CN107920747A - 导丝检测系统、方法和装置 - Google Patents

导丝检测系统、方法和装置 Download PDF

Info

Publication number
CN107920747A
CN107920747A CN201680049576.4A CN201680049576A CN107920747A CN 107920747 A CN107920747 A CN 107920747A CN 201680049576 A CN201680049576 A CN 201680049576A CN 107920747 A CN107920747 A CN 107920747A
Authority
CN
China
Prior art keywords
section
seal wire
detection
seal
frame
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.)
Granted
Application number
CN201680049576.4A
Other languages
English (en)
Other versions
CN107920747B (zh
Inventor
克里斯多夫·E·格里芬
索娜尔·安布瓦尼
萨蒂什·卡维蒂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LightLab Imaging Inc
Original Assignee
LightLab Imaging Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by LightLab Imaging Inc filed Critical LightLab Imaging Inc
Publication of CN107920747A publication Critical patent/CN107920747A/zh
Application granted granted Critical
Publication of CN107920747B publication Critical patent/CN107920747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0066—Optical coherence imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
    • A61B5/065—Determining position of the probe employing exclusively positioning means located on or in the probe, e.g. using position sensors arranged on the probe
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
    • A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
    • A61B5/6852—Catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7217—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise originating from a therapeutic or surgical apparatus, e.g. from a pacemaker
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/0841—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating instruments
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M25/00—Catheters; Hollow probes
    • A61M25/01—Introducing, guiding, advancing, emplacing or holding catheters
    • A61M25/09—Guide wires
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Vascular Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Hematology (AREA)
  • Anesthesiology (AREA)
  • Pulmonology (AREA)
  • Endoscopes (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

部分地，本发明涉及在血管内数据集中的导丝检测的方法，该血管内数据集诸如扫描线、帧、图像及其组合。在血管的表示中生成导丝的一个或多个标记的方法也是本发明的特征。在一个实施方式中生成平铺式视图，以及将对比度相对较高的区域检测为候选导丝区域。在一个实施方式中，本发明涉及从一组血管内数据中选择性去除导丝区段且借助用户界面显示血管的表示。在一个实施方式中，可以将导丝的表示切换为开和闭。

Description

导丝检测系统、方法和装置
相关申请的交叉引用
本申请根据35U.S.C.119(e)要求在2015年7月25日递交的美国临时申请No.62/196,997和在2016年4月14日递交的美国临时申请No.62/322,693的优先权，这两个美国临时申请的全部公开内容通过引用并入在本文中。
技术领域
本发明总体涉及血管系统成像和数据收集系统和方法的领域。特别地，本发明涉及检测血管中的导丝的方法。
背景技术
冠状动脉疾病在全世界是死亡诱因之一。更好地诊断、监控、和治疗冠状动脉疾病的能力可以在挽救生命上至关重要。血管内光学相干断层成像术(Optical CoherenceTomography，OCT)为基于导管的成像模式，其使用光窥视到冠状动脉壁中且生成其图像用以研究。利用相干光、干扰量度法和微光学，OCT可以提供在患病血管内的、具有微米级分辨率的视频速率的体内断层扫描。
使用光纤探针以高分辨率查看亚表层组织结构使OCT尤其对于内部组织和器官的微创成像是有用的。利用OCT可能进行的该级别的细节允许临床医生诊断以及监控冠状动脉疾病的进度。OCT图像提供冠状动脉形态的高分辨率视觉化且可以单独使用或与其它信息组合使用，该其它信息诸如血管造影数据和帮助诊断和计划(诸如支架输送计划)的患者数据的其它来源。除了OCT外，还可以使用各种光学的、声学的和其它的血管内数据收集证明。
患者动脉的多个部分的成像为医生和其他人提供有用的诊断工具。OCT、超声波和其它数据收集形式在收集数据之前使用引导导管将探针定位在血管内。可以使用一个或多个导丝导航穿过动脉的曲折路径到达用于数据收集的感兴趣的位置。遗憾地，导丝可以在基于探针的数据收集的过程期间产生阴影。这些阴影可以不利地影响支架和其它动脉元件的成像。相应地，因此需要检测导丝的位置以及开发表示导丝且使用该导丝通知其它血管内元件的检测的方法。本发明解决了该需求和其它需求。
发明内容
本发明部分地涉及在存在成像探针、支架、和其它血管内特征的情况下处理与检测导丝相关联的复杂性的方法。本文中所描述的方法和实现方式可以与各种血管内成像系统和探针一起使用。
本发明部分地涉及对使用诊断系统生成的诊断数据(诸如血管内数据)执行的操作和方法。这类系统的示例可以包括光学相干断层成像术系统、血管内超声波成像系统和其它数据血管内数据收集系统。本文中所描述的方法和系统可以使用各种步骤和处理阶段来检测血管中的导丝。在各个实施方式中，这些系统和方法相对于血管的内腔的表示显示导丝的表示。该显示可以在一个或多个用户界面面板中且包括二维或三维表示。
本发明的一个实施方式涉及导丝检测的方法。该方法可以包括如本文中所描述的各种步骤阶段。在一个实施方式中，该方法包括生成关于对应于导丝的血管的表示的一个或多个标记。在一个实施方式中生成平铺式视图(carpet view)，以及将对比度相对较高的区域检测为候选导丝区域。该方法还可以包括识别组成给定导丝的导丝区段。在一个实施方式中，该方法包括从借助用户界面对血管的表示的显示中去除导丝区段和导丝。
在一个实施方式中，本发明涉及执行导丝检测，作为软件模块、操作器和阶段的流水线中的中间步骤，这些软件模块、操作器和阶段变换血管内数据以及对其执行特征检测，诸如阴影和内腔检测。例如，可以在OCT或IVUS拉回之后执行导丝检测，以及可以使用内腔检测软件模块处理形成的血管内数据以提取内腔数据，诸如关于内腔边界的信息。可以在数据集中检测各种阴影。另外，可以进一步评估识别的阴影以验证这些阴影为与导丝区段相关联的阴影。反过来，一旦已在血管内数据中识别且验证导丝，则可以将该信息提供给其它血管内数据处理模块。作为示例，通过验证的导丝检测可以为侧支检测模块的输入。
在一个实施方式中，导丝检测的方法可以包括生成一帧或多帧血管内数据的一个或多个二值掩码。诸如通过使用二值形态学的去噪或过滤，可以清理二值掩码。可以相对于掩码或其它血管内图像执行检测偏移的过程。在一个实施方式中，可以部分地通过使用基于一个或多个平铺式视图的方法来促进导丝检测。一旦已获得平铺式视图，则可以相对于该平铺式视图执行进一步处理操作，诸如通过生成该平铺式视图的二值掩码。
在一个实施方式中，可以使用血管内数据的二值平铺式视图掩码来验证候选导丝检测。在一个实施方式中，平铺式视图掩码(二值掩码)被用作用于后续血管内图像处理阶段的输入，在该后续血管内图像处理阶段中，消除了导丝区段的无效检测。在一个实施方式中，生成阴影的导丝的厚度具有范围从大约20微米到大约60微米的厚度。在一个实施方式中，该方法包括如下步骤：处理平铺式视图图像以生成平铺式视图掩码；生成一组导丝区段；去除虚假区段；连接(linking)检测以形成区段且建立区段之间的母子关系；连接区段以创建导线；去除重复导线；以及后处理。
本发明部分地涉及一种检测血管中的导丝的方法。所述方法可以包括：使用血管内成像系统存储所述血管的一个或多个血管内图像数据集，每个血管内数据集包括多个扫描线；在所述多个扫描线中的一个或多个扫描线上检测导丝阴影；针对每个导丝阴影确定导丝偏移；以每帧为基础、使用一个或多个导丝偏移确定候选导丝检测，从而生成多个候选导丝检测；从所述多个候选导丝检测生成多个候选导丝区段；从所述多个候选导丝区段去除虚假导丝区段，以生成一组检测到的导丝区段；以及连接来自所述一组检测到的导丝区段的区段以生成一个或多个连续导丝表示。
所述方法可以包括：在所述血管内成像系统的用户界面中显示包括一个或多个连续导丝表示的导丝表示。
所述方法可以包括：从所述多个扫描线生成平铺式视图；以及将所述平铺式视图二值化以生成二值平铺式视图掩码；其中，所述去除虚假导丝区段的步骤包括：基于所述候选区段与在所述二值平铺式视图掩码中的“开(on)”区域的交叉对候选导丝区段评分。开(ON)或“开(on)”区域也可以用闭(OFF)或“闭(on)”区域代替。另外，代替开/“开”或闭/“闭”，可以使用任何其它二元状态且可以交换值使得，针对给定二元状态表示，“闭”用于“开”，反之亦然。
所述方法可以包括：从所述多个候选导丝检测生成所有可能的检测连接的映射，以及使用所述区段映射将所述检测连接到连续导丝表示中。
所述方法可以包括使用单帧处理实现方式执行：在所述多个扫描线中的一个或多个扫描线上检测导丝阴影；针对每个导丝阴影确定导丝偏移；以及以每帧为基础确定候选导丝检测。
所述方法可以包括使用多帧处理实现方式执行：生成多个候选导丝区段；去除虚假导丝区段；以及从所述一组检测到的导丝区段形成导丝表示。
区段连接可以包括：如果在现有区段的尾部与新检测之间的距离度量小于阈值，则将来自远帧的检测连接到所述现有区段；以及如果现有区段在下一最远帧内的外推位置位于来自所述下一最远帧的检测的窄距离内，则将来自所述下一最远帧的所述检测连接到所述现有区段。
所述方法可以包括：当区段连接到位于越过不具有检测的一个或多个帧的帧上的检测时，提供内插检测。可以使用一组排除规则过滤区段，以去除具有对应于实际导丝的小于大约0.5的概率的区段。不同的区段可以由分解和合并中的一者或多者来划界，其中，一母区段连接到两个子区段(针对分解)或两个母区段连接到单一子区段(针对合并)。
可以基于一个或多个条件的出现连接区段，所述一个或多个条件选自包括如下项的组：每个独特区段具有与之相关联的至少一个对应导线；当区段一分为二时，创建新导线；当区段合并时，将形成的区段与和母区段相关联的多个导线相关联；在连接之后消除重复导线；以及为了视觉化目的，通过使公共区段上的检测平移而远离彼此，来消除沿着公共区段行进的导线的模糊性，使得渲染的导丝在3D空间中不重叠。
本发明还部分地提供一种用于检测血管中的一个或多个导丝的血管内成像系统的基于可编程处理器的计算设备。所述基于可编程处理器的计算设备可以包括：用于接收血管内成像数据的一个或多个数据访问通道；与所述一个或多个数据访问通道电通信的处理器和相关联的存储器。所述处理器可以被编程为：使用血管内成像系统存储所述血管的一个或多个血管内图像数据集，每个血管内数据集包括多个扫描线；在所述多个扫描线中的一个或多个扫描线上检测导丝阴影；针对每个导丝阴影确定导丝偏移；以每帧为基础、使用一个或多个导丝偏移确定候选导丝检测，从而生成多个候选导丝检测；从所述多个候选导丝检测生成多个候选导丝区段；从所述多个候选导丝区段去除虚假导丝区段，以生成一组检测到的导丝区段；以及连接来自所述一组检测到的导丝区段的区段以生成一个或多个连续导丝表示。
所述基于可编程处理器的计算设备可以包括如下特征中的一者或多者。所述处理器可以被编程为：在所述血管内成像系统的用户界面中显示包括一个或多个连续导丝表示的导丝表示。
所述处理器可以被编程为：从所述多个扫描线生成平铺式视图；以及将所述平铺式视图二值化以生成二值平铺式视图掩码；其中，所述去除虚假导丝区段的步骤包括：基于所述候选区段与在所述二值平铺式视图掩码中的“开”区域的交叉，对候选导丝区段评分。
所述基于可编程处理器的计算设备，其中，所述处理器还被编程为：从所述多个候选导丝检测生成所有可能的检测连接的映射，以及使用所述区段映射将所述检测连接到连续导丝表示中。
所述处理器可以被编程为使用单帧处理指令执行：在所述多个扫描线中的一个或多个扫描线上检测导丝阴影；针对每个导丝阴影确定导丝偏移；以及以每帧为基础确定候选导丝检测。
在所述基于可编程处理器的计算设备中，使用多帧处理实现方式执行如下项中的一者或多者：生成多个候选导丝区段；去除虚假导丝区段；以及从所述一组检测到的导丝区段形成导丝表示。
区段连接可以包括：如果在现有区段的尾部与新检测之间的距离度量小于阈值，则将来自远帧的检测连接到所述现有区段；以及如果现有区段在下一最远帧内的外推位置位于来自所述下一最远帧的检测的窄距离内，则将来自所述下一最远帧的所述检测连接到所述现有区段。
所述处理器可以被编程为：当区段连接到位于越过不具有检测的一个或多个帧的帧上的检测时，提供内插检测。可以使用一组排除规则过滤区段，以去除具有对应于实际导丝的小于大约0.5的概率的区段。不同的区段可以由分解和合并中的一者或多者来划界，其中，一母区段连接到两个子区段(针对分解)或两个母区段连接到单一子区段(针对合并)。
可以基于一个或多个条件的出现连接区段，所述一个或多个条件选自包括如下项的组：每个独特区段具有与之相关联的至少一个对应导线；当区段一分为二时，创建新导线；当区段合并时，将形成的区段与和母区段相关联的多个导线相关联；在连接之后消除重复导线；以及为了视觉化目的，通过使公共区段上的检测平移而远离彼此，来消除沿着公共区段行进的导线的模糊性，使得渲染的导丝在3D空间中不重叠。
在一个实施方式中，本发明涉及一种编码有多个处理器可执行指令的非暂时性机器可读存储介质，这些指令用于执行检测血管中的导丝的方法，这些指令包括用于执行本文中所描述和所绘制的步骤中的一个或多个步骤的处理器指令。
附图说明
本专利文件或申请文件包含按颜色执行的至少一个附图。在提出请求并支付所需费用之后，专利局将提供本专利或专利申请公开物的带有彩图的副本。
附图不一定按比例绘制；而是重点通常放在说明性原理。附图在所有方面被视为说明性的且不意图限制本发明，本发明的范围仅由权利要求来限定。
图1为根据本发明的说明性实施方式的示例性血管内数据收集系统和相关联的血管内数据收集探针以及相关的图像处理部件、图像检测部件和其它软件部件。
图2为根据本发明的说明性实施方式的血管内数据处理软件模块的示例性流水线。
图3示出根据本发明的说明性实施方式的导丝检测过程的各个初始步骤或阶段的概观图。
图4示出根据本发明的说明性实施方式的在已生成平铺式视图之后的导丝检测过程的附加步骤或阶段。
图5示出根据本发明的说明性实施方式的适合于识别用于确定偏移量和厚度值的开始停止对的处理流程。
图6A示出根据本发明的说明性实施方式的血管内图像和关联图像连同近偏移数据和远偏移数据的二值掩码。
图6B和图6C强调根据本发明的说明性实施方式的来自图6A的二值掩码的特定边界、偏移和数据。
图7为根据本发明的说明性实施方式的各种阴影检测和验证步骤以及其它血管内数据处理步骤的处理流程图。
图8为根据本发明的说明性实施方式的由此确定的与组织强度、投影、相对极值、局部自适应阈值和阴影相关联的各种血管内数据集和值的绘制图(作为按照扫描线对比强度值的曲线、直线或数据点)。
图9为示出根据本发明的说明性实施方式的示例性阴影搜索方法的处理流程图。
图10A至图10D分别为根据本发明的说明性实施方式的示出阴影区域的检测的血管内图像(图10A和图10B)及其二值掩码(图10C和图10D)。
图11为根据本发明的说明性实施方式的从血管内数据集确定导丝偏移位置的处理流程。
图12为根据本发明的说明性实施方式的各种导丝检测和相关的血管内数据处理步骤以避免输送导管内的错误信号检测的处理流程图。
图13为根据本发明的说明性实施方式的通过用于为了识别阴影内的导丝偏移而去除导丝偏移值中的异常值的方法(诸如使用软件算法所实现)所计算的迭代标准差的绘制图。
图14A为根据本发明的说明性实施方式的在应用示出导丝位置的一个或多个血管内数据检测模块之后的血管内图像。
图14B为根据本发明的说明性实施方式的图14A的一部分的放大视图。
图15A为根据本发明的说明性实施方式的示出引导导管阴影、支架撑杆阴影、和导丝阴影的示例性平铺式视图图像。
图15B为根据本发明的说明性实施方式的示出导丝阴影和各种其它阴影的示例性原始平铺式视图图像。
图15C至图15G为根据本发明的说明性实施方式的将各种图像处理步骤应用于图15B的平铺式视图之后的示例性图像。
图16为根据本发明的说明性实施方式的适合于使用方法的区段限定和检测的导丝区段及其分解与合并的示意图。
图17为根据本发明的说明性实施方式的示出未卷绕的支架撑杆和导丝阴影的平铺式视图图像的二值掩码。
图18为根据本发明的说明性实施方式的去除导丝的虚假区段的处理流程。
图19为根据本发明的说明性实施方式的示出将处于分解的区段与无子区段连接的导丝区段的示意图。
图20为根据本发明的说明性实施方式的示出将处于合并的区段与孤儿区段连接的导丝区段的示意图。
图21为根据本发明的说明性实施方式的示出无子区段和孤儿区段的连接的导丝区段的示意图。
图22为根据本发明的说明性实施方式的示出为诊断系统的用户界面的一部分的具有多个导丝的血管内图像的横截面或纵向显示。
图23A为根据本发明的说明性实施方式的示出为诊断系统的用户界面的一部分的具有多个导丝的三维血管内图像。
图23B为根据本发明的说明性实施方式的将相对于内腔检测的导丝绘制为用于血管内数据收集系统的图形用户界面的一部分的使用血管内数据生成的图形用户界面。
图24为示出根据本发明的说明性实施方式的用于生成导丝的三维模型的过程的处理流程。
图25为根据本发明的说明性实施方式的具有协同定位区的导丝模型的示意图。
具体实施方式
本文中所公开的系统和方法涉及置于血管(诸如动脉)中的导丝及其相关联的阴影的血管内成像和特征检测。给定血管可以包括输送导管，该输送导管包括丝编织、先前部署的支架和产生阴影的其它特征，这些阴影在使动脉成像时可以呈现挑战。本发明还涉及导丝在二维表示和三维表示中的显示和表示，其作为用于诊断系统的用户界面的一部分。在血管内区域中存在导丝区段及其相关联的阴影是有问题的，因为它们可以在诊断过程期间被误识别为支架撑杆、侧支、狭窄、脂质池或以其它方式掩盖感兴趣的特征。导丝阴影也可以掩盖终端用户感兴趣的区域。就其本身而论，确定且区分阴影位置是有用的，这是因为它改善了诊断活动，诸如评估狭窄和支架部署计划。
在血管内图像(诸如OCT图像和IVUS图像)中的导丝及其相关联的阴影可以导致不想要的图像处理误差且干扰在图像处理流水线中的其它步骤。一些血管内过程可以包括两个或更多个导丝的事实在试图处理这些导丝产生的阴影以及在动脉图像中识别这些阴影的重叠、分枝与合并时进一步增加复杂度。而且，在一个实施方式中，准确的阴影检测为用于侧支和支架撑杆检测的断定步骤。因此，考虑到在血管内图像中的导丝位置可以影响显示给终端用户和其它相关的成像处理模块的结果的准确度，则准确的导丝检测及其表示(或去除)是有诊断意义的。
部分地，本发明涉及导丝检测方法和各种系统、实现方式及其相关的过程和子过程或阶段。该方法可以使用对由血管内成像探针生成的数据集进行操作的软件模块的流水线来实现。这些方法和软件模块用于执行各种导丝检测相关的操作和步骤或以其它方式使用导丝检测工作流程的输出来执行其它检测或显示过程，诸如侧支或支架检测。
各种导丝检测方法和软件实现方式可以与诊断系统一起使用，该诊断系统诸如下文更详细描述的图1的数据收集系统。本文中所描述且示出的软件模块及相关联的方法和步骤用于执行各种导丝相关的步骤和操作。导丝阴影的检测可以使用一个或多个软件模块和相关的步骤来执行以确定被导丝投到内腔上的阴影的位置。
导丝偏移的计算也可以通过与图1的系统和图2的示例性数据流水线结合使用的一个或多个软件模块来执行。导丝在阴影区域内的偏移通过在阴影内沿着扫描线搜索峰值、转变或相对极值来计算。内插到模型连接的导线也可以使用一个或多个模块和各种血管内数据处理步骤来执行。该内插步骤在一帧内构造一区段的导丝检测且连接有效区段以创建导丝的连接的模型。可以基于可用于为区段评分的各种标准将区段确定为有效。可以使用区段分数和区段连续性来生成导丝。可以基于导丝的区段为该导丝评分。为了进一步给出上下文，在图1中描述了用于执行本发明的方法的诊断系统的讨论。
图1为示出血管5(诸如动脉)、数据收集探针7以及血管内数据收集和处理系统10的高级示意图。在血管5中示出导丝GW。系统10可以包括例如OCT系统、IVUS系统、或其它血管内成像系统。在血管5中示出支架12。来自支架内的导丝的阴影可以导致支架检测误差且以其它方式干扰血管5的成像。
支架12包括多个撑杆。一些撑杆可以产生阴影或阴影区域SR，作为利用血管内探针使血管成像的过程的一部分。导丝也产生阴影。另外，在图像数据收集期间，引导导管和侧支也可以产生阴影。系统10可以包括适合于执行侧支检测、峰值检测、阴影区域检测和处理、误差校正、模型比较、内腔检测、支架检测、和如本文中所描述各种其它过程的各种软件模块。
系统10可以包括满足本文中所描述的应用和数据收集的相干性和带宽需求的合适光源。系统10可以包括超声成像系统。探针7可以包括具有导管部的导管20，一个或多个光纤15和探针末端17置于该导管部中。在一个实施方式中，探针末端17包括光束定向器。
如图所示，导管20被引入到内腔11中，诸如动脉内腔中。探针7可以包括旋转光纤或可滑动光纤15，该旋转光纤或可滑动光纤15使光向前导向到内腔14中或使光沿着垂直于光纤15的纵轴的方向导向到内腔14中。因此，在当光纤15旋转时从探针侧进行导向的光的情况下，相对于血管5的壁收集OCT数据。血管5的壁限定内腔边界。可以使用从使用内腔检测软件部件在探针末端17处收集的光学信号获得的距离测量值来检测该内腔边界。在拉回穿过动脉期间，可以在由探针生成的扫描线中识别阴影区域、导丝和其它特征。可以使导丝的区段成像并将其组装为连续导丝2D或3D表示。在一个实施方式中，除了OCT，探针7还可以包括其它成像形态，诸如超声。
如图1所示，探针末端17位于内腔14中，使得该探针末端17在血管5的带支架的区域的远侧。探针末端17配置成发射光且接收从物体(诸如支架12)和血管5的壁反向散射的光。探针末端17和数据收集探针7的剩余部分被牵引通过内腔14，从而该末端通过带支架的区域且使支架撑杆和导丝GW成像。这些撑杆和GW在被成像时可以产生阴影。探针7与OCT系统10进行光学通信。借助光纤15连接到探针末端17的OCT系统或子系统10可以包括光源(诸如激光器)、具有样本臂和参考臂的干涉仪、各种光学路径、时钟发生器、光电二极管、和其它OCT系统部件。
在一个实施方式中，光学接收器31(诸如基于平衡光电二极管的系统)可以接收离开探针7的光。计算设备40(诸如计算机、处理器、ASIC或其它设备)可以为OCT系统10的一部分或可以被包括作为与OCT系统10电通信或光学通信的单独子系统。计算设备40可以包括内存、存储器、总线、和适合于处理数据和软件44的其它部件，该软件44诸如配置用于如本文中所描述的侧支检测、支架撑杆候选选择或标识、候选导丝检测、偏移确定、二值导丝平铺式视图掩码创建、拉回数据收集和路由以及其它导丝相关的方法、以及分析、显示和检测步骤的图像数据处理级。软件模块44可以包括阴影检测模块及如本文中所描述的相关联的过程和步骤。
在一个实施方式中，计算设备40包括或访问软件模块或程序44，诸如GW检测软件模块和方法。本文中诸如参照图2描述关于流水线的软件44的附加细节。软件模块或程序44可以包括图像数据处理流水线或其部件模块以及一个或多个图形用户界面(GUI)。模块可以为彼此的子集且通过各种输入、输出、和数据类来布置和连接。
示例性图像处理流水线及其部件可以构成如图2所述的程序44中的一者或多者以及在此所公开的处理流程。软件模块或程序44接收图像数据并将这些图像数据转换为血管以及GW的二维和三维视图，该软件模块或程序可以包括内腔检测软件模块、峰值检测软件模块、支架检测软件模块、侧支检测软件模块、阴影检测模块、扫描线选择模块、验证模块、图像操作器、和执行本文所描述的步骤的其它软件模块。图像数据处理流水线、其部件、软件模块和相关方法以及本文中所描述的任一方法被存储在存储器中且使用一个或多个计算设备(诸如处理器、设备、或其它集成电路)来执行。
如图1所示，显示器46也可以为系统10的用于示出信息47(诸如使用收集的图像数据生成的血管的横截面视图和纵向视图)的部分。可以借助显示器46将支架和内腔边界的表示(诸如其OCT或IVUS图像)显示给用户。在显示这些特征以及利用可包括在被显示图像中的识别标记进行任何编码或标志之前执行侧支检测、阴影检测和支架检测。可以使用一个或多个图形用户界面(GUI)显示该基于OCT的信息47。图14A、图14B和图22至图26的图像为信息47的示例，可以使用GUI和各种输入设备显示该信息47和与该信息47交互。
另外，该信息47可以包括但不限于横截面扫描数据、纵向扫描、直径图、图像掩码、支架、贴壁不良的区域、内腔边界、和血管的其它图像或表示、或使用OCT系统和数据收集探针获得的下层距离测量值。计算设备40还可以包括软件或程序44，该软件或程序44可以被存储在一个或多个存储设备45中、配置成识别阴影和支架撑杆(其包括阴影区域内的撑杆)和其它血管特征，诸如标记，诸如文本、箭头、彩色编码、加亮、轮廓线、或其它合适的人可读标记或机器可读标记。
一旦利用探针获得OCT数据且将其存储在存储器中；该数据可以被处理以生成信息47，诸如血管沿着拉回区的长度或及其子集的横截面视图、纵向视图、和/或三维视图。这些视图可以被描绘为如图14A、图14B和图22至图26所示且如本文中以其它方式描述的用户界面的部分。
在一个实施方式中，本发明涉及流水线或流式流水线，也称为血管内数据处理流水线。在图2中示出了用于使用血管内数据收集系统实现本文中所描述且所示出的各种方法的示例性的基于软件模块的流水线。该流水线可以包括多个软件模块，诸如例如导丝检测模块。该流水线的部件执行图像处理和分析，诸如对血管内数据(诸如扫描线)的操作和处理。该流水线从存储在电子存储设备中的拉回生成数据集读取数据、操作这些数据并将其路由到各种软件模块、以及为血管内数据收集系统的图形界面准备用于显示的图像。可以将关于导丝的位置和尺寸的数据路由到渲染引擎以创建三维线框。也可以生成2D图像，如本文中所示，诸如在图26中所示。
参照图2，图像检测软件模块计算由二值图像或二值图像处理部件使用的阈值。该方法可以使用二值图像发生器作为对血管内数据(诸如扫描线或2D或3D图像)进行操作的软件模块。二值图像发生器创建被不同部件用来计算内腔边界的掩码图像。本文中更详细地描述内腔检测(内腔检测，LumenDetect)81下游的各种软件模块。在一个实施方式中，GW数据87可以被接收作为输入且被各种图像数据处理模块(导丝检测(GW检测，GWDetect)85、侧支检测(侧支，SideBranch)88和支架检测(支架检测，SentDetect)90)处理。
部分地，本发明涉及导丝检测软件模块，在本文中也称为GWD。GWD为一个或多个血管内图像数据软件模块的流水线内的一个血管内图像数据软件模块(或方法)。GWD可以包括用于关于整个方法的不同任务的各种其它相关的软件模块和方法。GWD与其它血管内图像数据软件模块合作工作以定位导丝。在图2中列举了关于导丝检测的模块。虚线指示在GWD与其它模块之间共享的模块数据。在一个实施方式中，导丝检测预处理模块编码二值图像中的“开”区域，以供后续方法使用。因此，对应于血液或内腔的“闭”区域可以被忽略或使用其它流水线部件来处理。在一个实施方式中，GWD识别导丝在OCT帧内的位置。在一个实施方式中，该识别步骤可以包括识别扫描线，这些扫描线包括导丝的一部分。
导丝检测方法中的第一模块为导丝检测预处理软件模块。该导丝检测预处理软件模块对由二值图像发生器模块创建的二值掩码进行操作。该二值掩码包括“开”区域和“闭”区域。作为在二值掩码上的预处理模块操作的部分，其生成开始停止对(start stop pair)数据。该数据可以包括在图像二值化中的“开”区域的行程编码。“开”区域和“闭”区域对应于高值和低值，诸如0和1，反之亦然。采用该方式，生成掩码以具有二值数据表示。开始停止对数据被流水线的血管内数据处理模块中的一者或多者使用。导丝软件模块生成导丝数据，该导丝数据被支架检测软件模块用来避免在导丝区域中搜索撑杆。导丝数据也被侧支模块处理。导丝数据为输入且用于通过将导丝阴影从侧支检测排除而减少假阳性。采用该方式，导丝位置及相关联的阴影的检测帮助改善侧支检测的准确度。
导丝检测软件的架构可以使用各种关系、参数和数据结构来实现。导丝检测结果或导丝候选的存储可以使用在计算机可读存储器中的各种类和对象表示来执行。这些方法可以使用各种存储器以及数据管理和路由软件模块对血管内数据和导丝数据的类型分类并管理这类数据。
导丝数据/位置信息
用于各种操作器和软件模块的各种中间输出和输入被存储在存储器中。一个或多个存储器(诸如第一计算机可读存储器和第二计算机可读存储器)可以用于存储导丝检测方法的结果。在一个实施方式中，导丝检测实现可以使用各种数据类别和参数来限定用于管理其显示的算法和方法所需的所有数据存储构件。适合于用在给定实施方式中的一些示例性类别的导丝相关数据或导丝相关参数可以包括导丝帧数据、位置数据、组织偏移、和如本文中所描述的其它项。
该类别或种类的导丝数据可以包括每帧数据。该类别或种类的导丝数据(或导丝参数)可以包括阴影边缘、候选导丝数据、导丝区段、和如本文中所公开的其它项。在一个实施方式中，阴影边缘数据可以包括为导丝区域划界的边缘的扫描线位置。在一个实施方式中，候选导丝数据限定候选导丝位置和尺寸。候选导丝数据可以包括偏移、阴影宽度、顶点、边框位置和中心位置中的一者或多者。导丝区段可以限定连接的一组导丝检测或区段。
导丝检测种类的结果的存储在流水线中被实例化且通过血管内数据收集软件模块被传递到所有模块。由图像处理流水线使用的数据可以为各种形式。在一个实施方式中，在具体帧中发现的特征(包括内腔偏移、阴影边缘位置的向量、检测和导丝偏移的列表)被存储为一个或多个向量、矩阵或列表。
GWD的各个部件和步骤可以生成一组导丝区段，作为存储在第一存储器或更多存储器中的对象。在一个实施方式中，这些导丝区段对象或存储信息可以包括母区段的列表、子区段的列表、相关联的检测和导线的列表中的一者或多者。在一个实施方式中，该方法及相关联的基于软件的模块生成包括由连接区段生成的导丝数据的列表，其中，每个区段包含相关联的每帧导丝检测的列表。
当定向地沿着从记录的近端到远端的数据帧而评估导丝数据处理时，母区段和子区段的概念是信息量大的。当将区段连接在一起时，无论何时存在分解或合并，该区段被终止。然后创建多个新的子区段(在分解的情况下)，或在合并的情况下创建单个新的子区段。这些区段作为母/子彼此相关，其中，母区段总是在子区段的近侧。
可以使用各种关系和术语而针对连接及其各种关系对区段分类。基于是使用近端到远端帧处理次序、还是使用其它区段处理和分析方法，这些术语和关系可以改变。在一个实施方式中，以该次序从远端到近端连接区段：N，N-1，N-2，…，3，2，1。在一个实施方式中，当处于帧K的区段S1连接到处于帧K-1的两个(或更多个)区段S2和S3时，这是分解以及S2和S3为母区段S1的“子”。另外，在一个实施方式中，当处于帧K的多个区段S1和S2连接到处于帧K-1的单个区段S3时，这是合并以及S1和S2为子区段S3的“母”。在给定实施方式中可以使用各种其它术语以及区段连接次序条件和约束。
在一个实施方式中，例如，在血管内数据的特定帧中检测的特征被存储在一个或多个计算机可读存储器中，诸如第一存储器和第二存储器。在一个实施方式中，通过唯一帧号标识每个特征。各个集合或组的多个元素(诸如候选导丝检测、区段和由其组装的导丝表示)可以全部被存储在这类存储器中且使用本文中所描述且示出的各种基于计算机的步骤来处理。
该方法可以存储文件且创建包含对属于导丝区段的检测的参考的表格、列表、向量、矩阵、和其它数据存储实现方式。区段可以具有多个母区段和多个子区段。在一个实施方式中，导丝的每个区段具有唯一区段标识符或ID。与该区段ID相关联的GW检测以一个或多个数据结构被存储在电子机器可读和可写存储设备中。在一个实施方式中，也生成通过连接与区段ID相关联的区段对象所生成的一组导丝数据并将其存储在存储器中。每个区段可以与多个导丝相关联。在一个实施方式中，多个导丝区段连接在一起以形成导丝。给定导丝可以用通过连接区段对象生成的导丝数据的实例来表示，该导丝数据包含对相关联的区段和检测的参考。
单独的检测用候选导丝位置和尺寸数据的实例来表示，该数据可以作为对象或参数被存储在电子记忆存储器中。通常，第一存储器和第二存储器以及其它存储设备和存储位置可以被寻址、写入、访问和读取，其包含导丝和血管内测量相关数据。来自执行导丝检测的一些参数和输出可以包括帧号、用于导丝阴影区域的中心的扫描线、像素中的导丝偏移、导丝的末端在笛卡尔坐标系中的坐标、导丝的中心在笛卡尔坐标系中的坐标、指向与检测相关联的区段的指针、以及指向与检测相关联的区段的指针。
导丝检测方法对来自如图2所示的模块上游的导丝检测预处理模块的数据操作且转换该数据。对导丝数据的更新采取单独的单帧处理结果且使用交叉帧信息来通过去除无效导丝位置且通过内插填充丢失位置而细化检测到的导丝位置。在一个实施方式中，从多帧结果生成一个或多个导丝检测，以识别检测到的导丝位置。最初，使用导丝检测过程识别导丝区段。然后评估导丝区段并将其分组以构成给定导丝。
在一个实施方式中，阴影检测方法作为单独或并行过程的一部分被处理。在贯穿本发明的各个实例中，导丝被简写为GW。整个GW检测过程的阴影检测相关的子方法可以包括可分离的一组方法。这些方法识别通过导丝投在组织上的阴影。本文中描述了阴影检测方法的示例性细节。
导丝检测软件模块或GWD包括如下文所概述的一个或多个过程或方法。这些可以关于多帧图像数据来实现。另外，这些方法可以使用单帧处理或多帧处理来实现。在单帧过程中，关于单帧数据执行图像数据处理和掩码的应用以及其它检测步骤。反过来，对于多帧过程，处理两帧或更多帧图像数据。多帧处理对于本文中所描述的一些步骤是有用的，因为该多帧处理允许考虑来自相邻帧或一组帧的信息。多帧过程对于验证候选导丝检测为有效是有用的。这可以源自与其它检测对齐或相邻的检测。由于导丝的细长的几何结构而期望检测跨越多帧。在给定实施方式中可以使用这些基于帧的处理流型中的一者或多者。
在一个实施方式中，使用数据处理流水线的一个或多个过程部分或本文中所描述的处理流程中的一者或多者来处理血管内数据。作为导丝检测过程的一部分，实现如下步骤或过程中的一者或多者：
●阴影区域检测(单帧处理)
●顶点偏移检测，其中，在检测的导丝上最靠近导管中心的点被称为顶点(单
帧处理)
●平铺式视图掩码的创建，该掩码用作识别可能包含导丝的扫描线的特征
○在单帧处理中生成的平铺式视图强度
○平铺式视图强度图像的形态学处理和二值化发生在多帧处理中
●区段创建、验证以及去除无效区段(多帧处理)
●通过连接区段和导线选择进行的导线创建(多帧处理)
●连接的导线的后处理
●导丝的可视化/显示
这些过程或方法可以被实现为基于软件的方法，这些方法对扫描线或来自探针穿过动脉的拉回的其它血管内数据操作并将其转换。在一个实施方式中，顶点被称为在检测的导丝上最靠近导管中心的点。因此，将该顶点对齐在同一扫描线上，以及一个GW半径相对于检测的导丝的中心更靠近该中心。在一个实施方式中，后处理步骤包括成像假影清除、导线的去重复(重复导线的去除)、重叠导线的模糊性消除中的一者或多者。在一个实施方式中，可以在显示器46上显示导丝或使导丝视觉化。在图15A(平铺式视图)和图23A(三维剖面视图)中示出了相对于来自OCT拉回的数据识别的所显示导丝的示例。
导丝阴影检测实施方式
在图3和图4的处理流程中总结示例性导丝检测方法的概观。图3示出关于阴影和偏移的导丝检测过程的单帧处理特征。在一个实施方式中，可以部分地通过使用一个或多个基于平铺式视图的方法来促进导丝检测。图15A至图15G和图17示出了关于平铺式视图图像的各种细节以及应用于此的检测和图像处理步骤。图4示出使用根据图3的过程或如本文中所描述的以其它方式生成的平铺式视图表示的导丝检测过程。在一个实施方式中，图3使用单帧处理来实现。在一个实施方式中，图4使用多帧处理来实现。
介绍平铺式视图
通过沿着纵向视图展开横截面或极视图而创建扫描线的表示，可以将在拉回过程期间使用探针获得的血管内图像数据显示给用户。平铺式视图为二维数据表示。在一个实施方式中，平铺式视图示出横截面OCT图像，但是以类似于地毯卷绕圆筒被铺开的方式铺开或展开。
平铺式视图可用于以一种或多种方式使OCT图像或其底层部件概念化。例如，在一个实施方式中，平铺式视图使3D血管内数据集的径向偏移维度塌陷为单一强度。采用该方式，可以以(Z，θ)坐标表示数据。在一个实施方式中，使该径向偏移维度塌陷的方法是对在近偏移估计与远偏移估计之间的强度值求和。该强度值求和生成相对于在平铺式视图/OCT图像中的特定区域而可检测的对比度增大。例如，无论何时在投射阴影的金属物体的区域中，在平铺式视图中，该求和过程导致强的可检测的对比度。该对比度继而促进这类金属物体(诸如导丝)的检测。
在一个实施方式中，可以使用平铺式视图或OCT数据生成二值平铺式视图掩码。在一个实施方式中，可以生成血管内数据的二值平铺式视图掩码以促进导丝检测。关于平铺式视图图像执行的二值化的过程为有利的。在一个实施方式中，平铺式视图掩码(二值掩码)被用作用于后续血管内图像处理阶段的输入，在该后续血管内图像处理阶段中，消除了不想要的区段。
在一个实施方式中，平铺式视图为从拉回的扫描线生成的二维数据集，其中，去除或减小沿着扫描线的偏移的尺寸。在平铺式视图中，用于阴影的强度值低，且用于组织的强度值高。平铺式视图通常为灰度图像，但是在一些实施方式中可以显示彩色版本。在图17中，示出了具有两个导丝1705和1710的示例性平铺式视图1700。在该平铺式视图中，导丝区段的强度值和连接性可清楚辨别。因此，当执行导丝检测步骤时，平铺式视图为血管内数据的有利表示。阴影区域检测特征
在导丝检测方法的一些实施方式中，阴影区域的检测为一个步骤。图3中的图示出了阴影区域检测方法的步骤。最初，相对于每帧图像数据生成二值掩码(步骤A0)。可以使用血管内数据(诸如OCT、IVUS或其它图像数据)来生成二值掩码。可以在美国专利No.9,138,147中找到关于二值掩码生成的附加细节，该美国专利的全部公开内容通过引用并入在本文中。
在一个实施方式中，清理二值掩码的过程指的是检查行程长度编码区域(开始-停止对)并决定哪些行程对应于组织，从而去除对应于内腔内的血液或其它矫作物(artifacts)的行程的启发方法。下文更详细地描述关于清理二值掩码的过程的实施方式的附加细节。
图5示出适合于识别用于确定偏移量和厚度值以指导导丝搜索的开始停止对的方法。该方法大部分依赖于阴影检测，以识别针对导丝搜索感兴趣的区域。除了其普通含义，术语“偏移”指的是用于借助探针穿过动脉的拉回的血管内数据收集的3D柱面坐标系中的仅一个维度。术语“偏移”指的是从坐标系的中心到感兴趣的对象的半径测量，该物体为GW、内腔、撑杆或其它。在GW检测的上下文内，计算偏移指计算从坐标的中心到GW的前沿的距离。在一个实施方式中，最短的这样的距离(在GW上的最近点)被称为顶点。
厚度被计算为可检测的组织信号的二值掩码的径向厚度。作为导丝检测的部分，该方法使用由导丝检测预处理模块生成的一种或多种类型的开始-停止对(诸如组织开始停止对)的向量、列表或其它数据配置。开始-停止对(SS对)包括一帧中的每条扫描线中的开始偏移、停止偏移以及厚度。在一个实施方式中，每条扫描线经常具有多个这类SS对。在一个实施方式中，开始停止对指的是内腔扫描线的二值图像中的前景像素的运行的开始和停止。在一个实施方式中，扫描线为沿着径线的一行图像数据。在一个实施方式中，术语“A线”也可以用于指扫描线。
对于每条扫描线，比较开始-停止对，以及保留具有最大权重的开始-停止对，且分别在向量偏移和向量厚度参数中返回对应的开始值和厚度值。通常，该方法包括对SS对加权(步骤B1)。权重被如下计算为：
权重＝厚度*厚度+间隙
间隙可以被描述为在当前的开始停止对的开始与先前的开始停止对的停止之间的距离。厚度对应于组织掩码的厚度。从计算的厚度值，该方法计算平均厚度。在一个实施方式中，选择用于每条A线的具有最大权重的SS对(步骤B2)。确定近偏移和远偏移(步骤B3)。也计算厚度的标准差(σd)(步骤B4)。图6A示出在二值掩码图像上的组织掩码的偏移和厚度。具体地，图6A示出内腔偏移和厚度曲线。图6B示出用于生成图6A中的掩码的极图像。图6C示出与先前两个图分离的两个轮廓。
顶部轮廓C1对应于组织距成像系统(诸如例如置于动脉中的血管内成像探针)的原点的偏移。底部轮廓C2对应于穿透深度的估计，从而一旦超过穿透限度，则别的一切都为噪声。在一个实施方式中，轮廓C1和轮廓C2中的每一者可以被延伸到阴影区中，以及可以分析由此限定的一个或多个区域。这些一个或多个区域包括阴影和组织二者。当使轮廓延伸跨过阴影时，则组织上的像素值在阴影区中的投影是有利的，因为该投影提供相对于组织区的用于检测的高对比度区域。阴影检测可以增强或鉴于对比区域使阴影检测成为可能。在被整合操作符这样分析或处理时，可以生成适合于阴影检测的高对比度输出数据集。
使用近偏移和远偏移计算椭圆拟合(步骤B5)。在一个实施方式中，椭圆被拟合为向量偏移。如果满足如下条件中的一者或多者，则该拟合的椭圆被一个或多个软件模块或处理步骤用来去除开始-停止对：
●开始停止对的远偏移小于(椭圆-偏移+位置-容差)
●(平均厚度–开始停止对厚度)>厚度-阈值
位置-容差等于0.0(用于为厚度的标准差(σd))。厚度-阈值的值范围从大约0.01σd到大约2σd。前述步骤导致清理/清除二值掩码(步骤B6)。
再次使用过滤的开始停止对的阵列来选择具有最大权重的开始停止对，以针对每条扫描线计算更新的近偏移和厚度(步骤B7)。使用这些值分别更新向量偏移和向量厚度参数的值(步骤B8)。使用近偏移拟合样条曲线。转而，使用样条拟合计算近偏移的平滑值(重写到向量偏移中)(步骤B9)。
接着，将局部极大值操作符应用于厚度值(窗口尺寸为10个到150个扫描线)(步骤B10)。随后，应用求平均操作符(窗口尺寸为1个到30个扫描线)以使厚度值平滑。另外，在一个实施方式中，再次使用近偏移获得椭圆拟合(步骤B11)。计算组织偏移和厚度。
在导丝检测方法中的下一步骤为对应于导丝的阴影的检测。图7总结了在阴影检测中涉及的步骤。在一个实施方式中，这些步骤包括计算内腔偏移(步骤D1)、计算线投影(步骤D2)、执行阴影搜索(步骤D3)、执行阴影验证、以及相对于初始检测的候选阴影执行阴影细化处理(步骤D4)。下文更详细地描述关于这些步骤的附加细节。第一步骤是计算线投影。搜索线投影以确定阴影开始-停止位置。在一个实施方式中，最后一步为验证检测到的阴影。使用这些步骤，可以获得导丝偏移(步骤D5)。
仍参照图7，针对每条扫描线，使用组织掩码的近偏移和远偏移计算近点与远点之间的线投影。对由近偏移和远偏移定界的成一直线的像素分类且对较低像素值的百分比求平均。跳过的像素的数量为像素的总数与血管内成像系统可关于从导丝的离焦(作为其反射性质的结果)所解决的最大厚度的函数。在一个实施方式中，跳过的像素的量大于总像素的1％且小于总像素的20％。分类确保可对应于撑杆离焦的最亮像素不掩盖强度投影上的阴影。一旦计算用于每个线的投影，则利用移动平均过滤器使整个线投影变平滑。在一个实施方式中，使用像素强度的算法来计算线投影。
计算线投影方法实施方式
图8示出线投影的典型示例。用数字标记候选阴影。平滑的线投影标有黑线(非平滑数据为绿色)。后续章节进一步详细描述下文图示的阴影搜索和验证方法。针对每条扫描线，使用二值掩码的近偏移和远偏移计算近点与远点之间的线投影。在一个实施方式中，对由近偏移和远偏移定界的成一直线的像素分类且对较低像素值的百分比求平均。因此，针对每条扫描线，如果在聚合中考虑所有的像素，则可以确定平均像素值。
关于该平均值(对于所有像素)或关于使用针对扫描线的像素的子集获得的另一平均值的低值(低于特定强度阈值的像素的平均值)可以用于识别候选阴影。平均组织强度的一部分(诸如平均组织强度的50％)可以被用作强度下限，高于该强度下限，使用基于LAT的方法识别阴影。所使用的平均组织强度的该部分的范围可以从大约20％到大约80％，作为基于图8的平滑线投影中的谷值选择候选阴影的下限。
执行分类过程以提高可对应于撑杆离焦的最亮像素不掩盖强度投影上的阴影的概率。一旦计算用于每行的投影，则利用过滤器(诸如例如移动平均过滤器)使整个线投影变平滑。图8示出线投影确定的典型示例。在图8中，绘制了关于强度轴和扫描线轴的数据，如所示。在强度等级50附近的第一水平线为平均组织强度。在强度等级25附近的第二水平线为平均组织强度的大约一半。
在图8中，连同原始投影和局部自适应阈值LAT一起绘制平滑线投影。LAT高于平均组织强度以及在不同的点高于和低于平均组织强度的一半。阴影的各个事件对应于下降到低于LAT曲线的平滑投影，如所示。原始投影为锯齿状且高于或低于平滑线投影或与平滑线投影重叠，如所示。在图8中也示出了平均组织强度和平均组织强度的一半。LAT高于LAT前体，如所示。
用数字1到9标记候选阴影，如图8所示。相对于原始线投影(相对于平滑数据振荡的具有尖峰和锯齿状点的非平滑数据)示出了平滑线投影。处于点9的星标为LAT方法不检测初始操作的真实阴影。使用相对极值数据的次级或备用检测方法可以与基于LAT的检测方法并行使用以检测阴影，诸如与点9相关联的阴影。点9高于LAT，如所示，同时其它检测的阴影1至8具有低于LAT的投影强度值且因此表示阴影。每个阴影具有开始阴影线。
作为示例，阴影具有用于阴影2的近似开始线150和用于阴影8的结束阴影线(诸如近似线455)。相对于在大约扫描线75处的扫描线强度，如扫描线350附近所示，组织值较低且因此LAT较低，因此，LAT基于扫描线和线投影的强度变化而改变。在一个实施方式中，使用扫描线局部的组织强度值计算在该扫描线处的LAT。
阴影搜索特征
阴影搜索方法使用线投影上的局部自适应阈值确定阴影区域。局部自适应阈值的确定为阴影搜索方法的关键成分。该方法计算用于每条线的局部自适应阈值，如图8所示。图9中图示出了阴影搜索方法步骤。该阴影搜索方法可以使用各种算法来实现，这些算法包括转换或以其它方式操作且识别由一个或多个在血管内测量的对象所生成的阴影的一个或多个步骤。
该阴影搜索方法计算投影强度值范围。在一个实施方式中，这是整个范围。下一个步骤计算组织的均值作为所有值的均值，其中，该投影大于投影强度值范围的中间值。在后续步骤中使用组织的均值(MT)。
仍参照图9，对于每条扫描线L，创建局部投影(Local Projection，LP)(步骤E1)。在MT处分类且平铺式局部投影值的列表。将局部平均组织(Local Mean Tissue，LMT)值推导或计算为在其范围的上半部中的局部投影值的均值(步骤E2)。将对于线L的局部自适应阈值计算为线L周围的窗口式邻区中的LMT的一半。最后，利用移动平均过滤器或其它平滑过程使局部自适应阈值变平滑(步骤E3)。
搜索扫描线，以及如果投影落在对于该线的平滑局部自适应阈值之下，则该线被标为属于阴影(步骤E4)。如果先前的线为非阴影线，则该方法限定新阴影。该方法也核对包裹在图像的边缘周围阴影的特殊情况。由于极坐标系的性质，扫描线0直接邻近最后一条扫描线，因此在包裹情况下，合并图像的边缘上的阴影。
阴影细化
在一个实施方式中，阴影搜索包括如下步骤：将阴影开始位置和阴影停止位置细化到投影上的最大坡度的位置(步骤E5)。在仅包括单一扫描线的阴影的情况下不调整这些位置。
通过将每个阴影与该帧上的所有其它阴影相比较来进一步区分确认有效的阴影。重叠的阴影被合并为单一阴影，且去除重复阴影。该方法说明了阴影包裹在图像周围的情况。
阴影检测方法对各种输入操作。在一个实施方式中，该方法的输入为指向帧图像缓存器的指针、如本文中所描述的计算的近偏移值和远偏移值。阴影检测方法包括几个子步骤。这些子步骤(其本身也可以为方法步骤)包括：计算线投影；生成局部自适应阈值；执行阴影标记；细化阴影边缘位置；以及执行阴影细化。这些步骤对于在导丝检测和支架检测算法内的阴影检测是常见的。排除高光亮度的阴影检测的示例和结果
在图10A至图10D中所示的图像示出了两个OCT图像中的检测到的阴影的位置。图10A和图10B示出了两个OCT图像以及阴影开始和结束的位置。图10C和图10D示出了分别从图10A和图10B生成的二值掩码。图14A和图14B示出了关于OCT图像以及阴影相对于偏移值和中线值的位置的进一步细节。
在阴影区域中的导丝偏移的检测
在已识别和细化阴影之后，该方法在阴影区域中检测对于每条扫描线的偏移。在一个实施方式中，使用NPLM方法，针对在阴影区域中的每条扫描线计算导丝偏移。在图11中示出了该方法的示例性实现方式。本文中所描述的方法可以与在血管内图像中可检测的金属物体(诸如导丝)一起使用。血管组织、脂质斑块和其它血管内特征也反射相干光，使得难以单独地基于反射性区分OCT图像中的导丝。另外，如上所述，在侧支内腔的背景下，由导丝投射的阴影是不可检测的。为了解决该问题，提供用于检测候选导丝阴影的称为线测量单纯峰值(Peak at Line Measurement，NPLM)的算法方法。在2015年12月18日递交的、名称为“Detection of Stent Struts Relative to Side Branches”、具有序列号14/975,462的待审的美国专利申请中描述了关于NPLM方法的附加细节，该美国专利申请的全部内容通过引用并入在本文中。
在图11中示出了找到用于扫描线的偏移位置的NPLM方法。该方法可以用于对血管内图像数据(提供在步骤G1中)和/或GW数据(提供在步骤G3中)进行操作。对于在检测的阴影区域内的每条扫描线，计算峰值强度(步骤G2)，随后是强度大于线强度的峰值的1/10的样本的数量。如果该数量小于按经验确定的阈值TGW，则将最大值的位置标记为在该扫描线上的导丝偏移(步骤G6)。在一个实施方式中，该方法包括如下步骤：过滤或去除异常偏移值。在一个实施方式中，TGW为NPLM阈值。
该方法去除离中心最远的偏移位置，直到它达到如图13中绘制的σ曲线弯部点1300。为了在阴影内识别最佳拟合或准确的导丝偏移。如果线上峰值与K的乘积不小于导丝阈值TGW，则丢弃扫描线(步骤G8)。如果线上峰值与K的乘积小于导丝阈值TGW，则将扫描线数据添加到检测的导丝偏移的数据存储器/内存(步骤G7)。
在一个实施方式中，该方法包括如下步骤：确定每条扫描线中具有大于(K)
(“线上峰值”强度)的强度的样本的数量(步骤G5)。值K为比例或缩放因子，诸如，在参考线上峰值强度的1/10时为上文描述的值1/10。在一个实施方式中，K范围从大于大约0到小于大约0.5。
在一个实施方式中，导丝检测方法包括核对偏移有效性。如果偏移位置符合导管护套内的检测，则重新计算偏移位置。更具体地，如果偏移落在基准直径的一部分内，或如果偏移落在检测的护套内(当使用具有掺杂护套的导管时)，则重新计算偏移。
具有峰值排除的导丝偏移检测
在图12中示出了找到导丝偏移、同时排除与置于输送导管内的结构相关联的峰值的示例性方法。图12中示出的该特定处理流程涉及目的是不检测信号(诸如成像导管/作为导丝的血管内数据收集探针内的峰值)的示例性实施方式。例如，反射或其它杂散信号可以为明亮的且显现为导丝。图12的过程使用来自图11的输入(步骤F1)且包括处理特定类型的杂散信号的步骤。在一些实施方式中，可以在如下情况下使用该过程：成像导管/血管内探针在使用中，其不包含掺杂护套或其它校准部件，从而导管护套的精确位置的先验信息不可获得。
在一些实施方式中，校准特征提供这类先验信息，以及围绕光纤(其作为数据收集探针的一部分)的导管护套的位置是已知的。如果中值偏移在基准圆之外，则该中值偏移被视为有效的(步骤F5)。如果中值偏移在基准圆之内，则针对阴影区域之内和之外的区域，在中值偏移(200微米的窗口尺寸)处计算投影值。如果投影值不同，则中值偏移被视为有效的。
如图12所示，在一个实施方式中，导丝检测方法包括计算过滤的偏移位置的中值以确定导丝偏移位置(步骤F3)。图12的方法使用关于获得的导丝偏移的、使用图11的方法获得的信息。最初，搜索偏移以找到开始偏移(步骤F1)。在一个实施方式中，使用阴影区域中的过滤的偏移位置的中值作为导丝的偏移位置。该偏移位置指示导丝边缘距成像导管的中心的距离。异常拒绝方法基于迭代地去除距中心最远的点且计算标准差(步骤F4)。如果中值偏移为无效的，则通过缩放因子SC使中值偏移向外扩展。然后相对于通过缩放因子SC扩展的中值偏移执行搜索(步骤F2)。
如果成像探针从反射面接收杂散信号以在导丝的前方创建亮环，则利用SC使偏移增值的过程可以推动偏移经过该环以允许找到准确的导丝。重复图12的过程，直到标准差绘图的斜率减小(参看图13)。图13示出关于丢弃的连续偏移的数量的标准差的绘图。因此，在一个实施方式中，生成一组偏移。点1300指示曲线的弯部点或转折点。
用于找到偏移位置的方法可以包括NPLM方法等。对于在阴影区域内部的每条扫描线的导丝的偏移位置被保存在存储器中。去除异常值。在去除异常值之后，计算中值以确定导丝位置。导丝的位置以及阴影区域的相应开始扫描线和停止扫描线以合适标识符(诸如例如扫描线标识符和位置标识符)被保存在一个或多个电子存储设备中。在一个实施方式中，该方法包括使用NPLM方法确定偏移位置、去除异常值、以及计算导丝的中值偏移。
图14A和图14B示出在图像上的检测的导丝的示例。在由端点1450A和端点1350B划界的曲线上所示的绿点示出了对于在阴影区域的开始和停止之间的扫描线的偏移位置。通过采用阴影区域的开始1410和停止1412的平均值计算“中线”位置。通过在异常值去除之后采用偏移位置的中值来计算“平均偏移”。在每个图中，白十字1400示出导丝的检测位置。
平铺式视图生成
在多帧处理阶段中使用平铺式视图来基于它们是否与阴影区域重叠确定有效区段。图15A至图15G和图17示出了关于平铺式视图图像的各种细节以及应用于此的检测和图像处理步骤。内腔区域中的投影值用于生成平铺式视图。在一个实施方式中，在单帧处理期间执行平铺式视图生成。内腔区域由近偏移和厚度限定。每帧在平铺式视图图像中生成单条线。因此，平铺式视图的尺寸将为(每帧的行数×帧数)。
图15A为示出支架撑杆阴影1450、导丝阴影1455、1460以及来自输送导管的网格的阴影1470的示例性平铺式视图图像1440。帧任意地被标为0到帧N。扫描线同样也被标为扫描线0到扫描线N。如果轧制成管子，则扫描线0将邻接扫描线N。在右侧，两个导丝被示为1455和1460。考虑到图像1450的展开性质，则导丝1460的一部分也被示出在左下侧。图15A为在执行二值化步骤之前示出的图像。示出的中间带1454为引导导管1470的末端。引导导管1470在图像的下一半中。导丝1455和导丝1460的细长且蜿蜒曲折但连续的路径在该图像中清楚可见且因此为执行GW检测且验证候选GW检测的基础。
图15B为根据本发明的说明性实施方式的示出导丝阴影和各种其它阴影的示例性原始平铺式视图图像。图15B为在应用一系列图像数据处理步骤之前的灰度平铺式视图。在图15B和图15C至图15G中，示出了导丝GW。在点P1、P2、P3和P4处示出了一群支架撑杆，其示出了与GW无关的其它阴影。这些各个点P1、P2、P3和P4为对于图15C至图15G来说处于相同位置的参照物。图的帧也被标为从0到N，其中，N为在血管内拉回期间使用数据收集探针所收集的数据帧的总数。在一个实施方式中，P4可以包括侧支。
图15C至图15G为将各种图像处理步骤应用于图15B的平铺式视图之后的示例性图像。这些步骤可以包括执行形态关闭(图15C)、执行二值化过程以创建二值平铺式视图掩码(图15D)、执行侵蚀过程(图15E)、执行小物体去除过程(图15F)、执行形态关闭(图15C)、以及执行扩容过程(图15G)。在一个实施方式中，图15G表示适合于与本文中所描述的各种GW检测步骤一起使用的最终平铺式视图掩码。形态关闭过程除去大多数支架撑杆，如通过比较图15B和图15C的上半部可见。二值化过程量化灰度图像中的信息，且作为该过程的一部分，基于其支架撑杆和任何引导导管阴影或其它假影的强度阈值排除撑杆、或在平铺式视图中减小其强度。膨胀和侵蚀步骤进一步改善平铺式视图，从而导丝是可见的且不被撑杆或其它阴影掩盖。
多帧处理：导丝的限定
在构造导丝的表示之前，首先限定特定的导丝特征。多帧处理方法基于从分析在多帧上检测的导丝所推导的信息细化导丝点。在一个实施方式中，导丝检测的多帧处理的步骤包括如下项中的一者或多者：创建区段作为连接的帧检测；使用连接的区段创建导丝模型；以及后处理以在导丝模型的末端区别导丝与差错假阳性检测。该阶段的输入为在每帧中的导丝检测的向量。从来自血管内拉回的数据帧的记录的近端到远端处理检测。
在区段创建阶段期间，核对每帧中的检测以查看它们是否可以被连接到任一现有区段。如果检测可以匹配到仅单一区段，则将该检测添加到与该区段相关联的检测向量。如果检测可以匹配到多个区段，则它被视为合并且创建新区段(在上图中的区段3)。如果两个检测可以匹配到单一区段，则它被视为分解且每个检测开始一个新区段。
然后通过将区段关联到导丝而创建导丝的连接模型。例如，在图16中，导丝1与区段(1、3和4)相关联。类似地，导丝2与区段(2、3和5)相关联。
多帧处理发生在导丝检测软件模块或流水线的其它软件模块的多帧更新部件中。在一个实施方式中，如图4所示，执行一个或多个方法步骤，其包括：
●处理平铺式视图图像以生成平铺式视图掩码(步骤A4)
●生成一组导丝区段(步骤A5)
●去除虚假区段(步骤A6)
●连接检测以形成区段且建立区段之间的母子关系(步骤A7)
●连接区段以创建导线(步骤A8)
●去除重复导线(步骤A9)
●后处理(清理/误差减少)(步骤A10)
参照图4描述以及如以其它方式与此一起描述且示出这些步骤的附加细节。在一个实施方式中，使用帧更新功能或操作器执行上述步骤中的一个或多个步骤。采用该方式，可以更新多帧图像数据以去除副本或以其它方式修改或增强数据帧，从而该数据帧包括关于检测的导丝或导丝区段的确认有效的信息。在一个实施方式中，上文所讨论的步骤使用单帧处理实现方式或单帧和多帧处理的组合来执行。
平铺式视图掩码创建
平铺式视图掩码被计算且用作用于去除假阳性区段且针对区段和导线计算分数的重要特征。不与平铺式视图掩码重叠的区段是无效的。通过处理平铺式视图图像来创建平铺式视图掩码图像。在一个实施方式中，平铺式视图掩码为平铺式视图图像的二值化，从而特定区域为黑暗的或“闭”，同时其它区域为明亮的或“开”。如在各种平铺式视图二值掩码中所示，形成细长的导丝区段的区段对应于明亮/白色“开”区域。因此，在一个实施方式中，基于候选区段与二值平铺式视图掩码中的“开”区域的交叉识别候选导丝区段。在图17中，例如，示出了平铺式视图掩码1700。在掩码1700中，导丝1705由多个区段形成，这些区段为导丝的部分。即使各个撑杆是明亮的，但支架撑杆1720也不形成相同连接图案和之字形，而在掩码中不形成“开”区域的细长导丝。
在一个实施方式中，用于创建平铺式视图掩码图像的方法包括：使用盘状结构化元件执行灰度膨胀，使用盘状结构化元件执行灰度侵蚀，以及计算平铺式视图图像中的最小值和最大值。在Imin作为平铺式视图图像的最小灰度值且Imax作为平铺式视图图像的最大灰度值的情况下，通过将[Imin … Imax]映射到[0 … 255]而缩放平铺式视图，生成图像。在一个实施方式中，该方法生成产生的8位灰度图像的直方图。该直方图用于丢弃所有强度的顶部5％和低部5％。剩余强度的低极值和高极值分别表示为tl和th，且在如在下一段中所描述的图像阈值的计算中被用作上截止值和下截止值。
该方法可以包括基于像素总数(Total Number of Pixels，TNP)的百分比(诸如在大于0％和20％之间的TNP值)计算下截止阈值和上截止阈值。使用tl+(th-tl)TNP的阈值或另一度量生成平铺式视图图像的阈值。该方法还使用盘状结构化元件执行二值形态侵蚀(图15C和图15E)以去除窄区域。在图15B至图15G中示出了清洁/清理二值平铺式视图掩码的这些过程和其它过程的示例。执行小物体检测且去除小的团状物。从图像去除小物体，诸如面积小于N个像素的团状物。在一个实施方式中，N的范围从大于5到200。该方法还包括使用盘状结构化元件的二值形态膨胀的步骤(参看图15F)。使用上述步骤中的一个或多个步骤，生成平铺式视图。
通过连接检测的区段创建(区段连接)
区段创建从拉回的近端开始。在启动时，该方法从在从近端开始的第一帧中的检测创建新区段。在后续帧中，该方法核对这些检测是否可以连接到现有区段。计算区段的尾部与检测之间的距离，以及如果该距离小于特定阈值，则该检测被视为用于连接。直接距离被计算为
其中，(dx，dy，dz)为区段的尾部(区段中的最后一次检测)与考虑中的检测之间的距离。压缩距离被计算为
其中，k为压缩因子。压缩因子的值为10。如果D'的值小于300微米，则检测被视为用于根据连接模式而连接到区段。在该过程期间，创建区段与检测连接的向量。
关于导丝区段和几何特性的附加特征
如本文中所描述，在一个实施方式中，通过欧氏距离测度、基于邻近度执行导丝区段连接。作为另一实施方式，导丝检测过程通过将现有区段外推到包含各个后续检测的帧中且确定哪个外推区段最靠近检测而连接区段。对具有至少0.6mm的最小长度的区段执行该外推。该外推使用现有区段的3D斜坡且使该区段沿着3D斜坡的方向从其最远端检测延伸。为了将区段连接到检测，来自该区段的外推点通常位于围绕考虑中的检测的窄半径(示例性半径：250um)内。该方法允许具有高斜率的区段的更准确连接，该高斜率具有单独导致距离度量失败的可能性。另外，部分地，该方法包括处理关于特定导丝区段或导线的具体特性的三种模式的步骤，如下所述。
模式1：新的孤儿区段：如果检测无法连接到任何区段，则该检测开始新的孤儿区段。如果区段可以连接到单一检测(一对一)，则将新检测添加到区段的检测列表。在该情况下，不创建新区段。如果在该区段的后部与新检测之间存在间隙，则通过创建新检测而线性地对该间隙内插。
模式2：合并：如果多个区段可以连接到单一检测(多对一)，则新检测开始新区段，且这为合并的情况。如果在该母区段的末端与新检测之间存在间隙，则通过创建新检测而线性地对该间隙内插。将新检测添加到母区段的末端且然后终止该母区段。新区段变为可连接到检测的区段的子区段(合并)。
模式3：分解：如果多个检测可以连接到单一区段(一对多)，每个新检测开始新区段。如果在母区段的末尾与新检测之间存在间隙，则通过创建新检测而线性地对该间隙内插。新检测变为新区段的一部分。新区段变为可连接到检测的区段的子区段(分解)。
血管内数据处理的系统和方法可以处理各种类型的复杂连接。如果多个检测可以连接到多个区段(多对多)，则使用关联矩阵方法将检测连接到现有区段。如果具有s个区段和d个检测，则关联矩阵A的尺寸为(d×s)矩阵。关联矩阵的第(i,j)元素对应于在第i个检测与第j个区段之间的距离。使用将检测连接到区段的迭代方法将检测连接到区段。确定在关联矩阵中具有最小值的检测-区段对。
在一个实施方式中，如果最小值小于阈值，则将检测连接到区段。一旦连接检测/区段对，则考虑到与其它区段和检测的连接而去除那些元件。将剩余的检测匹配到最近区段。类似地，将剩余的区段匹配到最近检测。
在一个实施方式中，在多帧处理期间创建导丝区段。该功能处理针对每帧从近侧到远侧的检测。最初在该功能中确定区段与检测的关联，以及基于软件的模块可以包括处理新检测以扩展现有区段或创建新区段(在合并或分解的情况下)的各种功能和操作器。
区段度量计算特征
在先前章节中描述的区段创建过程可以创建大量外来区段，应当在连接区段以创建导线之前去除这些外来区段。它需要计算用于每个区段的度量，从而去除具有最低分数的区段。该章节描述针对每个区段计算的不同的度量。
针对每个区段计算的度量可以包括如下项中的一者或多者：
●内插的部分–在区段中的内插检测的部分
●中值宽度–对于区段中的所有检测的中值宽度
●平均斜率–使用成分检测计算斜率的平均值。该特定斜率特征为径向偏移的变化/纵向拉回长度(dR/dz)的测量值。
●在平铺式视图中有效的部分–核对检测的阴影区域与平铺式视图掩码重叠的帧部分。
然后，各个区段的分数被计算为(长度*(1-内插部分)*(在平铺式视图中有效的部分))。然后递归地计算始祖的分数且保存最大母分数。类似地，计算区段的所有后代的分数且保存最大子分数。母分数和子分数包括区段自身的分数。
然后计算对于所有区段的区段宽度和区段斜率的加权平均值。加权因子为区段的分数。而且，针对所有区段计算区段宽度的从区段宽度的加权平均值的偏离。
虚假区段去除/示例性验证条件
在先前章节中计算的度量用于使虚假区段无效并去除虚假区段。这为迭代过程以及在图18中示出了主要步骤。在一个实施方式中，验证过程包括：评估一族或一组连接区段以及基于区段的分数或与在该组中的一个或多个区段或在该组外部的其它区段的几何关系确定这些区段是否无效。对于无效，该方法在所有区段上迭代且计算每个区段的分数和族分数。该方法操作为使不满足特定标准的区段无效的循环。因此，初始步骤是基于一个或多个条件或其它因素被满足而使区段无效(步骤H1)。
在无效之后，该系统计算区段度量(步骤H2)。一旦已基于各种生效条件计算度量，则该方法删除不满足这些条件中的一者或多者的区段(步骤H3)。在步骤H4中，如果删除的区段的数量不大于零(即无删除)，则该方法停止。遵循这点，原因是如果所有区段满足各种条件，则没有区段会被删除。如果删除区段，则该循环重复。遵循这点，原因是一些区段的删除可以改变如何通过系统查看其它区段。在一个实施方式中，识别虚假区段，用以使用一组排除规则从有效区段去除或过滤，以去除具有对应于实际导丝区段的小于大约P的概率的区段。在一个实施方式中，P为大约0.5。在一个实施方式中，P大于0且小于大约0.6。
在一个实施方式中，该方法实施用于使用在本文中所描述的方法(包括图18的方法)验证和/或评分区段的约束或规则。在一个实施方式中，如果区段很短使得该区段的长度小于距离阈值，且不连接到任何其它区段，则该区段可以被视为无效或降低该区段的分数。
附加的示例性验证条件
在一个实施方式中，如果区段被双重连接但是不超过中等长度阈值，则该区段因无效而被拒绝。在一个实施方式中，如果区段被单独连接，则母体/子体不具有较高分数且具有低区段分数，该区段因无效而被拒绝。在一个实施方式中，如果区段大于内插的X％，则该区段被拒绝。在一个实施方式中，X大于20％。
在一个实施方式中，如果区段未主要地在平铺式视图上，则该区段因无效而被拒绝。在一个实施方式中，如果区段为孤儿或无子区段且具有低于平均宽度的宽度，则该区段被拒绝。在一个实施方式中，从平均宽度的偏移的范围从大约10％到大约50％。在一个实施方式中，如果区段在引导导管中且具有大于Y的斜率(或不在引导导管中且具有更高斜率)，则该区段因无效而被拒绝。在一个实施方式中，Y比多个区段的平均斜率乘以范围从大约4到大约10的因子大。在一个实施方式中，上述多个区段为被评估的所有区段。在一个实施方式中，斜率被评估为半径沿着从成像探针的方向的变化对比沿着纵向方向的变化。因此，斜率可以为导丝弯曲而远离成像探针多少的测量值。较高斜率可以对应于导线/导丝与成像探针/导管之间的较大角度。
导线连接相关特征
在先前章节中创建的区段连接在一起以形成导线。下文更详细地描述从区段创建导线的示例性方法。作为导线连接的一部分而分析和处理帧的基础在不同实施方式中可以改变。例如，在一个实施方式中，基于在拉回期间获得的帧的顺序排布，而按一定次序处理帧，诸如从近侧到远侧或从远侧到近侧。在一个实施方式中，基于在引导导管/输送导管内或附近的开始点处理帧。另外，在另一个实施方式中，可以通过沿着第一方向和第二方向处理帧来分析帧，通过在拉回的第一帧和最后一帧之间的点处开始，第二方向与第一方向相反。
例如，可以选择拉回的中间点或中心帧以开始帧的双向扫描/处理。在一个实施方式中，基于已被识别为有效或候选导丝区段的帧的分组来分析帧。这些帧组通常将对应于导丝的区段。在一个实施方式中，基于哪些组包含最多帧对这些帧组排序。即，首先处理对应于最大有效/候选导丝区段的帧组，随后分析和处理各个下一最大的组，直到已处理/分析所有的帧。
在一个实施方式中，从近侧到远侧处理帧，同时扫描检测并将其关联到导线。例如，如图19至图21所示，从近侧到远侧(或从右到左)处理帧，如这些图中所示。可以使用诸如基于首先处理最长连续区段来处理帧的其它序列和方法。可以使用来自平铺式视图掩码的几何连接性来识别这类连续区段并将其映射到底层帧且进一步映射到底层导丝阴影检测。在一个实施方式中，有效的且已与区段关联的检测被视为包括在导丝表示中。区段的连接取决于与该区段相关联的母区段和子区段的数量。下文描述不同情况：
情况1：区段与检测相关联，该检测与导线相关联
这是最简单的情况。在该情况中，检测是已经与导线相关联的区段的延续。该检测与导线相关联并且导线与该检测相关联。
情况2：区段不与导线相关联
这暗示新区段的开始。该检测根据关联到其区段的母区段的数量来处理。下文描述不同情况：
情况3：无母区段
该方法首先计算距每个导线的尾部的直接且压缩的距离。本文中描述了直接且压缩的距离。该尾部被定为导线的最后一个区段的最后一个检测。如果距最近导线的压缩距离小于500微米，则新区段变为最近导线的最后一个区段的子体(使用压缩距离测量的距离)以及通过创建新检测对区段之间的任一间隙内插。
反过来，新检测变为母区段的部分。如果距最近导线的压缩距离大于500微米但直接距离小于1000微米，则新区段变为最近导线的最后一个区段的子体(使用直接距离测量的距离)以及通过创建新检测对区段之间的间隙内插。新检测变为母区段的部分。
如果未找到匹配导线，则检查区段以查看它是否为用于新导线的候选者。如果任何如下条件为真的，则新导线开始于与检测相关联的区段。
如果与检测相关联的区段在引导导管内部。在一个实施方式中，区段子体分数大于特定阈值以及内插的部分<0.2且平铺式视图中有效的部分>0.75，创建新导线且检测、区段与新导线彼此相关联。
在一个实施方式中，母区段的数量大于1是合并的导丝的情况。在使用多个导丝的情况下，如果处于合并的区段的数量大于导丝的数量，则该方法去除外来区段。然后，核对孤儿区段看它们是否可以连接到合并中的任一母区段。这将处理由于合并导致的遮蔽损失的情况。如果任一区段连接到孤儿区段，则将该区段从母区段列表中去除。子区段与和母区段相关联的所有导线相关联。检测也与和母区段相关联的所有导线相关联。保存包含关于母区段和新检测的信息的合并信息。当在后续分解时将导线分配给区段的时候，使用合并信息。与多个导线相关联的母体
这是分解情况，其中，与母区段相关联的导线必须被分解在子区段之间。如果处于分解的区段的数量大于2(或N，其中，N为在成像数据中可检测的独立导丝的数量)，则该方法去除外来区段。
在一个实施方式中，如果任何区段连接到无子区段，则将该区段从被视为用于分解的区段的列表中去除。该方法查找涉及同一组导线的先前合并且基于合并/分解模式分配导线。合并模式可以为协同定位或遮蔽。在协同定位模式下，两条导线通过并肩行进而合并。在遮蔽模式下，一条导线遮蔽另一条导线。在协同定位模式下，在合并和分解时，基于导线的扫描线次序分配导线。在遮蔽模式下，在合并和分解时，基于导线的偏移次序分配导线。
在合并时去除额外区段
在该步骤期间，如果母区段的数量大于2，则从考虑用于合并的区段的列表去除具有最小中值宽度的区段。如果最窄区段具有任何子体，则通过从子区段的母体的列表去除该区段、清空窄区段的子区段的列表来打破子-母关系。
在分解时去除额外区段
在该步骤期间，如果同胞区段的数量大于2，则从考虑用于分解的同胞区段的列表去除具有最小中值宽度的区段。如果最窄区段具有任何母体，则通过从其母区段的子体的列表去除该区段且清空窄区段的母区段的列表来打破子-母关系。
在一个实施方式中，该方法遍历数据向量或数据组的元素并对其操作，并且将检测连接到导线。在一个实施方式中，软件模块遍历一帧中的检测。导丝检测软件模块关联导线、区段和检测。软件和相关联的方法创建新导线并将其与区段和检测相关联。在一个实施方式中，该方法包括：如果距离小于分离距离阈值，则找到导线的最近尾部且连接区段。
遮蔽损失
在一个实施方式中，各种方法可以被实现为处理区段的连接性由于遮蔽而丢失的情况。在一个实施方式中，考虑几种示例性类型的情况。下文描述这些情况和适合于解决这些情况的各种步骤。
孤儿区段和无子区段的连接
将处于分解的区段与孤儿区段的连接。在图19和图20中，几何导丝表示GWR1和GWR2分别表示在导丝彼此交叉但区段连接不创建合并与分解时发生的事情。导丝表示GWR1为“遮蔽损失”的情况，其中，母区段或子区段需要以某种方式与分解/合并相关联。如本文中所陈述，在一个实施方式中，从近侧位置开始、沿着远侧方向(这在图19至图21中为从右到左)处理导丝表示GW1、GW2和GW3。另外，如所示，示出了在不同区段之间的各种断裂或分离1900。
在图19中，在一个实施方式中，假定评估从近端移动到远端的帧(竖向的/圆形的横截面切片)，则当在近侧遇到时，与母区段分离的区段为无子区段。而且，在图19中，主导丝表示GWR1(或母体)在远侧分解为两个导丝。类似地，在图20中，在主要母区段已被处理而具有间隙或间断1900之后，在远侧遇到的区段为孤儿区段。在图20中，随着两个区段聚在一起，合并者在右侧。在区段处理从近侧移动到远侧的实施方式中，合并(在近侧)为分解(在远侧)。在分解中，一个导丝区段/表示分解为两个导丝区段/表示。
在一个实施方式中，这类方法首先确定与处于分解的子检测相关联的区段。然后确定所有可能匹配的区段的向量。然后选择最靠近母区段的最后一个检测的区段。基于检测的径向偏移，匹配最靠近母区段的检测。剩余的检测消耗与母区段相关联的导线。
在图20的GW表示GW2中示出了处于合并的区段与孤儿区段的连接。该方法首先找到所有的孤儿区段，其中，帧数小于处于合并的母体的远侧帧数。然后基于3D笛卡尔距离找到最靠近子检测的区段。基于径向距离计算所选孤体与(合并的)母体之间的距离。该孤体匹配到最靠近该孤体的母体。如果在最靠近的母体与孤体之间存在间隙，则对检测内插并将检测附到母区段。从母体的列表去除匹配的母体。
孤儿区段和无子区段的连接
作为另一示例，由于区段之间的大距离，因此不更早地连接区段。在该情况下，一条导线基本上在另一条导线的后面穿过，如在图21的示例中所示。这由如下情况处理：考虑到用于连接的各种条件和约束，孤儿区段连接到最佳配合的导线。
重复导线的去除
由于存在虚假区段，因此用于连接区段以创建导线的方法可以创建沿着公共区段排列的导线。有时候，这些重复导线可以具有高于有效的独特导线的分数的分数，导致丢弃有效导线。这指的是排除除了具有最高导线分数的两条导线外的全部导线。该步骤检查这两条导线是否几乎相同。如果发现两条重复导线，则丢弃具有较小分数的导线。
令n1表示在第一导线中的检测的数量，以及令n2表示在第二导丝中的检测的数量。最小检测计数被计算为
nc＝min(n1，n2)。
使用与导线相关联的区段，确定两条导线共用的检测的总数量。指示被no重叠的检测的数量，重叠率R被计算为
如果(R>0.95)，则导线被视为重复的。这处理如下情况：区段不同但是区段之间的距离对于大量区段来说是非常小的。在这些情况下，导线将被错误地识别为非重复的。为了处理这些情况，该方法确定导线中的检测的最长行程，其中，距离大于550微米。如果最长行程小于行程长度阈值且(R>0.80)，则导线被视为重复的。在一个实施方式中，行程长度阈值的范围从大约200到大约1000。
可能具有比在成像环境中存在的导线更多的由先前步骤检测的导线。由于算法支持建立用于所检测导线的数量的上限或限度，因此该步骤选择最佳的N条导线且使剩余导线无效。因此，如果N被设为2且检测3个导丝，则将选择两个最佳候选导线且将排除第三导线而不进一步分析和/或显示。使用导线分数选择导线。导线的分数为与该导线相关联的区段的分数的总和。因此，限定给定导丝的多个区段均对其整体分数有贡献，该整体分数可以被用作用于在预设的导丝上限内选择最佳候选导丝的基础。该方法选择具有最高分数的顶部N条检测导线以及拒绝剩余导线或以其它方式使剩余导线无效。
图22为血管内图像的横截面或纵向显示。该横截面图像包括两个导丝GW1和GW2。导丝作为根据本发明的说明性实施方式的诊断系统的用户界面的一部分。在一个实施方式中，诊断系统为OCT系统。在图23A中也示出了图22的两个导丝GW1和GW2，图23A提供了三维切面渲染视图。
图23A为示出为诊断系统的用户界面的一部分的具有两个导丝2305和2310的三维血管内图像2300。图像2300为三维渲染视图且适合于用在诊断系统上，该诊断系统诸如在导管室中的血管内成像系统。血管2301的中心内腔2340具有穿过其的两个导丝2305(较长GW)和2310(较短GW)。也示出了为高光源的各种支架撑杆2320。当使血管成像时，撑杆2320显现。检测导丝及其阴影用于改善支架撑杆检测，因为检测已知阴影、引导导丝减少假阳性。通过在支架撑杆处理之前检测导丝阴影，可以从撑杆检测中排除导丝阴影。本文中所描述的各种方法和过程适用于在检测与两个导丝相关联的阴影之后生成这两个导丝的可显示的表示、确定偏移、生成区段、验证区段、以及生成且验证导丝自身的模型/表示。
图23B示出了例示基于OCT成像数据部署的支架的三维皮肤和导线帧视图的界面显示。这是通过所示的血管区段的OCT拉回的三维表示。导丝已被检测且在图像中被标注以及跨越左面板。导丝在内腔中且具有在该内腔周围示出的各种支架撑杆。使用在本文中所描述的各种方法(诸如基于平铺式视图的方法等)对导丝的检测改善支架检测。在图23B的图像中也示出了各种检测的支架。示出为竖直线的帧指标77出现在左面板的中间。该指标跟踪针对在图23B的右面板中示出的右上方横截面视图所示的带角度的线。在右用户界面面板中也示出了8.44mm2的内腔区域。用户界面显示可以包括显示或隐藏一个或多个特征的选项，诸如图23A和图23B的皮肤、导丝和/或支架撑杆以及其它用户界面特征。另外，可以改变皮肤的颜色和透明度，以使皮肤更透明或更不透明。
用于3D渲染特征的导丝模型
导丝方法检测包含重构物理导丝的三维模型所需的信息。对于在3D视图中的导丝的准确表示，模型生成是必需的。该步骤去除更早方法步骤的噪声和假影。该方法去除的具体假影为两个导丝协同定位的区域。导丝协同定位发生在导线重叠且创建单一阴影时。当更早方法步骤不离解(dissociate)该遮蔽现象时，该方法试图还原导丝的位置。
图24示出还原方法的步骤。该方法识别两个导丝协同定位的区域且每次处理一个导丝。该方法包括识别一个或多个协同定位区(步骤J1)。该方法还包括生成且应用GW模型(步骤J2)。检测且校正彼此靠近的导线(步骤J3)为该方法的另一步骤。在一个实施方式中，应用移动平均过滤器(步骤J4)。在一个实施方式中，生成导丝的3D点模型从而可以将其显示给用户(步骤J5)。图25为两个导丝W1和W2的示意图。各个导丝分别具有两个区段a1到b1以及a2到b2。在图24中所示的方法在紧靠协同定位区内部使用导丝点(Pb和Pe)将协同定位区端部(如图25所示的a1b1和a2b2)变换为原点。
在检测候选导线并将其选作为最佳候选的情况下，这些候选导线可以彼此靠近且显现为协同定位。创建Pb和Pe之间的线性插值以对消除协同定位导丝的模糊性所需的偏移建模。δ偏移应用于原始协同定位点以在3D空间中分离这些点。
在求解出协同定位点之后，该方法中的另一步骤以每帧为基础检查各个导丝之间的距离。导丝之间的偏移可以低于分离阈值或其它度量且用于校正导线亲密度或邻近度。例如，通过使确定为在空间上彼此太过靠近的导线沿着由它们的点形成的线平移而校正这些导线。基于物理导丝维度计算偏移量。
在所有位置校正之后，最后一步是使这些点平滑以便去除来自更早的检测步骤的高频噪声和任何假影。使用移动平均过滤器对这些点求平均(在图24中的步骤J4)。创建导丝模型并将其保存在单独的数据结构中，以供3D渲染模块消耗。
用于导丝模型创建的方法包括如本文中所概述的各种子步骤和操作。该方法识别协同定位两个导丝的区域。在识别这些区域之后，对协同定位导丝建模以保持端点连接性。在一个实施方式中，该方法检查用于重叠的导丝点的全部或子集，且校正位置(若需要)。该方法也可以执行每个导丝点的平均过滤器以去除检测假影和噪声。该方法也生成被3D渲染软件模块处理和变换的模型数据(步骤J5)。
用于实现本发明的界面、检测和其它特征的非限制性软件特征和实施方式
如下描述意图提供适合于执行本文中所描述的本发明的方法的设备硬件和其它操作部件的概述。本描述不意图限制本发明的适用环境或范围。类似地，硬件和其它操作部件可以适合作为上文所描述的装置的部分。可以利用其它系统配置来实践本发明，包括个人计算机、多处理器系统、基于微处理器或可编程的电子设备、网络PC、微型计算机、大型计算机等。也可以在分布式计算环境中实践本发明，其中，利用诸如在导管或导管室的不同隔间内通过通信网络连接的远程处理设备来执行任务。
在计算机存储器内的数据位上按照操作的方法(诸如算法)和符号表示来呈现详细描述的某些部分。这些算法描述和表示可以被在计算机和软件相关领域中的技术人员使用。在一个实施方式中，算法在此且通常被设想为导致预期结果的有条理的操作序列。如方法步骤所执行或在本文中以其它方式所描述的操作为需要物理量的物理操控的操作。通常但不一定，这些量采用能够被存储、被输送、被组合、被转换、被比较和以其它方式被操控的电信号或磁信号的形式。
除非另有明确指示，如从如下讨论明显可见，否则要领会到，贯穿说明书，利用诸如“处理”或“计算”或“搜索”或“指示”或“检测”或“测量”或“计算”或“比较”或“生成”或“感测”或“确定”或“显示”等术语、或布尔(Boolean)逻辑或其它设置相关的操作等的讨论指的是计算机系统或电子设备的行动和进程，该行动和进程操控如在计算机系统或电子设备的寄存器和存储器内的物理(电子)量所表示的数据并将其转换为如在电子存储器或寄存器或其它这类信息存储、传输或显示设备内的物理量所类似表示的其它数据。
在一些实施方式中，本发明还涉及用于执行本文中的操作的装置。该装置可以专门针对所需目的来构造，或该装置可以包括由存储在计算机中的计算机程序选择性地激活或重配置的通用计算机。该装置的各个电路和部件可以用于执行本文中所描述的一些数据收集和转换和处理。
本文中所呈现的算法和显示内在地不与任何特定计算机或其它装置相关。各种通用系统可以与按照本文中的教导的程序一起使用，或它可以证明便于构造用于执行所需的方法步骤的更专业的装置。从本文中提供的描述，各种各样的这些系统所需的结构将出现。此外，不参照任何特定编程语言来描述本发明，以及因此各种实施方式可以使用各种各样的编程语言来实现。在一个实施方式中，软件指令被配置用于血管内成像/数据收集系统的微处理器或ASIC上的操作。
本发明的实施方式可以以许多不同形式来实现，包括但不限于用于与处理器(例如微处理器、微控制器、数字信号处理器、或通用计算机)一起使用的计算机程序逻辑、用于与可编程逻辑器件(例如现场可编程门阵列(Field Programmable Gate Array，FPGA)或其它PLD)一起使用的可编程逻辑、分立部件、集成电路(例如专用集成电路(ApplicationSpecific Integrated Circuit，ASIC))、或包括上述项的任何组合的任何其它手段。
在本发明的典型实施方式中，使用OCT探针、IVUS探针、其它成像探针、血管造影系统及其它成像和目标监控设备以及基于处理器的系统收集的数据的一些或全部处理被实施为一组计算机程序指令，该组计算机程序指令被转换为计算机可执行形式、本身被存储在计算机可读介质中、且在操作系统的控制下被微处理器执行。因此，基于拉回或融合请求的完成的用户界面指令和触发例如被转换为处理器可理解的指令，这些指令适合于生成OCT数据、使用上文所描述的各种特征和实施方式以及其它特征和实施方式执行图像处理。
另外，本文中所描述的用户界面命令、用户查询、系统响应、传输的探针数据、输入数据、和其它数据和信号被转换为处理器可理解的指令，这些指令适合于响应用户界面选择，控制图形用户界面，控制和图形信号处理，显示来自其它数据收集模式的截面信息、呈现的支架和导丝以及图像，生成和显示支架和贴壁条以及其它血管内数据，显示OCT，血管造影，检测阴影，检测峰值和作为图形用户界面的一部分的其它数据，以及如上所述的其它特征和实施方式。适合于显示为GUI组分或控制、值、或图形用户界面中的其它表示的数据和参数可以包括但不限于导丝、对位条、用户界面面板、掩码、支架撑杆、丢失数据表示、阴影、血管造影表示、三维和二维呈现和视图、以及如本文中所描述的其它特征。
实现本文中先前所描述的全部或部分功能的计算机程序逻辑可以以各种形式来体现，包括但不限于源代码形式、计算机可执行形式、和各种中间形式(例如，由汇编器、编译器、连接器或定位器产生的形式)。源代码可以包括以与各种操作系统或操作环境一起使用的各种编程语言(例如，目标代码、汇编语言、或高级语言，诸如福传(Fortran)、C、C++、JAVA或HTML)中的任一种实现的一系列计算机程序指令。源代码可以定义和使用各种数据结构和通信消息。源代码可以为计算机可执行形式(例如借助注释器)、或源代码可以被转换(例如借助翻译器、汇编器、或编译器)为计算机可执行形式。
计算机程序可以以任何形式(例如源代码形式、计算机可执行形式、或中间形式)被永久地或暂时地固定在有形存储介质中，该有形存储介质诸如半导体存储设备(例如RAM、ROM、PROM、EEPROM或闪存-可编程的RAM)、磁存储设备(例如磁盘或固定硬盘)、光学存储设备(例如CD-ROM)、PC卡(例如PCMCIA卡)、或其它存储设备。计算机程序可以以任何形式被固定在信号中，使用各种通信技术中的任一种可将该信号发送到计算机，各种通信技术包括但不限于模拟技术、数字技术、光学技术、无线技术(例如蓝牙)、联网技术、和网络互联技术。计算机程序可以以任何形式被分布为附有印刷的或电子的文件编制(例如用收缩膜包装的软件)的可移除存储介质，预先加载有计算机系统(例如在系统ROM或固定硬盘上)，或从服务器或电子布告板而分布在通信系统(例如因特网或万维网)上。
实现本文中先前描述的全部或部分功能的硬件逻辑(包括与可编程逻辑器件一起使用的可编程逻辑)可以使用传统手动方法来设计，或者可以使用各种工具以电子方式来设计、捕获、模拟、或以文件记录，各种工具诸如计算机辅助设计(CAD)、硬件描述语言(例如VHDL或AHDL)、或PLD编程语言(例如PALASM、ABEL或CUPL)。
可编程逻辑可以被永久地或暂时地固定在有形存储介质中，该有形存储介质诸如半导体存储设备(例如RAM、ROM、PROM、EEPROM或闪存-可编程的RAM)、磁存储设备(例如磁盘或固定硬盘)、光学存储设备(例如CD-ROM)、或其它存储设备。可编程逻辑可以被固定在信号中，使用各种通信技术中的任一种可将该信号发送到计算机，各种通信技术包括但不限于模拟技术、数字技术、光学技术、无线技术(例如蓝牙)、联网技术、和网络互联技术。可编程逻辑可以被分布为附有印刷的或电子的文件编制(例如用收缩膜包装的软件)的可移除存储介质，预先加载有计算机系统(例如在系统ROM或固定硬盘上)，或从服务器或电子布告板而分布在通信系统(例如因特网或万维网)上。
下文更详细地讨论合适的处理模块的各种示例。如本文中所使用，模块指的是适合于执行特定数据处理或数据传输任务的软件、硬件、或固件。在一个实施方式中，模块指的是适合于接收、变换、路由和处理指令或各种类型的数据的软件例程、程序、或其它存储器常驻应用程序，各种类型的数据诸如血管造影数据、OCT数据、IVUS数据、偏移、阴影、像素、强度图案、导丝区段、连接条件、可能链路的映射、用于近端到远端或其它处理次序的条件、OCT扫描数据、用户界面数据、控制信号、血管造影数据、用户行动、频率、干涉仪信号数据、检测的支架、候选支架撑杆、FFR数据、IVUS数据、阴影、像素、强度图案、评分、投影、侧支数据、连接规则和约束、和导丝数据以及如本文中所描述的感兴趣的其它信息。
本文中描述的计算机和计算机系统可以包括操作性关联的计算机可读介质，诸如用于存储在获得、处理、存储和/或输送数据时使用的软件应用程序的存储器。可以理解，这类存储器相对于其操作性关联的计算机或计算机系统可以为内部的、外部的、远程的或本地的。
存储器还可以包括用于存储软件或其它指令的任何部件，包括但不限于硬盘、光碟、软盘、DVD(数字通用光盘)、CD(光盘)、记忆棒、闪存、ROM(只读存储器)、RAM(随机存取存储器)、DRAM(动态随机存取存储器)、PROM
(可编程ROM)、EEPROM(扩展可擦写PROM)和/或其它类似的计算机可读介质。
通常，与本文中描述的本发明的实施方式相关联应用的计算机可读存储介质可包括能够存储被可编程装置执行的指令的任何存储介质。在可应用的情况下，本文中描述的方法步骤可以被体现或执行为存储在计算机可读存储介质或存储媒介上的指令。根据本发明的实施方式，这些指令可以为以各种编程语言体现的软件，各种编程语言诸如C++、C、Java和/或可应用于创建指令的各种其它类型的软件编程语言。
术语“机器可读介质”或“计算机可读介质”包括能够存储、编码或携带用于被机器执行且引起该机器执行本发明的方法论中的任何一者或多者的一组指令的任何介质。尽管机器可读介质在示例性实施方式中被示出为单一介质，但是术语“机器可读介质”应当被视为包括存储一组或多组指令的单一介质或多个介质(例如数据库、一个或多个中心化或分布式数据库和/或相关联的缓存和服务器)。
存储介质可以为非暂时性的或包括非暂时性设备。因此，非暂时性存储介质或非暂时性设备可以包括有形的设备，意味着该设备具有具体的物理形态，但是该设备可以改变其物理状态。因此，例如，非暂时性指的是，不管该状态改变，设备都保持有形的。
本发明的方面、实施方式、特征和示例将在所有方面被视为说明性的，且不意图限制本发明，本发明的范围仅由权利要求来限定。其它的实施方式、修改、和用途对于本领域的技术人员将是明显的，而不脱离所请求保护的本发明的精神和范围。
本申请中的标题和章节的使用不意在限制本发明；每个章节可以应用于本发明的任何方面、实施方式或特征。
贯穿本申请，在组成物被描述成具有、包括或包含具体部件的情况下，或在过程被描述成具有、包括或包含具体过程步骤的情况下，设想本教导的组成物也本质上由所列部件组成或由所列部件组成，以及本教导的过程也本质上由所列过程步骤组成或由所列过程步骤组成。
在本申请中，在元件或部件被说成包括在所列元件或部件的列表中和/或选自该列表的情况下，应当理解，元件或部件可以为所列元件或部件中的任一者以及可以选自由所列元件或部件中的两者或更多者组成的组。另外，应当理解，本文中描述的组成物、装置或方法的元素和/或特征可以以各种方式来组合，而不脱离本文中无论是显式的还是隐式的本教导的精神和范围。
术语“包括”或“具有”的使用通常应当被理解成开放式且非限制的，除非另有明确陈述。
本文中的单数的使用包括复数(反之亦然)，除非另有明确陈述。另外，单数形式“一”和“该”包括复数形式，除非上下文另有清楚指示。此外，在数值之前使用术语“大约”的情况下，本教导也包括具体数值本身，除非另有明确陈述。如在本文中所使用，术语“大约”指从标称值的±10％变化。
应当理解，步骤的次序或用于执行某些行动的次序是不重要的，只要本教导保持可操作性即可。另外，可以同时进行两个或更多个步骤或行动。本文中呈现的示例意图说明本发明的潜在的和特殊的实现方式。对于本领域的技术人员，可以理解的是，这些示例主要意图用于说明本发明的目的。可以存在本文中所描述的这些图或操作的变型，而不脱离本发明的精神。例如，在某些情况下，方法步骤或操作可以按不同次序进行或执行，或者可以添加、删除或修改多个操作。
在提供一系列值或一列值的情况下，该一系列值或一列值的上限和下限之间的每个中间值被单独考虑且被包含在本发明内，犹如在本文中明确地列举每个值。此外，给定范围的上限和下限之间的且包括该上限和下限的较小范围被考虑且被包含在本发明内。示例性值或范围的列表不是放弃在给定范围的上限和下限之间的且包括该上限和下限的其它值或范围。
此外，尽管已出于说明本发明的目的而非出于限制本发明的目的，在本文描述了本发明的特定实施方式，但是本领域的普通技术人员将理解，可以在本发明的原理和范围内进行元件、步骤、结构和/或部分的细节、材料和布置方式的多种变型，而不脱离如权利要求中所描述的本发明。
权利要求为：

Claims (24)

1.一种检测血管中的导丝的方法，包括：
使用血管内成像系统存储所述血管的一个或多个血管内图像数据集，每个血管内图像数据集包括多个扫描线；
在所述多个扫描线中的一个或多个扫描线上检测导丝阴影；
针对每个导丝阴影确定导丝偏移；
以每帧为基础、使用一个或多个导丝偏移确定候选导丝检测，从而生成多个候选导丝检测；以及
从所述多个候选导丝检测生成多个候选导丝区段。
2.如权利要求1所述的方法，还包括：从所述多个候选导丝区段去除虚假导丝区段，以生成一组检测到的导丝区段；以及
将来自所述一组检测到的导丝区段的区段连接以生成一个或多个连续导丝表示。
3.如权利要求2所述的方法，还包括：在所述血管内成像系统的用户界面中显示包括一个或多个连续导丝表示的导丝表示。
4.如权利要求2所述的方法，还包括：
从所述多个扫描线生成平铺式视图；以及
将所述平铺式视图二值化以生成二值平铺式视图掩码；
其中，所述去除虚假导丝区段的步骤包括：基于候选导丝区段与在所述二值平铺式视图掩码中的“开”区域的交叉，对所述候选导丝区段评分。
5.如权利要求2所述的方法，还包括：
从所述多个候选导丝检测生成所有可能的检测连接的映射，以及使用区段映射将所述检测连接到连续导丝表示中。
6.如权利要求2所述的方法，其中，使用单帧处理实现方式执行如下步骤中的一个或多个步骤：
在所述多个扫描线中的一个或多个扫描线上检测导丝阴影；
针对每个导丝阴影确定导丝偏移；以及
以每帧为基础确定候选导丝检测。
7.如权利要求2所述的方法，其中，使用多帧处理实现方式执行如下步骤中的一个或多个步骤：
生成多个候选导丝区段；
去除虚假导丝区段；以及
从所述一组检测到的导丝区段形成导丝表示。
8.如权利要求2所述的方法，其中，区段连接还包括：
如果在现有区段的尾部与新检测之间的距离度量小于阈值，则将来自远帧的检测连接到所述现有区段；以及
如果现有区段在下一最远帧内的外推位置位于来自所述下一最远帧的检测的窄距离内，则将来自所述下一最远帧的所述检测连接到所述现有区段。
9.如权利要求2所述的方法，还包括：当区段连接到位于越过不具有检测的一个或多个帧的帧上的检测时，提供内插检测。
10.如权利要求2所述的方法，其中，使用一组排除规则过滤区段，以去除具有对应于实际导丝的小于大约0.5的概率的区段。
11.如权利要求2所述的方法，其中，不同的区段由分解和合并中的一者或多者来划界，其中，一个母区段连接到两个子区段(针对分解)，或者两个母区段连接到单个子区段(针对合并)。
12.如权利要求2所述的方法，其中，基于一个或多个条件的出现连接区段，所述一个或多个条件选自包括如下项的组：
每个独特区段具有与之相关联的至少一个对应导线，
当区段分为两个时，创建新导线，
当区段合并时，将形成的区段与和母区段相关联的多个导线相关联，
在连接之后消除重复导线，以及
为了视觉化目的，通过使公共区段上的检测平移而远离彼此，来消除沿着公共区段行进的导线的模糊性，使得渲染的导丝在3D空间中不重叠。
13.如权利要求2所述的方法，还包括相对于血管的内腔的表示显示所述导丝的表示。
14.一种用于检测血管中的一个或多个导丝的血管内成像系统的基于可编程处理器的计算设备，所述基于可编程处理器的计算设备包括：
用于接收血管内成像数据的一个或多个数据访问通道；
与所述一个或多个数据访问通道电通信的处理器和相关联的存储器，其中，所述处理器被编程为：
使用血管内成像系统存储所述血管的一个或多个血管内图像数据集，每个血管内数据集包括多个扫描线；
在所述多个扫描线中的一个或多个扫描线上检测导丝阴影；
针对每个导丝阴影确定导丝偏移；
以每帧为基础、使用一个或多个导丝偏移确定候选导丝检测，从而生成多个候选导丝检测；
从所述多个候选导丝检测生成多个候选导丝区段；
从所述多个候选导丝区段去除虚假导丝区段，以生成一组检测到的导丝区段；以及
连接来自所述一组检测到的导丝区段的区段以生成一个或多个连续导丝表示。
15.如权利要求14所述的基于可编程处理器的计算设备，其中，所述处理器还被编程为：在所述血管内成像系统的用户界面中显示包括一个或多个连续导丝表示的导丝表示。
16.如权利要求14所述的基于可编程处理器的计算设备，其中，所述处理器还被编程为：
从所述多个扫描线生成平铺式视图；以及
将所述平铺式视图二值化以生成二值平铺式视图掩码；
其中，所述去除虚假导丝区段的步骤包括：基于候选导丝区段与在所述二值平铺式视图掩码中的“开”区域的交叉，对所述候选导丝区段评分。
17.如权利要求14所述的基于可编程处理器的计算设备，其中，所述处理器还被编程为：从所述多个候选导丝检测生成所有可能的检测连接的映射，以及使用区段映射将所述检测连接到连续导丝表示中。
18.如权利要求14所述的基于可编程处理器的计算设备，其中，使用单帧处理指令执行如下项中的一者或多者：
在所述多个扫描线中的一个或多个扫描线上检测导丝阴影；
针对每个导丝阴影确定导丝偏移；以及
以每帧为基础，确定候选导丝检测。
19.如权利要求14所述的基于可编程处理器的计算设备，其中，使用多帧处理实现方式执行如下项中的一者或多者：
生成多个候选导丝区段；
去除虚假导丝区段；以及
从所述一组检测到的导丝区段形成导丝表示。
20.如权利要求14所述的基于可编程处理器的计算设备，其中，区段连接还包括：
如果在现有区段的尾部与新检测之间的距离度量小于阈值，则将来自远帧的检测连接到所述现有区段；以及
如果现有区段在下一最远帧内的外推位置位于来自所述下一最远帧的检测的窄距离内，则将来自所述下一最远帧的所述检测连接到所述现有区段。
21.如权利要求14所述的基于可编程处理器的计算设备，其中，所述处理器还被编程为：当区段连接到位于越过不具有检测的一个或多个帧的帧上的检测时，提供内插检测。
22.如权利要求14所述的基于可编程处理器的计算设备，其中，使用一组排除规则过滤区段，以去除具有对应于实际导丝的小于大约0.5的概率的区段。
23.如权利要求14所述的基于可编程处理器的计算设备，其中，不同的区段由分解和合并中的一者或多者来划界，其中，一个母区段连接到两个子区段(针对分解)，或者两个母区段连接到单个子区段(针对合并)。
24.如权利要求14所述的基于可编程处理器的计算设备，其中，基于一个或多个条件的出现连接区段，所述一个或多个条件选自包括如下项的组：
每个独特区段具有与之相关联的至少一个对应导线；
当区段分为两个时，创建新导线；
当区段合并时，将形成的区段与和母区段相关联的多个导线相关联；
在连接之后消除重复导线；以及
为了视觉化目的，通过使公共区段上的检测平移而远离彼此，来消除沿着所述公共区段行进的导线的模糊性，使得渲染的导丝在3D空间中不重叠。
CN201680049576.4A 2015-07-25 2016-07-25 导丝检测系统、方法和装置 Active CN107920747B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562196997P 2015-07-25 2015-07-25
US62/196,997 2015-07-25
US201662322693P 2016-04-14 2016-04-14
US62/322,693 2016-04-14
PCT/US2016/043912 WO2017019626A1 (en) 2015-07-25 2016-07-25 Guidewire detection systems, methods, and apparatuses

Publications (2)

Publication Number Publication Date
CN107920747A true CN107920747A (zh) 2018-04-17
CN107920747B CN107920747B (zh) 2021-08-20

Family

ID=56567709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680049576.4A Active CN107920747B (zh) 2015-07-25 2016-07-25 导丝检测系统、方法和装置

Country Status (7)

Country Link
US (2) US10089755B2 (zh)
EP (1) EP3324829B1 (zh)
JP (1) JP6857654B2 (zh)
CN (1) CN107920747B (zh)
AU (1) AU2016297923B2 (zh)
CA (1) CA2993458A1 (zh)
WO (1) WO2017019626A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108776967A (zh) * 2018-06-12 2018-11-09 塔里木大学 一种香梨瘀伤鉴别方法
CN109044324A (zh) * 2018-06-20 2018-12-21 博动医学影像科技（上海）有限公司 基于斑块位置修正血流特征值的方法及装置
CN112348883A (zh) * 2020-11-24 2021-02-09 中国科学院自动化研究所 血管介入手术中介入器械端点实时定位系统、方法、装置
CN114820600A (zh) * 2022-06-27 2022-07-29 天津恒宇医疗科技有限公司 基于oct图像的冠脉血管内支架检测方法及检测系统

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101812492B1 (ko) 2009-10-12 2017-12-27 실리콘 밸리 메디컬 인스트루먼츠, 인코포레이티드 동시 기록 방식 촬영용 혈관내 초음파 시스템
CN107949311B (zh) 2015-04-16 2021-04-16 Gentuity有限责任公司 用于神经病学的微光探针
WO2017019626A1 (en) * 2015-07-25 2017-02-02 Lightlab Imaging, Inc. Guidewire detection systems, methods, and apparatuses
US10631718B2 (en) 2015-08-31 2020-04-28 Gentuity, Llc Imaging system includes imaging probe and delivery devices
US10909661B2 (en) * 2015-10-08 2021-02-02 Acist Medical Systems, Inc. Systems and methods to reduce near-field artifacts
US11369337B2 (en) 2015-12-11 2022-06-28 Acist Medical Systems, Inc. Detection of disturbed blood flow
CN109643449A (zh) 2016-04-14 2019-04-16 光学实验室成像公司 血管分支的识别
EP3457913B1 (en) * 2016-05-16 2020-12-23 Lightlab Imaging, Inc. Method and system for intravascular absorbable stent detection
WO2018056726A2 (en) * 2016-09-22 2018-03-29 Lg Electronics Inc. Optical coherence tomography device
US11883107B2 (en) 2016-09-28 2024-01-30 Lightlab Imaging, Inc. Stent planning systems and methods using vessel representation obtained via intravascular probe by determining stent effectiveness score and fractional flow reserve
JP6971559B2 (ja) * 2016-10-31 2021-11-24 キヤノン株式会社 情報処理装置、情報処理方法およびプログラム
CN108175504B (zh) * 2017-11-27 2023-09-05 深圳市爱博医疗机器人有限公司 血管介入手术导管/导丝轴向操作位移检测装置及方法
EP3700406A4 (en) 2017-11-28 2021-12-29 Gentuity LLC Imaging system
US10529096B2 (en) * 2018-03-02 2020-01-07 Synaptive Medical (Barbados) Inc. System and method for characterizing tissue organization using polarization sensitive optical coherence tomography
CN112513930A (zh) 2018-05-29 2021-03-16 光实验成像公司 支架扩张显示、系统和方法
EP3946007A1 (en) * 2019-03-26 2022-02-09 Koninklijke Philips N.V. Persistent guide wire identification
US11024034B2 (en) 2019-07-02 2021-06-01 Acist Medical Systems, Inc. Image segmentation confidence determination
JPWO2021200295A1 (zh) * 2020-03-31 2021-10-07
US11675333B2 (en) * 2020-06-26 2023-06-13 Autodesk, Inc. Generative design shape optimization with singularities and disconnection prevention for computer aided design and manufacturing
US11779277B2 (en) 2021-06-11 2023-10-10 Canon U.S.A., Inc. Systems and methods for endovascular device detection and apposition measurement
CN113344897B (zh) * 2021-06-24 2022-01-11 推想医疗科技股份有限公司 肺部图像的管径测量方法及装置、图像处理方法及装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070167710A1 (en) * 2005-11-29 2007-07-19 Siemens Corporate Research, Inc. Method and Apparatus for Inner Wall Extraction and Stent Strut Detection Using Intravascular Optical Coherence Tomography Imaging
EP1833363A2 (en) * 2004-12-20 2007-09-19 Advanced Cardiovascular Systems, Inc. Methods and apparatuses for positioning within an internal channel
CN101779222A (zh) * 2007-08-17 2010-07-14 皇家飞利浦电子股份有限公司 对高对比度对象进行的基于投影的去除
US20110071404A1 (en) * 2009-09-23 2011-03-24 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
CN102046071A (zh) * 2008-06-02 2011-05-04 光学实验室成像公司 用于从光学相干断层扫描图像获得组织特性的定量方法
US20120130243A1 (en) * 2010-11-24 2012-05-24 Boston Scientific Scimed, Inc. Systems and methods for detecting and displaying body lumen bifurcations
US20120220836A1 (en) * 2002-05-20 2012-08-30 Volcano Corporation Multipurpose Host System for Invasive Cardiovascular Diagnostic Measurement Acquisition and Display
CN102802492A (zh) * 2010-03-16 2012-11-28 泰尔茂株式会社 导丝及导管组装体
WO2013049123A1 (en) * 2011-09-26 2013-04-04 The Johns Hopkins University Anisotropic processing of laser speckle images
CN103619256A (zh) * 2011-07-08 2014-03-05 国立大学法人东北大学 评价用辅助工具以及评价用装置
EP2713858A1 (en) * 2011-05-27 2014-04-09 Lightlab Imaging, Inc. Optical coherence tomography and pressure based systems and methods
CA2887360A1 (en) * 2012-10-05 2014-04-10 Nathaniel J. Kemp Methods and systems for establishing parameters, playback, and artifact removal three-dimensional imaging
US20140180122A1 (en) * 2012-12-20 2014-06-26 Volcano Corporation Intraluminal device having enhanced deliverability
CN105283126A (zh) * 2013-03-14 2016-01-27 火山公司 用于在医学成像流程期间指导工作流的系统
CN205625883U (zh) * 2016-04-15 2016-10-12 李书敏 多功能广角取样胃镜

Family Cites Families (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6485413B1 (en) 1991-04-29 2002-11-26 The General Hospital Corporation Methods and apparatus for forward-directed optical scanning instruments
WO1992019930A1 (en) 1991-04-29 1992-11-12 Massachusetts Institute Of Technology Method and apparatus for optical imaging and measurement
US6501551B1 (en) 1991-04-29 2002-12-31 Massachusetts Institute Of Technology Fiber optic imaging endoscope interferometer with at least one faraday rotator
US6134003A (en) 1991-04-29 2000-10-17 Massachusetts Institute Of Technology Method and apparatus for performing optical measurements using a fiber optic imaging guidewire, catheter or endoscope
US5748598A (en) 1995-12-22 1998-05-05 Massachusetts Institute Of Technology Apparatus and methods for reading multilayer storage media using short coherence length sources
US5956355A (en) 1991-04-29 1999-09-21 Massachusetts Institute Of Technology Method and apparatus for performing optical measurements using a rapidly frequency-tuned laser
US6111645A (en) 1991-04-29 2000-08-29 Massachusetts Institute Of Technology Grating based phase control optical delay line
US5465147A (en) 1991-04-29 1995-11-07 Massachusetts Institute Of Technology Method and apparatus for acquiring images using a ccd detector array and no transverse scanner
US6564087B1 (en) 1991-04-29 2003-05-13 Massachusetts Institute Of Technology Fiber optic needle probes for optical coherence tomography imaging
US5509093A (en) 1993-10-13 1996-04-16 Micron Optics, Inc. Temperature compensated fiber fabry-perot filters
US5619368A (en) 1995-05-16 1997-04-08 Massachusetts Inst. Of Technology Optical frequency shifter
WO1997001167A1 (en) 1995-06-21 1997-01-09 Massachusetts Institute Of Technology Apparatus and method for accessing data on multilayered optical media
US5965355A (en) 1995-09-21 1999-10-12 Agritope, Inc. Antibodies and proteins useful for assaying virus infection in grape plants
US20020161351A1 (en) 1998-09-01 2002-10-31 Samson Wilfred J. Method and apparatus for treating acute myocardial infarction with selective hypothermic perfusion
US6191862B1 (en) 1999-01-20 2001-02-20 Lightlab Imaging, Llc Methods and apparatus for high speed longitudinal scanning in imaging systems
US6445939B1 (en) 1999-08-09 2002-09-03 Lightlab Imaging, Llc Ultra-small optical probes, imaging optics, and methods for using same
DE60141090D1 (de) 2000-10-30 2010-03-04 Gen Hospital Corp Optische systeme zur gewebeanalyse
US6768756B2 (en) 2001-03-12 2004-07-27 Axsun Technologies, Inc. MEMS membrane with integral mirror/lens
US6570659B2 (en) 2001-03-16 2003-05-27 Lightlab Imaging, Llc Broadband light source system and method and light source combiner
US6552796B2 (en) 2001-04-06 2003-04-22 Lightlab Imaging, Llc Apparatus and method for selective data collection and signal to noise ratio enhancement using optical coherence tomography
US6706004B2 (en) 2001-05-31 2004-03-16 Infraredx, Inc. Balloon catheter
US6879851B2 (en) 2001-06-07 2005-04-12 Lightlab Imaging, Llc Fiber optic endoscopic gastrointestinal probe
US6891984B2 (en) 2002-07-25 2005-05-10 Lightlab Imaging, Llc Scanning miniature optical probes with optical distortion correction and rotational control
US7241286B2 (en) 2003-04-25 2007-07-10 Lightlab Imaging, Llc Flush catheter with flow directing sheath
US20100076320A1 (en) 2003-04-25 2010-03-25 Lightlab Imaging, Llc Flush catheter with flow directing sheath
US7397935B2 (en) * 2004-05-10 2008-07-08 Mediguide Ltd. Method for segmentation of IVUS image sequences
US20060095065A1 (en) 2004-09-24 2006-05-04 Tetsuaki Tanimura Fluid occluding devices and methods
EP2838167A1 (en) 2005-01-20 2015-02-18 Massachusetts Institute of Technology Mode locking methods and apparatus
US8315282B2 (en) 2005-01-20 2012-11-20 Massachusetts Institute Of Technology Fourier domain mode locking: method and apparatus for control and improved performance
EP1850735A2 (en) 2005-02-10 2007-11-07 Lightlab Imaging, Inc. Optical coherence tomography apparatus and methods
US7415049B2 (en) 2005-03-28 2008-08-19 Axsun Technologies, Inc. Laser with tilted multi spatial mode resonator tuning element
JP2010508973A (ja) 2006-11-08 2010-03-25 ライトラブ イメージング， インコーポレイテッド 光−音響イメージングデバイスおよび方法
US7916387B2 (en) 2007-01-10 2011-03-29 Lightlab Imaging, Inc. Methods and apparatus for swept-source optical coherence tomography
US7813609B2 (en) 2007-11-12 2010-10-12 Lightlab Imaging, Inc. Imaging catheter with integrated reference reflector
US8582934B2 (en) 2007-11-12 2013-11-12 Lightlab Imaging, Inc. Miniature optical elements for fiber-optic beam shaping
US20110190586A1 (en) 2008-03-28 2011-08-04 Volcano Corporation Methods and systems for intravascular imaging and flushing
DE102008045634A1 (de) 2008-09-03 2010-03-04 Ludwig-Maximilians-Universität München Wellenlängenabstimmbare Lichtquelle
AU2009305771B2 (en) 2008-10-14 2013-08-15 Lightlab Imaging, Inc. Methods for stent strut detection and related measurement and display using optical coherence tomography
US20180344174A9 (en) 2009-09-23 2018-12-06 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
US8412312B2 (en) 2009-09-23 2013-04-02 Lightlab Imaging, Inc. Apparatus, systems, and methods of in-vivo blood clearing in a lumen
US8206377B2 (en) 2009-12-22 2012-06-26 Lightlab Imaging, Inc. Torque limiter for an OCT catheter
US8926590B2 (en) 2009-12-22 2015-01-06 Lightlab Imaging, Inc. Torque limiter for an OCT catheter
US8478384B2 (en) 2010-01-19 2013-07-02 Lightlab Imaging, Inc. Intravascular optical coherence tomography system with pressure monitoring interface and accessories
ES2645392T3 (es) 2010-03-17 2017-12-05 Lightlab Imaging, Inc. Métodos y aparatos de reducción de ruido de intensidad para sistemas de detección interferométrica y de formación de imágenes
US8750615B2 (en) 2010-08-02 2014-06-10 Case Western Reserve University Segmentation and quantification for intravascular optical coherence tomography images
US8582619B2 (en) 2011-03-15 2013-11-12 Lightlab Imaging, Inc. Methods, systems, and devices for timing control in electromagnetic radiation sources
US9164240B2 (en) 2011-03-31 2015-10-20 Lightlab Imaging, Inc. Optical buffering methods, apparatus, and systems for increasing the repetition rate of tunable light sources
CN106913358B (zh) 2011-05-31 2021-08-20 光学实验室成像公司 多模式成像系统、设备和方法
US20140309536A1 (en) 2011-06-30 2014-10-16 Lightlab Imaging, Inc. Catheter with flush valve and related systems and methods
US8582109B1 (en) 2011-08-01 2013-11-12 Lightlab Imaging, Inc. Swept mode-hopping laser system, methods, and devices for frequency-domain optical coherence tomography
WO2013019840A1 (en) 2011-08-03 2013-02-07 Lightlab Imaging, Inc. Systems, methods and apparatus for determining a fractional flow reserve
US20130051728A1 (en) 2011-08-31 2013-02-28 Lightlab Imaging, Inc. Optical Imaging Probes and Related Methods
US8953911B1 (en) 2011-10-28 2015-02-10 Lightlab Imaging, Inc. Spectroscopic imaging probes, devices, and methods
US8581643B1 (en) 2011-10-28 2013-11-12 Lightlab Imaging, Inc. Phase-lock loop-based clocking system, methods and apparatus
US8831321B1 (en) * 2011-11-07 2014-09-09 Lightlab Imaging, Inc. Side branch detection methods, systems and devices
US20140024931A1 (en) 2012-07-20 2014-01-23 Lightlab Imaging, Inc. Data Encoders for Medical Devices and Related Methods
US8687201B2 (en) 2012-08-31 2014-04-01 Lightlab Imaging, Inc. Optical coherence tomography control systems and methods
WO2014077880A1 (en) 2012-11-16 2014-05-22 Lightlab Imaging, Inc. Automated fluid delivery catheter and system
JP6267718B2 (ja) 2012-11-19 2018-01-24 ライトラボ・イメージング・インコーポレーテッド マルチモーダルプローブのためのインターフェイス装置、システム及び方法
CN105246402B (zh) 2013-03-08 2018-10-02 光学实验室成像公司 支架可视化和贴壁不良检测系统、设备和方法
US9173591B2 (en) * 2013-03-08 2015-11-03 Lightlab Imaging, Inc. Stent visualization and malapposition detection systems, devices, and methods
US9702762B2 (en) 2013-03-15 2017-07-11 Lightlab Imaging, Inc. Calibration and image processing devices, methods, and systems
JP6243763B2 (ja) * 2014-03-14 2017-12-06 テルモ株式会社 画像処理装置、画像処理装置の作動方法、及びプログラム
WO2017019626A1 (en) * 2015-07-25 2017-02-02 Lightlab Imaging, Inc. Guidewire detection systems, methods, and apparatuses
ES2851548T3 (es) * 2015-11-23 2021-09-07 Lightlab Imaging Inc Detección y validación de sombras en imágenes intravasculares
CN109643449A (zh) * 2016-04-14 2019-04-16 光学实验室成像公司 血管分支的识别

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120220836A1 (en) * 2002-05-20 2012-08-30 Volcano Corporation Multipurpose Host System for Invasive Cardiovascular Diagnostic Measurement Acquisition and Display
EP1833363A2 (en) * 2004-12-20 2007-09-19 Advanced Cardiovascular Systems, Inc. Methods and apparatuses for positioning within an internal channel
US20070167710A1 (en) * 2005-11-29 2007-07-19 Siemens Corporate Research, Inc. Method and Apparatus for Inner Wall Extraction and Stent Strut Detection Using Intravascular Optical Coherence Tomography Imaging
CN101779222A (zh) * 2007-08-17 2010-07-14 皇家飞利浦电子股份有限公司 对高对比度对象进行的基于投影的去除
CN102046071A (zh) * 2008-06-02 2011-05-04 光学实验室成像公司 用于从光学相干断层扫描图像获得组织特性的定量方法
JP2013505782A (ja) * 2009-09-23 2013-02-21 ライトラブ イメージング， インコーポレイテッド 管腔形態および血管抵抗測定データ収集のシステム、装置および方法
US20110071404A1 (en) * 2009-09-23 2011-03-24 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
CN102802492A (zh) * 2010-03-16 2012-11-28 泰尔茂株式会社 导丝及导管组装体
US20120130243A1 (en) * 2010-11-24 2012-05-24 Boston Scientific Scimed, Inc. Systems and methods for detecting and displaying body lumen bifurcations
EP2713858A1 (en) * 2011-05-27 2014-04-09 Lightlab Imaging, Inc. Optical coherence tomography and pressure based systems and methods
CN103619256A (zh) * 2011-07-08 2014-03-05 国立大学法人东北大学 评价用辅助工具以及评价用装置
WO2013049123A1 (en) * 2011-09-26 2013-04-04 The Johns Hopkins University Anisotropic processing of laser speckle images
CA2887360A1 (en) * 2012-10-05 2014-04-10 Nathaniel J. Kemp Methods and systems for establishing parameters, playback, and artifact removal three-dimensional imaging
US20140180122A1 (en) * 2012-12-20 2014-06-26 Volcano Corporation Intraluminal device having enhanced deliverability
CN105283126A (zh) * 2013-03-14 2016-01-27 火山公司 用于在医学成像流程期间指导工作流的系统
CN205625883U (zh) * 2016-04-15 2016-10-12 李书敏 多功能广角取样胃镜

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANCONG WANG: "Automatic stent strut detection in intravascular optical coherence tomographic pullback runs", 《THE INTERNATIONAL JOURNAL OF CARDIOVASCULAR IMAGING》 *
ANCONG WANG: "Fully automated side branch detection in intravascular optical coherence tomography pullback runs", 《BIOMEDICAL OPTICS EXPRESS》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108776967A (zh) * 2018-06-12 2018-11-09 塔里木大学 一种香梨瘀伤鉴别方法
CN109044324A (zh) * 2018-06-20 2018-12-21 博动医学影像科技（上海）有限公司 基于斑块位置修正血流特征值的方法及装置
CN109044324B (zh) * 2018-06-20 2021-11-19 博动医学影像科技（上海）有限公司 基于斑块位置修正血流特征值的方法及装置
CN112348883A (zh) * 2020-11-24 2021-02-09 中国科学院自动化研究所 血管介入手术中介入器械端点实时定位系统、方法、装置
CN114820600A (zh) * 2022-06-27 2022-07-29 天津恒宇医疗科技有限公司 基于oct图像的冠脉血管内支架检测方法及检测系统
CN114820600B (zh) * 2022-06-27 2022-09-27 天津恒宇医疗科技有限公司 基于oct图像的冠脉血管内支架检测方法及检测系统

Also Published As

Publication number Publication date
CA2993458A1 (en) 2017-02-02
US10529093B2 (en) 2020-01-07
AU2016297923B2 (en) 2021-02-18
AU2016297923A1 (en) 2018-03-08
JP6857654B2 (ja) 2021-04-14
EP3324829A1 (en) 2018-05-30
EP3324829B1 (en) 2021-05-12
WO2017019626A1 (en) 2017-02-02
CN107920747B (zh) 2021-08-20
US10089755B2 (en) 2018-10-02
US20170024910A1 (en) 2017-01-26
US20190035114A1 (en) 2019-01-31
JP2018520839A (ja) 2018-08-02

Similar Documents

Publication Publication Date Title
CN107920747A (zh) 导丝检测系统、方法和装置
CN111145206B (zh) 肝脏图像分割质量评估方法、装置及计算机设备
CN107787201A (zh) 血管内成像系统界面和阴影检测方法
US9472017B2 (en) Fast rendering of curved reformation of a 3D tubular structure
NL1034718C2 (nl) Werkwijze en systeem voor het creeren en gebruiken van een invloed-atlas.
CN107847135A (zh) 血管内成像系统界面和支架检测方法
CN109215033A (zh) 图像分割的方法及系统
CN106108925A (zh) 用于医学图像数据中全身骨移除和血管可视化的方法和系统
JP6243763B2 (ja) 画像処理装置、画像処理装置の作動方法、及びプログラム
CN109643449A (zh) 血管分支的识别
CN1620990A (zh) 在ct血管造影术中分割结构的方法及设备
JP2011098195A (ja) 構造物検出装置および方法ならびにプログラム
EP3360112B1 (en) Fast and automated segmentation of layered image with heuristic graph search
CN102968783B (zh) 从腹部图像数据中自动分割骨骼的方法及系统
CN103501699A (zh) 用于隔离成像数据中的潜在异常的方法和装置和其对医学图像的应用
CN108292433A (zh) 血管内图像中的阴影的检测与验证
Lacoste et al. Coronary tree extraction from X-ray angiograms using marked point processes
Kaftan et al. A novel multipurpose tree and path matching algorithm with application to airway trees
WO2020203552A1 (ja) 線構造抽出装置及び方法、プログラム並びに学習済みモデル
CN116778486A (zh) 一种血管造影图像的点云分割方法、装置、设备及介质
WO2019145849A1 (en) Method for processing images and method for determining quantitative and/or qualitative characteristics of objects reproduced in an image, system for processing images and system for determining quantitative and/or qualitative characteristics of the objects reproduced in an image
CN113628346A (zh) 一种自由浏览vb的方法以及进行标记的方法和系统
Fritzsche Computer vision algorithms for retinal vessel detection and width change detection
Yim et al. Automated detection of blood vessels using dynamic programming
Buhler et al. Automated 3D reconstruction of coronary artery tree based on stochastic branch and bound

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant