專利名稱：定制矯形植入物及相關(guān)方法
技術(shù)領(lǐng)域：
本公開涉及用于制造定制外科設(shè)備的系統(tǒng)和方法，更具體地，本公開涉及關(guān)節(jié)成形切割引導的自動化系統(tǒng)和方法、用于在生成膝關(guān)節(jié)的計算機模型中進行圖像分割的系統(tǒng)和方法。
背景技術(shù)：
TKA手術(shù)的成功取決于正確膝對準的恢復。已證明膝關(guān)節(jié)穩(wěn)定性的關(guān)鍵是帶有平衡的屈曲和伸展間隙的力學軸線的恢復。傳統(tǒng)上，髓內(nèi)和髓外夾具用于幫助股骨和脛骨部件的定向。計算機輔助手術(shù)已被開發(fā)用于幫助外科醫(yī)生適當?shù)囟ㄎ缓投ㄏ虿考?。然而，手術(shù)導航系統(tǒng)未廣泛地用于醫(yī)院中。除了陡學習曲線以外，反對手術(shù)導航系統(tǒng)的主要爭論是高成本和花費在手術(shù)室中的額外時間。用一種簡單和精確的系統(tǒng)作為替代的愿望促使矯形工業(yè)開發(fā)一種涉及患者特定切割夾具的使用的技術(shù)?；颊叩捏y、膝和踝的磁共振圖像(MRI)被用于生成特定患者解剖結(jié)構(gòu)的模型。從這些圖像，使用軟件來創(chuàng)建股骨和脛骨的虛擬3D模型并且在空間中定向這些骨。用軟件確定植入物尺寸并且映射虛擬骨切除以使用一次性定制引導器執(zhí)行植入物定位和對準，所述一次性定制引導器適配在患者的骨上以便為植入物制造商的標準切除器械確定銷放置。然而，許多缺點與MRI關(guān)聯(lián)，包括掃描成本、掃描時間增加、幾何失真和需要在不同的MRI賣方當中標準化掃描協(xié)議。近來計算機斷層攝影CT也正被使用，但是與程序關(guān)聯(lián)的輻射可能對于一些患者無益。作為MRI或CT的備選方法是使用統(tǒng)計學解剖形狀分析方法以使用χ射線和/或超聲精確建模hylene軟骨。統(tǒng)計學解剖形狀分析已快速地自我完善作為用于矯形植入物和患者特定解決方案的設(shè)計過程中的無價工具。因此，設(shè)想了一種智能軟骨系統(tǒng)(iCS)，目標是進行統(tǒng)計學解剖形狀分析以精確地建模軟骨厚度和輪廓以產(chǎn)生定制切割引導器(或夾具)。引導器被設(shè)計成將切口布置成使得在軟骨=的退化之前膝返回到它的正常解剖狀態(tài)。該iCS系統(tǒng)基于統(tǒng)計學和三維骨建模的融合被構(gòu)建。該iCS平臺表示包含為設(shè)計患者特定切割夾具而整合的多維醫(yī)學成像、計算機輔助設(shè)計(CAD)和計算機圖形特征的聯(lián)合軟件系統(tǒng)。協(xié)同交互、效率和大眾定制的折衷允許 iCS精確性且速度地解決增加的患者容量的復雜性。由骨和軟骨圖譜組成的智能數(shù)據(jù)庫提供在已定制模塊內(nèi)用于定制夾具生成的技術(shù)。通過減小當前的定制夾具過程中的周轉(zhuǎn)時
3間，該iCS平臺最小化瓶頸的風險。在HIPPA調(diào)節(jié)之后數(shù)據(jù)庫存儲患者信息。來自不同成像模態(tài)的數(shù)據(jù)將與每個患者聯(lián)系，包括來自MRI/CT的DIC0M、X射線圖像和超聲。經(jīng)重建的骨和軟骨被存儲在數(shù)據(jù)庫中。 包括算出的界標、軸線、植入物尺寸和放置信息的虛擬模板數(shù)據(jù)也被存儲在該數(shù)據(jù)庫中。該部件執(zhí)行相關(guān)和XML方案以提供用于數(shù)據(jù)存儲和操作的強大工具。骨軟骨重建子系統(tǒng)該模塊涉及通過分割從MRI、CT、PET或超聲重建骨和軟組織或與微波成像和US —樣從RF信號直接重建或從2D X射線圖像三維骨重建，可以在圖4中找到概述該子系統(tǒng)的流程圖。醫(yī)學成像的分割可以大致被分為兩個類型結(jié)構(gòu)的和統(tǒng)計學的。結(jié)構(gòu)方法基于圖像像素的空間屬性，例如邊緣和區(qū)域。統(tǒng)計學方法依賴于標記圖像區(qū)域的強度值的概率分布。圖像強度和它們的相應類別標簽被認為是隨機變量。因此，給定圖像強度值，統(tǒng)計學方法傾向于解決評價類別標簽的問題。以前的分割嘗試已組合這些方法中的一個或多個，以設(shè)法克服各單獨方法的局限。使用邊緣定向方法的多數(shù)分割是半自動分割，其中它用于提取輪廓、優(yōu)化輪廓并且將它傳播到相鄰切片。圖像處理和梯度算子可以用于增強典型的區(qū)域生長方法。如果通過種子的放置(手動地或自動地)已知某器官存在于圖像的特定區(qū)域中，則該區(qū)域可以擴張直到它到達器官的對比邊界。參數(shù)可以變化以改變生長的動量，使算法對灰度的小變化更敏感或更不敏感。帶有基于知識標記的區(qū)域定向分割是基于對象的一些特征的均勻性的像素分類技術(shù)。諸如基于不確定推理的知識、來自高階特征提取的靜態(tài)域知識、模糊邏輯、長期和短期記憶建模以及非監(jiān)督聚類的各種方法已被用于該領(lǐng)域中。由于軟組織之間的高對比度， 這些方法用MRI圖像產(chǎn)生很好的結(jié)果。腦的整體判讀誤差為3. 并且腦的子區(qū)域的判讀誤差為9%。分水嶺方法已與各種其他分割方法組合使用，有望改善精確度。分水嶺算法簡單地用圖像中的灰度強度的3D繪圖進行解釋；“水”填充圖像的谷直到兩個谷相遇。這通過依賴于灰度值提供關(guān)于圖像的不同區(qū)域的連接信息。用諸如索伯爾(Sobel)濾波器和紋理分析的邊緣增強進行預處理可以幫助檢測不同的器官。聚類算法是非監(jiān)督算法，其在分割圖像和表征每個類別的屬性之間迭代，直到形成明確限定的圖像聚類。這類算法的例子是K平均算法、模糊C平均算法、期望最大化(EM) 算法和自組織神經(jīng)網(wǎng)絡(luò)。K平均聚類算法通過迭代地計算每個類別的平均強度并且通過用最接近的平均值分類類別中的每個像素來分割圖像而聚類數(shù)據(jù)。它用于分割腦。類別的數(shù)量假設(shè)為三，表示腦脊液、灰質(zhì)和白質(zhì)。模糊c平均算法一般化K平均算法，允許基于模糊集理論的軟分割。EM算法應用與數(shù)據(jù)符合高斯混合模型的假設(shè)相同的聚類原理。它在計算后驗概率和計算模型的平均值、協(xié)方差和混合系數(shù)的最大似然估計之間迭代。由于算法不直接并入空間建模，因此它們對噪聲和強度非均勻性敏感。這可以通過使用馬爾可夫隨機域建模加以克服。諸如二值形態(tài)學的形態(tài)學算子已被用于若干分割系統(tǒng)中，形態(tài)學的基本思想是用給定掩模(被稱為結(jié)構(gòu)元素)卷積圖像，并且使用給定函數(shù)二值化該卷積結(jié)果。例子為腐蝕、膨脹、打開和閉合。
諸如閾值化的統(tǒng)計學方法通過使用圖像的強度值直方圖來標記圖像的各區(qū)域。取決于知識庫，最大和最小閾值限定感興趣的區(qū)域。例如，在CT中，可以通過根據(jù)用于感興趣的器官的亨斯菲爾德單位范圍閾值化圖像而實現(xiàn)器官的粗分割。它已被應用于數(shù)字乳房攝影中，其中典型地存在兩個組織類別健康的和腫瘤性的。唯一地取決于這一方法的限制則歸因于器官強度間隔的交迭、強度非均勻性和對噪聲和圖像偽影的敏感性。由于閾值化不考慮圖像的空間特性，因此使圖像直方圖失真的任何偽影可以最終影響分割結(jié)果。然而，閾值化仍然是許多分割算法中的初始步驟。已為醫(yī)學圖像分割提出經(jīng)典閾值化的變型，其結(jié)合基于局部強度和連接性的信息。可變形模板匹配用2D可變形輪廓執(zhí)行，其涉及輪廓的檢測、跟蹤、匹配及優(yōu)化匹配誤差。在分割中，2D可變形輪廓與圖譜一起被應用，這通過預定數(shù)據(jù)的約束最小化允許圖像數(shù)據(jù)和圖譜之間的映射。3D可變形表面也通過跟蹤切片之間的輪廓變化而實現(xiàn)。貝葉斯統(tǒng)計通常用于確定模型先驗或似然以便使感興趣的器官與它的相鄰器官分離。通常，該方法對于小的和局部的形狀變化產(chǎn)生良好的結(jié)果。它也適合于大的整體的失配或變形。主要改進來自使用主短線程分析，其確定對象的平均形狀和變化的主要模式，以及m-rep模型， 其中對象被表示為中間原子的連接網(wǎng)格的集合。與手動分割相比該方法對于腎的自動分割產(chǎn)生出色的結(jié)果，具有0. 12cm平均表面分離和88. 8%體積覆蓋。具有黑板架構(gòu)系統(tǒng)的基于知識的方法通常是共享記憶的領(lǐng)域，其包含待解決的問題和許多不同的過程。黑板沿著推理過程連續(xù)地被構(gòu)建和更新。通過使圖像中的結(jié)構(gòu)匹配模型中的相應對象而完成圖像數(shù)據(jù)的解剖結(jié)構(gòu)的標記。來自圖像和模型的數(shù)據(jù)被轉(zhuǎn)換為共同的、參數(shù)特征空間以供比較。所提取的低和高水平特征被寫入黑板并且與模型相比較。結(jié)果也被寫在黑板上以引導進一步匹配。關(guān)于對象的描述和關(guān)系的長期記憶可以被寫入知識庫中。四維馬爾可夫隨機域(MRF)提出一種使用4D概率圖譜來分割諸如心臟的移動目標的方法。圖譜基于先驗信息預測時間和空間變化；該算法也結(jié)合使用4D馬爾可夫隨機域(MRF)的空間和時間上下文相關(guān)信息。全局連接性濾波器使用最大連接結(jié)構(gòu)作為起點來完成分割。所呈現(xiàn)的結(jié)果很有助于心臟的分割并且不限于MRI圖像。與手動分割的模型相比，所述結(jié)果為左心室(LV) 96%，心肌92%以及右心室(RV) 92%。我們的系統(tǒng)使用來自任何三維成像模態(tài)的信息來提取與統(tǒng)計學圖譜組合的梯度信息，以提取骨邊界和軟骨界面。下面詳細描述了這些骨重建模態(tài)中的每一個。


圖1是示例性iCS系統(tǒng)概覽的示圖。圖2是如圖1中所示的示例性數(shù)據(jù)上載子系統(tǒng)的示圖。圖3是如圖1中所示的示例性數(shù)據(jù)庫結(jié)構(gòu)。圖4是圖1中所示數(shù)據(jù)庫的數(shù)據(jù)庫表細節(jié)的示例性列表。圖5是如圖1中所示的骨/軟骨重建子系統(tǒng)的示例性示意圖。圖6是如圖1中所示的虛擬模板套用子系統(tǒng)的示例性示圖。圖7是如圖1中所示的夾具原型制作子系統(tǒng)的示例性示圖。圖8是示例性示圖，示出了根據(jù)本公開的用于分割過程中的自動分割的算法的過程。圖9是根據(jù)本公開的自動對準算法的過程的示例性示圖。圖10是示出了算出的脊線作為從用于股骨遠端的網(wǎng)格提取的特征的例子的圖
7J\ ο圖11是示出了用于CT的沿著法線方向的輪廓線(profile)搜索的圖示。圖12是示出了用于MRI的沿著法線方向的輪廓線搜索的圖示。圖13是示出了在各種階段的輪廓線和相對于舊邊緣位置的新邊緣位置的圖形。圖14是具有邊緣松弛的經(jīng)分割的圖像。圖15是經(jīng)分割的圖像。圖16是松弛之前的經(jīng)分割的圖像。圖17是松弛之后的經(jīng)分割的圖像。圖18是示例性示圖，示出了來自MRI的軟骨分割的過程。圖19是用允許軟骨組織可視化的造影劑獲得的CT圖像。圖20是用于輪廓線計算的兩個股骨表面的圖像，其中(一個或多個)圖像包括脛骨接觸表面并且(一個或多個)圖像包括脛骨非接觸表面。圖21是用于類別1(a)、類別2(b)和類別3(c)的平均輪廓線圖形。圖22是來自MRI的經(jīng)分割的骨和軟骨的圖像。圖23是X射線3D模型重建過程流程的示例性示圖。圖M是示例性校準目標的圖像。圖25是示出了將出現(xiàn)在放射線攝影圖像上的小珠的示例性圖像。圖沈是附連有校準目標的腿的放射線照片。圖27是股骨遠端的經(jīng)分割的圖像。圖觀是示出了復雜姿勢搜索空間和粒子濾波器如何成功地尋找最佳姿勢的圖像。圖四是示出了放射線照片上的模板骨投影的圖像。圖30是映射到3D的輪廓的圖像。圖31是示出了 3D重建過程的示例性示圖。圖32是用于訓練軟骨厚度的預測模型的示例性示圖。圖33是使用經(jīng)訓練的預測模型進行軟骨重建的示例性示圖。圖34是來自MRI的估計軟骨厚度的圖像。圖35是示例性軟骨模板厚度圖。圖36是股骨和脛骨上的預測軟骨的示例性圖像。圖37是UWB成像系統(tǒng)的示例性示圖。圖38是示出了一個信號如何在從膝反射的信號由所有其他UWB天線接收時用作發(fā)射器的示例性示圖。圖39是示出了實驗裝置的圖像，其中UWB天線陣列圍繞膝的周圍。圖40是用于檢測股骨和脛骨處的組織界面的微波成像過程的示圖。圖41是從前股骨遠端獲取的經(jīng)配準的超聲圖像的示例性例子。圖42是被擬合到獲取的股骨遠端超聲圖像的骨的示例性圖像。
圖43是描繪了使用超聲進行分割所采取的步驟的示圖。圖44是虛擬模板制作子部件的屏幕截圖。圖45是夾具創(chuàng)建過程的示例性示圖。圖46是表示創(chuàng)建夾具的特定步驟的順序圖像。圖47是表示具有不同固定(內(nèi)側(cè)髁和外側(cè)髁固定、b曲率固定、C凹槽固定)的夾具設(shè)計的一系列圖像。圖48是示出了用于膝修整外科程序中的股骨和脛骨切割夾具的一系列圖像。圖49是用于修改3D輸出夾具模型的CAD編輯器的屏幕截圖。圖50是關(guān)于原始CT數(shù)據(jù)的夾具的評價的屏幕截圖。
具體實施例方式下面描述和例示本公開的示例性實施例以包含用于設(shè)計患者特定假體切割夾具的方法和設(shè)備，并且更具體地，包含用于分割膝的骨的設(shè)備和方法以及得到的切割引導器自身。本領(lǐng)域的普通技術(shù)人員將當然地顯見下面所述的優(yōu)選實施例實質(zhì)上是示例性的并且可以在不脫離本發(fā)明的范圍和精神的情況下進行重新配置。然而，為了清楚和準確起見，如下面所述的示例性實施例可以包括本領(lǐng)域的普通技術(shù)人員將識別為不必屬于本發(fā)明的范圍內(nèi)的可選步驟、方法和特征。參考圖1，示例性總系統(tǒng)的概覽包括外科醫(yī)生產(chǎn)生新病例并且請求定制夾具并上載患者成像數(shù)據(jù)，在這之后系統(tǒng)通知工廠的工程師該新病例。下一個步驟涉及創(chuàng)建患者特定骨和軟骨，然后患者特定骨和軟骨用于尋找最佳地適合患者的植入物，當完成術(shù)前計劃時通知外科醫(yī)生審閱和核準計劃。一旦外科醫(yī)生核準計劃，自動地為患者創(chuàng)建將術(shù)前計劃轉(zhuǎn)化到手術(shù)室中的定制切割夾具。圖2-7概述了系統(tǒng)的主要部件，這包括數(shù)據(jù)上載部件、數(shù)據(jù)庫部件、骨軟骨重建部件、虛擬模板制作和夾具生成部件。在圖8中概述了自動分割過程。分割過程中的第一步驟是使來自統(tǒng)計學圖譜的基本網(wǎng)格與體積對準，自動對準算法被開發(fā)用于執(zhí)行精確對準。在圖9中概述了該對準過程 3. a. I0該過程涉及經(jīng)由簡單閾值化提取等值面。等值面基本上是從體積中的所有骨狀組織生成的表面網(wǎng)格。等值面是有噪聲的，并且不能區(qū)分分開的骨。從等值面和平均圖譜模型提取特征(這可以在早期完成并且簡單地裝載)。這些特征可以是，但不限于折線或圖 10的脊線、臍點或任何其他表面描述符。經(jīng)由最近鄰點或其他匹配方法使平均模型上的特征點匹配等值面上的特征點。這里的結(jié)果將是有噪聲的，意味著將有若干不匹配，但是子集將是正確的。使用一些穩(wěn)健的擬合方法(例如RANSAC算法或最小中位方差方法)尋找最小化匹配點之間的誤差并且同時最大化匹配的數(shù)量的變換。當完成先前的對準步驟時執(zhí)行使用圖譜中的信息作為模型變形約束的迭代翹曲程序。初始參數(shù)確定作為開始的主成分的數(shù)量、初始搜索長度和最小容許搜索長度。第一步驟是計算骨網(wǎng)格上的每個頂點的頂點法線。這些法線方向表示每個頂點的變形方向。通過平均網(wǎng)格中的相鄰三角的法線計算這些法線。由法線方向限定的每個頂點的搜索線是以頂點為中心從骨模型向內(nèi)和向外延伸的路徑。搜索線的長度隨著過程的行進而減小。搜索線的強度值經(jīng)由三線性內(nèi)插被計算，原因是搜索線的采樣速度可以高于給定的體積分辨率。首先經(jīng)由降噪濾波器平滑輪廓線，在這里我們使用Mvitsky-Golay濾波。 假定MRI圖像的噪聲性質(zhì)，這尤其重要。在降噪之后，沿著輪廓線的梯度被計算。該初始梯度不足以確定骨邊緣位置，原因是存在具有強梯度的若干組織界面，例如皮膚-空氣界面。 這可以在圖11和12中看到。由于初始自動對準被認為很精確，因此假設(shè)患者特定骨邊緣位于經(jīng)對準的頂點附近是安全的。為了建模該假設(shè)，梯度輪廓線由高斯函數(shù)加權(quán)，使得中心頂點被賦予1. O的初始權(quán)重，當搜索遠離中心位置進行時權(quán)重減小。在各種階段的輪廓線的例示可以在圖13中看到。在加權(quán)之后，確定梯度的絕對最大值，以及它的位置。該位置表示骨邊緣；舊頂點位置然后用新邊緣位置代替。對于CT，該過程尋找下降邊緣的位置，或當搜索從內(nèi)向外移動時從高強度走向低強度的邊緣。對于MR情況相反。所以，必要時，在以上步驟之前翻轉(zhuǎn)輪廓線以解決模態(tài)差異。在執(zhí)行每個頂點的變形之后使用在初始對準步驟中計算的變換的逆變換使模型與圖譜對準。該模型可以被認為是有噪聲的，原因是一些邊緣位置位于錯誤位置。為了約束變形并且去除盡可能多的噪聲點，我們使用主成分的特定數(shù)量將噪聲模型的頂點投影到圖譜空間上，所述數(shù)量由基于殘余誤差變化的參數(shù)確定，與圖14中一樣。得到的模型將是最佳地表示患者特定噪聲模型的健康股骨。這些模型然后被變換回到體積空間。在投影之后，參數(shù)被更新，使得搜索長度減小，除非加入新的主成分。然后略微增加搜索長度，使得可以捕捉新的局部信息。當殘余RMS達到足夠低的閾值時加入新的主成分。開始于法線方向計算的以上過程重復，直到使用了所有主成分并且殘余RMS足夠低，或者直到達到迭代的設(shè)定最大次數(shù)。包含患者特定信息的結(jié)果噪聲模型然后在更高分辨率下被平滑并且重新網(wǎng)格化[圖15、16]。更高分辨率允許捕捉可能在較低分辨率分割過程中丟失的諸如骨贅的小局部變形。然后通過執(zhí)行分割過程的一次迭代、使用足夠小的搜索長度來防止錯誤骨定位、在將骨投影到圖譜上之前停止而松弛高分辨率模型。這樣得到的骨是患者解剖結(jié)構(gòu)的高度精確的表示。這樣，分割的輸出是高分辨率患者特定骨模型和平滑模型，表示在松弛之前由圖譜生成的最近健康骨[圖17]。在自動分割完成之后我們具有2個骨，投影到圖譜上的骨以及松弛的患者特定骨。如果骨是高度退化的，則我們可以使用梯度向量流(GVF)蛇形模型(snake)執(zhí)行無約束松弛。這些蛇形模型對應于存在于圖像中的梯度信息，并且梯度流用作導致蛇形輪廓局部膨脹和收縮到最小化輪廓上的力的邊界的力。如果輪廓不是高度退化的，則初始松弛步驟最有可能很靠近實際患者解剖結(jié)構(gòu)并且蛇形方法是非必要的。蛇形模型和迭代分割工具可以在圖7和8中看到。在模型生成之前的最終分割步驟是迭代干涉以校正分割過程中的任何誤差。若干工具被提供用于迭代分割，例如輪廓加入或減去、噴涂等。一旦分割被確認， 通過在高分辨率下內(nèi)插輪廓生成最終模型以保證平滑的結(jié)果。在圖18中示出了來自MRI的軟骨分割的過程，在患者體積分割時，得到的患者特定的股骨遠端、脛骨近端和髕骨的骨模型可以用于獲得患者特定軟骨模型。如果足夠的信息存在于掃描中(在使用MRI或具有突出顯示軟骨組織的造影劑(圖19)的CT的情況下)， 則可以通過使用先驗信息以及測得的患者特定信息來分割軟骨。先驗信息可以被認為是特征向量。在軟骨的情況下這可以是相對于關(guān)節(jié)骨的厚度或位置信息。置于先驗數(shù)據(jù)中的置信經(jīng)由每個特征的概率模型表示。例如，軟骨在骨上的某個點處為χ mm厚的置信在從先前經(jīng)分割的軟骨模型建立的軟骨厚度圖中被建模。為了確定后驗概率，也就是說在新點處的軟骨厚度，使用呈以下形式的貝葉斯推理模型
P(m)在這里，p(x|m)是給定測量值m的后驗概率。值p(m|x)是概率函數(shù)，表示給定χ 的值時將出現(xiàn)給定測量值m的概率。p(m)項是歸一化項。先驗概率存在于先驗概率密度 ppr(x)中。給定某一測量值m可以對χ的值進行的最佳推測于是為最大化后驗概率的χ。 這被稱為最大后驗估計(MAP)。對于軟骨厚度估計(X)，給定關(guān)節(jié)間隔(m)和先驗厚度圖 (ppr(x))以尋找MAP估計。該相同概念可以被應用于BCI定位。初始地，搜索被限制到關(guān)節(jié)連接表面。這通過使用存在于圖譜中的先驗信息完成。 接觸表面由圖譜中的頂點組成，所述頂點最有可能位于骨-軟骨界面(BCI)上并且與相對骨緊密接觸。非接觸表面被限制到很可能包含軟骨、但不與骨接觸的那些頂點。這些表面可以在圖20中看到。沿著當前骨的頂點和接觸骨上的最近頂點之間的路徑計算每個接觸表面的輪廓線。沿著骨表面的法線方向一直到Icm計算非接觸表面的輪廓線。計算每個輪廓線的局部極大值和極小值并且將輪廓線置于三個不同類別的一個內(nèi)。在圖21中示出了每個類別的平均輪廓線。如果輪廓線包含單個極大值，則它屬于類別1。這些是最短輪廓線并且對應于脛骨和股骨軟骨緊密接觸并且彼此不可區(qū)分的位置。包含2個極大值和一個極小值的輪廓線被認為屬于類別2。這些對應于在股骨和脛骨軟骨之間有明顯的間隔的中間長度的輪廓線。類別3的輪廓線是最長的輪廓線，其中股骨軟骨通常很好地被表示，但是類別3中的曲線變化很大并且常常是不規(guī)則的。具有屬于類別1或類別2的輪廓線的任何頂點可以立即被分類為屬于BCI?；趶姸人绞欠窨拷渌鸅CI點和所述點屬于BCI的可能性從BCI加入或減去類別3的輪廓線，所述可能性從BCI的概率圖確定。在自動確定BCI之后，為用戶呈現(xiàn)用于手動確認的選項，并且可以使用類似于在骨分割編輯器中找到的多個工具編輯BCI。當BCI被確定為足夠精確時，軟骨模型的分割繼續(xù)進行。軟骨使用來自與軟骨厚度的先驗知識聯(lián)系的掃描體積的梯度信息沿著輪廓線維度被分割。該先驗知識提供可能的軟骨邊緣的初始估計，然后通過尋找輪廓線梯度的絕對值的局部極大值來更新所述初始估計。對于類別1的輪廓線，軟骨邊緣被認為處于局部極大值。對于類別2和3的輪廓線，使用梯度的局部極大值。必要時然后可以在輸出最終軟骨模型之前交互地調(diào)節(jié)軟骨分割。經(jīng)分割的股骨軟骨可以在圖22中看到。在圖23中概述了 X射線骨重建過程。使用傳統(tǒng)的熒光透視或放射線攝影術(shù)拍攝X射線圖像。圖像的數(shù)量可以是一個或多個。通過以大角度差異進行掃描而拍攝(一個或多個)圖像投影圖以最大化可獲得的信息。系統(tǒng)的精確度與圖像的數(shù)量成正比，而速度成反比。如果在圖像的文件頭中不容易獲得，(照相機數(shù)字化器或膠卷掃描器的)放射線攝影場景屬性焦距和圖像分辨率手動地被輸入系統(tǒng)。
預處理的目的是通過減小圖像噪聲、增加圖像對比度和準備圖像供進一步分析而增強輸入圖像。這將自動完成，有可能為極端圖像失真進行手動干涉。將使用高斯、中值和索貝爾(Sobel)濾波器。校準涉及在放射線攝影場景內(nèi)提取被成像骨姿勢。在圖像采集之前，將校準目標附連到腿[圖。該目標將包含將出現(xiàn)在被采集圖像上的不透射線小珠[圖25、26]。小珠投影將自動地從圖像被提取并且用于大致地估計相對于χ射線源的骨姿勢。然后可以使用形態(tài)操作在圖像中自動檢測標記物。標記物在受試者上的放置被選擇成在所有幀中覆蓋盡可能大的圖像區(qū)域。足夠的標記物用于允許精確的姿勢估計，即使特征檢測算法丟失它們中的一些，或即使它們中的一些在視場的外部。通過在各種水平下閾值化和去除(用形態(tài)操作)包含長于小珠直徑的任何對象， 可以隔離這些小珠。通過尋找連接成分并且然后確定每個成分的形心而尋找小珠的形心。 校準目標被設(shè)計成最小化小珠投影的可能交迭，這最大化檢測到的小珠的數(shù)量。通過尋找圖像中的檢測到的小珠位置和3D小珠位置之間的正確關(guān)聯(lián)(或?qū)? 計算傳感器的姿勢。這使用判讀樹搜索方法實現(xiàn)。在該方法中，樹的每一級表示圖像點和所有可能模型點之間的對應，并且在完整的樹中從根部到葉節(jié)點的每個路徑表示一個可能的對應。當沿著樹下行的搜索到達假設(shè)至少四個對應的節(jié)點時，對應用于計算姿勢解。通常，僅需要三個點來解出姿勢，但是可能有一個以上的解，原因是三個點總是共面的。我們需要使用至少四個點。一旦具有四個對應，則可以計算姿勢。該姿勢解用于將對象點投影回到圖像上以用于作為該解擬合完整數(shù)據(jù)集的程度如何的量度與被檢測標記物比較。如果姿勢解很好地擬合數(shù)據(jù)，則對應和計算出的姿勢是正確的。如果姿勢解不擬合數(shù)據(jù)，則對應是錯誤的，并且進一步遍歷樹以檢查附加對應。由于對于大量的點該樹可能很大，因此我們不搜索整個樹。實際上，只有當前對應產(chǎn)生大于一定閾值的誤差時才進一步搜索樹。如果低于，則假設(shè)已找到正確對應。一旦已找到正確對應，則使用非線性最小二乘方法計算姿勢。具體地，給定圖像點 P，3D模型點Q和包含正確姿勢參數(shù)β的六維向量，使投影到圖像上的變換由函數(shù)f (β，Q) 提供，使得P = f(0，Q)。向量函數(shù)f還表示透視投影(其參數(shù)從校準已知)。圍繞當前姿勢解β線性化，得到AP = I-U^.給定至少四個點對應，我們可以解出正確項Δ β。該過程被迭代直到解收斂。最終解是最小化觀察到的圖像點和圖像平面上的投影模型點之間的歐氏距離平方的姿勢β。骨圖像分割塊接收預處理圖像作為輸入。它的目標是提取所有圖像的實際骨輪廓。這使用使用我們的3D骨的數(shù)據(jù)庫生成的骨輪廓的統(tǒng)計學圖譜自動完成。來自統(tǒng)計學圖譜的模板平均骨輪廓初始被置于圖像內(nèi)，并且然后被平移和旋轉(zhuǎn)到與骨的圖像對準。其后，統(tǒng)計地進行輪廓變換以基于圖像的強度值和從預處理步驟獲得的邊緣擬合目標骨。手動和半自動輪廓編輯工具也可用于自動過程的檢驗[圖27]。特征提取模塊負責從圖像提取圖像參數(shù)。這些參數(shù)從經(jīng)預處理的和經(jīng)分割的形式兩者的圖像被提取。特征的類型包括從經(jīng)分割的骨輪廓(曲率、幾何形狀、縱橫比等)或從
權(quán)利要求
1.一種用于生成表示處于其當前狀態(tài)的患者的骨的至少部分的患者特定骨外形的方法，所述方法包括成像患者的解剖結(jié)構(gòu)的至少一部分以創(chuàng)建正交于延伸通過所述患者的解剖結(jié)構(gòu)的軸線拍攝的所述患者的解剖結(jié)構(gòu)的多個2D圖像切片，其中所述多個2D圖像切片中的每一個包括骨段，所述骨段包括對應于患者的骨的外表的封閉邊界；構(gòu)建為其拍攝患者的骨的所述多個2D圖像切片的所述患者的骨的至少部分的3D圖像骨外形，其中所述3D圖像骨外形的構(gòu)建包括通過使用非患者特定的模板3D圖像骨外形而使用軟件來識別每個骨段的所述封閉邊界，并且其中所述3D圖像骨外形描繪患者的骨的當前狀態(tài)。
2.根據(jù)權(quán)利要求1所述的方法，其中所述成像包括磁共振成像和計算機斷層攝影中的至少一種。
3.根據(jù)權(quán)利要求1所述的方法，其中所述患者的骨包括股骨、脛骨和肱骨中的至少一種。
4.根據(jù)權(quán)利要求1所述的方法，還包括通過軟件部件生成3D圖像外科夾具以與所述 3D圖像骨外形配合，其中所述3D圖像外科夾具包括根據(jù)所述3D圖像骨外形的外表特征定制的形貌特征。
5.根據(jù)權(quán)利要求4所述的方法，其中所述軟件部件可操作地輸出用于制造外科夾具的指令文件，所述外科夾具具有所述3D圖像外科夾具的有形形貌特征。
6.根據(jù)權(quán)利要求1所述的方法，還包括使用患者的解剖結(jié)構(gòu)的所述多個2D圖像切片來構(gòu)建表示患者的軟骨的至少部分的3D圖像軟骨外形，其中所述3D圖像軟骨外形的構(gòu)建包括使用軟件來識別出現(xiàn)在2D圖像切片中的軟骨輪廓圖。
7.一種在不使用任何現(xiàn)成的外部CAD或醫(yī)學成像系統(tǒng)的情況下從任何2D或3D成像模態(tài)創(chuàng)建夾具的方法。
8.—種在一個GUI界面中在小于20分鐘內(nèi)分割MRI或CT 3D體積數(shù)據(jù)并創(chuàng)建夾具的方法。
9.一種使用統(tǒng)計學形狀圖譜和貝葉斯反演概率從多個成像模態(tài)測量或估計軟骨厚度的方法。
10.一種在最小限度的或無手動干涉的情況下執(zhí)行完全非監(jiān)督分割的方法。
11.一種使用不需要手動配準的自動對準的對準算法進行分割的方法。
12.一種使用無創(chuàng)成像分類并預測軟骨退化的區(qū)域的方法。
13.一種使用統(tǒng)計學和概率圖譜復制處于非退化狀況的患者的解剖結(jié)構(gòu)的假體部件的植入方法。
14.一種使用患者特定數(shù)據(jù)模擬經(jīng)重建的關(guān)節(jié)的對準和運動學的方法。
全文摘要
下面描述和例示了本公開的示例性實施例以包含用于設(shè)計患者特定假體切割夾具的方法和設(shè)備，并且更具體地，包括用于分割膝的骨的設(shè)備和方法以及得到的切割引導器自身。而且，本公開涉及用于制造定制外科裝置的系統(tǒng)和方法，更具體地，本公開涉及關(guān)節(jié)成形切割引導器的自動系統(tǒng)和方法，用于在生成膝關(guān)節(jié)的計算機模型中進行圖像分割的系統(tǒng)和方法。
文檔編號A61F5/00GK102438559SQ201080013944
公開日2012年5月2日 申請日期2010年2月25日 優(yōu)先權(quán)日2009年2月25日
發(fā)明者穆罕默德·拉什萬·馬赫福茲 申請人:穆罕默德·拉什萬·馬赫福茲