83、从单视图荧光序列推断腕骨的 3D 运动学

从单视图荧光序列推断腕骨的 3D 运动学

腕部慢性疼痛由多种病症引起，如不稳定模式、骨折不愈合或畸形愈合、原发性骨关节炎和炎症性关节炎等。目前，区分这些病症的方法是检查 2D 视频荧光序列，但这种方法依赖医生经验，诊断困难且易延误治疗。因此，通过计算机解读荧光序列以提高诊断的客观性和量化程度具有重要意义。

1. 系统概述

本研究提出了一种从单视图荧光序列推断腕骨 3D 运动学和骨骼形状的新框架。该系统主要包括训练阶段和 3D - 2D 图像配准阶段：
- 训练阶段 ：使用 10 个受试者在 5 种姿势下的 CT 数据，仅选取中立姿势和桡尺运动的两个极端姿势的数据。通过迭代分割和配准算法获取每块骨骼的分割结果和刚性配准参数，进而构建混合统计模型，包括基于变换参数的运动学模型和基于分割结果的统计形状模型。
- 3D - 2D 图像配准阶段 ：将训练得到的统计网格模型与荧光序列进行匹配，以推断 3D 运动和骨骼形状。

2. 问题参数化

使用透视投影模型表示 2D 荧光图像与 3D 骨骼配置之间的关系。需要估计以下三组参数：
- 刚性变换参数和全局比例因子 ：用 $\theta = {t_x, t_y, t_z, \alpha, \beta, \gamma, s_{global}}$ 表示，其中 $t_x$、$t_y$ 和 $t_z$ 表示平移，$\alpha$、$\beta$ 和 $\gamma$ 表示旋转角度，$s_{global}$ 控制每块骨骼质心到半径原点的距离和骨骼的全局大小。
-