JP7076154B1 - Spinal sequence estimation device, method and program - Google Patents
Spinal sequence estimation device, method and program Download PDFInfo
- Publication number
- JP7076154B1 JP7076154B1 JP2020208934A JP2020208934A JP7076154B1 JP 7076154 B1 JP7076154 B1 JP 7076154B1 JP 2020208934 A JP2020208934 A JP 2020208934A JP 2020208934 A JP2020208934 A JP 2020208934A JP 7076154 B1 JP7076154 B1 JP 7076154B1
- Authority
- JP
- Japan
- Prior art keywords
- spinal column
- back surface
- function
- map
- subject
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims description 82
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 abstract 1
- 206010039722 scoliosis Diseases 0.000 description 14
- 238000007781 pre-processing Methods 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 206010023509 Kyphosis Diseases 0.000 description 1
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011436 cob Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】脊柱の配列に歪みがある場合でも、脊柱を基準とした背面の左右対称性の評価に資する情報を提供できるようにする。【解決手段】３次元計測装置１０は、被検体の背面の３次元計測を行い、背面形状データを出力する。対称性計算部１４は、各点について、背面形状データの各水平断面が示す関数と、それをその点で背面の幅方向に反転した関数と、の相互相関を計算し、それら各点の相互相関の値を平面上に配列したマップを生成する。脊柱配列推定部１６は、そのマップから脊柱配列を推定する。出力部１８は、マップ、及び推定された脊柱配列を画像として表示出力する。【選択図】図１PROBLEM TO BE SOLVED: To provide information useful for evaluation of left-right symmetry of the back surface with respect to a spinal column even when the arrangement of the spinal column is distorted. A three-dimensional measuring device 10 performs three-dimensional measurement of the back surface of a subject and outputs back surface shape data. For each point, the symmetry calculation unit 14 calculates the cross-correlation between the function indicated by each horizontal section of the back surface shape data and the function obtained by inverting it in the width direction of the back surface at that point, and calculates the cross-correlation between the points. Generate a map in which the correlation values are arranged on a plane. The spinal column sequence estimation unit 16 estimates the spinal column sequence from the map. The output unit 18 displays and outputs the map and the estimated spinal column arrangement as an image. [Selection diagram] Fig. 1
Description
本発明は、脊柱診断支援のための脊柱配列を推定する技術に関する。 The present invention relates to a technique for estimating a spinal column sequence for supporting spinal column diagnosis.
脊柱側弯症は、通常は真直ぐに並んでいる背骨がねじれて側方もしくは前後方に歪む疾患であり、学校保健安全法において、就学時及び定期検診でのスクリーニングの実施が義務づけられている。第１次検診（学校検診）では全生徒を対象に学校医、検診専門業者、開業医を中心に視診、触診あるいはモアレ検査が行われる。モアレ画像はモアレトポグラフィに基づいて撮影される画像であり、カメラを基準とした等高線状のパターンが表される。健常者の背面立体形状はほぼ左右対称であるため、モアレ画像のパターンもほぼ左右対称となる。一方、脊柱側弯症の患者のモアレパターンは脊柱の歪みの影響により左右の対称性がくずれる。モアレ検診の読影者はこの非対称性を手掛かりとして側弯症の可能性を判定する。陽性の疑いがあると判断された場合は第２次検診（精密検診）に進み、Ｘ線撮影を実施して側弯の有無を確定診断する。 Scoliosis is a disease in which the spine, which is usually straight, is twisted and distorted laterally or anteriorly and posteriorly, and the School Health and Safety Law requires that screening be performed at school and at regular examinations. In the first examination (school examination), all students are inspected, palpated or moireed mainly by school doctors, examination specialists and practitioners. A moiré image is an image taken based on moire topography, and represents a contour-line pattern with reference to a camera. Since the back three-dimensional shape of a healthy person is almost symmetrical, the pattern of the moire image is also almost symmetrical. On the other hand, the moiré pattern of patients with scoliosis loses left-right symmetry due to the influence of spinal strain. The reader of the Moare examination uses this asymmetry as a clue to determine the possibility of scoliosis. If it is judged to be positive, proceed to the second examination (detailed examination) and perform X-ray photography to make a definitive diagnosis of the presence or absence of scoliosis.
モアレ画像は高さのわずかな変化が等高線パターンの大きな変化として表現されるため、高さ方向の表現感度が高い画像といえる。その一方、カメラの位置や被験者のわずかな動きや姿勢にモアレパターンは敏感に影響を受けるため、健常でありながらパターンの非対称性が検知されることがある。そのため側弯症を疑われ、第２次検診に回されて無用なＸ線撮影が施されることもある。このような偽陽性の判定率は３割程度あり、モアレ検診における重要な問題とされている。 A moire image can be said to be an image with high expression sensitivity in the height direction because a slight change in height is expressed as a large change in the contour pattern. On the other hand, since the moire pattern is sensitively affected by the position of the camera and the slight movement and posture of the subject, pattern asymmetry may be detected while being healthy. Therefore, scoliosis may be suspected, and unnecessary X-rays may be taken for the second examination. The judgment rate of such false positives is about 30%, which is an important problem in moire screening.
特許文献１には、モアレ画像の読影を自動化する方法が開示されているが、この方法も、上述したモアレパターンの姿勢変化に対する敏感性の問題を免れない。 Patent Document 1 discloses a method for automating the interpretation of a moire image, but this method also inevitably has the problem of sensitivity to the posture change of the moire pattern described above.
姿勢変化に対するモアレパターンの敏感性の問題を基本的に解決する方法の一つとして３次元スキャナ等の３次元計測装置で計測される背面の３次元形状情報を利用する方法がある。 As one of the methods for basically solving the problem of the sensitivity of the moire pattern to the posture change, there is a method of using the three-dimensional shape information on the back surface measured by a three-dimensional measuring device such as a three-dimensional scanner.
例えば特許文献２に開示されたシステムは、被験者の背部を撮影してその３次元データを取得する３次元センサと、被験者の背部について湾曲の程度を測定すべき特徴部位を指定する特徴部位指定部と、該特徴部位指定部で指定された特徴部位について、３次元データに基づいて水平方向の体表面の凹凸状態を検出する凹凸状態検出部と、該凹凸状態検出部による検出結果を表示する表示モニタを備える。 For example, the system disclosed in Patent Document 2 has a three-dimensional sensor that photographs the back of a subject and acquires three-dimensional data thereof, and a feature part designation unit that specifies a feature part for measuring the degree of curvature of the back of the subject. And, about the feature part designated by the feature part designation part, the uneven state detection part which detects the uneven state of the body surface in the horizontal direction based on 3D data, and the display which displays the detection result by the uneven state detection part. Equipped with a monitor.
また特許文献３に開示された側弯症診断支援装置は、被験者の背面の３次元形状を示す背面形状情報を取得する第１形状情報取得部と、被験者の背面の３次元形状と、当該３次元形状の矢状面を基準として鏡像の関係にある３次元形状を示す反射対称情報を取得する第２形状情報取得部と、背面形状情報が示す３次元形状と、反射対称情報が示す３次元形状との偏差の分布を取得する偏差分布取得部と、例えば偏差の分布を表示部に表示させる表示制御部とを備える。 Further, the scoliosis diagnosis support device disclosed in Patent Document 3 includes a first shape information acquisition unit that acquires back shape information indicating a three-dimensional shape of the back surface of a subject, a three-dimensional shape of the back surface of the subject, and the three-dimensional shape. A second shape information acquisition unit that acquires reflection symmetry information indicating a three-dimensional shape that is in a mirror image relationship with reference to the sagittal surface of the shape, a three-dimensional shape indicated by back shape information, and a three-dimensional shape indicated by reflection symmetry information. It is provided with a deviation distribution acquisition unit that acquires the distribution of deviations from the above, and a display control unit that displays, for example, the distribution of deviations on the display unit.
３次元形状情報が背面の立体形状を表現しているとしても、その滑らかに変化する形状に内在する脊柱の形状の特徴、例えば側弯症と診断すべき特徴を有効に抽出することは難しい。健常者であれば基本的には背面立体形状はほぼ左右対称であり、脊柱はその鉛直な対称軸付近に存在する。側弯症の場合はこれから外れるが、水平断面ごとに観測すれば、脊柱付近を対称軸とした左右の対称性は高い。ただし胸部がねじれ、大きく回旋している場合は、左右対称性は減少する。側弯症の第一次検診の目的は側弯症の可能性を正しく検知することであるが、同時に脊柱の配列を背面の外観からできるだけ正確に推定し、コブ（cobb）角の推定に役立つ情報を得ることが重要となる。 Even if the three-dimensional shape information expresses the three-dimensional shape of the back surface, it is difficult to effectively extract the characteristics of the shape of the spinal column inherent in the smoothly changing shape, for example, the characteristics to be diagnosed as scoliosis. In a healthy person, the dorsal three-dimensional shape is basically symmetrical, and the spinal column exists near the vertical axis of symmetry. In the case of scoliosis, it deviates from this, but when observed for each horizontal cross section, the left-right symmetry with the vicinity of the spinal column as the axis of symmetry is high. However, if the chest is twisted and rotated significantly, the symmetry is reduced. The purpose of the primary scoliosis screening is to correctly detect the possibility of scoliosis, but at the same time, the arrangement of the spinal column is estimated as accurately as possible from the appearance of the back, and information useful for estimating the cobb angle is provided. It is important to get.
背面の３次元形状と、矢状面を基準としてそれと鏡像の関係にある３次元形状と、の偏差の分布は、背面形状の特徴、例えば側弯症の第一次検診に資する特徴を表現する情報となり得る。 The distribution of deviations between the three-dimensional shape of the back surface and the three-dimensional shape that is in a mirror image relationship with the sagittal plane as a reference is information that expresses the characteristics of the back surface shape, for example, the characteristics that contribute to the primary examination of scoliosis. Can be.
しかし、その分布が診断に資する正確なものとなるためには、鏡像の基準となる矢状面が正確に推定される必要がある。背面の３次元形状からの矢状面の推定の誤差が大きいと、この矢状面を用いて求めた偏差の分布は信頼できないものとなる。不正確なものとなり得る。 However, in order for the distribution to be accurate and useful for diagnosis, it is necessary to accurately estimate the sagittal plane, which is the reference for the mirror image. If the error in estimating the sagittal plane from the three-dimensional shape of the back surface is large, the distribution of deviations obtained using this sagittal plane becomes unreliable. It can be inaccurate.
また、矢状面は平面なので、脊柱の配列が歪んでいる場合、矢状面に脊柱を通らない部分が出てくる。矢状面が脊柱から大きく外れている部分では、脊柱位置ではない場所を基準に背面形状の鏡像が生成されることとなる。そのような部分では、元の背面形状とその鏡像との偏差は、脊柱を基準とした背面形状の左右（すなわち背面の幅の方向）対称性の評価に適したものとはならない。 Also, since the sagittal plane is flat, if the arrangement of the spinal column is distorted, a part that does not pass through the spinal column will appear on the sagittal plane. In the part where the sagittal plane is greatly deviated from the spinal column, a mirror image of the back shape is generated based on the place other than the position of the spinal column. In such a portion, the deviation between the original dorsal shape and its mirror image is not suitable for assessing the left-right (ie, the direction of the back width) symmetry of the dorsal shape relative to the spinal column.
本発明は、脊柱の配列に歪みがある場合でも、脊柱を基準とした背面の左右対称性の評価に資する情報を提供できる装置、方法を提供することを目的とする。 An object of the present invention is to provide a device and a method capable of providing information that contributes to the evaluation of the left-right symmetry of the back surface with respect to the spinal column even when the arrangement of the spinal column is distorted.
本発明に係る脊柱配列推定装置は、被検体の３次元的な背面形状を示す情報を取得する手段と、前記背面形状において前記背面の幅の方向及び前記被検体の脊柱の延びる方向をそれぞれｘ方向及びｙ方向とし、前記ｘ方向及び前記ｙ方向の両方に垂直な方向をｚ方向とした場合に、前記背面形状の各点ごとに、その点を通る前記ｙ方向に垂直な平面での前記背面形状の断面形状に対応する第１関数と、前記第１関数をその点について前記ｘ方向に反転させることにより形成される第２関数と、の相関を示す指標値を計算する計算手段と、計算された前記各点ごとの前記指標値をｘｙ平面上に配列したマップを生成する手段と、を含む脊柱配列推定装置である。 The spinal column alignment estimation device according to the present invention has a means for acquiring information indicating a three-dimensional back surface shape of a subject, and x in the width direction of the back surface and the extension direction of the spinal column of the subject in the back surface shape, respectively. When the direction and the y direction are set and the direction perpendicular to both the x direction and the y direction is the z direction, each point of the back surface shape is said to be a plane perpendicular to the y direction passing through the point. A calculation means for calculating an index value indicating a correlation between a first function corresponding to a cross-sectional shape of a back surface shape and a second function formed by inverting the first function in the x direction at that point . It is a spinal column arrangement estimation device including a means for generating a map in which the calculated index values for each point are arranged on an xy plane.
ここで１つの例では、前記計算手段は、前記各点ごとに、その点を通る前記ｙ方向に垂直な平面での前記背面形状の断面形状に対応する第１関数と、前記第１関数をその点について前記ｘ方向に反転させることにより形成される第２関数と、の相関を計算し、その点を含む前記ｙ方向についての所定幅に渡って前記相関を積分した積分結果から前記指標値を計算する。 Here, in one example, the calculation means has, for each of the points, a first function corresponding to the cross-sectional shape of the back surface shape in a plane perpendicular to the y direction passing through the points, and the first function. The index value is calculated from the integration result of calculating the correlation with the second function formed by inverting the point in the x direction and integrating the correlation over a predetermined width in the y direction including the point. To calculate.
前記第１関数としては、前記断面形状を周期化することにより連続関数化したものを用いてもよい。特に、前記断面形状の両側の端部に、前記断面形状を前記ｚ方向について反転した形状をそれぞれ平行移動したものの端部を接続することにより前記第１関数を形成してもよい。 As the first function, a continuous function may be used by periodicizing the cross-sectional shape. In particular, the first function may be formed by connecting the ends of the cross-sectional shape inverted in the z-direction to the ends on both sides of the cross-sectional shape.
また、脊柱配列推定装置は、生成された前記マップに基づいて前記脊柱の配列を推定する推定手段、を更に備えていてもよい。 Further, the spinal column sequence estimation device may further include an estimation means for estimating the spinal column sequence based on the generated map.
ここで、前記推定手段は、各被検体についての前記マップと前記配列の真値とを含む学習用データを用いて機械学習を行うことにより構成されるものであってもよい。また、前記推定手段は、前記マップに対して動的計画法を適用することにより前記配列を推定するものであってもよい。 Here, the estimation means may be configured by performing machine learning using learning data including the map and the true value of the sequence for each subject. Further, the estimation means may estimate the sequence by applying a dynamic programming method to the map.
本発明では、３次元的な背面形状の各点で、その点における背面形状のｘ方向に関する対称性の指標値を計算し、それら各点の指標値を配列したマップを生成する。この方法は、背面形状から推定した矢状面を評価に用いることをしないので、矢状面が正確に推定できない場合、又は、矢状面と脊柱の配列が一致しない場合でも、診断に資する情報を含んだマップを生成することができる。 In the present invention, at each point of the three-dimensional back surface shape, the index value of the symmetry of the back surface shape in the x direction at that point is calculated, and a map in which the index values of each point are arranged is generated. Since this method does not use the sagittal plane estimated from the dorsal shape for evaluation, information useful for diagnosis even if the sagittal plane cannot be estimated accurately or the arrangement of the sagittal plane and the spinal column does not match. Can generate a map containing.
＜装置の機能的構成の例＞
図１に、本発明に係る脊柱配列推定装置の一実施形態の機能構成を例示する。図示したように、この装置は、３次元計測装置１０、前処理部１２、対称性計算部１４、脊柱配列推定部１６及び出力部１８を備える。
<Example of functional configuration of the device>
FIG. 1 illustrates a functional configuration of an embodiment of the spinal column array estimation device according to the present invention. As shown in the figure, this device includes a three-
３次元計測装置１０は、被検体（例えば診断対象の患者）の背面の３次元形状を計測する装置である。３次元計測の手法には、三角測量の原理に基づくもの（例えばステレオ法、光切断法、位相シフト法）、ＴＯＦ（Time of Flight：光飛行時間）に基づくものなど、いくつかの方式があるが、３次元計測装置１０はそのいずれの方式を用いるものでもよい。３次元計測装置１０が生成する３次元形状データは、特に限定されない。例えば、３次元形状データは、画像内の各画素の奥行き（距離）ｚの値を持つ距離画像であってもよいし、ワイヤーフレームモデル、メッシュモデル、サーフェイスモデル等の３次元形状モデルの形式のものであってもよい。以下に示す実施形態では、３次元形状データとして距離画像を用いる場合を主たる例にとって説明するが、他の形式の３次元形状データを用いる場合にも同様の処理方法が適用可能である。
The three-
前処理部１２は、３次元計測装置１０から入力される３次元形状データに対して、後の相関マップ生成の演算のための前処理を行う。この前処理は、３次元形状データから背景を除いて被検体背面の体幹部の領域を切り出す処理と、切り出した背面体幹部の３次元形状を背面の幅方向（すなわち水平方向）に周期化する処理とを含む。この前処理については後で詳細な例を説明する。
The preprocessing
対称性計算部１４は、前処理部１２が出力したデータに基づき、背面の各点での背面形状の水平方向についての対称性を示す指標値を計算する。対称性の指標値としては、例えば、背面形状と、その背面形状の水平方向についての鏡像との相関を用いる。この例では、各点について、背面形状とその点についての背面形状の水平方向についての鏡像との相関を求め、その相関をその点における対称性の指標値とする。そして、対称性計算部１４は、背面の高さ方向（すなわち鉛直方向）と幅方向（すなわち水平方向）との２次元平面の各点での対称性の指標値を示す指標値マップを生成し、出力する。対称性計算部１４が実行する処理については、後で詳しい例を説明する。
The
脊柱配列推定部１６は、指標値マップに基づいて、被検体の脊柱の配列を推定する。この推定の方法には、例えば、機械学習を利用する方法と、ＤＰ（すなわち動的計画法）マッチングを用いる方法とがある。脊柱配列推定部１６が実行する処理については、後で詳しい例を説明する。
The spinal column
出力部１８は、対称性計算部１４が生成した指標値マップ、及び、脊柱配列推定部１６が推定した脊柱配列を出力する。この出力は、例えば、付属の表示装置の画面に表示することにより行う。また出力部１８は、プリンタから印刷出力する方法や、診断情報データベースに例えば被検体のＩＤ（患者番号等）に対応付けて登録する方法等の他の方法で、それらの情報を出力する機能を持っていてもよい。
The
＜対称性の計算＞
対称性計算部１４が実行する対称性計算の例を説明する。ここでは、３次元計測装置１０が生成する３次元形状データが距離画像である場合を例にとって説明する。例えば脊柱側弯症の画像診断を想定した場合、３次元計測装置１０は立位の被検体（この場合、診断対象の人物）を撮影するので、距離画像のｘ方向は水平（左右）方向、ｙ方向は垂直（すなわち鉛直）方向に対応する。図２には立っている人の背面１１０を撮影した画像１００を示しており、この例では人の背筋は概ねｙ方向に延びており、背面の幅方向がｘ方向に対応する。距離画像の各画素は、ｘｙ平面内の座標（ｘ，ｙ）で特定され、画素の値として、仮想的なカメラ視点から対象物の表面（例えば被検体の背面）までの距離、又はこの距離から計算される対象物表面のｚ座標の値を持つ。以下では、垂直方向の位置（すなわち高さ）ｙにおける背面形状の水平断面（すなわちｚｘ断面）の形状をｚｙ（ｘ）と定義し、これを距離関数と呼ぶ。対称性計算部１４は、この距離関数ｚｙ（ｘ）の左右非対称性を定量的に評価する。
<Calculation of symmetry>
An example of the symmetry calculation executed by the
健常者の場合、背面形状は脊柱を中心にして左右対称（すなわち水平方向について対象）なので、その背面形状から生成された距離関数ｚｙ（ｘ）も脊柱に関して左右対称となる。距離関数ｚｙ（ｘ）は、脊柱の位置で最も左右対称性が高くなり、脊柱位置から左右方向に離れるに従い左右対称性は低くなると考えられる。 In the case of a healthy person, the dorsal shape is bilaterally symmetric with respect to the spinal column (that is, the object in the horizontal direction), so the distance function zy ( x ) generated from the dorsal shape is also bilaterally symmetric with respect to the spinal column. It is considered that the distance function zy ( x ) has the highest left-right symmetry at the position of the spinal column, and the left-right symmetry decreases as the distance from the spinal column position increases in the left-right direction.
そこで、左右対称性を特徴づける相関関数を定義する。このために、距離関数ｚｙ（ｘ）と、ｙ軸を中心としてその距離関数を水平方向（すなわちｘ方向）に反転し、２ξだけ平行移動した距離関数ｚｙ（－ｘ＋２ξ）を考える。図３に示すように、後者の距離関数ｚｙ（－ｘ＋２ξ）は、背面形状を示す前者の距離関数ｚｙ（ｘ）の、ｘ＝ξの位置で水平方向に反転したものとなっている。言い換えれば、ｚｙ（ｘ）とｚｙ（－ｘ＋２ξ）はξの位置で左右対称となっている。 Therefore, we define a correlation function that characterizes left-right symmetry. For this purpose, consider the distance function z y (x) and the distance function z y (−x + 2ξ) that is the horizontal direction (that is, x direction) inverted about the y-axis and is translocated by 2ξ. As shown in FIG. 3, the latter distance function zy (−x + 2ξ ) is horizontally inverted at the position of x = ξ of the former distance function zy ( x ) showing the back surface shape. .. In other words, zy ( x ) and zy (−x + 2ξ ) are symmetrical at the position of ξ.
そして、それら２つの距離関数のｘ１からｘ２までの範囲における相互相関Ｃｙ（ξ）を
ここで、
ここで、
ｘ１及びｘ２は、相互相関を求める際のｘ方向の範囲の両端である。これらの値には、基本的には距離関数ｚｙ（ｘ）のｘ方向の最小値および最大値を採用する。しかしこれは一例に過ぎず、別の例として、背面形状の端部のノイズ等の影響を考慮し、以下の３つの例のように背面形状全体よりも狭くした範囲を設定することも考えられる。なお、以下に例示する３つの範囲のうち、（ａ）及び（ｂ）は、背面形状の水平断面ごと、すなわち各ｙについての距離関数ｚｙ（ｘ）ごと、に設定される。
（ａ）距離関数ｚｙ（ｘ）の定義域（ｘ軸方向の範囲）を一定割合で狭くした範囲
（ｂ）距離関数ｚｙ（ｘ）の値域（z軸方向の範囲）が所定の範囲となるようなｘ１とｘ２
（ｃ）背面形状全体の各水平断面から特定の水平断面（例えばｘ方向の幅が最大となる水平断面）を選択し、その水平断面において上記（ａ）又は（ｂ）で決定された範囲を、その他の全ての水平断面にも適用
なお、当然上記（ａ）～（ｃ）の複合条件（例えば論理積ＡＮＤまたは論理和ＯＲでの組合せ）を用いてもよい。
x1 and x2 are both ends of the range in the x direction when finding the cross-correlation. As these values, basically, the minimum value and the maximum value in the x direction of the distance function z y (x) are adopted. However, this is only an example, and as another example, considering the influence of noise at the end of the back surface shape, it is conceivable to set a range narrower than the entire back surface shape as in the following three examples. .. Of the three ranges illustrated below, (a) and (b) are set for each horizontal cross section of the back surface shape, that is, for each distance function z y (x) for each y.
(A) A range in which the domain (range in the x-axis direction) of the distance function z y (x) is narrowed by a certain ratio (b) The range (range in the z-axis direction) of the distance function z y (x) is a predetermined range. X1 and x2 such that
(C) A specific horizontal cross section (for example, a horizontal cross section having the maximum width in the x direction) is selected from each horizontal cross section of the entire back surface shape, and the range determined by the above (a) or (b) is set in the horizontal cross section. , And all other horizontal cross sections. Of course, the compound condition of (a) to (c) above (for example, a combination of logical product AND or logical sum OR) may be used.
相互相関Ｃｙ（ξ）は、距離関数ｚｙ（ｘ）の左右対称性が高いほど鋭いピークをもち、そのピークの位置はその距離関数の形状の左右対称軸の位置を表す。そして、脊柱はその位置の付近に存在すると推定される。 The cross-correlation Cy (ξ) has a sharper peak as the distance function zy ( x ) has higher left-right symmetry, and the position of the peak represents the position of the left-right symmetry axis of the shape of the distance function. And it is presumed that the spinal column exists near that position.
そこで、対称性計算部１４は、背面形状の左右対称性を示す情報として、背面上の各点での上述した相関を計算する。
Therefore, the
＜前処理１：背面形状の抽出＞
３次元計測装置１０が生成した距離画像には、目的とする被検体の背面以外に、被検体の腕や背景等の情報が含まれる。そこで、前処理部１２は、その距離画像から、必要な背面の部分の情報を抽出する。
<Pretreatment 1: Extraction of back surface shape>
The distance image generated by the three-
背景の削除には、公知の様々な手法が利用できる。例えば、３次元計測装置１０のカメラに対して被検体の立ち位置を固定的に定めておき、距離についての閾値により被検体と背景を分ける方法を用いてもよい。
Various known methods can be used to remove the background. For example, a method may be used in which the standing position of the subject is fixedly determined with respect to the camera of the three-
また別の例として、被検体がいない状態で背景の壁面等の形状又はテクスチャをあらかじめ撮影しておき、被検体がいる状態の撮影により得られた距離画像から、その形状又はテクスチャで特定される背景の部分を削除してもよい。 As another example, the shape or texture of the wall surface of the background is photographed in advance in the absence of the subject, and the shape or texture is specified from the distance image obtained by photographing in the presence of the subject. You may delete the background part.
更に別の例では、被検体の立ち位置に相当する場所にあらかじめ平面等の基準物体を置いて３次元計測装置１０に撮影させることで被検体の立ち位置を３次元計測装置１０に認識させる。そして、実際の被検体を撮影したときの距離画像から、その立ち位置よりもカメラから遠い部分を背景として削除する。
In yet another example, a reference object such as a flat surface is placed in advance in a place corresponding to the standing position of the subject, and the three-
また更に別の例として、３次元計測装置１０の撮影範囲内に何も置かないか、背景の壁面を３次元計測装置１０のカメラで計測できない特定の色にすることで、はじめから背景の３次元形状が得られないようにしてもよい。
As yet another example, by placing nothing within the shooting range of the
また、腕等の情報を削除して、目的とする体幹部の情報を抽出する方法としては、例えば次のような方法がある。 Further, as a method of deleting the information of the arm and the like and extracting the information of the target trunk, for example, there are the following methods.
この方法では、前処理部１２は、背景を削除済みの距離画像から、ｘ方向に形状が連続している（すなわち、脇で形状が分断されていない）領域のうち、ｘ方向の幅が最大の部分を特定し、その部分の幅Ｗと、その部分のｘ方向についての中央位置Ｃを求める（図４参照）。そして、予め定められた定数ｋ（０＜ｋ≦１）を用いて、背景削除済みの距離画像のうち、中央位置Ｃを中心に幅ｋＷ内のデータのみ残し、それ以外を削除する。すなわち、
Ｃ－ｋＷ／２ ＜ ｘ ＜ Ｃ＋ｋＷ／２
となるｘ座標の範囲のみを残す。
In this method, the preprocessing
C-kW / 2 <x <C + kW / 2
Only the range of the x-coordinate that becomes is left.
＜前処理２：距離関数の周期化＞
背面形状を示す距離関数ｚｙ（ｘ）はある一定区間にしか存在しないので、左右の不連続な端点の処理が必要である。すなわち、図５に示すように、元の断面形状である距離関数ｚｙ（ｘ）の値は式（１）の積分範囲であるｘ１からｘ２までの範囲全体にわたって存在するが、それをｘ＝ξで左右反転した形状を示す関数ｚｙ（－ｘ＋２ξ）は右端側に値が存在しない領域がある。この値が存在しない領域については、式（１）の計算ができない。
<Preprocessing 2: Periodization of distance function>
Since the distance function zy ( x ) indicating the back surface shape exists only in a certain section, it is necessary to process the left and right discontinuous end points. That is, as shown in FIG. 5, the value of the distance function zy ( x ), which is the original cross-sectional shape, exists over the entire range from x1 to x2, which is the integration range of the equation (1). The function z y (-x + 2ξ), which shows the shape inverted by ξ, has a region on the right end side where no value exists. Equation (1) cannot be calculated for the region where this value does not exist.
この問題を回避するために、本実施形態では、距離関数ｚｙ（ｘ）を循環的に周期化させて連続関数化する。 In order to avoid this problem, in the present embodiment, the distance function zy ( x ) is cyclically periodically made into a continuous function.
このような周期化の方法のいくつかの例を、図６を参照して説明する。図６の（Ａ）には元々の距離関数ｚｙ（ｘ）の例を示す。 Some examples of such a periodic method will be described with reference to FIG. FIG. 6A shows an example of the original distance function zy ( x ).
図６の（Ｂ）は、距離関数ｚｙ（ｘ）のコピーを平行移動して元の距離関数の両端に連結する方法を示し、（Ｃ）は、距離関数ｚｙ（ｘ）を左右反転（すなわちｘ方向について反転）したものを元の距離関数の両端に連結する方法を示す。また、（Ｄ）は、距離関数ｚｙ（ｘ）を上下反転（すなわちｚ方向について反転）したものを元の距離関数の両端に連結する方法を示し、（Ｅ）は、距離関数ｚｙ（ｘ）を左右反転し更に上下反転したものを元の距離関数の両端に連結する方法を示す。これらいずれかの方法で距離関数ｚｙ（ｘ）を周期関数化することにより、積分範囲［ｘ１，ｘ２］の全域にわたって式（１）の積分が可能になる。 FIG. 6B shows a method of translating a copy of the distance function z y (x) and connecting it to both ends of the original distance function, and FIG. 6C shows a method of flipping the distance function z y (x) left and right. A method of concatenating (that is, inverted in the x direction) at both ends of the original distance function is shown. Further, (D) shows a method of connecting the distance function z y (x) upside down (that is, inverted in the z direction) to both ends of the original distance function, and (E) shows the distance function z y (that is, inverted in the z direction). A method of flipping x) horizontally and then flipping it vertically is shown at both ends of the original distance function. By converting the distance function zy ( x ) into a periodic function by any of these methods, the integral of the equation (1) becomes possible over the entire range of the integration range [x1, x2].
前処理部１２は、例えば、これら（Ｂ）～（Ｄ）に例示したいずれかの方法を用いて距離関数ｚｙ（ｘ）を循環的に周期化する。特に、（Ｄ）に示した方法で周期化した距離関数は、他の方法で周期化した距離関数と比べて、左右方向の中央位置で左右反転した関数との差が少ないので、相互相関の計算に適している。
The preprocessing
前処理部１２は、以上に例示した方法で、３次元計測装置１０が出力した距離画像から体幹部の背面形状の部分のみを取り出し、それらをｘ方向に沿って両端部から拡張して周期化する。対称性計算部１４は、このように周期化された距離画像のｙ位置ごとの断面の関数を距離関数ｚｙ（ｘ）として、上述した式（１）を用いて相互相関Ｃｙ（ξ）を計算する。
The preprocessing
＜マップの生成＞
次に、対称性計算部１４が生成する相互相関のマップについて説明する。
<Map generation>
Next, the map of the cross-correlation generated by the
対称性計算部１４は、式（１）に従って計算した相互相関Ｃｙ（ξ）を元々の距離画像と対応するように行列に写像する。この行列を
図７Ａに健常者、図７Ｂに側弯症患者の、背面のモアレ画像（左側）とＳＣＭ画像（右側）を例示する。ＳＣＭ画像は、ＳＣＭの値を輝度に変調し、画像としたものである。ＳＣＭの値すなわち相互相関の値が高いほど輝度が高い。 7A shows a healthy person, and FIG. 7B shows a back moire image (left side) and an SCM image (right side) of a scoliosis patient. The SCM image is an image obtained by modulating the value of SCM to the luminance. The higher the SCM value, that is, the higher the cross-correlation value, the higher the brightness.
なお、ＳＣＭをＩ（ｘ，ｙ）と表現した場合、ｘ、ｙの各座標は、単純に３次元計測装置１０により撮影された距離画像の画素単位系としてもよいし、３次元形状の座標系において一定の長さ間隔（例えば１ｍｍ間隔）でマッピングしてもよい。例えば３次元形状で１０ｍｍ離れた２点は、ＳＣＭ上で例えば１０画素離れるようにマッピングする。このようにすると、生成されたＳＣＭ内の被検体の大きさは、これを生成する際の仮想的なカメラ位置に依存せず背面形状の大きさに比例する。このため、ＳＣＭを使った機械学習（これについては後で例を挙げる）において結果が安定する。また、画像スケールの正規化ステップが減るなどの効果が期待できる。
When the SCM is expressed as I (x, y), the coordinates of x and y may be simply a pixel unit system of a distance image taken by the three-
＜相関計算上の工夫＞
ヒト等の脊椎動物の背面形状は一般的に滑らかである。しかし、３次元計測装置１０の解像度が低い場合や測定ノイズ等の影響により、隣り合うｙ位置同士の間でＳＣＭの段差が顕著になる場合がある。このようなことを避けるために、相互相関Ｃｙ（ξ）の計算において、注目するｙ位置の距離関数ｚｙ（ｘ）だけでなく、ｙ方向についてのその前後の範囲の距離関数を考慮に入れてもよい。
<Ingenuity in correlation calculation>
The dorsal shape of vertebrates such as humans is generally smooth. However, when the resolution of the three-
例えば、図８に例示するように、ｙ位置を中心としてｙ方向について幅（ｙ２－ｙ１）＝２ｈのウインドウを定義する。ｙ１＝ｙ－ｈ、ｙ２＝ｙ＋ｈである。そのウインドウ内の相互相関Ｃｙ（ξ）を平均したものを、そのｙ位置の左右対称性の指標値の関数としてもよい。すなわち、この例では、例えば、
＜脊柱配列推定部の処理＞
脊柱配列推定部１６は、上述のようにして得られたＳＣＭを用いて、被検体の脊柱配列を推定する。推定する脊柱配列は、ｘｙ平面上の各ｙ位置での脊柱のｘ位置の配列である。推定した脊柱配列は、脊柱側弯症に罹患しているかどうかのスクリーニングおよびその重症度の診断に役立つ情報となる。
<Processing of spinal column array estimation unit>
The spinal column
以下、脊柱配列推定部１６が実行する推定の方法を例示する。
Hereinafter, the estimation method performed by the spinal column
ＳＣＭを入力とした脊柱配列の推定関数をψとすると、これにより推定される脊柱配列Ｓは
推定関数ψは、例えばＤＰ（動的計画法）による最短経路問題として解ける。この方法では、ＳＣＭ：Ｍ（＝式（３）及び（４）に示した行列）に対して、以下の最適化問題を定式化する。
ここでＨは、ＳＣＭ：Ｍのｙ方向の大きさ（すなわち高さ）である。この最適化問題は、式（７）で定義されるＦを最大化するｘ座標配列｛χ1, χ2, … χH｝（式（８））を求めるものである。つまりＳＣＭ：Ｍを上から下まで辿る無数の経路のうち、経路上の
脊柱配列推定部１６は、以上に示したｘ座標配列｛χ1, χ2, … χH｝についての最適化問題を、周知のＤＰの方法で解く。この結果得られるｘ座標配列｛χ1, χ2, … χH｝の最適解が、脊柱配列Ｓの推定結果である。
The spinal column
なお、演算に要する時間を厭わなければ、上述した最適化問題を全探索により解いてもよい。 If the time required for the calculation is acceptable, the above-mentioned optimization problem may be solved by a full search.
また、別の例として、脊柱配列推定部１６は、機械学習を利用するものであってもよい。この例では、機械学習の学習用データのセットとして、多くの被検体（例えば人）のＳＣＭと脊柱配列の真値を用意する。脊柱配列の真値は、例えば、その被検体のＸ線画像や、Ｘ線その他のエネルギー放射を用いたＣＴ（コンピュータ断層撮影）データ等から求められる。そして、それら多数の学習用データを用いて、入力されたＳＣＭに対して脊柱配列の真値を出力するよう脊柱配列推定部１６を学習させる。この場合、脊柱配列推定部１６は、例えば、深層学習ＮＮ（ニューラルネットワーク）等のＮＮで構成されていてもよい。また、ＮＮ以外の機械学習可能な仕組みを用いて脊柱配列推定部１６を構成してもよい。学習により脊柱配列推定部１６内に推定関数ψが（例えばＮＮの各層間の各結合の重みの集合として）構成される。
Further, as another example, the spinal column
診断時には、学習済みの脊柱配列推定部１６に対して、診断対象の被検体の撮影により得られたＳＣＭを入力する。脊柱配列推定部１６は、その入力に対して推定関数ψを適用することにより、被検体の脊柱配列Ｓを推定し、出力する。
At the time of diagnosis, the SCM obtained by photographing the subject to be diagnosed is input to the learned spinal column
更に別の例として、脊柱配列の推定に、ＤＰと機械学習を組み合わせた手法を用いてもよい。この例では、機械学習の学習用データのセットとして、被検体ごとに、脊柱配列の真値、ＳＣＭ、及びそのＳＣＭからＤＰにより推定された脊柱配列Ｓの三つ組を用意する。そして、ＳＣＭ及びＤＰによる脊柱配列の推定結果を入力とし、脊柱配列の真値を教師データとして、脊柱配列推定部１６に機械学習を実行させる。これにより脊柱配列推定部１６内に推定関数ψが構成される。
As yet another example, a method combining DP and machine learning may be used to estimate the spinal column arrangement. In this example, as a set of learning data for machine learning, a triplet of the true value of the spinal column sequence, the SCM, and the spinal column sequence S estimated by DP from the SCM is prepared for each subject. Then, the estimation result of the spinal column array by SCM and DP is input, and the true value of the spinal column array is used as the teacher data, and the spinal column
診断時には、脊柱配列推定装置は、診断対象の被検体を撮影して得た３次元形状データからＳＣＭを求め、そのＳＣＭからＤＰにより脊柱配列を推定する。そして、そのＳＣＭと脊柱配列の推定値を、脊柱配列推定部１６内の推定関数ψを担う部分に入力する。その部分は、その入力に対して推定関数ψを適用することにより、被検体の脊柱配列Ｓを推定し、出力する。
At the time of diagnosis, the spinal column sequence estimation device obtains an SCM from the three-dimensional shape data obtained by photographing the subject to be diagnosed, and estimates the spinal column sequence from the SCM by DP. Then, the SCM and the estimated value of the spinal column array are input to the portion of the spinal column
＜出力部の処理＞
出力部１８は、対称性計算部１４が計算した、背面の左右対称性のマップ（例えば前述のＳＣＭ）を画像化し、表示出力する機能を備える。図７Ａ，図７Ｂに示したＳＣＭ画像がその一例である。
<Processing of output section>
The
また出力部１８は、脊柱配列推定部１６による脊柱配列Ｓの推定結果を表示出力する機能を備えていてもよい。この表示では、脊柱配列Ｓの推定結果、すなわちｙ値ごとのｘ座標｛χ1, χ2, … χH｝を、ｘｙ平面上に例えば点でプロットする。また、３次元計測装置１０のカメラが撮影した被検体の背面の画像上に、それら点の列を重畳して表示してもよい。
Further, the
以上に説明した脊柱配列推定装置は、例えば、汎用のコンピュータを用いて構成される。図９に例示するように、その装置のベースとなるコンピュータは、プロセッサ２０２、ランダムアクセスメモリ（ＲＡＭ）等のメモリ（主記憶装置）２０４、フラッシュメモリやＳＳＤ（ソリッドステートドライブ）、ＨＤＤ（ハードディスクドライブ）等の不揮発性記憶装置である補助記憶装置２０６を制御するコントローラ、各種の入出力装置２０８とのインタフェース、ローカルエリアネットワークなどのネットワークとの接続のための制御を行うネットワークインタフェース２１０等が、例えばバス２１２等のデータ伝送路を介して接続された回路構成を有する。上記実施形態の処理の内容が記述されたプログラムが、ネットワーク等を経由してそのコンピュータにインストールされ、補助記憶装置２０６に記憶される。補助記憶装置２０６に記憶されたプログラムが、プロセッサ２０２によりメモリ２０４を用いて実行されることにより、上記実施形態の情報処理装置が構成される。
The spinal column array estimation device described above is configured by using, for example, a general-purpose computer. As illustrated in FIG. 9, the computer on which the device is based includes a
以上に説明した実施の形態は、あくまで一例に過ぎない。特許請求の範囲に記載した発明の範囲内で、様々な変形や改良があり得る。 The embodiments described above are merely examples. Within the scope of the invention described in the claims, there may be various modifications and improvements.
例えば、以上の説明では、高さｙにおける背面形状の水平断面（すなわちｚｘ断面）の形状を距離関数ｚｙ（ｘ）と定義していたが、これを水平断面に対してある角度θを持った断面の形状ｚｙ,θ（ｘ）としてもよい。 For example, in the above description, the shape of the horizontal cross section (that is, zx cross section) of the back surface shape at the height y is defined as the distance function z y (x), but this has a certain angle θ with respect to the horizontal cross section. The shape of the cross section may be z y, θ (x).
このθは、例えば一旦距離関数ｚｙ（ｘ）により脊柱配列を求め、その脊柱配列に直交するような平面を表す角度とすることもできる。 This θ can be, for example, an angle representing a plane orthogonal to the spinal column array once the spinal column array is obtained by the distance function zy ( x ).
またはθを０度～１８０度の間で変化させた場合に、式（１）のＣｙ(ξ)が最も高くなるθをその(ξ,ｙ)における角度として採用してもよい。 Alternatively, when θ is changed between 0 degrees and 180 degrees, θ at which Cy (ξ) in the equation (1) becomes the highest may be adopted as the angle at that (ξ, y).
１０ ：３次元計測装置
１２ ：前処理部
１４ ：対称性計算部
１６ ：脊柱配列推定部
１８ ：出力部
10: 3D measuring device 12: Preprocessing unit 14: Symmetry calculation unit 16: Spinal column array estimation unit 18: Output unit
Claims (9)
前記背面形状において前記背面の幅の方向及び前記被検体の脊柱の延びる方向をそれぞれｘ方向及びｙ方向とし、前記ｘ方向及び前記ｙ方向の両方に垂直な方向をｚ方向とした場合に、前記背面形状の各点ごとに、その点を通る前記ｙ方向に垂直な平面での前記背面形状の断面形状に対応する第１関数と、前記第１関数をその点について前記ｘ方向に反転させることにより形成される第２関数と、の相関を示す指標値を計算する計算手段と、
計算された前記各点ごとの前記指標値をｘｙ平面上に配列したマップを生成する手段と、
を含む脊柱配列推定装置。 A means for acquiring information indicating the three-dimensional back shape of the subject, and
When the width direction of the back surface and the extending direction of the spinal column of the subject are the x direction and the y direction, respectively, and the direction perpendicular to both the x direction and the y direction is the z direction in the back surface shape, the above. For each point of the back surface shape, the first function corresponding to the cross-sectional shape of the back surface shape in the plane perpendicular to the y direction passing through the point and the first function are inverted in the x direction with respect to the point. A calculation means for calculating an index value indicating the correlation between the second function formed by
A means for generating a map in which the calculated index values for each point are arranged on an xy plane, and
Spinal column sequence estimator including.
前記推定手段は、各被検体についての、前記マップと、前記配列の真値と、前記マップから前記第２推定手段が求めた前記推定配列と、を含む学習用データを用いて機械学習を行うことにより構成され、
前記推定手段に対して、前記被検体の前記背面形状から求められた前記マップと、このマップから前記第２推定手段が求めた前記推定配列と、を入力することにより、前記推定手段が前記被検体についての前記配列を出力する、
ことを特徴とする請求項４に記載の脊柱配列推定装置。 Further including a second estimation means for obtaining an estimated sequence of the spinal column by applying dynamic programming to the map.
The estimation means performs machine learning using learning data including the map, the true value of the sequence, and the estimation sequence obtained by the second estimation means from the map for each subject. Consists of
By inputting the map obtained from the back surface shape of the subject and the estimated sequence obtained by the second estimation means from the map to the estimation means, the estimation means is subjected to the subject. Output the sequence for the sample,
The spinal column array estimation device according to claim 4 .
前記背面形状において前記背面の幅の方向及び前記被検体の脊柱の延びる方向をそれぞれｘ方向及びｙ方向とし、前記ｘ方向及び前記ｙ方向の両方に垂直な方向をｚ方向とした場合に、前記背面形状の各点ごとに、その点を通る前記ｙ方向に垂直な平面での前記背面形状の断面形状に対応する第１関数と、前記第１関数をその点について前記ｘ方向に反転させることにより形成される第２関数と、の相関を示す指標値を計算し、
計算された前記各点ごとの前記指標値をｘｙ平面上に配列したマップを生成する、
ことを特徴とする脊柱配列推定方法。 Obtain information indicating the three-dimensional back shape of the subject,
When the width direction of the back surface and the extending direction of the spinal column of the subject are the x direction and the y direction, respectively, and the direction perpendicular to both the x direction and the y direction is the z direction in the back surface shape, the above. For each point of the back surface shape, the first function corresponding to the cross-sectional shape of the back surface shape in the plane perpendicular to the y direction passing through the point and the first function are inverted in the x direction with respect to the point. Calculate the index value showing the correlation with the second function formed by
Generate a map in which the calculated index values for each point are arranged on an xy plane.
A method for estimating the spinal column arrangement.
被検体の３次元的な背面形状を示す情報を取得する処理、
前記背面形状において前記背面の幅の方向及び前記被検体の脊柱の延びる方向をそれぞれｘ方向及びｙ方向とし、前記ｘ方向及び前記ｙ方向の両方に垂直な方向をｚ方向とした場合に、前記背面形状の各点ごとに、その点を通る前記ｙ方向に垂直な平面での前記背面形状の断面形状に対応する第１関数と、前記第１関数をその点について前記ｘ方向に反転させることにより形成される第２関数と、の相関を示す指標値を計算する処理、
計算された前記各点ごとの前記指標値をｘｙ平面上に配列したマップを生成する処理、
を実行させるためのプログラム。 On the computer
Processing to acquire information indicating the three-dimensional back shape of the subject,
When the width direction of the back surface and the extending direction of the spinal column of the subject are the x direction and the y direction, respectively, and the direction perpendicular to both the x direction and the y direction is the z direction in the back surface shape, the above. For each point of the back surface shape, the first function corresponding to the cross-sectional shape of the back surface shape in the plane perpendicular to the y direction passing through the point and the first function are inverted in the x direction with respect to the point. Processing to calculate the index value indicating the correlation with the second function formed by
A process of generating a map in which the calculated index values for each point are arranged on an xy plane.
A program to execute.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020208934A JP7076154B1 (en) | 2020-12-17 | 2020-12-17 | Spinal sequence estimation device, method and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020208934A JP7076154B1 (en) | 2020-12-17 | 2020-12-17 | Spinal sequence estimation device, method and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7076154B1 true JP7076154B1 (en) | 2022-05-27 |
| JP2022096047A JP2022096047A (en) | 2022-06-29 |
Family
ID=81753567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020208934A Active JP7076154B1 (en) | 2020-12-17 | 2020-12-17 | Spinal sequence estimation device, method and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7076154B1 (en) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002150303A (en) | 2000-08-14 | 2002-05-24 | Siemens Corporate Res Inc | Automatic detection of spinal axis and spinal boundary in digital radiography |
| US20110249876A1 (en) | 2004-11-10 | 2011-10-13 | Agfa Healthcare | Method of performing measurements on digital images |
| WO2017141958A1 (en) | 2016-02-15 | 2017-08-24 | 学校法人慶應義塾 | Spinal column alignment assessment apparatus, spinal column alignment assessment method, and spinal column alignment assessment program |
| JP2018068362A (en) | 2016-10-24 | 2018-05-10 | 株式会社エーアンドエーシステム | Measuring apparatus and measuring method |
| JP2019032292A (en) | 2017-08-09 | 2019-02-28 | 株式会社ノア | Symmetry visualization device, symmetry visualization method and program |
| JP2020074876A (en) | 2018-11-07 | 2020-05-21 | 株式会社スペースビジョン | Vertebra posture estimation device |
| JP2020091761A (en) | 2018-12-07 | 2020-06-11 | 株式会社スペースビジョン | Image generation apparatus |
-
2020
- 2020-12-17 JP JP2020208934A patent/JP7076154B1/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002150303A (en) | 2000-08-14 | 2002-05-24 | Siemens Corporate Res Inc | Automatic detection of spinal axis and spinal boundary in digital radiography |
| US20110249876A1 (en) | 2004-11-10 | 2011-10-13 | Agfa Healthcare | Method of performing measurements on digital images |
| WO2017141958A1 (en) | 2016-02-15 | 2017-08-24 | 学校法人慶應義塾 | Spinal column alignment assessment apparatus, spinal column alignment assessment method, and spinal column alignment assessment program |
| JP2018068362A (en) | 2016-10-24 | 2018-05-10 | 株式会社エーアンドエーシステム | Measuring apparatus and measuring method |
| JP2019032292A (en) | 2017-08-09 | 2019-02-28 | 株式会社ノア | Symmetry visualization device, symmetry visualization method and program |
| JP2020074876A (en) | 2018-11-07 | 2020-05-21 | 株式会社スペースビジョン | Vertebra posture estimation device |
| JP2020091761A (en) | 2018-12-07 | 2020-06-11 | 株式会社スペースビジョン | Image generation apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022096047A (en) | 2022-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11017547B2 (en) | Method and system for postural analysis and measuring anatomical dimensions from a digital image using machine learning | |
| US8823775B2 (en) | Body surface imaging | |
| JP5685133B2 (en) | Image processing apparatus, image processing apparatus control method, and program | |
| KR101318685B1 (en) | Image processing apparatus, control method thereof, image processing method, tomography system, and storage medium | |
| CN102727258B (en) | Image processing apparatus, ultrasonic photographing system, and image processing method | |
| CN108697375A (en) | Spinal alignment estimating device, spinal alignment presumption method and spinal alignment program for estimating | |
| US20160314587A1 (en) | Processing apparatus, processing method, and non-transitory computer-readable storage medium | |
| JP4929828B2 (en) | Three-dimensional authentication method, three-dimensional authentication device, and three-dimensional authentication program | |
| TWI520576B (en) | Method and system for converting 2d images to 3d images and computer-readable medium | |
| US9396576B2 (en) | Method and apparatus for estimating the three-dimensional shape of an object | |
| US20070171225A1 (en) | Time-dependent three-dimensional musculo-skeletal modeling based on dynamic surface measurements of bodies | |
| JP5035467B2 (en) | Three-dimensional authentication method, three-dimensional authentication device, and three-dimensional authentication program | |
| JP6741305B2 (en) | Vertebral posture estimation device | |
| CN109661682B (en) | Image-based diagnostic system | |
| JP2013146540A (en) | Image processing device, image processing method, and image processing program | |
| CN107374638A (en) | A kind of height measuring system and method based on binocular vision module | |
| JP6441581B2 (en) | Light detection for bending motion of flexible display | |
| KR102357001B1 (en) | Scoliosis Diagnosis Method and System using 3D Depth Camera | |
| US20200250815A1 (en) | Heart Position Estimation | |
| JP7076154B1 (en) | Spinal sequence estimation device, method and program | |
| JP4935769B2 (en) | Plane region estimation apparatus and program | |
| JP2012061019A (en) | Image processing apparatus, image processing method, and image processing program | |
| Groisser et al. | 3d reconstruction of scoliotic spines from stereoradiography and depth imaging | |
| JP2011160824A (en) | Spinal curvature determination support apparatus | |
| JP6765130B2 (en) | Image generator |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211207 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220207 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220426 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220510 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7076154 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |