▶ マイクロポート オーソペディックス ホールディングス インクの特許一覧
特表2024-526601写真測量を使用して整形外科手術のための患者固有のガイドを作製するためのシステム及び方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-07-19
(54)【発明の名称】写真測量を使用して整形外科手術のための患者固有のガイドを作製するためのシステム及び方法
(51)【国際特許分類】
A61B 34/10 20160101AFI20240711BHJP
A61B 6/00 20240101ALI20240711BHJP
A61B 34/20 20160101ALI20240711BHJP
G06T 19/00 20110101ALI20240711BHJP
【ＦＩ】
A61B34/10
A61B6/00 560
A61B6/00 570
A61B34/20
G06T19/00 A
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023579867
(86)(22)【出願日】2022-07-19
(85)【翻訳文提出日】2023-12-26
(86)【国際出願番号】 US2022073868
(87)【国際公開番号】W WO2023004299
(87)【国際公開日】2023-01-26
(31)【優先権主張番号】63/223,844
(32)【優先日】2021-07-20
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】522226683
【氏名又は名称】マイクロポート オーソペディックス ホールディングス インク
(74)【代理人】
【識別番号】110002538
【氏名又は名称】弁理士法人あしたば国際特許事務所
(74)【代理人】
【識別番号】110002848
【氏名又は名称】弁理士法人ＮＩＰ＆ＳＢＰＪ国際特許事務所
(72)【発明者】
【氏名】マクダニエル、シー．、ブライアン
(72)【発明者】
【氏名】ブライアント、ポール、エス．
(72)【発明者】
【氏名】ボウマン、フレッド、ダブリュー．
(72)【発明者】
【氏名】ハリス、ブライアン、アール．
【テーマコード（参考）】
4C093
5B050
【Ｆターム（参考）】
4C093AA01
4C093AA10
4C093AA25
4C093CA18
4C093CA23
4C093DA10
4C093FA35
4C093FD03
4C093FF16
4C093FF35
4C093FF42
5B050BA03
5B050BA09
5B050BA12
5B050BA13
5B050CA07
5B050DA05
5B050DA10
5B050EA07
5B050EA18
5B050EA19
5B050EA27
5B050EA28
5B050FA02
5B050FA09
5B050GA08
(57)【要約】
患者固有の外科用ガイドを生成するためのシステム及び方法であって、放射線撮像技術を使用して、整形外科要素の第１及び第２の画像を異なる基準フレームでキャプチャすることと、ニューラルネットワークを使用して、整形外科要素上又は整形外科要素内の解剖学的ランドマークを画定する空間データを検出することと、解剖学的ランドマークによって画定された整形外科要素にマスクを適用することと、第１の画像及び第２の画像からの空間データを投影して体積データを画定することと、ニューラルネットワークを体積データに適用して、整形外科要素の再構成された３次元（「３Ｄ」）モデルを生成することと、整形外科要素に当接するように構成された患者固有の外科用ガイドの寸法を計算することとを含む、システム及び方法。
【特許請求の範囲】
【請求項1】
少なくとも２つの２Ｄ放射線画像から生成された手術領域を含む整形外科要素の３Ｄモデルであって、少なくとも第１の放射線画像は第１の位置でキャプチャされ、少なくとも第２の放射線画像は第２の位置でキャプチャされ、前記第１の位置は、前記第２の位置とは異なる、３Ｄモデルと、前記整形外科要素の前記３Ｄモデル上の表面を識別して、識別表面を画定するように構成され、患者固有の外科用ガイドの寸法を計算するように更に構成された計算機であって、前記患者固有の外科用ガイドは、前記識別表面において、前記整形外科要素と当接するように構成されている、計算機と、を含む、システム。
【請求項2】
ディスプレイを更に備え、前記整形外科要素の前記３Ｄモデルは前記ディスプレイ上に表示される、請求項１に記載のシステム。
【請求項3】
前記ディスプレイは、拡張現実装置又は仮想現実装置である、請求項２に記載のシステム。
【請求項4】
Ｘ線撮像機を更に含む、請求項１～３のいずれか一項に記載のシステム。
【請求項5】
製造装置を更に含み、前記製造装置は、患者固有の外科用ガイドの物理モデルを生成するように構成されている、請求項１～４のいずれか一項に記載のシステム。
【請求項6】
前記製造装置は、前記整形外科要素の前記識別表面の少なくとも部分的な物理モデルを生成するように構成されている、請求項５に記載のシステム。
【請求項7】
前記製造装置は積層造形装置である、請求項５又は６に記載のシステム。
【請求項8】
前記患者固有の外科用ガイドの前記物理モデルは、医療用ポリアミドを含む、請求項５～７のいずれか一項に記載のシステム。
【請求項9】
プロセスによって生成される患者固有の外科用ガイドであって、前記プロセスは、放射線撮像機を較正して、放射線画像点と対応する空間座標との間のマッピング関係を決定して空間データを画定することと、
放射線撮像技術を使用して、対象整形外科要素の第１の放射線画像をキャプチャすることであって、前記第１の放射線画像は第１の基準フレームを画定する、ことと、
前記放射線撮像技術を使用して、前記対象整形外科要素の第２の放射線画像をキャプチャすることであって、前記第２の放射線画像は第２の基準フレームを画定し、前記第１の基準フレームは、前記第２の基準フレームからオフセット角度でオフセットされる、ことと、
前記対象整形外科要素の前記第１の放射線画像からの空間データと、前記対象整形外科要素の前記第２の放射線画像からの空間データとを投影して、体積データを画定することと、
深層学習ネットワークを使用して、前記体積データを使用して前記対象整形外科要素を検出することであって、前記体積データは、前記対象整形外科要素上又は前記対象整形外科要素内で解剖学的ランドマークを画定する、ことと、
前記深層学習ネットワークを使用し、前記体積データを使用して、前記整形外科要素上の表面を識別し、識別表面を画定することと、
前記深層学習ネットワークを前記体積データに適用して、前記識別表面において、前記整形外科要素に当接するように構成された患者固有の外科用ガイドの寸法を計算することと、を含む、患者固有の外科用ガイド。
【請求項10】
製造技術を使用して、前記患者固有の外科用ガイドの物理３Ｄモデルを生成することを更に含む、請求項９に記載の生成品。
【請求項11】
前記患者固有の外科用ガイドの前記物理３Ｄモデルは、前記整形外科要素の前記識別表面と嵌合する嵌合面を含む、請求項９又は１０に記載の生成品。
【請求項12】
前記患者固有の外科用ガイドの前記物理３Ｄモデルは嵌合面を含み、前記嵌合面は突出部を更に含む、請求項９～１２のいずれか一項に記載の生成品。
【請求項13】
プロセスによって生成される患者固有の外科用ガイドであって、前記プロセスは、放射線撮像機を較正して、放射線画像点と対応する空間座標との間のマッピング関係を決定して空間データを画定することと、
放射線撮像技術を使用して、対象整形外科要素の第１の放射線画像をキャプチャすることであって、前記第１の放射線画像は第１の基準フレームを画定する、ことと、
前記放射線撮像技術を使用して、前記対象整形外科要素の第２の放射線画像をキャプチャすることであって、前記第２の放射線画像は第２の基準フレームを画定し、前記第１の基準フレームは、前記第２の基準フレームからオフセット角度でオフセットされる、ことと、
前記対象整形外科要素の前記第１の放射線画像からの空間データと、前記対象整形外科要素の前記第２の放射線画像からの空間データとを投影することと、
深層学習ネットワークを使用して、前記空間データを使用して前記対象整形外科要素を検出することであって、前記空間データは、前記対象整形外科要素上又は前記対象整形外科要素内の解剖学的ランドマークを画定する、ことと、
前記深層学習ネットワークを使用し、前記空間データを使用して、前記整形外科要素上の表面を識別し、識別表面を画定することと、
前記深層学習ネットワークを前記空間データに適用して、前記識別表面において、前記整形外科要素に当接するように構成された患者固有の外科用ガイドの寸法を計算することと、を含む、患者固有の外科用ガイド。
【請求項14】
製造技術を使用して、前記患者固有の外科用ガイドの物理３Ｄモデルを生成することを更に含む、請求項１３に記載の生成品。
【請求項15】
前記患者固有の外科用ガイドは、前記整形外科要素の前記識別表面と嵌合する嵌合面を含む、請求項１３又は１４に記載の生成品。
【請求項16】
前記患者固有の外科用ガイドは嵌合面を含み、前記嵌合面は突出部を更に含む、請求項１３～１５のいずれか一項に記載の生成品。
【発明の詳細な説明】
【技術分野】
【0001】
（関連出願の参照）
本出願は、２０２１年７月２０日に出願された米国仮特許出願第６３／２２３，８４４号の利益を主張する。この関連出願の開示は、その全体が本開示に組み込まれる。
本出願は、２０２１年７月２０日に出願された米国仮特許出願第６３／２２３，８４４号の利益を主張する。この関連出願の開示は、その全体が本開示に組み込まれる。
【0002】
（発明の分野）
本開示は、概して、整形外科関節置換手術の分野に関し、より具体的には、整形外科手術を計画及び実行する外科医及び技術者を支援するために写真測量及び三次元（「３Ｄ」）再構成技術を使用することに関する。
本開示は、概して、整形外科関節置換手術の分野に関し、より具体的には、整形外科手術を計画及び実行する外科医及び技術者を支援するために写真測量及び三次元（「３Ｄ」）再構成技術を使用することに関する。
【背景技術】
【0003】
関節置換手術の新たな目的は、発症前の関節の自然なアラインメント及び回転軸（単数又は複数）を復元することである。しかしながら、この目的は、関節が関節接合骨だけでなく、軟骨、靭帯、筋肉、及び腱を含む補助的な支持骨及び様々な軟組織を含むため、実際に達成することが困難であり得る。従来、外科医は、自然なアラインメントを完全に復元することを回避するか、又は集団のサンプルから導出された平均に基づいてアラインメント角度及び他の寸法を推定していた。しかしながら、これらの平均には、患者が変形性関節症のような慢性骨変形疾患に罹患しているときは特に、特定の患者の解剖学的構造の自然な変動が考慮されないことが多かった。
【0004】
この問題に対処する試みにおいて、一部の医療供給者は、患者の内部の解剖学的構造を調査して整形外科手術を計画するのを助けるために、コンピュータ断層撮影（computed tomography、「ＣＴ」）スキャン及び磁気共鳴像（magnetic resonance imaging、「ＭＲＩ」）技術を使用し始めた。これらのＣＴスキャン及びＭＲＩからのデータは、デジタル形式で三次元（「３Ｄ」）モデルを作製するために更に使用されてきた。これらのモデルは、当該手術のために患者固有の器具（カスタム外科切除ガイドなど）を設計し、生成するために、専門家に送信され得る。積層造形技術（例えば、３Ｄ印刷）及び他の従来の製造技術が、患者の特定の解剖学的構造に適合する物理的器具を造るために使用され得る。
【0005】
しかしながら、ＣＴスキャン及びＭＲＩを取得することは、複雑で時間がかかり、高価であり得る。ＣＴスキャンはまた、患者が、それ以外に従来の放射線撮影又は超音波などの他の非侵襲的撮像技術を使用して受け得るよりも、セッションごとにより高いレベルの放射線に患者を被曝させる傾向がある。更に、スケジュールを考慮して、実際の手術の１か月以上前にＣＴスキャン又はＭＲＩによる調査を行う場合もある。この遅延は、整形外科処置を外来患者用の通院外科診療所（ambulatory surgical center、「ＡＳＣ」）に徐々に移していく傾向によって悪化する可能性がある。ＡＳＣは、多くの場合は、高価なオンサイトＣＴスキャナ及びＭＲＩ機のない小規模な施設である傾向がある。このため、患者は、病院での調査予約をスケジュールすることが強いられることが多い。
【0006】
調査予約と手術との間の時間の増加は、患者の骨組織及び軟組織の解剖学的構造が、通常の使用下で又は病気の進行によって更に悪化又は変化するリスクを高める。更なる悪化は、患者の更なる不快感を引き起こすだけでなく、外科チームにとって調査データの有用性に悪影響を及ぼすことにもなり得る。これは、古くなったデータから作製された患者固有のガイド、及び発症前の関節の自然なアラインメントに基づいた可動域の復元を目指す外科技術で特に問題となり得る。更に、術前調査予約と手術との間の時間の増加は、外因性事象がデータに悪影響を及ぼす可能性を高める。例えば、計画された手術領域で脱臼又は骨折する事故は、通常、事前の調査データの有用性を損なわせる。そのようなリスクは、特に活発又は特に虚弱な個体において高まり得る。
【0007】
更に、全ての患者が、患者固有の器具を作製するためにＣＴスキャン又はＭＲＩにアクセスできるわけではない。これは、データを取得し、データを医療用装置設計専門家に送信し、所望の解剖学的構造の３Ｄモデルを生成し、データ又はモデルに基づいて患者固有の器具設計を作成し、患者固有の器具を生成し、当該患者固有の器具を外科診療所に出荷及び輸送し、処置の前に当該器具を滅菌するために必要な時間量に部分的に起因し得る。また、患者の医療保険及び疾患の種類に応じて利用できない場合がある。
【0008】
したがって、これらの技術は、正確な術前データの問題及び利用可能性と相まって、人工関節ライン（joint line）と発症前の自然関節ラインとの正確なアラインメントを危うくする可能性がある。度重なる研究は、発症前の関節の自然回転軸を変える人工関節が、機能不良、早期のインプラント摩耗、及び患者の不満の原因となる傾向があることを示している。
【発明の概要】
【0009】
したがって、整形外科手術を計画及び実行するときに、骨構造、骨量減少、軟組織を含む手術関節及び他の生理学を正確にモデル化するための術前及び術中撮像技術を増強するという、長い間抱えられるも未解決の必要性が存在している。
【0010】
従来の術前ＣＴ及びＭＲＩ撮像技術への限定的なアクセスの問題、術前撮像の時間と外科処置の時間との間の骨及び軟骨の悪化によるデータ精度の問題、並びに現在利用可能な術中ツール及び技術を使用して発症前の関節の自然関節ラインを決定することの制限についての問題は、患者固有の外科用ドリル又は切除ガイドを生成する例示的なシステム及び方法によって軽減され得、システム及び方法は、深層学習ネットワークを使用して、整形外科要素を識別してモデル化することと、深層学習ネットワークを使用して、対象整形外科要素の少なくとも２つの別個の二次元（「２Ｄ」）入力画像の入力から整形外科要素に当接するように構成される患者固有の外科用ガイドの寸法を計算することと、を含み、ここで、少なくとも２つの別個の２Ｄ入力画像のうちの第１の画像は、第１の横方向位置からキャプチャされ、少なくとも２つの別個の２Ｄ入力画像のうちの第２の画像は、第１の横方向位置からオフセット角度だけオフセットされた第２の横方向位置からキャプチャされる。
【0011】
放射線写真は、インビボ分析を可能にし、インビボ分析では、靭帯拘束、耐荷重力、及び筋肉活動の影響を含む、膝周りに生じる受動的な軟組織構造及び動的外力の外的合計を考慮することができる。
【0012】
患者固有の手術計画及び器具を作ることは、典型的には、膝の輪郭などの軟骨及び骨の解剖学的構造からのデータを使用するが、軟組織構造からのデータも使用することができる。
【図面の簡単な説明】
【0013】
上記は、添付の図面に例解されるように、本開示の例示的な実施形態についての、以下に示すより具体的な説明から明らかになるであろう。図面は必ずしも縮尺どおりではなく、代わりに開示される実施形態を例解することに重点が置かれている。
【図1】例示的な方法の工程を例解するフロー図である。
【図2】更なる例示的な方法の工程を例解するフロー図である。
【図3】簡略化された例示的な左膝関節の前面図である。
【図4】エピポーラ幾何の原理を使用して、較正された画像検出器の異なる基準フレームから撮られた２つの２Ｄ画像から３Ｄ空間のある点の位置が確認され得る仕組みを伝えるために使用される、ピンホールカメラモデルの概略図である。
【図5A】例示的な較正用治具を示す前後（「Ａ－Ｐ」）位置から撮られた対象整形外科要素の画像である。
【図6】深層学習ネットワークを使用して、対象整形外科要素の特徴（例えば、解剖学的ランドマーク）を識別し、対象整形外科要素の３Ｄモデルを生成するシステムの概略図である。
【図7】オフセット角度で較正された検出器から同じ対象整形外科要素を撮影した２つ以上の組織貫通平坦化入力画像を使用することから、整形外科要素のモデルを生成し、整形外科要素に当接するように構成された患者固有の外科用ガイドの寸法を計算するように構成されたシステムの概略図である。
【図8】ＣＮＮタイプの深層学習ネットワークを使用して、対象整形外科要素の表面を含む特徴（例えば、解剖学的ランドマーク）が識別され得る仕組みを示す概略図である。
【図9】例示的なシステムの概略図である。
【図10】例示的な方法の工程を示すフロー図である。
【図11】本明細書に開示されるいずれかの例示的な方法に従って作製された例示的な患者固有の外科用ガイドの下面図である。
【図12】本明細書に開示されるいずれかの例示的な方法に従って作製された別の例示的な患者固有の外科用ガイドの下面図である。
【図13】患者の遠位大腿骨に堅固に係合された例示的な患者固有の大腿骨切除ガイドマウントと、患者の近位脛骨に堅固に固定された例示的な患者固有の脛骨切除ガイドマウントとを示す。
【発明を実施するための形態】
【0014】
好ましい実施形態の以下の詳細な説明は、理解を助ける例解目的でのみ提示されており、網羅的であること、又は本発明の範囲及び趣旨を限定することを意図するものではない。実施形態は、本発明の原理及びその実用的な用途を最良に説明するために選択及び記載されている。当業者は、本発明の範囲及び趣旨から逸脱することなく、本明細書に開示される本発明に多くの変形がなされ得ることを認識するであろう。
【0015】
特に明記しない限り、同様の参照符号は、いくつかの図を通して対応する部分を示す。図面は、本開示による様々な特徴及び構成要素の実施形態を表すが、図面は必ずしも縮尺どおりではなく、特定の特徴は、本開示の実施形態をより良好に例解するために誇張されている場合があり、そのような例示は、本開示の範囲を限定するものとして解釈されるべきではない。
【0016】
本明細書で別途明示的に述べられたものを除いて、以下の解釈の規則が本明細書に適用される。（ａ）本明細書で使用される全ての語は、かかる状況で必要とされるかかる性別又は数（単数又は複数）であると解釈されるものとする。（ｂ）本明細書及び添付の特許請求の範囲で使用される単数形の用語「ａ」、「ａｎ」、及び「ｔｈｅ」は、文脈上明らかにそうでない場合を除き、複数形の参照を含む。（ｃ）列挙された範囲又は値に適用される先行詞「約」は、当該技術分野において既知の、又は測定から予想される範囲又は値の偏差を有する近似値を示す。（ｄ）特に明記しない限り、「本明細書に（herein、hereby、hereto）」、「前述の（hereinbefore）」、及び「後述の（hereinafter）」という語、及び類似する意味の語は、何らかの特定の段落、請求項、又は他の細目を指すのではなく、本明細書全体を指すものである。（ｅ）説明見出しはあくまでも便宜上のものであり、本明細書の一部の構成の意味を制御するものでも影響を与えるものでもない。（ｆ）「又は」及び「任意の」は排他的ではなく、「含む（include、including）」は限定的ではない。更に、「備える、含む（comprising）」、「有する（having）」、「含む（including）」、及び「収容する、含む（containing）」は、制限のない用語（すなわち、「．．．を含むがこれに限定されない」を意味する）として解釈されるべきである。
【0017】
本明細書における「一実施形態（one embodimet、an embodiment）」、「例示的な実施形態」、などの言及は、記載された実施形態が特定の特徴、構造、又は特性を含み得るが、全ての実施形態が必ずしも特定の特徴、構造、又は特性を含み得るものではないことを示している。更に、そのような語句は、必ずしも同じ実施形態を指すものではない。更に、実施形態に関連して特定の特徴、構造、又は特性が記載される場合、明示的に記載されているかどうかにかかわらず、他の実施形態に関連してそのような特徴、構造、又は特性に影響を及ぼすことは当業者の知識の範囲内であることが示唆される。
【0018】
記述的な支持を提供するのに必要な範囲で、添付の特許請求の範囲の主題及び／又はテキストは、それらの全体が参照により本明細書に組み込まれる。
【0019】
本明細書における値の範囲の列挙は、本明細書において別途明確に示されない限り、その間の任意の部分範囲の範囲内にあるそれぞれの別個の値を個々に参照する簡単な方法としての役割を果たすことを単に意図する。列挙された範囲内のそれぞれの別個の値は、それぞれの別個の値が本明細書に個々に列挙されているかのように、本明細書又は特許請求の範囲に組み込まれる。特定の範囲の値が提供される場合、その範囲の上限と下限との間の下限の単位の１０分の１以下までのそれぞれの介在値と、その部分範囲の記載された範囲内の任意の他の記載値又は介在値とは、文脈が別段明確に指示しない限り、本明細書に含まれることが理解される。全ての部分範囲も含まれる。これらのより小さい範囲の上限及び下限も、記載された範囲内の任意の具体的かつ明示的に除外された制限に従うことを条件として、そこに含まれる。
【0020】
本明細書で使用される用語のいくつかは相対的な用語であることに留意されたい。例えば、「上部」及び「下部」という用語は、場所的に互いに相対的であり、すなわち、上部構成要素は、それぞれの配向で下部構成要素よりも高位に位置するが、これらの用語は、配向が反転される場合に変わり得る。
【0021】
「水平」及び「垂直」という用語は、絶対基準、すなわち、地表レベルに対する方向を示すために使用される。しかしながら、これらの用語は、互いに絶対的に平行又は絶対的に垂直である構造を必要とすると解釈されるべきではない。例えば、第１の垂直構造及び第２の垂直構造は、必ずしも互いに平行ではない。「上部」及び「下部」又は「基部」という用語は、上部が絶対基準、すなわち、地球の表面に対して、下部又は基部よりも常に高い場所又は表面を指すために使用される。「上向き」及び「下向き」という用語も、絶対基準に対するものである。上向きの流れは、常に地球の重力に対抗する。
【0022】
整形外科的処置は、患者の関節に対する手術を伴うことが多い。関節は、典型的には多数の整形外科要素を含むことが理解されるであろう。本明細書に記載される例示的な方法及びシステムは、様々な整形外科要素に適用され得ることが更に理解されるであろう。図３、図５Ａ及び図５Ｂを参照して説明される例は、説明のための例示的な膝関節に関する。本開示全体を通して参照される「整形外科要素」１００は、膝関節の解剖学的構造に限定されないが、腱、靭帯、軟骨、及び筋肉などの任意の骨格構造及び関連する軟組織を含み得ることが理解されよう。例示的な整形外科要素１００の非限定的なリストは、大腿骨、脛骨、骨盤、椎骨、上腕骨、尺骨、橈骨、肩甲骨、頭蓋骨、腓骨、鎖骨、下顎骨、肋骨、手根骨、中手骨、足根骨、中足骨、指骨、又は任意の関連する腱、靭帯、皮膚、軟骨、又は筋肉を含むがこれらに限定されない、身体の任意の部分的な骨又は完全な骨を含む。例示的な手術領域１７０は、いくつかの対象整形外科要素１００を含み得ることが理解されよう。
【0023】
図３は、伸長状態にある単純化された左膝関節１００（すなわち、例示的な関節手術領域１７０）の前後図である。例示的な膝関節１００は、いくつかの整形外科要素を含み、大腿骨１０５と、脛骨１１０と、腓骨１１１と、膝蓋骨（図示せず）と、切除された脛骨プラトー１１２と、大腿関節軟骨１２３と、遠位大腿骨１０５を内側Ｍで近位脛骨１１０に係合する内側側副靭帯（medial collateral ligament、「ＭＣＬ」）１１３と、遠位大腿骨１０５を外側Ｌで腓骨１１１に係合する外側側副靭帯（lateral collateral ligament、「ＬＣＬ」）１２２とを含む。大腿関節軟骨１２３は厚さＴを有し、大腿関節軟骨１２３は遠位大腿骨１０５の骨表面１０６に係合する。遠位大腿骨は、内側顆１０７と外側顆１０３とを更に含む（まとめて「大腿骨顆」）。遠位大腿骨１０５は、大腿骨脛骨間隙１２０によって近位脛骨１１０から分離されている。図３の斜視図は、放射線撮像技術を使用して、整形外科要素（但し、図３では、複数の整形外科要素、すなわち大腿骨１０５、脛骨１１０、腓骨１１１、関節軟骨１２３、ＭＣＬ１１３及びＬＣＬ１２２が示されている）の第１の画像を第１の基準フレーム内にキャプチャする例である（図５Ａを併せて参照すると、第１の基準フレームから撮られた対象整形外科要素を示し、第１の基準フレームはＡ－Ｐ位置における対象整形外科要素をキャプチャしている）。
【0024】
図５Ｂは、第２の基準フレーム内の同じ対象整形外科要素を示し、第２の基準フレームは、Ｍ－Ｌ位置にて対象整形外科要素をキャプチャする。
【0025】
近年、Ｘ線写真など、２Ｄ画像を使用して、手術領域の３Ｄモデルを作成することが可能になった。これらのモデルは、実際の手術の日付にはるかに近い手術を計画するために術前に使用され得る。更に、これらの術前３Ｄモデルは、手術器具自体が正確に適合するように構成され得るネイティブモデルとして機能する。
【0026】
しかしながら、Ｘ線写真は、典型的には、画像解像度及び精度に関する懸念のため、３Ｄモデルの入力として以前は使用されていなかった。Ｘ線写真は、３Ｄ空間の２Ｄ表現である。したがって、２ＤのＸ線写真では、三次元に存在する実際の物体と比べて画像対象が必ず歪む。更に、Ｘ線が通過する物体は、Ｘ線源（典型的には、Ｘ線機械のアノード）からＸ線検出器（非限定的な例として、Ｘ線蛍光増倍管、リン材料、フラットパネル検出器（flat panel detector、ＦＰＤ）（間接変換ＦＰＤ及び直接変換ＦＰＤを含む）、又は任意の数のデジタル若しくはアナログＸ線センサ若しくはＸ線フィルムを含み得る）へ移動する際のＸ線の経路を偏向させ得る。Ｘ線機械自体の欠陥又はその較正における欠陥はまた、Ｘ線写真測量及び３Ｄモデル再構成の有用性を損ない得る。加えて、放出されたＸ線光子は、異なるエネルギーを有する。Ｘ線がＸ線源と検出器との間に配置された物質と相互作用するとき、ノイズ及びアーチファクトは部分的に、コンプトン散乱及びレイリー散乱、光電効果、環境における外因性変異、又はＸ線生成ユニット、Ｘ線検出器、及び／若しくは処理ユニット若しくはディスプレイにおける内因性変異のために生成され得る。
【0027】
更に、単一の２Ｄ画像では、実際の対象の３Ｄデータが失われる。したがって、コンピュータが実際の３Ｄ物体の３Ｄモデルを再構成するために単一の２Ｄ画像から使用し得るデータは存在しない。この理由から、ＣＴスキャン、ＭＲＩ、及び三次元データを保存する他の撮像技術は、多くの場合、１つ以上の対象整形外科要素のモデルを再構成する（すなわち、実際の３Ｄデータから３Ｄモデルを再構成して、一般に、より正確でより高い解像度のモデルを生成する）のに好ましい入力であった。しかしながら、以下で論じられる本開示の特定の例示的な実施形態は、深層学習ネットワークを使用して、Ｘ線入力画像から生成される再構成された３Ｄモデルの精度を改善することによって、これらの問題を克服する。
【0028】
例として、畳み込みニューラルネットワークなどの深層学習アルゴリズムを使用して、患者の手術領域の少なくとも２つの２Ｄ放射線画像のセットから３Ｄモデルを生成することができる。そのような方法では、深層学習アルゴリズムは、それぞれの２Ｄ画像からの射影幾何データからモデルを生成し得る。深層学習アルゴリズムは、手術領域において異なる整形外科要素（例えば骨、軟組織など）のマスクを生成することができること、並びに撮像された又は対象整形外科要素１００の体積を計算することができるという利点を有し得る。
【0029】
図１は、患者固有の外科用ガイド（例えば、患者固有のドリルガイド又は患者固有の切除ガイド）を生成するための例示的な方法のステップを概説するフロー図である。本方法は、放射線撮像機１８００を較正して、放射線画像点と対応する空間座標との間のマッピング関係を決定して空間データ４３を画定する工程１ａと、放射線撮像技術を使用して、整形外科要素１００の第１の画像３０をキャプチャする工程であって、第１の画像３０は、第１の基準フレーム３０ａを画定する、工程２ａと、放射線撮像技術を使用して、整形外科要素１００の第２の画像５０をキャプチャする工程であって、第２の画像５０は、第２の基準フレーム５０ａを画定し、第１の基準フレーム３０ａは、第２の基準フレーム５０ａからオフセット角度θでオフセットされる、工程３ａと、対象整形外科要素１００の第１の放射線画像３０からの空間データ４３と、対象整形外科要素１００の第２の放射線画像５０からの空間データ４３とを投影して、体積データ７５を画定する工程４ａと、深層学習ネットワークを使用して、空間データ４３を使用して対象整形外科要素１００を検出する工程であって、空間データ４３は、対象整形外科要素１００上又は対象整形外科要素１００内の解剖学的ランドマークを画定する、工程５ａと、深層学習ネットワークを使用して、解剖学的ランドマークによって画定された対象整形外科要素１００にマスクを適用する工程であって、第１の画像３０又は第２の画像５０のいずれかのマスク領域内に配置された画像点を含む空間データ４３には第１の値が与えられ、第１の画像３０と第２の画像５０の両方のマスク領域外に配置された画像点を含む空間データ４３には第２の値が与えられ、第２の値は第１の値とは異なる、工程６ａと、整形外科要素に当接するように構成された患者固有の外科用ガイド５００の寸法を計算する工程７ａとを含む。
【0030】
例示的な実施形態では、例示的な方法は、深層学習ネットワークを体積データ７５に適用して、整形外科要素の再構成された３Ｄモデルを生成する工程８ｂを更に含むことができる。他の例示的な実施形態では、工程５ａ又は５ｂは、深層学習ネットワークを使用して、整形外科要素１００上又は整形外科要素１００内の解剖学的ランドマークを画定する空間データ４３を検出することを含むことができる（図２参照）。
【0031】
上の例は、理解を助ける目的で提供されており、本開示の範囲を限定することを意図するものではない。少なくとも２つの横方向位置から撮られた同じ対象の２Ｄ放射線画像から３Ｄモデルを生成するための全ての方法は、本開示の範囲内であると考えられる。
【0032】
図４及び図６は、第１の入力画像３０及び第２の入力画像５０を組み合わせて、体積データ７５を含む体積６１が作成され得る仕組みを示す（図６）。図４は、それぞれの入力画像３０、５０からの空間データ４３を体積データ７５に変換するために使用され得るエピポーラ幾何の基本原理を示す。空間データ４３は、所与の入力画像３０、５０の対応する空間座標（例えば、ｘ及びｙ座標）にマッピングされる画像点（例えば、ＸＬ、ＸＲ）の集合によって画定されることが理解されるであろう。
【0033】
図４は、ピンホールカメラモデルによって記載される斜視投影の簡略化された概略図である。図４は、コンピュータステレオビジョンに関連する基本的な概念を伝えるものであるが、３Ｄモデルが２Ｄステレオ画像から再構成され得る唯一の方法を意味するものではない。この簡略化されたモデルでは、光線は、光学的中心（すなわち、対象物体からの電磁放射の光線（例えば、可視光線、Ｘ線など）が撮像機のセンサ又は検出器アレイ３３（図９）内で交差することが想定されるレンズ内の点）から放射される。光学的中心は、図４に点ＯＬ、ＯＲで表されている。実際には、画像平面（３０ａ、５０ａを参照されたい）は、通常、光学的中心（例えば、ＯＬ、ＯＲ）の後ろにあり、実際の光学的中心は、点として検出器アレイ３３に投影されるが、原理をより簡潔に示すためにここでは仮想画像平面（３０ａ、５０ａを参照されたい）が提示されている。
【0034】
第１の入力画像３０は、第１の基準フレーム３０ａから撮られ、第２の入力画像５０は、第１の基準フレーム３０ａとは異なる第２の基準フレーム５０ａから撮られる。それぞれの画像はピクセル値の行列を含む。第１及び第２の基準フレーム３０ａ、５０ａは、望ましくは、互いからオフセット角度θだけオフセットされる。オフセット角度θは、第１の基準フレーム３０ａのｘ軸と第２の基準フレーム５０ａのｘ軸との間の角度を表し得る。換言すれば、第１の画像内の整形外科要素の配向と、第２の画像内の整形外科要素との間の角度は「オフセット角度」として知られ得る。
【0035】
点ｅＬは、第１の入力画像３０上の第２の入力画像の光学的中心ＯＲの場所である。点ｅＲは、第２の入力画像５０上の第１の入力画像の光学的中心ＯＬの場所である。点ｅＬ及びｅＲ は、「エピポール」又はエピポーラ点として知られており、線ＯＬ－ＯＲ上にある。点Ｘ、ＯＬ、ＯＲは、エピポーラ面を画定する。
【0036】
実際の光学的中心は、対象物体からの電磁放射の入射光線が検出器レンズ内で交差することが想定される点であるため、このモデルでは、電磁放射の光線は、３Ｄ空間における３Ｄ点Ｘの位置が、既知の相対位置の検出器３３からキャプチャされた２つ以上の入力画像３０、５０からどのように確認され得るかを視覚化する目的で、実際に光学的中心ＯＬ、ＯＲから放射されると考えられ得る。第１の入力画像３０のそれぞれの点（例えば、ＸＬ）が３Ｄ空間内の線に対応する場合、次いで、対応する点（例えば、ＸＲ）が第２の入力画像内で検出され得る場合、これらの対応点（例えば、ＸＬ、ＸＲ）は、共通の３Ｄ点Ｘの投影である必要がある。したがって、対応する画像点（例えば、ＸＬ、ＸＲ）によって生成される線は、３Ｄ点Ｘで交差する必要がある。一般に、Ｘの値が、２つ以上の入力画像３０、５０内の全ての対応する画像点（例えば、ＸＬ、ＸＲ）に対して計算される場合、体積データ７５を含む３Ｄ体積６１は、２つ以上の入力画像３０、５０から複製され得る。任意の所与の３Ｄ点Ｘの値は、様々な方法で三角測量され得る。例示的な計算方法の非限定的なリストは、中点法、直接線形変換法、基本行列法、交点法、及びバンドル調整法を含む。
【0037】
本明細書に記載される「画像点」（例えば、ＸＬ、ＸＲ）は、空間内の点、ピクセル、ピクセルの一部分、又は隣接するピクセルの集合を指し得ることが理解されよう。本明細書で使用されるとき、３Ｄ点Ｘは、３Ｄ空間内の点を表し得ることも理解されよう。特定の例示的な用途において、３Ｄ点Ｘは、ボクセル、ボクセルの一部分、又は隣接するボクセルの集合として表現され得る。
【0038】
しかしながら、エピポーラ幾何の原理が適用され得る前に、他の画像検出器３３（複数可）に対する各画像検出器３３の位置が決定されなければならない（又は、単一の画像検出器３３の位置が、第１の画像３０が撮影された時点で決定されなければならず、単一の画像検出器３３の調整された位置が、第２の画像５０が撮影された時点で既知でなければならない）。また、撮像機１８００の焦点距離及び光学的中心を決定することが望ましい。これを実際に確認するために、画像検出器３３（又は、複数の画像検出器）は最初に較正される。図５Ａ及び図５Ｂは、対象整形外科要素１００に対する較正用治具９７３Ａ、９７３Ｂを示す。これらの図において、例示的な整形外科要素１００は、大腿骨１０５の遠位態様及び膝関節を含む脛骨１１０の近位態様である。図５Ａ及び図５Ｂの近位腓骨１１１は、画像化された別の整形外科要素１００である。図５Ｂに示される膝蓋骨９０１は、別の整形外科要素１００である。
【0039】
図５Ａは、例示的な整形外科要素１００の前後図である（すなわち、図５Ａは、第１の基準フレーム３０ａ（例えば、第１の横方向位置）から撮られた第１の画像３０を表す）。第１の較正用治具９７３Ａは、第１の保持アセンブリ９７４Ａに取り付けられる。第１の保持アセンブリ９７４Ａは、第１のストラップ９７７Ａに係合された第１のパッド付き支持体９７１Ａを含み得る。第１のパッド付き支持体９７１Ａは、第１のストラップ９７７Ａを介して患者の大腿部の外側に取り付けられる。第１の保持アセンブリ９７４Ａは、望ましくは第１の基準フレーム３０ａに平行に配向された（すなわち、検出器３３に直交する）第１の較正用治具９７３Ａを支持する。同様に、第２の保持アセンブリ９７４Ｂに取り付けられた第２の較正用治具９７３Ｂが提供され得る。第２の保持アセンブリ９７４Ｂは、第２のストラップ９７７Ｂに係合された第２のパッド付き支持体９７１Ｂを含み得る。第２のパッド付き支持体９７１Ｂは、第２のストラップ９７７Ｂを介して患者のふくらはぎの外側に取り付けられる。第２の保持アセンブリ９７４Ｂは、望ましくは第１の基準フレーム３０ａに平行な（すなわち、検出器３３に直交する）第２の較正用治具９７３Ｂを支持する。較正用治具９７３Ａ、９７３Ｂは、望ましくは対象整形外科要素１００から十分に離して位置付けられ、その結果、較正用治具９７３Ａ、９７３Ｂは、いずれの対象整形外科要素１００とも重なり合わない。
【0040】
図５Ｂは、例示的な整形外科要素１００の内外図である（すなわち、図５Ｂは、第２の基準フレーム５０ａ（例えば、第２の横方向位置）から撮られた第２の画像５０を表す）。図示された例では、内外基準フレーム５０ａは、前後の第１の基準フレーム３０ａから９０°回転又は「オフセット」される。第１の較正用治具９７３Ａは、第１の保持アセンブリ９７４Ａに取り付けられる。第１の保持アセンブリ９７４Ａは、第１のストラップ９７７Ａに係合された第１のパッド付き支持体９７１Ａを含み得る。第１のパッド付き支持体９７１Ａは、第１のストラップ９７７Ａを介して患者の大腿部の外側に取り付けられる。第１の保持アセンブリ９７４Ａは、望ましくは第２の基準フレーム５０ａに平行な（すなわち、検出器３３に直交する）第１の較正用治具９７３Ａを支持する。同様に、第２の保持アセンブリ９７４Ｂに取り付けられた第２の較正用治具９７３Ｂが提供され得る。第２の保持アセンブリ９７４Ｂは、第２のストラップ９７７Ｂに係合された第２のパッド付き支持体９７１Ｂを含み得る。第２のパッド付き支持体９７１Ｂは、第２のストラップ９７７Ｂを介して患者のふくらはぎの外側に取り付けられる。第２の保持アセンブリ９７４Ｂは、望ましくは第２の基準フレーム５０ａに平行な（すなわち、検出器３３に直交する）第２の較正用治具９７３Ｂを支持する。較正用治具９７３Ａ、９７３Ｂは、望ましくは対象整形外科要素１００から十分に離して位置付けられ、その結果、較正用治具９７３Ａ、９７３Ｂは、いずれの対象整形外科要素１００とも重なり合わない。
【0041】
膝関節がこの配向で安定しているため（図９参照）、患者は、望ましくは起立位（すなわち、脚が伸長状態にある）に位置付けられ得る。好ましくは、撮像機に対する患者の距離は、入力画像３０、５０の取得中に変更されるべきではない。第１及び第２の画像３０、５０は、脚全体をキャプチャする必要はなく、むしろ、画像は、手術領域１７０の対象となる関節に焦点を合わせ得る。
【0042】
画像化され、モデル化される対象整形外科要素１００に応じて、単一の較正用治具９７３のみが使用され得ることが理解されよう。同様に、特に長い整形外科要素１００の集合が画像化され、モデル化される場合、２つ以上の較正用治具が使用され得る。
【0043】
それぞれの較正用治具９７３Ａ、９７３Ｂは、望ましくは既知のサイズである。それぞれの較正用治具９７３Ａ、９７３Ｂは、望ましくは、全体に分布された少なくとも４つ以上の較正点９７８を有する。較正点９７８は、他の点に対する１つの点９７８からの距離が分かっている既知のパターンで分布している。整形外科要素１００からの較正用治具９７３の距離も、望ましくは既知であり得る。Ｘ線写真測量システムの較正のために、較正点９７８は、望ましくは、較正用治具９７３上の金属構造によって画定され得る。金属は、典型的には、金属に接触するほとんどのＸ線ビームを吸収する。したがって、金属は、典型的には、Ｘ線をほとんど吸収しない物質（空気腔又は脂肪組織など）と比較して非常に明るく見える。較正点を定義する一般的な例示的構造としては、レゾークロス（reseau crosses）、円、三角形、錐体、及び球体が挙げられる。
【0044】
これらの較正点９７８は、較正用治具９７３の２Ｄ表面上に存在し得るか、又は、３Ｄ較正点９７８は、所与の画像基準フレームから２Ｄ投影としてキャプチャされ得る。いずれの状況においても、３Ｄ座標（一般にｚ座標と呼ばれる）は、画像内にキャプチャされる全ての較正点９７８に対してゼロに等しくなるように設定され得る。それぞれの較正点９７８の間の距離は既知である。これらの既知の距離は、画像センサ／検出器３３においてｘ，ｙ座標として表現され得る。３Ｄ空間内の点をセンサ３３上の２Ｄ座標ピクセルにマッピングするために、検出器の較正行列、外因性行列、及び実３Ｄ点の相同座標ベクトルの内積が使用され得る。これにより、３Ｄ空間内の点の実世界座標は、較正用治具９７３に対してマッピングされる。換言すれば、これは、一般に、３Ｄ空間内の実点のｘ，ｙ座標が、空間データ４３を画定するために画像検出器のセンサ３３の２Ｄ座標平面に正確に変換されることを可能にする（図４参照）。
【0045】
上記の較正方法は、一例として提供される。Ｘ線写真測量システムを較正するのに好適な全ての方法は、本開示の範囲内であると考えられることが理解されよう。他のＸ線写真測量システム較正方法の非限定的なリストは、レゾープレートの使用、Ｚｈａｎｇの手法、バンドル調整法、直接線形変換法、最大尤度推定、ｋ近傍法（k-nearest neighbor regression approach、「ｋＮＮ」）、他の深層学習法、又はそれらの組み合わせを含む。
【0046】
図６は、較正された入力画像３０、５０が、既知のオフセット角度θに沿って配向されたときに、２つのチャネル６５、６６を含む３Ｄ体積６１にどのように逆投影され得るかを示す。第１のチャネル６５は、第１の入力画像３０の全ての画像点（例えば、ＸＬなど）を含み、第２のチャネル６６は、第２の入力画像５０の全ての画像点（例えば、ＸＲなど）を含む。すなわち、それぞれの画像点（例えば、ピクセル）は、その関連する逆投影された３Ｄ光線の上に複製される。次に、エピポーラ幾何を使用して、これらの逆投影された２Ｄ入力画像３０、５０から体積データ７５を含む画像化された手術領域１７０の体積６１が生成され得る。
【0047】
図６を参照すると、第１の画像３０及び第２の画像５０は、望ましくは、既知の画像寸法を有する。寸法は、ピクセルであり得る。例えば、第１の画像３０は、１２８×１２８ピクセルの寸法を有し得る。第２の画像５０は、１２８×１２８ピクセルの寸法を有し得る。特定の計算で使用される入力画像３０、５０の寸法は、望ましくは、一貫した寸法を有する。一貫した寸法は、通常の体積６１の立方体作業領域（例えば、１２８×１２８×１２８の立方体）を後で画定するために望ましい場合がある。図４に見られるように、オフセット角度θは、望ましくは９０°である。しかしながら、他の例示的な実施形態では、他のオフセット角度θが使用されてもよい。
【0048】
図示された例では、１２８×１２８ピクセルの入力画像３０、５０のそれぞれが、隣接する入力画像の長さにわたって１２８回複製されて、１２８×１２８×１２８ピクセルの寸法を有する体積６１が作製される。すなわち、第１の画像３０は、コピーされ、１ピクセル当たり１コピーで１２８ピクセル分それ自体の後ろに積み重ねられる一方、第２の画像５０は、コピーされ、積み重ねられた画像が重なり合い、それによって体積６１が作製されるように１２８ピクセル分それ自体の後ろに積み重ねられる。このようにして、体積６１は、２つのチャネル６５、６６を含むと言うことができ、第１のチャネル６５は、第２の画像５０の長さ（すなわち、第２の画像５０のｘ軸）にわたってｎ回複製された第１の画像３０を含み、第２のチャネル６６は、第１の画像３０の長さ（すなわち、第１の画像３０のｘ軸）にわたってｍ回複製された第２の画像５０を含み、「ｎ」及び「ｍ」は、指示された画像の長さを含むピクセルの数（又は、他の例示的な実施形態における他の寸法）として表現されるような、指示された画像の長さである。オフセット角度θが既知である場合、体積６１のそれぞれの横方向スライス（一部の放射線学者には「軸方向スライス」としても知られる）は、２つのエピポーラ線を含むピクセルから逆投影されるボクセルを含むエピポーラ平面を作成する。このようにして、対象整形外科要素１００の第１の画像３０からの空間データ４３と、対象整形外科要素１００の第２の画像５０からの空間データ４３とを投影して、体積データ７５を画定する。この体積データ７５を使用することで、３Ｄ表現は、上述のようにエピポーラ幾何原理を用いて再構成され得、３Ｄ表現は、入力画像３０、５０における情報と幾何学的に一貫している。
【0049】
深層学習ネットワークがＣＮＮである深層学習ネットワークを使用して患者固有の外科用ガイド５００を生成するための例示的なシステム及び方法では、ＣＮＮがどのように構造化され、訓練され得るかを示す詳細な例が提供される。ＣＮＮの全てのアーキテクチャは、本開示の範囲内にあると見なされる。一般的なＣＮＮアーキテクチャとして、例えば、ＬｅＮｅｔ、ＧｏｏｇＬｅＮｅｔ、ＡｌｅｘＮｅｔ、ＺＦＮｅｔ、ＲｅｓＮｅｔ、及びＶＧＧＮｅｔが挙げられる。
【0050】
図１１は、本明細書に開示される任意の例示的な方法に従って作製された患者固有の外科用ガイド５００の下面図である。図１３では、患者固有の外科用ガイド５００は、整形外科要素１００（図示される例では、大腿骨１０５である）に堅固に係合されている。患者固有の外科用ガイド５００は、弾性ポリマー材料から形成することができる。図１１に示される患者固有の外科用ガイド５００は、患者固有の手術対象の大腿骨１０５の顆１０７、１０３に堅固に係合するように構成された患者固有の大腿骨切除ガイドマウント５００ａである。図示された例示的な患者固有の大腿骨切除ガイドマウント５００ａは、本体４２を通って横方向に延在する切除スロット５２を有する本体４２と、分岐顆ヨーク２５と、ガイドレセプタクル２４とを含む。分岐顆ヨーク２５は、本体４２から外向きに突出する一対の離間したアーム３１、４１を含む。第１のアーム３１は、患者の自然骨の選択された領域（例えば、患者の遠位大腿骨顆のうちの１つ）の解剖学的表面特徴に相補的である第１の嵌合面３６を有する。同様に、第２のアーム４１は、患者の自然骨の選択された領域（例えば、患者の遠位大腿骨顆の他方）の解剖学的表面特徴に相補的である第２の嵌合面４０を有する。貫通孔３８が、任意選択的に、各離間したアーム３１、４１を通って延在してもよい。ピンが、任意選択的に、貫通孔３８のそれぞれを通して挿入され、図示される患者固有の外科用ガイド５００を患者の自然骨に更に固定してもよい。
【0051】
例示的な実施形態では、患者固有の外科用ガイド５００の湾曲した本体４２は、患者固有の外科用ガイド５００が患者の露出した自然骨の表面トポグラフィ（図３の１０６参照）に当接するときに、位置エネルギーを蓄積することができる。このようにして、湾曲した本体４２と、患者の露出した自然骨の表面トポグラフィに適合する相補的な嵌合面３６、４０とによって、患者固有の外科用ガイド５００を、患者の露出した大腿顆の所望の位置に「圧入」する（すなわち、摩擦によって固定する）ことができる。
【0052】
患者固有の外科用ガイド５００が、所望の位置において患者の露出した骨の相補的な部分に当接して堅固に係合されると、外科医は、切除スロット５２を通して外科用鋸を挿入して、インプラントのサイズ決め及び嵌合に備えて所望の位置で患者の遠位大腿骨１０５を切除することができる。本開示と一致する方法でカスタム外科用ガイド５００を作ることにより、外科用鋸をより正確かつ精密に、より近い時間で、かつ以前に可能であったよりも少ないエネルギーを使用して配置することが可能になり得ることが企図される。
【0053】
図１２は、本明細書に開示される任意の例示的な方法に従って作製された別の例示的な患者固有の外科用ガイド５００の下面図である。図１２では、患者固有の外科用ガイド５００は、脛骨切除ガイドマウント５００ｂである。
【0054】
図示された例示的な患者固有の脛骨切除ガイドマウント５００ｂは、本体７９を通って横方向に延在する切除スロット５１を有する本体７９と、分岐顆ヨーク６４と、ガイドレセプタクル２４とを含む。分岐顆ヨーク６４は、本体７９から外向きに突出する一対の離間したアーム６２、６３を含む。第１のアーム６２は、患者の自然骨の選択された領域（例えば、患者の近位脛骨半プラトー顆のうちの一方）の解剖学的表面特徴に相補的である第１の嵌合面５３を有する。同様に、第２のアーム６３は、患者の自然骨の選択された領域（例えば、患者の近位脛骨半プラトーの他方）の解剖学的表面特徴に相補的である第２の嵌合面５４を有する。貫通孔３８は、任意選択的に、本体７９を通って延在してもよい。ピンが、任意選択的に、貫通孔３８のそれぞれを通して挿入され、図示される患者固有の脛骨切除ガイドマウント５００ｂを患者の自然骨に更に固定してもよい。
【0055】
実施形態では、患者固有の脛骨切除ガイドマウント５００ｂの第１及び第２の嵌合面５３、５４は、患者固有の脛骨切除ガイドマウント５００ｂが摩擦を介して患者の近位脛骨の正確な位置に固定されることを可能にすることができる。適切に据え付けられ固定されると、外科医は、脛骨切除スロット５１を通して外科用鋸を挿入し、近位脛骨のプラトーを切除してもよい。
【0056】
図１３は、患者の遠位大腿骨１０５に堅固に係合された患者固有の大腿骨切除ガイドマウント５００ａと、患者の近位脛骨１１０に堅固に固定された患者固有の脛骨切除ガイドマウント５００ｂとを示す。
【0057】
患者固有の外科用ガイド５００は、３Ｄ空間データから導出された技術仕様を使用して設計及び製造され、３Ｄ空間データは、異なる基準フレームから撮られた整形外科要素１００の２つの放射線画像から導出されたものであるため、患者固有の外科用ガイド５００は、術前計画ごとに整形外科要素１００に正確に適合する。更に、放射線撮影は、一般に、ＣＴ又はＭＲＩスキャンよりも効率的かつ容易に取得できるため、術前計画は、予定された外科的処置日により近い日付で行うことができ、それによって術前計画と外科手術日の実際の解剖学的構造との間の変化の可能性を軽減することができることが企図される。
【0058】
特に、積層造形機（例えば、３Ｄ印刷機）又は減法製造機（例えば、ＣＮＣ機）がオンサイト又はローカルに存在する場合、術前計画は、予定された手術と同じ日に行われてもよいことが更に企図される。例えば、患者は、午前中に術前撮像及び計画を受け、午後に手術スケジュールを有することができる。
【0059】
好ましくは、本明細書に開示される方法は、１つ以上の中央演算処理装置（central processing unit、ＣＰＵ）、ランダムアクセスメモリ（random access memory、ＲＡＭ）、及び／又は入力／出力（input/output、Ｉ／Ｏ）インターフェース（複数可）などのハードウェアを有するコンピュータプラットフォームに実装され得る（図７参照）。
【0060】
更に他の実施形態では、整形外科要素の体積が計算されてもよい。任意の開示された計算又は任意のそのような計算の結果は、任意選択的に、ディスプレイ上に表示され得ることが理解されよう。
【0061】
本明細書に開示される例示的な方法は、インプラントの配置及び機能の術前計画、術中計画若しくは実行、又は術後評価に使用され得ることが更に企図される。
【0062】
図９を参照すると、対象整形外科要素１００に当接するか、又は堅固に係合されるように構成される患者固有の外科用ガイド５００の寸法を計算するための例示的なシステムは、エミッタ２１と、検出器３３とを含む放射線撮像機１８００（図９）であって、放射線撮像機１８００の検出器３３は、第１のトランスバージョン位置３０ａ（図４及び図５Ａ）にて第１の画像３０（図４及び図５Ａ）及び第２の横方向位置５０ａ（図４及び図５Ｂ）にて第２の画像５０（図４及び図５Ｂ）をキャプチャし、第１の横方向位置３０ａは第２の横方向位置５０ａからオフセット角度θでオフセットされている（図４）放射線撮像機１８００と、トランスミッタ２９（図９）と、計算機１６００（更なる詳細は図７参照）とを含むことができ、トランスミッタ２９は、第１の画像３０及び第２の画像５０を検出器３３から計算機１６００に送信し、計算機１６００は対象整形外科要素１００の表面トポグラフィを計算するように構成される。特定の例示的な実施形態では、計算機１６００は、対象整形外科要素１００の一部分の表面トポグラフィに相補的な患者固有の外科用ガイド５００の嵌合面の寸法を計算するように構成することができる。
【0063】
特定の例示的な実施形態では、例示的なシステムは、ディスプレイ１９を更に備え得る。
【0064】
特定の例示的な実施形態では、例示的なシステムは、製造機１８を更に備え得る。製造機１８を備える例示的な実施形態では、製造機１８は積層造形機であり得る。そのような実施形態では、積層造形機は、対象整形外科要素の３Ｄモデル１１００又は患者固有の外科用ガイド５００の物理３Ｄモデルを製造するために使用され得る。例として、３Ｄ製造技術は、ステレオリソグラフィ及びレーザ焼結を含むことができるが、これらに限定されない。
【0065】
図９は、Ｘ線チューブなどの、Ｘ線源２１、フィルタ２６、コリメータ２７、及び検出器３３を含む放射線撮像機１８００を備える例示的なシステムの概略図である。図９では、放射線撮像機１８００は、上から下に示されている。患者１は、Ｘ線源２１と検出器３３との間に配置される。放射線撮像機１８００は、回転可能なガントリ２８上に搭載され得る。放射線撮像機１８００は、第１の基準フレーム３０ａからの患者１の放射線画像を撮り得る。次いで、ガントリ２８は、オフセット角度（好ましくは９０°）だけ放射線撮像機１８００を回転させ得る。次いで、放射線撮像機１８００は、第２の基準フレーム５０ａから第２の放射線画像５０を撮り得る。他の例示的な実施形態は、複数のオフセット角度θで撮られた複数の入力画像を使用することを含み得ることが理解されよう。そのような実施形態では、オフセット角度は、隣接する入力画像間で９０°未満又は９０°超であり得る。
【0066】
オフセット角度は、全ての実施形態において正確に９０度である必要はないことが理解されるであろう。±４５度の範囲内の値を有するオフセット角度が、十分であると企図される。他の例示的な実施形態では、オペレータは、放射線撮像技術を使用して、整形外科要素の３つ以上の画像を撮影してもよい。第２の画像の後の各後続画像は、後続画像基準フレームを画定することができることが企図される。例えば、第３の画像は第３の基準フレームを画定することができ、第４の画像は第４の基準フレームを画定することができ、ｎ番目の画像はｎ番目の基準フレームを画定することができるなどである。
【0067】
３つの入力画像及び３つの別個の基準フレームを含む例示的な実施形態では、３つの入力画像の各々は、互いに対して約６０度のオフセット角度θを有することが望ましい。４つの入力画像及び４つの別個の基準フレームを含む例示的な実施形態では、オフセット角度θは、隣接する基準フレームから４５度であることが望ましい。５つの入力画像及び５つの別個の基準フレームを含む例示的な実施形態では、オフセット角度θは、隣接する基準フレームから約３６度であることが望ましい。ｎ個の画像及びｎ個の別個の基準フレームを含む例示的な実施形態では、オフセット角度θは、１８０／ｎ度であることが望ましい。
【0068】
複数の画像、特に３つ以上の画像を伴う実施形態は、必ずしも規則的で一貫したオフセット角度を有する必要はないことが更に企図される。例えば、４つの画像及び４つの別個の基準フレームを伴う例示的な実施形態は、８５度の第１のオフセット角度、７５度の第２のオフセット角度、９３度の第３のオフセット角度、及び１０７度の第４のオフセット角度を有し得る。
【0069】
次いで、トランスミッタ２９は、第１の画像３０及び第２の画像５０を計算機１６００に送信する。計算機１６００は、深層学習ネットワークを適用して、本開示と一致する任意の様式で、対象整形外科要素１００の一部分の表面トポグラフィに相補的である患者固有の外科用ガイド５００の嵌合面の寸法を計算することができる。図９は、計算機１６００の出力が製造機１８に送信されることを更に示す。製造機１８は、３Ｄプリンタなどの積層造形機（例えば、ステレオリソグラフィ及びレーザ焼結製造装置）であり得るか、又は製造機は、コンピュータ数値制御（computer numerical control、「ＣＮＣ」）機などの減法製造機であり得る。更に他の例示的な実施形態では、製造機１８は鋳造金型であり得る。製造機１８は、計算機１６００からの出力データを使用して、対象整形外科要素の１つ以上の３Ｄモデル１１００の物理モデルを生成し得る。このようにして、製造機１８は、整形外科要素１００の識別表面の少なくとも部分的な物理モデルを「生成するように構成される」と言うことができる。実施形態では、この製造機を使用して、患者固有の外科用ガイド５００の物理３Ｄモデルが生成され得る。
【0070】
図９はまた、計算機１６００からの出力データがディスプレイ１９に送信される別の実施形態を示す。第１のディスプレイ１９ａは、患者固有の外科用ガイド５００の仮想３Ｄモデルを示す。第２のディスプレイ１９ｂは、識別された対象整形外科要素の仮想３Ｄモデル１１００を示す。
【0071】
このディスプレイ１９は、スクリーンの形態をとり得る。他の例示的な実施形態では、ディスプレイ１９は、手術室で外科医又は他の人々によって着用又は保持されるガラス又はプラスチック製の表面を含み得る。そのようなディスプレイ１９は、拡張現実装置の一部を含み得、そのため、ディスプレイは、ベアラの視野に加えて３Ｄモデルを示す。特定の実施形態では、そのような３Ｄモデルは、実際の手術関節上に重ね合わされ得る。更に他の例示的な実施形態では、３Ｄモデルを手術整形外科要素１００の１つ以上の特徴に「ロック」することができ、それによって、ディスプレイ１９の動きとは無関係に、手術整形外科要素１００の１つ以上の特徴に対して３Ｄモデルの仮想位置を維持することができる。ディスプレイ１９は、視野全体がシミュレートされる仮想現実システムの一部を含み得ることが、なお更に企図される。
【0072】
Ｘ線撮像システムからのＸ線写真は、Ｘ線写真がＣＴスキャンと比べて比較的安価であるため、及び蛍光透視システムなどのいくつかのＸ線撮像システムの機器は一般に、術中に使用されるのに十分にコンパクトであるため、望ましいものであり得るが、本開示においては、別途明示的に特許請求されない限り、２Ｄ画像の使用をＸ線写真に制限するものではなく、本開示のいずれも、撮像システムのタイプをＸ線撮像システムに制限するものではない。他の２Ｄ画像としては、例えば、ＣＴ画像、ＣＴ蛍光透視画像、蛍光透視画像、超音波画像、陽電子放出断層撮影（positron emission tomography、「ＰＥＴ」）画像、及びＭＲＩ画像が挙げられ得る。他の撮像システムとしては、例えば、ＣＴ、ＣＴ蛍光透視法、蛍光透視法、超音波、ＰＥＴ、及びＭＲＩシステムが挙げられ得る。
【0073】
好ましくは、例示的な方法は、１つ以上の中央演算処理装置（ＣＰＵ）、ランダムアクセスメモリ（ＲＡＭ）、及び／又は入力／出力（Ｉ／Ｏ）インターフェース（複数可）などのハードウェアを有するコンピュータプラットフォーム（例えば、計算機１６００）に実装され得る。例示的な計算機１６００のアーキテクチャの例は、図７を参照して以下に提供される。
【0074】
図７は、概して、本明細書で論じられる方法のうちの１つ以上がいくつかの例示的な実施形態に従って実行され得る例示的な計算機１６００のブロック図を示す。特定の例示的な実施形態では、計算機１６００は、単一の機械で動作し得る。他の例示的な実施形態では、計算機１６００は、接続された（例えば、ネットワーク化された）機械を含み得る。例示的な計算機１６００を含み得るネットワーク化された機械の例としては、例えば、クラウドコンピューティング構成、分散ホスト構成、及び他のコンピュータクラスタ構成が挙げられる。ネットワーク構成では、計算機１６００のうちの１つ以上の機械は、クライアント機、サーバ機、又はサーバ－クライアント両方の機械として動作し得る。例示的な実施形態では、計算機１６００は、パーソナルコンピュータ（personal computer、「ＰＣ」）、携帯電話、タブレットＰＣ、ウェブアプライアンス、携帯情報端末（personal digital assistant、「ＰＤＡ」）、ネットワークルータ、ブリッジ、スイッチ、又は当該機械によって若しくは当該機械に制御される第２の機械によって取られるアクションを指定する命令を実行することができる任意の機械に存在し得る。
【0075】
例示的な計算機１６００を含み得る例示的な機械は、例として、論理機能を実行することができる構成要素、モジュール、又は同様の機構が挙げられ得る。そのような機械は、動作中に指定された動作を実行することができる有形のエンティティ（例えば、ハードウェア）を含み得る。一例として、ハードウェアは、特定の動作を実行するように配線され得る（例えば、具体的に構成される）。例として、そのようなハードウェアは、構成可能な実行媒体（例えば、回路、トランジスタ、論理ゲートなど）及び命令を有するコンピュータ可読媒体を有し得、命令は、動作時に特定の動作を実行するように実行媒体を構成する。構成は、ローディング機構を介して、又は実行媒体の指示の下で行われ得る。実行媒体は、機械が動作しているときに、コンピュータ可読媒体に選択的に通信する。例として、機械が動作中にあるとき、実行媒体は、第１の時点で第１のアクション又はアクションのセットを実行するように第１の命令セットによって構成され、次いで第２の時点で、第２のアクション又はアクションのセットを実行するように第２の命令セットによって再構成され得る。
【0076】
例示的な計算機１６００は、ハードウェアプロセッサ１６９７（例えば、ＣＰＵ、グラフィックスプロセッシングユニット（graphics processing unit、「ＧＰＵ」）、ハードウェアプロセッサコア、若しくはそれらの任意の組み合わせ）、メインメモリ１６９６及び静的メモリ１６９５を含み得、それらの一部又は全ては、インターリンク（例えば、バス）１６９４を介して互いに通信し得る。計算機１６００は、ディスプレイユニット１６９８、入力装置１６９１（好ましくは、キーボードなどの英数字又は文字数字入力装置）、及びユーザインターフェース（user interface、「ＵＩ」）ナビゲーション装置１６９９（例えば、マウス又はスタイラス）を更に含み得る。例示的な実施形態では、入力装置１６９１、ディスプレイユニット１６９８、及びＵＩナビゲーション装置１６９９は、タッチスクリーンディスプレイであり得る。例示的な実施形態では、ディスプレイユニット１６９８は、ホログラフィーレンズ、眼鏡、ゴーグル、他のアイウェア、又は他のＡＲ若しくはＶＲディスプレイ構成要素を含み得る。例えば、ディスプレイユニット１６９８は、ユーザの頭部に着用されてもよく、ヘッドアップディスプレイをユーザに提供し得る。入力装置１６９１としては、仮想キーボード（例えば、バーチャル現実（virtual reality、「ＶＲ」）又は拡張現実（augmented reality、「ＡＲ」）設定で仮想的に表示されるキーボード）又は他の仮想入力インターフェースが挙げられ得る。
【0077】
計算機１６００は、記憶装置（例えば、ドライブユニット）１６９２、信号発生器１６８９（例えば、スピーカ）、ネットワークインターフェース装置１６８８、及び全地球測位システム（global positioning system、「ＧＰＳ」）センサ、加速度計、コンパス、又は他のセンサなどの１つ以上のセンサ１６８７を更に含み得る。計算機１６００は、１つ以上の補助装置を通信又は制御するために、シリアル（例えば、ユニバーサルシリアルバス（universal serial bus、「ＵＳＢ」））、並列、又は他の有線若しくは無線（例えば、赤外線（infrared、「ＩＲ」）近距離通信（near field communication、「ＮＦＣ」）、ラジオなど）接続などの出力コントローラ１６８４を含み得る。
【0078】
記憶装置１６９２は、本明細書に記載の機能又は方法のうちのいずれか１つ以上によって具現化又は利用されるデータ構造又は命令の１つ以上のセット１６８２（例えば、ソフトウェア）が記憶される、非一時的である機械可読媒体１６８３を含み得る。命令１６８２は、計算機１６００によるそれらの実行中に、メインメモリ１６９６の内部、静的メモリ１６９５の内部、又はハードウェアプロセッサ１６９７の内部に完全に、又は少なくとも部分的に存在し得る。例として、ハードウェアプロセッサ１６９７、メインメモリ１６９６、静的メモリ１６９５、又は記憶装置１６９２のうちの１つ又は任意の組み合わせは、機械可読媒体を構成し得る。
【0079】
機械可読媒体１６８３は、単一の媒体として示されているが、「機械可読媒体」という用語は、１つ以上の命令１６８２を記憶するように構成された単一の媒体又は複数の媒体（例えば、分散型若しくは集中型データベース、又は関連付けられたキャッシュ及びサーバ）を含み得る。
【0080】
「機械可読媒体」という用語は、計算機１６００が実行する命令を記憶、符号化、若しくは伝達することができ、かつ計算機１６００に、本開示の方法のうちの任意の１つ以上を実行させるか、又はそのような命令によって使用されるか若しくはそのような命令に関連付けられたデータ構造を記憶、符号化、若しくは伝達することができる、任意の媒体を含み得る。機械可読媒体の非限定的な例示的なリストは、磁気媒体、光学媒体、ソリッドステートメモリ、不揮発性メモリ、例えば、半導体メモリ装置（例えば、電子的に消去可能なプログラム可能読み取り専用メモリ（electronically erasable programable read-only memory、「ＥＥＰＲＯＭ」）、電子的にプログラム可能な読み取り専用メモリ（electronically programable read-only memory「ＥＰＲＯＭ」）、並びに内部ハードディスク及び取り外し可能ディスク、フラッシュ記憶装置、光磁気ディスク、ＣＤ－ＲＯＭディスク、及びＤＶＤ－ＲＯＭディスクなどの磁気ディスクを含み得る。
【0081】
命令１６８２は更に、いくつかの転送プロトコル（例えば、インターネットプロトコル（internet protocol、「ＩＰ」）、ユーザデータグラムプロトコル（（user datagram protocol、「ＵＤＰ」）、フレームリレー、伝送制御プロトコル（transmission control protocol、「ＴＣＰ」、ハイパーテキスト転送プロトコル（hypertext transfer protocol、「ＨＴＴＰ」）など）のうちの１つを利用するネットワークインターフェース装置１６８８を経由する伝送媒体を使用して、通信ネットワーク１６８１を介して送信又は受信され得る。例示的な通信ネットワークとしては、広域ネットワーク（wide are network、「ＷＡＮ」）、基本電話サービス（plain old telephone、「ＰＯＴＳ」）ネットワーク、ローカルエリアネットワーク（local area network、「ＬＡＮ」）、パケットデータネットワーク、携帯電話ネットワーク、無線データネットワーク、及び同機種間（peer-to-peer、「Ｐ２Ｐ」）ネットワークが挙げられ得る。例として、ネットワークインターフェース装置１６８８は、通信ネットワーク１６８１に接続するために１つ以上の物理的ジャック（例えば、イーサネット、同軸、又は電話ジャック）又は１つ以上のアンテナを含み得る。
【0082】
例として、ネットワークインターフェース装置１６８８は、単入力多出力（single-input multiple-output、「ＳＩＭＯ」）、又は多入力単出力（multiple-input single output、「ＭＩＳＯ」）方法のうちの少なくとも１つを使用して無線で通信するために複数のアンテナを含み得る。「伝送媒体」という語句は、計算機１６００が実行する命令を記憶、符号化、又は伝達することができる任意の無形媒体を含み、そのようなソフトウェアの通信を容易にするために、アナログ若しくはデジタル通信信号又は他の無形媒体を含む。
【0083】
本開示による例示的な方法は、少なくとも部分的に機械又はコンピュータ実装型であり得る。いくつかの例は、本明細書に記載の例示的な方法を実行するように電子装置を構成するように動作可能な命令で符号化された、コンピュータ可読媒体又は機械可読媒体を含み得る。そのような例示的な方法の例示的な実装形態は、アセンブリ言語コード、マイクロコード、高レベル言語コード、又は他のコードなどのコードを含み得る。そのようなコードは、様々な方法を実行するためのコンピュータ可読命令を含み得る。コードは、コンピュータプログラム製品の一部を形成し得る。更に、一例では、コードは、実行中又は他の時間の間など、揮発性、非一時的、又は不揮発性の有形のコンピュータ可読媒体上又はコンピュータ可読媒体内に有形に記憶され得る。これらの有形のコンピュータ可読媒体の例としては、限定するものではないが、取り外し可能な光学ディスク（例えば、コンパクトディスク及びデジタルビデオディスク）、ハードドライブ、取り外し可能な磁気ディスク、メモリカード又はスティック、取り外し可能なフラッシュ記憶ドライブ、磁気カセット、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭＳ）、及び他の媒体が挙げられ得る。
【0084】
２Ｄの術前又は術中の画像から３Ｄモデルを生成するための様々な方法がある。例として、１つのそのような方法は、放射線撮像システムを用いて患者の手術領域１７０の２Ｄ放射線画像のセットを受信し、放射線撮像システムの座標系とそれぞれの２Ｄ画像からの射影幾何データとを用いてエピポーラ幾何原理を使用して、第１の３Ｄモデルを計算することを含み得る（図４並びに図５Ａ及び図５Ｂ参照）。そのような例示的な方法は、２Ｄ放射線画像上の第１の３Ｄモデルを投影し、次いで、第１の３Ｄモデル上の第１及び第２の放射線画像３０、５０を画像間位置合わせ技術で位置合わせすることによって、初期の３Ｄモデルを調整することを更に含み得る。画像間位置合わせ技術が適用されると、修正された３Ｄモデルが生成され得る。このプロセスは、所望の明確さが達成されるまで繰り返され得る。
【0085】
別の例として、畳み込みニューラルネットワーク（convolutional neural network、「ＣＮＮ」）、リカレントニューラルネットワーク（recurrent neural network、「ＲＮＮ」）、モジュール型ニューラルネットワーク（modular neural network）、又はＳｅｑｕｅｎｃｅ ｔｏ Ｓｅｑｕｅｎｃｅモデルなどの深層学習ネットワーク（「深層ニューラルネットワーク」（「deep neural network、ＤＮＮ」としても知られる）は、患者の手術領域１７０の少なくとも２つの２Ｄ画像のセットから対象整形外科要素の３Ｄモデル１１００及び／又は患者固有の外科用ガイド５００の３Ｄモデルを生成するために使用され得る。２Ｄ画像３０、５０は、望ましくは、放射線画像（例えば、Ｘ線画像又は蛍光透視画像）などの組織貫通画像である。そのような方法では、深層学習ネットワークは、それぞれの２Ｄ画像からの射影幾何データ（すなわち、空間データ４３又は体積データ７５）からモデルを生成し得る。深層学習ネットワークは、手術領域１７０における異なる対象整形外科要素１００（例えば、骨、軟組織など）のマスクを生成することができ、並びに１つ以上の画像化された整形外科要素１００の体積（図６の６１参照）を計算することができるという利点を有し得る。
【0086】
図８は、ＣＮＮが、対象整形外科要素１００の表面トポグラフィを識別するためにどのように使用され得るかを示すＣＮＮの概略図である。理論に束縛されるものではないが、ＣＮＮは、所望の整形外科要素１００又は所望の表面トポグラフィを識別するために必要な特徴を失うことなく、体積データ７５のサイズを縮小させるために望ましい場合があることが企図される。複数の逆投影された入力画像３０、５０の体積データ７５は、「入力テンソル」として知られ得る多次元アレイである。この入力テンソルは、第１の畳み込みのための入力データ（この例では、体積データ７５である）を含む。体積データ７５に配置されたフィルタ（カーネル６９としても知られている）が示されている。カーネル６９は、フィルタ又は機能を定義するテンソル（すなわち、多次元アレイ）である（このフィルタ又は機能は、カーネルに与えられる「重量」として知られることがある）。図示された実施形態では、カーネルテンソル６９は三次元である。カーネル６９を含むフィルタ又は機能は、手動でプログラムされるか、又はＣＮＮ、ＲＮＮ、若しくは他の深層学習ネットワークを通して学習され得る。図示された実施形態では、カーネル６９は、３×３×３テンソルであるが、カーネルテンソルサイズが入力テンソルのサイズより小さい限り、全てのテンソルサイズ及び寸法は、本開示の範囲内にあると見なされる。
【0087】
カーネル６９のそれぞれのセル又はボクセルは、数値を有する。これらの値は、カーネル６９のフィルタ又は機能を定義する。畳み込み又は相互相関動作は、２つのテンソル間で実行される。図８では、畳み込みは、経路７６によって表される。カーネル６９がたどる経路７６は、数学的動作を可視化したものである。この経路７６をたどりながら、カーネル６９は、最終的に入力テンソルの全体積６１（例えば、体積データ７５）を順次横断する。この動作の目標は、入力テンソルから特徴を抽出することである。
【0088】
畳み込み層７２は、典型的には、畳み込み段階６７、検出器段階６８、及びプーリング段階５８のうちの１つ以上を含む。これらそれぞれの動作は、図８の第１の畳み込み層７２ａで視覚的に表されているが、その後の畳み込み層７２ｂ、７２ｃなども、畳み込み段階６７、検出器段階６８、及びプーリング層５８動作、又はそれらの組み合わせ若しくは順列のうちの１つ以上、又は全てを含み得ることが理解されよう。更に、図８は、様々な解像度の５つの畳み込み層７２ａ、７２ｂ、７２ｃ、７２ｄ、７２ｅを示しているが、他の例示的な実施形態では、より多くの畳み込み層又はより少ない畳み込み層が使用されてもよいことが理解されよう。
【0089】
畳み込み段階６７において、カーネル６９には、入力データ（すなわち、図示された例では、体積データ７５）内のピクセルの複数のパッチが順次乗算される。データから抽出されたピクセルのパッチは、受容野として知られている。カーネル６９と受容野との乗算は、受容野のそれぞれのピクセルとカーネル６９との間の要素ごとの乗算を含む。乗算後、結果が合計されて、畳み込み出力の１つの要素が形成される。次いで、このカーネル６９は、隣接する受容野にシフトし、要素ごとの乗算動作及び合計は、入力テンソルの全てのピクセルがこの動作を受けるまで継続する。
【0090】
この段階まで、入力テンソルの入力データ（例えば、体積データ７５）は線形である。次いで、このデータに非線形性を導入するために、非線形活性化関数が用いられる。そのような非線形関数の使用は、検出器段階６８の始まりを示す。一般的な非線形活性化関数は、関数によって与えられる正規化線形関数（Rectified Linear Unit function、「ＲｅＬＵ」）である。
【0091】
【数1】
【0092】
バイアスと共に使用される場合、非線形活性化関数は、カーネル６９によって抽出された特徴の存在を検出するための閾値として役立つ。例えば、入力テンソルとカーネル６９との間に畳み込み又は相互相関動作を適用することで、畳み込み出力テンソルが生成され、カーネル６９は、畳み込み段階６７で低レベルのエッジフィルタを含む。次いで、バイアスを伴う非線形活性化関数を畳み込み出力テンソルに適用することにより、特徴マップ出力テンソルが返される。バイアスは、畳み込み出力テンソルのそれぞれのセルに順次追加される。所与のセルについて、合計が０以上である場合（この例では、ＲｅＬＵが使用されると仮定する）、合計は、特徴マップ出力テンソルの対応するセルに返される。同様に、合計が所与のセルに対して０未満である場合、特徴マップ出力テンソルの対応するセルは０に設定される。したがって、畳み込み出力に非線形活性化関数を適用することは、畳み込み出力がカーネル６９の所与のフィルタと一致するか否か、及びどの程度密接に一致するかを決定するための閾値のように挙動する。このようにして、非線形活性化関数は、入力データ（例えば、この例では、体積データ７５）から所望の特徴の存在を検出する。
【0093】
全ての非線形活性化関数は、本開示の範囲内にあると見なされる。他の例としては、シグモイド、ＴａｎＨ、Ｌｅａｋｙ ＲｅＬＵ、ｐａｒａｍｅｔｒｉｃ ＲｅＬＵ、Ｓｏｆｔｍａｘ、及びＳｗｉｔｃｈ活性化関数が挙げられる。
【0094】
しかしながら、このアプローチの欠点は、この第１の畳み込み層７２ａの特徴マップ出力が所望の特徴（上記の例では、エッジ）の正確な位置を記録することである。したがって、入力データにおける特徴の小さな動きが、異なる特徴マップを生成することになる。この問題に対処し、かつ計算電力を削減するために、ダウンサンプリングを使用して、重要な構造要素を依然として保存しながら入力データの解像度を低下させる。ダウンサンプリングは、入力テンソルに沿った畳み込みのストライドを変更することによって達成され得る。ダウンサンプリングはまた、プーリング層５８を使用することによって達成される。
【0095】
入力テンソル（７２ａを参照されたい）と比べて畳み込まれたテンソル（７２ｂを参照されたい）の寸法を減少させるために、有効なパディングが適用されてもよい。プーリング層５８は、望ましくは、畳み込まれたデータの空間サイズを縮小するために適用され、これは、データを処理するために必要な計算電力を減少させる。最大プーリング及び平均プールを含む一般的なプーリング技術が使用され得る。最大プーリングは、カーネル６９によってカバーされた入力テンソルの部分の最大値を返す一方、平均プーリングは、カーネル６９によってカバーされた入力テンソルの部分の全ての値の平均を返す。最大プーリングを使用して、画像ノイズが低減され得る。
【0096】
特定の例示的な実施形態では、全結合層は、畳み込み層の出力によって表される高レベルの特徴（画像化された近位脛骨１１０のプロファイル又は整形外科要素の表面トポグラフィなど）の非線形の組み合わせを学習するために、最終的な畳み込み層７２ｅの後に追加され得る。
【0097】
図８の上半分は、入力体積データ７５の圧縮を表し、下半分は、入力体積データ７５の元のサイズに到達するまでの復元（decompression）を表す。それぞれの畳み込み層７２ａ、７２ｂ、７２ｃなどの出力特徴マップは、より複雑になっていく特徴抽出を可能にするために、後続の畳み込み層７２ｂ、７２ｃなどの入力として使用される。例えば、第１のカーネル６９は、エッジを検出し得、第１の畳み込み層７２ｂ内のカーネルは、所望の配向でエッジの集合を検出し得、第３の畳み込み層７２ｃ内のカーネルは、所望の配向でエッジのより長い集合を検出し得る、などとなる。このプロセスは、内側遠位大腿骨顆のプロファイル全体が下流の畳み込み層７２によって検出されるまで継続し得る。
【0098】
図８の下半分は、アップサンプル（すなわち、より低い解像度の特徴マップの空間サポートを拡大したもの）である。逆畳み込み動作は、次の下流の畳み込み層に対する入力のサイズを増大するために実行される（７２ｃ、７２ｄ、７２ｅを参照されたい）。最終畳み込み層７２ｅの場合、畳み込みは、１×１×１カーネル６９と共に採用されて、入力体積６１と同じサイズのマルチチャネル出力体積５９が生成され得る。マルチチャネル出力体積５９のそれぞれのチャネルは、所望の抽出された高レベル特徴を表し得る。これに続いて、Ｓｏｆｔｍａｘ活性化関数が、所望の整形外科要素１００を検出し得る。例えば、図示された実施形態は、０、１、２、３、４、５と採番された６つの出力チャネルを含み得、チャネル０は識別されたバックグラウンド体積を表し、チャネル１は識別された遠位大腿骨１０５を表し、チャネル２は識別された近位脛骨１１０を表し、チャネル３は識別された近位腓骨１１１を表し、チャネル４は識別された膝蓋骨９０１を表し、チャネル５は対象整形外科要素１００の識別表面トポグラフィを表す。
【0099】
例示的な実施形態では、所望の整形外科要素１００の出力体積データ５９を含む選択された出力チャネルを使用して、対象整形外科要素の３Ｄモデル１１００が作成され得る。例えば、対象整形外科要素１００の識別表面トポグラフィを表すチャネルからのデータは、対象整形外科要素１００に堅固に係合されるように構成される患者固有の外科用ガイド５００を作製するために、患者固有の外科用ガイド５００上で１つ以上の嵌合面（図１１の４０及び３６並びに図１２の５３及び５４参照）としてマッピング及び再現され得る。製造技術を介して物理的な患者固有の外科用ガイド５００を生成し、当該患者固有の外科用ガイド５００を滅菌することにより、外科医は、患者固有の外科用ガイド５００を手術領域１７０に直接設置して使用することができる。このようにして、患者固有の外科用ガイド５００は、識別表面において、整形外科要素１００に「当接するように構成される」と言うことができる。同様に、このようにして、深層学習ネットワークをこの方法又は関連する方法で使用して個々の整形外科要素１００又は整形外科要素の一部分（例えば、対象整形外科要素１００の表面トポグラフィ）を分離する計算機１６００は、実際の対象整形外科要素１００上又は対象整形外科要素の３Ｄモデル１１００上の表面トポグラフィを「識別し」、識別表面を画定するように構成されていると言うことができる。
【0100】
上の例は、入力体積データ７５を畳み込むための三次元テンソルカーネル６９の使用を説明したものであるが、上述の一般モデルは、それぞれ第１の較正された入力画像３０及び第２の較正された入力画像５０からの２Ｄ空間データ４３と共に使用され得ることが理解されよう。他の例示的な実施形態では、機械学習アルゴリズム（すなわち、深層学習ネットワーク（例えば、ＣＮＮなど））は、撮像機の較正後、但し、２Ｄから３Ｄへの再構成前に使用され得る。すなわち、ＣＮＮを使用して、それぞれの２Ｄ入力画像３０、５０の第１の基準フレーム３０ａ及び第２の基準フレーム５０ａから対象整形外科要素１００の特徴（例えば、解剖学的ランドマーク）が検出され得る。例示的な実施形態では、ＣＮＮを使用して、２Ｄ入力画像３０、５０から高レベルの整形外科要素（例えば、遠位大腿骨１０５及び対象整形外科要素１００の表面トポグラフィの一部分）が識別され得る。次いで、ＣＮＮは、検出された整形外科要素１００又は対象整形外科要素１００の表面トポグラフィにマスク又は外形を任意選択的に適用し得る。撮像機１８００が較正され、ＣＮＮが、２つの入力画像３０、５０間の特徴の複数の対応する画像点（例えば、ＸＬ、ＸＲ）を識別した場合、対象整形外科要素１００の基準フレーム３０ａ、５０ａ間の変換行列を使用して、３Ｄ空間内の複数の対応する画像点が位置合わせされ得ることが企図される。
【0101】
深層学習ネットワークを使用して、それぞれの入力画像３０、５０から検出された２Ｄ整形外科要素１００にマスク又は外形を追加することを含む特定の例示的な実施形態では、識別された整形外科要素１００又は識別された整形外科要素１００の表面トポグラフィの２Ｄマスク又は外形のみが、上記の図４及び図６を参照して記載された方法で順次逆投影されて、識別された整形外科要素１００の体積６１が画定され得る。この例示的な方法では、対象整形外科要素の３Ｄモデル１１００が作成され得る。
【0102】
第１の画像３０と第２の画像５０がＸ線画像である実施形態では、ＣＮＮを訓練することは、いくつかの課題を提示し得る。比較として、ＣＴスキャンは、典型的には、所望の体積の一連の画像を生成する。典型的なＣＴスキャンを含むそれぞれのＣＴ画像は、画像化された体積のセグメントとして考えられ得る。これらのセグメントから、要素がそれぞれの連続するＣＴ画像に示されているときに所望の要素の領域を追加することによって、３Ｄモデルは比較的容易に作製され得る。次いで、モデル化された要素をＣＴスキャンのデータと比較して、精度が確保され得る。
【0103】
対照的に、放射線撮像システムは、典型的には、画像化された体積の異なるセグメントをキャプチャする連続画像を生成しない。むしろ、画像の情報の全ては、２Ｄ平面で平坦化される。加えて、単一の放射線画像３０は本質的に３Ｄデータを欠いているため、上述のエピポーラ幾何再構成技術によって生成されたモデルを、標的整形外科要素１００の実際の幾何学的形状を用いてチェックすることは困難である。この問題に対処するために、ＣＮＮは、デジタル的に再構成された放射線写真（digitally reconstructed radiograph、「ＤＲＲ」）画像などのＣＴ画像を用いて訓練され得る。このように深層学習ネットワークを訓練することによって、深層学習ネットワークは、所望の整形外科要素１００又は対象整形外科要素１００の表面トポグラフィを識別するために、カーネル６９に対して独自の重み（例えば、フィルタ）を開発し得る。Ｘ線写真はＤＲＲとは異なる外観を有するため、ＤＲＲスタイルの外観を有するように入力Ｘ線画像をレンダリングするように、画像間変換が実行され得る。例示的な画像間変換方法は、ＣｙｃｌｅＧＡＮ画像変換技術である。画像間のスタイル変換（style transfer）方法が使用される実施形態では、スタイル変換方法は、望ましくは、特徴検出のためにデータを深層学習ネットワークに入力する前に使用される。
【0104】
上の例は、理解を助ける目的で提供されており、本開示の範囲を限定することを意図するものではない。少なくとも２つの横方向位置から撮られた同じ対象整形外科要素１００の２Ｄ放射線画像（例えば、３０ａ、５０ａ）から対象整形外科要素の３Ｄモデル１１００を生成するための全ての方法は、本開示の範囲内にあると見なされる。
【0105】
図１０は、深層学習ネットワークを使用して、オフセット角度θから撮られた２つの平坦化された入力画像（図４並びに図５Ａ及び図５Ｂの３０、５０）を使用して、整形外科要素１００に当接するための患者固有の外科用ガイド５００の寸法を計算する、例示的な方法の工程を概説するフロー図である。例示的な方法は、撮像機１８００（図９）を較正して、画像点（ＸＬ、ｅＬ、ＸＲ、ｅＲ、図４）と対応する空間座標（例えば、ｘ，ｙ平面上のデカルト座標）との間のマッピング関係を決定して空間データ４３を画定する工程１ｃを含む。撮像機１８００は、望ましくは、Ｘ線画像を生成することができる放射線撮像機である（「Ｘ線画像」は、蛍光透視画像を含むものと理解され得る）が、全ての医療撮像機は、本開示の範囲内にあると見なされる。
【0106】
工程２ｃは、撮像技術（例えば、Ｘ線撮像技術、ＣＴ撮像技術、ＭＲＩ撮像技術、又は超音波撮像技術）を使用して、対象整形外科要素１００の第１の画像３０（図５Ａ）をキャプチャすることを含み、第１の画像３０は、第１の基準フレーム３０ａ（例えば、第１の横方向位置）を画定する。工程３ｃでは、対象整形外科要素１００の第２の画像５０（図５Ｂ）が撮像技術を使用してキャプチャされ、第２の画像５０は、第２の基準フレーム５０ａ（例えば、第２の横方向位置）を画定し、第１の基準フレーム３０ａは、第２の基準フレーム５０ａからオフセット角度θでオフセットされる。第１の画像３０及び第２の画像５０は、データ（空間データ４３を含む）が抽出され得る入力画像である。他の例示的な実施形態では、２つ以上の画像が使用され得ることが理解されよう。そのような実施形態では、それぞれの入力画像は、望ましくは、オフセット角度θだけ他の入力画像から分離される。工程４ｃは、対象整形外科要素１００の第１の画像３０からの空間データ４３と、対象整形外科要素１００の第２の画像５０からの空間データ４３とを投影して、エピポーラ幾何を用いて体積データ７５（図６）を画定することを含む。
【0107】
工程５ｃは、深層学習ネットワークを使用して、体積データ７５から整形外科要素１００を検出することを含む。工程６ｃは、深層学習ネットワークを使用して、対象整形外科要素１００の体積データ７５から他の特徴（例えば、解剖学的ランドマーク）を検出して、対象整形外科要素１００の表面トポグラフィを含む、対象整形外科要素の３Ｄモデル１１００を画定することを含む。工程７ｃは、患者固有の外科用ガイド５００の寸法を計算することを含む。そのような実施形態では、患者固有の外科用ガイド５００の嵌合面の寸法は、対象整形外科要素１００の一部分の表面トポグラフィに相補的にすることができる。このようにして、患者固有の外科用ガイド５００は、整形外科要素１００に当接し、堅固に係合されるように構成され得る。
【0108】
特定の例示的な実施形態では、体積データ７５から対象整形外科要素１００の解剖学的ランドマークを検出する深層学習ネットワークは、対象整形外科要素の表面トポグラフィなど、対象整形外科要素１００の体積データ７５から他の特徴を検出する同じ深層学習ネットワークであり得る。他の例示的な実施形態では、体積データ７５から対象整形外科要素１００の解剖学的ランドマークを検出する深層学習ネットワークは、対象整形外科要素の表面トポグラフィなど、対象整形外科要素１００の体積データ７５から他の特徴を検出する深層学習ネットワークと異なっていてもよい。
【0109】
特定の例示的な実施形態では、第１の画像３０は、外側横方向位置における対象整形外科要素１００を示し得る（すなわち、第１の画像３０は、整形外科要素１００の側面図である）。他の例示的な実施形態では、第２の画像５０は、前後（anterior-posterior、「ＡＰ」）横方向位置における整形外科要素１００を示し得る（すなわち、第２の画像５０は、整形外科要素１００のＡＰ図である）。更なる他の例示的な実施形態では、第１の画像３０は、ＡＰ横方向位置における整形外科要素１００を示し得る。なお他の例示的な実施形態では、第２の画像５０は、外側横方向位置における整形外科要素１００を示し得る。なお更なる他の例示的な実施形態では、第１の画像３０が第２の画像５０からオフセット角度θだけオフセットされている限り、第１の画像３０も第２の画像５０も、ＡＰ横方向位置又は外側横方向位置にて整形外科要素１００を示していなくてもよい。計算機１６００は、較正用治具を含む入力画像３０、５０からのオフセット角度θを計算し得る（図５Ａ及び図５Ｂの９７３参照）。第１の画像３０及び第２の画像５０は、集合的に「入力画像（input images）」、又は個別に「入力画像（input image）」と称され得る。これらの入力画像３０、５０は、望ましくは、同一の対象整形外科要素１００を異なる角度から示す。これらの入力画像３０、５０は、対象整形外科要素１００の横方向平面に沿って撮られ得る。
【0110】
特定の例示的なシステム又は方法は、ＣｙｃｌｅＧＡＮなどのスタイル変換深層学習ネットワークを使用することを更に含み得る。スタイル変換深層学習ネットワークを使用するシステム又は方法は、放射線入力画像（例えば、３０）で開始し、スタイル変換深層学習ネットワークを使用して、入力画像のスタイルをＤＲＲタイプ画像に変換し得る。なお更なる例示的な方法は、深層学習ネットワークを使用して、対象整形外科要素１００（対象整形外科要素１００の表面トポグラフィの一部分を含み得る）の特徴（例えば、解剖学的ランドマーク）を識別して、それぞれの対象整形外科要素１００にセグメンテーションマスクを提供することを含み得る。
【0111】
理論に束縛されるものではないが、放射線入力画像を利用する実施形態は、ＣＴ入力画像又はＭＲＩ入力画像から生成された３Ｄモデルと比較して、整形外科要素の３Ｄモデル上により平滑な表面を提供することが可能であり得ることが企図される。ＣＴスキャンは、典型的には、１ｍｍ増分で対象整形外科要素をスキャンする。第１のＣＴセグメントスキャンと隣接するＣＴセグメントスキャンとの間の表面トポグラフィの変化は、１ｍｍ未満の間隔で離間された表面トポグラフィの詳細が、対象整形外科要素を１ｍｍ増分で増分的にスキャンするＣＴシステムにおいてキャプチャされないため、従来のＣＴシステムの出力では情報の損失をもたらし得る。結果として、技術者は、典型的には、術中に実際の対象整形外科要素と嵌合することができる外科用ガイドを作製するために、ＣＴ ３Ｄモデルの表面トポグラフィを手動で平滑化しなければならなかった。実際の対象整形外科要素の１ｍｍ未満のトポグラフィデータはキャプチャされたことがないため、この手動の平滑化プロセスは不正確な傾向があり、完全とは言えない適合をもたらし得る。本開示による特定の実施形態は、放射線Ｘ線画像をピクセル値の配列として表すことができるため、この問題を未然に防ぐことができる。ピクセル密度は変化するが、一例として、第１及び第２の入力画像が９６ドット／インチ（「ｄｐｉ」）（ピクセル密度の単位）の解像度を有する場合、そのインチ内に２５．４ｍｍ、すなわち３．７８ピクセル／ミリメートルが存在する。換言すれば、この例では、従来のＣＴスキャンと比較して、１ミリメートル当たり余分に３．７８ピクセルの情報が存在する。より高いピクセル密度は、同様に、表面トポグラフィの更に高い解像度をもたらす一方で、本明細書に説明されるような深層学習ネットワーク（複数可）の使用は、深層学習ネットワークを使用しないシステム及び方法と比較して、計算機の計算負荷を低減させることができる。
【0112】
特定の例示的な実施形態では、例示的なシステム及び／又は方法は、外科医の入力及び設定を考慮に入れることができることが更に企図される。例えば、外科医が遠位大腿骨の遠位切除平面を３度内反させて配向することを望む場合、例示的な患者固有の大腿骨切除ガイドマウント５００ａは、本開示に従って生成することができ、切除スロット５２は、患者固有の外科用ガイド５００が遠位大腿骨１０５上に設置されるときに切除スロット５２が３度内反させて配向されるように、本体４２に対して製造することができる。例示的な実施形態では、切除スロット５２の向きを更に変更して、手術領域１７０への制限されたアクセス又は障害物に対応することができ、これは、最小侵襲処置において一般的であり得る。
【0113】
患者固有の外科用ガイドを生成するための例示的な方法は、放射線撮像機を較正して、画像点と対応する空間座標との間のマッピング関係を決定して空間データを画定することと、放射線撮像技術を使用して、整形外科要素の第１の画像をキャプチャすることであって、第１の画像は、第１の基準フレームを画定する、ことと、放射線撮像技術を使用して、整形外科要素の第２の画像をキャプチャすることであって、第２の画像は第２の基準フレームを画定し、第１の基準フレームは、第２の基準フレームからオフセット角度でオフセットされる、ことと、深層学習ネットワークを使用して、空間データを使用して整形外科要素を検出することであって、空間データは、整形外科要素上又は整形外科要素内の解剖学的ランドマークを画定する、ことと、深層学習ネットワークを使用して、解剖学的ランドマークによって画定された整形外科要素にマスクを適用することと、所望の整形外科要素の第１の画像からの空間データ及び所望の整形外科要素の第２の画像からの空間データを投影して、体積データを画定することであって、第１の画像又は第２の画像のいずれかのマスク領域内に配置された画像点を含む空間データは第１の値を有し、第１の画像又は第２の画像のいずれかのマスク領域外に配置された画像点を含む空間データは第２の値を有し、第１の値は第２の値とは異なる、ことと、深層学習ネットワークを体積データに適用して、整形外科要素の再構成された３Ｄモデルを生成することと、整形外科要素に当接するように構成された患者固有の外科用ガイドの寸法を計算することとを含む。
【0114】
患者固有の外科用ガイドを生成するための例示的な方法は、放射線撮像機を較正して、画像点と対応する空間座標との間のマッピング関係を決定して空間データを画定することと、放射線撮像技術を使用して、整形外科要素の第１の画像をキャプチャすることであって、第１の画像は第１の基準フレームを画定することと、放射線撮像技術を使用して、整形外科要素の第２の画像をキャプチャすることであって、第２の画像は第２の基準フレームを画定し、第１の基準フレームは、第２の基準フレームからオフセット角度でオフセットされる、ことと、深層学習ネットワークを使用して、空間データを使用して整形外科要素を検出することであって、空間データは、整形外科要素上又は整形外科要素内の解剖学的ランドマークを画定する、ことと、深層学習ネットワークを使用して、解剖学的ランドマークによって画定された整形外科要素にマスクを適用することと、所望の整形外科要素の第１の画像からの空間データ及び所望の整形外科要素の第２の画像からの空間データを投影して、体積データを画定することであって、第１の画像又は第２の画像のいずれかのマスク領域内に配置された画像点を含む空間データは正の値を有し、第１の画像又は第２の画像のいずれかのマスク領域外に配置された画像点を含む空間データは負の値を有する、ことと、深層学習ネットワークを体積データに適用して、整形外科要素の３Ｄモデルを生成することと、整形外科要素に堅固に係合するように構成された患者固有の外科用ガイドの寸法を計算することと、を含む。
【0115】
例示的な実施形態では、方法は、深層学習ネットワークを使用して、第１の画像及び第２の画像に対してスタイル変換を実行することを更に含む。
【0116】
例示的な実施形態において、スタイル変換は、放射線撮像技術からの空間データをデジタルＸ線動態撮影（dynamic digital radiography）データに変換する。
【0117】
例示的な実施形態では、第１の値は正の値である。
【0118】
例示的な実施形態では、第２の値は負の値である。
【0119】
例示的な実施形態では、方法は、ディスプレイ上に再構成された３Ｄモデルを投影することを更に含む。
【0120】
例示的な実施形態では、深層学習ネットワークは深層学習アルゴリズムを含む。
【0121】
例示的なシステムは、少なくとも２つの２Ｄ放射線画像から生成された手術領域を含む整形外科要素の３Ｄモデルであって、少なくとも第１の放射線画像は第１の位置でキャプチャされ、少なくとも第２の放射線画像は第２の位置でキャプチャされ、第１の位置は第２の位置とは異なる、３Ｄモデルと、整形外科要素の３Ｄモデル上の表面トポグラフィを識別して、識別表面を画定するように構成され、患者固有の外科用ガイドの寸法を計算するように更に構成された計算機であって、患者固有の外科用ガイドは、識別表面において、整形外科要素と当接するように構成されている計算機と、を含む。
【0122】
例示的なシステムはディスプレイを更に含むことができ、整形外科要素の３Ｄモデルはディスプレイ上に表示される。例示的なシステムでは、ディスプレイは、拡張現実装置又は仮想現実装置であり得る。例示的なシステムは、Ｘ線撮像機を更に含み得る。
【0123】
例示的なシステムは、製造装置を更に含むことができ、製造装置は、患者固有の外科用ガイドの物理モデルを生成するように構成される。
【0124】
製造装置を含む例示的なシステムでは、製造装置は、整形外科要素の識別表面の少なくとも部分的な物理モデルを生成するように構成され得る。製造装置は積層造形装置であり得る。
【0125】
例示的なシステムでは、患者固有の外科用ガイドの物理モデルは、医療用ポリアミドを含むことができる。
【0126】
例示的なプロセスによって生成される患者固有の外科用ガイドは、放射線撮像機を較正して、放射線画像点と対応する空間座標との間のマッピング関係を決定して空間データを画定することと、放射線撮像技術を使用して、対象整形外科要素の第１の放射線画像をキャプチャすることであって、第１の放射線画像は第１の基準フレームを画定する、ことと、放射線撮像技術を使用して、対象整形外科要素の第２の放射線画像をキャプチャすることであって、第２の放射線画像は第２の基準フレームを画定し、第１の基準フレームは、第２の基準フレームからオフセット角度でオフセットされる、ことと、対象整形外科要素の第１の放射線画像からの空間データと、対象整形外科要素の第２の放射線画像からの空間データとを投影して、体積データを画定することと、深層学習ネットワークを使用して、体積データを使用して対象整形外科要素を検出することであって、体積データは、対象整形外科要素上又は対象整形外科要素内で解剖学的ランドマークを画定する、ことと、深層学習ネットワークを使用し、体積データを使用して整形外科要素上の表面を識別し、識別表面を画定することと、深層学習ネットワークを体積データに適用して、識別表面において、整形外科要素に当接するように構成された患者固有の外科用ガイドの寸法を計算することとを含むことができる。
【0127】
例示的なプロダクトバイプロセスは、製造技術を使用して患者固有の外科用ガイドの物理３Ｄモデルを生成することを更に含むことができる。そのような実施形態では、患者固有の外科用ガイドの物理３Ｄモデルは、整形外科要素の識別表面と嵌合する嵌合面を含むことができる。
【0128】
例示的なプロダクトバイプロセスでは、患者固有の外科用ガイドの物理３Ｄモデルは嵌合面を含むことができ、嵌合面は突出部を更に含むことができる。
【0129】
例示的な患者固有の外科用ガイドは、放射線撮像機を較正して、放射線画像点と対応する空間座標との間のマッピング関係を決定して空間データを画定することと、放射線撮像技術を使用して、対象整形外科要素の第１の放射線画像をキャプチャすることであって、第１の放射線画像は第１の基準フレームを画定する、ことと、放射線撮像技術を使用して、対象整形外科要素の第２の放射線画像をキャプチャすることであって、第２の放射線画像は第２の基準フレームを画定し、第１の基準フレームは、第２の基準フレームからオフセット角度でオフセットされる、ことと、対象整形外科要素の第１の放射線画像からの空間データと、対象整形外科要素の第２の放射線画像からの空間データとを投影することと、深層学習ネットワークを使用して、空間データを使用して対象整形外科要素を検出することであって、空間データは、対象整形外科要素上又は対象整形外科要素内の解剖学的ランドマークを画定する、ことと、深層学習ネットワークを使用し、空間データを使用して整形外科要素上の表面を検出識別し、識別表面を画定することと、深層学習ネットワークを空間データに適用して、識別表面において、整形外科要素に当接するように構成された患者固有の外科用ガイドの寸法を計算することと、を含む、例示的なプロセスによって生成され得る。
【0130】
本発明は、本明細書に開示される又は図面に示される特定の構成及び方法ステップに限定されるものではないが、当該技術分野において既知の特許請求の範囲内の任意の修正又は同等物も含むことを理解されたい。本明細書に開示される装置及び方法は、有用性を見出すことが当業者には理解されよう。
【図1】
【図2】
【図3】
【図4】
【図5A】
【図5B】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【国際調査報告】