使用荧光透视和跟踪传感器的髋部外科手术导航专利检索-骨科手术手术专利检索查询-专利查询网

使用荧光透视和跟踪 传感器的髋部外科手术导航

阅读：119发布：2022-01-23

专利汇可以提供使用荧光透视和跟踪传感器的髋部外科手术导航专利检索，专利查询，专利分析的服务。并且一种跟踪身体部位的运动的方法，该方法包括：（a）从在运动范围内重新定位的身体部位收集运动数据，该身体部位具有安装到其的运动传感器；（b）收集在身体部位处于运动范围内的不同方位时拍摄的身体部位的多个射线照相图像，该多个射线照相图像在视场内具有身体部位和运动传感器；以及（c）使用用以校准射线照相图像的在多个射线照相图像中的至少两个内可标识的运动传感器的结构从多个射线照相图像构建身体部位的虚拟三维模型。，下面是使用荧光透视和跟踪传感器的髋部外科手术导航专利的具体信息内容。

权利要求

1.一种跟踪身体部位的运动的方法，所述方法包括：
从在运动范围内重新定位的身体部位收集运动数据，所述身体部位具有安装到其的运动传感器；
在所述身体部位处于所述运动范围内的不同方位中时，收集拍摄的所述身体部位的多个射线照相图像，所述多个射线照相图像在视场内具有所述身体部位和所述运动传感器；
以及，
使用用以校准所述射线照相图像的在所述多个射线照相图像中的至少两个内可标识的运动传感器的结构，从所述多个射线照相图像构建所述身体部位的虚拟三维模型。
2.根据权利要求1所述的方法，其中所述运动传感器包括惯性测量单元。
3.根据权利要求2所述的方法，其中所述惯性测量单元包括多个加速度计、多个陀螺仪和多个磁力计。
4.根据权利要求1-3中任一项的方法，其中所述运动传感器非刚性地安装到所述身体部位。
5.根据权利要求4所述的方法，其中所述运动传感器安装在至少部分地覆盖所述身体部位的表皮外部。
6.根据权利要求1-3中任一项所述的方法，其中所述运动传感器刚性安装到所述身体部位。
7.根据权利要求1-6中任一项所述的方法，其中所述运动传感器的结构包括电阻器、芯片、电容器、电路板和电引线中的至少一个。
8.根据权利要求1-7中任一项所述的方法，其中所述射线照相图像包括X光的。
9.根据权利要求1-7中任一项所述的方法，其中所述射线照相图像包括荧光透视图像。
10.根据权利要求1-9中任一项所述的方法，其中自动地实行射线照相图像的校准。
11.根据权利要求10所述的方法，其中所述射线照相图像的自动校准由运行软件程序的计算机实行。
12.根据权利要求1-11中任一项所述的方法，进一步包括：
从所述运动传感器收集数据，所述数据可以被用来确定作为时间的函数的所述运动传感器的方位和旋转中的至少一个。
13.根据权利要求12所述的方法，其中从所述运动传感器收集的数据是无线收集的。
14.根据权利要求12所述的方法，其中从所述运动传感器收集的数据是从连接到所述运动传感器的线收集的。
15.根据权利要求12-14中任一项所述的方法，其中从所述运动传感器收集的数据由电话、计算机、平板设备和便携式存储器中的至少一个收集。
16.根据权利要求1-15中任一项所述的方法，进一步包括：
在三维空间中将所述运动传感器配准到所述身体部位的虚拟三维模型；以及，将从所述运动传感器收集的数据作为所述身体部位的方位的函数进行关联，以创建所述身体部位的虚拟动态模型，所述身体部位的虚拟动态模型可被重新定位以反映当所述身体部位在运动范围内被重新定位时所述身体部位的实际方位。
17.根据权利要求1-16中任一项所述的方法，进一步包括：
使用所述多个射线照相图像构建所述运动传感器的虚拟三维模型。
18.根据权利要求17所述的方法，其中所述运动传感器的虚拟三维模型被集成到所述身体部位的虚拟三维模型中，以创建虚拟三维组合模型。
19.根据权利要求18所述的方法，进一步包括：
将从所述运动传感器收集的数据作为所述身体部位的方位的函数进行关联，以向所述虚拟三维组合模型提供动态移动。
20.根据权利要求1-19中任一项所述的方法，其中收集所述运动数据包括记录作为时间的函数的所述运动传感器的方位和旋转的改变中的至少一个。
21.根据权利要求1-19中任一项所述的方法，其中收集所述运动数据包括记录作为时间的函数的所述运动传感器的加速度改变。
22.根据权利要求1-21中任一项所述的方法，进一步包括：
显示所述身体部位的虚拟三维模型以实时反映实际身体部位的方位的改变。
23.根据权利要求1-22中任一项所述的方法，其中所收集的运动数据被加盖时间戳。
24.一种用于跟踪身体部位的运动的系统，所述系统包括：
运动传感器；以及，
处理器，其被配置成通信地耦合到所述运动传感器，所述处理器通信地耦合到多个模块，所述模块包括：
数据接收模块，其被配置成记录由所述运动传感器生成的运动数据，所述数据接收模块和所述运动传感器中的至少一个对由所述运动传感器生成的运动数据加盖时间戳；
射线照相图像处理模块，其被配置成标识跨多个射线照相图像可见的共同特征，以便校准所述多个射线照相图像；以及，
三维模型模块，其被配置成处理多个射线照相图像，并且创建在所述多个射线照相图像中的至少一些中可查看的对象的虚拟三维模型。
25.根据权利要求24所述的系统，其中所述运动传感器包括惯性测量单元。
26.根据权利要求24所述的系统，其中所述运动传感器包括多个加速度计。
27.根据权利要求24所述的系统，其中所述运动传感器包括多个磁力计。
28.根据权利要求24所述的系统，其中所述运动传感器包括多个陀螺仪。
29.根据权利要求1-28中任一项所述的系统，进一步包括显示器，所述显示器通信地耦合到所述处理器，并且可操作来显示所述虚拟三维模型。
30.根据权利要求1-29中任一项所述的系统，进一步包括射线照相图像拍摄机。
31.一种提供外科手术导航的方法，所述方法包括：
获得从多个优势角度在手术中拍摄的多个射线照相图像，所述多个射线照相图像包括身体部位和至少一个图像目标；
在手术中将所述身体部位配准到导航系统；
计算所述身体部位在所述导航系统使用的三维坐标系中的取向和方位中的至少一个；
以及，
显示有形物品的虚拟模型，所述有形物品包括身体部位、外科手术器械和骨科植入物中的至少一个，其中显示所述虚拟模型包括实时改变所述虚拟模型的方位和取向中的至少一个，以与所述有形物品的方位和取向中的至少一个的改变相一致。
32.根据权利要求31所述的方法，其中：
所述有形物品的虚拟模型包括与所述导航系统相关联的三维模型；以及，所述配准步骤包括将所述身体部位的二维图像配准到所述三维模型。
33.根据权利要求31或32中任一项所述的方法，其中所述配准步骤包括从所述多个射线照相图像中标识所述身体部位的二维解剖界标，并且将那些二维解剖界标与同所述导航系统的虚拟三维模型相关联的三维界标配准。
34.根据权利要求33所述的方法，其中将所述二维解剖界标与所述三维解剖界标配准包括将所述三维界标投影到二维图像上。
35.根据权利要求34所述的方法，其中投影所述三维界标包括调节所述三维模型的姿态，使得所选二维界标之间的距离相对于对应的三维界标之间的距离被减小。
36.根据权利要求31-34中任一项所述的方法，其中所述配准步骤包括使用仅在单个方位和取向中正确地接合所述身体部位的患者特定的器械。
37.根据权利要求36所述的方法，其中所述患者特定的器械包括惯性测量单元。
38.根据权利要求36所述的方法，其中所述患者特定的器械包括多个加速度计。
39.根据权利要求36所述的方法，其中所述患者特定的器械包括多个陀螺仪。
40.根据权利要求36所述的方法，其中所述患者特定的器械包括多个磁力计。
41.根据权利要求31-40中任一项所述的方法，进一步包括：
获得从多个优势角度在手术前拍摄的包括所述身体部位的多个射线照相图像；以及，从所述多个射线照相图像创建所述身体部位的虚拟三维模型。
42.根据权利要求41所述的方法，进一步包括：
在创建所述虚拟三维模型之前校准在手术前拍摄的多个射线照相图像。
43.根据权利要求41或42中任一项所述的方法，进一步包括：
使用所述虚拟三维模型来计划外科手术过程。
44.根据权利要求31-43中任一项所述的方法，进一步包括：
从在运动范围内重新定位的身体部位收集运动数据，所述身体部位具有安装到其的运动传感器。
45.根据权利要求44所述的方法，其中所述运动传感器包括惯性测量单元。
46.根据权利要求45所述的方法，其中所述惯性测量单元包括多个加速度计、多个陀螺仪和多个磁力计。
47.根据权利要求44-46中任一项所述的方法，其中所述运动传感器非刚性地安装到所述身体部位。
48.根据权利要求47所述的方法，其中所述运动传感器安装在至少部分地覆盖所述身体部位的表皮外部。
49.根据权利要求44-46中任一项所述的方法，其中所述运动传感器刚性地安装到所述身体部位。
50.根据权利要求31-49中任一项所述的方法，其中所述多个射线照相图像包括多个X光图像。
51.根据权利要求31-49中任一项所述的方法，其中所述多个射线照相图像包括多个荧光透视图像。
52.根据权利要求31-52中任一项所述的方法，进一步包括校准在手术中获得的多个射线照相图像。
53.根据权利要求52所述的方法，其中所述多个射线照相图像的校准由运行软件程序的计算机自动地实行。
54.根据权利要求44-53中任一项所述的方法，进一步包括：
从所述运动传感器收集数据，所述数据可以被用来确定作为时间的函数的所述运动传感器的方位和旋转中的至少一个。
55.根据权利要求54所述的方法，其中从所述运动传感器收集的数据是无线收集的。
56.根据权利要求54所述的方法，其中从所述运动传感器收集的数据是从连接到所述运动传感器的线收集的。
57.根据权利要求54-56中任一项所述的方法，其中从所述运动传感器收集的数据由电话、计算机、平板设备和便携式存储器中的至少一个收集。
58.根据权利要求44-57中任一项所述的方法，进一步包括：
在三维空间中将所述运动传感器配准到所述身体部位的虚拟三维模型；以及，将从所述运动传感器收集的数据作为所述身体部位的方位的函数进行关联，以创建所述身体部位的虚拟动态模型，所述身体部位的虚拟动态模型可被重新定位以反映当所述身体部位在运动范围内被重新定位时所述身体部位的实际方位。
59.根据权利要求44-57中任一项所述的方法，进一步包括：
使用所述多个射线照相图像构建所述运动传感器的虚拟三维模型。
60.根据权利要求58所述的方法，进一步包括：
使用所述多个射线照相图像构建所述运动传感器的虚拟三维模型。
61.根据权利要求60所述的方法，其中所述运动传感器的虚拟三维模型被集成到所述身体部位的虚拟三维模型中，以创建虚拟三维组合模型。
62.根据权利要求61所述的方法，进一步包括：
将从所述运动传感器收集的数据作为所述身体部位的方位的函数进行关联，以向所述虚拟三维组合模型提供动态移动。
63.根据权利要求62所述的方法，其中收集所述运动数据包括记录作为时间的函数的所述运动传感器的方位和旋转的改变中的至少一个。
64.根据权利要求62所述的方法，其中收集所述运动数据包括记录作为时间的函数的所述运动传感器的加速度改变。
65.根据权利要求62所述的方法，其中所收集的运动数据被加盖时间戳。

说明书全文

使用荧光透视和跟踪 传感器的髋部外科手术导航

[0001] 相关申请的交叉引用本申请要求2017年6月19日提交的题为“Surgical Navigation of the Hip using Fluoroscopy and Tracking Sensors”的美国临时专利申请序列号No. 62/521,582的权益，并且要求2017年10月23日提交的题为“Surgical Navigation of the Hip using Fluoroscopy and Tracking Sensors”的美国临时专利申请序列号No. 62/575,905的权益，并且要求2018年1月15日提交的题为“Surgical Navigation of the Hip using Fluoroscopy and Tracking Sensors”的美国临时专利申请序列号No. 62/617,383的权益，这些美国临时专利申请中每一个的公开内容通过引用被并入本文中。
发明内容

[0002] 计算机断层摄影术（CT）或磁共振成像（MRI）通常被认为是用于关节成像（特别是在需要虚拟解剖模型的应用中）的黄金标准。图像可以被分割软件用来实行三维（3D）重构，该三维（3D）重构的输出是患者关节的表面模型。这些模型可以包括骨骼、软骨、其他软组织或任何组合。因此，这些3D模型经常被用于现代外科手术导航和指导系统，以用于全关节置换外科手术。然而，这些模型的创建通常是耗时的，从而导致了成本增加并且成像与外科手术之间通常有显著长的时间。一种更具成本效益的成像方法是不需要场外重构的方法，该方法利用现有的基于办公室的成像（例如标准X光或荧光透视），同时仍然提供用以在计划或外科手术中使用的3D模型创建的途径。作为本公开的部分，3D模型和成像可以被用于手术中配准，以减少外科手术时间并且降低附加成本。

[0003] 与手术中使用外科手术导航和指导系统有关的一个困难过程是将患者的关节位置和取向配准到导航系统。这通常经由在指导系统的监督之下在患者身上配准骨骼界标（landmark）的位置来实行，其中关节方位和取向可以对于系统进行校准。传统上，这是在手术室中手动完成的、是耗时的并且可能是不准确的。

[0004] 已经开发了一种利用患者特定的器械进行配准的技术，其中使该器械以独特的方式适合于患者的骨骼。可以为患者附加地制造和消毒该器械。在该过程中存在若干个挑战。第一个挑战与制造有关。一些患者可能不具有可以唯一地“锁定”到患者特定的器械的理想骨骼几何结构，这可能引入配准误差。此外，由于附加制造的性质，材料通常是多孔的，这取决于湿度水平可能影响器械的公差。另一个问题是制造这些器械所需的高成本和交付时间（lead-time）。通常需要工程师来实行分割、分析关节几何结构，以创建器械对患者关节的锁定机构，这取决于体积可能花费数周来完成。作为本公开的部分，为医学成像呈现了一种新颖的配准技术，以避免对制造任何附加器件的需要。

[0005] 通过将手术中射线照相成像与惯性跟踪系统相结合，患者可以在手术室中被配准，而无需制造患者特定的器械或手动标识界标的开销（overhead）。

[0006] 是本发明的第一方面提供了一种跟踪身体部位的运动的方法，该方法包括：（a）从在运动范围内重新定位的身体部位收集运动数据，该身体部位具有安装到其的运动传感器；（b）在身体部位处于运动范围内的不同方位中时，收集拍摄的身体部位的多个射线照相图像，该多个射线照相图像在视场内具有身体部位和运动传感器；以及（c）使用用以校准射线照相图像的在多个射线照相图像中的至少两个内可标识的运动传感器的结构，从多个射线照相图像构建身体部位的虚拟三维模型。

[0007] 在第一方面的更详细的实施例中，运动传感器包括惯性测量单元。在又另一个更详细的实施例中，惯性测量单元包括多个加速度计、多个陀螺仪和多个磁力计。在更详细的实施例中，运动传感器非刚性地安装到身体部位。在仍更详细的实施例中，运动传感器安装在至少部分地覆盖身体部位的表皮外部。在更详细的实施例中，运动传感器刚性地安装到身体部位。在更详细的实施例中，运动传感器的结构包括电阻器、芯片、电容器、电路板和电引线中的至少一个。在另一个更详细的实施例中，射线照相图像包括X光的。在又另一个更详细的实施例中，射线照相图像包括荧光透视图像。在仍另一个更详细的实施例中，自动地实行射线照相图像的校准。

[0008] 在第一方面的又另一个更详细的实施例中，射线照相图像的自动校准由运行软件程序的计算机实行。在又另一个更详细的实施例中，该方法进一步包括从运动传感器收集数据，该数据可以被用来确定作为时间的函数的运动传感器的方位和旋转中的至少一个。在更详细的实施例中，从运动传感器收集的数据是无线收集的。在仍更详细的实施例中，从运动传感器收集的数据是从连接到运动传感器的线收集的。在更详细的实施例中，从运动传感器收集的数据由电话、计算机、平板设备和便携式存储器中的至少一个收集。在更详细的实施例中，该方法进一步包括在三维空间中将运动传感器配准到身体部位的虚拟三维模型，并且将从运动传感器收集的数据作为身体部位的方位的函数进行关联，以创建身体部位的虚拟动态模型，该身体部位的虚拟动态模型可被重新定位以反映当身体部位在运动范围内被重新定位时该身体部位的实际方位。在另一个更详细的实施例中，该方法进一步包括使用多个射线照相图像构建运动传感器的虚拟三维模型。在又另一个更详细的实施例中，运动传感器的虚拟三维模型被集成到身体部位的虚拟三维模型中，以创建虚拟三维组合模型。在又另一个更详细的实施例中，该方法进一步包括将从运动传感器收集的数据作为身体部位的方位的函数进行关联，以向虚拟三维组合模型提供动态移动。

[0009] 在第一方面的更详细的实施例中，收集运动数据包括记录作为时间的函数的运动传感器的方位和旋转的改变中的至少一个。在又另一个更详细的实施例中，收集运动数据包括记录作为时间的函数的运动传感器的加速度改变。在更详细的实施例中，该方法进一步包括显示身体部位的虚拟三维模型，以实时反映实际身体部位的方位的改变。在仍更详细的实施例中，所收集的运动数据被加盖时间戳。

[0010] 是本发明的第二方面提供了一种用于跟踪身体部位的运动的系统，该系统包括：（a）运动传感器；（b）被配置成通信地耦合到运动传感器的处理器，该处理器通信地耦合到多个模块，这些模块包括：（i）数据接收模块，其被配置成记录由运动传感器生成的运动数据，数据接收模块和运动传感器中的至少一个对由运动传感器生成的运动数据加盖时间戳；（ii）射线照相图像处理模块，其被配置成标识跨多个射线照相图像可见的共同特征，以便校准多个射线照相图像；以及（iii）三维模型模块，其被配置成处理多个射线照相图像，并且创建在多个射线照相图像的至少一些中可查看的对象的虚拟三维模型。

[0011] 在第二方面的更详细的实施例中，运动传感器包括惯性测量单元。在又另一个更详细的实施例中，运动传感器包括多个加速度计。在更详细的实施例中，运动传感器包括多个磁力计。在仍更详细的实施例中，运动传感器包括多个陀螺仪。在更详细的实施例中，该系统进一步包括显示器，该显示器通信地耦合到处理器，并且可操作来显示虚拟三维模型。在更详细的实施例中，该系统进一步包括射线照相图像拍摄机。

[0012] 是本发明的第三方面是提供了一种提供外科手术导航的方法，该方法包括：（a）获得从多个优势角度在手术中拍摄的多个射线照相图像，该多个射线照相图像包括身体部位和至少一个图像目标；（b）在手术中将身体部位配准到导航系统；（c）计算身体部位在由导航系统使用的三维坐标系中的取向和方位中的至少一个；以及（d）显示有形物品的虚拟模型，该有形物品包括身体部位、外科手术器械和骨科植入物中的至少一个，其中显示虚拟模型包括实时改变虚拟模型的方位和取向中的至少一个，以与有形物品的方位和取向中的至少一个的改变相一致。

[0013] 在第三方面的更详细的实施例中，有形物品的虚拟模型包括与导航系统相关联的三维模型，并且配准步骤包括将身体部位的二维图像配准到三维模型。在又另一个更详细的实施例中，配准步骤包括从多个射线照相图像中标识身体部位的二维解剖界标，并且将那些二维解剖界标与同导航系统的虚拟三维模型相关联的三维界标配准。在更详细的实施例中，将二维解剖界标与三维解剖界标配准包括将三维界标投影到二维图像上。在仍更详细的实施例中，投影三维界标包括调节三维模型的姿态，使得所选二维界标之间的距离相对于对应的三维界标之间的距离被减小。在更详细的实施例中，配准步骤包括使用在仅单个方位和取向中正确地接合身体部位的患者特定的器械。在更详细的实施例中，患者特定的器械包括惯性测量单元。在另一个更详细的实施例中，患者特定的器械包括多个加速度计。在又另一个更详细的实施例中，患者特定的器械包括多个陀螺仪。在仍另一个更详细的实施例中，患者特定的器械包括多个磁力计。

[0014] 在第三方面的又另一个更详细的实施例中，该方法进一步包括从多个优势角度获得在手术前拍摄的包括身体部位的多个射线照相图像，并且从多个射线照相图像创建身体部位的虚拟三维模型。在又另一个更详细的实施例中，该方法进一步包括在创建虚拟三维模型之前校准在手术前拍摄的多个射线照相图像。在更详细的实施例中，该方法进一步包括使用虚拟三维模型来计划外科手术过程。在仍更详细的实施例中，该方法进一步包括从在运动范围内重新定位的身体部位收集运动数据，该身体部位具有安装到其的运动传感器。在更详细的实施例中，运动传感器包括惯性测量单元。在更详细的实施例中，惯性测量单元包括多个加速度计、多个陀螺仪和多个磁力计。在另一个更详细的实施例中，运动传感器非刚性地安装到身体部位。在又另一个更详细的实施例中，运动传感器安装在至少部分地覆盖身体部位的表皮外部。在仍另一个更详细的实施例中，运动传感器刚性地安装到身体部位。

[0015] 在第三方面的更详细的实施例中，多个射线照相图像包括多个X光图像。在又另一个更详细的实施例中，多个射线照相图像包括多个荧光透视图像。在更详细的实施例中，该方法进一步包括校准在手术中获得的多个射线照相图像。在仍更详细的实施例中，多个射线照相图像的校准由运行软件程序的计算机自动地实行。在更详细的实施例中，该方法进一步包括从运动传感器收集数据，该数据可以被用来确定作为时间的函数的运动传感器的方位和旋转中的至少一个。在更详细的实施例中，从运动传感器收集的数据是无线收集的。在另一个更详细的实施例中，从运动传感器收集的数据是从连接到运动传感器的线收集的。

[0016] 在第三方面的又另一个更详细的实施例中，从运动传感器收集的数据由电话、计算机、平板设备和便携式存储器中的至少一个收集。在又另一个更详细的实施例中，该方法进一步包括在三维空间中将运动传感器配准到身体部位的虚拟三维模型，并且将从运动传感器收集的数据作为身体部位的方位的函数进行关联，以创建身体部位的虚拟动态模型，该身体部位的虚拟动态模型可被重新定位以反映当身体部位在运动范围内被重新定位时该身体部位的实际方位。在更详细的实施例中，该方法进一步包括使用多个射线照相图像构建运动传感器的虚拟三维模型。在仍更详细的实施例中，该方法进一步包括使用多个射线照相图像构建运动传感器的虚拟三维模型。在更详细的实施例中，运动传感器的虚拟三维模型被集成到身体部位的虚拟三维模型中，以创建虚拟三维组合模型。在更详细的实施例中，该方法进一步包括将从运动传感器收集的数据作为身体部位的方位的函数进行关联，以向虚拟三维组合模型提供动态移动。在另一个更详细的实施例中，收集运动数据包括记录作为时间的函数的运动传感器的方位和旋转的改变中的至少一个。在又另一个更详细的实施例中，收集运动数据包括记录作为时间的函数的运动传感器的加速度改变。在仍另一个更详细的实施例中，所收集的运动数据被加盖时间戳。附图说明

[0017] 图1A是根据本公开的使用手术前X光或荧光透视的示例性髋部外科手术导航的示例性系统概述。

[0018] 图1B是根据本公开的使用手术中X光或荧光透视的示例性髋部外科手术导航的示例性系统概述。

[0019] 图2是根据本公开的使用跟踪传感器的利用手术中的实时基于图像的导航系统的基于图像的手术前计划的示例性系统概述。

[0020] 图3是根据本公开的基于图像的手术前计划加上基于手术中的实时图像的导航系统的示例性无传感器变化。

[0021] 图4是根据本公开的使用跟踪传感器的利用基于手术中的实时图像的导航系统的基于图像的手术中计划的示例性系统概述。

[0022] 图5是根据本公开的在没有重构的情况下，用于使用X光图像而没有实时跟踪系统的导航的示例性配置。

[0023] 图6是描绘了根据本公开的用于从X光的创建患者特定的三维骨盆和近端股骨模型的非刚性配准的示例性过程流程。

[0024] 图7是根据本公开的在不同视图中拍摄的骨盆X光图像上的特征检测的示例性描绘。

[0025] 图8是示出了仅使用根据本公开的骨盆X光图像上的基于网格的运动统计方法在不同视图中拍摄的多个2D图像之间的特征匹配的示例性描绘。

[0026] 图9是示出了使用根据本公开的骨盆X光图像上的基于网格的运动统计和向量场一致性方法的组合在不同视图中拍摄的多个2D图像之间的特征匹配的示例性描绘。

[0027] 图10是根据本公开的示例性骨盆模型的右Judet视图、AP视图和左Judet视图的DRR图像的示例性描绘。

[0028] 图11是根据本公开的示例性X光重构，其示出了针对变形突出显示的骨骼边界。

[0029] 图12是从右Judet视图、AP视图和左Judet视图的视角拍摄的骨盆的多个X光的示例性描绘。

[0030] 图13是示出了具有骨骼和附接传感器的X光图像的示例性描绘。

[0031] 图14是示出了在成像之前附接到患者的传感器以及包含传感器和患者关节信息二者的结果X光图像的示例性描绘。

[0032] 图15是根据本公开的用于从荧光透视重构患者解剖体和外科手术加界标的过程的示例性过程流程。

[0033] 图16是示出了根据本公开的几何校准网格在失真移除之前（左）和失真移除之后（右）的荧光透视图像的示例性描绘。

[0034] 图17是根据本公开的示例性姿态和形状参数优化过程流程。

[0035] 图18是示出了作为本公开的部分的输入空间距离与特征空间距离之间的关系的示例性描绘。

[0036] 图19是示出了骨盆和股骨3D虚拟模型上的解剖界标的自动计算的屏幕截图的示例性描绘。

[0037] 图20是示出了髋臼杯和股骨柄在骨盆和股骨3D虚拟模型上的计划放置的屏幕截图的示例性描绘。

[0038] 图21是描绘了髋臼杯相对于骨盆3D虚拟模型的通用制模的屏幕截图。

[0039] 图22是部分屏幕截图，其描绘了通过髓内管几何结构对柄和股骨测量进行通用制模，以评估被用来计算最佳植入物直径、颈部角度和头部偏移的不同植入物位置。

[0040] 图23是根据本公开的展示动态计划信息的软件的示例性屏幕截图，该动态计划信息包括在活动的不同阶段期间的韧带张力以及植入物的接触图。

[0041] 图24是描绘了根据本公开的二维至三维配准的示例性过程流程图。

[0042] 图25A是根据本公开的用于将三维模型配准到二维X光或荧光透视图像的示例性软件用户界面的屏幕截图，其中用户选择图像上对应于解剖界标的一组界标。

[0043] 图25B是根据本公开的用于将三维模型配准到二维X光或荧光透视图像的示例性软件用户界面的屏幕截图，其中界标被用于第一遍优化，该第一遍优化输出导致投影界标与所选界标之间的最小距离的姿态。

[0044] 图25C是用于将三维模型配准到二维X光或荧光透视图像的示例性软件用户界面的屏幕截图，其中进一步优化（在界标优化的输出姿态处被初始化，其基于3D模型和2D图像的投影图像来最小化成本函数）导致三维模型到二维图像的最终姿态。

[0045] 图26是髋部/骨盆的示例性射线照相图像。

[0046] 图27是根据本公开的配准到图26的图像的三维骨骼模型。

[0047] 图28是用于手术中成像的设置A的示例性描绘，其中关节（在这种情况下是髋关节）的每个骨骼经由固定设备附接到跟踪设备，其中每个跟踪设备可以包括附接或嵌入其中的四个或更多个不透射线（radio opaque）的特征。

[0048] 图29是用于手术中成像的设置B的示例性描绘，其中关节（在这种情况下是髋关节）的每个骨骼经由固定设备（在这种情况下是骨钉）附接到跟踪设备，并且附加的跟踪设备附件可以附接在跟踪设备与固定设备之间，其中附件和跟踪设备均具有附接或嵌入其中的四个或更多个不透射线的特征部。

[0049] 图30是示出了骨盆、跟踪设备、固定设备和嵌入跟踪设备中的四个不透射线的特征部的示例性射线照相图像（例如，荧光透视）。

[0050] 图31是示出了根据本公开的具有被固定到患者骨盆的嵌入其中的多个不透射线的特征部的跟踪设备/传感器、固定设备（基准组装件）以及配准/图像目标的示例性安装。

[0051] 图32示出了根据本公开的利用（A）安装到骨盆的图像目标拍摄的示例性X光图像，以及（B）示出了叠加到X光图像上的图像目标的虚拟模型。

[0052] 图33示出了（a）用于配准通过X光图像刚性地附接到解剖体的跟踪设备/传感器的成像目标，以及（b）示出了解剖体以及安装到其的与X光图像匹配的跟踪设备/传感器的3D虚拟模型。

[0053] 图34描绘了根据本公开的示例性图像目标。

[0054] 图35描绘了图34的图像目标的多个视图。

[0055] 图36描绘了示例性基准组装件的多个视图，该基准组装件包括安装到基准件和跟踪设备/传感器的图34的图像目标。

[0056] 图37描绘了具有和不具有安装到其的骨钉的图36的示例性基准组装件。

[0057] 图38描绘了安装到骨盆的虚拟模型（左）以及经由前后视图中的X光图像安装到实际骨盆（右）的图36的示例性基准组装件。

[0058] 图39描绘了安装到骨盆的虚拟模型（左）以及经由Judet视图中的X光图像安装到实际骨盆（右）的图36的示例性基准组装件。

[0059] 图40是根据本公开的髋部的示例性虚拟3D关节模型，其示出了可以允许3D-2D配准和传感器导航的分别安装到骨盆和股骨二者的图36的多个示例性基准组装件。

[0060] 图41是示出了系统使用射线照相图像q1中的基准标记通过图像目标建立跟踪设备q0的真实世界坐标与图像坐标之间的关系的示例性描绘。

[0061] 图42图示了根据本公开的配准过程的示例性图形视图。

[0062] 图43图示了根据本公开的用于执行示例性配准过程的示例性过程流程。

[0063] 图44A图示了以预定方位和取向安装到患者解剖体的PAM基准组装件，其可以被用来配准图像和模型数据以及便于实时外科手术导航。

[0064] 图44B图示了实时导航系统坐标（TN）系与校准目标坐标系（TC）之间的示例性校准矩阵。

[0065] 图45是根据本公开的可以被用于外科手术过程来验证植入物的放置方位的射线照相成像系统的图形描绘。

[0066] 图46是根据本公开的示例性外科手术指导显示的屏幕截图，其描绘了患者解剖体（在这种情况下是髋部）的3D虚拟模型以及外科医生将髋臼杯植入物放置成与手术前计划相一致所应当遵循的意图取向，其中在靶心图示中示出了与意图取向的偏差，以将任何偏差带回到意图取向。

[0067] 图47是示出了如下内容的描绘：由于植入物信息对于外科手术指导软件是已知的，因此它可以使用相同植入物的3D CAD模型，以实行3D模型到2D图像配准，使得一旦3D到2D图像配准完成，则可以基于3D到2D模型的相对取向差来确定取向度量，该取向度量诸如组合的前倾角和外展角。

[0068] 图48是反映了如下内容的图形描绘：诸如腿部长度之类的空间测量结果可以从配准的3D模型来测量以获得3D测量结果，与射线照相图像上的直接2D测量结果相比，这可以消除来自2D平面图像的临床测量结果的模糊性。

[0069] 图49是描绘了在不使用骨科植入物CAD模型的情况下检测杯和柄取向的过程的示例性流程图。

[0070] 图50是示出了根据本公开的示例性实施例的RPO Judet视图的示例性射线照相图像，其示出了图像目标相对于患者解剖体（骨盆）的放置。

[0071] 图51A是示出了根据本公开的示例性实施例的AP视图的示例性射线照相图像，其示出了图像目标相对于患者解剖体（骨盆）的放置。

[0072] 图51B是示出了根据本公开的示例性实施例的LPO Judet视图的示例性射线照相图像，其示出了图像目标相对于患者解剖体（骨盆）的放置。

[0073] 图52是根据本公开的用于自动提取立体校准矩阵的示例性流程图。

[0074] 图53是一系列射线照相图像，其示出了自动地检测在射线照相图像中可见的不透射线珠子的计算机程序的初始产品。

[0075] 图54是来自根据本公开的示例性计算机程序的屏幕截图，其示出了多个射线照相图像和图像中出现的校准目标的自动姿态估计的结果。

[0076] 图55是描绘了根据本公开的用于从“n”个二维立体图像中对三维加界标进行标识的示例性过程的示例性流程图。

[0077] 图56是已经从骨盆的AP射线照相图像提取的反应了骨盆的解剖表面边缘检测的示例性图形描绘。

[0078] 图57是根据本公开的用于从二维立体图像生成三维界标的示例性用户界面的图形界面视图。

[0079] 图58是从示出了骨盆的虚拟3D模型的多个视图并且反映了骨科杯的植入的用户界面拍摄的示例性屏幕截图，其中使用从手术中立体图像提取的3D界标将用户界面用于手术中外科手术计划。

[0080] 图59是示例性过程的流程图，该示例性过程利用跨外科手术护理阶段的动态数据来创建患者特定的植入物和器械、放置植入物并且在手术后监测性能。

[0081] 图60是描绘了从动态图像数据创建解剖信息的示例性过程的流程图。

[0082] 图61是描绘了利用混合分类器的初始化的示图。

[0083] 图62是描绘了应用于膝关节的KPCA模型变化的示图。

[0084] 图63是描绘了用于姿态和形状参数优化的过程的示图。

[0085] 图64是描绘了输入空间距离与特征空间距离之间的关系的示图。

[0086] 图65包括来自X光荧光透视的肩部和髋部重构的示例性图像。

[0087] 图66是描绘了几何空间如何通过提取关注体积（VOI）作为可能存在部位模板的体积来首先被分解的示图。

[0088] 图67是描绘了如何通过检测来确定关注体积（VoI）的示图。

[0089] 图68是描绘了对使用统计形状变形的一个替代方案的示图，该替代方案要直接标识图像上的特征，并且使用所谓的与或（And-Or）树进行形状标识和变形。

[0090] 图69是将股骨解剖体分解成图元形状的一系列计算机生成的图示。

[0091] 图70是示出了已经从成像数据提取的韧带位置的骨骼模型。

[0092] 图71是描绘了膝深弯曲的胫骨和股骨的接触图的示图。

[0093] 图72是描绘了如何利用静态数据和荧光透视数据来联结运动学特性（kinematics）和形态学特性（morphology）的示图。

[0094] 图73是示出了作为动态图像拍摄的部分的相对软骨厚度的两个远端股骨的图。

[0095] 图74是用于从动态数据来估计软骨厚度的流程图。

[0096] 图75是针对远端股骨和近端胫骨的韧带轨迹（loci）概率图。

[0097] 图76是映射了所预测的软骨损失量的一对远端股骨模型。

[0098] 图77是用于创建和使用运动学训练网络来标识运动学模式的过程流程图。

[0099] 图78是示出了内侧塌陷的膝关节骨骼模型。

[0100] 图79是示出了对韧带长度的改变和正常关节对准的估计的膝关节骨骼模型。

[0101] 图80是用于使用远端固定的自动股骨柄放置的示例性过程示图。

[0102] 图81是用于使用压配合（press fit）和三次接触的自动股骨柄放置的示例性过程示图。

具体实施方式

[0103] 下面描述和图示了本公开的示例性实施例，以涵盖示例性外科手术导航方法以及对应的设备和系统。当然，对于本领域的普通技术人员而言将明显的是，下面讨论的实施例本质上是示例性的，并且可以在不脱离本发明的范围和精神的情况下被重新配置。然而，为了清楚和精确，下面讨论的示例性实施例可以包括可选的步骤、方法和特征，普通技术人员应当意识到这些步骤、方法和特征不是落入本发明范围内的必要条件。

[0104] 如本文中所述，示例性系统包括将手术中荧光透视和/或X光与被跟踪的器械进行组合以用于实时导航的混合系统。参见图1。该系统可以利用如下文详细概述的若干个变化之一。对于以下配置中的每一个，可以用数字平面放射照相来替代手术中荧光透视。

[0105] 图2概述了利用实时跟踪系统和2D成像的示例性导航配置的示例性工作流程。所概述的导航系统配置可能需要手术前成像，以用于从一个或多个射线照相图像创建骨盆和/或股骨的3D表面，这在手术前重构模块中实行。与3D模型相关联的是解剖界标，该解剖界标限定了解剖大小和（一个或多个）参考坐标系。然后，3D解剖模型可以被输入到手术前外科手术计划模块中，其中髋臼和/或股骨置换部件被虚拟地定位在该手术前外科手术计划模块中。在手术中，将包括按已知取向分布的不透射线的特征部的第一基准IMU/方位传感器组装件（传感器、图像目标和基准件）附接到被导航的患者骨盆或股骨；将第二IMU/方位传感器附接到被跟踪的工具。可以获取并且调节单个2D X光或荧光透视图像，以校正任何图像失真。每个手术中图像最少包含被导航的解剖体以及基准传感器组装件的一部分。图像无线地或经由一些其他合适的数据传递方法传输到计算机/平板设备。运行在计算机上的导航软件模块使用诸如（一个或多个）图像、（一个或多个）3D解剖模型和相关信息之类的输入，该相关信息诸如外科手术计划、植入模板、解剖界标或与该过程有关的任何其他数据。然后，软件可以实行第一3D到2D配准，以将3D解剖体与图像对准。实现这一点的一种方式是首先经由基于界标的配准来初始化3D到2D配准过程，其中通过调节3D骨骼的姿态来将
3D解剖体上的3D解剖界标配准到图像上的对应2D界标，使得图像上的所选2D界标与投影到
2D图像上之后的3D界标的位置之间的距离最小化。可以实行第二配准步骤，其中来自图像的信息（检测到的边缘、轮廓、区域、梯度和/或纹理信息）被用来进一步调节3D模型的3D方位和取向，使得基于投影与图像信息之间的最小误差或最大相关性来优化模型到图像平面上的投影。在一个示例性实施例中，可以通过首先检测图像中的边缘、然后对边缘图的图像实行行距离变换来计算图像信息。然后，在优化步骤中使用的成本函数可以通过在当前方位和取向（“姿态”）处创建3D模型的屏幕外投影来从该图像计算边缘和梯度信息。然后，评分函数可以作为两个图像的逐像素的积之和加上两个梯度方向（获取的图像的梯度方向和投影的图像的梯度方向）之间的逐像素的点积的绝对值之和进行计算。第一基准传感器组装件可以通过组装件的不透射线的特征部与2D图像的配准而配准到患者解剖体。该配准允许患者手术前坐标框架与手术中成像坐标框架以及跟踪传感器坐标框架的合并。在完成某些步骤时，可以通过参照患者解剖体对器械进行跟踪来实现实时的手术中指导，从而实现所期望的外科手术目标。在放置试验和/或最终植入物时，可以拍摄（一个或多个）附加的X光或荧光透视图像，以经由解剖体到图像以及部件到图像的又另一配准步骤来测量最终植入物的放置、腿部偏移和腿部长度。此外，距离测量设备可以被用来捕获基准传感器与器械传感器之间的距离，然后可以利用该距离来捕获两个传感器之间的相对平移。

[0106] 图3描述了先前配置的示例性变化，其中传感器可以由包含解剖体和植入物的静态X光或荧光透视成像替代。植入物的方位和取向通过另一个3D到2D配准过程被配准到图像，尽管可以通过将3D植入物相对于已经配准的（一个或多个）3D解剖模型而在默认或计划的方位和取向上对准来进行初始化。假设该初始化接近最终方位，并且因此包括足够的初始猜测。一旦植入（或试验）部件被配准，则该部件的取向和方位就可以在3D坐标系中计算并且在屏幕上被报告给操作者。可以对虚拟3D植入物进行调节，并且该调节可以被投影到2D图像上，以在被正确放置的情况下提供与预期的图像内容有关的反馈。该软件还可以建议替代的定大小（sizing）和定位，以允许产生最小偏移和腿部长度差异的配置。如果股骨和髋臼植入物二者已经被放置，并且3D模型已经被配准到包含两个部件的图像，则可以计算最终部件取向和定位。

[0107] 在总体系统的又另一个示例性配置中，利用基于图像的实时手术中导航系统，而无需手术前成像或计划。图4概述了该示例性配置的工作流程。在手术中，将具有按已知配置分布的不透射线的特征部的基准IMU传感器组装件附接到被导航的患者骨盆或股骨。将附加的IMU传感器附接到被跟踪的工具。获取骨盆和股骨解剖体的一个或多个X射线/荧光透视图像。每个图像应当包含被导航的解剖体之一以及用于配准的至少足够部分的基准传感器组装件。例如，AP、judet RPO和/或judet LPO可以是适当的图像。这些图像可以无线地或经由任何存储介质（诸如USB或任何其他合适的数据传递方法）传输到计算机。导航软件模块使用图像并且通过如下内容来处理这些图像以计算这些图像中的每一个之间的校准：经由组装件到这些图像中的每一个的3D到2D配准来提取被刚性固定的基准组装件的相对取向和方位，该被刚性固定的基准组装件在每个获取的截图（shot）中包含不透射线的特征部。在每个图像上，可以通过自动化或半自动化过程来标识一个或多个解剖界标。根据该组校准的图像和定位的界标，多视图相机几何原理可以被用于为在2个或更多个图像中所标识的每一个界标创建3D坐标。例如，对于骨盆界标，可以包括右侧和左侧的前上Illiac脊柱、右侧和左侧的耻骨结节点，并且对于股骨，计算了股骨头中心和股骨IM管的中心。然后利用界标来计算被用于计划外科手术过程的（一个或多个）3D外科手术坐标系。例如，针对骨盆的前骨盆平面以及针对股骨的解剖轴线和股骨颈轴线。然后利用那些外科手术轴线以用于植入物放置的测量以及髋臼杯和股骨柄的定大小。基准传感器的取向经由其相对于基准组装件的基准标记的已知方位和取向被配准到所生成的界标和外科手术轴线。在完成此步骤时，可以通过相对于患者解剖体对器械进行跟踪来实现实时手术中指导，以使得能够根据定义的外科手术目标来放置部件。对器械进行跟踪由第二IMU实行，该第二IMU附接到在正被用于外科手术过程中时的每个器械。附加的（尽管是可选的）荧光透视图像可以在放置试验和最终植入物时进行捕获，以测量最终植入物的放置、腿部偏移和腿部长度。此外，距离测量设备可以被用来捕获基准传感器与器械传感器之间的距离，然后可以利用该距离来捕获两个传感器之间的相对平移。

[0108] 在以下的示例性配置中，具有传感器的实时跟踪系统可以被省略，如可以在手术前成像那样。在该配置中，利用手术中成像来获得与部件方位和取向有关的反馈。使用这里针对全部配置公开的方法来实行骨骼、图像目标和部件至每一个捕获的图像的配准，以及从图像的对骨骼解剖体和/或界标的重构。图5描述了此示例性配置中的步骤。如下文详细描述的那样，植入物的方位和取向通过配准过程被配准到图像。可以通过将3D植入物相对于已经配准的（一个或多个）3D界标而在默认的方位和取向上对准来进行植入物配准的自动初始化。一旦植入（或试验）部件被配准到获取的图像和患者解剖体和/或界标，则部件的取向和方位就可以在3D坐标系中计算并且在屏幕上被报告给操作者。可以对虚拟3D植入物进行调节，并且该调节可以被投影到2D图像上，以在被正确放置的情况下提供与预期的图像内容有关的反馈。导航软件模块还可以建议替代的定大小和定位，以允许产生最小偏移和腿部长度差异的配置。如果股骨和髋臼植入物二者已经被放置，并且3D模型已经被配准到包含两个部件的图像，则可以计算最终部件取向和定位。

[0109] I. 手术前成像示例性配置的示例性步骤可以包括实行对患者关节的成像和对用于虚拟外科手术计划的3D模型的创建。除了利用静态成像模态（诸如X光、CT和/或MRI）来创建患者解剖模型的传统成像方法之外，该示例性公开可以结合附加的技术来创建患者骨骼以及关节运动。在一个示例性实施例中，一个或多个X光图像可以被用来创建3D患者特定的解剖模型，以用于加界标和测量。同时，一个或多个跟踪传感器可以固定到患者，并且与捕获的图像相结合地使用，以获得关节运动数据。下文将此进行更详细的概述。在另一个示例性实施例中，如果没有可用的传感器，则可以在多个活动期间使用X光或荧光透视对患者解剖体进行成像。可以利用所记录的活动图像来建立与运动学数据相耦合的3D患者模型，该3D患者模型然后可以被用于加界标以及进行动态和/或静态外科手术计划。在另一个示例性实施例中，超声波可以被用来创建患者的骨骼模型，以用于加界标和测量。

[0110] A.关节的X光重构从多个X光图像对解剖模型进行3D重构或非刚性配准（如图6中所示）在理解患者关节方面扮演了重要角色。然而，在现有的从多视图X光图像进行3D重构的方法中的中心问题在于以下约束：利用不同类型的标记或支架（brace）作为校准目标来拍摄X光图像，以便改进关于估计图像对（image pair）的相对方位和取向的校准准确性。然而，这样的校准方案的主要限制是它仅能够处理包括特定校准目标的立体射线照相图像。为了潜在地解决上述问题，公开了一种不需要校准目标的实践方法，以用于基于来自不同视图中的一个或多个相同对象的X光图像的特征对应关系来估计核线（epipolar line）。

[0111] 两个图像之间的对极几何是内在投影几何，该内在投影几何最常通过在给定一个图像中的一组像素的情况下在另一个图像中找到对应的像素来确定。它可以通过计算描述图像对中的对应像素之间的投影变换的基本矩阵来确定。为了估计图像对之间的核线，所采用的是特征对应关系，该特征对应关系涉及在不同视图中获取的两个图像中找到相同场景点的投影。然而，匹配双平面X光图像中的对应像素或特征是尤其具有挑战性的问题，因为对应的信息可能出现在每个图像的不同区域和形状中。为此，可以建立跨多视图X光图像的混合特征对应关系。

[0112] 特征对应关系的示例性实施例可以由以下各项构成：（1）特征检测，（2）特征描述，和（3）特征匹配。X光输入上的一组有区别的特征可以被表示为点、边缘、线、补片或在它们的任何混合物上表示。在一个示例实施例中，特征点可以被用来在不同图像中找到对应位置的稀疏集合，作为用于计算一对两个输入图像之间的投影变换的先决条件。用于逐像素检测的特征点可以一次利用在逐像素检测实行之处的较大对比度改变和在显著不同的取向中的梯度来考虑输入图像的一个位置中的像素。为了在两个图像中找到一组对应的点特征，与2D图像域中的方位（x，y）相关联的每一个特征点可以被描述为表示输入图像中的特征点的方位周围的局部外观和空间关系的特征向量。该特征向量被称为特征描述。为了估计图像对之间的基本矩阵，基准中的一组特征点与目标中的另一组特征点匹配，连同在特征向量的比较期间标识真匹配和假匹配。

[0113] 在双平面X光图像中，特征检测可以被用作确定特征对应关系的主要过程，以提取在图像中表示的突出特征，诸如点、边缘、线条、补片或在它们的任何混合物上表示。图像中与特征的局部突出信息直接有关的纹理对于高效地实行特征对应关系而言是关键的。然而，由于局部突出信息的缺乏，X光图像中的最小纹理化骨骼结构上的特征对应关系可能遭受其在未纹理化区域上的性能的可重复性和稳定性降低的影响。在检测目标图像中的角点以可能地解决未纹理化对象中的具有挑战性的问题中，角检测方案可以提供用以检测具有未纹理化骨骼结构的X光图像上的一组高度有区别的特征点的能力。考虑到尺度不变性，可以采用在图像的多个尺度上进行角点检测。参考图7，特征检测的示例性方法可以包括对以下步骤中的一些或全部步骤的实行：（1）经由现有的角点检测方案来提取角点；（2）通过测量每个点的角性（cornerness）来过滤边缘上检测到的角点；以及（3）在图像的尺度金字塔的每个水平处重复先前的步骤（1）和（2）。一旦在图像中的全部像素当中检测到突出的角点，则每个检测到的角点在其位置周围的局部信息就可以被编码到向量，其中局部信息可以被表征为突出的视觉模式、取向或在它们的任何混合物上表征。为了匹配图像对中的对应角点，该方法可以包括使用基于网格的运动统计和向量场一致性方案来实行混合特征对应关系，其中采用向量场一致性方案来移除来自基于网格的运动统计方案的匹配结果中的离群值。图8示出了经由基于网格的运动统计方案进行特征匹配的结果。尤其在图8的突出显示区域中仍然存在大量错误对应关系或离群值。通过移除错误匹配，可以获得可比较的结果。

[0114] 如图9中所示，混合特征对应关系方法可以提供用以改进估计图像对中的核线的准确性的能力。出于该原因，特征匹配的示例性方法可以采用离群值移除方法来进行更好的核线估计。更具体地，与如图8中所示的基于网格的运动统计方案的结果相比，混合特征对应关系方法降低了离群值的数目。此混合对应关系方法可以提供用以改进估计图像对中的核线的准确性的能力。

[0115] 从本文中描述的混合对应关系获得的真实匹配或内围值可以被用来计算基本矩阵，可以使用随机样本一致性（RANSAC）方案来估计该基本矩阵，在随机样本一致性（RANSAC）方案中，建立了8个匹配的迭代随机选择。在RANSAC方案的每个选择中，基本矩阵被估计并且通过考虑候选匹配的子集的势（cardinality）来评估其准确性。一旦找到了基本矩阵的最佳正确解，就可以使用基本矩阵的基本属性来确定核线（考虑到内部相机参数的知识），该基本矩阵的基本属性关于如果两个图像中的任何一对点x和相对应，则位于与点x相对应的核线上，其中F表示基本矩阵。如下所述，可以通过使用在世界点与其在图像平面上的投影之间的几何关系，采用这些核线来重构骨骼结构的3D模型。

[0116] 计算特征点和X光视图之间对应关系的替代示例性方法可以利用与正被成像的解剖体和解剖体的预期图像属性有关的先验信息。该替代示例性方法使用统计形状模型，跨被并入该模型中的全部解剖样本具有点对应关系。对于具有对应的CT图像的每个形状模型，可以在多个已知视图处模拟数字重构的射线照片（DRR）。每个DRR是具有已知相机参数的患者解剖体的模拟X光图像。对于每个DRR，具有与统计形状模型的点对应关系的患者解剖体相对于图像平面的方位也是已知的。对于每个视图，可以通过确定顶点在DRR图像上的位置并且在投影的图像坐标处计算所期望的特征信息来计算对于解剖模型上的每个顶点的特征描述。通过跟踪来自相机原点、通过形状顶点并且到图像平面上的线条来确定投影的图像坐标。现在，对于每个DRR图像，该过程为解剖模型上的每个顶点生成图像上的特征描述。因此，对于每个数据集（CT+解剖模型），生成多个DRR，从而模拟在办公室中重构期间要被获取的预期图像（参见图10）。现在，对于每个姿态——例如，AP、右Judet、左Judet——可以计算针对解剖体上的每个顶点处的特征描述符的分布的统计数据。在确定真实世界图像中的点对应关系的过程中，这些统计数据可以被用作先验信息。应当注意到，特征描述符和计算它们的方法对于计算机视觉领域的技术人员而言是已知的，并且一个或多个合适的描述符可以部署在该过程中。为了使用该数据，当获取了新的X光图像时，记录它们的捕获方位（AP、右Judet、左Judet或类似方位），并且可以从先验数据加载适当的特征统计数据。从图像数据计算新图像中的特征并且将该特征与先验数据集进行比较。在该步骤中，在给定如从图像计算的特征点描述符的情况下，基于对于每个表面点的先验概率的计算，向每个检测到的特征点指派属于解剖表面的成对可能性。对于每个图像，在给定特征描述符的情况下，特征点被指派给具有最高隶属度（membership）可能性的表面顶点。可以采用模糊方法或类似的统计隶属度。现在可以通过匹配属于同一表面顶点的特征点来找到图像点之间的对应关系。可以容易地看到对应关系计算的替代方法，诸如通过使用如在先验数据中确定的已知差异，在给定一个图像中的特征点的情况下，预测另一个图像中的特征点。另一个替代方案是要利用机器学习框架中的先验数据来训练神经网络，以标识跨多个X光图像的匹配特征点。现在，可以使用RANSAC或者相机几何领域中的技术人员熟悉的类似的鲁棒方法来过滤错误的对应关系。

[0117] 在实行图像校准之后，重构过程估计患者的骨骼在不同图像视图中的3D姿态。这可以通过使用与先前所述的相同或类似的先验数据自动地选择表示图像数据集上的3D解剖界标的投影的预定义的2D点集来完成。在来自图像数据集的至少两个图像上标识各种解剖界标投影点。然后，两个图像上的对应点可以被用来使用先前计算的两个图像之间的基本矩阵来计算三维中的3D界标。然后，来自统计骨骼图集的骨骼模型列表可以被对准到计算的3D界标，因此在患者空间中配准它们。此后，可以选择模板骨骼模型来发起重构过程。考虑到在不同图像中提取的患者的骨骼姿态，则可以创建被用来捕获图像数据集的放射性场景的图形3D模拟。X射线源可以由透视相机表示，从而模拟放射性射束发散，并且X射线源可以被放置在图像到投影平面的焦距距离处。在相机的视场内，可以将图集骨骼模型单独放置在图像的所提取3D骨骼姿态处，并且可以合成骨骼投影图像。然后可以将合成的骨骼轮廓与射线照相图像的轮廓进行比较。可以选择产生距离放射性患者骨骼轮廓最近的合成的骨骼轮廓的图集骨骼模型作为初始的重构模板。

[0118] 所选骨骼模板可以变形以更好地表示患者解剖体。在模拟的放射性场景中，放射性图像可以放置在投影平面上，并且射线可以在X射线源位置与放射性骨骼轮廓点之间生成。然后，可以基于模板点的距离阈值d和对射线的法线角度阈值（90–α），为每个图像射线选择模板骨骼点。可以通过在垂直于模型表面的方向上移动所选点来计算目标3D拟合点。所移动的距离可以是射线与射线的最接近模板顶点之间的距离。然后可以变换模板模型，使得模板的所选点与其对应的3D目标点之间的距离可以被最小化。在那之后，可以通过优化骨骼图集的主成分值而使模板变形，以使模板的所选点与其对应的3D目标点之间的距离最小化。可以使用任何直接或启发式的搜索算法来完成优化。可以针对预定次数的迭代，或者在没有更显著的形状变形发生时重复该过程。距离d和角度α的值可以从针对粗略变形的较大值开始，然后可以针对随着每次迭代进行的微调而线性地减小。

[0119] 替代地，可以使用先前描述的DRR数据创建机器学习框架。在该框架中，可以从图像数据和初始姿态预测所重构的骨骼的预期主成分。在该框架中，可以使用DRR图像和姿态作为输入以及对应的解剖模型的主成分来训练被适当结构化的神经网络。通过生成多个训练集并且使用这些训练集来训练足够深的神经网络，经训练的网络可以被用来预测新呈现的经校准的X光图像中的初始化的骨骼模型的形状（参见图12）。

[0120] B.利用静态X光和运动传感器的动态成像在该示例性实施例中，患者可以佩戴输出传感器的旋转和/或方位的诸如IMU之类的一个或多个运动感测单元，该运动感测单元包括一个或多个加速度计、陀螺仪和/或磁力计。
传感器可以将该数据无线流式传输到处理设备（电话、平板设备、PC或类似设备）。然后可以捕获X光，其中每个X光图像包含患者解剖体的一部分和至少一个IMU传感器。这些传感器可以使用包裹或柔性带或任何其他附接手段（包括但不限于粘合剂）被外部地固定。在成像期间，传感器和骨骼被捕获并且在多个图像中是可见的。然后，可以通过在成像的IMU传感器上找到与IMU板设计上的已知点相对应的点来实行图像序列的校准。可以自动地实行对应点和区域的确定。如图13中所示，图像中的这些点可以对应于电路板上的部件，诸如可以是在一个或多个X光图像中以及在电路板上可被清楚地标识的电阻器、电容器、芯片、布线（routing）或任何其他特征。使用用于校准的传感器，可以使用本文中概述的X光重构方法或者可以是对象重构和非刚性配准领域中的技术人员熟悉的任何其他方法来重构骨骼。经重构的骨骼表面连同图像中的经配准的传感器可以被用来初始化运动捕获会话，该运动捕获会话由至少一个骨骼和传感器组成，该运动捕获会话已经经由骨骼的X光重构以及传感器与被用于重构的（一个或多个）相同图像的配准而在3D空间中被配准，因此提供了使（一个或多个）传感器与（一个或多个）骨骼有关的信息。使用该相对信息，传感器数据现在可以直接与骨骼数据有关。这样，静态X光图像可以被用来初始化基于传感器的运动捕获系统，并且被用于捕获3D关节的动态信息中。在图14中图示了该示例性过程。在该示例性过程中，X光和传感器数据可以被一起用来创建动态成像数据。可以以与本文中概述的荧光透视动态数据类似的方式利用该数据。在运动捕获会话被初始化之后，可以实行关节运动活动。在每个活动期间，来自每个传感器的取向数据被中继到处理设备并且被记录。处理设备可以提供正在实行的运动的某个视觉指示，诸如使用传感器数据确定的骨骼模型在其相应方位中的更新的3D渲染。在这里，动态数据涵盖至少一个骨骼模型、传感器模型、它们的相对方位和取向，以及在至少一个活动期间与骨骼运动有关的被加盖时间戳的数据（四元数、刚性变换或如取决于传感器能力的任何其他数据）。

[0121] C.荧光透视重构重构的总体结构可以包括四个部分中的一个或多个，如图15中所示：（A）图像处理，其从荧光透视图像提取特征；（B）初始化，其使用结合了k近邻（KNN）和支持向量机（SVM）的混合分类器来估计3D模型的初始姿态（可以使用其他机器学习技术来训练和分类图像）；（c）优化，其通过最大化2D X光荧光透视与经重构的3D表面网格模型之间的相似性度量来确定
3D模型的最佳姿态和形状（相似性度量被设计为包括边缘评分、区域评分、同质性评分和多体配准评分的新颖能量函数）；以及（D）3D形状分析，其利用非线性统计形状模型命名的核主成分分析（KPCA）来表示3D表面网格模型的训练数据集。

[0122] 从动态荧光透视图像数据创建解剖信息开始于荧光透视图像获取。作为该图像获取的部分，可以在任何数量的方位处观察主体/患者，这些方位可以包括膝深弯曲和相对的步态端点。在图像获取后，可以执行图像处理子步骤。

[0123] 作为图像处理子步骤的部分，使用校准目标，人们可以估计失真并且将其从后续图像移除。该过程中的示例性步骤可以包括估计任何2D图像的几何失真。通过对已知的金属珠子矩形网格拍摄X光，人们可以估计对于由四个珠子限界的每个小正方形子图像的2D空间变换。使用几何失真移除方面的标准技术，可以使用局部双线性模型来对空间映射以及灰度插值进行建模。一旦已移除了2D失真，则可以通过在平面之间具有已知位移的双平面校准网格来计算有效的源到像平面距离（焦距）。

[0124] 图16图示了几何失真移除之前和之后的几何校准网格的荧光透视图像。作为该子步骤的部分，人们可以计算针对每组四个网格点的双线性变换，该双线性变换将左图像中珠子的图像方位变换为右侧中规则间隔的网格位置。清楚地，校准过程移除了枕形失真，使得网格点沿直线定位。

[0125] 在图像处理后，可以实行初始化子步骤来确定均值模型的初始姿态。如图59中所示，该初始化可以基于将k近邻和支持向量机进行组合的混合分类器。

[0126] 如图60中描绘的，已经开发了两种主要的重构方法，以用于从荧光透视图像建立3D患者解剖体。第一种方法（方法1）包括顺序的形状和姿态估计，而第二种方法（方法2）包括使用与或树（AoT）的重构。下面对这些模型中的每一个进行更详细的讨论。

[0127] 顺序的形状和姿态估计3D重构可以基于非线性统计形状模型，即核主成分分析（KPCA）。通过将训练数据投影到高维核空间上，3D模型的形状可以由形状参数的向量来表示，如图62中所示。作为该方法的部分，可以执行优化过程，其中优化从单平面荧光透视X光图像的序列确定3D模型的形状和姿态参数，如图63中所示。优化可以基于新颖的能量函数，该新颖的能量函数将边缘、区域、同质性和多体配准评分进行组合以测量3D模型与2D X光图像之间的相似性，如表1中所示。混合能量函数既不需要耗时的DRR生成，也不需要易于出错的2D分割。

[0128] 此后，可以通过前图像近似来重构3D模型，这是因为输入与特征空间点之间的映射不一定是已知的。基于输入空间中的距离约束来重构对应测试点的前图像是优选的。这可以通过建立输入空间距离与特征空间距离之间的关系来实现，如图64中所示。

[0129] 替代地，如图65中描绘的，可以利用AOT技术来实行重构。最初，通过提取关注体积（VOI）作为其中可能存在部位模板的体积来分解几何空间。每个VOI可以被进一步划分成一组重叠的子体积，这些子体积可以被用作放置部位模板的限界体积。子体积的示例被示出在图65左侧上的节点上。可以通过对体积进行分区并且由与或节点对对分区进行表示来递归地生成“与或树”。“或节点”可以连接到把被此“或节点”表示的体积切开成两个子体积的全部“与节点”。“或节点”也可以连接到两组叶节点，其中在每个节点上，通过刻写体积或者在垂直于深度方向的表面上刻写来放置表面。每个“与节点”可以连接两个或更多个节点，其中每个节点表示占据当前子体积的两个较小的子体积之一。该树从表示关注体积（VoI）的根“或节点”开始，并且保持增长，直到子体积被划分至大小限制为止。使用表面作为限界框，可以进一步限定部位模板的外观。每个部位模板的可能外观也可以由“与或树”表示，其中“与”表示合成，而“或”表示变形。“与节点”的层可以将部位模板分解成曲线区段。这些曲线可以投影到图像平面上。3D对象模板可以被转换成由活动曲线组成的2D对象模板，该2D对象模板可以类似于图像平面中的对象外观。变形的活动曲线然后可以作为重构的3D模型而被往回投影到对象空间中。

[0130] 如图66中所示，通过检测来确定关注体积（VoI）。可以通过优化信息增益来从不同的已知姿态中学习通用模型的形状。然后，模板可以被投影到2D图像平面上作为活动轮廓，该活动轮廓在图像平面中变形。外观“与或树”的叶子可以被投影到2D图像平面上作为活动轮廓。在部位水平下，模板可以实行平面内平移、旋转，这被叫做3D变形。投影的活动曲线也可以允许在2D中变形。可以通过最大化信息增益来指导2D和3D变形二者。通过将变形的活动曲线往回投影到目标平面，可以重构3D模型。

[0131] 如图67-69中描绘的，使用统计形状变形的一种替代方案可以是直接标识图像上的特征，并且使用所谓的“与或树”来进行形状标识和变形（参见Hu, Wenze, 和Song-Chun Zhu的"Learning 3d object templates by quantizing geometry and appearance spaces."（IEEE transactions on pattern analysis and machine intelligence 37.6 (2015): 1190-1205.），其公开内容通过引用被并入本文中）。在前述公开内容中，由AoT的结构和荧光透视框架中的那些结构的标识来决定骨骼解剖体的形状参数。

[0132] 值得提及的是，对于膝部而言需要的是，至少创建关节的膝部部分（股骨远端和胫骨近端）。然而，相同的方案可以被应用于任何关节。

[0133] D.图像处理因为荧光透视易于产生图像失真，所以在分析图像数据之前校正该失真可以是合期望的。使用校准目标，可以估计该失真并且从后续图像中移除该失真。校准过程中的步骤可以包括估计任何2D图像的几何失真。通过拍摄已知金属珠子矩形网格的图像，可以估计由四个珠子限界的每个小正方形子图像的2D空间变换。使用几何失真移除方面的标准技术，可以使用局部双线性模型来对空间映射以及灰度插值进行建模。一旦已移除了2D失真，则可以通过在平面之间具有已知位移的双平面校准网格来计算有效的源到像平面距离（焦距）。
图16图示了在几何失真移除之前和之后的几何校准网格的荧光透视图像。可以计算针对每组四个网格点的双线性变换，该双线性变换将左侧图像中珠子的图像方位变换为右侧中规则间隔的网格位置。该校正可以被应用于在该过程期间获取的每个荧光透视图像。平面X光图像可能不需要失真校正。

[0134] 初始化可以实行初始化来确定均值模型的初始姿态。可以基于将k近邻和支持向量机进行组合的混合分类器来实行初始化。其他选项可以包括手动地初始化该模型，或者利用诸如CNN或类似的深度学习结构之类的其他机器学习框架来训练和分类来自图像的姿态。该初始化步骤的输出可以包括模板模型以及该模型相对于荧光透视图像的至少一个框架中的图像平面的适当姿态。

[0135] 优化优化可以包括从单平面荧光透视X光图像的序列确定3D模型的形状和姿态参数，如图
17中所示。优化可以基于新颖的能量函数，该新颖的能量函数将边缘、区域、同质性和多体配准评分进行组合来测量3D模型与2D X光图像之间的相似性，如表1中所示。混合能量函数既不需要耗时的DRR生成，也不需要易于出错的2D分割。

[0136] 前图像（PreImage）然后可以通过前图像近似来重构3D模型，这是因为输入与特征空间点之间的映射不一定是已知的。对应测试点的前图像的重构可以基于输入空间中的距离约束。这可以通过建立输入空间距离与特征空间距离之间的关系来实现，如图18中所示。

[0137] II、外科手术计划A. 静态外科手术计划
在本文中公开的示例性系统的任何配置中，相关的外科手术界标可以被手动地和/或自动地计算（参见图19），其中这些计算的外科手术界标可以被用来建立用于测量植入物放置的坐标系。

[0138] 在放置或指导外科手术植入物的放置之前，可能合期望的是，通过虚拟制模或外科手术计划的过程来创建虚拟外科手术计划。可能合期望的是，利用要在外科手术中使用的相同植入物的3D模板来实行虚拟制模。然而，如果这样的植入物是不可用的，则可以使用通用植入物虚拟模板、以植入物独立的方式进行制模，该通用植入物虚拟模板可以被设计成模仿已知外科手术植入物的形状和大小。

[0139] 虚拟制模程序可以从自动分割程序和非刚性配准程序之一或两者接收3D患者特定的模型。在髋关节的情况下，3D患者特定的模型可以包括骨盆和股骨，它们都被输入到自动加界标程序。该自动加界标程序使用来自统计图集中存在的类似解剖体的区域和局部几何搜索，来计算与股骨和骨盆3D模型上的植入物放置有关的解剖界标。

[0140] 在如图80中所示的使用远端固定来自动放置股骨柄的情况下，自动加界标可以包括在股骨和植入物上的轴线的限定。关于股骨，可以计算解剖股骨轴（AFA），继之以近端解剖轴（PAA）。然后可以计算颈近端角（PNA），该颈近端角（PNA）被定义为AFA与PNA之间的角度。关于股骨植入物，植入物轴线沿着植入物柄的长度，并且植入物颈部轴线沿着植入物颈部的长度。类似于股骨的PNA，植入物角度被定义为植入物轴线与植入物颈部轴线之间的角度。然后可以挑选具有可以是最靠近PNA的植入物角度的植入物。植入物拟合角（IFA）然后可以被定义为近端解剖轴线与从股骨头中心以所挑选的植入物角度引出的向量的交点。

[0141] 当如图80中所示的使用远端固定和所计算的解剖界标来使用股骨柄的自动放置时，植入物定大小步骤可以被用来为股骨部件确定/估计适当的植入物大小。可以通过将植入物的宽度与髓内管的宽度进行比较并且选择具有与髓内管最类似的宽度的植入物来挑选植入物的大小。此后，该程序可以向前移动到植入物放置步骤。

[0142] 在用于远端固定股骨柄的示例性植入物放置步骤中，基于外科医生优选的外科手术技术和先前计算的解剖界标，可以为全部相关的植入部件确定/挑选初始植入物方位。然后可以创建切除平面来模拟近端股骨截骨术，并且可以评估植入物配合。可以通过在沿着植入物轴线的不同水平下分析对准的植入物和股骨髓内管的横截面来进行配合评估。可以通过将植入物轴线对准解剖股骨轴线、然后平移植入物而将植入物对准到股骨，使得植入物的颈部处于近端股骨颈的通用位置。然后，植入物可以绕着解剖股骨轴线旋转，以实现期望的前倾。

[0143] 作为该示例性植入物放置步骤的部分，可以利用迭代方案，该迭代方案包括使用关于植入物放置的初始“有根据的猜测”作为运动学模拟的部分来评估“有根据的猜测”的放置。在示例性形式中，运动学模拟可以使用所估计或测量的关节运动学特性来使植入物（基于所挑选的植入物的放置）通过一运动范围。因此，运动学模拟可以被用来确定撞击位置，并且估计植入物在植入后的所得到的运动范围。在运动学模拟导致不令人满意的数据（例如，不令人满意的运动范围、不令人满意的自然运动学特性的模仿等）的情况下，可以利用用于植入物放置的另一个位置，继之以运动学分析，以进一步细化植入物放置，直到达到令人满意的结果为止。

[0144] 在如图81中所示的使用压配合和三次接触来自动放置股骨柄的情况下，自动加界标可以包括在股骨和植入物上的轴线的限定。关于股骨，可以计算解剖股骨轴（AFA），继之以近端解剖轴（PAA）。然后可以计算颈近端角（PNA），该颈近端角（PNA）被定义为AFA与PNA之间的角度。关于股骨植入物，植入物轴线沿着植入物柄的长度，并且植入物颈部轴线沿着植入物颈部的长度。类似于股骨的PNA，植入物角度被定义为植入物轴线与植入物颈部轴线之间的角度。然后可以在各种植入物当中挑选作为具有最靠近PNA的植入物角度的植入物。植入物拟合角（IFA）然后可以被定义为近端解剖轴与从股骨头中心以所挑选的植入物角度引出的向量的交点。

[0145] 当如图81中所示的使用压配合、三次接触和所计算的解剖界标来使用股骨柄的自动放置时，植入物定大小步骤可以为骨盆和股骨部件确定/估计适当的植入物大小。可以通过将植入物对准到股骨来挑选植入物的大小，该对准通过将植入物轴线对准到解剖股骨轴线来进行。然后可以旋转植入物，以将其颈部轴线与股骨颈轴线对准。植入物然后可以被平移到近端股骨内的解剖学上的适当方位中。此后，系统可以向前移动到植入物放置步骤。

[0146] 在用于压配合股骨柄的示例性植入物放置步骤中，基于外科医生优选的外科手术技术和先前计算的解剖界标，可以为全部相关的植入部件确定/挑选初始植入物方位。可以创建切除平面来模拟近端股骨截骨术，并且可以评估植入物的配合。可以通过分析植入物和股骨髓内管的轮廓来进行配合评估。可以通过如下方式来创建轮廓：使髓内管与垂直于解剖轴线和股骨颈轴线二者的平面相交，穿过解剖轴线和股骨颈轴线的相交点，从而产生轮廓。当生成植入物和髓内管轮廓时，仅保持宽度小于同一位置处的髓内管宽度的植入物，这导致许多可能的正确植入物大小。可以通过减小植入物与髓内管之间的均方距离误差的两个策略来减小可能大小的组。第一策略使植入物内侧和外侧两者与髓内管之间的距离的均方差（MSE）或其他数学误差度量最小化。第二策略使植入物外侧与髓内管之间的距离的MSE最小化。

[0147] 作为该示例性植入物放置步骤的部分，可以利用迭代方案，该迭代方案包括使用关于植入物放置的初始“有根据的猜测”作为运动学模拟的部分来评估“有根据的猜测”的放置。在示例性形式中，运动学模拟可以使用所估计或测量的关节运动学特性来使植入物（基于所挑选的植入物的放置）通过一运动范围。因此，运动学模拟可以被用来确定撞击位置，并且估计植入物在植入后的所得到的运动范围。在运动学模拟导致不令人满意的数据（例如，不令人满意的运动范围、不令人满意的自然运动学特性的模仿等）的情况下，可以利用用于植入物放置的另一个位置，继之以运动学分析，以进一步细化植入物放置，直到达到令人满意的结果为止。

[0148] 在外科手术计划程序的替代实施例中，制模不需要植入物3D CAD模型的数据库。代替地，该程序可以计算解剖髋臼杯的直径和深度。该程序可以利用一组通用杯植入物（半球）来相对于外科手术界标对杯放置进行制模（参见图21）。

[0149] B.用于膝部的动态外科手术计划虽然先前针对髋部详细描述了外科手术计划程序，但是该外科手术计划程序也可以被用于对于关节成形术是候选项的任何其他关节，诸如但不限于膝部、髋部、踝部、肘部、肩部或类似部位。对于许多关节、特别是膝部而言，不仅在制模期间分析静态几何结构和界标可以是重要的，而且还分析与关节的软组织联结的动态信息也可以是重要的。虚拟制模程序利用手术前成像期间捕获的传感器运动数据和3D数据来确定最佳的定大小和定位。

[0150] 参考图59，骨骼和软组织重构子步骤22可以包括使用在子步骤21中获得的动态图像来预测软组织和正常解剖体。作为标准植入物设计或患者特定的植入物和器械的部分，人们依赖于静态CT或MRI来提取关节的形态学特性。然而，形态学特性通常因疾病或畸形而更改。在膝部的骨关节炎的情况下，可能失去了软骨，并且骨赘的存在改变了膝部的形态学特性。使用静态CT或MRI可能不会准确地描述关节的韧带状况。例如，膝部中的内侧隔室的塌陷加之以骨赘生长的存在改变了内侧副韧带（MCL）和外侧副韧带（LCL）的动态行为。考虑到关于软组织和骨骼的这些大改变，骨骼轮廓的提取变得困难、不准确，并且有时是不可能的。在这种情况下，除了准确预测韧带位置，并且然后动态提取用于该特定患者的设计参数和曲率之外，还可以使用特定群体的统计图集来预测原始变形的骨骼形状。本示例性实施例除了运动学数据（动态数据）之外，还使用静态图像来生成针对复制患者解剖体和运动学特性两者而优化的植入物和器械，而不是依赖于静态图像来生成患者特定的植入物和器械。现有技术的患者特定的植入物和器械充其量仅仅针对复制患者解剖体而优化，而忽略了运动学特性或者未能使用运动学特性作为骨科植入物最终形状的要素。

[0151] 转向图70，作为重构与虚拟骨骼模型相关联的软组织的部分，可以从成像数据提取韧带位置。特别地，可以从MRI重构骨骼和韧带的表面模型。骨骼模型可以被添加到统计图集，并且每个顶点可以基于到韧带表面模型的距离被标记为属于附接位点或者不属于附接位点。为多个主体实行该步骤允许为每个韧带附接位点创建概率图（在图70中的ACL和PCL的股骨附接位点的顶行中示出）。在该图中，可以向每个骨骼图集顶点指派属于附接位点的概率。

[0152] 参考图71，作为骨骼和软组织重构子步骤22（参见图59）的另外的部分，可以在膝深弯曲期间创建股骨和胫骨的接触图。对于单个主体，可以向股骨和胫骨二者分配与相应骨骼图集的顶点对应关系。可以在每个弯曲角度处更新股骨相对于胫骨的姿态。在每个姿态处，可以基于对关节连接骨的接近度来确定属于接触区域的股骨和胫骨的顶点。跨多个主体实行此分析允许在接触区域的每个弯曲角度处、在每个骨骼上创建概率图。

[0153] 图72描绘了与用于在膝深弯曲期间确定接触区域内的软骨厚度的示例性方法相关联的（诸如在图59中的动态成像子步骤21期间记录的）输入和输出。该方法可以被用来绘制接触区域，确定真实的患者特定的厚度，并且将此信息往回绑定到先前创建的正常统计图集。以这种方式，运动学特性与形态学特性相联结。

[0154] 图73描绘了患者特定的软骨图（其从图59中的子步骤21的运动学分析获得），该患者特定的软骨图示出了内侧隔室中的严重软骨损失。仅利用此信息来创建患者特定的植入物将导致较差的植入物功能性。代替地，本实施例可以使用统计方法在创建畸形之前估计形态学特性，从而允许真实的患者特定的（在病理学之前的）曲率提取。并且此所估计的形态学特性导致更大的植入物功能。

[0155] 参考图74，描绘了根据本公开从动态数据估计软骨厚度的流程图。考虑到例如膝部的关节连接表面的多个姿态，可以确定在每个姿态处的接触。可以主要使用每个模型之间最靠近的点的一小部分来确定接触。对于每个接触点，可以确定点与关节连接模型之间的距离。软骨厚度然后可以从模型1中被估计为X%，从模型2中被估计为Y%，使得两个厚度值的总和等于表面之间的总距离。计算在每个姿态下的每个接触顶点处的厚度提供了“已知”厚度的集合，该集合在估计过程期间要保持恒定。在凸集上投影（POCS）算法中，该集合可以被认为是凸集1。凸集2是软骨图集，该软骨图集先前从先验数据集来计算——这些软骨图集可以包括正常解剖体、特定病理组（在膝部情况下的内翻、外翻）或它们的组合。根据POCS算法，凸集1被投影到凸集2上，该凸集2的结果被往回投影在凸集1上——重复此过程直到结果收敛为止。在所描述的算法中，图集上的投影对属于软骨的全部顶点进行更新。如果结果尚未收敛，则属于软骨的顶点被设置成凸集1（“已知”厚度）并且被往回投影到图集上，直到达到收敛为止。当收敛时，导出每个关节连接的骨骼模型上的软骨的表面。该例程通过利用动态数据来捕获完整的接触信息而允许对软骨的准确估计。

[0156] 往回参考图59，在重构骨骼形状时，可以使用韧带形状图集来预测韧带的位置，形状图集具有用以跨群体捕获软组织的轨迹、连同每个点作为韧带轨迹的概率的能力，如图74中所示。如图75中所示，所计算的韧带插入点然后可以被用来计算在运动学活动期间的韧带长度包络。

[0157] 软骨估计的基础可以是包含均值软骨模板的统计模型，并且使用来自分割的股骨和胫骨模型的信息来使均值软骨模板局部变形。均值软骨模板可以是从手动分割的软骨模型的数据库计算的均值软骨厚度。每个厚度值具有与其相关联的索引，该索引对应于骨骼图集上的点，该点被用来定位该值。当将均值模板添加到新的骨骼模型时，骨骼上的每个点可以沿着法线方向向外弯曲一距离，该距离对应于在该位置处距模板的均值厚度。仅当股骨和胫骨软骨重叠时，才可以调节均值软骨模板。在这种情况下，软骨厚度可以按小的因子全局地减小，并且按较大的因子在重叠的区减小。该过程进行迭代，直到不存在重叠的区为止。

[0158] 使用估计的软骨图连同测量的关节畸形，可以确定软骨损失的位置，并且可以通过将患者软骨投影在正常软骨模型上来估计软骨损失的量，如图76中所示。通过针对软骨损失的量进行校正，关节可以被放回到其正常的对准中。关节对准中的此改变直接影响韧带的长度和松弛度。例如，内侧上软骨的损失将导致内侧副韧带中的松弛和外侧副韧带中的增加张力，如图77中所示。可以计算恢复正常关节对准在韧带长度中的改变（参见图78）。使用软组织和形态学信息，可以从正常运动学数据库中选择最靠近的运动学模型。

[0159] 作为示例，可以通过使用深度神经网络来确定正常的健康运动学特性，其中可以通过由健康关节实行的运动来训练该网络。深度神经网络可以采取病理学运动输入并且确定最佳的健康运动学特性（参见图73）。

[0160] 参考图79，提供了描述用于作为图59中的正常运动学特性预测要素的部分来计算患者特定的韧带刚度的示例性过程的流程图。在关于踝关节成形术过程所讨论的示例性形式中，可以记录一系列被动运动学的运动方面，其包括但不限于运动、运动速度、运动加速度和运动期间的韧带长度。这些方面可以被用作用于被动运动模型的输入，该被动运动模型也可以接收关于运动期间的韧带刚度和所移动的组织的质量的输入。使用这些输入，被动运动模型可以预测移动该组织所需的力。并且该预测的力可以针对测量的力进行比较，以分析韧带刚度值是否应当被调节，以使得预测的力等于测量的力。在预测的力和测量的力不相等或非常相似的情况下，韧带刚度值和/或质量输入可以被优化和更新，以允许随后的预测的力的计算。该过程可以被重复，直到预测的力和测量的力落入彼此可接受的公差内为止。

[0161] 使用从以上动态分析和软组织分析所生成的信息，股骨、胫骨和胫骨插入物的虚拟模板可以从植入物的家族中挑选，以确定最佳大小和放置参数，以使得可以为患者优化手术后动态结果——运动、韧带长度、张力和股骨胫骨接触（参见图23）。该优化可以开始于如由患者关节几何结构确定的默认的定大小和放置。然后，可以自动调节该初始放置，以计及患者病理学的合期望（或不合期望）的校正，以及校正对韧带位置和预测的接触面积的影响。计划软件将呈现手术前和手术后的预测的动态数据，并且允许用户检查结果。如果用户不满意，则用户可以更改虚拟植入物的方位和/或定大小，使得软件重新分析被再次呈现给用户的预测的动态数据。该过程可以继续，直到用户满意为止。不令人满意的结果的一个示例将是，如果方位或植入物大小的选择导致如由计划模块预测的相对于手术前解剖体的MCL或LCL长度中的显著改变。这样的大改变可能指示在弯曲的此接合处韧带过度地紧或松弛，并且可能使对于外科手术计划的改变成为必需。该步骤的输出是针对特定患者进行优化的手术前的外科手术计划。

[0162] III、解剖体配准在3D至2D配准中，目标是要将3D表面对准到单平面荧光透视序列或X光图像集的每个框架（参见图24）。3D模型是用于从手术前成像生成的患者解剖体的表面网格模型。可以通过能量函数的优化来确定用于序列中的全部框架的3D模型的姿态。能量函数可以由边缘评分项、强度评分项、误对准项和碰撞检测项组成。边缘评分项和强度评分项分别示出了3D模型的投影关于边缘和强度与荧光透视图像的配合程度如何。误配准项和碰撞检测项惩罚在同一框架中的相邻骨骼之间的误配准和碰撞。可以将其他因子引入能量函数以利用先验信息（诸如多个解剖体（例如骨盆和股骨）的相对姿态）、已知硬件或与拟合优化有关的任何其他因子。

[0163] 配准过程可以在提示用户进行输入的软件（例如，程序）上运行。例如，软件可以要求用户标识图像上与骨骼或植入物的3D表面上的界标相对应的界标。通过优化3D模型的姿态以最小化投影点到所选点的距离的成本函数，这些对应关系可以被用于模型到2D图像的初始对准。姿态可以是在x、y、z轴上的任何或全部平移或围绕x-、y-和z-轴的任何或全部旋转。如果相机（或其他图像拍摄者）的焦距未知，则软件也可以可选地进行优化以找到相机（或其他图像拍摄者）的焦距。然后，该初始猜测可以被用作到细化优化步骤中的输入，该细化优化步骤可以进一步更新姿态以最小化基于图像的评分函数，该评分函数可以使用通过将3D模型投影到图像平面上所生成的图像与原始荧光透视或X光图像之间的某种度量。该度量可以直接从图像信息中导出，该图像信息即边缘、纹理、强度。此优化的输出是3D模型的最终姿态，其反映了骨骼的姿态，该姿态将骨骼的投影与图像数据最佳地对准。替代地，可以运行第二优化步骤，直到找到足够令人满意的姿态为止。3D至2D配准的方法可适用于手术前重构和手术中导航二者（参见图25、26）。如果多个对象被配准到同一图像，则可以放置若干个约束。例如，髋臼部件将仅被放置在骨盆的髋臼的内部（或很接近髋臼）。该信息可以被用来在配准到图像的期间约束髋臼的允许姿态。每当对象可能具有某个已知的相对方位时，该技术都是可适用的。另外的示例包括股骨到骨盆、股骨柄到股骨。

[0164] IV、手术中成像手术中过程可以开始于为手术中成像而使患者做好准备。成像系统可以产生射线照相图像，诸如X光或荧光透视。

[0165] 作为第一示例性过程（设置A，参见图28）的部分，患者的骨盆和/或股骨可以利用固定设备（例如，骨钉）而被附接，并且跟踪设备/传感器（例如，IMU）可以固定到固定设备上。作为示例，该固定设备可以包括基座附接件和将跟踪设备连接到基座附接件的延伸连接器。基座附接件可以附接到患者骨骼（例如，骨盆）。可以在配准之后移除延伸连接器，以允许外科医生有更多空间进行操作。

[0166] 对于传感器融合和数据处理领域的技术人员而言应当明显的是，可以使用贝叶斯估计算法从传感器的输出来确定设备的方位和/或取向。在示例性形式中，直接卡尔曼滤波器（Kalman filter）可以被用来基于传感器的输出而预测方位和/或取向。参见美国专利US20170296115，该专利通过引用并入本文中。在另外的示例性形式中，误差状态卡尔曼滤波器可以被用来基于估计的取向而预测传感器的输出误差。它可以被用来过滤掉可能潜在地产生错误结果的错误或损坏的传感器数据（例如，振动引起的漂移）。

[0167] 另外的替代示例性估计技术可以使用基于事件的PID估计技术，该技术当检测到损坏的信号时使对传感器的依赖（reliance）降低。（例如，延长磁失真）。

[0168] 该软件能够基于传感器的状况挑选输出，以产生最佳结果。

[0169] 跟踪设备可以是有线或无线的，以用于与具有在其上运行的软件的计算设备进行数据通信。作为示例，跟踪设备可以由用于射线成像的单个不透射线的特征部或不透射线的特征部的组合组成。

[0170] 可以采用任何组合的形式来布置可以被嵌入跟踪传感器中或作为独立对象的不透射线的特征部。作为另外的示例，不透射线的特征部在数量上可以包括至少四个，并且被布置成使得这些特征部中的至少一个与其他特征部不在同一平面中。

[0171] 作为第二示例性过程（设置B，参见图29）的部分，附件可以被用来从固定设备延伸跟踪设备/传感器（例如，IMU）。由于射线照相成像系统的有限查看区，该附件可以包括附加的不透射线的特征部以帮助配准，并且允许对跟踪设备进行定位以确保存在可用于配准的足够的不透射线的特征部。附件可以具有嵌入其中以帮助配准过程的不透射线的特征部。

[0172] 作为另外的示例，如图30中描绘的，附件可以嵌入对于手术中配准而言可能需要的不透射线的特征部。作为另外的示例，在附件具有不透射线的特征部的情况下，附件可以被单独用于手术中成像和配准。在实行成像之后，跟踪设备可以附接到附件。该附件可以可操作以减少来自射线照相成像系统的对跟踪设备的电磁干扰。

[0173] 作为任一示例性过程的部分，可以拍摄多个射线照相图像。例如，骨盆和骨盆跟踪设备的不透射线的特征部在射线照相成像系统的查看区中的一个图像，以及股骨和股骨跟踪设备的不透射线的特征部在射线照相成像系统的查看区中的第二图像。然后，这些图像可以被用于配准。

[0174] 在设置跟踪设备之后，可以经由射线照相成像系统来实行射线照相。

[0175] 可以经由通过网络有线或无线地发送图像数据，或者通过使用经由外部存储设备的物理传递来将此图像数据传递到外科手术指导软件。图像数据可以由成像处理软件处理，该软件可以针对图像的失真进行校正。

[0176] V、手术中数据传递手术中图像可以从使用不同方法的成像设备传递到在本文中公开的运行重构和配准软件的示例性系统，该不同方法包括但不限于：无线（蓝牙或Wi-Fi设备）、通过图片存档和通信系统（PACS）进行传递、有线，或经由诸如安全的USB存储设备之类的便携式设备的远程传递。

[0177] VI、手术中配准根据本公开所使用的跟踪设备/传感器（例如，IMU）的取向可以使用与跟踪设备相关联的配准目标（即，图像目标）从射线照相图像中恢复/辨别，该跟踪设备可以包括不透射线的特征部。如本文中所述，外科手术指导软件可以知道不透射线特征部在配准目标上的配置，这允许软件在射线照相图像被软件分析时仅根据基准标记来计算配准目标的3D取向。

[0178] 跟踪设备/传感器的取向也可以由跟踪设备本身上的传感器来确定。从传感器产生的取向可以在与从（一个或多个）射线照相图像计算的取向不同的坐标系中。可以计算潜在不同的坐标系中的两个取向之间的变换，使得由跟踪设备确定的取向可以被变换到射线照相图像坐标系和空间，并且反之亦然。

[0179] A.用于导航系统的配准的图像目标根据本公开的示例性图像目标可以被定尺寸，以使得定大小（sizing）是适当的，以在全部预期的成像视图中是可见的，而不会过度累赘（参见图34）。除了对于关注身体区域（诸如但不限于潜在患者身体的任何关节）的模拟X光和荧光透视图像之外，该定尺寸可以是对代表性群体实行的一个或多个分析的结果。

[0180] 根据本公开的示例性图像目标可以包括一个或多个珠子，这些珠子可以嵌入到可以具有已知形状和大小的透射线或半透射线的材料内。作为示例，已知的大小可以包括直径为9.4 mm的球体。珠子可以沿着非平面表面以不对称的图案进行布置，使得珠子的精确配置是已知的，以便于在获取的射线照相图像中标识和配准图像目标。图像目标可以包括用以保持和保有珠子的珠子夹具（jig），并且可以允许相对于跟踪设备的旋转（例如，在零度与180度之间），由此允许珠子配合在预定的图像框架中。珠子的数量可以变化，但是优选地利用至少四个珠子，这些珠子一旦被安装到珠子夹具，则就不全部位于同一平面内。更多数量的珠子可以提供更大的冗余，例如5-20个珠子。图35示出了当从不同的正交视角查看时，根据本公开的包括不对称设计图案的示例性珠子夹具。不对称的设计帮助降低以下机会，该机会为珠子将跨珠子夹具处于视场内时所拍摄的射线照相图像的不同视图而与彼此重叠。

[0181] 示例性图像目标可以在具有或不具有跟踪设备/传感器（例如，以及IMU）的情况下使用。如图36中看到的，示例性图像目标可以包括至少一个锁定特征，该锁定特征允许利用跟踪设备/传感器、借助于基准件来锁定图像目标。该基准件可以包括至少两个锁定特征，其中一个意图与图像目标一起使用，而另一个与跟踪设备/传感器一起使用。图像目标、基准件和跟踪设备/传感器的组装件将传感器放置在相对于图像目标已知的取向和方位中。因此，当图像目标3D模型被配准到在捕获的（一个或多个）射线照相图像中可见的珠子时，跟踪设备/传感器相对于配准的3D图像目标的方位和取向可以通过知道组装件的设计来确定。图36示出了图像目标、跟踪设备/传感器和基准组装件的示例。图像目标和跟踪设备/传感器二者以已知的取向和已知的方位被锁定到基准件。

[0182] 图38和39示出了以AP和Judet的两个不同视图，其中具有在相应的射线照相图像中就位的图像目标、基准件和跟踪设备/传感器，以及使用这些射线照相图像来构造和配准对应的3D虚拟模型的结果。组装件（例如，图像目标、基准件和跟踪设备/传感器）可以用刚性方式安装到患者骨骼。可以经由皮肤地或使用切口内固定来实行该安装。基准件可以被设计成便于此固定。在基准件的替代示例性实施例中，这可能需要具有被设计成允许外科手术销（pin）经由那里穿过的至少两个孔，其中销被配置成使用常规方法锁定到基准件，该常规方法诸如但不限于对紧定螺钉或类似设备的利用。因为在重构外科手术过程期间指导某些股骨部件的放置可以是合期望的，所以组装件也可以刚性地固定到股骨，如图40中所示。应当理解的是，鉴于前述公开内容，本领域技术人员将理解到，示例性组装件或其任何部件可以安装到患者的一个或多个骨骼，并且潜在地被用来配准和/或创建患者的（一个或多个）骨骼的3D虚拟模型，作为外科手术过程的部分，并且可选地作为要在外科手术过程期间使用的外科手术导航系统的部分。

[0183] B.跟踪设备到患者解剖体的配准跟踪设备/传感器（例如，以及IMU）和患者解剖体的取向都可以被变换到射线照相图像空间并且被一起配准。该过程可能需要第一3D至2D配准步骤，以用于将患者解剖体配准到图像平面。然后第二3D至2D配准步骤，以用于对准基准组装件（图像目标、基准件和跟踪设备/传感器）。一旦完成配准，跟踪设备对解剖体的相对位置和取向就变得已知。此时，跟踪设备可以被用来跟踪患者的骨骼区段。在图42和图43中概述了此步骤。

[0184] 在为全髋部关节成形术过程实行患者配准的示例性过程中，一个跟踪设备可以经由固定设备连接到患者的骨盆，而另一个跟踪设备可以经由另一个固定设备连接到患者的股骨。然后可以针对两个骨骼区段（即，用于髋部成形术的股骨和骨盆）连同每个图像目标的不透射线的特征部一起拍摄射线照片图像。如图42中参考的，该组装件被安装到患者的骨骼，并且拍摄射线照相图像（A）。患者的骨骼的方位和取向通过先前描述的配准过程而被恢复（B）。恢复了由图像目标提供的全局框架的方位和取向。计算患者骨骼的方位和取向与图像目标的方位和取向之间的偏移，并且将患者骨骼绑定到图像目标（C）。附接到图像目标的跟踪设备在拍摄图像的同时报告图像目标的当前取向。计算跟踪设备与图像目标之间的偏移，使得跟踪设备的取向现在处于全局框架中。由于跟踪设备和解剖体二者被全局框架中的图像目标绑定在一起，因此患者骨骼的取向可以被配准到跟踪设备，并且跟踪设备可以被用来跟踪患者骨骼上的取向改变。以这种方式，图像数据可以被传递到外科手术指导计算机以实行配准。一旦完成配准，图像目标就可以从固定设备或组装件移除。

[0185] 参考图43，跟踪设备与图像目标的不透射线的特征部之间的关系对于系统是已知的。不透射线的特征部可以嵌入或附接到被附接到跟踪设备的辅助设备。从基准标记位置到跟踪设备的取向的变换被定义为。从不透射线的特征部的3D位置到2D射线照相图像的变换被定义为针对股骨上的不透射线的特征部的和针对骨盆上的不透射线的特征部的。用以基于2D射线照相图像来确定被附接到股骨的跟踪设备1的取向的变换被给出为，并且用以基于2D射线照相图像来确定被附接到骨盆的跟踪设备2的取向的变换被给出为。从3D患者骨骼模型到2D射线照相图像的转换被定义为针对股骨的和针对骨盆的。在具有这些变换的情况下，可以将患者骨骼的取向配准到被附接到其的跟踪设备。

[0186] 股骨：胫骨：。

[0187] C.患者解剖映射器（PAM）根据本公开，示例性患者解剖映射器（PAM）包括患者特定的器械，该器械被制造成配合在患者解剖体上的一个特定的取向和方位中。PAM的几何结构可以从患者骨骼的虚拟3D模型来创建，该虚拟3D模型是从先前获得的成像（诸如手术前成像）创建的。PAM可以包括一个或多个锁定特征，该锁定特征被设计成便于附接跟踪设备/传感器或用于保持跟踪设备/传感器的基准件。PAM的另一个锁定特征是患者特定的，并且被设计成在唯一的方位和取向上与患者解剖体匹配（诸如抵靠患者骨骼）。当将患者特定的锁定特征与患者解剖体的正确位点/位置匹配时，附接的跟踪设备/传感器的取向和方位/位置应当相对于解剖体是已知的。

[0188] PAM可以嵌入类似于本文中所讨论的图像目标的不透射线的特征部，使得在将PAM以意图的方位和取向放置在患者解剖体上时，PAM相对于图像目标的方位和取向可以是已知的。该偏移可以被用来在放置植入体之后验证腿部长度。

[0189] VII、外科手术指导根据本公开，前述跟踪设备/传感器（例如，IMU）可以被用作诸如全髋部关节成形术过程之类的外科手术指导的部分。在示例性形式中，外科医生可以继续全髋部关节成形术的典型外科手术过程，诸如制造切口、实行股骨头切除和暴露髋臼杯。外科医生可以将跟踪设备之一附接到骨盆固定设备（以附接到骨盆），并且将另一个跟踪设备附接到要被指导的外科手术器械，该器械包括但不限于钻头、杯形撞击器、锉刀手柄、切割导向器或任何其他器械。跟踪设备可以被配置成向运行外科手术导航软件的处理设备（例如，计算机、专用机器、平板设备等）连续地发送指示取向和/或平移的数据。跟踪设备之间的相对取向可以被表示为可能是合期望的并且被显示在显示器上的倾斜角/偏斜角、以及外展角/内收角或任何其他值，诸如但不限于计算机监视器或外科手术导航显示器。外科医生可以使用跟踪设备来知道一个或多个外科手术器械的取向，以用于诸如髋臼表面重修、在试验放置期间的髋臼杯撞击以及在最终骨科植入物的实际放置期间的髋臼杯撞击之类的示例性过程，并且验证髋臼杯在患者解剖体上的取向。

[0190] 外科医生也可以使用用于股骨柄放置的跟踪设备，这可以包括将一个或多个跟踪设备附接到股骨固定设备（以附接到股骨），以及将另一个跟踪设备附接到外科手术器械。外科手术导航系统可以使用来自跟踪设备的数据来确定和指导拉削的取向，其中外科手术指导可以在拉削取向可能引起股骨骨折的情况下警告外科医生。外科医生也可以使用该外科手术导航系统和跟踪设备来放置股骨植入物。外科手术指导软件可以估计植入物的组合临床倾斜角度/偏斜角度和外展角度/内收角度。下面是更详细的讨论。

[0191] 作为示例，包括跟踪设备/传感器的第一IMU可以安装到已知位置中的外科手术工具，该跟踪设备/传感器可选地先前已经安装到髋臼配准工具。在示例性形式中，IMU可以以相对于铰削方向的已知取向而刚性地固定到杯形铰刀，使得杯形铰刀相对于骨盆的取向是已知的，并且经由多个IMU（例如，安装到杯形铰刀的第一IMU和安装到骨盆的第二IMU）被动态地更新。

[0192] 外科手术导航计算机的软件程序提供（与外科手术导航系统相关联的）图形用户界面，该图形用户界面可以显示患者骨盆的虚拟模型和在讨论中的外科手术工具的虚拟模型，该外科手术工具在这种情况下是杯形铰刀（患者骨盆的虚拟模型已经根据虚拟制模步骤被完成，并且杯形铰刀或其他外科手术工具的虚拟模型已经先前被加载到用于特定杯形铰刀和可以利用的其他外科手术工具的系统中），并且可以经由向外科医生提供方位和取向信息的显示器来实时更新骨盆和外科手术工具的取向。不是使用显示器，而是本系统可以包括具有指示灯的外科手术设备，该指示灯向外科医生指示铰刀是否被正确地定向，并且如果不是，则铰刀需要被重新定位到什么（一个或多个）方向，以使铰刀正确地定向成与手术前计划相一致。在完成了使用杯形铰刀进行表面重修之后，IMU可以从杯形铰刀移除，并且以相对于插入器方向的已知取向刚性地固定到杯形插入器。然后，可以利用杯形插入器来放置杯形植入物，其中IMU继续提供加速度反馈，软件利用该加速度反馈来计算方位，以提供关于骨盆相对于杯形插入器的方位的实时反馈。对于在杯定位之前或之后在骨盆中钻孔的程度而言，IMU（可选地先前安装到配准工具）可以刚性地固定到外科手术钻头，以确保钻头相对于骨盆的正确取向。可选的模拟配准工具和IMU集合可以供软件系统使用来辅助股骨柄部件的放置。

[0193] 作为示例，第一IMU可以安装到已知位置中的另一外科手术工具。在示例性形式中，IMU（可选地先前安装到股骨配准工具）可以在已知位置中刚性地固定到外科手术锯，使得IMU的移动对应地转化成外科手术锯的已知移动。考虑到第二IMU固定地安装到处于已知位置中的股骨，IMU一起工作，以向软件系统提供与股骨和外科锯两者的方位（经由加速度数据）的改变有关的动态更新的信息。

[0194] 如事先所提及的，软件程序提供了允许外科医生查看患者股骨和在讨论中的外科手术工具的虚拟模型的显示，该外科手术工具在这种情况下是外科手术锯（患者股骨的虚拟模型已经根据虚拟制模步骤被完成，并且外科手术锯或其他外科手术工具的虚拟模型已经先前被加载到用于特定外科手术锯和可以利用的其他外科手术工具的系统中），并且被配置成经由向外科医生提供方位和取向信息的显示器来实时更新股骨和外科手术工具的取向。不是使用显示器，而是本系统可以包括具有指示灯的外科手术设备，该指示灯向外科医生指示外科手术锯是否被正确地定向，并且如果不是，则外科手术锯需要被重新定位到什么（一个或多个）方向以正确地定向外科手术锯，从而使正确的骨骼切割与手术前计划相一致。在进行必要的骨骼切割之后，第一IMU可以从外科手术锯移除并且刚性地固定到铰刀（以正确地铰削髓内管），并且此后以相对于插入器方向的已知取向而被安装到股骨柄插入器。然后，可以利用杆插入器将股骨杆植入物放置到铰削的髓内管中，其中IMU继续提供反馈，软件利用该反馈实时计算股骨和杆插入器的方位和取向，并且经由显示器实时显示股骨和杆插入器相对于彼此的虚拟模型，使得外科医生可以可视化外科手术器械相对于患者解剖体的相对方位和取向，而不需要对外科手术位点的直接视线。

[0195] VIII、手术中放置验证在已经放置了一个或多个最终或试验部件期间或之后，可以拍摄射线照相图像。该图像可以被用来经由部件和解剖体或界标到图像平面的3D至2D配准来检测相对于解剖体的试验取向和方位。取决于所使用的外科手术计划，该步骤可以存在两个配置。如果对于患者而言没有可用的手术前重构，则可以进行第一步骤，以利用先前获取的手术中图像来校准验证图像，并且计算患者3D坐标系相对于验证图像的方位。该过程可以与如下文详细描述的多视图校准和手术中加界标相同。

[0196] A.使用3D植入物CAD模型在具有当前植入物家族和大小的知识的情况下，可以使用本文中讨论的3D至2D图像配准技术来计算植入物的3D方位。作为示例，可以如申请人在第三节的解剖配准中所描述的那样，通过使用植入物几何结构作为待配准的形状来执行3D至2D图像配准。可以向评分函数添加附加的度量，以计及植入物的估计方位和植入物约束（例如，股骨柄相对于股骨解剖体和杯的约束姿态；杯相对于解剖体和股骨柄的约束姿态）。

[0197] 可以经由跟踪设备的输入来增强3D至2D图像配准，其中优化算法可以使用来自跟踪设备的取向来限制和辅助方位估计。由于植入物的3D方位优选地是已知的，因此诸如腿部长度之类的任何空间测量和度量都可以直接从配准的3D模型计算。作为示例，在腿部长度失配的情况下，外科手术指导系统可以提供替代的植入物家族和大小来调节腿部长度差异以更紧密地接近于彼此。

[0198] B.不具有植入物CAD模型的通用模板如图49中描绘的，植入物取向可以由外科手术导航系统跟踪和确定，而不需要对应的骨科植入物CAD模型。在示例性形式中，可以拍摄骨科植入物定位后患者解剖体的射线照相图像。这些图像可以被增强以允许软件自动地检测图像中描绘的对象的边缘，以及使用这些图像内的纹理在对象之间进行区分，以确定这些图像内的对象相对于彼此的相对方位。
同样地，来自跟踪设备的数据可以与来自射线照相图像的对象检测同时地被利用，以确定骨科植入物（诸如股骨柄或髋臼杯）的相对方位。来自2D图像的此相对方位数据然后可以经由3D至2D图像配准而被配准到3D解剖模型，如申请人在第三节的解剖配准中描述的那样。
在与3D模型配准后，可以确定骨科植入物的取向。

[0199] IX、多视图的手术中成像如果没有捕获手术前成像，则可能需要多视图的手术中成像，但是期望3D坐标系或解剖模型来辅助部件放置。可以获取手术中图像来捕获患者解剖体和图像目标二者（如先前所讨论的）。可以使用常规的成像模态在手术中获取多个图像，该成像模态包括但不限于X光或荧光透视成像。作为示例，对于骨盆，可以获取一组两个或更多个图像（AP、Judet RPO、Judet LPO），其中图像的编辑优选地包含用于放置髋臼部件的全部必要的外科手术界标。
对于近端股骨解剖体，可以获取一组两个或更多个图像（AP和外侧），其中图像的编辑优选地包含近端股骨和髓内管二者用于放置股骨柄的全部必要的外科手术界标。

[0200] A.多视图校准在示例性形式中以及根据本公开的多视图校准可以包括提取图像拍摄参数以从“n”组图像重构3D场景的过程。然后，可以利用该信息重构一组3D界标。图52中概述了立体相机校准的示例性过程。可以增强和过滤输入图像，并且然后可以利用自动目标珠子（即，不透射线的目标形状）查找算法来找到图像中可见的校准目标珠子中的若干个或全部珠子的位置（参见图53）。然后可以使用检测到的珠子来计算像素间距，继之以估计空间中的3D目标姿态。可以通过基于成像器的视图（例如，X光视图）初始化校准目标的方位、诸如使用可以从校准目标相对于标准成像视图的位置提取的先验方位来实现这一点。然后，可以优化此初始姿态，以获得实现了在输入图像中被投影的珠子配置的姿态（参见图54）。使用校准目标的示例性替代方案可以包括在每个图像中使用对应的点。

[0201] X、手术中加界标在该示例性公开中，加界标包括从校准的2D图像提取对于植入物的放置而言可能需要的相关外科手术界标的过程。在图55中解释了该过程的流程图。在示例性形式中，可以在第一2D图像上标识一组2D界标，例如，这些点可以包括AP图像上的左侧和右侧ASIS和耻骨结节点。可以使用自动算法来标识这些界标在图像上的初始方位，该自动算法利用从（一个或多个）2D图像提取的特征点连同从统计解剖图集提取的群体统计信息来计算这些界标的轨迹，然后可以例如使用边缘和/或纹理信息以及这些界标的相对方位来约束这些界标的轨迹，以计算界标的方位（参见图60）。

[0202] 然后，可以利用第一图像上提取的2D界标连同立体校准矩阵，来为第二或后续图像上的每个界标创建核线。界标在第一图像上的位置连同其在第二图像上的核线上的位置然后可以被馈送到优化算法，该优化算法可以提取界标在校准目标或成像坐标系中的3D方位（参见图57）。熟悉多视图几何结构的人们将理解到，存在众多公知的方法，以从相同场景的校准的2D图像确定3D方位，这些方法全部在本公开的范围内。

[0203] XI、来自手术中加界标的手术中计划根据本公开，3D界标可以从校准的手术中图像被提取，并且可以被用来计算相关的外科手术轴线和尺寸。在骨盆的情况下，这可以包括右侧和左侧ASIS以及耻骨结节点，以计算前后平面、SI、前后（AP）和内侧-外侧（ML）方向和/或解剖髋臼杯的中心和尺寸。然后可以向用户呈现外科手术计划界面，该界面允许选择期望的植入物大小和取向（参见图58）。

[0204] 遵循以上描述，对于本领域的普通技术人员而言应当清楚的是，虽然本文中描述的方法和装置构成了本发明的示例性实施例，但是本文中描述的发明不限于任何精确的实施例，并且可以在不脱离如由权利要求限定的本发明的范围的情况下对这样的实施例做出改变。附加地，要理解的是，本发明由权利要求书限定，并且不意图将对本文中阐述的示例性实施例进行描述的任何限制或要素并入到任何权利要求要素的解释中，除非这样的限制或要素被明确地陈述。同样地，要理解的是，没有必要为了落入任何权利要求的范围内而满足本文中公开的发明的任何或全部所标识的优点或目的，因为本发明由权利要求书限定，并且因为本发明的固有和/或不可预见的优点可以存在，即使它们可能没有在本文中被明确地讨论。

标题	发布/更新时间	阅读量
一种骨科手术取钉器	2020-05-12	765
一种骨科多功能手术钳	2020-05-12	838
一种骨科手术用辅助架	2020-05-13	978
骨科手术用分离碎骨机	2020-05-13	774
一种骨科手术辅助器	2020-05-13	266
骨科手术用钢丝引导器	2020-05-13	85
骨科用手术台	2020-05-11	804
骨科手术床	2020-05-11	568
一种骨科手术台	2020-05-11	970
骨科手术辅助器	2020-05-12	821

使用荧光透视和跟踪传感器的髋部外科手术导航

使用荧光透视和跟踪传感器的髋部外科手术导航

具体实施方式

该功能需要专业版企业版VIP权限，您可以：