用以评定医学成像数据是否适用于外科手术规划目的的自动化预检查的制作方法

摘要: 背景技术:1、用于骨科关节置换外科手术的外科手术规划过程通常从采集患者的解剖学关节的医学成像数据开始。治疗规划请求被提交给外科手术规划团队。外科手术规划团队审查...
用以评定医学成像数据是否适用于外科手术规划目的的自动化预检查的制作方法

背景技术:

1、用于骨科关节置换外科手术的外科手术规划过程通常从采集患者的解剖学关节的医学成像数据开始。治疗规划请求被提交给外科手术规划团队。外科手术规划团队审查患者信息并且人工地评定成像数据。分割专科医生人工地执行分割过程,以描画成像数据的许多层(slice)中骨骼的轮廓。分割过程的输出是骨骼的虚拟模型。外科手术规划团队或外科医生使用虚拟模型作为参考,以用于对骨骼的关节置换植入物的类型、大小和位置以及所提议的外科手术工作流程进行虚拟地规划。然后,在外科手术期间将包括虚拟模型的虚拟外科手术规划与实体骨骼进行配准,以为外科医生提供术中指引。

2、典型的审查和规划过程存在若干缺点。一个困难是,被输入给分割团队的成像数据可能是有缺陷的或展现出错误。因此,此类成像数据不适用于分割、骨骼模型创建或术中目的,诸如在显示器上对骨骼模型进行可视化或将骨骼模型与实体骨骼进行配准。例如,如果骨骼的图像不是用适当的扫描器配置设定采集的、未能包含该骨骼的所要求的细节、裁剪掉了目标骨骼的一部分、和/或对于导航可视化目的来说不是足够的大,则成像数据可能不适用于规划或术中外科手术目的。另一个潜在的缺陷可能在于成像数据未能示出预期的内容。例如,患者信息可以指示患者要求针对左膝的外科手术规划,但医学图像可能是右膝的。其他错误可以包括成像数据展现出(指示翻修外科手术的)现有植入物或金属,而患者信息相反地指示请求初次外科手术。成像数据还可以展现出噪声或模糊,这将使图像质量不足以进行分割。

3、如果忽略此类图像错误,则问题将向下游连续传递,以潜在地影响规划过程和外科手术工作流程的所描述的方面的准确性和完整性。每年数以十万计的患者需要外科手术规划的事实加剧了这些问题。

技术实现思路

1、本 技术实现要素: 以简化的形式介绍以下在下文具体实施方式中进一步描述的一系列概念。本发明内容既不旨在限制所要求保护的主题的范围,也不旨在标识所要求保护的主题的关键特征或基本特征。

2、根据第一方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据对于促进针对该目标解剖结构的外科手术规划是否是可接受的:执行自动化检查以确定:该医学成像数据是否是根据可接受的配置设定来扫描的;该医学成像数据中的该目标解剖结构是否是在该医学成像数据的边界内被可接受地捕获到的;该医学成像数据是否展现出高于可见性阈值水平可见的运动杆;该医学成像数据是否可接受地示出了预期类型的目标解剖结构和该目标解剖结构的预期手术侧;以及响应于确定这些自动化检查中的任何一个或多个产生不可接受的结果,将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。

3、根据第二方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据:接收该医学成像数据作为输入,其中在输入时,该医学成像数据中该目标解剖结构的类型和侧别是未分类的;使用第一机器学习模型对该医学成像数据中的该目标解剖结构的类型自动地进行分类;利用该目标解剖结构的经分类的类型选择第二机器学习模型,该第二机器学习模型被专门地训练来对该经分类的类型的目标解剖结构的侧别进行分类;使用该第二机器学习模型对该医学成像数据中的该目标解剖结构的该侧别自动地进行分类;以及产生计算机生成的输出,以标识该医学成像数据中的该目标解剖结构的该经分类的类型和经分类的侧别。

4、根据第三方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据对于促进针对该目标解剖结构的外科手术规划是否是可接受的:自动地标识形状模型并且将该形状模型拟合到该医学成像数据中的该目标解剖结构;将该形状模型的特征与该医学成像数据的边界自动地进行比较;以及响应于确定该形状模型的该特征超出该医学成像数据的该边界,将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。

5、根据第四方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据对于促进针对该目标解剖结构的外科手术规划是否是可接受的:将该医学成像数据与包括其他解剖结构的医学成像数据的统计学群体自动地进行比较,以标识该目标解剖结构的要求在该医学成像数据中可见的解剖学标志,这些其他解剖结构可与该目标解剖结构相比较;自动地评定该医学成像数据,以确定该解剖学标志在该医学成像数据中是否是可见的;以及响应于确定该解剖学标志在该医学成像数据中无法是可见的,将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。

6、根据第五方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据对于促进针对该目标解剖结构的外科手术规划是否是可接受的:自动地获得该医学成像数据中该目标解剖结构的测量;基于该医学成像数据中该目标解剖结构的该测量,从多个植入物选项之中自动地选择植入物,并且自动地获得所选择的植入物的植入物测量;基于该植入物测量,自动地确定该目标解剖结构的所要求的特征,该要求的特征必须在该医学成像数据中被完整地捕获,以可接受地促进该选择的植入物的相对于该目标解剖结构的外科手术规划;以及响应于确定该目标解剖结构的该要求的特征未能在该医学成像数据中被完整地捕获,将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。

7、根据第六方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据对于促进针对该目标解剖结构的外科手术规划是否是可接受的:自动地获得该医学成像数据中该目标解剖结构的测量;基于该医学成像数据中该目标解剖结构的该测量,从多个植入物选项之中自动地选择植入物,并且自动地获得所选择的植入物的植入物测量;将该植入物测量与该医学成像数据的边界自动地进行比较;以及响应于确定该植入物测量超出该医学成像数据的边界或未能与该医学成像数据的该边界间隔开阈值距离,将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。

8、根据第七方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据对于促进该目标解剖结构的外科手术规划是否是可接受的:获得与该医学成像数据相关联的术前患者数据,该术前患者数据包括指示预期参数的信息,这些预期参数包括:(1)预期类型的目标解剖结构和(2)该目标解剖结构的预期手术侧;将该医学成像数据自动地应用于机器学习模型,以对该医学成像数据进行分析以输出经预测的参数,这些经预测的参数包括:(1')该目标解剖结构的经预测的类型和(2')该目标解剖结构的经预测的手术侧;将每个预期参数与其对应的经预测的参数自动地进行比较;以及响应于确定每个预期参数可接受地匹配其对应的经预测的参数,将该医学成像数据自动地批准为对于促进外科手术规划是可接受的。

9、根据第八方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来对解剖学关节的ct容积自动地进行分类:从该ct容积中,自动地生成多个数字重建放射影像,该多个数字重建放射影像是二维的且捕获该解剖学关节的结构;并且将这些数字重建放射影像中的每一个自动地应用于卷积神经网络,该卷积神经网络被配置为对这些数字重建放射影像中的每一个进行分析以输出(1')经预测的类型的解剖学关节,(2')该解剖学关节的经预测的手术侧,以及(3')针对该解剖学关节的现有植入物的经预测的存在或不存在。

10、根据第九方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据对于促进针对该目标解剖结构的外科手术规划是否是可接受的:自动地获得一个或多个配置设定,该一个或多个配置设定定义该医学成像数据是如何通过成像装置扫描的;将该一个或多个配置设定与一个或多个可接受的配置设定自动地进行比较;以及响应于确定该一个或多个配置设定未能与该一个或多个可接受的配置设定相对应,将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。

11、根据第十方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以通过被配置为进行以下操作来自动地评定目标解剖结构的医学成像数据对于促进针对该目标解剖结构的外科手术规划是否是可接受的:自动地标识该医学成像数据的容积中的运动杆;自动地评定该医学成像数据的该容积,以确定该容积是否可接受地展现该运动杆;响应于确定容积未能可接受地展现该运动杆,将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。

12、根据第十一方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以自动地:标识形状模型并且将该形状模型拟合到该医学成像数据中的该目标解剖结构;将该形状模型与该医学成像数据的边界进行比较;确定该形状模型的一部分超出该医学成像数据的该边界;以及修改该医学成像数据以捕获该形状模型的超出该医学成像数据的该边界的该部分。

13、根据第十二方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以自动地:获得该医学成像数据中的该目标解剖结构的测量;基于该医学成像数据中的该目标解剖结构的该测量,从多个植入物选项之中选择植入物,并且获得所选择的植入物的植入物测量;基于该植入物测量,确定该目标解剖结构的所要求的特征,该要求的特征必须在该医学成像数据中被完整地捕获,以可接受地促进该选择的植入物的相对于该目标解剖结构的外科手术规划;确定该目标解剖结构的该要求的特征未能在该医学成像数据中被完整地捕获;标识形状模型并且将该形状模型拟合到该医学成像数据中的该目标解剖结构,其中该形状模型的一部分超出该医学成像数据的边界;以及修改该医学成像数据以采集该形状模型的超出该医学成像数据的该边界的该部分。

14、根据第十三方面,提供了一种自动化图像检查套件、一种非暂时性计算机可读的计算机程序产品或计算机实现的方法,以自动地:标识植入物形状模型并且将该植入物形状模型拟合到该医学成像数据中的该目标解剖结构;将该植入物形状模型与该医学成像数据的边界进行比较;确定该植入物形状模型的一部分超出该医学成像数据的该边界;以及修改该医学成像数据以捕获该植入物形状模型的超出该医学成像数据的该边界的该部分。

15、以上方面中的任一方面都可以单独地或组合地被利用。

16、以上某些方面的部分方面可以与其他方面的其他部分结合被利用。

17、以上方面中的任何方面都可以与以下实现方式中的任何一个或多个实现方式现方式单独地或组合地被利用:

18、该形状模型的该特征可以包括该形状模型的边界。可以将该形状模型的该边界与该医学成像数据的该边界进行比较。响应于确定该形状模型的该边界超出该医学成像数据的该边界,该医学成像数据可以被拒绝,因为其对于促进外科手术规划是不可接受的;该形状模型的该特征可以包括位于该形状模型的边界上的一个或多个点。可以将该形状模型的该一个或多个点与该医学成像数据的该边界进行比较。响应于确定该形状模型的该一个或多个点超出该医学成像数据的该边界,该医学成像数据可以被拒绝为对于促进外科手术规划是不可接受的。该形状模型上的该一个或多个点可以与该目标解剖结构的预先确定的解剖学标志相对应。响应于确定该形状模型的该特征是在该医学成像数据的该边界内,可以将该医学成像数据自动地批准为对于促进外科手术规划是可接受的。该形状模型可以是从可与该目标解剖结构相比较的其他解剖结构的图像的统计学群体中导出的。该形状模型可以包括以下中的任何一个或多个:统计学形状模型、主动形状模型、主动外观模型、和主动轮廓模型。响应于该医学成像数据被拒绝为是不可接受的而可以自动地生成输出。该输出可以是向图形用户界面生成通知或警报,以告知该医学成像数据被拒绝。该输出可以在图形用户界面上显示该医学成像数据和该形状模型,以展示该形状模型的该特征超出该医学成像数据的该边界。该输出可以基于该医学成像数据被拒绝而生成对于纠正动作的推荐。该医学成像数据可以是ct容积。该目标解剖结构可以是骨骼结构。评定该医学成像数据对于促进针对该目标解剖结构的外科手术规划是否是可接受的可以被定义为评定该医学成像数据对于后面促进以下中的任何一个或多个是否是可接受的:该医学成像数据的分割;该目标解剖结构的虚拟模型创建;相对于该目标解剖结构的虚拟植入物规划;该目标解剖结构的配准,以促进外科手术导航;以及该医学成像数据的可视化,以促进外科手术导航。响应于确定该目标解剖结构的该要求的特征在该医学成像数据中被完整地捕获,可以将该医学成像数据自动地批准为对于促进外科手术规划是可接受的。可以自动地获得该目标解剖结构的测量。可以自动地标识形状模型并且将其拟合到该医学成像数据中的该目标解剖结构。可以从该形状模型中自动地获得该目标解剖结构的该测量。可以自动地测量该形状模型上的点之间的距离。每个点可以与该目标解剖结构的预先确定的解剖学标志相对应。可以基于该目标解剖结构的该测量自动地选择植入物。该植入物可以被自动地选择为被适当地确定大小以用于该目标解剖结构的该测量。该目标解剖结构的该要求的特征可以是所要求的测量和/或所要求的标志。响应于该医学成像数据被拒绝为是不可接受的而可以自动地生成输出。该输出可以包括在图形用户界面上显示该医学成像数据以及该目标解剖结构的未能在该医学成像数据中被完整地捕获的该要求的特征。该输出可以包括在图形用户界面上显示该医学成像数据以及该选择的植入物或该植入物测量。响应于确定该植入物测量是在该医学成像数据的该边界内或与该医学成像数据的该边界间隔开该阈值距离,可以将该医学成像数据自动地批准为对于促进外科手术规划是可接受的。可以从该选择的植入物中自动地获得植入物形状模型。可以从该植入物形状模型获得该选择的植入物的测量。该植入物形状模型可以被拟合到该医学成像数据中的该目标解剖结构。该植入物形状模型可以包括边界或点。可以将该植入物形状模型的该边界或点与该医学成像数据的该边界自动地进行比较。响应于确定该植入物形状模型的该边界或点超出该医学成像数据的该边界或未能与该医学成像数据的该边界间隔开该阈值距离,可以将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。响应于确定这些预期参数中的任何一个或多个未能可接受地匹配其对应的经预测的参数,可以将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。该医学成像数据可以包括ct容积。从该ct容积中,可以自动地生成是两维的数字重建放射影像。可以将该数字重建放射影像自动地应用于该机器学习模型以分析该数字重建放射影像以输出该经预测的参数。该机器学习模型可以是卷积神经网络。可以将该医学成像数据自动地应用于该卷积神经网络,以分析该医学成像数据以输出该经预测的参数。可以自动地获得与该医学成像数据相关联的术前患者数据。该术前患者数据可以包括指示诸如以下的预期参数的信息:预期类型的解剖学关节和该解剖学关节的预期手术侧。可以将该医学成像数据自动地应用于该机器学习模型,以分析该医学成像数据以输出诸如以下的经预测的参数:经预测的类型的解剖学关节和该解剖学关节的经预测的手术侧。该医学成像数据可以包括解剖学关节的ct容积。该机器学习模型可以是轻量级2d卷积神经网络。从该ct容积中,可以自动地生成第一数字重建放射影像,该第一数字重建放射影像是两维的并且捕获该解剖学关节的骨骼结构。从该ct容积中,可以自动地生成第二数字重建放射影像,该第二数字重建放射影像是两维的并且捕获该解剖学关节的软组织结构。可以将该第一数字重建放射影像自动地应用于该轻量级2d卷积神经网络以分析该第一数字重建放射影像以输出该经预测的类型的解剖学关节。可以将该第二数字重建放射影像自动地应用于该轻量级2d卷积神经网络以分析该第二数字重建放射影像以输出该解剖学关节的该经预测的手术侧。可以获得包括指示诸如以下的预期参数的信息的术前患者数据:针对该目标解剖结构的现有植入物的预期存在或不存在。可以将该医学成像数据自动地应用于该机器学习模型,以分析该医学成像数据,以进一步输出诸如以下的经预测的参数:针对该目标解剖结构的现有植入物的经预测的存在或不存在。可以将现有植入物的该预期存在或不存在与现有植入物的该经预测的存在或不存在自动地进行比较。响应于确定现有植入物的该预期存在或不存在未能可接受地匹配现有植入物的该经预测的存在或不存在,可以将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。从该ct容积中,可以自动地生成捕获该解剖学关节中的金属结构的数字重建放射影像。可以将该数字重建放射影像自动地应用于该卷积神经网络以分析该数字重建放射影像以输出针对该目标解剖结构的现有植入物的该经预测的存在或不存在。可以将该数字重建放射影像自动地应用于该卷积神经网络以分析该数字重建放射影像以输出该现有植入物的该经预测的存在以及以下中的一个或多个:该现有植入物的经预测的制造者;该现有植入物的经预测的模型编号;以及该现有植入物的经预测的大小或类型。可以获得包括指示诸如以下的预期参数的信息的术前患者数据:将被规划用于该目标解剖结构的预期类型的规程。可以将该医学成像数据自动地应用于该机器学习模型,以分析该医学成像数据,以进一步输出诸如以下的经预测的参数:将被规划用于该目标解剖结构的经预测的类型的规程。可以将该预期类型的规程与该经预测的类型的规程自动地进行比较。响应于确定该预期类型的规程未能可接受地匹配该经预测的类型的规程,可以将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。响应于确定该一个或多个配置设定与该一个或多个可接受的配置设定相对应,可以将该医学成像数据自动地批准为对于促进外科手术规划是可接受的。

19、该医学成像数据可以是3d ct容积。该目标解剖结构可以是解剖学关节。第一机器学习模型可以将该3d ct容积中的该解剖学关节的类型自动地分类为以下中的一个:单侧髋关节、单侧膝关节、单侧踝关节、双侧髋关节、双侧膝关节、或双侧踝关节。可以生成置信度得分,以指示该3d ct容积中该解剖学关节的该类型的分类准确性。该置信度得分可以与阈值进行比较。响应于该置信度得分超出该阈值,可以对该类型的解剖学关节自动地进行分类。该经分类的类型的解剖学关节可以被用来自动地选择该第二机器学习模型。可以生成多个置信度得分,该多个置信度得分指示将该3d ct容积中该解剖学关节的该类型分类为以下中的每一个的准确性:单侧髋关节、单侧膝关节、单侧踝关节、双侧髋关节、双侧膝关节、或双侧踝关节。可以标识来自该多个置信度得分之中的最高置信度得分。可以基于该最高置信度得分对该类型的解剖学关节自动地进行分类。该经分类的类型的解剖学关节可以被用来自动地选择该第二机器学习模型。仅响应于将该3d ct容积中该解剖学关节的类型自动地分类为以下中的一个:单侧髋关节、单侧膝关节、或单侧踝关节,该经分类的类型的解剖学关节才可以被用来自动地选择该第二机器学习模型。响应于将该3d ct容积中该解剖学关节的该类型自动地分类为单侧髋关节,可以选择被专门地训练来对该单侧髋关节的侧别是左髋关节还是右髋关节进行分类的该第二机器学习模型。响应于将该3d ct容积中该解剖学关节的该类型自动地分类为单侧膝关节,可以选择被专门地训练来对该单侧膝关节的侧别是左膝关节还是右膝关节进行分类的该第二机器学习模型。响应于将该3d ct容积中该解剖学关节的该类型自动地分类为单侧踝关节,可以选择被专门地训练来对该单侧踝关节的侧别是左踝关节还是右踝关节进行分类的该第二机器学习模型。可以生成置信度得分,该置信度得分指示该3d ct容积中该解剖学关节的该侧别的分类准确性。该置信度得分可以与阈值进行比较。响应于该置信度得分超出该阈值,可以对该解剖学关节的该侧别自动地进行分类。解剖学关节的该经分类的侧别可以被利用来自动地产生标识该经分类的侧别的该计算机生成的输出。第一置信度得分可以指示该解剖学关节的该侧别是左侧关节的分类准确性。第二置信度得分可以指示该解剖学关节的该侧别是右侧关节的分类准确性。来自这些第一置信度得分和第二置信度得分之中的最高置信度得分可以被标识为基于该最高置信度得分对该解剖学关节的该侧别自动地进行分类。可以生成指示该医学成像数据中的该目标解剖结构的该类型的分类准确性的置信度得分,响应于确定该置信度得分未能满足可接受的阈值,可以将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。可以生成指示该医学成像数据中的该目标解剖结构的该侧别的分类准确性的置信度得分,响应于确定该置信度得分未能满足可接受的阈值,可以将该医学成像数据自动地拒绝为对于促进外科手术规划是不可接受的。这些第一机器学习模型和这些第二机器学习模型可以是包括卷积神经网络的深度学习模型。

20、医学图像检查器或自动化图像检查套件可以以多种方式被实现,诸如软件即医学装置samd (旨在被用于一种或多种医学目的的软件,该软件无需成为硬件医学装置的一部分即可执行这些目的)、软件即服务saas (无需下载通过互联网访问软件)等等。该成像数据可以包括任一类型的成像数据,诸如但不限于2d或3d ct扫描或容积、x-射线、荧光透视图像数据、超声成像数据、数字重建放射影像(drr)等。该医学成像数据在使用本文描述的技术进行处理之前,可能是被先前地分类的或未分类的。

21、该目标解剖结构、形状模型、植入物形状模型、或医学图像的外推可以被用于任一方面。可以修改该医学成像数据,以使该形状模型(包括该形状模型的超出该医学成像数据的该边界的该部分)能够可视化。可以生成外推区域,该外推区域包括该形状模型的超出该医学成像数据的该边界的部分。该外推区域可以与该医学成像数据的该边界相邻,或者该医学成像数据可以被扩展以包括该外推区域。在该外推区域内,可以人为地重新创建该目标解剖结构的在该形状模型的超出该医学成像数据的该边界的该部分内的特征。也可以人为地重新创建与该形状模型的超出该医学成像数据的该边界的该部分相邻的软组织区域。颜色编码和/或注释可以被用来标识该形状模型的超出该医学成像数据的该边界的该部分。

22、本文描述的这些检查中的任一项检查可以被用于展现任一类型的解剖学结构的图像,并且这些检查可以被用来评定和/或分类任一类型的解剖学结构,包括但不限于:骨;骨骼;软组织;韧带;软骨;骨赘;肩关节骨骼或特征,诸如关节盂、肩胛骨或肱骨,或其任何部分;脊柱骨骼,诸如椎体、椎间盘或软骨、椎弓根,或其任何部分;膝关节骨骼,诸如股骨、胫骨、髌骨、韧带、软骨,或其任何部分;髋关节骨骼,诸如股骨、髋臼、骨盆、软骨、韧带,或其任何部分;颅骨骨骼;面部骨骼;踝关节骨骼;腕关节骨骼;骨碎片或骨折部分。设想了其他类型的解剖结构。另外,本文描述的这些检查中的任一项检查可以被用于展现任一类型的体外异物或现有植入物的图像,并且这些检查可以被用来评定和/或通过这些检查中的任一项检查来进行分类。