一种使用神经网络辅助识别力线的方法与系统，可用于检测术前、术后的力线，辅助手术并了解术后恢复状况。该方法包括步骤：通过将CT文件序列行组合成一张完整的三维图像，随后从冠状面进行切片而得到第一图像，将第一图像输入基于unet且使用softmax激活函数的第一多分类分割用神经网络对股骨、胫骨进行不同分类，从而对股骨与胫骨的模型一次性进行分割；以及使用第二分割用神经网络寻找股骨的模型上的股骨头中心点来确定力线，其中还基于点云计算其它关键生理点：股骨膝关节中心点、胫骨膝关节中心点及胫骨踝关节中心点。其中，对第一图像进行双线性量化处理，使得在通过双线性插值向上插值的同时也能够向下量化。向上插值的同时也能够向下量化。向上插值的同时也能够向下量化。
【技术实现步骤摘要】
用神经网络识别力线的方法与系统、存储介质及电子设备
[0001]本专利技术涉及医学
，即用于关节置换的计算机辅助规划
以及医学图像数据处理
，具体而言，涉及一种使用神经网络辅助识别力线的方法与通过使用神经网络辅助识别力线来辅助手术规划的系统，更具体地，涉及一种基于图像重建、深度学习、数值算法等手段来标定力线，尤其是重新设计一种基于冠状面的不同以往的深度学习标记方案。
技术介绍
[0002]随着现代社会的飞速发展，各行各业都开始与IT行业产生密不可分的联系，医疗行业也是如此。在由手术机器人进行辅助膝关节置换术时，确定力线的位置是非常重要的，可以决定手术的成功与否，以及术后患者的恢复状况。如果力线标定不准，则有可能导致患者在术后恢复过程中再次引发病变，甚至导致整个手术完全失败。
技术实现思路
[0003]然而，大部分患者在膝关节发生病变之后，相比健康时力线都会产生一定的偏差。为了纠正力线的方向，就需要对力线进行重新测量，以此来设计术中方案以及术后纠正计划。
[0004]为解决上述问题，本专利技术的目的在于提供一种使用神经网络辅助识别力线的方法与系统。
[0005]根据本专利技术的一方面，提供一种使用神经网络辅助识别力线的方法，包括如下步骤：通过将CT文件序列组合成一张完整的三维图像，随后从冠状面进行切片而得到一系列第一图像；通过对第一图像进行双线性量化处理而得到第二图像，其中，双线性量化处理是在双线性插值的基础上对像素的权重值进行了调整，使得不再将目标图像的权重固定为1；将包含股骨与胫骨的冠状面图像数据的第二图像输入第一多分类分割用神经网络对股骨、胫骨进行不同分类，从而对股骨的模型与胫骨的模型一次性进行分割；以及使用第二分割用神经网络，寻找股骨的模型与胫骨的模型上的关键生理点来确定力线。
[0006]可选地，通过使用第二分割用神经网络识别出股骨的模型中作为关键生理点的股骨头中心点，并且基于第二分割用神经网络重建的三维虚拟图像模型中的点云数据，确定其它作为关键生理点的股骨膝关节中心点、胫骨膝关节中心点以及胫骨踝关节中心点。
[0007]如此，在例如由手术机器人进行辅助膝关节置换术时，可以准确且高效地确定力线，从而有利地辅助术前规划。
[0008]相应地，根据本专利技术的另一方面，提供一种用于辅助膝关节置换的系统，其通过使用神经网络辅助识别力线来辅助术前规划，包括以下各单元：切片单元，构成为通过将CT文件序列组合成一张完整的三维图像，随后从冠状面进行切片而得到一系列第一图像；双线性量化处理单元，构成为通过对第一图像进行双线性量化处理而得到第二图像，其中，双线性量化处理是在双线性插值的基础上对像素的权重值进行了调整，使得不再将目标图像的
权重固定为1；分类单元，构成为将包含股骨与胫骨的冠状面图像数据的第二图像输入第一多分类分割用神经网络对股骨、胫骨进行不同分类，从而对股骨的模型与胫骨的模型一次性进行分割；以及关键生理点确定单元，构成为使用第二分割用神经网络，寻找股骨的模型与胫骨的模型上的关键生理点来确定力线。
[0009]优选地，关键生理点确定单元包括：分割模块，构成为使用第二分割用神经网络，寻找股骨的模型上的作为关键生理点的股骨头中心点；和点云数据计算模块，构成为基于第二分割用神经网络重建的三维虚拟图像模型中的点云数据，确定其它作为关键生理点的股骨膝关节中心点、胫骨膝关节中心点以及胫骨踝关节中心点。
[0010]此外，根据本专利技术的再一方面，提供作为可适用于辅助膝关节置换的检测系统，作为一种手术规划系统，其能够通过使用上述任一项的方法或上述任一项的系统来识别、测定力线，从而能够使用神经网络辅助识别力线来测定术前、术后的力线，从而辅助术前规划，并能够通过比较所测定的术前、术后的力线来辅助术后纠正计划。
[0011]如此， 根据本专利技术，通过提供一种基于冠状面的不同以往的深度学习标记方案，可以有效地基于图像重建、深度学习、数值分析算法等手段来准确地标定力线，为术前乃至术后的手术规划提供有利的辅助。
附图说明
[0012]图1示意性地示出根据本专利技术实施例从冠状面进行切片的原理图。
[0013]图2示意性地示出双线性插值的原理图。
[0014]图3示意性地示出根据本专利技术实施例采用的unet的基础架构流程。
[0015]图4示意性地示出根据本专利技术实施例在横断面上进行的数据标注。
[0016]图5示意性地示出如何确定力线的解剖概念图。
[0017]图6示意性地示出如何确定股骨膝关节中心点的解剖概念图。
[0018]图7示意性地示出股骨膝关节中心点在世界坐标中的大小关系。
[0019]图8示意性地示出一维空间中的线性插值原理图。
[0020]图9示出根据本专利技术示例性实施例的方法的流程图。
具体实施方式
[0021]下面结合附图详细描述本专利技术的示例性实施例。下文描述的和附图示出的示例性实施例旨在教导本专利技术的原理，使本领域技术人员能够在若干不同环境中和对于若干不同应用实施和使用本专利技术。因此，本专利技术的保护范围由所附的权利要求来限定，示例性实施例并不意在、并且不应该被认为是对本专利技术保护的范围的限制性描述。
[0022]参照图9，根据本专利技术，提供一种使用深度学习对股骨与胫骨图像进行分割并且在此基础上根据医学定义确定力线位置的方法与系统，并以此来提高后续手术精度，具体的方法步骤包括：步骤101：通过将CT文件序列组合成一张完整的三维图像；步骤102：从冠状面进行切片而得到一系列第一图像；步骤103：通过对第一图像进行双线性量化处理而得到第二图像；步骤104：将包含股骨与胫骨的冠状面图像数据的第二图像输入神经网络对股骨、
胫骨进行不同分类；以及步骤105：寻找关键生理点来确定力线。
[0023]优选地，作为图像数据，对CT（Computed Tomography，电子计算机断层扫描）的dicom文件序列进行重组并且重新划分，将CT文件序列组合成一张完整的三维图像，随后从冠状面进行切片而得到第一图像。
[0024]即，将预先获得的包含股骨与胫骨的原始图像数据从冠状面进行切片，得到第一图像来将其用作为多分类分割用神经网络的输入，对股骨、胫骨进行不同的分类，从而对股骨的模型与胫骨的模型一次性进行分割，然后使用第二分割用神经网络重建三维虚拟图像模型，寻找股骨的模型与胫骨的模型上的关键生理点来确定力线，在此，利用第二分割用神经网络来识别作为所述关键生理点的股骨头中心点。
[0025]此外，所述关键生理点还包括股骨膝关节中心点、胫骨膝关节中心点以及胫骨踝关节中心点，基于股骨头中心点与股骨膝关节中心点、胫骨膝关节中心点以及胫骨踝关节中心点之间的位置关系或所在区段的范围，从上述三维虚拟图像模型的点云数据中确定股骨膝关节中心点、胫骨膝关节中心点以及胫骨踝关节中心点，从而利用上述四个关键生理点的每一组生理点分别确定相应的力线。
[0026]下面以CT图像为例来说明根据本专利技术的示本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种使用神经网络辅助识别力线的方法，包括如下步骤：通过将CT文件序列组合成一张完整的三维图像，随后从冠状面进行切片而得到一系列第一图像；通过对所述第一图像进行双线性量化处理而得到第二图像，其中，所述双线性量化处理是在双线性插值的基础上对像素的权重值进行了调整，使得不再将目标图像的权重固定为1；将包含股骨与胫骨的冠状面图像数据的所述第二图像输入第一多分类分割用神经网络对股骨、胫骨进行不同分类，从而对股骨的模型与胫骨的模型一次性进行分割；以及使用第二分割用神经网络，寻找所述股骨的模型与所述胫骨的模型上的关键生理点来确定力线。2.根据权利要求1所述的方法，其特征在于，通过使用所述第二分割用神经网络识别出所述股骨的模型中作为关键生理点的股骨头中心点，并且基于所述第二分割用神经网络重建的三维虚拟图像模型中的点云数据，确定其它作为关键生理点的股骨膝关节中心点、胫骨膝关节中心点以及胫骨踝关节中心点。3.根据权利要求1所述的方法，其特征在于，所述第一图像和所述第二图像的大小皆为512
×
512像素。4.根据权利要求1所述的方法，其特征在于，将所述第二图像输入基于unet的所述第一多分类分割用神经网络进行对股骨图像与胫骨图像的分割，其中，下采样使用最大池化maxpool，上采样使用双线性插值，并使用softmax激活函数输出完成任务分类的关于股骨图像与胫骨图像的第三图像。5.根据权利要求4所述的方法，其特征在于，将所述第三图像输入所述第二分割用神经网络，将股骨头与髋关节的接触面进行分割，所述第二分割用神经网络与所述第一多分类分割用神经网络相同，但取代softmax激活函数而使用sigmoid激活函数进行激活而得到最终输出结果output作为第四图像，而且每次进行下采样之前会对特征图进行保存，用以与上采样时的特征图进行concat拼接。6.根据权利要求1所述的方法，其特征在于，通过使用所述第二分割用神经网络分割股骨头的近似半球面，将采用最小二乘法拟合的球心作为股骨头中心点，其中，在所述近似半球面中，随机取10个点，根据球方程列出所得到的四元二次十项非线性方程组，使用最小二乘法进行解方程，将循环迭代结果的均值确定为股骨头中心点。7.根据权利要求1或2所述的方法，其特征在于，还包括如下步骤：基于所述第二分割用神经网络分类为代表股骨的像素点，计算得出横断面的下四分之一股骨部分的坐标点的点云数据集合，从中计算出在矢状面上位置坐标的最大值与最小...
【专利技术属性】
技术研发人员：黄志俊，刘金勇，钱坤，范昕，
申请(专利权)人：杭州柳叶刀机器人有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。