基于深度学习的颅骨缺损结构三维重建设计方法与流程

本发明涉及医学影像处理与计算机辅助设计，具体为基于深度学习的颅骨缺损结构三维重建设计方法。

背景技术：

1、针对颅骨缺损的修复重建，现有方案多依赖于手动勾画缺损边界并利用镜像健侧颅骨形态或模板匹配进行补全设计，流程繁琐且对操作者经验依赖性强。在自动补全方法中，常采用基于全局坐标系的曲面拟合或统计形状模型直接生成补全曲面，但个体颅骨在影像采集时的摆位姿态差异会导致缺损区域的空间分布规律不一致，使得统一坐标系下的补全模型难以准确适配不同患者的颅骨解剖特征，补全结果的形态一致性较差。同时，这类方法在生成补全曲面时通常仅考虑曲面片在缺损区域内部的形态逼近，忽略补全曲面与缺损周边完区骨板边界之间的连续性条件，导致生成的补全曲面在边界处出现位置错位和切向突变，形成台阶状接缝或曲率不连续区域，影响修复体与剩余颅骨的解剖过渡效果及术后稳定性。为了在颅骨缺损修复设计中同时解决因个体姿态差异引起的几何表示不一致问题以及补全曲面边界连续性不足的问题，需要针对颅骨自身的解剖对称性和局部参考系构建新的设计流程。

技术实现思路

1、提供一种基于深度学习的颅骨缺损结构三维重建设计方法，能够在颅骨缺损区域自动生成内板和外板的补全曲面，并使补全曲面与周围完区颅骨在位置和切平面上保持连续过渡，从而得到形态逼真、边界平滑的颅骨缺损修复体三维实体模型。

2、为了实现上述目的，本发明提供如下技术方案：本发明提供一种基于深度学习的颅骨缺损结构三维重建设计方法，包括：

3、获取原始颅骨影像序列，进行灰度归一化与空间重采样处理，获得标准化颅骨影像体数据，以消除不同扫描设备与扫描参数造成的灰度差异和空间分辨率不一致。

4、对所述标准化颅骨影像体数据进行颅骨区域分割处理，生成颅骨表面体素标记场。作为一种优选的技术方案，对每个体素计算其邻域窗口内的灰度梯度幅值与灰度统计特征，形成体素特征描述向量，根据该描述向量与预设颅骨组织典型灰度区间的匹配度进行骨组织类别标记，生成初始骨组织体素标记场；再通过连通域分析提取最大连通骨组织区域，剔除孤立骨组织噪声，并执行形态学闭运算填充骨组织内部孔洞，得到准确、完整的颅骨表面体素标记场。

5、根据所述颅骨表面体素标记场，计算颅骨几何中心与主惯性轴方向，建立颅骨局部参考坐标系，并将所述标准化颅骨影像体数据转换至该局部参考坐标系下，生成对齐颅骨影像体数据。优选地，以所有颅骨表面体素的空间坐标均值作为颅骨几何中心，计算协方差矩阵并进行特征值分解，将最大特征值对应的特征向量方向作为第一主惯性轴方向，次大特征值对应的特征向量方向作为第二主惯性轴方向，通过向量叉积得到第三主惯性轴方向，由此构建以颅骨几何中心为原点的局部参考坐标系，实现对颅骨姿态的标准对齐，保证后续处理不受原始扫描位姿影响。

6、基于所述对齐颅骨影像体数据检测缺损区域边界体素集合，逐一遍历颅骨表面体素，将邻域内存在非颅骨体素的体素标记为缺损区域边界体素，并按空间邻近关系排序形成闭合的缺损边界体素环序列；对所述缺损边界体素环序列采用样条曲线插值得到光滑的闭合边界曲线，进而构建封闭的缺损区域边界曲面，精确界定缺损轮廓。

7、根据所述缺损区域边界曲面，提取缺损区域周围预定范围内的完好颅骨内板与外板曲面片，组成参考曲面片集合。具体而言，由边界曲面的几何中心与法线方向确定向外扩展的完区颅骨采样区域，从该区域中提取位于颅骨内板表面和外板表面的体素坐标点，分别构成内板采样点集合和外板采样点集合，再对采样点集合进行三角剖分，生成内板参考曲面片和外板参考曲面片，为缺损补全提供贴近真实解剖形态的局部曲率与厚度参照。

8、以所述参考曲面片集合为约束，采用径向基函数插值方法构建内板和外板的初始补全曲面。提取内板和外板参考曲面片边界控制点的位置坐标与对应法线方向，分别构建径向基函数插值方程组并求解权重系数，建立内板和外板初始补全曲面的隐式函数表达式；在缺损区域内部均匀采样，将采样点代入隐式函数得到内板和外板的离散点云，进而构建初始补全网格。该插值方式使补全曲面自然延续周围完好颅骨的形态趋势，保持整体曲面的平滑性。

9、根据所述初始补全曲面与所述缺损区域边界曲面之间的位置连续性条件和切平面连续性条件，迭代调整初始补全曲面的控制点位置，生成优化补全曲面。计算初始补全曲面边界与缺损区域边界曲面对应点的位置偏差向量和切向量偏差向量，分别构建位置连续性约束方程和切平面连续性约束方程，并将其联立为联合约束方程组。作为进一步优选的实施方式，采用加权最小二乘法构建该联合约束方程组，其中位置连续性约束的权重系数大于切平面连续性约束的权重系数，从而优先保证骨缘闭合精度。求解方程组得到控制点位置调整量向量，迭代更新控制点位置，直至位置偏差向量和切向量偏差向量的模长均小于预设收敛阈值，获得既满足精确贴合又实现切平面光滑过渡的优化补全曲面。

10、将所述优化补全曲面的内板曲面和外板曲面之间的空间区域进行实体化填充，生成颅骨缺损结构三维实体模型。提取内板三角网格和外板三角网格，对内板顶点沿其法线方向向外板三角网格投影，以投影点所在三角面片的重心坐标确定顶点对应关系；在相对应的内板顶点与外板顶点之间生成连接线段，构建侧壁封闭三角面片，将内板网格、外板网格及侧壁面片合并为封闭的三角网格壳体，再对壳体内部进行体素填充，获得可直接用于数字化设计、三维打印或手术规划的颅骨缺损结构三维实体模型。

11、通过本方法，从原始影像自动提取颅骨缺损信息并生成姿态对齐的标准数据，利用周围完好颅骨的内外板曲面作为形态先验，借助径向基函数插值与多约束迭代优化实现缺损区域的双层曲面精准补全，最终形成与缺损边界位置连续、切平面光顺且厚度自然过渡的颅骨修补实体，整个流程无需人工交互，显著提高颅骨修复设计的效率与可重复性。

12、在上述技术方案中，本发明提供的技术效果和优点：

13、通过提取颅骨表面体素的主惯性轴方向并建立颅骨局部参考坐标系，将标准化颅骨影像体数据转换至该坐标系下，使得缺损区域的几何描述脱离原始采集时的姿态差异。在该对齐颅骨影像数据上进行缺损边界检测和周围完区曲面片提取，能够获取姿态无关的参考曲面几何信息，避免了因患者头颅在扫描时倾斜、旋转等姿态变化而引入的曲面采样偏差，使参考曲面片集合更准确地反映缺损周围完好颅骨的局部解剖形态，从而提升后续补全曲面外推的稳定性和适配性。采用径向基函数插值构建内板和外板的初始补全曲面后，计算初始补全曲面边界与缺损区域边界曲面之间的位置偏差向量和切向量偏差向量，并据此构建位置连续性约束方程和切平面连续性约束方程，通过迭代调整控制点位置直至二者偏差均满足收敛阈值的方案，对补全曲面进行优化。这一处理强制补全曲面在边界处与周围完区颅骨表面实现位置对齐和切平面平滑衔接，消除了仅靠插值产生的边界台阶和曲率突变缺陷，使补全曲面的内外板在缺损边缘与原生颅骨表面形成连续的解剖过渡，从而获得更符合颅骨生理形态的修复模型结构。

1.基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，对标准化颅骨影像体数据进行颅骨区域分割处理，生成颅骨表面体素标记场，包括：

3.根据权利要求1所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，所述生成对齐颅骨影像体数据，包括：

4.根据权利要求1所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，根据所述对齐颅骨影像体数据，检测缺损区域边界体素集合，根据所述缺损区域边界体素集合，生成缺损区域边界曲面，包括：

5.根据权利要求1所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，根据所述缺损区域边界曲面，提取缺损区域周围预定范围内的完区颅骨内板和外板曲面片，生成参考曲面片集合，包括：

6.根据权利要求1所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，根据所述参考曲面片集合，采用径向基函数插值方法构建内板和外板的初始补全曲面，包括：

7.根据权利要求1所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，生成优化补全曲面，包括：

8.根据权利要求1所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，将所述优化补全曲面的内板曲面和外板曲面之间的空间区域进行实体化填充，生成颅骨缺损结构三维实体模型，包括：

9.根据权利要求7所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，将所述位置连续性约束方程和切平面连续性约束方程组合为联合约束方程组，包括采用加权最小二乘法构建所述联合约束方程组，其中位置连续性约束的权重系数大于切平面连续性约束的权重系数。

10.根据权利要求8所述的基于深度学习的颅骨缺损结构三维重建设计方法，其特征在于，对所述内板三角网格和外板三角网格进行顶点对应匹配处理，包括将内板顶点沿法线方向投影至外板三角网格上，以投影点所在三角面片的重心坐标确定外板顶点对应关系。