一种根据医学影像生成3D模板的方式方法与流程

一种根据医学影像生成3d模板的方式方法
技术领域
1.本发明涉及医疗临床技术领域，具体为一种根据医学影像生成3d模板的方式方法。


背景技术：

2.医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程；它包含以下两个相对独立的研究方向：医学成像系统和医学图像处理；前者是指图像行成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究；后者是指对已经获得的图像作进一步的处理，其目的是或者是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息，或者是对图像做模式分类等等。
3.现有生成辅助医生临床穿刺的3d打印模板多依赖于国外mimics等第三方设计软件；在第三方软件上输入医院物理师术前做好的手术规划信息进行3d模板的设计，而且需要使用者手动对医学模型进行分析和切割，从而分离出穿刺针道信息，手动规划贴合患者体表的穿刺基板，手动规划针道和基板的合成操作，为此，本发明提供了一种根据医学影像生成3d模板的方式方法。


技术实现要素：

4.针对现有技术的不足，本发明提供了一种根据医学影像生成3d模板的方式方法，解决了现有生成辅助医生临床穿刺的3d打印模板需要使用者手动对医学模型进行分析和切割的问题。
5.为实现以上目的，本发明通过以下技术方案予以实现：一种根据医学影像生成3d模板的方式方法，具体包括以下步骤：
6.s1、影像采集：首先通过医疗设备中的图像采集设备对人体的某一部位进行扫描，并将扫描后的图像传输到数据处理模块中进行加工处理，最终形成实时的患者医学影像模型；
7.s2、模型分析：将患者医学影像模型导入到该3d模板自动生成的算法中，并利用三维聚类的算法、统计学算法和概率类算法分析针道和基板以及3d模板的空间位置，然后根据其空间特征，以及使用svd计算的特征值和特征向量去获得他们的信息；
8.s3、模板生成：此时将解析后提取后的针道位置信息、定位板位置信息以及基板位置信息数据导出，并对数据进行转换，最终整合形成符合该患者的3d模板。
9.优选的，所述s1中数据处理模块中包括数据输入单元、数据整理单元、数据建模单元、数据输出单元和分辨率增强单元，所述数据输入单元的输出端与数据整理单元的输入端连接。
10.优选的，所述数据整理单元的输出端与数据建模单元的输入端连接，所述数据建模单元的输出端与数据输出单元的输入端连接，所述分辨率增强单元的输出端与数据建模单元的输入端连接。
11.优选的，所述s2中将患者医学影像模型导入到该3d模板自动生成的算法中需要利用判断模块判断患者医学影像模型是否存在铅点和针道，若不存在铅点和针道，则需要重新扫描，并补充所需的部分，若存在铅点和针道，即可继续位置信息的分析操作。
12.优选的，所述s2中三维聚类的算法是给定一个有n个元组，通过分裂法将数据构造k个分组，每一个分组就代表一个聚类，k＜n，其中每一个分组至少包含一个数据记录，同时每一个数据记录属于且仅属于一个分组。
13.优选的，所述s2中统计学算法是在给定的范围内求出符合设定条件的记录个数；而概率类算法是对所求解数据的同一实例用同一概率算法求解两次得到完全不同的效果，并且两者所得到的结果区别性较大。
14.优选的，所述s2中svd计算步骤为：
15.s2-1、计算数据中a的转值和a
t
a；
16.s2-2、确定a
t
a的特征值并以降序排列；
17.s2-3、构建对角矩阵s；
18.s2-4、通过s2-2中的特征值计算a
t
a的特征向量并生成矩阵v和它的转值v
t
；
19.s2-5、利用公式u＝avs-1
计算出u，并将公式转换为a＝usv
t
。
20.优选的，所述s3中将最后信息整合生成的3d模板对应放在患者的施针位置，并再次扫描是否与患者的医学影像相对应，若对应则可以正常使用，若是存在偏差，需要重新根据患者的医学影像自动化形成新的3d模板。
21.有益效果
22.本发明提供了一种根据医学影像生成3d模板的方式方法。与现有技术相比具备以下有益效果：
23.该根据医学影像生成3d模板的方式方法，通过s1、影像采集：首先通过医疗设备中的图像采集设备对人体的某一部位进行扫描，并将扫描后的图像传输到数据处理模块中进行加工处理，最终形成实时的患者医学影像模型；s2、模型分析：将患者医学影像模型导入到该3d模板自动生成的算法中，并利用三维聚类的算法、统计学算法和概率类算法分析针道和基板以及3d模板的空间位置，然后根据其空间特征，以及使用svd计算的特征值和特征向量去获得他们的信息；s3、模板生成：此时将解析后提取后的针道位置信息、定位板位置信息以及基板位置信息数据导出，并对数据进行转换，最终整合形成符合该患者的3d模板，以此可以有效的避免使用者手动对医学模型进行分析和切割的繁琐操作，而且根据患者医学影像生成辅助医生穿刺的3d模板的针道、定位板、基板以及合成模型，可以提高3d模板的精准度和工作效率，大大节省了3d模板设计工作者的工作量和工作强度。
附图说明
24.图1为本发明的算法操作流程图；
25.图2为本发明3d模板生成的步骤流程图；
26.图3为本发明数据处理模块的原理框图；
27.图4为本发明3d模板的主视示意图。
具体实施方式
28.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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.请参阅图1-4，本发明提供一种技术方案：一种根据医学影像生成3d模板的方式方法，具体包括以下步骤：
30.s1、影像采集：首先通过医疗设备中的图像采集设备对人体的某一部位进行扫描，并将扫描后的图像传输到数据处理模块中进行加工处理，最终形成实时的患者医学影像模型；
31.s2、模型分析：将患者医学影像模型导入到该3d模板自动生成的算法中，并利用三维聚类的算法、统计学算法和概率类算法分析针道和基板以及3d模板的空间位置，然后根据其空间特征，以及使用svd计算的特征值和特征向量去获得他们的信息；
32.s3、模板生成：此时将解析后提取后的针道位置信息、定位板位置信息以及基板位置信息数据导出，并对数据进行转换，最终整合形成符合该患者的3d模板。
33.本发明实施例中，s1中数据处理模块中包括数据输入单元、数据整理单元、数据建模单元、数据输出单元和分辨率增强单元，所述数据输入单元的输出端与数据整理单元的输入端连接。
34.本发明实施例中，数据整理单元的输出端与数据建模单元的输入端连接，所述数据建模单元的输出端与数据输出单元的输入端连接，所述分辨率增强单元的输出端与数据建模单元的输入端连接。
35.本发明实施例中，s2中将患者医学影像模型导入到该3d模板自动生成的算法中需要利用判断模块判断患者医学影像模型是否存在铅点和针道，若不存在铅点和针道，则需要重新扫描，并补充所需的部分，若存在铅点和针道，即可继续位置信息的分析操作。
36.本发明实施例中，s2中三维聚类的算法是给定一个有n个元组，通过分裂法将数据构造k个分组，每一个分组就代表一个聚类，k＜n，其中每一个分组至少包含一个数据记录，同时每一个数据记录属于且仅属于一个分组。
37.本发明实施例中，s2中统计学算法是在给定的范围内求出符合设定条件的记录个数；而概率类算法是对所求解数据的同一实例用同一概率算法求解两次得到完全不同的效果，并且两者所得到的结果区别性较大。
38.本发明实施例中，s2中svd计算步骤为：
39.s2-1、计算数据中a的转值和a
t
a；
40.s2-2、确定a
t
a的特征值并以降序排列；
41.s2-3、构建对角矩阵s；
42.s2-4、通过s2-2中的特征值计算a
t
a的特征向量并生成矩阵v和它的转值v
t
；
43.s2-5、利用公式u＝avs-1
计算出u，并将公式转换为a＝usv
t
。
44.本发明实施例中，s3中将最后信息整合生成的3d模板对应放在患者的施针位置，并再次扫描是否与患者的医学影像相对应，若对应则可以正常使用，若是存在偏差，需要重新根据患者的医学影像自动化形成新的3d模板。
45.综上所述，可以有效的避免使用者手动对医学模型进行分析和切割的繁琐操作，而且根据患者医学影像生成辅助医生穿刺的3d模板的针道、定位板、基板以及合成模型，可以提高3d模板的精准度和工作效率，大大节省了3d模板设计工作者的工作量和工作强度。
46.同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
47.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
48.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。