CN115485720A - 用于检测解剖特征的系统、方法和装置 - Google Patents

用于检测解剖特征的系统、方法和装置 Download PDF

Info

Publication number
CN115485720A
CN115485720A CN202180032759.6A CN202180032759A CN115485720A CN 115485720 A CN115485720 A CN 115485720A CN 202180032759 A CN202180032759 A CN 202180032759A CN 115485720 A CN115485720 A CN 115485720A
Authority
CN
China
Prior art keywords
edge
points
edges
processor
binary mask
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.)
Pending
Application number
CN202180032759.6A
Other languages
English (en)
Inventor
V·D·斯奈德
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.)
Medtronic Navigation Inc
Original Assignee
Medtronic Navigation Inc
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 Medtronic Navigation Inc filed Critical Medtronic Navigation Inc
Publication of CN115485720A publication Critical patent/CN115485720A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06T2207/30012—Spine; Backbone

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

根据本公开的实施方案的一种检测椎骨终板边沿的方法包括在处理器处接收椎骨的二进制掩码；对所述二进制掩码应用拉普拉斯滤波器以产生经处理的图像；在所述经处理的图像中识别具有超过预定阈值的锐度的边缘集；将模板可变形地配准到对应于所述边缘集中的至少一些边缘的多个点；基于至少一个预定标准来排除所述多个点中的一些点；以及通过在所述多个点的剩余子集当中进行内插来生成附加点，以产生限定所述椎骨的终板边沿的点集。

Description

用于检测解剖特征的系统、方法和装置
相关申请的交叉引用
本申请根据35U.S.C.§119(e)要求于2020年5月4日提交的美国临时专利申请63/019,822的优先权权益，该临时专利申请的全部内容以引用方式并入本文。
技术领域
本发明技术整体涉及医学成像，并且更具体地涉及医学图像中的椎骨终板边沿或其他解剖特征的检测。
背景技术
解剖结构的有临床意义的测量对于计划外科手术而言可能是重要的。例如，对于脊柱手术，可以使用脊柱解剖结构的测量(包括例如，可用于评估脊柱侧凸或矢状面序列的椎间盘高度测量和Cobb角)来计划脊柱手术。此外，越来越多地使用3D数据集(诸如由CT或MRI扫描生成的数据集)来完成手术计划。
发明内容
根据本公开的一个实施方案的一种用于识别椎骨终板边沿的系统包括：通信接口；处理器；和存储器。该存储器存储用于由处理器执行的指令，该指令在被执行时使得处理器：接收椎骨的3D图像的二进制掩码；基于确定的梯度方向变化来识别椎骨的边缘集；将边缘集中的每个边缘分类为似真边缘或不似真边缘；拒绝不似真边缘；基于似真边缘来选择多个点；并且通过在多个点中的至少一些点中的相邻点之间进行内插来生成附加点，以填充多个点中的至少一些点之间的间隙。
存储器可以存储用于由处理器执行的附加指令，该附加指令在被执行时使得处理器输出椎骨终板边沿的坐标。存储器可以存储用于由处理器执行的附加指令，该附加指令在被执行时使得处理器将模板拟合到边缘集。对边缘集中的每个边缘进行分类可以包括将模板上的多个经拟合点中的每个经拟合点的位置与模板上的至少两个相邻经拟合点进行比较。对边缘集中的每个边缘进行分类可以包括将从模板延伸超过预定距离的任何边缘分类为不似真边缘。
识别边缘集可以包括对二进制掩码应用拉普拉斯滤波器。识别边缘集可以包括识别超过预定量值的梯度方向变化。不似真边缘可以是上下方向上的长度比前后方向上的长度和侧向方向上的长度中的每一者大至少预定量的边缘。可以通过以规则间隔进行内插来生成附加点。
根据本公开的另一个实施方案的一种检测椎骨终板边沿的方法包括：在处理器处接收椎骨的二进制掩码；对二进制掩码应用拉普拉斯滤波器以产生经处理的图像；在经处理的图像中识别具有超过预定阈值的锐度的边缘集；将模板可变形地配准到对应于边缘集中的至少一些边缘的多个点；基于至少一个预定标准来排除多个点中的一些点；以及通过在多个点的剩余子集当中进行内插来生成附加点，以产生限定椎骨的终板边沿的点集。
该至少一个预定标准可以包括来自多个点中的点是否相对于多个点的子集超出预定距离。该至少一个预定标准可以包括来自多个点中的点是否限定超过预定锐度的轮廓。该至少一个预定标准可以包括该点是否比相邻点更靠近拟合到模板的平面。边缘集中的至少一些边缘中的每个边缘可以满足边缘标准。该边缘标准可以对应于边缘在上下方向上的尺寸相对于边缘在前后方向上的尺寸和边缘在侧向方向上的尺寸中的每一者的关系。
根据本公开的另一个实施方案的一种图像处理装置包括：通信接口；处理器；和存储器。该存储器存储用于由处理器执行的指令，该指令在被执行时使得处理器：对椎骨的二进制掩码应用拉普拉斯滤波器以产生经处理的图像，该二进制掩码是经由通信接口接收到的；使用经处理的图像来识别似真边缘集；将模板配准到多个点，该多个点中的每个点位于似真边缘集中的至少一个似真边缘上；对该多个点中的每个点应用预定标准以产生拒绝集和接受集，该拒绝集包括不满足预定标准的点，该接受集包括满足预定标准的点；并且通过在接受集中的至少两个点之间进行内插来生成至少一个新点。
存储器可以存储用于由处理器执行的附加指令，该附加指令在被执行时进一步使得处理器至少基于接受集来确定椎骨的终板边沿的坐标。在一些实施方案中，处理器不结合指令中的任何指令使用机器学习算法。指令中的每个指令可以由处理器自动执行。存储器可以存储用于由处理器执行的附加指令，该附加指令在被执行时进一步使得处理器将平面拟合到经配准的模板。预定标准可以基于经拟合的平面。
尽管结合椎骨终板边沿的自动检测来描述本公开的各方面，但是本公开的一些实施方案可用于自动检测除椎骨终板边沿之外的解剖结构。
本公开的一个或多个方面的细节在以下附图和描述中阐述。根据说明书和附图以及权利要求书，本公开中描述的技术的其他特征、目标和优点将是显而易见的。
短语“至少一个”、“一个或多个”以及“和/或”是在操作中具有连接性和分离性两者的开放式表述。举例来说，表述“A、B和C中的至少一个”、“A、B或C中的至少一个”、“A、B和C中的一个或多个”、“A、B或C中的一个或多个”以及“A、B和/或C”意指仅A、仅B、仅C、A和B一起、A和C一起、B和C一起，或A、B和C一起。当上述表述中的A、B和C中的每一个都指代如X、Y和Z的一个元素或如X1-Xn、Y1-Ym和Z1-Zo的一类元素时，短语意指选自X、Y和Z的单个元素、选自同一类的元素(例如X1和X2)的组合以及选自两个或更多类的元素(例如Y1和Zo)的组合。
术语“一(a/an)”实体指所述实体中的一个或多个。如此，术语“一(a/an)”、“一个或多个”和“至少一个”在本文中可以可互换地使用。还应当注意，术语“包括”、“包含”和“具有”可以可互换地使用。
前述内容是本公开的简化概述以提供对本公开的一些方面的理解。本发明内容既不是对本公开和其各个方面、实施方案和配置的广泛性概述也不是详尽性概述。其既不旨在识别本公开的关键或重要要素，也不旨在描绘本公开的范围，而是以简化形式呈现本公开的所选概念，作为对下文呈现的更详细描述的介绍。如应了解，本公开的其它方面、实施方案和配置可能单独或以组合方式利用上文所阐述或下文所详细描述的特征中的一个或多个。
在考虑下文提供的实施方案描述之后，本发明的许多额外特征和优点对于本领域技术人员将变得显而易见。
附图说明
附图并入并形成本说明书的一部分以示出本公开的几个示例。这些附图连同描述一起解释本公开的原理。附图简单地示出如何进行和使用本公开的优选和替代性示例，且不应解释为仅将本公开限制于所示出和所描述的示例。另外的特征和优点将根据以下对本公开的各个方面、实施方案和配置的更详细描述变得显而易见，如通过以下所参考的图式所示出。
图1为根据本公开的至少一个实施方案的系统的框图；
图2为根据本公开的至少一个实施方案的方法的流程图；
图3为根据本公开的至少一个实施方案的方法的另一个流程图；
图4为根据本公开的至少一个实施方案的方法的另一个流程图；
图5为根据本公开的至少一个实施方案的方法的另一个流程图；
图6为根据本公开的至少一个实施方案的方法的另一个流程图；
图7为根据本公开的至少一个实施方案的方法的另一个流程图；
图8为根据本公开的至少一个实施方案的方法的另一个流程图；
图9为根据本公开的至少一个实施方案的方法的另一个流程图；
图10A为示出根据本公开的至少一个实施方案的方法的一个步骤的可能结果的图像；
图10B为示出根据本公开的至少一个实施方案的方法的另一个步骤的可能结果的图像；
图10C为示出根据本公开的至少一个实施方案的方法的另一个步骤的可能结果的图像；
图10D为示出根据本公开的至少一个实施方案的方法的另一个步骤的可能结果的图像；
图10E为示出根据本公开的至少一个实施方案的方法的另一个步骤的可能结果的图像；
图10F为示出根据本公开的至少一个实施方案的方法的另一个步骤的可能结果的图像；并且
图11为示出根据本公开的至少一个实施方案的方法的可能结果的图像。
具体实施方式
应当理解，可将本文所公开的各个方面以与说明书和附图中具体给出的组合不同的组合进行组合。还应理解，取决于示例或实施方案，本文中所描述的过程或方法中的任一个的某些动作或事件可以不同的序列执行，和/或可添加、合并或完全省略(例如，根据本公开的不同实施方案，执行所公开技术可能不需要所有描述的动作或事件)。另外，出于清晰的目的，虽然本公开的某些方面被描述为由单个模块或单元执行，但应理解，本公开的技术可由与例如计算装置和/或医疗装置相关联的单元或模块的组合执行。
在一个或多个示例中，所描述方法、过程和技术可以硬件、软件、固件或其任何组合实施。如果在软件中实现，则功能可作为一个或多个指令或代码存储在计算机可读介质上并由基于硬件的处理单元执行。计算机可读介质可包括非暂态计算机可读介质，其对应于有形介质，诸如数据存储介质(例如，RAM、ROM、EEPROM、闪存存储器，或可用于存储指令或数据结构形式的期望程序代码并且可由计算机访问的任何其他介质)。
指令可以由一个或多个处理器执行，诸如一个或多个数字信号处理器(DSP)、通用微处理器(例如，Intel Core i3、i5、i7或i9处理器；Intel Celeron处理器；Intel Xeon处理器；Intel Pentium处理器；AMD Ryzen处理器；AMD Athlon处理器；AMD Phenom处理器；Apple A10或10X Fusion处理器；Apple A11、A12、A12X、A12Z或A13 Bionic处理器；或任何其他通用微处理器)、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其他等效的集成或离散逻辑电路。因此，如本文所用的术语“处理器”可指前述结构或适于实现所描述的技术的任何其他物理结构中的任一种。另外，本技术可在一个或多个电路或逻辑元件中完全实现。
在详细地解释本公开的任何实施方案之前，应当理解，本公开在其应用方面不限于以下描述中阐述或附图中示出的构造细节和组件布置。本公开能够具有其它实施方案且能够以各种方式实践或进行。同样，应理解，本文中所使用的措词和术语是出于描述的目的且不应视为是限制性的。本文中使用“包含”、“包括”或“具有”以及其变化形式意在涵盖其后列出的项目和其等效物以及额外项目。此外，本公开可使用示例来示出其一个或多个方面。除非另有明确说明，否则使用或列出一个或多个示例(其可由“例如(for example)”、“借助于示例”、“例如(e.g.)”、“如”或类似语言指示)不旨在且并不限制本公开的范围。
本公开的实施方案提供了用于解剖结构的自动化测量，这实现更有效的手术计划。本文讨论的若干实施方案还促进了脊柱或其他解剖结构的术中评估(例如，结合对每个椎骨的分段跟踪)。这些实施方案提供了优于其他可能的方法(包括可能的机器学习方法)的若干优点。例如，本公开的实施方案产生高度准确的结果，可以在术中完成，并且不需要大量投资(无论是在时间、成本、处理能力方面或在其他方面)来生成训练数据以及调试机器学习算法中的任何故障。
根据本公开的实施方案的系统和方法可用于自动检测椎骨终板边沿或其他解剖结构。具体地，本公开的一些实施方案可能特别适合自动检测解剖结构，这些解剖结构：可以从图像中正确分割(例如，以二进制掩码的形式，或以可以应用二值滤波器以产生二进制掩码的形式)；其特征可在于，具有或作为表面局部方向上相对于周围结构锐度最高的边缘或变化；形成相当平滑的闭合轮廓；并且/或者具有典型的形状，使得模板可以与其配准。需注意，本公开的实施方案不限于自动检测由骨骼形成的解剖结构。本公开的一些实施方案还有利地利用梯度方向变化而不是强度梯度，来自动检测解剖结构，因此即使例如当强度梯度不足以允许检测解剖结构时，这些实施方案也可以使用。
如下所述，这些实施方案可以在不使用机器学习及其固有限制的情况下实现这些结果和其他结果。此类系统和方法可以被配置为接收脊柱、脊柱特征或其他解剖结构的三维图像或表示(在一些实施方案中，该图像或表示可以是表示原始图像的分割的掩码)，并且基于该图像或表示：以适当的长度尺度识别锐利边缘；拒绝不似真边缘；选择似真边缘；搜索可能被包括在终板边沿上的近旁解剖点；并且经由内插闭合任何间隙，以产生用于描述终板边沿的分布相对均匀的坐标集。
首先转向图1，示出了根据本公开的至少一个实施方案的系统100的框图。系统100可以用于例如执行本文所公开的方法中的一种或多种方法的一个或多个方面，检测三维图像中的一个或多个椎骨终板边沿，和/或将三维图像中的一个或多个检测到的椎骨终板边沿用于或结合外科手术期间的手术计划过程、配准过程、分段跟踪(例如，脊柱的一个或多个椎骨区段的分段跟踪)，或用于任何其他有用目的。系统100包括计算装置102、一个或多个成像装置132、机器人136、导航系统144、数据库148和云152。尽管前述内容，根据本公开的其他实施方案的系统可省略一个或多个成像装置132、机器人136、导航系统144、数据库148和/或云152中的任何一者或多者。
计算装置102包括处理器104、通信接口108、用户接口112和存储器116。根据本公开的其它实施方案的计算装置可省略通信接口108和用户接口112中的一者或两者。
计算装置102的处理器104可以是本文所描述的任何处理器或任何类似的处理器。处理器104可被配置为执行存储在存储器116中的指令，该指令可使处理器104利用或基于例如从成像装置132、机器人136、导航系统144、数据库148和/或云152接收的数据来进行一个或多个计算步骤。
计算装置102还可包括通信接口108。通信接口108可用于接收图像数据或来自外部源(诸如成像装置132、机器人136、导航系统144、数据库148、云152和/或便携式存储介质(例如，USB驱动器、DVD、CD))的其他信息，和/或用于将指令、图像或其他信息传输到外部系统或装置(例如，另一个计算装置102、成像装置132、机器人136、导航系统144、数据库148、云152和/或便携式存储介质(例如，USB驱动器、DVD、CD))。通信接口108可包括一个或多个有线接口(例如，USB端口、以太网端口、火线端口)和/或一个或多个无线接口(例如，配置为经由一个或多个无线通信协议，如802.11a/b/g/n、蓝牙、NFC、ZigBee等来传输信息)。在一些实施方案中，通信接口108可用于使装置102能够与一个或多个其他处理器104或计算装置102进行通信，无论是缩短完成计算机密集任务所需的时间还是出于任何其他原因。
用户接口112可为或包括键盘、鼠标、轨迹球、监测器、电视、触摸屏、按钮、操纵杆、开关、杠杆和/或用于从用户接收信息和/或用于将信息提供到计算装置102的用户的任何其它装置。用户界面112可用于例如接收结合本文所述的任何方法的任何步骤的用户选择或其他用户输入；接收关于计算装置102和/或系统100的另一个组件的一个或多个可配置设置的用户选择或其他用户输入；接收关于如何和/或往何处存储和/或转移由计算装置102接收、修改和/或生成的图像数据的用户选择或其他用户输入；和/或基于由计算装置102接收、修改和/或生成的图像数据向用户显示图像。尽管在系统100中包含用户接口112，但是系统100可自动地(例如，在没有经由用户接口112的任何输入的情况下或以其他方式)进行本文所描述的任何方法的步骤中的一个或多个或全部。
尽管用户接口112被示出为计算装置102的一部分，但是在一些实施方案中，计算装置102可利用与计算装置102的一个或多个其余组件分开容纳的用户接口112。在一些实施方案中，用户接口112可接近计算装置102的一个或多个其他组件定位，而在其他实施方案中，用户接口112可远离计算机装置102的一个或多个其他组件定位。
存储器116可以是或包括RAM、DRAM、SDRAM、其他固态存储器、本文所述的任何存储器、或用于存储计算机可读数据和/或指令的任何其他有形的非暂态存储器。存储器116可存储可用于完成例如本文所描述的方法200、300、400、500、600、700、800和/或900的任何步骤的信息或数据。存储器116可以存储例如一种或多种图像处理算法120、一个或多个预定标准124和/或一个或多个椎骨终板边沿模板128。在一些实施方案中，此类指令、算法、标准和/或模板可被组织成一个或多个应用程序、模块、包、层或引擎，并且可使处理器104操纵存储在存储器116中和/或从系统100的另一组件接收的数据。
图像处理算法120可以是或包括例如一种或多种重采样算法、一种或多种模糊算法、一个或多个拉普拉斯滤波器和/或一种或多种裁剪算法。其他图像处理算法120也可以存储在存储器116内。
一个或多个预定标准124可以包括一个或多个预定阈值；用于检测图像或其部分中的一个或多个特征的一种或多种算法；用于测量距离(无论其单位是体素、像素、公制单位、标准单位或其他)的一种或多种算法；用于对两个或更多个体素、像素或其他项目进行比较的一种或多种算法；或结合一个或多个预定标准使用的任何其他阈值、算法或数据。
一个或多个椎骨终板边沿模板128中的每个椎骨终板边沿模板可以是或表示椎骨终板边沿的预期外观。模板128可以特定于特定椎骨水平(例如，L2水平、T7水平、C3水平)。另选地，模板128可以通用于多个椎骨水平。
成像装置132可以为可操作以使患者的解剖特征(诸如患者的脊柱或脊柱的一部分)成像。成像装置132可以为能够拍摄2D图像或3D图像以生成图像数据。如本文所使用的“图像数据”指代由成像装置生成或捕获的数据，包含呈机器可读形式、图形形式和呈任何其他形式的数据。在一些实施方案中，成像装置132能够从多个角度或视点拍摄多个2D图像，并且能够通过组合或以其他方式操纵多个2D图像来生成3D图像。成像装置132可以是或包括例如CT扫描仪、O型臂、C型臂、G型臂或利用基于X射线的成像的另一种装置(例如，荧光镜或其他X射线机)、超声波探头、磁共振成像(MRI)扫描仪、光学计算断层扫描仪、内窥镜、望远镜或适于获得患者的解剖特征的图像的任何其他成像装置。在一些实施方案中，系统100可在不使用成像装置132的情况下操作。
成像装置132能够另外或另选地可操作以使患者的解剖特征实时成像。在此类实施方案中，成像装置132可以将更新后的图像和/或更新后的图像数据连续地提供给计算装置102，该计算装置可以连续地处理更新后的图像和/或更新后的图像数据以检测其中的一个或多个椎骨终板边沿。在一些实施方案中，成像装置132可以包括多于一个的成像装置132。例如，第一成像装置可以提供患者的解剖特征的一个或多个术前图像，并且第二成像装置可以在外科手术期间提供患者的解剖特征的一个或多个术中图像。在其他实施方案中，同一成像装置可用于提供一个或多个术前图像和一个或多个术中图像中的仅一者或两者。
机器人136可为任何手术机器人或手术机器人系统。机器人136可为或包括例如Mazor XTM隐形版机器人引导系统。机器人136可包括一个或多个机器人臂140。在一些实施方案中，机器人臂140可包括第一机器人臂和第二机器人臂。在其它实施方案中，机器人126可包括一个机器人臂、两个机器人臂或两个以上机器人臂。在一些实施方案中，机器人臂140可保持或以其他方式支撑成像装置132。在一些实施方案中，机器人臂140可协助外科手术(例如，通过在外科医生或其他用户操作工具时将工具保持在期望轨迹或姿势和/或支撑工具的重量，或以其他方式)和/或自动地进行外科手术。在一些实施方案中，系统100可在不使用机器人136的情况下操作。
在一些实施方案中，参考标记(即，导航标记)可以放置在机器人126、机器人臂140、成像装置132或手术空间中的任何其他对象上。参考标记可由导航系统144跟踪，并且跟踪的结果可由机器人126和/或由系统100或其任何组件的操作者使用。在一些实施方案中，导航系统114可用于跟踪系统100的其他组件(例如，成像装置132)，并且系统可在不使用机器人136的情况下(例如，在外科医生手动操纵成像装置132和/或可用于进行外科手术的任何工具的情况下)操作。
导航系统144可在操作期间为外科医生和/或手术机器人提供导航。导航系统144可为任何现在已知的或将来开发的导航系统，包含例如Medtronic StealthStationTMS8手术导航系统。导航系统144可包含相机或者一个或多个其它传感器，用于跟踪一个或多个参考标记、导航跟踪器或在手术室或进行外科手术的其它房间内的其它物体。在各种实施方案中，导航系统144可用于跟踪成像装置132(或更具体地说，直接或间接以固定关系附接到成像装置132的导航跟踪器)和/或机器人136(或机器人136的一个或多个机器人臂140)的位置。导航系统144可包括用于显示来自外部源(例如，计算装置102、成像装置132或其他源)的一个或多个图像，或来自导航系统144的摄像机或其他传感器的视频流的显示器。在一些实施方案中，系统100可在不使用导航系统144的情况下操作。
数据库148可以存储由一个或多个成像装置132拍摄的一个或多个图像，并且可以被配置为直接或通过云152向计算装置102(例如，以在用户接口112上显示或通过其显示)或向任何其他装置提供一个或多个此类图像(以电子方式，以图像数据的形式)。在一些实施方案中，数据库148可为或包括医院图像存储系统的一部分，如图片存档与通信系统(PACS)、健康信息系统(HIS)和/或用于收集、存储、管理和/或传输包含图像数据的电子医疗记录的另一个系统。
云152可为或表示因特网或任何其他广域网。计算装置102可使用有线连接、无线连接或两者经由通信接口108连接到云152。在一些实施方案中，计算装置102可通过云152与数据库148和/或外部装置(例如，计算装置)通信。
现在转向图2，根据本公开的至少一个实施方案的用于检测椎骨终板边沿的方法200包括接收包括椎骨的3D图像的二进制掩码(步骤210)。二进制掩码可以是对至少一个椎骨的3D图像应用二值滤波器的结果。可以例如从数据库148、云152或从成像装置132接收二进制掩码。经由通信接口108接收二进制掩码。在一些实施方案中，可以从存储器116接收二进制掩码。例如，在一些实施方案中，可以从例如数据库148、云152或成像装置132接收至少一个椎骨的3D图像，并且处理器104可以对接收到的图像应用二值滤波器(其可以是例如存储在存储器116中的图像处理算法120)以产生3D图像的二进制掩码，该二进制掩码可以存储在存储器116中，直到被处理器104检索或以其他方式接收。在一些实施方案中，接收二进制掩码可以包括方法300的步骤中的一个或多个步骤。
尽管上文结合3D图像的二进制掩码描述了步骤210，但在一些实施方案中，步骤210可以包括接收2D图像的二进制掩码。
方法200还包括处理二进制掩码以产生经处理的图像(步骤220)。可以对二进制掩码应用任何已知的图像处理步骤，包括例如编辑、滤波、转换和/或裁剪。处理步骤可以包括或导致噪声、取向和/或透视图的调整。处理步骤可以包括对二进制掩码进行重采样以增加或减少二进制掩码中的像素或体素的数量。由对二进制掩码的处理产生的经处理的图像可以包括一个或多个特征，该一个或多个特征已经被增强或削弱、强调或去强调或以其他方式相对于原始二进制掩码进行调整。可以通过处理器104对二进制掩码应用一个或多个图像处理算法120来执行处理。在一些实施方案中，处理二进制掩码以产生经处理的图像可以包括方法400的步骤中的一个或多个步骤。
方法200还包括识别经处理的图像中的边缘集(步骤230)。可以通过对经处理的图像应用一个或多个预定标准125来识别该边缘集。每个已识别边缘可以是或包括点、线或相邻点的集合。可以基于例如检测到经处理的图像中的梯度方向变化来识别该边缘集。在一些实施方案中，识别经处理的图像中的边缘集可以包括方法500的步骤中的一个或多个步骤。
方法200还包括评估边缘集中每个边缘的似真性(步骤240)。似真边缘是经处理的图像中更可能是椎骨的终板边沿的实际边缘的边缘，而不似真边缘是经处理的图像中不太可能是椎骨的终板边沿的实际边缘的边缘。评估可以包括识别和拒绝不似真边缘，以及将剩余的未拒绝边缘处理为似真边缘。在一些实施方案中，可以通过删除或以其他方式从边缘集中移除已拒绝边缘，而在其他实施方案中，可以将已拒绝边缘标记为已拒绝和/或忽略已拒绝边缘或以其他方式不在方法200的一个或多个后续步骤中利用已拒绝边缘。另选地，评估可以包括识别似真边缘，以及拒绝未被识别为似真边缘的所有边缘。在一些实施方案中，可以遵照似真性标准集和不似真性标准集单独评估每个边缘(不似真性标准可以与似真性标准互斥，以便避免任何一个边缘同时满足似真性标准和不似真性标准两者)。在一些实施方案中，评估边缘集中的每个边缘的似真性可以包括方法600的步骤中的一个或多个步骤。
方法200进一步包括将模板配准到似真边缘(步骤250)。模板可以是例如存储在存储器116中的模板128。在一些实施方案中，可以例如从数据库148和/或从云152接收模板。可以基于一个或多个标准来选择模板，诸如一个或多个患者特征(例如，年龄、性别、体型)、患者测量(例如，患者脊柱的长度)或任何其他标准。模板可以从例如解剖图谱获得或基于解剖图谱，并且/或者可以反映椎骨终板边沿的平均尺寸和/或形状。在一些实施方案中，将模板配准到似真边缘可以包括方法700的步骤中的一个或多个步骤。
方法200还包括拒绝未能满足预定点标准的点(步骤260)。预定点标准可以是存储在存储器116中的预定标准124中的一个或多个预定标准。预定点标准可以涉及例如点相对于参考(例如，另一个点、线、平面)的位置。预定点标准可以涉及给定点是否在限定搜索区域内。用于步骤260的特定预定点标准可以取决于例如被分析的终板边沿是上终板边沿(例如，更多地朝向患者头部而不是朝向患者脚部的终板边沿)还是下终板边沿(例如，更多地朝向患者脚部而不是朝向患者头部的终板边沿)。
点可以是例如从在方法200期间识别的似真边缘选择的点。每个似真边缘可以对应于一个点，或者每个似真边缘可以对应于多个点。在一些实施方案中，可以通过删除或以其他方式从点的列表或分组中移除已拒绝点，而在其他实施方案中，可以将已拒绝点标记为已拒绝和/或忽略已拒绝点或以其他方式不在步骤270中利用已拒绝点。在一些实施方案中，拒绝未能满足预定点标准的点可以包括方法800的步骤中的一个或多个步骤。
方法200进一步包括识别终板边沿点(步骤270)。识别可以包括使用从步骤260剩余的点来限定内插点，然后以规则间隔进行内插以获得在所讨论的椎骨的实际终板边沿上或很近处分布均匀的点集合。在一些实施方案中，点可以与限定患者空间、机器人空间或导航空间中的任何一者或多者中的终板边沿的坐标集相关。在一些实施方案中，识别终板边沿点可以包括方法900的步骤中的一个或多个步骤。
本公开涵盖方法200的包括比上述实施方案更多或更少步骤的实施方案。本公开还涵盖方法200的用于自动检测除椎骨终板边沿之外的解剖结构的实施方案。
现在转向图3，根据本公开的至少一个实施方案的用于接收3D图像的二进制掩码的方法300包括获得3D图像(步骤304)。例如，可以由成像装置132获取3D图像。3D图像可以是CT扫描、MRI扫描、O形臂或其他360°扫描、多个2D图像的组合或任何其他源或由它们产生。计算装置102可以直接从成像装置132，或者从图像存储位置(诸如数据库148)接收3D图像。可以经由云152接收3D图像。无论3D图像的源如何，都可以通过通信接口108在计算装置102处接收3D图像并将其转移到处理器104和/或存储器116。因此，在一些实施方案中，处理器104可以从存储器116接收或获得3D图像。
方法300还包括对3D图像应用二值滤波器以产生二进制掩码(步骤308)。对3D图像应用二值滤波器可以产生仅示出单个椎骨(或其他解剖结构)的二进制掩码。二进制掩码可以包括表示单个椎骨(或其他解剖结构)的多个点。每个点可以是或包括例如3D图像中的体素。点中的一些点可以表示例如椎骨的终板边沿，而点中的其他点可以表示椎骨的其他特征(诸如椎骨的侧表面或椎骨的终板)。二值滤波器可以是可用于产生二进制掩码，并且具体地用于产生在其中表示出单个椎骨的二进制掩码的任何已知的二值滤波器。二值滤波器可以是存储在存储器116中的图像处理算法120中的一种图像处理算法。在一些实施方案中，无论3D图像的类型(例如，CT扫描、MRI扫描等)如何，都可以使用相同的二值滤波器，而在其他实施方案中，所使用的二值滤波器可以取决于图像类型。在一些实施方案中，无论所讨论的椎骨的特定椎骨水平如何，都可以使用相同的二值滤波器，而在其他实施方案中，所使用的二值滤波器可以取决于所讨论的椎骨的椎骨水平。
尽管本文描述为用于接收3D图像的二进制掩码的方法，但在本公开的一些实施方案中，方法300可以适于接收2D图像的二进制掩码。在此类情况下，步骤304包括获得2D图像，并且步骤308包括对2D图像应用二值滤波器以产生二进制掩码。
方法300的结果是二进制掩码，该二进制掩码用于识别在二进制掩码中表示的椎骨(或其他解剖结构)的椎骨终板边沿，以进行进一步处理和分析，诸如下文结合方法400、500、600、700、800和/或900所描述的处理和分析。本公开涵盖方法300的具有比上述实施方案更多或更少步骤的实施方案。
现在转向图4，根据本公开的至少一个实施方案的用于处理二进制掩码的方法400包括对二进制掩码进行重采样(步骤404)。可以通过对二进制掩码应用存储在存储器116中的图像处理算法120来实现重采样。重采样能够导致二进制掩码中的体素的数量增加或减少。例如，可以选择重采样间隔，该重采样间隔将导致优化(无论是通过增加还是减少)二进制掩码中的体素数量，以在约3mm、或约2mm、或约1mm的尺度上识别第一表面(例如，椎骨的侧面)与正态表面(例如，椎骨的终板)之间的边缘或边沿。例如，对于约1mm的尺度，重采样的结果可以是二进制掩码中的每个体素具有1mm3的尺寸。如本文所用，并且除非另有说明，否则术语“约”和“大约”均意指在所述值的10％内。可以对二进制掩码应用适于实现如本文所解释的重采样的期望结果的任何已知的重采样算法或过程。
方法400还包括对二进制掩码进行模糊(步骤408)。可以通过对二进制掩码应用存储在存储器116中的图像处理算法120来实现模糊。模糊的目的可以是从二进制掩码中移除离群体素，模糊的目的可以是进一步优化图像以用于在约3mm、或约2mm、或约1mm的尺度上识别第一表面(例如，椎骨的侧面)与正态表面(例如，椎骨的终板)之间的边缘或边沿。可基于期望或选定尺度来选择用于进行模糊的核。模糊可以是或包括高斯平滑或模糊，以准备要对其应用拉普拉斯滤波器的二进制掩码。可以对二进制掩码应用适于实现如本文所解释的模糊的一个或多个期望结果的任何已知的模糊算法或过程。
方法400还包括对二进制掩码应用拉普拉斯滤波器(步骤412)。本文所述的方法涉及可以使用拉普拉斯滤波器来识别的梯度方向变化，而不着眼于强度梯度。拉普拉斯滤波器可以强调或以其他方式增强二进制掩码中的梯度变化，因此有助于二进制掩码中的边缘检测。拉普拉斯滤波器可以例如突出显示二进制掩码中快速强度变化的区域。拉普拉斯滤波器可用于指示在二进制掩码中的每个位置处(在二进制掩码内)相邻像素值的变化是否由边缘产生。在一些实施方案中，对二进制掩码进行模糊以及对二进制掩码应用拉普拉斯滤波器可以组合到单个步骤中，以便减少处理二进制掩码所需的步骤数量。可以对二进制掩码应用适于促进二进制掩码中的边缘检测的任何已知的拉普拉斯滤波器。
方法400还包括对二进制掩码进行裁剪(步骤416)。更具体地，可以裁剪二进制掩码以移除所讨论的椎骨的在识别椎骨终板边沿时不需要或无用的后部结构(例如，横突、上关节突、下关节突、棘突、椎板)。可以使用适于此类裁剪的任何已知的裁剪算法来执行裁剪。
方法400的结果是经处理的二进制掩码，该经处理的二进制掩码用于检测在经处理的二进制掩码中表示的椎骨(或其他解剖结构)的椎骨终板边沿。经处理的二进制掩码可以用于例如方法500、600、700、800和/或900中的一种或多种方法。本公开涵盖方法400的具有比上述实施方案更多或更少步骤的实施方案。例如，在一些实施方案中，方法400可以进一步包括对二进制掩码应用使得二进制掩码内部的孔洞被填充(因此移除与此类孔洞相关联的任何边缘)的算法。
现在转向图5，根据本公开的至少一个实施方案的用于识别边缘集的方法500包括识别经处理的二进制掩码中的潜在终板边沿边缘(步骤504)。终板边沿与从轴向表面到大致正交表面的急转(例如，在1mm内)重合。这种急转导致边缘，因此定位/识别终板边沿的一个步骤是识别经处理的二进制掩码中的边缘。可以用任何已知的方式来识别边缘。具体地，对二进制掩码应用拉普拉斯滤波器(如上文结合方法400的步骤412所述)的结果可用于识别边缘。
为了避免识别误报或不可能是椎骨终板边沿的一部分的边缘，识别经处理的二进制掩码中的边缘可以包括忽略伪边缘，这些伪边缘可能由椎骨二进制掩码内部的孔洞形成，和/或由二进制掩码的表示其他体积(例如，除所讨论的椎骨之外的体积)的边界的部分形成。可以通过方法400的重采样步骤404、模糊步骤408和/或裁剪步骤416，或者通过作为方法200、方法400或方法500的一部分执行的一个或多个附加处理步骤来移除此类伪边缘。
更具体地，方法400的重采样步骤404和模糊步骤408使得能够从二进制掩码中移除并因此忽略由二进制掩码中低于相关长度尺度的空间变化(例如，低于约3mm、或约2mm、或约1mm的长度尺度的空间变化，其产生不与椎骨终板边沿相关联的边缘)产生的边缘。类似地，方法400的裁剪步骤416使得能够从二进制掩码中移除并因此忽略与除椎骨终板以外的椎骨的结构相关联的边缘。在先前尚未完成方法400的步骤404、408和416的情况下，可以在当前步骤期间对二进制掩码执行一个或多个重采样、模糊、裁剪和/或其他图像处理操作。
方法500还包括确定每个已识别边缘的锐度(步骤508)。每个已识别边缘的锐度可以是汇合形成边缘的两个表面之间的角度的量度，或者可以是已识别边缘处梯度方向变化率的量度。每个已识别边缘的锐度可能已经由于对二进制掩码应用拉普拉斯滤波器而被反映在经处理的二进制掩码中。在此类实施方案中，每个已识别边缘的锐度可以由经处理的二进制掩码中的对应体素的值表示。换句话说，在对二进制掩码应用拉普拉斯滤波器之后经处理的二进制掩码中的任何给定体素具有非零值，这一事实可以指示所讨论的体素形成边缘，同时该值的量值可以反映边缘的锐度。边缘的锐度的确定可以取决于选定尺度(例如，约3mm、或约2mm、或约1mm)。
方法500还包括对锐度最高的边缘进行分组以产生边缘集(步骤512)。分组可以包括根据每个边缘的所确定的锐度来确定每个已识别边缘的百分位排序。锐度最高的边缘可以是相对于二进制掩码中的所有其他梯度方向变化率(例如，具有第99百分位、第98百分位、或第97百分位、或第96百分位、或第90百分位的拉普拉斯量值)，具有高于百分之99、或百分之98、或百分之97、或百分之96、或百分之90的梯度方向变化率(例如，由对二进制掩码应用拉普拉斯滤波器产生的值的量值)的边缘。
可以用任何合适的方式对所有已识别边缘中满足锐度最高的标准的边缘进行分组，以在方法600、700、800和/或900中的任何一种或多种方法的一个或多个步骤期间使用。例如，可以将锐度最高的边缘添加到列表、表格、阵列或其他数据集或识别其中的锐度最高的边缘。另外或另选地，可以在现有数据集中突出显示、标记或以其他方式标明锐度最高的边缘，该现有数据集包括关于在步骤504中识别的边缘的信息。
图5的结果是边缘集，该边缘集可能是在经处理的二进制掩码中表示的椎骨(或其他解剖结构)的椎骨终板边沿的一部分或以其他方式与该椎骨终板边沿相关联。在图5中识别的边缘集可以作为输入提供给方法600、700、800和/或900中的一种或多种方法或以其他方式供其使用以进行进一步处理和分析。本公开涵盖方法500的具有比上述实施方案更多或更少步骤的实施方案。
现在转向图6，根据本公开的至少一个实施方案的用于评估边缘集中的每个边缘的似真性的方法600包括将含有所有非零体素中的仅小部分的边缘分类为不似真边缘(步骤604)。已分类边缘可以是在方法500中识别的边缘集中包括的一个或多个边缘。
椎骨终板边沿是椎骨终板周围的连续边缘。含有(例如，被识别为边缘的体素中的)所有非零体素中的仅小部分的边缘不太可能是该连续边缘的一部分(或者几乎无法提供关于椎骨终板边沿的位置的有用信息，并有提供误导信息的风险)，因此可以被处理为不似真边缘。将边缘分类为不似真边缘可以包括从包括关于二进制掩码中的边缘的信息的现有数据集中移除该边缘的任何突出显示或标记(例如，可能已经在方法500的步骤512中添加的突出显示或标记)。另选地，将边缘分类为不似真边缘可以包括进一步在此类数据集中突出显示或标记该边缘。在一些实施方案中，将边缘分类为不似真边缘可以包括从列表、表格、阵列或用于跟踪或以其他方式识别可以对应于椎骨终板边沿的边缘的其他数据集中移除该边缘。
方法600还包括将上下(SI)方向上的量值长度或其他物理尺寸显著大于前后(AP)方向和侧向方向上的量值长度或其他物理尺寸的边缘分类为不似真边缘(步骤608)。同样，已分类边缘可以是在方法500中识别的边缘集中包括的一个或多个边缘。椎骨终板边沿主要在AP方向和侧向方向(和/或它们的组合)上延伸。因此，经处理的二进制掩码中，SI方向上的量值长度或其他物理尺寸大于AP方向和/或侧向方向上的量值长度或其他物理尺寸的任何边缘不太可能是或对应于椎骨终板边沿的实际边缘。在一些实施方案中，预定阈值可用于该确定。例如，经处理的二进制掩码中，SI方向上的长度或其他物理尺寸是AP方向和/或侧向方向上的长度或其他物理尺寸的1.5倍、或2倍或任何其他预定值倍数的任何边缘可以被分类为不似真边缘。
方法600的结果是剩余边缘集，或在从考虑中排除或以其他方式省略不似真的边缘(例如，不太可能是在经处理的二进制掩码中表示的椎骨(或其他解剖结构)的实际椎骨终板边沿的一部分或以其他方式与该实际椎骨终板边沿相关联)之后剩余的边缘。剩余边缘集可以用于例如方法700、800和/或900中的一种或多种方法。本公开涵盖方法600的具有比上述实施方案更多或更少步骤的实施方案。
现在转向图7，根据本公开的至少一个实施方案的用于将模板可变形地配准的方法700加载终板边沿模板(步骤704)。终板边沿模板可以是例如存储在存储器116中的模板128，并且可以被加载到高速缓存、随机存取存储器或用于在由处理器104操纵期间存储数据的其他存储器中。在一些实施方案中，存储器116可以是此类存储器。同样在一些实施方案中，终板边沿模板可以从或经由数据库148、云152或系统100的另一个组件加载。加载终板边沿模板可以包括选择要使用的多个模板中的一个模板。选择可以基于一个或多个患者特征(例如，患者体型、年龄、体重、性别)、一个或多个椎骨特征(例如，椎骨尺寸、水平)或任何其他信息。
方法700还包括将终板边沿模板可变形地配准到剩余边缘(步骤708)。剩余边缘可以是或包括由方法600产生的剩余边缘集。配准可以包括将终板边沿模板的质心和在经处理的二进制掩码中表示的椎骨的质心对准，然后完成仿射配准。配准可以包括使用一个或多个点集配准算法将终板边沿模板上的点匹配或关联到剩余边缘上的点。例如，用于本公开的目的的点集配准算法可以是稳健配准算法、最大共识算法、离群点移除算法、迭代最近点算法、核相关算法或相干点漂移算法。
方法700的结果是在经处理的二进制掩码中表示的椎骨终板边沿(或其他解剖结构)的边界的初始近似，它呈经配准的模板的形式。经配准的模板中的一个或多个点仍然可能是不似真的，但是经配准的模板中的其他点与所讨论的椎骨(或其他解剖结构)的实际椎骨终板边沿对准。可以在方法800和/或900中的一种或多种方法中微调或以其他方式使用经配准的模板以进一步识别或检测椎骨终板边沿(或其他解剖结构)。本公开涵盖方法700的具有比上述实施方案更多或更少步骤的实施方案。
现在转向图8，根据本公开的至少一个实施方案的用于拒绝未能满足预定点标准的点的方法800包括拒绝相对于至少一个掩码点超出预定距离的模板点(804)。模板点可以是例如由方法700产生的经配准的模板上的点。如果任何模板点相对于在二进制掩码中表示椎骨的体素比例如约1mm更远，则该点不太可能是椎骨终板边沿上的点的准确表示并且可能被拒绝。拒绝模板点可以意指或对应于删除模板必须经过的约束(例如，对应于该点的已识别坐标)，或以其他方式将模板从该点解配。
方法800还包括拒绝形成超过预定角度的轮廓的模板点(步骤808)。因为椎骨终板边沿是连续的轻度弯曲边缘，所以还可以拒绝沿经配准的模板形成大致轮廓的任何点(例如，导致模板具有超过例如约3π/8弧度或约67.5°的角度)。
方法800还包括将平面拟合到剩余模板点以限定局部“上方”方向(步骤812)。可以使用最小二乘法或在给定3D空间中的多个点的情况下用于识别最佳拟合平面的任何其他方法将平面拟合到剩余模板点。一旦平面拟合到这些点，就可以限定局部“上方”方向。因此，在一个方面，如果被检测到的椎骨终板边沿定位在二进制掩码中表示的椎骨的上侧上，则局部“上方”方向将对应于患者的全局上方方向，并且局部下方方向将对应于患者的全局下方方向。局部“上方”方向还将反映椎骨(或其他解剖结构)相对于全局SI方向或轴线的倾斜。因此，如果椎骨倾斜偏离全局SI方向或轴线50度，则局部“上方”和“下方”方向将反映对应的倾斜。在另一个方面，如果被检测到的椎骨终板边沿定位在二进制掩码中表示的椎骨的下侧上，则局部“上方”方向将更密切地对应于全局“下方”方向(并且相对于全局“下方”方向具有倾斜，该倾斜对应于椎骨或其他解剖结构相对于全局SI方向或轴线的倾斜)，反之亦然。出于方法800的讨论的其余部分的目的，提及“上方”和“下方”应被理解为分别是指局部上方方向和局部下方方向。
方法800还包括扩张剩余模板点以限定每个点周围的搜索区域(步骤816)。扩张可以使用例如约2、约3或约4的比例因子。可以选择对于给定点的比例因子以产生中途延伸到相邻模板点的搜索区域。对于每个点，比例因子可以相同，或者在点当中或之间，比例因子可以不同。每个搜索区域有利地涵盖原始掩码中定位在经扩张模板点周围的体积内的任何点，并且可以认为该体积内的任何此类点包括点邻域。换句话说，每个搜索区域是经扩张模板点涵盖的体积和原始二进制掩码的AND，以便确保从搜索区域中选择的任何点是椎骨(或其他解剖结构)的一部分。
方法800还包括拒绝每个点邻域或每个搜索区域中的所有点，除了最上方点(步骤820)。拒绝每个搜索区域中的所有点，除了最上方点，这有利地确保在每个搜索区域中剩余仅一个点。此外，在步骤820之前步骤804已经完成，就这一点而言，每个搜索区域中的最上方点仍将是二进制掩码点。因此，就沿上下方向的位置而言，最上方点集可能是相对均匀的。此外，因为椎骨终板边沿沿椎骨的上边缘延伸(在该边缘附近，没有椎骨的任何部分定位成高于该边缘)，每个搜索区域中的最上方点是最可能沿实际椎骨终板边沿定位的点。
方法800的结果是沿在经处理的二进制掩码中表示的椎骨(或其他解剖结构)的椎骨终板边沿定位的点集。该点集可以例如在方法900或类似方法中使用。本公开涵盖方法800的具有比上述实施方案更多或更少步骤的实施方案。
现在转向图9，根据本公开的至少一个实施方案的用于识别终板边沿点的方法900包括基于已知点来限定内插点(步骤904)。内插点可以基于沿在经处理的二进制掩码中表示的椎骨的椎骨终板边沿定位的点集，如由方法诸如方法800识别的点集。内插点可以是生成经过此类点集中的每个点的曲线的算法。在一些实施方案中，使用仅单个内插点，而在其他实施方案中，使用多于一个的内插点(例如，用于椎骨终板边沿的不同的象限或区段)。
方法900还包括以规则间隔进行内插以产生分布均匀的终板边沿点集(步骤908)。方法800中描述的点选择过程和/或方法800的任何单个步骤的一个结果可以是在椎骨终板边沿的限定中存在一个或多个间隙，如在完成方法800或其任何一个或多个步骤之后剩余的点表示的间隙。因此，内插可以用于填充此类间隙。可以使用步骤904中限定的内插点来实现内插。另选地，可以使用适于以规则间隔进行内插以产生分布均匀的终板边沿点集的不同内插点来实现内插。分布均匀的终板边沿点集可以包括由方法诸如方法800识别的点集和经由内插识别的点两者。分布均匀的点集可以包括围绕该点集的质心间隔开相等角距离的点。另选地，分布均匀的点集中的每个点可以间隔开相等或基本上相等的线性距离。
方法900还包括确定椎骨终板边沿的坐标(步骤912)。确定坐标可以发生在获得分布均匀的终板边沿点集之前或之后。在确定坐标发生在获得分布均匀的终板边沿点集之后的情况下，分布均匀的终板边沿点集可以是由步骤908或类似步骤产生的点。该确定可以包括将经处理的二进制掩码中检测到的椎骨终板边沿的质心匹配到图像中的实际椎骨终板的质心，然后利用相对于二进制掩码的一个或多个距离和/或位置测量(例如，对检测到的椎骨终板边沿的每个点距检测到的椎骨终板边沿的质心的距离的测量以及对检测到的椎骨终板边沿的每个点相对于检测到的椎骨终板边沿的质心的位置的测量)来确定图像中椎骨终板边沿的每个点的精确坐标。在一些实施方案中，该确定可以包括应用一个或多个算法以将体素空间转换为毫米空间。在一些实施方案中，该确定可以利用图像坐标系与患者坐标系、导航坐标系、机器人坐标系或某一其他坐标系中的一者或多者的配准来确定边沿在患者坐标系、导航坐标系、机器人坐标系或其他坐标系中的坐标。
方法900的结果是在二进制掩码中表示的解剖结构的使用二进制掩码检测到的终板边沿(或其他解剖结构)的坐标集。这些坐标可以用于任何数量的目的，特别是在已经根据本公开的一种或多种方法检测到多个终板边沿时。例如，检测到的椎骨终板边沿的坐标可以用于自动测量椎间盘高度和/或Cobb角；用于分段跟踪；用于手术计划；和/或用于缩短配准过程的一个或多个步骤(例如，用于自动识别用于自动化配准过程的起始点)。
如本文所述的椎骨终板边沿或其他解剖结构的检测可以基于术前图像和/或基于术中图像来完成。在一些实施方案中，检测可以在术中完成，并且结果可以在术中用于配准和/或分段跟踪。在一些实施方案中，可以使用术前CT或其他3D图像来执行椎骨终板边沿的初始检测，而一个或多个术中2D图像可以用于在外科手术期间更新检测到的椎骨终板边沿的坐标和/或在对应椎骨的某种移动或其他手术或解剖事件之后(在二维空间中)检测椎骨终板边沿。
本公开涵盖方法900的具有比上述实施方案更多或更少步骤的实施方案。
本文描述的包括应用预定阈值或其他预定标准的方法步骤中的任何一个方法步骤可以用迭代方式应用或执行，其中每次迭代应用略微不同的预定阈值或其他预定标准，直到结果令用户满意。
现在转向图10A至图10F，示出了本文所述的方法的各个步骤。图10A示出了椎骨的经处理的二进制掩码，其中点对应于突出显示的检测到的边缘的初始集。可以由例如方法200的步骤230和/或方法500的步骤504产生模型，诸如图10A所示的模型。
图10B示出了椎骨的经处理的二进制掩码的下侧，示出了模板已经与其配准的点。可以由例如方法200的步骤250和/或方法700的步骤708产生或在期间生成模型，诸如图10B所示的模型。
图10C示出了椎骨的经处理的二进制掩码的点，其中突出显示了模板已经与其配准的不似真点。可以由例如方法200的步骤260和/或方法800的步骤804和/或808中的一个或两个步骤产生或在期间生成模型，诸如图10C所示的模型。
图10D示出了椎骨的经处理的二进制掩码，其中突出显示了模板匹配过程的结果。可以由例如方法200的步骤260和/或方法800的步骤808产生或在期间生成模型，诸如图10D所示的模型。
图10E示出了经处理的二进制掩码，其中已经突出显示了经掩码峰(例如，由经拟合的平面进行掩码的模板中的峰)。可以由例如方法200的步骤260和/或方法800的步骤820产生或在期间生成模型，诸如图10E所示的模型。
图10F示出了椎骨的经处理的二进制掩码，其中已经根据本公开的一种或多种方法检测到椎骨的下终板边沿。可以由例如方法200的步骤270和/或方法900的步骤908产生模型，诸如图10F所示的模型。
图11示出了本文所述的方法的结果的一个潜在用例。更具体地，图11示出了患者脊柱的一部分的3D图像的代表性2D快照150，诸如可以在术前使用例如CT扫描仪或在术中使用例如O形臂来获得的快照。快照150示出了脊柱的四个椎骨154。在椎骨154上叠加的是识别快照150中的可见终板边沿158的点集，该点集使用本公开的方法来获得。如上所述，如本文所述的终板边沿158的自动检测可以有利地用于和/或结合测量Cobb角和椎间盘高度；用于手术计划；用于在外科手术之前或期间的配准；和/或用于在手术期间的分段跟踪。
如基于前述公开可以理解的，本公开涵盖具有少于图2至图9中识别的所有步骤(以及方法200、300、400、500、600、700、800和900的对应描述)的方法，以及包含除图2至图9中识别的那些步骤(以及方法200、300、400、500、600、700、800和900的对应描述)之外的附加步骤的方法。此外，在本公开的一些实施方案中，可以使用方法200、300、400、500、600、700、800和900的仅子集(包括此类方法中的仅一种方法)，而在其他实施方案中，可以使用方法200、300、400、500、600、700、800和900中的每一种方法。
本文中对体素的任何提及应被理解为适用于3D图像，并且术语“体素”可以被替换为术语“像素”，用于对2D图像应用前述公开内容。
已经出于说明和描述的目的呈现了前述讨论。基于本文的公开和所提供的示例，包含关于椎骨终板边沿的自动检测，本领域的普通技术人员将理解如何利用本公开的系统和方法来自动检测其它解剖结构。
前述内容并非旨在将本公开限于本文中所公开的一种或多种形式。在前述的具体实施方式中，出于简化本公开的目的，将本公开的例如各种特征在一个或多个方面、实施方案和/或配置中聚集在一起。本公开的方面、实施方案和/或配置的特征可在除上文所论述的那些之外的替代性方面、实施方案和/或配置中组合。不应将本公开内容的方法解释为反映以下意图：权利要求需要比每个权利要求中明确叙述的更多的特征。相反，如以下权利要求书所反映，本发明方面在于少于单个前述公开的方面、实施方案和/或配置的全部特征。因此，将以下权利要求特此并入这个具体实施方式中，其中每个权利要求作为本公开的单独的优选实施方案而独立存在。
此外，尽管描述已经包含对一个或多个方面、实施方案和/或配置以及某些变化和修改的描述，但在理解本公开后，其它变化、组合和修改也在本公开的范围内，例如，如可在本领域的技术人员的技能和知识内。期望获得在准许的范围内包含替代方面、实施方案和/或配置的权利，包含所要求保护的替代、可更换和/或等效的结构、功能、范围或步骤，而无论这些替代、可更换和/或等效的结构、功能、范围或步骤是否在本文中公开，且不期望公开用于任何可获专利的主题。

Claims (21)

1.一种用于识别椎骨终板边沿的系统，所述系统包括：
通信接口；
至少一个处理器；和
存储器，所述存储器存储用于由所述至少一个处理器执行的指令，所述指令在被执行时使得所述至少一个处理器：
接收椎骨的3D图像的二进制掩码；
基于确定的梯度方向变化来识别所述椎骨的边缘集；
将所述边缘集中的每个边缘分类为似真边缘或不似真边缘；以及
拒绝所述不似真边缘。
2.根据权利要求1所述的系统，其中所述存储器存储用于由所述至少一个处理器执行的附加指令，所述附加指令在被执行时使得所述至少一个处理器：
基于所述似真边缘来选择多个点；以及
通过在所述多个点中的至少一些点中的相邻点之间进行内插来生成附加点，以填充所述多个点中的所述至少一些点之间的间隙。
3.根据权利要求1所述的系统，其中所述存储器存储用于由所述至少一个处理器执行的附加指令，所述附加指令在被执行时使得所述至少一个处理器输出椎骨终板边沿的坐标。
4.根据权利要求1所述的系统，其中所述存储器存储用于由所述至少一个处理器执行的附加指令，所述附加指令在被执行时使得所述至少一个处理器将模板拟合到所述边缘集。
5.根据权利要求4所述的系统，其中对所述边缘集中的每个边缘进行分类包括将所述模板上的多个经拟合点中的每个经拟合点的位置与所述模板上的至少两个相邻经拟合点进行比较。
6.根据权利要求5所述的系统，其中对所述边缘集中的每个边缘进行分类包括将从所述模板延伸超过预定距离的任何边缘分类为不似真边缘。
7.根据权利要求1所述的系统，其中识别所述边缘集包括对所述二进制掩码应用拉普拉斯滤波器。
8.根据权利要求1所述的系统，其中识别所述边缘集包括识别超过预定量值的梯度方向变化。
9.根据权利要求1所述的系统，其中所述不似真边缘是上下方向上的长度比前后方向上的长度和侧向方向上的长度中的每一者大至少预定量的边缘。
10.根据权利要求1所述的系统，其中所述附加点通过以规则间隔进行内插来生成。
11.一种检测椎骨终板边沿的方法，所述方法包括：
在处理器处接收椎骨的二进制掩码；
对所述二进制掩码应用拉普拉斯滤波器以产生经处理的图像；
在所述经处理的图像中识别具有超过预定阈值的锐度的边缘集；
将模板可变形地配准到对应于所述边缘集中的至少一些边缘的多个点；
基于至少一个预定标准来排除所述多个点中的一些点；以及
通过在所述多个点的剩余子集当中进行内插来生成附加点，以产生限定所述椎骨的终板边沿的点集。
12.根据权利要求11所述的方法，其中所述至少一个预定标准包括来自所述多个点中的点是否相对于所述多个点的子集超出预定距离。
13.根据权利要求11所述的方法，其中所述至少一个预定标准包括来自所述多个点中的点是否限定超过预定锐度的轮廓。
14.根据权利要求11所述的方法，其中所述至少一个预定标准包括所述点是否比相邻点更靠近拟合到所述模板的平面。
15.根据权利要求11所述的方法，其中所述边缘集中的所述至少一些边缘中的每个边缘满足边缘标准。
16.根据权利要求15所述的方法，其中所述边缘标准对应于边缘在上下方向上的尺寸相对于所述边缘在前后方向上的尺寸和所述边缘在侧向方向上的尺寸中的每一者的关系。
17.一种图像处理装置，所述图像处理装置包括：
通信接口；
至少一个处理器；和
存储器，所述存储器存储用于由所述至少一个处理器执行的指令，所述指令在被执行时使得所述至少一个处理器：
对椎骨的二进制掩码应用拉普拉斯滤波器以产生经处理的图像，所述二进制掩码是经由所述通信接口接收到的；
使用所述经处理的图像来识别似真边缘集；
将模板配准到多个点，所述多个点中的每个点位于所述似真边缘集中的至少一个似真边缘上；
对所述多个点中的每个点应用预定标准以产生拒绝集和接受集，所述拒绝集包括不满足所述预定标准的点，所述接受集包括满足所述预定标准的点；以及
通过在所述接受集中的至少两个点之间进行内插来生成至少一个新点。
18.根据权利要求17所述的图像处理装置，其中所述存储器存储用于由所述至少一个处理器执行的附加指令，所述附加指令在被执行时进一步使得所述至少一个处理器至少基于所述接受集来确定所述椎骨的终板边沿的坐标。
19.根据权利要求17所述的图像处理装置，其中所述至少一个处理器不结合所述指令中的任何指令使用机器学习算法。
20.根据权利要求17所述的图像处理装置，其中所述指令中的每个指令由所述至少一个处理器自动执行。
21.根据权利要求17所述的图像处理装置，其中所述存储器存储用于由所述至少一个处理器执行的附加指令，所述附加指令在被执行时进一步使得所述至少一个处理器将平面拟合到经配准的模板，并且进一步地，其中所述预定标准基于经拟合的平面。
CN202180032759.6A 2020-05-04 2021-05-03 用于检测解剖特征的系统、方法和装置 Pending CN115485720A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063019822P 2020-05-04 2020-05-04
US63/019,822 2020-05-04
PCT/US2021/030409 WO2021225931A1 (en) 2020-05-04 2021-05-03 Systems, methods, and devices for detecting anatomical features

Publications (1)

Publication Number Publication Date
CN115485720A true CN115485720A (zh) 2022-12-16

Family

ID=76035158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180032759.6A Pending CN115485720A (zh) 2020-05-04 2021-05-03 用于检测解剖特征的系统、方法和装置

Country Status (4)

Country Link
US (1) US20230097365A1 (zh)
EP (1) EP4147204A1 (zh)
CN (1) CN115485720A (zh)
WO (1) WO2021225931A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557878A (zh) * 2023-11-20 2024-02-13 康骨微创医疗器械科技(无锡)有限公司 一种基于脊椎ct图像的人体脊椎数据集

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1188148A2 (en) * 2000-01-27 2002-03-20 Koninklijke Philips Electronics N.V. Method and system for extracting spine geometrical data

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557878A (zh) * 2023-11-20 2024-02-13 康骨微创医疗器械科技(无锡)有限公司 一种基于脊椎ct图像的人体脊椎数据集

Also Published As

Publication number Publication date
WO2021225931A1 (en) 2021-11-11
US20230097365A1 (en) 2023-03-30
EP4147204A1 (en) 2023-03-15

Similar Documents

Publication Publication Date Title
US11605185B2 (en) System and method for generating partial surface from volumetric data for registration to surface topology image data
US11950852B2 (en) Systems and methods for determining intraoperative spinal orientation
US10593052B2 (en) Methods and systems for updating an existing landmark registration
Benameur et al. 3D/2D registration and segmentation of scoliotic vertebrae using statistical models
US20170273614A1 (en) Systems and methods for measuring and assessing spine instability
EP2583246A2 (en) Method and system of automatic determination of geometric elements characterizing a bone deformation from 3d image
EP3170144A1 (en) Device, system and method for segmenting an image of a subject
US20150164366A1 (en) Localization of fibrous neural structures
US9763636B2 (en) Method and system for spine position detection
EP4156096A1 (en) Method, device and system for automated processing of medical images to output alerts for detected dissimilarities
WO2015040547A1 (en) Method and system for spine position detection
US20230097365A1 (en) Systems, methods, and devices for detecting anatomical features
US20230263500A1 (en) Determining a configuration of a medical x-ray imaging system for detecting a marker device
WO2017101990A1 (en) Determination of registration accuracy
CN116762095A (zh) 有时间间隔的x射线图像的配准
EP4298604A1 (en) Computer tomography to fluoroscopy registration using segmented inputs
CN116457831A (zh) 用于生成虚拟图像的系统和方法
CN116917942A (zh) 使用所分割的输入进行计算机断层扫描到透视的配准
Purnama et al. Ultrasound imaging for human spine: imaging and analysis

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