CN1849094A - 在本发明的射线照相影像领域的处理中用于补偿成像技术的方法 - Google Patents
在本发明的射线照相影像领域的处理中用于补偿成像技术的方法 Download PDFInfo
- Publication number
- CN1849094A CN1849094A CN 200480012711 CN200480012711A CN1849094A CN 1849094 A CN1849094 A CN 1849094A CN 200480012711 CN200480012711 CN 200480012711 CN 200480012711 A CN200480012711 A CN 200480012711A CN 1849094 A CN1849094 A CN 1849094A
- Authority
- CN
- China
- Prior art keywords
- bone
- image
- parameter
- ray
- subject
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 162
- 238000003384 imaging method Methods 0.000 title description 34
- 238000012545 processing Methods 0.000 title description 13
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 348
- 206010017076 Fracture Diseases 0.000 claims description 101
- 208000010392 Bone Fractures Diseases 0.000 claims description 99
- 210000003484 anatomy Anatomy 0.000 claims description 99
- 238000004458 analytical method Methods 0.000 claims description 90
- 208000001132 Osteoporosis Diseases 0.000 claims description 63
- 238000013507 mapping Methods 0.000 claims description 43
- 238000011282 treatment Methods 0.000 claims description 38
- 238000003745 diagnosis Methods 0.000 claims description 21
- 238000005520 cutting process Methods 0.000 claims description 11
- 230000001788 irregular Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 abstract description 31
- 238000004422 calculation algorithm Methods 0.000 abstract description 24
- 208000030984 MIRAGE syndrome Diseases 0.000 description 130
- TVLSRXXIMLFWEO-UHFFFAOYSA-N prochloraz Chemical compound C1=CN=CN1C(=O)N(CCC)CCOC1=C(Cl)C=C(Cl)C=C1Cl TVLSRXXIMLFWEO-UHFFFAOYSA-N 0.000 description 130
- 238000005259 measurement Methods 0.000 description 88
- 229910052500 inorganic mineral Inorganic materials 0.000 description 47
- 239000011707 mineral Substances 0.000 description 47
- 210000001624 hip Anatomy 0.000 description 44
- 210000000689 upper leg Anatomy 0.000 description 40
- 210000004872 soft tissue Anatomy 0.000 description 34
- 238000005516 engineering process Methods 0.000 description 33
- 238000002601 radiography Methods 0.000 description 33
- 238000012360 testing method Methods 0.000 description 29
- 201000010099 disease Diseases 0.000 description 27
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 27
- 210000002683 foot Anatomy 0.000 description 26
- 239000000463 material Substances 0.000 description 26
- 238000003066 decision tree Methods 0.000 description 22
- 230000037182 bone density Effects 0.000 description 21
- 238000009826 distribution Methods 0.000 description 21
- 230000001009 osteoporotic effect Effects 0.000 description 20
- 229910052751 metal Inorganic materials 0.000 description 19
- 239000002184 metal Substances 0.000 description 19
- 238000011160 research Methods 0.000 description 18
- 238000002560 therapeutic procedure Methods 0.000 description 18
- 238000006243 chemical reaction Methods 0.000 description 17
- 239000003814 drug Substances 0.000 description 16
- 230000006870 function Effects 0.000 description 16
- 210000002303 tibia Anatomy 0.000 description 16
- 229910002056 binary alloy Inorganic materials 0.000 description 15
- 230000008859 change Effects 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000013461 design Methods 0.000 description 14
- 230000009245 menopause Effects 0.000 description 14
- 230000007935 neutral effect Effects 0.000 description 14
- 238000013459 approach Methods 0.000 description 13
- 238000012937 correction Methods 0.000 description 12
- 210000003127 knee Anatomy 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 12
- 210000001519 tissue Anatomy 0.000 description 12
- 238000007619 statistical method Methods 0.000 description 11
- 230000009466 transformation Effects 0.000 description 11
- 208000020084 Bone disease Diseases 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 230000001054 cortical effect Effects 0.000 description 10
- 230000036541 health Effects 0.000 description 10
- 210000004394 hip joint Anatomy 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 229910052782 aluminium Inorganic materials 0.000 description 8
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 8
- 239000007767 bonding agent Substances 0.000 description 7
- 210000000459 calcaneus Anatomy 0.000 description 7
- 239000000203 mixture Substances 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 208000037408 Device failure Diseases 0.000 description 6
- 206010030113 Oedema Diseases 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 238000011088 calibration curve Methods 0.000 description 6
- 229940079593 drug Drugs 0.000 description 6
- 230000009977 dual effect Effects 0.000 description 6
- 239000012530 fluid Substances 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 208000001164 Osteoporotic Fractures Diseases 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 210000000474 heel Anatomy 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 208000028169 periodontal disease Diseases 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000001225 therapeutic effect Effects 0.000 description 5
- 238000003325 tomography Methods 0.000 description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000037180 bone health Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 239000004033 plastic Substances 0.000 description 4
- 229920003023 plastic Polymers 0.000 description 4
- 239000000843 powder Substances 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 206010041569 spinal fracture Diseases 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- TYIRBZOAKBEYEJ-UHFFFAOYSA-N 2-(1,3-dimethyl-2,6-dioxopurin-7-yl)ethyl 2-[1-methyl-5-(4-methylbenzoyl)pyrrol-2-yl]acetate Chemical compound C1=CC(C)=CC=C1C(=O)C(N1C)=CC=C1CC(=O)OCCN1C(C(=O)N(C)C(=O)N2C)=C2N=C1 TYIRBZOAKBEYEJ-UHFFFAOYSA-N 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 3
- 206010065687 Bone loss Diseases 0.000 description 3
- UXVMQQNJUSDDNG-UHFFFAOYSA-L Calcium chloride Chemical compound [Cl-].[Cl-].[Ca+2] UXVMQQNJUSDDNG-UHFFFAOYSA-L 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 3
- 206010020100 Hip fracture Diseases 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 230000010062 adhesion mechanism Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 239000001110 calcium chloride Substances 0.000 description 3
- 229910001628 calcium chloride Inorganic materials 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 210000003464 cuspid Anatomy 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000001739 density measurement Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000002657 hormone replacement therapy Methods 0.000 description 3
- 239000007943 implant Substances 0.000 description 3
- 208000015181 infectious disease Diseases 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000004660 morphological change Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 239000000333 selective estrogen receptor modulator Substances 0.000 description 3
- 229940095743 selective estrogen receptor modulator Drugs 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000003892 spreading Methods 0.000 description 3
- 210000005065 subchondral bone plate Anatomy 0.000 description 3
- 238000012353 t test Methods 0.000 description 3
- 210000000115 thoracic cavity Anatomy 0.000 description 3
- 241000208140 Acer Species 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000002441 X-ray diffraction Methods 0.000 description 2
- 238000002083 X-ray spectrum Methods 0.000 description 2
- 239000002250 absorbent Substances 0.000 description 2
- 210000001185 bone marrow Anatomy 0.000 description 2
- 230000037118 bone strength Effects 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 239000001506 calcium phosphate Substances 0.000 description 2
- 229910000389 calcium phosphate Inorganic materials 0.000 description 2
- 235000011010 calcium phosphates Nutrition 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000002224 dissection Methods 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 210000000527 greater trochanter Anatomy 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 210000004877 mucosa Anatomy 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003239 periodontal effect Effects 0.000 description 2
- 150000003016 phosphoric acids Chemical class 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 208000001685 postmenopausal osteoporosis Diseases 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000007430 reference method Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 229910052711 selenium Inorganic materials 0.000 description 2
- 239000011669 selenium Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- QORWJWZARLRLPR-UHFFFAOYSA-H tricalcium bis(phosphate) Chemical compound [Ca+2].[Ca+2].[Ca+2].[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O QORWJWZARLRLPR-UHFFFAOYSA-H 0.000 description 2
- LENZDBCJOHFCAS-UHFFFAOYSA-N tris Chemical compound OCC(N)(CO)CO LENZDBCJOHFCAS-UHFFFAOYSA-N 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- BWDHKWDASNPZLC-GQCTYLIASA-N (1E)-2-methylpropanal O-methyloxime Chemical compound CO\N=C\C(C)C BWDHKWDASNPZLC-GQCTYLIASA-N 0.000 description 1
- 240000005020 Acaciella glauca Species 0.000 description 1
- 240000006487 Aciphylla squarrosa Species 0.000 description 1
- 241001014327 Anodontia Species 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 208000006386 Bone Resorption Diseases 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000283707 Capra Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000700199 Cavia porcellus Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241001232464 Delma Species 0.000 description 1
- 241000283073 Equus caballus Species 0.000 description 1
- 241000288110 Fulica Species 0.000 description 1
- 239000000899 Gutta-Percha Substances 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- 208000030136 Marchiafava-Bignami Disease Diseases 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 208000029725 Metabolic bone disease Diseases 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010030247 Oestrogen deficiency Diseases 0.000 description 1
- 206010031243 Osteogenesis imperfecta Diseases 0.000 description 1
- 240000000342 Palaquium gutta Species 0.000 description 1
- 241000282577 Pan troglodytes Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 102000003982 Parathyroid hormone Human genes 0.000 description 1
- 108090000445 Parathyroid hormone Proteins 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 1
- 241000288906 Primates Species 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 241001504501 Troglodytes Species 0.000 description 1
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 206010002583 anodontia Diseases 0.000 description 1
- 230000005212 anodontia Effects 0.000 description 1
- 230000002917 arthritic effect Effects 0.000 description 1
- 206010003246 arthritis Diseases 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 235000015241 bacon Nutrition 0.000 description 1
- 230000024279 bone resorption Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- JLQUFIHWVLZVTJ-UHFFFAOYSA-N carbosulfan Chemical compound CCCCN(CCCC)SN(C)C(=O)OC1=CC=CC2=C1OC(C)(C)C2 JLQUFIHWVLZVTJ-UHFFFAOYSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 210000000981 epithelium Anatomy 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000002436 femur neck Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229920000588 gutta-percha Polymers 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052588 hydroxylapatite Inorganic materials 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 235000020997 lean meat Nutrition 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000011326 mechanical measurement Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000001531 micro-dissection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 230000001459 mortal effect Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 235000012771 pancakes Nutrition 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 239000000199 parathyroid hormone Substances 0.000 description 1
- 229960001319 parathyroid hormone Drugs 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- XYJRXVWERLGGKC-UHFFFAOYSA-D pentacalcium;hydroxide;triphosphate Chemical compound [OH-].[Ca+2].[Ca+2].[Ca+2].[Ca+2].[Ca+2].[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O.[O-]P([O-])([O-])=O XYJRXVWERLGGKC-UHFFFAOYSA-D 0.000 description 1
- 239000008194 pharmaceutical composition Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 230000001373 regressive effect Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000001629 sign test Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 210000004003 subcutaneous fat Anatomy 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 229940124597 therapeutic agent Drugs 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明是关于用于分析X射线影像的方法与装置。详言之，本发明提供了允许对来自X射线影像的骨结构和大体解剖参数进行精确与可靠评估的装置、方法与算法。
Description
技术领域
本发明在其成像与分析的领域中。详言之，本发明描述了用于精确分析影像以判定骨无机物密度和/或骨结构的方法及组合物。
背景技术
骨质疏松症为一种影响数百万美国人的病症。骨质疏松症是指一种具有以下特征的病症：骨量低且骨组织发生显微结构退化，随之骨脆性及对骨折的敏感度增加。骨质疏松症通常与脊椎骨折或髋部骨折一起出现，这归因于骨无机物密度降低且骨的结构特性与显微结构退化。
成像技术是重要的诊断工具，对与骨相关的病症来说尤为如此。当前可用的用于非扩散性评定骨骼以诊断骨质疏松症或评估增加的骨折危险性的技术包括：双重x射线吸光测定法(DXA)(Eastell等人(1998)New Engl J.Med 338：736-746)；定量断层摄影术(QCT)(Cann(1988)Radiology 166：509-522)；外周骨DXA(pDXA)(Patel等人(1999)J ClinDensibm 2：397-401)；外周骨QCT(pQCT)(Gluer等人(1997)Semin Nucl Med 27：229-247)；x射线影像吸光测定法(RA)(Gluer等人(1997)Semin Nucl Med 27：229-247)；和定量超声(QUS)(Njeh等人″Quantitative Ultrasound：Assessment of Osteoporosis andBone Status″1999，Martin-Dunitz，London England；美国专利第6,077,224号，其以全文引用的方式并入本文)。(也可参见WO 9945845；WO 99/08597；和美国专利第6,246,745号)。
脊骨与髋部的DXA已使其自身证实为测量BMD的最广泛使用的方法。Tothill，P.和D.W.Pye，(1992)Br J Radiol 65：807-813。DXA背后的基本原理为测量穿过具有2个不同光子能级的x射线主体的透射率。由于衰减系数对原子序数及光子能量的依赖性，测量2个能级下的透射因数使得能够推断出2种不同类型组织的表面密度(即，每单元投影面积的质量)。在DXA扫描中，将这些分别看成骨无机物(羟磷灰石)和软组织。然而，已广泛认识到，DXA扫描的精确性受到软组织的可变组合物的限制。由于其较高的氢含量，使得脂肪的衰减系数不同于瘦肉肌的衰减系数。根据若干研究的结果，与邻近软组织参考区域相比，在x射线穿过骨的路径中软组织组合物的差异可导致BMD测量发生误差。Tothill，P.和D.W.Pye，(1992)BrJ Radiol，65：807-813；Svendsen，O.L.，等人，(1995)J Bone Min Res 10：868-873。此外，DXA系统大而贵，价格在$75,000与$150,000之间。
定量断层摄影术(QCT)通常适用于测量脊椎体中的小梁骨。Cann(1988)Radiology166：509-522。当误差的主要来源为骨髓的可变组合物时，通常使用单一kV设定(单能QCT)来执行QCT研究。然而，双重kV扫描(双能QCT)也可行。此降低了精确性误差但以较差的精度及较高的辐射剂量为代价。然而，像DXA一样，QCT非常昂贵且此设备的使用当前限于少数研究中心。
定量超声(QUS)是一种用于测量外周骨骼的技术。Njeh等人(1997)Osteoporosis Int 7：7-22；Njeh等人，Quantitative Ultrasound：Assessment of Osteoporosis and Bone Status.1999，London，England：Martin Dunitz。存在广泛多种的可用设备，且大多数装置将脚后跟用作测量部位。在信号被散射并由小梁吸收时，穿过骨的超声脉冲被强烈衰减。衰减随频率线性增加，并且将这个关系的斜率称为音波衰减率(BUA；单位：dB/MHz)。BUA在具有骨质疏松症的患者中减小，因为在跟骨中存在更少量的用于衰减信号的小梁。除BUA外，大多数QUS系统也可通过以传播时间(单位：m/s)划分超声传感器之间的距离来测量脚后跟中的声速(SOS)。SOS值在具有骨质疏松症的患者中减小，因为由于矿化骨的损失，使得骨的弹性系数降低。然而，存在对QUS测量的若干限定。QUS在预测较年轻的患者中的骨折危险性方面的成就仍然不确定。QUS测量的另一困难是其在骨质疏松症和骨质缺乏症的WHO定义内很难碰到。此外，还未发展干涉阈值。因此，测量不可用于治疗决策。
也存在对QUS的若干技术限定。许多装置使用一个能将患者的脚后跟定位于固定传感器之间的脚支撑件。因此，很难使测量部位适合跟骨的不同尺寸及形状，并且所述测量的精确解剖部位随患者不同而不同。通常承认QUS测量的相对较差的精度使得大多数装置不适用于监控患者对治疗的反应。Gluer(1997)J Bone Min Res 12：1280-1288。
射线照相吸光测定法(RA)是一种多年前发展用于评定手中的骨密度的技术，但是这种技术最近吸引了重新开始的兴趣。Gluer等人1997)Semin Alucl Med 27：229-247。使用这种技术，在指骨中测量BMD。手的RA的主要缺点是高翻转小梁骨的相对缺乏。由于此原因，手的RA在侦测骨质疏松症方面具有有限的敏感性且其对监控由疗法诱发的变化并非非常有用。
外周骨x射线吸光测定方法(诸如上述彼等方法)大体上比DXA与QCT便宜，系统价格在$15,000与$35,000之间。然而，流行病学研究已展示，外周骨BMD测量预测脊骨和髋部骨折的差别性能力低于在使用脊骨和髋部BMD测量时。Cummings等人(1993)Lancet 341：72-75；Marshal等人(1996)Br Med J 312：1254-1259。此重要原因在于在使用这些技术时在测量部位处缺乏小梁骨。此外，回应于激素取代疗法、双磷酸盐类和选择性雌激素受体调节剂，前臂或手BMD中的变化相对较小，从而使得这些测量较用于监控对治疗的回应的主要为小梁骨的测量来说变得不太适合。Faulkner(1998)J ClinDensitom 1：279-285；Hoskings等人(1998)N Engl J Med 338：485-492。虽然已尝试从牙科x射线来获得关于骨无机物密度的信息的尝试(例如，参见Shrout等人(2000)J.Periodonol.71：335-340；Verhoeven等人(1998)Clin Oral Implants Res 9(5)：333-342)，这些并未提供精确及可靠的结果。
此外，当前方法及装置通常并不考虑骨结构分析。参见(例如)Ruttimann等人(1992)Oral Surg Ora/Med Oral Pathol 74：98-110；Southard & Southard(1992)Oral Surg OralMed Oral Pathol 73：751-9；White & Rudolph，(1999)Oral Surg Oral Med Oral PatholOra/Radiol Endod 88：628-35。
因此，虽然存在用于评估骨的众多装置及方法，但是存在对这些装置及方法的众多限定。因此，发明者已认识到，尤其需要提供可导致从影像(例如，射线照相影像)及数据获得精确骨无机物密度和骨结构信息的能力的方法与组合物。
发明内容
在一方面中，本揭示内容提供了一种用以从影像取得关于一或多个骨参数的信息的方法，所述方法包含以下步骤：(a)从受验者获得一包含骨的影像；(b)界定所述影像中两个或两个以上相关区域(ROI)；和(c)分析所述ROI中的复数个位置以判定从由所述ROI的骨显微结构、骨大体解剖学、生物机械参数及其组合组成的群选择的一或多个参数。在某些实施例中，ROI重叠。ROI中所分析的位置可相对于彼此处于规则间隔，或者，可相对于彼此被无规则地间隔。因此，在某些实施例中，所述方法涉及(例如)通过分析处于规则间隔的位置来判定骨显微结构。在其它实施例中，所述方法涉及(例如)通过分析影像中处于不规则间隔的位置来判定骨大体解剖学。
在本文所述的任一种方法中，影像可为二维(2D)或三维(3D)影像。影像可为x射线、MRI影像、CAT扫描影像或包括骨的任何其它影像。在任一种方法中，影像可为电子影像。
在本文所述的任一种方法中，受验者可为(例如)一骨质疏松症受验者。
在另一方面中，此揭示内容是关于一种产生一或多个骨参数的映射的方法，所述方法包括以下步骤：(a)根据本文所述的任一种方法中的方法，获得关于骨参数的信息；和(b)识别展示类似参数特征的影像区域，借此产生所述影像的参数映射。
在又一方面中，提供了一种预测受验者中的骨折路径的方法，所述方法包含以下步骤：(a)根据本文所述的产生参数映射的任一种方法，产生多个参数映射；(b)从步骤(a)的多个参数映射产生一复合参数映射；和(c)分析所述复合参数映射以识别可能的骨折路径。
在又一方面中，本发明包含一种预测受验者中的骨折路径的方法，所述方法包含以下步骤：(a)分析根据本文所述的任一种方法而预备的一或多个参数映射，其中所述分析为分水岭切割分析或马尔可夫随机场分析；和(c)基于步骤(a)的分析来识别可能的骨折路径，借此预测受验者中的骨折路径。
在另一方面中，本发明包含一种预测受验者中的骨折危险性的方法，所述方法包含以下步骤：(a)从根据本文所述的任一种方法而获得的一或多个参数映射产生一个有限元模型；(b)将在骨折事件期间发生的模拟力向量应用于步骤(a)中产生的有限元模型；和(c)判定发生骨折所需的最小力，借此估测骨折危险性。
在又一方面中，本发明包含一种判定受验者中的骨折危险性的方法，包含：(a)根据如本文所述的预测骨折路径的任一种方法，预测一骨折路径；(b)评估沿所预测的骨折路径的一或多个所选骨参数，借此估测骨折危险性。
在另一方面中，本发明包含一种治疗具有骨疾病的受验者的方法，包含：(a)从受验者获得一影像；(b)使用本文所述的任一种方法分析步骤(a)中所获得的影像；(c)基于步骤(b)的分析来诊断骨疾病；和(d)基于所述诊断，选择一合适的治疗并向所述受验者施以所述合适的治疗。
附图说明
图1展示了牙科x射线的一个实例。可看见校准幻象110。已安置用于测量骨无机物密度或结构的相关区域120。
图2展示了牙科x射线的另一实例。可看见校准幻象110。已安置了用于测量骨无机物密度或结构的相关区域120。
图3展示了由对下颌骨或上颌骨的骨无机物密度的测量所产生的分析报告的一个实例。受验者(X)比年龄匹配的对照组的平均值低了一个以上的标准偏差(x轴为年龄，y轴为任意个单位的BMD)。
图4展示了一安装于牙齿120上的V形校准幻象110的实例。也展示了齿龈130。
图5展示了一用于校准幻象110的固持件115的实例。固持件115安装于牙齿120上。也展示了齿龈130。
图6(面板B至E)展示了沿用于设置牙尖的不同行像素的灰度值轮廓。从顶部到底部，牙根的特征性峰值(展示于牙科x射线面板A中)逐渐消失。
图7展示了一测试影像(面板B)的霍夫变换(面板A)。来自相同线的所有共线点被变换成在单一点中相交的正弦曲线(圆)。
图8展示了一骨骼化小梁骨的x射线影像(面板B)的霍夫变换(面板A)。面板A中的白色区域指示较长的区段和优势角。
图9展示了结构化元素E2的变化尺寸的效果；具有变化宽度的线的校准幻象影像(1，3，5，7，9，11，13像素)(左上)；使用直径分别为3个像素(右上)、7个像素(左下)和11个像素(右下)的E2所执行的骨骼操作。
图10展示了结构化元素E2的变化尺寸的效果；小梁骨的灰度级影像(左上，面板A)；使用直径分别为3个像素(右上，面板B)、7个像素(左下，面板C)和11个像素(右下，面板D)的E2所执行的骨骼操作。
图11展示了来自一用于分形分析的牙科x射线(插图)的相关解剖区域的灰度值表面曲线。
图12展示了一卫生覆盖固持件的实例，其包括用于一校准幻象和一填充有流体的团背件的隔室。
图13展示了一个相关解剖区域(黑点)的实例，其相对于牙齿或相对于下颌骨的凸性/凹性而判定。
图14展示了三个相关解剖区域(黑点)的实例，其相对于牙齿或相对于下颌骨的凸性/凹性而判定。
图15为一用于如本文所述最小化管测角的示范性系统的侧视图。在图中，将系统展示为牙科x射线系统。将伸长管(200)附着至一环形Rinn固持件(102)。伸长管的外径稍小于被设置于牙科x射线系统/牙科x射线管前部的管的内径。可接着将伸长管插入于金属管中，借此减小管测角及骨表观密度与骨结构测量中的所得误差。
图16描绘了股骨射线照相上的一用于显微结构(+)的规则间隔取样场与一用于大体解剖特征(*)的较高密度取样场的实例。白色矩形为重叠窗定位的实例。
图17描绘了重叠于一参数映射上的分水岭切割边界。两条白线为由体外机械负载测试所产生的实际骨折路径。
图18为一流程图，其描绘了一用以使用重叠窗过程与骨折路径预测来判定骨折危险性的示范性过程。
图19描绘了一马尔可夫随机场分析，当在每一影像元素或影像邻居处估测特定关节特征分布时，所述马尔可夫随机场分析将所述特定关节特征分布模型化。
图20描绘了一用于在一具有噪音模型P(N)及被给予密度水平P(i I Ti)的特征结构模式的相关区域(ROI)中进行小梁模式密度特征化的示范性模型界定。
图21描绘了示范性贝氏法则分析。
图22描绘了脊骨射线照相上的一用于显微结构(+)的规则间隔取样场与一用于大体解剖特征(*)的较高密度取样场的实例。白色矩形为重叠窗定位的实例。
图23描绘了膝盖射线照相上的一用于显微结构(+、x、菱形)的具有变化密度的取样场与一用于大体解剖特征(*)的规则取样场的实例。白色矩形为重叠窗定位的实例。
图24描绘了使用脊骨x射线来进行治疗监控的结构提取与测量的应用的一实例。在(a)中展示了治疗前已提取的结构的白色轮廓，且在(b)展示了治疗后已提取的结构的白色轮廓。
具体实施方式
呈现了以下描述以使得任何所属领域的技术人员能够制作并使用本发明。所属领域的技术人员将不难明白对所描述的实施例所作的各种修改，并可将本文所界定的一般原理应用于其它实施例和应用，而不会背离本发明的精神和范畴。因此，本发明并不意欲受限于所展示的实施例，而是符合与本文所揭示并展示的原理和特征一致的最广泛的范畴。就有必要达成对所揭示的本发明的完整理解来说，这个申请案中所引用的所有已颁布的专利、专利公告和专利申请案的说明与图式以引用的方式并入本文。
本发明的实践利用(除非另有指示)所属技术领域内用于成像和影像处理的常规技术。在文献中完整地解释了这些技术。参见(例如)WO 02/22014，其以全文引用的方式并入本文；X-Ray Structure Determination：A Practical Guide，第2版，编者Stout与Jensen，1989，John Wiley & Sons，publisher；Body CT：A Practical Approach，编者Slone，1999，McGraw-Hill publisher；The Essential Physics of Medical Imaging，编者Bushberg，Seibert，Leidholdt Jr & Boone，2002，Lippincott，Williams & Wilkins；X-ray Diagnosis：APhysician′s Approach，编者Lam，1998Springer-Verlag，publisher；和Dental Radiology：Understanding the X-Ray Image，编者Laetitia Brocklebank 1997，Oxford University Presspublisher。
描述了可用于分析影像的方法和组合物。详言之，本发明包括用以从影像获得和/或取得关于骨无机物密度和/或骨结构的信息的方法。此外，本发明是关于提供用于判定骨结构的精确校准幻象和使用这些校准幻象的方法。详言之，本发明首先认识到，由询问部位在骨密度和/或骨结构的牙或髋部x射线中的错放而引起的误差可通过相对于一解剖界标(或相关的解剖区域)来定位x射线管、侦测器和/或校准参考而得到校正。
本发明的优点包括(但不限于)：(i)提供用于分析x射线的可得且可靠的途径；(ii)提供骨结构和构造与大体解剖学的非扩散性测量；(iii)提供诊断骨病症(例如，骨质疏松症，骨折危险性)的方法；(iv)提供治疗骨病症的方法；和(v)以成本有效的方式提供这些方法。
1.0.从影像获得数据
可使用众所周知的技术从任何局部部位获取一影像。适用于获取影像(可自其获得数据)的成像技术的非限制性实例包括：超声、CAT扫描、MRI及其类似物。也可参见″Primer of Diagnostic Imaging，″第3版，编者Weissleder等人(2002)，Mosby Press；和国际公告WO 02/22014。
在某些方面中，使用2D平面x射线成像技术。2D平面x射线成像是一种通过透射x射线穿过主体或结构或材料并通过测量所述主体或所述结构或所述材料的另一侧上的x射线衰减而产生影像的方法。2D平面x射线成像有别于诸如断层摄影术或磁共振成像的横截面成像技术。如果使用常规x射线胶片来捕获x射线影像，那么可使用任何合适的扫描装置来数字化x射线。可经由网络连接的系统(例如，因特网)将数字化x射线影像传输入一远程计算机或服务器。将不难明白，也可使用数字获取技术(例如，使用光刺激磷侦测器系统或硒或硅侦测器系统)来获取x射线影像，已经可以获得呈数字格式的x射线影像信息，其可不难经由网络来传输。在其它实施例中，例如，使用3D成像技术和/或通过从2D影像产生3D影像来获得3D影像。
可使用任何影像，包括(但不限于)：数字x射线和常规x射线胶片(可使用市售平面扫描器将其数字化)。在某些实施例中，x射线属于(例如)使用标准数字x射线设备(Kodak DirectView DR 9000，Kodak，Rochester，NY)执行的髋部区域。通常将患者以仰卧位置定位于x射线桌上，平行于所述桌的长轴，其臂置于其身体的侧面。可将受验者的脚置于中立位置，脚趾指向上或呈内旋转或可将其置于脚固持件中，使得脚处于中立位置(0°旋转)或相对于中立位置处于任何所要的旋转角度(例如，内或外)(也可参见以下实例8)。适用于此等目的的脚固持件可包括(例如)从脚(例如从大腿中部到大腿末端到脚后跟)延伸的底板。
底板较佳位于x射线桌上。定位患者的脚使得脚后跟的后侧位于底板顶部。脚的内侧靠在一内导引件上，所述内导引件通过任何合适的构件(例如，带子、维可牢尼龙搭扣、塑料、胶带等等)以90°角被刚性地连接至底板。通过一倾斜机制以90°角附着至底板的第二外导引件可接着朝脚的外侧移动且(例如)在其接触脚的外侧时其可被锁定于适当的位置。使用脚固持件可有助于改进骨结构参数或大体解剖和/或生物机械参数的测量的再现性。
如所属领域的技术人员将明白，患者或受验者可为任何热血动物。通常从哺乳纲中选择患者或受验者。因此，例如，患者或受验者可包括：人类及非人类的灵长类，诸如黑猩猩及其它类人猿和猴类；农畜，诸如牛、羊、猪、山羊和马；家畜，诸如狗与猫；实验动物，包括诸如小鼠、大鼠和豚鼠及其类似物的啮齿动物。就所要的范围来说，其它非哺乳动物可服从本文所述的协议而不背离本发明的范畴。
所属领域的技术人员将明白，大体解剖参数通常描述骨和/或周围结构的形状、尺寸或厚度。典型参数时常(但无需)在至少一个维上尺寸大于0.5mm。通常，在髋关节中，大体解剖参数包括股骨干皮质的厚度、股骨颈皮质的厚度、皮质宽度、髋关节轴长度、CCD(头部-颈部-骨干)角度、颈干角和转子区域的宽度。在脊骨中，大体解剖参数包括：上端板和下端板的厚度、前部、侧部和后部脊椎壁的厚度、脊椎体的直径和高度、椎管和后元素的大小。
通常，将射线集中于位于大转子内侧和上部的髋关节。诸如铝阶梯楔块的校准幻象也可包括于影像中以在进行进一步影像分析之前校准灰度值。
在其它实施例中，较佳为牙科x射线，因为其相对简单且在获得这些影像时无费用。此外，下颌骨和上颌骨主要由小梁骨组成。由于小梁骨的代谢更新大约是皮质骨的代谢更新的八倍，因此主要为小梁骨的区域(诸如脊椎体)为用于测量骨无机物密度的较佳部位。Lang等人(1991)Radiol Clin NorthAm 29：49-76。
因此，可在牙科x射线影像上清楚地看见小梁骨，因此有助于骨无机物密度和结构的定量分析。Jeffcoat等人(2000)Periodontol 23：94-102；Southard等人(2000)J Dent Res79：964-969。此外，在骨质疏松症患者中，最早的骨损失发生在小梁骨的区域中。在一生中，大多数美国人通常要做多次牙科x射线影像。实际上，每年大约有750,000,000美国人光顾牙科，且这些患者中的150,000,000导致每年进行1,000,000,000多次牙科x射线。因此，根据牙科x射线诊断骨质疏松症的能力将极其有价值，因为其可创造低成本的大规模人群筛检的机会。
较佳地，使用标准x射线设备来执行x射线成像，例如，标准牙科x射线设备(例如，General Electric Medical Systems，Milwaukee，W1)。使用标准x射线成像技术(80kVp和使用曝光计的自动曝光)或使用具有10mA管流的手工技术来获取门牙区域和犬齿区域的x射线。可(例如)在Kodak超高速胶片(Kodak，Rochester，NY)上获取x射线影像。可使用具有透明度选项的市售平面扫描器(Acer ScanPremio ST)将x射线影像数字化。类似地，通常可使用标准设备(例如，MRI或CAT设备)来执行其它成像技术。
1.1.校准幻象
高度较佳的是，影像包括精确参考标志，例如，用于评定任一给定影像上的骨无机物密度和/或骨结构和/或一或多个大体解剖和/或生物机械参数的校准幻象。已描述了用于成像技术的校准参考(也通称为校准幻象)。参见(例如)美国专利第5,493,601号和美国专利第5,235,628号。美国专利第5,335,260号揭示了一代表包含可变浓度的钙的人体组织的校准幻象，其充当x射线和CT成像系统中用于量化钙、骨量和骨无机物密度的参考。然而，当前可用的校准幻象并不总是精确。由于骨无机物密度说明骨质疏松症中骨折危险性显著小于100％(Ouyang等人(1997)Calif Tissue Int，60：139-147)，所以设计了本文所描述的某些方法和装置来不仅评定骨无机物密度而且评定骨结构以及除此之外大体解剖和/或生物机械参数。通过评定这些参数中的两个或两个以上参数，可为诸如骨质疏松症的病症提供更精确的测试和筛检。
因此，在某些方面中，本发明提供了允许对x射线中所包含的信息(诸如一解剖结构的密度和/或一解剖结构的形态学)进行精确定量评定的方法和装置。可使用任何合适的校准幻象，例如，一包含铝或其它不穿透射线的材料的校准幻象。美国专利第5,335,260号描述了适合用于评定影像中的骨无机物密度的其它校准幻象。其它合适的校准参考材料的实例可为流体或类似于流体的材料，例如一或多个填充有可变浓度的氯化钙或其类似物的腔室。
在本发明的实践中可使用众多校准幻象(或参考校准)。通常，用于监控目标有机体中的骨无机物密度和/或骨结构和/或一或多个大体解剖和/或生物机械参数的系统包含：一影像(例如，牙齿或髋部射线照相)，其提供关于受验者的信息；一包括一校准幻象的总成，其充当一用于影像中的数据的参考；和至少一个数据处理系统，其评估并处理来自影像和/或来自所述校准幻象总成的数据。
将不难明白，校准幻象可包含单一已知的密度或结构参靠。此外，可通过改变校准幻象沿x射线路径的厚度或几何结构(例如，通过使用具有可变厚度的校准幻象的V形(图4))来达成密度的梯度。校准幻象也可包括角度。例如，校准幻象可为″T″形或″L″形，借此包括一或多个90度的角。
校准幻象可包括具有不同射线不穿透性的若干个不同区域。例如，校准幻象可具有阶梯形设计，借此楔块的局部厚度中的变化导致射线不穿透性的不同。常常在放射学中使用具有可变厚度的材料的阶梯楔块以用于x射线特性的质量控制测试。通过改变阶梯楔块的厚度，可改变投影影像中x射线的强度和光谱含量。阶梯楔块通常由铝、铜和其它具有已知x射线衰减特性的便利且均质的材料制成。类似于阶梯楔块的幻象也可包含磷酸钙粉末或熔融石蜡中的磷酸钙粉末。
或者，可使用连续楔块或可设计校准参考使得射线不穿透性的变化从周边到中央(例如，以其它形状的结构的圆形、椭圆形、矩形、三角形)。如上文所注解，也可将校准参考构造为复数个独立腔室(例如，填充有流体的腔室)，其中每个腔室均包括一种特定浓度的参考流体(例如，氯化钙)。除了一或多种流体外，校准幻象也可包含嵌入于其内(例如，嵌入于塑料中)的金属粉末(例如，铝或钢粉末)。
在某些实施例中，校准幻象经特定设计以充当一用于骨结构的参考(例如，小梁间隙、厚度及其类似物)。例如，校正楔块可包含具有已知大小的一或多个几何图案，例如一格栅，借此可知格栅的间隙、个别网格的厚度等等。校准幻象中不穿透射线的元件的此已知几何图案可用于改进在x射线中小梁骨测量的精确性。小梁骨结构的这些测量可包括(但不限于)小梁间隙、小梁长度和小梁厚度。小梁间隙、小梁长度和小梁厚度的这些测量可(例如)在牙或脊骨或髋部x射线中执行。这些校准幻象可由各种材料制成，包括塑料、金属及其组合。此外，参考组份可为固体、粉末、流体或其组合。因此，也可使用校准楔块来改进骨结构的测量。
在某些实施例中，校准幻象经特定设计以充当一用于大体解剖参数(例如，在髋关节中，股骨干皮质的厚度、股骨颈皮质的厚度、皮质宽度、髋关节轴长度、CCD(头部-颈部-骨干)角度、颈干角和转子区域的宽度；且在脊骨中，上端板和下端板的厚度、前部、侧部和后部脊椎壁的厚度、脊椎体的直径和高度、椎管和后元素的大小)的参考。例如，校准楔块可包含具有已知大小的一或多个几何图案，例如一格栅，借此可知格栅的间隙、个别网格的厚度，等等。不穿透射线的元件的此已知几何图案可用于改进x射线中大体解剖和/或生物机械参数测量的精确性，例如，通过在影像放大的校正中进行帮助。大体解剖参数的这些测量可(例如)在牙或脊骨或髋部x射线中执行。这些校准幻象可由各种材料组成，包括塑料、金属及其组合。此外，参考组份可为固体、粉末、流体或其组合。因此，校准楔块也可用于改进骨结构的测量。
由于本发明期待针对关于骨结构、骨无机物密度或结构与密度两者的信息而对牙科x射线影像进行分析，所以应明白，将基于是否测量结构、密度或两者来选择校准幻象。因此，可存在一或多个校准幻象。
无论校准幻象的整体形状或组合物如何，当存在时，都应将所述至少一个标志定位于幻象中的已知密度和/或结构处。此外，较佳地，至少一个几何形状或图案被包含于校准幻象中。可使用任何形状，包括(但不限于)正方形、圆形、卵形、矩形、星形、新月形、多边形对象(例如，八边形)、V形或U形、倒V形或U形、不规则形状或其类似物，只要其位置已知以与校准幻象的特定密度相关即可。在较佳实施例中，本文所描述的校准幻象用于2D平面x射线成像中。
可在取得x射线影像之前或之后成像校准幻象。或者，可与x射线影像的同时成像校准幻象。所述校准幻象可实体连接至x射线胶片和/或胶片固持件。可使用任何合适的机械或其它附着机制来达成此实体连接，包括(但不限于)黏接剂、化学键、使用螺丝或钉子、焊接、维可牢带或维可牢材料及其类似物。类似地，可使用一或多个附着机制(例如，机械连接装置、V&commat；劳罗带或其它维可牢材料、化学键、使用螺丝或钉子、焊接及黏接剂)，将校准幻象实体连接至一侦测系统或一储存板以进行数字x射线成像。可使用一固持装置(例如，使用用于胶片和外部标准两者的压配合件)来连接外部标准和胶片。
此外，校准幻象总成可附着至一解剖结构(例如，一或多个牙齿、黏膜、下颌骨和/或上颌骨)。例如，校准幻象可附着(例如，经由黏接剂附着途径)至上皮或黏膜内部从而上覆下颌骨或上颌骨。或者，校准幻象可置于牙齿(例如，V形或U形(在上颌骨的情况下))上或与其邻近，或可使用倒V形或倒U形(在下颌骨的情况下)校准幻象。V或U的开口将与至少一个牙齿或可能若干个牙齿的自由边接触(图4)。
在较佳实施例中，当获取一解剖结构或一非活着的对象的x射线时，一校准幻象便被包括在视野内。可使用任何合适的校准幻象，例如，一包括铝或其它不穿透射线的材料的校准幻象。美国专利第5,335,260号描述了适用于评定影像中的骨无机物密度的其它校准幻象。其它合适的校准参考的实例可为流体或类似于流体的材料，例如，填充有可变浓度的氯化钙或其类似物的一或多个腔室。在一较佳实施例中，幻象的材料为不锈钢(例如，AISI级316，其包含碳(0.08％)、锰(2％)、硅(1％)、磷(0.045％)、硫(0.03％)、镍(10-14％)、铬(16-18％)、钼(2-3％)加上铁而构成100％)。所述组份的相对百分数可相对于重量或体积。
将明白，适用于附着至解剖结构的校准幻象可视所述解剖结构(例如，一或多个牙齿)的形状而定而具有不同形状，其中在所述解剖结构之上或与其邻近之处将置有校准幻象，包括(但不限于)U形、V形、弧形、扁平形或其组合。例如，可将U形(或倒U形)校准幻象定位于臼齿顶部，而可将V形(或倒V形)校准幻象定位于门牙顶部。此外，将明白，在某些例子中(例如，下颌骨上的牙齿)，校准幻象可仅基于其重力而倚靠在牙齿顶部或其可附着至牙齿(例如，使用黏接剂)。在上颌骨上的牙齿的情况下，校准幻象将通常附着至牙齿(例如，通过使用黏接剂)。
任何这些附着均可为永久性的或暂时的，且校准幻象可为胶片的一整体部分(例如，内置)，可在制造了胶片和/或胶片固持件之后适当地对胶片固持件和/或侦测器系统进行永久性或暂时性的附着或定位。因此，可使用不同x射线影像针对单次使用(例如，一次性的)或多次使用来设计校准幻象。因此，在某些实施例中，校准幻象可再使用，且另外可在使用之间将其消毒。可通过在x射线胶片的两个物理层之间包含一种具有已知x射线密度的材料而达成校准幻象的整合。也可通过在x射线胶片的其中一个物理层内包含一种具有已知x射线密度的材料而达成整合。另外，可将校准幻象整合于胶片覆盖件中。也可将一校准幻象或一外部标准整合于一侦测器系统或一储存板中以进行数字x射线成像。例如，可通过在侦测器系统或储存板的两个物理层之间包含一种具有已知x射线密度的材料而达成整合。也可通过在侦测器系统或储存板的其中一个物理层内包含一种具有已知x射线密度的材料而来达成整合。
在某些实施例中，例如，其中校准幻象被暂时性地附着至x射线总成系统的一个组件(例如，x射线胶片固持件、x射线胶片、侦测器系统或其类似物)的那些实施例，可将十字准线、线或其它标志置于装置上作为用于定位校准幻象的指示物。这些指示物可有助于确保校准幻象经定位使得其不会投影于将改变所得影像中的表观密度的材料上。
本文所描述的任何包含校准幻象的总成都可用于分析和/或量化x射线影像中的骨结构和/或一或多个大体解剖和/或生物机械参数(或骨无机物密度)的方法中。这些方法通常涉及为量化已成像的材料的密度(例如，骨量)的目的而同时成像或扫描校准幻象与另一种材料(例如，来自一受验者的骨组织)。在牙科射线照相的情况下，通常以一种方式定位校准幻象、x射线管或牙科x射线胶片以确保包含校准幻象和牙科x射线影像上的下颌骨和/或上颌骨的一部分。较佳地，定位校准幻象、x射线管和牙科x射线胶片，使得被包含于影像上的下颌骨或上颌骨的区域的至少一部分将包含主要是小梁骨而非皮质骨。
因此，借助于本发明的方法，校准幻象与个别受验者较佳同时成像或扫描，虽然本发明允许幻象与受验者的非同时扫描。已众所周知通过x射线成像技术来扫描并成像结构的方法。通过将校准幻象与受验者置于x射线中，参考校准样品允许校正并校准骨的吸收特性。当幻象与每个受验者同时成像或扫描时，x射线能量和射线硬化中的变化得以校正，因为所述幻象与所述受验者两者均看见相同的x射线光谱。具有不同尺寸、厚度、肌肉脂肪比率和骨含量的每个受验者不同地衰减光束且因此改变有效的x射线光谱。有必要使骨相等的校准幻象与受验者的骨一样存在于相同的射线光谱中以允许精确校准。
当前使用中的X射线成像总成并不考虑校准幻象相对于所成像的结构的位置。因此，当被包含于已知总成中时，一或多个校准幻象通常经定位使得其投影于可改变所得x射线影像中校准幻象的表观密度的材料或结构(例如骨)上。明显地，作为一用于判定骨无机物密度、结构或大体解剖参数的参考，表观密度中的此改变将影响校准幻象的精确性。因此，本发明的一个目的是提供其中校准幻象投影不含将改变所述参考的表观密度的材料或结构的方法。例如，在牙科x射线的内容中，本文所描述的方法确保校准幻象投影不含骨(例如，牙齿，颚)的组织。此可以各种方式实现，例如，将校准幻象定位于x射线胶片或x射线胶片固持件中使得其将出现在牙科x射线中的牙齿之间。
本发明的校准幻象材料和方法较佳经配置以使其足够小且足够薄而能够置于嘴内部，且可使用本发明的方法以使用标准牙科x射线系统来量化骨量，例如，通过将暂时性或永久性的校准幻象包含于牙科x射线胶片固持件中。此外，高度需要使校准幻象经定位而使得至少一部分不投影于将改变校准幻象的表观密度或结构性特征的结构或材料上。也较佳的是，将校准幻象定位于相对于至少一个牙齿或下颌骨或上颌骨具有一界定的距离处，借此校准幻象的一实质部分投影不含所述牙齿、所述下颌骨或所述上颌骨于x射线影像上。可使用任何合适的距离，例如，在约1mm与5cm之间，或其之间的任何值。
可使用交叉型校准幻象以最优化系统效能，例如，x射线管设置或胶片处理器设置，或以改进通常位于不同位置处的不同机器或系统的可比性。为此目的，可获得一单独的影像，其并不包含患者或主体部分。所述影像包含患者中所使用的初级校准幻象(例如，具有已知密度的阶梯楔块)和交叉型校准幻象。随后对照交叉型校准幻象的密度来校准所述初级校准幻象的表观密度。初级幻象的所得交叉校准可有助于改进骨密度、骨结构和大体解剖和/或生物机械参数的测量的精确性。其也可有助于改进所述测量的整体再现性。在本发明的一个实施例中，x射线技术人员或牙齿卫生师将执行交叉校准测试一天一次，通常在清早，在第一次患者扫描之前。整个交叉校准研究的交叉校准结果可经由网络传输到中央计算机。所述中央计算机可接着执行所设计的调整以保持不同系统之间的高水平的可比性。
1.2.固有参考标志
在本发明的某些实施例中，解剖结构或非活着的对象中所固有的信息可用于估测所述解剖结构或非活着的对象内所选相关骨区域的密度和/或结构和/或大体解剖学。例如，由于通常已知肌肉、脂肪、水分(例如，软组织)、金属(例如，牙齿填充物)和空气的密度，所以包围一解剖结构或非活着的对象的空气的密度、皮下脂肪的密度和肌肉组织的密度可用于估测所选骨区域(例如，在远端桡骨内)的密度。例如，加权平均数可在一或多个内部标准(例如，空气、水、金属和/或脂肪)之间判定，并将其用作内部标准以判定相同x射线影像中的骨密度。类似地，牙齿或一部分牙齿的密度可用于估测所选骨区域(例如，下颌骨中的一个区域)的密度。
所述解剖结构中固有的信息也可与由校准幻象所提供的信息组合，且所述组合可导致校准幻象的精确性得到改进。
1.3.固持件和卫生覆盖件
如上文所注解，在某些实施例中，可使用一固持件来定位校准幻象。为附着至牙齿的简易性，所述固持件可为U形或V形(图5)。所述附着可(例如)通过黏接剂实现。校准幻象又可附着至固持件。类似地，校准幻象可附着至包含至少一或多个牙齿的一或多个模子的固持件。另外，固持件可用于相对于将被包含于x射线影像中的骨状结构来定位胶片与校准幻象两者。在另一实施例中，一可固持x射线胶片的固持装置被整合于校准幻象中。此固持装置可在取得x射线时将胶片固持于适当的位置。所述固持装置可加载弹簧，或使用其它构件，诸如用于固持并稳定x射线胶片的机械构件。
在某些实施例中，固持件可包括一个一次性的或可消毒的卫生覆盖件。例如，参见WO 99/08598，其揭示内容以全文引用的方式并入本文。此外，所述固持件可包括多个组件，例如，校准幻象和一整合式或可插入式团背件，其可用于通过解决可与校准幻象和/或骨投影的软组织的影响来提高校准幻象的精确性。
在某些实施例中，校准幻象可经配置使得其稳定地靠着其自身上的周围组织，而无需使用一额外固持件。可通过一卫生覆盖件来保护校准幻象。
所述固持件(例如，卫生覆盖件)可由一种刚性材料、一种挠性材料或其组合组成。此外，所述固持件可包括适合用于接收诸如校准幻象、团背件或其类似物的额外组件的一或多个穴/隔室。另外，所述固持件的一或多个部分可透过射线。
2.0.数据的分析与操纵
接着较佳对如上文所述从所取得的影像获得的数据进行分析并操纵。因此，本文所描述的系统与总成也可包含一或多个计算单元，其经设计用于：(例如)分析所述影像中的骨密度或骨结构或大体解剖和/或生物机械数据；识别一解剖区域中的解剖界标；校正软组织测量；和/或评估所述影像的骨密度和结构与大体解剖学。如所属领域的技术人员将了解，计算单元可包含用于计算的任何软件、晶片或其它装置。另外，可设计计算单元以控制成像总成或侦测器(以及与所述一或多个侦测器相关的其它参数)。所属领域技术人员将认识到计算单元对本文所描述的方法和装置的其它应用。计算单元可用于与此技术有关的任何其它应用，其可通过使用计算机软件或硬件而变得便利。计算单元也可进一步包含一数据库，所述数据库包含(例如)参考解剖映射，且计算单元经进一步设计以将解剖映射与所述参考解剖映射进行比较。所述参考解剖映射可具有历史性(来自相同的患者或另一患者，产生作为一询问协议的一部分)或具有理论性或为任何其它类型的所要参考映射。
可分析任何影像以便获得并操纵数据。因此，根据本发明，数据点、导出数据和数据属性数据库可包含以下：(1)数据点的集合，所述数据点包含从一影像获得的信息，例如，骨无机物密度信息或关于骨结构(构造)的信息；和(2)那些数据点与相关数据点属性的关联。所述方法可进一步包含：(3)从一或多个直接数据点判定导出数据点；和(4)将那些数据点与相关数据点属性相关联。所述方法也可包含：(5)使用一远程计算机集合数据点，借此所述远程计算机在一网络环境中操作。在n个确定的较佳实施例中，从一牙科x射线影像获得信息。如上文所描述，可使用已知技术，在局部部位获取牙科x射线影像。如果使用常规x射线胶片来捕获x射线影像，那么可使用一扫描装置来数字化所述x射线影像的数据点(信息)。可接着经由网络(例如，因特网)将经数字化的x射线影像信息传输入一远程计算机或服务器。如果使用数字获取技术来获取x射线影像，例如，使用磷板系统或硒或硅侦测器系统，那么可得到呈数字格式的x射线影像信息。在此情况下，可直接经由网络(例如，因特网)来传输影像。也可在传输之前对信息进行压缩和/或加密。也可通过诸如传真、邮件或其类似物的其它方法来进行传输。
2.1.数据点
因此，本文所描述的方法与组合物利用具有测量值(例如，来自x射线影像的骨结构和/或骨无机物密度的测量)的数据集的集合。可以类似于电子表格的格式来表述记录，例如，包括诸如x射线的日期、患者年龄、性别、重量、现正接受的药物、地理位置等等的数据属性。数据库表述可进一步包含对从一或多个所获取的数据点所获得或计算得到的数据点的计算。多种导出数据点可用于提供关于在随后的数据库操纵期间的个体或群体的信息，且其因此通常在数据库表述期间被包括在内。导出数据点包括(但不限于)以下：(1)最大骨无机物密度，其经判定以用于一选定的骨区域或用于来自相同或不同受验者的多个样品中；(2)最小骨无机物密度，其经判定以用于一选定的骨区域或用于来自相同或不同受验者的多个样品中；(3)平均骨无机物密度，其经判定以用于一选定的骨区域或用于来自相同或不同受验者的多个样品中；(4)异常高或低的测量数目，其通过将一给定的测量数据点与一选定值进行比较而判定；及其类似物。其它导出数据点包括(但不限于)以下：(1)一选定骨结构参数的最大值，其经判定以用于一选定的骨区域或用于来自相同或不同受验者的多个样品中；(2)一选定骨结构参数的最小值，其经判定以用于一选定骨区域或用于来自相同或不同受验者的多个样品中；(3)一选定骨结构参数的平均值，其经判定以用于一选定的骨区域或用于来自相同或不同受验者的多个样品中；(4)异常高或低的骨结构测量数目，其通过将一给定测量数据点与一选定值进行比较而判定；及其类似物。其它导出数据点包括(但不限于)以下：(1)一选定大体解剖和/或生物机械参数的最大值，其经判定以用于一选定的骨区域或用于来自相同或不同受验者的多个样品中；(2)一选定大体解剖和/或生物机械参数的最小值，其经判定以用于一选定的骨区域或用于来自相同或不同受验者的多个样品中；(3)一选定大体解剖和/或生物机械参数的平均值，其经判定以用于一选定的骨区域或用于来自相同或不同受验者的多个样品中；(4)异常高或低的大体解剖和/或生物机械测量数目，其通过将一给定测量数据点与一选定值进行比较而判定；及其类似物。鉴于本说明书的教学，所属领域的一般技术人员将了解其它导出数据点。可得到的数据与从原始数据取得(或通过分析原始数据而获得)的数据的量提供了空前量的信息，其与与骨有关的疾病(诸如骨质疏松症)的管理大有关系。例如，通过随时间的过去检查受验者，可评定药物的功效。
分别收集并计算测量与导出数据点，且可使其与一或多个数据属性相关联以形成一个数据库。可得到的数据与从原始数据取得(或通过分析原始数据而获得)的数据的量提供了空前量的信息，其与与骨有关的疾病(诸如骨质疏松症)的管理大有关系。例如，通过随时间的过去检查受验者，可评定药物的功效。
可通过x射线影像自动输入数据属性，且所述数据属性可包括(例如)编年信息(例如，DATE和TIME)。其它此等属性可包括(但不限于)：所使用的x射线成像器的类型、扫描信息、数字化信息及其类似物。或者，可由受验者和/或操作者输入数据属性，例如，受验者标识符(即与一特定受验者有关的特征)。这些标识符包括(但不限于)以下：(1)受验者代码(例如，数字或字母数字顺序)；(2)人口统计信息，诸如种族、性别和年龄；(3)体格特征，诸如重量、高度和体重指数(BMI)；(4)受验者病史的选定方面(例如，疾病状态或病症，等等)；和(5)与疾病有关的特征，诸如骨病症的类型(若有的话)；受验者所使用的药物的类型。在本发明的实践中，每一数据点可通常通过特定受验者以及那个受验者的人口统计等特征来识别。
鉴于本说明书的教学，所属领域的一般技术人员将了解其它数据属性。
2.2.数据集的存储和数据点与相关数据属性的关联
存在用于存储数据集且同时关联相关属性的众多格式，包括(但不限于)：(1)表格格式；(2)关系格式；和(3)空间格式。一般而言，数据库包含：数据点、一对应于物理测量(一或多个“所获取”的数据点)或对应于一个单一数字结果的数值，所述单一数字结果从一或多个所获取的数据点计算得到或取得，所述一或多个所获取的数据点通过使用本文所揭示的各种方法而获得。数据库可包括原始数据或者也可包括额外相关的信息，例如，也称作数据点的“属性”的数据标记。数据库可呈多种不同的形式或可以各种方式而被结构化。
最熟悉的格式为表格格式，其通常被称作电子表格。当前存在多种电子表格程序，且通常将所述电子表格程序用于本发明的实践中，其包括(但不限于)：Microsoft Excel电子表格软件和Corel Quattro电子表格软件。以此格式，可通过在测量发生时于单个行中输入一数据点及与那个数据点有关的属性而发生数据点与相关属性的关联。
此外，也可利用合理的关系式(Database Design for Mere Mortals，编者Michael J.Hernandez，1997，Addison-Wesley Pub.Co.，publisher；Database Design for Smarties，编者Robert J.Muller，1999，Morgan Kaufmann Publishers，publisher；Relational DatabaseDesign Clearly Explained，编者Jan L.Harrington，1998，Morgan Kaufmann Publishers，publisher)和空间式(Data-Parallel Computing，编者V.B.Muchnick等人，1996，International Thomson Publishing，publisher；Understanding Fourth Dimensions，编者DavidGraves，1993，Computerized Pricing Systems，publisher)数据库系统与管理。
关系式数据库通常支持由关系代数所界定的一组操作。这些数据库通常包括用于数据库中所包含的数据并由若干列与行组成的表格。数据库的每个表格均具有主关键字，其可为任一列或一组列，其值唯一地识别表格中的行。数据库中的表格也可包括一外关键字，其为一列或一组列，其值与另一个表格的主关键字值匹配。通常，关系式数据库也支持可形成支配数据库内的关系的关系代数的基础的一组操作(例如，选择、结合并组合)。
可以各种方式实施这些关系式数据库。例如，在Sybase0(Sybase Systems，Emeryville，CA)数据库中，可将表格实体分离成不同数据库。相反，关于Orante&commat；(OracleInc.，Redwood Shores，CA)数据库，并不实体分离各种表格，因为存在工作空间具有针对不同表格所指定的不同所有权的一种情况。在某些配置中，数据库皆位于单台计算机上的单个数据库(例如，数据仓库)中。在其它例子中，在不同计算机之间分割各种数据库。
当然，应了解，数据库并不限于上述配置或结构。所属领域的技术人员将了解多种其它的配置。
2.3.数据操纵
例如，可使用多种统计分析来操纵如本文所述从x射线影像所获得的数据以产生有用的信息。例如，可在界定的时间段(例如，若干天、若干个月或若干年)内从经收集用于一个体或用于个体的一选定群体的数据、从导出数据和从数据属性产生本发明的数据库。
例如，可借助于与数据点相关联的属性来聚集、分类、选择、精查、群集并分离数据。存在众多数据勘测软件程序，其可用于执行所要的操纵。
可直接询问各种数据中的关系和/或可通过统计方法分析数据以评估从操纵数据库所获得的信息。
例如，可针对一选定的数据集而建立一分布曲线，且为此计算平均值、中值和众数。此外，可计算数据传布特征(例如，可变性、四分位值和标准偏差)。
可通过计算相关系数来检查任何相关变量之间的关系的性质。用于实现此的有用方法包括(但不限于)以下：皮尔逊积差相关与斯皮尔曼等级相关。
对方差的分析允许测试样品群间的差异从而判定一选定的变量对所测量的参数是否具有可辨别的影响。
可将非参数测试用作一种测试经验数据与实验期待之间的变化是否可仅归因于机会或归因于正检查的一或多个变量的途径。这些包括卡方测试、卡方拟合优度、2×2列联表、符号测试和Phi相关系数。
在标准数据勘测软件中存在众多可用的工具与分析，其可应用于对本发明的数据库的分析。这些工具与分析包括(但不限于)：群集分析、因子分析、决策树、神经网络、规则归纳、数据驱动模拟和数据可视化。数据勘测技术的其中一些更复杂的方法用于发现与理论驱动的关系相对的更具有经验性且为数据驱动的关系。
可用于分析和/或产生本发明的数据库的示范性数据勘测软件包括(但不限于)：链结分析(例如，关联分析、序列模式、序列时间模式与贝氏网络)；分类法(例如，神经网络分类法、贝叶斯分类法、k个最近邻居分类法、线性判别分析、记忆基础推理与通过关联的分类)；群集(例如，k均值群集、人口统计群集、关系分析与神经网络群集)；统计方法(例如，均值、标准偏差、频率、线性回归、t测试、F测试、卡方测试、主成分分析与因子分析)；预测法(例如，神经网络预测模型、径向基函数预测分析、模糊逻辑预测、时间序列分析与记忆基础推理)；操作系统；及其它(例如，平信可伸缩性、简单询问语言功能与针对应用而产生的C++对象)。提供这些软件的公司包括(例如)以下：在UTS的Adaptative Methods Group(UTS City Campus，Sydney，NSW 2000)；CSIO，Inc.，(Computer Science Innovations，Inc.Melbourne，Florida)；IBME(InternationalBusiness Machines Corporation，Armonk，NY)，Oracle&commat；(Oracle Inc.，RedwoodShores，CA)与SASO(SAS Institute Inc.，Cary，NC)。
可将这些方法与过程应用于使用本文所描述的方法而获得的数据，例如，包含x射线影像数据集、导出数据与数据属性的数据库。
在某些实施例中，使用本文所描述的方法，从正常控制受验者获得数据(例如，骨结构信息或大体解剖和/或生物机械信息或骨无机物密度信息)。这些数据库通常被称作“参考数据库”且其可用于帮助分析任何给定受验者的x射线影像(例如，通过将从受验者获得的信息与所述参考数据库进行比较)。通常，将对从正常控制受验者获得的信息取平均值或另外进行统计性操纵以提供“正常”(参考)测量的范围。鉴于本文的教学，所属领域的技术人员将明白合适的统计操纵和/或评估。
在此处添加z得分、T得分；其它认为重要的统计测量。受验者的x射线信息与参考数据库的比较可用于判定受验者的骨信息是落在所述参考数据库中所发现的正常范围外或其在统计上显著不同于一正常控制。数据比较与统计显著性可不难由所属领域的技术人员使用(例如)用于连续变量的z测试或t测试统计学、用于分类数据的卡方测试或费雪精确测试与用于分级数据的秩和测试或克鲁斯凯-沃利斯测试来判定。在x射线影像的分析中使用参考数据库可有助于对诸如骨质疏松症的骨病症的诊断、治疗与监控。
就对应用于数据分析的统计方法的一般讨论而言，可参见Applied Statistics forScience and Industry(编者A.Romano，1977，Allyn and Bacon，publisher)。
较佳使用一或多个计算机程序或计算机系统来存储并操纵数据。这些系统将通常具有数据存储能力(例如，磁盘驱动器、磁带存储器、CD-ROM等等)。此外，所述计算机系统可网络连接或可为单机系统。如果被网络连接，那么计算机系统可能够将数据转移到任何装置，所述装置被连接至经网络连接的计算机系统，例如，使用标准电子邮件软件的医师或医疗保健机构、使用数据库询问及更新软件的中央数据库(例如，从大量受验者获得的数据点、导出数据与数据属性的数据仓库)。或者，用户可使用具有因特网访问的任何计算机系统从医生办公室或医疗机构接入，以检查可有效用于判定治疗的历史数据。
如果经网络连接的计算机系统包括环球网应用程序，那么所述应用程序包括用于产生数据库语言语句(例如，SQL语句)所需的可执行码。这些可执行语句通常包括嵌入式SQL语句。所述应用程序进一步包括一包含至各种软件实体的指示符与地址的配置文件，其中所述各种软件实体位于除可回应于用户请求而接入的各种外部与内部数据库之外的数据库服务器上。所述配置文件也将数据库服务器资源的请求引导至合适的硬件，此如同如果在两个或两个以上的不同计算机上分布数据库服务器的情况下为有必要的那样。
通常，每个经网络连接的计算机系统均包括一环球网浏览器，其提供一至经网络连接的数据库服务器的用户界面。所述经网络连接的计算机系统能够经由网络浏览器来构造用于从数据库检索信息的搜索请求。通过对网络浏览器的访问，用户可通常点击诸如按钮、下拉菜单的用户界面元件及其它图形用户界面元件以预备并提交一从数据库提取相关信息的询问。以此方式表述的请求随后被传输至网络应用程序，所述网络应用程序将请求格式化以产生一可用于从数据库提取相关信息的询问。
当利用基于网络的应用程序时，所述网络应用程序可通过以下步骤从数据库访问数据：构造呈数据库语言(诸如Sybase或Oracle SQL)的询问，随后将所述询问转移至一关系式数据库管理系统，所述关系式数据库管理系统又处理所述询问以从数据库获得相关信息。
因此，在一方面中，本发明描述了一种提供网络(例如，因特网)上的从x射线影像所获得的数据的方法和使用此连接以提供实时与延迟的数据分析的方法。中央网络也可允许内科医生访问受验者的数据。类似地，如果受验者的读数在预定范围之外等等，那么可将一警报发送至内科医生。内科医生可接着经由电子邮件或网页界面上的消息将建议发送回患者。此外，访问来自所有受验者的数据的整个数据库对统计或研究目的而言可能有用。当然，可利用适当的网络安全性特征(例如，用于数据转移、查询、装置更新等等)。
此外，可将一远程计算机用于分析已通过网络而得以自动传输的x射线。例如，可以此方式产生关于一对象的X射线密度信息或结构信息。X射线密度信息可为(例如)骨无机物密度。如果以此方式使用，那么所述测试可用于诊断诸如骨质疏松症的与骨相关的病症。
2.4.图形用户界面
在某些计算机系统中，一包括一组功能的界面(诸如界面屏幕)被包括在内以使用户不难访问其从本发明的方法与数据库搜索到的信息。这些界面通常包括一主菜单页，用户可从所述主菜单页起始多种不同类型的分析。例如，数据库的主菜单页通常包括用于访问某些类型的信息的按钮，这些类型的信息包括(但不限于)：项目信息、项目间比较、日时、事件、日期、时间、值的范围等等。
2.5.计算机程序产品
可利用多种计算机程序产品来实施本文所揭示的各种方法与分析。一般而言，计算机程序产品包括一计算机可读媒体及执行上文所阐述的方法所必要的代码。其上已编码有程序指令的计算机可读媒体可为多种已知媒体类型中的任一种，包括(但不限于)：微处理器、软盘、硬驱动器、ZIP驱动器、WORM驱动器、磁带和诸如CD-ROM的光学媒体。
例如，一旦一个影像或来自那个影像的数据已经由局部或长途计算机网络而得以传输且数据已通过一远程计算机或一连接至所述远程网络计算机的计算机而得以接收，即可(例如)使用合适的计算机程序来执行对骨的形态学与密度的分析。对受验者的形态学的此分析可在二维或三维中发生。例如，在成像骨状结构中，对已传输的x射线影像的此分析可用于测量对骨损失或代谢性骨疾病具有指示性或暗示性的参数。这些参数包括可用于评估骨状结构的所有当前及未来的参数。例如，此等参数包括(但不限于)：小梁间隙、小梁厚度、小梁连接性与小梁间的间隙。
当已知诸如空间分辨率的影像获取参数时，可更精确地取得关于一解剖对象的形态学或2D或3D结构的信息。诸如锥面光束失真度的其它参数也可有助于此设定。
如上文所注解，可将一影像从局部部位传输入一远程服务器且所述远程服务器可执行对所述影像的自动化分析。此外，所述远程服务器或一连接至所述远程服务器的计算机可接着产生一诊断报告。因此，在某些实施例中，一计算机程序(例如，在远程服务器上或在一连接至远程服务器的计算机上)可产生诊断报告的训令。所述远程服务器可接着将所述诊断报告传输至内科医生(通常为命令测试或管理患者的内科医生)。诊断报告也可被传输至第三方，例如健康保险公司。诊断报告的此传输可以电子方式发生(例如，经由电子邮件)，经由邮件、传真或其它通信途径发生。可对所有或一些已传输的信息(例如，患者的识别信息)进行加密以保持病历卡的机密性。
因此，本文描述了一示范性系统，其用于经由牙科x射线(其包括受验者的下颌骨和/或上颌骨的至少一部分)分析受验者系统中的骨形态学或结构，接着评估所述x射线影像。以任何常规方法获得牙科x射线。X射线产生一可由一相关系统控制器解释(例如，利用一选定算法和/或计算机程序)的影像以提供供显示的骨无机物密度或骨结构评估。
在本发明的另一方面中，监控系统可包含两个或两个以上的组件，其中第一组件包含用于提取并侦测受验者上与骨相关的数据的x射线影像与校准幻象，且第二组件从所述第一组件接收数据，其可对数据进行数据处理，且接着显示经处理的数据。微处理器功能可在一或两个组件中找到。监控系统的第二组件可假定许多形式。
3.0.0.0校正因数
尽管校准幻象的存在极大地有助于增加从影像(诸如牙、髋部或脊骨x射线)所获得的数据的精确性，但是本发明者也认识到，在某些例子中，可能需要应用一或多个校正因数以进一步提高从任何给定x射线影像所获得的数据的精确性。这些校正因数将考虑可改变关于影像的表观密度或结构信息的广泛范围的影响中的其中一或多个影响(例如，软组织厚度、可提取数据的区域及其类似物)。
在这点上，可将一或多个参考数据库用于校准及标准化目的。例如，可使用诸如患者重量、高度与体重指数的患者特征数据来执行软组织衰减的影像标准化或校正。在一实例中，可在高重量与低高度的受验者中假定较高的软组织衰减；将在低重量与高高度的受验者中假定较低的软组织衰减。
在另一实施例中，将一标准校准曲线应用于x射线影像，借此所述校准曲线可从借助于使用校准幻象所获得的参考x射线而取得。例如，100个患者可经历具有校准幻象的牙科x射线，且一标准校准曲线可从这些影像取得。类似地，100个患者可经历具有校准幻象的髋部x射线，且一标准校准曲线可从这些影像取得。可针对不同的人群产生不同的校准曲线，例如，通过产生针对体重指数、身高、性别、种族等方面的不同范围的不同校准曲线。
3.1.0.0.解剖界标
在一实施例中，执行对待分析的结构的解剖界标的识别或对邻近于待分析的结构的解剖界标的识别，随后执行x射线影像相对于这些解剖界标的定位与计算机分析，或随后执行相关解剖区域(ROI)相对于这些解剖界标的定位与计算机分析。本发明也包括定位牙科或其它x射线侦测器、定位牙科或其它x射线管及基于以下内容使用界标来分析所得影像：1.)组织信息，2.)结构信息，3.)密度信息(例如，密度)，或4.)2或3维轮廓信息，5.)待测量的组织或结构的其组合或邻近于测量部位的组织或结构的其组合。本发明也包括若干种方法与装置，其不必仅基于解剖界标，而是在某些应用中，其可与解剖界标实施例组合。较佳地，本文所描述的其中许多实施例经设计以进行自动化使用，其具有最少的操作者干预且较佳使用这些装置的远程或计算机控制。
在一实施例中，可使用一对准装置以确保牙科或其它x射线管相对于x射线胶片的垂直或接近垂直的对准，借此减少了由管测角引起的几何失真。例如，相对于一解剖界标(例如，门牙区域中的下颌骨的后壁)来定位x射线胶片固持件。图15中展示了使用牙科x射线胶片固持件的示范性对准系统的侧视图。所述系统包括咬合块(100)、不锈钢棒(101)、胶片(103)、任选的校准幻象(104)、通常具有环形或圆环状的Rinn固持件(102)及伸长管(200)。所述伸长管经设计以配合入所述Rinn固持件内，且其可暂时或永久性地附着。系统可达成胶片位置相对于一解剖界标(诸如齿槽脊或下颌骨的后壁)的高再现性。所述伸长管允许x射线管的对准使得其接近垂直于Rinn仪器且最终接近垂直于牙科胶片。
因为牙科x射线管(即位于牙科x射线管的前面以用于指向与对准目的的管(例如，金属))的手工对准常常并不非常精确，对准误差为3、5或甚至程度更大，因此较佳使用一机械或电磁装置以便达成在x射线管前部的金属管与Rinn固持件之间的垂直或接近垂直的对准。例如，通过使用一或多个Veloro带，可将所述金属管实体附着至Rinn固持件，或可使用诸如水平线、十字准线、光源(点或区域)等等的光学辅助工具而使所述金属管得以对准。或者，可通过使用被刚性附着至牙科x射线系统金属管及Rinn固持件的一或多个磁体来达成此实体附着。在此实施例中，Rinn固持件与牙科x射线系统金属管上的磁体将得以对准且开始实体接触。在另一实施例中，例如，借助于黏接剂将伸长管附着至Rinn固持件。所述伸长管也可为Rinn固持件的一整体部分。可设计伸长管使得其内径稍大于牙科x射线系统金属管的外径。接着将牙科x射线系统金属管插入被附着至Rinn固持件的伸长管内，借此极大地减少了x射线管相对于x射线胶片的对准误差。或者，可设计伸长管使得其外径稍小于牙科x射线系统金属管的内径。接着在被附着至Rinn固持件的伸长管上使牙科x射线系统金属管前进，借此极大地减少了x射线管相对于x射线胶片的对准误差。所属领域的技术人员将不难认识到，鉴于本文的教学，可使用许多其它附着构件以使牙科x射线管与牙科x射线胶片适当对准。附着机制的组合也可行。
所选择的解剖界标为一解剖区域的一部分。一解剖区域是指骨、牙齿或其它可界定的生物量(其可由一或多个解剖特征或位置识别)上的部位。解剖区域可包括表面下的生物量。通常，此区域将可根据标准医学参考方法学(诸如在Williams等人的Gray′sAnatomy(1980)中所发现的标准医学参考方法学)来界定。可从由下颌骨边缘、上颌骨边缘、牙齿边缘、这些结构中任一者中的谷或槽或其组合组成的群中选择解剖区域。可不难取得牙科x射线影像以便包括解剖部位。其它解剖区域包括(但不限于)髋部、脊骨、前臂、足部与膝盖。
例如，将相关区域置于牙尖与较低下颌骨皮质之间。可以以下方式自动发现牙尖：对于每行像素而言，检查灰度值轮廓。虽然一以交替方式与骨及牙根相交的轮廓具有若干明显的峰值及谷值，但是一仅覆盖小梁骨的轮廓展示出灰度值中的不规则变化(图6)。牙尖位于这两个图案之间的过渡区域中。
用以评定小梁骨结构或大体解剖和/或生物机械参数的测量技术较佳经设计以在用户干预不存在的情况下工作。为将分析牙科x射线的过程完全自动化，有必要发展一种技术，其用以设置用于计算小梁骨的结构参数的相关区域(ROI)。如果一特定像素行的轮廓包含明显的峰值，那么可判定其数目、宽度与高度。接着，可评估这些线下面的行直到所述峰值已消失。这条线判定了边界，在其下5mm处可将ROI置于根部纵向轴之间的中央，其也可从行轮廓判定(图6)。在0.042mm×0.042mm(其对应于600dpi的分辨率)的像素尺寸处，ROI具有5.4mm×5.4mm(128×128个像素)的尺寸。对于其它扫描分辨率而言，可相应调节ROI的像素分辨率。
在无齿患者的情况下，可在设置于一条线(例如，其为8mm低且平行于齿槽脊)上的所有ROI中测量骨无机物密度。可以逐像素为基础将ROI从左边移至右边。最终，可选择具有最低BMD的ROI以进一步评估结构性骨参数。此有助于避免包含x射线上的区域，其中由于投影了接近犬齿的下颌骨的弯曲部分而过高估测骨无机物密度。或者，可使用具有中值BMD的ROI。为此目的可利用其它统计参数。
因此，软件或其它计算单元可识别被询问的x射线影像中的所选解剖界标并使用各种参数与解析函数来指导对影像的分析。此外，可使用此软件或其它计算分析单元来识别在离所选界标具有一定距离处的特定密度的区域。类似地，可使用手工或计算机分析以识别相对于所选界标具有最低、最高、中值或平均密度(或结构特征)的区域。
此外，可以不同次数比较相同界标(界标内比较)或可比较一或多个界标(界标间比较)。例如，可在一引起相同区域相对于一特定解剖界标的多个询问的单个询问协议期间使用界标内比较。可执行如本文所描述且在所属领域中已知的统计分析。
因此，本发明提供了用于评定骨结构(即，小梁骨的二维或三维构造性组织)的途径，包括(但不限于)小梁间隙、小梁厚度、小梁长度与小梁连接性的测量。表1中提供了骨结构测量的其它实例。这些测量可单独使用或可通过使用校准幻象或外部标准得到提高，其中所述校准幻象或外部标准可允许校正或标准化影像强度且在某些实施例中也可允许校正(例如)由x射线的锥面光束几何结构所引起的几何失真。
本发明提供了用于评定大体解剖和/或生物机械参数的途径。这些测量可单独使用或可通过使用校准幻象或外部标准得到提高，其中所述校准幻象或外部标准可允许校正或标准化影像强度且在某些实施例中也可允许校正(例如)由x射线的锥面光束几何结构所引起的几何失真(包括放大)。
如本文所述，可使用骨结构或大体解剖和/或生物机械参数的一或多个测量以选择一种疗法，例如，在骨损失或恶化的情形中使用同化剂或抗吸收剂。在某些实施例中，随时间的过去而进行骨结构和/或一或多个大体解剖和/或生物机械参数的测量，以纵向监控纵向地随时间的过去受验者的骨健康。可在不同的时间点T1，T2，...，Tn处执行测量，且可登记所述骨结构和/或大体解剖和/或生物机械参数中的变化并将其用于追踪患者的骨健康。在单一测量或纵向测量中，可将所述测量通知给内科医生且其可包含一预定截止值(例如，当患者中所测量的骨结构或大体解剖和/或生物机械参数大于不同于正常、健康参考人群的一或两个标准偏差时)且使用此信息以选择疗法。
如本文所描述而获得并分析的数据可用于监控患者对疗法的反应。例如，可使用在接受同化药物或抗吸收药物的患者中的并在不同时间间隔T1，T2，...，Tn进行评估的关于骨结构和/或大体解剖和/或生物机械信息的信息及所述骨结构和/或大体解剖和/或生物机械参数中的变化，以便评定治疗功效。内科医生可使用此信息以调整所施以的药物(例如，用于治疗骨质疏松症)的剂量或改变药物配方。
也可将使用x射线信息的其它技术(诸如层析X射线照相组合)用于测量骨结构并用于选择所述疗法或监控所述疗法。
可使用众多不同技术方法来测量骨结构。这些技术包括(但不限于)：霍夫变换、对小梁的密度与尺寸分布的分析、多维分类方案、平均像素强度、像素强度方差、傅立叶光谱分析、分形维度与形态学参数。
3.1.1.0.霍夫变换
霍夫变换(例如，参见关于High Energy Accelerators and Instrumentation的国际会议中的Hough″Machine analysis of bubble chamber pictures″.1959.CERN)可用于侦测二进制影像中的几何对象。作为一种用于评定骨结构和/或大体解剖的完全新颖的方法，本发明包括这些方法的使用以分析骨影像中结构的方向与长度。为此目的，可通过一高斯滤波器来使相关区域(ROI)模糊。经过滤的ROI的像素值可接着从原始ROI中的那些像素值中减去，且可在每个像素位置处添加值128。此导致产生平均灰度值为128的影像，其也可用作一阈值以产生其中由白色像素代表小梁的二进制影像。
在骨骼化步骤之后，可将具有线参数化p＝x cos zu+y sin 0的霍夫变换应用于二进制影像以便发现直线段。此处，p为线离原点的垂直距离，且0为x轴与法线之间的角度。原始影像中的每个点被变换为经变换的影像的(p0)平面中的正弦曲线p＝xcosS+ysinS(参见图7)。理想上，来自原始影像中的共线点的曲线在经变换的影像中的单一点中相交。然而，(p0)平面可分成若干区间，其中每个区间均对穿过其的经变换的曲线的数目进行计数。此数目对应于原始影像中线段上的共线点的数目，且因此对应于此段的长度。此外，所述经变换的影像提供关于原始影像中线段的优势角的信息(参见图8)。
针对具有一高于某一阈值的计数的所有区间而计算的线段的平均长度与方差可用作骨小梁形状的结构参数。平均长度以及长度的可变性用以减少具有骨质疏松症的患者。阈值具有以下效果：在计算中仅包含具有某一最小长度的段。选择阈值使得其提供健康个体与患病个体之间的最好区别，其可不难鉴于本文的教学由所属领域的技术人员来判定。
经变换的影像h的“质量中心”(将其给定为：其中每一区间被解释为一具有等于其计数的质量的元)是一种用以测量小梁部分的优势角的方式。相对于齿槽边缘来测量cm处的角度以获得一标准化值。更重要的是，扇形角的方差(再次在对区间计数定阈值之后测量)提供了关于小梁结构的各向异性的信息。骨质疏松性椎骨的组织形态学研究已展示小梁定向的可变性随疾病而降低。
3.1.2.0.小梁的密度与尺寸分布的分析
诸如膨胀与侵蚀的变化及其组合的形态学运算也可用于侦测灰度级或二进制影像中结构的尺寸。例如，骨骼算子可用于提取并量化具有不同尺寸与方向的小梁，其导致对小梁结构的尺寸分布的测量。此骨骼算子是基于Kumasaka等人(1997)的Dentomaxillofac Rad 26：161-168中所描述的工作，且如下工作：
使二维结构化元素在窗-m <；i，j <；E(i，j)E{0，1}的m(m >；0)上为函数。膨胀算子将灰度级影像f中的像素值f(x，y)设定为尺寸m的窗内那些值的最大值，其中e(i，＝1：
使用最小值而非最大值来相应地界定侵蚀算子：
‘打开’为在最小搜索之后的最大搜索的运算：fE(/OE)eE
因此，‘关闭’运算被界定为在最大搜索之后的最小搜索：fE(f#E)#E
如果一固定结构化元素E1被给定为Fi(i，＝1，其中-lj<；l，那么接着骨骼运算被界定为S小梁(f)＝(f#E2)-[(f#E2)E1](1)
E2为另一具有圆形形状且尺寸可变化的结构化元素，且因此使骨骼算子对影像中结构的尺寸敏感。通过E2对f的侵蚀清除了小于E2的结构且提取了那些在尺寸方面至少相等的小梁。将那些尺寸方面精确相等的结构减少至一个像素的宽度。通过Fi的打开步骤导致所有为一个像素宽度的结构消失((1)中的第二项)。在从第一个减去此项之后，仅保留那些精确匹配E2尺寸的小梁结构。最后，对所述影像定阈值以具有级1。此算子的影响在图9中说明。
图10论证了具有相同结构元素直径的骨骼算子(如图9中)在一包含小梁骨的牙科x射线的相关灰度级区域上的使用。由每个骨骼运算引起的二进制影像中明亮像素的数目对应于原始影像中具有特定尺寸的小梁的部分。如果对照E2的直径来绘制明亮像素相对于每个骨骼化影像中像素总数目的百分数，那么曲线的“质量中心”(即，占优势的结构尺寸)可用作一指数以在骨质疏松性骨与健康骨之间进行区分。
此外，骨骼算子较佳最佳化并伸长以侦测仅在一特定方向上定向的结构。此可通过将侵蚀运算添加至具有结构元素(其中，例如仅诊断像素被设定为1)的骨骼算子而达成。
此可用于计算一各向异性指数，其类似于从霍夫变换取得的各向异性指数。就两个各向异性指数将健康骨区别于骨质疏松性骨的潜力来测试所述两个各向异性指数。
以一类似方式可检查髓隙的尺寸。接着将骨骼算子界定为S骨骼(f)＝(f#E2)-[(f#E2)E1]
另外，可将分水岭切割应用于x射线影像上减去背景的灰度级结构以将小梁结构的均质性特征化。此过程考虑结构之间的灰度级对比度以界定髓隙。根据脊的空间延伸与灰度级，分水岭切割(在应用于减去背景的骨x射线影像时)将具有被较高灰度级结构(或脊)包围的较低灰度级(或盆)的区域界定为髓隙。因此，由此程序界定的髓隙部分的尺寸与定向可与邻近小梁结构的间隙、相对密度与定向相关。使用分水岭切割而产生的髓隙的部分可针对所述部分内的x射线影像上的其面积、偏心率、定向与平均灰度级进行测量。可测量所述部分的特征中的每一者的统计数据(例如，平均值、标准偏差、最小值、最大值与众数)。可选择这些统计数据以反映髓隙与小梁结构的均质性，且可将所述统计数据用于侦测髓隙与小梁结构的非正常分布的存在。
3.1.3.0.多维分类方案
在某些实施例中，较佳使用多个指数来测量骨结构和/或大体解剖参数。因此，可利用整合一或多个合适的指数的新颖方法。所述指数可(例如)使用最近邻居分类法而得以最佳化且可并入多维分类方案。Cover等人(1967)IEEE Trans Inform Theory 13(1)：21-7。(参见实例3)。
表1提供了可测量的参数的不同分析与解剖/生理学相关性的实例。
表1
| 分析 | 解剖/生理学相关 |
| 霍夫变换 | 小梁的长度与方向；各向异性 |
| 形态学算子 | 小梁的厚度与方向；各向异性；髓隙的厚度与长度 |
| 平均像素强度 | 骨无机物密度 |
| 像素强度的方差 | 小梁结构的复杂性 |
| 傅立叶光谱分析 | 小梁结构的复杂性 |
| 分形维度 | 小梁结构的复杂性 |
| 形态学参数 | 小梁的长度、尺寸；小梁结构的复杂性；髓隙的长度、尺寸；髓隙的复杂性 |
3.1.3.1.平均像素强度
平均像素强度是骨无机物密度的一个通用参数。穿过骨组织的x射线被吸收的程度取决于骨矿物质含量。具有较高矿物质密度的骨吸收较大部分的x射线，且因此在x射线影象上显得更亮。
对照影像中所包含的铝校准楔块来校准ROI中的平均像素强度f(x，y)。绘制所述校准楔块的每一厚度水平的平均像素强度对照厚度的对数，其允许f(x，y)被转换成一标准化铝厚度当量，所述当量用作此参数的值。可通过被划线入楔块中的不同几何图案使对校准楔块的不同厚度水平的自动辨识可行，其中所述几何图案展示于x射线影像中且可自动地局部化。
3.1.3.2.像素强度的方差
ROI中像素灰度值的方差var f(x，y)描述了像素强度的可变性且因此可为小梁化程度的量度。预测小梁骨的损失以使其由减小的var f(x，y)反映。Southard & Southard(1992)Oral Surg Ora/Pao/74：111-117。
3.1.3.3.傅立叶光谱分析
组织的空间频谱提供了关于其粗糙度的信息。影像中精细的组织结构与边缘对应于频域中的高频率，而粗糙的组织则由较低的频率代表。应用于小梁骨的x射线影像，此意思是一具有粗糙或很少小梁化的区域应展示出低空间频率下的傅立叶光谱能量集中，
而一具有精细小梁结构的区域则应展示出高频率下的光谱能量集中。
通常，2维傅立叶系数用于所选ROI。这些2维系数用于通过在半径对应于离散空间频率u的圆上对所有系数取平均值来判定1维功率谱F(u)。平均变换系数的绝对值|F(u)|及绝对值系数的平均空间第一矩在将第一(″DC″)系数排除之后得以判定。Mi提供了一量度，针对所述量度，频率对光谱的能量贡献最大，类似于一几何对象的“质量中心″。
3.1.3.4.分形维度
一种用以分析影像中的组织的不同方法是通过分形分析。分形为展示某些统计上自相似或自仿射特性的对象，使得所述对象的一部分(按其原始尺寸绘制)具有与原始对象(例如)相同的表面面积(3-d)或相同的周长(2-d)。在分形分析的内容中，特定组织中的灰度值可解释为高度，且对所得3维表面加以分析(图11)。
分形维度(fd)为一对象的周长或表面面积在测量比例减小的情况下增加的速率。Russ″The Image Processing Handbook，″，第3版，1999，Boca Raton：CRC出版社。此对于边界或表面的复杂性来说是一量度且其对应于对象粗糙度的直觉概念。在不受到一种理论的束缚的前提下，假设骨质疏松性小梁骨(其中小梁变薄并失去其连续性且因此复杂性增加)应具有高于健康骨的分形维度。
来自其中可测量FD的若干种方式的结果不可比较。因此，可测试各种方法以判定哪种方法(或组合)提供正常受验者与骨质疏松性受验者之间的最好区别。
在使用快速傅立叶变换(FFT)计算ROI的2-D功率谱之后，在频域中应用第一种方法。从2-D傅立叶系数可如上文所描述产生1-D功率谱以进行傅立叶分析。当将此1-D功率谱绘制为功率的对数与频率的对数时，根据分形理论，其必须具有一负斜率，其量值b为1＜b＜3。接着将FD值计算为FDI＝3.5-b/2。
另一种方法(Minkowski方法)测量配合至表面的上包络与下包络之间的差异(遍及ROI求和)作为所使用邻居的尺寸的函数。Peleg等人(1984)Anal Mach Intell 6(4)：518-523。如果8(8＝1，2，3，...)是包络与表面之间的距离，那么上包络us与下包络Is由当f(i，j)为ROI中像素(i，j)的灰度值时给定。对照log(8)绘制的面积A的对数()产生一具有量值为b′的负斜率的线。分形维度接着由FD2＝2-b′给定。将面积计算为A(E 26~′)。
3.1.3.5.形态学参数
尽管先前特征与参数提供关于小梁骨结构的相当一般的信息，但是以下实例描述了更详细的方面。
首先将相关灰度级区域二进制化。如White等人的(1999)Oral Surg Oral Med OralPatholo Oral Radiol Endod 88：628-635中所述，此可以以下方式达成：借助于高斯滤波器使ROI变模糊。接着将已模糊的ROI从原始ROI中减去，且在每一像素位置处添加值128。此导致产生具有平均灰度值为128(其也可用作一阈值)的影像，从而导致产生其中小梁为白色且髓隙为黑色的影像。
从这个二进制影像，白色像素的总数目代表小梁面积，其被计算为总ROI面积的百分数。在外小梁边界上的像素数目测量小梁的周围长度。可通过对黑色像素进行计数而为髓隙测量相同的参数。
在骨骼化二进制影像之后，小梁的总长度由总的数目的白色像素判定。此外，将终点的计数与支点的计数表达为小梁长度的比例。将对小梁的平均长度的估测计算为总小梁长度及终点与支点的和的比率。
3.1.3.5.马尔可夫随机场
在某些实施例中，马尔可夫随机场可用作用于从射线照相影像侦测骨质疏松症及用于骨折危险性预测的模型。如本文所注解，骨质疏松症通常通过可用于计算机辅助侦测及特征化的结构改变而显现于射线照相影像中。因此，从射线照相影像侦测和/或特征化骨质疏松症依赖于对与影像中存在的骨或小梁结构的密度有关的一个特征或一组特征的测量与分析。
马尔可夫随机场可用于分析并侦测结构密度改变，此通过将特定关节特征分布模型化({F1，F2，...，Fn})实现，因为其在每一影像元素或影像邻居处估测(图19)，或通过将特定结构定义(例如，小梁)的实际射线照相显现模型化(图20)实现。
在于每一影像元素或影像邻居处进行估测的第一种情况下，马尔可夫随机场框架用于基于内容的特征分析/区别方法，其考虑特征之间的局部关系，且有效地补偿可影响所考虑的特征的相对值的空间变化过程(例如，可变软组织或归因于边界的丢失或不完整数据)。(Buntine(1994)″Operations for learning with graphical models，″J.ArtificialIntelligence Res.December：159-225)。
此方法也可用于通过界定关节特征组最可能的链基于对小梁结构节点及其相关特征组的分析来预测最可能的骨折路径。分析框架可为<BR><BR><BR>P(ROI#Normal)<BR><BR>#＝Likehood Ratio approach：p(ROI#Abnormal)，其中P(ROI#.)由对应的马尔可夫随机场模型给定。
另一种分析方法是通过贝叶斯网络的实施与训练，例如如Heckerman D(1996)″Atutorial on learning with Bayesian networks，″Microsoft：Research Technical Peeport，MSR-TR-95-06中所描述，其基于可用的测试用例数据。
马尔可夫随机场也可用于将影像中结构以概率性术语的显现模型化。(Geman等人(1984)″Stochastic relaxation，Gibbs distributions，and the Bayesian restoration ofimages，″IEEE Transactions on Pattem Analysis and Machine Intelligence 6：721-741；Besag(1986)″On the statistical analysis of dirty pictures，″Journal of the Royal Statistical Society，48(3)：259-302)。如图20中所描绘，每一个影像分量(噪音及特征性结构)均具有相关联的概率性模型(分别为P(N)与P(IIT))，其描述灰度级强度的空间分布。例如，针对数字/数字化射线照相中的噪音分量的普遍假定为考虑正常分布或泊松分布的像素。对特征性组织P(iIT)的分布的命名法是如此使得可反映出区域I的对应概率分布是视特征性结构存在T而定的(由符号§表示)。用于此概率性框架的分析工具由图21中所示的机遇率且明确而言贝氏法则来提供。贝氏法则可描述为如下一种法则：根据所述法则，基于每个特征性结构存在的频率(或可能性)的经验(由概率分布P(T)代表的先验信息)与噪音及可变性的来源如何改变对应特征性结构的显现的知识(可能性的知识，因此也称为被给予可能的特征性结构与重叠降级分量的ROI影像的似然函数(ROI§T))，来更新关于我们对一给定特征性结构在ROI中存在的知识(由概率分布P(T§ROI)代表的后验信息)。图21说明了仅选择具有最大后验信息的结构可用作一决策标准。
为界定似然函数P(ROIj T)，可利用马尔可夫随机场模型化。马尔可夫随机场为特定多维随机过程，其满足被称作马尔可夫特性的特性。所述马尔可夫特性仅陈述在一随机系列的事件中，可预测每一事件且其取决于一有限的事件组。此特性对于影像中结构的模型化与分析来说很便利且直观。其基本陈述了如果像素在ROI中的分布可模型化为具有马尔可夫特性，那么为判定像素是否属于一给定结构，仅需要有限数目的邻近像素。
具有马尔可夫特性的随机场赋予具有一由以下等式给定的相关联的吉布斯概率分布的额外利益：
其中函数：U(S1s2，...)＝#V(si)+#V(si，si)+EV(s.，ssJ+...取决于局部邻近元素的函数V(称为潜力)，所述局部邻近元素被称为派系：{si}，{si，sj}，{si，sj，sk}，...#C
派系的重要性是其为可用于反映相关结构的空间分布特性(诸如(举例而言)垂直、水平及对角线几何图形)的基本元素。此外，可非常便利地显现马尔可夫特性，因为每一影像像素可在局部邻居中依据派系来表达：
对先验信息的特定结构密度等级及定义的影像特征族的模型参数化可通过从可用的患者数据进行估测(因此界定经验先验)或通过实施基于影像产生过程的实体与随机模型来进行。
3.1.4.0.重叠窗处理
此外，也可界定两个或两个以上的重叠ROI，且将其用于分析任一给定影像。换言之，可在一具有预定尺寸、形状与位置的区域内应用骨密度、显微结构、大体解剖和/或生物机械(例如，使用有限元模型化而获得)分析。也可将此相关区域称为“窗”。可在所述窗内于影像的不同位置处重复地应用处理。例如，可产生取样点的一个场且可在这些点处执行分析(图16)。针对每个参数的分析结果可存储于矩阵空间中，例如，其中其位置对应于发生分析的取样点的位置，借此形成参数的空间分布的映射(一参数映射)。取样场可具有规则或不规则间隔，所述间隔具有遍及影像可变化的密度。
可(例如)使用取样点的间隔或密度(及参数映射的分辨率)来判定窗之间的重叠量。因此，取样点的密度在其中需要较高分辨率的区域中设得较高，且在其中适度分辨率已足够的区域中设得较低，以便改进处理效率。窗的尺寸与形状将判定参数的局部特性。较佳设定窗尺寸，使得其密封所测量的结构的大部分。通常避免尺寸过大的窗以有助于确保局部特性不会失去。
可改变窗的形状以具有所测量的局部结构的相同定向和/或几何结构，从而最小化结构切割的量并最大化局部特性。因此，取决于影像的性质与待获取的数据，可使用2D和/或3D窗。<BR><BR><BR><BR><P>
在另一实施例中，可在一具有预定尺寸、形状与位置的区域内应用骨密度、显微结构、大体解剖和/或生物机械(例如，使用有限元模型化而获得)分析。通常选择所述区域以包括调查中的大部分或所有解剖区域，且较佳地，可以逐像素为基础(例如，在2D或3D影像的情况下)或在横截面或容量影像(例如，使用MR和/或CT而获得的3D影像)的情况下以逐体素为基础来评定参数。或者，可将分析应用于像素或体素的群集，其中通常选择群集的尺寸以代表空间分辨率与处理速度之间的折衷。每一类型的分析均可产生一参数映射。
参数映射可基于对影像或窗中的一或多个参数的测量；然而，也可使用统计方法取得参数映射。在一实施例中，这些统计性比较可包括(例如)使用z得分或T得分将数据与一参考人群进行比较。因此，参数映射可包括z得分或T得分的显示。
3.1.4.1.参数映射的分析与选择
参数映射可代表个别参数或参数的组合，诸如(例如)使用有限元模型化所取得的密度、显微结构、大体解剖参数或生物机械参数，其可有效用于识别具有相似特征的区域或小片区域。例如，取决于其位置、形状、尺寸、定向及范围，展示类似特征(例如，在数据集的高或低范围处的值)的特定区域或小片区域通常代表具有不同特性的骨区域，例如，较强或较弱区域的区域。因此，参数映射可用于产生虚的骨折线，所述骨折线有助于预测可能经受增加的骨折危险性的骨区域。可通过对来自体外机械负载测试的结果进行统计性分析或通过其它途径(例如，从骨质疏松症受验者(尤其是那些正传染上骨折的受验者)中的横截面或纵向研究)来选择一或多个参数映射。选择可基于(例如)小片区域的位置、形状、尺寸、定向及与实际骨折线的位置最有关联和/或具有与骨折危险性最有关联的参数值、骨质疏松性骨折的发生或骨折负荷。
3.1.4.2骨折路径预测
当存在多个与骨折线非常有关联的参数映射时，可安装多元回归模型以使用本文所描述的技术和/或为所属领域的技术人员已知的统计方法来产生从2D或3D数据集所取得的一复合参数映射，例如x射线、数字层析X射线照相组合、CT与MRI。可使用一参数映射以通过分析所预测的骨折路径来预测整体骨强度或骨折危险性或骨折负荷。如果在一或多个特定方向上施加足够力，那么此处将所预测的骨折路径界定为其中最有可能发生骨折的假设路径。
在某些实施例中，可将分水岭切割应用于选定的或复合参数映射。可将分水岭切割应用于2D影像以及3D(例如，从CT或MR获得的横截面或容量数据)。通常沿参数映射上的脊(即，沿峰值)形成分水岭切割的边界。对于一与骨结构或骨折负荷正关联的参数而言，即较高的值对应于较强的骨，参数的相反值用于产生分水岭边界，使得所述边界可沿参数映射的谷(局部最小值)形成。可识别并分割分水岭边界的节点以将分水岭边界分离成若干区段(图17)。这些区段中的每一区段可指派有一强度值或骨折负荷值，所述值为所述区段下的一或多个参数映射的复合值。区段的长度、定向及位置可用作用于强度值的标准化因子。
可以数据结构(例如，图形结构)的形式来标明、追踪、测量并记录分水岭边界的节点与区段。也为每个区段而存储强度值与互连关系。为识别最可能的骨折路径，通过数据结构来传播搜索策略(例如，深度优先搜索)(Russell S.，Norvig，P.，ArtificialIntelligence：A modern approach.1995，NJ：Prentice Hall.第77页)，以判定从骨的一个表面到由预定立体角限制的另一相反表面的阻力最小的路径。或者，可训练一人造神经网络以预测被给予作为输入的参数映射的骨折路径。
3.1.4.3.骨折危险性预测
在预测了一或多个骨折路径之后，可执行额外处理，一般借助于一新的处理格栅，其沿所预测的具有不同窗尺寸和/或形状的骨折路径具有高的节点集中。可在骨折路径的出口处以较高分辨率评估诸如皮质厚度的大体解剖参数(在二维或三维影像中)。可沿所预测的骨折路径来评估为骨折危险性的最好预测算子的参数。可通过对来自体外机械负载测试的结果进行统计性分析或通过其它途径(例如，在骨质疏松症受验者(尤其是那些正传染上骨折的受验者)中使用横截面或纵向研究)来选择这些参数(包括密度、显微结构、大体解剖测量和生物机械参数)，以使其与骨的一或多个机械特性的量值高度相关联(例如，在一或多个特定负载力方向上)，或使其与骨折危险性、新骨折的发生率或骨折负荷高度相关联。机械特性包括(但不限于)：屈服负荷、硬度和杨氏模数。
可对照人群的统计分布来比较沿所预测的骨折路径的参数值。每个参数的a得分及T得分与在一特定所预测的骨折路径中发生骨折的危险性有关。因此，可将一骨折危险性得分指派给那个骨折路径。所预测的骨折路径也可与普通骨折类型的临床定义有关。可接着通过以发生一特定类型的骨折的概率对每个所预测的骨折路径的骨折危险性得分进行估量来评估整体骨折危险性。图18描绘了此过程的一示范性摘要。
3.1.5.0.生物机械评定
从对密度、显微结构、大体解剖参数的处理所提取的特征与值可用作用于生物机械模型化(例如，使用有限元分析的模型化)的输入。有限元模型化(FEM)可用作一用于骨或骨与植入物的复合物的物理机械特性的代理。简言之，FEM涉及将结构或对象分成离散形状的元素，其中每个元素的机械性质可由精确的数学等式来描述。结构有限元分析(FEA)(FEM的一特定子集)为对在特定负载条件下结构内的任一点处的机械性质(应力与应变)的计算。有限元模型的基础是对象或结构的二维或三维数据。
可用作有限元分析的输入网格的显微结构与显微解剖特征的实例包括(但不限于)：小梁结构的影像或数据结构的实际推导；皮质骨的影像或数据结构；小梁骨骼的影像、数据结构或从重叠窗处理所取得的参数映射。如本文所描述，可从2D和/或3D影像中获得输入特征。模拟力的施加可在一或多个方向上，且其通常与将在骨折事件中发生的实际力分量相关联。有限元分析提供了对每次骨折事件情况的骨折的负荷与方向的估测。可通过以发生每一骨折情况的概率对骨折负荷进行估量来估测骨折危险性。此外，可将由有限元分析估测的骨折路径用作对密度、显微结构、大体解剖特征的分析的输入。例如，可在由有限元模型化所预测的骨折路径区域中测量密度、显微结构、大体解剖特征。相反，有限元分析可与额外影像及临床数据组合以通过预测骨是否将骨折来判定骨折危险性，其被给予了将在骨折事件中发生的力分量。
可使用分析或统计方法的一个相关或独立结果或一个以上的相关或独立结果的组合来评估骨折危险性。此组合的一个实例为密度、显微结构、大体解剖、有限元分析及临床危险性因素(诸如重量、高度、骨折历史、骨折家族史及其类似物)的加权平均得分。
可将有限元模型化应用于影像中所包含的所有骨结构。然而，较佳地，通常在选定的子区域中应用有限元模型化。在某些实施例中，例如，基于微结构或大体解剖测量，在与所预测的骨折路径重合或与其毗连的区域中应用有限元模型化。通过将骨特性的生物机械评定与密度、显微结构及大体解剖评定组合，可改进对骨折危险性的预测和/或与骨折负荷的相关性。最后，生物机械特性的区域性评定也可改进骨折路径预测的精确性。
生物机械评定也可包含估测大体解剖水平下的杠杆及力的更传统的方法，所述杠杆及力为：例如，对基于骨的大体几何参数的力矩、剪切力及压缩力与预期负荷或应力的测量。可将这些更传统的方法与有限元模型化、对密度、骨结构与大体解剖参数(例如，皮质厚度)的测量组合，借此改进骨强度与骨折危险性的评定且改进与骨折负荷(且最终，易发生的新的骨折)的相关性。
如所属领域的技术人员将了解，所测量的大体解剖参数可取决于待测量的相关区域而变化。例如，当研究一部分脊骨时，用户可将骨结构测量与大体解剖测量和/或FEA和/或其它生物机械测量和/或骨无机物密度组合。脊骨中所使用的实际大体解剖测量可为(例如)内椎弓根距离、外椎弓根距离、脊椎高度(可为前部、中央、后部、左边、右边或其组合)、脊椎前部-后部直径(在上方、中间、下方或另一位置中取得)、脊椎左边-右边直径(在上方、中间、下方或另一位置中取得)、脊椎直径(在倾斜平面中取得)、脊椎对角线(例如，使用内部皮质或外部皮质)、上端板的厚度(例如，在前部、在中央、在后部、从左边、从右边或其组合取得)，或使用下端板的厚度(例如，再次在前部、在中央、在后部、从左边、从右边或其组合取得)。
类似地，当研究膝盖与胫骨时，用户可将骨结构测量与大体解剖测量和/或FEA和/或其它生物机械测量和/或骨无机物密度组合。然而，如所属领域的技术人员将明白，在研究膝盖与胫骨区域时用于测量的骨结构由于解剖学中的变化而改变。因此，在研究膝盖与胫骨区域时，可从(例如)使用内皮质或外皮质或其组合的骨的前部-后部直径、使用内皮质或外皮质或其组合的内侧-外侧直径、各种位置中的皮质厚度、皮质厚度的标准偏差、各种位置中的软骨下骨厚度和/或其组合取得。
可发生其中大体解剖测量用于标准化骨结构或骨密度测量的情况。例如，在胫骨中，如果患者具有在前部-后部维度上厚(例如，比平均数厚)的胫骨，那么骨结构和/或骨密度测量可改变。可接着将大体解剖测量用于通过(例如)在前部-后部方向上的厚胫骨1测量与另一测量之间形成一比率来标准化所述胫骨1测量。
3.2.0.0.软组织
软组织厚度的变化在分析并评估x射线中的骨密度与骨结构、大体解剖参数与生物机械参数(例如，那些使用有限元模型化所取得的骨密度与骨结构、大体解剖参数与生物机械参数)方面是重要的。因此，本发明也包括方法与装置，其用于针对软组织校正骨结构或致密组织的评定，尤其用于诊断和/或预测骨质疏松症或其它骨病症。
在某些实施例中，x射线影像为牙科x射线影像，且这些校正方法涉及：(a)通过一x射线侦测器来询问受验者的下颌骨和/或上颌骨的至少一部分；(b)产生所询问的下颌骨和/或上颌骨的x射线影像；(c)从x射线影像获得关于骨密度或骨结构的数据；(d)询问周围的软组织以判定软组织厚度；和(e)通过校正软组织厚度而校正从x射线影像所获得的数据。这些研究群体包括：非骨质疏松性绝经前的患者、非骨质疏松性绝经后的患者、骨质疏松性绝经后的患者。尽管关于牙科x射线作了举例说明，但是应明白，可将本文所描述的许多方法应用于其它x射线影像，例如，髋部或脊骨x射线影像。
也可将在受验者中所测量的软组织厚度与从控制人群(例如，年龄、性别、种族或重量匹配的正常受验者)所获得的参考软组织厚度进行比较。可通过测量具有正常脉管、心脏、肝脏或肾脏功能且不具有其它潜在医学病症的健康受验者中的软组织厚度来产生参考软组织厚度。参考软组织厚度可表达为(但不限于)：平均及标准偏差或标准误差。可针对15-20、20-30、30-40、40-50、50-60、60-70、70-80与80及年龄更大的患者而独立地获得参考软组织厚度，且较佳针对男士与女士并针对种族(例如，亚洲人受验者、非洲人受验者、高加索人受验者及西班牙人受验者)来分别较佳地获得参考软组织厚度。另外，可针对每个年龄、性别及种族子群内的不同受验者重量来获得参考软组织厚度。
可将个别患者与参考软组织厚度进行比较。如果患者的软组织厚度提高，那么可应用校正因数。校正因数的量/量值受到软组织厚度中增加的量值的影响，而此增加的量值可受到脂肪、纤维与肌肉组织作用的量值的影响。可评估临床研究群体以产生供进一步研究的数据库或产生更精密的校正因数。这些研究群体包括：非水肿性非骨质疏松性绝经前的患者、非水肿性非骨质疏松性绝经后的患者、非水肿性骨质疏松性绝经后的患者、水肿性非骨质疏松性绝经前的患者、水肿性非骨质疏松性绝经后的患者及水肿性骨质疏松性绝经后的患者。在每个研究群体中，可执行以下程序以进行比较：脊骨、髋部或跟骨的双重x射线吸光测定法(″DXA″)连同SOS与BUA测量或定量断层摄影术(″QCT″)。因此，对软组织厚度的校正也可改进x射线与其它x射线分析中的精确性与区别能力。这些方法也可用于识别具有骨病症(诸如骨质疏松症)的增加或减少的危险性的人群。
4.0应用
例如，在下颌骨或上颌骨中或在髋部中或在脊骨中，骨无机物密度或小梁结构和/或大体解剖和/或生物机械参数的测量可用于取得任一受验者中骨健康的评定。另外，对来自x射线的数据的分析与操纵允许评定骨健康，其又可用于开出一适当的治疗配方。也可使用本文所描述的方法与装置来评定一治疗配方的功效(例如，使用在两个独立的时间点T1与T2处所取得的下颌骨或上颌骨或髋部或脊骨中的骨无机物密度或小梁结构和/或大体解剖和/或生物机械参数的测量，以侦测骨无机物密度或小梁结构中的任何差异)。
此外，本文所描述的方法允许(例如)对标准髋部射线照相上的小梁骨和/或大体解剖和/或生物机械参数的结构组织与构造配置进行完全自动化的评定以及用于监控骨质疏松症的进展与治疗回应的经改进的工具。在某些实施例中，所述方法涉及通过侦测骨骼网络的支点与端点并将其分类成自由端区段与节点-至-节点区段使用形态学算子来二进制化并骨骼化小梁骨。在其它实施例中，所述方法涉及基于已二进制化和/或已骨骼化的影像来测量小梁密度、小梁周长、小梁骨模式因子、区段计数、区段长度、区段定向的角度和节点-至-节点区段与自由端区段的比率。在另外的实施例中，所述方法涉及：(a)使用欧几里德距离变换来测量小梁厚度(也可参见实例3)；(b)使用2D快速傅立叶变换来评定小梁定向；和/或(c)产生一骨结构指数以用于诊断骨质疏松症或用于组合这些结构参数的至少两者或两者以上来预测骨折危险性。
在某些实施例中，射线照相为受验者的髋部。此外，为有助于控制射线照相定位对骨结构和/或大体解剖和/或生物机械测量的精确性的影响，所述方法可包括以下中的一或多者：例如，通过将健康者及骨质疏松性患者(受验者)中的髋关节的前后射线照相与处于中立位置中并呈各个内转度及外转度的股骨射线照相进行比较，或通过获得具有不同管测角度的髋部射线照相，来评估髋部中骨结构测量的角依赖性。可在不同的位置之间比较骨结构和/或大体解剖和/或生物机械测量，以判定哪些骨结构参数展示出对射线照相定位的最少依赖性和/或若0°中立位置与15°外或内旋转位置的结果之间变化的成对系数对于所测量的大部分结构参数而言超出10％，那么使用脚固持件以将患者的脚固定于中立位置中。
在其它实施例中，也提供了随时间的过去(例如，纵向地)监控骨结构和/或大体解剖和/或生物机械参数的方法，例如，以评定骨质疏松症的进展和/或对疗法的回应。在某些实施例中，所述方法涉及(例如)通过产生并使用包含六个已界定的相关区域(ROI)的近端股骨的一个通用模型，将相关区域(ROI)自动化安置于髋关节中。
本文所描述的方法(其部分允许测量骨结构)可有效用于骨质疏松症的诊断与治疗。最终，这些技术可有助于通过使用标准、广泛可得的射线照相设备而无需昂贵的专用固定设备，以高度成本有效并精确的方式来筛检有骨质疏松症危险的大量女士。明显地，此类型的规划将强烈地使以新的同化或抗吸收药物的治疗干预成为可能，需要这些同化或抗吸收药物来阻止预期传染病骨质疏松性骨折。
4.1.工具箱
本发明也提供了用于从影像获得信息(例如，用于从诸如射线照相的影像获得关于骨结构、显微结构、大体解剖和/或生物机械参数)的工具箱。在某些实施例中，所述工具箱包含一或多个计算机(例如，软件)程序，例如，以基于所述一或多个影像接收、分析并产生报告。在进一步实施例中，所述工具箱可包括校准幻象，例如，被整合至或可附着至一固持件、卫生覆盖件、x射线胶片和/或x射线胶片固持件的校准幻象。
本发明也提供了治疗工具箱，例如，其用于治疗骨质疏松症或牙疾病。在某些实施例中，所述工具箱包含一用于与一或多个x射线胶片、一计算机软件产品、一数据库、一治疗药物和(视情况)供使用的指令(例如，关于定位校准幻象同时取得x射线、使用软件来分析x射线、剂量及其类似物的指令)一起使用的校准幻象。治疗药物可为(例如)抗吸收药物或同化药物。
4.2.诊断与预测
在又另一方面中，提供了(例如)使用任何本文所描述的工具箱、方法和/或装置来诊断或预测受验者中与骨相关的病症(例如，骨质疏松症、佩吉特氏病、成骨不全症、骨癌)、牙周病或口腔植入物失败的方法。将明白，这些方法可适用于任何与骨相关的病症(例如，包括骨质疏松症、骨癌及其类似物)以及牙周病与植入物失败。
对于25,000,000绝经后女士与7,000,000男士来说，仅骨质疏松症便是主要的公众健康威胁。在1995年，对骨质疏松症与有关骨折的国家直接财政支出为$13,000,000,000。因老年人群的增长，改变人口统计不断使骨质疏松性骨折的数目增加且使骨质疏松症成为一种初始且潜在的经济上不可管理的传染病。在40年中，仅在美国，规划投入到骨质疏松症的总花费就为每年240,000,000,000美元。
不到20％的患者知道其患上了疾病且更少有人接受内科医生指导的特定疗法。成功处理即将来临的骨质疏松症传染病的主要障碍并不是缺乏治疗模式，而是无能力识别处于危险中的人及谁需要治疗。对骨质疏松症测试的有限使用主要是当前可用系统的高成本的结果，从而导致受限于医院与特别门诊的小型安装基础。
本文所描述的装置与方法通过提供便宜且可靠的骨结构分析屏幕并产生对骨病症和/或疾病存在的诊断而解决了这些和其它问题。实际上，虽然骨无机物密度(BMD)的测量在技术上执行起来相对简单，但是低BMD说明了显著小于100％的骨折危险性(尽管已完全证实小梁结构与构造的更加严重的破坏以主要方式在老年人个体中促成骨折危险)。
因此，在某些实施例中，所述方法包括使用一计算机程序来分析影像(例如，x射线影像)的骨无机物密度或骨结构和/或大体解剖和/或生物机械参数及将从所述影像获得的值或测量与一参考标准或曲线进行比较，借此判定受验者是否具有与骨相关的病症(诸如骨质疏松症)或借此判定受验者的骨折危险性。所述影像也可包括一校准幻象，例如，如本文所描述的校准幻象。
在某些实施例中，例如，使用统计或数学方法，使骨结构的测量可与大体解剖和/或生物机械参数(例如，髋部x射线上的皮质厚度)的测量组合或相关联，以产生一针对疾病严重性的指数。随后，所述指数可用于诊断骨质疏松症或用于组合这些骨结构或形态学参数中的至少两个或两个以上来预测骨折危险。
4.3.治疗
本文所描述的方法与装置也可用于发展一针对需要其的受验者的合适治疗配方。另外，本发明允许对受验者的治疗配方的功效进行前进性分析。
虽然可通过激素取代疗法(HRT)来阻止的绝经期后的雌激素缺乏是骨质疏松症的其中一个经最完全证明的原因，但是HRT也可导致长期使用者的乳腺癌危险性增加(约35％)。Lancet(1997)350：1047-1059。因此，已专门作出了许多努力来发展针对骨质疏松症的替代性治疗。在那些治疗中，双磷酸盐类正变得日益被认识为精选的治疗。Lin(1996)Bone 18：75-85；Liberman等人(1995)N Engl J Med 333：1437-1443；Mortensen等人(1998)J Clin Endocrinol Metab 83：396-402。目前所引入的另一类新的治疗剂是选择性雌激素受体调节剂(SERM)。Delmas等人(1997)N Engl J Med 337：1641-1647；Lufkin等人(1998)J Bone Min Res 13：1747-1754。诸如甲状旁腺激素的同化疗法也已建议用于治疗骨质疏松症。Roe等人(1999)J Bone Miner Res 14(suppll)：S137，Abst&num；1019；Lane等人(1998)J Clin Invest 102：1627-33。
这些和其它研究的组合结果暗示：一旦诊断出病症，便可发展针对骨质疏松症的有效治疗。例如，使用任何本文所描述的方法、工具箱和/或装置，可诊断出受验者中骨质疏松症的存在且将合适的疗法(例如，一或多种抗吸收剂和/或一种多种同化剂)提供给那个受验者。可类似地诊断牙周病且可推荐从口腔卫生实践到外科的治疗。随时间的过去，可将本文所描述的方法与组合物用于评定所选治疗及根据需要而改变的治疗配方的功效。例如，可给予受验者一次或前进性的疗法及在此疗法之后所评估的影像以监控其有效性。因此，在某些实施例中，提供了对与骨相关的病症的治疗或对与骨相关的病症的治疗的监控。
4.4.决策树
因此，诊断、预测、发展治疗配方、评定治疗功效及其类似物可不难使用本文所描述的方法来完成。在某些方面中，这些应用将使用算法或决策树(也称为逻辑树或流程图)来完成。关于预测骨问题而提供了一示范性决策树。将不难明白，这些决策树同等地适用于其它应用(例如，设计治疗配方、评定治疗功效，等等)。
一种用于预测骨问题(例如，骨质疏松症等等)、牙周病或口腔植入物失败的示范性方法利用一决策树(也称为分类树)，其利用阈值的分层评估(例如，参见J.J.Oliver等人in Proceedings of the 5th Australian Joint Conference on Artificial Intelligence，第361-367页，A.Adams与L.Sterling，editors，World Scientific，Singapore，1992；D.J.Hand等人Pattern Recognition，31(5)：641-650，1998；J.J.Oliver与D.J.Hand，Journal ofClassification，13：281-297，1996；W.Buntine，Statistics and Computing，2：63-73，1992；L.Breiman等人″Classification and Regression Trees″Wadsworth，Belmont，CA，1984；C4.5：Programs for Machine Learning，J.Ross Quinlan，The Morgan Kaufmann Series in MachineLearning，Pat Langley，Series Editor，1992年10月，ISBN 1-55860-238-0)。可获得用于决策树的结构化与执行的市售软件(例如，CART(5)，Salford Systems，San Diego，CA；C4.5(6)，RuleQuest Research Pty Ltd.，St Ives NSW Australia)，且可鉴于本说明书的教学而将其用于本发明的方法中。此决策树的一简单型式是选择在一特定解剖界标(例如，下颌骨或上颌骨的边缘，牙根端，等等)读取的一阈值骨结构和/或大体解剖和/或生物机械或骨无机物密度。如果值等于或低于阈值骨数据值，那么评估影像的更多部分。若影像的更多部分低于阈值，那么可预测骨问题、牙周病或植入物失败。
例如，将基于如本文所描述而获得并分析的最新x射线影像由算法作出的第一级决策与可指示一即将来临的或当前的与骨或牙周有关的事件的初始阈值进行比较。例如，所述算法可将当前骨结构测量(时间＝n)或一所预测的骨结构测量(时间＝n+1)与一阈值进行比较。如果骨结构测量大于阈值，那么由算法作出决策以建议进一步将来的x射线。如果骨结构测量小于或等于一或多个阈值水平，那么算法继续下一级决策树。
下一级决策树可为评估在取得x射线的时间(n)时受验者的年龄和/或性别，将其与那个年龄和/或性别的“正常”受验者的阈值骨测量进行比较。例如，如果受验者的骨测量大于那个特定年龄和/或性别的阈值骨结构水平，那么由算法作出决策以促使将来进一步的监控。如果关于骨结构的信息小于或等于阈值，那么算法继续下一级决策树。
下一级决策树可为(例如)评估受验者的软组织(例如，齿龈)厚度(n)，将其与一阈值测量进行比较。例如，如果软组织显著低于或高于正常厚度范围，那么由算法作出决策以检查x射线影像的更多部分或以预测与骨相关的问题。
可通过添加进一步级数来进一步详细阐述决策树。例如，在骨和/或牙周事件的判定可行之后，受验者可再次进行x射线照射，以了解值是否已改变。再次，也可测试年龄、性别、重量、软组织厚度及其类似物并认为其能证实所述预测。
在这些决策树中，最重要的属性通常置于决策树的根部。在本发明的一个实施例中，根属性为一或多个当前骨结构测量。在另一实施例中，在将来时间点处所预测的骨结构测量可为根属性。或者，骨无机物密度和/或植入物结构可用作根属性。
此外，不必(但是可以)先验建立阈值。算法可从个别受验者的读数与测量的数据库记录中获悉。所述算法可使用(例如)决策树算法基于数据库记录中的数据来训练其自身建立阈值。
此外，决策树可比上文所描述的简单情况更复杂。例如，如果特定受验者的软组织非常厚，那么算法可针对骨测量设定一高于或低于正常值的阈值。
通过选择参数(例如，当前或将来的骨信息，等等)并允许所述算法基于个别受验者的这些参数的数据库记录来训练其自身，所述算法可将每个参数评估为疾病和/或植入物失败的独立或组合预测算子。因此，对预测模型进行训练，且算法判定哪些参数是最重要的指示物。可使用诸如递归分类算法的算法以自动化方式从数据获悉决策树。所述递归分类算法通过以根节点中的所有训练实例开始来发展树。所述根节点可(例如)使用如下的三步过程而被“分割”。(1)可在所有可得的属性上、在所有可得的阈值(例如，在训练数据库中)处分割根节点。向每个所考虑的分割应用一个标准(诸如，GINI指数、数据的熵或数据的消息长度)。(2)选择能将所述标准最佳化的属性(A)与阈值(T)。此导致具有一个分割节点与两个叶的决策树。(3)训练数据库中的每个实例与这两个叶的其中一个叶相关(基于训练实例的测量)。接着使用所述三步过程来递归分割每个叶节点。继续进行分割直到应用一停止标准。停止标准的一个实例为一节点是否具有来自与其相关的训练数据库的不到50个实例。
在进一步实施例中，在决策树中的每一级决策处，算法软件可将概率与决策关联。可评估每一级决策处的概率(例如，求和)，且可将累积概率用于判定是否预测到疾病和/或植入物失败。可将接受者操作特征(ROC)曲线分析应用于上文所描述的决策树分析。ROC分析为另一种阈值最佳化途径。其提供了一种用以判定最佳真阳性分数同时最小化假阳性分数的方式。ROC分析可用于比较两个分类方案，且判定哪个方案为所选事件(例如，骨质疏松症的证明)的更好的整体预测算子；例如，ROC分析可用于将一简单阈值分类符与一决策树进行比较。ROC软件包通常包括用于以下的程序：关联、连续分布以及固有分类的评定计分数据；两个副法线ROC曲线之间的统计性比较；从一组连续的以及分类的数据的副法线ROC曲线的最大可能性估测；和统计能力的分析以用于比较ROC曲线。可获得用于结构化及执行ROC的市售软件(例如，Analyse-It forMicrosoft Excel，Analyse-It Software，Ltd.，Leeds LS12 5XA，England，UK；MedCalc&commat；，MedCalc Software，Mariakerke，Belgium；AccuROC，AccumetricCorporation，Montreal，Quebec，CA)。
可应用于上述分析的相关技术包括(但不限于)：决策图、决策规则(也称为规则归纳法)、判别分析(包括逐步判别分析)、罗吉斯回归、最近邻居分类、神经网络与朴素贝氏分类法。
本发明的所有这些方面可独立实践或组合实践。通常，使用上文所列出的实施例的组合更有利。此外，虽然已以某种详细程度描述了本发明的较佳实施例，但是应明白，可在不背离本发明的精神及范畴的前提下作出明显的变化。
实验
下文为用于实施本发明的特定实施例的实例。仅为说明的目的而提供实例，且其并不意味以任何方式限制本发明的范畴。
实例1：体内再现性与体内诊断敏感性
A.牙科x射线
为测试从牙科x射线获得的数据的体内再现性，执行以下实验。受验者坐在牙科治疗椅中，且取得门牙区域和下颌骨的臼齿区域的x射线照射。将一校准幻象阶梯楔块附着至牙科x射线胶片。使用用于门牙区域的x射线的标准x射线成像技术来曝光所述牙科x射线胶片。受验者走动15分钟，此时使用相同程序重复所述测试。
在具有透明性选项的市售平面扫描器(Acer ScanPremio ST)上来数字化x射线胶片。使用NIH影像软件程序(http://rsb.info.nih.gov/nih-image/Default.html)在相同受验者的所有数字化x射线中在相对于牙根的相同位置处手工安置相关区域(ROI)。将ROI内部平均灰度值的测量的再现性判定为变化系数(COV＝测量的标准偏差/测量平均值)。在两个受验者上将全部结果给定为均方根。表2中概述了数据。
表2：数字化牙科x射线中平均灰度值测量的再现性
| 区域 | COV受验者A | COV受验者B | RMS |
| 门牙 | 2.9％(n＝3) | 5.9％(n＝3) | 4.6％ |
| 臼齿 | 3.0％(n＝3) | 4.1％(n＝4) | 3.6％ |
| 所有区域： | 4.2％ |
数据展示可达成能与许多超声系统的再现性相比的再现性以诊断骨质疏松症。
B.髋部射线照相
为测试髋部x射线中的骨组织分析是否可侦测正常骨与骨质疏松性骨之间的差异，需要在两个患者中通过Fuji FCR 5000计算机化的射线照相系统(Fuji Medical Systems，Stemford，CT)来获取样品髋部x射线影像。第一个患者根据DXA所测量在髋部中具有正常的骨无机物密度。在第二个患者中，DXA所测量的股骨颈BMD低于正常值一个标准偏差。
对于x射线成像而言，将患者以仰卧位置定位于x射线桌上，平行于所述桌的长轴。患者的臂置于其身体的侧面。在患者的颈下放入枕头以确保患者舒适。然而，在膝盖下没有枕头。x射线技术专家通过从头部向下朝脚(脚置于中立位置中，脚趾指向上)看去来检查患者直躺在桌上。将射线集中大转子中间与上部的髋关节。
使用以下参数来获取前后髋部射线照相：胶片焦距：100cm；管电压：65kVp；曝光：用于自动曝光的曝光计或用于手工曝光的约20mAs；准直：限制至髋关节，包括近端股骨干；中心：在股骨头上(见上文)；管测角：0度。在影像中包含一铝阶梯楔块(BioQuest，Tempe，AZ)以在进行进一步影像分析前校准灰度值。使用ImageJ(NIH影像的Java型式)(http://rsb.info.nih.gov/ij/)来执行处理。
在如图9所示的近似位置处手工选择6个相关区域。通过背景减去来提取小梁。所得二进制化的影像展示于图中。在下一步骤中，将所选相关区域中的小梁骨骨骼化。
将正常者与骨质缺乏患者中二进制化的ROI用于判定小梁密度比率(小梁区域对比ROI区域)。从骨骼化ROI获得以下骨结构测量：平均区段长度、总骨骼长度(由ROI区域而标准化)、骨骼区段计数(由ROI区域而标准化)和骨骼节点计数(由ROI区域而标准化)。结果展示于表3至7中。
表3：小梁密度比率(小梁区域/ROI区域)
| ROI A | ROI B | ROI C | ROI D | ROI E | ROI F | |
| 正常者 | 0.473 | 0.482 | 0.514 | 0.494 | 0.476 | 0.485 |
| 骨质缺乏症者 | 0.382 | 0.455 | 0.492 | 0.426 | 0.424 | 0.455 |
| ％骨质缺乏症者对比正常者 | 81％ | 94％ | 96％ | 86％ | 89％ | 94％ |
表4：平均骨骼区段长度
| ROI A | ROI B | ROI C | ROI D | ROI E | ROI F | |
| 正常者 | 7.116 | 8.071 | 10.765 | 8.175 | 8.272 | 7.313 |
| 骨质缺乏症者 | 7.146 | 9.877 | 10.004 | 6.699 | 8.607 | 9.750 |
| ％骨质缺乏症者对比正常者 | 100％ | 122％ | 93％ | 82％ | 104％ | 133％ |
表5：总骨骼长度(由ROI区域而标准化)
| ROI A | ROI B | ROI C | ROI D | ROI E | ROI F | |
| 正常者 | 0.0736 | 0.0758 | 0.0906 | 0.0889 | 0.0806 | 0.0785 |
| 骨质缺乏症者 | 0.0503 | 0.0589 | 0.0672 | 0.0584 | 0.0681 | 0.0543 |
| ％骨质缺乏症者对比正常者 | 68％ | 78％ | 74％ | 66％ | 84％ | 69％ |
表6：骨骼区段计数(由ROI区域而标准化)
| ROI A | ROI B | ROI C | ROI D | ROI E | ROI F | |
| 正常者 | 0.0100 | 0.0094 | 0.0084 | 0.0109 | 0.0097 | 0.0107 |
| 骨质缺乏症者 | 0.0070 | 0.0060 | 0.0067 | 0.0087 | 0.0079 | 0.0056 |
| ％骨质缺乏症者对比正常者 | 68％ | 63％ | 80％ | 80％ | 81％ | 52％ |
表7：骨骼节点计数(由ROI区域而标准化)
| ROI A | ROI B | ROI C | ROI D | ROI E | ROI F | |
| 正常者 | 0.0198 | 0.0210 | 0.0229 | 0.0244 | 0.0156 | 0.0240 |
| 骨质缺乏症者 | 0.0090 | 0.0117 | 0.0132 | 0.0113 | 0.0088 | 0.0081 |
| ％骨质缺乏症者对比正常者 | 46％ | 56％ | 58％ | 47％ | 56％ | 34％ |
这些结果证明，对小梁结构的评估揭示了正常骨与骨质缺乏骨之间的显著差异，且对定向于不同ROI中的某些方向上的小梁的选择性分析允许对近端股骨的生物机械稳定性而言关键性的结构进行评定。
C.脊骨射线照相
为测试脊骨x射线中的骨组织分析是否可侦测正常骨与骨质疏松性骨之间的差异，将在一个以上的患者中获取样品脊骨x射线影像。在脊骨中，除非被重叠肋骨、骨脊或肠气遮掩，否则可在L1、L2、L3与L4脊椎体中测量骨结构参数。第一个患者将提供对照数据，其前提条件为患者在脊骨中具有正常的骨无机物密度。在第二个患者与随后的患者中，将测量脊骨BMD。
将在如图22所示的近似位置处手工选择相关区域。将通过背景减去来提取小梁。在下一步中，将所选相关区域中的小梁骨骨骼化。图24描绘了使用脊骨x射线来进行治疗监控的结构提取与测量的应用的一实例。在(a)中展示了治疗前已提取的结构的白色轮廓，且在(b)展示了治疗后已提取的结构的白色轮廓。
D.膝盖/胫骨1射线照相-骨质疏松症
为测试膝盖与胫骨1的x射线中的骨组织分析是否可侦测正常骨与骨质疏松性骨之间的差异，将在一个以上的患者中获取样品x射线影像。第一个患者将提供对照数据，其前提条件为患者在胫骨或股骨中具有正常的骨无机物密度或骨结构。在第二个患者与随后的患者中，将测量关节BMD或骨结构。
将在如图23所示的近似位置处手工选择相关区域。所述ROI可为(例如)直接位于胫骨1高原(plateau)软骨下骨下方的区域。将通过背景减去来提取小梁。在下一步中，将所选相关区域中的小梁骨骨骼化。
D.膝盖/胫骨1射线照相-关节炎
为测试膝盖与胫骨1的x射线中的骨组织分析是否可侦测正常患者与具有关节炎的患者之间的差异，将在一个以上的患者中获取样品x射线影像。第一个患者将提供对照数据，其前提条件为患者在胫骨或股骨中具有正常骨无机物密度或骨组织。在第二个患者与随后的患者中，将测量关节BMD或结构。
将在如图23所示的近似位置处手工选择相关区域。所述ROI可为(例如)直接位于胫骨1高原(plateau)软骨下骨下方的区域。将通过背景减去来提取小梁。在下一步中，将所选相关区域中的小梁骨骨骼化。
实例2：影像处理技术
在PC上的Matlab(The MathWorks，Inc.，Natick，MA)中发展用于分析股骨头、颈部与近端骨干的不同区域中的小梁结构的技术。发展了以下技术(模组)：用于对射线照相中不同的相关区域(ROI)中的小梁的密度、长度、厚度与定向进行软件分析的算法；和一种用于这些ROI的自动化安置的技术。
在近端股骨中选择6个相关去区域以用于骨微观结构评估。设计这些ROI的尺寸与形状以捕获小梁密度与结构的局部变化(例如，参见图9)，且可反映小梁的不同压缩与拉伸群体的位置。Singh等人(1970)J Bone Joint Surg Am.1970.52：457-467。因此，发展了一基于多个参数的统计收敛的分类方案，所述参数将提供一用于预测髋部骨折的高精度指数。
实例3：髋部射线照相的骨结构分析
使用背景减去方法来提取股骨中的小梁，基本上如Geraets等人(1998)Bone 22：165-173中所描述。通过15×15高斯滤波器使影像的一个复本变模糊，且结果表示非均匀背景。从原始影像中将此背景影像减去，以获得小梁结构的影像。接着通过应用阈值0将此影像变换为小梁结构的二进制影像。图10中展示了最终结果的一个实例。
在第二步中，在小梁骨骼或中心线上测量与小梁结构的几何结构与连接性有关的参数。使用形态学无目的变细(例如，如Soille，″Morphological image analysis：principles andapplication″Springer，1998：第129-154页中所描述)来执行骨骼化。侦测骨骼网络的支点与端点，且将骨骼区段分类为自由端区段与节点-至-节点区段。
使用来自二进制化ROI及来自骨骼化ROI的以下参数中的一个或多个：小梁密度；小梁区域与总ROI区域的比率；小梁周长；星状体积(Ikuta等人(2000)J Bone Miner Res.18：271-277；Vesterby(1990)Bone 11：149-155)；小梁骨模式因子(Hahn等人(1992)Bone13：327-330)；欧几里德距离变换；使用傅立叶分析对小梁定向的评定；和定向特定的小梁评定。此外，可在作为整体的骨骼化小梁网络上的每个ROI中、所有骨骼区段和每一类型的区段中测量以下参数中的一个或多个：区段计数；区段长度；区段定向角度；和互连性指数(Legrand等人(2000)J.Bone Miner Res.15：13-19)：节点-至-节点区段的数目与自由端区段的数目的标准化比率。
例如，在欧几里德距离变换中，二进制化的小梁上的每个像素均指派有一等于其从结构边界的欧几里德距离的值。因此，更厚的小梁将在中心具有更大的距离变换值，借此估测小梁厚度可计算沿小梁骨骼的距离变换值的平均数(参见图11)。此外，以2乘此值提供了小梁厚度的测量。
类似地，可使用2D快速傅立叶变换(FFT)来评估占优势的小梁定向。在每个ROI内选择一矩形区域，且在应用所述变换之前使其增加一个2D恺撒窗(参见图12，左边)。取得傅立叶量值的对数以形成一代表ROI的频域的影像。接着用5×5高斯滤波器过滤结果，以减少局部变化。图12的中心处展示了一实例影像。随后在固定的量值水平下对傅立叶影像定阈值。将此二进制影像重新取样为方形影像以将垂直轴与水平轴的长度标准化，且判定其主轴的方向与长度(图12，右边)。将测量相对于股骨颈与股骨干的轴的角度。通过使线配合二进制化股骨的中心线的两个最长区段来判定所述轴(也参见图14)。设置ROI使得其包括近端股骨中的压缩与拉伸小梁的不同群体，所述群体各自可以一特定方向为特征。发展了一种完全自动化的技术，其用以评估每个ROI中的那些被定向于特定ROI所预期的特征性方向上的小梁的不同定量结构参数(如上文所解释)。
在配合骨骼点的线的梯度中发现每个小梁骨骼区段的定向。基于此定向信息，仅在被近似定向于特定ROI的特征性方向上的结构参数的评估中考虑那些小梁。
如所属领域的技术人员将明白，可通过仅测量指定角度范围内的区段使所有测量受到一或多个所要定向的约束。分水岭区段的统计包括：区段数目、区段总面积、平均区段面积、区段面积的标准偏差、最小区段面积和最大区段面积。然而，这些区段在性质上具有普遍性。
当评估髋部时，可考虑额外参数。参数包括(例如)：骨干角度、颈角度、股骨颈直径、髋关节轴长度、股骨头的最大横截面、ROI内皮质区域的平均厚度、ROI内皮质区域的标准偏差，或ROI内皮质厚度的最大或最小厚度。
相反，当评估脊骨时，待考虑的额外参数包括(例如)：关于垂直结构的所有参数、关于水平结构的所有参数、脊椎皮质厚度、最大脊椎高度、最小脊椎高度、平均脊椎高度、前部脊椎高度、中间脊椎高度、后部脊椎高度、最大脊椎间高度、最小脊椎间高度和平均脊椎高度。
可使用以下额外参数来评估膝盖和胫骨1区域：平均内侧关节间隙宽度、最小内侧关节间隙宽度、最大内侧关节间隙宽度、平均外侧关节间隙宽度、最小外侧关节间隙宽度和最大外侧关节间隙宽度。
如所属领域的技术人员将明白，针对上文这些范例解剖学而列出的额外参数可包括其它参数。另外，可在不背离本发明的范畴的前提下，针对未特定阐述的其它解剖学来评估参数。
实例4：多维分类
实例3描述了经测量以评定近端股骨的不同区域中的小梁结构的众多参数。在此实例中，在每一部分中组合不同结构参数，且遍及所有相关区域来判定单一指数。
基于先前的DXA结果，将一群受验者的髋部x射线影像的训练组分成两类“骨质疏松症”与“非骨质疏松症”。随后，针对所述训练组中的所有x射线，为如实例3中所描述而安置的所有相关区域计算实例3中所列出的参数，从而导致一组针对训练组的m维原型特征向量I{/，}＝1，...，。
针对每一参数计算单一标量指数值。将所有指数值组合成一个n维特征向量。在一步中，以来自绝经前、绝经后的健康者和绝经后骨质疏松性患者的临床验证研究的数据来训练系统。受验者群体较佳分成“骨折”与“非骨折”类。将从x射线影像计算的特征向量用作原型模式。
对于每个患者而言，从x射线计算特征向量，如同为原型模式所计算的那样，且如果k个最接近原型模式的大多数属于类别C，那么将个别患者分类为类别C。由欧几里得范数L2界定患者的特征向量T与原型模式P＝＝(p1，p2，...，pn)T之间的距离d：
也可较佳判定不同参数的最适当规模。然而，对于某些参数而言，类别之间的指数值差异小于针对其它参数而言的指数值差异。并且，将判定最佳值k。预期增加k来改进分类的精确性，但其必须小于每个类别中原型的数目。可判定分类的K个最接近原型模式的大多数的准确百分数值为分类的可靠性提供了一量度。特定类别C的原型模式的百分数愈高，那么由分类所提供的信息很可能更重要。
通过使用股骨位置研究的0°中立位置影像(参见实例8)和短期体内再现性研究的基线髋部x射线进行一系列去一法实验，来验证此分类方法。对于这些实验而言，较佳将每个受验者用作测试用例一次。系统的训练组由针对所有或大多数剩余受验者所计算的模式组成。使用此训练组来对测试用例正确分类，且判定骨结构参数的组合的诊断敏感性与特性。
除上文所描述的测量之外(其提供参数“小梁长度”、“小梁方向与各向异性”和“小梁厚度”的指数值)，可使用用于分类系统中的其它参数的额外测量，在过去已对所述测量进行考察以从x射线、CT和MR影像来研究骨密度和结构，诸如：(1)平均像素强度；(2)像素强度方差；(3)傅立叶光谱分析；(4)分形维度；(5)形态学参数，诸如小梁面积、小梁周边、总小梁长度、终点与支点的数目以及用于骨髓的类似参数。
实例5：相关区域(ROI)的自动化安置
可通过发展能设置用于计算小梁骨结构参数的一或多个相关区域(ROI)的技术来便利x射线(例如，髋部射线照相)的分析。例如，可使用合适灰度值下的髋部射线照相阈值的二进制影像来设置股骨的一般位置。在一典型髋部射线照相中，股骨为从骨盆延伸的明亮结构(图13)。通过对典型股骨强度值下的数字化射线照相定阈值，产生了一展示股骨的二进制影像。可通过在二进制影像上应用形态学操作来提取股骨干的相对薄的结构。具有直立矩形结构化元素的形态学top-hat过滤器(从输入减去开口)将股骨干分段。图13中以重叠于原始射线照相上的二进制化股骨的轮廓展示了结果。所述区域经修剪以供进一步处理，较佳留有足够空间以包括股骨头。
为定位所述的一组预定ROI，可使用一种规则化主动形状算法(Behiels等人(1999)Proceedings of the 2nd International Conference on Medical Image Computing andComputer-Assisted Intervention-MICCAI′99，Lecture notes in Computer Science 1679：128-137；Cootes(1994)Image and Vision Computing 12：355-366)。通过手工勾勒典型髋部射线照相的训练组中的形状产生近端股骨的一个通用模型以形成一平均形状。接着将6个预定ROI嵌入此模型。将此平均模型按比例缩小80％，沿其中心线等比例。也将此变换应用于预定ROI。接着将已重定比例的模型的轮廓用作初始样型且将其定位于输入影像中的近端股骨内。随后向外扩展轮廓的控制点而远离最近的中心线点。待在此迭代过程中最佳化的能量函数可考虑局部特征，诸如梯度、强度、与平均模型的偏差和轮廓区段的曲率。图14说明了初始控制点朝股骨边缘的蔓延。当迭代完成时，计算模型区域的变形场。针对模型ROI将此变形场内插于股骨模型的边界内部。结果是一组新的ROI，其适合于输入影像，但就解剖界标而言类似于模型ROI(参见图9)。
实例6数据分析
将患者选成三个群体中的一个群体：健康绝经前(PRE)女士；健康绝经后(POST)女士和骨质疏松性绝经后(OSTEO)女士。通过以下内容来研究所有群体：(1)根尖周与犬齿区域的牙科x射线影像；(2)脊骨和(3)髋部的定量断层摄影术；(4)脊骨和(5)髋部的双重x射线吸光测定法；(6)跟骨的单一x射线吸光测定法，和(7)使用标准技术的跟骨的超声。当观察到至少一个无创伤性脊椎骨折(如由侧面常规x射线上的胸椎与腰椎的形态学变化的半定量评定判定)时，作出骨质疏松症的诊断。
针对每个患者群体计算不同骨结构测量(见上文)与骨无机物密度测量(下颌骨BMD、QCT脊骨、QCT髋部、DXA脊骨、DXA髋部、SXA跟骨、超声跟骨)的平均和标准偏差。将研究者的t测试(t值与p值)和百分数缩减用于比较不同测量以反映群体间差异。将与年度、年龄有关的变化表达为相对于年龄为30的预测值的百分数变化且表达为PRE的分数标准偏差(SD)。也报道了与年龄连同p值的相关性。计算基于年龄调节的罗吉斯回归的优势率(针对所测量的参数中的1SD变化)和95％的置信限，以测量区别能力(用于区别绝经后骨质疏松性群体与正常绝经后群体)和与所测量的参数有关的骨质疏松性骨折的危险性。使用年龄调节的接受者操作特征(ROC)曲线分析来测试区别能力的成对比较。
通过共享所有受验者(PRE、POST、OSTEO)并使用个人的相关系数(r)、估测的百分数标准误差(CV)和用于测试相关性的重要性的p值，来获得所有技术的成对比较。
为针对其诊断能力来比较测量，对正常绝经后女士(POST)和骨质疏松性绝经后女士(OSTEO)执行kappa得分分析。此通过如果来自绝经后群体的每位女士相对于参考群体的T得分小于(或若在结构参数的情况下，那么也大于)2.5那么将她分类为骨质缺乏来完成。针对个别女士和特定测量的T得分被界定为所述测量减去由PRE群体中的测量的SD划分的年轻正常者(PRE)的平均测量。应注意，T得分测量个别女士相对于PRE群体的位置，且其不同于研究者的t值。
实例7：骨结构的纵向监控
发展了用以相对于在较早时间点T1所获得的下颌骨的基线x射线来匹配在时间点T2所获得的跟踪牙科x射线的算法与软件。为监控治疗回应的目的，必须在不同的时间点在下颌骨的相同位置处测量骨结构参数。因此，为补偿患者定位中的差异且为找到对应的相关区域(ROI)以比较基线与跟踪检查之间的结果，需要登记两个牙科x射线影像。
归因于待登记的两个影像中的胶片上的x射线投影角中可能轻微的差异，较佳包含一弹性匹配步骤。然而，第一步为全局仿射变换，针对所述全局仿射变换将交互信息用作成本函数。Wells等人(1996)Medical Image Analysis 1：35-51。将两个影像M与N的交互信息IM、N界定为
此处，将两个影像中出现的灰度值看成随机变量，且交互信息提供了这些变量之间的依赖性强度的量度。pM与pN分别为M与N的分布，且PMN为M与N的联合分布。Maintz等人(1998)SPIE Medical Imaging-Image Processing。这些分布可从边际与联合灰度值直方图近似得出，借助于使用Parzen窗函数可更精确。Powell的方法可用作一最佳化方案以找出N的最好仿射变换从而将其与M匹配。Press等人(″Numerical Recipes inC.″第二版，1992，Cambridge University Press)。
在此全局变换之后的是局部弹性调节以改进所述匹配。为达成此，从全面登记的影像的联合直方图估测条件概率密度p(nim)。接着判定变换向量场t(x)，使得通过最大化局部灰度值对应(对于一固定值x而言，其被界定为cx(t)＝#w(x′-x)p(N(x′-t)#M(x′))dx′)，使N(x-t(x))尽可能地类似于M(x)。
此处，w为窗函数，其宽度判定用于计算t(x)的区域的尺寸。为判定所述窗函数，使用一种与Warfield等人″Brain Warping″(1999，Academic Press，第67-84页)中所述的方法类似的方法。将众多接连更宽的窗函数wi组合为单一窗
其中将加权Wi给定为
将在自动安置于一特定患者的基线影像中之后的ROI的准确位置保持于数据库中。当患者因跟踪检查而返回时，向基线影像登记新的影像，且因此所述新的影像被变换成基线影像的坐标系。可接着在与基线影像中恰好相同的位置处测量所登记的跟踪x射线中的骨结构。
实例8：股骨定位对骨结构测量的影响
可检查股骨定位对骨结构评定的每个参数的一或多个影响。在中立位置中且以不同的内及外旋转度在正常绝经后女士与具有骨质疏松症的绝经后女士中获得髋部x射线。
当观察到至少一个无创伤性脊椎骨折(如由侧面常规射线照相上的胸椎与腰椎的形态学变化的半定量评定判定)时，作出骨质疏松症的诊断。也参见Genant等人(1993)J.Bone Miner Res.8：1137-1148。
以30°内旋转、15°内旋转、0°、15°外旋转和30°外旋转获得具有极限的标准前后髋部射线照相。这些角度通过将脚与踝安置靠着股骨的内旋转或外旋转中的30°或15°角度的楔块而达成。使用维可牢带将脚紧固靠着所述楔块。
通过计算每一个别受验者的0°位置与其它位置的结果之间的成对变化系数(CV％)来评定定位的影响。针对角度30°内旋转、15°内旋转、15°外旋转和30°外旋转中的每一者，将角度依赖性表达为遍及所有受验者的这些CV％值的均方根。一般而言，选择对股骨的角度定位具有最小依赖性的参数。
如果对于所测量的结构参数的大多数而言，0°中立位置与15°内或外旋转位置的结果之间的成对变化系数超出10％，那么可使用一脚固持件，其将患者的脚固定于中立位置中。设计所述脚固持件，使底板从大腿中部延伸到大腿末端直到脚后跟。底板较佳位于x射线桌上。
定位患者的脚使得脚后跟的后侧位于底板顶部。脚的内侧靠在一内导引件上，所述内导引件以90°角被刚性地连接至底板。通过一倾斜机制以90°角附着至底板的第二外导引件可接着朝脚的外侧移动且(例如)在其接触脚的外侧时其可被锁定于适当的位置。使用维可牢带将脚紧固至内导引件和外导引件。使用此方法，预期无意内或外旋转的角度可被限制至小于5°。
实例9：X射线管测角对骨结构测量的影响
可检查x射线管对骨结构评定的每个参数的一或多个影响。在正常绝经后女士与具有骨质疏松症的绝经后女士中获得牙科x射线。当观察到至少一个无创伤性脊椎骨折(如由侧面常规射线照相上的胸椎与腰椎的形态学变化的半定量评定判定)时，作出骨质疏松症的诊断。也可参见Genant等人(1993)J.Bone Miner Res.8：1137-1148。
在下颌骨的门牙区域中获得标准前后牙科射线照相。以相对于牙科x射线胶片的0°、10°、20°、30°及-10°、-20°与-30°的角度对准x射线管。通过使用一测角器达成这些角度，所述测角器被应用于位于x射线管前部的金属管。将所述牙科x射线胶片定位于门牙区域中的后部下颌骨壁。
通过计算每一个别受验者的0°位置与其它管位置的结果之间的成对变化系数(CV％)来评定定位的影响。针对每一角度，将角度依赖性表达为遍及所有受验者的这些CV％值的均方根。
结果指示：10度管测角可导致表观密度中的12％误差。
接着将机械对准系统应用于Rinn固持件。为此目的，将一伸长管附着至所述Rinn固持件。设计所述伸长管，使得其内径稍大于(且配合高出)牙科x射线系统金属管的外径(图15)。接着将所述牙科x射线系统金属管插入被附着至Rinn固持件的伸长管，其减少了x射线管相对于x射线胶片的对准误差。接着一群患者经历两次x射线(门牙区域各一次)。结果指示：通过使用机械对准参数相对于牙胶片和下颌骨中的解剖界标来减小x射线管测角，可减小牙齿骨密度和骨结构测量的短期体内再现性误差。
实例10：骨密度、骨结构、大体解剖参数和生物机械参数的测量与选择疗法
使用一能够评定骨密度、骨结构、大体解剖参数或生物机械参数的计算机程序(例如，如上文所描述)，分析下颌骨或髋部或脊骨或其它骨的x射线影像。所述计算机程序取得小梁骨的一或多个骨密度、骨结构、大体解剖或生物机械参数的测量。对照一包含关于正常、健康的与年龄、性别及种族匹配的对照组中的所述一或多个参数的信息的数据库来比较所述一或多个参数的测量。如果患者的测量与正常、健康的受验者的与年龄、性别和种族匹配的平均值相差2个以上标准偏差，那么将报告发送给内科医生，其接着将基于所述一或多个测量来选择疗法。
实例11：骨密度、骨结构、大体解剖参数和生物机械参数的测量与监控疗法
从经历针对骨质疏松症的疗法(例如，在两个不同的时间点T1与T2使用同化药物或抗吸收药物)的患者获得一或多个x射线影像(下颌骨、髋部或脊骨或其它骨)。使用一能够评定骨密度、骨结构、大体解剖参数或生物机械参数的计算机程序，分析x射线。所述计算机程序取得针对两个时间点T1与T2的一或多个参数的测量。对照一包含关于正常、健康的与年龄、性别及种族匹配的对照组中针对每个时间点的所述一或多个参数的信息的数据库来比较在T1与T2时的骨密度、骨结构、大体解剖或生物机械参数的测量。如果结果指示：患者在时间点T1与T2之间已失去5％或更多的骨(不管疗法如何)，那么内科医生可选择一种不同的、更积极的疗法。
实例12：大体解剖和/或生物机械参数的测量
使用标准技术并包含如上文所描述的校准幻象来获得髋部射线照相。髋部x射线的参考定向为股骨干的平均定向。
A.边缘侦测
使用双模型直方图分段算法对髋部x射线所执行的全局灰度级取阈值产生了二进制影像的近端股骨。可使用髋部x射线的边缘侦测。视情况，通过获得所侦测的成小区段的断裂边缘并将每一区段的定向特征化，可进一步改善边缘侦测方法，借此获得近端股骨的轮廓。接着使每一边缘区段参考所预期的近端股骨边缘定向的映射和边缘位置的概率的映射。移去不符合预期定向或在低概率区域中的边缘区段。在边缘影像上应用形态学操作以连接边缘不连续性。边缘影像形成近端股骨的一个密封边界。接着将所述边界内的区域与来自全局取阈值的二进制影像组合以形成近端股骨最终遮罩。
在所选的相关区域内，应用边缘侦测。应用形态学操作以连接边缘不连续性。在密封边缘内形成区段。接着测量每个区段的面积和主轴长度。所述区域也重叠于原始灰度级影像上，且测量每个区域内的平均灰度级。将皮质识别为被连接至近端股骨遮罩的边界的区段，其具有最大面积、最长主轴长度且其平均灰度级高于近端股骨遮罩内所有密封区段的平均灰度级。接着将被识别为皮质的区段骨骼化。验证皮质骨骼的定向以符合近端股骨边缘的定向映射。将欧几里德距离变换应用于区段的二进制影像。对沿骨骼的距离变换值的值进行取样并进行统计学(平均值、标准偏差、最小值、最大值和模数)测量。
如所属领域的技术人员将明白，可将此处所描述的大体解剖参数的测量应用于髋部、脊骨或膝盖射线照相，对其加以修改以适合于对大体解剖区域特定的大体解剖特征的形状、比例与位置。
Claims (17)
1.一种用于从一个影像取得关于一或多个骨参数的信息的方法，包含：
(a)从一个受验者获得一包含骨的影像；
(b)界定所述影像中的两个或两个以上相关区域(ROI)；和
(c)分析所述ROI中的复数个位置以判定从由所述ROI的骨显微结构、骨大体解剖学、生物机械参数及其组合组成的群选择的一或多个参数。
2.根据权利要求1所述的方法，其中所述ROI重叠。
3.根据权利要求1所述的方法，其中所述ROI中已分析的位置在所述影像中处于规则间隔。
4.根据权利要求1所述的方法，其中所述ROI中已分析的位置在所述影像中处于不规则间隔。
5.根据权利要求1所述的方法，其中所述参数为骨显微结构并且已分析的所述位置处于规则间隔。
6.根据权利要求1所述的方法，其中所述参数为大体解剖学并且已分析的所述位置在所述影像中处于不规则间隔。
7.根据权利要求1-6中任一权利要求所述的方法，其中所述影像为二维影像。
8.根据权利要求7所述的方法，其中影像为一个x射线影像。
9.根据权利要求1-6中任一权利要求所述的方法，其中所述影像为三维影像。
10.根据前述权利要求中任一权利要求所述的方法，其中所述影像为一个电子影像。
11.根据权利要求1所述的方法，其中所述受验者为一骨质疏松症受验者。
12.一种产生一或多个骨参数的一个映射的方法，包含：
(a)根据权利要求1-11中任一权利要求所述的方法获得关于骨参数的信息；和
(b)识别展示类似参数特征的所述影像的区域，借此产生所述影像的一个参数映射。
13.一种预测一受验者中的一个骨折路径的方法，包含：
(a)根据权利要求12所述的方法产生多个参数映射；
(b)从步骤(a)的所述多个参数映射产生一个复合参数映射；和
(c)分析所述复合参数映射以识别可能的骨折路径。
14.一种预测一受验者中的一个骨折路径的方法，包含：
(a)分析根据权利要求12所述的方法而预备的一或多个参数映射，其中所述分析为分水岭切割分析或马尔可夫随机场分析；和
(c)基于步骤(a)的所述分析来识别可能的骨折路径，借此预测所述受验者中的一个骨折路径。
15.一种预测一受验者中的骨折危险性的方法，包含：
(a)从根据权利要求12所述的方法而获得的一或多个参数映射产生一个有限元模型；
(b)将在一骨折事件期间发生的模拟力向量应用于步骤(a)中产生的所述有限元模型；和
(c)判定发生骨折所需的最小力，借此估测骨折危险性。
16.一种判定一受验者中的骨折危险性的方法，包含：
(a)根据权利要求13或权利要求14所述的方法预测一骨折路径；
(b)评估沿所述所预测的骨折路径的一或多个所选骨参数，借此估测骨折危险性。
17.一种治疗一具有骨疾病的受验者的方法，包含：
(a)从一受验者获得一个影像；
(b)如权利要求1-11中任一权利要求中所述，分析步骤(a)中所获得的所述影像；
(c)基于步骤(b)的所述分析来诊断一骨疾病；和
(d)基于所述诊断，选择一合适的治疗并向所述受验者施以所述合适的治疗。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US45759903P | 2003-03-25 | 2003-03-25 | |
| US60/457,599 | 2003-03-25 | ||
| US60/478,454 | 2003-06-13 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1849094A true CN1849094A (zh) | 2006-10-18 |
Family
ID=37078371
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200480012711 Pending CN1849094A (zh) | 2003-03-25 | 2004-03-25 | 在本发明的射线照相影像领域的处理中用于补偿成像技术的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1849094A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102947841A (zh) * | 2010-04-30 | 2013-02-27 | 沃康普公司 | 放射摄影图像中的毛刺恶性肿块检测和分级 |
| CN109124669A (zh) * | 2018-08-30 | 2019-01-04 | 沈阳柏敖生信生物科技有限公司 | 一种整形前ct数据测量方法 |
| CN111479506A (zh) * | 2017-08-25 | 2020-07-31 | J·S·席尔德克劳特 | 用于局部x-射线骨密度断层扫描的方法 |
| WO2021035712A1 (zh) * | 2019-08-30 | 2021-03-04 | 博志生物科技(深圳)有限公司 | 骨组织结构形态异常的快速检测方法及电子装置 |
| US20220043091A1 (en) * | 2020-08-05 | 2022-02-10 | Siemens Healthcare Gmbh | Correction influences on magnetic resonance imaging of an examination object caused by fluctuations in a basic magnetic field |
-
2004
- 2004-03-25 CN CN 200480012711 patent/CN1849094A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102947841A (zh) * | 2010-04-30 | 2013-02-27 | 沃康普公司 | 放射摄影图像中的毛刺恶性肿块检测和分级 |
| CN111479506A (zh) * | 2017-08-25 | 2020-07-31 | J·S·席尔德克劳特 | 用于局部x-射线骨密度断层扫描的方法 |
| CN111479506B (zh) * | 2017-08-25 | 2024-05-24 | J·S·席尔德克劳特 | 用于局部x-射线骨密度断层扫描的方法 |
| CN109124669A (zh) * | 2018-08-30 | 2019-01-04 | 沈阳柏敖生信生物科技有限公司 | 一种整形前ct数据测量方法 |
| WO2021035712A1 (zh) * | 2019-08-30 | 2021-03-04 | 博志生物科技(深圳)有限公司 | 骨组织结构形态异常的快速检测方法及电子装置 |
| US20220043091A1 (en) * | 2020-08-05 | 2022-02-10 | Siemens Healthcare Gmbh | Correction influences on magnetic resonance imaging of an examination object caused by fluctuations in a basic magnetic field |
| US11650280B2 (en) * | 2020-08-05 | 2023-05-16 | Siemens Healthcare Gmbh | Correction influences on magnetic resonance imaging of an examination object caused by fluctuations in a basic magnetic field |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1682236A (zh) | 用于x射线图像分析的方法和设备 | |
| CN1469721A (zh) | X射线图像的分析方法和装置 | |
| US9155501B2 (en) | Methods for the compensation of imaging technique in the processing of radiographic images | |
| US9275469B2 (en) | Methods and devices for evaluating and treating a bone condition on x-ray image analysis | |
| US20070047794A1 (en) | Methods and devices for analysis of x-ray images | |
| CN1735373A (zh) | 预测肌和骨骼疾病的方法 | |
| CN1849094A (zh) | 在本发明的射线照相影像领域的处理中用于补偿成像技术的方法 | |
| AU2002213193B2 (en) | Methods and devices for analysis of X-ray images | |
| AU2007201613A1 (en) | Methods and devices for analysis of X-ray images | |
| AU2002213193A1 (en) | Methods and devices for analysis of X-ray images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |