一种胫骨平台骨折全景可视化手术系统的制作方法

1.本发明属于骨科医疗器械技术领域，具体涉及一种胫骨平台骨折全景可视化手术系统。


背景技术：

2.胫骨的近端的干骺端及关节面，骨科上称此解剖位置之为胫骨平台；胫骨平台是膝关节的重要负荷结构，一旦发生骨折，使内、外平台受力不均，将产生骨关节炎改变；由于胫骨平台内外侧分别有内、外侧副韧带，平台中央有胫骨粗隆，其上有交叉韧带附着，当胫骨平台骨折时常发生韧带及半月板的损伤；另外胫骨平台骨折往往伴随胫骨平台骨折塌陷移位，传统的手术需要在胫骨平台下凿开骨皮质创建通道，使用撬拨或推顶工具对塌陷的骨折块进行复位；
3.但是传统的手术方式属于盲操作，无法准确的掌握通道开凿的深度，太深容易造成骨损失，太浅无法准确针对骨塌陷处进行复位操作；盲操作下，单凭经验很难准确将撬拨工具置于塌陷处实现可掌控的撬拨，使其复位对合准确；而关节镜所能提供的只是一个单一场景的实时画面，且其并不是专门针对于胫骨平台骨折所使用，在操作上单一实时画面无法帮助医生掌握胫骨平台骨折的整体情况，限制其操作的辅助判断，另外在操作中，往往需要对患部进行血渍冲洗引流，保持手术视野清晰。


技术实现要素：

4.为了解决上述技术问题，本发明提供了一种胫骨平台骨折全景可视化手术系统，专门针对胫骨平台骨折手术使用，相较于关节镜，其体积大幅减下，较少术中的束缚，另外可搭在多种终端使用；其通过将胫骨平台的多角度多幅图像拼接后实现全景呈像，医生在多维图像下进行手术操作综合判断，使骨折塌陷复位对合准确。
5.为了达到上述技术目的，本发明是通过以下技术方案实现的：一种胫骨平台骨折全景可视化手术系统，包括：镜身、图像采集部分、光纤、冲洗通道、引流通道、信号传输线、中控组件、终端转接头；
6.所述镜身内部靠近头端处设置有图像采集部分，图像采集部分通过光纤与信号传输线连接且光纤设置于镜身内；镜身内上下对称分别开设有冲洗通道和引流通道；光纤尾端从镜身尾端引出后与信号传输线头端连接，信号传输线尾端连接终端转接头，信号传输线分为两部分，两部分之间连接中控组件；
7.优选的，所述镜身头端呈圆锥状，头端部分一体成型连接透明顶盖；
8.优选的，所述图像采集部分包括摄像头和冷光源，其中冷光源绕摄像头呈圈状排布；
9.优选的，所述中控组件内集成图像预处理模块和图像深度处理模块；图像预处理模块将图像光信号信息转换成电信号信息，使其转换成数字化信息，同时对图像信息进行归一化、平滑、复原、去噪处理；图像深度处理模块对图像进行特征抽取、图像分割、图像匹
配识别、图像融合。
10.本发明的另一目的在于提供一种胫骨平台骨折全景可视化手术系统的图像预处理方法，包括以下步骤：
11.s1：图像进行数字化处理：采样：通过对图像像素点进行采集形成像素点样本集合，根据奈奎斯特(nyquist)定理，图像采样频率大于或等于源图像最高频率分量的两倍；量化：确定数值范围来表示图像采样后的每一个点对图像进行量化；经过采样和量化得到的一幅空间上表现为离散分布的有限个像素,灰度取值上表现为有限个离散的可能值的图像，即得到数字图像；
12.s2：图像归一化处理：通过最大最小值归一化方法对数字图像进行归一化处理，使之变换成固定标准形式；通过下式进行处理：
[0013][0014]
其中xi表示图像像素点值，min(x)，max(x)分别表示图像像素的最小值和最大值；
[0015]
s3：图像平滑处理：通过低频增强的空间域滤波技术，对归一化图像进行平滑处理，降低图像的噪声或失真；具体采用均值线性滤波算法，对归一化图像上的目标像素限定一个模板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代替原来像素值；
[0016]
s4：图像复原处理：对于发生畸形失真的图像，采用去卷积滤波器进行图像复原；
[0017]
s5：图像去噪处理：将含有噪声的图像建立图像集合，获取原始图像数据集；在图像集合中选取一幅含有噪声的图像，进行随机裁剪处理，得到训练样本集；将训练样本集中的图像输入到图像浅层特征提取模块中，进行浅层特征提取，得到浅层特征图；将浅层特征图输入到图像特征增强组中，得到深层次特征图；采用图像重建模块对深层特征图进行重建，得到去噪后的重建图像。
[0018]
本发明的另一目的在于提供一种胫骨平台骨折全景可视化手术系统的图像深度处理方法，包括以下步骤：
[0019]
s1：图像特征抽取：将图像看成一个x,y,z(灰度)的三维图像；经预处理归一化后计算图像每个像素的梯度(包括大小和方向)，捕获轮廓信息，同时进一步弱化光照的干扰；将图像划分成小cells；统计每个cell的梯度直方图(不同梯度的个数)，形成每个cell的descriptor；将每几个cell组成一个block，一个block内所有cell的特征descriptor串联起来便得到该block的hog特征descriptor；将图像image内的所有block的hog特征descriptor串联起来得到image(目标图像)的hog特征descriptor；得到最终的特征向量；
[0020]
s2：图像分割：利用灰度阈值分割法，利用下式进行图像分割处理：
[0021][0022]
其中t为阈值，对于物体的图像元素，g(i,j)＝1，对于背景的图像元素，g(i,j)＝0；
[0023]
s3：图像匹配识别：将需要识别的目标对象的图像特征点矩阵作为模式匹配图像存储在系统中；系统采集图像，将采集到的连续图像信号按照固定的采集频率变成离散图
像信号；对离散图像信号进行预处理中的平滑处理，并对平滑处理后的图像进行分割，得到背景图像及被识别图像；将被识别图像与模式匹配图像进行模式匹配，若匹配，说明被识别图像即为目标对象的图像；对被识别图像进行轮廓跟踪，判断识别被识别图像的位置、角度及远近变化；三维处理引擎根据被识别图像的位置、角度及远近变化信息计算出二维或三维影像放置的位置，并叠加到帧图像中，最后进行显示；
[0024]
s4：图像融合：经过图像匹配和配准后，把图像拷贝到另一幅图像的特定位置；对重叠边界进行特殊处理，采用apap之类的算法，对齐特征点；通过图割方法，自动选取拼接缝；根据blending策略实现融合。
[0025]
本发明的有益效果是：
[0026]
本发明为胫骨平台骨折专门提供了全景可视化手术系统，弥补传统手术，术中无任何骨折患部视野提供的盲操作缺陷，同时替代关节镜，弥补关节镜视野局限的不足。
附图说明
[0027]
图1是本发明的整体结构示意图；
[0028]
图2是本发明的局部放大示意图。
[0029]
附图中，各标号所代表的结构名称为：
[0030]
1-镜身，2-图像采集部分，201-摄像头，202-冷光源，203-透明顶盖，3-光纤，4-冲洗通道，5-引流通道，6-信号传输线，7-中控组件，701-图像预处理模块，702-图像深度处理模块，8-终端转接头。
具体实施方式
[0031]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0032]
实施例1
[0033]
参阅图1至图2所示，一种胫骨平台骨折全景可视化手术系统，包括：镜身1、图像采集部分2、光纤3、冲洗通道4、引流通道5、信号传输线6、中控组件7、终端转接头8；
[0034]
所述镜身1内部靠近头端处设置有图像采集部分2，图像采集部分2通过光纤3与信号传输线6连接且光纤3设置于镜身1内；镜身1内上下对称分别开设有冲洗通道4和引流通道5，冲洗通道4进水口处连接冲洗设备，可对关节内胫骨平台骨折部位的血渍进行冲洗，然后在引流通道5开口处连接引流设备，将冲洗废液排出，保持手术视野的洁净清晰；光纤3尾端从镜身1尾端引出后与信号传输线6头端连接，信号传输线6尾端连接终端转接头8，信号传输线6分为两部分，两部分之间连接中控组件7；
[0035]
优选的，所述镜身1头端呈圆锥状，头端部分一体成型连接透明顶盖203；透明顶盖203一方面不影响光源透过以及图像采集，另一方面可以保护摄像头201和冷光源202在使用过程中不受骨面的损伤；
[0036]
优选的，所述图像采集部分2包括摄像头201和冷光源202，其中冷光源202绕摄像头201呈圈状排布；摄像头201采用微型全景摄像头。
[0037]
优选的，所述中控组件7内集成图像预处理模块701和图像深度处理模块702；图像预处理模块701将图像光信号信息转换成电信号信息，使其转换成数字化信息，同时对图像信息进行归一化、平滑、复原、去噪处理；图像深度处理模块702对图像进行特征抽取、图像分割、图像匹配识别、图像融合。
[0038]
实施例2
[0039]
通过实施例中的装置对胫骨平台骨折患部进行图像采集后，由中控组件内集成的图像预处理模块和图像深度处理模块对图像进行处理，其中图像预处理方法，包括以下步骤：
[0040]
s1：图像进行数字化处理：采样：通过对图像像素点进行采集形成像素点样本集合，根据奈奎斯特(nyquist)定理，图像采样频率大于或等于源图像最高频率分量的两倍；量化：确定数值范围来表示图像采样后的每一个点对图像进行量化；经过采样和量化得到的一幅空间上表现为离散分布的有限个像素,灰度取值上表现为有限个离散的可能值的图像，即得到数字图像；
[0041]
s2：图像归一化处理：通过最大最小值归一化方法对数字图像进行归一化处理，使之变换成固定标准形式；通过下式进行处理：
[0042][0043]
其中xi表示图像像素点值，min(x)，max(x)分别表示图像像素的最小值和最大值；
[0044]
s3：图像平滑处理：通过低频增强的空间域滤波技术，对归一化图像进行平滑处理，降低图像的噪声或失真；具体采用均值线性滤波算法，对归一化图像上的目标像素限定一个模板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代替原来像素值；
[0045]
s4：图像复原处理：对于发生畸形失真的图像，采用去卷积滤波器进行图像复原；
[0046]
s5：图像去噪处理：将含有噪声的图像建立图像集合，获取原始图像数据集；在图像集合中选取一幅含有噪声的图像，进行随机裁剪处理，得到训练样本集；将训练样本集中的图像输入到图像浅层特征提取模块中，进行浅层特征提取，得到浅层特征图；将浅层特征图输入到图像特征增强组中，得到深层次特征图；采用图像重建模块对深层特征图进行重建，得到去噪后的重建图像。
[0047]
图像深度处理方法，包括以下步骤：
[0048]
s1：图像特征抽取：将图像看成一个x,y,z(灰度)的三维图像；经预处理归一化后计算图像每个像素的梯度(包括大小和方向)，捕获轮廓信息，同时进一步弱化光照的干扰；将图像划分成小cells；统计每个cell的梯度直方图(不同梯度的个数)，形成每个cell的descriptor；将每几个cell组成一个block，一个block内所有cell的特征descriptor串联起来便得到该block的hog特征descriptor；将图像image内的所有block的hog特征descriptor串联起来得到image(目标图像)的hog特征descriptor；得到最终的特征向量；
[0049]
s2：图像分割：利用灰度阈值分割法，利用下式进行图像分割处理：
[0050]
[0051]
其中t为阈值，对于物体的图像元素，g(i,j)＝1，对于背景的图像元素，g(i,j)＝0；
[0052]
s3：图像匹配识别：将需要识别的目标对象的图像特征点矩阵作为模式匹配图像存储在系统中；系统采集图像，将采集到的连续图像信号按照固定的采集频率变成离散图像信号；对离散图像信号进行预处理中的平滑处理，并对平滑处理后的图像进行分割，得到背景图像及被识别图像；将被识别图像与模式匹配图像进行模式匹配，若匹配，说明被识别图像即为目标对象的图像；对被识别图像进行轮廓跟踪，判断识别被识别图像的位置、角度及远近变化；三维处理引擎根据被识别图像的位置、角度及远近变化信息计算出二维或三维影像放置的位置，并叠加到帧图像中，最后进行显示；
[0053]
s4：图像融合：经过图像匹配和配准后，把图像拷贝到另一幅图像的特定位置；对重叠边界进行特殊处理，采用apap之类的算法，对齐特征点；通过图割方法，自动选取拼接缝；根据blending策略实现融合。
[0054]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0055]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。