CN120236011A 一种基于多模态数据融合的颅面动态重建方法及系统 （青峰宇）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120236011A(43)申请公布日2025.07.01

(21)申请号202510322526.X

(22)申请日2025.03.19

(71)申请人青峰宇

地址628000四川省广元市利州区鲁井巷9

号8栋1单元1楼6号

(72)发明人青峰宇

(74)专利代理机构北京理文知识产权代理事务所(特殊普通合伙)33244

专利代理师李之新

(51)Int.CI.

GO6T17/00(2006.01)

A61B5/00(2006.01)

A61B5/055(2006.01)

A61B5/389(2021.01)

A61B6/03(2006.01)

A61B

G06T

G06T

GO6V

GO6V

GO6V

GO6V

GO6V

GO6F

GO6F

GO6F

GO6N

GO6F

GO6F

6/00(2024.01)7/269(2017.01)7/30(2017.01)

40/16(2022.01)10/40(2022.01)

10/54(2022.01)

10/80(2022.01)

10/82(2022.01)30/23(2020.01)18/10(2023.01)

18/2134(2023.01) 3/0464(2023.01)123/02(2023.01)119/14(2020.01)

权利要求书2页说明书8页附图2页

(54)发明名称

一种基于多模态数据融合的颅面动态重建方法及系统

(57)摘要

CN120236011A本发明涉及医学影像处理技术领域，公开了一种基于多模态数据融合的颅面动态重建方法及系统，该方法包括：在目标颅面区域布设多模态数据采集装置，获取静态CT影像、静态MRI影像、动态表情视频序列及表面肌电信号；对静态CT影像、静态MRI影像、动态表情视频序列和表面肌电信号进行预处理；将预处理后的数据输入多尺度有限元模型中并采用生物力学驱动策略模拟肌肉收缩力与皮肤形变的耦合关系，生成动态颅面模型；采用线性回归法融合真实数据的几何误差和运动一致性评分，输出综合重建质量指

CN120236011A

在目标颅面区域布设多模态数据采集装置，

获取静态CT影像、静态MRI影像、动态表情

祝频序列及表面脱电信号

对静态CT影像和静态MRI影像进行刚性配准

和非刚性配准，生成融合的静态三维解利模

型

对表面肌电信号进行滤波和时频分析，捉取肌肉激活特征

将融合的静态三维解制模型、面部运动轨迹数据及肌肉激活特征输入多尺度有服元横型

中并采同生物力学驱动策略模拟肌肉收缩力与皮肤形变的耦合关系，生成动态颅面模型

S1

S2

S3

S4

S5

S6

CN120236011A权利要求书1/2页

2

1.一种基于多模态数据融合的颅面动态重建方法，其特征在于，包括：

在目标颅面区域布设多模态数据采集装置，获取静态CT影像、静态MRI影像、动态表情视频序列及表面肌电信号；

对静态CT影像和静态MRI影像进行刚性配准和非刚性配准，生成融合的静态三维解剖模型；

对动态表情视频序列进行光流分析和关键帧提取，得到面部运动轨迹数据；

对表面肌电信号进行滤波和时频分析，提取肌肉激活特征；

将融合的静态三维解剖模型、面部运动轨迹数据及肌肉激活特征输入多尺度有限元模型中并采用生物力学驱动策略模拟肌肉收缩力与皮肤形变的耦合关系，生成动态颅面模型；

采用线性回归法融合真实数据的几何误差和运动一致性评分，输出综合重建质量指数。

2.根据权利要求1所述的一种基于多模态数据融合的颅面动态重建方法，其特征在于，所述多模态数据采集装置包括CT扫描仪、MRI设备、高速摄像机和无线表面肌电传感器阵

列。

3.根据权利要求2所述的一种基于多模态数据融合的颅面动态重建方法，其特征在于，所述对静态CT影像和静态MRI影像进行刚性配准和非刚性配准，生成融合的静态三维解剖模型的具体内容为：对静态CT影像和静态MRI影像采用基于互信息的刚性配准算法对齐骨骼结构，得到骨骼细节；

对静态CT影像和静态MRI影像采用基于B样条的非刚性配准算法对齐软组织轮廓，得到软组织信息；

通过加权融合策略整合骨骼细节与软组织信息，生成高精度静态三维模型。

4.根据权利要求3所述的一种基于多模态数据融合的颅面动态重建方法，其特征