特許 7580987 整形外科手術で使用するための３次元モデルの精度を判定するための方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-11-01

(45)【発行日】2024-11-12

(54)【発明の名称】整形外科手術で使用するための３次元モデルの精度を判定するための方法

(51)【国際特許分類】

   A61B 6/46 20240101AFI20241105BHJP

   A61B 6/00 20240101ALI20241105BHJP

   A61B 6/50 20240101ALI20241105BHJP

   A61B 34/10 20160101ALI20241105BHJP

   G06T 7/33 20170101ALI20241105BHJP

【ＦＩ】

A61B6/46 523C

A61B6/00 550D

A61B6/50 500Z

A61B34/10

G06T7/33

【請求項の数】 16

【外国語出願】

(21)【出願番号】P 2020153563

(22)【出願日】2020-09-14

(65)【公開番号】P2021053374

(43)【公開日】2021-04-08

【審査請求日】2023-07-26

(31)【優先権主張番号】16/586,884

(32)【優先日】2019-09-27

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】513069064

【氏名又は名称】デピュイ・シンセス・プロダクツ・インコーポレイテッド

【住所又は居所原語表記】３２５ Ｐａｒａｍｏｕｎｔ Ｄｒｉｖｅ， Ｒａｙｎｈａｍ ＭＡ ０２７６７－０３５０ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ

(74)【代理人】

【識別番号】100088605

【弁理士】

【氏名又は名称】加藤 公延

(74)【代理人】

【識別番号】100130384

【弁理士】

【氏名又は名称】大島 孝文

(72)【発明者】

【氏名】ショーンノア・エス・ポロック

(72)【発明者】

【氏名】アール・パトリック・カーティス

【審査官】亀澤 智博

(56)【参考文献】

【文献】米国特許出願公開第２０１３／０１６６２５６（ＵＳ，Ａ１）

【文献】特表２０１７－５３２１６５（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１２／０２６９４１１（ＵＳ，Ａ１）

【文献】特表２０１１－５１９６０５（ＪＰ，Ａ）

【文献】国際公開第２００９／１２５７５５（ＷＯ，Ａ１）

【文献】特表２００５－５１４１４８（ＪＰ，Ａ）

【文献】特表２００３－５３０１７７（ＪＰ，Ａ）

【文献】特開２００６－２１２２９４（ＪＰ，Ａ）

【文献】ZHU et al.，“An automatic 2D-3D image matching method for reproducing spatial knee joint positions using single or dual fluoroscopic images”，Computer Methods in Biomechanics and Biomedical Engineering，2012年11月，Vol. 15, No. 11，p.1245-1256，DOI: 10.1080/10255842.2011.597387

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ６／００ － ６／５８

Ｇ０６Ｔ １／００ ， ７／００

(57)【特許請求の範囲】

【請求項1】

デバイスであって、
ヒト関節の骨の２次元画像を取得することと、
前記２次元画像に基づいて前記骨の候補３次元モデルを取得することと、
候補３次元モデルの２次元シルエットを生成することと、
エッジ検出アルゴリズムを前記２次元画像に適用して、対応するエッジ画像を生成することと、
前記２次元シルエットを前記エッジ画像と比較して、前記候補３次元モデルの精度を示すスコアを生成することと、
前記スコアが閾値を満たしているかどうかを判定し、前記閾値が満たされていない場合、前記候補３次元モデルとは異なる空間的配向を有する後続の３次元モデルを生成することと、
を行うための回路を含む、デバイス。

【請求項2】

前記回路が、
取得された前記２次元画像及び前記候補３次元モデルを３次元空間内に位置付けることと、
取得された前記２次元画像を生成するために使用されたＸ線源の３次元における位置を判定することと、を更に行うためのものである、請求項１に記載のデバイス。

【請求項3】

前記回路が、取得された前記２次元画像のうちの１つを生成するために利用されるＸ線源の判定された位置から、対応する取得された前記２次元画像に光線をトレースすることを更に行うためのものである、請求項２に記載のデバイス。

【請求項4】

前記回路が、各光線について、前記光線と交差する前記候補３次元モデルの表面上の多角形を識別することを更に行うためのものである、請求項３に記載のデバイス。

【請求項5】

各光線について識別された前記多角形が、隣接しており、かつ対向する配向において配置されている、請求項４に記載のデバイス。

【請求項6】

前記回路が、各光線について識別された前記多角形間で１つ又は２つ以上の共通のエッジを判定することを更に行うためのものである、請求項５に記載のデバイス。

【請求項7】

前記回路が、前記候補３次元モデルの表面上の多角形間の共通のエッジから、１つ又は２つ以上の３次元シルエットを生成することを更に行うためのものである、請求項１に記載のデバイス。

【請求項8】

１つ又は２つ以上の３次元シルエットを生成することが、１つ又は２つ以上のポリカーブを生成することを含む、請求項７に記載のデバイス。

【請求項9】

前記回路が、前記１つ又は２つ以上の３次元シルエットに平滑化操作を適用することを更に行うためのものである、請求項７に記載のデバイス。

【請求項10】

前記回路は、線分が所定の長さを満たす長さを有するという判定に応じて、前記１つ又は２つ以上の３次元シルエットから前記線分を除去することを更に行うためのものである、請求項７に記載のデバイス。

【請求項11】

前記候補３次元モデルの２次元シルエットを生成することが、前記１つ又は２つ以上の３次元シルエットを撮像面上に投影することを含む、請求項７に記載のデバイス。

【請求項12】

前記１つ又は２つ以上の３次元シルエットを前記撮像面上に投影することが、取得された前記２次元画像のうちの１つを生成するために利用されるＸ線源の位置から前記１つ又は２つ以上の３次元シルエットを投影することを含む、請求項１１に記載のデバイス。

【請求項13】

前記回路が、取得された前記２次元画像にマスクを適用して前記取得された２次元画像からオブジェクトを除去することを更に行うためのものである、請求項１に記載のデバイス。

【請求項14】

エッジ検出アルゴリズムを適用することが、Ｃａｎｎｙエッジ検出アルゴリズムを適用することを含む、請求項１に記載のデバイス。

【請求項15】

前記回路が、前記エッジ画像に距離フィルタを適用することを更に行うためのものである、請求項１に記載のデバイス。

【請求項16】

前記２次元シルエットを前記エッジ画像と比較して、前記候補３次元モデルの精度を示すスコアを生成することが、
前記エッジ画像内で、前記２次元シルエットのエッジに対応する画素値を位置特定することと、
位置特定された前記画素値を合計することと、を含む、請求項１に記載のデバイス。

【発明の詳細な説明】

【技術分野】

【0001】

（関連出願の相互参照）
本出願は、２０１９年９月２７日出願の米国特許出願第１６／５８６８８７号、発明の名称「ＴＥＣＨＮＯＬＯＧＩＥＳ ＦＯＲ ＤＥＴＥＲＭＩＮＩＮＧ ＴＨＥ ＳＰＡＴＩＡＬ ＯＲＩＥＮＴＡＴＩＯＮ ＯＦ ＩＮＰＵＴ ＩＭＡＧＥＳ ＦＯＲ ＵＳＥ ＩＮ ＡＮ ＯＲＴＨＯＰＡＥＤＩＣ ＳＵＲＧＩＣＡＬ ＰＲＯＣＥＤＵＲＥ」に関する。

【0002】

（発明の分野）
本開示は、整形外科手術に関し、より具体的には、整形外科手術で使用するための３次元モデルの精度を判定するための技術に関する。

【背景技術】

【0003】

Ｘ線ベースのシステムなどのいくつかの３次元モデリングシステムは、異なる視点からのオブジェクトの２次元画像（例えば、Ｘ線画像）のセットに基づいてオブジェクトの３次元モデルを生成する。例えば、３次元空間内での不正確な配向のために、得られるモデルが不正確となる可能性を低くするため、操作者は、撮像及びモデル化されるオブジェクト上、又はオブジェクトの近くに較正マーカー（例えば、既知のサイズ及び／又は位置の物理的オブジェクト）を配置することができる。しかしながら、このような較正オブジェクトは、複雑であり、かつ配置に時間がかかる。更に、このようなシステムでは、３次元モデルの精度を検証するプロセスを行うには、操作者がモデルを視覚的に検査し、モデルを元のオブジェクトと比較して、モデルが適切にアラインメントされ、サイズ決めされているかどうかを判定しなければならない。

【発明の概要】

【課題を解決するための手段】

【0004】

一態様では、本開示は、解剖学的オブジェクト（例えば、ヒト関節の骨）の２次元画像を取得し、解剖学的オブジェクトの候補３次元モデルを取得し、候補３次元モデルの２次元シルエットを生成する回路を有するデバイスを記載する。回路はまた、エッジ検出アルゴリズムを２次元画像に適用して対応するエッジ画像を生成し、２次元シルエットをエッジ画像と比較して候補３次元モデルの精度を示すスコアを生成するためのものでもある。

【0005】

別の態様では、本開示は、複数の命令が格納された１つ又は２つ以上の機械可読記憶媒体であって、複数の命令は、実行されることに応じて、デバイスに、解剖学的オブジェクトの２次元画像を取得させ、解剖学的オブジェクトの候補３次元モデルを取得させ、候補３次元モデルの２次元シルエットを生成させる、１つ又は２つ以上の機械可読記憶媒体について記載する。複数の命令は、付加的に、デバイスに、エッジ検出アルゴリズムを２次元画像に適用して対応するエッジ画像を生成させ、２次元シルエットをエッジ画像と比較して候補３次元モデルの精度を示すスコアを生成させる。

【0006】

更に別の態様では、本開示は、デバイスによって、解剖学的オブジェクトの２次元画像を取得することと、デバイスによって、解剖学的オブジェクトの候補３次元モデルを取得することと、デバイスによって、候補３次元モデルの２次元シルエットを生成することと、を含む方法について記載する。この方法はまた、デバイスによって、エッジ検出アルゴリズムを２次元画像に適用して対応するエッジ画像を生成することと、デバイスによって、２次元シルエットをエッジ画像と比較して、候補３次元モデルの精度を示すスコアを生成することと、を含む。

【図面の簡単な説明】

【0007】

本明細書に記載される概念は、添付図面において、限定としてではなく、実例として示される。説明を簡略化及び明確化するため、図に示される要素は必ずしも縮尺どおりに描かれていない。更に、適切と考えられる場合には、対応する要素又は類似の要素を示すために各図間で参照符合が繰り返されている。詳細な説明は、具体的には、以下の図面を参照する。

【図1】オブジェクトの２次元画像から生成された３次元モデルの精度を判定するためのシステムの一実施形態の簡略図である。

【図2】図１のシステムに含まれ得るモデル生成デバイスの一実施形態の簡略ブロック図である。

【図3】オブジェクトの２次元画像から生成された３次元モデルの精度を判定するための図１及び図２のモデル生成デバイスによって実行することができる方法の一実施形態の簡略ブロック図である。

【図4】オブジェクトの２次元画像から生成された３次元モデルの精度を判定するための図１及び図２のモデル生成デバイスによって実行することができる方法の一実施形態の簡略ブロック図である。

【図5】オブジェクトの２次元画像から生成された３次元モデルの精度を判定するための図１及び図２のモデル生成デバイスによって実行することができる方法の一実施形態の簡略ブロック図である。

【図6】オブジェクトの２次元画像から生成された３次元モデルの精度を判定するための図１及び図２のモデル生成デバイスによって実行することができる方法の一実施形態の簡略ブロック図である。

【図7】オブジェクトの２次元画像から生成された３次元モデルの精度を判定するための図１及び図２のモデル生成デバイスによって実行することができる方法の一実施形態の簡略ブロック図である。

【図8】オブジェクトの２次元画像から生成された３次元モデルの精度を判定するための図１及び図２のモデル生成デバイスによって実行することができる方法の一実施形態の簡略ブロック図である。

【図9】図１のシステムによって生成され得る、膝関節の３次元モデル、入力される２次元画像、及びシルエットの空間的配向を示す図である。

【図10】大腿骨の３次元モデルのアラインメント及びこのモデルと図１のシステムによって処理することができる大腿骨の２次元画像とのアラインメントを示す図である。

【発明を実施するための形態】

【0008】

本開示の概念には様々な改変及び代替的形態が考えられるが、その特定の実施形態を図面に例として示し、本明細書において詳細に説明される。しかしながら、本開示の概念を、開示される特定の形態に限定することは本開示の意図するところではなく、その逆に、その意図するところは、本開示並びに添付の「特許請求の範囲」に包含されるすべての改変物、均等物、及び代替物を網羅することにある点は理解されるべきである。

【0009】

解剖学的参照を表す、前方、後方、内側、外側、上位、下位などの用語は、本明細書全体を通じて、本明細書において説明される整形外科用インプラント又はプロテーゼ及び整形外科用器具に関して、並びに患者の生体解剖学的構造を参照して使用することができる。このような用語は、解剖学の研究及び整形外科学の分野のいずれにおいても十分に理解された意味を有する。記述されている説明及び「特許請求の範囲」におけるこのような解剖学的参照用語の使用は、特に明記しないかぎり、それらの十分に理解された意味と一貫性を有することが意図される。

【0010】

本明細書において「一実施形態」、「実施形態」、「例示的実施例」などへの言及は、説明されるその実施形態が、特定の要素、構造、又は特徴を含み得るが、すべての実施形態が、その特定の要素、構造、又は特徴を必ずしも含むわけではないことを示す。更に、そのような句は、必ずしも同一の実施形態を言及するものではない。更に、特定の要素、構造、又は特徴がある実施形態に関連して説明される場合、このような要素、構造、又は特徴を他の実施形態と関連して実施することは、明示されるか否かによらず、当業者の知識の範囲内であると考えられる。付加的に、「少なくとも１つのＡ、Ｂ、及びＣ」の形のリストに含まれる要素は、（Ａ）、（Ｂ）、（Ｃ）、（Ａ及びＢ）、（Ａ及びＣ）、（Ｂ及びＣ）、又は（Ａ、Ｂ、及びＣ）を意味し得る点は理解されよう。更に、「Ａ、Ｂ、及びＣのうちの少なくとも１つ」の形のリストに含まれる要素は、（Ａ）、（Ｂ）、（Ｃ）、（Ａ及びＢ）、（Ａ及びＣ）、（Ｂ及びＣ）、又は（Ａ、Ｂ、及びＣ）を意味し得る点は理解されよう。

【0011】

開示される各実施形態は、場合に応じて、ハードウェア、ファームウェア、ソフトウェア、又はそれらの任意の組み合わせとして実施することができる。開示される実施形態はまた、１つ以上のプロセッサによって読み取り及び実行可能な一時的又は非一時的な機械可読（例えば、コンピュータ可読）記憶媒体に保持されるか又は格納された命令として実施することもできる。機械可読記憶媒体は、機械（例えば、揮発性又は不揮発性メモリ、媒体ディスク、又は他の媒体デバイス）によって読み取り可能な形で情報を格納又は送信するための任意の記憶デバイス、機構、又は他の物理的構造として具体化されてもよい。

【0012】

図面において、一部の構造的又は方法の要素を特定の配置及び／又は順序で示す場合がある。しかしながら、このような特定の配置及び／又は順序は、必要ではない場合もある点は認識されるはずである。むしろ、実施形態によっては、こうした要素は、説明図に示されるものとは異なる形態及び／又は順序で配置されてもよい。付加的に、特定の図に構造的又は方法の要素が含まれている場合、このような要素がすべての実施形態において必要であることを示唆するものではなく、実施形態によっては含まれなくてもよく、又は他の要素と組み合わせることが可能である。

【0013】

次に図１を参照すると、オブジェクトの２次元画像から生成された３次元モデルの精度を判定するためのシステム１００は、画像生成デバイス１１２と通信するモデル生成デバイス１１０と、ネットワーク１１６を介したクライアント計算デバイス１１４と、を含んでいる。他のシステムとは異なり、システム１００は、本明細書でより詳細に記載されるように、多大な人間の支援及び複雑な較正マーカーに頼ることなく、３次元モデルの精度を判定する。例示的な実施形態では、動作中のモデル生成デバイス１１０は、解剖学的オブジェクト１４０（例えば、ヒトの関節の１つ又は２つ以上の骨などの人体の一部分）の２次元画像（例えば、Ｘ線画像）のセットを複数の異なる視点（例えば、直交する視点）から得ることができる。更に、例示的な実施形態におけるモデル生成デバイス１１０は、取得された２次元画像から解剖学的オブジェクト１４０の３次元モデルを生成する。これを行う際、モデル生成デバイス１１０は、画像内の参照オブジェクト（例えば、直径２５ミリメートルの鋼球）の既知の寸法に基づき、更に、解剖学的オブジェクト１４０の可能な配向（例えば、回転及び並進）を定義する候補値に基づいて、モデルのスケールを判定する。更に、本明細書でより詳細に記載されるように、モデル生成デバイス１１０は、モデル生成デバイス１１０が３次元モデルの２次元シルエットを、取得された２次元画像のエッジ検出バージョンと比較するスコアリングプロセスに基づいて、生成されたモデルの精度を判定する。更に、モデル生成デバイス１１０は、候補値を反復的に調整して（例えば、勾配上昇プロセス、粒子群プロセス、遺伝子アルゴリズム、機械学習などに従って）、精度スコア閾値（例えば、目標精度以上の精度スコア、所定の数の生成された精度スコアのセットのうちの最高の精度スコア、局大値を示す精度スコアなど）が得られるまで更なるモデルのバージョンを生成することができる。

【0014】

例示的な実施形態では、モデル生成デバイス１１０は、配向判定論理ユニット１２０を含み、この配向判定論理ユニットは、上で説明されるモデル生成及び精度スコアリング動作を実行する（例えば、モデル生成デバイス１１０の汎用プロセッサからのそれらの動作をオフロードする）ように構成されたソフトウェア又は任意のデバイス若しくは回路（例えば、コプロセッサ、再構成可能回路、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）など）として具体化することができる。更に、例示的な実施形態では、配向判定論理ユニット１２０は、精度判定論理ユニット１２２を含み、この精度判定論理ユニットは、精度スコアリングプロセスを構成する動作（例えば、モデルの３次元シルエットを生成すること、３次元シルエットをイメージング表面上に投影して２次元シルエットを生成すること、得られた解剖学的オブジェクト１４０の２次元画像にエッジ検出動作を適用してエッジ画像（例えば、２次元画像のエッジ検出バージョン）を生成すること、及び、２次元シルエットのエッジをエッジ画像エッジと比較してモデルの精度を示すスコアを判定することなど）を実行するように構成されたソフトウェア又は任意のデバイス若しくは回路（例えば、コプロセッサ、再構成可能回路、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）など）として具体化することができる。

【0015】

例示的な実施形態における画像生成デバイス１１２は、複数の異なる視点（例えば、角度）からオブジェクト（例えば、解剖学的オブジェクト１４０）の２次元画像のセットを生成することができる任意のデバイス（例えば、コンピュータ、コンピュータデバイスなど）として具体化することができる。例示的な実施形態では、画像生成デバイス１１２は、１つ又は２つ以上の放射線源（例えば、Ｘ線源）を含み、これらの各々は、オブジェクトに放射線（例えば、Ｘ線放射）を照射することができる任意のデバイスとして具体化することができる。画像生成デバイス１１２は、１つ又は２つ以上の検出デバイス１３２を含み、これらの各々は、放射線と解剖学的オブジェクト１４０との相互作用から対応する解剖学的オブジェクト１４０の画像を生成することができる任意のデバイスとして具体化され得る。上で説明されるように、例示的な実施形態における画像生成デバイス１１２は、解剖学的オブジェクト１４０に対して異なる配向で配置された複数の固定放射線源１３０及び検出デバイス１３２を用いることにより、かつ／又は、１つ又は２つ以上の可動放射線源１３０及び検出デバイス１３２を使用して異なる視点から解剖学的オブジェクト１４０の画像を反復的に生成することにより、複数の異なる視点（例えば、角度）から解剖学的オブジェクト１４０の２次元画像を生成する。

【0016】

付加的に、システム１００は、クライアント計算デバイス１１４を含み、このクライアント計算デバイスは、画像生成デバイス１１２及び／又はモデル生成デバイス１１０と通信して、デバイス１１０、１１２（複数可）のうちの１つ又は２つ以上に要求を送信し（例えば、解剖学的オブジェクトの２次元画像を生成するため、これらの画像からモデルを生成するため、モデルの精度スコアを判定するため、など）、デバイスからデータ（例えば、生成された２次元画像、生成されたモデル、１つ又は２つ以上の精度スコアなど）を受信することができる任意のデバイス（例えば、コンピュータ、コンピュータデバイスなど）として具体化することができる。

【0017】

次に図２を参照すると、例示的なモデル生成デバイス１１０は、計算エンジン（本明細書では「計算エンジン回路」とも称される）２１０、入出力（Ｉ／Ｏ）サブシステム２１６、通信回路２１８、及び１つ又は２つ以上のデータ格納デバイス２２２を含む計算デバイス（例えば、コンピュータ）として具体化することができる。当然のことながら、他の実施形態では、モデル生成デバイス１１０は、コンピュータ（例えば、ディスプレイ、周辺機器など）に一般にみられるものなどの他の、又は付加的な構成要素を含んでもよい。付加的に、いくつかの実施形態では、例示的な構成要素のうちの１つ又は２つ以上を別の構成要素に組み込むか、又はその一部を形成するようにしてもよい。計算エンジン２１０は、以下で説明される様々な計算機能を実行することができる任意の種類のデバイス又はデバイスの集合として具体化することができる。いくつかの実施形態では、計算エンジン２１０は、集積回路、埋め込みシステム、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、システム・オン・チップ（ＳＯＣ）、又は他の集積システム若しくはデバイスなどの単一のデバイスとして具体化することができる。例示的な実施形態では、計算エンジン２１０は、図１を参照して上で説明される、プロセッサ２１２、メモリ２１４、配向判定論理ユニット１２０、及び精度判定論理ユニット１２２を含むか、又はこれらとして具体化される。プロセッサ２１２は、本明細書に記載される機能を実行することができる任意の種類のプロセッサとして具体化することができる。例えば、プロセッサ２１２は、マルチコアプロセッサ（複数可）、デジタル信号プロセッサ、マイクロコントローラ、又は他のプロセッサ若しくは処理／制御回路として具体化することができる。いくつかの実施形態では、プロセッサ２１２は、本明細書に記載される機能の実行を促すため、ＦＰＧＡ、特定用途向け集積回路（ＡＳＩＣ）、再構成可能なハードウェア若しくはハードウェア回路、又は他の専用ハードウェアとして具体化するか、それらを含むか、又はそれらに結合することができる。

【0018】

同様に、メモリ２１４は、本明細書に説明される機能を実行することが可能な任意の種類の揮発性（例えば、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）など）若しくは不揮発性メモリ又はデータストレージとして実施することができる。揮発性メモリは、媒体に格納されたデータの状態を維持するために電力を必要とする記憶媒体であってよい。いくつかの実施形態では、メインメモリ２１４のすべて又は一部を、プロセッサ２１２に統合することができる。動作中、メインメモリ２１４は、１つ又は２つ以上のアプリケーション、アプリケーション（複数可）によって操作されるデータ（例えば、２次元画像、３次元モデル、配向の候補値、シルエット、エッジ画像、精度スコアなど）、ライブラリ、及びドライバなどの動作中に使用される様々なソフトウェア及びデータを格納することができる。

【0019】

計算エンジン２１０は、Ｉ／Ｏサブシステム２１６を介してモデル生成デバイス１１０の他の構成要素に通信可能に結合されており、このＩ／Ｏサブシステムは、計算エンジン２１０による（例えば、プロセッサ２１２及び／又はメインメモリ２１４による）入出力動作を促すための回路及び／又は構成要素として、及びモデル生成デバイス１１０の他の構成要素として具体化することができる。例えば、Ｉ／Ｏサブシステム２１６は、入力／出力動作を促すためのメモリコントローラハブ、入出力制御ハブ、統合センサハブ、ファームウェアデバイス、通信リンク（例えば、ポイントツーポイントリンク、バスリンク、ワイヤ、ケーブル、ライトガイド、プリント回路基板のトレースなど）、及び／又は入出力動作を促すための他の構成要素及びサブシステムとして具体化するか、又は含むことができる。いくつかの実施形態では、Ｉ／Ｏサブシステム２１６は、システム・オン・チップ（ＳｏＣ）の一部を形成してもよく、プロセッサ２１２、メインメモリ２１４、及びモデル生成デバイス１１０の他の構成要素のうちの１つ又は２つ以上とともに計算エンジン２１０に組み込まれてもよい。

【0020】

通信回路２１８は、モデル生成デバイス１１０と別の計算デバイス（例えば、画像生成デバイス１１２、クライアント計算デバイス１１４など）との間のネットワークを介した通信を可能にすることができる任意の通信回路、デバイス、又はその集合として具体化することができる。通信回路２１８は、そのような通信を行うために、任意の１つ又は２つ以上の通信技術（例えば、有線又は無線通信）、及び関連するプロトコル（例えば、イーサネット、ＷｉＦｉ（登録商標）、ＷｉＭＡＸ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、セルラーなど）を使用するように構成することができる。

【0021】

例示的な通信回路２１８は、ネットワークインターフェースコントローラ（ＮＩＣ）２２０を含む。ＮＩＣ２２０は、１つ又は２つ以上のアドインボード、ドーターカード、ネットワークインターフェースカード、コントローラチップ、チップセット、又は別の計算デバイス（例えば、画像生成デバイス１１２、クライアント計算デバイス１１４など）と接続するためにモデル生成デバイス１１０によって使用され得る他のデバイスとして具体化することができる。いくつかの実施形態では、ＮＩＣ２２０は、１つ又は２つ以上のプロセッサを含むシステム・オン・チップ（ＳｏＣ）の一部として具体化されてもよく、又は１つ又は２つ以上のプロセッサも含むマルチチップパッケージに含まれてもよい。いくつかの実施形態では、ＮＩＣ２２０は、いずれもＮＩＣ２２０に対してローカルであるローカルプロセッサ（図示せず）及び／又はローカルメモリ（図示せず）を含んでもよい。このような実施形態では、ＮＩＣ２２０のローカルプロセッサは、本明細書に記載される計算エンジン２１０の機能のうちの１つ又は２つ以上を実行することが可能であってもよい。付加的に又は代替的に、このような実施形態では、ＮＩＣ２２０のローカルメモリは、基板レベル、ソケットレベル、チップレベル、及び／又は他のレベルで、モデル生成デバイス１１０の１つ又は２つ以上の構成要素に統合することができる。

【0022】

１つ又は２つ以上の例示的なデータ格納デバイス２２２は、例えば、メモリデバイス及び回路、メモリカード、ハードディスクドライブ、ソリッドステートドライブ、若しくは他のデータ格納デバイスなど、データの短期又は長期の格納のために構成された任意の種類のデバイスとして具体化することができる。各データ格納デバイス２２２は、データ格納デバイス２２２用のデータ及びファームウェアコードを格納するシステムパーティションを含むことができる。各データ格納デバイス２２２はまた、オペレーティングシステムのためのデータファイル及び実行ファイルを格納する１つ又は２つ以上のオペレーティングシステムパーティションを含んでもよい。

【0023】

画像生成デバイス１１２及びクライアント計算デバイス１１４は、モデル生成デバイス１１０を参照して図２で説明したものと同様の構成要素を有してもよい。モデル生成デバイス１１０のこれらの構成要素の説明は、一部の実施形態では配向判定論理ユニット１２０及び精度判定論理ユニット１２２がモデル生成デバイス１１０以外のデバイスに含まれない点を除き、画像生成デバイス１１２及びクライアントコンピュータデバイス１１４の構成要素の説明に同様に当てはまる。更に、モデル生成デバイス１１０、画像生成デバイス１１２、及びクライアントコンピュータデバイス１１４のいずれも、モデル生成デバイス１１０を参照して上記で説明されておらず、また、説明を簡潔にするため本明細書で説明されていない、計算デバイスに一般的にみられる他の構成要素、副構成要素、及びデバイスを含んでもよい点を理解されたい。更に、計算デバイスの１つ又は２つ以上の構成要素は、任意の距離にわたって分散されてもよく、必ずしも同じ物理ユニット内に収容されていない点を理解されたい。

【0024】

図１を再び参照すると、モデル生成デバイス１１０、画像生成デバイス１１２、及びクライアントコンピュータデバイス１１４は、例示的に、グローバルネットワーク（例えば、インターネット）、１つ又は２つ以上の広域ネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、デジタル加入者ライン（ＤＳＬ）ネットワーク、ケーブルネットワーク（例えば、同軸ネットワーク、ファイバーネットワークなど）、セルラーネットワーク（例えば、移動通信用グローバルシステム（Global System for Mobile Communications、ＧＳＭ）、３Ｇ、ロングタームエボリューション（ＬＴＥ）、Ｗｏｒｌｄｗｉｄｅ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ Ｍｉｃｒｏｗａｖｅ Ａｃｃｅｓｓ（ＷｉＭＡＸ）など）、無線アクセスネットワーク（ＲＡＮ）、又はこれらの任意の組み合わせを含む任意の種類のデータ通信ネットワークとして具体化することができるネットワーク１１６を介して通信している。更に、図１では別々のデバイスとして示されているが、実施形態によっては、モデル生成デバイス１１０、画像生成デバイス１１２、及びクライアントコンピュータデバイス１１４のうちの１つ又は２つ以上を、単一のユニットとして組み合わせることもできる点を理解されたい。

【0025】

次に図３を参照すると、モデル生成デバイス１１０は、動作中、オブジェクト（例えば、解剖学的オブジェクト１４０）の２次元画像から生成された３次元モデルの精度を判定するための方法３００を実行することができる。方法３００は、ブロック３０２で開始し、モデル生成デバイス１１０が精度判定を行うかどうかを判定する。モデル生成デバイス１１０は、モデル生成デバイス１１０が配向判定論理ユニット１２０及び精度判定論理ユニット１２２を備えているという判定に応じて、構成設定（例えば、メモリ２１４における）が、精度判定を行うことを示しているという判定に応じて、精度判定を行うという別のデバイス（例えば、クライアント計算デバイス１１４）からの要求に応じて、及び／又は他の要因に基づいて精度判定を行うことを判定することができる。精度判定を行うという判定に応じて、方法３００はブロック３０４に進み、ここで、モデル生成デバイス１１０は解剖学的オブジェクトの２次元画像を（例えば、画像生成デバイス１１２から）取得する。これを行う際、例示的な実施形態では、ブロック３０６に示されるように、モデル生成デバイス１１０は人体の一部の２次元画像を取得する。ブロック３０８に示されるように、モデル生成デバイス１１０は、人体の１つ又は２つ以上の骨の２次元画像を得ることができる。例えば、ブロック３１０に示されるように、モデル生成デバイス１１０は、股関節又は膝関節の２次元画像を得ることができる。例示的な実施形態では、モデル生成デバイス１１０は、２次元画像を取得する際、ブロック３１２に示されるように、Ｘ線画像（例えば、Ｘ線放射（例えば、放射線源１３０からの）を患者の身体を通じて検出器（例えば、検出デバイス１３２）に通過させることによって生成された画像）を取得する。他の実施形態では、２次元画像は、他の種類の電磁放射線（例えば、可視光、赤外光など）から形成されてもよい。ブロック３１４に示されるように、例示的な実施形態におけるモデル生成デバイス１１０は、複数の異なる視点（例えば、角度）から解剖学的オブジェクト１４０の２次元画像を取得する。これを行う際、例示的な実施形態では、ブロック３１６に示されるように、モデル生成デバイス１１０は、直交画像（例えば、互いに対して垂直な視点からの画像）を取得する。他の実施形態では、各視点は、互いに対して他の角度であってもよい。

【0026】

続いて、ブロック３１８において、モデル生成デバイス１１０は、取得された２次元画像について、スケールファクタ（２次元画像で表されるオブジェクトのサイズが実際の大きさと異なる量を示すデータ）を判定する。これを行う際、モデル生成デバイス１１０は、ブロック３２０に示されるように、２次元画像内に表される距離（例えば、オブジェクトの直径、長さなど）と実際の距離（例えば、オブジェクトの実際の直径、長さなど）との比を判定する。一例として、モデル生成デバイス１１０は、ブロック３２２に示されるように、所定の（例えば、既知の）サイズを有する参照オブジェクトの２次元画像内での表現からスケールファクタを判定することができる。例示的な実施形態では、モデル生成デバイス１１０は、ブロック３２４に示されるように、取得された２次元画像にみられる参照オブジェクトのサイズと、その参照オブジェクトの所定のサイズとの比を判定することができる。ブロック３２６に示されるように、モデル生成デバイス１１０は、所定の直径を有する球体からスケールファクタを判定することができる。例示的な実施形態では、ブロック３２８に示されるように、モデル生成デバイス１１０は、２５ミリメートルの所定の直径を有する金属球からスケールファクタを判定することができる（例えば、２次元画像内で表される球体の直径と既知の直径２５ミリメートルとの比を判定することによって）。すなわち、金属球は、患者とともに物理的に存在し（例えば、患者に隣接して、患者に取り付けられる、など）、画像生成デバイス１１２によって撮像されてもよい。続いて、方法３００は図４のブロック３３０に進み、ここで、モデル生成デバイス１１０は、取得された２次元画像内に表される解剖学的オブジェクト１４０の並進及び回転を示す候補値を判定する。

【0027】

次に図４を参照すると、候補値を判定する際、モデル生成デバイス１１０は、ブロック３３２に示されるように、３次元における（例えば、ｘ軸、ｙ軸、及びｚ軸に沿った）解剖学的オブジェクトの並進について候補値を判定する。ブロック３３２に示されるのと同様に、モデル生成デバイス１１０は、ブロック３３４に示されるように、３次元（例えば、ｘ軸、ｙ軸、及びｚ軸に沿って）における解剖学的オブジェクト１４０の回転について候補値を判定する。候補値は、実施形態に応じて、様々な方法で判定することができる。例えば、ブロック３３６に示されるように、モデル生成デバイス１１０は、現在の候補値を、以前の候補値及びこれらの値を用いて（例えば、方法３００の以前の反復から）生成されたモデルの対応する精度スコアの関数として（例えば、基づいて）判定することができる。ブロック３３８に示されるように、モデル生成デバイス１１０は、勾配上昇プロセス（例えば、現時点の関数の勾配又は近似的勾配の正の値に比例するステップを行うことによって関数の最大値を見つけるための１次反復最適化プロセス）、又は勾配下降プロセス（例えば、関数の最小値を見つけるための）に基づいて候補値を判定することができる。いくつかの実施形態では、モデル生成デバイス１１０は、ブロック３４０に示されるように、遺伝子アルゴリズム（例えば、ある問題に対する最適解を見つけるために自然選択のプロセスを刺激する突然変異、交差、及び選択などの生物学に基づく演算子を用いたメタヒューリスティクス）に基づいて候補値を判定することができる。

【0028】

付加的に又は代替的に、モデル生成デバイス１１０は、例えば、ブロック３４２に示されるように、粒子群プロセス（例えば、候補解の集団（「粒子」と称される）を用い、各粒子の位置及び速度に影響を及ぼす数学的操作に従って粒子を探索空間内で動かすことによって、所定の品質の尺度（例えば、精度スコア）に関する候補解を反復的に改善することによって問題を最適化するプロセス）に基づいて候補値を判定することができる。いくつかの実施形態では、モデル生成デバイス１１０は、ブロック３４４に示されるように、機械学習プロセス（例えば、入力変数と出力との間の数学的関係を示すパターンを識別するために訓練データを用いるプロセス）を用いて現在の候補値を判定することができる。他の実施形態では、モデル生成デバイス１１０は、ブロック３４６に示されるように、利用可能なパラメータ空間内のすべての値のスキャン（例えば、各軸を中心としたすべての可能な回転度を反復的に試行するなど）に基づいて候補値を判定することができる。続いて、方法３００は図５のブロック３４８に進み、ここで、モデル生成デバイス１１０は取得された２次元画像（例えば、ブロック３０４からの）、スケールファクタ（例えば、ブロック３１８からの）、及び候補値（例えば、ブロック３３０からの）の関数として解剖学的オブジェクト１４０の候補３次元モデルを取得する。

【0029】

次に図５を参照すると、モデルを取得する際、ブロック３５０に示されるように、モデル生成デバイス１１０は三角測量を適用して（例えば、解剖学的オブジェクト１４０と２次元画像が生成された各視点との間に）、解剖学的オブジェクトの表面に沿った点の３次元空間内での位置を判定する（例えば、各点はｘ、ｙ、及びｚ座標を有する）。ブロック３５２に示されるように、モデル生成デバイス１１０は、解剖学的オブジェクトの参照モデルのデータセット（例えば、メモリ２１４又はデータ格納デバイス２２２内の）を用いて、取得された２次元画像では表現されていない解剖学的オブジェクトの部分（例えば、骨の一部は、取得された２次元画像には示されない）を示すデータを与えることができる。例示的な実施形態では、モデル生成デバイス１１０は、ブロック３５４に示されるように、スケールファクタに基づいてモデルにスケーリングを適用する（例えば、モデルのサイズを設定する）。これを行う際、例示的な実施形態では、モデル生成デバイス１１０は、ブロック３５６に示されるように、３つの空間的次元にわたってスケールファクタを適用する（例えば、同じスケールファクタを使用して、ｘ軸、ｙ軸、及びｚ軸に沿ったモデルのサイズを設定する）。モデル生成デバイス１１０はまた、ブロック３５８に示されるように、候補値（例えば、ブロック３３２で判定された、並進の候補値）に基づいてモデルに並進を適用する（例えば、モデルの位置を変化させる）こともできる。これを行う際、例示的な実施形態では、モデル生成デバイス１１０は、ブロック３６０に示されるように、３次元の（例えば、ｘ次元、ｙ次元、及びｚ次元における）並進を適用する。同様に、ブロック３６２に示されるように、モデル生成デバイス１１０は、候補値に基づいて回転を適用することができる。これを行う際、ブロック３６４に示されるように、モデル生成デバイス１１０は、３次元にわたって回転を適用することができる（例えば、オブジェクトをｘ軸、ｙ軸、及びｚ軸を中心として候補値に定義された量だけ回転する）。

【0030】

続いて、ブロック３６６に示されるように、モデル生成デバイス１１０は、生成された３次元モデル（例えば、ブロック３４８で生成されたモデル）の精度を示すスコアを判定する。これを行う際、例示的な実施形態では、モデル生成デバイス１１０は、ブロック３６８に示されるように、３次元モデルの２次元シルエットを、取得された２次元画像のエッジ検出バージョン（例えば、エッジが画素値で示され（例えば、ゼロ以外の画素値）、エッジを表していない領域が異なる画素値（例えば、ゼロの画素値）で表されている２次元画像のバージョン）と比較する。これを行う際、ブロック３７０に示されるように、モデル生成デバイス１１０は、取得された２次元画像を生成するために用いられたＸ線源（例えば、放射線源１３０）の判定された位置に基づいて（例えば、その位置から投影された）３次元モデル（例えば、ブロック３４８で生成されたモデル）の３次元シルエットの投影像から生成される２次元のシルエットを比較する。ブロック３７２に示すように、モデル生成デバイス１１０は、２次元シルエット（例えば、ブロック３７０からの）と、取得された２次元画像の対応するエッジ検出バージョンとの間で共有されるエッジに沿った画素の値を合計し、得られた総和としてスコアを定義することができる。

【0031】

次に図６を参照すると、候補３次元モデルの精度を示すスコアを生成する際、モデル生成デバイス１１０は、ブロック３７４．に示されるように、取得された２次元画像及び候補３次元モデルを３次元空間内に位置付けることができる。これを行う際、ブロック３７６に示されるように、例示的な実施形態では、モデル生成デバイス１１０は、取得された２次元画像及び候補３次元モデルを、候補値（例えば、ブロック３３０からの候補値）及び判定されたスケールファクタ（例えば、ブロック３１８からの）に基づいて、互いに対して配置する。付加的に、ブロック３７８において、モデル生成デバイス１１０は、例示的な実施形態において、取得された２次元画像を生成するために用いられたＸ線源（例えば、放射線源１３０）の３次元における位置を判定する。ブロック３８０において、モデル生成デバイス１１０は、各Ｘ線源の判定された位置からの光線を、対応する２次元画像に対してトレースする（例えば、レイトレーシングを実行する）。これを行う際、モデル生成デバイス１１０は、ブロック３８２に示されるように、各光線について、交差する候補３次元モデルの表面上の多角形（例えば、三角形）を識別する。付加的に、かつブロック３８４に示されるように、モデル生成デバイス１１０は、各光線について、互いに隣接し、かつ互いに対向する配向（例えば、反対方向を指す）に配置された交差する多角形を（例えば、ブロック３８２で識別された交差する多角形のセットから）識別する。更に、ブロック３８６に示されるように、モデル生成デバイス１１０は、例示的な実施形態において、各光線について、交差する、隣接した、対向する多角形（例えば、ブロック３８４で識別された多角形）間の１つ又は２つ以上の共通のエッジを判定する。続いて、方法３００は図７のブロック３８８に進み、ここで、モデル生成デバイス１１０は１つ又は２つ以上の共通のエッジ（例えば、ブロック３８６で判定されたエッジ）から、３次元シルエット（例えば、候補３次元モデルの外側表面を画定する曲線）を生成する。

【0032】

次に図７を参照すると、３次元シルエットを生成する際、モデル生成デバイス１１０は、例示的な実施形態において、ブロック３９０に示されるように、ポリカーブ（例えば、複数の曲線が互いにつなげられたもの）として３次元シルエットを生成する。ブロック３９２に示されるように、モデル生成デバイス１１０は、３次元シルエットのうちの１つ又は２つ以上に平滑化操作を適用することができ、また、ブロック３９４に示されるように、モデル生成デバイス１１０は、シルエットのうちの１つ又は２つ以上から、既定の長さを満たす長さを有するすべての線分を除去することができる（例えば、既定の長さよりも短いすべての線分を除去する）。付加的に、かつブロック３９６に示されるように、モデル生成デバイス１１０は、Ｘ線源の位置から（例えば、ブロック３７８で判定されたＸ線源の位置から）３次元シルエット（例えば、ブロック３８８からの）を１つ又は２つ以上の結像面（例えば、ブロック３７４において、取得された２次元画像が３次元空間内に配置される場所に位置する平面）上に投影することにより、２次元のシルエットを生成する。モデル生成デバイス１１０はまた、ブロック３９８に示されるように、取得された２次元画像に１つ又は２つ以上のマスクを適用することで、１つ又は２つ以上のオブジェクト（例えば、ブロック３２２からの参照オブジェクト）を取得された２次元画像から除去することができる。更に、例示的な実施形態では、ブロック４００に示されるように、モデル生成デバイス１１０は、取得された２次元画像にエッジ検出動作を適用して、対応するエッジ画像（例えば、取得された２次元画像のエッジ検出バージョン）を生成する。これを行う際、ブロック４０２に示されるように、モデル生成デバイス１１０は、取得された２次元画像にＣａｎｎｙエッジ検出アルゴリズムを適用する（例えば、ガウスフィルタを適用して画像を平滑化してノイズを除去し、画像内の強度勾配を位置特定し、非最大抑制を適用してエッジ検出に対するスプリアス応答を排除し、二重閾値を適用して潜在的なエッジを判定し、ヒステリシスを用いてエッジを追跡する）。ブロック４０４に示されるように、モデル生成デバイス１１０は、エッジ画像に距離フィルタを付加的に適用することができる。ブロック４０６において、例示的な実施形態では、モデル生成デバイス１１０は、２次元シルエットに存在する各エッジ（例えば、ブロック３９６からの）を通じてサイクルする。これを行う際、モデル生成デバイス１１０は、ブロック４０８に示すように、シルエットから現時点のエッジに対応するエッジ画像内の画素を位置特定し、これらの対応する画素の値を判定する。更に、ブロック４１０に示されるように、モデル生成デバイス１１０は、対応するエッジ画像内の対応する画素値に対するシルエットからのエッジの比較に基づいてスコアを生成する。これを行う際、かつブロック４１２に示されるように、モデル生成デバイス１１０は、画素値を合計し（例えば、実行合計を判定し）、その総和としてのスコアを指定することができる。

【0033】

膝関節（例えば、解剖学的オブジェクト１４０）の候補３次元モデル９０２（例えば、ブロック３４８で生成された候補モデル）、入力される２次元画像９１０、９１２（例えば、ブロック３０４で取得された２次元画像）、及びシルエット９２０（例えば、ブロック３６８における候補モデルの精度を示すスコアの判定に用いられるシルエット）の空間的配向９００の例示的な例を図９に示す。大腿骨１００２の候補３次元モデルのＸ線画像１０１０（例えば、ブロック３０４から取得された２次元画像）に対する典型的なアラインメント１０００（例えば、空間的配向）の例示的な例を、図１０に示す。モデル生成デバイス１１０が候補３次元モデルの精度を示すスコアを判定した後、方法３００は図８のブロック４１４に進み、ここで、モデル生成デバイス１１０は精度スコアの閾値が満たされたかどうかに基づいて（例えば、ブロック３６６で判定されたスコアにより）その後の一連の動作を判定する。

【0034】

次に図８を参照すると、精度スコアの閾値が満たされているかどうかを判定する際、モデル生成デバイス１１０は、ブロック３６６で判定されたスコアが所定のスコア以上であるかどうか、ブロック３６６で判定されたスコアが方法３００の一連の反復で生成されたスコアのセットの中で最も高いスコアであるかどうか、及び／又は他の因子に基づいて判定することができる。これとは関係なく、精度スコアの閾値が満たされていないという判定に応じて、方法３００は図４のブロック３３０に戻り、ここで、モデル生成デバイス１１０は、候補値の後続のセット（例えば、異なるセット）を判定し、後続の候補値のセットに基づいて異なる空間的配向を有する後続の３次元モデルを生成する。そうでない場合（例えば、精度スコアの閾値が満たされている場合）、方法３００はブロック４１６に進み、ここで、モデル生成デバイス１１０は、候補３次元モデルが解剖学的オブジェクト１４０の正確な表現であることを示す出力データ（例えば、表示される、メモリに書き込まれる、及び／又は、クライアント計算デバイス１１４などの別の計算デバイスに送信されるための）を生成する。これを行う際、かつブロック４１８に示されるように、モデル生成デバイス１１０は、候補３次元モデルを生成するために用いられた候補値を含む出力データを生成することができる。出力データはまた、候補３次元モデルを生成する際に使用されるスケールファクタを含んでもよい。

【0035】

方法３００の例示的な例として、モデル生成デバイス１１０は、画像生成デバイスから患者の膝関節の２次元Ｘ線画像のセットを取得することができる。画像内には、金属球が存在する。モデル生成デバイス１１０は、２５ミリメートルの既知の（例えば、モデル生成デバイス１１０にとって）直径を有する金属球の存在を検出するように構成されている。この例では、金属球は、モデル生成デバイス１１０によって得られた２次元Ｘ線画像内で１００画素の幅である。したがって、モデル生成デバイス１１０は、４画素毎に１ミリメートル（例えば、４対１のスケールファクタ）を表すものと判定する。金属球が対称であることを考慮すると、モデル生成デバイス１１０は、ｘ、ｙ、及びｚ次元にわたってスケールファクタを固定することができる（例えば、任意の方向の４個の画素は、その方向で１ミリメートルを表す）。

【0036】

次に、例示的な例では、モデル生成デバイス１１０は、Ｘ線画像における膝関節の骨の並進及び回転の候補値を判定する。これを行う際、モデル生成デバイス１１０は、ｘ軸、ｙ軸、及びｚ軸に沿って２０ミリメートルの可能な並進を選択する。付加的に、モデル生成デバイス１１０は、ｘ軸、ｙ軸、及びｚ軸の各々に沿って時計回りに２０°の可能な並進を選択する。次いで、モデル生成デバイス１１０は、任意の既知の２Ｄ／３Ｄ変換法（例えば、ＴｒｕＭａｔｃｈ（登録商標）２Ｄ３Ｄ）を使用して、Ｘ線画像から膝関節の骨の候補３次元モデルを取得し、ヒト膝関節の骨の参照モデルを用いて欠損した骨の細部を埋める。このプロセスでは、モデル生成デバイス１１０は、ｘ軸、ｙ軸、及びｚ軸の各々に沿って２０ミリメートルの並進（例えば、患者が基準膝関節モデルが基づいている位置から各次元に２０ミリメートル移動したと仮定）、並びにｘ軸、ｙ軸、及びｚ軸に沿った２０°の回転（例えば、Ｘ線画像を生成するＸ線検出器が時計回りに２０°回転されるか、又は患者が、基準膝関節モデルが基づいている配向に対して、各軸に沿って、膝関節の１つ又は２つ以上の骨を時計回りに２０°回転させた（例えば、膝関節の屈曲により）と仮定）を適用し、１ミリメートル毎に４画素のスケールファクタを用いてモデルをスケール化する。次いで、モデル生成デバイス１１０は、図３～７を参照して説明したように、モデルの２次元シルエットをＸ線画像のエッジ検出バージョンと比較して精度スコアを生成することによって、得られたモデルの精度を判定する（例えば、モデルをワークスペースにインポートし、Ｘ線源の位置を再構成し、Ｘ線源の位置からレイトレーシングして３次元シルエットを生成し、３次元シルエットの投影から２次元シルエットを生成し、画像生成デバイス１１２からの２次元Ｘ線画像にエッジ検出を適用してＸ線画像のエッジ検出バージョンを生成し、２次元シルエットをＸ線画像のエッジ検出バージョンと比較する）。２次元シルエットとＸ線画像の対応するエッジ検出バージョンとの間のあらゆる相違（例えば、重なり合わない線）は精度スコアを低下させるのに対して、類似点（例えば、重なり合う線）は精度スコアを増加させる。例示の目的のため、精度スコアを７とすることができる。

【0037】

次いで、モデル生成デバイス１１０は、今回は異なる並進及び回転の値を使用して候補モデルを取得するプロセスを繰り返す。例えば、ｘ＝３０、ｙ＝３０、ｚ＝３０の並進値、及びｘ＝３０、ｙ＝３０、ｚ＝３０の回転値が使用される。得られる精度スコアは、８である。続いて、モデル生成デバイスが、ｘ＝４０、ｙ＝４０、ｚ＝４０の変換値でプロセスを繰り返すと精度スコアは６に低下する。精度スコアの低下に基づいて、モデル生成デバイス１１０は、ｘ＝２８、ｙ＝２８、ｚ＝２８の並進値、及びｘ＝２４、ｙ＝２０、ｚ＝２６の回転値で最高スコア９に達したとモデル生成デバイス１１０が判定するまで、並進及び回転について２０～３０の範囲内の様々な値を試験する。続いて、モデル生成デバイス１１０は、ｘ＝２８、ｙ＝２８、ｚ＝２８の並進値、及びｘ＝２４、ｙ＝２０、ｚ＝２６の回転値を用いて生成されたモデルが、膝関節の骨（複数可）の最も正確なモデルであることをユーザ又は他のデバイスに示す。

【0038】

図面及び上記の説明において特定の例示的な実施形態を詳細に説明したが、かかる例示及び説明は、その性質上、あくまで例示的なものであって限定的なものとは見なすべきではなく、あくまで例示的な実施形態を示して説明したものにすぎず、本開示の趣旨の範囲内に含まれるすべての変更及び改変は保護されることが所望されることが理解される。

【0039】

本開示は、本明細書において説明される方法、装置、及びシステムの様々な特徴に基づく複数の利点を有するものである。本開示の方法、装置、及びシステムの代替的実施形態は、説明される特徴のすべてを含むわけではないが、依然として、こうした特徴の利点のうちの少なくとも一部から利益を享受するものであることに留意されよう。当業者であれば、本発明の特徴のうちの１つ又は２つ以上を組み込む、添付の「特許請求の範囲」において定義される本開示の趣旨及び範囲に包含される方法、装置、及びシステムを独自に容易に実施することが可能である。

【0040】

〔実施の態様〕
（１） デバイスであって、
ヒト関節の骨の２次元画像を取得することと、
前記骨の候補３次元モデルを取得することと、
前記候補３次元モデルの２次元シルエットを生成することと、
エッジ検出アルゴリズムを前記２次元画像に適用して、対応するエッジ画像を生成することと、
前記２次元シルエットを前記エッジ画像と比較して、前記候補３次元モデルの精度を示すスコアを生成することと、
を行うための回路を含む、デバイス。
（２） 前記回路が、
取得された前記２次元画像及び前記候補３次元モデルを３次元空間内に位置付けることと、
前記取得された２次元画像を生成するために使用されたＸ線源の３次元における位置を判定することと、を更に行うためのものである、実施態様１に記載のデバイス。
（３） 前記回路が、前記取得された２次元画像のうちの１つを生成するために利用されるＸ線源の判定された位置から、対応する前記取得された２次元画像に光線をトレースすることを更に行うためのものである、実施態様２に記載のデバイス。
（４） 前記回路が、各光線について、前記光線と交差する前記候補３次元モデルの表面上の多角形を識別することを更に行うためのものである、実施態様３に記載のデバイス。
（５） 各光線について識別された前記多角形が、隣接しており、かつ対向する配向において配置されている、実施態様４に記載のデバイス。

【0041】

（６） 前記回路が、各光線について識別された前記多角形間で１つ又は２つ以上の共通のエッジを判定することを更に行うためのものである、実施態様５に記載のデバイス。
（７） 前記回路が、前記候補３次元モデルの表面上の多角形間の共通のエッジから、１つ又は２つ以上の３次元シルエットを生成することを更に行うためのものである、実施態様１に記載のデバイス。
（８） １つ又は２つ以上の３次元シルエットを生成することが、１つ又は２つ以上のポリカーブを生成することを含む、実施態様７に記載のデバイス。
（９） 前記回路が、前記１つ又は２つ以上の３次元シルエットに平滑化操作を適用することを更に行うためのものである、実施態様７に記載のデバイス。
（１０） 前記回路は、線分が所定の長さを満たす長さを有するという判定に応じて、前記１つ又は２つ以上の３次元シルエットから前記線分を除去することを更に行うためのものである、実施態様７に記載のデバイス。

【0042】

（１１） 前記候補３次元モデルの２次元シルエットを生成することが、前記１つ又は２つ以上の３次元シルエットを撮像面上に投影することを含む、実施態様７に記載のデバイス。
（１２） 前記１つ又は２つ以上の３次元シルエットを前記撮像面上に投影することが、前記取得された２次元画像のうちの１つを生成するために利用されるＸ線源の位置から前記１つ又は２つ以上の３次元シルエットを投影することを含む、実施態様１１に記載のデバイス。
（１３） 前記回路が、前記取得された２次元画像にマスクを適用して前記取得された２次元画像からオブジェクトを除去することを更に行うためのものである、実施態様１に記載のデバイス。
（１４） エッジ検出アルゴリズムを適用することが、Ｃａｎｎｙエッジ検出アルゴリズムを適用することを含む、実施態様１に記載のデバイス。
（１５） 前記回路が、前記エッジ画像に距離フィルタを適用することを更に行うためのものである、実施態様１に記載のデバイス。

【0043】

（１６） 前記２次元シルエットを前記エッジ画像と比較して、前記候補３次元モデルの精度を示すスコアを生成することが、
前記エッジ画像内で、前記２次元シルエットのエッジに対応する画素値を位置特定することと、
位置特定された前記画素値を合計することと、を含む、実施態様１に記載のデバイス。
（１７） 格納された複数の命令を含む１つ又は２つ以上の機械可読記憶媒体であって、前記複数の命令が、実行されることに応じて、デバイスに、
解剖学的オブジェクトの２次元画像を取得することと、
前記解剖学的オブジェクトの候補３次元モデルを取得することと、
前記候補３次元モデルの２次元シルエットを生成することと、
エッジ検出アルゴリズムを前記２次元画像に適用して対応するエッジ画像を生成することと、
前記２次元シルエットを前記エッジ画像と比較して、前記候補３次元モデルの精度を示すスコアを生成することと、を行わせる、１つ又は２つ以上の機械可読記憶媒体。
（１８） 前記複数の命令が、前記デバイスに、
取得された前記２次元画像及び前記候補３次元モデルを３次元空間内に位置付けることと、
前記取得された２次元画像を生成するために利用されるＸ線源の３次元における位置を判定することと、を更に行わせる、実施態様１７に記載の１つ又は２つ以上の機械可読記憶媒体。
（１９） 方法であって、
デバイスによって、解剖学的オブジェクトの２次元画像を取得することと、
前記デバイスによって、前記解剖学的オブジェクトの候補３次元モデルを取得することと、
前記デバイスによって、前記候補３次元モデルの２次元シルエットを生成することと、
前記デバイスによって、エッジ検出アルゴリズムを前記２次元画像に適用して、対応するエッジ画像を生成することと、
前記デバイスによって、前記２次元シルエットを前記エッジ画像と比較して、前記候補３次元モデルの精度を示すスコアを生成することと、を含む、方法。
（２０） 前記解剖学的オブジェクトが、ヒト関節の骨であり、前記方法が、
前記デバイスによって、前記骨の取得された前記２次元画像及び前記骨の前記候補３次元モデルを３次元空間に位置付けることと、
前記デバイスによって、前記骨の前記取得された２次元画像を生成するために利用されるＸ線源の３次元における位置を判定することと、を更に含む、実施態様１９に記載の方法。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】