用于预测全膝关节成形术、部分膝关节成形术和其他医疗程序的系统、装置和方法与流程

本公开涉及用于优化医疗程序的系统和方法，并且具体地涉及一种用于处理和显示图像以提供临床决策智能并优化关节置换程序之后的结局的系统和方法。

背景技术：

1、肌肉骨骼疾病为医疗从业者带来了独特的问题。结合假体和/或植入物的手术（比如关节置换程序）通常需要仔细考虑各种因素。期望用于执行、收集和分析或处理图像采集数据的改进的系统和方法。

技术实现思路

1、在本公开的一方面，一种用于预测患者所需的手术类型的方法可以包括：接收影像数据，该影像数据包括所采集的患者解剖结构的至少一个图像；基于该图像数据确定该患者解剖结构的至少一个参数，该至少一个参数包括b-评分和c-评分中的至少一项；接收关于该患者的患者数据；至少部分地基于该至少一个参数和该患者数据来为该患者生成预测程序；以及输出该预测程序以在图形用户界面（gui）内显示。在一些实例中，该预测程序是部分膝关节成形术或全膝关节成形术。在一些实例中，生成该预测程序包括确定用于该患者的植入物的类型。在一些实例中，预测程序是至少部分地使用机器学习模型来生成的，该机器学习模型是利用针对先前患者生成的多个预测程序和针对这些先前患者接收的相应多个经确认程序训练的。在一些实例中，该方法进一步包括接收针对该患者的经确认程序并使用该预测程序和该经确认程序来进一步训练该机器学习模型。在一些实例中，该经确认程序是通过该gui接收的。在一些实例中，该至少一个参数包括b-评分和c-评分。在一些实例中，该至少一个参数包括多个c-评分。在一些实例中，该多个c-评分包括内侧胫股c-评分、外侧胫股c-评分、内侧髌股c-评分和外侧髌股c-评分中的两项或更多项。在一些实例中，该方法进一步包括对该患者数据进行归一化。

2、在本公开的另一方面，一种用于预测患者所需的手术类型的系统包括：成像装置，该成像装置可操作以生成影像数据，该影像数据包括所采集的患者解剖结构的至少一个图像；以及至少一个处理器，该至少一个处理器在至少一个计算装置上执行并且可操作以：接收由该成像装置生成的包括所采集的该患者解剖结构的至少一个图像的影像数据；基于该影像数据确定该患者解剖结构的至少一个参数，该至少一个参数包括b-评分和c-评分中的至少一项；接收关于该患者的患者数据；至少部分地基于该至少一个参数和该患者数据来为该患者生成预测程序；以及输出该预测程序以在图形用户界面（gui）内显示。在一些实例中，该预测程序是部分膝关节成形术或全膝关节成形术。在一些实例中，该至少一个处理器进一步可操作以通过确定用于该患者的植入物的类型来生成该预测程序。在一些实例中，该至少一个处理器进一步可操作以至少部分地使用机器学习模型来生成该预测程序，该机器学习模型是利用针对先前患者生成的多个预测程序和针对这些先前患者接收的相应多个经确认程序训练的。在一些实例中，该至少一个处理器进一步可操作以接收针对该患者的经确认程序并使用该经确认程序进一步训练该机器学习模型。在一些实例中，该至少一个处理器进一步可操作以通过该gui接收该经确认程序。在一些实例中，该至少一个参数包括b-评分和c-评分。在一些实例中，该至少一个参数包括多个c-评分。在一些实例中，该多个c-评分包括内侧胫股c-评分、外侧胫股c-评分、内侧髌股c-评分和外侧髌股c-评分中的两项或更多项。在一些实例中，该至少一个处理器进一步可操作以对该患者数据进行归一化。

1.一种用于预测患者的手术类型的方法，所述方法包括：

2.如权利要求1所述的方法，其中，确定所述骨骼的bmd包括：

3.如权利要求2所述的方法，进一步包括：

4.如权利要求2所述的方法，其中，所述运动杆以及所述空气和所述脂肪中的所述至少一者的所述bmd等效值是预先确定的。

5.如权利要求1所述的方法，进一步包括从所述至少一个图像内自动识别所述运动杆、所述骨骼、以及所述空气和所述脂肪中的所述至少一者。

6.如权利要求5所述的方法，其中，所述运动杆、所述骨骼、以及所述空气和所述脂肪中的所述至少一者是使用形状模型从所述至少一个图像内自动识别的。

7.如权利要求1所述的方法，进一步包括生成所述骨骼的三维模型并输出所述骨骼的所述三维模型以与所述预测程序一起显示。

8.如权利要求7所述的方法，其中，所述骨骼的所述三维模型展示出所确定的所述骨骼的bmd。

9.如权利要求1所述的方法，进一步包括使用所述影像数据来确定所述患者的解剖结构的至少一个参数，所述至少一个参数包括b-评分和c-评分中的至少一项，并且至少部分地基于所确定的所述骨骼的bmd、所述患者数据和所述至少一个参数来为所述患者生成所述预测程序。

10.如权利要求8所述的方法，进一步包括输出所确定的所述骨骼的bmd和所述至少一个参数以与所述预测程序一起显示。

11.如权利要求8所述的方法，其中，所述至少一个参数包括b-评分和c-评分。

12.如权利要求8所述的方法，其中，所述至少一个参数包括多个c-评分。

13.如权利要求10所述的方法，其中，所述多个c-评分包括内侧胫股c-评分、外侧胫股c-评分、内侧髌股c-评分和外侧髌股c-评分中的两项或更多项。

14.如权利要求1所述的方法，其中，所述至少一个图像取自计算机断层摄影（ct）扫描或磁共振成像（mri）扫描。

15.如权利要求1所述的方法，其中，所述运动杆是联接到所述患者的解剖结构的条杆。

16.如权利要求16所述的方法，其中，所述运动杆由铝构成。

17.如权利要求16所述的方法，进一步包括使用形状模型从所述至少一个图像内自动识别所述运动杆。

18.如权利要求1所述的方法，其中，所述预测程序是至少部分地使用机器学习模型来生成的，所述机器学习模型是利用针对先前患者生成的多个预测程序和针对所述先前患者接收的相应多个经确认程序训练的。

19.如权利要求19所述的方法，进一步包括接收针对所述患者的经确认程序并使用所述预测程序和所述经确认程序来进一步训练所述机器学习模型。