CN108431899A - 图像处理方法 - Google Patents

图像处理方法 Download PDF

Info

Publication number
CN108431899A
CN108431899A CN201680067045.8A CN201680067045A CN108431899A CN 108431899 A CN108431899 A CN 108431899A CN 201680067045 A CN201680067045 A CN 201680067045A CN 108431899 A CN108431899 A CN 108431899A
Authority
CN
China
Prior art keywords
data
patient
interested
joint
shape
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201680067045.8A
Other languages
English (en)
Other versions
CN108431899B (zh
Inventor
G·R·文森特
M·A·鲍斯
K·德索萨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mako Surgical Corp
Original Assignee
Imorphics Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Imorphics Ltd filed Critical Imorphics Ltd
Publication of CN108431899A publication Critical patent/CN108431899A/zh
Application granted granted Critical
Publication of CN108431899B publication Critical patent/CN108431899B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • A61F2/3094—Designing or manufacturing processes
    • A61F2/30942—Designing or manufacturing processes for designing or making customized prostheses, e.g. using templates, CT or NMR scans, finite-element analysis or CAD-CAM techniques
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • 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
    • A61F2/3094—Designing or manufacturing processes
    • A61F2/30942—Designing or manufacturing processes for designing or making customized prostheses, e.g. using templates, CT or NMR scans, finite-element analysis or CAD-CAM techniques
    • A61F2002/30948—Designing or manufacturing processes for designing or making customized prostheses, e.g. using templates, CT or NMR scans, finite-element analysis or CAD-CAM techniques using computerized tomography, i.e. CT scans

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Geometry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Manufacturing & Machinery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Cardiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Transplantation (AREA)
  • Physics & Mathematics (AREA)
  • Vascular Medicine (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Prostheses (AREA)
  • Processing Or Creating Images (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种用于生成与肌肉骨骼关节相关联的解剖数据的计算机实施的方法，该方法包括：接收作为输入的变量数据，该变量数据表示由状况引起的感兴趣的肌肉骨骼关节随时间的变化；接收作为输入的患者数据，该患者数据表示在当前时间患者的所述感兴趣的肌肉骨骼关节；以及处理所述变量数据和所述患者数据以生成所述解剖数据，其中所述解剖数据包括指示在与所述当前时间不同的预定时间所述患者的所述感兴趣的肌肉骨骼关节的数据。

Description

图像处理方法
本申请涉及用于生成与肌肉骨骼关节相关联的解剖数据的方法和装置。
骨关节炎(“OA”)是一种退行性关节疾病，得了这种疾病关节随时间退化，引起关节疼痛和移动性困难。随着人口老龄化，骨关节炎已成为常见病，其中英国约有800万人以及美国约有2700万人患有骨关节炎。
OA的病因尚未被良好认知，然而已知许多因素会导致某些关节(例如膝关节)发病的可能性。这些因素包括高体重指数、创伤性韧带和半月板损伤、膝关节外翻、以及在日常活动中使用关节的方式。
膝骨关节炎涉及膝关节中的所有组织，包括骨、软骨、半月板、韧带、囊和滑膜组织。个别患者可能会对部分或全部这些组织造成损伤，并且在特定时间点，每个患者膝盖可能包含受损组织的任何组合。典型的诊断是通过对骨改变(骨赘和骨损伤)和关节间隙变窄(表明软骨已经从关节骨的表面丢失)的放射照相评分(radiographic scoring)。骨赘生长在膝关节每个骨的软骨板周围，并且类似地随着时间的推移通常被认为是非结构化和随机的，并且诊断通常考虑严重性骨赘。
由于所涉及的组织范围广泛以及已知导致疾病可能性的各种因素，因此对于每个个体的组织损伤的轨迹，OA被广泛认为是异构的(heterogeneous)。
Neogi等人在“Magnetic Resonance Imaging-Based Three-Dimensional BoneShape of the Knee Predicts Onset of Knee Osteoarthritis(基于磁共振成像的膝关节三维骨形状预测膝关节骨关节炎的发病)”中对是否有可能预测放射照相的膝关节骨性关节炎的发病进行了检验，得出以下结论：可以使用三维骨形状的特征性特征来预测之后放射照相的骨关节炎的发病。Neogi等人的工作考虑了OA群体和非OA患者群体之间的差异，并考虑了两个群体之间骨形态的一般特征性差异作为一个整体是否可以用作骨关节炎未来发展的预测因子(predictor)。
存在各种针对骨关节炎的医疗和外科手术干预。例如，现代骨科手术允许关节常规手术修复，有时称为关节成形术。关节成形术可能涉及通过修正现有的关节表面和骨头来重塑关节，以提供更能有效地操作的关节。近几十年来，用假体外科手术替换关节或关节表面已经成为关节成形术最常见和成功的形式，并已成为骨关节炎的常见治疗方法。一个特定关节的假体通常基于关节的标准形状。患者之间的差异的一些考虑通常由特定关节的假体来提供，所述假体具有一系列尺寸，并且选择最合适的尺寸以适合患者。美国专利公开号US2008/058947还描述了一组远侧股骨膝关节假体，其被设计为更加接近地对应于女性患者的身体解剖结构。
但是，在对肌肉骨骼关节提供医疗和外科手术干预方面仍然需要改进。
根据本发明的第一方面，这里提供了一种用于生成与肌肉骨骼关节相关联的解剖数据的计算机实施的方法，该方法包括：接收作为输入的变量数据，该变量数据表示由状况(condition)引起的感兴趣的肌肉骨骼关节随时间的变化；接收作为输入的患者数据，该患者数据表示在当前时间患者的所述感兴趣的肌肉骨骼关节；处理所述变量数据和所述患者数据以生成所述解剖数据，其中所述解剖数据包括指示在与所述当前时间不同的预定时间所述患者的所述感兴趣的肌肉骨骼关节的数据。
如上所述，个体之间显著变化的许多因素被理解为促使肌肉骨骼关节的发展，包括体重指数、对韧带和半月板的创伤性损伤、膝盖的外翻对齐以及在日常活动中使用关节的方式。本发明人已经意外地认识到，可以表现状况随时间的变化的特征并且可以使用特征性的随时间的变化来生成针对患者的感兴趣的肌肉骨骼关节的解剖数据，所述解剖数据提供在未来或过去状况中关于患者的感兴趣的肌肉骨骼关节的指示。特别地，发明人已经认识到，影响骨关节炎患者关节形状的最重要因素是骨关节炎本身，而不是个体之间可能显著变化的其他因素，并且来自群体的一般特征性变化可以提供对群体的特定患者的变化的精确的指示。
解剖数据可用于提供医疗干预。例如，确定关于在过去状况下患者的感兴趣的肌肉骨骼关节的指示允许基于患者关节本身为患者量身定制的外科干预。例如，可以基于解剖数据生成适于引导外科医生或适于引导自动外科手术设备的手术计划。例如，手术计划可提供指示如何通过外科手术修复关节以将关节恢复至非患病状态的数据。可替换地，解剖数据可以用于基于患者自己的关节(但是在去除了疾病影响的情况下)为患者生成定制的假体。
解剖数据可以附加地或可选地用于非外科手术干预，诸如用于分析药物的功效、物理治疗或可以用于减轻状况的任何其他医疗干预。该状况可以是骨关节炎。解剖数据可以包括适于生成患者的感兴趣的肌肉骨骼关节的假体的数据。
变量数据可以包括由状况引起的关于感兴趣的肌肉骨骼关节的形状随时间的变化的指示。变量数据可以与患者之外的个体关联的训练数据组相关联。
表示感兴趣的肌肉骨骼关节的患者数据可以包括关于患者的感兴趣的肌肉骨骼关节的形状的表示。
关于患者的感兴趣的肌肉骨骼关节的形状的表示可以基于感兴趣的肌肉骨骼关节的参数化(parameterisation)。该方法可以进一步包括通过以下步骤生成所述患者数据：接收获取自患者的图像数据；以及处理所述图像数据以生成参数化。
关于感兴趣的肌肉骨骼关节的形状的表示可以包括感兴趣的肌肉骨骼关节的形状的多个主成分。处理所述变量数据和所述患者数据以生成所述解剖数据可以包括基于所述变量数据改变由所述患者数据表示的形状。所述变量数据可以包括矢量。基于所述变量数据改变由所述患者数据表示的形状可以包括将所述矢量应用于所述参数设置。将所述矢量应用于所述参数设置可以包括：确定所述患者数据与平均形状之间的关系；以及基于所确定的关系来改变由所述患者数据表示的形状。所述平均形状可以获取自没有患骨关节炎的患者。
感兴趣的解剖区域包括从包括以下的组中选择的身体关节：髋关节；以及膝关节。所述解剖数据可以包括所述状况的影响降低时所述感兴趣的解剖区域的表示。该方法可以进一步包括基于所述解剖数据为所述患者制造假体。该方法可以进一步包括生成所述变量数据。生成所述变量数据可以包括确定多个感兴趣的肌肉骨骼关节随时间的平均变化。所述解剖数据可以包括适于为所述患者的所述感兴趣的肌肉骨骼关节提供医疗干预的数据。
根据本发明的第二方面，本发明提供了一种用于生成假体数据的方法，该方法包括：接收作为输入的变量数据，该变量数据表示由状况引起的感兴趣的解剖区域的变化；接收作为输入的患者数据，该患者数据表示患者的所述感兴趣的所述解剖区域；以及处理所述变量数据和所述患者数据以生成所述假体数据，所述假体数据将适于生成所述患者的所述感兴趣解剖区域的假体。
本发明的各个方面可以进行组合。例如，上面在第一方面的上下文中描述的特征也可以用于第二实施方式的上下文中。
本发明的各方面可以以任何便利的形式来实施。例如可以提供计算机程序来执行这里描述的方法。这样的计算机程序可以在合适的计算机可读介质上携带，该计算机可读存储介质包括适当的有形存储设备(例如光盘)。本发明的各方面也可以由适当编程的计算机来实施。
现在将参考附图仅以举例的方式描述本发明的实施方式，其中：
图1是用于生成指示患者的感兴趣的肌肉骨骼关节的解剖数据的系统的示意图；
图2是示出图1的成像布置的计算机的示意图；
图3是示出用于生成指示患者的感兴趣的肌肉骨骼关节的解剖数据的处理的流程图；
图4是用于生成适于在图3的处理中使用的变量数据的系统的示意图；
图5是示出用于生成适于在图3的处理中使用的变量数据的处理的流程图；
图6是说明在具有和不具有骨关节炎的男性和女性群体中股骨形状分布的萨蒙(Sammon)图；
图7是说明多个个体的股骨形状变化的萨蒙图；以及
图8A至8C以图形方式表示患者股骨的实际和预测的形状变化。
参考图1，计算机1被布置为接收与感兴趣的解剖区域相关联的患者数据2，该感兴趣的解剖区域包括处于患病状态的患者的感兴趣的肌肉骨骼关节。患者数据2与基于三维图像数据生成的患者的感兴趣的解剖区域的参数设置相关联，其中所述三维图像数据已经识别了感兴趣的解剖区域的特征。例如，三维图像数据可以是X射线计算的断层(tomography)成像图像数据，并且参数设置可以通过将三维图像数据拟合统计模型(例如活动外观模型或活动形状模型)来生成，该统计模型已经基于与作为患者数据2的对象的感兴趣的解剖区域相同类型的感兴趣的解剖区域的训练图像组而被创建。所述模型可以是训练图像内的变化的任何统计模型。统计模型可以例如通过处理训练图像组以生成均值模型和训练组的均值模型的变化范围来生成。参数化指示在图像数据中表示的感兴趣的解剖区域的特征，并因此可以用于识别所表示的感兴趣的解剖区域的特征。在国际专利公开号WO2011/098752中描述了合适的模型拟合技术，其内容通过引用结合于此。
计算机1还被布置成接收变量数据3。变量数据3是与存在骨关节炎时感兴趣的解剖区域的随时间变化相关联的数据，并且可随着时间推移基于对患有骨关节炎的患者的感兴趣的解剖区域的分析来生成，如下面进一步详细描述的。发明人已经认识到，在存在骨关节炎的情况下，感兴趣的解剖区域的变化遵循典型的模式，并且对指示患者的感兴趣的解剖区域的变化的患者数据的分析可以用于生成关于患者的历史变化的指示，例如其中通常情况下指示患者的感兴趣的解剖区域的改变的数据不可用，或者可以用于预测感兴趣的解剖区域的未来改变。
基于变量数据3处理患者数据2以生成解剖数据4。解剖数据4提供在预定时间关于感兴趣的肌肉骨骼关节的指示，该预定时间不同于从患者处获取患者数据2的时间，并且该解剖数据4可以是针对关节的先前状态或未来状态。例如，解剖数据可以提供模型，从该模型可以生成针对患者定制的用于感兴趣的解剖区域的假体。
例如，患者数据2可以是已经受到骨关节炎影响的患者的膝盖的三维图像数据，并且变量数据3可以是指示患有骨关节炎的患者的膝盖的变化的数据以及解剖数据4可以提供表示处于没有受到骨关节炎的至少某些影响状态下的患者的膝盖的患者膝盖的模型，或者表示受到骨关节炎的进一步影响的膝盖的患者膝盖的模型。
解剖数据可用于提供医疗干预。例如，确定关于在过去状况下患者的感兴趣的肌肉骨骼关节的指示允许基于患者关节本身为患者量身定制的外科手术干预。例如，可以基于解剖数据生成适于引导外科医生或用于引导自动外科手术设备的外科手术计划。例如，外科手术计划可提供指示应该如何通过外科手术修复关节以将关节修复回非患病状态的数据。可替换地，解剖数据可以用于基于患者自己的关节(但是在去除疾病影响的情况下)为患者生成定制假体。
解剖数据可以附加地或可选地用于非外科手术干预，诸如用于分析药物的功效、物理治疗或可以用于减轻状况的任何其他医疗干预。例如，可以通过生成指示在没有干预下关节未来状态的预测的解剖数据并且将医疗干预之后的关节的数据与所生成的解剖数据进行比较以确定是否该干预导致关节以与预测的解剖数据不同的方式改变来执行对非外科干预的功效分析。
图2更详细地示出了计算机1。可以看出，该计算机包括CPU 1a，该CPU1a被配置为读取并执行存储在采取随机接入存储器形式的易失性存储器1b中的指令。易失性存储器1b存储由CPU 1a执行的指令和这些指令所使用的数据。例如，在使用中，可以将图1中的变量数据3和患者数据2存储在易失性存储器1b中。
计算机1还包括硬盘驱动1c形式的非易失性存储器。由变量数据3和患者数据2生成的数据可以存储在硬盘驱动1c中。计算机1进一步包括I/O接口1d，其与外围设备连接，该外围设备用于与计算机1建立连接。更具体地，显示器1e被配置为显示来自计算机1的输出。显示器1e可以例如显示患者数据2和解剖数据4的表示。输入设备也连接到I/O接口1d。这样的输入设备可以包括允许用户与计算机1交互的键盘1f和鼠标1g。网络接口1h允许计算机1连接到适当的计算机网络，以便从其他计算设备接收数据并将数据传输到其他计算设备。CPU 1a、易失性存储器1b、硬盘驱动1c、I/O接口1d、和网络接口1h通过总线1i连接在一起。
图3示出了为了生成解剖数据4而执行的处理。在图3的步骤S1，接收患者数据。如上所示，患者数据与处于疾病状态中的患者的感兴趣的解剖区域的参数化相关联。在步骤S2，接收变量数据。变量数据与在存在骨关节炎的情况下感兴趣的解剖区域的随时间的变化相关联。在步骤S3中，处理患者数据和变量数据以生成与患者的感兴趣的解剖区域相关联的解剖数据。
所述变量数据允许在存在骨关节炎的情况下感兴趣的解剖区域随时间的改变被建模，以模拟由骨关节炎引起的随时间的改变，其可以通过根据所述变量数据的指示改变患者的感兴趣的解剖区域的形状来模拟。因此，解剖数据可以用于在没有骨关节炎影响的情况下对感兴趣的解剖区域建模，或者在存在骨关节炎进一步影响的情况下对感兴趣的解剖区域建模。因此，解剖数据可用于提供医疗干预，例如通过基于患者自身解剖体(在去除骨关节炎影响的情况下)生成感兴趣的解剖区域的定制假体。
如上所述，变量数据与在存在骨关节炎的情况下感兴趣的解剖区域随时间的的变化相关联。例如，变量数据可以通过分析在一段时间内从患有骨关节炎的患者获取的感兴趣的解剖区域的训练图像组来生成。图4示出了用于生成适于在图3中的处理中使用的变量数据的系统的示意图。如图4所示，计算机5被布置为接收与多个患者相关联的数据，其中示出了数据6、7与两名患者相关联。与数据6、7相关联的每个患者具有与使用图3的处理将生成假体数据的患者相关联的相同疾病。
数据6、7中的每一个数据包括在一时段内在多个不同时间从各自患者获取的感兴趣的解剖区域的多个图像。例如，数据6可以包括十个图像，其中十个图像中的每一个图像是在骨关节炎发展期间的十年中以年为间隔从第一个患者获取的，并且数据7可以包括以相同的间隔从第二个患者获取的对应的十个图像。计算机5处理接收到的患者数据以生成指示在疾病存在时感兴趣的解剖区域随时间变化的变量数据8。现在将参照图5描述处理接收的患者数据以生成变量数据。
在图5的步骤S5，接收患者数据。如上所示，患者数据包括每个患者p，p∈{1,..,s}的r个图像ap1,…,apr，其中每个图像api与时段中的时间i相关联，在该时段内患者被监测并且在该时段内感兴趣的解剖区域在骨关节炎的作用下改变。从而与患者p相关联的每组r个图像提供针对患者p的感兴趣的解剖区域随时间的改变的指示。在步骤S6，患者数据的每个图像被参数化以识别成像的感兴趣的解剖区域的特征。以与图3的步骤S1处接收的患者数据的参数化相对应的方式执行参数化。
在步骤S6生成的参数化将感兴趣的解剖区域的特征的基本组参数化为矢量空间。应该理解的是，可以使用任何合适的参数化。例如，每个参数化可以具有针对描述感兴趣的解剖区域的一组解剖三维点的每一者的x、y和z值的参数，并且该组解剖三维点在解剖学上对应，即，在每个图像上相同的解剖学位置。可替换地，参数化可以是通过诸如主成分分析的标准降维方法生成的一组解剖三维点中的每一个的x、y和z值的低维表示。无论使用哪种参数化处理，参数化提供了解剖学上对应的解剖数据的一个实例，例如图6中的骨解剖形状。
在步骤S7，将计数器i初始化为值1，并且在步骤S8处理患者i的参数化的患者数据以生成矢量vi，该矢量vi指示患者i的感兴趣解剖区域随时间的变化。例如，矢量vi可以使用与每个图像ap1,…,apr相关联的参数化对于每个图像关联的时间作图进行回归分析来生成。例如，每个参数化可以是矢量空间中的点，该矢量空间具有与一组解剖点中的每一个的每个x、y和z值相关联的维度以及与时间相关联的另一维度，并且指示每个患者的感兴趣的解剖区域的改变的矢量可以包括患者的参数化中的最佳拟合矢量。然而，应该理解的是，这样的参数化通常包括大量的点。例如，股骨头的典型参数化包括30000点的量级，并且因此具有参数化的每个点的维度的矢量对于生成和处理可能在计算上是昂贵的。因此，可以使用主成分分析来处理每个图像的参数化以形成新的参数化，以确定多个主成分，并且该矢量可以指示主成分随时间的变化。主成分的典型数量已经被发现是70，使得针对每个患者的矢量vi是具有70个维度的矢量。
鉴于骨关节炎发展的方式，已经发现与矢量vi相关联的方向提供在时间方向上的移动，该移动在一群体内是线性的。此外，已经发现矢量在形状空间中的方向在群体内具有足够的对应，即从群体获取的数据生成的矢量可用于有意义地预测个体的变化。
已经发现骨关节炎在大多数群体中以可预测的方式发展，然而少数群体(例如那些在膝盖处具有过度外翻角(“八字脚的”)的群体)也以线性方式发展但是在形状空间中的不同方向，使得可能需要基于个体的预定特征为某些个体选择变量数据。这样，在一些实施方式中，执行预处理以基于患者的特性选择患者的变量数据，变量数据从一组可能的变量数据中选择，每个变量数据具有相关特性。例如，在步骤S5接收到训练图像的每个患者可以与使用变量数据的患者共享一个或多个属性。通过这种方式，可以被定制以用于生成针对特定患者的解剖数据的变量数据可以被生成。
在步骤S9执行检查以确定计数器i的值是否小于患者数量s。如果确定i小于s，则更多患者仍待处理，并且在步骤S10，计数器i递增并且针对下一患者重复步骤S8的处理。如果在步骤S11确定已经处理了每个患者p的数据，则在步骤S11处理矢量vp以生成指示患者p的平均变化的变量数据v。例如，变量数据v可以是指示所有患者的平均变化的矢量，并且可以以任何便利的方式生成，例如使用回归分析来确定最拟合多个矢量vp的矢量。
如上所述，通过改变由变量数据指示的患者的感兴趣的解剖区域的形状，可以模拟由骨关节炎引起的变化。矢量v提供关于在存在骨关节炎的情况下感兴趣的解剖区域的形状随着时间的平均变化的指示。已经令人惊讶地发现由矢量v指示的平均变化可以应用于患者数据的形状以生成解剖数据，该解剖数据提供与患者的感兴趣的解剖区域的形状的实际变化的强相关性。虽然之前已经示出了骨关节炎患者群体具有可用于预测患者是否可能发展骨关节炎的特征性形状，但认识到特征性形状可以根据群体确定并且随后应用于个体患者以提供可用于医疗干预的数据是令人意外的结果。
图6示出了来自参与骨关节计划的45-70岁志愿者的所有9437个膝关节的形状分布。将所有膝关节都用上述形状模型进行拟合和参数化。该图为将参数化降至2维的萨蒙图，其通过去除形状空间中接近的形状以到达显示的目的进行大幅删减，从而留下600个膝盖。该图示出了具有和不具有OA的男性和女性的95％置信椭圆。可以看出，OA的存在显著地影响了形状的变化并且证明了骨关节炎的特征形状。
图7示出了一组具有骨关节炎的个体的形状变化的萨蒙图。如图7所示，所有个体在二维空间中的形状变化具有很高的对应性，其指示了所有个体的形状变化通常遵循相同的特征方向。
为了根据与患者的感兴趣的解剖区域相关联的当前参数化P生成解剖数据，可以将矢量施加到参数化P以生成新的参数化P'，其中是指示存在骨关节炎的变化的单位矢量，以及标量值α限制沿矢量的允许距离，其中α可以以多种方式估计。在一种实施方式中，考虑参数空间中包含P且平行于的无限线L。将M定义为均值非骨关节炎形状的参数化到L上的投影。M指示与P一致的平均非骨关节炎形状的最接近的形状并且在由骨关节炎变化表示的子空间上是允许的。α的估计值受M和P之间的欧几里德距离限制(即α<||MP||)。在替代实施方式中，可以使用图形用户界面来可视化改变以及由外科医生确定的α，该外科医生将会平衡理想的非骨关节炎结果与实际的外科手术和解剖约束。
在步骤S11中生成的变量数据v提供图1的变量数据3，并且可以如上参考图3所述进行处理以生成解剖数据。如上所述，解剖数据提供在与从患者获取患者数据的时间不同的时间的状态下的感兴趣解剖区域的表示。提供了一种模型，根据该模型可以生成针对患者定制的用于感兴趣的解剖区域的假体。可以以任何方便的方式处理假体数据以生成假体，例如，使用已知的三维打印技术。
图8A至8C示出使用上述方法预测股骨形状变化的能力。图8A示出了在骨关节炎的任何影响之前的个体的股骨以及图8B示出了八年后该个体的股骨的实际形状。在图8B中，深色阴影区域示出了骨材料相对于图8A增加的区域。可以看到由箭头指示的区域包括关于图8B的收缩和扁平化也是由骨关节炎引起的。图8C示出了基于图8A的形状的股骨的预测形状，但是基于样本形状的群体使用如上所述生成的变量数据进行了修改。可以看出，图8C的预测形状包括指示骨质材料增加的区域的深色阴影区域，其紧密对应于图8B的深色阴影区域。此外，图8C中的箭头指示包括收缩和扁平化的区域，其也对应于图8B中的收缩和扁平化的区域。从图8A到8C可以看出，针对个体图8C所示的使用从个体的一般群体生成的变量数据预测的形状变化与如图8B所示的实际形状变化紧密匹配。
感兴趣的解剖区域可以是受疾病影响的任何感兴趣的肌肉骨骼关节。例如，感兴趣的解剖区域可以是包括股骨、胫骨和髌骨的膝关节或包括骨盆的股骨和髋臼的髋关节。
尽管在上文中已经描述了变化是由骨关节炎引起的，但是应当理解的是，上述方法可以用于生成表示患有引起肌肉骨骼关节随时间的特征变化的其他疾病的患者的肌肉骨骼关节的解剖数据。
尽管以上已经描述了本发明的具体实施方式，但是应该理解的是可以在不脱离本发明的精神和范围的情况下对所描述的实施方式进行各种修改。也就是说，所描述的实施方式在所有方面都被认为是示例性的而非限制性的。特别地，在特定形式已经被描述用于特定处理的情况下，应该理解的是，这种处理可以以被配置的任何适当形式来执行以提供适当的输出数据。

Claims (21)

1.一种用于生成与肌肉骨骼关节相关联的解剖数据的计算机实施的方法，该方法包括：
接收作为输入的变量数据，该变量数据表示由状况引起的感兴趣的肌肉骨骼关节随时间的变化；
接收作为输入的患者数据，该患者数据表示在当前时间患者的所述感兴趣的肌肉骨骼关节；
处理所述变量数据和所述患者数据以生成所述解剖数据，其中所述解剖数据包括指示在与所述当前时间不同的预定时间所述患者的所述感兴趣的肌肉骨骼关节的数据。
2.根据权利要求1所述的方法，其中所述状况是骨关节炎。
3.根据权利要求1或2所述的方法，其中所述解剖数据包括适于生成所述患者的所述感兴趣的肌肉骨骼关节的假体的数据。
4.根据权利要求1、2或3所述的方法，其中所述变量数据包括由所述状况引起的关于所述感兴趣的肌肉骨骼关节的形状随时间的变化的指示。
5.根据权利要求4所述的方法，其中所述变量数据与训练数据组相关联，该训练数据组与所述患者之外的个体相关联。
6.根据前述权利要求中任一项权利要求所述的方法，其中表示所述感兴趣的肌肉骨骼关节的所述患者数据包括：所述患者的所述感兴趣的肌肉骨骼关节的所述形状的表示。
7.根据权利要求6所述的方法，其中所述患者的所述感兴趣的肌肉骨骼关节的所述形状的所述表示基于所述感兴趣的肌肉骨骼关节的参数化。
8.根据权利要求7所述的方法，该方法还包括通过以下步骤生成所述患者数据：
接收获取自所述患者的图像数据；以及
处理所述图像数据以生成所述参数化。
9.根据权利要求6、7或8所述的方法，其中所述感兴趣的肌肉骨骼关节的所述形状的所述表示包括：所述感兴趣的肌肉骨骼关节的所述形状的多个主成分。
10.根据权利要求6至9中任一项权利要求所述的方法，其中处理所述变量数据和所述患者数据以生成所述解剖数据包括：基于所述变量数据改变由所述患者数据表示的所述形状。
11.根据权利要求10所述的方法，其中所述变量数据包括矢量，并且其中基于所述变量数据改变由所述患者数据表示的所述形状包括：将所述矢量应用于所述参数化。
12.根据权利要求11所述的方法，其中将所述矢量应用于所述参数化包括：
确定所述患者数据和平均形状之间的关系；以及
基于所确定的关系来改变由所述患者数据表示的所述形状。
13.根据前述权利要求中任一项权利要求所述的方法，其中所述感兴趣的解剖区域是从包括以下的组中选择的身体关节：髋关节；以及膝关节。
14.根据前述权利要求中任一项权利要求所述的方法，其中所述解剖数据包括所述状况的影响降低时所述感兴趣的解剖区域的表示。
15.根据权利要求3所述的方法，该方法还包括基于所述解剖数据为所述患者制造假体。
16.根据前述权利要求中任一项权利要求所述的方法，该方法还包括生成所述变量数据。
17.根据权利要求16所述的方法，其中生成所述变量数据包括：
确定多个感兴趣的肌肉骨骼关节的随时间的平均变化。
18.根据前述权利要求中任一项权利要求所述的方法，其中所述解剖数据包括：适于为所述患者的所述肌肉骨骼关节提供医疗干预的数据。
19.一种包括计算机可读指令的计算机程序，所述计算机可读指令被配置成使计算机执行根据权利要求1至18中任一项权利要求所述的方法。
20.一种携带根据权利要求19所述的计算机程序的计算机可读介质。
21.一种用于生成与肌肉骨骼关节相关联的解剖数据的计算机装置，该计算机装置包括：
存储器，用于存储处理器可读指令；以及
处理器，被布置为读取和执行存储在所述存储器中的指令；
其中所述处理器可读指令包括被布置为用于控制所述计算机执行根据权利要求1至18中任一项权利要求所述的方法的指令。
CN201680067045.8A 2015-11-20 2016-11-16 图像处理方法 Active CN108431899B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1520467.0 2015-11-20
GB1520467.0A GB2544531A (en) 2015-11-20 2015-11-20 Image processing method
PCT/GB2016/053574 WO2017085478A1 (en) 2015-11-20 2016-11-16 Image processing method

Publications (2)

Publication Number Publication Date
CN108431899A true CN108431899A (zh) 2018-08-21
CN108431899B CN108431899B (zh) 2022-05-17

Family

ID=55133080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680067045.8A Active CN108431899B (zh) 2015-11-20 2016-11-16 图像处理方法

Country Status (8)

Country Link
US (1) US11621084B2 (zh)
EP (1) EP3377998B1 (zh)
JP (1) JP6925334B2 (zh)
KR (1) KR20180107086A (zh)
CN (1) CN108431899B (zh)
AU (1) AU2016356185B2 (zh)
GB (1) GB2544531A (zh)
WO (1) WO2017085478A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113362948A (zh) * 2021-05-25 2021-09-07 上海博灵机器人科技有限责任公司 一种检测感兴趣对象的肌肉健康状态的系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210142119A (ko) 2019-03-12 2021-11-24 마코 서지컬 코포레이션 로봇 연조직 평가를 위한 시스템 및 방법
US12023102B2 (en) * 2019-10-02 2024-07-02 Encore Medical, Lp Dba Djo Surgical Systems and methods for reconstruction and characterization of physiologically healthy and physiologically defective anatomical structures to facilitate pre-operative surgical planning
CN112287946B (zh) * 2020-09-23 2023-04-18 南方医科大学珠江医院 基于matlab的膝关节影像组学特征自动化提取方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6161080A (en) * 1997-11-17 2000-12-12 The Trustees Of Columbia University In The City Of New York Three dimensional multibody modeling of anatomical joints
WO2006087190A1 (en) * 2005-02-16 2006-08-24 Nordic Bioscience A/S Vertebral fracture quantification
CN101189638A (zh) * 2005-03-24 2008-05-28 欧博达西亚医学有限公司 膝关节形态的特征描述方法和系统
US20110112808A1 (en) * 2008-02-04 2011-05-12 Iain Alexander Anderson Integrated-model musculoskeletal therapies
CN102770093A (zh) * 2010-02-26 2012-11-07 思邦科技脊柱智慧集团股份公司 用于脊柱移动性模拟的计算机程序及脊柱模拟方法
US20140257508A1 (en) * 2011-10-14 2014-09-11 Conformis, Inc. Methods and Systems for Identification, Assessment, Modeling and Repair of Anatomical Disparities in Joint Replacement
US20140371897A1 (en) * 2013-06-14 2014-12-18 Osiris Biomed 3D, Llc Co-located scanning, printing and/or machining devices for medical constructs
WO2015110282A1 (en) * 2014-01-27 2015-07-30 Materialise N.V. Prediction of shapes

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6862561B2 (en) * 2001-05-29 2005-03-01 Entelos, Inc. Method and apparatus for computer modeling a joint
US7555153B2 (en) * 2004-07-01 2009-06-30 Arthrovision Inc. Non-invasive joint evaluation
US8480679B2 (en) * 2008-04-29 2013-07-09 Otismed Corporation Generation of a computerized bone model representative of a pre-degenerated state and useable in the design and manufacture of arthroplasty devices
EP2385792A1 (en) * 2008-08-12 2011-11-16 Wyeth Pharmaceuticals Inc. Morphometry of the human knee joint and prediction for ostearthritis
US8078440B2 (en) * 2008-09-19 2011-12-13 Smith & Nephew, Inc. Operatively tuning implants for increased performance

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6161080A (en) * 1997-11-17 2000-12-12 The Trustees Of Columbia University In The City Of New York Three dimensional multibody modeling of anatomical joints
WO2006087190A1 (en) * 2005-02-16 2006-08-24 Nordic Bioscience A/S Vertebral fracture quantification
CN101189638A (zh) * 2005-03-24 2008-05-28 欧博达西亚医学有限公司 膝关节形态的特征描述方法和系统
US20110112808A1 (en) * 2008-02-04 2011-05-12 Iain Alexander Anderson Integrated-model musculoskeletal therapies
CN102770093A (zh) * 2010-02-26 2012-11-07 思邦科技脊柱智慧集团股份公司 用于脊柱移动性模拟的计算机程序及脊柱模拟方法
US20140257508A1 (en) * 2011-10-14 2014-09-11 Conformis, Inc. Methods and Systems for Identification, Assessment, Modeling and Repair of Anatomical Disparities in Joint Replacement
US20140371897A1 (en) * 2013-06-14 2014-12-18 Osiris Biomed 3D, Llc Co-located scanning, printing and/or machining devices for medical constructs
WO2015110282A1 (en) * 2014-01-27 2015-07-30 Materialise N.V. Prediction of shapes

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DAWIE VAN DEN HEEVER 等: "Development and testing of patient-specific knee replacements", 《34TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE EMBS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113362948A (zh) * 2021-05-25 2021-09-07 上海博灵机器人科技有限责任公司 一种检测感兴趣对象的肌肉健康状态的系统
CN113362948B (zh) * 2021-05-25 2023-12-22 上海博灵机器人科技有限责任公司 一种检测感兴趣对象的肌肉健康状态的系统

Also Published As

Publication number Publication date
US11621084B2 (en) 2023-04-04
KR20180107086A (ko) 2018-10-01
WO2017085478A1 (en) 2017-05-26
JP6925334B2 (ja) 2021-08-25
EP3377998B1 (en) 2024-06-12
GB2544531A (en) 2017-05-24
GB201520467D0 (en) 2016-01-06
US20200126656A1 (en) 2020-04-23
AU2016356185A1 (en) 2018-04-26
CN108431899B (zh) 2022-05-17
JP2018535763A (ja) 2018-12-06
EP3377998A1 (en) 2018-09-26
AU2016356185B2 (en) 2022-03-17

Similar Documents

Publication Publication Date Title
CN112842529B (zh) 全膝关节图像处理方法及装置
Sarkalkan et al. Statistical shape and appearance models of bones
US9842394B2 (en) Detection of anatomical landmarks
JP7481362B2 (ja) 自動化された欠損定量を有する手術計画立案システム
US20150250552A1 (en) Advanced methods of modeling knee joint kinematics and designing surgical repair systems
US20170258598A1 (en) Advanced Methods of Modeling Knee Joint Kinematics and Designing Surgical Repair Systems
Cerveri et al. Automated method for computing the morphological and clinical parameters of the proximal femur using heuristic modeling techniques
CN108431899A (zh) 图像处理方法
Negrillo-Cárdenas et al. Automatic detection of landmarks for the analysis of a reduction of supracondylar fractures of the humerus
Soltanmohammadi et al. Investigating the effects of demographics on shoulder morphology and density using statistical shape and density modeling
Yosibash et al. Femurs segmentation by machine learning from CT scans combined with autonomous finite elements in orthopedic and endocrinology applications
US20230404673A1 (en) Apparatus, system, and method for generating patient-specific implants and/or instrumentation for osteotomies
Cerveri et al. Determination of the Whiteside line on femur surface models by fitting high-order polynomial functions to cross-section profiles of the intercondylar fossa
Negrillo-Cárdenas et al. Hybrid curvature-geometrical detection of landmarks for the automatic analysis of the reduction of supracondylar fractures of the femur
Saw et al. Skeleton-Based 3D Femur Shape Analysis System Using Maximum-Minimum Centre Approach
Lydia et al. Analysis of Advanced Deep Learning Approaches for the Multiple Bone Fracture detection
Smoger Statistical Modeling to Investigate Anatomy and Function of the Knee
Carman Modelling the Form and Function of the Paediatric Musculoskeletal System
Ghidotti et al. ACL Morsky: Semi-automatic Tool for Assessing the Risk of Developing an Anterior Cruciate Ligament Injury
Ghidotti et al. A Morphological Evaluation Tool in 3D Slicer
Mayasari et al. Convolutional neural network for assisting accuracy of personalized clavicle bone implant designs.
Nolte Using statistical models of shape in musculoskeletal biomechanics and orthopaedic reconstruction
Ho Measuring 3D joint space width from weight bearing CT to monitor progression of knee osteoarthritis
Kramer et al. 3D Vertebrae Measurements: Assessing Vertebral Dimensions in Human Spine Mesh Models Using Local Anatomical Vertebral Axes
WO2024186222A1 (en) Soft tissue modelling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201119

Address after: Florida, USA

Applicant after: MAKO SURGICAL Corp.

Address before: Great Britain

Applicant before: iMorphics Ltd.

GR01 Patent grant
GR01 Patent grant