用于使用机器学习改进手术规划的方法及其装置制造方法及图纸

本发明专利技术示出了使用机器学习改进手术规划的方法、非暂时性计算机可读介质和手术计算装置。利用该技术，基于与已经历手术程序的患者相关联的历史病例日志数据集来训练机器学习模型。机器学习模型应用于当前患者的当前患者数据以生成预测方程。当前患者数据包括当前患者的解剖结构的解剖数据。对预测方程进行优化，以生成植入物的大小、位置和取向，以及实现相对于当前患者的解剖结构的植入物的位置和取向所需的切除，作为当前患者的手术计划的一部分。基于当前患者数据和当前结果更新机器学习模型。习模型。习模型。

【技术实现步骤摘要】
【国外来华专利技术】用于使用机器学习改进手术规划的方法及其装置
[0001]相关申请
[0002]本申请要求美国临时专利申请62/801245(提交于2019年2月5日)、62/801257(提交于2019年2月5日)、62/864663(提交于2019年6月21日)、62/885673(提交于2019年8月12日)和62/939946(提交于2019年11月25日)的优先权，所述专利申请整体并入本文。


[0003]本公开总体上涉及与计算机辅助手术系统有关的方法、系统和设备，所述计算机辅助手术系统包括一起工作以增强手术流程的各种硬件和软件部件。所公开的技术可以应用于例如肩关节、髋关节和膝关节置换术。

技术介绍

[0004]常见类型的关节置换术，例如部分膝关节置换术(PKA)、全膝关节置换术(TKA)或全髋关节置换术(THA)利用手术计划来限定一个或多个预定切割平面以切除骨骼，以适应膝关节或髋关节植入物/置换关节的植入取向和位置(姿态)。通过根据手术计划切除骨，可以将患者骨成形为标准化的、计划方式，以接受具有给定姿态的关节置换植入物。
[0005]关节置换植入物的确切取向和位置通常根据在开始手术之前制定的手术计划来规划。然而，外科医生将经常基于所收集的关于患者关节的信息来在手术室中修改计划。存在各种系统来改进手术计划和工作流，但仍然有改进的余地。

技术实现思路

[0006]提供此
技术实现思路
是为了符合37 C.F.R.
§
1.73，需要本专利技术的
技术实现思路
简要地说明本专利技术的性质和实质。要理解，提出它不是用于解释或限制本公开的范围或含义。
[0007]公开了使用机器学习改进手术规划的方法、非暂时性计算机可读介质和手术计算装置。利用该技术，基于与已经历手术程序的患者相关联的历史病例日志数据集来训练机器学习模型。机器学习模型应用于当前患者的当前患者数据以生成预测方程。当前患者数据包括当前患者的解剖结构的解剖数据。对预测方程进行优化，以生成植入物的大小、位置和取向，以及实现相对于当前患者的解剖结构的植入物的位置和取向所需的切除，作为当前患者的手术计划的一部分。基于当前患者数据和当前结果更新机器学习模型。
[0008]根据某些实施例，手术程序包括膝关节置换术。
[0009]根据某些实施例，机器学习模型包括人工神经网络。
[0010]根据某些实施例，人工神经网络包括通过具有相关联加权值的连接联接的多个输入节点和下游节点。
[0011]根据某些实施例，每个加权值包括预测方程系数。
[0012]根据某些实施例，获得灵敏度阈值；应用所述值以忽略输入节点中的一个或多个。
[0013]根据某些实施例，包括与输入节点对应的信号的输入数据作为种子数据提供给人工神经网络。输入数据从历史病例日志数据集提取。
[0014]根据某些实施例，改变所述加权值，直到所述人工神经网络被配置成提供与所述历史结果数据对应的结果。
[0015]根据某些实施例，使用直接蒙特卡洛采样、随机隧道或并行回火中的一者或多者来优化所述预测方程。
[0016]根据某些实施例，术前从所述当前患者的解剖结构的医学图像数据生成所述解剖数据。基于所述植入物的几何形状和所述解剖学数据的布尔交点确定所述当前患者的优化切除包络。指示患者特定膝关节器械(PSKI)系统移除优化的切除包络。
[0017]根据某些实施例，指示机器人辅助手术系统实施所述手术计划的一个或多个部分。
[0018]根据某些实施例，生成术中算法，所述术中算法包括与所述手术计划相关联的多个建议动作。评估执行所述建议动作中的一个的结果。然后基于所述评估更新所述术中算法的一个或多个输入，以改变在所述建议动作中的所述一个之后待执行的所述建议动作中的另一个。
[0019]根据某些实施例，基于与所述建议动作中的一个的一个或多个偏差来更新所述一个或多个输入。
附图说明
[0020]各种实施例通过举例在附图的图中示出。此类实施例是示例性的，并且不旨在是本专利技术主题的详尽或排他性实施例。
[0021]图1示出了用于一些实施例的示例性计算机辅助手术系统；
[0022]图2A示出了根据一些实施例的可由手术计算机使用的一些控制指令的实例；
[0023]图2B示出了根据一些实施例的可由手术计算机使用的一些数据的实例；
[0024]图2C是示出根据一些实施例的由手术计算机使用的基于云的系统的实例的系统图；
[0025]图3A提供了根据一些实施例的手术计算机可以生成如何推荐的高级概述；
[0026]图3B示出了根据一些实施例的示例性植入物放置界面；
[0027]图3C示出了根据一些实施例的示例性间隙规划界面；
[0028]图3D示出了根据一些实施例的示例性优化参数化界面；
[0029]图3E示出了根据一些实施例的示例性响应和理由界面；
[0030]图4提供了系统图，其示出根据一些实施例的可以如何执行手术参数的优化；
[0031]图5A
‑
F提供了根据一些实施例的膝盖预测方程的概述；
[0032]图6是示出根据一些实施例的可以执行方程组优化的过程的流程图；
[0033]图7A
‑
1、7A
‑
2、7A
‑
3和7B提供了用于一些实施例的示例性用户界面的概述；
[0034]图8提供了用于一些实施例的示例性手术患者护理系统的概述；
[0035]图9提供了用于一些实施例的机器学习算法的概述；
[0036]图10是示出用于一些实施例的示例性手术患者护理系统的操作的流程图；
[0037]图11A
‑
B是示出用于一些实施例的示例性手术患者护理系统的操作的流程图；
[0038]图11C
‑
1、11C
‑
2和11C
‑
3提供了用于一些实施例的用于植入物放置的示例性用户界面的概述；
[0039]图12A
‑
12C提供了用于一些实施例的解剖建模软件可使用以可视地描绘建模髋关节活动的结果的一些输出；
[0040]图12D提供了用于一些实施例的髋关节植入物的示例性可视化；
[0041]图13提供了在一些实施例中的增强现实可视化的实例；
[0042]图14是示出用于一些实施例的增强现实可视化系统的系统图；
[0043]图15是示出用于一些实施例的增强现实系统的操作的流程图；
[0044]图16是示出用于一些实施例的增强现实可视化系统的系统图；
[0045]图17A提供了在一些实施例中的增强现实可视化的实例；
[0046]图17B提供了在一些实施例中的三维可视化的实例；
[0047]图18A提供了在一些实施例中的三维可视化的实例；
[0048]图18B提供了在一些实施例中的三维可视化的实例；...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于使用机器学习改进手术规划的方法，包括：基于历史病例日志数据集训练至少一个机器学习模型，所述历史病例日志数据集包括历史结果数据，所述历史结果数据与历史患者数据、历史植入物数据或与手术程序的多个实例相关联的历史医疗保健专业数据中的一个或多个相关；将所述机器学习模型应用于当前患者的当前患者数据以生成预测方程，其中所述当前患者数据至少包括所述当前患者的解剖结构的解剖数据；优化所述预测方程以产生植入物的大小、位置和取向，以及实现所述植入物相对于所述当前患者的解剖结构的位置和取向所需的一个或多个切除，作为经历所述手术程序的当前患者的手术计划的一部分；以及在执行所述手术计划之后，基于所述当前患者数据和针对所述当前患者生成的当前结果数据更新所述机器学习模型。2.根据权利要求1所述的方法，其中所述手术程序包括膝关节置换术。3.根据前述权利要求中任一项所述的方法，其中所述机器学习模型包括人工神经网络。4.根据权利要求3所述的方法，其中所述人工神经网络包括通过具有相关联加权值的连接联接的多个输入节点和下游节点。5.根据权利要求4所述的方法，其中所述加权值中的每一个包括预测方程系数。6.根据权利要求4
‑
5中任一项所述的方法，还包括：获得灵敏度阈值；以及应用所述灵敏度阈值以忽略所述输入节点中的一个或多个。7.根据权利要求4
‑
6中任一项所述的方法，还包括将输入数据作为种子数据提供至所述人工神经网络，所述输入数据包括与所述输入节点相对应的信号，其中所述输入数据从所述历史病例日志数据集提取。8.根据权利要求7所述的方法，还包括改变所述加权值，...

【专利技术属性】
技术研发人员：肖恩，
申请(专利权)人：史密夫和内修整形外科股份公司新加坡施乐辉亚太有限公司，
类型：发明
国别省市：