一种基于点云分割的股骨颈配准方法、系统及介质
技术领域
本发明涉及股骨颈配准的
技术领域
，具体地，涉及一种基于点云分割的股骨颈配准方法、系统及介质。背景技术
在目前股骨颈骨折手术过程中，在手术前医生需要为病人将其断裂股骨体复原到原位，为此需要一个完整股骨模型的参考，所以在术前利用CT获取的图像进行术前手术规划至关重要。
在公开号为CN111383353A的中国发明专利中公开了一种基于高斯混合模型和轮廓描述子的断骨模型配准方法，包括以下步骤：S1：利用高斯混合模型对低曲率点进行聚类；S2：对每个聚类进行椭圆拟合，并根据椭圆参数提取断面点集；S3：根据断面轮廓构造轮廓描述子；S4：利用卷积自编码器对轮廓描述子进行降维，得到几何特征向量；S5：根据几何向量提取匹配点，并筛选得到基准点，然后根据基准点进行断骨模型配准。
上述发明通过结合高斯混合模型和轮廓描述子特征进行配准，虽然可以将断骨进行配准但是由于其依赖于特征提取的特征点，且效果难以做到保证鲁棒性。因此，需要提出一种技术方案以改善上述技术问题。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于点云分割的股骨颈配准方法、系统及介质。
根据本发明提供的一种基于点云分割的股骨颈配准方法，所述方法包括如下步骤：
步骤S1：将获取到的CT影像将断裂股骨颈进行分割，得到断裂股骨头A和股骨体B两个部位，进行面绘制得到面片数据和点云数据；
步骤S2：将股骨头A和股骨体B的点云数据作为输入，输入到pointnet神经网络中，分割分别得到股骨头相接面a和股骨体断裂相接面b；
步骤S3：将分割得到的股骨头相接面a和股骨体断裂相接面b使用迭代程序进行配准，其中a是source、b是target，得到旋转矩阵Msource-＞target；
步骤S4：将得到的旋转矩阵应用于分割出的股骨头A，A′＝*M，得到最终拼接好的股骨模型，其中A′为应用旋转矩阵M后的股骨头。
优选地，所述步骤S2包括如下步骤：
步骤S2.1：pointnet中通过使用三维STN(Spatial Transformation Network)解决获得不同数据的旋转性问题，学习到点云的位姿信息进行后续的分割任务；
步骤S2.2：pointnet中通过使用全局池化层来解决无序性问题，网络对每个点进行一定程度特征提取后通过全局池化层获取到点云整体特征。
优选地，所述步骤S2还包括：
步骤S2.3：在进行使用pointnet程序对股骨颈进行分割之前，需要使用一些已经标注好的点云数据进行训练，得到训练好的pointnet模型后进行点云分割。
优选地，所述步骤S3中的迭代程序主要是通过最小二乘法来进行优化，通过寻找每个点的最近邻匹配点来进行计算误差，获取得到旋转矩阵。
本发明还提供一种基于点云分割的股骨颈配准系统，所述系统包括如下模块：
模块M1：将获取到的CT影像将断裂股骨颈进行分割，得到断裂股骨头A和股骨体B两个部位，进行面绘制得到面片数据和点云数据；
模块M2：将股骨头A和股骨体B的点云数据作为输入，输入到pointnet神经网络中，分割分别得到股骨头相接面a和股骨体断裂相接面b；
模块M3：将分割得到的股骨头相接面a和股骨体断裂相接面b使用迭代程序进行配准，其中a是source、b是target，得到旋转矩阵Msource-＞targe；
模块M4：将得到的旋转矩阵应用于分割出的股骨头A，A′＝A*M，得到最终拼接好的股骨模型，其中A′为应用旋转矩阵M后的股骨头。
优选地，所述模块M2包括如下模块：
模块M2.1：pointnet中通过使用三维STN(Spatial Transformation Network)解决获得不同数据的旋转性问题，学习到点云的位姿信息进行后续的分割任务；
模块M2.2：pointnet中通过使用全局池化层来解决无序性问题，网络对每个点进行一定程度特征提取后通过全局池化层获取到点云整体特征。
优选地，所述模块M2还包括：
模块M2.3：在进行使用pointnet程序对股骨颈进行分割之前，需要使用一些已经标注好的点云数据进行训练，得到训练好的pointnet模型后进行点云分割。
优选地，所述模块M3中的迭代程序主要是通过最小二乘法来进行优化，通过寻找每个点的最近邻匹配点来进行计算误差，获取得到旋转矩阵。
本发明还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现上述中的方法的步骤。
与现有技术相比，本发明具有如下的有益效果：
1、本发明可以自动进行股骨颈断裂面抽取，将配准过程中的关键信息进行自动化方式的提取，从而便于后续的断裂股骨颈术前规划操作进行，提高复合模型的精确度，且无需过多人为的操作；
2、本发明通过采用pointnet点云分割算法和icp点云配准算法，解决了断裂股骨颈的手术规划前的手术配准问题；
3、本发明通过采用基于深度学习的点云分割算法，从而实现自动提取出断裂股骨的接面点云；
4、本发明通过采用ICP算法进行股骨拼接，从而实现自动将断裂的股骨头和股骨体模型进行复合；
5、本发明相比于其他方式进行股骨颈骨折的术前规划，本发明提出的方式可以自动操作，无需额外的超参数进行调节，从而减少使用者的学习成本，此外该发明准确率也得到保证。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的原理图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供一种基于点云分割的股骨颈配准方法，本发明使用pointnet点云分割算法提取出断裂股骨颈的接面部位，再将得到的接面部位断裂点云用于配准算法，最终通过icp算法得到拼接完整的股骨。
本发明提供的一种基于点云分割的股骨颈配准方法包括如下步骤：
步骤1：将获取到的CT影像将断裂股骨颈进行分割，得到断裂股骨头A和股骨体B两个部位，然后进行面绘制得到面片数据和点云数据。
步骤2：将股骨头A和股骨体B的点云数据作为输入，输入到pointnet神经网络中，分割分别得到股骨头相接面a和股骨体断裂相接面b。步骤2.1：pointnet中通过使用三维STN(Spatial Transformation Network)解决获得不同数据的旋转性问题，即学习到点云最优的位姿信息进行后续的分割任务。步骤2.2：pointnet中通过使用全局最大池化层来解决无序性问题，即网络对每个点进行一定程度特征提取后通过全局最大池化层获取到点云整体特征。步骤2.3：在进行使用pointnet算法对股骨颈进行分割之前，需要使用一些已经标注好的点云数据进行训练，得到训练好的pointnet模型后即可以进行点云分割。
步骤3：将分割得到的股骨头相接面a和股骨体断裂相接面b使用迭代程序进行配准，其中a是source、b是target，得到旋转矩阵Msource-＞target；步骤3.1：ICP算法主要是通过最小二乘法来进行优化，通过寻找每个点的最近邻匹配点来进行计算误差，从而获取得到最优的旋转矩阵。
设源点集为股骨头Psrc，目标点集为股骨体Ptgt，
(1)在目标点云Psrc中取点集pi∈Psrc；
(2)找出源点云Ptgt中的对应点集qi∈Ptgt，使得||qi-pi||＝min；
(3)计算旋转平移矩阵M，使得误差函数最小；
(4)对pi使用上一步求得的旋转平移矩阵M进行变换，得到新的对应点集
pi′＝{pi′＝piM,pi∈Psrc}；
(5)计算pi′与对应点集qi的平均距离；
(6)如果距离小于某一给定的阈值或者大于预设的最大迭代次数，则停止迭代计算，否则返回第2步，直到满足收敛条件为止。
步骤4：将得到的旋转矩阵应用于分割出的股骨头A，A′＝A*M，得到最终拼接好的股骨模型，其中A′为应用旋转矩阵M后的股骨头。
本发明还提供一种基于点云分割的股骨颈配准系统，包括如下模块：
模块M1：将获取到的CT影像将断裂股骨颈进行分割，得到断裂股骨头A和股骨体B两个部位，进行面绘制得到面片数据和点云数据。
模块M2：将股骨头A和股骨体B的点云数据作为输入，输入到pointnet神经网络中，分割分别得到股骨头相接面a和股骨体断裂相接面b；模块M2.1：pointnet中通过使用三维STN解决获得不同数据的旋转性问题，学习到点云的位姿信息进行后续的分割任务；模块M2.2：pointnet中通过使用全局池化层来解决无需性问题，网络对每个点进行一定程度特征提取后通过全局池化层获取到点云整体特征；模块M2.3：在进行使用pointnet程序对股骨颈进行分割之前，需要使用一些已经标注好的点云数据进行训练，得到训练好的pointnet模型后进行点云分割。
模块M3：将分割得到的股骨头相接面a和股骨体断裂相接面b使用迭代程序进行配准，其中a是source、b是target，得到旋转矩阵Msource-＞target；迭代程序主要是通过最小二乘法来进行优化，通过寻找每个点的最近邻匹配点来进行计算误差，获取得到旋转矩阵。
模块M4：将得到的旋转矩阵应用于分割出的股骨头A，A′＝A*M，得到最终拼接好的股骨模型，其中A′为应用旋转矩阵M后的股骨头。
本发明还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被处理器执行时实现上述中的方法的步骤。
本发明可以自动进行股骨颈断裂面抽取，将配准过程中的关键信息进行自动化方式的提取，从而便于后续的断裂股骨颈术前规划操作进行，提高复合模型的精确度，且无需过多人为的操作；通过采用pointnet点云分割算法和icp点云配准算法，解决了断裂股骨颈的手术规划前的手术配准问题；通过采用基于深度学习的点云分割算法，从而实现自动提取出断裂股骨的接面点云；通过采用ICP算法进行股骨拼接，从而实现自动将断裂的股骨头和股骨体模型进行复合；相比于其他方式进行股骨颈骨折的术前规划，本发明提出的方式可以自动操作，无需额外的超参数进行调节，从而减少使用者的学习成本，此外该发明准确率也得到保证。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
