基于深度学习的腰椎节段内固定方式仿真方法及系统
基本信息
| 申请号 | CN202210296439.8 | 申请日 | - |
| 公开（公告）号 | CN114662362A | 公开（公告）日 | 2022-06-24 |
| 申请公布号 | CN114662362A | 申请公布日 | 2022-06-24 |
| 分类号 | G06F30/23（2020.01）I;G06F30/27（2020.01）I;G06T17/20（2006.01）I;G06V10/26（2022.01）I;G06V10/80（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;A61B17/70（2006.01）I;G06F119/14（2020.01）N;G06F111/04（2020.01）N | 分类 | 计算；推算；计数; |
| 发明人 | 华庆;赵蒙蒙;司海朋;赵俊勇;王晶晶 | 申请（专利权）人 | 山东师范大学 |
| 代理机构 | 济南圣达知识产权代理有限公司 | 代理人 | - |
| 地址 | 250014山东省济南市历下区文化东路88号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种基于深度学习的腰椎节段内固定方式仿真方法及系统，包括获取CT腰椎节段扫描图像；对获取的CT腰椎节段扫描图像进行分割，得到椎体结构图像；基于分割后的椎体结构重建出三维椎体模型并进行预处理；基于预处理后的三维椎体模型，进行腰椎节段部件的添加和装配，得到固定后的三维腰椎节段模型；基于三维腰椎节段模型，对其部件进行网格划分；基于网格划分后的三维腰椎节段模型进行有限元分析，得到腰椎节段内固定方式的仿真结果；本发明使用深度学习U‑Net网络分割图像，很大程度改善图像标注费事费力的现状，并且能够得到更加精确的三维椎体模型。 |
