BR102022013149A2 - Sistemas e métodos de uso de reconstrução de imagem tridimensional para auxílio na avaliação de aberrações ósseas ou de tecido mole para cirurgia ortopédica - Google Patents
Sistemas e métodos de uso de reconstrução de imagem tridimensional para auxílio na avaliação de aberrações ósseas ou de tecido mole para cirurgia ortopédica Download PDFInfo
- Publication number
- BR102022013149A2 BR102022013149A2 BR102022013149-0A BR102022013149A BR102022013149A2 BR 102022013149 A2 BR102022013149 A2 BR 102022013149A2 BR 102022013149 A BR102022013149 A BR 102022013149A BR 102022013149 A2 BR102022013149 A2 BR 102022013149A2
- Authority
- BR
- Brazil
- Prior art keywords
- bone
- aberration
- model
- orthopedic
- image
- Prior art date
Links
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 254
- 230000004075 alteration Effects 0.000 title claims abstract description 209
- 230000000399 orthopedic effect Effects 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 146
- 238000001356 surgical procedure Methods 0.000 title abstract description 19
- 210000004872 soft tissue Anatomy 0.000 title abstract description 10
- 238000011156 evaluation Methods 0.000 title abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 45
- 238000003384 imaging method Methods 0.000 claims description 73
- 238000013135 deep learning Methods 0.000 claims description 67
- 238000004519 manufacturing process Methods 0.000 claims description 36
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 239000000654 additive Substances 0.000 claims description 9
- 230000000996 additive effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000003190 augmentative effect Effects 0.000 claims description 7
- 230000013011 mating Effects 0.000 claims description 7
- 239000004952 Polyamide Substances 0.000 claims description 4
- 229920002647 polyamide Polymers 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims 4
- 238000010168 coupling process Methods 0.000 claims 4
- 238000005859 coupling reaction Methods 0.000 claims 4
- 206010065687 Bone loss Diseases 0.000 abstract description 51
- 238000005094 computer simulation Methods 0.000 abstract description 8
- 210000000845 cartilage Anatomy 0.000 description 52
- 238000002271 resection Methods 0.000 description 51
- 210000000689 upper leg Anatomy 0.000 description 43
- 239000007943 implant Substances 0.000 description 25
- 238000002591 computed tomography Methods 0.000 description 22
- 210000001188 articular cartilage Anatomy 0.000 description 20
- 230000006870 function Effects 0.000 description 20
- 238000013527 convolutional neural network Methods 0.000 description 18
- 210000000629 knee joint Anatomy 0.000 description 16
- 230000015654 memory Effects 0.000 description 15
- 210000002303 tibia Anatomy 0.000 description 15
- 238000002595 magnetic resonance imaging Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 11
- 230000004913 activation Effects 0.000 description 9
- 238000011883 total knee arthroplasty Methods 0.000 description 9
- 238000012546 transfer Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000005520 cutting process Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- 230000014759 maintenance of location Effects 0.000 description 7
- 210000003484 anatomy Anatomy 0.000 description 6
- 238000002594 fluoroscopy Methods 0.000 description 6
- 230000000670 limiting effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 208000008558 Osteophyte Diseases 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 5
- 210000002082 fibula Anatomy 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 210000004276 hyalin Anatomy 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 210000003205 muscle Anatomy 0.000 description 4
- 230000035479 physiological effects, processes and functions Effects 0.000 description 4
- 208000004199 Femoracetabular Impingement Diseases 0.000 description 3
- 239000004696 Poly ether ether ketone Substances 0.000 description 3
- 241000469816 Varus Species 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005670 electromagnetic radiation Effects 0.000 description 3
- 201000010934 exostosis Diseases 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 210000003041 ligament Anatomy 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000005499 meniscus Effects 0.000 description 3
- 210000004417 patella Anatomy 0.000 description 3
- 229920002530 polyetherether ketone Polymers 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 210000002435 tendon Anatomy 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010146 3D printing Methods 0.000 description 2
- 239000004677 Nylon Substances 0.000 description 2
- 241001227561 Valgus Species 0.000 description 2
- MCMNRKCIXSYSNV-UHFFFAOYSA-N Zirconium dioxide Chemical compound O=[Zr]=O MCMNRKCIXSYSNV-UHFFFAOYSA-N 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 239000000560 biocompatible material Substances 0.000 description 2
- 239000002639 bone cement Substances 0.000 description 2
- 244000309466 calf Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 210000004439 collateral ligament Anatomy 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000001624 hip Anatomy 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 210000000281 joint capsule Anatomy 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 229920001778 nylon Polymers 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000004224 protection Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000012285 ultrasound imaging Methods 0.000 description 2
- 229910000684 Cobalt-chrome Inorganic materials 0.000 description 1
- 206010070899 Femoroacetabular impingement Diseases 0.000 description 1
- 235000015429 Mirabilis expansa Nutrition 0.000 description 1
- 244000294411 Mirabilis expansa Species 0.000 description 1
- 229910001182 Mo alloy Inorganic materials 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 241001168730 Simo Species 0.000 description 1
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 229920010741 Ultra High Molecular Weight Polyethylene (UHMWPE) Polymers 0.000 description 1
- WAIPAZQMEIHHTJ-UHFFFAOYSA-N [Cr].[Co] Chemical compound [Cr].[Co] WAIPAZQMEIHHTJ-UHFFFAOYSA-N 0.000 description 1
- MTHLBYMFGWSRME-UHFFFAOYSA-N [Cr].[Co].[Mo] Chemical compound [Cr].[Co].[Mo] MTHLBYMFGWSRME-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011882 arthroplasty Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- JUPQTSLXMOCDHR-UHFFFAOYSA-N benzene-1,4-diol;bis(4-fluorophenyl)methanone Chemical compound OC1=CC=C(O)C=C1.C1=CC(F)=CC=C1C(=O)C1=CC=C(F)C=C1 JUPQTSLXMOCDHR-UHFFFAOYSA-N 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 229910010293 ceramic material Inorganic materials 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 210000003109 clavicle Anatomy 0.000 description 1
- 239000010952 cobalt-chrome Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003090 exacerbative effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011540 hip replacement Methods 0.000 description 1
- 210000002758 humerus Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013150 knee replacement Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 210000004373 mandible Anatomy 0.000 description 1
- SISVKKMIVGWPLL-PAMZHZACSA-N mcl-113 Chemical compound C([C@H]12)CCCC31C1=CC=C(O)C=C1C[C@H]2N(CC=C)CC3 SISVKKMIVGWPLL-PAMZHZACSA-N 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000003789 metatarsus Anatomy 0.000 description 1
- 235000013536 miso Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 201000008482 osteoarthritis Diseases 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- -1 polyethylene Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 210000001991 scapula Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 210000000623 ulna Anatomy 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/466—Displaying means of special interest adapted to display 3D data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/02—Prostheses implantable into the body
- A61F2/30—Joints
- A61F2/32—Joints for the hip
- A61F2/36—Femoral heads ; Femoral endoprostheses
- A61F2/3609—Femoral heads or necks; Connections of endoprosthetic heads or necks to endoprosthetic femoral shafts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/02—Prostheses implantable into the body
- A61F2/30—Joints
- A61F2/46—Special tools or methods for implanting or extracting artificial joints, accessories, bone grafts or substitutes, or particular adaptations therefor
- A61F2/468—Testing instruments for artificial joints
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/14—Surgical saws ; Accessories therefor
- A61B17/15—Guides therefor
- A61B17/154—Guides therefor for preparing bone for knee prosthesis
- A61B17/155—Cutting femur
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B2017/00681—Aspects not otherwise provided for
- A61B2017/00707—Dummies, phantoms; Devices simulating patient or parts of patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2048—Tracking techniques using an accelerometer or inertia sensor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B2090/364—Correlation of different images or relation of image positions in respect to the body
- A61B2090/365—Correlation of different images or relation of image positions in respect to the body augmented reality, i.e. correlating a live optical image with another image
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B2090/364—Correlation of different images or relation of image positions in respect to the body
- A61B2090/367—Correlation of different images or relation of image positions in respect to the body creating a 3D dataset from 2D images using position information
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
- A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/02—Prostheses implantable into the body
- A61F2/30—Joints
- A61F2/46—Special tools or methods for implanting or extracting artificial joints, accessories, bone grafts or substitutes, or particular adaptations therefor
- A61F2002/4632—Special tools or methods for implanting or extracting artificial joints, accessories, bone grafts or substitutes, or particular adaptations therefor using computer-controlled surgery, e.g. robotic surgery
- A61F2002/4633—Special tools or methods for implanting or extracting artificial joints, accessories, bone grafts or substitutes, or particular adaptations therefor using computer-controlled surgery, e.g. robotic surgery for selection of endoprosthetic joints or for pre-operative planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29K—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES B29B, B29C OR B29D, RELATING TO MOULDING MATERIALS OR TO MATERIALS FOR MOULDS, REINFORCEMENTS, FILLERS OR PREFORMED PARTS, e.g. INSERTS
- B29K2077/00—Use of PA, i.e. polyamides, e.g. polyesteramides or derivatives thereof, as moulding material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29L—INDEXING SCHEME ASSOCIATED WITH SUBCLASS B29C, RELATING TO PARTICULAR ARTICLES
- B29L2031/00—Other particular articles
- B29L2031/40—Test specimens ; Models, e.g. model cars ; Probes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y80/00—Products made by additive manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0475—Generative networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/094—Adversarial learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/096—Transfer learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/44—Morphing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Optics & Photonics (AREA)
- Robotics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- High Energy & Nuclear Physics (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Transplantation (AREA)
- Manufacturing & Machinery (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
Abstract
SISTEMAS E MÉTODOS DE USO DE RECONSTRUÇÃO DE IMAGEM TRIDIMENSIONAL PARA AUXÍLIO NA AVALIAÇÃO DE ABERRAÇÕES ÓSSEAS OU DE TECIDO MOLE PARA CIRURGIA ORTOPÉDICA. A presente invenção refere-se a sistemas e métodos para calcular perda óssea externa para alinhamento de articulações prédoentes que compreendem: gerar um modelo de computador tridimensional (3D) de uma área operatória a partir de pelo menos duas imagens radiográficas bidimensionais (2D), sendo que pelo menos uma primeira imagem radiográfica é capturada em uma primeira posição, e sendo que pelo menos uma segunda imagem radiográfica é capturada em uma segunda posição, e sendo que a primeira posição é diferente da segunda posição; identificar uma área de perda óssea no modelo de computador 3D; e aplicar um algoritmo de ajuste de superfície para calcular uma superfície óssea ausente externa que ajusta a área de perda óssea.
Description
[001] Este pedido reivindica o benefício do pedido provisório US nº 63/217.567, depositado em 1 de julho de 2021. A divulgação deste pedido relacionado é incorporada a esta divulgação em sua totalidade.
[002] A presente invenção refere-se ao campo de cirurgias em geral de substituição de articulação ortopédica e, mais particularmente, ao uso de técnicas de reconstrução tridimensionais e fotogrametria para auxiliar cirurgiões e técnicos no planejamento e na execução de cirurgias ortopédicas.
[003] Um objetivo emergente de cirurgias de substituição de articulação é restaurar o alinhamento natural e o eixo ou eixos rotacionais da articulação pré-doente. Entretanto, esse objetivo pode ser difícil de se obter na prática porque as articulações compreendem não apenas ossos articulados, mas também ossos de suporte auxiliares e uma variedade de tecido mole, incluindo cartilagem, ligamentos, músculos e tendões. No passado, os cirurgiões evitavam restaurar o alinhamento natural completamente, ou ângulos de alinhamento estimados e outras dimensões com base em médias derivadas de uma amostra da população. Entretanto, essas médias frequentemente falharam em considerar a variação natural na anatomia de um paciente específico, particularmente quando o paciente sofreu doenças de deformação óssea crônicas, como osteoartrite.
[004] Em uma tentativa de resolver isso, alguns provedores de cuidados começaram a usar varreduras por tomografia computadorizada (TC) e técnicas de imageamento por ressonância magnética (IRM) para pesquisar a anatomia interna do paciente para ajudar a planejar cirurgias ortopédicas. Os dados dessas tomografias computadorizadas e IRMs foram até mesmo usados para criar modelos tridimensionais (3D) em forma digital. Esses modelos podem ser enviados para profissionais para projetar e produzir implantes e instrumentos específicos para paciente para a dita cirurgia. Técnicas de fabricação aditiva (por exemplo, impressão 3D) e outras técnicas convencionais de produção podem ser usadas para construir implantes físicos ou instrumentos que se ajustem à anatomia específica do paciente.
[005] Entretanto, a obtenção de tomografias computadorizadas e IRMs pode ser complexa, demorada e dispendiosa. As tomografias computadorizadas também tendem a expor os pacientes a níveis mais altos de radiação por sessão do que o paciente pode, de outro modo, ser submetido usando outras técnicas de imageamento não invasivo, como radiografia ou ultrassons tradicionais. Além disso, as considerações de agendamento às vezes colocam as tomografias computadorizadas ou IRMs um mês ou mais antes da cirurgia real. Esse atraso pode ser exacerbado pela tendência de mover gradualmente procedimentos cirúrgicos ortopédicos para centros cirúrgicos ambulatoriais (ASCs - "ambulatory surgical centers") de paciente externo. Os ASCs tendem a ser instalações menores que frequentemente carecem de tomógrafos de TC e máquinas de IRM dispendiosos no local. Isso frequentemente compele os pacientes a agendarem consultas em hospitais.
[006] O aumento do tempo entre a consulta de avaliação e a cirurgia aumenta o risco de que a anatomia óssea e do tecido mole do paciente deteriore adicionalmente ou mude sob uso normal ou pela progressão de uma doença. A deterioração adicional pode não apenas fazer com que o paciente tenha desconforto adicional, mas pode também afetar negativamente a utilidade dos dados de avaliação para a equipe cirúrgica. Isso pode ser especialmente problemático para implantes criados para pacientes específicos a partir de dados desatualizados e para técnicas cirúrgicas que buscam restaurar a faixa de movimento com base no alinhamento natural das articulações prédoentes. Além disso, o tempo aumentado entre a consulta de avaliação pré-operatória e a cirurgia aumenta a probabilidade de eventos extrínsecos afetarem negativamente os dados. Por exemplo, um acidente que desloca ou rompe um osso na área cirúrgica planejada geralmente diminui a utilidade dos dados de avaliação anteriores. Tais riscos podem ser mais altos, em indivíduos especialmente ativos ou frágeis.
[007] Adicionalmente, nem todos os pacientes têm acesso a tomografias computadorizadas ou IRMs para criar implantes ou instrumentos específicos para o paciente. Isso pode ser devido, em parte, à quantidade de tempo necessária para capturar os dados, enviar os dados para um especialista em design de dispositivo médico, produzir um modelo 3D da anatomia desejada, criar um instrumento ou design de implante específico para paciente com base nos dados ou modelo, produzir o instrumento ou implante específico para paciente, rastrear e enviar o dito instrumento ou implante específico para paciente ao centro cirúrgico e esterilizar o dito instrumento ou implante antes do procedimento. A falta de disponibilidade pode também ser uma função do seguro médico e do tipo de doença do paciente.
[008] Saber a quantidade precisa de cartilagem e perda óssea de um paciente pode ser útil em cirurgias que buscam restaurar a faixa natural de movimento de articulações pré-doentes. Exemplos incluem cirurgias primárias de substituição do joelho (tipicamente chamadas de "artroplastia total do joelho" ou "TKA" - total knee arthroplasty), artroplastias totais do quadril (THAs - "total hip arthroplasty") e procedimentos que buscam aliviar as causas de impactos femoroacetabulares (FAI - "femoroacetabular impingements").
[009] Para usar uma articulação do joelho e um procedimento de TKA como um exemplo: uma articulação normal do joelho geralmente tem uma linha de articulação (mais especificamente, um "eixo de rotação de flexão-extensão (FE)") que é geralmente cerca de 2 graus (°) a 3° varo em relação à linha medial-lateral (ML) mecânica da tíbia. Em um procedimento de TKA de alinhamento anatômico, os cirurgiões geralmente ressecam uma porção dos côndilos femorais distais do paciente a cerca de 3° valgos em relação à linha ML do fêmur e, então, ressecam a tíbia perpendicularmente ao eixo geométrico longitudinal da tíbia, o que resulta em uma resseção que é cerca de 2° a 3° varo da linha ML tibial. O cirurgião, então, coloca e testa componentes das articulações artificiais sobre a área ressecada, avalia a faixa de movimento do paciente e, então, ajusta conforme necessário.
[0010] Entretanto, a fisiologia de cada paciente é ligeiramente diferente. Por esse motivo, e devido às variabilidades extrínsecas em torno dos dados de avaliação, muitos cirurgiões de TKA optam por uma abordagem de alinhamento cinemático mais específico para o paciente e usam ferramentas de uso e procedimentos destinados a localizar a linha de articulação pré-doente do paciente de modo intraoperatório. Essas ferramentas tendem a medir a espessura da cartilagem articular de hialina de um côndilo femoral não desgastado ou menos desgastado. Essas ferramentas tendem a ter um medidor de espessura associado à extremidade de medição da ferramenta. A extremidade de medição da ferramenta é geralmente inserida na área mais espessa da cartilagem no côndilo menos desgastado até que a ponta da extremidade de medição atinja o osso subjacente. O cirurgião então usa o medidor de espessura para medir e registrar a quantidade de cartilagem restante. O cirurgião então usa essa medição como uma aproximação da quantidade de desgaste da cartilagem no côndilo desgastado.
[0011] Entretanto, essa técnica tem várias limitações. Primeiramente, o côndilo menos desgastado pode ter cartilagem restante insuficiente para se fazer uma medição precisa a partir da mesma. Em segundo lugar, mesmo nos casos em que há cartilagem articular suficiente no côndilo menos desgastado, essa técnica de medição da cartilagem não considera a perda óssea que ocorre no côndilo desgastado. Esse problema pode ser composto quando há pouca ou nenhuma cartilagem restante no côndilo adjacente. Como resultado, as técnicas intraoperatórias existentes não podem ser usadas para medir confiavelmente a perda precisa da cartilagem e do osso em todos as TKAs de alinhamento cinemático e, portanto, essas técnicas, acopladas aos problemas e à disponibilidade de dados pré-operatórios precisos, podem prejudicar o alinhamento preciso da linha de articulação artificial com a linha de articulação natural pré-doente. Estudos repetidos mostraram que articulações artificiais que alteram os eixos de rotação naturais das articulações pré-doentes tendem a contribuir para uma função insatisfatória, desgaste prematuro de implante e insatisfação do paciente.
[0012] Consequentemente, há uma necessidade há muito sentida, mas não resolvida, para aumentar as tecnologias de imageamento pré-operatório e intraoperatório para modelar com precisão aberrações ósseas e outra fisiologia ao planejar e executar cirurgias ortopédicas.
[0013] Os problemas de acesso limitado a técnicas de imageamento por TC e IRM pré-operatórias convencionais, precisão de dados devido à deterioração do osso e da cartilagem entre o tempo do imageamento pré-operatório e do procedimento cirúrgico e as limitações da determinação das linhas de articulação naturais de ossos ou articulações pré-doentes que surgem do uso de ferramentas e técnicas intraoperatórias atualmente disponíveis são mitigados por sistemas e/ou métodos para calcular a extensão de uma aberração óssea que compreendem: usar uma rede de aprendizado profundo para identificar uma área de uma aberração óssea a partir de uma entrada de pelo menos duas imagens de entrada bidimensionais (2D) separadas de um elemento ortopédico do indivíduo, sendo que uma primeira imagem das pelo menos duas imagens de entrada 2D separadas é capturada a partir de uma primeira posição transversal, e sendo que uma segunda imagem das pelo menos duas imagens de entrada 2D separadas é capturada a partir de uma segunda posição transversal deslocada da primeira posição transversal por um ângulo de deslocamento, e calculando uma área corretiva, sendo que a área corretiva remove a área da aberração óssea.
[0014] É contemplado que, em certas modalidades exemplificadoras, a primeira e a segunda imagens de entrada podem ser imagens de entrada radiográficas. Sem se ater à teoria, é contemplado que radiografias podem permitir a análise in vivo da área operatória e podem levar em consideração a soma externa de estruturas de tecido mole passivas e forças dinâmicas que ocorrem ao redor da área operatória, incluindo o efeito de restrições ligamentosas, forças de suporte de carga e atividade muscular.
[0015] É contemplado que certas modalidades de acordo com a presente divulgação podem ser usadas para criar planos cirúrgicos, implantes e instrumentos específicos para paciente a partir de dados derivados da cartilagem e anatomia óssea da área operatória e/ou dados derivados das estruturas de tecido mole da área operatória.
[0016] O supracitado ficará evidente a partir da descrição mais específica de modalidades exemplificadoras da divulgação, conforme ilustrado nos desenhos em anexo. Os desenhos não estão necessariamente em escala, com ênfase, em vez disso, sendo colocada na ilustração das modalidades divulgadas.
[0017] A Figura 1 é uma vista anterior de uma articulação de joelho esquerdo simplificada que representa áreas de aberração óssea negativa (isto é, perda óssea) nos côndilos femorais medial e lateral.
[0018] A Figura 2 é uma vista lateral de um instrumento de posicionamento de guia de resseção femoral tendo uma almofada de ajuste estendendo-se através da aberração óssea negativa a ser disposta sobre uma superfície exposta do osso desgastado no côndilo femoral lateral.
[0019] A Figura 3 é uma vista anterior de uma articulação de joelho esquerdo simplificada que representa visualmente a aplicação de um algoritmo de ajuste de superfície para calcular uma superfície óssea ausente externa que corrige a aberração óssea negativa.
[0020] A Figura 4 é uma vista lateral de um instrumento de posicionamento de guia de resseção femoral que tem uma almofada de ajuste estendendo-se até uma superfície óssea externa ausente calculada em um côndilo femoral lateral.
[0021] A Figura 5 é uma vista em perspectiva de um fêmur distal simplificado orientado em flexão. Um instrumento de posicionamento de guia de resseção de côndilo posterior é disposto na porção posterior dos côndilos femorais.
[0022] A Figura 6 é uma vista em perspectiva de um guia de resseção femoral fixado a um instrumento de posicionamento de guia de resseção femoral.
[0023] A Figura 7 é uma vista lateral de um medidor de espessura de cartilagem.
[0024] A Figura 8 é um fluxograma que representa as etapas de um método exemplificador.
[0025] A Figura 9A é uma imagem de elementos ortopédicos do indivíduo tomada a partir da posição A-P que mostra um gabarito de calibração exemplificador.
[0026] A Figura 9B é uma imagem de elementos ortopédicos do indivíduo a partir da Figura 8A tomada a partir da posição M-L que mostra um gabarito de calibração exemplificador.
[0027] A Figura 10 é uma representação esquemática de um modelo de câmera de orifício usado para transmitir como os princípios da geometria epipolar podem ser usados para determinar a posição de um ponto no espaço 3D a partir de duas imagens 2D tomadas a partir de diferentes quadros de referência a partir de detectores de imagem calibrados.
[0028] A Figura 11 é uma representação esquemática de um sistema que usa uma rede de aprendizado profundo para identificar recursos (por exemplo, pontos de referência anatômicos) de um elemento em pauta ortopédico, incluindo aberrações ósseas, e para gerar um modelo 3D do elemento em pauta ortopédico.
[0029] A Figura 12 é uma representação esquemática em perspectiva do aspecto distal de um fêmur e dois modelos reconstruídos 3D do volume inverso da aberração óssea negativa identificada.
[0030] A Figura 13 é um fluxograma que representa as etapas de outro método exemplificador.
[0031] A Figura 14 é um fluxograma que representa as etapas de ainda outro método exemplificador.
[0032] A Figura 15 é um fluxograma que representa as etapas de ainda outro método exemplificador.
[0033] A Figura 16 é uma representação esquemática de um sistema configurado para gerar um modelo físico da aberração óssea, sendo que o modelo físico é derivado do uso de duas ou mais imagens de entrada planas e penetrantes de tecido obtidas do mesmo elemento em pauta ortopédico a partir de detectores calibrados em um ângulo de deslocamento.
[0034] A Figura 17 é uma representação esquemática que descreve como uma rede de aprendizado profundo do tipo CNN pode ser usada para identificar características (por exemplo, pontos de referência anatômicos), incluindo aberrações ósseas de um elemento em pauta ortopédico.
[0035] A Figura 18 é uma representação esquemática de um sistema exemplificador.
[0036] A descrição detalhada a seguir das modalidades preferenciais é apresentada apenas para propósitos ilustrativos e descritivos e não se destina a ser exaustiva ou a limitar o escopo e espírito da invenção. As modalidades foram selecionadas e descritas para melhor explicar os princípios da invenção e sua aplicação prática. O versado na técnica reconhecerá que muitas variações podem ser feitas à invenção divulgada neste relatório descritivo sem que se afaste do escopo e do espírito da invenção.
[0037] Caracteres de referência similares indicam partes correspondentes ao longo das várias vistas, exceto onde especificado em contrário. Embora os desenhos representem modalidades de várias características e componentes de acordo com a presente divulgação, os desenhos não estão necessariamente em escala e certos recursos podem ser exagerados para ilustrar melhor as modalidades da presente divulgação, e tais exemplificações não devem ser interpretadas como limitadoras do escopo da presente divulgação.
[0038] Exceto quando expressamente declarado em contrário na presente invenção, as seguintes regras de interpretação se aplicam a este relatório descritivo: (a) todas as palavras usadas na presente invenção devem ser interpretadas como sendo de tal gênero ou número (singular ou plural), como tais circunstâncias exigem; (b) os termos singulares "um", "uma", "o" e "a", conforme usados no relatório descritivo e nas reivindicações em anexo, incluem referências no plural, a menos que o contexto determine claramente em contrário; (c) o termo antecedente "cerca de" aplicado a uma faixa ou valor citado denota uma aproximação com o desvio na faixa ou valores conhecidos ou esperados na técnica a partir das medições; (d) as palavras "na presente invenção", "por meio desta", "até aqui", "acima" e "doravante" e palavras de significado similar se referem a este relatório descritivo em sua totalidade e não a qualquer parágrafo, reivindicação ou outra subdivisão específica, a menos que especificado em contrário; (e) cabeçalhos descritivos são apenas para conveniência e não devem controlar ou afetar o significado da interpretação de parte do relatório descritivo; e (f) "ou" e "qualquer" não são exclusivos e "incluir" e "incluindo" não são limitadores. Além disso, os termos "que compreende", "que tem", "que inclui" e "que contém" devem ser interpretados como termos não limitados (isto é, significam "incluindo, mas não se limitando a").
[0039] As referências no relatório descritivo a "uma (numeral) modalidade", "uma (artigo) modalidade", "uma modalidade exemplificadora" etc. indicam que a modalidade descrita pode incluir um recurso, estrutura ou característica específica, mas cada modalidade pode não necessariamente incluir o recurso, estrutura ou característica específica. Além disso, tais frases não se referem necessariamente à mesma modalidade. Adicionalmente, quando um recurso, estrutura ou característica específica é descrita em conexão com uma modalidade, é do conhecimento do versado na técnica afetar tal recurso, estrutura ou característica em conexão com outras modalidades, se explicitamente descrito.
[0040] Na medida necessária para fornecer suporte descritivo, o assunto e/ou o texto das reivindicações em anexo são aqui incorporados a título de referência em sua totalidade.
[0041] A citação de faixas de valores na presente invenção se destina meramente a servir como um método de abreviação para se referir individualmente a cada valor separado dentro da faixa de quaisquer subfaixas entre os mesmos, a menos que claramente indicado em contrário na presente invenção. Cada valor separado dentro de uma faixa citada é incorporado ao relatório descritivo ou às reivindicações como se cada valor separado fosse citado individualmente na presente invenção. Quando uma faixa específica de valores é fornecida, entende-se que cada valor intermediário, até o décimo ou menos da unidade do limite inferior entre o limite superior e inferior dessa faixa e qualquer outro valor declarado ou intermediário nessa faixa estabelecida de subfaixa da mesma, está incluído na presente invenção a menos que o contexto determine claramente o contrário. Todas as subfaixas também estão incluídas. Os limites superior e inferior dessas faixas menores também estão incluídos nas mesmas, sujeitos a qualquer limite especificamente e expressamente excluído na faixa estabelecida.
[0042] Deve-se notar que alguns dos termos usados na presente invenção são termos relativos. Por exemplo, os termos "superior" e "inferior" estão relacionados um ao outro em localização, isto é, um componente superior está localizado em uma elevação mais alta do que um componente inferior em cada orientação, mas esses termos podem mudar se a orientação for invertida. Os termos "entrada" e "saída" são relativos ao fluido que flui através dos mesmos em relação a uma dada estrutura, por exemplo, um fluido flui através da entrada para dentro da estrutura e, então, flui através da saída para fora da estrutura. Os termos "a montante" e "a jusante" são relativos à direção em que um fluido flui através de vários componentes antes de fluir através do componente a jusante.
[0043] Os termos "horizontal" e "vertical" são usados para indicar a direção em relação a uma referência absoluta, isto é, o nível do solo. No entanto, esses termos não devem ser interpretados para exigir que a estrutura seja absolutamente paralela ou absolutamente perpendicular entre si. Por exemplo, uma primeira estrutura vertical e uma segunda estrutura vertical não são necessariamente paralelas uma à outra. Os termos "topo" e "fundo" ou "base" são usados para se referir a locais ou superfícies em que o topo é sempre mais alto que o fundo ou base em relação a uma referência absoluta, isto é, à superfície da Terra. Os termos "para cima" e "para baixo" também são relativos a uma referência absoluta; um fluxo para cima é sempre contra a gravidade da Terra.
[0044] Ao longo desta divulgação, vários termos posicionais, como "distal", "proximal", "medial", "lateral", "anterior" e "posterior", serão usados na maneira habitual ao se referir à anatomia humana. Mais especificamente, "distal" se refere à área na direção oposta ao ponto de fixação ao corpo, enquanto "proximal" se refere à área próxima ao ponto de fixação ao corpo. Por exemplo, o fêmur distal se refere à porção do fêmur próximo à tíbia, enquanto o fêmur proximal se refere à porção do fêmur próximo ao quadril. Os termos "medial" e "lateral" também são essencialmente opostos. "Medial" se refere a algo que está disposto mais próximo ao meio do corpo. "Lateral" significa que algo está disposto mais próximo do lado direito ou do lado esquerdo do corpo do que ao meio do corpo. Em relação a "anterior" e "posterior", "anterior" se refere a algo disposto mais próximo da parte frontal do corpo, enquanto "posterior" se refere a algo disposto mais próximo da parte posterior do corpo.
[0045] "Varo" e "valgo" são termos amplos e incluem, sem limitação, movimento rotacional em uma direção medial e/ou lateral em relação à articulação do joelho.
[0046] Será entendido que o termo "aberração óssea", como usado aqui, pode se referir a uma área de perda óssea externa ou interna, uma área de osso em excesso anormal (como em um osteófito (isto é, "esporão ósseo")), ou qualquer outra área de osso que seja descontínua com a área natural do osso circundante.
[0047] Todos os métodos para identificar uma área de aberração óssea com o propósito de calcular uma área corretiva, sendo que a área corretiva remove a área de aberração óssea em relação a uma área óssea circundante, são considerados como estando dentro do escopo desta divulgação. A título de exemplo, a seção abaixo descreve modalidades exemplificadoras de sistemas e métodos usados para restaurar a linha de articulação natural e os eixos de rotação de uma articulação de joelho pré-doente em uma artroplastia total do joelho (TKA).
[0048] Para descrever uma TKA primária de modo geral: o cirurgião tipicamente inicia o procedimento cirúrgico fazendo uma incisão parapatelar geralmente medial vertical no lado anterior ou anteromedial do joelho operatório. O cirurgião continua a cortar o tecido graxo para expor a cápsula de articulação. O cirurgião pode, então, executar uma artrotomia parapatelar medial para perfurar a cápsula de articulação. Um retrator pode, então, ser usado para mover a patela de modo geralmente lateral para expor os côndilos distais do fêmur (consulte 103 e 107, Figura 1) e o menisco cartilaginoso repousando sobre o platô tibial proximal (consulte, de modo geral, 112, Figura 1). Em seguida, o cirurgião remove o menisco e usa instrumentação para medir e ressecar o fêmur distal 105 e a tíbia proximal 110 para acomodar os implantes de teste. Os implantes de teste são endopróteses de teste que geralmente têm as mesmas dimensões funcionais das endopróteses reais, mas os implantes de teste são projetados para serem temporariamente instalados e removidos para fins de avaliação do ajuste das endopróteses reais e para os propósitos de avaliação da cinemática da articulação do joelho. Os implantes de teste e os implantes endoprostéticos reais são geralmente dispostos adjacentes a essas resseções uma vez instalados. Portanto, a posição e a orientação dessas resseções femoral e tibial determinam amplamente a orientação dos implantes endoprostéticos de teste e reais e, assim, a posição e a orientação da linha de articulação reconstruída.
[0049] Essa resseção tibial é então pré-formada. Uma vez ressecada, a área ressecada da tíbia pode ser conhecida como o "platô tibial". Em seguida, o cirurgião pode colocar um componente tibial de teste no platô tibial proximal ressecado. O cirurgião geralmente usa instrumentação diferente para medir e ressecar os côndilos femorais distais para o propósito de instalar um componente femoral de teste. Se os componentes de teste não estiverem assentados adequadamente, o cirurgião pode usar instrumentação adicional para medir e ressecar os côndilos femorais e/ou o platô tibial até que o assentamento desejado seja alcançado.
[0050] Em seguida, o cirurgião insere, em geral, um inserto meniscal de teste entre a bandeja tibial de teste e o componente femoral de teste para testar a flexão e extensão do joelho, estabilidade geral e rastreamento patelar nos implantes de teste. Uma vez satisfeito com as características de teste e de movimento, o cirurgião pode usar cimento ósseo para fixar permanentemente os componentes tibial e femoral reais do implante endoprostético ou usar um implante de encaixe por pressão e evitar o uso de cimento ósseo, se for desejado.
[0051] Acredita-se que a escola de alinhamento mais recente é a filosofia de alinhamento cinemático. A filosofia de alinhamento cinemático reconhece que a fisiologia de cada paciente é ligeiramente diferente e busca restaurar a linha de articulação pré-doente natural do paciente tomando medições reais da fisiologia operatória para determinar a posição da linha de articulação nativa. Uma vez que essas medições são conhecidas, as ferramentas, como o localizador de guia de resseção femoral pivotante 400 (Figuras 2, 4 e 6) ou guias de resseção 424 (Figura 6) são, então, colocadas sobre os ossos expostos. Os guias de resseção 424 podem ser personalizados para complementar o osso exposto, ou os guias de resseção 424 podem travar seletivamente em um localizador de guia de resseção femoral 400. Esses localizadores de guia de resseção femoral 400 podem ter mecanismos de posicionamento ajustáveis (consulte 440) com os quais o cirurgião pode ajustar a orientação do guia de resseção 424 em relação ao osso exposto com base nas medições específicas do paciente. Uma vez que o guia de resseção 424 é ajustado na orientação desejada, o guia de resseção 424 é, então, temporariamente afixado ao osso. O cirurgião, então, insere uma serra cirúrgica através de uma fenda de resseção 455 do guia de resseção orientado 424 para ressecar o osso imortal no plano de resseção desejado. Devido ao fato de que a posição e a orientação das resseções femoral e tibial ditam amplamente a orientação dos implantes endoprostéticos de teste e reais, a posição e a orientação do guia de resseção 424 determina amplamente a posição e a orientação dos eixos de rotação de articulação reconstruídos.
[0052] Embora seja contemplado que os métodos e sistemas aqui descritos podem ser especialmente úteis para alinhamento cinemático, nada nesta divulgação limita o uso dos sistemas e métodos aqui descritos ao alinhamento cinemático. A título de exemplo, os sistemas e métodos aqui descritos podem ser usados com alinhamento anatômico, alinhamento mecânico ou qualquer outro método de alinhamento desde que uma aberração óssea presente afete o posicionamento dos instrumentos de alinhamento (consulte o localizador de guia de resseção 400 e o guia de alinhamento 600). Além disso, nada na presente divulgação limita os sistemas e métodos exemplificadores aqui descritos para uso na articulação do joelho. Quaisquer procedimentos ortopédicos nos quais seria desejável para o cirurgião ter conhecimento pré ou intraoperatório de uma aberração de tecido mole ou ósseo são considerados dentro do escopo desta divulgação. Exemplos desses procedimentos ortopédicos incluem, mas não se limitam a, artroplastias do quadril e procedimentos que buscam aliviar as causas de impactos femoroacetabulares.
[0053] A Figura 1 é uma vista anterior de uma articulação de joelho esquerdo simplificada (isto é, uma coleta exemplificadora de elementos ortopédicos 100 do indivíduo em uma área operatória exemplificadora 170). Os exemplos descritos com referência às Figuras 1 a 5 se referem a uma articulação de joelho exemplificadora para propósitos de ilustração. Será reconhecido que o termo "elemento ortopédico" 100, referenciado ao longo desta divulgação, não se limita à anatomia de uma articulação do joelho, mas pode incluir qualquer estrutura esquelética e tecido mole associado, como tendões, ligamentos, cartilagem e músculos. Uma lista não limitadora de elementos ortopédicos 100 exemplificadores inclui qualquer osso parcial ou completo de um corpo, incluindo, mas não se limitando a, um fêmur, uma tíbia, uma pelve, uma vértebra, um úmero, uma ulna, um rádio, uma escápula, um crânio, uma fíbula, uma clavícula, uma mandíbula, uma costela, um carpo, um metacarpo, um metatarso, uma falange ou qualquer tendão, ligamento, pele, cartilagem ou músculo associado. Será entendido que um exemplo de área operatória 170 pode compreender vários elementos ortopédicos 100do indivíduo.
[0054] Os elementos ortopédicos 100 exemplificadores representados na Figura 1 são o aspecto distal do fêmur 105, o aspecto proximal da tíbia 110, o aspecto proximal da fíbula 11, o ligamento colateral medial (MCL - "medial collateral ligament") 113, o ligamento colateral lateral (LCL - "lateral collateral ligament") 122 e a cartilagem articular 123 disposta sobre os côndilos distais femorais 107, 103. As áreas de aberração óssea (geralmente 115) são mostradas nos côndilos distais femorais 107, 103. Uma área medial de uma aberração óssea 115a é mostrada no côndilo medial 107, e uma área lateral da aberração óssea 115b é mostrada no côndilo lateral 103 do fêmur 105 (coletivamente, "côndilos femorais distais"). Na Figura 1, as áreas de aberração óssea 115a, 115b são "aberrações ósseas negativas", isto é, áreas de perda óssea. A Figura 1 mostra o côndilo medial 107 e o côndilo lateral 103 do aspecto distal do fêmur 105 dispostos sobre o platô tibial 112 do aspecto proximal da tíbia 110. O MCL 113 engata o fêmur distal 105 à tíbia proximal 110 no lado medial M. De modo semelhante, o LCL 122 engata o fêmur distal 105 à fíbula 111 no lado lateral L. Um vão femorotibial 120 separa o fêmur distal 105 do platô tibial 112. A cartilagem articular de hialina 123 é mostrada ao redor das áreas de aberração óssea 115a, 115b no fêmur distal 105.
[0055] A posição da linha de articulação pré-doente nativa é amplamente definida pela interação entre o tecido mole (por exemplo, a cartilagem articular 123) em côndilos femorais 107, 103 e o menisco, conforme suportado pelo osso subjacente (por exemplo, a tíbia 110). Na ausência de uma área de aberração óssea 115a, 115b (por exemplo, a área de perda óssea mostrada na Figura 1), o conhecimento da espessura da cartilagem pré-doente 123 pode ser usado para aproximar estreitamente o local da linha de articulação pré-doente.
[0056] A Figura 7 mostra um exemplo de medidor de espessura de cartilagem 40. O medidor de espessura 40 mostrado compreende uma porção de alça alongada 52, a qual um cirurgião pode usar para segurar e manipular o instrumento. Um ombro 62 engata uma porção de haste 60 à porção de alça 52. A porção de haste 60 compreende uma porção sólida proximal 63 e uma porção oca distal 64. A porção oca 64 se estende até a extremidade de medição 41. A porção oca 64 recebe um pistão 80. O pistão 80 é disposto no interior da porção oca 64 e propendido contra uma mola 79 disposta entre o pistão 80 e a porção sólida 63 da porção de haste 60. Os marcadores (não mostrados) no pistão 80 podem ser visíveis através de um portal de visão na porção de haste 60. Esses marcadores são desejavelmente dispostos em incrementos regulares, como incrementos de 1 milímetro (mm). Uma linha de referência pode ser disposta adjacente ao portal de visão. De modo semelhante, os marcadores que são visíveis através do portal de visão se movem em relação à linha de referência.
[0057] Todos os métodos para avaliar o desgaste da cartilagem são considerados dentro do escopo desta divulgação. Um método exemplificador para usar esse exemplo de medidor de espessura de cartilagem 40 (Figura 7) e guias de resseção para executar uma técnica de alinhamento cinemático é adicionalmente descrito no pedido de patente US nº 16/258.340. A totalidade do pedido de patente US nº 16/258.340 é aqui incorporada por referência. O método divulgado neste pedido usa um medidor de espessura de cartilagem 40 para medir a espessura T (Figura 1) da cartilagem articular de hialina 123 (Figura 1) que é adjacente a um côndilo femoral não desgastado ou menos desgastado (isto é, ou 107 ou 103). A extremidade de medição 41 do medidor de espessura de cartilagem 40 é inserida na área mais espessa da cartilagem 123 adjacente ao côndilo menos desgastado até que as pontas 86 da extremidade da medição 41 atinjam o osso subjacente 106 (Figura 1). Dessa maneira, pressionar as pontas 86 da extremidade de medição 41 para a área mais espessa da cartilagem proximal restante 123 faz com que o pistão 80 comprima a mola 79. Ao mesmo tempo, os marcadores no pistão 80 se movem em relação à linha de referência e são visíveis através do portal de visão para, desse modo, indicar a espessura da cartilagem 123, disposta sob a extremidade de medição 41. O cirurgião, então, registra a quantidade de cartilagem restante (isto é, a espessura de cartilagem T) e usa essa medição como uma aproximação da quantidade de desgaste da cartilagem no côndilo desgastado. Esse processo é, desejavelmente, repetido para cada côndilo femoral distal 103, 107, e cada côndilo femoral posterior (107a, 103a, Figura 5).
[0058] A título de exemplo diferente para a avaliação da espessura da cartilagem 123, um cirurgião ou médico pode usar uma sonda intraoperatória para mapear a localização e as propriedades físicas do tecido mole, como a elasticidade e a densidade do tecido mole. Um sistema pode usar esses dados para calcular uma quantidade de desgaste da cartilagem sobre os côndilos.
[0059] Agora com referência à Figura 2, a qualquer momento após a exposição do fêmur distal 105, o cirurgião pode perfurar um canal intramedular para baixo, aproximadamente ao centro do fêmur distal 105, e então colocar uma haste intramedular 420 (consulte também a Figura 6) no canal intramedular evacuado para fornecer uma base para a disposição seletiva da instrumentação de referência em relação ao fêmur distal 105. Uma vez que a haste intramedular 420 é firmemente assentada, uma porção estável 451 do localizador de guia de resseção femoral de pivotante 400 pode ser deslizada para a haste intramedular 420, de modo que as almofadas de ajuste 440A, 440B sejam dispostas em posição adjacente ao côndilo femoral distal medial 107 e ao côndilo femoral distal lateral 103, respectivamente.
[0060] A porção estável 451 pode ser um membro de suporte de haste intramedular, ou outro dispositivo configurado para ser preso a uma posição fixa em relação a uma porção de corpo pivotante 412. A porção de corpo 412 é configurada para pivotar em relação à porção estável 451. Um pino 411 (Figura 6) pode ser ajustado de forma próxima e disposto em orifícios anulares alinhados à porção estável 451 e à porção de corpo 412, respectivamente, e, dessa maneira, pode ser dito que a porção de corpo 412 do localizador de guia de resseção femoral pivotante 400 é "configurada para pivotar" em relação à porção estável 451 ou está em uma "relação de pivotação" com a porção estável 451.
[0061] As almofadas de ajuste 440A, 440B (Figura 6) são então estendidas a partir da superfície de referência distal 485 do localizador de guia de resseção 400 para tocar os côndilos femorais 103, 107. O comprimento l de cada almofada de ajuste 440 em relação à superfície de referência 485 é desejavelmente o mesmo comprimento l que a medição da espessura T da cartilagem articular de hialina articular adjacente associada 123 para cada côndilo.
[0062] Por exemplo, se houver 2 mm de desgaste da cartilagem no lado medial M e 0 mm no lado lateral L, o cirurgião irá estender a almofada de ajuste medial 440A 2 mm. O cirurgião, então, coloca cada almofada de ajuste 440 no côndilo adequado. Neste exemplo, a almofada de ajuste lateral 440B permaneceria quase nivelada com a superfície de referência distal 485. A posição da superfície de referência distal 485 em relação à haste intramedular 420 define assim o ângulo de resseção. O guia de resseção 424 (Figura 6) é, então, fixado ao fêmur 105 no ângulo de corte desejado, o localizador de guia de resseção femoral 400 é removido e o cirurgião resseca os côndilos femorais distais 103, 107 através da fenda de resseção 455 no ângulo de resseção desejado
[0063] Entretanto, esses ajustes consideram apenas o desgaste da cartilagem presente. Os ajustes não consideram áreas de aberrações ósseas 115a, 115b como perda óssea que pode ocorrer no côndilo desgastado (por exemplo, o côndilo lateral 103 ou o côndilo medial 107). As almofadas de ajuste 440A, 440B são tipicamente definidas com base na medição do medidor de espessura da cartilagem 40. Se um paciente sofre de perda óssea significativa, se os osteófitos significativos (comumente chamados de "esporões de osso") estiverem presentes, a posição da superfície de referência distal 485 do localizador de guia de resseção femoral 400 não será disposta no local preciso da superfície articular pré-doente. Além disso, se o cirurgião estender a almofada de ajuste 440 para a área restante do osso (conforme mostrado na Figura 2), não é possível saber com precisão onde o osso ósseo pré-doente acaba e onde a cartilagem articular 123 começa. Dessa forma, mesmo que a quantidade de desgaste da cartilagem possa ser razoavelmente aproximada mediante a medição da área mais espessa de cartilagem não desgastada adjacente 123, não é possível conhecer com precisão a profundidade do osso ausente. Dessa forma, qualquer ajuste da almofada de ajuste 440 para tocar um côndilo que tem áreas de perda óssea significativa (e por extensão, qualquer ajuste da posição da superfície de referência distal 485 e guia de resseção 424) é, na melhor das hipóteses, uma aproximação da superfície articular pré-doente. A falta de precisão nesta área arrisca o cálculo incorreto da orientação do eixo rotacional natural prédoente da articulação. Dessa forma, qualquer erro de estimativa pode afetar negativamente o conforto do paciente e a vida útil do implante.
[0064] Como resultado, com o uso do localizador de guia de resseção femoral pivotante 400, descrito no pedido de patente US nº 16/258.340, técnicas intraoperatórias existentes não podem ser usadas para medir confiavelmente a perda precisa de cartilagem e osso em todas as TKAs e, portanto, essas técnicas, acompanhada dos problemas e disponibilidade de dados pré-operatórios precisos, podem enfraquecer a reconstrução precisa de uma linha de articulação artificial com a linha de articulação natural pré-doente.
[0065] Para ilustrar isso, a Figura 2 mostra uma vista lateral de um localizador de guia de resseção femoral 400, que tem uma almofada de ajuste 440B estendendo-se através de uma área negativa da aberração óssea 115b a ser disposta sobre uma superfície exposta do osso desgastado 116 no côndilo lateral 103. O comprimento estendido l do ajustador de almofada 440 em relação à superfície de referência distal 485 é inicialmente definido pela medição da espessura de cartilagem (consulte 123), que pode ser obtida com o uso do medidor de espessura de cartilagem 40, conforme descrito acima, ou por outros métodos de medição de espessura de cartilagem. Entretanto, com os côndilos femorais 103, 107 que sofrem de perda óssea, não foi possível determinar previamente a quantidade de aberração óssea (por exemplo, perda óssea, nesse caso) com certeza usando um localizador de guia de resseção femoral 400 com ajustadores de almofada 440A, 440B.
[0066] Por exemplo, a profundidade exata da aberração óssea negativa (isto é, perda óssea) no côndilo lateral 103 não é facilmente determinável com o uso de métodos convencionais. A contabilização inadequada da profundidade da aberração óssea negativa arrisca o desalinhamento do localizador de guia de resseção femoral pivotante 400, porque estender o ajustador de almofada 440B ao valor da espessura de cartilagem medida e colocar a extremidade do ajustador de almofada 440B na superfície exposta do osso desgastado 116 agora não é mais indicativo da superfície articular pré-doente. Isto é, se o cirurgião inicialmente definir o comprimento estendido l do ajustador de almofada 440B mostrado a 2 mm a partir da superfície de referência distal 485 (por medição do medidor de cartilagem) e, então, descartar o ajustador de almofada 440, de modo que o ajustador de almofada 440 entre em contato com a superfície exposta do osso desgastado 116, o ajustador de almofada se estenderia para a área de perda óssea 115b pela profundidade desconhecida da aberração óssea negativa 115b, alterando assim o ângulo da superfície de referência distal 485 (e, por extensão, a superfície de corte) em relação à haste intramedular 420. Esse novo ângulo de corte não reflete a superfície articular pré-doente e, portanto, não seria útil para alinhar o joelho cinematicamente.
[0067] O cirurgião pode tentar compensar ao adicionar comprimento (consulte l) ao ajustador de almofada 440 para tentar estimar a profundidade da perda óssea, mas a quantidade precisa de perda é desconhecida para o cirurgião. Portanto, o cirurgião pode super ou subestimar a quantidade de perda, assim, também arriscando o desalinhamento do localizador de guia de resseção femoral 400 em relação à superfície articular real da articulação pré-doente. O alinhamento cinemático é uma técnica de referência de superfície articular femoral. Portanto, erros feitos ao se referenciar à superfície articular serão transferidos para a tíbia proximal se não forem corrigidos, potencialmente exacerbando ainda mais o erro inicial. Adicionalmente, como a Figura 2 ilustra, a área da aberração óssea 115b e a superfície exposta do osso desgastado 116 podem não ser uniformes em profundidade. Isso pode enfraquecer a estabilidade inicial da posição angulada do localizador de guia de resseção em relação à haste intramedular 420.
[0068] Nos últimos anos, tornou-se possível usar múltiplas imagens 2D, como radiografias de raios-X a partir de um sistema de imageamento, para criar modelos 3D de uma área operatória 170. Esses modelos podem ser usados pré-operativamente para planejar cirurgias muito mais próximo da data da cirurgia real. Além disso, esses modelos 3D podem ser gerados intraoperativamente para verificar o modelo e o plano pré-operatórios, ou esses modelos 3D podem funcionar como o modelo nativo a partir do qual as áreas de aberração óssea podem ser calculadas. Entretanto, radiografias de raios-X tipicamente não têm sido usadas como entradas para modelos 3D anteriormente devido a questões de resolução e precisão de imagens. As radiografias de raios-X são representações 2D do espaço 3D. Dessa forma, uma radiografia de raios-X 2D necessariamente distorce o assunto da imagem em relação ao objeto real que existe em três dimensões. Além disso, o objeto através do qual os raios-X passam podem defletir a trajetória do raio X à medida que se deslocam da fonte de raios-X (tipicamente o ânodo da máquina de raios-X) para o detector de raios-X (que pode incluir, por exemplo não limitador, intensificadores de imagem de raios-X, materiais de fósforo, detectores de painel planos (FPD - "flat panel detectors") (incluindo FPDs de conversão indireta e FPDs de conversão direta) ou qualquer número de sensores de raios-X ou filmes de raios-X digitais ou analógicos). Defeitos na própria máquina de raios-X ou em sua calibração podem também enfraquecer a utilidade da fotogrametria por raios-X e reconstrução do modelo 3D. Adicionalmente, fótons de raios-X emitidos têm energias diferentes. À medida que os raios-X interagem com a matéria colocada entre a fonte de raios-X e o detector, ruído e artefatos podem ser produzidos, em parte devido à dispersão de Compton e Rayleigh, o efeito fotoelétrico, variáveis extrínsecas no ambiente ou variáveis intrínsecas na unidade de geração de raios-X, detector de raios-X e/ou unidades de processamento ou telas.
[0069] Além disso, em uma única imagem 2D, os dados 3D do indivíduo real são perdidos. Dessa forma, não há dados que um computador possa usar a partir de uma única imagem 2D para reconstruir um modelo 3D do objeto 3D real. Por essa razão, tomografias computadorizadas, IRMs e outras tecnologias de imageamento que preservam os dados tridimensionais foram frequentemente entradas preferenciais para reconstruir modelos de um ou mais elementos ortopédicos do indivíduo (isto é, a reconstrução de um modelo 3D a partir de dados 3D reais geralmente resultou em modelos mais precisos e de resolução mais alta). Entretanto, certas modalidades exemplificadoras da presente divulgação que são discutidas abaixo superam esses problemas usando redes de aprendizado profundo para melhorar a precisão de modelos 3D reconstruídos gerados a partir de fotogrametria por raiosX e para identificar áreas de aberração óssea sobre ou dentro do modelo 3D reconstruído. Em certas modalidades exemplificadoras, as áreas de aberração óssea podem ser corrigidas ou eliminadas com o uso de algoritmos de ajuste de curva (isto é, um exemplo de algoritmo de ajuste de superfície).
[0070] Um método exemplificador para calcular a extensão de uma aberração óssea pode compreender: gerar um modelo 3D de uma área operatória 170 de pelo menos duas imagens 2D, sendo que uma primeira imagem é capturada em uma primeira posição transversal, sendo que uma segunda imagem é capturada em uma segunda posição transversal, e sendo que a primeira posição transversal é diferente da segunda posição transversal, identificar uma área de uma aberração óssea no modelo 3D e calcular uma área corretiva, sendo que a área corretiva remove a área de aberração óssea do modelo 3D (isto é, em relação a uma área óssea circundante).
[0071] Um sistema exemplificador para calcular a extensão de uma aberração óssea pode compreender: uma máquina de imageamento radiográfico 1800 que compreende um emissor 21 e um detector 33 (Figura 18), sendo que o detector 33 da máquina de imageamento radiográfico 1800 captura uma primeira imagem 30 (Figuras 9 e 10) em uma primeira posição transversal 30a (Figuras 9 e 10) e uma segunda imagem 50 (Figuras 9 e 10) em uma segunda posição transversal 50a (Figuras 9 e 10), sendo que a primeira posição transversal 30a é deslocada da segunda posição transversal 50a por um ângulo de deslocamento θ (Figura 10), um transmissor 29 (Figura 18) e uma máquina computacional 1600, sendo que o transmissor 29 transmite a primeira imagem 30 e a segunda imagem 50 do detector 33 para a máquina computacional 1600, e sendo que a máquina computacional 1600 é configurada para identificar uma área de uma aberração óssea 115 no modelo 3D do elemento em pauta ortopédico 1100 e calcular uma área corretiva, sendo que a área corretiva remove a área de aberração óssea do modelo 3D do elemento em pauta ortopédico 1100 (isto é, em relação a uma área óssea circundante).
[0072] Em certas modalidades exemplificadoras, um sistema exemplificador pode ainda compreender um visor 19.
[0073] Em certas modalidades exemplificadoras, um sistema exemplificador pode ainda compreender uma máquina de fabricação 18. Na modalidade exemplificadora que compreende uma máquina de fabricação 18, a máquina de fabricação 18 pode ser uma máquina de fabricação aditiva. Em tais modalidades, a máquina de fabricação aditiva pode ser usada para fabricar o modelo 3D do elemento em pauta ortopédico 1100 ou o modelo 3D da aberração óssea 115m.
[0074] Embora as radiografias de raios-X de um sistema de imageamento por raios-X possam ser desejáveis porque radiografias de raios-X são relativamente baratas em comparação com as tomografias computadorizadas e porque o equipamento para alguns sistemas de imageamento por raios-X, como um sistema de fluoroscopia, são geralmente suficientemente compactos para serem usados intraoperativamente, nada nesta divulgação limita o uso das imagens 2D a radiografias de raios-X, a menos que expressamente reivindicado de outro modo, nem qualquer coisa nesta divulgação limita o tipo de sistema de imageamento a um sistema de imageamento por raios-X. Outras imagens 2D podem incluir, a título de exemplo: imagens de TC, imagens de fluoroscopia de TC, imagens de fluoroscopia, imagens de ultrassom, imagens de tomografia por emissão de pósitrons (PET - "positron emission tomography") e imagens de IRM. Outros sistemas de imageamento podem incluir, a título de exemplo: sistemas de TC, fluoroscopia de TC, fluoroscopia, ultrassom, PET e IRM.
[0075] De preferência, os métodos exemplificadores podem ser implementados em uma plataforma de computador (por exemplo, em uma máquina computacional 1600) com um hardware, como uma ou mais unidades de processamento central (CPU - "central processing unit"), uma memória de acesso aleatório (RAM - "random access memory") e interface(s) de entrada/saída (E/S). Um exemplo da arquitetura para uma máquina computacional exemplificadora 1600 é fornecido abaixo com referência à Figura 16.
[0076] Em certas modalidades exemplificadoras, o modelo 3D do elemento em pauta ortopédico 1100 e/ou o modelo 3D da aberração óssea 115m podem ser um modelo de computador. Em outras modalidades exemplificadoras, o modelo 3D do elemento em pauta ortopédico 1100 e/ou o modelo 3D da aberração óssea 115 m podem ser um modelo físico.
[0077] Há uma variedade de métodos para gerar um modelo 3D a partir de imagens 2D pré-operatórias ou intraoperatórias. A título de exemplo, tal método pode compreender o recebimento de um conjunto de imagens radiográficas 2D de uma área operatória 170 de um paciente com um sistema de imageamento radiográfico, computar um primeiro modelo 3D com o uso de princípios de geometria unipolar com um sistema de coordenadas do sistema de imageamento radiográfico e dados de geometria projetiva das respectivas imagens 2D (consulte as Figuras 9 e 10). Tal método exemplificador pode ainda compreender projetar o primeiro modelo 3D nas imagens radiográficas 2D e, então, ajustar o modelo 3D inicial mediante o registro da primeira e da segunda imagens radiográficas 30, 50 no primeiro modelo 3D com uma técnica de registro de imagem para imagem. Uma vez que a técnica de registro de imagem para imagem foi aplicada, um modelo 3D revisado pode ser gerado. Esse processo pode ser repetido até que a limpidez desejada seja obtida.
[0078] A título de outro exemplo, uma rede de aprendizado profundo (também conhecida como uma "rede neural profunda" (DNN - "deep neural network"), como uma rede neural convolucional (CNN - "convolutional neural network"), rede neural recorrente (RNN - "recurrent neural network"), rede neural modular ou modelo de sequência para sequência) pode ser usada para gerar um modelo 3D do elemento ortopédico do indivíduo 1100 e/ou um modelo 3D da aberração óssea 115m a partir de um conjunto de pelo menos duas imagens 2D de uma área operatória 170 de um paciente e para identificar áreas de aberrações ósseas 115. As imagens 2D são desejavelmente imagens penetrantes de tecido, como imagens radiográficas (por exemplo, imagens de raios-X ou fluoroscopia). Em tal método, a rede de aprendizado profundo pode gerar um modelo a partir dos dados de geometria projetiva (isto é, dados espaciais 43 ou dados de volume 75) a partir das respectivas imagens 2D. A rede de aprendizado profundo pode ter a vantagem de ser capaz de gerar uma máscara dos diferentes elementos ortopédicos do indivíduo 100 (por exemplo, ossos) ou aberrações ósseas 115 na área operatória 170, bem como ser capaz de calcular um volume (consulte 61, Figura 11) de um ou mais elementos ortopédicos imageados 100.
[0079] A Figura 8 é um fluxograma que descreve as etapas de um método exemplificador que usa uma rede de aprendizado profundo para identificar uma área de aberração óssea 115 sobre ou dentro de um elemento ortopédico imageado 100, com o uso de duas imagens de entrada achatadas (30, 50, Figuras 9 e 10) obtidas a partir de um ângulo de deslocamento θ. O método exemplificador compreende: etapa 1a calibrar uma máquina de imageamento 1800 (Figura 18) para determinar uma relação de mapeamento entre os pontos de imagem (consulte XL, eL, XR, eR, Figura 10) e as coordenadas de espaço correspondentes (por exemplo, coordenadas cartesianas em um plano x, y) para definir os dados espaciais 43. A máquina de imageamento 1800 é, desejavelmente, uma máquina de imageamento radiográfico capaz de produzir imagens de raios-X ("imagens de raios-X" podem ser entendidas como incluindo imagens fluoroscópicas), mas todas as máquinas de imageamento médico são consideradas como estando dentro do escopo desta divulgação.
[0080] A etapa 2a compreende a captura de uma primeira imagem 30 (Figura 9) de um elemento em pauta ortopédico 100 com o uso da técnica de imageamento (por exemplo, uma técnica de imageamento por raios-X, uma técnica de imageamento por TC, uma técnica de imageamento por IRM ou uma técnica de imageamento por ultrassom), sendo que a primeira imagem 30 define um primeiro quadro de referência 30a. Na etapa 3a, uma segunda imagem 50 (Figura 9) do elemento em pauta ortopédico 100 é capturada com o uso da técnica de imageamento, sendo que a segunda imagem 50 define um segundo quadro de referência 50a, sendo que o primeiro quadro de referência 30a é deslocado do segundo quadro de referência 50a em um primeiro ângulo θ. A primeira imagem 30 e a segunda imagem 50 são imagens de entrada a partir das quais dados (incluindo os dados espaciais 43) podem ser extraídos. Será reconhecido que, em outras modalidades exemplificadoras, mais de duas imagens podem ser usadas. Em tais modalidades, cada imagem de entrada é desejavelmente separada das outras imagens de entrada por um ângulo de deslocamento θ. A etapa 4a compreende projetar os dados espaciais 43 a partir da primeira imagem 30 do elemento em pauta ortopédico 100 e os dados espaciais 43 a partir da segunda imagem 50 do elemento em pauta ortopédico 100 para definir os dados de volume 75 (Figura 11) com o uso de geometria epipolar.
[0081] A etapa 5a compreende usar uma rede de aprendizado profundo para detectar uma aberração óssea 115 a partir dos dados de volume 75 do elemento ortopédico 100. A etapa 6a compreende o uso de uma rede de aprendizado profundo para detectar outros recursos (por exemplo, pontos de referência anatômicos) a partir dos dados de volume 75 do elemento em pauta ortopédico 100 para definir um modelo 3D do elemento em pauta ortopédico 1100. A etapa 7a compreende aplicar um algoritmo de ajuste de superfície para remover a aberração óssea detectada 115 do modelo 3D do elemento ortopédico do indivíduo 1100.
[0082] Em certas modalidades exemplificadoras, a rede de aprendizado profundo que detecta a aberração óssea 115 a partir dos dados de volume 75 pode ser a mesma rede de aprendizado profundo que detecta outros recursos a partir dos dados de volume 75 do elemento ortopédico do indivíduo 100. Em outras modalidades exemplificadoras, a rede de aprendizado profundo que detecta a aberração óssea 115 a partir dos dados de volume 75 pode ser uma diferente da rede de aprendizado profundo que detecta outro recurso a partir dos dados de volume 75 do elemento ortopédico do indivíduo 100.
[0083] Em certas modalidades exemplificadoras, a primeira imagem 30 pode mostrar o elemento ortopédico do indivíduo 100 em uma posição transversal lateral (isto é, a primeira imagem 30 é uma vista lateral do elemento ortopédico 100). Em outras modalidades exemplificadoras, a segunda imagem 50 pode mostrar o elemento ortopédico 100 em uma posição transversal anterior-posterior (AP) (isto é, a segunda imagem 50 é uma vista AP do elemento ortopédico 100). Em ainda outras modalidades exemplificadoras, a primeira imagem 30 pode mostrar o elemento ortopédico 100 em uma posição transversal AP. Em ainda outras modalidades exemplificadoras, a segunda imagem 50 pode mostrar o elemento ortopédico 100 em uma posição transversal lateral. Em ainda outras modalidades exemplificadoras, nem a primeira imagem 30 nem a segunda imagem 50 podem mostrar o elemento ortopédico 100 em uma posição transversal AP ou uma posição transversal lateral, desde que a primeira imagem 30 seja deslocada da segunda imagem 50 por um ângulo de deslocamento θ. A máquina computacional 1600 pode calcular o ângulo de deslocamento θ a partir das imagens de entrada 30, 50 que incluem o gabarito de calibração (consulte 973, Figura 9). A primeira imagem 30 e a segunda imagem 50 podem ser chamadas coletivamente de "imagens de entrada" ou individualmente de "imagem de entrada". Essas imagens de entrada 30, 50 mostram desejavelmente o mesmo elemento ortopédico do indivíduo 100 a partir de diferentes ângulos. Essas imagens de entrada 30, 50 podem ser obtidas ao longo de um plano transversal do elemento ortopédico do indivíduo 100
[0084] Certos métodos exemplificadores podem ainda compreender usar uma rede de aprendizado profundo de transferência de estilo, como Cycle-GAN. Métodos que usam uma rede de aprendizado profundo de transferência de estilo podem começar com uma imagem de entrada radiográfica (por exemplo, 30) e usar a rede neural de transferência de estilo para transferir o estilo da imagem de entrada para uma imagem do tipo DRR. Ainda outros métodos exemplificadores podem compreender usar uma rede de aprendizado profundo para identificar recursos (por exemplo, pontos de referência anatômicos) do elemento ortopédico do indivíduo 100 ou aberração óssea 115 para fornecer uma máscara de segmentação para cada elemento ortopédico do indivíduo 100 ou aberração óssea 115.
[0085] As Figuras 10 e 11 ilustram como a primeira imagem de entrada 30 e a segunda imagem de entrada 50 podem ser combinadas para criar um volume 61 que compreende dados de volume 75. A Figura 10 ilustra os princípios básicos da geometria epipolar que podem ser usados para converter os dados espaciais 43 a partir das respectivas imagens de entrada 30, 50 em dados de volume 75 (Figura 11). Será reconhecido que os dados espaciais 43 são definidos por uma coleção de pontos de imagem (por exemplo, XL, XR) mapeados para corresponder a coordenadas espaciais (por exemplo, coordenadas x e y) para uma determinada imagem de entrada 30, 50.
[0086] A Figura 10 é uma representação esquemática simplificada de uma projeção perspectiva descrita pelo modelo de câmera de orifício. A Figura 10 representa conceitos básicos relacionados à visão estéreo de computador, mas não é, de nenhum modo, o único método pelo qual modelos 3D podem ser reconstruídos a partir de imagens estéreo 2D. Nesse modelo simplificado, presume-se que os raios que emanam do centro óptico (isto é, o ponto interno de uma lente em que os raios de radiação eletromagnética (por exemplo, luz visível, raios-X etc.)) do objeto em questão se cruzam internamente ao arranjo de detector ou sensor 33 da máquina de imageamento (Figura 18). Os centros ópticos são representados pelos pontos OL, OR na Figura 10. Na realidade, o plano de imagem (consulte 30a, 50a) está geralmente atrás do centro óptico (por exemplo, OL, OR), e o centro óptico real é projetado para o arranjo de detector 33 como um ponto, mas planos de imagem virtual (consulte 30a, 50a) são apresentados aqui para ilustrar os princípios de modo mais simples.
[0087] A primeira imagem de entrada 30 é obtida a partir de um primeiro quadro de referência 30a, enquanto a segunda imagem de entrada 50 é obtida a partir de um segundo quadro de referência 50a que é diferente do primeiro quadro de referência 30a. Cada imagem compreende uma matriz de valores de pixel. O primeiro e o segundo quadros de referência 30a, 50a são desejavelmente deslocados um em relação ao outro por um ângulo de deslocamento θ. O ângulo de deslocamento θ pode representar o ângulo entre o eixo geométrico x do primeiro quadro de referência 30a em relação ao eixo geométrico x do segundo quadro de referência 50a. O ponto eL é a localização do centro óptico OR da segunda imagem de entrada na primeira imagem de entrada 30. O ponto eR é a localização do centro óptico OL da primeira imagem de entrada na segunda imagem de entrada 50. Os pontos eL e eR são conhecidos como "epipolos" ou pontos epipolares e se situam na linha OL – OR. Os pontos X, OL, OR definem um plano epipolar.
[0088] Como o centro óptico real é o ponto presumido no qual os raios de entrada de radiação eletromagnética do objeto em questão se cruzam dentro da lente de detector, nesse modelo, os raios de radiação eletromagnética podem ser, de fato, imaginados para se emanarem a partir dos centros ópticos OL, OR para o propósito de visualizar como a posição de um ponto 3D X no espaço 3D pode ser determinada a partir de duas ou mais imagens de entrada 30, 50 capturadas a partir de um detector 33 de posição relativa conhecida. Se cada ponto (por exemplo, XL) da primeira imagem de entrada 30 corresponder a uma linha no espaço 3D, então, se um ponto correspondente (por exemplo, XR) puder ser encontrado na segunda imagem de entrada, então, esses pontos correspondentes (por exemplo, XL, XR) devem ser a projeção de um ponto 3D comum X. Portanto, as linhas geradas pelos pontos de imagem correspondentes (por exemplo, XL, XR) devem interceptar no ponto 3D X. Em geral, se o valor de X for calculado para cada um dos pontos de imagem correspondentes (por exemplo, XL, XR) em duas ou mais imagens de entrada 30, 50, um volume 3D 61 que compreende os dados de volume 75 pode ser reproduzido a partir das duas ou mais imagens de entrada 30, 50. O valor de qualquer determinado ponto 3D X pode ser triangulado em uma variedade de modos. Uma lista não limitadora de métodos de cálculo exemplificadores inclui o método de ponto médio, o método de transformação linear direta, o método de matriz essencial, o método de intersecção de linha—linha e o método de ajuste de feixe.
[0089] Será reconhecido que os "pontos de imagem" (por exemplo, XL, XR) aqui descritos podem se referir a um ponto no espaço, um pixel, uma porção de um pixel ou uma coleção de pixels adjacentes. Será reconhecido também que o ponto 3D X como usado aqui pode representar um ponto no espaço 3D. Em certas aplicações exemplificadoras, o ponto 3D X pode ser expresso como um voxel, a uma porção de um voxel ou uma coleção de voxels adjacentes.
[0090] Entretanto, antes que os princípios da geometria epipolar pudessem ser aplicados, a posição de cada detector de imagem 33 em relação a outro(s) detector(es) de imagem 33 deve ser determinada (ou a posição de um único detector de imagem 33 deve ser determinada no momento em que a primeira imagem 30 foi tirada e a posição ajustada do único detector de imagem 33 deve ser conhecida no momento em que a segunda imagem 50 foi tirada). É também desejável determinar o comprimento focal e o centro óptico da máquina de imageamento 1800. Para determinar isso praticamente, o detector de imagem 33 (ou detectores de imagem) é primeiramente calibrado. As Figuras 9A e 9B mostram gabaritos de calibração 973A, 973B em relação aos elementos ortopédicos do indivíduo 100. Nessas figuras, os elementos ortopédicos exemplificadores 100 são o aspecto distal do fêmur 105 e o aspecto proximal da tíbia 110 que compreendem uma articulação de joelho. A fíbula proximal 111 é outro elemento ortopédico 100 imageado nas Figuras 9A e 9B. A patela 901 é outro elemento ortopédico 100 mostrado na Figura 9B.
[0091] A Figura 9A é uma vista anterior-posterior dos elementos ortopédicos exemplificadores 100 (isto é, a Figura 9A representa uma primeira imagem 30 tirada de um primeiro quadro de referência 30a). Um primeiro gabarito de calibração 973A é fixado a um primeiro conjunto de retenção 974A. O primeiro conjunto de retenção 974A pode compreender um primeiro suporte acolchoado 971A engatado a uma primeira tira 977A. O primeiro suporte acolchoado 971A é fixado externamente à coxa do paciente através da primeira tira 977A. O primeiro conjunto de retenção 974A suporta o primeiro gabarito de calibração 973A orientado desejavelmente paralelamente ao primeiro quadro de referência 30a (isto é, ortogonal ao detector 33). De modo semelhante, um segundo gabarito de calibração 973B, que é fixado a um segundo conjunto de retenção 974B, pode ser fornecido. O segundo conjunto de retenção 974B pode compreender um segundo suporte acolchoado 971B engatado a uma segunda tira 977B. O segundo suporte acolchoado 971B é fixado externamente à panturrilha do paciente através da segunda tira 977B. O segundo conjunto de retenção 974B suporta o segundo gabarito de calibração 973B desejavelmente paralelamente ao primeiro quadro de referência 30a (isto é, ortogonal ao detector 33). Os gabaritos de calibração 973A, 973B são desejavelmente posicionados suficientemente distantes dos elementos ortopédicos do indivíduo 100 de modo que os gabaritos de calibração 973A, 973B não sobreponham qualquer elemento ortopédico do indivíduo 100.
[0092] A Figura 9B é uma vista medial-lateral dos elementos ortopédicos exemplificadores 100 (isto é, a Figura 9B representa uma segunda imagem 50 tirada de um segundo quadro de referência 50a). No exemplo mostrado, o quadro de referência medial-lateral 50a é girado ou "deslocado" 90° do primeiro quadro de referência anterior-posterior 30a. O primeiro gabarito de calibração 973A é fixado ao primeiro conjunto de retenção 974A. O primeiro conjunto de retenção 974A pode compreender um primeiro suporte acolchoado 971A engatado a uma primeira tira 977A. O primeiro suporte acolchoado 971A é fixado externamente à coxa do paciente através da primeira tira 977A. O primeiro conjunto de retenção 974A suporta o primeiro gabarito de calibração 973A desejavelmente paralelamente ao segundo quadro de referência 50a (isto é, ortogonal ao detector 33). De modo semelhante, um segundo gabarito de calibração 973B, que é fixado a um segundo conjunto de retenção 974B, pode ser fornecido. O segundo conjunto de retenção 974B pode compreender um segundo suporte acolchoado 971B engatado a uma segunda tira 977B. O segundo suporte acolchoado 971B é fixado externamente à panturrilha do paciente através da segunda tira 977B. O segundo conjunto de retenção 974B suporta o segundo gabarito de calibração 973B desejavelmente paralelamente ao segundo quadro de referência 50a (isto é, ortogonal ao detector 33). Os gabaritos de calibração 973A, 973B são desejavelmente posicionados suficientemente distantes dos elementos ortopédicos do indivíduo 100 de modo que os gabaritos de calibração 973A, 973B não sobreponham qualquer elemento ortopédico do indivíduo 100.
[0093] O paciente pode ser desejavelmente posicionado na posição de pé (isto é, a perna está em extensão) devido ao fato de que a articulação de joelho é estável nessa orientação (consulte a Figura 18). De preferência, a distância do paciente em relação à máquina de imageamento não deve ser alterada durante a aquisição das imagens de entrada 30, 50. A primeira e a segunda imagens 30, 50 não precisam capturar a perna inteira, em vez disso, a imagem pode focar na articulação que será o objeto da área operatória 170.
[0094] Será reconhecido que, dependendo do elemento ortopédico do indivíduo 100 a ser modelado por imageamento, apenas um único gabarito de calibração 973 pode ser usado. De modo semelhante, se uma coleção particularmente longa de elementos ortopédicos 100 tiver que ser imageada e modelada, mais que dois gabaritos de calibração podem ser usados.
[0095] Cada gabarito de calibração 973A, 973B é desejavelmente de um tamanho conhecido. Cada gabarito de calibração 973A, 973B tem desejavelmente pelo menos quatro ou mais pontos de calibração 978 distribuídos através do mesmo. Os pontos de calibração 978 são distribuídos em um padrão conhecido no qual a distância de um ponto 978 em relação aos outros é conhecida. A distância do gabarito de calibração 973 a partir de um elemento ortopédico 100 pode também ser desejavelmente conhecida. Para a calibração de um sistema de fotogrametria por raios-X, os pontos de calibração 978 podem ser desejavelmente definidos por estruturas de metal no gabarito de calibração 973. Metal tipicamente absorve a maioria dos feixes de raios-X que entram em contato com o metal. Dessa forma, metal tipicamente aparece muito brilhante em relação ao material que absorve menos os raios-X (como cavidades de ar ou tecido adiposo). Estruturas exemplificadoras comuns que definem pontos de calibração incluem cruzes reseau, círculos, triângulo, pirâmides e esferas.
[0096] Esses pontos de calibração 978 podem existir em uma superfície 2D do gabarito de calibração 973, ou pontos de calibração 3D 978 podem ser capturados como projeções 2D a partir de um determinado quadro de referência de imagem. Em qualquer situação, a coordenada 3D (comumente designada como a coordenada z) pode ser definida igual a zero para todos os pontos de calibração 978 capturados na imagem. A distância entre cada ponto de calibração 978 é conhecida. Essas distâncias conhecidas podem ser expressas como coordenadas x, y no sensor/detector de imagem 33. Para mapear um ponto no espaço 3D a um pixel de coordenada 2D em um sensor 33, o produto pontual da matriz de calibração do detector, a matriz extrínseca e o vetor de coordenada homólogo do ponto 3D real podem ser usados. Isso permite que as coordenadas do mundo real de um ponto no espaço 3D sejam mapeadas em relação ao gabarito de calibração 973. Dito de forma diferente, isso geralmente permite que as coordenadas x, y do ponto real no espaço 3D sejam transformadas com precisão no plano de coordenadas 2D do sensor 33 do detector de imagem para definir os dados espaciais 43 (consulte a Figura 10).
[0097] O método de calibração acima é fornecido como um exemplo. Será reconhecido que todos os métodos adequados para calibrar um sistema de fotogrametria por raios-X são considerados como estando no escopo desta divulgação. Uma lista não limitadora de outros métodos de calibração por sistema de fotogrametria por raios-X inclui o uso de uma placa reseau, o método de Zhang, o método de ajuste de feixe, métodos de transformação linear direta, estimativa de probabilidade máxima, uma abordagem de regressão de k-vizinhos mais próximos (kNN - "k-nearest neighbor"), outros métodos de aprendizado profundo ou combinações dos mesmos.
[0098] A Figura 11 ilustra como as imagens de entrada calibradas 30, 50, quando orientadas ao longo do ângulo de deslocamento conhecido θ, podem ser retroprojetadas em um volume 3D 61 que compreende dois canais 65, 66. O primeiro canal 65 contém todos os pontos de imagem (por exemplo, XL etc.) da primeira imagem de entrada 30, e o segundo canal 66 contém todos os pontos de imagem (por exemplo, XR etc.) da segunda imagem de entrada 50. Isto é, cada ponto de imagem (por exemplo, pixel) é replicado através de seu raio 3D retroprojetado associado. A seguir, a geometria epipolar pode ser usada para gerar um volume 61 da área operatória imageada 170, que compreende dados de volume 75 a partir dessas imagens de entrada 2D retroprojetadas 30, 50.
[0099] Com referência à Figura 11, a primeira imagem 30 e a segunda imagem 50 têm desejavelmente dimensões de imagem conhecidas. As dimensões podem ser pixels. Por exemplo, a primeira imagem 30 pode ter dimensões de 128 x 128 pixels. A segunda imagem 50 pode ter dimensões de 128 x 128 pixels. As dimensões das imagens de entrada 30, 50 usadas em uma computação específica têm desejavelmente dimensões consistentes. Dimensões consistentes podem ser desejáveis para definir posteriormente uma área de trabalho cúbica de volume regular 61 (por exemplo, um cubo de 128 x 128 x 128). Conforme visto na Figura 10, o ângulo de deslocamento θ é desejavelmente 90°. Entretanto, outros ângulos de deslocamento θ podem ser usados em outras modalidades exemplificadoras.
[00100] No exemplo mostrado, cada uma das imagens de entrada de 128 x 128 pixels 30, 50 são replicadas 128 vezes ao longo do comprimento da imagem de entrada adjacente para criar um volume 61 que tem dimensões de 128 x 128 x 128 pixels. Isto é, a primeira imagem 30 é copiada e empilhada atrás de si mesma em uma cópia por pixel para 128 pixels enquanto a segunda imagem 50 é copiada e empilhada atrás de si mesma para 128 pixels de modo que as imagens empilhadas se sobreponham para criar, assim, o volume 61. Dessa maneira, pode ser dito que o volume 61 compreende dois canais 65, 66, sendo que o primeiro canal 65 compreende a primeira imagem 30 replicada n vezes ao longo do comprimento da segunda imagem 50 (isto é, o eixo x da segunda imagem 50), e o segundo canal 66 compreende a segunda imagem 50 replicada m vezes ao longo do comprimento da primeira imagem 30 (isto é, o eixo x da primeira imagem 30), sendo que "n" e "m" são o comprimento da imagem indicada conforme expresso como o número de pixels (ou outras dimensões em outras modalidades exemplificadoras) que compreendem o comprimento da imagem indicada. Se o ângulo de deslocamento θ for conhecido, cada fatia transversal (também conhecida como uma "fatia axial" por alguns radiologistas) do volume 61 cria um plano epipolar que compreende voxels que são retroprojetados a partir dos pixels que compreendem as duas linhas epipolares. Dessa maneira, a projeção dos dados espaciais 43 a partir da primeira imagem 30 do elemento em pauta ortopédico 100 e dos dados espaciais 43 a partir da segunda imagem 50 do elemento em pauta ortopédico 100 define os dados de volume 75. Com o uso desses dados de volume 75, a representação 3D pode ser reconstruída com o uso dos princípios geométricos epipolares conforme discutido acima; a representação 3D é geometricamente consistente com as informações nas imagens de entrada 30, 50.
[00101] Nos sistemas e métodos exemplificadores para calcular uma área de aberração óssea 115 com o uso de uma rede de aprendizado profundo, sendo que a rede de aprendizado profundo é uma CNN, um exemplo detalhado de como a CNN pode ser estruturado e treinado é fornecido. Todas as arquiteturas das CNNs são consideradas como estando dentro do escopo desta divulgação. Arquiteturas de CNN comuns incluem, a título de exemplo, LeNet, GoogLeNet, AlexNet, ZFNet, ResNet e VGGNet.
[00102] A Figura 17 é uma representação esquemática de uma CNN que ilustra como a CNN pode ser usada para identificar áreas de aberrações ósseas 115. Sem se ater à teoria, contempla-se que uma CNN pode ser desejável para reduzir o tamanho dos dados de volume 75 sem perder os recursos que são necessários para identificar o elemento ortopédico desejado ou as áreas desejadas de aberração óssea 115. Os dados de volume 75 das múltiplas imagens de entrada retroprojetadas 30, 50 são um arranjo multidimensional que pode ser conhecido como um "tensor de entrada." Esse tensor de entrada compreende os dados de entrada (que são os dados de volume 75 nesse exemplo) para a primeira convolução. Um filtro (também conhecido como um núcleo 69) é mostrado disposto nos dados de volume 75. O núcleo 69 é um tensor (isto é, um arranjo multidimensional) que define um filtro ou função (esse filtro ou função é algumas vezes conhecida como o "peso" dado ao núcleo). Na modalidade representada, o tensor de núcleo 69 é tridimensional. O filtro que compreende o núcleo 69 pode ser programado manualmente ou aprendido através da CNN, RNN ou outra rede de aprendizado profundo. Na modalidade representada, o núcleo 69 é um tensor 3x3x3, embora todos os tamanhos e dimensões de tensor sejam considerados como dentro do escopo desta divulgação, desde que o tamanho de tensor de núcleo seja menor que o tamanho do tensor de entrada.
[00103] Cada célula ou voxel do núcleo 69 tem um valor numérico. Esses valores definem o filtro ou a função do núcleo 69. Uma operação de convolução ou correlação cruzada é realizada entre os dois tensores. Na Figura 17, a convolução é representada pela trajetória 76. A trajetória 76 que o núcleo 69 segue é uma visualização de uma operação matemática. Seguindo essa trajetória 76, o núcleo 69 eventual e sequencialmente atravessa todo o volume 61 do tensor de entrada (por exemplo, os dados de volume 75). O objetivo dessa operação é extrair recursos do tensor de entrada.
[00104] As camadas de convolução 72 compreendem tipicamente uma ou mais das seguintes operações: um estágio de convolução 67, um estágio de detector 68 e um estágio de agrupamento 58. Embora essas respectivas operações sejam representadas visualmente na primeira camada de convolução 72a na Figura 17, será reconhecido que as camadas de convolução subsequentes 72b, 72c etc. podem também compreendem uma ou mais ou todas dentre as operações de estágio de convolução 67, estágio de detector 68 e estágio de agrupamento 58 ou combinações ou permutações das mesmas. Ademais, embora a Figura 17 mostre cinco camadas de convolução 72a, 72b, 72c, 72d, 72e de várias resoluções, será reconhecido que mais ou menos camadas de convolução podem ser usadas em outras modalidades exemplificadoras.
[00105] No estágio de convolução 67, o núcleo 69 é sequencialmente multiplicado por múltiplos patches de pixels nos dados de entrada (isto é, os dados de volume 75 no exemplo mostrado). O patch de pixels extraído dos dados é conhecido como o campo receptivo. A multiplicação do núcleo 69 e o do campo receptivo compreende uma multiplicação por elementos entre cada pixel do campo receptivo e do núcleo 69. Após a multiplicação, os resultados são somados para formar um elemento de uma saída de convolução. Esse núcleo 69 então se desloca para o campo receptivo adjacente, e a multiplicação por elementos e soma continuam até todos os pixels do tensor de entrada terem sido submetidos à operação.
[00106] Até esse ponto, os dados de entrada (por exemplo, os dados de volume 75) do tensor de entrada têm sido lineares. Para introduzir não linearidade a esses dados, uma função de ativação não linear é, então, usada. O uso de tal função não linear marca o começo do estágio de detector 68. Uma função de ativação não linear comum é a função de unidade linear retificada (ReLU - "rectified linear unit"), que é dada pela função:
[00107] Quando usada com propensão, a função de ativação não linear serve como um limite para detectar a presença do recurso extraído pelo núcleo 69. Por exemplo, a aplicação de uma operação de convolução ou correlação cruzada entre o tensor de entrada e o núcleo 69, sendo que o núcleo 69 compreende um filtro de borda de baixo nível no estágio de convolução 67, produz um tensor de saída de convolução. Então, a aplicação de uma função de ativação não linear com uma propensão para o tensor de saída de convolução retornará um tensor de saída de mapa de recurso. A propensão é sequencialmente adicionada a cada célula do tensor de saída de convolução. Para uma determinada célula, se a soma for maior que ou igual a 0 (presumindo que ReLU é usada nesse exemplo), então a soma será retornada na célula correspondente do tensor de saída de mapa de recurso. De modo semelhante, se a soma for menor que 0 para uma determinada célula, então a célula correspondente do tensor de saída de mapa de recurso será definida a 0. Portanto, a aplicação de funções de ativações não lineares à saída de convolução se comporta como um limite para determinar se e quão estreitamente a saída de convolução se correlaciona ao filtro do núcleo 69. Dessa maneira, a função de ativação não linear detecta a presença dos recursos desejados a partir dos dados de entrada (por exemplo, os dados de volume 75 nesse exemplo).
[00108] Todas as funções de ativação não lineares são consideradas como estando dentro do escopo desta divulgação. Outros exemplos incluem as funções de ativação Sigmoid, TanH, Leaky ReLU, ReLU paramétrica, Softmax e Switch.
[00109] Entretanto, uma desvantagem dessa abordagem é que a saída de mapa de recurso dessa primeira camada convolucional 72a registra a posição precisa do recurso desejado (no exemplo acima, uma borda). Dessa forma, pequenos movimentos do recurso nos dados de entrada resultarão em um mapa de recurso diferente. Para resolver esse problema e reduzir a potência computacional, redução da taxa de amostragem é usada para reduzir a resolução dos dados de entrada enquanto ainda se preservam os elementos estruturais significativos. A redução da taxa de amostragem pode ser alcançada alterando-se o avanço da convolução ao longo do tensor de entrada. A redução da taxa de amostragem é também alcançada com o uso de uma camada de agrupamento 58.
[00110] Acolchoamento válido pode ser aplicado para reduzir as dimensões do tensor convolucionado (consulte 72b) em comparação com o tensor de entrada (consulte 72a). Uma camada de agrupamento 58 é desejavelmente aplicada para reduzir o tamanho espacial dos dados convolucionados, o que diminui a potência computacional exigida para processar os dados. Técnicas de agrupamento comuns, incluindo agrupamento máximo e agrupamento médio, podem ser usadas. O agrupamento máximo retorna o valor máximo da porção do tensor de entrada coberto pelo núcleo 69, enquanto o agrupamento médio retorna a média de todos os valores da porção do tensor de entrada coberto pelo núcleo 69. O agrupamento máximo pode ser usado para reduzir o ruído de imagem.
[00111] Em certas modalidades exemplificadoras, uma camada completamente conectada pode ser adicionada após a camada de convolução final 72e para aprender as combinações não lineares dos recursos de alto nível (como o perfil de uma tíbia proximal imageada 110 ou uma aberração óssea 115) representadas pela saída das camadas convolucionais.
[00112] A metade superior da Figura 17 representa a compactação dos dados de volume de entrada 75, enquanto a metade inferior representa a descompactação até o tamanho original dos dados de volume de entrada 75 ser alcançado. O mapa de recurso de saída de cada camada de convolução 72a, 72b, 72c etc. é usado como a entrada para a camada de convolução seguinte 72b, 72c etc. para permitir a extração de recurso progressivamente mais complexa. Por exemplo, o primeiro núcleo 69 pode detectar bordas, um núcleo na primeira camada de convolução 72b pode detectar uma coleção de bordas em uma orientação desejada, um núcleo em uma terceira camada de convolução 72c pode detectar uma coleção mais longa de bordas em uma orientação desejada etc. Esse processo pode continuar até todo o perfil do côndilo femoral distal medial ser detectado por uma camada de convolução a jusante 72.
[00113] A metade inferior da Figura 17 aumenta a taxa de amostragem (isto é, expande o suporte espacial dos mapas de recurso de resolução mais baixa). Uma operação de desconvolução é realizada a fim de aumentar o tamanho da entrada para a próxima camada convolucional a jusante (consulte 72c, 72d, 72e). Para a camada de convolução final 72e, uma convolução pode ser usada com um núcleo 1 x 1 x 1 69 para produzir um volume de saída de múltiplos canais 59 que tem o mesmo tamanho que o volume de entrada 61. Cada canal do volume de saída de múltiplos canais 59 pode representar um recurso de alto nível extraído desejado. Isso pode ser seguido por uma função de ativação Softmax para detectar os elementos ortopédicos desejados 100. Por exemplo, a modalidade representada pode compreender seis canais de saída numerados 0, 1, 2, 3, 4, 5, sendo que o canal 0 representa o volume de fundo identificado, o canal 1 representa o fêmur distal identificado 105, o canal 2 representa a tíbia proximal identificada 110, o canal 3 representa a fíbula proximal identificada 111, o canal 4 representa a patela identificada 901 e o canal 5 representa a aberração óssea identificada 115.
[00114] Nas modalidades exemplificadoras, canais de saída selecionados que compreendem dados de volume de saída 59 do elemento ortopédico desejado 100 ou aberração óssea 115b podem ser usados para criar um modelo 3D do elemento ortopédico do indivíduo 1100 ou um modelo 3D da aberração óssea 115m.
[00115] Embora o exemplo acima tenha descrito o uso de um núcleo de tensor tridimensional 69 para convolucionar os dados de volume de entrada 75, será reconhecido que o modelo geral descrito acima pode ser usado com dados espaciais 2D 43 da primeira imagem de entrada calibrada 30 e da segunda imagem de entrada calibrada 50 respectivamente. Em outras modalidades exemplificadoras, um algoritmo de aprendizado de máquina (isto é, uma rede de aprendizado profundo (por exemplo, uma CNN)) pode ser usado após a calibração da máquina de imageamento, mas antes da reconstrução de 2D para 3D. Isto é, a CNN pode ser usada para detectar recursos (por exemplo, pontos de referência anatômicos) de um elemento ortopédico do indivíduo 100 a partir do primeiro quadro de referência 30a e do segundo quadro de referência 50a das respectivas imagens de entrada 2D 30, 50. Nas modalidades exemplificadoras, a CNN pode ser usada para identificar elementos ortopédicos de alto nível (por exemplo, o fêmur distal 105 e quaisquer aberrações ósseas 115) a partir das imagens de entrada 2D 30, 50. A CNN pode, então, opcionalmente aplicar uma máscara ou um contorno ao elemento ortopédico 100 ou aberração óssea 115 detectada. É contemplado que a máquina de imageamento 1800 é calibrada e, se a CNN tiver identificado múltiplos pontos de imagem correspondentes (por exemplo, XL, XR) de recursos entre as duas imagens de entrada 30, 50, então, as matrizes de transformação entre os quadros de referência 30a, 50a de um elemento ortopédico do indivíduo 100 podem ser usadas para alinhar os múltiplos pontos de imagem correspondentes no espaço 3D.
[00116] Em certas modalidades exemplificadoras que compreendem usar uma rede de aprendizado profundo para adicionar uma máscara ou um contorno 2D ao elemento ortopédico 100 ou aberração óssea 115 identificado a partir das respectivas imagens de entrada 30, 50, apenas as máscaras ou contornos 2D do elemento ortopédico 100 ou aberração óssea 115 identificados podem ser sequencialmente retroprojetadas da maneira descrita com referência às Figuras 10 e 11 supra para definir um volume 61 do elemento ortopédico 100 ou aberração óssea 115 identificados. Nessa maneira exemplificadora, um modelo 3D do elemento ortopédico do indivíduo 1100 ou um modelo 3D da aberração óssea 115m pode ser criado.
[00117] Nas modalidades em que a primeira imagem 30 e a segunda imagem 50 são imagens de raios-X radiográficas, treinar uma CNN pode apresentar diversos desafios. A título de comparação, tomografias computadorizadas produzem tipicamente uma série de imagens do volume desejado. Cada imagem de TC que compreende uma tomografia computadorizada típica pode ser imaginada como um segmento do volume imageado. A partir desses segmentos, um modelo 3D pode ser criado de modo relativamente fácil adicionando-se a área do elemento desejado na medida em que o elemento é mostrado em cada imagem de TC sucessiva. O elemento modelado pode, então, ser comparado com os dados na tomografia computadorizada para garantir exatidão.
[00118] Em contraste, sistemas de imageamento radiográfico não geram tipicamente imagens sequenciais que capturam diferentes segmentos do volume imageado; ao invés disso, todas as informações da imagem são achatadas no plano 2D. Adicionalmente, como uma única imagem radiográfica 30 não tem inerentemente dados 3D, é difícil verificar o modelo gerado pela técnica de reconstrução de geometria epipolar descrita acima com a geometria real do elemento ortopédico-alvo 100. Para resolver esse problema, a CNN pode ser treinada com imagens de TC, como imagens de radiografia digitalmente reconstruída (DRRs - "digitally reconstructed radiograph"). Treinando-se a rede neural desse modo, a rede neural pode desenvolver seus próprios pesos (por exemplo, filtros) para os núcleos 69 para identificar um elemento ortopédico desejado 100 ou uma aberração óssea 115b. Como as radiografias de raios-X têm uma aparência diferente das DRRs, a tradução de imagem para imagem pode ser realizada para renderizar as imagens de raios-X de entrada para terem uma aparência do estilo DRR. Um método de tradução de imagem para imagem exemplificador é a técnica de tradução de imagem Cycle-GAN. Nas modalidades em que métodos de transferência de estilo de imagem para imagem são usados, o método de transferência de estilo é desejavelmente usado antes da inserção de dados em uma rede de aprendizado profundo para detecção de recurso.
[00119] Os exemplos acima são fornecidos para propósitos de ilustração e não são, de nenhum modo, destinados a limitar o escopo desta divulgação. Todos os métodos para gerar um modelo 3D do elemento ortopédico do indivíduo 1100 ou um modelo 3D da aberração óssea 115m a partir das imagens radiográficas 2D do mesmo elemento ortopédico do indivíduo 100 tiradas de pelo menos duas posições transversais (por exemplo, 30a, 50a) são considerados como estando dentro do escopo desta divulgação.
[00120] A Figura 12 é uma vista em perspectiva que mostra um fêmur distal 105 e modelos 3D de aberrações ósseas 115m1, 115m2. Será reconhecido que os modelos 3D das aberrações ósseas 115m1, 115m2 podem ser produzidos de acordo com qualquer método ou sistema desta divulgação. Na modalidade representada, o fêmur distal 105 tinha duas aberrações ósseas negativas 115a, 115c (isto é, áreas de perda óssea) no côndilo medial 107. Um método de acordo com esta divulgação pode ser usado para identificar as aberrações ósseas 115a, 115c, conforme descrito aqui. O canal de saída que compreende os dados de volume de aberração óssea 59 pode ser usado para produzir um modelo 3D da aberração óssea 115m1. No exemplo mostrado, os respectivos modelos 3D das aberrações ósseas 115m1, 115m2 compreendem o volume inverso de aberrações ósseas reais 115a, 115c. Para delinear o contorno do volume que compreende os modelos 3D das aberrações ósseas 115m1, 115m2, a rede de aprendizado profundo pode ser treinada para detectar as bordas das aberrações ósseas negativas reais 115a, 115c e a curvatura da superfície do elemento ortopédico adjacente 100 no qual a aberração óssea negativa 115a, 115c reside. No exemplo mostrado, a superfície do elemento ortopédico adjacente é a superfície condilar medial. Um algoritmo de ajuste de superfície, como um algoritmo de ajuste de curva, pode, então, ser aplicado para estimar a curvatura da superfície ausente para corrigir, assim, a aberração óssea negativa 115. Nas modalidades, a curvatura estimada pode, então, ser adicionada à área superficial identificada da aberração óssea negativa (por exemplo, 115a). O espaço entre a área superficial identificada da aberração óssea negativa e a curvatura estimada define o volume modelado da aberração óssea negativa 115a. Os dados que compreendem esse volume modelado podem ser usados para produzir um modelo 3D da aberração 115m1 que tem um volume modelado inverso ao volume real da aberração óssea negativa 115a.
[00121] Será reconhecido que, nas modalidades em que a aberração óssea 115 é uma aberração óssea positiva 115 (por exemplo, um osteófito), uma rede de aprendizado profundo pode ser treinada para detectar as bordas da aberração óssea positiva real 115 e a curvatura da superfície do elemento ortopédico adjacente 100 no qual a aberração óssea positiva 115 reside. Se a superfície do elemento ortopédico adjacente 100 for curva, um algoritmo de ajuste de curva pode ser usado para estimar a curvatura da superfície sem a aberração óssea positiva 115 para corrigir, assim, a aberração óssea positiva 115.
[00122] Em certas modalidades exemplificadoras, um modelo 3D da aberração óssea 115m1 pode ser produzido como um modelo de aberração óssea 3D físico. Se for usado intraoperativamente, o modelo 3D físico da aberração óssea 115m1 pode ser criado a uma escala 1:1. Em tais modalidades exemplificadoras, o modelo 3D físico da aberração óssea 115m1 pode ser feito de uma poliamida de grau médico (informalmente conhecida como náilon). O material do modelo 3D físico da aberração óssea 115m1 deve ser esterilizável e pode ter desejavelmente propriedades adequadas para uma autoclave. Autoclaves são geralmente pequenas e compactadas, o que as torna especialmente úteis para esterilizar o modelo 3D físico da aberração óssea 115m1 no ou próximo do centro cirúrgico.
[00123] Outros exemplos de materiais adequados para o modelo 3D da aberração óssea 115m1 incluem um polietileno de grau médico (por exemplo, polietileno de peso molecular ultra-alto (UHMWPE - "ultra-high molecular weight polyethylene"), um poliéter éter cetona (PEEK - "polyether ether ketone"), ou outros materiais biocompatíveis clinicamente comprovados, incluindo, mas não se limitando a, ligas de cobalto-cromo-molibdênio, ligas de titânio e materiais de cerâmica, incluindo, mas não se limitando a, cerâmicas de alumina temperada com zircônia (ZTA - "zirconia toughened alumina"). Em situações nas quais a aberração óssea é uma área de perda óssea, uma vantagem de um modelo 3D físico 1:1 da aberração óssea 115m1 é que o modelo 3D físico da aberração óssea 115m1 tem uma superfície complementar da superfície exposta 116 da aberração óssea real (consulte 115b, Figura 2, 4). Desde que o modelo de aberração óssea 3D físico 115m1 seja adequadamente esterilizado, o modelo de aberração óssea 3D físico 115m1 pode ser colocado adjacente à superfície complementar 116 da aberração óssea real 115b intraoperativamente. Dessa maneira, a incerteza descrita acima com referência à Figura 2 supra é obviada.
[00124] Em uma modalidade exemplificadora, o modelo 3D físico da aberração óssea 115m2 pode ser seletivamente fixado a uma ou ambas as almofadas posteriores 693a, 693b do guia de alinhamento 600. É contemplado que, fornecendo-se um modelo esterilizado físico do osso ausente, a incerteza descrita com referência à Figura 5 infra é eliminada.
[00125] A Figura 3 é uma vista anterior de uma articulação de joelho esquerdo simplificada que representa visualmente a etapa de usar uma rede de aprendizado profundo para detectar uma aberração óssea 115a, 115b sobre ou dentro dos dados de volume 75 do elemento ortopédico 100. A rede de aprendizado profundo pode detectar outros pontos de referência a partir dos dados de volume 75 do elemento em pauta ortopédico 100 para definir um modelo 3D do elemento em pauta ortopédico 1100. Um algoritmo de ajuste de superfície é, então, aplicado para remover a aberração óssea 115a, 115b do modelo 3D do elemento ortopédico do indivíduo 1100. Na modalidade representada, a aberração óssea 115a, 115b é removida calculando-se uma superfície óssea ausente externa 117a, 117b que se correlaciona à superfície externa da aberração óssea 115a, 115b (nesse caso, a área superficial externa da perda óssea). Uma plataforma de computador que executa o método exemplificador pode executar o software que é treinado através de inteligência artificial para identificar recursos (isto é, pontos de referência) nos côndilos desgastados que seriam indicativos de perda óssea no modelo 3D. Em outras modalidades exemplificadoras, uma pessoa pode identificar manualmente as bordas da perda óssea através de uma interface de computador para identificar a área da aberração óssea 115a, 115b. Uma vez identificado, um algoritmo de ajuste de superfície pode ser aplicado para calcular uma superfície óssea ausente externa 117a, 117b que se encaixa com a área superficial externa da aberração óssea 115a, 115b em situações nas quais a aberração óssea constitui perda óssea.
[00126] Em outras modalidades exemplificadoras, a etapa de usar a rede de aprendizado profundo para detectar uma aberração óssea 115a, 115b sobre ou dentro dos dados de volume 75 do elemento ortopédico 100 compreende adicionalmente gerar um modelo 3D da aberração óssea 115m. Se o modelo de aberração óssea 3D 115 m for um modelo de computador, o modelo de aberração óssea 3D 115 m pode ser opcionalmente projetado em um visor 19, como uma tela. Em certas modalidades exemplificadoras, o modelo de computador de aberração óssea 3D 115m pode ser projetado dentro do campo de visão do cirurgião para sobrepor a aberração óssea real 115 em uma imagem da área operatória 170. Em ainda outras modalidades exemplificadoras, o modelo de computador de aberração óssea 3D 115m pode ser projetado dentro do campo de visão do cirurgião para sobrepor a aberração óssea real 115 no paciente, como na área operatória exposta 170. Tal visor 19 pode ser obtida através de um dispositivo de realidade aumentada, de preferência um dispositivo de realidade aumentada montado na cabeça.
[00127] Em ainda outras modalidades exemplificadoras, um modelo de aberração óssea 3D físico 115m pode ser criado através de uma técnica de fabricação (consulte a Figura 18). A dita técnica de fabricação pode compreender um método de fabricação redutivo, como através o uso de uma máquina de controle numérico computadorizado (CNC - "computer numerical control") ou uma máquina de moagem (fresadora). Em outras modalidades exemplificadoras, a técnica de fabricação pode compreender uma técnica de fabricação aditiva, como uma técnica de impressão 3D. Se a técnica de fabricação for uma técnica de fabricação aditiva, o modelo de aberração óssea 3D físico 115m pode ser fabricado no centro pré-operatório, externamente ou no ou próximo ao local operatório.
[00128] A Figura 4 é uma vista lateral de um localizador de guia de resseção femoral pivotante 400 que tem uma almofada de ajuste 440 com um botão de ajuste 442 que se estende a uma superfície óssea ausente externa calculada 117b de um côndilo lateral 103. Conforme pode ser visto, com a profundidade do desgaste de cartilagem adequadamente determinada, a almofada de ajuste 440 pode ser considerada como se estendendo para a superfície pré-doente do osso. Na prática, entretanto, o cirurgião pode, em vez disso, escolher adicionar a profundidade da perda óssea à profundidade determinada da perda de cartilagem, definir o comprimento l da almofada de ajuste 440 para refletir a soma combinada da perda de profundidade de osso máxima e a profundidade da perda de cartilagem e, então, colocar a almofada de ajuste 440 no osso exposto restante 116 do côndilo lateral. Dessa maneira, a superfície de referência distal 485 está agora disposta na superfície articular da junta pré-doente com precisão.
[00129] Em outras modalidades exemplificadoras, um modelo de aberração óssea 3D físico 1:1 115m pode ser afixado à extremidade distal do botão de ajuste 440 de modo que uma superfície complementar do modelo de aberração óssea 3D físico 1:1 115m se acople à superfície 116 da aberração óssea 115b quando o botão de ajuste 440 é disposto adjacente à aberração óssea exposta 115b (consulte a Figura 17). Em ainda outras modalidades exemplificadoras nas quais um dos elementos ortopédicos do indivíduo 100 é a cartilagem articular 123 do fêmur distal 105, o modelo de aberração óssea 3D físico 115m1 pode compreender o volume da perda óssea conforme descrito acima mais a superfície modelada da cartilagem ausente. Um algoritmo de ajuste de superfície pode ser usado para definir a superfície da cartilagem ausente em relação à superfície da cartilagem circundante.
[00130] A Figura 5 é uma vista em perspectiva de uma extremidade distal simplificada do fêmur 105 mostrada após a resseção distal ter sido feita com o guia de resseção 424. Um guia de alinhamento 600 que compreende almofadas posteriores 693a, 693b é disposto sob a porção posterior 103a, 107a dos côndilos femorais 103, 107. Para simplicidade, a porção posterior dos côndilos femorais será chamada de "côndilos posteriores" 103a, 107a. O guia de alinhamento 600 pode ser um guia de alinhamento e dimensionamento combinado conforme aqui mostrado ou apenas um guia de alinhamento 600. O guia de alinhamento 600 pode compreender um corpo 602. As almofadas posteriores 693a, 693b se estendem a partir de uma porção inferior do corpo 602, e os furos de perfuração 642a, 642b se estendem através do corpo 602 acima das almofadas posteriores 693a, 693b. Na modalidade representada, um furo de perfuração de pivô 642a se estende através do corpo 602 do guia de alinhamento 600, e um furo de perfuração radial 642b é disposto radialmente distal do furo de perfuração de pivô 642a. O furo de perfuração radial 642b também se estende através do corpo 602 do guia de alinhamento 600. Na prática, o cirurgião coloca as almofadas posteriores 693a, 693b sob os respectivos côndilos posteriores 103a, 107a de modo que o corpo 602 seja disposto adjacente à superfície ressecada 603 do fêmur distal 105. O cirurgião mede a espessura da cartilagem articular restante nos côndilos posteriores 103a, 107a e define o comprimento das almofadas posteriores 693a, 693b para refletir a quantidade de desgaste da cartilagem (similar ao modo descrito supra com referência à Figura 2). O ajuste da posição das almofadas posteriores 693a, 693b em relação ao corpo 602 faz com que o furo de perfuração radial 642b pivote ao redor do furo de perfuração de pivô 642a. Uma vez que o cirurgião está satisfeito com o ângulo, o cirurgião pode travar o ângulo da seção pivotante do guia de alinhamento 600 no lugar.
[00131] O cirurgião pode, então, perfurar a superfície ressecada 603 através dos furos de perfuração 642a, 642b e, então, inserir pinos nos respectivos furos de perfuração 642a, 642b. O cirurgião pode, então, remover o guia de alinhamento 600 e deixar os pinos. O ângulo desses pinos define o ângulo no qual um guia de resseção adicional (comumente conhecido como um "bloco de corte quatro em um") pode ser colocado próximo da superfície ressecada. O bloco de corte quatro em um tem fendas de resseção adicionais que permitem que o cirurgião faça resseções anteriores, posteriores e chanfradas com o uso de um único "bloco de corte". Essas resseções adicionais criam um perfil no fêmur distal 105 sobre o qual implantes de teste (e eventualmente o implante endoprostético real) podem ser colocados.
[00132] Uma aberração óssea negativa (por exemplo, perda óssea) 115c pode ser menos comum nas porções posteriores 103a, 107a dos côndilos femorais 103, 107, mas tal perda óssea é ainda possível, especialmente em doenças degenerativas avançadas. As aberrações ósseas negativas 115c dos côndilos posteriores 103a, 107a apresentam problemas similares na replicação precisa da superfície articular natural da junta pré-doente, particularmente em alinhamento cinemático.
[00133] Por exemplo, se o côndilo posterior medial 107a tiver uma aberração óssea negativa 115 conforme mostrado na Figura 5, era anteriormente impossível saber com certeza como ajustar o guia de alinhamento mostrado para considerar a quantidade de desgaste ósseo presente. O ajuste excessivo da almofada posterior medial 693a alteraria a posição de onde os respectivos furos de perfuração 642a, 642b estavam localizados em relação à superfície ressecada 603 e poderia alterar o ângulo de pivô dos respectivos furos de perfuração 642a, 642b. Como resultado, os pinos poderiam ser mal colocados. Por extensão, a posição do bloco de corte quatro em um seria também deslocada em virtude do deslizamento sobre os pinos mal colocados. Resseções anteriores, posteriores e chanfradas mal colocadas poderiam resultar no assentamento impreciso do componente femoral do implante endoprostético.
[00134] Para resolver esse problema, os cirurgiões podem medir a quantidade de desgaste da cartilagem articular nos côndilos posteriores 103a, 107a das maneiras descritas acima ou com o uso de outros métodos conhecidos. Em outras modalidades exemplificadoras, um modelo de aberração óssea 3D físico 1:1 115m pode ser afixado à extremidade das almofadas posteriores 693a, 693b de modo que uma superfície complementar (também conhecida como "superfície de acoplamento") do modelo de aberração óssea 3D físico 1:1 115m se acopla à superfície 116c da aberração óssea 115c quando a almofada posterior 693a é disposta adjacente à aberração óssea exposta 115c.
[00135] Em outras modalidades exemplificadoras, a superfície de acoplamento do modelo de aberração óssea 3D físico pode compreender uma ou mais projeções (por exemplo, espigões, pinos ou outras proteções). Essas projeções podem ser marteladas ou forçadamente inseridas de outro modo através da superfície desgastadas 116c da aberração óssea 115c, para prender, assim, o modelo físico da aberração óssea 115m à aberração óssea negativa 115c para eliminar, assim, a aberração óssea negativa 115c. Usar um guia de alinhamento 600 com o modelo de aberração óssea 3D físico dessa maneira pode garantir referência mais precisa. Ademais, alguns blocos de corte quatro em um têm marcações que são projetadas para referenciar a superfície dos côndilos posteriores 107a, 103a. O uso de um modelo de aberração óssea 3D físico dessa maneira recria eficazmente a superfície pré-doente dos côndilos posteriores 107a, 103a que pode servir como um indicador visual de que o bloco de corte quatro em um (ou outros instrumentos, conforme pode ser o caso) está adequadamente alinhado com o indicador referenciado.
[00136] Em ainda outras modalidades exemplificadoras nas quais um dos elementos ortopédicos do indivíduo 100 é a cartilagem articular 123 do fêmur distal 105, o modelo de aberração óssea 3D físico 115m2 pode compreender o volume da perda óssea conforme descrito acima mais a superfície modelada da cartilagem ausente. Um algoritmo de ajuste de superfície pode ser usado para definir a superfície da cartilagem ausente em relação à superfície da cartilagem circundante. Dessa maneira, a superfície articular do côndilo pode ser precisamente recriada, aumentando, assim, substancialmente, a precisão da referência de superfície articular.
[00137] Em outras modalidades exemplificadoras, uma cunha, que tem uma altura igual à profundidade máxima da aberração óssea negativa, à profundidade da cartilagem articular ausente ou à profundidade máxima combinada da aberração óssea negativa e à profundidade da cartilagem articular ausente, pode ser adicionada a uma ou mais das almofadas posteriores 693a, 693b para deslocar a quantidade de desgaste e recriar substancialmente a posição da superfície articular pré-doente.
[00138] Uma plataforma de computador, que tem hardware, como uma ou mais unidades centrais de processamento (CPU), uma memória de acesso aleatório (RAM) e interface(s) de entrada/saída (E/S), pode receber pelo menos duas imagens radiográficas 2D tiradas em diferentes orientações ao longo de um plano transversal. As orientações são, de preferência, ortogonais uma à outra. A plataforma de computador pode, então, executar um aplicativo de aprendizado de máquina que identifica uma área de perda óssea 115a, 115b, 115c e que aplica um algoritmo de ajuste de superfície para calcular uma superfície óssea ausente externa 117a, 117b, 117c que se encaixa à área de perda óssea 115a, 115b, 115c.
[00139] A plataforma de computador pode exibir opcionalmente o modelo de computador 3D 1100. Nas modalidades exemplificadoras em que o modelo 3D é exibido, a plataforma de computador pode exibir adicionalmente a superfície óssea ausente externa 117a, 117b, 117c sobre a área de perda óssea 115a, 115b, 115c para permitir que o observador visualize a superfície óssea ausente externa pré-doente 117a, 117b, 117c. Novamente com referência à Figura 5, o cirurgião pode usar esses dados para definir almofadas posteriores 693a, 693b do guia de alinhamento 600 para refletir a superfície articular dos côndilos posteriores pré-doentes 103a, 107a.
[00140] A Figura 16 mostra, de modo geral, um diagrama de blocos de uma máquina computacional exemplificadora 1600 mediante a qual um ou mais dos métodos discutidos aqui podem ser realizados de acordo com algumas modalidades exemplificadoras. Em certas modalidades exemplificadoras, a máquina computacional 1600 pode operar em uma única máquina. Em outras modalidades exemplificadoras, a máquina computacional 1600 pode compreender máquinas conectadas (por exemplo, em rede). Exemplos de máquinas em rede que podem compreender a máquina computacional exemplificadora 1600 incluem, a título de exemplo, configurações de computação em nuvem, configurações de hospedagem distribuída e outras configurações de cluster de computador. Em uma configuração em rede, uma ou mais máquinas da máquina computacional 1600 podem operar na capacidade de uma máquina de cliente, uma máquina de servidor ou uma máquina de servidor-cliente. Nas modalidades exemplificadoras, a máquina computacional 1600 pode residir em um computador pessoal (PC - "personal computer"), um telefone móvel, um tablet PC, um dispositivo da web, um assistente digital pessoal (PDA - "personal digital assistant"), um roteador de rede, uma ponte, uma chave ou qualquer máquina capaz de executar instruções que especificam ações a serem realizadas pela dita máquina ou uma segunda máquina controlada pela dita máquina.
[00141] As máquinas exemplificadoras que podem compreender máquinas computacionais exemplificadoras 1600 podem incluir, a título de exemplo, componentes, módulos ou mecanismos similares capazes de executar funções lógicas. Tais máquinas podem ser entidades tangíveis (por exemplo, hardware) que são capazes de executar operações especificadas durante funcionamento. Como um exemplo, o hardware pode ser ligado por cabo (por exemplo, especificamente configurado) para executar uma operação específica. A título de exemplo, tal hardware pode compreender mídias de execução configuráveis (por exemplo, circuitos, transistores, portas lógicas etc.) e uma mídia legível por computador que tem instruções, sendo que as instruções configuram as mídias de execução para executar uma operação específica durante o funcionamento. A configuração pode ocorrer através de um mecanismo de carregamento ou sob a direção das mídias de execução. As mídias de execução se comunicam seletivamente à mídia legível por computador quando a máquina está funcionando. A título de exemplo, quando a máquina está em funcionamento, a mídia de execução pode ser configurada por um primeiro conjunto de instruções para executar uma primeira ação ou conjunto de ações em um primeiro ponto no tempo e, então, reconfigurada em um segundo ponto no tempo por um segundo conjunto de instruções para executar uma segunda ação ou conjunto de ações.
[00142] A máquina computacional exemplificadora 1600 pode incluir um processador de hardware 1697 (por exemplo, uma CPU, uma unidade de processamento de gráficos (GPU - "graphics processing unit"), um núcleo de processador de hardware ou qualquer combinação dos mesmos, uma memória principal 1696 e uma memória estática 1695, alguns ou todos os quais podem se comunicar um com o outro através de um interlink (por exemplo, um barramento) 1694). A máquina computacional 1600 pode incluir adicionalmente uma unidade de exibição 1698, um dispositivo de entrada 1691 (de preferência, um dispositivo de entrada alfanumérico ou caracteres e números, como um teclado), e um dispositivo de navegação de interface de usuário (UI - "user interface") 1699 (por exemplo, um mouse ou caneta). Em uma modalidade exemplificadora, o dispositivo de entrada 1691, a unidade de exibição 1698 e o dispositivo de navegação de UI 1699 podem ser uma exibição de tela sensível ao toque. Nas modalidades exemplificadoras, a unidade de exibição 1698 pode incluir lentes holográficas, óculos, óculos de proteção, outros artigos para correção e proteção ocular, ou outros componentes de exibição AR ou VR. Por exemplo, a unidade de exibição 1698 pode ser usada na cabeça de um usuário e pode fornecer uma tela de alerta ao usuário. O dispositivo de entrada 1691 pode incluir um teclado virtual (por exemplo, um teclado exibido virtualmente em uma configuração de realidade virtual (VR - "virtual reality") ou realidade aumentada (AR - "augmented reality")) ou outra interface de entrada virtual
[00143] A máquina computacional 1600 pode incluir adicionalmente um dispositivo de armazenamento (por exemplo, uma unidade de acionamento) 1692, um gerador de sinal 1689 (por exemplo, um altofalante), um dispositivo de interface de rede 1688 e um ou mais sensores 1687, como um sensor de sistema de posicionamento global (GPS), acelerômetro, bússola ou outro sensor. A máquina computacional 1600 pode incluir um controlador de saída 1684, como uma conexão serial (por exemplo, barramento serial universal (USB - "universal serial bus")), paralela ou outra conexão com fio ou sem fio (por exemplo, comunicação de campo próximo (NFC - "near field communication"), de infravermelho (IV), rádio etc.) para se comunicar com ou controlar um ou mais dispositivos auxiliares.
[00144] O dispositivo de armazenamento 1692 pode incluir uma mídia legível por máquina 1683 que é não transitória, na qual é armazenado um ou mais conjuntos de estruturas de dados ou instruções 1682 (por exemplo, software) incorporando ou usadas por qualquer uma ou mais das funções e métodos aqui descritos. As instruções 1682 podem residir completamente ou pelo menos parcialmente dentro da memória principal 1696, dentro da memória estática 1695 ou dentro do processador de hardware 1697 durante a execução das mesmas pela máquina computacional 1600. A título de exemplo, uma ou qualquer combinação do processador de hardware 1697, da memória principal 1696, da memória estática 1695 ou do dispositivo de armazenamento 1692 pode constituir as mídias legíveis por máquina.
[00145] Embora a mídia legível por máquina 1683 seja ilustrada como uma única mídia, o termo "mídia legível por máquina" pode incluir uma única mídia ou múltiplas mídias (por exemplo, uma base de dados distribuída ou centralizada ou caches e servidores associados) configuradas para armazenar as uma ou mais instruções 1682.
[00146] O termo "mídia legível por máquina" pode incluir qualquer mídia que seja capaz de armazenar, codificar ou portar instruções para execução pela máquina computacional 1600 e que fazem com que a máquina computacional 1600 realize qualquer um ou mais dos métodos da presente divulgação ou que seja capaz de armazenar, codificar ou portar estruturas de dados usadas por ou associadas a tais instruções. Uma lista de exemplo não limitada de mídia legível por máquina pode incluir mídia magnética, mídia óptica, memórias de estado sólido, memória não volátil, como dispositivos de memória semicondutora (por exemplo, memória somente de leitura programável apagável eletronicamente (EEPROM - "electronically erasable programable read-only memory"), memória somente de leitura programável eletronicamente (EPROM - "electronically programmable read-only memory") e discos magnéticos, como discos rígidos internos e discos removíveis, dispositivos de armazenamento flash, discos magneto-ópticos e discos de CD-ROM e DVD-ROM)
[00147] As instruções 1682 podem ser adicionalmente transmitidas ou recebidas através de uma rede de comunicações 1681 com o uso de um meio de transmissão através do dispositivo de interface de rede 1688 usando qualquer um dentre vários protocolos de transferência (por exemplo, protocolo de internet (IP - "internet protocol"), protocolo de datagrama do usuário (UDP - "user datagram protocol"), frame relay, protocolo de controle de transmissão (TCP - "transmission control protocol"), protocolo de transferência de hipertexto (HTTP - "hypertext transfer protocol") etc.). As redes de comunicação exemplificadoras podem incluir uma rede de longa distância (WAN - "wide area network"), uma rede de telefone simples (POTS - "plain old telephone"), uma rede de área local (LAN - "local area network"), uma rede de dados de pacote, uma rede de telefonia móvel, uma rede de dados sem fio e uma rede ponto a ponto (P2P - "peer-to-peer"). A título de exemplo, o dispositivo de interface de rede 1688 pode incluir uma ou mais tomadas físicas (por exemplo, tomadas Ethernet, coaxial ou de telefone) ou uma ou mais antenas para se conectar à rede de comunicações 1681.
[00148] A título de exemplo, o dispositivo de interface de rede 1688 pode incluir uma pluralidade de antenas para se comunicar sem fio com o uso de pelo menos um dentre os métodos de entrada única e múltiplas saídas (SIMO - "single-input multiple-output") ou múltiplas entradas e saída única (MISO - "multiple-input single output"). A frase "meio de transmissão" inclui qualquer meio tangível que seja capaz de armazenar, codificar ou portar instruções para execução pela máquina computacional 1600 e inclui sinais de comunicações analógicos ou digitais ou outra mídia intangível para facilitar a comunicação de tal software.
[00149] Métodos exemplificadores de acordo com esta divulgação podem ser implementados por máquina ou computador pelo menos em parte. Alguns exemplos podem incluir uma mídia legível por computador ou meio legível por máquina codificada com instruções operáveis para configurar um dispositivo eletrônico para realizar os métodos exemplificadores aqui descritos. Uma implementação exemplificadora de tal método exemplificador pode incluir código, como código de linguagem de conjunto, microcódigo, um código de linguagem de nível mais alto ou outro código. Tal código pode incluir instruções legíveis por computador para realizar vários métodos. O código pode formar porções de produtos de programa de computador. Ademais, em um exemplo, o código pode ser tangivelmente armazenado sobre ou dentro de uma mídia legível por computador tangível volátil, não transitória ou não volátil, como durante a execução ou em outros momentos. Exemplos dessas mídias legíveis por computador tangíveis podem incluir, mas não se limitam a, discos ópticos removíveis (por exemplo, discos compactados e discos de vídeo digitais), discos rígidos, discos magnéticos removíveis, cartões de memória ou pen drives, incluem unidades de armazenamento flash removíveis, cassetes magnéticos, memórias de acesso aleatório (RAMs), memórias somente de leitura (ROMS) e outras mídias.
[00150] Em certas modalidades exemplificadoras, o algoritmo de ajuste de superfície pode ser um algoritmo de ajuste de curva. Um algoritmo de ajuste de curva exemplificador pode envolver interpolação ou alisamento. Em outras modalidades exemplificadoras, o algoritmo de ajuste de curva pode ser usado para extrapolar a posição da superfície articular pré-doente do osso. Em outras modalidades exemplificadoras, o algoritmo de ajuste de superfície pode identificar as dimensões de um elemento ortopédico contralateral não desgastado 100, como um côndilo contralateral não desgastado. O algoritmo de ajuste de superfície pode adicionar a superfície do elemento ortopédico não desgastado à área correspondente da perda óssea no elemento ortopédico desgastado 100 para calcular a superfície óssea ausente externa 117a, 117b. Nas modalidades exemplificadoras relacionadas, um cálculo de superfície óssea ausente inicial com base nas medições do elemento ortopédico não desgastado 100 pode ser aumentado ou reduzido para encaixar a curva das porções não desgastadas do elemento ortopédico desgastados 100.
[00151] Em outras modalidades exemplificadoras, o algoritmo de ajuste de superfície pode calcular uma profundidade máxima de perda óssea. Em tal modalidade, essa profundidade máxima pode ser adicionada à profundidade da perda de cartilagem articular para calcular a posição da superfície articular pré-doente para cada côndilo. Em ainda outras modalidades, um volume 61 da área de perda óssea 115a, 115b pode ser calculado. Será reconhecido que quaisquer cálculos divulgados ou os resultados de quaisquer tais cálculos podem ser opcionalmente exibidos em um visor 19. Em outras modalidades exemplificadoras, o método pode ainda compreender determinar uma profundidade da cartilagem articular ausente que teria sobreposto a superfície óssea ausente externa e adicionar a profundidade da cartilagem articular ausente à superfície óssea ausente externa para definir uma superfície condilar articular pré-doente.
[00152] A Figura 13 é um fluxograma que descreve as etapas de um método exemplificador que usa uma rede de aprendizado profundo para identificar uma área de aberração óssea 115 sobre ou dentro de um elemento ortopédico imageado 100, com o uso de duas imagens de entrada achatadas obtidas a partir de um ângulo de deslocamento θ. O método exemplificador compreende: A etapa 1b compreende calibrar uma máquina de imageamento para determinar uma relação de mapeamento entre pontos de imagem e coordenadas de espaço correspondentes para definir dados espaciais 43. A etapa 2b compreende usar uma técnica de imageamento para capturar uma primeira imagem 30 de um elemento em pauta ortopédico 100, sendo que a primeira imagem 30 define um primeiro quadro de referência 30a. A etapa 3b compreende usar uma técnica de imageamento para capturar uma segunda imagem 50 do elemento ortopédico do indivíduo 100, sendo que a segunda imagem 50 define um segundo quadro de referência 50a, e sendo que o primeiro quadro de referência 30a é deslocado do segundo quadro de referência 50a em um ângulo de deslocamento θ.
[00153] A etapa 4b compreende projetar os dados espaciais 43 a partir da primeira imagem 30 do elemento em pauta ortopédico 100 e os dados espaciais 43 a partir da segunda imagem 50 do elemento em pauta ortopédico 100 para definir os dados de volume 75. A etapa 5b compreende usar uma rede de aprendizado profundo para detectar o elemento ortopédico do indivíduo 100 com o uso dos dados de volume 75, sendo que os dados de volume 75 definem um ponto de referência anatômico sobre ou dentro do elemento ortopédico do indivíduo 100.
[00154] A etapa 6b compreende usar uma rede de aprendizado profundo para detectar uma aberração óssea 115 sobre ou dentro do elemento ortopédico do indivíduo 100 com o uso dos dados de volume 75. A etapa 7b compreende usar a rede de aprendizado profundo para aplicar uma máscara ao elemento em pauta ortopédico 100 definido pelo ponto de referência anatômico. A etapa 8b compreende aplicar a rede de aprendizado profundo aos dados de volume 75 para gerar um modelo 3D do elemento ortopédico do indivíduo 100. A etapa 9b compreende aplicar um algoritmo de ajuste de superfície para remover a aberração óssea 115 do modelo 3D do elemento ortopédico do indivíduo 1100.
[00155] Será reconhecido nos métodos e sistemas considerados como estando dentro do escopo desta divulgação que a rede de aprendizado profundo que detecta o elemento ortopédico do indivíduo 100, a rede de aprendizado profundo que detecta a aberração óssea 115, a rede de aprendizado profundo que aplica uma máscara ou gera um modelo 3D da aberração óssea 115 m ou do elemento ortopédico 1100 ou que aplica um algoritmo de ajuste de superfície podem ser a mesma rede de aprendizado profundo ou podem ser diferentes redes de aprendizado profundo. Nas modalidades em que as redes de aprendizado profundo são diferentes redes de aprendizado profundo, essas redes de aprendizado profundo podem ser chamadas de uma "primeira rede de aprendizado profundo", uma "segunda rede de aprendizado profundo", uma "terceira rede de aprendizado profundo" etc
[00156] A Figura 14 é um fluxograma que descreve as etapas de um método exemplificador que usa uma rede de aprendizado profundo para identificar uma área de aberração óssea 115 sobre ou dentro de um elemento ortopédico imageado 100, com o uso de duas imagens de entrada achatadas obtidas a partir de um ângulo de deslocamento θ. O método exemplificador compreende: A etapa 1c compreende calibrar uma máquina de imageamento radiográfico para determinar uma relação de mapeamento entre pontos de imagem radiográfica e coordenadas de espaço correspondentes para definir dados espaciais 43. A etapa 2c compreende usar uma técnica de imageamento radiográfico para capturar uma primeira imagem radiográfica 30 de um elemento em pauta ortopédico 100, sendo que a primeira imagem radiográfica 30 define um primeiro quadro de referência 30a.
[00157] A etapa 3c compreende usar a técnica de imageamento radiográfico para capturar uma segunda imagem radiográfica 50 do elemento ortopédico do indivíduo 100, sendo que a segunda imagem radiográfica 50 define um segundo quadro de referência 50a, e sendo que o primeiro quadro de referência 30a é deslocado do segundo quadro de referência 50a em um ângulo de deslocamento θ. A etapa 4c compreende projetar os dados espaciais 43 a partir da primeira imagem radiográfica 30 do elemento ortopédico do indivíduo 100 e os dados espaciais 43 a partir da segunda imagem radiográfica 50 do elemento ortopédico do indivíduo 100 para definir os dados de volume 75. A etapa 5c compreende usar uma rede de aprendizado profundo para detectar o elemento ortopédico do indivíduo 100 com o uso dos dados espaciais 43, sendo que os dados espaciais 43 definem um ponto de referência anatômico sobre ou dentro do elemento ortopédico do indivíduo 100.
[00158] A etapa 6c compreende usar a rede de aprendizado profundo para aplicar uma máscara à aberração óssea 155, sendo que os dados espaciais 43 que compreendem os pontos de imagem dispostos dentro de uma área mascarada da primeira imagem ou da segunda imagem têm um primeiro valor (por exemplo, um valor positivo, ou um "1") e sendo que os dados espaciais 43 que compreendem os pontos de imagem dispostos fora de uma área mascarada da primeira imagem 30 ou da segunda imagem 50 têm um segundo valor (por exemplo, um valor negativo, ou um "0"), sendo que o primeiro valor é diferente do segundo valor. A etapa 7c compreende calcular uma área corretiva que remove a área de aberração óssea 115.
[00159] A Figura 15 é um fluxograma que descreve as etapas de um método exemplificador que usa uma rede de aprendizado profundo para identificar uma área de aberração óssea 115 sobre ou dentro de um elemento ortopédico imageado 100, com o uso de duas imagens de entrada achatadas obtidas a partir de um ângulo de deslocamento θ. O método exemplificador compreende: A etapa 1d compreende calibrar uma máquina de imageamento radiográfico para determinar uma relação de mapeamento entre pontos de imagem radiográfica e coordenadas de espaço correspondentes para definir dados espaciais 43.
[00160] A etapa 2d compreende usar uma técnica de imageamento radiográfico para capturar uma primeira imagem radiográfica 30 de um elemento em pauta ortopédico 100, sendo que a primeira imagem radiográfica 30 define um primeiro quadro de referência 30a.
[00161] A etapa 3d compreende usar uma técnica de imageamento radiográfico para capturar uma segunda imagem radiográfica 50 do elemento ortopédico do indivíduo 100, sendo que a segunda imagem radiográfica 50 define um segundo quadro de referência 50a, e sendo que o primeiro quadro de referência 30a é deslocado do segundo quadro de referência 50a em um ângulo de deslocamento θ. A etapa 4d compreende projetar os dados espaciais 43 a partir da primeira imagem radiográfica 30 do elemento ortopédico do indivíduo 100 e os dados espaciais 43 a partir da segunda imagem radiográfica 50 do elemento ortopédico do indivíduo 100 para definir os dados de volume 75.
[00162] A etapa 5d compreende usar uma rede de aprendizado profundo para detectar o elemento ortopédico do indivíduo 100 com o uso dos dados de volume 75, sendo que os dados de volume 75 definem um ponto de referência anatômico sobre ou dentro do elemento ortopédico 100. A etapa 6d compreende usar a rede de aprendizado profundo para aplicar uma máscara ao elemento em pauta ortopédico 100 definido pelo ponto de referência anatômico, sendo que os dados espaciais 43 que compreendem pontos de imagem dispostos dentro de uma área mascarada da primeira imagem ou da segunda imagem têm um valor positivo, e sendo que os dados espaciais 43 que compreendem pontos de imagem dispostos fora de uma área mascarada da primeira imagem ou da segunda imagem têm um valor negativo. A etapa 7d compreende usar uma rede de aprendizado profundo para detectar uma aberração óssea 115 sobre ou dentro do elemento ortopédico do indivíduo 100 com o uso dos dados de volume 75. A etapa 8d compreende aplicar a rede de aprendizado profundo aos dados de volume 75 para gerar um modelo 3D da aberração.
[00163] É adicionalmente contemplado que os sistemas e métodos exemplificadores aqui divulgados podem ser usados para planejamento pré-operatório, planejamento ou execução intraoperatória ou avaliação pós-operatória da colocação e função do implante.
[00164] A Figura 18 é uma representação esquemática de um sistema exemplificador que compreende uma máquina de imageamento radiográfico 1800 que compreende uma fonte de raios-X 21, como um tubo de raios-X, um filtro 26, um colimador 27 e um detector 33. Na Figura 18, a máquina de imageamento radiográfico 1800 é mostrada de cima para baixo. Um paciente 1 é disposto entre a fonte de raios-X 21 e o detector 33. A máquina de imageamento radiográfico 1800 pode ser montada em um pórtico giratório 28. A máquina de imageamento radiográfico 1800 pode tirar uma imagem radiográfica do paciente 1 de um primeiro quadro de referência 30a. O pórtico 28 pode, então, girar a máquina de imageamento radiográfico 1800 por um ângulo de deslocamento (de preferência 90°). A máquina de imageamento radiográfico 1800 pode, então, tirar a segunda imagem radiográfica 50 do segundo quadro de referência 50a. Será reconhecido que outras modalidades exemplificadoras podem compreender usar múltiplas imagens de entrada tiradas em múltiplos ângulos de deslocamento θ. Em tais modalidades, o ângulo de deslocamento pode ser menor ou maior que 90° entre as imagens de entrada adjacentes.
[00165] Um transmissor 29 então transmite a primeira imagem 30 e a segunda imagem 50 para uma máquina computacional 1600. A máquina computacional 1600 pode aplicar uma rede de aprendizado profundo para identificar as áreas de aberração óssea 115 sobre ou dentro de um elemento ortopédico 100 de qualquer maneira que seja consistente com esta divulgação. A Figura 18 mostra adicionalmente a saída da máquina computacional 1600 sendo transmitida para uma máquina de fabricação 18. A máquina de fabricação 18 pode ser uma máquina de fabricação aditiva, como uma impressora 3D, ou a máquina de fabricação pode ser uma máquina de fabricação subtrativa, como uma máquina CNC. Ainda em outras modalidades exemplificadoras, a máquina de fabricação 18 pode ser um molde de fundição. A máquina de fabricação 18 pode usar os dados de saída da máquina computacional 1600 para produzir um modelo físico de um ou mais modelos tridimensionais dos elementos em pauta ortopédicos 1100. Nas modalidades, a máquina de fabricação pode ser usada para produzir um modelo 3D físico da aberração óssea 115m.
[00166] A Figura 18 mostra, também, outra modalidade na qual os dados de saída da máquina computacional 1600 são transmitidos para um visor 19. Um primeiro visor 19a mostra um modelo 3D virtual da aberração óssea 115m. O segundo visor 19b mostra um modelo 3D virtual do elemento em pauta ortopédico 1100.
[00167] Em outras modalidades exemplificadoras, o modelo 3D pode ser exibido em um visor 19. Esse visor 19 pode assumir a forma de uma tela. Em outras modalidades exemplificadoras, o visor 19 pode compreender uma superfície de vidro ou plástico que é usada ou segurada pelo cirurgião ou outras pessoas na sala de operação. Tal visor 19 pode compreender parte de um dispositivo de realidade aumentada, de modo que a tela mostre o modelo 3D em adição ao campo visual do portador. Em certas modalidades, tal modelo 3D pode ser sobreposto à articulação operatória real. Em ainda outras modalidades exemplificadoras, o modelo 3D pode ser "travado" a um ou mais recursos do elemento ortopédico operatório 100, mantendo, assim, uma posição virtual do modelo 3D em relação a um ou mais recursos do elemento ortopédico operatório 100 independentemente do movimento do visor 19.
[00168] É ainda adicionalmente contemplado que o visor 19 pode compreender parte de um sistema de realidade virtual no qual a totalidade do campo visual é simulada.
[00169] Um método exemplificador para calcular perda óssea externa para alinhamento de articulações pré-doentes compreende: gerar um modelo 3D de uma área operatória de pelo menos duas imagens radiográficas 2D. Pelo menos uma primeira imagem radiográfica é capturada em uma primeira posição transversal. Pelo menos uma segunda imagem radiográfica é capturada em uma segunda posição transversal. A primeira posição transversal é diferente da segunda posição transversal. A primeira posição transversal é desejavelmente disposta ortogonalmente a partir da segunda posição transversal. O método compreende adicionalmente identificar uma área de perda óssea no modelo de computador 3D; e aplicar um algoritmo de ajuste de superfície para calcular uma superfície óssea ausente externa que ajusta a área de perda óssea.
[00170] Um método para calcular a extensão da perda óssea externa compreende: usar uma técnica de imageamento radiográfico para capturar uma primeira imagem de um elemento ortopédico desejado, sendo que a primeira imagem define um primeiro quadro de referência, com o uso da técnica de imageamento radiográfico para capturar uma segunda imagem do elemento ortopédico desejado, sendo que a segunda imagem define um segundo quadro de referência, e sendo que o primeiro quadro de referência é deslocado a partir do segundo quadro de referência em um ângulo de deslocamento, aplicar uma técnica de reconstrução 3D para produzir um modelo 3D do elemento ortopédico desejado, identificar uma área de perda óssea no modelo 3D do elemento ortopédico desejado, identificar áreas intactas de osso adjacente à área de perda óssea, aplicar um algoritmo de ajuste para exibir uma área preenchida de perda óssea.
[00171] Um método exemplificador para calcular perda óssea externa para alinhamento de uma articulação pré-doente compreende: gerar um modelo 3D de uma área operatória de pelo menos duas imagens radiográficas 2D, sendo que pelo menos uma primeira imagem radiográfica é capturada em uma primeira posição, e sendo que pelo menos uma segunda imagem radiográfica é capturada em uma segunda posição, e sendo que a primeira posição transversal é diferente da segunda posição transversal; identificar uma área de aberração óssea no modelo 3D; e aplicar um algoritmo de ajuste de superfície para calcular uma superfície óssea ausente externa configurada para substituir a área de aberração óssea.
[00172] Em modalidades exemplificadoras, o algoritmo de ajuste de superfície é um algoritmo de ajuste de curva. Em modalidades exemplificadoras, o método compreende adicionalmente calcular uma profundidade máxima da área de aberração óssea. Em modalidades exemplificadoras, o método compreende adicionalmente adicionar a profundidade máxima da área de aberração óssea a uma profundidade de desgaste da cartilagem para definir uma superfície articular prédoente. Em modalidades exemplificadoras, o modelo 3D é exibido em um dispositivo de realidade aumentada sobre o elemento ortopédico real de modo intraoperatório. Em modalidades exemplificadoras, a área de aberração óssea é uma área de perda óssea.
[00173] Em modalidades exemplificadoras, o método compreende adicionalmente identificar áreas intactas de um elemento ortopédico contralateral, sendo que as áreas intactas do elemento ortopédico contralateral correspondem à área deteriorada do elemento ortopédico operatório.
[00174] Um método exemplificador para calcular a perda óssea externa para os propósitos de alinhar cinematicamente uma articulação de joelho pré-doente compreende: gerar um modelo 3D de uma área operatória de articulação de joelho de pelo menos duas imagens radiográficas 2D, sendo que pelo menos uma primeira imagem radiográfica é capturada em uma primeira posição, e sendo que pelo menos uma segunda imagem radiográfica é capturada em uma segunda posição, e sendo que a primeira posição é diferente da segunda posição; identificar uma área de perda óssea no modelo 3D; aplicar um algoritmo de ajuste de superfície para calcular uma superfície óssea ausente externa que ajusta a área de perda óssea; determinar uma profundidade da cartilagem articular ausente que teria sobreposto a superfície óssea ausente externa; e adicionar a profundidade da cartilagem articular ausente à superfície óssea ausente externa para definir uma superfície condilar pré-doente.
[00175] Em modalidades exemplificadoras, o método compreende adicionalmente ajustar uma almofada ajustável de um localizador de guia de resseção para tocar uma superfície óssea externa restante, de modo que uma superfície de guia do localizador de guia de resseção seja colocada na superfície condilar pré-doente.
[00176] Um método exemplificador para calcular a extensão da deterioração ortopédica in vivo compreende: usar uma técnica de imageamento não invasivo para capturar uma primeira imagem de um elemento ortopédico desejado, sendo que a primeira imagem define um primeiro quadro de referência; usar a técnica de imageamento não invasivo para capturar uma segunda imagem do elemento ortopédico desejado, sendo que a segunda imagem define um segundo quadro de referência, e sendo que o primeiro quadro de referência é deslocado do segundo quadro de referência em um ângulo de deslocamento; aplicar uma técnica de reconstrução 3D para produzir um modelo 3D do elemento ortopédico desejado; identificar uma área de perda óssea no modelo 3D do elemento ortopédico desejado; e aplicar um algoritmo de ajuste de superfície para calcular uma superfície da área deteriorada.
[00177] Em modalidades exemplificadoras, o método compreende adicionalmente projetar o modelo de reconstrução 3D em um visor. Em modalidades exemplificadoras, a técnica de imageamento não invasivo é uma técnica de imageamento radiográfico.
[00178] Um método exemplificador para calcular o desgaste da cartilagem e a perda óssea para procedimentos de alinhamento cinemático compreende: calibrar uma máquina de imageamento radiográfico para determinar uma relação de mapeamento entre pontos de imagem e coordenadas de espaço correspondentes para definir dados espaciais; usar uma técnica de imageamento radiográfico para capturar uma primeira imagem de um elemento ortopédico desejado, sendo que a primeira imagem define um primeiro quadro de referência; usar a técnica de imageamento radiográfico para capturar uma segunda imagem do elemento ortopédico desejado, sendo que a segunda imagem define um segundo quadro de referência, e sendo que o primeiro quadro de referência é deslocado do segundo quadro de referência em um ângulo de deslocamento; identificar os dados espaciais do elemento ortopédico desejado na primeira imagem e os dados espaciais do elemento ortopédico na segunda imagem; transformar os dados espaciais do elemento ortopédico desejado na primeira imagem e na segunda imagem em um sistema de coordenada única para definir dados espaciais transformados; projetar os dados espaciais transformados do elemento ortopédico desejado em um visor para produzir um modelo 3D do elemento ortopédico desejado; identificar uma área deteriorada no modelo 3D do elemento ortopédico desejado; e aplicar um algoritmo de ajuste de superfície para calcular uma superfície da área deteriorada.
[00179] Em modalidades exemplificadoras, o algoritmo de ajuste é um algoritmo de ajuste de curva. Em modalidades exemplificadoras, o método compreende adicionalmente exibir o volume da área deteriorada no modelo 3D. Em modalidades exemplificadoras, o método compreende adicionalmente identificar uma área intacta adjacente à área deteriorada.
[00180] Um método exemplificador para calcular o desgaste da cartilagem articular e a perda óssea externa nos côndilos femorais distais para uma artroplastia do joelho total de alinhamento cinemático compreende: calibrar uma máquina de imageamento radiográfico para determinar uma relação de mapeamento entre pontos de imagem e coordenadas de espaço correspondentes para definir dados espaciais; usar uma técnica de imageamento radiográfico para capturar uma primeira imagem de um fêmur distal, sendo que a primeira imagem define um primeiro quadro de referência; usar a técnica de imageamento radiográfico para capturar uma segunda imagem do fêmur distal, sendo que a segunda imagem define um segundo quadro de referência, e sendo que o primeiro quadro de referência é deslocado do segundo quadro de referência em um ângulo de deslocamento; identificar os dados espaciais do fêmur distal na primeira imagem e os dados espaciais do fêmur distal na segunda imagem; transformar os dados espaciais do fêmur distal na primeira imagem e na segunda imagem em um sistema de coordenada única para definir dados espaciais transformados; projetar os dados espaciais transformados do fêmur distal em um visor para produzir um modelo 3D do fêmur distal; identificar uma área deteriorada no modelo 3D do fêmur distal; e aplicar um algoritmo de ajuste para calcular um volume da área deteriorada.
[00181] Em modalidades exemplificadoras, o primeiro quadro de referência é anterior-posterior. Em modalidades exemplificadoras, o segundo quadro de referência é medial-lateral. Em modalidades exemplificadoras, a área deteriorada compreende osso ausente em qualquer um dos côndilos femorais distais. Em modalidades exemplificadoras, a área deteriorada compreende a cartilagem articular ausente no fêmur distal. Em modalidades exemplificadoras, o algoritmo de ajuste identifica uma área intacta adjacente à área deteriorada.
[00182] Em modalidades exemplificadoras, o método compreende adicionalmente identificar áreas intactas de um elemento ortopédico contralateral, sendo que as áreas intactas do elemento ortopédico contralateral correspondem à área deteriorada do elemento ortopédico desejado. Em modalidades exemplificadoras, o algoritmo de ajuste é um algoritmo de ajuste de curva. Em modalidades exemplificadoras, o método compreende adicionalmente mostrar o volume da área deteriorada no modelo 3D do fêmur distal.
[00183] Um método exemplificador para calcular uma área de aberração óssea compreende: gerar um modelo 3D de uma área operatória de articulação de pelo menos duas imagens 2D, sendo que uma primeira imagem é capturada em uma primeira posição transversal, sendo que uma segunda imagem é capturada em uma segunda posição transversal, e sendo que a primeira posição transversal é diferente da segunda posição transversal, identificar uma área de uma aberração óssea no modelo 3D e calcular uma área corretiva, sendo que a área corretiva remove a área de aberração óssea em relação a uma área óssea circundante.
[00184] Em modalidades exemplificadoras, o método compreende adicionalmente gerar um modelo 3D da área corretiva. Em modalidades exemplificadoras, o método compreende adicionalmente produzir um modelo 3D físico da área corretiva. Em modalidades exemplificadoras, o método compreende adicionalmente produzir um guia de perfuração ortopédico que compreende o modelo 3D físico da área corretiva configurada para ser assentada em uma área correspondente de aberração óssea negativa.
[00185] Em modalidades exemplificadoras, a etapa de produção de um modelo 3D físico da área corretiva é alcançada através de uma técnica de fabricação aditiva. Em modalidades exemplificadoras, o modelo 3D físico da área corretiva é fabricado a partir de um material selecionado do grupo que consiste essencialmente em: uma poliamida (isto é, náilon), titânio, cromo-cobalto ou outro material biocompatível clinicamente comprovado. Em modalidades exemplificadoras, o método compreende adicionalmente engatar, de modo fixo, o modelo 3D físico da área corretiva à instrumentação cirúrgica. Em modalidades exemplificadoras, a instrumentação cirúrgica é um guia de perfuração ortopédico, e sendo que o modelo 3D físico da área corretiva é configurado para ser assentado em uma área correspondente de aberração óssea negativa. Em modalidades exemplificadoras, o método compreende adicionalmente produzir um modelo 3D físico da área operatória de articulação, sendo que o modelo 3D físico da área operatória de articulação compreende um ou mais elementos ósseos da área operatória de articulação.
[00186] Um método exemplificador para calcular uma área de aberração óssea compreende: usar uma rede de aprendizado profundo que gera um modelo 3D de uma área operatória de articulação de pelo menos duas imagens 2D, sendo que uma primeira imagem é capturada em uma primeira posição transversal, sendo que uma segunda imagem é capturada em uma segunda posição transversal, e sendo que a primeira posição transversal é diferente da segunda posição transversal, identificar uma área de uma aberração óssea no modelo 3D e calcular uma área corretiva, sendo que a área corretiva remove a área de aberração óssea em relação a uma área óssea circundante.
[00187] Um guia de alinhamento exemplificador compreende: um corpo; almofadas posteriores estendendo-se a partir de uma porção inferior do corpo; furos de perfuração que se estendem através do corpo acima dos blocos traseiros; e um modelo 3D físico específico para paciente de uma aberração óssea engatada a uma almofada posterior das almofadas posteriores.
[00188] Em modalidades exemplificadoras, o modelo 3D específico para paciente de uma aberração óssea é produzido por qualquer sistema ou método desta divulgação.
[00189] Em modalidades exemplificadoras, o modelo 3D específico para paciente de uma aberração óssea é produzido por um processo que compreende: calibrar uma máquina de imageamento radiográfico para determinar uma relação de mapeamento entre pontos de imagem radiográfica e coordenadas de espaço correspondentes para definir dados espaciais; usar uma técnica de imageamento radiográfico para capturar uma primeira imagem radiográfica de um elemento em pauta ortopédico, sendo que a primeira imagem radiográfica define um primeiro quadro de referência; usar a técnica de imageamento radiográfico para capturar uma segunda imagem radiográfica do elemento em pauta ortopédico, sendo que a segunda imagem radiográfica define um segundo quadro de referência, e sendo que o primeiro quadro de referência é deslocado do segundo quadro de referência em um ângulo de deslocamento; projetar dados espaciais a partir da primeira imagem radiográfica do elemento em pauta ortopédico e dados espaciais a partir da segunda imagem radiográfica do elemento em pauta ortopédico; usar uma rede de aprendizado profundo para detectar o elemento em pauta ortopédico com o uso dos dados espaciais, sendo que os dados espaciais definem um ponto de referência anatômico sobre ou dentro do elemento em pauta ortopédico; usar a rede de aprendizado profundo para detectar uma aberração óssea sobre ou dentro do elemento em pauta ortopédico com o uso dos dados espaciais; e aplicar a rede de aprendizado profundo aos dados espaciais para gerar o modelo 3D da aberração óssea.
[00190] Em outra modalidade exemplificadora, o modelo 3D específico para paciente de uma aberração óssea é produzido por um processo que compreende: calibrar uma máquina de imageamento radiográfico para determinar uma relação de mapeamento entre pontos de imagem radiográfica e coordenadas de espaço correspondentes para definir dados espaciais; usar uma técnica de imageamento radiográfico para capturar uma primeira imagem radiográfica de um elemento em pauta ortopédico, sendo que a primeira imagem radiográfica define um primeiro quadro de referência; usar a técnica de imageamento radiográfico para capturar uma segunda imagem radiográfica do elemento em pauta ortopédico, sendo que a segunda imagem radiográfica define um segundo quadro de referência, e sendo que o primeiro quadro de referência é deslocado do segundo quadro de referência em um ângulo de deslocamento; projetar dados espaciais a partir da primeira imagem radiográfica do elemento em pauta ortopédico e dados espaciais a partir da segunda imagem radiográfica do elemento em pauta ortopédico para definir dados de volume; usar uma rede de aprendizado profundo para detectar o elemento em pauta ortopédico com o uso dos dados de volume, sendo que os dados de volume definem um ponto de referência anatômico sobre ou dentro do elemento em pauta ortopédico; usar a rede de aprendizado profundo para detectar uma aberração óssea sobre ou dentro do elemento em pauta ortopédico com o uso dos dados de volume; e aplicar a rede de aprendizado profundo aos dados de volume para gerar o modelo 3D da aberração óssea.
[00191] Em modalidades exemplificadoras, o modelo 3D físico de uma aberração óssea compreende uma superfície de acoplamento que se acopla à superfície exposta do osso desgastado. Em modalidades exemplificadoras, o modelo 3D físico de uma aberração óssea compreende uma superfície de acoplamento, e sendo que a superfície de acoplamento compreende adicionalmente uma projeção.
[00192] Um sistema exemplificador que compreende: um modelo 3D de um elemento ortopédico que compreende uma área operatória gerada a partir de pelo menos duas imagens radiográficas 2D, sendo que pelo menos uma primeira imagem radiográfica é capturada em uma primeira posição, e sendo que pelo menos uma segunda imagem radiográfica é capturada em uma segunda posição, e sendo que a primeira posição é diferente da segunda posição; uma máquina computacional configurada para identificar uma área de aberração óssea no modelo 3D e configurada adicionalmente para aplicar um algoritmo de ajuste de superfície, sendo que o algoritmo de ajuste de superfície é configurado para remover a área de aberração óssea do modelo 3D e estimar uma topografia de uma superfície óssea para substituir a área de aberração óssea.
[00193] Em modalidades exemplificadoras, o algoritmo de ajuste de superfície é um algoritmo de ajuste de curva. Em modalidades exemplificadoras, o sistema compreende adicionalmente um visor, sendo que o modelo 3D é exibido no visor. Em modalidades exemplificadoras, o visor é um dispositivo de realidade aumentada ou dispositivo de realidade virtual. Em uma modalidade exemplificadora, o sistema compreende adicionalmente uma máquina de imageamento por raiosX. Em certas modalidades exemplificadoras, o sistema compreende adicionalmente um dispositivo de fabricação, sendo que o dispositivo de fabricação é configurado para produzir um modelo físico de pelo menos uma porção do modelo 3D.
[00194] Em uma modalidade exemplificadora, o dispositivo de fabricação é configurado para produzir um modelo físico da aberração óssea. Em modalidades exemplificadoras, o modelo físico da aberração óssea é um volume inverso de uma aberração óssea negativa. Em uma modalidade exemplificadora, o dispositivo de fabricação é um dispositivo de fabricação aditiva. Em uma modalidade exemplificadora, o modelo físico da aberração óssea compreende uma poliamida de grau médico.
[00195] Deve-se compreender que a presente invenção não é, de modo algum, limitada às construções e às etapas de método específicas aqui divulgadas ou mostradas nos desenhos, mas também compreende quaisquer modificações ou equivalentes dentro do escopo das reivindicações conhecidas na técnica. Será reconhecido pelos versados na técnica que os dispositivos e métodos aqui divulgados encontrarão utilidade.
Claims (18)
- Sistema caracterizado por compreender: um modelo 3D de um elemento ortopédico que compreende uma área operatória gerada a partir de pelo menos duas imagens radiográficas 2D, sendo que pelo menos uma primeira imagem radiográfica é capturada em uma primeira posição, e sendo que pelo menos uma segunda imagem radiográfica é capturada em uma segunda posição, e sendo que a primeira posição é diferente da segunda posição; uma máquina computacional configurada para identificar uma área de aberração óssea no modelo 3D e configurada adicionalmente para aplicar um algoritmo de ajuste de superfície, sendo que o algoritmo de ajuste de superfície é configurado para remover a área de aberração óssea do modelo 3D e estimar uma topografia de uma superfície óssea para substituir a área de aberração óssea.
- Sistema, de acordo com a reivindicação 1, caracterizado por o algoritmo de ajuste de superfície ser um algoritmo de ajuste de curva.
- Sistema, de acordo com a reivindicação 1, caracterizado por ainda compreender uma tela, sendo que o modelo 3D é exibido no visor
- Sistema, de acordo com a reivindicação 3, caracterizado por o visor ser um dispositivo de realidade aumentada ou dispositivo de realidade virtual.
- Sistema, de acordo com a reivindicação 1, caracterizado por ainda compreender uma máquina de imageamento por raiosX.
- Sistema, de acordo com a reivindicação 1, caracterizado por ainda compreender um dispositivo de fabricação, sendo que o dispositivo de fabricação é configurado para produzir um modelo físico de pelo menos uma porção do modelo 3D.
- Sistema, de acordo com a reivindicação 6, caracterizado por o dispositivo de fabricação ser configurado para produzir um modelo físico da aberração óssea.
- Sistema, de acordo com a reivindicação 7, caracterizado por o modelo físico da aberração óssea ser um volume inverso de uma aberração óssea negativa.
- Sistema, de acordo com a reivindicação 6, caracterizado por o dispositivo de fabricação ser um dispositivo de fabricação aditiva.
- Sistema, de acordo com a reivindicação 6, caracterizado por o modelo físico da aberração óssea compreender uma poliamida de grau médico.
- Modelo 3D de uma aberração óssea, caracterizado por ser produzido por um processo que compreende: calibrar uma máquina de imageamento radiográfico para determinar uma relação de mapeamento entre pontos de imagem radiográfica e coordenadas de espaço correspondentes para definir dados espaciais; usar uma técnica de imageamento radiográfico para capturar uma primeira imagem radiográfica de um elemento em pauta ortopédico, sendo que a primeira imagem radiográfica define um primeiro quadro de referência; usar a técnica de imageamento radiográfico para capturar uma segunda imagem radiográfica do elemento em pauta ortopédico, sendo que a segunda imagem radiográfica define um segundo quadro de referência, e sendo que o primeiro quadro de referência é deslocado do segundo quadro de referência em um ângulo de deslocamento; projetar dados espaciais a partir da primeira imagem radiográfica do elemento em pauta ortopédico e dados espaciais a partir da segunda imagem radiográfica do elemento em pauta ortopédico para definir dados de volume; usar uma rede de aprendizado profundo para detectar o elemento em pauta ortopédico com o uso dos dados de volume, sendo que os dados de volume definem um ponto de referência anatômico sobre ou dentro do elemento em pauta ortopédico; usar a rede de aprendizado profundo para detectar uma aberração óssea sobre ou dentro do elemento em pauta ortopédico com o uso dos dados de volume; e aplicar a rede de aprendizado profundo aos dados de volume para gerar o modelo 3D da aberração óssea.
- Produto, de acordo com a reivindicação 11, caracterizado por ainda compreender usar uma técnica de fabricação para produzir um modelo 3D físico de uma aberração óssea.
- Produto, de acordo com a reivindicação 12, caracterizado por o modelo 3D físico de uma aberração óssea compreender uma superfície de acoplamento que se acopla à superfície exposta do osso desgastado.
- Produto, de acordo com a reivindicação 12, caracterizado por o modelo 3D físico de uma aberração óssea compreender uma superfície de acoplamento, e sendo que a superfície de acoplamento compreende adicionalmente uma projeção.
- Modelo 3D de uma aberração óssea caracterizado por ser produzido por um processo que compreende: calibrar uma máquina de imageamento radiográfico para determinar uma relação de mapeamento entre pontos de imagem radiográfica e coordenadas de espaço correspondentes para definir dados espaciais; usar uma técnica de imageamento radiográfico para capturar uma primeira imagem radiográfica de um elemento em pauta ortopédico, sendo que a primeira imagem radiográfica define um primeiro quadro de referência; usar a técnica de imageamento radiográfico para capturar uma segunda imagem radiográfica do elemento em pauta ortopédico, sendo que a segunda imagem radiográfica define um segundo quadro de referência, e sendo que o primeiro quadro de referência é deslocado do segundo quadro de referência em um ângulo de deslocamento; projetar dados espaciais a partir da primeira imagem radiográfica do elemento em pauta ortopédico e dados espaciais a partir da segunda imagem radiográfica do elemento em pauta ortopédico; usar uma rede de aprendizado profundo para detectar o elemento em pauta ortopédico com o uso dos dados espaciais, sendo que os dados espaciais definem um ponto de referência anatômico sobre ou dentro do elemento em pauta ortopédico; usar a rede de aprendizado profundo para detectar uma aberração óssea sobre ou dentro do elemento em pauta ortopédico com o uso dos dados espaciais; e aplicar a rede de aprendizado profundo aos dados espaciais para gerar o modelo 3D da aberração óssea.
- Produto para ser aplicado ao modelo 3D conforme definido na reivindicação 15, caracterizado por ainda compreender usar uma técnica de fabricação para produzir um modelo 3D físico de uma aberração óssea.
- Produto, de acordo com a reivindicação 16, caracterizado por o modelo 3D físico de uma aberração óssea compreender uma superfície de acoplamento que se acopla à superfície exposta do osso desgastado.
- Produto, de acordo com a reivindicação 16, caracterizado por o modelo 3D físico de uma aberração óssea compreender uma superfície de acoplamento, e sendo que a superfície de acoplamento compreende adicionalmente uma projeção.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163217567P | 2021-07-01 | 2021-07-01 | |
US63/217,567 | 2021-07-01 | ||
US17/835,894 US20230005232A1 (en) | 2021-07-01 | 2022-06-08 | Systems and methods of using three-dimensional image reconstruction to aid in assessing bone or soft tissue aberrations for orthopedic surgery |
US17/835,894 | 2022-06-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
BR102022013149A2 true BR102022013149A2 (pt) | 2023-01-10 |
Family
ID=82492702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR102022013149-0A BR102022013149A2 (pt) | 2021-07-01 | 2022-06-30 | Sistemas e métodos de uso de reconstrução de imagem tridimensional para auxílio na avaliação de aberrações ósseas ou de tecido mole para cirurgia ortopédica |
Country Status (9)
Country | Link |
---|---|
US (1) | US20230005232A1 (pt) |
EP (2) | EP4111996A3 (pt) |
JP (1) | JP2023008873A (pt) |
KR (1) | KR20230006756A (pt) |
CN (1) | CN115153830A (pt) |
AU (1) | AU2022204396A1 (pt) |
BR (1) | BR102022013149A2 (pt) |
CA (1) | CA3166137A1 (pt) |
MX (1) | MX2022008223A (pt) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021131738A1 (ja) * | 2019-12-27 | 2021-07-01 | ソニーグループ株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
CN116277978B (zh) * | 2023-05-12 | 2023-08-04 | 高州市人民医院 | 多模态骨关节数字化3d打印方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2709564B1 (en) * | 2011-05-06 | 2019-04-17 | Zimmer, Inc. | Patient-specific manufacturing of porous metal prostheses |
EP3506844B1 (en) * | 2016-12-22 | 2020-10-14 | Episurf IP-Management AB | System and method for optimizing a planning implant position in an anatomical joint |
EP3398551A1 (en) * | 2017-05-03 | 2018-11-07 | Stryker European Holdings I, LLC | Methods of pose estimation of three-dimensional bone models in surgical planning a total ankle replacement |
US11406338B2 (en) * | 2017-07-08 | 2022-08-09 | Vuze Medical Ltd. | Apparatus and methods for use with image-guided skeletal procedures |
US20200138522A1 (en) * | 2018-11-07 | 2020-05-07 | Zimmer, Inc. | 3d model generation using thermal imaging and x-ray |
US11648405B2 (en) * | 2019-11-01 | 2023-05-16 | Resolute 360, LLC | Percutaneous nerve evaluation for sacral neuromodulation |
US11621086B2 (en) * | 2020-06-04 | 2023-04-04 | Episurf Ip-Management Ab | Customization of individualized implant |
WO2021245093A1 (en) * | 2020-06-04 | 2021-12-09 | Episurf Ip-Management Ab | Customization of implant |
-
2022
- 2022-06-08 US US17/835,894 patent/US20230005232A1/en active Pending
- 2022-06-20 KR KR1020220074856A patent/KR20230006756A/ko unknown
- 2022-06-22 AU AU2022204396A patent/AU2022204396A1/en active Pending
- 2022-06-28 JP JP2022103227A patent/JP2023008873A/ja active Pending
- 2022-06-29 CA CA3166137A patent/CA3166137A1/en active Pending
- 2022-06-29 CN CN202210763681.1A patent/CN115153830A/zh active Pending
- 2022-06-30 EP EP22182089.7A patent/EP4111996A3/en active Pending
- 2022-06-30 BR BR102022013149-0A patent/BR102022013149A2/pt unknown
- 2022-06-30 MX MX2022008223A patent/MX2022008223A/es unknown
- 2022-06-30 EP EP23178786.2A patent/EP4233760A3/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CA3166137A1 (en) | 2023-01-01 |
EP4233760A2 (en) | 2023-08-30 |
AU2022204396A1 (en) | 2023-01-19 |
US20230005232A1 (en) | 2023-01-05 |
MX2022008223A (es) | 2023-01-24 |
JP2023008873A (ja) | 2023-01-19 |
CN115153830A (zh) | 2022-10-11 |
EP4111996A3 (en) | 2023-04-05 |
EP4233760A3 (en) | 2023-12-27 |
EP4111996A2 (en) | 2023-01-04 |
KR20230006756A (ko) | 2023-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220015833A1 (en) | Plan implementation | |
BR112019025107A2 (pt) | Navegação cirúrgica do quadril usando fluoroscopia e sensores de rastreamento | |
ES2900549T3 (es) | Método de navegación quirúrgica | |
AU2009219989B2 (en) | Customised surgical apparatus | |
Scarvell et al. | New registration algorithm for determining 3D knee kinematics using CT and single‐plane fluoroscopy with improved out‐of‐plane translation accuracy | |
BR102022013149A2 (pt) | Sistemas e métodos de uso de reconstrução de imagem tridimensional para auxílio na avaliação de aberrações ósseas ou de tecido mole para cirurgia ortopédica | |
JP6280200B2 (ja) | 患者の膝のx線画像を較正する装置 | |
CN107106239A (zh) | 外科规划和方法 | |
Kuo et al. | Effects of positioning on radiographic measurements of ankle morphology: a computerized tomography-based simulation study | |
Uemura et al. | The effect of pelvic tilt on three‐dimensional coverage of the femoral head: a computational simulation study using patient‐specific anatomy | |
Jodeiri et al. | Estimation of pelvic sagittal inclination from anteroposterior radiograph using convolutional neural networks: Proof-of-concept study | |
US20230094903A1 (en) | Systems and methods of using photogrammetry for intraoperatively aligning surgical elements | |
Yin et al. | Knee alignment in the transverse plane during weight-bearing activity and its implication for the tibial rotational alignment in total knee arthroplasty | |
US20230027518A1 (en) | Systems and methods for using photogrammetry to create patient-specific guides for orthopedic surgery | |
Hansen | Dynamic model-based Radiostereometric Analysis for Evaluation of Femoroacetabular Impingement and Postoperative Results | |
Kefala | Assessment of Normal Knee Kinematics using High-Speed Stereo-Radiography System | |
Domanski et al. | Evaluation of automated segmentation of hip joint in revision arthroplasty | |
Rasquinha | Articular Asphericity of the Arthritic Hip |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B03A | Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette] |