DE112010001797T5

DE112010001797T5 - Verfahren und Vorrichtung zum Detektieren der Kranznaht für stereotaktische Eingriffe

Info

Publication number: DE112010001797T5
Application number: DE112010001797T
Authority: DE
Inventors: Janardan Vaidyanathan
Original assignee: Medtronic Inc
Current assignee: Medtronic Inc
Priority date: 2009-04-28
Filing date: 2010-02-04
Publication date: 2012-11-15
Also published as: US8195299B2; US20100274311A1; WO2010126632A1

Abstract

Ein Verfahren zum Identifizieren einer Kranznaht an einem Schädel kann das Erfassen von Bilddaten von Schädeln für mehrere Patienten umfassen. Eine Datenbank kann erzeugt werden, die räumliche Beziehungen von verschiedenen kraniometrischen Orientierungshilfen der mehreren Patienten, die nach einer gewünschten Bevölkerungseigenschaft sortiert sind, enthält. Ein interessierender Bereich kann festgelegt werden, der auf einer Varianz von Orten der kraniometrischen Orientierungshilfen zwischen den mehreren Patienten für die gewünschte Eigenschaft basiert. Eine Kriteriensuche kann an erfassten Bilddaten von einem spezifischen Patienten durchgeführt werden, die nur auf den interessierenden Bereich begrenzt ist, um eine Kranznaht für diesen spezifischen Patienten zu identifizieren.

Description

GEBIET
Die vorliegende Offenbarung bezieht sich auf die Orientierungshilfenidentifikation an einem Schädel und insbesondere auf ein Verfahren und eine Vorrichtung zum Detektieren eines Orts einer Koronal- bzw. Kranznaht.
HINTERGRUND
Dieser Abschnitt gibt Hintergrundinformationen in Bezug auf die vorliegende Offenbarung an, die nicht notwendigerweise Stand der Technik sind.
In einem menschlichen Schädel sind die acht Schädelknochen, die zusammen ein hohles Gehirnschutzgehäuse oder den Schädel bilden, das Hinterhauptbein, das Keilbein, das Siebbein und das Stirnbein sowie die paarweisen Schläfen- und Scheitelbeine. Schädelnahtstellen sind im Allgemeinen gezackte Nähte wie z. B. die Sagittalnaht und die Kranznaht. Die Kranznaht verbindet die Stirnbeine mit den Scheitelbeinen. Die Scheitelbeine sind in der Medianebene an der Oberseite des Schädels durch die Sagittalnaht aneinander befestigt, die vom Bregma zur Lambdanaht verläuft.
In einigen Bespielen kann es erforderlich sein, den Ort der Kranznaht zu identifizieren. Die Kranznaht kann als Orientierungshilfe beim Durchführen von verschiedenen Operationen, wie z. B. einer Tiefenhirnstimulationsoperation oder dergleichen, verwendet werden, wobei ein Eintrittspunkt oder mehrere Eintrittspunkte geringfügig vor der Kranznaht oder auf der Kranznaht bevorzugt sind.
ZUSAMMENFASSUNG
Dieser Abschnitt gibt eine allgemeine Zusammenfassung der Offenbarung an und ist keine umfassende Offenbarung ihres vollen Schutzbereichs oder aller ihrer Merkmale.
Ein Verfahren zum Identifizieren einer Kranznaht an einem Schädel kann das Erfassen von Bilddaten von Schädeln von mehreren Patienten umfassen. Eine Datenbank kann erzeugt werden, die räumliche Beziehungen von verschiedenen kraniometrischen Orientierungshilfen der mehreren Patienten enthält, die nach einer gewünschten Bevölkerungseigenschaft sortiert sind. Ein interessierender Bereich kann festgelegt werden, der auf einer Varianz von Orten der kraniometrischen Orientierungshilfen zwischen den mehreren Patienten für die gewünschte Eigenschaft basiert. Eine Kriteriensuche kann an erfassten Bilddaten von einem spezifischen Patienten durchgeführt werden, die auf nur den interessierenden Bereich begrenzt ist, um eine Kranznaht für diesen spezifischen Patienten zu identifizieren.
Gemäß zusätzlichen Merkmalen kann das Erzeugen der Datenbank das Erzeugen eines Datensatzes für jeden Patienten der mehreren Patienten umfassen. Das Erzeugen des Datensatzes für jeden Patienten kann das Identifizieren einer Glabella und eines Inion am Schädel umfassen. Ein Mittelpunkt zwischen der Glabella und dem Inion kann definiert werden. Ein Bregma kann identifiziert werden. Ein erster Vektor vom Mittelpunkt des Bregma des Schädels kann definiert werden. Mehrere Vektoren vom Mittelpunkt zur Kranznaht können zwischen einem rechten und einem linken äußersten Ende der Kranznaht definiert werden.
Die gewünschte Bevölkerungseigenschaft kann aus einer beliebigen gewünschten Eigenschaft ausgewählt werden, einschließlich Ethnie, Alter und Geschlecht, ohne jedoch darauf begrenzt zu sein. Die Identifikation der Glabella, des Inion und/oder des Bregma können auf der Basis einer Analyse von mehreren Sagittalbildern bestimmt werden. Die Sagittalbilder können wirklich erfasst oder von einer von volumetrischen, axialen, koronalen oder anderen Bildsequenzen rekonstruiert werden. Das Durchführen der Kriteriensuche kann das Identifizieren einer Abwesenheit eines MR-Signals in den erfassten Bilddaten umfassen. In einem Beispiel kann das Durchführen der Kriteriensuche das Durchführen einer fortschrittlichen Szenenanalyse umfassen.
Ein zugehöriges System zum Identifizieren einer Kranznaht an einem Schädel kann eine Abbildungsvorrichtung aufweisen, die kraniometrische Bilddaten erfasst. Eine Datenbank kann räumliche Beziehungen von verschiedenen kraniometrischen Orientierungshilfen für mehrere Patienten festlegen, die auf den Bilddaten basieren und nach einer Bevölkerungseigenschaft sortiert sind. Ein erster Prozessor kann einen interessierenden Bereich auf der Basis einer Varianz von Orten der kraniometrischen Orientierungshilfen zwischen den mehreren Patienten für die gewünschte Eigenschaft festlegen. Ein zweiter Prozessor kann eine Kriteriensuche an den erfassten Bilddaten für einen spezifischen Patienten durchführen, die auf nur den interessierenden Bereich begrenzt ist, um eine Kranznaht für diesen spezifischen Patienten zu identifizieren.
Weitere Anwendungsgebiete werden aus der hier gegebenen Beschreibung ersichtlich. Die Beschreibung und die spezifischen Beispiele in dieser Zusammenfassung sind nur für Erläuterungszwecke bestimmt und sollen den Schutzbereich der vorliegenden Offenbarung nicht begrenzen.
ZEICHNUNGEN
Die hier beschriebenen Zeichnungen dienen nur für Erläuterungszwecke von ausgewählten Ausführungsformen und nicht allen möglichen Implementierungen und sollen den Schutzbereich der vorliegenden Offenbarung nicht begrenzen.
1 ist eine Draufsicht eines menschlichen Schädels;
2 ist eine (linke) Seitenansicht des in 1 gezeigten Schädels, die mit einer in Durchsicht gezeichneten Linie zwischen einer Glabella und einem Inion, und einem Vektor, der von einem Mittelpunkt zwischen der Glabella und dem Inion zum Bregma gezeichnet ist, dargestellt ist, gemäß einem Beispiel der vorliegenden Lehren;
3 ist eine Umgebungsansicht eines Patienten, die während eines MRI-Eingriffs gezeigt ist und mit einer optionalen chirurgischen Navigationsausrüstung dargestellt ist;
4 ist ein Ablaufplan, der beispielhafte Schritte zum Erzeugen einer Datenbank darstellt, die zum Erleichtern der Identifikation einer Kranznaht verwendet wird;
5 ist ein Ablaufplan, der beispielhafte Schritte zum Identifizieren einer Kranznaht an einem Patienten in einem spezifischen Personendatensatz gemäß den vorliegenden Lehren darstellt; und
6 ist eine beispielhafte MRI-Abtastung bzw. MRI-Scan, die eine Kranznaht darstellt.
Entsprechende Bezugszeichen geben in allen verschiedenen Ansichten der Zeichnungen entsprechende Teile an.
AUSFÜHRLICHE BESCHREIBUNG
Die folgende Beschreibung ist dem Wesen nach lediglich beispielhaft und soll die vorliegende Offenbarung, Anwendung oder Verwendungen nicht begrenzen. Anfänglich versteht ein Fachmann auf dem Gebiet, dass das System und die Vorrichtung, die hier offenbart werden, bei einem beliebigen geeigneten Eingriff verwendet werden können, bei dem die Identifikation von anatomischen Orientierungshilfen des Schädels wie z. B. einer Kranznaht erwünscht ist.
Vor dem Beschreiben des Systems und des Verfahrens gemäß den vorliegenden Lehren wird eine allgemeine Erörterung des Schädels beschrieben. Mit anfänglichem Bezug auf 1 und 2 ist ein Schädel 10 gezeigt. Der Schädel 10 weist ein Stirnbein 12, ein Paar von Scheitelbeinen 14, 16 und ein Hinterhauptbein 18 auf. Es ist zu erkennen, dass der Schädel 10 andere Knochen aufweist, die in 1 und 2 nicht speziell identifiziert sind. Eine Kranznaht 20 verbindet das Stirnbein 12 mit den Scheitelbeinen 14 und 16. Die Scheitelbeine 14 und 16 sind in der Medianebene an der Oberseite des Schädels 10 durch eine Sagittalnaht 24 aneinander befestigt. Die Sagittalnaht 24 erstreckt sich von einem Bregma 28 zu einer Lambdanaht 30. Eine Glabella 32 ist der am meisten vorstehende Punkt in der Mittelliniensagittalebene vorn zwischen den Supraorbitalbögen (nicht speziell identifiziert). Ein Inion 34 ist der am meisten vorstehende Punkt in der Mittelliniensagittalebene hinten in der Mitte der oberen Nackenlinie des Hinterhauptbeins 18. Das Bregma 28 kann auch die Verbindungsstelle der Sagittalnaht 24 und der Kranznaht 20 an der Oberseite des Schädels 10 definieren.
Mit Bezug nun auf 3 ist ein beispielhaftes System zum Detektieren einer Kranznaht für chirurgische Eingriffe wie z. B. stereotaktische Eingriffe gemäß einem Beispiel der vorliegenden Lehren gezeigt und im Allgemeinen mit dem Bezugszeichen 38 identifiziert. Das System 38 kann im Allgemeinen eine Abbildungsvorrichtung 40 wie z. B. eine Magnetresonanztomographievorrichtung (MRI-Vorrichtung) aufweisen. Das System 38 kann auch wahlweise in Verbindung mit einem chirurgischen Navigationssystem 42 verwendet werden. Weitere Details eines beispielhaften chirurgischen Navigationssystems sind in dem im gemeinsamen Besitz stehenden und gegenwärtig anhängigen US-Patent lfd. Nr. 12/336 085 zu finden. Das chirurgische Navigationssystem 42 kann verwendet werden, um den Ort einer Sonde oder eines Handteils 44 relativ zu einem Patienten 48 zu verfolgen, um einen chirurgischen Eingriff zu unterstützen. Die Sonde 44 kann ein elektromagnetisches (EM) Instrument aufweisen, das die Vorrichtung 46 verfolgt und das ein Signal empfangen, ein Signal senden oder Kombinationen davon kann, um Informationen zum Navigationssystem 42 zuzuführen, um einen Ort der EM-Instrument-Verfolgungsvorrichtung 46 zu bestimmen. Beispielsweise und wie hier erörtert, kann das chirurgische Navigationssystem 42 verwendet werden, um eine Sonde relativ zu einem Patienten zu verfolgen, um Orte von spezifischen anatomischen Orientierungshilfen zu bestimmen. Eine allgemeine Erörterung des beispielhaften Navigationssystems 42 wird später hier im Einzelnen dargelegt.
Die Abbildungsvorrichtung 40 kann verwendet werden, um präoperative, intraoperative oder postoperative oder Echtzeitbilddaten des Patienten 48 zu erfassen. In einem Beispiel kann die Abbildungsvorrichtung 40 dazu konfiguriert sein, Abtastungen des Schädels 10 volumetrisch zu erfassen. Die Sequenz von Abtastungen kann beliebige geeignete Dicken aufweisen, wie beispielsweise 1,3 oder 5 mm. Die MRI-Sequenz kann eine beliebige geeignete Sequenz sein, wie z. B. T1, T2, IR, PD usw. Die mit der Abbildungsvorrichtung 40 erfassten Bilddaten können von einem Arbeitsplatzrechner 50 als Teil eines Algorithmus verwendet werden, der verschiedene anatomische Orientierungshilfen des Schädels 10 identifizieren kann. Der Arbeitsplatzrechner 50 kann auch eine Datenbank erzeugen, die räumliche Beziehungen von verschiedenen kraniometrischen Orientierungshilfen von mehreren Patienten, die nach einer gewünschten Bevölkerungseigenschaft sortiert sind, enthält.
Der Arbeitsplatzrechner 50 kann auch verwendet werden, um auf die Bilddaten während eines EM-Bild-gesteuerten Eingriffs Bezug zu nehmen.
Der Arbeitsplatzrechner 50 kann eine Anzeigevorrichtung 52, um Bilddaten 54 anzuzeigen, und eine Benutzerschnittstelle 56 aufweisen. Der Arbeitsplatzrechner 50 kann auch einen Bildprozessor, einen Navigationsprozessor und einen Speicher zum Halten von Anweisungen und Daten aufweisen oder damit verbunden sein. Der Arbeitsplatzrechner 50 kann auch einen Optimierungsprozessor aufweisen, der einen navigierten Eingriff unterstützt.
Der Arbeitsplatzrechner 50 erleichtert das Anzeigen der Bilddaten 54 als Bild auf der Anzeigevorrichtung 52, das Speichern, digitale Verarbeiten oder Drucken eines Ausdruckbildes der empfangenen Bilddaten. Die Benutzerschnittstelle 56, die eine Tastatur, eine Maus, ein Berührungsstift, ein Berührungsbildschirm, ein Fußschalter, Sprache oder eine andere geeignete Vorrichtung sein kann, ermöglicht, dass ein Arzt oder Benutzer 60 Eingaben zum Steuern der Abbildungsvorrichtung 40 vorsieht oder die Anzeigeeinstellungen der Anzeige 52 einstellt.
Bilddaten können auch unter Verwendung von anderen Abbildungsvorrichtungen erfasst werden. Beispielsweise eine beliebige 2D-, 3D- oder 4D-Abbildungsvorrichtung, wie z. B. isozentrische Fluoroskopie, Zweiebenen-Fluoroskopie, Ultraschall, Computertomographie (CT), Mehrschicht-Computertomographie (MSCT), Positronenemissionstomographie (PET), optische Kohärenztomographie (OCT), intravaskulärer Ultraschall (IVUS), intraoperative CT und andere. Zusätzliche Abbildungssysteme können intraoperative MRI-Systeme, wie z. B. das PaleStar^®-MRI-System, das von Medtronic, Inc., vertrieben wird, sein. Bilddatensätze von Hybridmodalitäten, wie z. B. Positronenemissionstomographie (PET) in Kombination mit CT oder Einzelphotonenemissions-Computertomographie (SPECT) in Kombination mit CT, könnten auch funktionale Bilddaten bereitstellen, die auf anatomische Daten überlagert werden, die verwendet werden sollen, um Zielstellen innerhalb des Patienten 48 zuversichtlich zu erreichen.
Wenn die Systeme 38 und bzw. oder 42 in Verbindung mit einem EM-Bild-gesteuerten Operationssystem verwendet werden, kann ein Lokalisator wie z. B. eine Spulenanordnung 64 und/oder eine zweite Verfolgungsspulenanordnung 66, eine Spulenanordnungssteuereinheit 68 und eine Navigationshandteil-Schnittstelle 70 mit der Sonde 44 verwendet werden. Ein dynamischer Referenzrahmen (nicht speziell gezeigt) kann einen dynamischen Referenzrahmenhalter oder Kopfrahmen aufweisen. Beim Ansteuern der Spulen in der Spulenanordnung 64 mit der Spulenanordnungssteuereinheit 68 werden elektromagnetische Felder innerhalb des Patienten 48 in dem Bereich erzeugt, in dem der medizinische Eingriff durchgeführt wird, der manchmal als Patientenraum bezeichnet wird. Die im Patientenraum erzeugten elektromagnetischen Felder induzieren Ströme in der Verfolgungsvorrichtung 46, die an oder in der Sonde 44 angeordnet ist. Außerdem oder alternativ kann die Verfolgungsvorrichtung am Kopfrahmen vorgesehen sein. Diese induzierten Signale von der Verfolgungsvorrichtung 46 werden zur Navigationshandteil-Schnittstelle 70 zugeführt und anschließend zur Spulenanordnungssteuereinheit 68 weitergeleitet. Die Navigationshandteil-Schnittstelle 70 kann auch Verstärker, Filter und Puffer aufweisen, um direkt mit der Verfolgungsvorrichtung 46 in der Sonde 44 über eine Schnittstelle zu koppeln. Zusätzliche Details hinsichtlich der chirurgischen Navigation sind in dem im gemeinsamen Besitz stehenden und derzeit anhängigen US-Patent lfd. Nr. 11/683 796 zu finden.
Mit fortgesetztem Bezug auf 1–3 und zusätzlichem Bezug auf 4 wird das System 38 zum Detektieren eines Orts der Kranznaht 20 an einem Schädel 10 gemäß einem Beispiel der vorliegenden Lehren weiter beschrieben. Das System 38 kann einen Prozessor oder Prozessoren (wie z. B. einteilig mit oder separat vom Arbeitsplatzrechner 50) aufweisen, die ein oder mehrere Software- oder Firmwareprogramme ausführen können. Ein einzelner Prozessor kann beispielsweise alle hier dargelegten Algorithmen durchführen. Alternativ können mehrere Prozessoren jeweils dazu konfiguriert sein, einen Algorithmus oder Algorithmen durchzuführen oder auszuführen. In einem Beispiel kann die Software verschiedene Algorithmen ausführen, wie beschrieben wird.
Das System 38 kann einen Lernalgorithmus zum Erstellen einer Datenbank für mehrere bzw. eine Anzahl von Patienten erzeugen. Die Datenbank kann räumliche Beziehungen von verschiedenen kraniometrischen Orientierungshilfen für die mehreren Patienten enthalten und kann nach einer gewünschten Bevölkerungseigenschaft sortiert werden. Wie beschrieben wird, kann die Datenbank mehrere Datensätze aufweisen, die nach Eigenschaften wie z. B. Ethnie, Alter, Geschlecht oder anderen Eigenschaften sortiert sein können. Wie zu erkennen ist, können die relativen Orte von solchen kraniometrischen Orientierungshilfen zwischen Patienten in Bezug auf solche gewünschten Eigenschaften variieren. Die Datenbank kann mit mehreren Patienten aufgebaut werden, so dass der Lernalgorithmus vorhergesagte Bereiche von Orten von kraniometrischen Orientierungshilfen (d. h. wie z. B. einer Kranznaht) für einen gegebenen Bevölkerungssatz festlegen kann. Wie zu erkennen ist, gilt, je mehr Patientendaten durch die Datenbank erfasst werden können, desto genauer kann der Lernalgorithmus Bereiche von vorhersagbaren Orten der anatomischen Orientierungshilfen festlegen. Sobald die Datenbank mit Patientendaten versehen wurde, kann der Lernalgorithmus eine Varianz (d. h. Minimum, Maximum, Mittelwert) und einen interessierenden Bereich (ROI) zum Suchen nach der interessierenden kraniometrischen Orientierungshilfe an einem spezifischen Patienten festlegen. Der Algorithmus kann daher die Suche für einen gegebenen Patienten auf ein Gebiet innerhalb des ROI anstatt global um den Schädel begrenzen.
Mit Bezug auf 4 wird nun ein Verfahren 80 zum Erzeugen der Datenbank beschrieben. Die Erzeugung einer Datenbank umfasst die Erfassung von mehreren individuellen Datensätzen oder Vorlagen von individuellen Patienten. Der Deutlichkeit halber wird die Erzeugung eines Datensatzes für einen Patienten zuerst beschrieben. Im Block 82 werden die Glabella 32 und das Inion 34 am Schädel 10 eines gegebenen Patienten identifiziert (siehe 2). Die Glabella 32 und das Inion 34 können durch ein beliebiges geeignetes Verfahren aufgefunden werden, beispielsweise (jedoch nicht begrenzt auf) manuell, halbautomatisch oder vollautomatisch. In einem Verfahren können die Glabella 32 und das Inion 34 durch halbautomatische Identifikation aufgefunden werden, wobei der Chirurg 60 diese Punkte (wie z. B. mit der Sonde 44) vorschlagen kann und die Punkte an den MRI-Bildern durch die im Arbeitsplatzrechner 50 vorgesehene Software erneut überprüft werden können. In einem anderen Beispiel kann ein separater Algorithmus vom Arbeitsplatzrechner 50 zur Identifikation der Glabella 32 und des Inion 34 vorgesehen werden. Der Algorithmus kann die Bilddaten 54 nach den am meisten vorstehenden Punkten am Schädel 10 vorn (Glabella 32) und hinten (Inion 34) durchsuchen.
Sobald die Glabella 32 und das Inion 34 identifiziert wurden, wird ein Mittelpunkt M_Gl 84 (2) auf einer Linie L_Gl zwischen der Glabella 32 und dem Inion 34 im Block 86 definiert. Das Bregma 28 wird auch im Block 86 aufgefunden. Das Bregma 28 kann in einem Beispiel durch einen Algorithmus im Arbeitsplatzrechner 50 aufgefunden werden, der die Bilddaten 54 nach einem Schnittpunkt der Sagittalnaht 24 und der Kranznaht 20 durchsucht (in derselben Sagittalebene, in der die Glabella und das Inion identifiziert wurden). In dieser Hinsicht sind die Bilddaten 54 im Bereich dieses Schnittpunkts im Allgemeinen als Abwesenheit eines MR-Signals oder von Bereichen in den Bilddaten, die dunkel oder ohne Bilddaten erscheinen, identifizierbar. Im Block 88 wird ein Vektor V_CS vom Mittelpunkt M_Gl 84 zum Bregma 28 definiert. Im Block 90 wird der Endpunkt des Vektors V_CS vom Bregma 28 zu den rechten und linken äußersten Enden der Kranznaht 20 aufgezeichnet. In einem Beispiel kann der Endpunkt des Vektors V_CS durch Identifizieren von mehreren Vektoren V_CS1, V_CS2, ... V_CSX von M_Gl 84 zu entsprechenden Positionen entlang der Kranznaht 20 aufgezeichnet werden. Die Spitzen der mehreren Vektoren V_CS1, V_CS2, ... V_CSX können gemeinsam eine gezackte Kurve bilden. Die gezackte Kurve, die durch die Spitzen der mehreren Vektoren V_CS1, V_CS2, ... V_CSX von der rechten Grenze zur linken Grenze aufgezeichnet wird, identifiziert die Kranznaht 20.
In einem Beispiel kann der Algorithmus die Abwesenheit eines MR-Signals aus den Bilddaten 54 der MRI aufzeichnen bzw. erfassen. Die Abwesenheit des MRI-Signals kann als dunkler Bereich in den Bilddaten 54 erscheinen. In einigen Fällen kann es für eine bessere Visualisierung erwünscht sein, MRI-Schichten zu erfassen, die dicker (d. h. etwa 5 mm) sind. In einem Beispiel kann diese Sequenz unter Verwendung einer fortschrittlichen Szenenanalyse durchgeführt werden (wie durch L. Verard, 1997 ”Fully Automatic Identification of AC and PC Landmarks On Brain MRI Using Scene Analysis” im Einzelnen beschrieben). Im Block 92 kann eine Vorlage mit definierbaren Toleranzen für die Mittelsagittalebene (entsprechend dem Mittelpunkt 84), die Glabella-Inion-Linie L_G1 und die mehreren Vektoren V_CS1, V_CS1, ... V_CSX erzeugt werden. Abstände und Winkel zwischen den verschiedenen kraniometrischen Orientierungshilfen können zu einer für Alter/Ethnie/Geschlecht/Bevölkerung spezifischen normativen Vorlage ausgestaltet werden. Mit anderen Worten, die Orte der kraniometrischen Orientierungshilfen für einen Patienten können zusammen mit relativen Orten derselben kraniometrischen Orientierungshilfen von anderen Patienten mit einer gemeinsamen Bevölkerungseigenschaft gespeichert oder gruppiert werden. Wenn mehr Patientendaten gesammelt werden, kann eine robustere und umfassendere Datenbank mit mehreren Gruppierungen von verschiedenen Bevölkerungseigenschaften erzeugt werden.
Wenn die Datenbank erstellt wurde bzw. ist, kann die Identifikation einer Kranznaht 20 für einen nachfolgenden Patienten unter Verwendung der Datenbank effizienter durchgeführt werden. Wenn man sich nun 5 und 6 zuwendet, sind beispielhafte Schritte zum Identifizieren der Kranznaht 20 in einem spezifischen Personendatensatz gezeigt und im Allgemeinen mit dem Bezugszeichen 100 identifiziert. Der spezifische Personendatensatz kann nach Wunsch begrenzt werden. Für Erörterungszwecke kann der spezifische Personendatensatz asiatische Männer im Alter zwischen 50 und 60 Jahren sein. Es ist zu erkennen, dass der spezifische Personendatensatz in einer beliebigen Weise definiert und auf irgendeine oder mehrere interessierende Bevölkerungseigenschaft oder Bevölkerungseigenschaften begrenzt werden kann. Im Block 102 werden der Ort der Glabella 32, des Inion 34 und der Mittelpunkt 84 (Mittelsagittalebene) identifiziert, wie vorstehend beschrieben. Im Block 104 werden die Orte der Glabella 32, des Inion 34 und des Mittelpunkts 84 des spezifischen Patienten in die durch die Datenbank im vorstehend beschriebenen Verfahren 80 erzeugte Vorlage eingetragen. Im Block 106 wird der Vektor V_CS (und mehrere Vektoren V_CS1, V_CS2, ... V_CSX) in Bezug auf den Mittelpunkt M_Gl 84 für diesen spezifischen Personendatensatz definiert, wie vorstehend beschrieben. Im Block 108 wird die Varianz (minimale und maximale Bereiche) für den spezifischen Datensatz (relevant für die asiatischen Männer zwischen 50 und 60 Jahren) des Vektors V_CS (und der mehreren Vektoren V_CS1, V_CS2, ... V_CSX) dann verwendet, um einen interessierenden Bereich (ROI, 2) für diesen spezifischen Personendatensatz zu definieren. In einigen Beispielen kann es erforderlich sein, Ausreißerdatenpunkte vor dem Bestimmen der Varianz zu detektieren und zu entfernen. Die Varianz kann durch Identifizieren des Bereichs von gemeinsamen V_CS-Daten für asiatische Männer zwischen 50 und 60 Jahren im spezifischen Datensatz der Datenbank und Berechnen der Variabilität von einem mittleren Ort der gemeinsamen V_CS-Daten festgelegt werden. Der ROI kann durch Quantifizieren eines Bereichs am Schädel 10 mit einer Grenze, die die durch die Datenbank festgelegte Varianz für den spezifischen Personendatensatz beinhaltet, festgelegt werden. Der ROI kann +/– 10% der Varianz im spezifischen Datensatz sein, um die Variabilität zwischen Menschen einzubeziehen. Im Block 110 wird eine Kriteriensuche durchgeführt (d. h. wie z. B. an den Bilddaten 54), um die Abwesenheit eines MRI-Signals innerhalb des ROI aufzufinden, um die Kranznaht 20 für den betreffenden Patienten genau zu lokalisieren. Der Algorithmus kann daher die Kriteriensuche für die Kranznaht auf einen lokalisierten Bereich des Schädels 10 innerhalb des ROI begrenzen. Da der ROI einen vorhergesagten Ort der Kranznaht darstellt, wie durch die sortierten Bilddaten gemäß bekannten Bevölkerungseigenschaften festgelegt, kann weiter erläutert die Kriteriensuche schneller durchgeführt werden. Mit anderen Worten, das Suchgebiet kann auf ein Gebiet begrenzt werden, das die durch die Datenbank für den Datensatz der gewünschten Bevölkerungseigenschaft (oder Bevölkerungseigenschaften) festgelegte Varianz beinhaltet. Wie zu erkennen ist, ist durch Begrenzen der Kriteriensuche auf nur den ROI die Suche im Vergleich zur globalen Suche am Schädel 10 effizienter. Sobald die Kranznaht an einem speziellen Patienten identifiziert wurde, kann beispielsweise der gewünschte Eingriff, wie z. B. Tiefenhirnstimulation, ausgeführt werden.
Die vorangehende Beschreibung der Ausführungsformen wurde für die Zwecke der Erläuterung und Beschreibung vorgesehen. Sie soll nicht erschöpfend sein oder die Offenbarung begrenzen. Individuelle Elemente oder Merkmale einer speziellen Ausführungsform sind im Allgemeinen nicht auf diese spezielle Ausführungsform begrenzt, sondern sind gegebenenfalls austauschbar und können in einer ausgewählten Ausführungsform verwendet werden, selbst wenn sie nicht speziell gezeigt oder beschrieben ist. Dieselbe kann auch in vielen Weisen verändert werden. Solche Veränderungen sollen nicht als Abweichung von der Offenbarung betrachtet werden und alle derartigen Modifikationen sollen im Schutzbereich der Offenbarung enthalten sein.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 12/336085 [0021]
US 11/683796 [0027]

Claims

Verfahren zum Identifizieren einer Kranznaht an einem Schädel, wobei das Verfahren umfasst: Erfassen bzw. Erhalten von Bilddaten von Schädeln von mehreren bzw. einer Anzahl von Patienten; Erzeugen einer Datenbank, die räumliche Beziehungen von verschiedenen kraniometrischen Orientierungshilfen der mehreren Patienten, die nach einer gewünschten Bevölkerungseigenschaft sortiert sind, enthält; Festlegen eines interessierenden Bereichs auf der Basis einer Varianz von Orten der kraniometrischen Orientierungshilfen zwischen den mehreren Patienten für die gewünschte Eigenschaft; und Durchführen einer Kriteriensuche an bzw. von erfassten Bilddaten von einem spezifischen Patienten, die nur auf den interessierenden Bereich begrenzt ist, um eine Kranznaht für diesen spezifischen Patienten zu identifizieren.
Verfahren nach Anspruch 1, wobei das Erzeugen der Datenbank das Erzeugen eines Datensatzes der verschiedenen kraniometrischen Orientierungshilfen für jeden Patienten der mehreren Patienten umfasst.
Verfahren nach Anspruch 2, wobei das Erzeugen des Datensatzes für jeden Patienten außerdem umfasst: Identifizieren einer Glabella und eines Inion am Schädel; Definieren eines Mittelpunkts zwischen der Glabella und dem Inion; Identifizieren eines Bregma; Definieren eines ersten Vektors vom Mittelpunkt zu einem Bregma des Schädels; und Definieren von mehreren bzw. einer Anzahl von Vektoren vom Mittelpunkt zur Kranznaht zwischen einem rechten und einem linken äußersten Ende bzw. Extremität der Kranznaht.
Verfahren nach Anspruch 1, wobei die gewünschte Bevölkerungseigenschaft aus der Gruppe ausgewählt ist, die aus Ethnie bzw. ethnischer Gruppe, Alter und Geschlecht besteht.
Verfahren nach Anspruch 3, wobei die Identifikation der Glabella, des Inion und/oder des Bregma auf der Basis einer Analyse von mehreren Sagittalbildern bestimmt wird.
Verfahren nach Anspruch 5, wobei die Sagittalbilder aus einer von volumetrischen, axialen, koronalen oder anderen Bildsequenzen erfasst und/oder rekonstruiert sind.
Verfahren nach Anspruch 1, wobei das Durchführen der Kriteriensuche das Identifizieren einer Abwesenheit eines MR-Signals in den erfassten Bilddaten umfasst.
Verfahren nach Anspruch 7, wobei die Varianz von Orten durch Berechnen einer Variabilität von Kranznahtorten für die mehreren Patienten in einer Gruppe oder Teilgruppe, wie durch die gewünschte Bevölkerungseigenschaft beschrieben, bestimmt wird.
System zum Identifizieren einer Kranznaht an einem Schädel unter Verwendung von erfassten Bilddaten, wobei das System aufweist: eine Datenbank, die räumliche Beziehungen von verschiedenen kraniometrischen Orientierungshilfen von mehreren bzw. einer Anzahl von Patienten auf der Basis der Bilddaten und nach einer Bevölkerungseigenschaft sortiert festlegt; einen ersten Prozessor, der einen interessierenden Bereich auf der Basis einer Varianz von Orten der kraniometrischen Orientierungshilfen zwischen den mehreren Patienten für die gewünschte Eigenschaft festlegt; und einen zweiten Prozessor, der eine Kriteriensuche an bzw. von erfassten Bilddaten von einem spezifischen Patienten durchführt, die nur auf den interessierenden Bereich begrenzt ist, um eine Kranznaht für diesen spezifischen Patienten zu identifizieren.
System nach Anspruch 9, wobei die Datenbank einen Datensatz für jeden Patienten der mehreren Patienten enthält.
System nach Anspruch 10, wobei der Datensatz für jeden Patienten außerdem einen anatomischen Ort aufweist für: eine Glabella und ein Inion am Schädel; einen Mittelpunkt zwischen der Glabella und dem Inion; ein Bregma; einen ersten Vektor vom Mittelpunkt zu einem Bregma des Schädels; und mehrere Vektoren vom Mittelpunkt zur Kranznaht zwischen einem rechten und einem linken äußersten Ende der Kranznaht.
System nach Anspruch 9, wobei die gewünschte Bevölkerungseigenschaft aus der Gruppe ausgewählt ist, die aus Ethnie, Alter und Geschlecht besteht.
System nach Anspruch 11, wobei jeder Datensatz anatomische Orte der Glabella, des Inion und des Bregma enthält und auf der Basis einer Analyse von mehreren Sagittalbildern bestimmt wird.
Verfahren nach Anspruch 13, wobei die Sagittalbilder aus einer von volumetrischen, axialen, koronalen oder anderen Bildsequenzen erfasst und/oder rekonstruiert sind.
System nach Anspruch 9, wobei der zweite Prozessor die Kriteriensuche durchführt und eine Abwesenheit eines MR-Signals in den erfassten Bilddaten identifiziert.
System nach Anspruch 9, das außerdem aufweist: eine Abbildungsvorrichtung, die die kraniometrischen Bilddaten erfasst bzw. erhält.
System nach Anspruch 9, wobei der erste und der zweite Prozessor einen einzelnen Prozessor bilden.
Verfahren zum Identifizieren einer Kranznaht an einem Schädel, wobei das Verfahren umfasst: Identifizieren einer Glabella und eines Inion am Schädel; Definieren eines Mittelpunkts zwischen der Glabella und dem Inion; Identifizieren eines Bregma; Definieren eines ersten Vektors vom Mittelpunkt zum Bregma des Schädels; und Definieren von mehreren Vektoren vom Mittelpunkt zur Kranznaht zwischen einem rechten und einem linken äußersten Ende der Kranznaht.
Verfahren nach Anspruch 18, wobei die Identifikation der Glabella, des Inion und/oder des Bregma auf der Basis einer Analyse von mehreren Sagittalbildern bestimmt wird.
Verfahren nach Anspruch 19, wobei die Sagittalbilder von einer von volumetrischen, axialen, koronalen oder anderen Bildsequenzen erfasst und/oder rekonstruiert sind.
Verfahren nach Anspruch 18, wobei die Identifikation der Glabella, des Inion und des Bregma die Analyse von Bilddaten, die von einer MRI erfasst werden, umfasst.
Verfahren nach Anspruch 21, wobei die Analyse der Bilddaten das Identifizieren einer Abwesenheit eines MR-Signals in den erfassten Bilddaten umfasst.
Verfahren nach Anspruch 22, das außerdem umfasst: Durchführen eines chirurgischen Eingriffs auf der Basis der identifizierten Kranznaht.
Verfahren nach Anspruch 23, wobei das Durchführen des chirurgischen Eingriffs das Durchführen einer Tiefenhirnstimulation umfasst.