為了實施更加精確的畸形股骨截骨手術(shù)和盆骨骨腫瘤切除手術(shù),設計一種用于畸形股骨截骨和骨腫瘤切除的軟件系統(tǒng),為臨床醫(yī)生術(shù)前手術(shù)模擬提供便利。該系統(tǒng)分為兩大模塊:第一個模塊為畸形股骨截骨模塊。用Mimics進行畸形股骨的三維建模,并將模型保存為STL格式輸出,用VC++(MFC)和OpenGL搭建系統(tǒng)框架,通過擬合畸形股骨股骨干中軸線、股骨頭大轉(zhuǎn)子幾何中心等操作,精確計算截骨位置和截骨角度。計算完成后,通過鼠標鍵盤的交互操作完成模擬截骨和拼接功能。將一例畸形股骨STL模型導入截骨系統(tǒng),測得其頸干角為57.7°,輸入截骨角度60°,經(jīng)截骨系統(tǒng)截骨拼接完成后測得術(shù)后頸干角為102.3°。第二模塊為盆骨骨腫瘤切除模塊。深度卷積神經(jīng)網(wǎng)絡是深度學習中的一種神經(jīng)網(wǎng)絡模型,能識別影像數(shù)據(jù)中目標的位置,并和背景區(qū)分開來。為了獲得精確的盆骨骨腫瘤邊界,利用深度卷積神經(jīng)網(wǎng)絡對輸入的骨盆CT影像數(shù)據(jù)做像素級分類,預測層片中骨腫瘤的位置,進而進行三維重建和切割。為了更好地提取特征,將全卷積神經(jīng)網(wǎng)絡(FCN)的卷積層用VGG19的卷積層替代,搭建VGG19-FCN深度神經(jīng)網(wǎng)絡模型。采用10個骨盆骨腫瘤患者的數(shù)據(jù),共5...

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 課題研究的目的與主要內(nèi)容
        1.3.1 研究目的及意義
        1.3.2 研究的主要內(nèi)容
    1.4 本章小結(jié)
第2章 畸形股骨截骨模塊設計
    2.1 引言
    2.2 基于Mimics軟件的畸形股骨三維重建
        2.2.1 Mimics軟件簡介及重建步驟
        2.2.2 畸形股骨三維建模
    2.3 模塊設計概述
        2.3.1 STL文件特點及描述方法
        2.3.2 MFC概述
        2.3.3 OpenGL概述
    2.4 模塊算法設計及軟件實現(xiàn)
        2.4.1 渲染功能實現(xiàn)
        2.4.2 擬合功能設計
            2.4.2.1 擬合畸形股骨中心線
            2.4.2.2 擬合畸形股骨大轉(zhuǎn)子
        2.4.3 計算截骨位置和截骨角度功能設計
            2.4.3.1 截骨位置計算
            2.4.3.2 截骨角度計算
        2.4.4 模擬畸形股骨截骨切割及拼接功能設計
            2.4.4.1 畸形股骨截骨設計
            2.4.4.2 畸形股骨拼接設計
        2.4.5 自由截骨功能設計與實現(xiàn)
    2.5 本章小結(jié)
第3章 盆骨骨腫瘤識別
    3.1 引言
    3.2 深度學習簡介
        3.2.1 深度學習基本原理和思想
        3.2.2 兩種典型的神經(jīng)網(wǎng)絡模型算法
            3.2.2.1 BP神經(jīng)網(wǎng)絡模型算法
            3.2.2.2 CNN神經(jīng)網(wǎng)絡模型算法
    3.3 Tensorflow模型框架簡介
        3.3.1 Tensorflow框架特點及運行機制
        3.3.2 TensorBoard可視化顯示
    3.4 數(shù)據(jù)預處理
    3.5 VGG19-FCN模型設計及訓練優(yōu)化
        3.5.1 基于Tensorflow框架的VGG19-FCN的實現(xiàn)
            3.5.1.1 VGG19神經(jīng)網(wǎng)絡
            3.5.1.2 FCN神經(jīng)網(wǎng)絡
        3.5.2 模型訓練測試及優(yōu)化處理
    3.6 本章小結(jié)
第4章 盆骨骨腫瘤曲線切割
    4.1 引言
    4.2 確定切割縱向深度
    4.3 結(jié)貼合模型表面的曲線切割算法設計
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
附錄



本文編號：3987096