一种基于全膝置换手术的股骨或胫骨配准方法及装置

摘要

本申请公开一种基于全膝置换手术的股骨或胫骨配准方法及装置，方法包括获取数据点对，数据点对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头点选的特征点；利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果；获取数据点云对，数据点云对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头滑动采集的点云；根据所述粗配准结果和所述数据点云进行精配准。本申请采用医生较为有把握的解剖特征点进行粗配准算法，进一步利用密集的三维点云立体数据进行精细配准算法，大大提高配准的准确率。本申请拟通过第一次基于SVD‑ICP的配准结果，作为下一次ICP配准的初始位置，并再次采集点云数据，从一个较为满意的初始位置下获得更好的配准效果。

说明书

技术领域

本申请涉及全膝置换手术技术领域，特别涉及一种基于全膝置换手术的股骨或胫骨配准方法及装置。

背景技术

人工全膝关节置换是一种治疗膝关节疾病的技术，能非常有效地治疗重度膝关节病痛，极大地提高病人的生活质量。人工关节置换手术的主要影响因素包括三维立体空间上的准确截骨、假体安放的位置和角度，而全膝关节置换术对这些因素的要求尤其严格。传统手术通过机械导向装置进行髓内、外定位后截骨，手术者凭肉眼、手感和经验来判断截骨、假体位置和软组织的平衡情况，许多主观因素直接影响手术的精确性，甚至导致手术的失败。计算机辅助骨科手术在医学影像，如CT，MRI，X光或三维超声等的导引下，利用导航仪跟踪末端执行器的位置，把虚拟末端执行器与手术部位融合并显示在屏幕上，从而增加上述手术的可视性，帮助医生避开重要的器官与组织，提高手术精度，减少术中创伤。临床对比试验表明，这种利用导航仪的手术方式能大大提高手术精度，减少骨科手术的偏移率。无论是膝关节置换术的导航设备还是手术机器人设备，配准技术都是一个重要的环节。配准是建立“虚拟三维数据”与“真实骨骼”的桥梁，由于膝关节置换术中显露的骨骼信息有限，特征信息不够，对配准造成了一定的困难。

目前膝关节的配准方法主要有两种：一种配准方法是直接利用术中CT对手术区域进行扫描，直接通过术中三维重建获得术中的骨骼三维图像，在此基础上进行手术规划及导航。这种配准方法的缺点是需要购买术中用CT，术中用CT相对而言花费较多，且对手术床等手术场景有特殊要求，因此，不是理想的方法。另一种配准方法利用结构光导航仪，用探针在骨骼表面取十个左右的点，由于局部的信息有限，需要通过旋转大腿推算出股骨头球心，或者利用超声探头探测等技术获得股骨球头的点，用来矫正当前局部配准的误差。这种配准方法局部采集的点信息通常为10-15个，信息量有限。且由于通过旋转大腿的方法寻找股骨头用于矫正力线具有不稳定性。原因是骨头理论上是围绕一个点在旋转，但是实际上因为骨盆的移动，周围肌肉组织的牵拉导致围绕下肢寻找股骨头的时候会导致实际股骨头球心与实际的不符，导致配准的准确率不高。

发明内容

本申请的目的在于提供一种基于全膝置换手术的股骨或胫骨配准方法及装置，以解决膝关节的配准方法准确率不高的问题。

一方面，根据本申请的实施例，提供了一种基于全膝置换手术的股骨或胫骨配准方法，包括：

获取数据点对，所述数据点对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头点选的特征点；

利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果；

获取数据点云对，所述数据点云对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头滑动采集的点云；

利用ICP算法，根据所述粗配准结果和所述数据点云进行精配准，完成股骨或胫骨配准。

进一步地，所述利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果的步骤，包括：

根据所述数据点对构建第一目标函数，所述第一目标函数为

其中，w_i为每组点对对最终结果影响的权重，Q＝{q₁,q₂,…,q_n}为CT数据重建的股骨或胫骨数字三维模型的特征点，P＝{p₁,p₂,…,p_n}为股骨或胫骨特征点，(R₁,t₁)为粗配准后重建模型上的特征点Q＝{q₁,q₂,…,q_n}的旋转平移矩阵。

进一步地，所述数据点对包括远端区域点对，外侧区域点对，内侧区域点对，前侧区域点对和后侧区域点对，所述远端区域点对的权重为0.067，所述外侧区域点对的权重为0.2，所述内侧区域点对的权重为0.2，所述前侧区域点对的权重为0.2，所述后侧区域点对的权重为0.1。

进一步地，所述远端区域点对包括髁间窝，股骨远端内侧髁高点和股骨远端外侧髁高点，所述外侧区域点对包括外凸点，所述内侧区域点对包括内凹点，所述前侧区域点对包括前侧皮质点，所述后侧区域点对包括股骨后髁内侧高点和股骨后髁外侧高点。

进一步地，所述数据点对包括远端区域点对，近端侧区域点对和近端前侧区域点对，所述远端区域点对的权重为0.17，所述近端侧区域点对的权重为0.11，所述近端前侧区域点对的权重。

进一步地，所述远端区域点对包括踝部内侧点和踝部外侧点，所述近端侧区域点对包括胫骨隆突，胫骨内侧低点和胫骨外侧点，所述近端前侧区域点对包括胫骨结节内侧三分之一。

进一步地，所述利用ICP算法，根据所述粗配准结果和所述数据点云进行精配准的步骤，包括：

根据所述数据点云对建立第二目标函数，所述第二目标函数为

其中，w_i为每组点云对对最终结果影响的权重，N＝{n₁,n₂,…,n_t}为CT数据重建的三角面片数据，M＝{m₁,m₂,…,m_s}为股骨或胫骨滑动采集的点云，(R₂,t₂)为数据点云对之间的旋转平移矩阵。

根据所述粗配准结果重新建立点云对，将新建点云对代入所述第二目标函数，不断迭代，直到收敛速度停滞。

进一步地，股骨或胫骨的点云是通过三维光学仪器扫描获得的。

另一方面，根据本申请的实施例，提供了一种基于全膝置换手术的股骨或胫骨配准装置，包括：

第一获取单元，用于获取数据点对，所述数据点对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头点选的特征点；

粗配准单元，用于利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果；

第二获取单元，用于获取数据点云对，所述数据点云对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头滑动采集的点云；

精配准单元，用于利用ICP算法，根据所述粗配准结果和所述数据点云进行精配准，完成股骨或胫骨配准。

由以上技术方案可知，本申请实施例提供一种基于全膝置换手术的股骨或胫骨配准方法及装置，所述方法包括：获取数据点对，所述数据点对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头点选的特征点；利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果；获取数据点云对，所述数据点云对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头滑动采集的点云；利用ICP算法，根据所述粗配准结果和所述数据点云进行精配准，完成股骨或胫骨配准。本申请采用医生较为有把握的解剖特征点进行粗配准(SVD)算法，进一步利用密集的三维点云立体数据进行精细配准(ICP)算法，大大提高了配准的准确率。ICP算法获得满意配准效果的前提就是较好的初始位置，本申请拟通过第一次基于SVD-ICP的配准结果，作为下一次ICP配准的初始位置，并再次采集点云数据，从一个较为满意的初始位置下获得更好的配准效果。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为根据本申请实施例示出一种基于全膝置换手术的股骨或胫骨配准方法的流程图；

图2为根据本申请实施例示出一种基于全膝置换手术的股骨或胫骨配准方法的过程示意图；

图3为根据本申请实施例示出一种基于全膝置换手术的股骨或胫骨配准装置的结构示意图。

具体实施方式

全膝关节置换术的术中配准是指将实际过程中患者所在的坐标系与虚拟的术前规划的坐标系进行转换。本申请使用SVD-ICP算法，通过粗配准和精配准，将CT图像重建的三维模型和患者的真实骨头在空间上配准在一起。

参阅图1，本申请实施例提供了一种基于全膝置换手术的股骨或胫骨配准方法，包括：

步骤S1、获取数据点对，所述数据点对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头点选的特征点；

数据点对有较明显特征，使用者可以较容易区分，使用者可以比较简单地在膝关节(股骨或胫骨)数字模型和患者真正膝关节骨头上采集一一对应的数据点对。

步骤S2、利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果；

由于ICP算法具有局部收敛性，要求两组点云的位置不能相差太远，因此首先采用点对配准算法(SVD算法)使两组点云的位置尽可能的接近，这也是首先采用SVD算法进行粗配准的原因。

步骤S3、获取数据点云对，所述数据点云对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头滑动采集的点云；

其中，滑动采集是指带有参考架的探针在骨头上滑行，在这个过程中视觉导航系统实时的读取这个探针的位置信息，并按照每秒60帧的速度标记点云。

步骤S4、利用ICP算法，根据所述粗配准结果和所述数据点云进行精配准，完成股骨或胫骨配准。

本申请采用医生较为有把握的解剖特征点进行粗配准(SVD)算法，进一步利用密集的三维点云立体数据进行精细配准(ICP)算法，大大提高了配准的准确率。ICP算法获得满意配准效果的前提就是较好的初始位置，本申请拟通过第一次基于SVD-ICP的配准结果，作为下一次ICP配准的初始位置，并再次采集点云数据，从一个较为满意的初始位置下获得更好的配准效果。

进一步地，所述利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果的步骤，包括：

患者的膝关节特征点P＝{p₁,p₂,…,p_n}和患者重建模型上的特征点Q＝{q₁,q₂,…,q_n}为SVD算法提供了n组点对。

根据所述数据点对构建第一目标函数，所述第一目标函数为

其中，w_i为每组点对对最终结果影响的权重，Q＝{q₁,q₂,…,q_n}为CT数据重建的股骨或胫骨数字三维模型的特征点，P＝{p₁,p₂,…,p_n}为股骨或胫骨特征点，(R₁,t₁)为粗配准后重建模型上的特征点Q＝{q₁,q₂,…,q_n}的旋转平移矩阵。

SVD算法中权重w_i的设置原则：各个区域总权重相等。

以股骨配准为例，所述数据点对包括远端区域点对，外侧区域点对，内侧区域点对，前侧区域点对和后侧区域点对，所述远端区域点对的权重为0.067，所述外侧区域点对的权重为0.2，所述内侧区域点对的权重为0.2，所述前侧区域点对的权重为0.2，所述后侧区域点对的权重为0.1。

所述远端区域点对包括髁间窝，股骨远端内侧髁高点和股骨远端外侧髁高点，所述外侧区域点对包括外凸点，所述内侧区域点对包括内凹点，所述前侧区域点对包括前侧皮质点，所述后侧区域点对包括股骨后髁内侧高点和股骨后髁外侧高点。

具体地，如表1所示，股骨配准采集的数据点对包括是但不限于：

表1

股骨三维数字模型患者真实骨头髁间窝q1髁间p1外凸点q2外凸点p2内凹点q3内凹点p3前侧皮质点q4前侧皮质点p4股骨远端内侧髁高点q5股骨远端内侧髁高点p5股骨远端外侧髁高点q6股骨远端外侧髁高点p6股骨后髁内侧高点q7股骨后髁内侧高点p7股骨后髁外侧高点q8股骨后髁外侧高点p8

股骨配准采集的数据点对所对应的区域如表2所示。

表2

区域髁间窝q1p1远端外凸点q2p2外侧内凹点q3p3内侧前侧皮质点q4p4前侧股骨远端内侧髁高点q5p5远端股骨远端外侧髁高点q6p6远端股骨后髁内侧高点q7p7后侧股骨后髁外侧高点q8p8后侧

股骨配准采集的数据点对所在区域对应的权重，如表3所示。

表3

以胫骨配准为例，所述数据点对包括远端区域点对，近端侧区域点对和近端前侧区域点对，所述远端区域点对的权重为0.17，所述近端侧区域点对的权重为0.11，所述近端前侧区域点对的权重。

所述远端区域点对包括踝部内侧点和踝部外侧点，所述近端侧区域点对包括胫骨隆突，胫骨内侧低点和胫骨外侧点，所述近端前侧区域点对包括胫骨结节内侧三分之一。

具体地，如表4所示，胫骨配准采集的数据点对包括是但不限于：

表4

胫骨三维数字模型患者真实骨头胫骨隆突q9胫骨隆突p9胫骨结节内侧三分之一q10胫骨结节内侧三分之一p10胫骨内侧低点q11胫骨内侧低点p11胫骨外侧点q12胫骨外侧点点p12踝部内侧点q13踝部内侧点p13踝部外侧点q14踝部外侧点p14

胫骨配准采集的数据点对所对应的区域如表5所示。

表5

区域胫骨隆突q9p9近端侧胫骨结节内侧三分之一q10p10近端前侧胫骨内侧低点q11p11近端侧胫骨外侧点点q12p12近端侧踝部内侧点q13p13远端踝部外侧点q14p14远端

胫骨配准采集的数据点对所在区域对应的权重，如表6所示。

表6

进一步地，所述利用ICP算法，根据所述粗配准结果和所述数据点云进行精配准的步骤，包括：

1)根据所述数据点云对建立第二目标函数，所述第二目标函数为

其中，w_i为每组点云对对最终结果影响的权重，N＝{n₁,n₂,…,n_t}为CT数据重建的三角面片数据，M＝{m₁,m₂,…,m_s}为股骨或胫骨滑动采集的点云，(R₂,t₂)为数据点云对之间的旋转平移矩阵。

具体地，两组点云的位置靠近后，患者膝关节滑动采集的点云为M＝{m₁,m₂,…,m_s}和患者重建模型的三角面片数据N＝{n₁,n₂,…,n_t}为ICP算法提供了输入数据。两组点云的点个数不同，且不是对应关系。我们假设(R₁,t₁)为两组点云之间的旋转平移矩阵，将M和N中距离较近的点组成点对，建立目标函数。

分别获取在由患者CT数据重建出来的骨骼的数字三维模型(三维模型本质也是大量点云)和在患者对应骨头上滑动采集的点云，这两组点云中的点并没有一一对应的关系，但是由于数量很大，由统计学方法可以提供更准确的配准结果。

以股骨配准为例，如表6所述，采集的“数据点云对”可以是但不限于：

表7

三维数字模型患者真实骨头点云N点云M

2)根据所述粗配准结果重新建立点云对，将新建点云对代入所述第二目标函数，不断迭代，直到收敛速度停滞。

具体地，由第一目标函数获得一组(R₁,t₁)，根据(R₁,t₁)进行旋转平移后，三维数字模型点云N和患者真实骨头的点云M之间的关系发生变化，按照新的位置关系将M和N中距离较近的点组成新的点云对。也就重新建立点云对，将新点对待入目标函数，不断迭代，直到收敛速度停滞，具体如图2所示。

其中，每次ICP的迭代也会产生一组旋转平移矩阵，当多次产生的新的旋转平移矩阵的值都很小时，说明三维数字模型点云的位置变化很小，同时，证明已经收敛。配准完成的标志是三维数字模型点云和患者真实骨头点云重合，可以通过计算这两图点云中点对距离的期望及均方差来评判配准效果是否好。

进一步地，股骨或胫骨的点云是通过三维光学仪器扫描获得的。与含反光球的探针相比，三维扫描仪速度更快。使用含反光球的探针主要反射的是视觉导航发射出的红外光线，而三维扫描仪观察的是自然光。

参阅图3，本申请实施例提供了一种基于全膝置换手术的股骨或胫骨配准装置，包括：

第一获取单元101，用于获取数据点对，所述数据点对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头点选的特征点；

粗配准单元102，用于利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果；

第二获取单元103，用于获取数据点云对，所述数据点云对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头滑动采集的点云；

精配准单元104，用于利用ICP算法，根据所述粗配准结果和所述数据点云进行精配准，完成股骨或胫骨配准。

由以上技术方案可知，本申请实施例提供一种基于全膝置换手术的股骨或胫骨配准方法与装置，所述方法包括：获取数据点对，所述数据点对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头点选的特征点；利用点对配准算法对所述数据点对进行粗配准，得到粗配准结果；获取数据点云对，所述数据点云对包括CT数据重建的股骨或胫骨数字三维模型和对应骨头滑动采集的点云；利用ICP算法，根据所述粗配准结果和所述数据点云进行精配准，完成股骨或胫骨配准。本申请采用医生较为有把握的解剖特征点进行粗配准(SVD)算法，进一步利用密集的三维点云立体数据进行精细配准(ICP)算法，大大提高了配准的准确率。ICP算法获得满意配准效果的前提就是较好的初始位置，本申请拟通过第一次基于SVD-ICP的配准结果，作为下一次ICP配准的初始位置，并再次采集点云数据，从一个较为满意的初始位置下获得更好的配准效果。

本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。