本申请提供了一种基于深度学习与几何矩阵算法的三维动态骨骼旋转方法。该方法，包括：将膝关节dicom数据导入并分割，得到股骨胫骨stl模型；确定股骨外侧髁内侧后上方点A、股骨前髁外侧缘点B；基于A点、B点，生成股骨侧骨隧道；在确定AB的中点C后，标准矩阵右乘C，得到矩阵t0；在确定AB于xoy平面投影线与AB之间的夹角α后，矩阵t0按Z轴旋转α角度，得到矩阵t1；在确定AB于xoz平面投影线与AB之间的夹角β后，矩阵t1按Y轴旋转β角度，得到矩阵t2；将AB的法向量按照预设角度旋转，得到世界坐标系转换矩阵t3；将矩阵t2和矩阵t3进行右乘计算，得到股骨旋转矩阵t4；股骨及股骨侧骨隧道，按矩阵t4进行动态旋转显示。
【技术实现步骤摘要】
本申请属于骨骼动态旋转显示领域，尤其涉及一种基于深度学习与几何矩阵算法的三维动态骨骼旋转方法、装置、设备及计算机可读存储介质。
技术介绍
1、在sm项目的术前规划中，需要旋转骨骼显示最终结果，辅助医生判断规划是否正确。
2、目前，相关技术中实现骨骼动态旋转显示效果的方法：使用骨骼动画技术实现骨骼的动态旋转显示效果。这种方法通常涉及在模型中定义骨骼层级结构，并使用关键帧动画或插值动画来控制骨骼的旋转。
3、但是，该方法需要预先定义骨骼层级结构和关键帧动画或插值动画信息，并将其存储在文件中。不仅需要更多的存储空间和处理资源，而且难以修改其中的旋转角度。如果需要修改，需要重新制作整个动画。骨骼动画通常是线性插值的结果，因此难以实现自然的动态旋转效果。
4、因此，如何减少存储空间和处理资源，方便修改旋转角度，实现自然的动态旋转效果是本领域技术人员亟需解决的技术问题。
技术实现思路
1、本申请实施例提供一种基于深度学习与几何矩阵算法的三维动态骨骼旋转方法、装置、设备及计算机可读存储介质，能够减少存储空间和处理资源，方便修改旋转角度，实现自然的动态旋转效果。
2、第一方面，本申请实施例提供一种基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，方法包括：
3、将膝关节dicom数据导入并分割，得到股骨胫骨stl模型；
4、确定股骨外侧髁内侧后上方点a、股骨前髁外侧缘点b；
5、基于a点、b点，生成股骨侧骨隧道；</p>6、在确定ab的中点c后，标准矩阵右乘c，得到矩阵t0；
7、在确定ab于xoy平面投影线与ab之间的夹角α后，矩阵t0按z轴旋转α角度，得到矩阵t1；
8、在确定ab于xoz平面投影线与ab之间的夹角β后，矩阵t1按y轴旋转β角度，得到矩阵t2；
9、将ab的法向量按照预设角度旋转，得到世界坐标系转换矩阵t3；
10、将矩阵t2和矩阵t3进行右乘计算，得到股骨旋转矩阵t4；
11、股骨及股骨侧骨隧道，按矩阵t4进行动态旋转显示。
12、可选的，还包括：
13、结合计时器，不断变换预设角度；
14、反复调用上述流程，股骨及股骨侧骨隧道基于变换后的预设角度，进行动态旋转显示。
15、可选的，基于a点、b点，生成股骨侧骨隧道，包括：
16、基于a点、b点，进行骨隧道规划，得到骨隧道规划结果；
17、基于骨隧道规划结果进行三维重建渲染，生成股骨侧骨隧道。
18、可选的，确定ab于xoy平面投影线与ab之间的夹角α，包括：
19、将ab投影到xoy平面，得到ab于xoy平面投影线；
20、通过使用反正切函数atan2，确定ab于xoy平面投影线与ab之间的夹角α。
21、可选的，确定ab于xoz平面投影线与ab之间的夹角β，包括：
22、将ab投影到xoz平面，得到ab于xoz平面投影线；
23、通过使用反正切函数atan2，确定ab于xoz平面投影线与ab之间的夹角β。
24、可选的，确定股骨外侧髁内侧后上方点a、股骨前髁外侧缘点b，包括：
25、将股骨胫骨stl模型输入预设的关键点识别网络模型，确定股骨外侧髁内侧后上方点a、股骨前髁外侧缘点b。
26、可选的，还包括：
27、根据长度伸缩变化差值最小，对股骨外侧髁内侧后上方点a、股骨前髁外侧缘点b进行调整。
28、第二方面，本申请实施例提供了一种基于深度学习与几何矩阵算法的三维动态骨骼旋转装置，包括：
29、分割模块，用于将膝关节dicom数据导入并分割，得到股骨胫骨stl模型；
30、关键点确定模块，用于确定股骨外侧髁内侧后上方点a、股骨前髁外侧缘点b；
31、骨隧道生成模块，用于基于a点、b点，生成股骨侧骨隧道；
32、矩阵获取模块，用于在确定ab的中点c后，标准矩阵右乘c，得到矩阵t0；在确定ab于xoy平面投影线与ab之间的夹角α后，矩阵t0按z轴旋转α角度，得到矩阵t1；在确定ab于xoz平面投影线与ab之间的夹角β后，矩阵t1按y轴旋转β角度，得到矩阵t2；将ab的法向量按照预设角度旋转，得到世界坐标系转换矩阵t3；将矩阵t2和矩阵t3进行右乘计算，得到股骨旋转矩阵t4；
33、动态旋转显示模块，用于股骨及股骨侧骨隧道，按矩阵t4进行动态旋转显示。
34、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；
35、所述处理器执行所述计算机程序指令时实现基于深度学习与几何矩阵算法的三维动态骨骼旋转方法。
36、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基于深度学习与几何矩阵算法的三维动态骨骼旋转方法。
37、本申请实施例的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法、装置、设备及计算机可读存储介质，能够减少存储空间和处理资源，方便修改旋转角度，实现自然的动态旋转效果。
38、该基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，方法包括：
39、将膝关节dicom数据导入并分割，得到股骨胫骨stl模型；
40、确定股骨外侧髁内侧后上方点a、股骨前髁外侧缘点b；
41、基于a点、b点，生成股骨侧骨隧道；
42、在确定ab的中点c后，标准矩阵右乘c，得到矩阵t0；
43、在确定ab于xoy平面投影线与ab之间的夹角α后，矩阵t0按z轴旋转α角度，得到矩阵t1；
44、在确定ab于xoz平面投影线与ab之间的夹角β后，矩阵t1按y轴旋转β角度，得到矩阵t2；
45、将ab的法向量按照预设角度旋转，得到世界坐标系转换矩阵t3；
46、将矩阵t2和矩阵t3进行右乘计算，得到股骨旋转矩阵t4；
47、股骨及股骨侧骨隧道，按矩阵t4进行动态旋转显示。
本文档来自技高网...
【技术保护点】
1.一种基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，还包括：
3.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，基于A点、B点，生成股骨侧骨隧道，包括：
4.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，确定AB于xoy平面投影线与AB之间的夹角α，包括：
5.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，确定AB于xoz平面投影线与AB之间的夹角β，包括：
6.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，确定股骨外侧髁内侧后上方点A、股骨前髁外侧缘点B，包括：
7.根据权利要求6所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，还包括：
8.一种基于深度学习与几何矩阵算法的三维动态骨骼旋转装置，其特征在于，所述装置包括：p>
9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；
10.一种计算机可读存储介质，其特征在于，所述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权利要求1-7任意一项所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法。
...
【技术特征摘要】
1.一种基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，还包括：
3.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，基于a点、b点，生成股骨侧骨隧道，包括：
4.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，确定ab于xoy平面投影线与ab之间的夹角α，包括：
5.根据权利要求1所述的基于深度学习与几何矩阵算法的三维动态骨骼旋转方法，其特征在于，确定ab于xoz平面投影线与ab之间的夹角β，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：刘星宇，张逸凌，
申请(专利权)人：北京长木谷医疗科技股份有限公司，
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。