JP2022527800A - 統計的形状モデリング(ssm)を使用した解剖学的対象の発病前特性化 - Google Patents
統計的形状モデリング(ssm)を使用した解剖学的対象の発病前特性化 Download PDFInfo
- Publication number
- JP2022527800A JP2022527800A JP2021558616A JP2021558616A JP2022527800A JP 2022527800 A JP2022527800 A JP 2022527800A JP 2021558616 A JP2021558616 A JP 2021558616A JP 2021558616 A JP2021558616 A JP 2021558616A JP 2022527800 A JP2022527800 A JP 2022527800A
- Authority
- JP
- Japan
- Prior art keywords
- shape
- loop
- estimated
- determining
- models
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/02—Prostheses implantable into the body
- A61F2/30—Joints
- A61F2/3094—Designing or manufacturing processes
- A61F2/30942—Designing or manufacturing processes for designing or making customized prostheses, e.g. using templates, CT or NMR scans, finite-element analysis or CAD-CAM techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30052—Implant; Prosthesis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Prostheses (AREA)
- Surgical Instruments (AREA)
Abstract
Description
以下に本願の出願当初の特許請求の範囲に記載された発明を付記する。
[C1]
患者の整形外科関節の解剖学的対象の発病前形状を決定するための方法であって、
整列形状と形状モデルとを受信することと、
反復最接近点(ICP)ループを実行することと、ここにおいて、前記ICPループを実行することは、
前記整列形状を修正することと、
前記修正された整列形状を前記形状モデルと比較することと、
前記比較に基づいてコスト値を決定することと、
1次形状を生成するために前記コスト値がしきい値を満たすまで前記修正すること、比較すること、および決定することを繰り返すことと、ここにおいて、前記1次形状は、前記しきい値を満たす前記コスト値に関連する前記修正された整列形状を備える、
を備える、
弾性登録(ER)ループを実行することと、ここにおいて、前記ERループを実行することは、
前記1次形状と前記形状モデルとを受信することと、
前記1次形状とそれぞれの複数の推定形状モデルとに基づいて複数の推定形状モデルの第1のセットの各々のためのそれぞれのコスト値を決定することと、ここにおいて、前記複数の推定形状モデルは、前記形状モデルに基づいて生成される、
第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する前記複数の推定形状モデルの第1の推定形状モデルを決定することと、ここにおいて、前記推定形状モデルは、1次形状モデルを備える、
を備える、
前記解剖学的対象の前記発病前形状を決定するために前記ERループの反復から生成されるコスト値が第2のしきい値を満たすまで前記ICPループと前記ERループとを繰り返し実行することと
を備える、
ここにおいて、前記ICPループと前記ERループとを繰り返し実行することは、
前記ICPループについて、前のERループによって生成された次数形状モデルと前のICPループによって生成された次数形状とを受信することと、
前記ICPループによって、前記次数形状モデルと前記次数形状とに基づいて現在の次数形状を生成することと、
前記ERループについて、前記現在の次数形状と形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つとを受信することと、
前記形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つに基づいて複数の推定形状モデルの次のセットを生成することと、
前記現在の次数形状の次数形状と複数の推定形状モデルのそれぞれの第2のセットとに基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することと、
前記第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する複数の推定形状モデルの前記第2のセットの現在の推定形状モデルを決定することと、ここにおいて、前記現在の推定形状モデルは、前記ERループによって生成された現在の次数形状モデルを備える、
を備える、方法。
[C2]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することは、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定することと、ここにおいて、前記それぞれの距離および向き差分値の各々は、推定形状モデルのそれぞれの第2のセットと前記現在の次数形状との間の距離および向きの差を示す、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと、ここにおいて、前記内方化値の各々は、複数の推定形状モデルの前記第2のセットのそれぞれ各1つが前記解剖学的対象の現在の位置に対して内方化される量を示す、
前記それぞれの距離および向き差分値と前記それぞれの内方化値とに基づいてそれぞれのコスト値を決定することと
を備える、C1に記載の方法。
[C3]
前記複数の推定形状モデルの前記それぞれの第2のセットの各々が前記解剖学的対象の前記発病前形状を表す可能性に基づいてそれぞれの重み付け値を決定すること、
ここにおいて、前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することは、前記それぞれの距離および向き差分値と、前記それぞれの内方化値と、前記それぞれの重み付け値とに少なくとも部分的に基づいて前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することを備える、
をさらに備える、C2に記載の方法。
[C4]
前記それぞれの重み付け値を決定することは、
ここにおいて、Nは、複数の推定形状モデルのそれぞれの第2のセットを構築するために使用されるモードの数に等しい、ここにおいて、λは、前記形状モデルの固有値に等しく、bは、複数の推定形状モデルのそれぞれの第2のセットを決定するために使用されるスケーリングファクタに等しい、C3に記載の方法。
[C5]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定することは、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の対応する点の間のそれぞれの距離を決定することと、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の前記対応する点のための法線ベクトルの間のそれぞれの角度差を決定することと、
前記決定されたそれぞれの距離と前記決定されたそれぞれの角度差とに基づいてそれぞれの距離および向き差分値を決定することと
を備える、C2~4のいずれかに記載の方法。
[C6]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することは、
前記解剖学的対象の画像データを複数の部分に分割することと、
前記複数の部分の各々からの点を横軸に投影することと、
前記投影された点のうちの1つからしきい値点を決定することと、
前記複数の部分から最も外側にある部分を決定することと、
前記決定された最も外側の位置に対応する複数の推定形状モデルの前記第2のセットの各々中の部分を決定することと、
複数の推定形状モデルの前記第2のセットの各々中の前記決定された部分からの点を前記横軸に投影することと、
前記投影された点から前記しきい値点までの距離を決定することと、
前記決定された距離に基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと
を備える、C2~5のいずれかに記載の方法。
[C7]
患者の整形外科関節の解剖学的対象の発病前形状を決定するためのデバイスであって、
形状モデルを記憶するように構成されたメモリと、
処理回路と
を備え、前記処理回路が、
整列形状と形状モデルとを受信することと、
反復最接近点(ICP)ループを実行することと、ここにおいて、前記ICPループを実行するために、前記処理回路が、
前記整列形状を修正することと、
前記修正された整列形状を前記形状モデルと比較することと、
前記比較に基づいてコスト値を決定することと、
1次形状を生成するために前記コスト値がしきい値を満たすまで前記修正すること、比較すること、および決定することを繰り返すことと、ここにおいて、前記1次形状は、前記しきい値を満たす前記コスト値に関連する前記修正された整列形状を備える、
を行うように構成された、
弾性登録(ER)ループを実行することと、ここにおいて、前記ERループを実行するために、前記処理回路が、
前記1次形状と前記形状モデルとを受信することと、
前記1次形状とそれぞれの複数の推定形状モデルとに基づいて複数の推定形状モデルの第1のセットの各々のためのそれぞれのコスト値を決定することと、ここにおいて、前記複数の推定形状モデルは、前記形状モデルに基づいて生成される、
第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する前記複数の推定形状モデルの第1の推定形状モデルを決定することと、ここにおいて、前記推定形状モデルは、1次形状モデルを備える、
を行うように構成された、
前記解剖学的対象の前記発病前形状を決定するために前記ERループの反復から生成されるコスト値が第2のしきい値を満たすまで前記ICPループと前記ERループとを繰り返し実行することと
を行うように構成された、
ここにおいて、前記ICPループと前記ERループとを繰り返し実行するために、前記処理回路が、
前記ICPループについて、前のERループによって生成された次数形状モデルと前のICPループによって生成された次数形状とを受信することと、
前記ICPループによって、前記次数形状モデルと前記次数形状とに基づいて現在の次数形状を生成することと、
前記ERループについて、前記現在の次数形状と形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つとを受信することと、
前記形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つに基づいて複数の推定形状モデルの次のセットを生成することと、
前記現在の次数形状の次数形状と複数の推定形状モデルのそれぞれの第2のセットとに基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することと、
前記第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する複数の推定形状モデルの前記第2のセットの現在の推定形状モデルを決定することと、ここにおいて、前記現在の推定形状モデルは、前記ERループによって生成された現在の次数形状モデルを備える、
を行うように構成された、デバイス。
[C8]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するために、前記処理回路は、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定することと、ここにおいて、前記それぞれの距離および向き差分値の各々は、推定形状モデルのそれぞれの第2のセットと前記現在の次数形状との間の距離および向きの差を示す、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと、ここにおいて、前記内方化値の各々は、複数の推定形状モデルの前記第2のセットのそれぞれ各1つが前記解剖学的対象の現在の位置に対して内方化される量を示す、
前記それぞれの距離および向き差分値と前記それぞれの内方化値とに基づいてそれぞれのコスト値を決定することと
を行うように構成された、C7に記載のデバイス。
[C9]
前記処理回路は、
前記複数の推定形状モデルの前記それぞれの第2のセットの各々が前記解剖学的対象の前記発病前形状を表す可能性に基づいてそれぞれの重み付け値を決定すること、
ここにおいて、前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するために、前記処理回路は、前記それぞれの距離および向き差分値と、前記それぞれの内方化値と、前記それぞれの重み付け値とに少なくとも部分的に基づいて前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することを行うように構成された、
を行うように構成された、C8に記載のデバイス。
[C10]
前記それぞれの重み付け値を決定するために、前記処理回路は、
ここにおいて、Nは、複数の推定形状モデルのそれぞれの第2のセットを構築するために使用されるモードの数に等しい、ここにおいて、λは、前記形状モデルの固有値に等しく、bは、複数の推定形状モデルのそれぞれの第2のセットを決定するために使用されるスケーリングファクタに等しい、C9に記載のデバイス。
[C11]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定するために、前記処理回路は、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の対応する点の間のそれぞれの距離を決定することと、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の前記対応する点のための法線ベクトルの間のそれぞれの角度差を決定することと、
前記決定されたそれぞれの距離と前記決定されたそれぞれの角度差とに基づいてそれぞれの距離および向き差分値を決定することと
を行うように構成された、C8~10のいずれかに記載のデバイス。
[C12]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定するために、前記処理回路は、
前記解剖学的対象の画像データを複数の部分に分割することと、
前記複数の部分の各々からの点を横軸に投影することと、
前記投影された点のうちの1つからしきい値点を決定することと、
前記複数の部分から最も外側にある部分を決定することと、
前記決定された最も外側の位置に対応する複数の推定形状モデルの前記第2のセットの各々中の部分を決定することと、
複数の推定形状モデルの前記第2のセットの各々中の前記決定された部分からの点を前記横軸に投影することと、
前記投影された点から前記しきい値点までの距離を決定することと、
前記決定された距離に基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと
を行うように構成された、C8~11のいずれかに記載のデバイス。
[C13]
命令を記憶したコンピュータ可読記憶媒体であって、前記命令は、実行されたとき、1つまたは複数のプロセッサに、
整列形状と形状モデルとを受信することと、
反復最接近点(ICP)ループを実行することと、ここにおいて、前記1つまたは複数のプロセッサに前記ICPループを実行させる前記命令は、前記1つまたは複数のプロセッサに、
前記整列形状を修正することと、
前記修正された整列形状を前記形状モデルと比較することと、
前記比較に基づいてコスト値を決定することと、
1次形状を生成するために前記コスト値がしきい値を満たすまで前記修正すること、比較すること、および決定することを繰り返すことと、ここにおいて、前記1次形状は、前記しきい値を満たす前記コスト値に関連する前記修正された整列形状を備える、
を行わせる命令を備える、
弾性登録(ER)ループを実行することと、ここにおいて、前記1つまたは複数のプロセッサに前記ERループを実行させる前記命令は、前記1つまたは複数のプロセッサに、
前記1次形状と前記形状モデルとを受信することと、
前記1次形状とそれぞれの複数の推定形状モデルとに基づいて複数の推定形状モデルの第1のセットの各々のためのそれぞれのコスト値を決定することと、ここにおいて、前記複数の推定形状モデルは、前記形状モデルに基づいて生成される、
第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する前記複数の推定形状モデルの第1の推定形状モデルを決定することと、ここにおいて、前記推定形状モデルは、1次形状モデルを備える、
を行わせる命令を備える、
解剖学的対象の発病前形状を決定するために前記ERループの反復から生成されるコスト値が第2のしきい値を満たすまで前記ICPループと前記ERループとを繰り返し実行することと
を行わせる、
ここにおいて、前記1つまたは複数のプロセッサに前記ICPループと前記ERループとを繰り返し実行させる前記命令は、前記1つまたは複数のプロセッサに、
前記ICPループについて、前のERループによって生成された次数形状モデルと前のICPループによって生成された次数形状とを受信することと、
前記ICPループによって、前記次数形状モデルと前記次数形状とに基づいて現在の次数形状を生成することと、
前記ERループについて、前記現在の次数形状と形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つとを受信することと、
前記形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つに基づいて複数の推定形状モデルの次のセットを生成することと、
前記現在の次数形状の次数形状と複数の推定形状モデルのそれぞれの第2のセットとに基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することと、
前記第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する複数の推定形状モデルの前記第2のセットの現在の推定形状モデルを決定することと、ここにおいて、前記現在の推定形状モデルは、前記ERループによって生成された現在の次数形状モデルを備える、
を行わせる命令を備える、コンピュータ可読記憶媒体。
[C14]
前記1つまたは複数のプロセッサに、複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定させる前記命令は、前記1つまたは複数のプロセッサに、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定することと、ここにおいて、前記それぞれの距離および向き差分値の各々は、推定形状モデルのそれぞれの第2のセットと前記現在の次数形状との間の距離および向きの差を示す、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと、ここにおいて、前記内方化値の各々は、複数の推定形状モデルの前記第2のセットのそれぞれ各1つが前記解剖学的対象の現在の位置に対して内方化される量を示す、
前記それぞれの距離および向き差分値と前記それぞれの内方化値とに基づいてそれぞれのコスト値を決定することと
を行わせる命令を備える、C13に記載のコンピュータ可読記憶媒体。
[C15]
前記1つまたは複数のプロセッサに、
前記複数の推定形状モデルの前記それぞれの第2のセットの各々が前記解剖学的対象の前記発病前形状を表す可能性に基づいてそれぞれの重み付け値を決定すること、
ここにおいて、前記1つまたは複数のプロセッサに、前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定させる前記命令は、前記1つまたは複数のプロセッサに、前記それぞれの距離および向き差分値と、前記それぞれの内方化値と、前記それぞれの重み付け値とに少なくとも部分的に基づいて前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することを行わせる命令を備える、
を行わせる命令をさらに備える、C14に記載のコンピュータ可読記憶媒体。
[C16]
前記1つまたは複数のプロセッサに前記それぞれの重み付け値を決定させる前記命令が、前記1つまたは複数のプロセッサに、
ここにおいて、Nは、複数の推定形状モデルのそれぞれの第2のセットを構築するために使用されるモードの数に等しい、ここにおいて、λは、前記形状モデルの固有値に等しく、bは、それぞれの複数の推定形状モデルを決定するために使用されるスケーリングファクタに等しい、C15に記載のコンピュータ可読記憶媒体。
[C17]
前記1つまたは複数のプロセッサに、複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定させる前記命令は、前記1つまたは複数のプロセッサに、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の対応する点の間のそれぞれの距離を決定することと、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の前記対応する点のための法線ベクトルの間のそれぞれの角度差を決定することと、
前記決定されたそれぞれの距離と前記決定されたそれぞれの角度差とに基づいてそれぞれの距離および向き差分値を決定することと
を行わせる命令を備える、C14~16のいずれかに記載のコンピュータ可読記憶媒体。
[C18]
前記1つまたは複数のプロセッサに、複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定させる前記命令は、前記1つまたは複数のプロセッサに、
前記解剖学的対象の画像データを複数の部分に分割することと、
前記複数の部分の各々からの点を横軸に投影することと、
前記投影された点のうちの1つからしきい値点を決定することと、
前記複数の部分から最も外側にある部分を決定することと、
前記決定された最も外側の位置に対応する複数の推定形状モデルの前記第2のセットの各々中の部分を決定することと、
複数の推定形状モデルの前記第2のセットの各々中の前記決定された部分からの点を前記横軸に投影することと、
前記投影された点から前記しきい値点までの距離を決定することと、
前記決定された距離に基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと
を行わせる命令を備える、C14~17のいずれかに記載のコンピュータ可読記憶媒体。
[C19]
患者の整形外科関節の解剖学的対象の発病前形状を決定するためのシステムであって、
整列形状と形状モデルとを受信するための手段と、
反復最接近点(ICP)ループを実行するための手段と、ここにおいて、前記ICPループを実行することは、
前記整列形状を修正するための手段と、
前記修正された整列形状を前記形状モデルと比較するための手段と、
前記比較に基づいてコスト値を決定するための手段と、
1次形状を生成するために前記コスト値がしきい値を満たすまで前記修正すること、比較すること、および決定することを繰り返すための手段と、ここにおいて、前記1次形状は、前記しきい値を満たす前記コスト値に関連する前記修正された整列形状を備える、
を備える、
弾性登録(ER)ループを実行するための手段と、ここにおいて、前記ERループを実行するための前記手段は、
前記1次形状と前記形状モデルとを受信するための手段と、
前記1次形状とそれぞれの複数の推定形状モデルとに基づいて複数の推定形状モデルの第1のセットの各々のためのそれぞれのコスト値を決定するための手段と、ここにおいて、前記複数の推定形状モデルは、前記形状モデルに基づいて生成される、
第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する前記複数の推定形状モデルの第1の推定形状モデルを決定するための手段と、ここにおいて、前記推定形状モデルは、1次形状モデルを備える、
を備える、
前記解剖学的対象の前記発病前形状を決定するために前記ERループの反復から生成されるコスト値が第2のしきい値を満たすまで前記ICPループと前記ERループとを繰り返し実行するための手段と
を備える、
ここにおいて、前記ICPループと前記ERループとを繰り返し実行するための前記手段は、
前記ICPループについて、前のERループによって生成された次数形状モデルと前のICPループによって生成された次数形状とを受信するための手段と、
前記ICPループによって、前記次数形状モデルと前記次数形状とに基づいて現在の次数形状を生成するための手段と、
前記ERループについて、前記現在の次数形状と形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つとを受信するための手段と、
前記形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つに基づいて複数の推定形状モデルの次のセットを生成するための手段と、
前記現在の次数形状の次数形状と複数の推定形状モデルのそれぞれの第2のセットとに基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するための手段と、
前記第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する複数の推定形状モデルの前記第2のセットの現在の推定形状モデルを決定するための手段と、ここにおいて、前記現在の推定形状モデルは、前記ERループによって生成された現在の次数形状モデルを備える、
を備える、システム。
[C20]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するための前記手段は、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定するための手段と、ここにおいて、前記それぞれの距離および向き差分値の各々は、推定形状モデルのそれぞれの第2のセットと前記現在の次数形状との間の距離および向きの差を示す、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定するための手段と、ここにおいて、前記内方化値の各々は、複数の推定形状モデルの前記第2のセットのそれぞれ各1つが前記解剖学的対象の現在の位置に対して内方化される量を示す、
前記それぞれの距離および向き差分値と前記それぞれの内方化値とに基づいてそれぞれのコスト値を決定するための手段と
を備える、C19に記載のシステム。
[C21]
前記複数の推定形状モデルの前記それぞれの第2のセットの各々が前記解剖学的対象の前記発病前形状を表す可能性に基づいてそれぞれの重み付け値を決定するための手段、
ここにおいて、前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するための前記手段は、前記それぞれの距離および向き差分値と、前記それぞれの内方化値と、前記それぞれの重み付け値とに少なくとも部分的に基づいて前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するための手段を備える、
をさらに備える、C20に記載のシステム。
[C22]
前記それぞれの重み付け値を決定するための前記手段は、
ここにおいて、Nは、複数の推定形状モデルのそれぞれの第2のセットを構築するために使用されるモードの数に等しい、ここにおいて、λは、前記形状モデルの固有値に等しく、bは、複数の推定形状モデルのそれぞれの第2のセットを決定するために使用されるスケーリングファクタに等しい、C21に記載のシステム。
[C23]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定するための前記手段は、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の対応する点の間のそれぞれの距離を決定するための手段と、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の前記対応する点のための法線ベクトルの間のそれぞれの角度差を決定するための手段と、
前記決定されたそれぞれの距離と前記決定されたそれぞれの角度差とに基づいてそれぞれの距離および向き差分値を決定するための手段と
を備える、C20~22のいずれかに記載のシステム。
[C24]
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定するための前記手段は、
前記解剖学的対象の画像データを複数の部分に分割するための手段と、
前記複数の部分の各々からの点を横軸に投影するための手段と、
前記投影された点のうちの1つからしきい値点を決定するための手段と、
前記複数の部分から最も外側にある部分を決定するための手段と、
前記決定された最も外側の位置に対応する複数の推定形状モデルの前記第2のセットの各々中の部分を決定するための手段と、
複数の推定形状モデルの前記第2のセットの各々中の前記決定された部分からの点を前記横軸に投影するための手段と、
前記投影された点から前記しきい値点までの距離を決定するための手段と、
前記決定された距離に基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定するための手段と
を備える、C20~23のいずれかに記載のシステム。
Claims (24)
- 患者の整形外科関節の解剖学的対象の発病前形状を決定するための方法であって、
整列形状と形状モデルとを受信することと、
反復最接近点(ICP)ループを実行することと、ここにおいて、前記ICPループを実行することは、
前記整列形状を修正することと、
前記修正された整列形状を前記形状モデルと比較することと、
前記比較に基づいてコスト値を決定することと、
1次形状を生成するために前記コスト値がしきい値を満たすまで前記修正すること、比較すること、および決定することを繰り返すことと、ここにおいて、前記1次形状は、前記しきい値を満たす前記コスト値に関連する前記修正された整列形状を備える、
を備える、
弾性登録(ER)ループを実行することと、ここにおいて、前記ERループを実行することは、
前記1次形状と前記形状モデルとを受信することと、
前記1次形状とそれぞれの複数の推定形状モデルとに基づいて複数の推定形状モデルの第1のセットの各々のためのそれぞれのコスト値を決定することと、ここにおいて、前記複数の推定形状モデルは、前記形状モデルに基づいて生成される、
第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する前記複数の推定形状モデルの第1の推定形状モデルを決定することと、ここにおいて、前記推定形状モデルは、1次形状モデルを備える、
を備える、
前記解剖学的対象の前記発病前形状を決定するために前記ERループの反復から生成されるコスト値が第2のしきい値を満たすまで前記ICPループと前記ERループとを繰り返し実行することと
を備える、
ここにおいて、前記ICPループと前記ERループとを繰り返し実行することは、
前記ICPループについて、前のERループによって生成された次数形状モデルと前のICPループによって生成された次数形状とを受信することと、
前記ICPループによって、前記次数形状モデルと前記次数形状とに基づいて現在の次数形状を生成することと、
前記ERループについて、前記現在の次数形状と形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つとを受信することと、
前記形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つに基づいて複数の推定形状モデルの次のセットを生成することと、
前記現在の次数形状の次数形状と複数の推定形状モデルのそれぞれの第2のセットとに基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することと、
前記第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する複数の推定形状モデルの前記第2のセットの現在の推定形状モデルを決定することと、ここにおいて、前記現在の推定形状モデルは、前記ERループによって生成された現在の次数形状モデルを備える、
を備える、方法。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することは、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定することと、ここにおいて、前記それぞれの距離および向き差分値の各々は、推定形状モデルのそれぞれの第2のセットと前記現在の次数形状との間の距離および向きの差を示す、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと、ここにおいて、前記内方化値の各々は、複数の推定形状モデルの前記第2のセットのそれぞれ各1つが前記解剖学的対象の現在の位置に対して内方化される量を示す、
前記それぞれの距離および向き差分値と前記それぞれの内方化値とに基づいてそれぞれのコスト値を決定することと
を備える、請求項1に記載の方法。 - 前記複数の推定形状モデルの前記それぞれの第2のセットの各々が前記解剖学的対象の前記発病前形状を表す可能性に基づいてそれぞれの重み付け値を決定すること、
ここにおいて、前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することは、前記それぞれの距離および向き差分値と、前記それぞれの内方化値と、前記それぞれの重み付け値とに少なくとも部分的に基づいて前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することを備える、
をさらに備える、請求項2に記載の方法。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定することは、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の対応する点の間のそれぞれの距離を決定することと、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の前記対応する点のための法線ベクトルの間のそれぞれの角度差を決定することと、
前記決定されたそれぞれの距離と前記決定されたそれぞれの角度差とに基づいてそれぞれの距離および向き差分値を決定することと
を備える、請求項2~4のいずれかに記載の方法。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することは、
前記解剖学的対象の画像データを複数の部分に分割することと、
前記複数の部分の各々からの点を横軸に投影することと、
前記投影された点のうちの1つからしきい値点を決定することと、
前記複数の部分から最も外側にある部分を決定することと、
前記決定された最も外側の位置に対応する複数の推定形状モデルの前記第2のセットの各々中の部分を決定することと、
複数の推定形状モデルの前記第2のセットの各々中の前記決定された部分からの点を前記横軸に投影することと、
前記投影された点から前記しきい値点までの距離を決定することと、
前記決定された距離に基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと
を備える、請求項2~5のいずれかに記載の方法。 - 患者の整形外科関節の解剖学的対象の発病前形状を決定するためのデバイスであって、
形状モデルを記憶するように構成されたメモリと、
処理回路と
を備え、前記処理回路が、
整列形状と形状モデルとを受信することと、
反復最接近点(ICP)ループを実行することと、ここにおいて、前記ICPループを実行するために、前記処理回路が、
前記整列形状を修正することと、
前記修正された整列形状を前記形状モデルと比較することと、
前記比較に基づいてコスト値を決定することと、
1次形状を生成するために前記コスト値がしきい値を満たすまで前記修正すること、比較すること、および決定することを繰り返すことと、ここにおいて、前記1次形状は、前記しきい値を満たす前記コスト値に関連する前記修正された整列形状を備える、
を行うように構成された、
弾性登録(ER)ループを実行することと、ここにおいて、前記ERループを実行するために、前記処理回路が、
前記1次形状と前記形状モデルとを受信することと、
前記1次形状とそれぞれの複数の推定形状モデルとに基づいて複数の推定形状モデルの第1のセットの各々のためのそれぞれのコスト値を決定することと、ここにおいて、前記複数の推定形状モデルは、前記形状モデルに基づいて生成される、
第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する前記複数の推定形状モデルの第1の推定形状モデルを決定することと、ここにおいて、前記推定形状モデルは、1次形状モデルを備える、
を行うように構成された、
前記解剖学的対象の前記発病前形状を決定するために前記ERループの反復から生成されるコスト値が第2のしきい値を満たすまで前記ICPループと前記ERループとを繰り返し実行することと
を行うように構成された、
ここにおいて、前記ICPループと前記ERループとを繰り返し実行するために、前記処理回路が、
前記ICPループについて、前のERループによって生成された次数形状モデルと前のICPループによって生成された次数形状とを受信することと、
前記ICPループによって、前記次数形状モデルと前記次数形状とに基づいて現在の次数形状を生成することと、
前記ERループについて、前記現在の次数形状と形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つとを受信することと、
前記形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つに基づいて複数の推定形状モデルの次のセットを生成することと、
前記現在の次数形状の次数形状と複数の推定形状モデルのそれぞれの第2のセットとに基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することと、
前記第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する複数の推定形状モデルの前記第2のセットの現在の推定形状モデルを決定することと、ここにおいて、前記現在の推定形状モデルは、前記ERループによって生成された現在の次数形状モデルを備える、
を行うように構成された、デバイス。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するために、前記処理回路は、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定することと、ここにおいて、前記それぞれの距離および向き差分値の各々は、推定形状モデルのそれぞれの第2のセットと前記現在の次数形状との間の距離および向きの差を示す、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと、ここにおいて、前記内方化値の各々は、複数の推定形状モデルの前記第2のセットのそれぞれ各1つが前記解剖学的対象の現在の位置に対して内方化される量を示す、
前記それぞれの距離および向き差分値と前記それぞれの内方化値とに基づいてそれぞれのコスト値を決定することと
を行うように構成された、請求項7に記載のデバイス。 - 前記処理回路は、
前記複数の推定形状モデルの前記それぞれの第2のセットの各々が前記解剖学的対象の前記発病前形状を表す可能性に基づいてそれぞれの重み付け値を決定すること、
ここにおいて、前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するために、前記処理回路は、前記それぞれの距離および向き差分値と、前記それぞれの内方化値と、前記それぞれの重み付け値とに少なくとも部分的に基づいて前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することを行うように構成された、
を行うように構成された、請求項8に記載のデバイス。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定するために、前記処理回路は、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の対応する点の間のそれぞれの距離を決定することと、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の前記対応する点のための法線ベクトルの間のそれぞれの角度差を決定することと、
前記決定されたそれぞれの距離と前記決定されたそれぞれの角度差とに基づいてそれぞれの距離および向き差分値を決定することと
を行うように構成された、請求項8~10のいずれかに記載のデバイス。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定するために、前記処理回路は、
前記解剖学的対象の画像データを複数の部分に分割することと、
前記複数の部分の各々からの点を横軸に投影することと、
前記投影された点のうちの1つからしきい値点を決定することと、
前記複数の部分から最も外側にある部分を決定することと、
前記決定された最も外側の位置に対応する複数の推定形状モデルの前記第2のセットの各々中の部分を決定することと、
複数の推定形状モデルの前記第2のセットの各々中の前記決定された部分からの点を前記横軸に投影することと、
前記投影された点から前記しきい値点までの距離を決定することと、
前記決定された距離に基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと
を行うように構成された、請求項8~11のいずれかに記載のデバイス。 - 命令を記憶したコンピュータ可読記憶媒体であって、前記命令は、実行されたとき、1つまたは複数のプロセッサに、
整列形状と形状モデルとを受信することと、
反復最接近点(ICP)ループを実行することと、ここにおいて、前記1つまたは複数のプロセッサに前記ICPループを実行させる前記命令は、前記1つまたは複数のプロセッサに、
前記整列形状を修正することと、
前記修正された整列形状を前記形状モデルと比較することと、
前記比較に基づいてコスト値を決定することと、
1次形状を生成するために前記コスト値がしきい値を満たすまで前記修正すること、比較すること、および決定することを繰り返すことと、ここにおいて、前記1次形状は、前記しきい値を満たす前記コスト値に関連する前記修正された整列形状を備える、
を行わせる命令を備える、
弾性登録(ER)ループを実行することと、ここにおいて、前記1つまたは複数のプロセッサに前記ERループを実行させる前記命令は、前記1つまたは複数のプロセッサに、
前記1次形状と前記形状モデルとを受信することと、
前記1次形状とそれぞれの複数の推定形状モデルとに基づいて複数の推定形状モデルの第1のセットの各々のためのそれぞれのコスト値を決定することと、ここにおいて、前記複数の推定形状モデルは、前記形状モデルに基づいて生成される、
第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する前記複数の推定形状モデルの第1の推定形状モデルを決定することと、ここにおいて、前記推定形状モデルは、1次形状モデルを備える、
を行わせる命令を備える、
解剖学的対象の発病前形状を決定するために前記ERループの反復から生成されるコスト値が第2のしきい値を満たすまで前記ICPループと前記ERループとを繰り返し実行することと
を行わせる、
ここにおいて、前記1つまたは複数のプロセッサに前記ICPループと前記ERループとを繰り返し実行させる前記命令は、前記1つまたは複数のプロセッサに、
前記ICPループについて、前のERループによって生成された次数形状モデルと前のICPループによって生成された次数形状とを受信することと、
前記ICPループによって、前記次数形状モデルと前記次数形状とに基づいて現在の次数形状を生成することと、
前記ERループについて、前記現在の次数形状と形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つとを受信することと、
前記形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つに基づいて複数の推定形状モデルの次のセットを生成することと、
前記現在の次数形状の次数形状と複数の推定形状モデルのそれぞれの第2のセットとに基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することと、
前記第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する複数の推定形状モデルの前記第2のセットの現在の推定形状モデルを決定することと、ここにおいて、前記現在の推定形状モデルは、前記ERループによって生成された現在の次数形状モデルを備える、
を行わせる命令を備える、コンピュータ可読記憶媒体。 - 前記1つまたは複数のプロセッサに、複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定させる前記命令は、前記1つまたは複数のプロセッサに、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定することと、ここにおいて、前記それぞれの距離および向き差分値の各々は、推定形状モデルのそれぞれの第2のセットと前記現在の次数形状との間の距離および向きの差を示す、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと、ここにおいて、前記内方化値の各々は、複数の推定形状モデルの前記第2のセットのそれぞれ各1つが前記解剖学的対象の現在の位置に対して内方化される量を示す、
前記それぞれの距離および向き差分値と前記それぞれの内方化値とに基づいてそれぞれのコスト値を決定することと
を行わせる命令を備える、請求項13に記載のコンピュータ可読記憶媒体。 - 前記1つまたは複数のプロセッサに、
前記複数の推定形状モデルの前記それぞれの第2のセットの各々が前記解剖学的対象の前記発病前形状を表す可能性に基づいてそれぞれの重み付け値を決定すること、
ここにおいて、前記1つまたは複数のプロセッサに、前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定させる前記命令は、前記1つまたは複数のプロセッサに、前記それぞれの距離および向き差分値と、前記それぞれの内方化値と、前記それぞれの重み付け値とに少なくとも部分的に基づいて前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定することを行わせる命令を備える、
を行わせる命令をさらに備える、請求項14に記載のコンピュータ可読記憶媒体。 - 前記1つまたは複数のプロセッサに、複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定させる前記命令は、前記1つまたは複数のプロセッサに、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の対応する点の間のそれぞれの距離を決定することと、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の前記対応する点のための法線ベクトルの間のそれぞれの角度差を決定することと、
前記決定されたそれぞれの距離と前記決定されたそれぞれの角度差とに基づいてそれぞれの距離および向き差分値を決定することと
を行わせる命令を備える、請求項14~16のいずれかに記載のコンピュータ可読記憶媒体。 - 前記1つまたは複数のプロセッサに、複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定させる前記命令は、前記1つまたは複数のプロセッサに、
前記解剖学的対象の画像データを複数の部分に分割することと、
前記複数の部分の各々からの点を横軸に投影することと、
前記投影された点のうちの1つからしきい値点を決定することと、
前記複数の部分から最も外側にある部分を決定することと、
前記決定された最も外側の位置に対応する複数の推定形状モデルの前記第2のセットの各々中の部分を決定することと、
複数の推定形状モデルの前記第2のセットの各々中の前記決定された部分からの点を前記横軸に投影することと、
前記投影された点から前記しきい値点までの距離を決定することと、
前記決定された距離に基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定することと
を行わせる命令を備える、請求項14~17のいずれかに記載のコンピュータ可読記憶媒体。 - 患者の整形外科関節の解剖学的対象の発病前形状を決定するためのシステムであって、
整列形状と形状モデルとを受信するための手段と、
反復最接近点(ICP)ループを実行するための手段と、ここにおいて、前記ICPループを実行することは、
前記整列形状を修正するための手段と、
前記修正された整列形状を前記形状モデルと比較するための手段と、
前記比較に基づいてコスト値を決定するための手段と、
1次形状を生成するために前記コスト値がしきい値を満たすまで前記修正すること、比較すること、および決定することを繰り返すための手段と、ここにおいて、前記1次形状は、前記しきい値を満たす前記コスト値に関連する前記修正された整列形状を備える、
を備える、
弾性登録(ER)ループを実行するための手段と、ここにおいて、前記ERループを実行するための前記手段は、
前記1次形状と前記形状モデルとを受信するための手段と、
前記1次形状とそれぞれの複数の推定形状モデルとに基づいて複数の推定形状モデルの第1のセットの各々のためのそれぞれのコスト値を決定するための手段と、ここにおいて、前記複数の推定形状モデルは、前記形状モデルに基づいて生成される、
第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する前記複数の推定形状モデルの第1の推定形状モデルを決定するための手段と、ここにおいて、前記推定形状モデルは、1次形状モデルを備える、
を備える、
前記解剖学的対象の前記発病前形状を決定するために前記ERループの反復から生成されるコスト値が第2のしきい値を満たすまで前記ICPループと前記ERループとを繰り返し実行するための手段と
を備える、
ここにおいて、前記ICPループと前記ERループとを繰り返し実行するための前記手段は、
前記ICPループについて、前のERループによって生成された次数形状モデルと前のICPループによって生成された次数形状とを受信するための手段と、
前記ICPループによって、前記次数形状モデルと前記次数形状とに基づいて現在の次数形状を生成するための手段と、
前記ERループについて、前記現在の次数形状と形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つとを受信するための手段と、
前記形状モデルまたは前記前のERループによって生成された前記次数形状モデルのうちの少なくとも1つに基づいて複数の推定形状モデルの次のセットを生成するための手段と、
前記現在の次数形状の次数形状と複数の推定形状モデルのそれぞれの第2のセットとに基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するための手段と、
前記第1のしきい値を満たす前記それぞれのコスト値のコスト値に関連する複数の推定形状モデルの前記第2のセットの現在の推定形状モデルを決定するための手段と、ここにおいて、前記現在の推定形状モデルは、前記ERループによって生成された現在の次数形状モデルを備える、
を備える、システム。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するための前記手段は、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定するための手段と、ここにおいて、前記それぞれの距離および向き差分値の各々は、推定形状モデルのそれぞれの第2のセットと前記現在の次数形状との間の距離および向きの差を示す、
複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定するための手段と、ここにおいて、前記内方化値の各々は、複数の推定形状モデルの前記第2のセットのそれぞれ各1つが前記解剖学的対象の現在の位置に対して内方化される量を示す、
前記それぞれの距離および向き差分値と前記それぞれの内方化値とに基づいてそれぞれのコスト値を決定するための手段と
を備える、請求項19に記載のシステム。 - 前記複数の推定形状モデルの前記それぞれの第2のセットの各々が前記解剖学的対象の前記発病前形状を表す可能性に基づいてそれぞれの重み付け値を決定するための手段、
ここにおいて、前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するための前記手段は、前記それぞれの距離および向き差分値と、前記それぞれの内方化値と、前記それぞれの重み付け値とに少なくとも部分的に基づいて前記複数の推定形状モデルの前記第2のセットの各々のためのそれぞれのコスト値を決定するための手段を備える、
をさらに備える、請求項20に記載のシステム。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの距離および向き差分値を決定するための前記手段は、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の対応する点の間のそれぞれの距離を決定するための手段と、
複数の推定形状モデルのそれぞれの第2のセットと前記決定された形状との上の前記対応する点のための法線ベクトルの間のそれぞれの角度差を決定するための手段と、
前記決定されたそれぞれの距離と前記決定されたそれぞれの角度差とに基づいてそれぞれの距離および向き差分値を決定するための手段と
を備える、請求項20~22のいずれかに記載のシステム。 - 複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定するための前記手段は、
前記解剖学的対象の画像データを複数の部分に分割するための手段と、
前記複数の部分の各々からの点を横軸に投影するための手段と、
前記投影された点のうちの1つからしきい値点を決定するための手段と、
前記複数の部分から最も外側にある部分を決定するための手段と、
前記決定された最も外側の位置に対応する複数の推定形状モデルの前記第2のセットの各々中の部分を決定するための手段と、
複数の推定形状モデルの前記第2のセットの各々中の前記決定された部分からの点を前記横軸に投影するための手段と、
前記投影された点から前記しきい値点までの距離を決定するための手段と、
前記決定された距離に基づいて複数の推定形状モデルの前記第2のセットの各々のためのそれぞれの内方化値を決定するための手段と
を備える、請求項20~23のいずれかに記載のシステム。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962826362P | 2019-03-29 | 2019-03-29 | |
US201962826172P | 2019-03-29 | 2019-03-29 | |
US201962826410P | 2019-03-29 | 2019-03-29 | |
US62/826,362 | 2019-03-29 | ||
US62/826,172 | 2019-03-29 | ||
US62/826,410 | 2019-03-29 | ||
PCT/US2020/023358 WO2020205247A1 (en) | 2019-03-29 | 2020-03-18 | Pre-morbid characterization of anatomical object using statistical shape modeling (ssm) |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022527800A true JP2022527800A (ja) | 2022-06-06 |
JP7354280B2 JP7354280B2 (ja) | 2023-10-02 |
Family
ID=70190255
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021558616A Active JP7354280B2 (ja) | 2019-03-29 | 2020-03-18 | 統計的形状モデリング(ssm)を使用した解剖学的対象の発病前特性化 |
JP2021558618A Active JP7309903B2 (ja) | 2019-03-29 | 2020-03-18 | 統計的形状モデリング(ssm)を使用した解剖学的対象の発病前特性化 |
JP2021558617A Active JP7242898B2 (ja) | 2019-03-29 | 2020-03-18 | 統計的形状モデリング(ssm)を使用した解剖学的対象の発病前特性化 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021558618A Active JP7309903B2 (ja) | 2019-03-29 | 2020-03-18 | 統計的形状モデリング(ssm)を使用した解剖学的対象の発病前特性化 |
JP2021558617A Active JP7242898B2 (ja) | 2019-03-29 | 2020-03-18 | 統計的形状モデリング(ssm)を使用した解剖学的対象の発病前特性化 |
Country Status (4)
Country | Link |
---|---|
US (3) | US20220148167A1 (ja) |
EP (3) | EP3948779A1 (ja) |
JP (3) | JP7354280B2 (ja) |
WO (3) | WO2020205247A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011041656A (ja) * | 2009-08-20 | 2011-03-03 | Yamatake Corp | ボリュームデータ間の対応付け方法 |
JP2016178986A (ja) * | 2015-03-23 | 2016-10-13 | 株式会社日立製作所 | 放射線撮像装置、画像処理方法及びプログラム |
JP2017521164A (ja) * | 2014-07-10 | 2017-08-03 | マフホウズ,モハメド ラシュワン | 骨再建および整形外科用インプラント |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7113623B2 (en) * | 2002-10-08 | 2006-09-26 | The Regents Of The University Of Colorado | Methods and systems for display and analysis of moving arterial tree structures |
JP4512824B2 (ja) | 2005-02-04 | 2010-07-28 | 国立大学法人 千葉大学 | 画像処理装置及びそれに用いられるプログラム |
US10028722B2 (en) * | 2007-09-25 | 2018-07-24 | Hospital For Special Surgery | Methods and apparatus for assisting cartilage diagnostic and therapeutic procedures |
GB0803514D0 (en) | 2008-02-27 | 2008-04-02 | Depuy Int Ltd | Customised surgical apparatus |
FR2936889B1 (fr) * | 2008-10-03 | 2012-09-28 | Univ Grenoble 1 | Procede pour le recalage d'un ensemble de points dans des images |
CN102365061B (zh) | 2009-02-25 | 2015-06-17 | 捷迈有限公司 | 定制矫形植入物和相关方法 |
FR2962573B1 (fr) | 2010-06-16 | 2019-04-12 | Imascap | Procede d'identification automatique des contours d'un os predefini, procedes derives et produits programme d'ordinateur correspondants |
EP2876609B1 (en) | 2012-07-23 | 2017-12-13 | Fujitsu Limited | Shape data generating program, shape data generating method, and shape data generating device |
BR112017004907A2 (pt) * | 2014-09-11 | 2018-02-27 | Limacorporate Spa | guia para a ressecção do fêmur |
CN112386302A (zh) | 2016-03-14 | 2021-02-23 | 穆罕默德·R·马赫福兹 | 用于无线超声跟踪和通信的超宽带定位 |
US10636141B2 (en) * | 2017-02-09 | 2020-04-28 | Siemens Healthcare Gmbh | Adversarial and dual inverse deep learning networks for medical image analysis |
CN110969055B (zh) * | 2018-09-29 | 2023-12-19 | 阿波罗智能技术(北京)有限公司 | 用于车辆定位的方法、装置、设备和计算机可读存储介质 |
-
2020
- 2020-03-18 WO PCT/US2020/023358 patent/WO2020205247A1/en unknown
- 2020-03-18 WO PCT/US2020/023365 patent/WO2020205249A1/en unknown
- 2020-03-18 JP JP2021558616A patent/JP7354280B2/ja active Active
- 2020-03-18 US US17/435,998 patent/US20220148167A1/en active Pending
- 2020-03-18 JP JP2021558618A patent/JP7309903B2/ja active Active
- 2020-03-18 US US17/435,978 patent/US20220156924A1/en active Pending
- 2020-03-18 JP JP2021558617A patent/JP7242898B2/ja active Active
- 2020-03-18 EP EP20717536.5A patent/EP3948779A1/en active Pending
- 2020-03-18 WO PCT/US2020/023361 patent/WO2020205248A1/en unknown
- 2020-03-18 US US17/436,001 patent/US20220148168A1/en active Pending
- 2020-03-18 EP EP20717537.3A patent/EP3948780A1/en active Pending
- 2020-03-18 EP EP20719818.5A patent/EP3948781A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011041656A (ja) * | 2009-08-20 | 2011-03-03 | Yamatake Corp | ボリュームデータ間の対応付け方法 |
JP2017521164A (ja) * | 2014-07-10 | 2017-08-03 | マフホウズ,モハメド ラシュワン | 骨再建および整形外科用インプラント |
JP2016178986A (ja) * | 2015-03-23 | 2016-10-13 | 株式会社日立製作所 | 放射線撮像装置、画像処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20220156924A1 (en) | 2022-05-19 |
JP2022527951A (ja) | 2022-06-07 |
JP7242898B2 (ja) | 2023-03-20 |
US20220148168A1 (en) | 2022-05-12 |
WO2020205247A1 (en) | 2020-10-08 |
WO2020205248A1 (en) | 2020-10-08 |
EP3948779A1 (en) | 2022-02-09 |
WO2020205249A1 (en) | 2020-10-08 |
JP7309903B2 (ja) | 2023-07-18 |
EP3948780A1 (en) | 2022-02-09 |
US20220148167A1 (en) | 2022-05-12 |
JP2022527513A (ja) | 2022-06-02 |
JP7354280B2 (ja) | 2023-10-02 |
EP3948781A1 (en) | 2022-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7338040B2 (ja) | 整形外科的関節のための外科的な修正処置の術前計画 | |
US20220059213A1 (en) | Planning system for orthopedic surgical procedures | |
JP7463510B2 (ja) | 骨断片化のケースにおける整形外科手術のための術前計画及び術中ガイダンス | |
US20220387110A1 (en) | Use of bony landmarks in computerized orthopedic surgical planning | |
US20230186495A1 (en) | Pre-morbid characterization of anatomical object using orthopedic anatomy segmentation using hybrid statistical shape modeling (ssm) | |
JP7354280B2 (ja) | 統計的形状モデリング(ssm)を使用した解剖学的対象の発病前特性化 | |
US20220156942A1 (en) | Closed surface fitting for segmentation of orthopedic medical image data | |
Audenaert | Modelling human anatomy for use in clinical and virtual population studies | |
Agyei-Ntim | Statistical Shape Modeling of the Right Ventricle in Pediatric Pulmonary Hypertension | |
WO2021168081A2 (en) | Computerized prediction of humeral prosthesis for shoulder surgery | |
Rodrigues et al. | Artificial neural networks for automatic modelling of the pectus excavatum corrective prosthesis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211117 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221018 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221021 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230116 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230116 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230724 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230731 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7354280 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |