骨折碎片复位规划方法、装置、设备及介质与流程

摘要: 本发明涉及计算机视觉,尤其涉及一种骨折碎片复位规划方法、装置、设备及介质。背景技术:1、骨骼(如股骨或胫骨等)在创伤事故中发生骨折时,往往伴随多个碎片分离,骨折...
骨折碎片复位规划方法、装置、设备及介质与流程

本发明涉及计算机视觉,尤其涉及一种骨折碎片复位规划方法、装置、设备及介质。

背景技术:

1、骨骼(如股骨或胫骨等)在创伤事故中发生骨折时,往往伴随多个碎片分离,骨折碎片空间排列复杂。临床上,骨折复位的目的是将这些碎片精确恢复到接近原始骨骼的三维位姿,以确保骨骼结构完整以及关节功能正常。

2、现有的骨折复位规划方法在处理复杂临床场景时仍面临诸多挑战:碎片语义表达能力不足、重建与位姿优化流程割裂等。

技术实现思路

1、本发明提供了一种骨折碎片复位规划方法、装置、设备及介质,可以提供精确的骨折复位的规划信息。

2、根据本发明的一方面,提供了一种骨折碎片复位规划方法,所述方法包括:

3、获取骨折部位图像,并从中提取多个骨折碎片的点云;

4、对各所述骨折碎片的点云进行局部块特征提取,得到块特征集合;

5、根据所述块特征集合,确定各所述骨折碎片对应的融合特征,所述融合特征融合了所述块特征集合中几何信息和各所述骨折碎片之间的语义信息;

6、根据各所述骨折碎片对应的融合特征,生成各所述骨折碎片的第一刚性变换矩阵;

7、基于各所述骨折碎片的第一刚性变换矩阵预测各所述骨折碎片的位姿残差;

8、基于各所述骨折碎片的位姿残差对第一刚性变换矩阵进行校正,确定各所述骨折碎片的第二刚性变换矩阵。

9、根据本发明的一方面,提供了一种骨折碎片复位规划装置,所述装置包括:

10、点云获取模块,用于获取骨折部位图像,并从中提取多个骨折碎片的点云;

11、特征提取模块,用于对各所述骨折碎片的点云进行局部块特征提取,得到块特征集合;

12、融合特征确定模块,用于根据所述块特征集合,确定各所述骨折碎片对应的融合特征,所述融合特征融合了所述块特征集合中几何信息和各所述骨折碎片之间的语义信息;

13、第一变换矩阵生成模块,用于根据各所述骨折碎片对应的融合特征,生成各所述骨折碎片的第一刚性变换矩阵;

14、位姿残差预测模块,用于基于各所述骨折碎片的第一刚性变换矩阵预测各所述骨折碎片的位姿残差;

15、第二变换矩阵确定模块,用于基于各所述骨折碎片的位姿残差对第一刚性变换矩阵进行校正,确定各所述骨折碎片的第二刚性变换矩阵。

16、根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:

17、至少一个处理器;以及

18、与所述至少一个处理器通信连接的存储器;其中,

19、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的骨折碎片复位规划方法。

20、根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的骨折碎片复位规划方法。

21、本发明实施例的技术方案,通过从骨折部位图像中提取多个骨折碎片的点云,并对各骨折碎片进行局部块特征提取得到块特征集合,使碎片表面的三维几何形态转化为可供网络处理的局部结构特征,由此解决了骨折碎片形状不规则、点云无序难以直接建模的问题,提升了碎片语义表达能力;通过根据所述块特征集合确定各骨折碎片对应的融合特征,该融合特征融合了块特征集合中的几何信息与各骨折碎片之间的语义信息,使碎片身份获得可区分性,由此解决了碎片语义表达能力不足、固定编码无法区分碎片身份的问题;通过根据各骨折碎片对应的融合特征生成各骨折碎片的第一刚性变换矩阵,再基于第一刚性变换矩阵预测各骨折碎片的位姿残差,并用位姿残差对第一刚性变换矩阵进行校正得到第二刚性变换矩阵,使位姿求解被分解为第一刚性变换矩阵预测和位姿残差校正两个连续阶段,网络可直接输出第二刚性变换矩阵,由此避免了依赖外部迭代配准算法求解位姿带来的额外计算和误差累积问题,解决了重建与位姿优化流程割裂的问题;由此,实现了从骨折碎片点云输入到第二刚性变换矩阵输出的端到端复位规划,提升了骨折复位规划的效率和精度。

22、应当理解,本部分所描述的内容并非旨在标志本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种骨折碎片复位规划方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述根据各所述骨折碎片对应的融合特征,生成各所述骨折碎片的第一刚性变换矩阵,包括:

3.根据权利要求2所述的方法,其特征在于,所述基于所述块特征集合和各所述第二查询向量,生成各所述骨折碎片的第一刚性变换矩阵,包括:

4.根据权利要求3所述的方法,其特征在于,所述基于各所述骨折碎片的第一刚性变换矩阵预测各所述骨折碎片的位姿残差,包括:

5.根据权利要求2所述的方法,其特征在于,所述基于所述块特征集合对预先训练的多个第一查询向量进行更新和匹配,得到各所述骨折碎片对应的第二查询向量,包括:

6.根据权利要求5所述的方法,其特征在于,在基于各所述第二查询向量的预测中心与各所述骨折碎片的真实中心之间的距离,对各所述第二查询向量与各所述骨折碎片进行匹配,确定各所述骨折碎片对应的第二查询向量之后,还包括:

7.根据权利要求1所述的方法,其特征在于,位姿预测模型用于:对各所述骨折碎片的点云进行局部块特征提取,得到块特征集合;根据所述块特征集合,确定各所述骨折碎片对应的融合特征;根据各所述骨折碎片对应的融合特征,生成各所述骨折碎片的第一刚性变换矩阵;基于各所述骨折碎片的第一刚性变换矩阵预测各所述骨折碎片的位姿残差;所述位姿预测模型训练所使用的训练样本通过以下方式生成:

8.一种骨折碎片复位规划装置,其特征在于,所述装置包括:

9.一种电子设备,其特征在于,所述电子设备包括:

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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的骨折碎片复位规划方法。