(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211336599.7 (22)申请日 2022.10.28 (71)申请人 四川大学华西医院 地址 610041 四川省成 都市武侯区国学巷 37号 (72)发明人 周宗科　万旭峰　黄超　任凯　 王端　苏强　曹建　崔靖宇　 万肴棚　潘南方　杜双庆　 (74)专利代理 机构 成都正德明志知识产权代理 有限公司 513 60 专利代理师 杨木梅 (51)Int.Cl. B29C 64/393(2017.01) B33Y 50/02(2015.01) G06T 7/00(2017.01)G06T 7/10(2017.01) (54)发明名称 一种基于深度学习的骨空间微结构假体构 建方法 (57)摘要 本发明公开了一种基于深度学习的骨空间 微结构假体构建方法， 包括： S1、 获取骨CT图像； S2、 通过骨微结构3D  Trans‑Unet网络对骨CT图 像进行特征识别， 并获得骨空间微结构3D模型； S3、 基于骨微结构3D模型， 构建出具有骨空间微 结构的假体， 经3D打印技术实现打印。 本发明方 法针对假体与骨接触部位设计出一种与骨空格 结构类似的结构， 骨能够快速长入假体内部， 通 过3D打印技术实现假体空间结构的打印， 微结构 的精准打印； 基于本发明方法构建出的假体， 对 患者有更好的匹配度， 假体和骨能够更好地接 触， 更快实现晚期生物结合， 长期效果更好。 权利要求书2页 说明书5页 附图3页 CN 115489127 A 2022.12.20 CN 115489127 A 1.一种基于深度学习的骨空间微结构假体构建方法， 其特 征在于， 包括以下步骤： S1、 获取骨CT图像； S2、 通过骨微结构3D  Trans‑Unet网络对骨CT图像进行特征识别， 并获得骨空间微结构 3D模型； S3、 基于骨微结构3D模型， 构建出 具有骨空间微结构的假体， 经3D打印技 术实现打印。 2.根据权利要求1所述的基于深度学习的骨空间微结构假体构建方法， 其特征在于， 所 述步骤S2中， 所述骨微结构3D  Trans‑Unet网络包括依次连接的3D  CNN、 编码器和三维CNN 解码器； 其中， 3D CNN用于提取输入骨CT图像的体积空间特 征图； Transformer编码器用于根据体积空间特 征图进行全局特 征建模； 三维CNN解码器用于根据全局特 征建模构建骨微结构3D模型。 3.根据权利要求2所述的基于深度学习的骨空间微结构假体构建方法， 其特征在于， 所 述3D CNN对骨CT图像进行处 理的方法具体为： SA21、 通过Downsamping堆叠3 ×3×3的卷积块将骨CT图像编码为低分辨率/高层次的 特征表示； SA22、 将骨CT图像分割成固定尺寸的补丁块， 并将其中的三维体积数据分割成三维补 丁块； SA23、 将补丁块的特征嵌入到特征表示中， 获得骨CT图像的体积空间特征图 其中， K为通道维度， K＝128， H ×W为骨CT图像的分辨率， D为骨CT图像的深度 维度。 4.根据权利要求3所述的基于深度学习的骨空间微结构假体构建方法， 其特征在于， 所 述编码器包括依次连接的特 征嵌入层和Transformer层。 5.根据权利要求4所述的基于深度学习的骨空间微结构假体构建方法， 其特征在于， 所 述特征嵌入层对输入体积空间特 征图的处 理方法为： SB21、 使用线性投影将体积空间特征图的通道 维度扩展至512， 得到d ×N的特征图f； 其 中， d＝1～512； SB22、 对特征图f进行位置嵌入， 得到特 征嵌入值z0： z0＝f+PE＝ W×F+PE 式中， W为线性投影操作， 6.根据权利要求5所述的基于深度学习的骨空间微结构假体构建方法， 其特征在于， 所 述Transformer层基于 输入的特 征嵌入值z0， 建立长距离依赖的全局特 征模型； 所述Transformer层包括依次连接的L个变换器， 每个变换器包括依次连接的多头注意 块和前馈网络， 第l个 变换器的输出z ’l表示为： z’l＝MHA(LN(zl‑1))+zl‑1 zl＝MHA(LN(z’l))+z’l 式中， LN(·)为layer normalization， z’l为第l层变换器的特 征输出。 7.根据权利要求5所述的基于深度学习的骨空间微结构假体构建方法， 其特征在于， 所权　利　要　求　书 1/2 页 2 CN 115489127 A 2述三维CNN解码器包括依次连接的特 征映射层和渐进式特 征上采样层。 8.根据权利要求7所述的基于深度学习的骨空间微结构假体构建方法， 其特征在于， 所 述特征映射层将Transformer编码器的输出重塑为 并采用卷积块将其信道 维度从d降低到K， 得到特 征图 其维度与特 征图F相同。 9.根据权利要求8所述的基于深度学习的骨空间微结构假体构建方法， 其特征在于， 所 述渐进式特征上采样层依 次通过层级联升采样操作和卷积块对特征图Z进行处理， 恢复出 全分辨率的骨空间微结构3D模型 权　利　要　求　书 2/2 页 3 CN 115489127 A 3