标骨骼的待修复骨缺失部位上的点；
配准模型获取单元，基于特征点的约束，对第三点云模型C2’进行平移旋转使其上选取的第二特征点与第一点云模型C1上的第一特征点对齐，之后以第一点云模型C1作为基准点云模型，对第三点云模型C2’进行变形配准，得到配准点云模型C3。
6.根据权利要求5所述的人体骨骼缺失部位的骨骼模型获取系统，其特征在于，第一特征点的数量至少为6个。
7.一种终端，其特征在于，包括：
处理器；
用于存储处理器的执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-3中任一项所述的方法。
CN202011166009.1A 2020-10-27 2020-10-27 一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端 Pending CN112381922A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011166009.1A CN112381922A (zh) 2020-10-27 2020-10-27 一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011166009.1A CN112381922A (zh) 2020-10-27 2020-10-27 一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端

Publications (1)

Publication Number Publication Date
CN112381922A true CN112381922A (zh) 2021-02-19

Family

ID=74577779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011166009.1A Pending CN112381922A (zh) 2020-10-27 2020-10-27 一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端

Country Status (1)

Country Link
CN (1) CN112381922A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332378A (zh) * 2021-12-31 2022-04-12 西安交通大学 基于二维医学影像的人体骨骼三维模型获取方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070198022A1 (en) * 2001-05-25 2007-08-23 Conformis, Inc. Patient Selectable Joint Arthroplasty Devices and Surgical Tools
CN105046698A (zh) * 2015-07-06 2015-11-11 嘉恒医疗科技（上海）有限公司 基于左右对称信息的肩关节缺损参数统计方法和系统
CN105303604A (zh) * 2015-10-19 2016-02-03 中国科学院软件研究所 一种用于人体单侧肢体骨骼骨性损伤测量的方法及系统
CN110288638A (zh) * 2019-06-18 2019-09-27 济南大学 一种断骨模型粗配准方法、系统及断骨模型配准方法
CN111297478A (zh) * 2020-03-10 2020-06-19 南京市第一医院 一种膝关节翻修手术的术前规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070198022A1 (en) * 2001-05-25 2007-08-23 Conformis, Inc. Patient Selectable Joint Arthroplasty Devices and Surgical Tools
CN105046698A (zh) * 2015-07-06 2015-11-11 嘉恒医疗科技（上海）有限公司 基于左右对称信息的肩关节缺损参数统计方法和系统
CN105303604A (zh) * 2015-10-19 2016-02-03 中国科学院软件研究所 一种用于人体单侧肢体骨骼骨性损伤测量的方法及系统
CN110288638A (zh) * 2019-06-18 2019-09-27 济南大学 一种断骨模型粗配准方法、系统及断骨模型配准方法
CN111297478A (zh) * 2020-03-10 2020-06-19 南京市第一医院 一种膝关节翻修手术的术前规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张铭宣: "基于结构信息约束非刚体形变的三维物体配准方法研究", 《济南大学硕士学位论文》 *
陈中中 等: "《快速成型技术与生物医学导论》", 31 October 2013 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332378A (zh) * 2021-12-31 2022-04-12 西安交通大学 基于二维医学影像的人体骨骼三维模型获取方法及系统
CN114332378B (zh) * 2021-12-31 2024-01-16 西安交通大学 基于二维医学影像的人体骨骼三维模型获取方法及系统

Similar Documents

Publication Publication Date Title
JP7493464B2 (ja) ３ｄオブジェクトの正準ポーズの自動化判定、および深層学習を使った３ｄオブジェクトの重ね合わせ
WO2022037696A1 (zh) 基于深度学习的骨骼分割方法和系统
Fu et al. Automatic and hierarchical segmentation of the human skeleton in CT images
Gaggion et al. Improving anatomical plausibility in medical image segmentation via hybrid graph neural networks: applications to chest x-ray analysis
US20210012492A1 (en) Systems and methods for obtaining 3-d images from x-ray information for deformed elongate bones
WO2023078309A1 (zh) 目标特征点提取方法、装置、计算机设备和存储介质
US20240185509A1 (en) 3d reconstruction of anatomical images
JP3712234B2 (ja) 関心領域抽出方法及び画像処理サーバ
Stoll et al. Template Deformation for Point Cloud Fitting.
Zheng Statistical shape model‐based reconstruction of a scaled, patient‐specific surface model of the pelvis from a single standard AP x‐ray radiograph
CN116797519A (zh) 脑胶质瘤分割和三维可视化模型训练方法及系统
CN112308764B (zh) 图像配准方法及装置
Sarmah et al. Survey of methods and principles in three-dimensional reconstruction from two-dimensional medical images
Li et al. Back to the roots: Reconstructing large and complex cranial defects using an image-based statistical shape model
Broll et al. Generative deep learning approaches for the design of dental restorations: A narrative review
Li et al. Imtooth: Neural implicit tooth for dental augmented reality
WO2022163513A1 (ja) 学習済みモデルの生成方法、機械学習システム、プログラムおよび医療画像処理装置
CN112381922A (zh) 一种人体骨骼缺失部位的骨骼模型获取方法、系统及终端
CN112562070A (zh) 基于模板匹配的颅缝早闭手术切割坐标生成系统
CN114820740A (zh) 图像配准方法、存储介质及计算机设备
CN114004940B (zh) 面部缺损参照数据的非刚性生成方法、装置及设备
Rhee et al. Scan-based volume animation driven by locally adaptive articulated registrations
US20240127440A1 (en) Manufacturing method of learning model, learning model, estimation method, image processing system, and program
Starzynski et al. Morphing algorithm for building individualized 3D skeleton model from CT data
CN118521670B (zh) 图像伪影去除方法、图像伪影去除模型的训练方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210219