基于多项式拟合的智能骨关节三维重建方法技术

本申请提供了一种基于多项式拟合的智能骨关节三维重建方法

【技术实现步骤摘要】
基于多项式拟合的智能骨关节三维重建方法、装置及设备


[0001]本申请属于手术机器人
，尤其涉及一种基于多项式拟合的智能骨关节三维重建方法
、
装置
、
设备及计算机可读存储介质
。

技术介绍

[0002]当前
CT
图像的切片厚度一般为
1mm
‑
5mm
之间，但是在特定领域
(
如手术机器人
)
的
CT
图像分割中，层厚已经严重影响到了
CT
图像分割后分割结果重建的精度
。
[0003]因此，如何提高三维重建的精度是本领域技术人员亟需解决的技术问题
。

技术实现思路

[0004]本申请实施例提供一种基于多项式拟合的智能骨关节三维重建方法
、
装置
、
设备及计算机可读存储介质，能够提高三维重建的精度
。
[0005]第一方面，本申请实施例提供一种基于多项式拟合的智能骨关节三维重建方法，包括：
[0006]获取骨关节
DICOM
图像；
[0007]通过分割算法对骨关节
DICOM
图像进行图像分割，得到分割图像；
[0008]提取分割图像的边缘，得到图像边缘；
[0009]使用多层切片多项式拟合方法对图像边缘进行插值，得到插值边缘图像；
[0010]对插值边缘图像进行填充，得到填充图像；
>[0011]基于填充图像进行三维重建，生成骨关节三维模型
。
[0012]可选的，通过分割算法对骨关节
DICOM
图像进行图像分割，得到分割图像，包括：
[0013]基于深度学习或机器学习的方法对骨关节
DICOM
图像进行图像分割，得到分割图像；
[0014]其中，深度学习或机器学习的方法包括马尔科夫随机场模型
、unet
系列
、FCN
系列
、RNN
系列
、Deeplab
系列中的至少一种
。
[0015]可选的，通过分割算法对骨关节
DICOM
图像进行图像分割，得到分割图像，包括：
[0016]基于阈值分割
、
区域增长
、
聚类方法
、
可变形模型中的至少一种方法对骨关节
DICOM
图像进行图像分割，得到分割图像
。
[0017]可选的，提取分割图像的边缘，得到图像边缘，包括：
[0018]利用高斯滤波器平滑图像；
[0019]利用一阶偏导有限差分计算梯度幅值和方向；
[0020]对梯度幅值进行非极大抑制；
[0021]利用双阈值算法检测和连接边缘
。
[0022]可选的，使用多层切片多项式拟合方法对图像边缘进行插值，得到插值边缘图像，包括：
[0023]对相邻的多个切片进行边缘的拟合，得到拟合结果；
[0024]基于拟合结果在原始边缘点的中间进行插值，得到插值边缘图像
。
[0025]可选的，对插值边缘图像进行填充，得到填充图像，包括：
[0026]将插值边缘图像中的每个像素值都填充为其周围像素值和其均值之间的双线性插值结果，得到填充图像
。
[0027]可选的，对插值边缘图像进行填充，得到填充图像，包括：
[0028]将插值边缘图像中的每个像素值都填充为其周围像素值的中值，得到填充图像
。
[0029]第二方面，本申请实施例提供了一种基于多项式拟合的智能骨关节三维重建装置，装置包括：
[0030]图像获取模块，用于获取骨关节
DICOM
图像；
[0031]图像分割模块，用于通过分割算法对骨关节
DICOM
图像进行图像分割，得到分割图像；
[0032]边缘提取模块，用于提取分割图像的边缘，得到图像边缘；
[0033]边缘插值模块，用于使用多层切片多项式拟合方法对图像边缘进行插值，得到插值边缘图像；
[0034]图像填充模块，用于对插值边缘图像进行填充，得到填充图像；
[0035]三维重建模块，用于基于填充图像进行三维重建，生成骨关节三维模型
。
[0036]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；
[0037]所述处理器执行所述计算机程序指令时实现如第一方面的基于多项式拟合的智能骨关节三维重建方法
。
[0038]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如第一方面的基于多项式拟合的智能骨关节三维重建方法
。
[0039]本申请实施例的基于多项式拟合的智能骨关节三维重建方法
、
装置
、
设备及计算机可读存储介质，能够提高三维重建的精度
。
[0040]该基于多项式拟合的智能骨关节三维重建方法，包括：获取骨关节
DICOM
图像；通过分割算法对骨关节
DICOM
图像进行图像分割，得到分割图像；提取分割图像的边缘，得到图像边缘；使用多层切片多项式拟合方法对图像边缘进行插值，得到插值边缘图像；对插值边缘图像进行填充，得到填充图像；基于填充图像进行三维重建，生成骨关节三维模型
。
附图说明
[0041]为了更清楚地说明本专利技术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
。
[0042]图1是本申请一个实施例提供的基于多项式拟合的智能骨关节三维重建方法的流程示意图；
[0043]图2是本申请一个实施例提供的整体效果示意图；
[0044]图3是本申请一个实施例提供的多项式拟合效果示意图；
[0045]图4是本申请一个实施例提供的减小切片厚度的效果示意图；
[0046]图5是本申请一个实施例提供的基于多项式拟合的智能骨关节三维重建装置的结构示意图；
[0047]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
[0048]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
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多项式拟合的智能骨关节三维重建方法，其特征在于，包括：获取骨关节
DICOM
图像；通过分割算法对骨关节
DICOM
图像进行图像分割，得到分割图像；提取分割图像的边缘，得到图像边缘；使用多层切片多项式拟合方法对图像边缘进行插值，得到插值边缘图像；对插值边缘图像进行填充，得到填充图像；基于填充图像进行三维重建，生成骨关节三维模型
。2.
根据权利要求1所述的基于多项式拟合的智能骨关节三维重建方法，其特征在于，通过分割算法对骨关节
DICOM
图像进行图像分割，得到分割图像，包括：基于深度学习或机器学习的方法对骨关节
DICOM
图像进行图像分割，得到分割图像；其中，深度学习或机器学习的方法包括马尔科夫随机场模型
、unet
系列
、FCN
系列
、RNN
系列
、Deeplab
系列中的至少一种
。3.
根据权利要求1所述的基于多项式拟合的智能骨关节三维重建方法，其特征在于，通过分割算法对骨关节
DICOM
图像进行图像分割，得到分割图像，包括：基于阈值分割
、
区域增长
、
聚类方法
、
可变形模型中的至少一种方法对骨关节
DICOM
图像进行图像分割，得到分割图像
。4.
根据权利要求1所述的基于多项式拟合的智能骨关节三维重建方法，其特征在于，提取分割图像的边缘，得到图像边缘，包括：利用高斯滤波器平滑图像；利用一阶偏导有限差分计算梯度幅值和方向；对梯度幅值进行非极大抑制；利用双阈值算法检测和连接边缘
。5.
根据权利要求1所述的基于多项...

【专利技术属性】
技术研发人员：张逸凌，刘星宇，
申请(专利权)人：张逸凌，
类型：发明
国别省市：