[go: up one dir, main page]

CN119423814B - 动态三维超声脊柱检测方法与成像系统 - Google Patents

动态三维超声脊柱检测方法与成像系统

Info

Publication number
CN119423814B
CN119423814B CN202310974513.1A CN202310974513A CN119423814B CN 119423814 B CN119423814 B CN 119423814B CN 202310974513 A CN202310974513 A CN 202310974513A CN 119423814 B CN119423814 B CN 119423814B
Authority
CN
China
Prior art keywords
spine
dimensional
image
ultrasonic
dynamic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310974513.1A
Other languages
English (en)
Other versions
CN119423814A (zh
Inventor
杨德
郑永平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhonghui Medical Imaging Shenzhen Co ltd
Original Assignee
Zhonghui Medical Imaging Shenzhen Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhonghui Medical Imaging Shenzhen Co ltd filed Critical Zhonghui Medical Imaging Shenzhen Co ltd
Priority to CN202310974513.1A priority Critical patent/CN119423814B/zh
Publication of CN119423814A publication Critical patent/CN119423814A/zh
Application granted granted Critical
Publication of CN119423814B publication Critical patent/CN119423814B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Clinical applications
    • A61B8/0833—Clinical applications involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Clinical applications involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/523—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for generating planar views from image data in a user selectable plane not corresponding to the acquisition plane
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Vascular Medicine (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种动态三维超声脊柱检测方法与成像系统，属于医学领域，该方法采用成熟的三维脊柱超声成像系统，配合穿戴式无线超声探头采集实时超声图像，深度摄像机实时记录患者在弯曲脊柱时脊柱特征点的空间坐标变化，将三维超声图像、实时超声图像、背部形态动态三维图像进行融合，得到动态三维超声脊柱图像，并据此结合深度学习算法进行Lenke分型参数测算和对脊柱进行动态综合评估，使得脊柱侧弯的分型从传统的基于有辐射危害的X光平面评定方式上升到无辐射的动态三维超声分析，解决了现有技术中静态情况采集到的数据错误率高及采集参数不足的问题。

Description

动态三维超声脊柱检测方法与成像系统
技术领域
本发明涉及医学领域，尤其涉及一种用于获取脊柱侧弯的Lenke分型参数的动态三维超声脊柱检测方法与成像系统。
背景技术
脊柱侧弯，是指脊柱的一个或数个节段向侧方弯曲或伴有椎体旋转的脊柱畸形。青少年特发性脊柱侧弯(adolescent idiopathic scoliosis，AIS)是脊柱侧弯最常见的形式。对脊柱侧弯的诊断目前主要通过X射线进行，使用Cobb角测量法来进行脊柱侧弯角度的测量。
三维脊柱超声成像在国际上也已经有着多方面临床应用，以Scolioscan为代表的商业化三维脊柱超声系统在测量脊柱侧弯患者的冠状面畸形方面有效且可靠，并且在筛查大量患者、监测脊柱变化和评估治疗结果上与传统X射线Cobb角金标准相若，有助于减少连续监测期间的辐射剂量。
但是，三维脊柱超声成像系统都是检测静态指标，即要求患者在静止不动的情况下展开扫描，在扫描的过程中，受检者的体态会对结果有不良影响，判断检测结果时无法确认与之对应的人体运动的状态，因此这种静态情况采集到的数据错误率高，并且对于脊柱侧弯手术和非手术治疗决策的指导作用有限。
机器视觉技术近年来在脊柱侧弯中也有应用，通过深度摄像机采集彩色图和深度图，对人体背部表面信息进行三维重构，根据背部的三维轮廓即可进行Cobb角的计算。这种仅仅依赖于机器视觉的方法对拍摄环境要求严苛，对于腰部凹凸性不明显及背部中线不明显的患者适用性差。
对于脊柱侧弯的手术和非手术治疗决策需要对脊柱进行静态和动态综合评估，主要依赖于①脊柱的整体平衡度、脊柱侧屈实时活动度、脊柱柔韧性和稳定性；②侧屈活动时顶椎和上下端椎附近椎间隙的开放程度；③顶椎区椎体旋转程度的改善。而目前单纯依靠X射线、三维脊柱超声成像、机器视觉等技术仍无法做到上述所有参数的评估。
发明内容
有鉴于此，有必要提供一种动态三维超声脊柱检测方法与成像系统，以解决现有技术中静态情况采集到的数据错误率高及采集参数不足的问题，更好地为脊柱侧弯的手术和非手术治疗决策提供指导。
为实现上述目的，本发明提供了一种动态三维超声脊柱检测方法，使用与三维脊柱超声成像设备1、穿戴式无线超声扫描单元2、内置光学传感器的深度摄像机3通信连接的计算机终端4，所述方法包括以下步骤：
S1)用所述三维脊柱超声成像设备1对患者的脊柱进行三维超声扫描，取得其三维脊柱图像100，包括冠状面和矢状面的脊柱投影图像；
S2)从所述三维脊柱图像100中冠状面脊柱投影图像获取脊柱侧弯一个或多个主要弯曲顶椎与上、下端椎的位置，以超声图像视野内见到完整的两侧椎板反射面为准，将所述穿戴式无线超声扫描单元2的超声探头分别固定在所获取的弯曲顶椎、上端椎和下端椎位置，以采集对应位置的实时超声图像200，所述超声探头外端面设有光学标识物；
S3)将具有内置光学传感器的深度摄像机3朝向患者背部，得到实时的视频，包括多帧的背部深度图、光学标识物及体表图的动态背部图像300；
S4)患者按照指引弯曲躯干直到达到所需要的弯度，所述计算机终端实时采集脊柱弯曲动作期间包括背部深度图和体表图的动态背部图像300以及实时超声图像200；所述体表图是彩色图或灰阶图；所述按照指引弯曲躯干，包括侧屈、前屈或任何需要的检验体态，或弯曲到任何的适合检查的弯度；
S5)利用所述体表图中的所述光学标识物获得每个所述超声探头在所述脊柱弯曲动作过程中的实时三维空间位置及方向；
S6)所述计算机终端4将所述实时超声图像200分别与所述的动态背部图像300中的背部深度图和所述三维脊柱图像100进行同步和融合处理，得到脊柱弯曲动作期间的动态三维超声图像；其中，在图像同步和融合处理过程中，使用步骤S5)中得到的所述超声探头的实时三维空间位置及方向作为参考信息；
S7)在计算机终端上，根据步骤S6)中融合后的动态三维超声图像进行脊柱弯曲形态分析，包括Lenke分型参数测算，对脊柱侧屈实时活动度、柔韧性和稳定性进行分析，对侧屈活动时顶椎和上下端椎附近椎间隙的开放程度、椎体旋转的情况进行评估。
本发明还提供了一种动态三维超声脊柱成像系统，包括现有的三维脊柱超声成像设备1，还包括：
穿戴式无线超声扫描单元2，用于产生脊柱局部二维超声图像帧，包含三个或三个以上超声探头；
深度摄像单元3，用于记录超声探头空间位置变化以及背部动态三维形态，深度摄像单元包含内置光学传感器的深度摄像机；
计算机终端4，与所述三维脊柱超声成像设备1、穿戴式无线超声扫描单元2、深度摄像单元3连接，用于接收三维脊柱超声成像设备1的三维脊柱图像100、穿戴式无线超声扫描单元2的实时超声图像200、深度摄像单元3的动态背部图像300，通过融合所述三维脊柱图像100、实时超声图像200、动态背部图像300，进行脊柱弯曲形态分析，包括测量脊柱侧弯的Lenke分型参数，并对侧屈活动中的脊柱进行动态评估。
由于本发明的方法和系统，采用成熟的三维脊柱超声成像系统，配合穿戴式无线超声探头采集实时超声图像，以及内置光学传感器的深度摄像机，实时记录患者侧屈时脊柱特征点的空间坐标变化，将三维脊柱超声成像系统采集的直立及弯曲状态时的三维超声图像、穿戴式无线超声系统采集的实时超声图像、深度摄像机采集到的背部形态动态三维图像进行融合，得到动态三维超声脊柱图像。根据动态三维超声脊柱图像，结合深度学习的计算机视觉实时反馈并快速精准测量脊柱侧弯的Lenke分型参数，并对脊柱的整体平衡度、脊柱侧屈实时活动度、脊柱柔韧性和稳定性、侧屈活动时顶椎和端椎附近椎间隙的开放程度、顶椎区椎体旋转程度的改善进行动态综合评估，使得脊柱侧弯的分型从传统的基于有辐射危害的X光平面评定方式上升到无辐射的动态三维超声分析，解决了现有技术中静态情况采集到的数据错误率高及采集参数不足的问题。本发明也可以应用于脊柱前屈以及其他有需要的脊柱弯曲测试，具体的流程和侧屈的类似。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例涉及的人体胸椎和腰椎的编号示意图。
图2为本发明实施例提供的动态三维超声脊柱成像系统的逻辑框图。
图3为本发明实施例提供的动态三维超声脊柱成像系统关键技术示意图。
图4为本发明实施例提供的动态三维超声脊柱检测方法步骤示意图。
图5为本发明实施例提供的二维脊柱横截面超声图像。
图6为本发明实施例提供的三维脊柱体积投射成像图像端椎两侧横突的连线示意图及X线片端椎两侧横突的连线示意图。
图7为本发明实施例提供的在深度摄像机人体背部深度图像与三维超声体积投射成像融合影像中识别并标注超声探头位置的效果图。
具体实施方式
本申请实施例通过提供一种动态三维超声脊柱检测方法与成像系统，解决了现有技术中静态情况采集到的数据错误率高及采集参数不足的问题，使得脊柱侧弯的分型从传统的基于有辐射危害的X光平面评定方式上升到无辐射的动态三维超声分析。
为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
下面结合说明书附图对本发明实施例作进一步详细描述。应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
在实际临床诊断中，医生对脊柱的每一块椎骨都有相应的命名，人类的脊柱一共有33块椎骨，其中颈椎7块，胸椎12块，腰椎5块，骶骨和尾骨共九块。而在脊柱侧弯Lenke分型系统中，Cobb角测量不涉及颈椎以及骶骨和尾骨等。如图1所示为人体的胸椎和腰椎的编号示意图，从下往上L5-L1代表腰椎，T12-T1代表胸椎。
本发明的一个实施例提供了一种动态三维超声脊柱成像系统，如图2所示为该系统的逻辑框图，包括三维脊柱超声成像设备1，还包括：
穿戴式无线超声扫描单元2，用于产生脊柱局部二维超声图像帧，包含三个或三个以上超声探头；
深度摄像单元3，用于记录超声探头空间位置变化以及背部动态三维形态，深度摄像单元包含内置光学传感器的深度摄像机；
计算机终端4，与所述三维脊柱超声成像设备1、穿戴式无线超声扫描单元2、深度摄像单元3连接，用于接收三维脊柱超声成像设备1的三维脊柱图像100、穿戴式无线超声扫描单元2的实时超声图像200、深度摄像单元3的动态背部图像300，通过融合所述三维脊柱图像、实时超声图像、动态背部图像，得到动态三维超声脊柱图像，进行脊柱弯曲形态分析，包括测量脊柱侧弯的Lenke分型参数，并对侧屈活动中的脊柱进行动态评估。
其中，三维脊柱超声成像设备1是成熟的三维脊柱超声成像设备，通过采集患者脊柱的超声图片，经过体积重建之后，获得脊柱的三维图像100，通过体积投影成像法，可以进一步的获取到脊柱在冠状面和矢状面的投影图。
穿戴式无线超声扫描单元2含有超声探头和无线控制器，本发明实施例中，穿戴式无线超声扫描单元2含有3个或3个以上探头，超声探头采集脊柱的实时超声图像200。
深度摄像单元3包括内置光学传感器的深度摄像机和支架，深度摄像机位于支架上，对准患者背部，采集患者的动态背部图像300。
所述计算机终端含有显示终端，用于显示三维脊柱图像100、实时超声图像200、动态背部图像300以及融合后的图像。
如图3所示为本发明实施例提供的动态三维超声脊柱成像系统关键技术示意图，三维脊柱超声成像系统采用体积投影成像法提供患者脊柱在冠状面的投影图，从其中可以看到脊椎各椎体的弯曲情况。对于每一个主要弯曲，定位顶椎、上端椎、下端椎的位置，在患者脊椎的对应位置安装3个超声探头，分别对应顶椎、上端椎、下端椎所在位置，顶椎、上端椎、下端椎分别位于3个探头的扫描窗口中心位置，结合计算机终端显示的3个探头的实时超声图像对探头的位置进行微调，使得在超声图像视野中见到完整的两侧椎板反射面。3个探头朝外断面均设置有光学标识物，各探头和无线控制器之间均采用有线连接。
本发明的一个实施例提供了一种动态三维超声脊柱检测方法，如图4所示为本发明实施例提供的动态三维超声脊柱检测方法步骤示意图，包括以下步骤：
S1)用三维脊柱超声成像设备1对患者的脊柱进行三维超声扫描，取得其三维脊柱图像100，包括冠状面和矢状面的脊柱投影图像。
S2)从所述三维脊柱图像100中冠状面脊柱投影图像获取脊柱侧弯一个或多个主要弯曲顶椎与上、下端椎的位置，以超声图像视野内见到完整的两侧椎板反射面为准，将所述穿戴式无线超声扫描单元2的超声探头分别固定在所获取的弯曲顶椎、上端椎和下端椎位置，以采集对应位置的实时超声图像200，所述超声探头外端面设有光学标识物。
S3)将具有内置光学传感器的深度摄像机3朝向患者背部，得到实时的视频，包括多帧的背部深度图、光学标识物及体表图的动态背部图像300。
S4)患者按照指引弯曲躯干直到达到所需要的弯度，所述计算机终端实时采集脊柱弯曲动作期间的动态背部深度图和体表图的动态背部图像300以及实时超声图像200；所述体表图是彩色图或灰阶图；所述按照指引弯曲躯干，包括侧屈、前屈或任何需要的检验体态，或弯曲到任何的适合检查的弯度。
S5)利用所述体表图中的所述光学标识物获得每个所述超声探头在所述脊柱弯曲动作过程中的实时三维空间位置及方向。
S6)所述计算机终端4将所述实时超声图像200分别与所述的动态背部图像300中的背部深度图和所述三维脊柱图像100进行同步和融合处理，得到脊柱弯曲动作期间的动态三维超声图像；其中，在图像同步和融合处理过程中，使用步骤S5)中得到的所述超声探头的实时三维空间位置及方向作为参考信息。
S7)在计算机终端上，根据步骤S6)中融合后的动态三维超声图像进行脊柱弯曲形态分析，包括Lenke分型参数测算，对脊柱侧屈实时活动度、柔韧性和稳定性进行分析，对侧屈活动时顶椎和上下端椎附近椎间隙的开放程度、椎体旋转的情况进行评估。
所述超声探头含有贴片、电缆、黏贴固定装置和无线控制器，无线控制器通过WiFi把电缆传导来的贴片超声信号传送给附近的计算机终端4。
所述超声探头可以是贴片超声探头、柔性超声探头、一维阵列或二维阵列超声探头。
其中，柔性超声探头可以是阵列探头和单元探头，本发明实施例中，可以是一维阵列或二维阵列的阵列探头，可以在局部检测面内产生聚焦和清晰的声束，从而获得更高的分辨率。
在本发明实施例中，内置光学传感器的深度摄像机3可以安装在一个支架上，支架可以控制深度摄像机向前后上下左右6个方向移动，以使人体背部在脊柱作弯曲动作时始终在摄像机的视野内。
在本发明方法的实施例中，步骤S1包括使用三维脊柱超声成像设备1对患者进行直立站姿的脊柱超声扫描，取得患者直立站姿状态下的三维脊柱图像100，包括冠状面和矢状面的脊柱投影图像。
在本发明另一个实施例中，步骤S1还包括使用三维脊柱超声成像设备1对患者进行脊柱在一个或多个不同弯曲状态下的超声扫描，取得患者一个或多个不同弯曲体态下的三维脊柱图像100，包括冠状面和矢状面的脊柱投影图像。所述脊柱弯曲体态为患者在进行侧屈、前屈、或其他用于脊柱评估的弯曲动作时的动态脊柱三维形态。
在本发明实施例中，如果步骤S2中从冠状面脊柱投影图像中获取到的主要弯曲部位大于一个，则对于其他每个弯曲部位，重复步骤S2-S6来采集数据。
在本发明实施例中，所述步骤S2中从三维脊柱图像100中的冠状面脊柱投影图像获取脊柱侧弯主要弯曲顶椎与上、下端椎的位置，包括以下步骤：
S21)对各椎体进行编号；
S22)确定主要弯曲的数量；
S23)对每一处弯曲，识别并记录顶椎、上下端椎的编号。
普通的彩色相机拍摄到的图片能看到相机视角内的所有物体并记录下来，但是其所记录的数据不包含这些物体距离相机的距离。仅仅能通过图像的语义分析来判断哪些物体离我们比较远，哪些比较近，但是并没有确切的数据。而本发明采用的深度相机则恰恰解决了该问题，深度相机能同时获取到彩色图像(或灰阶图像)和深度图像，通过深度图像的数据，就能准确知道图像中每个点离摄像头的距离，这样加上该点在2D图像中的(x,y)坐标，就能获取图像中每个点的三维空间坐标。通过三维坐标就能还原真实场景，实现场景建模等应用。因此通过深度相机拍摄到的患者的实时三维动态图像能够和实时超声图像以及三维超声系统获取到的三维超声图像进行有效融合，进行动态三维层面的脊柱参数测算及分型。
图像融合是指将两个或多个图像融合在一起，生成一个融合后的图像。在图像融合的过程中，可以保留每个原始图像的关键信息，同时利用不同图像中的细节信息进行修正和增强，从而生成一个更加清晰鲜明的图像。
图像融合通常是针对不同来源或不同传感器获取的多幅图像进行的。通过融合，可以消除由于不同传感器获取的图像存在的噪声问题，提高图像的质量和分辨率，同时可以提高图像的识别和分析能力，为对图像进行进一步处理和分析提供更好的基础。
图像融合可以采用多种方法，例如基于像素级别的融合、基于特征级别的融合、基于高级神经网络的融合等等。这些方法依赖于图像的特定特征，如空间分辨率、色彩、灰度和纹理等。
在本发明实施例中，所述步骤S6中的将实时超声图像200与动态背部图像300中的背部深度图进行融合和同步的具体步骤为：
S61)通过图像识别算法识别出每个所述超声探头上的光学标识物，本发明实施例的光学标识物为二维码形式，也可以采用其他纹理特征明显的平面图案或者立体形式，本发明对此不做限制。
S62)通过图像分析获得每个所述超声探头所在的实时三维空间位置和方向；
S63)根据位置和方向信息将每个探头采集的实时超声图像与背部深度图融合，融合的具体方法是：将实时超声图像与背部深度图像进行时间同步，将患者同一时刻或者相近时刻的实时超声图像与背部深度图统一到同一坐标系，对实时超声图像范围内的像素点，获取对应的深度信息，实现实时超声图像与背部深度图的融合；
所述将实时超声图像200与三维脊柱图像100进行融合是基于各超声探头相对于脊柱的位置，将超声探头采集的实时超声图像与三维脊柱图像进行融合，使超声探头对应的局部区域的实时脊柱图像特征和三维脊柱图像的总体脊柱信息得到融合获得动态的三维脊柱超声图像。融合的具体方法为：基于各探头相对于脊柱的位置，将探头采集的实时超声图像进行棘突、椎板、横突等特征点提取，通过特征匹配和融合方法，将提取到的特征点与三维脊柱图像一一对应，实现二维超声图像与三维脊柱图像的融合匹配。
Lenke分型主要针对特发性脊柱侧弯，在诊断侧弯和治疗设计上有重要作用。Lenke分型由三部分组成：冠状面侧弯类型(1-6)、腰椎修正型(A、B、C)、胸椎矢状序列修正型(-、N、+)。
在进行Lenke分型时，首先要根据顶椎区间确定弯的类型，表1所示为胸、腰弯类型与顶椎区间的对应关系。
表1胸、腰弯类型与顶椎区间对应表
胸、腰弯类型 顶椎区间
上胸弯(proximal thoracic，PT) T2-T5
主胸弯(main thoracic，MT) T6-T11/12
胸腰弯(thoracolumbar，TL) T12、L1
腰弯(lumbar，L) L1/2-L4
确定了弯的类型之后，判断主、次弯，结构性弯及非结构性弯，然后对照表2，确定冠状面侧弯类型(1-6)。
表2Lenke冠状面侧弯类型(1-6)
类型 上胸弯 主胸弯 胸腰弯/腰弯 弯曲类型
1 非结构性 结构性* 非结构性 主胸弯
2 结构性 结构性* 非结构性 双胸弯
3 非结构性 结构性* 结构性 双主弯
4 结构性 结构性* 结构性* 三主弯
5 非结构性 非结构性 结构性* 胸腰弯/腰弯
6 非结构性 结构性 结构性* 胸腰弯/腰弯-主胸弯
注：*表示主弯位置
所述步骤S7中在计算机软件上根据S6中融合后的图像进行Lenke分型参数测算的具体步骤如下：
S71)根据直立站姿的融合图像得到直立时的冠状面的Cobb角和矢状面的Cobb角，确定顶椎位置；
S72)根据侧屈时的融合图像得到侧屈时的Cobb角的变化情况；
S73)根据步骤S 71)的顶椎位置和步骤72)的Cobb角，判断弯的类型，主、次弯，结构性弯及非结构性弯，结合Lenke分型原则，确定Lenke分型的侧弯类型；
S74)根据腰弯顶椎的位置与骶骨中心垂线的相对关系得到Lenke分型的腰椎修正型；S75)根据直立时矢状面的Cobb角，确定Lenke分型的胸椎矢状序列修正型。
对于脊柱侧弯的手术和非手术治疗决策需要对脊柱进行静态和动态综合评估，主要依赖于①脊柱的整体平衡度、脊柱侧屈实时活动度、脊柱柔韧性和稳定性；②侧屈活动时顶椎和端椎附近椎间隙的开放程度；③顶椎区椎体旋转程度的改善。
动态三维超声是在三维超声的基础上增加了时间的追踪，通过动态三维超声图像可以观测到患者在侧屈过程中各脊椎的连续性变化，并可实时地对脊柱侧弯评估参数进行测算。步骤S8中对脊柱侧屈实时活动度、柔韧性和稳定性进行分析，对侧屈活动时顶椎和上下端椎附近椎间隙的开放程度、椎体旋转的情况进行评估都是基于步骤S6构建的动态三维超声图像对脊柱进行的动态综合评估。动态综合评估的结果可以形成书面的报告，为医生提供诊断依据。
机器学习按照学习形式进行分类，可分为监督学习、无监督学习、半监督学习、强化学习等。区别在于，监督学习需要提供标注的样本集，无监督学习不需要提供标注的样本集，半监督学习需要提供少量标注的样本，而强化学习则需要反馈机制。
通过对大量采集到步骤S6融合后的动态三维超声图像及其相应脊柱侧弯评估参数的深度学习，对步骤S6融合后的动态三维超声图像自动识别并自动测算脊柱侧弯评估参数。
在本发明的一个实施例中，深度学习包括探测范围帧内二维脊柱横截面超声图像标志物识别。具体是指在采集大量脊柱横截面超声图像后，人工做好对应帧的棘突、两侧椎板标记；将标记好的帧作为监督式深度学习算法的训练集，通过大量数据的训练，达到模拟人工识别标志物并做好标记的目标，从而自动推算椎体的旋转度，以及实现在脊柱弯曲动作中椎体的实时活动追踪。二维脊柱横截面超声图像内的棘突的形态、两侧椎板的倾斜程度对于判断椎体本身的空间旋转角度，以及在完成侧屈中椎体的实时活动度、柔韧性和稳定性的研判起重要作用。如图5所示为二维脊柱横截面超声图像，棘突与两侧椎板的形态清晰可辨，因此本发明实施例采用深度学习算法对二维脊柱横截面超声图像中的棘突和椎板进行自动识别。在采集大量脊柱横截面超声图像后，人工做好对应帧的棘突、两侧椎板标记；标记好的帧作为监督式深度学习算法的训练集，通过大量数据的训练，达到模拟人工识别标志物并做好标记的目标，从而自动推算椎体的旋转度，以及实现在侧屈中椎体的实时活动追踪。
在本发明的一个实施例中，深度学习还包括三维脊柱体积投射成像超声图像的角度测量。具体是指在采集大量三维脊柱体积投射超声图像后，人工做好每段曲线端椎两侧横突的标记，作为监督式深度学习算法的训练集，通过大量数据的训练，达到模拟人工识别标志物并做好标记的目标，从而自动演算患者每段脊柱侧弯曲线的角度，进而实现在侧屈中脊柱侧弯曲线角度变化的实时活动追踪。临床上三维脊柱体积投射成像超声图像用于测量脊柱侧弯角度(类比X射线Cobb角)。当脊柱侧弯患者存在一个或多个脊柱畸形侧弯曲线，每段曲线两端的端椎构成的角度则用来标记该曲线的严重程度。在三维脊柱体积投射成像超声图像中，目前人工标记的方式可以采用端椎两侧横突或上节腰椎的椎板与下节腰椎的上关节突投影的连线角度来量化。如图6(a)所示为三维脊柱体积投射成像图像端椎两侧横突的连线示意图，图6(b)所示为X线片端椎两侧横突的连线示意图。在采集大量三维脊柱体积投射超声图像后，人工做好每段曲线端椎两侧横突的标记，作为监督式深度学习算法的训练集，通过大量数据的训练，达到模拟人工识别标志物并做好标记的目标，从而自动演算患者每段脊柱侧弯曲线的角度，进而实现在侧屈中脊柱侧弯曲线角度变化的实时活动追踪。
在本发明的一个实施例中，深度学习还包括超声探头的空间位置变化的实时测量。具体是指采取非监督式学习的算法，利用光学标识物完成对超声探头位置的自动识别、追踪与记录。本实施例通过一台深度摄像机实时捕捉，并记录超声探头的空间位置变化，从而建立所探测的脊柱内标志物的空间坐标体系。如图7所示为在深度摄像机人体背部深度图像与三维超声体积投射成像融合影像中识别并标注超声探头位置的效果图。由于超声探头在体表空间坐标系的相对位置变化与体内观测的解剖学标志物不同，且其形状、材质也异于人体结构而易于识别，可以采取非监督式学习的算法，利用光学标识物完成对超声探头位置的自动识别、追踪与记录。
由于医学图像具有模糊、不均匀、个体差异、复杂多样等特点，本发明使用深度学习算法处理医学图像比传统算法更有优势，但是因为医学图像涉及到患者隐私，获取难度大，需要对获取到的有限样本数据集进行扩充。
本发明的方法和系统，在采用成熟的三维脊柱超声成像系统基础上，配合穿戴式无线超声探头采集实时超声图像，以及内置光学传感器的深度摄像机实时记录患者侧屈时脊柱特征点的空间坐标变化，将三维脊柱超声成像系统采集的直立及弯曲状态时的三维超声图像、穿戴式无线超声系统采集的实时超声图像、深度摄像机采集到的背部形态动态三维图像进行融合，得到动态三维超声脊柱图像。根据动态三维超声脊柱图像，结合深度学习的计算机视觉实时反馈并快速精准测量脊柱侧弯的Lenke分型参数，并对脊柱的整体平衡度、脊柱侧屈实时活动度、脊柱柔韧性和稳定性、侧屈活动时顶椎和端椎附近椎间隙的开放程度、顶椎区椎体旋转程度的改善进行动态综合评估，使得脊柱侧弯的分型从传统的基于有辐射危害的X光平面评定方式上升到无辐射的动态三维超声分析，解决了现有技术中静态情况采集到的数据错误率高及采集参数不足的问题。本发明也可以应用于脊柱前屈以及其他有需要的脊柱弯曲测试，具体的流程和侧屈的类似。
以上仅为本发明的具体实施方式，不能以此来限定本发明的范围，本技术领域内的一般技术人员根据本创作所作的均等变化，以及本领域内技术人员熟知的改变，都应仍属本发明涵盖的范围。

Claims (18)

1.一种动态三维超声脊柱检测方法，其特征在于：使用与三维脊柱超声成像设备（1）、穿戴式无线超声扫描单元（2）、内置光学传感器的深度摄像机（3）通信连接的计算机终端（4），所述方法包括以下步骤：
S1）用所述三维脊柱超声成像设备（1）对患者的脊柱进行三维超声扫描，取得其三维脊柱图像（100），包括冠状面和矢状面的脊柱投影图像；
S2）从所述三维脊柱图像（100）中冠状面脊柱投影图像获取脊柱侧弯一个或多个主要弯曲顶椎与上、下端椎的位置，以超声图像视野内见到完整的两侧椎板反射面为准，将所述穿戴式无线超声扫描单元（2）的超声探头分别固定在所获取的弯曲顶椎、上端椎和下端椎位置，以采集对应位置的实时超声图像（200），所述超声探头外端面设有光学标识物；
S3）将具有内置光学传感器的深度摄像机（3）朝向患者背部，得到实时的视频，包括多帧的背部深度图、光学标识物及体表图的动态背部图像（300）；
S4）患者按照指引弯曲躯干直到达到所需要的弯度，所述计算机终端实时采集脊柱弯曲动作期间包括背部深度图和体表图的动态背部图像（300）以及实时超声图像（200）；所述体表图是彩色图或灰阶图；所述按照指引弯曲躯干，包括侧屈、前屈或任何需要的检验体态，或弯曲到任何的适合检查的弯度；
S5）利用所述体表图中的所述光学标识物获得每个所述超声探头在所述脊柱弯曲动作过程中的实时三维空间位置及方向；
S6）所述计算机终端（4）将所述实时超声图像（200）分别与所述动态背部图像（300）中的背部深度图和所述三维脊柱图像（100）进行同步和融合处理，得到脊柱弯曲动作期间的动态三维超声图像；其中，在图像同步和融合处理过程中，使用步骤S5）中得到的所述超声探头的实时三维空间位置及方向作为参考信息；
S7）在计算机终端上，根据步骤S6）中融合后的动态三维超声图像进行脊柱弯曲形态分析，包括Lenke分型参数测算，对脊柱侧屈实时活动度、柔韧性和稳定性进行分析，对侧屈活动时顶椎和上下端椎附近椎间隙的开放程度、椎体旋转的情况进行评估。
2.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S1），包括使用三维脊柱超声成像设备（1）对患者进行直立站姿的脊柱超声扫描，取得患者直立站姿状态下的三维脊柱图像（100），包括冠状面和矢状面的脊柱投影图像。
3.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S1），包括使用三维脊柱超声成像设备（1）对患者进行脊柱在一个或多个不同弯曲体态下的超声扫描，取得患者一个或多个不同弯曲体态下的三维脊柱图像（100），包括冠状面和矢状面的脊柱投影图像。
4.根据权利要求3所述的动态三维超声脊柱检测方法，其特征在于，脊柱弯曲体态为患者在进行侧屈、前屈、或其他用于脊柱评估的弯曲动作时的动态脊柱三维形态。
5.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，在步骤S6）和S7)之间还包括步骤S6a）：如果步骤S2）中从冠状面脊柱投影图像中获取到的主要弯曲部位大于一个，则对于其他每个弯曲部位，重复步骤S2）-S6）来采集数据。
6.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S2）中从三维脊柱图像（100）中的冠状面脊柱投影图像获取脊柱侧弯主要弯曲顶椎与上、下端椎的位置，包括以下步骤：
S21）对各椎体进行编号；
S22）确定主要弯曲的数量；
S23）对每一处弯曲，识别并记录顶椎、上下端椎的编号。
7.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S6）中的将实时超声图像（200）与动态背部图像（300）中的背部深度图进行融合和同步的具体步骤为：
S61）通过图像识别算法识别出每个所述超声探头上的光学标识物；
S62）通过图像分析获得每个所述超声探头所在的实时三维空间位置和方向；
S63）根据位置和方向信息将每个探头采集的实时超声图像与背部深度图融合；
所述将实时超声图像（200）与三维脊柱图像（100）进行融合是基于各超声探头相对于脊柱的位置，将超声探头采集的实时超声图像与三维脊柱图像进行融合，使超声探头对应的局部区域的实时脊柱图像特征和三维脊柱图像的总体脊柱信息得到融合获得动态的三维脊柱超声图像。
8.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S7）中在计算机终端上根据步骤S6）中融合后的图像进行Lenke分型参数测算的具体步骤如下：
S71）根据直立站姿的融合图像得到直立时的冠状面的Cobb角和矢状面的Cobb角，确定顶椎位置；
S72）根据侧屈时的融合图像得到侧屈时的Cobb角的变化情况；
S73）根据步骤71）的顶椎位置和步骤72）的Cobb角，判断主、次弯，结构性弯及非结构性弯，结合Lenke分型原则，确定Lenke分型的侧弯类型；
S74）根据腰弯顶椎的位置与骶骨中心垂线的相对关系得到Lenke分型的腰椎修正型；
S75）根据直立时矢状面的Cobb角，确定Lenke分型的胸椎矢状序列修正型。
9.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，还包括步骤S8）通过对大量采集到步骤S6）融合后的动态三维超声图像及其相应脊柱侧弯评估参数的深度学习，对步骤S6）融合后的动态三维超声图像自动识别并自动测算脊柱侧弯评估参数。
10.根据权利要求9所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S8）中所述深度学习包括探测范围帧内二维脊柱横截面超声图像标志物识别，包括：在采集大量脊柱横截面超声图像后，人工做好对应帧的棘突、两侧椎板标记；将标记好的帧作为监督式深度学习算法的训练集，通过大量数据的训练，达到模拟人工识别标志物并做好标记的目标，从而自动推算椎体的旋转度，以及实现在脊柱弯曲动作中椎体的实时活动追踪。
11.根据权利要求9所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S8）中深度学习包括三维脊柱体积投射成像超声图像的角度测量，包括采集大量三维脊柱体积投射超声图像，做好每段曲线端椎两侧横突，或上节腰椎的椎板与下节腰椎的上关节突投影的标记，对经过标记的图像进行训练，达到模拟人工识别标志物并做好标记的目标，从而自动演算患者每段脊柱侧弯曲线的角度，进而实现在侧屈中脊柱侧弯曲线角度变化的实时活动追踪。
12.根据权利要求9所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S8）中深度学习包括超声探头的空间位置变化的实时测量，包括采取非监督式学习的算法，利用光学标识物完成对超声探头位置的自动识别、追踪与记录。
13.根据权利要求1-12中任何一项所述的动态三维超声脊柱检测方法，其特征在于，所述超声探头含有贴片、电缆、黏贴固定装置和无线控制器，无线控制器通过WiFi把电缆传导来的贴片超声信号传送给附近的计算机终端（4）。
14.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，所述超声探头为贴片超声探头。
15.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，所述超声探头为柔性超声探头。
16.根据权利要求1所述的动态三维超声脊柱检测方法，其特征在于，所述超声探头为一维阵列或二维阵列超声探头。
17.根据权利要求6所述的动态三维超声脊柱检测方法，其特征在于，所述步骤S3）中的深度摄像机位于支架上，支架可以控制深度摄像机向前后上下左右6个方向移动，以使人体背部在脊柱作弯曲动作时始终在摄像机的视野内。
18.一种动态三维超声脊柱成像系统，用于实现如权利要求1所述的动态三维超声脊柱检测方法，包括三维脊柱超声成像设备（1），其特征在于，还包括：
穿戴式无线超声扫描单元（2），用于产生脊柱局部二维超声图像帧，包含三个或三个以上超声探头；
深度摄像单元，用于记录超声探头空间位置变化以及背部动态三维形态，深度摄像单元包含内置光学传感器的深度摄像机；
计算机终端（4），与所述三维脊柱超声成像设备（1）、穿戴式无线超声扫描单元（2）、深度摄像单元连接，用于接收三维脊柱超声成像设备（1）的三维脊柱图像（100）、穿戴式无线超声扫描单元（2）的实时超声图像（200）、深度摄像单元的动态背部图像（300），通过融合所述三维脊柱图像（100）、实时超声图像（200）、动态背部图像（300），进行脊柱弯曲形态分析，包括测量脊柱侧弯的Lenke分型参数，并对侧屈活动中的脊柱进行动态评估。
CN202310974513.1A 2023-08-03 2023-08-03 动态三维超声脊柱检测方法与成像系统 Active CN119423814B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310974513.1A CN119423814B (zh) 2023-08-03 2023-08-03 动态三维超声脊柱检测方法与成像系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310974513.1A CN119423814B (zh) 2023-08-03 2023-08-03 动态三维超声脊柱检测方法与成像系统

Publications (2)

Publication Number Publication Date
CN119423814A CN119423814A (zh) 2025-02-14
CN119423814B true CN119423814B (zh) 2025-11-07

Family

ID=94508109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310974513.1A Active CN119423814B (zh) 2023-08-03 2023-08-03 动态三维超声脊柱检测方法与成像系统

Country Status (1)

Country Link
CN (1) CN119423814B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119722660B (zh) * 2025-02-25 2025-05-30 嘉兴市第二医院 图像处理装置
CN121059145A (zh) * 2025-08-20 2025-12-05 数据少年(北京)健康科技有限公司 一种基于三维成像的青少年脊柱侧弯检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497821A (zh) * 2009-07-27 2012-06-13 香港理工大学 用于评估脊柱侧凸的三维（3d）超声成像系统
CN107595387A (zh) * 2017-07-28 2018-01-19 浙江大学 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA1297952C (en) * 1987-10-05 1992-03-24 Diagnospine Research Inc. Method and equipment for evaluating the flexibility of a human spine
US20230169644A1 (en) * 2021-11-30 2023-06-01 Pong Yuen Holdings Limited Computer vision system and method for assessing orthopedic spine condition
CN116524124A (zh) * 2023-04-26 2023-08-01 福州大学 脊柱三维动态重建方法和系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497821A (zh) * 2009-07-27 2012-06-13 香港理工大学 用于评估脊柱侧凸的三维（3d）超声成像系统
CN107595387A (zh) * 2017-07-28 2018-01-19 浙江大学 一种基于超声拓片技术的脊椎图像生成系统以及脊柱手术导航定位系统

Also Published As

Publication number Publication date
CN119423814A (zh) 2025-02-14

Similar Documents

Publication Publication Date Title
JP5849048B2 (ja) 側弯症評価のための三次元（３ｄ）超音波撮像システム
US7899220B2 (en) Time-dependent three-dimensional musculo-skeletal modeling based on dynamic surface measurements of bodies
JP4653737B2 (ja) ３次元再構成のための放射線画像法並びにその方法を実施するコンピュータプログラムおよび装置
CN109223032B (zh) 一种三维超声成像检测脊柱变形的方法
CN102018527B (zh) 脊柱三维动态测量分析系统及方法
CN119423814B (zh) 动态三维超声脊柱检测方法与成像系统
CN107481228A (zh) 基于计算机视觉的人体背部脊柱侧弯角度测量方法
CN102652004B (zh) 测量患者脊骨特征的方法和装置
CN112037277B (zh) 一种基于脊柱三维超声体数据的三维可视化方法
Roy et al. A noninvasive 3D body scanner and software tool towards analysis of scoliosis
JP2020074876A (ja) 脊椎骨姿勢推定装置
Breen et al. A digital videofluoroscopic technique for spine kinematics
TWI681755B (zh) 脊椎側彎量測系統與方法
RU2392855C1 (ru) Способ цифровой диагностики деформаций позвоночника
Wu et al. The feasibility of a video-based motion analysis system in measuring the segmental movements between upper and lower cervical spine
KR20160126185A (ko) 컴퓨터를 이용한 x-선 영상처리 골절 위험 평가모델 작성방법, 시스템 및 컴퓨터 프로그램
JP2025084107A (ja) パーソナライズ化関節骨格・軟骨形態測定システム及び方法
CN114219889B (zh) 一种基于ct与超声融合的脊柱在体准静态三维测量方法
Zeng et al. Automatic segmentation of vertebral features on ultrasound spine images using Stacked Hourglass Network
JP6129145B2 (ja) 医療用ｘ線測定装置
Li et al. Real-time volumetric free-hand ultrasound imaging for large-sized organs: a study of imaging the whole spine
TWM579961U (zh) Spine measurement system
CN121191800A (zh) 一种青少年脊柱侧凸筛查的方法和系统
Meszaros-Beller et al. Assessment of spinal curvatures in static postures using localized 3D ultrasound: A proof-of-concept study
US20240242528A1 (en) Vertebral recognition process

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant