JP6832215B2 - 検査装置及びプログラム - Google Patents
検査装置及びプログラム Download PDFInfo
- Publication number
- JP6832215B2 JP6832215B2 JP2017075191A JP2017075191A JP6832215B2 JP 6832215 B2 JP6832215 B2 JP 6832215B2 JP 2017075191 A JP2017075191 A JP 2017075191A JP 2017075191 A JP2017075191 A JP 2017075191A JP 6832215 B2 JP6832215 B2 JP 6832215B2
- Authority
- JP
- Japan
- Prior art keywords
- locus
- arc
- subject
- hip
- marker
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims description 72
- 208000007446 Hip Dislocation Diseases 0.000 claims description 80
- 206010023204 Joint dislocation Diseases 0.000 claims description 79
- 239000003550 marker Substances 0.000 claims description 71
- 210000003141 lower extremity Anatomy 0.000 claims description 43
- 210000004394 hip joint Anatomy 0.000 claims description 33
- 238000000034 method Methods 0.000 description 34
- 238000012360 testing method Methods 0.000 description 10
- 210000001624 hip Anatomy 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 210000003127 knee Anatomy 0.000 description 4
- 210000004705 lumbosacral region Anatomy 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 208000009248 Congenital Hip Dislocation Diseases 0.000 description 1
- 206010073767 Developmental hip dysplasia Diseases 0.000 description 1
- 208000005137 Joint instability Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 210000001981 hip bone Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
以下、図1及び図2を参照して実施の形態の概要を述べる。
図1は、実施の形態に係る検査システムSの概要を模式的に示す図である。実施の形態に係る検査システムSは、検査装置1、撮像装置2、表示装置3、及び診察台4を備える。
(4).撮像装置2から取得した動画像に股関節を支点とする運動が繰り返し撮像されている場合、検査装置1は、各運動におけるマーカMの軌跡を円弧モデルでモデル化する。これにより、検査装置1は円弧モデルに関する複数のモデル化パラメータを取得する。図2は、検査装置1が円C1、円C2、及び円C3の3つの円に関するモデル化パラメータを取得した場合を示している。
図3は、実施の形態に係る検査装置1の機能構成を模式的に示す図である。実施の形態に係る検査装置1は、記憶部10と制御部11とを備える。制御部11は、動画取得部110、軌跡取得部111、モデル化部112、判定部113、及び閾値設定部114を備える。
図2の(3)に示すXY平面において、中心の座標が(Xc,Yc)、半径がRの円の方程式は、以下の式(1)で表される。
(X−Xc)2+(Y−Yc)2=R2 (1)
ここで、Xc,Yc、及びRは、円弧モデルのモデル化パラメータである。
AX+BY+C=X2+Y2 (2)
ここで、A、B、Cは以下の式(3)、式(4)、及び式(5)を満たす。
Xc=A/2 (3)
Yc=B/2 (4)
R2=Xc2+Yc2+C (5)
AX2+BY2+C=X2 2+Y2 2
・・・
AXN+BYN+C=XN 2+YN 2
上式を行列を用いて表現すると、以下の式(6)を得る。
e=d−Gp (7)
popt=(GTG)−1GTd (8)
ここで「−1」は、逆行列を意味する。
図4(a)―(b)は、モデル化部112が導出した複数の円弧モデルを模式的に示す図である。具体的には、図4(a)は被検者Pが健常であり股関節脱臼ではない場合の円弧モデルの例であり、図4(b)は、被検者Pが股関節脱臼である場合の円弧モデルの例である。図4(a)―(b)において、「X」で示す点は各円弧モデルの中心である。
そこで、判定部113は、各円弧の中心座標のずれ量が閾値を超える場合、股関節脱臼の疑いがあると判定する。具体的には、判定部113は、各円弧の中心を含む最小の矩形の面積を、中心座標のずれ量として計算する。すなわち、各円弧の中心のX座標の最大値をXmax、最小値をXmin、Y座標の最大値をYmax、最初値をYminとすると、判定部113はずれ量LをL=(Xmax−Xmin)×(Ymax−Ymin)とする。
図4(b)に示すように各円弧がばらつくと、各円弧の半径もばらつくと考えられる。そこで、判定部113は、各円弧の半径のずれ量Lが閾値を超える場合、股関節脱臼の疑いがあると判定してもよい。具体的には、各円弧の半径Rの標準偏差をRsdとしたとき、判定部113は、ずれ量LをL=Rsdとする。
第1の判定方法及び第2の判定方法は、判定部113が円弧のモデル化パラメータのずれ量Lに基づいて股関節脱臼の疑いを判定する場合について説明した。これに対し、第3の判定方法では、判定部113は、モデル化した円弧のモデル化誤差と、被検者Pに股関節脱臼の疑いがあるか否かを判定するための閾値との比較結果に基づいて、股関節脱臼の疑いがあるか否かを判定する。
上述したように、モデル化部112は、マーカMの軌跡を構成する各点の位置座標との誤差が小さくなる円の方程式を、最小二乗法を用いて算出する。すなわち、モデル化部112が求めた円弧モデルにおける、誤差ベクトルeの2−ノルムの二乗であるeTeは、モデル化誤差そのものを表現する値といえる。そこで、モデル化部112は、ずれ量Lとして誤差ベクトルeの最小二乗誤差を採用してもよい。具体的には、判定部113は、式(7)に式(8)を代入して算出した、以下の式(11)で表されるeTeの最小二乗誤差を用いてずれ量Lを定義する。
式(11)の右辺のベクトル及び行列の成分はいずれもマーカMの軌跡を構成する各点の位置座標から導出できる。ずれ量Lは、マーカMの軌跡を構成する点の個数N一点当たりの誤差として、
L=eTeopt/N (12)
で定める。
続いて、判定部113が、被検者Pに股関節脱臼の疑いがあるか否かを判定するために参照する閾値の設定方法の具体例について説明する。
図6は、実施の形態に係る検査装置1が実行する検査処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えば検査装置1が起動したときに開始する。
上記では、被検者Pの膝にマーカMを付す場合について主に説明した。これは、被検者Pの下肢の運動における回転中心の「ずれ」の主要因が、股関節脱臼のみであることを仮定しているともいえる。しかしながら、被検者Pによっては、被検者Pの下肢の運動における回転中心の「ずれ」が、股関節脱臼以外によっても生じる場合がある。例えば、被検者Pの下肢を運動させている最中に被検者Pの下肢以外の部分が動いても、被検者Pの下肢の運動における回転中心に「ずれ」が生じる。
2・・・撮像装置
3・・・表示装置
4・・・診察台
10・・・記憶部
11・・・制御部
110・・・動画取得部
111・・・軌跡取得部
112・・・モデル化部
113・・・判定部
114・・・閾値設定部
S・・・検査システム
Claims (8)
- 股関節を支点とする運動を繰り返す被検者の下肢に付されたマーカを被写体に含む動画像を取得する動画取得部と、
前記動画像における前記マーカの位置座標の軌跡を取得する軌跡取得部と、
前記軌跡の位置座標に基づいて、前記軌跡を円弧でモデル化するモデル化部と、
前記下肢の各動作の軌跡それぞれを近似する各円弧のモデル化パラメータのずれ量と、前記被検者に股関節脱臼の疑いがあるか否かを判定するための閾値との比較結果に基づいて、股関節脱臼の疑いを判定する判定部と、
を備える検査装置。 - 前記判定部は、各円弧の中心座標のずれ量が前記閾値を超える場合、股関節脱臼の疑いがあると判定する、
請求項1に記載の検査装置。 - 前記判定部は、各円弧の半径のずれ量が前記閾値を超える場合、股関節脱臼の疑いがあると判定する、
請求項1に記載の検査装置。 - 股関節を支点とする運動をする被検者の下肢に付されたマーカを被写体に含む動画像を取得する動画取得部と、
前記動画像における前記マーカの位置座標の軌跡を取得する軌跡取得部と、
前記軌跡の位置座標に基づいて、当該軌跡を円弧でモデル化するモデル化部と、
モデル化した前記円弧のモデル化誤差と、前記被検者に股関節脱臼の疑いがあるか否かを判定するための閾値との比較結果に基づいて、股関節脱臼の疑いがあるか否かを判定する判定部と、
を備える検査装置。 - 前記判定部は、前記軌跡の位置座標と当該軌跡を近似する円弧とのずれ量が前記閾値を超える場合、股関節脱臼の疑いがあると判定する、
請求項4に記載の検査装置。 - 前記モデル化部は、前記被検者の左下肢に付されたマーカの位置座標に基づいてモデル化した左円弧モデルと、前記被検者の右下肢に付されたマーカの位置座標に基づいてモデル化した右円弧モデルと、の2種類の円弧モデルを生成し、
前記検査装置はさらに、
前記左円弧モデルを用いて算出した前記ずれ量と、前記右円弧モデルを用いて算出した前記ずれ量とに基づいて、前記閾値を設定する閾値設定部を備える、
請求項1から5のいずれか一項に記載の検査装置。 - コンピュータに、
股関節を支点とする運動を繰り返す被検者の下肢に付されたマーカを被写体に含む動画像を取得する機能と、
前記動画像における前記マーカの位置座標の軌跡を取得する機能と、
前記軌跡の位置座標に基づいて、前記軌跡を円弧でモデル化する機能と、
前記下肢の各動作の軌跡それぞれを近似する各円弧のモデル化パラメータのずれ量と、前記被検者に股関節脱臼の疑いがあるか否かを判定するための閾値との比較結果に基づいて、股関節脱臼の疑いを判定する機能と、
を実現させるプログラム。 - コンピュータに、
股関節を支点とする運動をする被検者の下肢に付されたマーカを被写体に含む動画像を取得する機能と、
前記動画像における前記マーカの位置座標の軌跡を取得する機能と、
前記軌跡の位置座標に基づいて、当該軌跡を円弧でモデル化する機能と、
モデル化した前記円弧のモデル化誤差と、前記被検者に股関節脱臼の疑いがあるか否かを判定するための閾値との比較結果に基づいて、股関節脱臼の疑いがあるか否かを判定する機能と、
を実現させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017075191A JP6832215B2 (ja) | 2017-04-05 | 2017-04-05 | 検査装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017075191A JP6832215B2 (ja) | 2017-04-05 | 2017-04-05 | 検査装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018175048A JP2018175048A (ja) | 2018-11-15 |
JP6832215B2 true JP6832215B2 (ja) | 2021-02-24 |
Family
ID=64279977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017075191A Active JP6832215B2 (ja) | 2017-04-05 | 2017-04-05 | 検査装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6832215B2 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004167109A (ja) * | 2002-11-21 | 2004-06-17 | Osaka Industrial Promotion Organization | 3次元計測方法、3次元計測システム、画像処理装置、及びコンピュータプログラム |
JP6598422B2 (ja) * | 2013-08-12 | 2019-10-30 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、システム及びプログラム |
EP3068301A4 (en) * | 2013-11-12 | 2017-07-12 | Highland Instruments, Inc. | Analysis suite |
US9586317B2 (en) * | 2014-03-31 | 2017-03-07 | Canon Kabushiki Kaisha | Controlling method of robot system, program, recording medium, and robot system |
-
2017
- 2017-04-05 JP JP2017075191A patent/JP6832215B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018175048A (ja) | 2018-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190261940A1 (en) | Method and apparatus for correcting computed tomography image | |
US10617378B2 (en) | Radiation image processing device, method, and program configured to eliminate scattered radiation based on a virtual grid characteristic | |
JP6296553B2 (ja) | 放射線画像撮影装置および放射線画像撮影装置の作動方法 | |
JP2014064941A (ja) | 医療用途のデジタルx線画像の明るさレベルを計算する方法 | |
Pakdel et al. | High resolution bone material property assignment yields robust subject specific finite element models of complex thin bone structures | |
US9750474B2 (en) | Image region mapping device, 3D model generating apparatus, image region mapping method, and image region mapping program | |
US10729389B2 (en) | 3D assessment of conjugant eye deviation for the identificaiton of acute ischemic stroke | |
CN110742631A (zh) | 一种医学图像的成像方法和装置 | |
JP2016002251A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
Thalengala et al. | Computerized image understanding system for reliable estimation of spinal curvature in idiopathic scoliosis | |
US20210193326A1 (en) | Method and apparatus of providing osteoarthritis prediction information | |
JP6870993B2 (ja) | 画像処理装置及びx線診断装置 | |
TWI681755B (zh) | 脊椎側彎量測系統與方法 | |
JP6832215B2 (ja) | 検査装置及びプログラム | |
Caesarendra et al. | AutoSpine-Net: Spine detection using convolutional neural networks for Cobb angle classification in adolescent idiopathic scoliosis | |
Lee et al. | Diagnosis of scoliosis using chest radiographs with a semi-supervised generative adversarial network | |
US11803970B2 (en) | Image judgment device, image judgment method, and storage medium | |
Xing et al. | Design and validation of depth camera-based static posture assessment system | |
US20190251691A1 (en) | Information processing apparatus and information processing method | |
Hu et al. | Development and validation of an automatic diagnostic tool for lumbar stability based on deep learning | |
Zhang et al. | A clinical classification for radiation-less monitoring of scoliosis based on deep learning of back photographs | |
TWM579961U (zh) | Spine measurement system | |
US11696736B2 (en) | Anatomical landmark detection and identification from digital radiography images containing severe skeletal deformations | |
JP2015131057A (ja) | 画像処理装置、およびプログラム | |
CN117437392B (zh) | 交叉韧带止点标记及其模型训练的方法和关节镜系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200325 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6832215 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |