统计形状模型在骨科应用的研究进展

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (2587 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要随着计算机图像分析技术的快速发展，三维形态的智能化研究及应用已成为新的研究热点。近年来，国外学者提出了统计形状模型(statistical shape models，SSM)来描述三维形状特征。SSM是一种有价值且强大的工具，可以生成复杂解剖形状和提供每个形状的几何描述，应用数学、统计学和计算将形状解析为一些定量表示(例如对应点或地标)，从而能够对形状及其变化进行定量分析。该模型的实质是建立在一定样本量上的三维数据统计，既能体现模型共有特征，又保留了其中的特异信息。因SSM对形态分析具有明显优势，在许多领域具有广泛应用，例如：考古学修复、面部识别、性别预测、鞋具制造、疾病诊断、辅助手术等。SSM技术的进步为复杂人体骨骼、肌肉及各器官的形态特征提供了全新的描述手段，极大地深化了对此类复杂生理结构的理解与认知。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	娄忠骑
	蔡兴博
	沈自启
	陈章聪
	吴莹
	黄俊深
	陆声

基金资助:云南省数字骨科重点实验室(202005AG070004)
云南省科技计划重大科技专项(202102AA310042)
云南省骨科与运动康复临床医学研究中心(202102AA310068)
云南省脊柱脊髓疾病临床医学中心(ZX2022000101)
云南省卫生健康委员会医学领军人才培养计划(L-2019006)
云南省“兴滇英才支持计划”(XDYC-YLXZ-2022-0015)

通讯作者: 陆声

作者简介: 娄忠骑(1994－ )，男，研究生在读，云南省第一人民医院，昆明理工大学附属医院骨科，1161715598@qq.com

引用本文:

娄忠骑，蔡兴博，沈自启，陈章聪，吴莹，黄俊深，陆声. 统计形状模型在骨科应用的研究进展[J]. 实用骨科杂志, 2024, 30(5): 429-.

链接本文:

http://www.sygkzz.com/CN/ 或 http://www.sygkzz.com/CN/Y2024/V30/I5/429

［1］Cootes TF，Taylor CJ，Cooper DH，et al.Active shape models-their training and application［J］.Comput Vis Image Underst，1995，61(1)：38-59.
［2］税午阳，吴秀杰.奇和洞古人类头骨面貌的三维虚拟复原［J］.科学通报，2018，63(8)：745-754.
［3］Wang N，Gao X，Tao D，et al.Facial feature point detection：A comprehensive survey［J］.Neurocomputing，2018(275)：50-65.
［4］杨稳，刘晓宁，朱菲，等.基于统计形状模型的颅骨自动性别识别［J］.计算机科学，2019，46(6)：282-287
［5］梅齐昌，高自翔，Fernandez J，等.基于统计形状模型的三维足形状建模［J］.医用生物力学，2021，36(1)：96-101.
［6］Bowes MA，Kacena K，Alabas OA，et al.Machine-learning，MRI bone shape and important clinical outcomes in osteoarthritis：Data from the osteoarthritis initiative［J］.Ann Rheum Dis，2021，80(4)：502-508.
［7］Zheng G.Gravity-assisted navigation system for total hip arthroplasty［J］.Adv Exp Med Biol，2018(1093)：181-191.
［8］刘恩情，谭雪梅，蒋子月，等.深度学习在骨科领域的应用研究进展［J］.分子影像学杂志，2022，45(1)：151-156.
［9］Boutillon A，Salhi A，Burdin V，et al.Anatomically parameterized statistical shape model：Explaining morphometry through statistical learning［J］.IEEE Trans Biomed Eng，2022，69(9)：2733-2744.
［10］Goparaju A，Iyer K，Bone A，et al.Benchmarking off-the-shelf statistical shape modeling tools in clinical applications［J］.Med Image Anal，2022(76)：102271.
［11］Auerbach BM，Ruff CB.Limb bone bilateral asymmetry：Variability and commonality among modern humans［J］.J Hum Evol，2006，50(2)：203-218.
［12］Meynen A，Matthews H，Nauwelaers N，et al.Accurate reconstructions of pelvic defects and discontinuities using statistical shape models［J］.Comput Methods Biomech Biomed Engin，2020，23(13)：1026-1033.
［13］Poltaretskyi S，Chaoui J，Mayya M，et al.Prediction of the pre-morbid 3D anatomy of the proximal humerus based on statistical shape modelling［J］.Bone Joint J，2017，99 (7)：927-933.
［14］van Schaardenburgh FE，Nguyen HC，Magré J，et al.Prediction of the proximal humerus morphology based on a statistical shape model with two parameters：Comparison to contralateral registration method［J］.Bioengineering (Basel)，2023，10(10)：1185.
［15］Shi B，Barzan M，Nasseri A，et al.Development of predictive statistical shape models for paediatric lower limb bones［J］.Comput Methods Programs Biomed，2022(225)：107002.
［16］Vafaeian B，Riahi HT，Amoushahi H，et al.A feature-based statistical shape model for geometric analysis of the human talus and development of universal talar prostheses［J］.J Anat，2022，240(2)：305-322.
［17］Ali AA，Clary CW，Smoger LM，et al.Computational framework for population-based evaluation of TKR-implanted patellofemoral joint mechanics［J］.Biomech Model Mechanobiol，2020，19(4)：1309-1317.
［18］Han R，Uneri A，De Silva T，et al.Atlas-based automatic planning and 3D-2D fluoroscopic guidance in pelvic trauma surgery［J］.Phys Med Biol，2019，64(9)：095022.
［19］Wai G，Rusli W，Ghouse S，et al.Statistical shape modelling of the thoracic spine for the development of pedicle screw insertion guides［J］.Biomech Model Mechanobiol，2023，22(1)：123-132.
［20］Meakin JR，Hopkins SJ，Clarke A.In vivo assessment of thoracic vertebral shape from MRI data using a shape model［J］.Spine Deform，2019，7(4)：517-524.
［21］Cerveri P，Belfatto A，Baroni G，et al.Stacked sparse autoencoder networks and statistical shape models for automatic staging of distal femur trochlear dysplasia［J］.Int J Med Robot，2018，14(6)：e1947.
［22］Schierjott RA，Hettich G，Graichen H，et al.Quantitative assessment of acetabular bone defects：A study of 50 computed tomography data sets［J］.PLoS One，2019，14(10)：e0222511.
［23］Keating TC，Leong N，Beck EC，et al.Evaluation of statistical shape modeling in quantifying femoral morphologic differences between symptomatic and nonsymptomatic hips in patients with unilateral femoroacetabular impingement syndrome［J］.Arthrosc Sports Med Rehabil，2020，2(2)：e91-e95.
［24］Engelke K，Stampa B，Steiger P，et al.Automated quantitative morphometry of vertebral heights on spinal radiographs：comparison of a clinical workflow tool with standard 6-point morphometry［J］.Arch Osteoporos，2019，14(1)：18.
［25］栗智，刘学淼，万璞，等.凸轮型股骨髋臼撞击综合征中α角的研究进展［J］.实用骨科杂志，2024，30(4)：326-329.
［26］Schneider MTY，Zhang J，Walker CG，et al.Early morphologic changes in trapeziometacarpal joint bones with osteoarthritis［J］.Osteoarthritis Cartilage，2018，26(10)：1338-1344.
［27］施崭，范明星，王祺龙，等.建立骨质疏松性椎体压缩骨折术后再骨折预测模型［J］.实用骨科杂志，2024，30(3)：205-210.
［28］Jazinizadeh F，Adachi JD，Quenneville CE.Advanced 2D image processing technique to predict hip fracture risk in an older population based on single DXA scans［J］.Osteoporos Int，2020，31(10)：1925-1933.
［29］Jazinizadeh F，Quenneville CE.3D analysis of the proximal femur compared to 2D analysis for hip fracture risk prediction in a clinical population［J］.Ann Biomed Eng，2021，49(4)：1222-1232.
［30］Ambellan F，Tack A，Ehlke M，et al.Automated segmentation of knee bone and cartilage combining statistical shape knowledge and convolutional neural networks：Data from the Osteoarthritis Initiative［J］.Med Image Anal，2019(52)：109-118.
［31］Bhalodia R，Elhabian S，Adams J，et al.Deep SSM：A blueprint for image-to-shape deep learning models［J］.Med Image Anal，2024(91)：103034.