一种脊柱外科手术用机械臂调控方法及系统技术方案

本发明专利技术涉及图像数据处理技术领域，具体涉及一种脊柱外科手术用机械臂调控方法及系统，包括：获取脊柱影像中的特征点，并获得不同扫描角度下对应脊柱影像中特征点之间的相似程度，利用相似程度对损失函数进行调节优化，结合优化后损失函数对所有扫描角度下的脊柱影像进行配准，获得脊柱三维模型，以对机械臂进行调控。本发明专利技术通过考虑脊柱影像中特征点与其他特征点的信息变化，结合不同扫描角度下特征点之间的关系，获取特征点配准过程中损失函数的调节系数，保证了配准迭代过程中，重要且相似程度较大的特征点的匹配精度更准确，进而提高了脊柱三维模型的准确性和机械臂姿态调控的精准度。的精准度。的精准度。

【技术实现步骤摘要】
一种脊柱外科手术用机械臂调控方法及系统


[0001]本专利技术涉及图像数据处理
，具体涉及一种脊柱外科手术用机械臂调控方法及系统。

技术介绍

[0002]脊柱外科手术是一种用于治疗脊柱相关疾病或损伤的重要手术方法，然而，传统的脊柱外科手术在利用相关的影像进行病情诊断时，由于高度精准性要求以及解剖结构复杂的问题，便需要根据脊柱影像来构建一个对应的三维模型，以便于医生对脊柱不同区域在不同视角下的形态进行观察，来提高手术的精准性以及效率；现有方法中，利用常规的ICP配准算法，对机械臂所搭载的扫描仪器获得的不同扫描角度下的脊柱影像进行三维配准，其中ICP算法是常用的医学影像配准方法，但是由于脊柱位置结构的复杂性，以及不同患者的脊柱结构并不相同，会使得在配准过程中出现较大的误差，因此进而影响到三维配准的结果。

技术实现思路

[0003]本专利技术提供一种脊柱外科手术用机械臂调控方法及系统，以解决现有的问题。
[0004]本专利技术的一种脊柱外科手术用机械臂调控方法及系统采用如下技术方案：本专利技术提供了一种脊柱外科手术用机械臂调控方法，该方法包括以下步骤：获取脊柱影像以及机械臂所搭载扫描仪器的扫描角度；获取脊柱影像中的角点，根据脊柱影像中像素点与角点的灰度值和数量，以及角点之间的距离，获得角点之间的关联性；根据角点之间关联性的大小，获得角点的关联点，根据角点和对应关联点所形成区域的面积，以及脊柱影像中像素点的灰度值，获得角点的特征参数，根据特征参数的大小获得特征点；根据特征点的位置关系获得第一特征曲线，根据去除第一特征曲线中任意特征点前后的差异，获得特征点的重要程度；根据不同扫描角度下对应脊柱影像中，第一特征曲线的组合方式，获得任意组合方式下，两个特征曲线中所包含特征点之间的特征差异参数；根据最小特征差异参数以及两个特征点所在脊柱影像对应扫描角度之间的差异，获得特征点之间的相似程度；结合重要程度和相似程度对ICP配准算法的损失函数进行优化，获得优化后损失函数；结合优化后损失函数对所有脊柱影像的特征点进行配准，获得脊柱三维模型，利用脊柱三维模型实现机械臂智能调控。
[0005]进一步的，所述关联性的获取方法为：首先，利用SIFT角点检测算法获取脊柱影像中的若干个角点；然后，将脊柱影像中任意两个灰度值的差值绝对值小于预设第一阈值的像素点，记为灰度相似像素点，则任意像素点对应若干个灰度相似像素点；任意扫描角度下对应脊柱影像中，角点之间的关联性的具体计算方法为：
其中，表示脊柱影像中第个角点和第个角点之间的关联性；表示脊柱影像中所有像素点的数量；表示脊柱影像中第个角点的灰度相似像素点的数量；表示第个角点的灰度值，表示第个角点的灰度值；表示第个角点和第个角点之间的欧式距离；表示脊柱影像中所有角点之间的最大欧式距离；表示以自然常数为底数的指数函数。
[0006]进一步的，所述根据特征参数的大小获得特征点，包括的具体步骤如下：首先，将与任意角点的关联性大于第二阈值的所有角点，记为角点的关联点，获得任意角点的若干个关联点；然后，获取由任意角点的所有关联点进行连线所形成最大区域的面积，记为第一区域面积，对应区域记为第一区域；利用Graham扫描算法获取由任意角点的所有关联点所形成凸包区域的面积，记为第二区域面积，对应区域记为第二区域；最后，根据第一区域和第二区域的面积，以及脊柱影像中像素点的灰度值，获得角点的特征参数；将特征参数大于第三阈值的角点，记为特征点。
[0007]进一步的，所述特征参数的获取方法为：将任意角点的灰度值与脊柱影像中所有像素点的最小灰度值之间的差值，记为A，将A与脊柱影像中所有像素点的灰度值的极差，记为B，将A与B的比值记为第一比值，将第一区域面积和第二区域面积的比值记为第二比值，将第一比值和第二比值的乘积结果，记为角点的特征参数。
[0008]进一步的，所述第一特征曲线的获取方法为：首先，将脊柱影像中灰度值最大的预设数量个角点记为起始点，将垂直方向记为基础方向，以逆时针方向作为基础方向的旋转方向，预设旋转步长，将记为基础方向结合旋转步长在旋转过程中的旋转范围，记为角度区间，则获取与任意起始点在角度区间范围内，欧式距离最近的特征点，记为第一特征点，将起始点与第一特征点之间所形成的直线与垂直方向的角度，记为第一角度；然后，获取与第一特征点在角度区间范围内，形成的第二角度时，与第一角度之间的差值绝对值小于第四阈值，且距离第一特征点欧氏距离最近的特征点，记为第二特征点，依次迭代，直至无法获取特征点，在获取过程中前后相连，获得连接后的曲线，记为第一特征曲线；则任意起始点对应若干个第一特征曲线。
[0009]进一步的，所述重要程度的获取方法为：首先，利用链码编码获取任意第一特征曲线在脊柱影像中的像素点，以及对应的链码序列；然后，将第一特征曲线对应链码序列的方差，记为第一参数；将第一特征曲线中任意特征点去除，重新进行连接，将连接后的曲线记为第二特征曲线；将第二特征曲线对应链
码序列的方差，记为第二参数；最后，将第一参数与第二参数的比值记为，将记为第一特征曲线中所去除特征点的重要程度。
[0010]进一步的，所述特征差异参数的获取方法为：获取机械臂上的扫描仪器在不同扫描角度下，对应脊柱影像中的若干个第一特征曲线；利用动态时间规整算法获取任意组合方式下两个第一特征曲线之间的DTW距离，以及动态时间规整算法在匹配两个特征曲线中所包含的像素点时，对应的匹配点对以及匹配点对的数量；根据任意扫描角度下的脊柱影像中包含第个特征点的若干个第一特征曲线，与其他任意扫描角度下的脊柱影像中包含第个特征点的若干个第一特征曲线，组合后的任意两个第一特征曲线，获得特征点之间的特征差异参数，具体计算方法为：其中，表示第个特征点与第个特征点之间的特征差异参数；表示包含第个特征点的若干个第一特征曲线，与包含第个特征点的若干个第一特征曲线，所对应组合方式的数量；表示第种组合方式下对应两个第一特征曲线之间的DTW距离；表示第种组合方式下对应两个第一特征曲线中匹配点对的数量；表示第个特征点的灰度值；表示第个特征点的灰度值；表示第种组合方式下，第个匹配点对中属于第个特征点所在第一特征曲线内对应像素点的灰度值；表示第种组合方式下，第个匹配点对中属于第个特征点所在第一特征曲线内对应像素点的灰度值；表示归一化指数函数；表示以自然常数为底数的指数函数；表示获取绝对值。
[0011]进一步的，所述结合重要程度和相似程度对ICP配准算法的损失函数进行优化，获得优化后损失函数，包括的具体步骤如下：首先，获取任意两个扫描角度下对应两个脊柱影像中所有特征点之间的特征差异参数，将所有特征点之间的特征差异参数中的最小值，记为最小特征差异参数；特征点之间的相似程度的具体计算方法为：
其中，表示第个特征点与第个特征点之间的相似程度；表示最小特征差异参数；表示第个特征点与第个特征点分别所在脊柱影像所对应扫描角度的差值绝对值；表示超参数；然后，将两个脊柱影像中任意两个特征点的重要程度平均值，记为Z，将乘以ICP配准算法的损失函数，获得ICP配准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脊柱外科手术用机械臂调控方法，其特征在于，该方法包括以下步骤：获取脊柱影像以及机械臂所搭载扫描仪器的扫描角度；获取脊柱影像中的角点，根据脊柱影像中像素点与角点的灰度值和数量，以及角点之间的距离，获得角点之间的关联性；根据角点之间关联性的大小，获得角点的关联点，根据角点和对应关联点所形成区域的面积，以及脊柱影像中像素点的灰度值，获得角点的特征参数，根据特征参数的大小获得特征点；根据特征点的位置关系获得第一特征曲线，根据去除第一特征曲线中任意特征点前后的差异，获得特征点的重要程度；根据不同扫描角度下对应脊柱影像中，第一特征曲线的组合方式，获得任意组合方式下，两个特征曲线中所包含特征点之间的特征差异参数；根据最小特征差异参数以及两个特征点所在脊柱影像对应扫描角度之间的差异，获得特征点之间的相似程度；结合重要程度和相似程度对ICP配准算法的损失函数进行优化，获得优化后损失函数；结合优化后损失函数对所有脊柱影像的特征点进行配准，获得脊柱三维模型，利用脊柱三维模型实现机械臂智能调控。2.根据权利要求1所述一种脊柱外科手术用机械臂调控方法，其特征在于，所述关联性的获取方法为：首先，利用SIFT角点检测算法获取脊柱影像中的若干个角点；然后，将脊柱影像中任意两个灰度值的差值绝对值小于预设第一阈值的像素点，记为灰度相似像素点，则任意像素点对应若干个灰度相似像素点；任意扫描角度下对应脊柱影像中，角点之间的关联性的具体计算方法为：其中，表示脊柱影像中第个角点和第个角点之间的关联性；表示脊柱影像中所有像素点的数量；表示脊柱影像中第个角点的灰度相似像素点的数量；表示第个角点的灰度值，表示第个角点的灰度值；表示第个角点和第个角点之间的欧式距离；表示脊柱影像中所有角点之间的最大欧式距离；表示以自然常数为底数的指数函数。3.根据权利要求1所述一种脊柱外科手术用机械臂调控方法，其特征在于，所述根据特征参数的大小获得特征点，包括的具体步骤如下：首先，将与任意角点的关联性大于第二阈值的所有角点，记为角点的关联点，获得任意角点的若干个关联点；然后，获取由任意角点的所有关联点进行连线所形成最大区域的面积，记为第一区域面积，对应区域记为第一区域；利用Graham扫描算法获取由任意角点的所有关联点所形成凸包区域的面积，记为第二区域面积，对应区域记为第二区域；最后，根据第一区域和第二区域的面积，以及脊柱影像中像素点的灰度值，获得角点的特征参数；将特征参数大于第三阈值的角点，记为特征点。4.根据权利要求3所述一种脊柱外科手术用机械臂调控方法，其特征在于，所述特征参
数的获取方法为：将任意角点的灰度值与脊柱影像中所有像素点的最小灰度值之间的差值，记为A，将A与脊柱影像中所有像素点的灰度值的极差，记为B，将A与B的比值记为第一比值，将第一区域面积和第二区域面积的比值记为第二比值，将第一比值和第二比值的乘积结果，记为角点的特征参数。5.根据权利要求1所述一种脊柱外科手术用机械臂调控方法，其特征在于，所述第一特征曲线的获取方法为：首先，将脊柱影像中灰度值最大的预设数量个角点记为起始点，将垂直方向记为基础方向，以逆时针方向作为基础方向的旋转方向，预设旋转步长，将记为基础方向结合旋转步长在旋转过程中的旋转范围，记为角度区间，则获取与任意起始点在角度区间范围内，欧式距离最近的特征点，记为第一特征点，将起始点与第一特征点之间所形成的直线与垂直方向的角度，记为第一角度；然后，获取与第一特征点在角度区间范围内，形成的第二角度时，与第一角度之间的差值绝对值小于第四阈值，且距离第一特征点欧氏距离最近的特征点，记为第二特征点，依次迭代，直至无法获取特征点，在获取过程中前后相连，获得连接后的曲线，记为第一特征曲线；则任意起始点对应若干个第一特征曲线。6.根据权利要求1所述一种脊柱外科手术用机械臂调控方法，其特征在于，所述重要程度的获取方法为：首先，利用链码编码获取任意第一特征曲线在脊柱影像中的像素点，以及对应的链码序列；然后，将第一特征曲线对应链码序列的方差，记为第一参数；将第一特征曲线中任意特征点去除，重新进行连接，将连接后的曲线记为第二特征曲线；将第二特征曲线对应链码序列的方差，记为第二参数；最后，将第一参数与第二参数的比值记为，将记为第一特...

【专利技术属性】
技术研发人员：曹东，范纯泉，徐晓光，
申请(专利权)人：苏州安博医疗科技有限公司，
类型：发明
国别省市：