[发明专利]一种基于流体计算的非先验性骨折识别方法

说明书

本发明涉及计算机辅助医疗技术领域，具体为一种基于流体计算技术的非先验性骨折识别方法。本发明的方法，包括以下步骤：S1将待检测骨折CT数据集的几何外边界构成的六面体转换为流体计算域。将CT各像素点转换为对应的计算域空间网格节点。S2.将CT各像素点的HU值信息，转换成对应网格单元的物性参数，并识别皮质骨区域。S3.在计算域外边界上选择一区域作为流体入口。给定流体入口的气体参数。S4.基于上述条件，使用计算流体力学技术求解，直到一定步数。S5.基于流体计算的可视化计算结果，判定是否存在皮质骨破损。本发明采用对骨骼内部模拟注入气体的方法，通过查看气体流动情况，直接发现骨折位置，不需要先验性的医学准则。

技术领域

本发明涉及计算机辅助医疗技术领域，具体为一种基于流体计算的非先验性骨折识别方法。

背景技术

骨骼是人体的基本构建元素之一，它与肌肉等一起构成了人体的运动系统。骨骼的健康与否直接影像到人体的重要生理机能的效能。

由于生活中的各种因素，骨折是一种常见的人体伤害。由于个体的性别、年龄、身高、体重、健康、伤情等因素的差异，对于不同的骨折案例往往需要选择不同的术式。

医学和医疗器械的技术进步使得人们希望更加快速、更加自动化地进行骨折手术，比如使用骨科机器人。但是无论是使用机器人进行手术还是人工进行手术，骨折的识别仍然是整个治疗的第一步。

当前的骨折识别方式基本上分为两种：人工识别和计算机辅助识别。计算机辅助识别部分通常使用基于图形图像、机器学习、人工智能等技术进行。这类技术的一个主要特征是要求具有先验性的知识，必须在进行真实的骨折识别之前，在软件里写入骨折的影像学特征或让软件进行训练学习的方式进行骨折特征识别经验积累。

先验性知识和预先学习意味着对于骨折特征需要进行预先枚举，对于那些未经定义过的特征，或者未曾学习过的图像，代码犯错误的概率会显著增加。先验性的知识积累或者使得软件架构庞杂，或者使得预先学习的庞大数据库需要不断补充，都存在不足。比如那些充分描述和充分训练过的复杂的髋部骨折识别技术，在识别形态上更加简单的肋骨骨折，效果反而可能不如识别髋部骨折。因此基于先验性的图形图像学或者机器学习人工智能的骨折自动识别工具，存在先天性的限制。

发明内容

本发明提供了一种基于流体计算的非先验性骨折识别方法，包括以下步骤：

S1、将待检测骨折CT数据集的几何外边界构成的六面体转换为流体计算域。将CT各像素点转换为对应的计算域空间网格节点；

S2、将CT各像素点的HU值信息，转换成对应网格单元的物性参数，并识别皮质骨区域；

S3、在计算域外边界上选择一区域作为流体入口；给定流体入口的气体参数；

S4、基于上述条件，使用计算流体力学技术求解，直到一定步数；

S5、基于流体计算的可视化计算结果，判定是否存在皮质骨破损。

在一实施例中，所述步骤S1中，CT数据点集的空间几何外边界构成了三维长方体，此长方体为空间计算域；规则排列的每八个数据点构成一个微长方体，此微长方体为流体计算单元；流体计算单元的长宽高对应CT数据集的三方向空间单位间隔；在进行下述流体力学计算时直接采用此空间计算域和空间计算单元，无须另行划分网格。

在一实施例中，所述步骤S2中，将全部流体计算单元的对应CT数据集的微长方体的HU值转换为物性数据；HU值为皮质骨的空间计算单元标记为壁面单元。松质骨和软组织（例如：皮肤、肌肉、肌腱、血管、体液、神经和内脏）对应的空间计算单元标记为空气。

在一实施例中，所述步骤S3中，选择空间计算域外部边界的一个长方形区域作为流体进口；该区域计算单元的物性必须为空气；流动方向朝向空间计算域内侧。

在一实施例中，所述步骤S4中，选择使用非定常三维无粘可压缩流体计算方法，在上述计算域上求解非定常三维无粘可压缩方程，直到计算收敛。