一种基于正常耳廓形态分类的个性化耳廓数据模型的构建的制作方法
【专利摘要】本发明公开了一种基于正常耳廓形态分类的个性化耳廓数据模型的构建，包括描述耳廓精细结构的分类指标和描述耳廓基本形态的个性化数据模型的构建指标两大部分。一方面，对耳廓指标进行数据测量，并以耳轮脚的位置为界进行分区聚类分析，得到耳廓数据模型；另一方面，结合个性化指标数据，在对正常耳廓分类所得数据模型的基础上进一步得到个性化的耳廓数据模型。与传统的耳廓视觉形态描述分类相比，本发明是由量化的耳廓形态指标聚类分析后得到的数据模型，分类更准确，更规范，更客观，更能反映耳廓真实信息。耳廓数据模型中引入个性化指标数值而构建出的个性化耳廓数据模型对制作个性化的耳软骨支架，以及进一步再造个性化的耳廓具有深远意义。
【专利说明】一种基于正常耳廓形态分类的个性化耳廓数据模型的构建
【技术领域】
[0001]本发明涉及成人体表组织器官解剖形态学分类及数据模型构建领域，具体涉及一种基于正常耳廓形态分类的个性化耳廓数据模型的构建。
【背景技术】
[0002]外耳廓是人体颜面部五官审美的重要组成部分，也是体表形状最复杂、三维立体结构最精致的器官，同时在收集会聚声波方面起着重要作用。先天性小耳畸形是需要整形修复的常见体表疾病，其发生的机制是由于胚胎期第一、二鳃弓异常发育，导致耳软骨先天发育不良。外耳廓的复杂精致程度以及人们对美的无限追求使得小耳畸形耳廓再造术成为整形外科领域中最具难度和最富挑战的手术。
[0003]外耳廓的形态是耳再造研究的重要组成部分。外耳廓形态犹如个人身份证，个体差异很大，国内外对耳廓形态的研究仅限于视觉形态描述。国内一直沿用杨月如于1988年提出的耳廓软骨六型法和耳垂三型法。耳廓软骨六型法:I型一猕猴型，II型一长尾猴型，III型一尖耳尖型，IV型一圆耳尖型，V型一耳尖微显型，VI型一缺耳尖型；耳垂三型法:方形耳垂，圆形耳垂，三角形耳垂。但杨月如同时指出群体中以V型和VI型最为常见，达到95%以上，I型、II型和III型极少见，而V型和VI型的区别在于前者耳尖微显，后者缺乏耳尖。可见作者主要着眼于耳尖的形态不同而进行分类。此种分类方法在制作耳赝复体时有一定的参考价值，但在构建外耳廓形态医学数据库和再造个性化的耳廓就失去应用价值了。为了构建外耳廓形态医学数据库，韩强于2004年探索过耳廓形态分类新方法，他将正常耳廓分为上中下三部分，每个部分分别进行分型，耳廓上部分为A型-包绕型、B型-内倾与垂直型和C型-外展型；耳廓中部分为I型-外高型，2型-相平型和3型-内高型；耳廓下部结构主要是耳垂，依旧按照上述耳垂三型分类法。此种分类方法以耳廓的形态为依据，较杨氏更加强调了耳廓的形态特征区别，分类更细，但没有将指标量化，最终构建的医学数据库也只能用于耳赝复体的制作，仍然无法再造出个性化的耳廓。组织工程技术的发展为再造出个性化的耳廓带来了福音，其前提是要制作出具有个性化和具精细结构的耳形软骨支架。要制得个性化的耳软骨支架，突破现有的视觉描述性的耳廓形态分类是关键。
【发明内容】
[0004]本发明的目的是提供一种全新的、基于量化耳廓形态指标的分类方法，构建出个性化耳廓数据模型，为进一步工业化生产个性化的耳形软骨支架提供理论依据。
[0005]本发明是通过以下方式实现的:
一种基于正常耳廓形态分类的个性化耳廓数据模型的构建，包括描述耳廓精细结构的分类指标和描述耳廓基本形态的个性化数据模型的构建指标两大部分，其特征在于:以耳廓的聚类分区精细解剖形态结构大小为分类指标，对其进行聚类分析得到耳廓的数据模型从而对正常耳廓进行分类；以耳廓的立体形态大小为个性化耳廓数据模型的构建指标，进一步构建个性化的耳廓数据模型。
[0006]所述的耳廓个性化数据模型的构建指标是由决定耳廓长宽高的全耳长、耳宽、耳颅角和耳垂形状构成，其中耳垂形状分为圆形、方形和三角形三种。
[0007]所述的耳廓分类指标是由耳廓各部位的解剖形态结构构成，所有指标均是在量化的基础上分区进行聚类分析。
[0008]所述的耳廓聚类分区是以耳轮脚的位置为界分为上部耳I区和下部耳II区。
[0009]所述的耳廓聚类分析是采用最小距离法，将耳I区和耳II区均聚类成5-30种亚型，由两区亚型构成全耳廓数据模型。
[0010]所述的数据模型的亚型是由聚类分析得到亚型的各指标的均值和标准差(X±S)来描述，其亚型可用希腊数字1、II加上英文字母或阿拉珀数字来表示。
[0011]个性化耳廓数据模型的构建是采用以下步骤:
⑴分析并选定耳廓形态学指标，描述耳廓精细结构的聚类分区指标和描述耳廓基本轮廓的个性化指标两大部分，分别进行数据测量，得到一定样本量的耳廓形态学指标数据；
⑵以耳轮脚的位置为界将耳廓分为上部的耳I区和下部的耳II区；
⑶分区对精细化的耳廓形态指标进行聚类分析，耳I区聚类成5-30种亚型，耳II区聚类成5-30种亚型，理论上最终得到25-900种全耳数据模型；
⑷结合个性化指标数据，在对正常耳廓分类所得数据模型的基础上进一步得到个性化的耳廓数据模型。
[0012]在正常耳廓的分类上本发明的优势是:
(1)对耳廓客观存在的形态指标分为描述耳廓精细结构的分类指标和描述耳廓基本形态的个性化数据模型的构建指标，且予以量化来描述耳廓形态，有利于通过聚类分析的方法将分类指标进行归类，并进一步得到每个样本每个指标的均值和标准差Cr 土S)，从而构建出耳廓数据模型。
[0013]⑵以耳轮脚的位置为界将耳廓分为上部耳轮所围绕的以沟槽和突起的形状为主的耳I区，和下部耳甲及其周边相对较为零散的耳II区。通过对形态结构相近的指标进行分区，有利于通过统计学方法找出其共性而归类，得到分区数据模型的亚型，由各区不同亚型构建全耳廓数据模型。
[0014]⑶对耳轮脚周边边缘性的指标既可仅归属于某一区，又可同时归属于两区，这样加强了耳廓两区间指标的联系，得到的亦是联系紧密的数据模型的亚型。
[0015]⑷以往对耳廓形态的视觉描述主要针对耳廓某一个点或某几个点进行分类，这样的分类可为制作耳赝复体提供理论指导，但对再造个性化的耳廓却指导意义不大；本发明对耳廓形态指标予以量化后进行分类，并进一步结合个性化构建指标数据制作个性化的耳软骨支架，为再造个性化的耳廓打下坚实的基础。
【专利附图】
【附图说明】
[0016]以下是结合附图对本发明作进一步说明。
[0017]图1是本发明的流程图。
[0018]图2是耳廓分区示意图。
[0019]图3是耳廓分区解剖形态指标示意图。
[0020]图4是耳I区聚类分析样本组成图。[0021 ]图5是耳II区聚类分析样本组成图。
[0022]图6是耳I区分类数据模型亚型构成图。
[0023]图7是耳II区分类数据模型亚型构成图。
[0024]图8是典型样本右耳图。
[0025]图9是个性化耳软骨支架示意图。
【具体实施方式】
[0026]以下结合实施例对本发明作进一步详细阐述。
[0027]实施例。
[0028]按图1所示的本发明流程，本实施例首先在温习文献的基础上收集30例正常耳廓小样本进行耳廓解剖形态研究分析，通过几何分析法寻找到20个指标描述耳廓形态，经统计学分析并结合专业知识，选定描述耳廓概念的个性化指标4个和描述耳廓细微结构的精细化指标16个。个性化指标分别为全耳长、耳宽、耳颅角和耳垂形状，精细化指标如下文所示(本实施例就精细化指标行聚类分析)。同时按照耳廓解剖形态特征不同，如图2所示，将耳廓以耳轮位置为界分为上部的耳I区和下部的耳II区。
[0029]按图3本所示的耳廓分区解剖形态指标，耳I区的指标有:
⑴对耳轮脚成角:对耳轮上下脚分别交耳轮于K和L，其角度记作Z KJL0
[0030]⑵耳轮脚的宽度:亦为耳甲上缘的宽度，记作CF。
[0031](3)第I区耳长:即耳尖到耳轮脚的垂直距离，记作AE。
[0032]⑷耳舟的宽:即对耳轮上缘到耳尖的距离，记作AN。
[0033](5)耳甲艇的宽:即对耳轮下缘到耳轮脚中点的距离，记作ME。
[0034](6)耳轮脚中点到耳轮与颉面前上相交点的距离:0点为耳轮与颉面前上相交点，AB轴的对应点记作P (—般为耳轮结节上缘)，记作0E。
[0035](7)耳轮脚中点到耳轮结节上缘的距离:记作PE。
[0036]耳II区的指标有:
⑴耳轮与对耳轮高:点D和点F的相对高度，记作D丄F，对耳轮较耳轮高取正值，反之取负值。
[0037]⑵对耳屏长:记作SW。
[0038]⑶对耳屏高:Q为对耳屏最高点，R代表耳平面，对耳屏高记作Q丄R。
[0039]⑷耳屏长:记作CV。
[0040](5)耳屏高:T为耳屏最高点，U代表颅面平面，耳屏高记作T丄U。
[0041](6)耳甲长:记作ΕΙ。
[0042](7)耳屏间切迹宽:记作W。
[0043]⑶耳垂长:记作IB。
[0044]⑶耳垂宽:记作GH。
[0045]本实施例其次收集整理正常耳廓样本数据。纳入标准:中国汉族成年人(18周岁以上)正常耳廓(左)；排除标准:排除招风耳、杯状耳、猿耳、隐耳、畸形耳垂、后天性耳外伤缺损和耳廓瘢痕等异形耳廓。测量耳廓共300例，每例样本指标数值由课题组三人依次测量，取平均值。测量得到的数据，去掉指标中出现特大或特小离群值的样本，最后到有效样本285例(男性150例，女性135例)。
[0046]本实施例接着对有效样本在Excel表格中按1_285顺序编号，按指标区域归属分区进行聚类分析，每区聚类成五种类型。本实施例对耳1、II区进行的聚类分析是采用最小距离法。以最短距离为标准,起初将每例样本看成一类,这时285例样本中每两例样本间就形成了样本间距离，逐步将最短的两类合并，合并后再计算新的距离，再合并，每次减少一类，最终耳1、II区均聚成5类，用字母a-e表示。耳I区聚类分析后的样本组成如图4所示，I a-e区分别由52、76、80、44、33例聚类而成；耳II区聚类分析后的样本组成如图5所示，II a-e区分别由44、33、60、66、82例聚类而成。
[0047]本实施例最后对聚类而成的10种亚型计算各指标的均值和标准差得到结果如下:
表1中国汉族成年人285例正常耳廓耳I区聚类分析结果土S) (mm)
【权利要求】
1.一种基于正常耳廓形态分类的个性化耳廓数据模型的构建，包括描述耳廓精细结构的分类指标和描述耳廓基本形态的个性化数据模型的构建指标两大部分，其特征在于:以耳廓的聚类分区精细解剖形态结构大小为分类指标，对其进行聚类分析得到耳廓的数据模型从而对正常耳廓进行分类；以耳廓的立体形态大小为个性化耳廓数据模型的构建指标，进一步构建个性化的耳廓数据模型。
2.根据权利要求1的耳廓形态分类方法，其特征在于:所述的耳廓个性化数据模型的构建指标是由决定耳廓长宽高的全耳长、耳宽、耳颅角和耳垂形状构成，其中耳垂形状分为圆形、方形和三角形三种。
3.根据权利要求1的耳廓形态分类方法，其特征在于:所述的耳廓分类指标是由耳廓各部位的解剖形态结构构成，所有指标均是在量化的基础上分区进行聚类分析。
4.根据权利要求3的耳廓形态分类方法，其特征在于:所述的耳廓聚类分区是以耳轮脚的位置为界分为上部耳I区和下部耳II区。
5.根据权利要求3的耳廓形态分类方法，其特征在于:所述的耳廓聚类分析是采用最小距离法，将耳I区和耳II区均聚类成5-30种亚型，由两区亚型构成全耳廓数据模型。
6.根据权利要求1的耳廓数据模型，其特征在于:所述的数 据模型的亚型是由聚类分析得到亚型的各指标的均值和标准差(I土S)来描述，其亚型可用希腊数字1、II加上英文字母或阿拉珀数字来表示。
7.根据权利要求1的个性化耳廓数据模型的构建，其特征是采用以下步骤: ⑴分析并选定耳廓形态学指标，描述耳廓精细结构的聚类分区指标和描述耳廓基本轮廓的个性化指标两大部分，分别进行数据测量，得到一定样本量的耳廓形态学指标数据； ⑵以耳轮脚的位置为界将耳廓分为上部的耳I区和下部的耳II区； ⑶分区对精细化的耳廓形态指标进行聚类分析，耳I区聚类成5-30种亚型，耳II区聚类成5-30种亚型，理论上最终得到25-900种全耳数据模型； ⑷结合个性化指标数据，在对正常耳廓分类所得数据模型的基础上进一步得到个性化的耳廓数据模型。
【文档编号】G06T17/00GK104077805SQ201410314609
【公开日】2014年10月1日 申请日期:2014年7月4日 优先权日:2014年7月4日
【发明者】周建大, 熊武, 颜宇, 王雪琪, 陈佳 申请人:中南大学湘雅三医院