JP2023162303A - 整形外科的関節のための外科的な修正処置の術前計画 - Google Patents

整形外科的関節のための外科的な修正処置の術前計画 Download PDF

Info

Publication number
JP2023162303A
JP2023162303A JP2023135414A JP2023135414A JP2023162303A JP 2023162303 A JP2023162303 A JP 2023162303A JP 2023135414 A JP2023135414 A JP 2023135414A JP 2023135414 A JP2023135414 A JP 2023135414A JP 2023162303 A JP2023162303 A JP 2023162303A
Authority
JP
Japan
Prior art keywords
implant
model
existing
joint
shape
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023135414A
Other languages
English (en)
Inventor
ジャン・シャウウィ
Chaoui Jean
マキシミリアン・マイヤ
Mayya Maximilien
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Howmedica Osteonics Corp
Original Assignee
Howmedica Osteonics Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Howmedica Osteonics Corp filed Critical Howmedica Osteonics Corp
Publication of JP2023162303A publication Critical patent/JP2023162303A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2004—Aligning objects, relative positioning of parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2016—Rotation, translation, scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • General Physics & Mathematics (AREA)
  • Robotics (AREA)
  • Pulmonology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Prostheses (AREA)

Abstract

【課題】１つまたは複数のインプラントコンポーネントが留置されている整形外科的関節の骨の埋め込み前の罹患した近似（pre-implant, morbid approximation）を決定するための技法を提供する。【解決手段】システムは、患者の関節の画像データを取得し、関節が既存のインプラントを含むことを決定し、既存のインプラントに関するタイプの識別を生成することと関節の埋め込み前の罹患した近似を生成することの一方または両方を行うように構成される。【選択図】図１

Description

[0001]本出願は、２０１９年８月１６日に出願された米国仮特許出願第６２／８８７，８３８号の利益を主張するものであり、同仮特許出願の内容全体が参照により本明細書に組み込まれる。
[0002]外科的な関節修復処置は、損傷したまたは病んでいる関節の修復および／または置換を伴う。一例として関節置換術などの外科的な関節修復処置は、損傷した関節または損傷したインプラントを、患者の骨に埋め込まれた人工関節と置換することを伴うことがある。適切なサイズおよび形状にされた人工関節の適切な選択または設計ならびにその人工関節の適切な位置決めは、最適な外科的な転帰を保証するために重要である。外科医は、人工関節選択、設計、および／または位置決め、ならびに人工関節を受け入れるまたはこれと相互作用するように骨または組織を準備する外科的なステップの助けとするために、損傷した骨を分析し得る。
[0003]本開示は、１つまたは複数のインプラントコンポーネントが留置されている整形外科的関節の骨の埋め込み前の罹患した近似（pre-implant, morbid approximation）を決定するための技法について説明する。本開示は、整形外科的関節に埋め込まれるインプラントのタイプを決定する技法についても説明する。
[0004]一例によれば、方法は、罹患した解剖学的対象物のための形状モデルを決定することと、コンピューティングシステムによって、インプラントを含む患者の関節の画像データを取得することと、ここにおいて、画像データは、インプラントをもつ関節の３Ｄモデルを備える、インプラントをもつ関節の３Ｄモデルにおいて、骨に対応するボクセルを識別することと、骨に対応すると識別されたボクセルに基づいて、骨に対する初期形状推定を決定することと、アライメントされた初期形状推定を形成するように初期形状推定を形状モデルにアライメントすることと、骨の埋め込み前の罹患した近似を生成するために、アライメントされた初期形状推定に基づいて形状モデルを変形させることとを含む。
[0005]別の例によれば、方法は、コンピューティングシステムによって、インプラントを含む患者の関節の画像データを取得することと、ここにおいて、画像データは、インプラントをもつ関節の３Ｄモデルを備える、３Ｄモデル内の第１の対象物を識別することと、ここにおいて、第１の対象物はインプラントの第１のコンポーネントに対応する、第１の対象物に基づいて第１のベクトルを決定することと、３Ｄモデル内の第２の対象物を識別することと、ここにおいて、第２の対象物はインプラントの第２のコンポーネントに対応する、第２の対象物に基づいて第２のベクトルを決定することと、第１のベクトルおよび第２のベクトルによって画定された平面に垂直である第３のベクトルを決定することと、第１のベクトル、第２のベクトル、および第３のベクトルに基づいて患者座標系を決定することと、３Ｄモデル内の解剖学的対象物を識別することと、決定された患者座標系に基づいて画像データから形状モデルに解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成することと、初期アライメントされた形状に基づいて、解剖学的対象物の罹患した埋め込み前形状を示す情報を生成することとを含む。
[0006]別の例によれば、方法は、コンピューティングシステムによって、患者の関節の画像データを取得することと、コンピューティングシステムによって、関節が既存のインプラントを含むことを決定することと、関節の画像データをセグメント化することと、既存のインプラントに関するタイプの識別を生成することとを含む。
[0007]別の例によれば、方法は、コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データを取得することと、コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データ内で、既存のインプラントの画像を識別することと、メモリデバイス内で、複数のインプラント製品を複数のインプラント製品に関する画像と関連づけるデータベースにアクセスすることと、複数のインプラント製品の各インプラント製品は少なくとも１つの画像と関連づけられる、複数のインプラント製品に関する画像に対する既存のインプラントの画像の比較に基づいて、既存のインプラントに対応する少なくとも１つのインプラント製品を識別することとを含む。
[0008]別の例によれば、方法は、コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データを取得することと、コンピューティングシステムによって、既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別することと、セメントに対応する画像の部分に基づいて、既存のインプラントをもつ患者の関節のセメント強度を決定することと、決定されたセメント強度に基づいて出力を生成することとを含む。
[0009]別の例によれば、デバイスは、メモリと、回路内で実装され、罹患した解剖学的対象物のための形状モデルを決定し、インプラントを含む患者の関節の画像データを取得し、ここにおいて、画像データは、インプラントをもつ関節の３Ｄモデルを備える、インプラントをもつ関節の３Ｄモデルにおいて、骨に対応するボクセルを識別し、骨に対応すると識別されたボクセルに基づいて、骨に対する初期形状推定を決定し、アライメントされた初期形状推定を形成するように初期形状推定を形状モデルにアライメントし、骨の埋め込み前の罹患した近似を生成するためにアライメントされた初期形状推定に基づいて形状モデルを変形させるように構成された１つまたは複数のプロセッサとを含む。
[0010]別の例によれば、デバイスは、メモリと、回路内で実装され、インプラントを含む患者の関節の画像データを取得し、ここにおいて、画像データは、インプラントをもつ関節の３Ｄモデルを備える、３Ｄモデル内の第１の対象物を識別し、ここにおいて、第１の対象物はインプラントの第１のコンポーネントに対応する、第１の対象物に基づいて第１のベクトルを決定し、３Ｄモデル内の第２の対象物を識別し、ここにおいて、第２の対象物はインプラントの第２のコンポーネントに対応する、第２の対象物に基づいて第２のベクトルを決定し、第１のベクトルおよび第２のベクトルによって画定された平面に垂直である第３のベクトルを決定し、第１のベクトル、第２のベクトル、および第３のベクトルに基づいて患者座標系を決定し、３Ｄモデル内の解剖学的対象物を識別し、決定された患者座標系に基づいて画像データから形状モデルに解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成し、初期アライメントされた形状に基づいて、解剖学的対象物の罹患した埋め込み前形状を示す情報を生成するように構成された１つまたは複数のプロセッサとを含む。
[0011]別の例によれば、デバイスは、メモリと、回路内で実装され、患者の関節の画像データを取得し、関節が既存のインプラントを含むことを決定し、関節の画像データをセグメント化し、既存のインプラントに関するタイプの識別を生成するように構成された１つまたは複数のプロセッサとを含む。
[0012]別の例によれば、デバイスは、メモリと、回路内で実装され、既存のインプラントをもつ患者の関節の画像データを取得し、既存のインプラントをもつ患者の関節の画像データ内で既存のインプラントの画像を識別し、複数のインプラント製品を複数のインプラント製品に関する画像と関連づけるデータベースにアクセスし、複数のインプラント製品の各インプラント製品は少なくとも１つの画像と関連づけられる、複数のインプラント製品に関する画像に対する既存のインプラントの画像の比較に基づいて、既存のインプラントに対応する少なくとも１つのインプラント製品を識別するように構成された１つまたは複数のプロセッサとを含む。
[0013]別の例によれば、デバイスは、メモリと、回路内で実装され、既存のインプラントをもつ患者の関節の画像データを取得し、既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別し、セメントに対応する画像の部分に基づいて、既存のインプラントをもつ患者の関節のセメント強度を決定し、決定されたセメント強度に基づいて出力を生成するように構成された１つまたは複数のプロセッサとを含む。
[0014]別の例によれば、システムは、罹患した解剖学的対象物のための形状モデルを決定するための手段と、コンピューティングシステムによって、インプラントを含む患者の関節の画像データを取得するための手段と、ここにおいて、画像データは、インプラントをもつ関節の３Ｄモデルを備える、インプラントをもつ関節の３Ｄモデルにおいて、骨に対応するボクセルを識別するための手段と、骨に対応すると識別されたボクセルに基づいて、骨に対する初期形状推定を決定するための手段と、アライメントされた初期形状推定を形成するように初期形状推定を形状モデルにアライメントするための手段と、骨の埋め込み前の罹患した近似を生成するために、アライメントされた初期形状推定に基づいて形状モデルを変形させるための手段とを含む。
[0015]別の例によれば、システムは、コンピューティングシステムによって、インプラントを含む患者の関節の画像データを取得するための手段と、ここにおいて、画像データは、インプラントをもつ関節の３Ｄモデルを備える、３Ｄモデル内の第１の対象物を識別するための手段と、ここにおいて、第１の対象物はインプラントの第１のコンポーネントに対応する、第１の対象物に基づいて第１のベクトルを決定するための手段と、３Ｄモデル内の第２の対象物を識別するための手段と、ここにおいて、第２の対象物はインプラントの第２のコンポーネントに対応する、第２の対象物に基づいて第２のベクトルを決定するための手段と、第１のベクトルおよび第２のベクトルによって画定された平面に垂直である第３のベクトルを決定するための手段と、第１のベクトル、第２のベクトル、および第３のベクトルに基づいて患者座標系を決定するための手段と、３Ｄモデル内の解剖学的対象物を識別するための手段と、決定された患者座標系に基づいて画像データから形状モデルに解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成するための手段と、初期アライメントされた形状に基づいて、解剖学的対象物の罹患した埋め込み前形状を示す情報を生成するための手段とを含む。
[0016]別の例によれば、システムは、コンピューティングシステムによって、患者の関節の画像データを取得するための手段と、コンピューティングシステムによって、関節が既存のインプラントを含むことを決定するための手段と、関節の画像データをセグメント化するための手段と、既存のインプラントに関するタイプの識別を生成するための手段とを含む。
[0017]別の例によれば、システムは、コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データを取得するための手段と、コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データ内で、既存のインプラントの画像を識別するための手段と、メモリデバイス内で、複数のインプラント製品を複数のインプラント製品に関する画像と関連づけるデータベースにアクセスするための手段と、複数のインプラント製品の各インプラント製品は少なくとも１つの画像と関連づけられる、複数のインプラント製品に関する画像に対する既存のインプラントの画像の比較に基づいて、既存のインプラントに対応する少なくとも１つのインプラント製品を識別するための手段とを含む。
[0018]別の例によれば、システムは、コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データを取得するための手段と、コンピューティングシステムによって、既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別するための手段と、セメントに対応する画像の部分に基づいて、既存のインプラントをもつ患者の関節のセメント強度を決定するための手段と、決定されたセメント強度に基づいて出力を生成するための手段とを含む。
[0019]別の例によれば、コンピュータ可読記憶媒体は、１つまたは複数のプロセッサによって実行されるとき、１つまたは複数のプロセッサに、罹患した解剖学的対象物のための形状モデルを決定させ、インプラントを含む患者の関節の画像データを取得させ、ここにおいて、画像データは、インプラントをもつ関節の３Ｄモデルを備える、インプラントをもつ関節の３Ｄモデルにおいて、骨に対応するボクセルを識別させ、骨に対応すると識別されたボクセルに基づいて、骨に対する初期形状推定を決定させ、アライメントされた初期形状推定を形成するように初期形状推定を形状モデルにアライメントさせ、骨の埋め込み前の罹患した近似を生成するために、アライメントされた初期形状推定に基づいて形状モデルを変形させる命令を記憶する。
[0020]別の例によれば、コンピュータ可読記憶媒体は、１つまたは複数のプロセッサによって実行されるとき、１つまたは複数のプロセッサに、インプラントを含む患者の関節の画像データを取得させ、ここにおいて、画像データは、インプラントをもつ関節の３Ｄモデルを備える、３Ｄモデル内の第１の対象物を識別させ、ここにおいて、第１の対象物はインプラントの第１のコンポーネントに対応する、第１の対象物に基づいて第１のベクトルを決定させ、３Ｄモデル内の第２の対象物を識別させ、ここにおいて、第２の対象物はインプラントの第２のコンポーネントに対応する、第２の対象物に基づいて第２のベクトルを決定させ、第１のベクトルおよび第２のベクトルによって画定された平面に垂直である第３のベクトルを決定させ、第１のベクトル、第２のベクトル、および第３のベクトルに基づいて患者座標系を決定させ、３Ｄモデル内の解剖学的対象物を識別させ、決定された患者座標系に基づいて、画像データから形状モデルに解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成させ、初期アライメントされた形状に基づいて、解剖学的対象物の罹患した埋め込み前形状を示す情報を生成させる命令を記憶する。
[0021]別の例によれば、コンピュータ可読記憶媒体は、１つまたは複数のプロセッサによって実行されるとき、１つまたは複数のプロセッサに、患者の関節の画像データを取得させ、関節が既存のインプラントを含むことを決定させ、関節の画像データをセグメント化させ、既存のインプラントに関するタイプの識別を生成させる命令を記憶する。
[0022]別の例によれば、コンピュータ可読記憶媒体は、１つまたは複数のプロセッサによって実行されるとき、１つまたは複数のプロセッサに、既存のインプラントをもつ患者の関節の画像データを取得させ、既存のインプラントをもつ患者の関節の画像データ内で、既存のインプラントの画像を識別させ、複数のインプラント製品を複数のインプラント製品に関する画像と関連づけるデータベースにアクセスさせ、複数のインプラント製品の各インプラント製品は少なくとも１つの画像と関連づけられる、複数のインプラント製品に関する画像に対する既存のインプラントの画像の比較に基づいて、既存のインプラントに対応する少なくとも１つのインプラント製品を識別させる命令を記憶する。
[0023]別の例によれば、コンピュータ可読記憶媒体は、１つまたは複数のプロセッサによって実行されるとき、１つまたは複数のプロセッサに、既存のインプラントをもつ患者の関節の画像データを取得させ、既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別させ、セメントに対応する画像の部分に基づいて、既存のインプラントをもつ患者の関節のセメント強度を決定させ、決定されたセメント強度に基づいて出力を生成させる命令を記憶する。
[0024]本開示のさまざまな例の詳細は、添付の図面および以下の説明に記載されている。さまざまな特徴、目的、および利点は、説明、図面、および特許請求の範囲から明らかであろう。
[0025]本開示の技法を実装するために使用され得る例示的なコンピューティングデバイスを示すブロック図。 [0026]修正ユニットの例示的な実装形態を示す図。 [0027]リバース型インプラントを含む肩関節に関するコンピュータ断層撮影（ＣＴ）スキャンの軸方向スライスを示す図。 [0028]インプラントコンポーネントを隔離するセグメンテーション後の図３Ａのインプラントを示す図。 [0029]インプラント分析ユニットの一例を示す図。 [0030]解剖学的インプラントを含む肩関節に対するＣＴスキャンの軸方向スライスを示す図。 [0031]図３Ｂのセグメント化された画像上で特徴抽出がどのように実施され得るかを図示する図。 [0032]解剖学的インプラントのためのインプラントコンポーネントを隔離するセグメント化された画像上で特徴抽出がどのように実施され得るかを図示する図。 解剖学的インプラントのためのインプラントコンポーネントを隔離するセグメント化された画像上で特徴抽出がどのように実施され得るかを図示する図。 [0033]骨疑似セグメンテーションの一例を示す図。 [0034]インプラント特徴を使用するために統計的形状モデル（ＳＳＭ）に最初にアライメントされる患者解剖学的構造の一例を示す図。 [0035]反復的最近点（ＩＣＰ）レジストレーションを使用して患者解剖学的構造に登録されるＳＳＭの一例を示す図。 [0036]患者解剖学的構造の罹患した埋め込み前近似を生成するための患者投影に対するＳＳＭの一例を示す図。 [0037]重ねられた肩甲骨疑似セグメンテーションおよび肩甲骨ＳＳＭ予測をもつＣＴスキャンの一例を示す図。 [0038]重ねられた肩甲骨疑似セグメンテーション、肩甲骨ＳＳＭ予測、およびＭＬ確率マップをもつ例示的なＣＴスキャンを示す図。 [0039]機械学習ユニットの一例を示す図。 [0040]患者の座標系を決定するために使用される対象物となる点を有する肩甲骨の例示。 [0041]患者の座標系を決定するための肩甲骨を通る平面状切断の例示。 患者の座標系を決定するための肩甲骨を通る平面状切断の例示。 [0042]患者の座標系を決定するための肩甲骨を通る平面に対する法線の斜視図の概念図。 [0043]患者の座標系を決定するための肩甲骨を通る平面に対する法線の別の斜視図の概念図。 [0044]患者の座標系を決定するための肩甲骨を通る横軸を図示する概念図。 [0045]図１８の横軸を決定するための肩甲骨を通る矢状切断の一例を図示する概念図。 図１８の横軸を決定するための肩甲骨を通る矢状切断の一例を図示する概念図。 [0046]図１８の横軸を決定するための肩甲骨を通る矢状切断の結果を図示する概念図。 図１８の横軸を決定するための肩甲骨を通る矢状切断の結果を図示する概念図。 図１８の横軸を決定するための肩甲骨を通る矢状切断の結果を図示する概念図。 [0047]図１８の横軸を決定するための肩甲骨を通る矢状切断の別の例を図示する概念図。 図１８の横軸を決定するための肩甲骨を通る矢状切断の別の例を図示する概念図。 [0048]患者の座標系を決定するための肩甲骨を通る横軸と肩甲骨を通る平面に対する法線とを図示する概念図。 [0049]患者の座標系を決定するための関節窩の中心場所に対しての肩甲骨を通る横軸および肩甲骨を通る平面に対する法線の動きを図示する概念図。 [0050]形状モデルへのセグメンテーション対象物の初期アライメントの一例を図示する概念図。 [0051]形状モデルへのセグメンテーション対象物の中間アライメントの一例を図示する概念図。 [0052]ＩＣＰアルゴリズムのための差異値を決定するための例を図示する概念図。 [0053]患者の解剖学的構造の罹患前形状を決定するために使用されるコスト関数のパラメータを決定するための関節窩の部分を図示する概念図。 患者の解剖学的構造の罹患前形状を決定するために使用されるコスト関数のパラメータを決定するための関節窩の部分を図示する概念図。 [0054]本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャート。 [0055]本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャート。 [0056]本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャート。 [0057]本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャート。 [0058]本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャート。
[0059]患者は、患者解剖学的構造に損傷を起こす傷害または疾患（たとえば、病気）に苦しむことがある。肩に関して、患者解剖学的構造の一例として、患者は、数例として、一次性肩甲上腕関節変形性関節症（ＰＧＨＯＡ）、肩腱板断裂関節症（ＲＣＴＡ）、不安定性、広範囲腱板断裂（ＭＲＣＴ）、関節リウマチ（ＲＡ）、外傷後関節炎（ＰＴＡ）、変形性関節症（ＯＡ）、または急性骨折に苦しむことがある。
[0060]疾患または傷害に対処するために、外科医は、数例として、リバース型人工関節置換術（ＲＡ）、拡張リバース型人工関節置換術（ＲＡ）、標準的な人工肩関節全置換術（ＴＡ）、拡張人工肩関節全置換術（ＴＡ）、または半球状肩手術（Hemispherical shoulder surgery）などの外科的な処置を実施することがある。外科医が、手術の前に、患者解剖学的構造の特性（たとえば、大きさ、形状、および／または場所）を決定することには利益があることがある。たとえば、患者解剖学的構造の特性を決定することは、人工関節選択、設計、および／または位置決め、ならびに人工関節を受け入れるまたはこれと相互作用するように損傷した骨の表面を準備する外科的なステップの計画を助けることがある。事前の計画があれば、外科医は、手術中ではなく手術前に、骨または組織を準備するステップ、手術中に必要とされるツール、ツールの大きさおよび形状、埋め込まれる１つまたは複数の人工関節の大きさおよび形状または他の特性などを決定することができる。
[0061]既存のインプラントコンポーネントとすでに嵌合している関節に追加または置換のインプラントコンポーネントを留置することは、修正手術または外科的な修正処置と呼ばれることがある。整形外科的関節に関する外科的な修正処置は、かなり一般的である。たとえば、人工肩関節置換術の約３０％は、外科的な修正処置である。以前の外科的な処置またはコンポーネントが故障したとき、外科的な修正処置が必要とされることがある。処置またはコンポーネントがどのように故障するかの例としては、外傷もしくは感染症などの他の合併症を経験する１つもしくは複数のインプラントコンポーネント、インプラント動作が失敗する点までさらに進行する疾患状態、または適切に働くのに他の点で失敗するもしくは中止する既存のインプラントコンポーネントをもつ患者があり得る。既存のインプラントコンポーネントの存在は、骨折または破片または他の点で悪化した骨条件も有する患者と相関することがある。関節の良好な画像、セグメンテーション、およびモデリングを取得することは、外科的な修正処置のための術前および術中計画において特に重要であることができる。
[0062]コンピューティングデバイスは、形状および大きさが可視化可能であるように個々の解剖学的対象物を分離するために関節の画像データ（たとえば、ＣＴ画像データ）をセグメント化することがある。コンピューティングデバイスは、肩甲骨、鎖骨、関節窩、上腕骨などの特定の解剖学的構造を含む患者解剖学的構造の３Ｄ画像を医師または他のユーザに提示することがある。画像データを取得し、画像データをセグメント化するとき、既存のインプラント、特に金属のインプラントの存在は、セグメンテーションプロセスの複雑化を潜在的に引き起こし得る。インプラントは、たとえば、セグメンテーションを実施することを困難にするまたは結果として生じるセグメンテーションを信頼できないものにする、ＣＴ画像内のノイズまたはアーチファクトを生ずることがある。
[0063]本開示は、１つまたは複数のインプラントコンポーネントが（たとえば、修正処置を実施するために）留置されている整形外科的関節を表す画像データをセグメント化するための技法について説明する。本開示の技法は、関節がインプラントコンポーネントを含むときですら、インプラントによって引き起こされるノイズおよびアーチファクトによってもたらされる合併症を克服または回避し、コンピューティングデバイスが関節の有用なセグメンテーションを生じることを可能にする助けとなることがある。そのうえ、本開示は、デバイスが、獲得された画像データから１つまたは複数の既存のインプラントコンポーネントおよび関節に関する情報を取得することを可能にし得る技法について説明する。デバイスは、代替的または追加的に、既存のインプラントコンポーネントを１つまたは複数の新しいインプラントコンポーネントと置換するように、修正のための外科的な修正処置計画を準備することがある。
[0064]いくつかの例では、技法は、コンピューティングデバイスが、情報に基づいて外科的な修正処置を実施するために外科医または外科的なチームに術中外科的なガイダンスを提供することを可能にし得る。したがって、本開示の技法は、コンピューティングデバイスが、外科的な修正処置のための術前および／または術中の外科的な計画とガイダンスとをより良くサポートすることを可能にすることによって、既存のコンピューティングデバイスを改善し得る。このより良い外科的な計画および／またはガイダンスは、既存のインプラントをもつ関節のセグメンテーションを改善する形を取ってよいが、既存のインプラントコンポーネントの自動化された分類ならびにそのような既存のインプラントコンポーネントを置換する外科的な修正に関する処置タイプおよびインプラントタイプに関連する外科医への自動化された推奨などのより信頼性の高い外科的な分類および／または推奨の形も取ってよい。
[0065]本開示の技法は、コンピューティングデバイスが、術前計画ならびに術中意思決定を助けることができるさまざまなタイプの２Ｄおよび／または３Ｄ画像を、ディスプレイを介して、医師、看護師、患者、または他のユーザに提示することを可能にすることによって、修正手術に関するより良い術前および術中の外科的なガイダンスを提供し得る。いくつかの例では、コンピューティングデバイスは、関節の複数の部分を示す画像および／または関節のさまざまな部分を分離する画像のどちらかを生成するように構成されることがある。既存のインプラントの存在にもかかわらず、コンピューティングデバイスは、インプラントが存在しないかのように（罹患後状態または罹患前近似のどちらかにおける）関節を示す画像を生成するように構成されることがある。他の例では、コンピューティングデバイスは、既存のインプラントを示すまたはインプラントの存在を知らせるために画像に注釈を付けるのどちらかを行う画像を生成するように構成されることがある。
[0066]ネイティブ（native）解剖学的構造とも呼ばれる罹患前解剖学的構造は、疾患の発病または傷害の発生の前の解剖学的構造を指す。疾患または傷害の後ですら、解剖学的構造の健康な部分と、解剖学的構造の健康でない（たとえば、病んでいるまたは損傷した）部分があることがある。解剖学的構造の病んでいるまたは損傷した部分は、病理性解剖学的構造と呼ばれ、解剖学的構造の健康な部分は、非病理性解剖学的構造と呼ばれる。
[0067]本開示で使用されるとき、罹患前特徴づけは、患者が疾患または傷害に苦しむ前、したがって、インプラントの埋め込みの前にも、存在したように、患者解剖学的構造を特徴づけることを指す。患者は、一般的には、その解剖学的構造がすでに病んでいるまたは受傷するまで医師または外科医を受診しないので、解剖学的構造の罹患前特徴づけは、多くの場合、利用できない。本開示で使用されるとき、罹患した埋め込み前特徴づけは、患者がインプラントを埋め込まれる前だが疾患または傷害に苦しむ後に存在したように、患者解剖学的構造を特徴づけることを指す。本開示で使用されるとき、埋め込み後特徴づけは、インプラントを埋め込まれた後に存在するかのように患者解剖学的構造を特徴づけることを指す。
[0068]図１は、本開示の技法を実装するために使用され得る例示的なコンピューティングデバイスを示すブロック図である。図１はデバイス１００を図示し、デバイス１００は、本開示において説明される１つまたは複数の例示的な技法を実施するように構成されたコンピューティングデバイスの一例である。
[0069]デバイス１００は、サーバコンピュータ、パーソナルコンピュータ、スマートフォン、ラップトップコンピュータ、および他のタイプのコンピューティングデバイスなどの、さまざまなタイプのコンピューティングデバイスを含んでよい。デバイス１００は、処理回路１０２と、メモリ１０４と、ディスプレイ１１２とを含む。ディスプレイ１１２は、デバイス１００がサーバコンピュータである例などにおいて、任意選択である。
[0070]処理回路１０２の例としては、１つまたは複数のマイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、ディスクリート論理、ソフトウェア、ハードウェア、ファームウェア、またはそれらの任意の組み合わせがある。一般に、処理回路１０２は、固定機能回路、プログラマブル回路、またはそれらの組み合わせとして実装されてよい。固定機能回路とは、特定の機能を提供し、実施可能である動作に関してあらかじめ設定されている回路を指す。プログラマブル回路は、さまざまなタスクを実施し、実施可能である動作において柔軟な機能を提供するようにプログラムすることができる回路を指す。たとえば、プログラマブル回路は、プログラマブル回路をソフトウェアまたはファームウェアの命令によって定義された様式で動作させるソフトウェアまたはファームウェアを実行し得る。固定機能回路は、（たとえば、パラメータを受け取るまたはパラメータを出力するために）ソフトウェア命令を実行し得るが、固定機能回路が実施する動作のタイプは、一般に不変である。いくつかの例では、ユニットのうちの１つまたは複数は、異なる回路ブロック（固定機能またはプログラマブル）であってよく、いくつかの例では、１つまたは複数のユニットが集積回路であってよい。
[0071]処理回路１０２は、プログラマブル回路から形成される、論理演算ユニット（ＡＬＵ）、初等関数ユニット（ＥＦＵ）、デジタル回路、アナログ回路、および／またはプログラマブルコアを含んでよい。プログラマブル回路によって実行されるソフトウェアを使用して処理回路１０２の動作が実施される例では、メモリ１０４は、処理回路１０２が受け取り実行するソフトウェアのオブジェクトコードを記憶してもよく、処理回路１０２（図示せず）内の別のメモリがそのような命令を記憶してもよい。ソフトウェアの例としては、外科的な計画のために設計されたソフトウェアがある。
[0072]メモリ１０４は、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）、磁気抵抗ＲＡＭ（ＭＲＡＭ）、抵抗ＲＡＭ（ＲＲＡＭ（登録商標））、または他のタイプのメモリデバイスを含む、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）などの、さまざまなメモリデバイスのいずれかによって形成されてよい。ディスプレイ１１２の例としては、液晶ディスプレイ（ＬＣＤ）、プラズマディスプレイ、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、または別のタイプのディスプレイデバイスがある。
[0073]デバイス１００は、デバイス１００がネットワーク１１６を介して可視化デバイス１１８にデータと命令とを出力し、ネットワーク１１６を介して可視化デバイス１１８からデータと命令とを受け取ることを可能にする通信インターフェース１１４を含んでよい。たとえば、解剖学的対象物の罹患前特性を決定した後、本開示において説明される技法を使用して、通信インターフェース１１４は、ネットワーク１１６を介して可視化デバイス１１８に罹患前特性の情報を出力し得る。外科医は、次いで、可視化デバイス１１８を用いて解剖学的対象物のグラフを見ることがある。見られる解剖学的対象物は、罹患前解剖学的対象物、埋め込み前罹患した解剖学的対象物、または埋め込み後解剖学的対象物のいずれかであってよい。いくつかの例では、可視化デバイス１１８は、たとえば、受傷したまたは病んでいる解剖学的対象物の画像の上に重ねられた埋め込み前罹患した解剖学的対象物または埋め込み後解剖学的対象物を提示することがある。異なる時間からの画像を重ねることによって、医師または外科医は、解剖学的対象物の悪化をより容易に観察することが可能になり得る。
[0074]通信インターフェース１１４は、デバイス１００が可視化デバイス１１８などの他のコンピューティングシステムおよびデバイスに（たとえば、ワイヤレスに、またはワイヤを使用して）通信することを可能にするハードウェア回路であってよい。ネットワーク１１６は、インターネット、ローカルエリアネットワークなどの１つまたは複数のワイドエリアネットワークを含む、さまざまなタイプの通信ネットワークを含んでよい。いくつかの例では、ネットワーク１１６は、ワイヤードおよび／またはワイヤレスの通信リンクを含んでよい。
[0075]可視化デバイス１１８は、さまざまな可視化技法を利用して、画像コンテンツを外科医に表示してよい。可視化デバイス１１８は、複合現実（ＭＲ）可視化デバイス、仮想現実（ＶＲ）可視化デバイス、ホログラフィックプロジェクタ、またはエクステンデッドリアリティ（ＸＲ）可視化を提示するための他のデバイスであってよい。いくつかの例では、可視化デバイス１１８は、Ｒｅｄｍｏｎｄ、Ｗａｓｈｉｎｇｔｏｎ、ＵＳＡのＭｉｃｒｏｓｏｆｔ Ｃｏｒｐｏｒａｔｉｏｎから入手可能なＭｉｃｒｏｓｏｆｔ ＨＯＬＯＬＥＮＳ（登録商標）ヘッドセット、またはたとえば、導波管を含む類似のＭＲ可視化デバイスなどの、類似のデバイスであってよい。ＨＯＬＯＬＥＮＳ（登録商標）デバイスは、ユーザがホログラフィックレンズを通して現実世界シーンで、すなわち現実世界環境で、実際のオブジェクトを見ることを可能にしながら、ホログラフィックレンズまたは導波管を介して３Ｄ仮想オブジェクトを提示するために使用可能である。
[0076]可視化デバイス１１８は、患者画像データを利用して骨外形の３次元モデルを生成するために利用可能である可視化ツールを利用して、関節修復および置換に関する術前計画を容易にし得る。これらのツールは、外科医が、外科的なガイドと患者の解剖学的構造にぴったり合致するインプラントコンポーネントとを設計および／または選択することを可能にする。これらのツールは、各患者に関する外科的な計画をカスタマイズすることによって、外科的な転帰を改善することができる。肩修復に関するそのような可視化ツールの一例は、Ｗｒｉｇｈｔ Ｍｅｄｉｃａｌ Ｔｅｃｈｎｏｌｏｇｙ，Ｉｎｃ．から入手可能なＢＬＵＥＰＲＩＮＴ（登録商標）システムである。ＢＬＵＥＰＲＩＮＴ（登録商標）システムは、骨修復領域の２次元平面図ならびに修復領域の３次元仮想モデルを外科医に提供する。外科医は、ＢＬＵＥＰＲＩＮＴ（登録商標）システムを使用して、適切なインプラントコンポーネントを選択、設計、または修正し、インプラントコンポーネントをどのようにして最も良く位置決めし方位付けるかと、コンポーネントを受け入れるように骨の表面をどのようにして形成するかとを決定し、外科的な計画を行うように外科的なガイドツールまたは器具を設計、選択、または修正することができる。ＢＬＵＥＰＲＩＮＴ（登録商標）システムによって生成される情報は、実際の手術の前およびその間を含めて外科医または他のケア提供者によってアクセス可能である適切な場所にある（たとえば、ワイドエリアネットワーク、ローカルエリアネットワーク、またはグローバルネットワーク内のサーバ上の）データベースに記憶される患者に関する術前外科的な計画で編集される。
[0077]図示されるように、メモリ１０４は、形状モデル１０６を表すデータと、解剖学的構造スキャン１０８を表すデータと、インプラントライブラリ１１０とを記憶する。形状モデル１０６、解剖学的構造スキャン１０８を表すデータ、およびインプラントライブラリ１１０は、図１の例ではデバイス１００上でローカルに記憶されるように示されているが、他の例では、形状モデル１０６、解剖学的構造スキャン１０８を表すデータ、およびインプラントライブラリ１１０の内容は、リモートに記憶され、たとえば、ネットワーク１１６を介してアクセスされてもよい。
[0078]解剖学的構造スキャン１０８は、たとえば、ＣＴスキャン画像データによって表される、患者のコンピュータ断層撮影（ＣＴ）スキャンの例である。解剖学的構造スキャン１０８は、セグメント化された解剖学的対象物を生ずるＣＴ画像データの自動化されたセグメンテーションまたは手動セグメンテーションのどちらかによる、肩甲骨および関節窩などの、患者の解剖学的構造の３次元（３Ｄ）表現を構築するのに十分であってよい。自動化されたセグメンテーションの１つの例示的な実装形態は、米国特許第８，９７１，６０６号に記載されている。自動化されたセグメンテーションを実施するさまざまな他のやり方があってよく、技法は、米国特許第８，９７１，６０６号に記載される技法を使用する自動化されたセグメンテーションに限定されない。一例として、セグメント化された対象物を生ずるＣＴ画像データのセグメンテーションは、骨の解剖学的構造を決定する画像データ内のボクセル強度の比較と、セグメント化された対象物を決定する骨の解剖学的構造の推定される大きさとの比較とを含む。さらに、例示的な技法は、医学専門家が解剖学的対象物をセグメント化するためにＣＴ画像データを評価する非自動化されたセグメンテーション技法、または解剖学的対象物をセグメント化するための自動化とユーザ入力の何らかの組み合わせを用いて実施されてよい。２０１９年３月２９日に出願された米国仮特許出願第６２／８２６，１１９号および２０１９年３月２９日に出願された米国仮特許出願第６２／８２６，１９０号は、セグメンテーションの態様について記載し、両方とも、それらの全体が参照により本明細書に組み込まれる。
[0079]１つまたは複数の例では、解剖学的構造スキャン１０８は、インプラントを含み、したがって、傷害または疾患により病理性である解剖学的構造のスキャンであってよい。患者は、修正処置を必要とする受傷した肩を有することがあり、処置のために、またはおそらくは診断の一部として、外科医は、手術を計画するために解剖学的構造スキャン１０８を要求した可能性がある。コンピューティングデバイス（デバイス１００または何らかの他のデバイスのような）は、外科医が、解剖学的対象物と、対象物の大きさと、形状と、手術を必要とする患者解剖学的構造の他の解剖学的構造との相互接続とを見ることができるように、患者解剖学的構造のセグメンテーションを生成し得る。
[0080]以下でより詳細に説明されるように、処理回路１０２は、患者が傷害もしくは疾患に苦しむ前、または傷害もしくは疾患に苦しんだ後だがインプラントを設置される前に、患者解剖学的構造の特性を決定するやり方として、スキャン１０８の画像データを利用して、統計的形状モデル（ＳＳＭ）と（たとえば、大きさ、形状、方位などを）比較してよい。言い換えれば、修正の場合、患者は、インプラントが埋め込まれた受傷したまたは病んでいる骨をもつ可能性があり、次いで、修正処置の場合、処理回路１０２は、インプラントが埋め込まれた時点で傷害または疾患を有する骨の特性を決定する。埋め込み前の、受傷したまたは病んでいる骨の特性は、外科医が修正処置を実施するのを助けることがある。ＳＳＭは、罹患前解剖学的構造のモデルまたは病んでいるが埋め込み前の解剖学的構造のモデルのどちらかを表し得る。いくつかの例では、処理回路１０２は、スキャン１０８の画像データ内の患者解剖学的構造の解剖学的対象物の非病理性点の３Ｄ点データをＳＳＭ内の点と比較することがある。
[0081]たとえば、スキャン１０８は、インプラントが設置されている場合はインプラントを含む、損傷したまたは病んでいる解剖学的構造の現在の特性のビューを外科医に提供する。解剖学的構造を再構成するために（すなわち、罹患前状態または罹患した埋め込み前状態を提示するために）、外科医は、傷害もしくは疾患の前および／またはインプラントの前の解剖学的構造の特性を示すモデルを有することが有益であると分かることがある。たとえば、モデルは、損傷もしくは疾患の前および／またはインプラントの埋め込みの前の患者の解剖学的構造の予測因子であってよい。傷害が発生したまたは疾患が進行した後になるまで患者が外科医を受診しなかった可能性が高いことがあるように、傷害または疾患の前の患者解剖学的構造（たとえば、罹患前またはネイティブな解剖学的構造）のモデルが利用できないことがある。同様に、インプラントを設置される前に患者が外科医を受診しなかった場合ですら、インプラントの設置前の患者解剖学的構造のモデルは、処置がずっと以前に実施されたことにより、処置が異なる外科医もしくはヘルスケアサービスによって実施されたことにより、または多数の他の理由で、利用できないことがある。罹患前および／または罹患した埋め込み前解剖学的構造をモデル化するやり方としてＳＳＭを使用することによって、外科医は、単に解剖学的構造スキャンのみを見ることによってもはや決定できない患者解剖学的構造の特性を決定することができる。以下でより詳細に説明されるように、処置修正に関連してＳＳＭを使用することは、特有の難題を提示し、本開示は、デバイスが画像データを外科医に提供し、外科的なガイダンスを提供する能力を改善し得る技法について説明する。
[0082]インプラントライブラリ１１０は、既知のインプラントのデータベースを表す。各既知のインプラントに関して、インプラントライブラリ１１０は、インプラントに関する製造業者の標識と、インプラントに関するモデルと、インプラントを設置または除去するために必要とされる外科的な技法と、インプラントが公的に入手可能であった国とインプラントがそれらの国で公的に入手可能であった日付範囲と、他既知のインプラントに関するそのような情報とを記憶し得る。各既知のインプラントに関して、インプラントライブラリ１１０は、インプラントのタイプ（たとえば、解剖学的、リバース型など）、インプラントの固定方法（たとえば、セメント、スクリューなど）、インプラントに利用可能な大きさなどの、インプラントについての情報も記憶し得る。各インプラントに関して、インプラントライブラリ１１０は、インプラントを除去するために必要とされるツールの標識およびインプラントを除去するための命令などの除去情報も記憶し得る。インプラントライブラリ１１０は、各既知のインプラントに関する関連づけられた２Ｄおよび／または３Ｄ画像も記憶し得る。
[0083]以下でより詳細に説明されるように、インプラント除去動作を計画する一部として、処理回路１０２は、患者インプラントについての既知の情報と患者インプラントの画像データとを使用することによって、インプラントライブラリ１１０からのどのインプラントが患者のインプラントに対応するかを決定し得る。したがって、処理回路１０２は、手術の一部として患者から除去されているインプラントに関する除去情報などの情報を出力し得る。決定された除去情報に基づいて、外科医は、たとえば、特定のインプラントを除去するためにどのツールが必要とされるかと除去がどれくらい長くかかると予想されるかとを動作の前に知ることによって、インプラント除去に関する術前計画をより良く行うことが可能になり得る。
[0084]修正ケースに遭遇するとき、処理回路１０２は、非修正ケースとは異なる処理技法を実装し得る。処理回路１０２は、たとえば、特定のケースが修正ケースである場合、外科的なチームのメンバもしく他のユーザからのユーザ入力に基づいて、または患者プロファイルに記憶された情報に基づいて、決定することがある。しかしながら、患者が外傷を経験しており、非反応性であるケースなどの、いくつかの例では、デバイス１００のユーザは、患者がすでにインプラントを設置されたかどうかを知らないことがあり、その場合、処理回路１０２は、解剖学的構造スキャン１０８に基づいてケースが修正ケースであることを決定することがある。
[0085]患者が関節内またはこの近位に既存のインプラントを設置された修正ケースの場合、デバイス１００の処理回路１０２は、解剖学的構造スキャン１０８をメモリ１０４から取得するように構成されることがある。処理回路１０２は、解剖学的構造スキャン１０８に基づいて、またはユーザ入力に基づいて、関節がインプラントを含むことを決定するように構成されることがある。処理回路１０２は、たとえば、患者の関節がインプラントを含むかどうかをユーザに尋ねる問い合わせをデバイス１００のユーザに提示することがあり、デバイス１００のユーザは、はい、いいえ、または分からないの回答で問い合わせに応答することが可能であることがある。他の例では、処理回路１０２は、たとえば、メモリ１０４に記憶された医療記録から、またはデバイス１００からリモートに記憶されるがネットワーク接続を介してデバイス１００に別の手段でアクセス可能である医療記録から、そのような情報を抽出することによって、関節がインプラントを含むことを決定するように構成されることがある。
[0086]代替的または追加的に、処理回路１０２は、解剖学的構造スキャン１０８に関する画像データの画像解析を実施することによって、画像データに基づいてインプラントの存在を決定するように構成されることがある。画像データは、この文脈では、表示画像と解剖学的構造スキャン１０８と関連づけられた生画像データの両方を含むことが理解されるべきである。この文脈では、生画像データとは、表示画像を決定するために使用される画像データを指す。生画像データは、表示画像とは異なる解像度、ビット深度、または動的範囲を有してよく、追加的に、異なる色空間または色モデルにあってよい。一般に、生画像データは、画像を表示するためにディスプレイ１１２または可視化デバイス１１８によって使用されるデータを含めて、イメージングの一部としてキャプチャされるデータと、いくつかの例では、画像を表示するためにディスプレイ１１２または可視化デバイス１１８によって直接的に使用されないデータすら含む。たとえば、生画像データは、本開示の文脈では、画像データであるとすら伝統的に考えられないデータを含んでよい。一例として、ＣＴ画像データ内で、ピクセルは、ハンスフィールドスケールを使用してハンスフィールドユニット（ＨＵ）で測定される平均減衰量に対応する相対的放射線濃度値と関連づけられる。これらのＨＵ値は、生画像データの例である。ディスプレイデバイスは、表示のためにＨＵ値をグレイスケールに変換する。別段に述べられない限り、画像データに対して実施されると説明される本開示の技法は表示画像または生画像のどちらかを使用して実施可能であることが仮定されるべきである。
[0087]追加的に、本開示における画像データは２Ｄ画像データと３Ｄ画像データの両方を指すことが理解されるべきである。簡略化のために、いくつかの技法は、２Ｄモデル内の場所を表すピクセルに対して実施されると説明されるが、別段に述べられない限り、それらの技法は、３Ｄモデル内の場所を表すボクセルに対しても実施可能であると仮定されるべきである。同様に、別段に述べられない限り、ボクセルに対して実施されると説明される技法はピクセルに対しても実施されてよいことが仮定されるべきである。
[0088]処理回路１０２は、解剖学的構造スキャン１０８の生画像データに対する強度しきい値処理を使用してインプラントの存在を決定し得る。ＣＴスキャンを使用して撮像されるとき、異なる材料は、異なる強度のピクセルを生じる。ＨＵで測定されるとき、たとえば、水は約０の値を有し、空気は約－１０００の値を有し、皮質骨は２００から５００の範囲に及び、金属インプラントは通常、１０００を超える強度を有する。いくつかの例では、インプラントは、インプラントを骨に固定する骨セメントを使用して、所定の位置にセメント接着されることがある。骨セメントは、一意の強度のピクセルを生じることもある。たとえば、ＣＴスキャンでは、ポリメチルメタクリレート（ＰＭＭＡ）骨セメントは一般に、１４２３±７０の予想強度を有するボクセルを生じるが、他のタイプのセメントは、異なる強度を有してよい。類似の強度をもつピクセルは一般に、同じ対象物（たとえば、軟部組織、骨、インプラント、セメント）に属する。
[0089]ピクセル強度を決定することによって、処理回路１０２は、画像内の対象物を、骨、軟部組織、インプラントコンポーネント、セメント、または何らかの他のカテゴリのいずれかに属するとカテゴリ化することができる。以下でより詳細に説明されるように、いくつかのピクセルは、ノイズまたは決定不可のどちらかとカテゴリ化されることがある。本開示において説明される技法を使用して、対象物に対してパターンマッチングと形状分析とを実施することによって、処理回路１０２は、対象物を、たとえば、特定の骨またはインプラントの特定のコンポーネントに属するとさらにカテゴリ化し得る。たとえば、骨に対応する画像内の対象物に対して、処理回路１０２は、骨が上腕骨、関節窩、または何らかの他の骨であるかどうかを決定するために、対象物の形状を分析し得る。同様に、インプラントコンポーネントに対応する画像内の対象物に対して、処理回路１０２は、インプラントコンポーネントが、ステム、関節窩人工関節、上腕骨人工関節、またはインプラントの何らかの他のコンポーネントであるかどうかを決定するために、対象物の形状を分析し得る。
[0090]図２は、修正ユニット２００を示す。図２の修正ユニット２００は、たとえば、処理回路１０２内に含まれる図１のデバイス１００のコンポーネントであってよい。修正ユニット２００は、インプラント分析ユニット（ＩＡＵ）２０２を含み、ＩＡＵ２０２は、インプラントセグメンテーションユニット２０４と、インプラント識別ユニット２０６と、特徴抽出ユニット２０８とを含む。修正ユニット２００は、骨疑似セグメンテーションユニット２１０と、投影ユニット２１２と、訓練された機械学習（ＴＭＬ）システム２１４と、後処理ユニット２１６も含む。
[0091]インプラントセグメンテーションユニット２０４は、解剖学的構造スキャン１０８を受け取り、解剖学的構造スキャン１０８は、インプラントをもつ関節のＣＴスキャンを含む。ＣＴスキャンは、インプラントをもつ関節の３Ｄモデルをまとめて形成し得る。インプラントセグメンテーションユニット２０４は、インプラントに対応することを示すＨＵ値を有する３Ｄモデルのボクセルを識別することによって、インプラントを隔離するために３Ｄモデルをセグメント化する。金属インプラントに関するＨＵ値は通常１０００を超え、皮質骨、結合組織、および関節の他の部分に関するＨＵ値は実質的により低いので、インプラントセグメンテーションユニット２０４は、たとえば、１０００または何らかの他の閾値レベルを超えるＨＵ値をもつボクセルをインプラントコンポーネントに対応すると、１０００を下回るＨＵ値をもつボクセルを非インプラントコンポーネントに対応すると分類し得る。
[0092]ＣＴスキャンは、インプラントに対応するボクセルを含む。いくつかのケースでは、インプラントは、インプラントが配置されるところの外側にあってＣＴスキャン内で患者解剖学的構造と重なる場所でノイズを生ずる。金属インプラントによって生じられるＣＴスキャン内のノイズは、金属インプラントに対応するボクセルのＨＵ値を実質的に下回るＨＵ値を有する傾向がある。
インプラントに対応するボクセルは高いＨＵを有するので、処理回路１０２は、ＨＵしきい値処理に基づいてインプラントを正確に識別するように構成され得る。しかしながら、インプラントによって生成されたノイズから生まれるボクセルは、ノイズからのそのようなボクセルが患者解剖学的構造のボクセルと混ぜられる場合、かなり低いＨＵ値を有するので、処理回路１０２は、ボクセルを、患者解剖学的構造に属するまたはインプラントにより画像内で生成されるノイズに属すると容易に分類しないことがある。したがって、ノイズは、典型的には、ノイズが骨を隔離するように３Ｄモデルをセグメント化することを複雑化するのと同じやり方でインプラントを隔離するように３Ｄモデルをセグメント化するプロセスを複雑化しない。インプラントセグメンテーションユニット２０４によって決定されるインプラントに対応する隔離されたボクセルは、インプラントマスクと呼ばれることがある。インプラントマスクは、インプラントに対応しないすべてのボクセルが、非インプラントに対応するそれらのボクセルの値とは異なる共通値に設定される３Ｄモデルを表す。したがって、インプラントマスクは、３Ｄモデルでは、インプラントでない他のすべてからインプラントを隔離する。
[0093]図３Ａは、リバース型インプラントを含む肩関節に対するＣＴスキャンの軸方向スライスを示す。したがって、図３Ａは、たとえば解剖学的構造スキャン１０８内に含まれ得る関節の３Ｄモデルの２Ｄスライスを表す。図３Ａの軸方向スキャンは、上腕骨キャップコンポーネント（３０２Ａ）と、関節窩球コンポーネント（３０４Ａ）と、関節窩球コンポーネントを肩甲骨に取り付けるスクリュー（３０６Ａ）とを示す。図３Ａは、骨（たとえば、３０８Ａおよび他の場所）と、関節の他の態様も示す。
[0094]図３Ｂは、インプラントを隔離するセグメンテーション後の図３Ａのインプラントを示す。したがって、図３Ｂは、インプラントマスクの軸方向スキャンを示し、上腕骨キャップコンポーネント（３０２Ｂ）と、関節窩球コンポーネント（３０４Ｂ）と、関節窩球コンポーネント３０４Ｂを肩甲骨に取り付けるスクリュー（３０６Ｂ）とを示す。しかしながら、図３Ａの他の非インプラントピクセルはすべて、図３Ｂではインプラントコンポーネントと大きく対照をなす一定の値に設定される。図３Ｂは、インプラントセグメンテーションユニット２０４によって生成されるインプラントマスクの２Ｄ例を表す。
[0095]インプラント識別ユニット２０６は、インプラントセグメンテーションユニット２０４によって決定されるインプラントマスクに基づいてインプラントに関するタイプを決定し、インプラントに関するタイプをユーザに出力する。この文脈では、インプラントに関するタイプは、たとえば、半球インプラントタイプ、リバース型インプラントタイプ、または解剖学的インプラントタイプを指す。図４を参照してより詳細に説明されるように、インプラント識別ユニット２０６は、インプラントセグメンテーションユニット２０４によって決定されるインプラントマスク内の接続されていない対象物の数に基づいて、インプラントのタイプを決定し得る。
[0096]図４を参照してより詳細に説明されるように、特徴抽出ユニット２０８は、関節窩の中心に関する近似として働き得るインプラント球体の幾何中心などのインプラントの特徴を決定するために、インプラントのセグメント化された画像すなわちインプラントマスクを分析する。
[0097]図４はＩＡＵ４０２を示し、ＩＡＵ４０２は、図２におけるＩＡＵ２０２の１つの例示的な実装形態を表す。ＩＡＵ４０２は、インプラントセグメンテーションユニット４０４と、接続されたしきい値処理ユニット４０６と、関節窩マーカ検出ユニット４０８と、特徴抽出ユニット４１０とを含む。インプラントセグメンテーションユニット４０４は一般に、図２のインプラントセグメンテーションユニット２０４に関して説明されるのと同じ様式で動作し、インプラントマスクを決定する。
[0098]決定されたインプラントマスクに基づいて、接続されたしきい値処理ユニット４０６は、インプラントマスク内の接続されていない対象物の数を決定する。接続されたしきい値処理ユニット４０６は、たとえば、インプラントに対応するＨＵ値を有する隣接するボクセルのグループを識別する。非インプラントに対応するボクセルによって完全に囲まれるインプラントに対応する隣接するボクセルのグループは、本明細書では、対象物と呼ばれている。非インプラントに対応するボクセルによって完全に囲まれるインプラントに対応するボクセルの第１のグループと非インプラントに対応するボクセルによって完全に囲まれるインプラントに対応するボクセルの第２のグループはそれぞれ、第１の対象物と第２の対象物とを構成する。インプラントに対応するボクセルの第１のグループのうちのどれも、インプラントに対応するボクセルの第２のグループのいずれかに隣接しない場合、第１の対象物および第２の対象物は、接続されていない対象物であると考えられる。すなわち、第１の対象物と第２の対象物との間に患者解剖学的構造があり、したがって、接続されていない。外部からのボクセルまたはボクセルのグループを接続されていない対象物と識別しないために、接続されたしきい値処理ユニット４０６は、ある形状または最小大きさを有するボクセルのそれらのグループのみを対象物と識別することがある。
[0099]接続されたしきい値処理ユニット４０６が、インプラントマスクが３つの接続されていない対象物を含むことを決定する場合、接続されたしきい値処理ユニット４０６は、既存のインプラントに関するタイプが定義されていないタイプを備えることを決定し、そのタイプが不明であることを意味する。接続されたしきい値処理ユニット４０６が、インプラントマスクが２つの接続されていない対象物を含むことを決定する場合、接続されたしきい値処理ユニット４０６は、既存のインプラントに関するタイプがリバースタイプインプラントを備えることを決定する。解剖学的インプラントに関する関節窩インプラントコンポーネントは典型的には、主に金属性ではないので、接続されたしきい値処理ユニット４０６は、関節窩インプラントに関する対象物をインプラントマスク内に存在すると検出しないことがある。対照的に、リバース型インプラントの場合、上腕骨インプラントコンポーネントと関節窩インプラントコンポーネントの両方は、主に金属性である。図３Ｂは、たとえば、２つの接続されていない対象物を示し、第１の対象物は上腕骨キャップコンポーネント（３０２Ｂ）であり、第２の対象物は関節窩球コンポーネント（３０４Ｂ）およびスクリュー（３０６Ｂ）である。関節窩球コンポーネント３０４Ｂおよびスクリュー３０６Ｂは、図３Ｂの軸方向スキャンでは別個の対象物であると見えるが、実際の３Ｄモデルでは、それらの２つのコンポーネントは共通の対象物である。
[0100]図５は、解剖学的インプラントを含む肩関節に関するＣＴスキャンの軸方向スライスを示す。図５は、球状上腕骨インプラントコンポーネント５０２を示し、関節窩マーカ５０４を示す。関節窩マーカ５０４は、より大きい関節窩インプラントコンポーネント内の小さいコンポーネントである。より大きい関節窩インプラントコンポーネントの大部分は非金属であるので、より大きい関節窩インプラントコンポーネントは、ＣＴスキャン内で容易に識別可能でない。
[0101]接続されたしきい値処理ユニット４０６が１つの対象物を検出する場合、関節窩マーカ検出器４０８は、関節窩マーカの存在に関して第２の探索場所を探索し得る。第２の探索場所は、たとえば、１つの検出された対象物への近接性に基づいて識別される、セグメント化されていない３Ｄモデル内の、減少した領域であってよい。たとえば、関節窩マーカ検出器４０８は、上腕骨インプラント５０２の球状表面から径方向外側のみを探索するように構成されることがあり、これは、図５では上腕骨インプラント５０２の左のエリアに全体的に対応する。関節窩マーカ検出器４０８は、上腕骨インプラントコンポーネント５０２から径方向内側に領域を探索する必要がないことがあり、これは、図５における上腕骨インプラント５０２の右の領域に全体的に対応する。半球インプラントの場合、患者は、上腕骨側の、球状に成形されたインプラントコンポーネントも有するが、解剖学的インプラントとは異なり、ヘミ（hemi）インプラントは、肩甲骨側インプラントコンポーネントを含まず、代わりに、患者の自然骨を使用して、上腕骨側インプラントコンポーネントを受け入れる。
[0102]主に非金属性であるにもかかわらず、関節窩インプラントコンポーネントは、図５におけるマーカ５０４などの金属マーカを含む。金属マーカは、たとえば、ＣＴ画像の軸方向スキャン上でほぼまっすぐな線または細い長方形を示し得る金属のストリップである。まっすぐな線は、典型的には、関節窩コンポーネントの方位を決定または監視するため、および方位が経時的に変化するかどうかを決定するために、外科医によって使用される。
[0103]関節窩マーカ検出ユニット４０８が、第２の探索場所が、金属に対応し、したがって関節窩マーカを示すボクセルを含むことを決定する場合、関節窩マーカ検出器ユニット４０８は、インプラントに関するインプラントタイプが解剖学的インプラントタイプであることを決定し得る。関節窩マーカ検出ユニット４０８が、第２の探索場所が、金属に対応し、したがって関節窩マーカを示すボクセルを含まないことを決定する場合、関節窩マーカ検出器ユニット４０８は、インプラントに関するインプラントタイプがヘミインプラントタイプであることを決定し得る。関節窩マーカの不在は、患者が肩甲骨側インプラントコンポーネントを有さないことを意味し、これは、患者の肩甲骨の変更を必要としないヘミインプラントに対応する。
[0104]関節窩マーカは、比較的小さい傾向があり、したがって、より少ない金属を含むので、関節窩マーカは、典型的にはＣＴスキャン内で同じ強度を引き起こさず、特に大きい対象物を生じない。したがって、関節窩マーカを識別するとき、関節窩マーカ検出ユニット４０８は、接続されていない対象物の数を決定するときに接続されたしきい値処理ユニット４０６によって使用される強度閾値と大きさ閾値とは異なる強度閾値と大きさ閾値とを利用し得る。
[0105]特徴抽出ユニット４１０は、インプラントタイプおよびインプラントマスクに基づいてインプラントの特徴を決定するように構成されることがある。以下でより詳細に説明されるように、特徴抽出ユニット４１０は、ＳＳＭを使用して骨の罹患した埋め込み前近似を決定するために使用可能である患者座標系を決定するように構成されることがある。
[0106]図６は、リバース型インプラントのためのインプラントコンポーネントを隔離するセグメント化された画像上で特徴抽出がどのように実施され得るかを図示する図である。図６は、セグメント化された画像の軸方向スライス６００を示す。軸方向スライス６００は、たとえば、インプラントセグメンテーションユニット２０４またはインプラントセグメンテーションユニット４０４によって決定される３Ｄインプラントマスクのスライスであってよい。軸方向スライス６００は、関節窩球６０２と、座標系中心６０４と、ベクトル６０６とを示す。リバース型インプラントの場合、特徴抽出ユニット４１０は、パターンマッチングを使用して関節窩球体に対応する部分的に球状の対象物すなわちインプラントマスク内のボクセルのグループを配置するように構成されることがある。部分的に球状の対象物は、たとえば、球状表面と平らな円形表面とを有することがある。特徴抽出ユニット４１０は、平らな円形表面上の中心場所を座標系中心（図６の６０４）と識別し得る。特徴抽出ユニット４１０は、平らな円形表面に直交するベクトル（図６の６０６）を識別し得る。
[0107]図７Ａおよび図７Ｂは、リバース型インプラントのためのインプラントコンポーネントを隔離するセグメント化された画像上で特徴抽出がどのように実施され得るかを図示する追加の図である。図７Ａは、セグメント化された画像の軸方向スライス７００を示す。軸方向スライス７００は、たとえば、インプラントセグメンテーションユニット２０４またはインプラントセグメンテーションユニット４０４によって決定される３Ｄインプラントマスクのスライスであってよい。軸方向スライス７００は、関節窩球体７０２と、上腕骨ステム７０８とを示す。リバース型インプラントの場合、特徴抽出ユニット４１０は、上腕骨ステム（図７Ａの７０８）に対応するインプラントマスク内のボクセルのグループを配置するように構成されることがある。特徴抽出ユニット４１０は、パターンマッチングを使用して細長い対象物に関してインプラントマスクを探索することによって、上腕骨ステムを識別し得る。この文脈では、細長い対象物は、一般に、長さなどの１つの次元が幅または深度などの他の次元よりも著しく大きい対象物を指す。細長い対象物の場合、特徴抽出ユニット４１０は、上腕骨ステム７０８の遠位端から上腕骨ステム７０８の近位端を指すベクトル（図７Ａの７１０）を決定するように構成されることがある。
[0108]図７Ｂは、軸方向スライス７００Ｂに関する別の図を示す。図７Ｂは、上記で説明された座標系中心６０４に対応し得る座標系中心７０４、上記で説明されたベクトル６０６に対応し得るベクトル７０６を示す。図７Ｂは、上腕骨ステム７０８から決定されるベクトル７１０も示す（たとえば、図７Ｂのベクトル７１０は、上腕骨ステム７０８の遠位端を越えて中心６０４を通って延長された図７Ａのベクトル７１０を図示する）。図７Ｂで分かるように、ベクトル７０６とベクトル７１０は、完全には直交しない。したがって、特徴抽出ユニット４１０は、ベクトル７０６および７１０によって画定された平面を決定し、その平面上で、ベクトル７０６と直交するようにベクトル７１０を回転させ得る。この回転されるベクトルは、図７Ｂではベクトル７１２として示されている。したがって、図７Ｂでは、ベクトル７０６とベクトル７１２は直交する。特徴抽出ユニットは、追加的に、ベクトル７０６および回転されるベクトル７１２によって形成される平面と直交するすなわちこれに垂直である、座標系中心７０４を中心とする第３のベクトルを決定することがある。この直交ベクトルは、図７Ｂの２Ｄ画像と直角をなし（たとえば、図７Ｂの２Ｄ画像から出るまたはこれに入る）、図７Ｂではベクトル７１４として示される。
[0109]ベクトル７０６、７１２、および７１４は、したがって、座標系中心７０４を中心とする患者座標系を形成する。ベクトル７０６は、関節窩に関する中外側（medio-lateral）軸を近似し、ベクトル７１２は、関節窩に関する上下（infero-superior）軸を近似する。解剖学的構造では、患者の頭部により近い位置は、一般に、上方であると呼ばれ、患者の足により近い位置は、一般に、下方であると呼ばれる。正中面は、患者の身体の中心を通って、たとえば、鼻および骨盤を通って走る、想像上の平面を指す。正中面により近い位置は、一般に、内側であると呼ばれ、正中面からより遠い位置は、一般に、外側であると呼ばれる。
[0110]解剖学的インプラントの場合、特徴抽出ユニット４１０は、上記でリバース型インプラントに関して説明されたのと同じ様式で、球状インプラントコンポーネントに基づいて第１のベクトルと、上腕骨ステムコンポーネントに基づいて第２のベクトルとを決定する。しかしながら、いくつかの実装形態では、第１のベクトルは、代替的に、関節窩マーカに基づいて決定されることがある。しかしながら、解剖学的インプラントの場合、球状インプラントコンポーネントは、関節窩側インプラントコンポーネントの代わりに上腕骨側インプラントコンポーネントである。リバース型インプラントと同様に、特徴抽出ユニット４１０は、直交する第２のベクトルを決定し、第１のベクトルおよび回転される第２のベクトルによって形成される平面に対して直交する、すなわち垂直である第３のベクトルを決定するために、上腕骨ステムから決定される第２のベクトルも回転させ得る。しかしながら、リバース型インプラントとは異なり、解剖学的インプラントの場合、特徴抽出ユニット４１０は、肩甲骨側インプラントコンポーネント内の関節窩マーカの場所に基づいて座標系中心を決定する。第１のベクトル、回転される第２のベクトル、および第３のベクトルは、座標系中心を中心とする座標系を形成する。
[0111]図２に戻って、骨疑似セグメンテーションユニット２１０は、関節の骨の疑似セグメンテーションを実施する。骨疑似セグメンテーションユニット２１０は、たとえば、骨を示すＨＵ値を有する３Ｄモデルのボクセルを識別し得る。骨疑似セグメンテーションユニット２１０は、骨と関連づけられたＨＵ値の狭い範囲内にあるＨＵ値をもつそれらのボクセルのみを骨と分類するように構成されるので、骨疑似セグメンテーションユニット２１０によって実施されるセグメンテーションは、「疑似」セグメンテーションと呼ばれることがある。骨疑似セグメンテーションユニット２１０は、その狭い範囲の外側のボクセルが実際には骨に対応し得る場合であっても、それらのボクセルを骨でないと分類する。前に論じたように、インプラントの金属は、ＣＴスキャンのみに基づいていくつかのボクセルの分類を不確定にし得るノイズを生ずる。実際には骨に対応する３Ｄモデルのいくつかのボクセルは、たとえば、ノイズの存在により、狭い範囲内のＨＵ値を有さないことがある。疑似セグメント化された骨を決定する目的で、骨疑似セグメンテーションユニット２１０は、そのような不確定ボクセルを骨でないと分類し、そのようなボクセルをさらに分類することを試みないように構成されることがある。
[0112]図８は、骨疑似セグメンテーションユニット２１０によって生成され得る疑似セグメント化された骨の画像８００の一例を示す。図８の例では、エリア８０２は、３Ｄモデルのその部分に関するボクセルのＨＵ値に基づいて骨疑似セグメンテーションユニット２１０が骨であると決定した、画像８００内の例示的なエリアである。エリア８０４Ａおよび８０４Ｂは、３Ｄモデルのその部分に関するボクセルのＨＵ値に基づいて骨疑似セグメンテーションユニット２１０が決定的には骨でないと決定した、画像８００内の例示的なエリアを表す。そのようなエリアは、たとえば、骨に対応するが、ノイズによって不明瞭にされることがある、または組織もしくはインプラントなどの非骨に対応することがある。
[0113]投影ユニット２１２は、形状モデル１０６、骨疑似セグメンテーションユニット２１０によって決定される疑似セグメント化された骨、および特徴抽出ユニット２０６によって決定されるインプラント特徴の形状モデルに基づいて、肩甲骨などの罹患した埋め込み前解剖学的対象物の推定を生成する。投影ユニット２１２によって使用される、形状モデル１０６のうちの特定の形状モデルは、たとえば、インプラントが設置される前に、関節の既知の分類に基づいて、外科的なチームのメンバによって選択されることがある。既知の分類は、たとえば、以下でより詳細に論じられる、関節窩のＷａｌｃｈ分類であってよい。
[0114]以下でより詳細に説明されるように、投影ユニット２１２は、骨のための初期形状推定として疑似セグメント化された骨（たとえば、図８の画像８００）を使用することがある。投影ユニット２１２は、最初にアライメントされた形状推定を形成するように、初期形状推定を形状モデルにアライメントし得る。投影ユニット２１２は、たとえば、本開示の他の場所で論じられるように、決定された患者座標系を使用して初期形状推定を形状モデルにアライメントすることがある。患者座標系は、特徴抽出ユニット２０８によって決定される特徴に基づいて、または患者座標系を決定するための以下で説明される他の技法に基づいて、決定されてよい。
[0115]図９Ａは、形状モデル９０２への初期形状推定９００の初期アライメントを示す。初期アライメントは、決定された患者座標系に基づいて決定される。図９Ｂは、回転後の形状モデル９０２への初期形状推定９００のアライメントを示す。初期アライメントを決定するためおよび回転を実施するための技法は、以下でより詳細に説明される。
[0116]アライメント後、投影ユニット２１２は、次いで、骨の罹患した埋め込み前近似を生成するためにアライメントされた形状推定に基づいて形状モデルを変形させ得る。投影ユニット２１２は、たとえば、反復的最近点（ＩＣＰ）および／または弾性レジストレーションを使用して変形させることを実施することがある。投影ユニット２１２の機能に関するより詳細な説明は、以下で提供される。図１０は、罹患した埋め込み前近似１０００を示し、罹患した埋め込み前近似１０００は、投影ユニット２１２の例示的な出力を表す。
[0117]修正ユニット２００は、たとえば、術前計画において使用するためまたは他の目的で、ディスプレイデバイスを介して、外科的なチームのメンバに骨の罹患した埋め込み前近似を出力し得る。修正ユニット２００は、患者解剖学的構造の３Ｄモデルに対してセグメンテーションを実施するために、骨の埋め込み前近似を使用することもある。
[0118]投影ユニット２１２は、骨の罹患した埋め込み前近似をＴＭＬシステム２１４にも出力することがある。インプラントセグメンテーションユニット２０４からのインプラントマスク、投影ユニット２１２からの罹患した埋め込み前近似、および特徴抽出ユニット２０８からの決定されたインプラント特徴（たとえば、座標系を示す情報）に基づいて、ＴＭＬシステム２１４は、３Ｄモデル（たとえば、肩甲骨、鎖骨、関節窩、上腕骨などの患者解剖学的構造の特定の部分を隔離する解剖学的構造スキャン１０６）をセグメント化する。ＴＭＬシステム２１４は、以下でより詳細に説明されるように、機械学習に基づいてセグメンテーションを実施するように構成されることがある。ＴＭＬシステム２１４は確率分類マップを生成し、確率分類マップは、各ボクセルまたはボクセルのグループを、解剖学的構造の特定のピースに対応する確率と関連づけ得る。
[0119]上述のように、骨疑似セグメンテーションユニット２１０は、比較的小さい曖昧さで３Ｄモデル内の非インプラントからインプラントをセグメント化することができる。肩甲骨と隣接する骨との境界を識別することは、一例として、より複雑な意思決定を必要とする。したがって、ＴＭＬシステム２１４は、インプラントを３Ｄモデルから除去するように構成されることがある。この文脈において、除去は、インプラントに対応するボクセルを黒色などの一定の異なる色に設定することを意味することがある。ＴＭＬシステム２１４は、次いで、罹患した埋め込み前近似を残りの非インプラントボクセルと比較し、この比較に基づいて、特定のボクセルまたはボクセルのグループが肩甲骨に対応する、上腕骨に対応するなどの確率を決定し得る。
[0120]後処理ユニット２１６は、たとえば、最終的なセグメント化された画像を決定および出力するために、セグメント化された画像と確率分類マップとを処理することがある。一例では、最終的なセグメント化された画像は、疑似セグメンテーションユニット２１０によって決定される疑似セグメンテーションに対応する境界、罹患した埋め込み前近似に対応する境界、または他のそのような境界を示す注釈を含むことがある。図１１では、たとえば、境界１１０２Ａおよび１１０２Ｂは、それらの境界が疑似セグメント化された画像に対応することを示すために、第１のスタイルたとえば色または線のタイプで提示されてよく、境界１１０４Ａおよび１１０４Ｂは、それらの境界が罹患した埋め込み前近似に対応することを示すために、異なるスタイルで提示されてよい。
[0121]確率分類マップは、ボクセルごとまたはボクセルのグループごとの信頼水準を表す。確率マップは、複数のセグメンテーションに関する確率を生成するために後処理ユニット２１６によって使用されてよい。図１２は、３つの提案されるセグメンテーションをもつ出力画像の一例を示し、各セグメンテーションは、関連づけられた確率を有する。９０％の確率は、たとえば、その線内のエリアは、肩甲骨に属する９０％確率を有すると決定されていることを意味し得る。線は、遠く離れるほど低い確率を有し、それらのセグメンテーションは肩甲骨に属しない骨を含む可能性が高くなることを意味する。
[0122]後処理ユニット２１６は、ユーザ入力を受け取るように構成されることがある。ユーザ入力は、たとえば、提案されるセグメンテーションのうちの１つの選択であってもよいし、確率分類マップによってガイドされる手動セグメンテーションであってもよい。
[0123]図１３は、ＴＭＬシステム２１４のための例示的な訓練システムを示す。図１３の訓練システムはＩＡＵ１３０２を含み、ＩＡＵ１３０２は、骨疑似セグメンテーションユニット１３０４と、インプラントセグメンテーションユニット１３０６と、特徴抽出ユニット１３０８とを含む。図１３の訓練システムは、手動セグメンテーションユニット１３１０と、ＭＬシステム１３１２も含む。ＩＡＵ１３０２、骨疑似セグメンテーションユニット１３０４、インプラントセグメンテーションユニット１３０６、および特徴抽出ユニット１３０８は、一般に、インプラントマスクを生成し、インプラント特徴を決定するために、上記で説明された、ＩＡＵ２０２、骨疑似セグメンテーションユニット２０４、インプラントセグメンテーションユニット２０６、および特徴抽出ユニット２０８と同じ様式で機能する。
[0124]解剖学的構造スキャン１０８からの特定の解剖学的構造スキャンの場合、ＩＡＵ１３０２は、インプラントマスクと疑似セグメンテーションとを生成し、インプラント特徴を決定する。同じ特定の解剖学的構造スキャンの場合、手動セグメンテーションユニット１３１０は、解剖学的構造スキャンの１つまたは複数の手動セグメンテーションを生じさせる。手動セグメンテーションは、たとえば、外科医または他の専門家からの入力に基づいて生成されてよい。手動セグメンテーションは、ＭＬシステム１３１２のためのグラウンドトルース（ground truth）として働いてよい。ＭＬシステム１３１２は、手動セグメンテーションと同じセグメンテーションたとえば手動セグメンテーションの平均またはモードが生じる様式で、疑似セグメント化された画像、インプラントマスク、および決定された特徴に基づいて、解剖学的構造スキャンをどのようにしてセグメント化するかを決定する。ＭＬシステム１３１２は、機械学習を使用して、多数の訓練サンプルを使用してこれらのセグメンテーションを学習し得る。次いで、機械学習技法が、ＴＭＬシステム２１４によって実装されてよい。
[0125]次に、形状モデリングの態様がより詳細に説明される。処理回路１０２および投影ユニット２１２は、たとえば、患者解剖学的構造の罹患前近似または罹患した埋め込み前近似を決定するように構成されることがある。ＳＳＭは、（データベース）サンプルの集団の間の形状変動を表すコンパクトなツールである。たとえば、臨床医または研究員は、損傷したまたは病んでいる関節窩、上腕骨、または隣接する骨に苦しまない集団を全体として表す異なる人々の、ＣＴ画像データなどの画像スキャンのデータベースを生成することがある。追加的または代替的に、臨床医または研究員は、特定のタイプの損傷したまたは病んでいる関節窩、上腕骨、または隣接する骨に苦しむ集団を全体として表す異なる人々の画像スキャンのデータベースを生成することがある。
[0126]一例として、関節窩の形態的特徴は、伝統的に、Ｗａｌｃｈ分類と呼ばれるシステムを使用して分類される。病んでいる関節窩に関するＷａｌｃｈ分類は、２次元ＣＴスキャンの軸方向切断に基づいて決定され、関節窩の形態的特徴は、サブタイプをもつ３つの主要グループに分けられる。タイプＡは、上腕骨頭の後方亜脱臼を伴わない中心性（centered）関節炎または対称性関節炎である。タイプＡ１は、軽微な中心摩耗またはびらんを有し、タイプＡ２は、重度または大きな中心摩耗またはびらんを有する。タイプＢは、上腕骨頭の後方亜脱臼を伴う非対称性関節炎によって特徴づけられる。タイプＢ１は、後方関節腔狭窄、軟骨下硬化、および骨増殖体を伴う明らかな関節窩びらんを有さない。タイプＢ２は、関節窩の両凹出現を形成する後方関節窩の明白なまたは明らかなびらんを有する。タイプＣは、関節窩びらんまたは関節窩に対する上腕骨頭の場所に関係なく、２５°よりも大きい関節窩後捻（形成異常に生じる）を示す。
[0127]臨床医または研究員は、データベース内の形状から患者解剖学的構造に関する平均形状を決定し得る。臨床医または研究員は、損傷した関節に苦しまない人々のための患者解剖学的構造に関する平均形状を決定し、ならびにさまざまなタイプの病んでいる関節の各々に関する平均形状を決定し得る。臨床医または研究員は、たとえば、タイプＡ関節窩、タイプＡ１関節窩、タイプＢ関節窩などに関する平均形状を決定することがある。以下のさまざまな技法は、罹患前モデルまたは罹患したモデルのどちらかを表し得る形状モデル１０６に関して説明される。以下でより詳細に説明されるように、さまざまなタイプの病んでいる関節に関する平均形状は、インプラントをもつ患者に関する解剖学的対象物の罹患した埋め込み前特徴づけを決定するために使用されてよい。
[0128]図１に戻って、メモリ１０４は、形状モデル１０６を示す情報を記憶する。一例として、形状モデル１０６は、データベース内の形状からの患者解剖学的構造の解剖学的対象物（たとえば、関節窩、上腕骨頭など）に関する平均形状を表す。データベース内の形状の最頻値または中央値などの、形状モデル１０６の他の例も可能である。重み付き平均は、形状モデル１０６の別の可能な例である。形状モデル１０６は、点の表面またはボリューム（たとえば、３Ｄモデルを画定する点のグラフィカルな表面またはボリューム）であってよく、平均形状を示す情報は、表面を形成するために相互接続するプリミティブ（primitive）の頂点に関する座標値であってよい。形状モデル１０６のようなＳＳＭを生成する技法と形状モデル１０６を生成することと関連づけられた値は、２００６年８月２２日付けのｈｔｔｐ：／／ｗｗｗ．ｃｍｌａｂ．ｃｓｉｅ．ｎｔｕ．ｅｄｕ．ｔｗ／～ｃｙｙ／ｌｅａｒｎｉｎｇ／ｐａｐｅｒｓ／ＰＣＡ＿ＡＳＭ．ｐｄｆからなどのさまざまな文献において見出され得る。形状モデル１０６を生成する他のやり方も可能である。
[0129]形状モデル１０６を用いて、処理回路１０２は、形状モデル１０６の点または値を共分散行列に追加することによって、解剖学的構造形状変動を表し得る。たとえば、ＳＳＭは、一次方程式として解釈可能である。
Figure 2023162303000002
[0130]上記の式では、ｓ’は、形状モデル１０６である（たとえば、一例として平均形状のポイントクラウド、ここで、ポイントクラウドは、形状モデル１０６を形成するプリミティブの頂点などの、形状モデル１０６内の点の座標を定義する）。式では、それぞれ、λiは固有値、ｖiは共分散行列の固有ベクトルである（変動の最頻値とも呼ばれる）。共分散行列は、データセット内の分散を表す。ｉ，ｊ位置の要素は、データセット配列のｉ番目の要素とｊ番目の要素の共分散である。
[0131]ＳＳＭは、データベースの共分散行列を構築し、次いで、主ベクトル（固有ベクトルとも呼ばれる）の行列と正の値（固有値と呼ばれる）の別の対角行列とを抽出する「特異値分解」を実施することを表す。固有ベクトル（式中のｖi）は、データベースの新しい座標系基底である。固有値（式中のλi）は、固有ベクトル（ｖi）の分散を表す。固有ベクトルと固有値はともに、対応する軸に関する変動の量を反映し得る。
[0132]この数式は、処理回路１０２が、共分散行列の重みｂiを変更するだけで、ｓjの無数のインスタンス（たとえば、形状モデルの異なる変動）を作成することを可能にする。たとえば、新しい形状モデルを生成するために、処理回路は、ｂiの値を決定し、ｓiの新しい値を決定することがある。上記の例では、λiおよびｖiおよびｓ’はすべて、ｓ’が生成された様式に基づいて（たとえば、形状モデル１０６が生成された様式に基づいて）既知である。ｂiの異なる値を選択することによって、処理回路１０２は、形状モデルの異なるインスタンス（たとえば、形状モデル１０６の異なる変動である異なるｓi）を決定し得る。
[0133]形状モデルは、解剖学的対象物は患者にとってどのように見えるべきかを表し得る。より詳細に説明されるように、処理回路１０２は、傷害または疾患によって影響されないまたは最小限に影響される解剖学的対象物の解剖学的点（たとえば、非病理性点）として、解剖学的対象物の形状モデルの（たとえば、点の３Ｄクラウド内の）点を、スキャン１０８の画像データ内に表される解剖学的点と比較し得る。この比較に基づいて、処理回路１０２は、解剖学的対象物の罹患前または罹患した埋め込み前特徴づけを決定し得る。
[0134]一例として、外科医は、肩手術のために関節窩腔の罹患前特性を決定したい、または修正手術のために関節窩の罹患した埋め込み前特性を決定したいと仮定する。医学的関節窩円蓋（vault）、肩峰、および烏口など、関節窩腔の形状と、その周りの骨ゾーンとの間に相関がある。形状モデル１０６は、関節窩腔を含む肩甲骨の平均形状であってよい。患者において、関節窩腔は病理性である（たとえば、病んでいるまたは損傷している）と仮定する。
[0135]本開示において説明される例示的な技法によれば、処理回路１０２は、患者の解剖学的対象物の非病理性解剖学的構造（たとえば、スキャン１０８における肩甲骨の非病理性部分）に最も良く合致する「ｓ」のインスタンス（たとえば、関節窩腔を有する肩甲骨の形状モデル）を決定し得る。「ｓ」のインスタンスにおいて、非病理性解剖学的構造（ｓ＊と呼ばれ、形状モデルに類似したポイントクラウドによって表される）に最も良く合致する関節窩腔は、病理性関節窩腔の罹患前または罹患した埋め込み前特徴づけを示し得る。
[0136]処理回路１０２または投影ユニット２１２は、ｓ＊のインスタンス（たとえば、患者の肩甲骨の非病理性部分に最も良く合致する関節窩腔をもつ肩甲骨の形状モデル）を決定し得る。非病理性部分は、解剖学的対象物の、疾患または傷害からの最小限の影響をもつ部分から影響のない部分までであってよく、解剖学的対象物およびその周囲の解剖学的構造は、解剖学的対象物をセグメント化するためにスキャン１０８によって実施されるセグメンテーションから得られる。
[0137]いくつかの例では、特定の解剖学的対象物の罹患前または罹患した埋め込み前特徴づけを決定するために、解剖学的対象物を越える解剖学的構造が、形状モデルをアライメントするために必要とされることがある。たとえば、関節窩の罹患前または罹患した埋め込み前特徴づけを決定するために、肩甲骨の解剖学的構造が、形状モデルをアライメントするために必要とされることがある。その場合、形状モデルの関節窩は、患者の関節窩の罹患前または罹患した埋め込み前特徴づけを表す。したがって、形状モデルは、単に対象物となる（たとえば、関節窩）解剖学的対象物をモデル化することに限定されなくてよいが、追加の解剖学的対象物を含んでよい。
[0138]処理回路１０２または投影ユニット２１２は、以下の例示的な動作を実施してよい。（１）初期アライメントされた形状を生成するために、スキャン１０８の画像データから形状モデル１０６の座標系に、セグメント化された解剖学的対象物を最初にアライメントする、（２）アンダーセグメンテーションおよびオーバーセグメンテーションにより初期アライメントにおける誤りを補償する、ここで、アンダーセグメンテーションおよびオーバーセグメンテーションは、アライメントされた形状（中間アライメントされた形状とも呼ばれる）を生成するためにスキャン１０８を生成する際の不完全性によるものである、および（３）ｓ＊のインスタンス（すなわち、セグメンテーション対象物によって識別される患者解剖学的構造に最もぴったり合致するｓ’のインスタンス）を決定するために反復的最近点（ＩＣＰ）動作と弾性レジストレーションとを含む反復的動作を実施する。動作（１）に関して、本開示は、患者が解剖学的インプラントを有するかもしくはリバース型インプラントを有するか、または患者がまだインプラントを設置されていないかもしくはヘミインプラントを設置されたかに応じて、患者座標系を決定するための異なる技法について説明する。動作（１）～（３）を実施する例示的な技法は、以下でより詳細に説明される。
[0139]患者解剖学的構造の罹患前または罹患した埋め込み前特徴づけを生成することに関するいくつかの技術的問題があることがある。１つの問題は、アンダーセグメンテーションまたはオーバーセグメンテーションにより、スキャン１０８から必要とされる画像データが利用可能でないまたは歪められており、セグメント化された対象物を形状モデル１０６にアライメントする難題を生じさせることであることがある。別の問題は、ひとたび形状モデル１０６へのアライメントがあると、セグメント化された対象物への形状モデル１０６のレジストレーションが不十分であることがあり、不十分な罹患前または罹患した埋め込み前特徴づけをもたらすことであることがある。
[0140]本開示は、アンダーセグメンテーションまたはオーバーセグメンテーションがある状況および患者がすでにインプラントを有する状況ですら、セグメント化された対象物の形状モデル１０６へのアライメントを可能にする例示的な技法について説明する。本開示は、（たとえば、ＩＣＰと弾性レジストレーションとを使用する複数レベルの反復的プロセスにおいて）セグメント化された対象物に形状モデル１０６をレジストレーションする例示的な技法についても説明する。本開示において説明される例示的な技法は、別々に使用されてもよいし、一緒に使用されてもよい。たとえば、一例では、処理回路１０２は、本開示において説明される例示的な技法を利用してセグメント化された対象物の形状モデル１０６へのアライメントを実施するが、何らかの他の技法を使用してセグメント化された対象物への形状モデル１０６のレジストレーションを実施するように構成されることがある。一例では、処理回路１０２は、何らかの他の技法を利用して、セグメント化された対象物の形状モデル１０６へのアライメントを実施するが、本開示において説明される１つまたは複数の例示的な技法を使用して、セグメント化された対象物への形状モデル１０６のレジストレーションを実施することがある。いくつかの例では、処理回路１０２は、本開示において説明される例示的なアライメントおよびレジストレーション技法を実施することがある。
[0141]上記で説明されたように、処理回路１０２は、セグメント化された対象物（たとえば、ボクセル強度比較などの例示的な技法を使用してセグメント化されたような）を形状モデル１０６にアライメントすることがある。本開示では、アライメントは、セグメント化された対象物が形状モデル１０６と同じ座標系にあるような、セグメント化された対象物の座標系への変更を指す。同じく上記で説明されたように、形状モデル１０６の一例は、関節窩腔をもつ肩甲骨の解剖学的構造の形状モデルであり、関節窩腔は、受傷したまたは病んでいる解剖学的対象物である。たとえば、形状モデル１０６は、それ自体の座標系において定義され、患者座標系とは異なってよい（たとえば、スキャン１０８内の３Ｄ点のポイントクラウドを画定する座標系）。患者座標系とは、非病理性点と病理性点とを含むスキャン１０８内の患者の解剖学的構造内の点を定義するために使用される座標系である。非病理性点は、非病理性解剖学的構造のためのスキャン１０８内の点を指し、病理性点は、病理性解剖学的構造のためのスキャン１０８内の点を指す。
[0142]病理性点と非病理性点とを決定するさまざまなやり方があることがある。一例として、外科医は、病理性点と非病理性点とを識別するためにスキャン１０８の画像データを調べることがある。別の例として、外科医は、病理性点と非病理性点とを識別するためにセグメント化された対象物のグラフィカル表現を調べることがある。別の例として、いくつかの解剖学的点がまれに受傷しているまたは病んでおり、スキャン１０８の画像データ内に存在するという仮定があることがある。たとえば、医学的関節窩円蓋、肩峰、および烏口は、数個の例である。追加の例としては、肩甲三角（trigonum scapulae）および肩甲骨下角がある。しかしながら、１つまたは複数の肩甲三角および肩甲骨下角は、オーバーセグメンテーションおよびアンダーセグメンテーションによりスキャン１０８の画像データ内に存在しないまたは歪められることがある。
[0143]１つまたは複数の例では、処理回路１０２は、患者座標系を決定することがあり、この患者座標系は、スキャン１０８のＣＴスキャンデータに関して記録された座標系である。形状モデル１０６は、それ自体の座標系において定義されてよい。処理回路１０２は、形状モデル１０６とともに記憶されたメタデータに基づいて形状モデル１０６の座標系を決定してよく、メタデータは、データベース内の形状の平均を決定することの一部として生成された。処理回路１０２は、患者座標系および形状モデル１０６の座標系に基づいて変換行列を決定し得る。変換行列は、セグメント化された対象物（たとえば、点の３Ｄボリューム内の点）を形状モデル１０６の座標系に処理回路１０２が変換するやり方である。たとえば、セグメント化された対象物の点の３Ｄボリューム内の点は、（ｘ，ｙ，ｚ）座標値を用いて定義され得る。変換の結果は、形状モデル１０６の座標系にアライメントされる座標（ｘ’，ｙ’，ｚ’）座標値であってよい。処理回路１０２は、閉形式を通して変換行列を計算する。
[0144]変換行列を決定する複数のやり方がある。一例として、座標系はｃ＝（ｘ，ｙ，ｚ，ｏ）であってよく、ここで、ｘ、ｙ、およびｚは直交基底３Ｄベクトル、ｏは原点である（ｃは４×４同次行列であり、最後の列は（０，０，０，１）である）。セグメント化された対象物が変換されることになる新しい座標系は、Ｃ＝（Ｘ，Ｙ，Ｚ，Ｏ）である。この例では、変換行列はその場合、Ｔ＝ｃ＾－１×Ｃである。したがって、処理回路１０２は、患者座標系を決定し得る。
[0145]図１４から図２０は、処理回路１０２が患者座標系を決定する例示的なやり方について説明する。より詳細に説明されるように、患者座標系を決定した後ですら、形状モデル１０６へのさらなる調整が、セグメント化された対象物（たとえば、患者解剖学的構造）を形状モデル１０６に適切にアライメントするために必要とされ得る。たとえば、オーバーセグメンテーションまたはアンダーセグメンテーションのために、欠落したまたは歪められた画像データは、患者座標系を決定するために使用できない。したがって、処理回路１０２は、初期アライメントを実施するために利用可能である画像データを利用するが、その場合、セグメント化された対象物を形状モデル１０６に完全にアライメントするためにさらなる動作を実施することがある。
[0146]図１４は、患者の座標系を決定するために使用される対象物となる点を有する肩甲骨の例示である。たとえば、図１４は、関節窩中心１２０と肩甲三角１２２と肩甲骨下角１２４とを有する肩甲骨１１８を図示する。いくつかの技法は、関節窩中心１２０と、肩甲三角１２２と、肩甲骨下角１２４とを利用して、患者座標系を決定する。たとえば、関節窩中心１２０、肩甲三角１２２、および肩甲骨下角１２６は、三角形を形成すると考えられてよく、処理回路１０２は、患者座標系の原点として三角形の中心点（たとえば、３Ｄにおける）を決定し得る。
[0147]しかしながら、そのような技法は、オーバーセグメンテーションおよびアンダーセグメンテーションのケースでは利用できないことがある。一例として、アンダーセグメンテーションでは、スキャン１０８は、下方および／または上方および／または内側に切られ、肩甲三角１２２および肩甲骨下角１２４が、スキャン１０８の画像データから抽出されたセグメント化された対象物内に存在しないことがある。したがって、処理回路１０２は、患者座標系を決定する目的で関節窩中心１２０、肩甲三角１２２、および肩甲骨下角１２４の３つすべてを利用することが可能でないことがある。
[0148]１つまたは複数の例では、特定のランドマーク（たとえば、関節窩中心１２０、肩甲三角１２２、および肩甲骨下角１２４）が、スキャン１０８の画像データ内のセグメント化された解剖学的対象物として利用可能でない場合、処理回路１０２は、肩甲骨法線（たとえば、肩甲骨１１８に垂直なベクトル）に基づいて患者座標系を、およびスキャン１０８の画像データの３Ｄ情報に基づいて横軸を定義することがある。より詳細に説明されるように、処理回路１０２は、肩甲骨体１１８に最も良く適合する平面の法線に基づいて肩甲骨法線を決定し得る。処理回路１０２は、棘上窩と脊柱と肩甲骨体との間にある海綿様領域を通る線を適合させることによって、横軸を決定し得る。海綿様領域を使用して、処理回路１０２は、デカルト（たとえば、ｘ，ｙ，ｚ）座標系を定義し得る（他の座標系も可能であるが）。座標系の原点は関節窩中心１２０であってよいが、他の原点も可能である。
[0149]このようにして、処理回路１０２は、オーバーセグメンテーションまたはアンダーセグメンテーションがある場合ですら、スキャン１０８の画像データ内に存在する解剖学的対象物に基づいて、患者に関する座標系を決定し得る。座標系に基づいて、処理回路１０２は、罹患前または罹患した埋め込み前特徴づけを決定する目的で形状モデルをレジストレーションするために、セグメンテーション対象物を形状モデル１０６（たとえば、初期ＳＳＭ）の座標系にアライメントし、形状モデル１０６を患者セグメンテーション対象物に反復的に変形させ得る（たとえば、形状モデル１０６の変形されたバージョン）。
[0150]図１５Ａおよび図１５Ｂは、オーバーセグメンテーションまたはアンダーセグメンテーションにより画像データが利用可能でない解剖学的対象物に依拠しないことがある患者座標系を決定するために肩甲骨を通る平面状切断の例示である。たとえば、アンダーセグメンテーションまたはオーバーセグメンテーションにより利用可能でないことがある、関節窩中心１２０、肩甲三角１２２、および肩甲骨下角１２４に依拠する図１４の例とは異なり、図１５Ａおよび図１５Ｂを参照して図示される例示的な技法は、アンダーセグメンテーションまたはオーバーセグメンテーションにより利用可能でない解剖学的対象物に依拠しないことがある。
[0151]図１５Ａで図示されるように、スキャン１０８の１つは、肩甲骨部分１２６を示す、肩甲骨１１８を通る軸方向切断のスキャンであってよい。図１５Ｂは、肩甲骨１１８を通る図１５Ａの肩甲骨部分１２６の上面図である。
[0152]図１５Ｂは、肩甲骨部分１２６を通過する、部分１２６を通る交差平面を表す、複数のドットを図示する。１つまたは複数の例では、処理回路１０２は、肩甲骨部分１２６を通って交差する平面を決定し得る。部分１２６を通る平面の交差点は、ドットで示される。たとえば、図１５Ｂは、線１２８を図示する。線１２８は、肩甲骨部分１２６内でドットの大半と交差する。
[0153]肩甲骨部分１２６内のドットは、周囲の輪郭の「骨格」であり得る。骨格は、それぞれの最も近い境界まで各々同じ距離である輪郭を通るドットである。骨格が説明されているが、別の例として、いくつかの例では、肩甲骨部分１２６内のドットは、中心点であることがある。
[0154]処理回路１０２は、部分１２６を形成する画像データを決定し得る。処理回路１０２は、図示されるように、部分１２６のドット（たとえば、２つの非限定的な例として骨格ドットまたは中心ドット）を決定し得る。処理回路１０２は、線１２８から関節窩の方へ上がって線１２８から肩甲骨下角の方へ下方に延びる平面を決定し得る。
[0155]たとえば、図１５Ａは１つの例示的な軸方向切断を図示しているが、処理回路１０２は、図１５Ｂと同様に、複数の軸方向切断を決定し、軸方向切断を通る点を決定し得る。結果は、各軸方向切断に対する２Ｄ点であってよく、処理回路１０２は、軸方向切断の各々を通る、線１２８に類似した線を決定し得る。処理回路１０２は、肩甲骨１１８を通る各軸方向切断に対する線を通って延びる平面を決定し得る。この平面は、肩甲骨１１８を通り、図１６に図示されている。
[0156]図１６は、患者の座標系を決定するための肩甲骨を通る、図１５Ａおよび図１５Ｂに図示される例とともに決定される、平面に対する法線の斜視図の概念図である。たとえば、図１６は、平面１３０を図示する。平面１３０は、図１５Ｂに図示される線１２８と交差する。平面１３０は、肩甲骨体１１８に最も良く適合する平面と考えられ得る。処理回路１０２は、平面１３０に垂直なベクトル１３２を決定し得る。１つまたは複数の例では、ベクトル１３２は、患者座標系の１つの軸（たとえば、ｘ軸）を形成し得る。他の軸を決定する技法は、以下でより詳細に説明される。
[0157]図１７は、患者の座標系を決定するための肩甲骨を通る平面に対する法線の別の斜視図などの、図１６の例の別の斜視図の概念図である。図１７は、図１６に類似しているが、図１６の側方斜視図ではなく前面斜視図からである。たとえば、図１７は、最も良く適合する平面１３０と法線ベクトル１３２とともに患者の肩甲骨１１８を図示する。
[0158]このようにして、処理回路１０２は、肩甲骨１１８に垂直な患者座標系の第１の軸を決定し得る。処理回路１０２は、肩甲骨１１８を横断する軸として、患者座標系の第２の軸を決定し得る。
[0159]図１８は、患者の座標系を決定するための肩甲骨を通る横軸を図示する概念図である。たとえば、図１８は、形状モデル１０６をスキャン１０８の画像データの座標系にアライメントするための、図４および図５で決定された１つに加えて、軸を決定する例を図示する。
[0160]図１８は、横軸１３４を図示する。処理回路１０２は、棘上窩と脊柱と肩甲骨体との間にある海綿様領域を通って適合する線として、横軸１３４を決定し得る。横軸１３４を決定する例示的な技法は、図１９Ａ、１９Ｂ、図２０Ａ～図２０Ｃ、ならびに図２１Ａおよび図２１Ｂを参照して説明され、処理回路１０２は、図１９Ａおよび図１９Ｂに図示されるようにスキャン１０８の画像データに基づいて、肩甲骨を通る複数の矢状切断を決定し得る。たとえば、図１９Ａおよび図１９Ｂは、軸１３３Ａに基づいて肩甲骨を通る矢状切断の異なる斜視図である。処理回路１０２は、棘上窩と脊柱と肩甲骨体との間にある海綿様領域の近似に基づいて軸１３３Ａを利用してよく、推定される軸とともにあらかじめプログラムされてよい。
[0161]図２０Ａ～図２０Ｃは、図１９Ａおよび図１９Ｂの矢状切断の１つの結果を図示する。たとえば、図２０Ａに図示されるように、矢状切断は「Ｙ」字形である。処理回路１０２は、図２０Ｂに図示されるように、Ｙ字形を通る骨格線を決定し得る。たとえば、処理回路１０２は、Ｙ字形を通る最も近い境界に等距離であるドットを決定し、図２０Ｂに示されるようにＹ字形を通る線を形成するようにドットを相互接続し得る。また、骨格ではなく、中心点のような他の点が使用されてもよい。処理回路１０２は、交差点１３５によって図示されるように、骨格を通る線の交差点を決定し得る。たとえば、交差点１３５は、Ｙ字形を一緒に形成する線のすべてに共通であってよい。
[0162]処理回路１０２は、矢状切断の各々におけるＹ字形の各々に対してこれらの動作を繰り返し、交差点１３５のようなそれぞれの交差点を決定し得る。処理回路１０２は、図２１Ａおよび図２１Ｂに図示される初期横軸１３３Ｂを決定するために複数のそれぞれの交差点と交差する線を決定し得る。
[0163]処理回路１０２は、初期横軸１３３Ｂを使用して肩甲骨を通る矢状切断を決定し得る。たとえば、図２１Ａおよび図２１Ｂは、軸１３３Ｂに基づいて肩甲骨を通る矢状切断の異なる斜視図である。処理回路１０２は、図２１Ａおよび図２１Ｂに示される矢状切断に対する複数の交差点を決定するために、図２０Ａ～図２０Ｃを参照して説明される動作を繰り返してよい。たとえば、図２０Ａ～図２０Ｃと同様に、軸１３３Ｂを使用する矢状切断に基づいて、各矢状切断は、図２０Ａと同様に、Ｙ字形を形成し得る。処理回路１０２は、図２０Ｂと同様に、Ｙ字形を通る骨格線を決定し、図２０Ｃと同様に、交差点を決定し得る。処理回路１０２は、図２０Ａ～図２０Ｃに関する上記の説明と同様に、矢状切断の各々におけるＹ字形の各々に対してこれらの動作を繰り返し、それぞれの交差点を決定し得る。処理回路１０２は、図１８に図示される横軸１３４を決定するために複数のそれぞれの交差点と交差する線を決定し得る。
[0164]図２２は、患者の座標系を決定するための肩甲骨を通る図１８の横軸と肩甲骨を通る平面に対する図１６および図１７の法線とを図示する概念図である。たとえば、図２２は、肩甲骨１１８と、関節窩中心１２０とを図示する。図２２は、平面１３０に垂直なベクトル１３２も図示し、横軸１３４を図示する。
[0165]たとえば、上記で説明されたように、罹患前または罹患した埋め込み前特徴づけのための初期ステップは、セグメント化された対象物が形状モデル１０６にアライメントされる座標軸を決定することである。上記で説明された例示的な技法を用いて、処理回路１０２は、ｘ軸（たとえば、ベクトル１３２）と、ｚ軸（たとえば、横軸１３４）とを決定し得る。処理回路１０２は、以下の技法を使用して、ｙ軸をさらに決定し得る。ひとたび処理回路１０２が、スキャン１０８の画像データのセグメンテーションから決定される解剖学的対象物の場所を表し定義するために座標系を決定すると、処理回路１０２は、セグメント化された対象物を形状モデル１０６の座標系にアライメントすることが可能であることがある。
[0166]図２３は、患者の座標系を決定するための関節窩の中心場所に対しての肩甲骨を通る横軸および肩甲骨を通る平面に対する法線の動き（または延長）を図示する概念図である。たとえば、図８は、関節窩中心１２０を中心とする患者座標系を図示する。図示されるように、ベクトル１３２は、上記で決定されたように、患者座標系のｘ軸を形成し、横軸１３４は患者座標系のｚ軸を形成し、軸１３６は患者座標系のｙ軸を形成する。
[0167]処理回路１０２は、複数の２Ｄ動作および３Ｄ動作に基づいて関節窩中心を決定し得る。たとえば、処理回路１０２は、関節窩腔の重心を決定し、関節窩中心１２０を決定するために関節窩腔表面に重心を投影することがある。
[0168]処理回路１０２は、次いで、ｘ軸１３２およびｚ軸１３４に基づいてｙ軸１３６を決定し得る。たとえば、処理回路１０２はｙ’＝ｚ＊ｘを決定してよく、ここで、＊はベクトル積である。ｙ’は、ｘ軸１３２およびｚ軸１３４によって画定される平面と直角をなすが、ｘ軸１３２およびｚ軸１３４は、必ずしも完全に直交する必要はない。したがって、処理回路１０２は、直交系（ｘ，ｙ’，Ｚ）または（Ｘ，ｙ’，ｚ）を有するために、Ｚ＝ｘ＊ｙ’によってｚ軸１３４を、またはＸ＝ｙ’＊ｚによってｘ軸１３２を置換することがある。いくつかの例では、ｘ軸１３２（たとえば、肩甲骨法線）の算出は、ｚ軸１３４（たとえば、横軸）の算出よりもロバスト（robust）であるので、処理回路１０２は、Ｚ＝ｘ＊ｙ’を利用することがある。
[0169]このようにして、処理回路１０２は、患者座標系を決定し得る。上記で説明された例などのいくつかの例では、処理回路１０２は、オーバーセグメンテーションまたはアンダーセグメンテーションによりスキャン１０８の画像データからの解剖学的対象物のセグメンテーション内に存在しないことがある肩甲三角１２２および肩甲骨下角１２４などの特定のランドマークに依拠することなく、患者座標系を決定し得る。特に、この例示的な技法の場合、処理回路１０２は、特定の解剖学的対象物に依拠することなく、ｘ軸と、ｙ軸と、ｚ軸とを決定してよいが、むしろ、スキャン１０８の画像データ内に存在するべきである肩甲骨１１８自体に基づいて、ｘ軸と、ｙ軸と、ｚ軸とを決定してよいが、肩甲三角１２２および肩甲骨下角１２４は、アンダーセグメンテーションまたはオーバーセグメンテーションによりスキャン１０８の画像データ内に存在しないことがある。
[0170]患者座標系を決定するための上記で説明されたさまざまな技法は、たとえば、インプラントをまだ設置されていない患者に使用されてもよいし、ヘミインプラントを設置されており、したがって肩甲骨側インプラントコンポーネントを有さない患者に使用されてよい。解剖学的インプラントまたはリバース型インプラントをもつ患者の場合、本開示は、患者座標系を決定するための追加の技法を提唱する。これらの追加の技法は、上記で特徴抽出ユニット４１０ならびに図６、図７Ａ、および図７Ｂに関して説明された。これらの追加の技法は、患者座標系を決定するための上記で説明された技法とは別々に、またはこれに関連して、のどちらかで使用されてよい。
[0171]インプラント、最も一般的には解剖学的インプラントまたはリバース型インプラントをもつ患者のためのいくつかのケースでは、処理回路１０２は、上記で横軸および肩甲骨平面に関して説明された技法を使用して、ｘ軸と、ｙ軸と、ｚ軸とを決定することが可能でないことがある。具体的には、横軸および肩甲骨を通る平面は、インプラントの存在によりスキャン１０８で容易に検出可能でないことがある。インプラントをもつ患者の場合、処理回路１０２は、上記で図６、図７Ａ、および図７Ｂを参照して説明された特徴抽出ユニット２０８または特徴抽出ユニット４１０によって決定されるように、インプラントの特徴に基づいて、ｘ軸と、ｙ軸と、ｚ軸とを決定し得る。
[0172]横軸と肩甲骨平面とを使用して、またはインプラント特徴を使用して、のどちらかにより患者座標系を決定した後、処理回路１０２は、患者座標系を形状モデル１０６にアライメントするために変換行列を決定し得る。アライメントプロセスは、一般に、患者座標系を決定するために使用される技法に関係なく同じ様式で実施される。上記で説明されたように、変換行列を決定する１つの例示的なやり方は、ｃ＝（ｘ，ｙ，ｚ，ｏ）である座標系を使用することであり、ここで、ｘ、ｙ、およびｚは、直交基底３Ｄベクトル、ｏは原点である（ｃは４×４同次行列であり、最後の列は（０，０，０，１）である）。セグメント化された対象物が変換されることになる新しい座標系は、Ｃ＝（Ｘ，Ｙ，Ｚ，Ｏ）である。この例では、変換行列はその場合、Ｔ＝ｃ＾－１×Ｃである。
[0173]処理回路１０２は、セグメンテーション対象物を形状モデル１０６（たとえば、メモリ１０４から取り出されるＳＳＭ）にアライメントするために変換行列を用いて、スキャン１０８からの画像データに基づいて、セグメンテーション対象物を定義する座標（たとえば、座標が、上記で説明された技法を利用して、軸から決定される場合）を乗算し得る。このアライメントの結果は、初期形状であり得る。たとえば、図２４は、形状モデル１０６を用いてアライメントされる初期アライメントされた形状１３８を図示する。初期アライメントされた形状１３８は、図２４では、形状モデル１０６の上に重ね合わされるように示されている。初期アライメントされた形状１３８は、解剖学的構造のいくつかの部分が欠落している（たとえば、アンダーセグメンテーションにより）または歪められている（たとえば、オーバーセグメンテーションにより）ことがあるスキャン１０８の画像データに基づいて、生成される。たとえば、初期アライメントされた形状１３８は、ｘ軸、ｙ軸、およびｚ軸上で形状モデル１０６と同じ方位を有するように全体的に位置決めされてよい。
[0174]しかしながら、変換に続いて、初期アライメントされた形状１３８は、形状モデル１０６とぴったりアライメントされないことがある。肩甲骨が下方におよび／または内側に切り取られすぎるケースでは（これは、知られていないかもしれないが、初期形状１３８では当てはまる）、肩甲骨体法線（たとえば、ベクトル１３２）と横軸１３４とを決定する際に算出誤差がある可能性がある。これらの算出誤差は、形状モデル１０６と患者解剖学的構造（たとえば、肩甲骨１１８）との間にミスアライメントをもたらすことがあり、したがって、初期アライメントされた形状１３８は、望ましいほど形状モデル１０６とぴったりアライメントされないことがある。たとえば、図２４から分かるように、初期アライメントされた形状１３８は、ｚ軸（たとえば、横軸）１３４に沿って回転される。
[0175]１つまたは複数の例では、切り取られすぎた肩甲１１８からミスアライメントがあるかどうか不明であることがあるので、処理回路１０２は、アライメントされた形状を生成するために初期形状１３８のパラメータを修正することがある。アライメントされた形状は、形状モデル１０６に実質的に近位である（たとえば、場所、大きさ、および方位に関して）。一例として、パラメータを修正するために、処理回路１０２は、初期アライメントされた形状モデルがｚ軸に沿って回転する（たとえば、初期アライメントされた形状１３８の点がｚ軸に沿って回転する）ように、初期アライメントされた形状１３８の座標を反復的に調整することがある。各調整時、処理回路１０２は、初期アライメントされた形状１３８と形状モデル１０６（たとえば、初期アライメントされた形状内の点と形状モデル１０６において表される点）との距離を決定することがある。
[0176]たとえば、処理回路１０２は、初期アライメントされた形状１３８上の点（たとえば、肩峰および烏口の点など）と形状モデル１０６上の対応する点（たとえば、形状モデル１０６上の肩峰および烏口）との距離を決定することがある。対応する点とは、初期アライメントされた形状１３８内の点と、同じ患者解剖学的構造を識別する形状モデル１０６内の点を指す。処理回路１０２は、ｚ軸１３４のまわりでの初期アライメントされた形状１３８と形状モデル１０６との距離が閾値を満たす（たとえば、距離が最小にされる場合を含む閾値よりも小さい）まで、初期アライメントされた形状１３８を回転させ続けることがある。次いで、処理回路１０２は、ｙ軸のまわりでの初期アライメントされた形状１３８と形状モデル１０６内の対応する点との間の点の差が閾値を満たす（たとえば、距離が最小にされる場合を含む閾値よりも小さい）まで、ｙ軸１３８に沿って初期アライメントされた形状１３８を回転させることがある。処理回路１０２は、ｘ軸１３２のまわりでの初期アライメントされた形状１３８と形状モデル１０６内の対応する点との間の点の差が閾値を満たす（たとえば、距離が最小にされる場合を含む閾値よりも小さい）まで、ｘ軸１３２のまわりで初期アライメントされた形状モデルを回転させることがある。
[0177]一例として、処理回路１０２は、初期アライメントされた形状１３８が［－４５度，４５度］または［－２７度，２７度］の探索範囲内で軸に沿って５度回転する（たとえば、初期アライメントされた形状モデルの第１のインスタンス）ように、初期アライメントされた形状１３８のパラメータを修正することがある。処理回路１０２は、初期アライメントされた形状１３８の第１のインスタンスの点と形状モデル１０６の対応する点との距離を決定することがある。距離が最小でないまたは閾値よりも小さいと仮定すると、次に、処理回路１０２は、初期アライメントされた形状が軸に沿って１０度回転する（たとえば、初期アライメントされた形状１３８の第２のインスタンス）ように、初期アライメントされた形状１３８のパラメータを修正し、距離（たとえば、初期アライメントされた形状１３８の第２のインスタンスの点と形状モデル１０６の対応する点との）を決定してよい。処理回路１０２は、初期アライメントされた形状１３８の各インスタンスに対して、軸の各々について、これらの動作を繰り返してよい。処理回路１０２は、処理回路１０２が、閾値よりも小さい距離（最小距離など）でもたらされた初期アライメントされた形状１３８のインスタンスを決定するまで、これらの動作を繰り返し続けることがある。さまざまな反復的インスタンスの間で閾値よりも小さい距離でもたらされた（最小距離の例を含む）初期アライメントされた形状１３８のインスタンスは、図２５に図示される、アライメントされた形状１４０として選択される。
[0178]これらの動作の結果は、アライメントされた形状（たとえば、ｘ軸、ｙ軸、およびｚ軸に沿って回転されたモデル）であってよい。たとえば、図２５は、形状モデル１０６にアライメントされるアライメントされた形状１４０を図示する。アライメントされた形状１４０は、図２５では、形状モデル１０６の上に重ね合わされるように示されている。アライメントされた形状１４０（たとえば、単にアライメントされた形状１４０）は、初期アライメントされた形状１３８と比較して、形状モデル１０６へのより良いアライメントを提供する。たとえば、図２５に示されるように、アライメントされた形状１４０は、図２４に示される形状モデル１０６に対する初期アライメントされた形状１３８よりも良く、形状モデル１０６にアライメントされる。
[0179]たとえば、初期アライメントされた形状１３８および形状モデル１０６は、全体的にアライメントされてよい。しかしながら、スキャン１０８内の解剖学的対象物の画像データのオーバーセグメンテーションまたはアンダーセグメンテーションにより、初期アライメントされた形状１３８と形状モデル１０６との間に何らかの傾きまたは誤った方位付けがあることがある。これに対処するために、処理回路１０２は、初期アライメントされた形状１３８と形状モデル１０６との距離が閾値を満たす（たとえば、最小にされる）まで、各軸（ｘ、ｙ、ｚ）のまわりで初期アライメントされた形状１３８を別々に回転させることがある。したがって、初期アライメントされた形状１３８を反復的に回転させることによって、処理回路１０２は、アライメントされた形状１４０（中間アライメントされた形状１４０とも呼ばれる）を生成し得る。アライメントされた形状１４０上の点と形状モデル１０６の対応する点との距離は最小にされ得るので、アライメントされた形状１４０（たとえば、中間アライメントされた形状１４０）は、実質的に形状モデル１０６の座標系内にある。
[0180]いくつかの例では、形状モデル１０６は、患者解剖学的構造の罹患前または罹患した埋め込み前特性を生成するために、アライメントされた形状１４０の形状に変形されるので、アライメントされた形状１４０は、中間アライメントされた形状と呼ばれることがある。処理回路１０２は、以下で説明される技法を利用して、形状モデル１０６をアライメントされた形状１４０にレジストレーションするために形状モデル１０６を変形させ得る。しかしながら、いくつかの例では、処理回路１０２は、何らかの他の技法を利用して、アライメントされた形状１４０にレジストレーションするために形状モデル１０６を変形させることがある。また、形状モデル１０６をアライメントされた形状１４０にレジストレーションする例示的な技法の場合、上記で説明された技法以外の技法を使用してアライメントされた形状１４０が生成される場合にそのような技法が実施されることが可能であることがある。
[0181]上記で説明されたように、処理回路１０２は、形状モデル１０６をアライメントされた形状１４０にレジストレーションするように構成されることがある。形状モデル１０６をアライメントされた形状１４０にレジストレーションすることは、コスト関数値が閾値を下回る（たとえば、最小にされる）まで形状モデル１０６を反復的に変形させることを指すことがある。レジストレーションするアルゴリズムは、反復的最近点（ＩＣＰ）ループおよび弾性レジストレーション（ＥＲ）ループと呼ばれる２つの内側反復的ループを含むグローバルループである。レジストレーションするアルゴリズムを実施する他の例示的なやり方があることがあり、グローバルループ内での２つのループの使用は、レジストレーションするアルゴリズムを実施する１つの例示的なやり方にすぎない。たとえば、いくつかの例では、ＩＣＰループを回避してＥＲループのみを実施することが可能であることがある。いくつかの例では、ＩＣＰループのみを実施し、ＥＲループを回避することが可能であることがある。
[0182]グローバルループの第１の反復に対するＩＣＰループでは、初期入力は、アライメントされた形状１４０と、形状モデル１０６である。グローバルループの第１の反復におけるＩＣＰループの場合、処理回路１０２は、第１次形状を生成するためにアライメントされた形状１４０と形状モデル１０６との比較に基づいて、アライメントされた形状１４０を反復的に修正する。たとえば、ＩＣＰループを通る各反復に対して、処理回路１０２はコスト値を決定し、閾値よりも小さい（たとえば、最小にされる）コスト値をもたらす修正されたアライメントされた形状は、ＩＣＰループの出力であり、第１次形状と呼ばれる。ＩＣＰアルゴリズムの一例は、以下でより詳細に説明される。
[0183]第１次形状は、グローバルループの第１の反復のためのＥＲループへの入力である。グローバルループの第１の反復のための、ＥＲループへの別の入力は、形状モデル１０６である。グローバルループの第１の反復におけるＥＲループの場合、処理回路１０２は、複数の推定形状モデル（たとえば、ＥＲループを通るたびに１つ）を生成するために形状モデル１０６を変形させることがある。ＥＲループの各ループに関して、処理回路１０２は、総コスト値を決定し、ＥＲループのどの反復が、閾値を満たす（たとえば、最小にされる場合を含む閾値よりも小さい）総コスト値を有する推定形状モデルを利用したかを決定することがある。ＥＲループの結果（たとえば、閾値を満たす総コスト値を有する推定形状モデル）は、第１次レジストレーションされた形状モデルである。これは、グローバルループの１つの反復を完了させる。総コスト値は、グローバルループの第１の反復の場合、推定形状モデルと第１次形状との間の距離および方位、解剖学的構造の内側化（medialization）に関する制約、ならびにパラメータ重み付けに基づいてよい。
[0184]たとえば、Ｓ１は、処理回路１０２がグローバルループの第１の反復においてＥＲループを使用して決定することが可能である第１次形状モデルであると仮定する。ＥＲループの場合、処理回路１０２は、Ｓ１１と、Ｓ１２と、Ｓ１３などとを生成してよく、Ｓ１１、Ｓ１２、Ｓ１３などの各１つは形状モデル１０６の変形されたバージョンであり、Ｓ１１、Ｓ１２、Ｓ１３などは各々、推定形状モデルの一例である。Ｓ１１、Ｓ１２、Ｓ１３などの各１つに対して、処理回路１０２は、総コスト値（たとえば、Ｓ１１＿総コスト値、Ｓ１２＿総コスト値、Ｓ１３＿総コスト値など）を決定することがある。処理回路１０２は、総コスト値のうちのどれが閾値より小さい（たとえば、最小にされる）かを決定することがある。閾値を下回る（たとえば、最小にされる）総コスト値を有する推定形状モデル（たとえば、Ｓ１１、Ｓ１２、Ｓ１３などの１つ）は、Ｓ１（たとえば、第１次レジストレーションされた形状モデル）である。この後、グローバルループの第１の反復が完了する。
[0185]グローバルループの第２の反復の場合、処理回路１０２は、ＩＣＰループの動作を実施する。グローバルループの第２の反復では、ＩＣＰループの場合、一方の入力は、ＥＲループから生成される第１次形状モデルであり、他方の入力は、前のＩＣＰループによって生成される第１次形状である。グローバルループの第２の反復では、ＩＣＰループの場合、処理回路１０２は、第１次形状の第１次形状モデルとの比較に基づいて第１次形状を反復的に修正する。たとえば、ＩＣＰループを通る各反復に対して、処理回路１０２はコスト値を決定し、閾値よりも小さい（たとえば、最小にされる）コスト値をもたらす修正された第１次形状は、ＩＣＰループの出力であり、第２次形状と呼ばれる。
[0186]第２次形状は、グローバルループの第２の反復のためのＥＲループへの入力である。グローバルループの第２の反復のための、ＥＲループへの別の入力は、形状モデル１０６および／または第１次形状モデルである。形状モデル１０６が使用される場合、ｂiの値は［－ｂ ＋ｂ］内で変化してよい。第１次形状モデルが使用される場合、ｂiの値は［－ｂ＋ｂ＿ｐｒｅｖ ｂ＋ｂ＿ｐｒｅｖ］内で変化してよく、ここで、ｂ＿ｐｒｅｖは、前の反復で見つけられた値（たとえば、第１次形状モデルを決定するために使用される）である。
[0187]グローバルループの第２の反復におけるＥＲループの場合、処理回路１０２は、複数の推定形状モデル（たとえば、ＥＲループの各反復に対して１つ）を生成するために形状モデル１０６および／または第１次形状モデルを変形させることがある。ＥＲループの各反復に関して、処理回路１０２は、総コスト値を決定し、ＥＲループのどの反復が、閾値を満たす（たとえば、最小にされる）総コスト値を有する推定形状モデルを利用したかを決定することがある。グローバルループの第２の反復における、ＥＲループの結果（たとえば、閾値を満たす総コスト値を有する推定形状モデル）は、第２次形状モデルである。これは、グローバルループの第２の反復を完了させる。総コスト値は、グローバルループの第２の反復の場合、推定形状モデルと第２次形状との間の距離および方位、解剖学的構造の内側化に関する制約、ならびにパラメータ重み付けに基づいてよい。
[0188]たとえば、Ｓ２は、処理回路１０２がグローバルループの第２の反復においてＥＲループを使用して決定することが可能である第２次形状モデルであると仮定する。ＥＲループの場合、処理回路１０２は、Ｓ２１と、Ｓ２２と、Ｓ２３などとを生成してよく、Ｓ２１、Ｓ２２、Ｓ２３などの各１つは形状モデル１０６および／または第１の形状モデルの変形されたバージョンであり、Ｓ２１、Ｓ２２、Ｓ２３などは各々、推定形状モデルの一例である。Ｓ２１、Ｓ２２、Ｓ２３などの各１つに対して、処理回路１０２は、総コスト値（たとえば、Ｓ２１＿総コスト値、Ｓ２２＿総コスト値、Ｓ２３＿総コスト値など）を決定することがある。処理回路１０２は、総コスト値のうちのどれが閾値より小さい（たとえば、最小にされる）かを決定することがある。閾値を下回る（たとえば、最小にされる）総コスト値を有する推定形状モデル（たとえば、Ｓ２１、Ｓ２２、Ｓ２３などのうちの１つ）は、Ｓ２（たとえば、第２次レジストレーションされた形状モデル）である。この後、グローバルループの第２の反復が完了する。
[0189]上記の例では、処理回路１０２は、グローバルループの第１の反復に対してＳ１１と、Ｓ１２と、Ｓ１３などと（たとえば、推定形状モデルの第１のセット）を生成し、グローバルループの第２の反復に対してＳ２１と、Ｓ２２と、Ｓ２３などと（たとえば、推定形状モデルの第２のセット）を生成した。いくつかの例では、推定形状モデルの第１のセットと第２のセットにおける推定形状モデルの数は、同じであることがある。いくつかの例では、推定形状モデルの第１のセットと第２のセットにおける推定形状モデルの数は、異なることがある（たとえば、推定形状モデルの第１のセットにおける６つの推定形状モデルと、推定形状モデルの第２のセットにおける１４の推定形状モデル）。グローバルループの異なる反復において異なる数の推定形状モデルを有するための１つの理由は、グローバルループのその後の反復において推定形状モデルの数を増加させることによって、同じまたはより少ない数の推定形状モデルが使用される場合と比較して、グローバル最小値をより正確に決定することが可能であり得ることである。すなわち、処理回路１０２は、複数のＥＲループを通して推定形状モデルを生成するために使用される不明（たとえば、最頻値およびスケールファクタ）の数を徐々に増加させることがある。
[0190]このプロセスは、総コスト値が閾値を下回る（たとえば、最小にされる）まで繰り返し続ける。閾値を下回る（たとえば、最小にされた）総コスト値を提供するレジストレーションされた形状モデル（たとえば、第Ｎ次レジストレーションされた形状モデル）は、患者解剖学的構造の罹患前または罹患した埋め込み前特徴づけを提供する。いくつかの追加の処理が、罹患前または罹患した埋め込み前特徴づけを患者座標系に戻すために必要とされることがある。
[0191]上記で説明されたように、罹患前または罹患した埋め込み前特徴づけを決定するために、ＩＣＰループとＥＲループとを含むグローバルループがある。以下は、ＩＣＰループの一例について説明する。ＩＣＰループでは、ソースポイントクラウト（ｃｌｏｕｔ）とターゲットポイントクラウドがある。ターゲットポイントクラウドは固定されたままであり、処理回路１０２または投影ユニット２１２は、変換されたポイントクラウドがターゲットポイントクラウドに合致するようにソースポイントクラウドを修正する（たとえば、変換する）。変換されたポイントクラウドとターゲットポイントクラウドとの差異は、変換されたポイントクラウドがソースクラウドに対するものである合致がどれくらい良いかを示す。１つまたは複数の例では、処理回路１０２または投影ユニット２１２は、差異が閾値を下回るまで、ソースポイントクラウドを変換し続ける。たとえば、処理回路１０２または投影ユニット２１２は、差異が最小にされるまでソースポイントクラウドを変換し続ける。
[0192]１つまたは複数の例では、グローバルループの第１の反復では、ＩＣＰループの場合、ターゲットポイントクラウドは形状モデル１０６であり、ソースポイントクラウドはアライメントされた形状１４０である。処理回路１０２または投影ユニット２１２は、アライメントされた形状１４０上の点と形状モデル１０６上の対応する点との距離を決定し得る。使用されるアライメントされた形状１４０上の点は、病理性でないことがわかっている点であってよい（たとえば、数個の非限定的な例として、内側関節窩円蓋、肩峰、および烏口）。他の例は、スキャン１０８の画像データ内に存在する、肩甲骨上のさまざまな他の点を含む。処理回路１０２または投影ユニット２１２は、形状モデル１０６上の同じ解剖学的構造に関する点を見つけることがある。
[0193]図２６は、ＩＣＰアルゴリズムのための差異値を決定するための例を図示する概念図である。たとえば、処理回路１０２または投影ユニット２１２は、ターゲットポイントクラウド（たとえば、形状モデル１０６）上の点（ｐ）を決定することがある。処理回路１０２または投影ユニット２１２は、次いで、アライメントされた形状１４０上の点ｐへの最近点を決定することがあり、これは、図２６の例では点ｐppである。処理回路１０２または投影ユニット２１２は、図２６に図示されるｐctなどの、アライメントされた形状１４０上の点ｐppに近接する、設定された数の点（たとえば、１０個の点）を決定することがある。
[0194]形状モデル１０６上の点ｐおよびこれらの点の各々（たとえば、アライメントされた形状１４０上の最近点および近接点）に対して、処理回路１０２または投影ユニット２１２は、法線ベクトルを決定し得る。たとえば、ベクトルｎｓは点ｐに対する法線ベクトルであり、ベクトルｎｐｐは点ｐppに対する法線ベクトルであり、ベクトルｎｊは点ｐctに対する法線ベクトルである。法線ベクトルを決定する１つのやり方は、点に対する接平面に直交するベクトルに基づく。点の法線を算出する別のやり方は、その点を共有する各三角形の法線を算出し、次いで、平均法線を帰することである。局所的ノイズを克服するために、法線は、特定の近傍内の点の平均法線を算出することによって平滑化される。
[0195]処理回路１０２または投影ユニット２１２は、方位と、以下の式に基づいた形状モデル１０６上の点ｐとアライメントされた形状１４０上の点との距離差とを決定することがある。
Figure 2023162303000003
[0196]上記の式では、ｐｓはソース点（たとえば、形状モデル１０６上の点ｐ）、ｐｔはアライメントされた形状１４０上の点（たとえば、点ｐppまたはｐctなどの最近点および近接点）、ｎｓは点ｐｓの法線ベクトル（たとえば、図２６に示されるｎｓ）、ｎｔはアライメントされた形状１４０上の点の法線ベクトル（たとえば、ｎｐｐおよびｎｊ）、ｗは、あらかじめプログラムされた重み係数である。典型的には、ｗは、距離と方位との間に等しい重みを与えるために、１に等しい。いくつかの例では、高／低湾曲領域は、「ｗ」のより高い／より低い値を必要とすることがある。「ｗ」の値は、経験的に定義されてよい。
[0197]処理回路１０２または投影ユニット２１２は、差異値のうちのどれが最も小さい異なる値をもたらしたかを決定し得る。たとえば、第１の差異値はｐ、ｎｓ、ｐpp、およびｎppに基づき、第２の差異値は、ｐ、ｎｓ、ｐct、およびｎjに基づくと仮定する。この例では、第２の差異値は、第１の差異値よりも小さいことがある。処理回路１０２または投影ユニット２１２は、形状モデル１０６上の点ｐに対応する点として、アライメントされた形状１４０上のｐctを決定することがある。
[0198]図２６は、形状モデル１０６上の１つの点ｐを図示しているが、形状モデル１０６上に複数（たとえば、Ｎ個の数）の点があることがあり、処理回路１０２または投影ユニット２１２は、形状モデル１０６上のＮ個の点の各々に対してアライメントされた形状１４０上のＮ個の対応する点を識別するために、上記で説明された動作に類似した動作を実施することがある。したがって、Ｎ個の差異値があることがある。処理回路１０２または投影ユニット２１２は、Ｎ個の差異値を合計し、その結果をＮで割ることがある。結果として生じる値が閾値よりも大きい場合（たとえば、結果として生じる値が最小にされない例を含む）、処理回路１０２または投影ユニット２１２は、ＩＣＰループを継続してよい。
[0199]形状モデル１０６上のＮ個の点およびアライメントされた形状上のＮ個の点とともに、処理回路１０２または投影ユニット２１２は、回転行列Ｒと並進ベクトルｔとを決定することがある。回転行列および並進ベクトルに基づいて、処理回路１０２または投影ユニット２１２は、アライメントされた形状１４０上の点を回転および並進させることがある（たとえば、（アライメントされた形状上の点）によって乗算された－Ｒプラス並進ベクトル）。結果は、第１の中間の第１次形状である。回転行列Ｒと並進ベクトルｔとを生成する１つの例示的なやり方は、Ｂｅｒｔｈｏｌｄ Ｋ．Ｐ．Ｈｏｒｎ（１９８７）、「Ｃｌｏｓｅｄ－ｆｏｒｍ ｓｏｌｕｔｉｏｎ ｏｆ ａｂｓｏｌｕｔｅ ｏｒｉｅｎｔａｔｉｏｎ ｕｓｉｎｇ ｕｎｉｔ ｑｕａｔｅｒｎｉｏｎｓ」、ｈｔｔｐｓ：／／ｐｄｆｓ．ｓｅｍａｎｔｉｃｓｃｈｏｌａｒ．ｏｒｇ／３１２０／ａ０ｅ４４ｄ３２５ｃ４７７３９７ａｆｃｆ９４ｅａ７ｆ２８５ａ２９６８４ａ．ｐｄｆに記載されている。
[0200]これは、ＩＣＰループの１つのインスタンスを終了させ得る。処理回路１０２または投影ユニット２１２は、次いで、処理回路１０２または投影ユニット２１２が、アライメントされた形状１４０の代わりに第１の中間の第１次形状と、形状モデル１０６とを使用する場合、これらの動作を繰り返し得る。処理回路１０２または投影ユニット２１２は、形状モデル１０６上のＮ個の点および中間の第１次形状上のＮ個の点の各々に対して、Ｎ個の差異値を決定し得る。処理回路１０２または投影ユニット２１２は、Ｎ個の差異値を合計し、Ｎで割ることがある。結果として生じる値が閾値よりも大きい（または最小にされない）場合、処理回路１０２または投影ユニット２１２は、回転行列と並進ベクトルとを決定し、第２の中間の第１次形状を決定し得る。これは、ＩＣＰループを通る第２の反復を終了させ得る。
[0201]処理回路１０２または投影ユニット２１２は、処理回路１０２または投影ユニット２１２が、値が閾値を満たす場合（値が最小にされるときなど）形状モデル１０６上のＮ個の点と第Ｘの中間の第１次形状上のＮ個の点とのＮ個の差異値の合計がＮによって除算されることから生じる値を決定するまで、これらの動作を繰り返し続けることがある。この場合、ＩＣＰループは終了され、処理回路１０２または投影ユニット２１２は、第Ｘの中間の第１次形状が第１次形状であることを決定する。
[0202]第１次形状は、弾性レジストレーション（ＥＲ）ループへの入力になる。ＥＲループにおける別の入力は、形状モデル１０６である。ＥＲループでは、処理回路１０２または投影ユニット２１２は、形状モデル１０６に基づいて複数の推定形状モデルを決定し得る。たとえば、処理回路１０２または投影ユニット２１２は、以下の式に基づいて、新しい形状モデル（ｓi）を決定し得る。
Figure 2023162303000004
[0203]上記の式では、ｓ’は、形状モデル１０６である（たとえば、一例として平均形状のポイントクラウド、ここで、ポイントクラウドは、形状モデル１０６を形成するプリミティブの頂点などの、形状モデル１０６内の点の座標を定義する）。式では、それぞれ、λiは固有値、ｖiは共分散行列の固有ベクトルである（変動の最頻値とも呼ばれる）。共分散行列は、データセット内の分散を表す。ｉ，ｊ位置の要素は、データセット配列のｉ番目の要素とｊ番目の要素の共分散である。
[0204]処理回路１０２または投影ユニット２１２は、ｂiの異なる値を選択することによって、複数の推定形状モデルを決定し得る。上記では、ｂiは、固有値または固有ベクトルをスケーリングするスケーリングファクタである。固有値（λi）固有ベクトル（ｖi）は、形状モデル１０６（たとえば、ｓ’）の生成から既知である。図を簡略化するため、処理回路１０２または投影ユニット２１２は、ｂiの１０個の選択された（たとえば、ランダムに、またはあらかじめプログラムされた）値に基づいて１０個の推定形状モデルを決定したと仮定する。１０よりも多いまたは少ない推定形状モデルがあってよい。
[0205]ＥＲループでは、処理回路１０２または投影ユニット２１２は、推定形状モデルに対して以下の動作を実施し得る。ＥＲループの一部として、処理回路１０２または投影ユニット２１２は、推定形状モデルのうちのどれが、閾値を下回る（たとえば、最小にされる）コスト関数値を生じさせるかを決定し得る。コスト関数値は、３つのサブコスト関数値に基づいてよいが、３つよりも多いまたは少ないサブコスト関数値も可能である。たとえば、第１のサブコスト関数値がＣｆ１、第２のサブコスト関数値がＣｆ２、第３のサブコスト関数値がＣｆ３であると仮定する。いくつかの例では、コスト関数値（Ｃｆ）は、Ｃｆ１＋Ｃｆ２＋Ｃｆ３に等しい。いくつかの例では、Ｃｆ＝ｗ１＊Ｃｆ１＋ｗ２＊Ｃｆ２＋ｗ３＊Ｃｆ３、０＜ｗｉ＜１および０≦Ｃｆｉ≦１であるように、重みが適用されることがある。重み（ｗｉ）は、あらかじめプログラムされてよい。ＥＲループを完了するために、処理回路１０２または投影ユニット２１２は、推定形状モデルのうちのどれが、閾値を満たす（たとえば、最小にされることを含めて閾値よりも小さい）Ｃｆ値を生じさせるかを決定し得る。
[0206]第１のサブコスト関数値（Ｃｆ１）は、推定形状モデル（たとえば、ｂｉのための異なる値に基づいて生成される）とＩＣＰループによって生成される第１次形状との距離および方位に基づく。たとえば、推定形状モデルの各々に対して、処理回路１０２または投影ユニット２１２は、Ｃｆ１値を決定することがある。Ｃｆ１の式は、ＩＣＰループに使用される式と同じであってよい。
[0207]たとえば、Ｃｆ１＝Σｎｏｒｍ（ｐs－ｐt）2＋ｗ＊ｎｏｒｍ（ｎs－ｎt）2／Ｎである。しかしながら、このケースでは、ｐsおよびｎsは、推定形状モデルの各々の上のそれらの点の点およびベクトルに対するものであり、ｐtおよびｎtは、第１次形状上のそれらの点の点およびベクトルに対するものである。Ｎは、第１次形状上および推定形状モデルの各々の上の点の数を指す。
[0208]処理回路１０２または投影ユニット２１２は、ＩＣＰループに関して説明された上記の例示的な技法を使用して、Ｃｆ１の値を決定し得る。たとえば、第１の推定形状モデルに対して、処理回路１０２または投影ユニット２１２は、Ｃｆ１（たとえば、第１のＣｆ１）の値を決定することがあり、第２の推定形状モデルに対して、処理回路１０２または投影ユニット２１２は、Ｃｆ１（たとえば、第２のＣｆ１）の値を決定することがあり、以下同様である。このケースでは、処理回路１０２または投影ユニット２１２は、推定形状モデルのいずれかの並進または回転を実施しないが、推定形状モデルの各々に対するＣｆ１の計算を利用して推定形状モデルの１つを選択することがある。
[0209]Ｃｆ１の値は、ＥＲループのコスト関数値を決定するために使用されるサブコスト関数値の１つである。いくつかの例では、Ｃｆ１値を最小にする推定形状モデルを決定し、ＥＲループを終えることが可能であり得る。しかしながら、ＩＣＰループの出力と形状モデル１０６から生成される推定形状との差（たとえば、点の距離）を最小にすることだけでは、患者解剖学的構造の罹患前または罹患した埋め込み前特徴づけを決定するのに十分でないことがある。たとえば、患者の身体に対して、ＩＣＰループによって生成される形状（たとえば、ＩＣＰループの初期終了後の第１次形状）の場所に関する論理制約があることがあり、第１次形状と推定形状との差（たとえば、距離）を最小にすることは、場合によっては、そのような論理制約に違反することがある。たとえば、サブコスト関数値Ｃｆ１は、いくつかのケースでは非凸状であることがあり、したがって、間違っている局所的最小をもたらすことがある。追加のサブコスト関数値とともに、処理回路１０２または投影ユニット２１２は、総コスト関数値Ｃｆの非凸状性を補正し得る。
[0210]たとえば、関節窩の罹患前または罹患した埋め込み前特徴づけを予測するとき、推定形状モデルの関節窩は、現在の患者関節窩よりも内側化されるべきでない。本開示では、内側化されたまたは内側は、患者の身体の中心の方へを意味する。患者が関節窩における傷害または疾患に苦しむとき、骨びらんが、病理性関節窩を、傷害または病気の前よりも内側にさせる（たとえば、患者の身体の中央により近くシフトする）ことがある。したがって、現在の関節窩よりも内側である推定形状モデルの１つのインスタンス上の関節窩は、高い確率で、罹患前または罹患した埋め込み前患者解剖学的構造の適切な推定でない。また、傷害または疾患は、関節窩をより内側にさせた可能性があり、したがって、推定形状モデルの１つが、関節窩の現在の位置よりも内側にある関節窩を含む場合、推定形状モデルのインスタンスは、患者解剖学的構造の罹患前または罹患した埋め込み前特性を有さないことがある。
[0211]すなわち、形状モデル１０６から生成される第１の推定形状モデルは、第１の推定形状モデルとＩＣＰループによって生成される第１次形状との距離および方位に基づいてＣｆ１の値を最小にしたと仮定する。この例では、第１の推定形状モデルの関節窩が関節窩の現在の位置よりも内側にある場合、第１の推定形状モデルは、病理性解剖学的構造の罹患前または罹患した埋め込み前形状の適切なまたは最も良い推定でないことがある。
[0212]推定形状モデルの内側化されたインスタンスが罹患前または罹患した埋め込み前特徴づけを決定するために使用されないことを保証するために、処理回路１０２は、Ｃｆ２の値を決定し得る。Ｃｆ２の値は、推定形状モデルが患者解剖学的構造よりも内側にあるかまたはこれよりも内側にないかを示す。すなわち、第２の例示的なサブコスト関数値はＣｆ２である。Ｃｆ２の値は、解剖学的構造の内側化に対する制約の尺度である。
[0213]Ｃｆ２の値を決定するために、処理回路１０２は、患者解剖学的構造（たとえば、病理性肩甲骨）の横軸１３４上にある閾値点（ｐth）を決定し得る。点ｐthは、罹患前特徴づけを決定するために使用される中間形状モデルのインスタンスによって交差されるべき関節窩内側化の閾値を表す。図２７Ａおよび図２７Ｂは、ｐthを決定する例示的なやり方を図示する。たとえば、処理回路１０２は、関節窩のスキャン１０８からの画像データを対象物となる４つの四半分（たとえば、上方、後方、下方、および前方）に分け得る。
[0214]図２７Ａおよび図２７Ｂは、患者の解剖学的構造の罹患前または罹患した埋め込み前形状を決定するために使用されるコスト関数のパラメータを決定するための関節窩の部分を図示する概念図である。より詳細に説明されるように、図２７Ａおよび図２７Ｂにおける関節窩の図示された部分とともに、処理回路１０２は、ｐthの値を決定し得る。処理回路１０２は、推定形状モデルの各々に対する内側化値も決定し得る（たとえば、ｂｉの値を使用して形状モデル１０６から、上記で説明された固有値および固有ベクトルに基づいて、生成される）。ｐthの値および内側化値に基づいて、処理回路１０２は、Ｃｆ２に関するサブコスト値を決定し得る。
[0215]図２７Ａは、関節窩表面を前方側１４２と後方側１４４に分ける横軸１３４（たとえば、上記で説明されたような）を図示する。図２７Ｂは、関節窩表面を上方側１５０と下方側１５２に分ける横軸１３４を図示する。たとえば、図１８に戻ると、処理回路１０２は横軸１３４を決定した。次いで、処理回路１０２は、肩甲骨１１８を通る軸方向切断または矢状切断に基づいて、前方側１４２と、後方側１４４と、上方側１５０と、下方側１５２とを決定することがある。結果は、図２７Ａおよび図２７Ｂに図示される例であってよい。
[0216]処理回路１０２は、部分の各々（たとえば、図２７Ａの前方側および後方側ならびに図２７Ｂの上方側および下方側）に対する関節窩表面上の点を横軸１３４に投影し、各部分の投影された点の質量中心を決定し得る。線上への点投影は、その線上の最近点である。点およびその投影によって定義された線およびベクトルは直角をなす。これは、投影されることになる点とともに斜辺を形成する線上のランダムな点を選ぶことによって、計算可能である。三角法を使用すると、投影は、斜辺と線によって定義される角度のコサインによって乗算される斜辺長である。質量中心は、その線上の投影点の平均点であり、重心とも考えられ得る。
[0217]たとえば、図２７Ａの点１４６は、前方側１４２のための投影点の質量中心の一例である。図２７Ａの点１４８は、後方側１４４のための投影点の質量中心の一例である。図２７Ｂの点１５４は、上方側１５０のための投影点の質量中心の一例である。図２７Ｂの点１５６は、下方側１５２のための投影点の質量中心の一例である。
[0218]１つまたは複数の例では、処理回路１０２は、点１４６、１４８、１５４、および１５６から最も外側の重心点（たとえば、患者の身体の中心から最も遠く離れた点）を決定し得る。処理回路１０２は、最も外側の重心点を閾値点ｐthとして設定することがある。処理回路１０２はまた、最も外側の四半分をＱthとして決定することがある。いくつかの例では、最も外側の重心点は、必ずしも最も外側の四半分にある必要はない。たとえば、点１５６は最も外側の重心点（たとえば、閾値点ｐth）であると仮定する。この例では、最も外側の四半分（Ｑth）は、最も外側の重心点が最も外側の四半分にあった場合、下方側１５２であることがある。しかしながら、最も外側の重心点は最も外側の四半分にないことがあり得る。
[0219]処理回路１０２は、Ｑth四半分（たとえば、最も外側の四半分）と対応する、推定形状モデルのインスタンス内の四半分を決定し得る。処理回路１０２は、推定形状モデルのインスタンスの四半分の点を横軸１３４に投影し得る。たとえば、推定形状モデルの各々に対して、処理回路１０２は、推定形状モデルの各々に対して点１４６、１４８、１５４、および１５６のような点を決定し得る。しかしながら、推定形状モデルの異なる内側化のために（たとえば、推定形状モデルを生成するために使用されるｂｉの異なる値により）、それぞれの投影点は、横軸１３４上の異なる場所にあってよい。
[0220]たとえば、処理回路１０２は、横軸１３４上でアンカー点を決定することがある。このアンカー点は、推定形状モデルの各々に対して横軸１３４上の同じ場所にある。処理回路１０２は、投影点のアンカー点までの距離を決定し得る。いくつかの例では、ｐthは、アンカー点であってよい。
[0221]処理回路１０２は、投影点のｐthまでの距離を決定し得る。処理回路１０２は、ｄmedに等しい値として、投影点の距離の平均を決定し得る。
[0222]ｄmedの値がゼロまたは正である場合、それは、推定形状モデルのインスタンスが現在の患者解剖学的構造（たとえば、関節窩および肩甲骨）よりも内側にあり、したがって、患者解剖学的構造の罹患前または罹患した埋め込み前特性の良好な予測子でないことを意味する。ｄmedの値が負である場合、それは、推定形状モデルのインスタンスが現在の患者解剖学的構造よりも内側になく、したがって、患者解剖学的構造の罹患前または罹患した埋め込み前特性の可能な予測子であってよいことを意味する。
[0223]いくつかの例では、処理回路１０２は、ｄmedに基づいて、値に等しいＣｆ２を設定することがある（たとえば、Ｃｆ２はｄmedの関数である）。たとえば、ｄmedに基づいてＣｆ２を計算するために使用される関数は、ゼロよりも大きいｄmedの値に関する増加関数およびゼロよりも小さいｄmedの値に関する減少関数であることがある。一例として、ｄmedが０よりも大きいまたはこれに等しい場合、処理回路１０２は、ｄmedに等しいＣｆ２を設定し、ｄmedがゼロよりも小さい場合は０に等しいＣｆ２を設定することがある。このようにして、推定形状モデルのインスタンスが現在の患者解剖学的構造よりも内側にある場合、Ｃｆ２の値は正の数であり、コスト関数の全体的なコスト値は増加する。また、コスト関数（Ｃｆ）は、Ｃｆ１プラスＣｆ２プラスＣｆ３に等しく（および場合によっては、重みｗ１、ｗ２、およびｗ３を用いて更新される）、Ｃｆ２が正の数である場合、Ｃｆの値は、Ｃｆ２の値がゼロである場合と比較して増加する。処理回路１０２は、閾値を満たす（たとえば、コスト関数を最小にする）コスト値を決定しているので、Ｃｆ２の正の値を有することは、処理回路１０２を、罹患前または罹患した埋め込み前特性を決定するために現在の患者解剖学的構造よりも内側にある推定形状モデルのインスタンスを使用しないようにさせる。
[0224]いくつかの例では、コスト関数値（Ｃｆ）は、Ｃｆ１およびＣｆ２のみに基づいてよい。たとえば、ＥＲループに対して、処理回路１０２または投影ユニット２１２は、どの推定形状モデルがＣｆを最小にすることをもたらすかを決定することがある。しかしながら、そのようなケースでは推定形状モデルが高い変動をもつ（たとえば、一般集団における罹患前または罹患した埋め込み前特性を表すより低い確率を有する）モデルであることが可能であることがある。したがって、いくつかの例では、ＥＲループの場合、処理回路１０２は、パラメータ重み値（たとえば、Ｃｆ３）を決定し得る。パラメータ重み値は、より可能性の高い推定形状モデルを罹患前または罹患した埋め込み前解剖学的構造の表現であるというより高い確率を有すると重み付けし、罹患前または罹患した埋め込み前解剖学的構造の表現であるというより低い確率を有すると、推定形状モデルのように小さく重み付けする。
[0225]たとえば、いくつかの例では、処理回路１０２は、データ誤差の増加分散におけるより複雑な解に対してペナルティを課すために使用されるサブコスト関数値Ｃｆ３も決定することがある。たとえば、処理回路１０２は、以下の式により変動の参加モードにペナルティを課す固有値を使用して、勾配平滑化項を決定することがある。
Figure 2023162303000005
[0226]上記の式では、Ｎは、推定形状モデルのインスタンスを作るために使用されるモードの数である。Ｃｆ３は、すべての例で必要であるとは限らないことがある。たとえば、Ｃｆ３に関する式では、推定形状モデルのインスタンスが多くのモードを有する場合、推定形状モデルのインスタンスがより少ないモードを有する場合と比較して、合計する、より大きい数の値がある。したがって、合計の結果（たとえば、Ｃｆ３の値）は、より少ないモードを有するそれらの推定形状モデルよりも大きいモードを有するそれらの推定形状モデルの場合は大きい。したがって、Ｃｆ３のより大きい値は、コスト関数値Ｃｆを、Ｃｆ３のより小さい値よりも大きくさせる。処理回路１０２は、Ｃｆの値を最小にしていることがあるので、Ｃｆ３のより大きい値を有する推定形状モデルは、Ｃｆ３のより小さい値を有する推定形状モデルと比較して、患者解剖学的構造の罹患前または罹患した埋め込み前形状として決定される可能性は低い。
[0227]一般に、Ｃｆ３は、２つの項から構成される。疎またはハードな項と微細な（fine）または平滑化項である。固有値は、分解行列の対角の正の値である。それらの順序は、対応する固有ベクトルの発生をデータベースへと反映する。第１の固有値は、データベース内の最も「重要な」または頻繁な変動を表し、最後の固有値は、最も頻繁でないもの（通常はノイズを表す）を表すことを意味する。Ｃｆ３の疎な項では、処理回路１０２は、データベース分散の最も重要でないＫ％に参加するそれらの固有ベクトルを削除することがある（すなわち、ｌａｍｂｄａ（ｉ）＞ｑの場合はｂｉ＝０、ここで、ｉ≦ｑに対するｖｉは、データベース分散の（１００－Ｋ）％を表す）。Ｃｆ３の微細な項では、処理回路１０２は、より高い固有ベクトルを徐々に不利にすることがある。その結果、アルゴリズムは、複雑なまたはノイズの多い解を避ける。一般に、「平滑化」という用語は、最適化方法へのａａ調節項の追加を示すために使用される。
[0228]処理回路１０２は、ｗ１＊Ｃｆ１＋ｗ２＊Ｃｆ２＋ｗ３＊Ｃｆ３が閾値よりも小さい（たとえば、最小にされる）推定形状モデルを決定し得る。この推定形状モデルは、グローバルループを通る第１の反復のための第１次形状モデルである。
[0229]たとえば、グローバルループを通る第１の反復に対して、ＥＲループの場合、処理回路１０２が、形状モデル１０６およびｂｉの異なる値に基づいて以下の推定形状モデルを決定すると仮定する。たとえば、第１の推定形状モデルはｓ１１であってよく、ここで、ｓ１１は
Figure 2023162303000006
に等しく、ここで、ｓ’は形状モデル１０６、λiは形状モデル１０６を決定するために使用される固有値、ｖiは形状モデル１０６を決定するために使用される固有ベクトルである。この例では、ｂ１１iは、第１の重み付けパラメータである。処理回路１０２は、第２の推定形状モデル（たとえば、ｓ１２）を決定することがあり、ここで、ｓ１２は、
Figure 2023162303000007
に等しく、ここで、ｂ１２iは第２の重み付けパラメータである。このようにして、処理回路１０２は、複数の推定形状モデル（たとえば、ｓ１１、ｓ１２、ｓ１３など）を決定し得る。
[0230]推定形状モデルの各々に対して、処理回路１０２は、Ｃｆ１、Ｃｆ２、およびＣｆ３の値を決定し得る。また、Ｃｆ１、Ｃｆ２、およびＣｆ３のすべてが必要とされるとは限らない。たとえば、処理回路１０２は、推定形状モデルｓ１１とＩＣＰループによって生成される第１次形状に基づいて、ｓ１１＿Ｃｆ１を決定することがある。処理回路１０２は、推定形状モデルｓ１２とＩＣＰループによって生成される第１次形状に基づいて、ｓ１２＿Ｃｆ１を決定することがあり、以下同様である。処理回路１０２は、Ｃｆ２を決定するために上記で例示的な技法に関して説明されたように、ｓ１１＿Ｃｆ２、ｓ１２＿Ｃｆ３などを決定し得る。同様に、処理回路１０２は、Ｃｆ３を決定するために上記で例示的な技法に関して説明されたように、ｓ１１＿Ｃｆ３、ｓ１２＿Ｃｆ３などを決定し得る。
[0231]処理回路１０２は、ｗ１＊ｓ１１＿Ｃｆ１＋ｗ２＊ｓ１１＿Ｃｆ２＋ｗ３＊ｓ１１＿Ｃｆ３としてｓ１１＿Ｃｆを決定し、ｗ１＊ｓ１２＿Ｃｆ１＋ｗ２＊ｓ１２＿Ｃｆ２＋ｗ３＊ｓ１３＿Ｃｆ３としてｓ１２＿Ｃｆを決定してよく、以下同様である。Ｃｆ１、Ｃｆ２、およびＣｆ３に適用される重みは、ｓ１１、ｓ１２、ｓ１３などの各々に対して異なってもよいし、重みは同じであってもよい。処理回路１０２は、ｓ１１＿Ｃｆ、ｓ１２＿Ｃｆ、ｓ１３＿Ｃｆなどのうちのどの１つが最小である（または、場合によっては閾値よりも小さい）かを決定し得る。ｓ１２＿Ｃｆは最小であると仮定する。この例では、処理回路１０２は、ＥＲループの結果として推定形状モデルｓ１２を決定することがあり、グローバルループの第１の反復に対するＥＲループの結果は、第１次形状モデルである。
[0232]これは、グローバルループの第１の反復を終了させ得る。たとえば、グローバルループの第１の反復では、ＩＣＰループは第１次形状を生成し、ＥＲループは第１次形状モデルを生成した。次いで、グローバルループの第２の反復の場合、ＩＣＰループへの入力は、前のＥＲループから生成された第１次形状モデルと、前のＩＣＰループから生成された第１次形状である。グローバルループの第２の反復に関するＩＣＰループでは、処理回路１０２は、第１次形状モデルおよび第１次形状に基づいて、第２次形状を生成する。第２次形状は、グローバルループの第２の反復におけるＥＲループへの入力である。また、ＥＲループでは、グローバルループの第２の反復において、処理回路１０２は、形状モデル１０６に基づいて、および／または第１次形状モデル（たとえば、この例ではｓ１２）に基づいて、推定形状モデル（たとえば、ｓ２１、ｓ２２、ｓ２３など）を決定し得る。ＥＲループの出力は第２次形状モデルであってよく、これは、グローバルループの第２の反復を終了させ得る。
[0233]このプロセスは、処理回路１０２が、Ｃｆ値を最小にする推定形状モデルのインスタンスを決定するまで、繰り返す。たとえば、グローバルループの第１の反復の後、処理回路１０２は、ｓ１２＿Ｃｆのコスト値を有する推定形状モデルｓ１２を出力したと仮定する。グローバルループの第２の反復の後、処理回路１０２は、ｓ２３＿Ｃｆのコスト値を有する推定形状モデルｓ２３を出力した。グローバルループの第３の反復の後、処理回路１０２は、ｓ３６＿Ｃｆのコスト値を有する推定形状モデルｓ３６を出力した。この例では、処理回路１０２は、ｓ１２＿Ｃｆ、ｓ２３＿Ｃｆ、またはｓ３６＿Ｃｆのうちのどの１つが最小値であるかを決定し、患者の罹患前または罹患した埋め込み前解剖学的構造として最小Ｃｆ値と関連づけられた推定形状を決定することがある。たとえば、ｓ２３＿Ｃｆは最小であったと仮定する。この例では、処理回路１０２は、推定形状モデルｓ２３が患者の罹患前または罹患した埋め込み前特性を表すことを決定することがある。
[0234]上記の例では、処理回路１０２は、Ｃｆの値が最小にされるまでグローバルループをループすることがある。しかしながら、いくつかの例では、処理回路１０２は、設定された数の反復の間、グローバルループをループするように構成されることがある。処理回路１０２は、次いで、推定形状モデルのどのモデルがＣｆの最小値をもたらしたかを決定し得る。いくつかの例では、処理回路１０２は、Ｃｆの値が閾値を下回るまでグローバルループをループすることがある。
[0235]上記で説明されたように、処理回路１０２は、コスト関数値Ｃｆの最小を決定し得る。Ｃｆの値を最小にすることまたは複数のＣｆ値から最小Ｃｆ値を決定することは、コスト関数を満たす２つの例示的なやり方である。コスト関数を満たす他のやり方があることがある。一例として、コスト関数を満たすことは、コスト関数のコスト値が閾値よりも小さいことを意味することがある。また、コスト関数を満たすことがコスト関数を最大にすることを意味するようにコスト関数を再構成することが可能であることがある。たとえば、コスト関数における係数の１つは、推定形状モデルの点とＩＣＰループからの出力における対応する点との距離であることがある。いくつかの例では、処理回路１０２は、推定形状モデルとＩＣＰループからの出力との距離を最小にすることがあり、距離と逆相関する数を生成することがある（たとえば、距離が近いほど、処理回路１０２が生成する数が多くなる）。この例では、コスト関数を満たすために、処理回路１０２は、距離と逆相関するコスト値を最大にすることがある。したがって、例は、グローバルループおよびＩＣＰループの一部として最小にすることに関して説明されているが、いくつかの例では、コスト関数を満たす（たとえば、最適化する）ために、処理回路１０２は、Ｃｆの値を最大にすることがある。そのような技法は、本開示によって企図されている。たとえば、コスト値が閾値を満たすことは、コスト値は、コスト値が閾値よりも小さいことが罹患前もしくは罹患した埋め込み前形状を示す場合、閾値よりも小さい、または、コスト値が閾値よりも大きいことが罹患前もしくは罹患した埋め込み前形状を示す場合、閾値よりも大きいことを決定することを意味する。
[0236]図２８は、本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャートである。図２８の技法は、図１のデバイス１００に関して説明されるが、いかなる特定のタイプのコンピューティングデバイスにも限定されない。コンピューティングデバイス１００は、インプラントを含む患者の関節の画像データを取得し、この画像データは、インプラントをもつ関節の３Ｄモデルを備える（２８０２）。コンピューティングデバイス１００は、インプラントの第１のコンポーネントに対応する３Ｄモデル内の第１の対象物を識別する（２８０４）。コンピューティングデバイス１００は、第１の対象物に基づいて第１のベクトルを決定する（２８０６）。コンピューティングデバイス１００は、インプラントの第２のコンポーネントに対応する３Ｄモデル内の第２の対象物を識別する（２８０８）。コンピューティングデバイス１００は、第２の対象物に基づいて第２のベクトルを決定する（２８１０）。コンピューティングデバイス１００は、第１のベクトルおよび第２のベクトルによって画定された平面に垂直である第３のベクトルを決定する（２８１２）。コンピューティングデバイス１００は、第１のベクトル、第２のベクトル、および第３のベクトルに基づいて患者座標系を決定する（２８１４）。コンピューティングデバイス１００は、３Ｄモデル内の解剖学的対象物を識別する（２８１６）。コンピューティングデバイス１００は、決定された患者座標系に基づいて画像データから形状モデルに解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成する（２８１８）。コンピューティングデバイス１００は、初期アライメントされた形状に基づいて、解剖学的対象物の罹患した埋め込み前形状を示す情報を生成する（２８２０）。
[0237]図２９は、本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャートである。図２９の技法は、図１のデバイス１００に関して説明されるが、いかなる特定のタイプのコンピューティングデバイスにも限定されない。コンピューティングデバイス１００は、罹患した解剖学的対象物のための形状モデルを決定する（２９０２）。コンピューティングデバイス１００は、インプラントを含む患者の関節の画像データを取得し、この画像データは、インプラントをもつ関節の３Ｄモデルを含む（２９０４）。コンピューティングデバイス１００は、インプラントをもつ関節の３Ｄモデルにおいて、骨に対応するボクセルを識別する（２９０６）。コンピューティングデバイス１００は、骨に対応すると識別されたボクセルに基づいて、骨に対する初期形状推定を決定する（２９０８）。コンピューティングデバイス１００は、アライメントされた初期形状推定を形成するように初期形状推定を形状モデルにアライメントする（２９１０）。コンピューティングデバイス１００は、骨の埋め込み前の罹患した近似を生成するために、アライメントされた初期形状推定に基づいて形状モデルを変形させる（２９１２）。
[0238]図３０は、本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャートである。図３０の技法は、図１のデバイス１００に関して説明されるが、いかなる特定のタイプのコンピューティングデバイスにも限定されない。コンピューティングデバイス１００は、患者の関節の画像データを取得する（３００２）。コンピューティングデバイス１００は、関節が既存のインプラントを含むことを決定する（３００４）。コンピューティングデバイス１００は、関節の画像データをセグメント化する（３００６）。コンピューティングデバイス１００は、既存のインプラントに関するタイプの識別を生成する（３００８）。
[0239]図３１は、本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャートである。図３１の技法は、図１のデバイス１００に関して説明されるが、いかなる特定のタイプのコンピューティングデバイスにも限定されない。
[0240]コンピューティングデバイス１００は、既存のインプラントをもつ患者の関節の画像データを取得する（３１０２）。コンピューティングデバイス１００は、たとえば、画像データを取得するための上記で説明された任意の技法を使用して、画像データを取得し得る。コンピューティングデバイス１００は、既存のインプラントをもつ患者の関節の画像データ内で、既存のインプラントの画像を識別する（３１０４）。既存のインプラントの画像を識別するために、コンピューティングデバイス１００は、たとえば、既存のインプラントのセグメント化された画像を決定するために既存のインプラントをもつ患者の関節の画像データをセグメント化し得る。
[0241]いくつかの例では、患者の関節の画像データは関節の３Ｄモデルであってよく、既存のインプラントの画像は既存のインプラントの３Ｄモデルであってよく、複数のインプラント製品に関する画像は３Ｄ画像であってよい。いくつかの例では、患者の関節の画像データは関節の２Ｄ画像であってよく、既存のインプラントの画像は既存のインプラントの２Ｄ画像であってよく、複数のインプラント製品に関する画像は２Ｄ画像であってよい。いくつかの例では、患者の関節の画像データは関節の３Ｄモデルであってよく、既存のインプラントの画像は既存のインプラントの３Ｄモデルであってよく、複数のインプラント製品に関する画像は２Ｄ画像であってよい。既存のインプラントをもつ患者の関節の画像データは、たとえば、Ｘ線画像であってもよい。
[0242]コンピューティングデバイス１００は、メモリデバイス内で、複数のインプラント製品を複数のインプラント製品に関する画像と関連づけるデータベースにアクセスし、この複数のインプラント製品の各インプラント製品は、少なくとも１つの画像と関連づけられる（３１０６）。メモリデバイスは、ローカルまたはリモートのどちらかであってよい。データベースでは、各それぞれのインプラント製品は、それぞれのインプラント製品に関するインプラントタイプ、それぞれのインプラント製品に関する製造業者、それぞれのインプラントに関するモデルタイプ、インプラントを除去するために推奨もしくは必要とされるツールのセット、インプラントの除去に関する外科的な推奨事項のセット、インプラント製品の寸法などの仕様、または他の任意のそのような情報などの情報と関連づけられてよい。
[0243]コンピューティングデバイス１００は、複数のインプラント製品に関する画像に対する既存のインプラントの画像の比較に基づいて、既存のインプラントに対応する少なくとも１つのインプラント製品を識別する（３１０８）。コンピューティングデバイス１００は、既存のインプラントの３Ｄモデルから既存のインプラントのデジタル的に再構成された放射線写真を決定してよく、既存のインプラントに対応する少なくとも１つのインプラント製品を識別するために、コンピューティングデバイス１００は、既存のインプラントのデジタル的に再構成された放射線写真を複数のインプラント製品に関する画像と比較し得る。
[0244]複数のインプラント製品に関する画像との既存のインプラントの画像の比較に基づいて、既存のインプラントに対応する少なくとも１つのインプラント製品を識別するために、コンピューティングデバイス１００は、画像データ内の既存のインプラントの形状を複数のインプラント製品に関する形状と比較するように構成されることがある。異なるインプラントは、典型的には、異なる形状を有する。たとえば、異なるインプラント製品のステムは、対称的であってもよいし非対称的であってもよく、カラーを含んでもよいし含まなくてもよく、まっすぐな設計を有してもよいし解剖学的な設計を有してもよく、多数の異なる断面形状のいずれか１つを有してもよく、フランジ付きであってもよいし丸背であってもよく、または他の任意の数の特徴的な形状特性を有してもよい。異なるインプラント製品の上腕骨プラットフォームは、異なるネックシャフト角度、厚さ、ポリエチレンの厚さ、ポリエチレンの角形成、または他の任意の数の特徴的な形状特性を有してよい。インプラント製品のグレノスフィア（glenosphere）コンポーネントも、グレノスフィアコンポーネントが側方化（lateralize）されるかどうかなどの、任意の数の特徴的な形状特性を有してよい。
[0245]識別された少なくとも１つのインプラント製品に基づいて、コンピューティングデバイス１００は、たとえばディスプレイを介して、既存のインプラントに対応する少なくとも１つのインプラント製品に関する製造業者の標識または既存のインプラントに対応する少なくとも１つのインプラント製品に関する製品識別の標識を出力するように構成されることがある。いくつかの例では、コンピューティングデバイス１００は、既存のインプラントに対応する少なくとも１つのインプラント製品に関するそれぞれのインプラント製品を除去するために使用される必要とされるもしくは推奨されるツールのセットの標識および／または既存のインプラントに対応する少なくとも１つのインプラント製品に関するそれぞれのインプラント製品を除去するための命令のセットも出力することがある。
[0246]いくつかの例では、データベースは、各それぞれのインプラント製品に対して、それぞれのインプラント製品が設置されたもしくは設置されることが承認された国の標識、それぞれのインプラントが設置に関して承認された日付もしくは日付範囲、それぞれのインプラントが中止された日付もしくは日付範囲、それぞれのインプラントが特定の国において設置に関して承認された日付もしくは日付範囲、それぞれのインプラントが特定の国において中止された日付もしくは日付範囲、または他のそのような情報などの情報も記憶することがある。コンピューティングデバイス１００は、既存のインプラントに対応する少なくとも１つのインプラント製品を識別するためにも使用され得るユーザ入力を受け取ることがある。たとえば、患者が、ある日付で、ある国でインプラントを設置されていたことが知られている場合、コンピューティングデバイス１００は、インプラント製品候補として、そのある国でまたはそのある日付の後まで利用可能でなかった任意のインプラント製品を消去するように構成されることがある。
[0247]図３２は、本開示において説明される１つまたは複数の例示的な技法によるコンピューティングデバイスの動作の例示的な方法を図示するフローチャートである。図３２の技法は、図１のデバイス１００に関して説明されるが、いかなる特定のタイプのコンピューティングデバイスにも限定されない。
[0248]コンピューティングデバイス１００は、既存のインプラントをもつ患者の関節の画像データを取得する（３２０２）。コンピューティングデバイス１００は、たとえば、画像データを取得するための上記で説明された任意の技法を使用して、画像データを取得し得る。コンピューティングデバイス１００は、既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別する（３２０４）。コンピューティングデバイス１００は、上記で説明されたセグメント化技法に基づいて、セメントに対応する画像の部分を識別し得る。いくつかのケースでは、初期セグメンテーションを実施した後、コンピューティングデバイス１００は、存在するセメントの量と形状またはパターンとをより正確に決定するために、たとえばインプラントのステムおよびベースプレートの周りで、ローカル処理を実施することがある。インプラントコンポーネントは一般に滑らかで既知の形状を有するので、コンピューティングデバイス１００は、インプラントコンポーネントを骨に固定するセメントの形状とパターンとを決定するためにインプラントコンポーネントの部分に関してピクセル単位の分析を実施することを可能にすることがある。
[0249]セメントに対応する画像の部分に基づいて、コンピューティングデバイス１００は、既存のインプラントをもつ患者の関節のセメント強度値を決定する（３２０６）。セメント強度値は、たとえば、セメントの固定強度の、画像データから決定された推定値であってもよいし、これに対応してもよい。セメント強度は、たとえば、セメントの体積、インプラントもしくは骨の表面積に対するセメントの体積、セメントの厚さ、セメント関心領域（ＲＯＩ）の密度、セメントに対するインプラントの表面台座（surface seating）、または他のそのような要因、のうちの１つまたは複数に基づいて決定されてよい。コンピューティングデバイス１００は、セメントのパターンに基づいてセメント強度を決定することもある。一例として、セメントの全体的な体積または平均厚さが２つの異なるインプラントに対して同じである場合ですら、セメント強度は、より多くのセメントがステムの基部の近くまたはステムの端の近くにあるかどうかに基づいて異なってよい。別の例として、セメントの全体的な体積または平均厚さが２つの異なるインプラントに対して同じである場合ですら、セメント強度は、セメントの縁が滑らかであるまたは粗いかどうかに基づいて異なってよい。
[0250]コンピューティングデバイス１００は、決定されたセメント強度に基づいて出力を生成する（３２０８）。出力は、たとえば、既存のインプラントを除去することと関連づけられた困難さの推定または既存のインプラントを除去するための外科的な推奨事項のうちの１つまたは複数であってよい。コンピューティングデバイス１００は、追加的または代替的に、セメントの体積、インプラントもしくは骨の表面積に対するセメントの体積、セメントの厚さ、セメントＲＯＩの密度、セメントに対するインプラントの表面台座、セメントのパターン、または他のそのような要因などの要因に基づいて、外科的な推奨事項も出力することがある。
[0251]コンピューティングデバイス１００は、複数のセメント強度に対して、その強度をもつセメントによって保持されるインプラントコンポーネントを除去するために必要とされる困難さの関連づけられた尺度を記憶するデータベースにアクセスし得る。複数のセメント強度の回帰分析に基づいて、コンピューティングデバイス１００は、既存のインプラントをもつ患者の関節に関するセメント強度に基づいて既存のインプラントを除去するために必要とされる困難さの推定値を決定し得る。インプラントを除去するために必要とされる困難さの尺度は、たとえば、インプラントを除去するために必要とされるいくつかの打撃、インプラントを除去するために必要とされる測定された力、外科医のフィードバック（たとえば、１から１０のスケール）、除去フェーズを実施するために必要とされる時間の継続時間、または任意のそのようなフィードバック、のうちの１つまたは複数であってよい。この点に関して、データベースは、すでに実施された手術に関する情報またはすでに実施された手術から得られる情報を記憶し得る。困難さの推定は、デバイス１００のユーザへの出力として、数値（たとえば、１から１０のスケール）、分類（たとえば、簡単、中くらい、難しい）、除去フェーズを実施するために必要とされる時間の推定量、または他の任意のそのようなタイプを含む、事実上いかなる形をもとってよい。
[0252]いくつかの実装形態では、セメント強度は、特定のタイプのインプラントまたはインプラントの特定の種類（make）およびモデルと関連づけられることがある。したがって、インプラントタイプまたはインプラント種類もしくはモデルがひとたび決定されると、コンピューティングデバイス１００は、既存のインプラントのタイプまたはモデルに基づいて、既存のインプラントを除去するために必要とされる困難さの推定を決定し得る。たとえば、決定されたインプラントタイプまたはモデルに関する複数のセメント強度の回帰分析に基づいて、コンピューティングデバイス１００は、困難さの推定を決定し得る。
[0253]技法は、限られた数の例に関して開示されているが、本開示の利益を有する当業者は、それから多数の修正形態と変形形態とを諒解するであろう。たとえば、説明された例のいかなる妥当な組み合わせも実施されてよいことが企図されている。添付の特許請求の範囲は、本発明の真の趣旨および範囲に含まれるそのような修正形態と変形形態とを包含することが意図されている。
[0254]例に応じて、本明細書において説明される技法のいずれかのいくつかの行為またはイベントは、異なるシーケンスで実施可能であり、追加、合併、または全体で省略されてよい（たとえば、すべての説明された行為またはイベントが、必ずしも技法の実施のために必要であるとは限らない）ことが認識されるべきである。さらに、いくつかの例では、行為またはイベントは、たとえば、順次ではなく、マルチスレッド処理、割り込み処理、または複数のプロセッサを通じて、同時に実施されてよい。
[0255]１つまたは複数の例では、説明された機能は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの任意の組み合わせにおいて実施されてよい。ソフトウェアで実装された場合、機能は、１つまたは複数の命令またはコードとしてコンピュータ可読媒体上に記憶されてもよいし、これに送信されてもよく、ハードウェアベースの処理ユニットによって実行されてよい。コンピュータ可読媒体は、データ記憶媒体などの有形媒体に対応するコンピュータ可読記憶媒体、またはたとえば通信プロトコルによるある所から別の所へのコンピュータプログラムの転送を容易にする任意の媒体を含む通信媒体を含んでよい。このようにして、コンピュータ可読媒体は、一般に、（１）非一時的な有形コンピュータ可読記憶媒体、または（２）信号もしくは搬送波などの通信媒体に対応し得る。データ記憶媒体は、本開示において説明される技法の実装形態のための命令、コード、および／またはデータ構造を取り出すために１つもしくは複数のコンピュータまたは１つもしくは複数のプロセッサによってアクセス可能である任意の利用可能な媒体であってよい。コンピュータプログラム製品は、コンピュータ可読媒体を含んでよい。
[0256]限定ではなく、例として、そのようなコンピュータ可読記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ（登録商標）、ＣＤ－ＲＯＭ、または他の光ディスク記憶装置、磁気ディスク記憶装置、または他の磁気記憶デバイス、フラッシュメモリ、または命令もしくはデータ構造の形で所望のプログラムコードを記憶するために使用可能であり、コンピュータによってアクセス可能である他の任意の媒体を備えることができる。また、あらゆる接続は、コンピュータ可読媒体と呼ばれるのが適切である。たとえば、命令が、同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ）、または赤外線、無線、およびマイクロ波などのワイヤレス技術を使用して、ウェブサイト、サーバ、または他のリモートソースから送信される場合、同軸ケーブル、光ファイバケーブル、ツイストペア、ＤＳＬ、または赤外線、無線、およびマイクロ波などのワイヤレス技術は、媒体の定義に含まれる。しかしながら、コンピュータ可読記憶媒体およびデータ記憶媒体は、接続、搬送波、信号、または他の一時的な媒体を含まず、代わりに、非一時的な有形の記憶媒体を対象とすることが理解されるべきである。本明細書で使用されるディスク（ｄｉｓｋ）およびディスク（ｄｉｓｃ）は、コンパクトディスク（ＣＤ：ｃｏｍｐａｃｔ ｄｉｓｃ）と、レーザーディスク（登録商標）（ｌａｓｅｒ ｄｉｓｃ）と、光ディスク（ｏｐｔｉｃａｌ ｄｉｓｃ）と、デジタル多用途ディスク（ＤＶＤ：ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｃ）と、フロッピー（登録商標）ディスク（ｆｌｏｐｐｙ ｄｉｓｋ）と、ブルーレイディスク（Ｂｌｕ－ｒａｙ（登録商標） ｄｉｓｃ）とを含み、ここで、ディスク（ｄｉｓｋ）は通常、データを磁気的に再生し、ディスク（ｄｉｓｃｓ）は、レーザを用いて光学的にデータを再生する。上記の組み合わせも、コンピュータ可読媒体の範囲内に含まれるべきである。
[0257]本開示において説明される動作は、１つまたは複数のプロセッサによって実施されてよく、この１つまたは複数のプロセッサは、固定機能処理回路、プログラマブル回路、または１つもしくは複数のデジタル信号プロセッサ（ＤＳＰ）、汎用マイクロプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、もしくは他の同等の集積論理回路もしくはディスクリート論理回路などの、それらの組み合わせとして実装されてよい。固定機能回路とは、特定の機能を提供し、実施可能である動作に関してあらかじめ設定されている回路を指す。プログラマブル回路は、さまざまなタスクを実施し、実施可能である動作において柔軟な機能を提供するようにプログラムすることができる回路を指す。たとえば、プログラマブル回路は、プログラマブル回路をソフトウェアまたはファームウェアの命令によって定義された様式で動作させるソフトウェアまたはファームウェアによって指定された命令を実行し得る。固定機能回路は、（たとえば、パラメータを受け取るまたはパラメータを出力するために）ソフトウェア命令を実行し得るが、固定機能回路が実施する動作のタイプは、一般に不変である。したがって、本明細書で使用される「プロセッサ」および「処理回路」という用語は、前述の構造または本明細書において説明される技法の実装に適した他の任意の構造のいずれかを指し得る。
[0258]さまざまな例が説明されてきた。これらおよび他の例は、以下の特許請求の範囲の範囲内である。
[0258]さまざまな例が説明されてきた。これらおよび他の例は、以下の特許請求の範囲の範囲内である。

以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
［１］ 罹患した解剖学的対象物のための形状モデルを決定することと、
コンピューティングシステムによって、インプラントを含む患者の関節の画像データを取得することと、ここにおいて、前記画像データが、前記インプラントをもつ前記関節の３Ｄモデルを備える、
前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、骨に対応するボクセルを識別することと、
前記骨に対応すると識別された前記ボクセルに基づいて、前記骨に対する初期形状推定を決定することと、
アライメントされた初期形状推定を形成するように前記初期形状推定を前記形状モデルにアライメントすることと、
前記骨の埋め込み前の罹患した近似を生成するために前記アライメントされた初期形状推定に基づいて前記形状モデルを変形させることと
を備える方法。
［２］ 前記骨の前記埋め込み前の罹患した近似をディスプレイデバイスに出力すること
をさらに備える、［１］に記載の方法。
［３］ 前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、前記インプラントに対応するボクセルを識別することと、
前記インプラントのない前記関節の３Ｄモデルを生成するために、前記インプラントをもつ前記関節の前記３Ｄモデルから前記インプラントに対応する前記ボクセルを除去することと
をさらに備える、［１］または［２］に記載の方法。
［４］ 前記インプラントのない前記関節の前記３Ｄモデルをディスプレイデバイスに出力すること
をさらに備える、［３］に記載の方法。
［５］ 前記骨の前記埋め込み前の罹患した近似に基づいて、前記インプラントのない前記関節の前記３Ｄモデルをセグメント化すること
をさらに備える、［１］から［４］のいずれかに記載の方法。
［６］ 前記骨の前記埋め込み前の罹患した近似に基づいて前記インプラントのない前記関節の前記３Ｄモデルをセグメント化することが、前記埋め込み前の罹患した近似を機械学習システムに入力することを備える、［５］に記載の方法。
［７］ 前記インプラントのない前記関節の前記セグメント化された３Ｄモデルを出力すること
をさらに備える、［５］に記載の方法。
［８］ 前記インプラントのない前記関節の前記セグメント化された３Ｄモデルを出力することが、前記３Ｄモデルのための複数の可能なセグメンテーションを出力することを備える、［７］に記載の方法。
［９］ 前記３Ｄモデルのための前記複数の可能なセグメンテーションの信頼値を出力すること
をさらに備える、［７］に記載の方法。
［１０］ 前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、非インプラント特徴に対応するボクセルを識別することと、
前記インプラントの３Ｄモデルを生成するために、前記インプラントをもつ前記関節の前記３Ｄモデルから前記非インプラント特徴に対応する前記ボクセルを除去することと をさらに備える、［１］から［４］のいずれかに記載の方法。
［１１］ 前記インプラントの前記３Ｄモデルをディスプレイデバイスに出力すること をさらに備える、［１０］に記載の方法。
［１２］ 前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、前記インプラントの３Ｄモデルを決定するために前記インプラントに対応するボクセルを識別することと、
前記インプラントの前記３Ｄモデルに基づいて、前記インプラントのための１つまたは複数の特徴を決定することと、
前記インプラントのための前記決定された１つまたは複数の特徴に基づいて前記アライメントされた初期形状推定を形成するために、前記初期形状推定を前記形状モデルにアライメントすることと
をさらに備える、［１］に記載の方法。
［１３］ 前記初期形状推定を前記形状モデルにアライメントすることが、前記形状モデルへの前記初期形状推定の初期アライメントを実施することと、前記形状モデルに対して前記初期アライメントを回転させることとをさらに備える、［１２］に記載の方法。 ［１４］ 前記埋め込み前の罹患した骨のための前記形状モデルを決定することが、前記埋め込み前の罹患した骨の分類をユーザから受け取ることを備える、［１］に記載の方法。
［１５］ 骨に対応する前記ボクセルを識別することが、
前記３Ｄモデル内のボクセルを、骨、インプラント、軟部組織、またはノイズのうちの１つに対応すると分類すること
を備える、［１］に記載の方法。
［１６］ 最初にアライメントされた形状推定に基づいて前記形状モデルを変形させることが、反復的最近点レジストレーションまたは弾性レジストレーションの一方または両方を実施することを備える、［１］から［１５］のいずれかに記載の方法。
［１７］ 前記画像データがコンピュータ断層撮影（ＣＴ）画像を備える、［１］から［１６］のいずれかに記載の方法。
［１８］ コンピューティングシステムによって、インプラントを含む患者の関節の画像データを取得することと、ここにおいて、前記画像データが、前記インプラントをもつ前記関節の３Ｄモデルを備える、
前記３Ｄモデル内の第１の対象物を識別することと、ここにおいて、前記第１の対象物が前記インプラントの第１のコンポーネントに対応する、
前記第１の対象物に基づいて第１のベクトルを決定することと、
前記３Ｄモデル内の第２の対象物を識別することと、ここにおいて、前記第２の対象物が前記インプラントの第２のコンポーネントに対応する、
前記第２の対象物に基づいて第２のベクトルを決定することと、
前記第１のベクトルおよび前記第２のベクトルによって画定された平面に垂直である第３のベクトルを決定することと、
前記第１のベクトル、前記第２のベクトル、および前記第３のベクトルに基づいて患者座標系を決定することと、
前記３Ｄモデル内の解剖学的対象物を識別することと、
前記決定された患者座標系に基づいて前記画像データから形状モデルに前記解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成することと、
前記初期アライメントされた形状に基づいて、前記解剖学的対象物の罹患した埋め込み前形状を示す情報を生成することと
を備える方法。
［１９］ 前記初期アライメントされた形状と前記形状モデルとの距離が、アライメントされた形状を生成する閾値を満たすまで、前記初期アライメントされた形状を回転させるように、前記初期アライメントされた形状の座標を反復的に調整すること
をさらに備え、
ここにおいて、前記解剖学的対象物の前記罹患した埋め込み前形状を示す情報を生成することが、前記アライメントされた形状に基づいて前記罹患した埋め込み前形状を示す情報を生成することを備える、
［１８］に記載の方法。
［２０］ コンピューティングシステムによって、患者の関節の画像データを取得することと、
前記コンピューティングシステムによって、前記関節が既存のインプラントを含むことを決定することと、
前記関節の前記画像データをセグメント化することと、
前記既存のインプラントに関するタイプの識別を生成することと
を備える方法。
［２１］ 前記関節が前記インプラントを含むことを決定することが、前記コンピューティングシステムによって、前記画像データの分析に基づいて前記関節が前記インプラントを含むことを決定することを備える、［２０］に記載の方法。
［２２］ 前記関節が前記インプラントを含むことを決定することが、前記コンピューティングシステムによって、ユーザ入力に基づいて前記関節が前記インプラントを含むことを決定することを備える、［２０］に記載の方法。
［２３］ 前記既存のインプラントに関する前記タイプの前記識別が、リバース型インプラント、解剖学的インプラント、または半球インプラントのうちの１つを備える、［２０］から［２２］のいずれかに記載の方法。
［２４］ 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記画像データをセグメント化することが、前記３Ｄモデルにおいて、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別することを備え、前記方法が、
前記既存のインプラントに対応する前記ボクセルが３つの接続されていない対象物を形成することを決定することと、
前記既存のインプラントに対応する前記ボクセルが前記３つの接続されていない対象物を形成することを決定することに応答して、前記既存のインプラントに関する前記タイプが未定義のタイプを備えることを決定することと
をさらに備える、［２０］から［２３］のいずれかに記載の方法。
［２５］ 前記既存のインプラントに関する前記タイプが前記未定義のタイプを備えることを示す出力を生成すること
をさらに備える、［２４］に記載の方法。
［２６］ 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記画像データをセグメント化することが、前記３Ｄモデルにおいて、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別することを備え、前記方法が、
前記既存のインプラントに対応する前記ボクセルが１つの接続された対象物を形成することを決定することと、
前記既存のインプラントに対応する前記ボクセルが前記１つの接続された対象物を形成することを決定することに応答して、前記既存のインプラントに対応する前記ボクセルの場所に基づいて、ボクセルの第２の場所を識別することと、
前記ボクセルの第２の場所において、関節窩マーカを探索することと、
前記関節窩マーカを検出しないことに応答して、前記既存のインプラントに関する前記タイプが半球インプラントタイプを備えることを決定すること
をさらに備える、［２０］から［２３］のいずれかに記載の方法。
［２７］ 前記既存のインプラントに関する前記タイプが前記半球インプラントタイプを備えることを示す出力を生成すること
をさらに備える、［２６］に記載の方法。
［２８］ 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記画像データをセグメント化することが、前記３Ｄモデルにおいて、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別することを備え、前記方法が、
前記既存のインプラントに対応する前記ボクセルが１つの接続された対象物を形成することを決定することと、
前記既存のインプラントに対応する前記ボクセルが前記１つの接続された対象物を形成することを決定することに応答して、前記既存のインプラントに対応する前記ボクセルの場所に基づいて、ボクセルの第２の場所を識別することと、
前記ボクセルの第２の場所において、関節窩マーカを探索することと、
前記関節窩マーカを検出することに応答して、前記既存のインプラントに関する前記タイプが解剖学的インプラントタイプを備えることを決定すること
をさらに備える、［２０］から［２３］のいずれかに記載の方法。
［２９］ 前記既存のインプラントに関する前記タイプが前記解剖学的インプラントタイプを備えることを示す出力を生成すること
をさらに備える、［２８］に記載の方法。
［３０］ 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記画像データをセグメント化することが、前記３Ｄモデルにおいて、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別することを備え、前記方法が、
前記既存のインプラントに対応する前記ボクセルが２つの接続されていない対象物を形成することを決定することと、
前記既存のインプラントに対応する前記ボクセルが前記２つの接続されていない対象物を形成することを決定することに応答して、前記既存のインプラントに関する前記タイプがリバースタイプを備えることを決定することと
をさらに備える、［２０］から［２３］のいずれかに記載の方法。
［３１］ 前記既存のインプラントに関する前記タイプが前記リバースタイプを備えることを示す出力を生成すること
をさらに備える、［３０］に記載の方法。
［３２］ コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データを取得することと、
前記コンピューティングシステムによって、前記既存のインプラントをもつ前記患者の前記関節の前記画像データ内で、前記既存のインプラントの画像を識別することと、
メモリデバイス内で、複数のインプラント製品を前記複数のインプラント製品に関する画像と関連づけるデータベースにアクセスすることと、前記複数のインプラント製品の各インプラント製品が少なくとも１つの画像と関連づけられる、
前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の比較に基づいて、前記既存のインプラントに対応する少なくとも１つのインプラント製品を識別することと
を備える方法。
［３３］ 各それぞれのインプラント製品が、前記それぞれのインプラント製品に関する製造業者と関連づけられ、前記方法が、
前記既存のインプラントに対応する前記少なくとも１つのインプラント製品に関する前記製造業者の標識を出力すること
をさらに備える、［３２］に記載の方法。
［３４］ 各それぞれのインプラント製品が、前記それぞれのインプラント製品に関する製品識別と関連づけられ、前記方法が、
前記既存のインプラントに対応する前記少なくとも１つのインプラント製品に関する前記製品識別の標識を出力すること
をさらに備える、［３２］または［３３］に記載の方法。
［３５］ 各それぞれのインプラント製品が、前記それぞれのインプラント製品を除去するために使用されるツールのセットと関連づけられ、前記方法が、
前記既存のインプラントに対応する前記少なくとも１つのインプラント製品のために前記それぞれのインプラント製品を除去するために使用される前記ツールのセットの標識を出力すること
をさらに備える、［３２］から［３４］のいずれかに記載の方法。
［３６］ 各それぞれのインプラント製品が、前記それぞれのインプラント製品を除去するための命令のセットと関連づけられ、前記方法が、
前記既存のインプラントに対応する前記少なくとも１つのインプラント製品のために前記それぞれのインプラント製品を除去するための前記命令のセットを出力すること
をさらに備える、［３２］から［３５］のいずれかに記載の方法。
［３７］ ユーザ入力を受け取ること
をさらに備え、
ここにおいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別することが、前記ユーザ入力にさらに基づく、
［３２］から［３６］のいずれかに記載の方法。
［３８］ 前記ユーザ入力が、
前記既存のインプラントが設置された国の標識、
前記既存のインプラントが設置された日付または日付範囲、
前記既存のインプラントに関する製造業者、
前記既存のインプラントに関するタイプ
のうちの１つまたは複数を備える、［３７］に記載の方法。
［３９］ 前記ユーザ入力に基づいて、前記複数のインプラント製品からインプラント製品のサブセットを決定すること
をさらに備え、
ここにおいて、前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別することが、前記インプラント製品のサブセットのみに関する画像と前記関節の前記画像データを比較することを備える、
［３７］または［３８］に記載の方法。
［４０］ 前記患者の前記関節の前記画像データが前記関節の３Ｄモデルを備え、前記既存のインプラントの前記画像が前記既存のインプラントの３Ｄモデルを備え、前記複数のインプラント製品に関する前記画像が３Ｄ画像を備える、［３２］から［３９］のいずれかに記載の方法。
［４１］ 前記患者の前記関節の前記画像データが前記関節の２Ｄ画像を備え、前記既存のインプラントの前記画像が前記既存のインプラントの２Ｄ画像を備え、前記複数のインプラント製品に関する前記画像が２Ｄ画像を備える、［３２］から［３９］のいずれかに記載の方法。
［４２］ 前記患者の前記関節の前記画像データが前記関節の３Ｄモデルを備え、前記既存のインプラントの前記画像が前記既存のインプラントの３Ｄモデルを備え、前記複数のインプラント製品に関する前記画像が２Ｄ画像を備える、［３２］から［３９］のいずれかに記載の方法。
［４３］ 前記既存のインプラントの前記３Ｄモデルから、前記既存のインプラントのデジタル的に再構成された放射線写真を決定すること
をさらに備え、
ここにおいて、前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別することが、前記複数のインプラント製品に関する前記画像と前記既存のインプラントの前記デジタル的に再構成された放射線写真を比較することを備える、
［４２］に記載の方法。
［４４］ 前記既存のインプラントをもつ前記患者の前記関節の前記画像データがＸ線画像を備える、［３２］から［３９］のいずれかに記載の方法。
［４５］ 前記既存のインプラントの前記画像を識別することが、前記既存のインプラントのセグメント化された画像を決定するために前記既存のインプラントをもつ前記患者の前記関節の前記画像データをセグメント化することを備える、［３２］から［４４］のいずれかに記載の方法。
［４６］ 前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する少なくとも１つのインプラント製品を識別することが、前記複数のインプラント製品のための形状と前記画像データ内の前記既存のインプラントの形状を比較することを備える、［３２］から［４５］のいずれかに記載の方法。
［４７］ コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データを取得することと、
前記コンピューティングシステムによって、前記既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別することと、
セメントに対応する前記画像の前記部分に基づいて、前記既存のインプラントをもつ前記患者の前記関節のセメント強度を決定することと、
前記決定されたセメント強度に基づいて出力を生成することと
を備える方法。
［４８］ 前記出力が、前記既存のインプラントを除去することと関連づけられた困難さの推定を備える、［４７］に記載の方法。
［４９］ 前記出力が、前記既存のインプラントを除去するための外科的な推奨を備える、［４７］または［４８］に記載の方法。
［５０］ 複数のセメント強度に関するデータベースを記憶することと、前記セメント強度の各々が、インプラントを除去するために必要とされる困難さの尺度と関連づけられる、
前記複数のセメント強度の回帰分析に基づいて、前記既存のインプラントをもつ前記患者の前記関節に関する前記セメント強度に基づいて前記既存のインプラントを除去するために必要とされる困難さの推定を決定することと
をさらに備える、［４７］から［４９］のいずれかに記載の方法。
［５１］ 前記インプラントを除去するために必要とされる前記困難の尺度が、前記インプラントを除去するために必要とされる打撃の数を備える、［５０］に記載の方法。 ［５２］ 実行されるとき、１つまたは複数のプロセッサに［１］から［５１］のいずれかに記載の方法を実施させる命令を記憶するコンピュータ可読記憶媒体。
［５３］ メモリと、
回路内で実装され、
罹患した解剖学的対象物のための形状モデルを決定し、
インプラントを含む患者の関節の画像データを取得し、ここにおいて、前記画像データが、前記インプラントをもつ前記関節の３Ｄモデルを備える、
前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、骨に対応するボクセルを識別し、
前記骨に対応すると識別された前記ボクセルに基づいて、前記骨に対する初期形状推定を決定し、
アライメントされた初期形状推定を形成するように前記初期形状推定を前記形状モデルにアライメントし、
前記骨の埋め込み前の罹患した近似を生成するために前記アライメントされた初期形状推定に基づいて前記形状モデルを変形させる
ように構成された１つまたは複数のプロセッサと
を備えるデバイス。
［５４］ 前記１つまたは複数のプロセッサが、
前記骨の前記埋め込み前の罹患した近似をディスプレイデバイスに出力する
ようにさらに構成される、［５３］に記載のデバイス。
［５５］ 前記１つまたは複数のプロセッサが、
前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、前記インプラントに対応するボクセルを識別し、
前記インプラントのない前記関節の３Ｄモデルを生成するために、前記インプラントをもつ前記関節の前記３Ｄモデルから前記インプラントに対応する前記ボクセルを除去する ようにさらに構成される、［５３］または［５４］に記載のデバイス。
［５６］ 前記１つまたは複数のプロセッサが、
前記インプラントのない前記関節の前記３Ｄモデルをディスプレイデバイスに出力する ようにさらに構成される、［５５］に記載のデバイス。
［５７］ 前記１つまたは複数のプロセッサが、
前記骨の前記埋め込み前の罹患した近似に基づいて、前記インプラントのない前記関節の前記３Ｄモデルをセグメント化する
ようにさらに構成される、［５３］から［５６］のいずれかに記載のデバイス。
［５８］ 前記骨の前記埋め込み前の罹患した近似に基づいて前記インプラントのない前記関節の前記３Ｄモデルをセグメント化するために、前記１つまたは複数のプロセッサが、前記埋め込み前の罹患した近似を機械学習システムに入力するようにさらに構成される、［５７］に記載のデバイス。
［５９］ 前記１つまたは複数のプロセッサが、
前記インプラントのない前記関節の前記セグメント化された３Ｄモデルを出力する
ようにさらに構成される、［５７］に記載のデバイス。
［６０］ 前記インプラントのない前記関節の前記セグメント化された３Ｄモデルを出力するために、前記１つまたは複数のプロセッサが、前記３Ｄモデルのための複数の可能なセグメンテーションを出力するようにさらに構成される、［５９］に記載のデバイス。 ［６１］ 前記１つまたは複数のプロセッサが、
前記３Ｄモデルのための前記複数の可能なセグメンテーションの信頼値を出力する
ようにさらに構成される、［５９］に記載のデバイス。
［６２］ 前記１つまたは複数のプロセッサが、
前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、非インプラント特徴に対応するボクセルを識別し、
前記インプラントの３Ｄモデルを生成するために、前記インプラントをもつ前記関節の前記３Ｄモデルから前記非インプラント特徴に対応する前記ボクセルを除去する
ようにさらに構成される、［５３］から［５６］のいずれかに記載のデバイス。
［６３］ 前記１つまたは複数のプロセッサが、
前記インプラントの前記３Ｄモデルをディスプレイデバイスに出力する
ようにさらに構成される、［６２］に記載のデバイス。
［６４］ 前記１つまたは複数のプロセッサが、
前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、前記インプラントの３Ｄモデルを決定するために前記インプラントに対応するボクセルを識別し、
前記インプラントの前記３Ｄモデルに基づいて、前記インプラントのための１つまたは複数の特徴を決定し、
前記インプラントのための前記決定された１つまたは複数の特徴に基づいて前記アライメントされた初期形状推定を形成するために、前記初期形状推定を前記形状モデルにアライメントする
ようにさらに構成される、［５３］に記載のデバイス。
［６５］ 前記初期形状推定を前記形状モデルにアライメントするために、前記１つまたは複数のプロセッサが、前記形状モデルへの前記初期形状推定の初期アライメントを実施し、前記形状モデルに対して前記初期アライメントを回転させるようにさらに構成される、［６４］に記載のデバイス。
［６６］ 前記埋め込み前の罹患した骨のための前記形状モデルを決定するために、前記１つまたは複数のプロセッサが、前記埋め込み前の罹患した骨の分類をユーザから受け取るようにさらに構成される、［５３］に記載のデバイス。
［６７］ 骨に対応する前記ボクセルを識別するために、前記１つまたは複数のプロセッサが、
前記３Ｄモデル内のボクセルを、骨、インプラント、軟部組織、またはノイズのうちの１つに対応すると分類する
ようにさらに構成される、［５３］に記載のデバイス。
［６８］ 初期にアライメントされた形状推定に基づいて前記形状モデルを変形させるために、前記１つまたは複数のプロセッサが、反復的最近点レジストレーションまたは弾性レジストレーションの一方または両方を実施するようにさらに構成される、［５３］から［６７］のいずれかに記載のデバイス。
［６９］ 前記画像データがコンピュータ断層撮影（ＣＴ）画像を備える、［５３］から［６８］のいずれかに記載のデバイス。
［７０］ メモリと、
回路内で実装され、
インプラントを含む患者の関節の画像データを取得し、ここにおいて、前記画像データが、前記インプラントをもつ前記関節の３Ｄモデルを備える、
前記３Ｄモデル内の第１の対象物を識別し、ここにおいて、前記第１の対象物が前記インプラントの第１のコンポーネントに対応する、
前記第１の対象物に基づいて第１のベクトルを決定し、
前記３Ｄモデル内の第２の対象物を識別し、ここにおいて、前記第２の対象物が前記インプラントの第２のコンポーネントに対応する、
前記第２の対象物に基づいて第２のベクトルを決定し、
前記第１のベクトルおよび前記第２のベクトルによって画定された平面に垂直である第３のベクトルを決定し、
前記第１のベクトル、前記第２のベクトル、および前記第３のベクトルに基づいて患者座標系を決定し、
前記３Ｄモデル内の解剖学的対象物を識別し、
前記決定された患者座標系に基づいて前記画像データから形状モデルに前記解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成し、
前記初期アライメントされた形状に基づいて、前記解剖学的対象物の罹患した埋め込み前形状を示す情報を生成する
ように構成された１つまたは複数のプロセッサと
を備えるデバイス。
［７１］ 前記１つまたは複数のプロセッサが、
前記初期アライメントされた形状と前記形状モデルとの距離が、アライメントされた形状を生成する閾値を満たすまで、前記初期アライメントされた形状を回転させるように、前記初期アライメントされた形状の座標を反復的に調整する
ようにさらに構成され、
ここにおいて、前記解剖学的対象物の前記罹患した埋め込み前形状を示す前記情報を生成するために、前記１つまたは複数のプロセッサが、前記アライメントされた形状に基づいて前記罹患した埋め込み前形状を示す情報を生成するようにさらに構成される、
［７０］に記載のデバイス。
［７２］ メモリと、
回路内で実装され、
患者の関節の画像データを取得し、
前記関節が既存のインプラントを含むことを決定し、
前記関節の前記画像データをセグメント化し、
前記既存のインプラントに関するタイプの識別を生成する
ように構成された１つまたは複数のプロセッサと
を備えるデバイス。
［７３］ 前記関節が前記インプラントを含むことを決定するために、前記１つまたは複数のプロセッサが、前記画像データの分析に基づいて前記関節が前記インプラントを含むことを決定するようにさらに構成される、［７２］に記載のデバイス。
［７４］ 前記関節が前記インプラントを含むことを決定するために、前記１つまたは複数のプロセッサが、ユーザ入力に基づいて前記関節が前記インプラントを含むことを決定するようにさらに構成される、［７２］に記載のデバイス。
［７５］ 前記既存のインプラントに関する前記タイプの前記識別が、リバース型インプラント、解剖学的インプラント、または半球インプラントのうちの１つを備える、［７２］から［７４］のいずれかに記載のデバイス。
［７６］ 前記画像データが前記関節の３Ｄモデルを備え、前記１つまたは複数のプロセッサが、
前記画像データをセグメント化するために、前記３Ｄモデル内で、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別し、
前記既存のインプラントに対応する前記ボクセルが３つの接続されていない対象物を形成することを決定し、
前記既存のインプラントに対応する前記ボクセルが前記３つの接続されていない対象物を形成することを決定することに応答して、前記既存のインプラントに関する前記タイプが未定義のタイプを備えることを決定する
ようにさらに構成される、［７２］から［７５］のいずれかに記載のデバイス。
［７７］ 前記１つまたは複数のプロセッサが、
前記既存のインプラントに関する前記タイプが前記未定義のタイプを備えることを示す出力を生成する
ようにさらに構成される、［７６］に記載のデバイス。
［７８］ 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記１つまたは複数のプロセッサが、
前記画像データをセグメント化するために、前記３Ｄモデル内で、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別し、
前記既存のインプラントに対応する前記ボクセルが１つの接続された対象物を形成することを決定し、
前記既存のインプラントに対応する前記ボクセルが前記１つの接続された対象物を形成することを決定することに応答して、前記既存のインプラントに対応する前記ボクセルの場所に基づいて、ボクセルの第２の場所を識別し、
前記ボクセルの第２の場所において、関節窩マーカを探索し、
前記関節窩マーカを検出しないことに応答して、前記既存のインプラントに関する前記タイプが半球インプラントタイプを備えることを決定する
ようにさらに構成される、［７２］から［７５］のいずれかに記載のデバイス。
［７９］ 前記１つまたは複数のプロセッサが、
前記既存のインプラントに関する前記タイプが前記半球インプラントタイプを備えることを示す出力を生成する
ようにさらに構成される、［７８］に記載のデバイス。
［８０］ 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記１つまたは複数のプロセッサが、
前記画像データをセグメント化するために、前記３Ｄモデル内で、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別し、
前記既存のインプラントに対応する前記ボクセルが１つの接続された対象物を形成することを決定し、
前記既存のインプラントに対応する前記ボクセルが前記１つの接続された対象物を形成することを決定することに応答して、前記既存のインプラントに対応する前記ボクセルの場所に基づいて、ボクセルの第２の場所を識別し、
前記ボクセルの第２の場所において、関節窩マーカを探索し、
前記関節窩マーカを検出することに応答して、前記既存のインプラントに関する前記タイプが解剖学的インプラントタイプを備えることを決定する
ようにさらに構成される、［７２］から［７５］のいずれかに記載のデバイス。
［８１］ 前記１つまたは複数のプロセッサが、
前記既存のインプラントに関する前記タイプが前記解剖学的インプラントタイプを備えることを示す出力を生成する
ようにさらに構成される、［８０］に記載のデバイス。
［８２］ 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記１つまたは複数のプロセッサが、
前記画像データをセグメント化するために、前記３Ｄモデル内で、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別し、
前記既存のインプラントに対応する前記ボクセルが２つの接続されていない対象物を形成することを決定し、
前記既存のインプラントに対応する前記ボクセルが前記２つの接続されていない対象物を形成することを決定することに応答して、前記既存のインプラントに関する前記タイプがリバースタイプを備えることを決定する
ようにさらに構成される、［７２］から［７５］のいずれかに記載のデバイス。
［８３］ 前記１つまたは複数のプロセッサが、
前記既存のインプラントに関する前記タイプが前記リバースタイプを備えることを示す出力を生成する
ようにさらに構成される、［８２］に記載のデバイス。
［８４］ メモリと、
回路内で実装され、
既存のインプラントをもつ患者の関節の画像データを取得し、
前記既存のインプラントをもつ前記患者の前記関節の前記画像データ内で、前記既存のインプラントの画像を識別し、
複数のインプラント製品を前記複数のインプラント製品に関する画像と関連づけるデータベースにアクセスし、前記複数のインプラント製品の各インプラント製品が少なくとも１つの画像と関連づけられる、
前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の比較に基づいて、前記既存のインプラントに対応する少なくとも１つのインプラント製品を識別する
ように構成された１つまたは複数のプロセッサと
を備えるデバイス。
［８５］ 各それぞれのインプラント製品が、前記それぞれのインプラント製品に関する製造業者と関連づけられ、ここにおいて、前記１つまたは複数のプロセッサが、
前記既存のインプラントに対応する前記少なくとも１つのインプラント製品に関する前記製造業者の標識を出力する
ようにさらに構成される、［８４］に記載のデバイス。
［８６］ 各それぞれのインプラント製品が、前記それぞれのインプラント製品に関する製品識別と関連づけられ、ここにおいて、前記１つまたは複数のプロセッサが、
前記既存のインプラントに対応する前記少なくとも１つのインプラント製品に関する前記製品識別の標識を出力する
ようにさらに構成される、［８４］または［８５］に記載のデバイス。
［８７］ 各それぞれのインプラント製品が、前記それぞれのインプラント製品を除去するために使用されるツールのセットと関連づけられ、ここにおいて、前記１つまたは複数のプロセッサが、
前記既存のインプラントに対応する前記少なくとも１つのインプラント製品のために前記それぞれのインプラント製品を除去するために使用される前記ツールのセットの標識を出力する
ようにさらに構成される、［８４］から［８６］のいずれかに記載のデバイス。
［８８］ 各それぞれのインプラント製品が、前記それぞれのインプラント製品を除去するための命令のセットと関連づけられ、ここにおいて、前記１つまたは複数のプロセッサが、
前記既存のインプラントに対応する前記少なくとも１つのインプラント製品のために前記それぞれのインプラント製品を除去するための前記命令のセットを出力する
ようにさらに構成される、［８４］から［８７］のいずれかに記載のデバイス。
［８９］ 前記１つまたは複数のプロセッサが、
ユーザ入力を受け取り、
前記ユーザ入力に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別する
ようにさらに構成される、［８４］から［８８］のいずれかに記載のデバイス。
［９０］ 前記ユーザ入力が、
前記既存のインプラントが設置された国の標識、
前記既存のインプラントが設置された日付または日付範囲、
前記既存のインプラントに関する製造業者、
前記既存のインプラントに関するタイプ
のうちの１つまたは複数を備える、［８９］に記載のデバイス。
［９１］ 前記１つまたは複数のプロセッサが、
前記ユーザ入力に基づいて、前記複数のインプラント製品からインプラント製品のサブセットを決定し、
前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別するために、前記インプラント製品のサブセットのみに関する画像と前記関節の前記画像データを比較する
ようにさらに構成される、［８９］または［９０］に記載のデバイス。
［９２］ 前記患者の前記関節の前記画像データが前記関節の３Ｄモデルを備え、前記既存のインプラントの前記画像が前記既存のインプラントの３Ｄモデルを備え、前記複数のインプラント製品に関する前記画像が３Ｄ画像を備える、［８４］から［９１］のいずれかに記載のデバイス。
［９３］ 前記患者の前記関節の前記画像データが前記関節の２Ｄ画像を備え、前記既存のインプラントの前記画像が前記既存のインプラントの２Ｄ画像を備え、前記複数のインプラント製品に関する前記画像が２Ｄ画像を備える、［８４］から［９１］のいずれかに記載のデバイス。
［９４］ 前記患者の前記関節の前記画像データが前記関節の３Ｄモデルを備え、前記既存のインプラントの前記画像が前記既存のインプラントの３Ｄモデルを備え、前記複数のインプラント製品に関する前記画像が２Ｄ画像を備える、［８４］から［９１］のいずれかに記載のデバイス。
［９５］ 前記１つまたは複数のプロセッサが、
前記既存のインプラントの前記３Ｄモデルから、前記既存のインプラントのデジタル的に再構成された放射線写真を決定し、
前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別するために、前記複数のインプラント製品に関する前記画像と前記既存のインプラントの前記デジタル的に再構成された放射線写真を比較する
ようにさらに構成される、［９４］に記載のデバイス。
［９６］ 前記既存のインプラントをもつ前記患者の前記関節の前記画像データがＸ線画像を備える、［８４］から［９１］のいずれかに記載のデバイス。
［９７］ 前記既存のインプラントの前記画像を識別するために、前記既存のインプラントのセグメント化された画像を決定するために前記既存のインプラントをもつ前記患者の前記関節の前記画像データをセグメント化する、［８４］から［９６］のいずれかに記載のデバイス。
［９８］ 前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する少なくとも１つのインプラント製品を識別するために、前記複数のインプラント製品のための形状と前記画像データ内の前記既存のインプラントの形状を比較する、［８４］から［９７］のいずれかに記載のデバイス。
［９９］ メモリと、
回路内で実装され、
既存のインプラントをもつ患者の関節の画像データを取得し、
前記既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別し、
セメントに対応する前記画像の前記部分に基づいて、前記既存のインプラントをもつ前記患者の前記関節のセメント強度を決定し、
前記決定されたセメント強度に基づいて出力を生成する
ように構成された１つまたは複数のプロセッサと
を備えるデバイス。
［１００］ 前記出力が、前記既存のインプラントを除去することと関連づけられた困難さの推定を備える、［９９］に記載のデバイス。
［１０１］ 前記出力が、前記既存のインプラントを除去するための外科的な推奨を備える、［９９］または［１００］に記載のデバイス。
［１０２］ 前記１つまたは複数のプロセッサが、
複数のセメント強度に関するデータベースを記憶し、前記セメント強度の各々が、インプラントを除去するために必要とされる困難さの尺度と関連づけられる、
前記複数のセメント強度の回帰分析に基づいて、前記既存のインプラントをもつ前記患者の前記関節に関する前記セメント強度に基づいて前記既存のインプラントを除去するために必要とされる困難さの推定を決定する
ようにさらに構成される、［９９］から［１０１］のいずれかに記載のデバイス。
［１０３］ 前記インプラントを除去するために必要とされる前記困難の尺度が、前記インプラントを除去するために必要とされる打撃の数を備える、［１０２］に記載のデバイス。

Claims (103)

  1. 罹患した解剖学的対象物のための形状モデルを決定することと、
    コンピューティングシステムによって、インプラントを含む患者の関節の画像データを取得することと、ここにおいて、前記画像データが、前記インプラントをもつ前記関節の３Ｄモデルを備える、
    前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、骨に対応するボクセルを識別することと、
    前記骨に対応すると識別された前記ボクセルに基づいて、前記骨に対する初期形状推定を決定することと、
    アライメントされた初期形状推定を形成するように前記初期形状推定を前記形状モデルにアライメントすることと、
    前記骨の埋め込み前の罹患した近似を生成するために前記アライメントされた初期形状推定に基づいて前記形状モデルを変形させることと
    を備える方法。
  2. 前記骨の前記埋め込み前の罹患した近似をディスプレイデバイスに出力すること
    をさらに備える、請求項１に記載の方法。
  3. 前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、前記インプラントに対応するボクセルを識別することと、
    前記インプラントのない前記関節の３Ｄモデルを生成するために、前記インプラントをもつ前記関節の前記３Ｄモデルから前記インプラントに対応する前記ボクセルを除去することと
    をさらに備える、請求項１または２に記載の方法。
  4. 前記インプラントのない前記関節の前記３Ｄモデルをディスプレイデバイスに出力すること
    をさらに備える、請求項３に記載の方法。
  5. 前記骨の前記埋め込み前の罹患した近似に基づいて、前記インプラントのない前記関節の前記３Ｄモデルをセグメント化すること
    をさらに備える、請求項１から４のいずれかに記載の方法。
  6. 前記骨の前記埋め込み前の罹患した近似に基づいて前記インプラントのない前記関節の前記３Ｄモデルをセグメント化することが、前記埋め込み前の罹患した近似を機械学習システムに入力することを備える、請求項５に記載の方法。
  7. 前記インプラントのない前記関節の前記セグメント化された３Ｄモデルを出力すること をさらに備える、請求項５に記載の方法。
  8. 前記インプラントのない前記関節の前記セグメント化された３Ｄモデルを出力することが、前記３Ｄモデルのための複数の可能なセグメンテーションを出力することを備える、請求項７に記載の方法。
  9. 前記３Ｄモデルのための前記複数の可能なセグメンテーションの信頼値を出力すること をさらに備える、請求項７に記載の方法。
  10. 前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、非インプラント特徴に対応するボクセルを識別することと、
    前記インプラントの３Ｄモデルを生成するために、前記インプラントをもつ前記関節の前記３Ｄモデルから前記非インプラント特徴に対応する前記ボクセルを除去することと をさらに備える、請求項１から４のいずれかに記載の方法。
  11. 前記インプラントの前記３Ｄモデルをディスプレイデバイスに出力すること
    をさらに備える、請求項１０に記載の方法。
  12. 前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、前記インプラントの３Ｄモデルを決定するために前記インプラントに対応するボクセルを識別することと、
    前記インプラントの前記３Ｄモデルに基づいて、前記インプラントのための１つまたは複数の特徴を決定することと、
    前記インプラントのための前記決定された１つまたは複数の特徴に基づいて前記アライメントされた初期形状推定を形成するために、前記初期形状推定を前記形状モデルにアライメントすることと
    をさらに備える、請求項１に記載の方法。
  13. 前記初期形状推定を前記形状モデルにアライメントすることが、前記形状モデルへの前記初期形状推定の初期アライメントを実施することと、前記形状モデルに対して前記初期アライメントを回転させることとをさらに備える、請求項１２に記載の方法。
  14. 前記埋め込み前の罹患した骨のための前記形状モデルを決定することが、前記埋め込み前の罹患した骨の分類をユーザから受け取ることを備える、請求項１に記載の方法。
  15. 骨に対応する前記ボクセルを識別することが、
    前記３Ｄモデル内のボクセルを、骨、インプラント、軟部組織、またはノイズのうちの１つに対応すると分類すること
    を備える、請求項１に記載の方法。
  16. 最初にアライメントされた形状推定に基づいて前記形状モデルを変形させることが、反復的最近点レジストレーションまたは弾性レジストレーションの一方または両方を実施することを備える、請求項１から１５のいずれかに記載の方法。
  17. 前記画像データがコンピュータ断層撮影（ＣＴ）画像を備える、請求項１から１６のいずれかに記載の方法。
  18. コンピューティングシステムによって、インプラントを含む患者の関節の画像データを取得することと、ここにおいて、前記画像データが、前記インプラントをもつ前記関節の３Ｄモデルを備える、
    前記３Ｄモデル内の第１の対象物を識別することと、ここにおいて、前記第１の対象物が前記インプラントの第１のコンポーネントに対応する、
    前記第１の対象物に基づいて第１のベクトルを決定することと、
    前記３Ｄモデル内の第２の対象物を識別することと、ここにおいて、前記第２の対象物が前記インプラントの第２のコンポーネントに対応する、
    前記第２の対象物に基づいて第２のベクトルを決定することと、
    前記第１のベクトルおよび前記第２のベクトルによって画定された平面に垂直である第３のベクトルを決定することと、
    前記第１のベクトル、前記第２のベクトル、および前記第３のベクトルに基づいて患者座標系を決定することと、
    前記３Ｄモデル内の解剖学的対象物を識別することと、
    前記決定された患者座標系に基づいて前記画像データから形状モデルに前記解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成することと、
    前記初期アライメントされた形状に基づいて、前記解剖学的対象物の罹患した埋め込み前形状を示す情報を生成することと
    を備える方法。
  19. 前記初期アライメントされた形状と前記形状モデルとの距離が、アライメントされた形状を生成する閾値を満たすまで、前記初期アライメントされた形状を回転させるように、前記初期アライメントされた形状の座標を反復的に調整すること
    をさらに備え、
    ここにおいて、前記解剖学的対象物の前記罹患した埋め込み前形状を示す情報を生成することが、前記アライメントされた形状に基づいて前記罹患した埋め込み前形状を示す情報を生成することを備える、
    請求項１８に記載の方法。
  20. コンピューティングシステムによって、患者の関節の画像データを取得することと、
    前記コンピューティングシステムによって、前記関節が既存のインプラントを含むことを決定することと、
    前記関節の前記画像データをセグメント化することと、
    前記既存のインプラントに関するタイプの識別を生成することと
    を備える方法。
  21. 前記関節が前記インプラントを含むことを決定することが、前記コンピューティングシステムによって、前記画像データの分析に基づいて前記関節が前記インプラントを含むことを決定することを備える、請求項２０に記載の方法。
  22. 前記関節が前記インプラントを含むことを決定することが、前記コンピューティングシステムによって、ユーザ入力に基づいて前記関節が前記インプラントを含むことを決定することを備える、請求項２０に記載の方法。
  23. 前記既存のインプラントに関する前記タイプの前記識別が、リバース型インプラント、解剖学的インプラント、または半球インプラントのうちの１つを備える、請求項２０から２２のいずれかに記載の方法。
  24. 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記画像データをセグメント化することが、前記３Ｄモデルにおいて、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別することを備え、前記方法が、 前記既存のインプラントに対応する前記ボクセルが３つの接続されていない対象物を形成することを決定することと、
    前記既存のインプラントに対応する前記ボクセルが前記３つの接続されていない対象物を形成することを決定することに応答して、前記既存のインプラントに関する前記タイプが未定義のタイプを備えることを決定することと
    をさらに備える、請求項２０から２３のいずれかに記載の方法。
  25. 前記既存のインプラントに関する前記タイプが前記未定義のタイプを備えることを示す出力を生成すること
    をさらに備える、請求項２４に記載の方法。
  26. 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記画像データをセグメント化することが、前記３Ｄモデルにおいて、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別することを備え、前記方法が、 前記既存のインプラントに対応する前記ボクセルが１つの接続された対象物を形成することを決定することと、
    前記既存のインプラントに対応する前記ボクセルが前記１つの接続された対象物を形成することを決定することに応答して、前記既存のインプラントに対応する前記ボクセルの場所に基づいて、ボクセルの第２の場所を識別することと、
    前記ボクセルの第２の場所において、関節窩マーカを探索することと、
    前記関節窩マーカを検出しないことに応答して、前記既存のインプラントに関する前記タイプが半球インプラントタイプを備えることを決定すること
    をさらに備える、請求項２０から２３のいずれかに記載の方法。
  27. 前記既存のインプラントに関する前記タイプが前記半球インプラントタイプを備えることを示す出力を生成すること
    をさらに備える、請求項２６に記載の方法。
  28. 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記画像データをセグメント化することが、前記３Ｄモデルにおいて、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別することを備え、前記方法が、 前記既存のインプラントに対応する前記ボクセルが１つの接続された対象物を形成することを決定することと、
    前記既存のインプラントに対応する前記ボクセルが前記１つの接続された対象物を形成することを決定することに応答して、前記既存のインプラントに対応する前記ボクセルの場所に基づいて、ボクセルの第２の場所を識別することと、
    前記ボクセルの第２の場所において、関節窩マーカを探索することと、
    前記関節窩マーカを検出することに応答して、前記既存のインプラントに関する前記タイプが解剖学的インプラントタイプを備えることを決定すること
    をさらに備える、請求項２０から２３のいずれかに記載の方法。
  29. 前記既存のインプラントに関する前記タイプが前記解剖学的インプラントタイプを備えることを示す出力を生成すること
    をさらに備える、請求項２８に記載の方法。
  30. 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記画像データをセグメント化することが、前記３Ｄモデルにおいて、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別することを備え、前記方法が、 前記既存のインプラントに対応する前記ボクセルが２つの接続されていない対象物を形成することを決定することと、
    前記既存のインプラントに対応する前記ボクセルが前記２つの接続されていない対象物を形成することを決定することに応答して、前記既存のインプラントに関する前記タイプがリバースタイプを備えることを決定することと
    をさらに備える、請求項２０から２３のいずれかに記載の方法。
  31. 前記既存のインプラントに関する前記タイプが前記リバースタイプを備えることを示す出力を生成すること
    をさらに備える、請求項３０に記載の方法。
  32. コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データを取得することと、
    前記コンピューティングシステムによって、前記既存のインプラントをもつ前記患者の前記関節の前記画像データ内で、前記既存のインプラントの画像を識別することと、
    メモリデバイス内で、複数のインプラント製品を前記複数のインプラント製品に関する画像と関連づけるデータベースにアクセスすることと、前記複数のインプラント製品の各インプラント製品が少なくとも１つの画像と関連づけられる、
    前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の比較に基づいて、前記既存のインプラントに対応する少なくとも１つのインプラント製品を識別することと
    を備える方法。
  33. 各それぞれのインプラント製品が、前記それぞれのインプラント製品に関する製造業者と関連づけられ、前記方法が、
    前記既存のインプラントに対応する前記少なくとも１つのインプラント製品に関する前記製造業者の標識を出力すること
    をさらに備える、請求項３２に記載の方法。
  34. 各それぞれのインプラント製品が、前記それぞれのインプラント製品に関する製品識別と関連づけられ、前記方法が、
    前記既存のインプラントに対応する前記少なくとも１つのインプラント製品に関する前記製品識別の標識を出力すること
    をさらに備える、請求項３２または３３に記載の方法。
  35. 各それぞれのインプラント製品が、前記それぞれのインプラント製品を除去するために使用されるツールのセットと関連づけられ、前記方法が、
    前記既存のインプラントに対応する前記少なくとも１つのインプラント製品のために前記それぞれのインプラント製品を除去するために使用される前記ツールのセットの標識を出力すること
    をさらに備える、請求項３２から３４のいずれかに記載の方法。
  36. 各それぞれのインプラント製品が、前記それぞれのインプラント製品を除去するための命令のセットと関連づけられ、前記方法が、
    前記既存のインプラントに対応する前記少なくとも１つのインプラント製品のために前記それぞれのインプラント製品を除去するための前記命令のセットを出力すること
    をさらに備える、請求項３２から３５のいずれかに記載の方法。
  37. ユーザ入力を受け取ること
    をさらに備え、
    ここにおいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別することが、前記ユーザ入力にさらに基づく、
    請求項３２から３６のいずれかに記載の方法。
  38. 前記ユーザ入力が、
    前記既存のインプラントが設置された国の標識、
    前記既存のインプラントが設置された日付または日付範囲、
    前記既存のインプラントに関する製造業者、
    前記既存のインプラントに関するタイプ
    のうちの１つまたは複数を備える、請求項３７に記載の方法。
  39. 前記ユーザ入力に基づいて、前記複数のインプラント製品からインプラント製品のサブセットを決定すること
    をさらに備え、
    ここにおいて、前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別することが、前記インプラント製品のサブセットのみに関する画像と前記関節の前記画像データを比較することを備える、
    請求項３７または３８に記載の方法。
  40. 前記患者の前記関節の前記画像データが前記関節の３Ｄモデルを備え、前記既存のインプラントの前記画像が前記既存のインプラントの３Ｄモデルを備え、前記複数のインプラント製品に関する前記画像が３Ｄ画像を備える、請求項３２から３９のいずれかに記載の方法。
  41. 前記患者の前記関節の前記画像データが前記関節の２Ｄ画像を備え、前記既存のインプラントの前記画像が前記既存のインプラントの２Ｄ画像を備え、前記複数のインプラント製品に関する前記画像が２Ｄ画像を備える、請求項３２から３９のいずれかに記載の方法。
  42. 前記患者の前記関節の前記画像データが前記関節の３Ｄモデルを備え、前記既存のインプラントの前記画像が前記既存のインプラントの３Ｄモデルを備え、前記複数のインプラント製品に関する前記画像が２Ｄ画像を備える、請求項３２から３９のいずれかに記載の方法。
  43. 前記既存のインプラントの前記３Ｄモデルから、前記既存のインプラントのデジタル的に再構成された放射線写真を決定すること
    をさらに備え、
    ここにおいて、前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別することが、前記複数のインプラント製品に関する前記画像と前記既存のインプラントの前記デジタル的に再構成された放射線写真を比較することを備える、
    請求項４２に記載の方法。
  44. 前記既存のインプラントをもつ前記患者の前記関節の前記画像データがＸ線画像を備える、請求項３２から３９のいずれかに記載の方法。
  45. 前記既存のインプラントの前記画像を識別することが、前記既存のインプラントのセグメント化された画像を決定するために前記既存のインプラントをもつ前記患者の前記関節の前記画像データをセグメント化することを備える、請求項３２から４４のいずれかに記載の方法。
  46. 前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する少なくとも１つのインプラント製品を識別することが、前記複数のインプラント製品のための形状と前記画像データ内の前記既存のインプラントの形状を比較することを備える、請求項３２から４５のいずれかに記載の方法。
  47. コンピューティングシステムによって、既存のインプラントをもつ患者の関節の画像データを取得することと、
    前記コンピューティングシステムによって、前記既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別することと、
    セメントに対応する前記画像の前記部分に基づいて、前記既存のインプラントをもつ前記患者の前記関節のセメント強度を決定することと、
    前記決定されたセメント強度に基づいて出力を生成することと
    を備える方法。
  48. 前記出力が、前記既存のインプラントを除去することと関連づけられた困難さの推定を備える、請求項４７に記載の方法。
  49. 前記出力が、前記既存のインプラントを除去するための外科的な推奨を備える、請求項４７または４８に記載の方法。
  50. 複数のセメント強度に関するデータベースを記憶することと、前記セメント強度の各々が、インプラントを除去するために必要とされる困難さの尺度と関連づけられる、
    前記複数のセメント強度の回帰分析に基づいて、前記既存のインプラントをもつ前記患者の前記関節に関する前記セメント強度に基づいて前記既存のインプラントを除去するために必要とされる困難さの推定を決定することと
    をさらに備える、請求項４７から４９のいずれかに記載の方法。
  51. 前記インプラントを除去するために必要とされる前記困難の尺度が、前記インプラントを除去するために必要とされる打撃の数を備える、請求項５０に記載の方法。
  52. 実行されるとき、１つまたは複数のプロセッサに請求項１から５１のいずれかに記載の方法を実施させる命令を記憶するコンピュータ可読記憶媒体。
  53. メモリと、
    回路内で実装され、
    罹患した解剖学的対象物のための形状モデルを決定し、
    インプラントを含む患者の関節の画像データを取得し、ここにおいて、前記画像データが、前記インプラントをもつ前記関節の３Ｄモデルを備える、
    前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、骨に対応するボクセルを識別し、
    前記骨に対応すると識別された前記ボクセルに基づいて、前記骨に対する初期形状推定を決定し、
    アライメントされた初期形状推定を形成するように前記初期形状推定を前記形状モデルにアライメントし、
    前記骨の埋め込み前の罹患した近似を生成するために前記アライメントされた初期形状推定に基づいて前記形状モデルを変形させる
    ように構成された１つまたは複数のプロセッサと
    を備えるデバイス。
  54. 前記１つまたは複数のプロセッサが、
    前記骨の前記埋め込み前の罹患した近似をディスプレイデバイスに出力する
    ようにさらに構成される、請求項５３に記載のデバイス。
  55. 前記１つまたは複数のプロセッサが、
    前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、前記インプラントに対応するボクセルを識別し、
    前記インプラントのない前記関節の３Ｄモデルを生成するために、前記インプラントをもつ前記関節の前記３Ｄモデルから前記インプラントに対応する前記ボクセルを除去する ようにさらに構成される、請求項５３または５４に記載のデバイス。
  56. 前記１つまたは複数のプロセッサが、
    前記インプラントのない前記関節の前記３Ｄモデルをディスプレイデバイスに出力する ようにさらに構成される、請求項５５に記載のデバイス。
  57. 前記１つまたは複数のプロセッサが、
    前記骨の前記埋め込み前の罹患した近似に基づいて、前記インプラントのない前記関節の前記３Ｄモデルをセグメント化する
    ようにさらに構成される、請求項５３から５６のいずれかに記載のデバイス。
  58. 前記骨の前記埋め込み前の罹患した近似に基づいて前記インプラントのない前記関節の前記３Ｄモデルをセグメント化するために、前記１つまたは複数のプロセッサが、前記埋め込み前の罹患した近似を機械学習システムに入力するようにさらに構成される、請求項５７に記載のデバイス。
  59. 前記１つまたは複数のプロセッサが、
    前記インプラントのない前記関節の前記セグメント化された３Ｄモデルを出力する
    ようにさらに構成される、請求項５７に記載のデバイス。
  60. 前記インプラントのない前記関節の前記セグメント化された３Ｄモデルを出力するために、前記１つまたは複数のプロセッサが、前記３Ｄモデルのための複数の可能なセグメンテーションを出力するようにさらに構成される、請求項５９に記載のデバイス。
  61. 前記１つまたは複数のプロセッサが、
    前記３Ｄモデルのための前記複数の可能なセグメンテーションの信頼値を出力する
    ようにさらに構成される、請求項５９に記載のデバイス。
  62. 前記１つまたは複数のプロセッサが、
    前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、非インプラント特徴に対応するボクセルを識別し、
    前記インプラントの３Ｄモデルを生成するために、前記インプラントをもつ前記関節の前記３Ｄモデルから前記非インプラント特徴に対応する前記ボクセルを除去する
    ようにさらに構成される、請求項５３から５６のいずれかに記載のデバイス。
  63. 前記１つまたは複数のプロセッサが、
    前記インプラントの前記３Ｄモデルをディスプレイデバイスに出力する
    ようにさらに構成される、請求項６２に記載のデバイス。
  64. 前記１つまたは複数のプロセッサが、
    前記インプラントをもつ前記関節の前記３Ｄモデルにおいて、前記インプラントの３Ｄモデルを決定するために前記インプラントに対応するボクセルを識別し、
    前記インプラントの前記３Ｄモデルに基づいて、前記インプラントのための１つまたは複数の特徴を決定し、
    前記インプラントのための前記決定された１つまたは複数の特徴に基づいて前記アライメントされた初期形状推定を形成するために、前記初期形状推定を前記形状モデルにアライメントする
    ようにさらに構成される、請求項５３に記載のデバイス。
  65. 前記初期形状推定を前記形状モデルにアライメントするために、前記１つまたは複数のプロセッサが、前記形状モデルへの前記初期形状推定の初期アライメントを実施し、前記形状モデルに対して前記初期アライメントを回転させるようにさらに構成される、請求項６４に記載のデバイス。
  66. 前記埋め込み前の罹患した骨のための前記形状モデルを決定するために、前記１つまたは複数のプロセッサが、前記埋め込み前の罹患した骨の分類をユーザから受け取るようにさらに構成される、請求項５３に記載のデバイス。
  67. 骨に対応する前記ボクセルを識別するために、前記１つまたは複数のプロセッサが、
    前記３Ｄモデル内のボクセルを、骨、インプラント、軟部組織、またはノイズのうちの１つに対応すると分類する
    ようにさらに構成される、請求項５３に記載のデバイス。
  68. 初期にアライメントされた形状推定に基づいて前記形状モデルを変形させるために、前記１つまたは複数のプロセッサが、反復的最近点レジストレーションまたは弾性レジストレーションの一方または両方を実施するようにさらに構成される、請求項５３から６７のいずれかに記載のデバイス。
  69. 前記画像データがコンピュータ断層撮影（ＣＴ）画像を備える、請求項５３から６８のいずれかに記載のデバイス。
  70. メモリと、
    回路内で実装され、
    インプラントを含む患者の関節の画像データを取得し、ここにおいて、前記画像データが、前記インプラントをもつ前記関節の３Ｄモデルを備える、
    前記３Ｄモデル内の第１の対象物を識別し、ここにおいて、前記第１の対象物が前記インプラントの第１のコンポーネントに対応する、
    前記第１の対象物に基づいて第１のベクトルを決定し、
    前記３Ｄモデル内の第２の対象物を識別し、ここにおいて、前記第２の対象物が前記インプラントの第２のコンポーネントに対応する、
    前記第２の対象物に基づいて第２のベクトルを決定し、
    前記第１のベクトルおよび前記第２のベクトルによって画定された平面に垂直である第３のベクトルを決定し、
    前記第１のベクトル、前記第２のベクトル、および前記第３のベクトルに基づいて患者座標系を決定し、
    前記３Ｄモデル内の解剖学的対象物を識別し、
    前記決定された患者座標系に基づいて前記画像データから形状モデルに前記解剖学的対象物を最初にアライメントする初期アライメントされた形状を生成し、
    前記初期アライメントされた形状に基づいて、前記解剖学的対象物の罹患した埋め込み前形状を示す情報を生成する
    ように構成された１つまたは複数のプロセッサと
    を備えるデバイス。
  71. 前記１つまたは複数のプロセッサが、
    前記初期アライメントされた形状と前記形状モデルとの距離が、アライメントされた形状を生成する閾値を満たすまで、前記初期アライメントされた形状を回転させるように、前記初期アライメントされた形状の座標を反復的に調整する
    ようにさらに構成され、
    ここにおいて、前記解剖学的対象物の前記罹患した埋め込み前形状を示す前記情報を生成するために、前記１つまたは複数のプロセッサが、前記アライメントされた形状に基づいて前記罹患した埋め込み前形状を示す情報を生成するようにさらに構成される、
    請求項７０に記載のデバイス。
  72. メモリと、
    回路内で実装され、
    患者の関節の画像データを取得し、
    前記関節が既存のインプラントを含むことを決定し、
    前記関節の前記画像データをセグメント化し、
    前記既存のインプラントに関するタイプの識別を生成する
    ように構成された１つまたは複数のプロセッサと
    を備えるデバイス。
  73. 前記関節が前記インプラントを含むことを決定するために、前記１つまたは複数のプロセッサが、前記画像データの分析に基づいて前記関節が前記インプラントを含むことを決定するようにさらに構成される、請求項７２に記載のデバイス。
  74. 前記関節が前記インプラントを含むことを決定するために、前記１つまたは複数のプロセッサが、ユーザ入力に基づいて前記関節が前記インプラントを含むことを決定するようにさらに構成される、請求項７２に記載のデバイス。
  75. 前記既存のインプラントに関する前記タイプの前記識別が、リバース型インプラント、解剖学的インプラント、または半球インプラントのうちの１つを備える、請求項７２から７４のいずれかに記載のデバイス。
  76. 前記画像データが前記関節の３Ｄモデルを備え、前記１つまたは複数のプロセッサが、 前記画像データをセグメント化するために、前記３Ｄモデル内で、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別し、
    前記既存のインプラントに対応する前記ボクセルが３つの接続されていない対象物を形成することを決定し、
    前記既存のインプラントに対応する前記ボクセルが前記３つの接続されていない対象物を形成することを決定することに応答して、前記既存のインプラントに関する前記タイプが未定義のタイプを備えることを決定する
    ようにさらに構成される、請求項７２から７５のいずれかに記載のデバイス。
  77. 前記１つまたは複数のプロセッサが、
    前記既存のインプラントに関する前記タイプが前記未定義のタイプを備えることを示す出力を生成する
    ようにさらに構成される、請求項７６に記載のデバイス。
  78. 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記１つまたは複数のプロセッサが、
    前記画像データをセグメント化するために、前記３Ｄモデル内で、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別し、
    前記既存のインプラントに対応する前記ボクセルが１つの接続された対象物を形成することを決定し、
    前記既存のインプラントに対応する前記ボクセルが前記１つの接続された対象物を形成することを決定することに応答して、前記既存のインプラントに対応する前記ボクセルの場所に基づいて、ボクセルの第２の場所を識別し、
    前記ボクセルの第２の場所において、関節窩マーカを探索し、
    前記関節窩マーカを検出しないことに応答して、前記既存のインプラントに関する前記タイプが半球インプラントタイプを備えることを決定する
    ようにさらに構成される、請求項７２から７５のいずれかに記載のデバイス。
  79. 前記１つまたは複数のプロセッサが、
    前記既存のインプラントに関する前記タイプが前記半球インプラントタイプを備えることを示す出力を生成する
    ようにさらに構成される、請求項７８に記載のデバイス。
  80. 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記１つまたは複数のプロセッサが、
    前記画像データをセグメント化するために、前記３Ｄモデル内で、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別し、
    前記既存のインプラントに対応する前記ボクセルが１つの接続された対象物を形成することを決定し、
    前記既存のインプラントに対応する前記ボクセルが前記１つの接続された対象物を形成することを決定することに応答して、前記既存のインプラントに対応する前記ボクセルの場所に基づいて、ボクセルの第２の場所を識別し、
    前記ボクセルの第２の場所において、関節窩マーカを探索し、
    前記関節窩マーカを検出することに応答して、前記既存のインプラントに関する前記タイプが解剖学的インプラントタイプを備えることを決定する
    ようにさらに構成される、請求項７２から７５のいずれかに記載のデバイス。
  81. 前記１つまたは複数のプロセッサが、
    前記既存のインプラントに関する前記タイプが前記解剖学的インプラントタイプを備えることを示す出力を生成する
    ようにさらに構成される、請求項８０に記載のデバイス。
  82. 前記画像データが前記関節の３Ｄモデルを備え、ここにおいて、前記１つまたは複数のプロセッサが、
    前記画像データをセグメント化するために、前記３Ｄモデル内で、前記３Ｄモデル内のボクセルの強度に基づいて前記既存のインプラントに対応するボクセルを識別し、
    前記既存のインプラントに対応する前記ボクセルが２つの接続されていない対象物を形成することを決定し、
    前記既存のインプラントに対応する前記ボクセルが前記２つの接続されていない対象物を形成することを決定することに応答して、前記既存のインプラントに関する前記タイプがリバースタイプを備えることを決定する
    ようにさらに構成される、請求項７２から７５のいずれかに記載のデバイス。
  83. 前記１つまたは複数のプロセッサが、
    前記既存のインプラントに関する前記タイプが前記リバースタイプを備えることを示す出力を生成する
    ようにさらに構成される、請求項８２に記載のデバイス。
  84. メモリと、
    回路内で実装され、
    既存のインプラントをもつ患者の関節の画像データを取得し、
    前記既存のインプラントをもつ前記患者の前記関節の前記画像データ内で、前記既存のインプラントの画像を識別し、
    複数のインプラント製品を前記複数のインプラント製品に関する画像と関連づけるデータベースにアクセスし、前記複数のインプラント製品の各インプラント製品が少なくとも１つの画像と関連づけられる、
    前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の比較に基づいて、前記既存のインプラントに対応する少なくとも１つのインプラント製品を識別する
    ように構成された１つまたは複数のプロセッサと
    を備えるデバイス。
  85. 各それぞれのインプラント製品が、前記それぞれのインプラント製品に関する製造業者と関連づけられ、ここにおいて、前記１つまたは複数のプロセッサが、
    前記既存のインプラントに対応する前記少なくとも１つのインプラント製品に関する前記製造業者の標識を出力する
    ようにさらに構成される、請求項８４に記載のデバイス。
  86. 各それぞれのインプラント製品が、前記それぞれのインプラント製品に関する製品識別と関連づけられ、ここにおいて、前記１つまたは複数のプロセッサが、
    前記既存のインプラントに対応する前記少なくとも１つのインプラント製品に関する前記製品識別の標識を出力する
    ようにさらに構成される、請求項８４または８５に記載のデバイス。
  87. 各それぞれのインプラント製品が、前記それぞれのインプラント製品を除去するために使用されるツールのセットと関連づけられ、ここにおいて、前記１つまたは複数のプロセッサが、
    前記既存のインプラントに対応する前記少なくとも１つのインプラント製品のために前記それぞれのインプラント製品を除去するために使用される前記ツールのセットの標識を出力する
    ようにさらに構成される、請求項８４から８６のいずれかに記載のデバイス。
  88. 各それぞれのインプラント製品が、前記それぞれのインプラント製品を除去するための命令のセットと関連づけられ、ここにおいて、前記１つまたは複数のプロセッサが、
    前記既存のインプラントに対応する前記少なくとも１つのインプラント製品のために前記それぞれのインプラント製品を除去するための前記命令のセットを出力する
    ようにさらに構成される、請求項８４から８７のいずれかに記載のデバイス。
  89. 前記１つまたは複数のプロセッサが、
    ユーザ入力を受け取り、
    前記ユーザ入力に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別する
    ようにさらに構成される、請求項８４から８８のいずれかに記載のデバイス。
  90. 前記ユーザ入力が、
    前記既存のインプラントが設置された国の標識、
    前記既存のインプラントが設置された日付または日付範囲、
    前記既存のインプラントに関する製造業者、
    前記既存のインプラントに関するタイプ
    のうちの１つまたは複数を備える、請求項８９に記載のデバイス。
  91. 前記１つまたは複数のプロセッサが、
    前記ユーザ入力に基づいて、前記複数のインプラント製品からインプラント製品のサブセットを決定し、
    前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別するために、前記インプラント製品のサブセットのみに関する画像と前記関節の前記画像データを比較する
    ようにさらに構成される、請求項８９または９０に記載のデバイス。
  92. 前記患者の前記関節の前記画像データが前記関節の３Ｄモデルを備え、前記既存のインプラントの前記画像が前記既存のインプラントの３Ｄモデルを備え、前記複数のインプラント製品に関する前記画像が３Ｄ画像を備える、請求項８４から９１のいずれかに記載のデバイス。
  93. 前記患者の前記関節の前記画像データが前記関節の２Ｄ画像を備え、前記既存のインプラントの前記画像が前記既存のインプラントの２Ｄ画像を備え、前記複数のインプラント製品に関する前記画像が２Ｄ画像を備える、請求項８４から９１のいずれかに記載のデバイス。
  94. 前記患者の前記関節の前記画像データが前記関節の３Ｄモデルを備え、前記既存のインプラントの前記画像が前記既存のインプラントの３Ｄモデルを備え、前記複数のインプラント製品に関する前記画像が２Ｄ画像を備える、請求項８４から９１のいずれかに記載のデバイス。
  95. 前記１つまたは複数のプロセッサが、
    前記既存のインプラントの前記３Ｄモデルから、前記既存のインプラントのデジタル的に再構成された放射線写真を決定し、
    前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する前記少なくとも１つのインプラント製品を識別するために、前記複数のインプラント製品に関する前記画像と前記既存のインプラントの前記デジタル的に再構成された放射線写真を比較する
    ようにさらに構成される、請求項９４に記載のデバイス。
  96. 前記既存のインプラントをもつ前記患者の前記関節の前記画像データがＸ線画像を備える、請求項８４から９１のいずれかに記載のデバイス。
  97. 前記既存のインプラントの前記画像を識別するために、前記既存のインプラントのセグメント化された画像を決定するために前記既存のインプラントをもつ前記患者の前記関節の前記画像データをセグメント化する、請求項８４から９６のいずれかに記載のデバイス。
  98. 前記複数のインプラント製品に関する前記画像に対する前記既存のインプラントの前記画像の前記比較に基づいて、前記既存のインプラントに対応する少なくとも１つのインプラント製品を識別するために、前記複数のインプラント製品のための形状と前記画像データ内の前記既存のインプラントの形状を比較する、請求項８４から９７のいずれかに記載のデバイス。
  99. メモリと、
    回路内で実装され、
    既存のインプラントをもつ患者の関節の画像データを取得し、
    前記既存のインプラントの一部分を骨に固定するセメントに対応する画像の部分を識別し、
    セメントに対応する前記画像の前記部分に基づいて、前記既存のインプラントをもつ前記患者の前記関節のセメント強度を決定し、
    前記決定されたセメント強度に基づいて出力を生成する
    ように構成された１つまたは複数のプロセッサと
    を備えるデバイス。
  100. 前記出力が、前記既存のインプラントを除去することと関連づけられた困難さの推定を備える、請求項９９に記載のデバイス。
  101. 前記出力が、前記既存のインプラントを除去するための外科的な推奨を備える、請求項９９または１００に記載のデバイス。
  102. 前記１つまたは複数のプロセッサが、
    複数のセメント強度に関するデータベースを記憶し、前記セメント強度の各々が、インプラントを除去するために必要とされる困難さの尺度と関連づけられる、
    前記複数のセメント強度の回帰分析に基づいて、前記既存のインプラントをもつ前記患者の前記関節に関する前記セメント強度に基づいて前記既存のインプラントを除去するために必要とされる困難さの推定を決定する
    ようにさらに構成される、請求項９９から１０１のいずれかに記載のデバイス。
  103. 前記インプラントを除去するために必要とされる前記困難の尺度が、前記インプラントを除去するために必要とされる打撃の数を備える、請求項１０２に記載のデバイス。
JP2023135414A 2019-08-16 2023-08-23 整形外科的関節のための外科的な修正処置の術前計画 Pending JP2023162303A (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962887838P 2019-08-16 2019-08-16
US62/887,838 2019-08-16
JP2022509002A JP7338040B2 (ja) 2019-08-16 2020-08-14 整形外科的関節のための外科的な修正処置の術前計画
PCT/US2020/046484 WO2021034706A1 (en) 2019-08-16 2020-08-14 Pre-operative planning of surgical revision procedures for orthopedic joints

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2022509002A Division JP7338040B2 (ja) 2019-08-16 2020-08-14 整形外科的関節のための外科的な修正処置の術前計画

Publications (1)

Publication Number Publication Date
JP2023162303A true JP2023162303A (ja) 2023-11-08

Family

ID=72240537

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2022509002A Active JP7338040B2 (ja) 2019-08-16 2020-08-14 整形外科的関節のための外科的な修正処置の術前計画
JP2023135414A Pending JP2023162303A (ja) 2019-08-16 2023-08-23 整形外科的関節のための外科的な修正処置の術前計画

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2022509002A Active JP7338040B2 (ja) 2019-08-16 2020-08-14 整形外科的関節のための外科的な修正処置の術前計画

Country Status (5)

Country Link
US (1) US20220398817A1 (ja)
EP (1) EP4013333A1 (ja)
JP (2) JP7338040B2 (ja)
AU (2) AU2020331936B2 (ja)
WO (1) WO2021034706A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3484398A1 (en) 2016-07-15 2019-05-22 MAKO Surgical Corp. Systems for a robotic-assisted revision procedure
WO2021067617A1 (en) * 2019-10-02 2021-04-08 Encore Medical, Lp Dba Djo Surgical Systems and methods for reconstruction and characterization of physiologically healthy and physiologically defective anatomical structures to facilitate preoperative surgical planning
US20210327065A1 (en) * 2020-04-18 2021-10-21 Mark B. Wright Prosthesis scanning and identification system and method
CN112971981B (zh) * 2021-03-02 2022-02-08 北京长木谷医疗科技有限公司 基于深度学习的全髋关节图像处理方法和设备
WO2023239610A1 (en) * 2022-06-09 2023-12-14 Howmedica Osteonics Corp. Automated pre-morbid characterization of patient anatomy using point clouds
WO2024006487A1 (en) * 2022-06-30 2024-01-04 Think Surgical, Inc. Automated arthoplasty planning with machine learning
CN117530772A (zh) * 2023-11-01 2024-02-09 首都医科大学附属北京积水潭医院 肩关节置换手术术前的图像处理方法、装置、介质及设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8160345B2 (en) * 2008-04-30 2012-04-17 Otismed Corporation System and method for image segmentation in generating computer models of a joint to undergo arthroplasty
GB0803514D0 (en) * 2008-02-27 2008-04-02 Depuy Int Ltd Customised surgical apparatus
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
US8891847B2 (en) * 2012-01-23 2014-11-18 Medtronic Navigation, Inc. Automatic implant detection from image artifacts
EP3484398A1 (en) 2016-07-15 2019-05-22 MAKO Surgical Corp. Systems for a robotic-assisted revision procedure
AU2018326607A1 (en) * 2017-08-31 2020-02-20 Smith & Nephew, Inc. Intraoperative implant augmentation

Also Published As

Publication number Publication date
AU2020331936B2 (en) 2023-10-26
AU2024200427A1 (en) 2024-02-08
US20220398817A1 (en) 2022-12-15
JP7338040B2 (ja) 2023-09-04
JP2022544400A (ja) 2022-10-18
EP4013333A1 (en) 2022-06-22
AU2020331936A1 (en) 2022-03-31
WO2021034706A1 (en) 2021-02-25

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
US8571278B2 (en) System and methods for multi-object multi-surface segmentation
US8358819B2 (en) System and methods for image segmentation in N-dimensional space
Fürnstahl et al. Computer assisted reconstruction of complex proximal humerus fractures for preoperative planning
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
CA2905230A1 (en) Planning systems and methods for surgical correction of abnormal bones
US20230186495A1 (en) Pre-morbid characterization of anatomical object using orthopedic anatomy segmentation using hybrid statistical shape modeling (ssm)
EP3972513B1 (en) Automated planning of shoulder stability enhancement surgeries
Liu et al. Sparse intervertebral fence composition for 3D cervical vertebra segmentation
JP7242898B2 (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
Liu A system for computational analysis and reconstruction of 3D comminuted bone fractures
Liu et al. Active shape model registration of ocular structures in computed tomography images

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230906

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230906