CN116981396A - 用于自动回拉触发的系统和方法 - Google Patents

用于自动回拉触发的系统和方法 Download PDF

Info

Publication number
CN116981396A
CN116981396A CN202280018139.1A CN202280018139A CN116981396A CN 116981396 A CN116981396 A CN 116981396A CN 202280018139 A CN202280018139 A CN 202280018139A CN 116981396 A CN116981396 A CN 116981396A
Authority
CN
China
Prior art keywords
image frames
offset
edge offset
average edge
time window
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.)
Pending
Application number
CN202280018139.1A
Other languages
English (en)
Inventor
C·E·格里芬
J·M·弗里德曼
A·内特拉瓦利
杨灵法
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.)
Optical Experimental Imaging Co
Original Assignee
Optical Experimental Imaging Co
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 Optical Experimental Imaging Co filed Critical Optical Experimental Imaging Co
Publication of CN116981396A publication Critical patent/CN116981396A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • 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
    • A61B5/02—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/373—Surgical systems with images on a monitor during operation using light, e.g. by using optical scanners
    • A61B2090/3735—Optical coherence tomography [OCT]
    • 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
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • 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
    • A61B5/026—Measuring blood flow
    • A61B5/0265—Measuring blood flow using electromagnetic means, e.g. electromagnetic flowmeter
    • A61B5/027—Measuring blood flow using electromagnetic means, e.g. electromagnetic flowmeter using catheters
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20216—Image averaging
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Gynecology & Obstetrics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Vascular Medicine (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Endoscopes (AREA)

Abstract

本公开的各个方面涉及识别血管的血液何时被充分清除，以便捕获血管壁的血管内图像。所公开的系统和方法允许基于对多个图像帧的扫描线内的边缘的识别来识别初始血液清除和最终血液清除。可以对多个扫描线的边缘进行分析，以确定针对每个图像帧的平均边缘偏移，并对多个图像帧的平均边缘偏移在不同的时间窗口内进行平均，从而确定何时已出现初始血液清除事件和最终血液清除事件。一旦已识别出最终血液清除事件，所公开的系统就可以自动启动导管回拉程序，以便在已被充分清除血液的一血管长度上捕获血管内图像。

Description

用于自动回拉触发的系统和方法
相关申请的交叉引用
本申请要求获得2021年3月3日提交的名称为“用于自动回拉触发的系统和方法”(Systems And Methods For An Automatic Pullback Trigger)的第63/155,833号美国临时申请的权益，该临时申请的全部公开内容在此通过引用的方式并入本文。
技术领域
本公开总体上涉及血管系统成像和数据收集的系统和方法的领域。具体而言，本公开涉及一种系统和方法，用于在血管的一段长度上开始血管内图像捕获之前确定是否存在特定的血管条件。
背景技术
冠状动脉疾病是导致全球死亡的主要原因之一。更好地诊断、监测和治疗冠状动脉疾病的能力对挽救生命具有重要意义。血管内光学相干断层扫描(OCT)是一种基于导管的成像方式，其利用光窥视冠状动脉壁并生成其图像以供研究。利用相干光、干涉测量学和微光学，OCT可在患病血管内以微米级分辨率提供体内断层扫描的视频速率。使用光纤探头以高分辨率观察亚表层结构使得OCT特别适用于内部组织和器官的微创成像。OCT的这种详细程度使用户能够诊断和监测冠状动脉疾病的进展。
患者的身体部分的OCT成像为医生和其他人提供了有用的诊断工具。例如，通过血管内OCT对冠状动脉的成像可表明收缩或狭窄的位置。这一信息有助于心脏病专家在侵入性冠状动脉搭桥手术和侵入性较小的基于导管的手术(如血管成形术或支架输送术)之间做出选择。
OCT结合了超声波的原理、显微镜的成像性能和临床医生熟悉的外形因素。超声波通过反向散射的声音“回声”生成图像，而OCT则利用反射生物组织内的内部微观结构的红外光波。红外光的频率和带宽比医用超声波信号高出几个数量级，从而大大提高了图像分辨率；大约比基于超声波或x射线的模式大8至25倍。OCT使用相干门控检测单散射光子，从而实现类似于超声波或计算机断层扫描(X射线)的断层扫描成像，但分辨率要高得多。尽管标准的电子技术足以处理以声速传播的超声回波，但需要使用干涉测量技术以从OCT使用的光中提取反射的光学信号。由干涉仪测量的输出经计算机处理以生成高分辨率的、实时的、横截面的或三维的组织图像。这项功能强大的技术提供了接近组织学的分辨率的原位组织图像，而无需切除或处理试样。
心血管OCT的一个潜在局限性是，当腔内有血液时，它无法生成清晰的管腔图像，因为红细胞的成分会强烈地散射近红外光，导致图像重建困难。因此，需要有便于检测管腔内的血液何时已被清除的系统和方法。下文讨论的本发明的各方面和实施例可解决这一需求。
发明内容
本公开内容的系统和方法处理血管内图像帧，从而基本上实时识别何时血液已被从血管中充分地清除，以便允许对血管壁进行成像。所公开的系统和方法允许识别初始的血液清除状态，该状态对应于已经开始从血管中清除血液的时刻。此外，可以基于血管内的能见度不再提高这一确定来识别最终的血液清除状态。血管内的能见度是基于连续地或在给定的一段时间内捕获的多个图像帧的扫描线内的边缘的识别来确定的。随着血液被去除，在每个图像帧内识别出的边缘平均地将具有距血管管腔的中心轴线更大的偏移。可以对多个扫描线的边缘进行分析，以确定每个图像帧的平均边缘偏移，并对多个图像帧的平均边缘偏移在不同的时间窗口内进行平均，从而确定何时出现了特定的血液清除状态。血管中血液的清除可分为三种状态：1)“预清除状态”，其对应于血管内有常见血量的时间段；2)“当前正在清除状态”，其对应于正在从血管中清除血液的时间段；以及3)“充分清除状态”，其对应于血液已被从血管中充分地清除的时间段。从预清除状态到当前正在清除状态的过渡可被称为初始清除的时刻，并且从当前正在清除状态到充分清除状态的过渡可被称为最终清除的时刻。血管还可以退化回到先前的状态，例如，血管可以从当前正在清除状态退化到预清除状态，而不会到达充分清除状态。一旦已识别出血管已到达进入充分清除状态的最终清除过渡，所公开的系统就可以自动启动导管回拉程序，以便在已清除血液的血管的一段长度上捕获血管内图像。所公开实施例的其他特征和优点在以下说明和附图中将是显而易见的。
本文公开了识别血管的管腔内血液清除的方法和系统。根据本公开的各个方面，一个或多个处理器被配置为：获取管腔的多个血管内图像帧；计算针对多个血管内图像帧内的多个扫描线的平均边缘偏移；基于第一组图像帧的平均边缘偏移根据一个或多个初始条件增加来识别第一清除事件；基于初始清除事件的发生并基于第二组图像帧的平均边缘偏移根据一个或多个最终条件并未增加来识别第二清除事件；基于最终清除事件的识别并基于管腔处于充分清除状态的识别来自动启动导管回拉程序。
根据本公开的其他方面，上述一个或多个初始条件可包括以下至少一者：1)短期时间窗口平均边缘偏移大于预先确定的最大值；以及2)短期时间窗口平均边缘偏移比基线时间窗口平均边缘偏移大至少一个特定的偏移量。此外，预先确定的最大值可被设定为大于最大导管外径偏移。例如，该特定的偏移量可以是40微米。可以使用预先确定的最近捕获的图像帧的数量来计算短期时间窗口平均边缘偏移。可以使用大于0.5秒的时间段内捕获的图像帧来计算基线时间窗口平均边缘偏移。
根据本公开的其他方面，上述一个或多个最终条件可包括以下至少一者：1)对于在初始清除事件后捕获的图像帧，中间时间窗口平均边缘偏移的每帧增量小于中间时间窗口平均边缘偏移的最大每帧增量；以及2)自从已经在多个图像帧中的一个或多个图像帧中观察到最大清除区域以来，已经过去了一个预先确定的时间段。中间时间窗口平均边缘偏移可基于在小于0.5秒的时间段内捕获的图像帧。最大清除区域可基于针对一个或多个图像帧的平均边缘偏移，并且其中预先确定的时间段为至少40秒。
在本公开的其他方面中，可以基于一个或多个图像帧的扫描线的范围内的最小像素强度值和最大像素强度值的识别来计算边缘阈值。
在本公开的其他方面中，多个血管内图像由导管设备捕获，该导管设备具有带有透明层和掺杂层的鞘，并且其中计算边缘阈值包括：在与透明层相对应的扫描线范围内识别最小像素强度值，以及在与掺杂层相对应的扫描线范围内识别最大像素强度值。多个血管内图像帧内的边缘可基于已选择的扫描线的至少一个像素强度值具有大于第一边缘阈值的强度的识别，并基于已选择的扫描线的至少一个像素强度值具有小于第二边缘阈值的强度值的识别，其中第一边缘阈值大于第二边缘阈值。
附图说明
图1是根据本公开的各方面的OCT成像和数据收集系统的示意图。
图2是根据本公开的各方面观察到的管腔内血液清除的图示。
图3至图5是代表根据本公开的各方面的血液清除期间的不同时间段的带注释的OCT图像帧。
图6是根据本公开的各方面识别初始清除状态和最终清除状态的流程图。
图7是根据本公开的各方面计算边缘阈值的流程图。
图8是根据本公开的各方面计算血液清除信息的流程图。
图9是根据本公开的各方面的OCT图像帧。
具体实施方式
图1是描绘OCT系统10的部件的示意图。OCT系统10可以包括满足本文所述应用和数据收集的相干性和带宽要求的任何合适的光源。感兴趣的血管20包括限定血管管腔的血管壁21，使用导管25对其进行成像。导管25的一部分具有设置在其中的基于光纤的成像探头30。导管25可以包括具有冲洗端口32的冲洗子系统。冲洗系统可以是任何合适的类型或种类，该类型或种类排出足够的血液量，以便可以使用探针30来进行体内的OCT数据采集。系统10包括OCT系统或子系统36，其经由光纤连接到成像探头30。OCT系统或子系统36可包括光源(如激光器)、干涉仪、各种光路、时钟产生器、光电二极管和其他OCT系统部件。
一台或多台计算机或处理器可以是OCT系统36的一部分，也可以作为与OCT系统36通信的单独的子系统40被包括。计算机或处理器40可以包括存储器、存储装置、总线和其他部件，适合处理数据和执行用于管腔检测和回拉数据收集的冲洗过程或软件触发方法，如以下讨论的。在一个实施例中，计算机或处理器包括本文所述方法的软件实现或程序41，这些软件实现或程序41存储在存储器中并使用处理器来执行。显示器42也可以是整个系统10的一部分，用于将横截面扫描数据示出为纵向扫描或以其他合适的格式显示。
心血管OCT的一个局限性是，由于血细胞对近红外光的散射，它无法通过血液捕获到清晰的管腔图像。因此，在从血管20中清除血液之前捕获OCT图像时，无法对管腔壁21进行适当的图像重建。相应地，为了捕获管腔壁21的OCT图像，在一段时间内暂时清除血管20中的血液。可以经由冲洗溶液(如通过端口32使用的生理盐水)将血液排出，但冲洗速率必须足以克服原生流，在冠状动脉中，原生血流相对较高，为每秒1-5ml。使用基于冲洗的方法可建立约3-5秒的清晰图像时间。
常见的药剂(10-20ml)所能建立的清晰时间量取决于很多因素，如局部血流速率、动脉大小/成像位置、侧支的发生率等。然而，其通常在约2秒至约5秒的范围内。获取OCT回拉记录(OCT数据采集过程)的时间量在约2至约4秒的范围内。因此，在回拉过程中，最好是在已经建立了充分清除的时刻就启动OCT数据获取。
基于计算机的方法最好能基本上实时地(或是在由其他OCT系统所指定的适合于给定应用的时间段内)处理扫描后的图像，并在已经检测到充分清除时触发回拉。计算机系统40可以执行本文所述的方法。在一个实施例中，本文所述的方法和系统可实时分析至少180帧/秒的复杂图像数据，并使用分析后的OCT帧来识别血管何时处于充分清除的状态，以便能够启动回拉。
对于系统来说，能够正确确定血管中的血液已被充分清除的时刻非常重要，并且医生可能认为在识别充分清除状态时即使延迟400毫秒也是不合需要的。通过使得开始图像获取时的延迟最小化，当前的系统可以充分使用注入体内的冲洗介质，可以最大限度地增加回拉的清除部分，可以使得血液在回拉的远端重新进入血管的情况最小化，并可以最大限度地提高记录的效用，从而为血管的最佳治疗提供信息。另外，对已清除状态的假阳性的确定可导致在血管内的血液被清除之前启动OCT回拉程序。因此，本公开的系统和方法旨在清除状态的准确识别，从而防止OCT回拉发生得太早或太晚。使用基于自动化软件的系统或方法在可靠且实时的基础上检测冲洗清除的合适方法是本发明的一个特征。
目前公开的系统和方法还设计为用于在更广域的各种环境(包括其中管腔的确切形状和大小为未知的环境)中工作。此外，本公开的系统和方法还可以允许小管腔(如直径约为两毫米的管腔)的血液清除的检测。其他血液清除检测方法通常无法识别此类小管腔的清除状态，因为它们需要检测到管腔壁偏移发生一定程度的变化，才能确定管腔已被清除。
如下所述执行血管管腔冲洗清除的软件检测，例如使用下述方法的全部或子集。一旦实现合适的清除状态，软件就会自动触发OCT血管内回拉数据收集过程或记录的获取。基于软件的方法可被用于检测动脉的清除状态。这种基于软件的方法基本上实时地处理动脉的OCT图像，以确定每个图像的清除半径度量和质量度量值。当清除半径和其他潜在的质量度量值符合预先定义的“完全清除动脉”标准时，就可以自动开始回拉和数据获取。回拉指的是探头30和/或导管25被通过血管20回拉，以收集用于血管的评估和治疗的数据。当探头30和/或导管25被回拉时，OCT数据被收集并发送到OCT系统36和/或计算机系统40。当探头30为纵向静止时，数据被发送到计算机系统，以便在冲洗初始化后执行清除状态检测方法。
参考图1，如果感兴趣的血管20是冠状动脉，则可使用OCT光纤成像导管(如带有探头30的导管25)来执行对冠状动脉的OCT成像。将OCT成像导管25放置在动脉中将要开始回拉记录的位置，并初始化(启用)基于计算机的OCT软件方法冲洗清除检测。然后，OCT系统的操作员将例如生理盐水、造影剂溶液、右旋糖酐或等效物之类的清除介质(冲洗液)注射到动脉中清除它，以用于成像。然后，计算机40上执行的冲洗清除检测方法将确定何时注入的冲洗液已在动脉中提供了充分的清除，以允许OCT系统获取良好的图像。当已做出这样的确定时，回拉将由计算机触发。可以通过处理由OCT系统36或计算机系统40获取的每一帧图像来实时地做出充分清除的确定。
图1所示的系统可配置为处理血管20内每个捕获的OCT图像帧。在处理每个图像帧时，可对图像进行分析以识别图像中的边缘或边界，并确定已识别出的边缘距管腔的中心的偏移量。当血液存在于血管20内时，来自成像导管25的光将被血细胞散射，使得任何已识别出的边缘将沿着径向轴线距中心轴线将产生小的偏移。随着血管20中的血液被清除，OCT图像中已识别出的边缘距导管中心轴线将产生更大的偏移。
图2是随着血液被从血管中清除，在一段时间内在血管内的特定位置上观察到的边缘偏移的图像表示。图2中的虚线210代表成像导管的中心轴线，而暗区的边界220代表观察到的边缘，该边缘是在一段时间内捕获血管内图像帧时，通过分析来自OCT导管的光而识别的。虚线210和边界220之间的距离代表在给定时刻内观察到的平均边缘偏移。从图2中可以看出，边缘偏移最初相对较小。这是由于管腔内存在血液。随着血液被从管腔中清除，观察到的边缘的边界220会远离血管中心轴线210。根据当前本公开，边缘偏移开始变宽的点被识别为初始清除时刻。一旦观察到初始清除，血管就处于当前正在清除状态，并且然后公开的系统就可以确定血管是否已进入充分清除状态或已退回到预清除状态。在图2中，血管经历了“最终清除”，从而从当前正在清除状态过渡到充分清除状态。如下所述，充分清除状态可基于平均边缘偏移在预先确定的时间段内达到相对清除和稳定状态这一确定。一旦识别出血管已经经历了最终清除，从而进入充分清除状态，上文结合图1所述的系统就可被配置为自动启动回拉程序，在该程序中，导管被沿着血管的预先确定的长度拉动，并在该长度上捕获OCT图像。由于在回拉程序期间血管内的血液已被清除，捕获的OCT图像被血管内的血液遮挡的程度将降到最低。
根据当前公开的各方面，图1的系统可以处理捕获的OCT图像帧，以便计算每个图像帧的平均边缘偏移(“AEO”)。图3至图5是三个带注释的OCT图像帧的示例，可以通过图1中基于导管的数据收集探头30在患者的动脉的血管内的特定位置处捕获这些图像帧。图3是血液尚未从血管中清除的OCT图像帧300。在处理OCT图像帧300时，可以对图像的每个扫描线进行分析，以识别距导管的中心302的边缘偏移。可以用极坐标分析OCT图像，以便将每条扫描线处理为相对于导管的中心302的A线。每个注释点304代表针对每个扫描线所观察到的边缘。为清晰起见，图像300中仅对两个注释点304给出了附图标记。如图像300所示，被识别出的点304围绕中心302形成圆圈，每个点304与中心302的距离相近。可以计算每个点304与中心302的距离并将其作为“边缘偏移”存储。这个距离可以基于点304和中心302之间的图像像素的数量。图像以二维扫描转换坐标表示，因此其具有在物理上看起来像是导管和血场的表示。然而，偏移测量通常是在极坐标下径向执行的，并且所有图像处理都可以在这种极坐标下执行。根据每个点304的边缘偏移，可以计算出平均边缘偏移，其代表针对图像帧内所有扫描线所识别出的边缘到中心302的平均距离。在中心302周围观察到的环306是导管鞘具有掺杂层和透明层的结果，这两种层产生像素强度的不同等级。如下文所述，所公开的系统和方法可以使用边缘检测过程，该过程对导管鞘的这些掺杂层和透明层进行了解释。导管鞘的掺杂层和透明层可用于识别导管鞘的外边缘，并且对图像边缘的搜索可配置为从刚好超过导管鞘的外边缘处开始径向向外搜索。通过从刚好超过导管鞘的外边缘处开始，系统将避免将仍然附着在导管鞘上的任何血液薄层识别为边缘。此外，导管鞘的掺杂层和透明层可用于对图像像素强度进行采样，以便为图像内的边缘检测识别合适的阈值。
图4是OCT图像帧400，它是在造影剂开始冲洗血管以清除血管中的血液的时间段内已经被捕获的。在扫描线中的一些中观察到的一些边缘与在图4的图像300中识别出的边缘距离中心302保持相同的距离。这些边缘中的一些在图像400中被识别为注释点304a。然而，现在图像400中一些扫描线的边缘具有距离中心302更大的偏移，如从注释点304b可以看到的。由于某些扫描线的边缘偏移增加，图像400的平均边缘偏移将大于图像300的平均边缘偏移。图像400相对于图像300的这种平均边缘偏移的增加可用于确定血管已经历初始清除，因为血管已从预清除状态过渡到当前正在清除状态，如上文结合图2所述。
图5是在造影剂溶液继续冲洗血管以便继续清除血管中的血液时拍摄的OCT图像帧500。从图5中可以看出，图像帧500包含大量扫描线，其中边缘偏移大于图像帧300或图像帧400中示出的边缘偏移。特别是，注释点304c代表在其中所观察到的边缘与血管壁相对应的扫描线。因此，即使血液继续被从血管中冲出，这些扫描线的边缘偏移也不会再明显增加。注释点304a代表在其中血液或其他物质仍在相对靠近中心302的位置产生反向散射的扫描线。然而，与包含注释点304c的扫描线相比，包含注释点304a的扫描线的数量相对较少(不到20％)。因此，图像帧500的平均边缘偏移将开始接近相对稳定的值，因为大多数边缘偏移不再从一个图像帧到下一个图像帧发生显著变化。根据本公开的各方面，可以根据计算出的平均边缘偏移在一系列OCT图像帧中相对稳定来确定血管已从当前正在清除状态过渡到充分清除状态。
图6-8是提供示例的流程图，在该示例中，图1所示的系统可以识别根据本公开的血管的初始清除和最终清除。虽然图6-8中的操作框各自以特定顺序提供，但所公开系统的一个或多个处理器可配置为根据方法和系统的各个方面来添加操作、移除操作或切换操作的顺序。
图6是流程图600，其中OCT图像帧用于识别血管已经经历了初始清除和最终清除。OCT图像可以通过实时图像流水线被逐帧地处理，图像帧和导管偏移数据在框602作为输入提供。在框604，可以对图像数据进行平滑处理，以减少噪音。这种平滑处理可以使用滤波器内核(例如5x5空间移动平均箱车滤波器内核)来完成。在框606中，计算针对图像数据的边缘阈值，以便在框608中可以编译边缘偏移和相关的血液清除信息。图7和图8分别提供了针对计算边缘阈值(框606)和血液清除信息(框608)的流程的示例。如上文所述，对图像帧的边缘阈值的应用可以包括在每个扫描线处的边缘的识别，并且每个识别出的边缘距血管的中心的偏移将被计算为边缘偏移，其表示血液清除信息。针对图像帧的每个扫描线的边缘偏移可被用于计算每个图像帧的单个平均边缘偏移。该平均边缘偏移可以是边缘偏移的平均值，或者其可以是对多个边缘偏移进行统计分析的其他形式的结果。
在框610，可以执行检查以确定是否有过多的边缘偏移位于导管的外径偏移的预先限定的距离内。例如，可以确定边缘偏移是否距导管外径偏移的120微米以内，以及如果边缘偏移的一定百分比(例如80％)在此预先限定的距离内，则系统将跳过当前图像帧，并且继续处理实时流水线中的下一个图像帧。如果图像帧的边缘偏移与导管的外径偏移不是过于接近，那么系统可以通过计算时间窗口平均边缘偏移(TWAEO)来继续处理图像帧，如框612所提供的那样。TWAEO表示在特定时间段或图像帧的特定数量中已经计算出的所有平均边缘偏移的时间窗口平均值。具体来说，系统可以基于具有不同时间段或具有不同数量的图像帧的窗口来计算多个TWAEO。例如，基线时间窗口平均边缘偏移(TWAEO1)可以通过对过去1秒或其他足以建立基线的时间段内已经捕获的图像帧的平均边缘偏移取时间窗口平均值来计算。基线时间窗口通常需要至少0.5秒或更长，以便建立长期平均边缘偏移。中间时间窗口平均值(TWAEO2)可基于对小于0.5秒的时间窗口内捕获的图像帧已经计算出的平均边缘偏移来取平均值。例如，中间时间窗口可以是0.2秒。此外，短期时间窗口平均值(TWAEO3)可以基于最近捕获的帧的固定数量来计算。例如，TWAEO3可以是流水线中最后四个图像帧的平均边缘偏移的时间窗口平均值。
TWAEO1可以被用于代表基线时间窗口，因为它是基于在相对较长的时域内已经捕获到的大量图像帧的平均边缘偏移。这个1秒时间窗口中包含的图像帧的数量将基于OCT成像设备的帧速率，但对于某些OCT成像设备，1秒窗口将包括约180个图像帧，代表了每秒180帧的高速旋转。关于TWAEO2，该时间窗口平均值可以被用于检查边缘偏移增量，以评估清除改进趋势，并确定是否已发生最终清除。TWAEO3的短期窗口可以被用于识别在预先确定的多个图像帧中发生的即时边缘偏移变化。
在框612中计算出的一个或多个TWAEO可在框614中用于确定血管是否已进入初始清除状态。如前所述，初始清除是指已经开始从血管中清除血液，因此可以认为血管已经从预清除状态过渡到当前正在清除状态。可以基于在图像帧中观察到的平均边缘偏移的增加来识别初始清除。初始清除的确定可以基于计算出的TWAEO中的一个或多个，也可以基于确定已经满足了多个初始条件中的至少一个条件。第一条件可以基于与血管经历血液初始清除相一致的平均边缘偏移的绝对数量，而第二条件可以代表短窗口相对于较长的时间窗口基线的平均边缘偏移增加。例如，在框614，如果满足以下任一条件，则可确定血管是否已经历了初始清除：1)TWAEO3比图像帧中所有A线的导管外径偏移的最大值大120微米；或者2)TWAEO3比TWAEO1的基线偏移增加了40微米以上。用于第一条件和第二条件的120微米和40微米值仅为示例，并且基于OCT导管的构造和导管鞘可以使用不同的值。例如，第一条件可以被修改，以便使得大于导管外径偏移的任何TWAEO3值都满足该条件，并且第二条件可以被修改为基于TWAEO3相对于TWAEO1的任何增加，前提是该增加足以表明平均边缘偏移的实际增加。
如果尚未识别出初始清除，则血管仍处于预清除状态，并且系统可返回到框602，在该框中处理流水线中的下一个图像帧。如果已经检测到初始清除，则系统可进入框618，在此确定血管是否已经历了最终清除，以便从当前正在清除状态过渡到充分清除状态。最终清除事件的确定可以基于计算出的TWAEO中的一个或多个，这些计算出的TWAEO中的一个或多个表明平均边缘偏移在预先确定的时间段内已达到稳定条件，并且该确定可以基于一个或多个最终条件已被满足。当确定平均边缘偏移不再以某种预先确定的值或比率改进时，可以识别出平均边缘偏移的稳定状态。例如，如果发现满足以下两个条件中的任何一个，就可以确定血管已经历“无改进”：1)基于每帧的TWAEO2增量比在处理先前的图像帧期间记录的最大增量小预先确定的数量，或2)自从已记录最大清除区域以来，时间已超过预先确定的时间段。例如，结合第一条件，可以确定，当基于每帧的TWAEO2增量小于在处理先前图像帧期间记录的最大增量的三分之一时，血液清除已进入稳定状态。可以使用时间窗口平均边缘偏移的其他比较，前提是该比较表明平均边缘偏移的增加已充分地减缓，从而表明血液清除已进入最终稳定状态。对于第二条件，预先确定的时间段可以是例如至少40毫秒，这样子，如果一个或多个图像帧的最大平均边缘偏移是在40毫秒前记录的，就识别为最终清除。此外，还可以对预先确定的时间段进行精确的调整，以便在已达到最终清除时立即启动回拉程序，但又不会造成对最终清除的假阳性识别。例如，可将预先确定的时间段选择为44.44毫秒。
如果在框620确定未满足“无改进”条件，则系统可以通过继续处理流水线中的下一个图像帧返回框602。但是，如果“无改进”条件中的至少一个已被满足(框620)，则系统可以确定血管是否处于充分清除状态(框622)。这一确定可基于当前处理的图像帧或最近捕获的图像帧组的清除区域是否大于初始清除区域。例如，可以将当前图像帧的平均边缘偏移与初始清除发生时或发生后不久观察到的平均边缘偏移进行比较。如果当前清除区域显著地大于初始清除区域，则可确定血管已经历了最终清除，从而处于充分清除状态。具体来说，可以确定当前清除区域是否大于或等于初始清除区域乘以某个值“K”，其中K值大于或等于1.0。可对该K值进行调整，以调整最终清除检测的灵敏度，从而识别血液已返回血管的时刻。K值越大，确定已达到最终清除的门槛就越高。然后，可将系统配置为自动启动回拉程序，此时导管被拉到血管的预先确定的长度，同时捕获血管壁的图像。可以保存和处理在回拉期间捕获到的图像，以用于血管的诊断。如果在框622发现不存在充分清除状态，则可将初始清除状态重置为假，并且系统可返回框602，以便处理流水线中的下一个图像帧。
图7是提供了边缘阈值计算的示例的流程图700，可以结合与图6的框606执行该示例。在框702，接收平滑后的图像帧和导管偏移数据。在计算边缘阈值时，系统可以使用与代表导管鞘的不同层的OCT图像的可检测层相关的信息。特别是，导管鞘可包括与OCT图像的中心的周围区域相对应的掺杂层，以及围绕掺杂层的透明层。
转向图9，在OCT图像900中可以看到掺杂层和透明层。特别是，导管鞘的掺杂层可以通过图像900中出现的环902来识别。在环902的外侧，可以看到环904。该环904与导管鞘的透明层相对应。如下所述，掺杂层和透明层可用于校准阈值水平，该阈值水平用于识别OCT图像内的边缘。
掺杂层可以是填充了TiO2的散射层。图像900是OCT图像的底片，相应地，掺杂层显示为暗环，但在标准图像中，掺杂层在OCT图像中显示为亮带。外径层是成像导管的最远边界。导管鞘偏移可通过OPTIS导管鞘检测算法来计算。针对计算边缘阈值，可以使用掺杂层和导管鞘外径的偏移。
回到图7，在框704，系统迭代到图像帧中的另一个扫描线/A线。在框706，识别导管透明层中的最小值/谷强度值“Imin”。在框708，识别掺杂层的最大值/峰值“Imax”，该最大值的范围在掺杂层内边界和掺杂层外边界之间。例如，对于某些导管鞘，内边界位置可被识别为从掺杂层外边界向内约0.0015英寸或约38微米，范围从掺杂层外边界到外径层边界。然后在OCT图像帧的所有扫描线上重复框704至方708的迭代过程。
在框710，可以计算Imin值和Imax值的平均值，并且然后基于Imin值和Imax值的平均值估算阈值“Ttissue”(框712)。例如，阈值“Ttissue”可基于以下公式估算：
从第一扫描线“α＝1”到最后的扫描线“N”开始，对图像的所有扫描线进行上述求和。然后，该阈值可用于识别图像帧内的边缘以及在图6的框608中计算清除信息。
图8是提供了示例的流程图800，结合图6的框608通过该示例可以计算清除信息。清除信息基于在图像帧中观察到的血管的管腔和血液边缘偏移。结合图6的框608，可以沿图像的极坐标的每个扫描线应用边缘检测算法作为一维边缘查找核心，以便检测相对于导管鞘偏移输入的上升边缘和下降边缘。针对边缘的搜索范围可以是从导管鞘的外径偏移到每个A线的端部的预先确定的距离。特别是，边缘搜索范围可由可控变量设定，该变量可被设定为足以避免识别出剩余的一缕细血的值。例如，可将边缘搜索范围设定为从外径偏移向外70微米到每条A线的端部。可以增加这个70微米偏移以避免导管鞘的外径层的边缘可能出现的绽放现象，并避免可能紧贴导管鞘的少量残留的血液。边缘检测算法可配置为使用结合流程图700计算出的阈值来识别上升边缘和下降边缘。特别是，Ttissue可用作血液边缘(“BE”)阈值，并且血管边缘(“VE”)阈值可被限定为Ttissue的一部分，例如Ttissue的一半。
图8的流程图800提供了计算该清除信息数据的一个示例。在流程图800的框802，访问平滑后的图像帧和计算出的边缘阈值数据。在框804中，系统迭代到待分析图像帧的下一个A线。然后，系统可以扫描从外径偏移70微米到所选择的A线的端部的位置的像素强度(框806)，并且然后对所选择的A线进行边缘检测处理。
基于限定的VE阈值和BE阈值，可对扫描线进行处理，以确定扫描线的边缘偏移。作为该确定的一部分，算法可尝试计算呈现的任何血液偏移和血管边缘偏移。如果两种计算都成功，则计算可解析为大致相同的偏移，但在有血液但血液后面有一些清除的情况下，计算将不会解析为相同的偏移。下文将进一步描述这些偏移的确定。当同时找到血液偏移和血管边缘偏移时，可在两个偏移之间执行搜索，以确定是否存在清除，可通过偏移之间的平均强度小于清除阈值来表明清除。这种清除阈值可以是血液边缘阈值除以3.3。如果这一条件被满足，则这表明两个偏移之间具有实质性清除，并选择其中较远的偏移(血管边缘偏移)作为扫描线的边缘偏移。否则，则选择血液边缘偏移作为边缘偏移。
例如，在框808中，通过从导管向外搜索，确定所选择的A线的像素强度是否大于血液边缘偏移。如果像素样本的强度确实大于BE阈值，则在强度大于阈值的第一像素的索引处识别血液边缘偏移(框810)，并将A线标记为具有检测到的边缘偏移(框812)。在框814中，可从A线的端部向内朝向血管的中心来检查像素强度，并确定像素强度是否大于VE阈值(框816)。如果像素强度大于VE阈值，则继续搜索A线，以便在大于VE阈值的样本之后找到其强度小于VE阈值的第一像素，从而表明存在上升边缘(框818)。如果框818确定存在上升边缘，则将上升边缘设置为血管壁边缘偏移(框820)。如果未满足框816或框818的确定，则确定未找到血管壁边缘偏移(框822)。
回到框808，如果沿A线的像素强度不大于BE阈值，则确定搜索范围内是否存在峰值(框824)。如果存在，则将血液边缘偏移与峰值的索引位置相关联(框826)。如果框824在搜索范围内并未识别出峰值，则将血液边缘偏移与像素索引的起始位置相关联(框828)。在框830中，A线被标记为未检测到血管壁边缘偏移。
每个扫描线/A线的产生的边缘偏移可被用于图像帧的平均边缘偏移的计算。在框832中，对清除信息进行编译，包括边缘偏移、平均边缘偏移、A线是否清除的识别以及所有其他边缘信息。然后，系统可以返回到框804，以便迭代图像帧的下一个A线。一旦已经处理完图像帧的所有A线后，就可以在框834中汇总整个图像帧的清除信息，并且在框836中汇总后的清除信息可用于流程图600，以便按上述方式在图6的框610中进行处理。因此，上述流程图允许血管内的初始清除事件和最终清除事件的检测，从而识别可自动启动OCT回拉程序的条件。
用于实施所公开的系统和方法的非限制性软件特征和实施例
上述说明并非旨在限制适用环境或本公开的范围。同样地，硬件和其它操作部件可以适合作为上述装置的一部分。本公开可以通过其他系统配置来实施，包括个人计算机、多处理器系统、基于微处理器或可编程电子设备、网络PC、微型计算机、大型计算机等系统配置。本公开内容也可在分布式计算环境中实施，在该环境中，任务由通过通信网络链接的远程处理设备(例如在导管实验室或心血管实验室的不同房间中的处理设备)执行。
详细说明的一些部分以计算机存储器中数据位操作的算法和符号表示的方式呈现。计算机和软件相关领域的技术人员可以使用这些算法说明和表示。在一个实施例中，算法在这里通常被认为是带来期望结果的有条理的操作序列。这里作为方法步骤所执行的或以其它方式所描述的操作是那些需要对物理量进行物理操纵的操作。通常，尽管不一定，这些量采用能够被存储、传输、组合、转换、比较和以其他方式操纵的电信号或磁信号的形式。
除非在下面的讨论中特别说明，否则可以理解的是，在整个描述中，使用诸如“处理”或“计算(computing)”或“搜索”或“检测”或“测量”或“计算(calculating)”或“比较”、“生成”或“确定”或“显示”，或布尔逻辑或其它与集合相关的操作或类似操作等术语的讨论，指的是计算机系统或电子设备的行为和处理，该行为和处理将计算机系统的寄存器或电子设备的寄存器和存储器中被表示为物理(电子)量的数据操作和转换为电子存储器或寄存器或其他此类信息存储、传输设备或显示设备中类似表示为物理量的其他数据。
在一些实施例中，本公开也涉及用于执行本文所述操作的装置。该装置可以是为所需目的而专门构建的，或者它也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新配置的通用计算机。
本公开的实施例可以多种不同形式体现，包括但不限于与处理器(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、与可编程逻辑设备(例如，现场可编程门阵列(FPGA)或其他可编程逻辑器件)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(ASIC))，或包括其任意组合的任何其他装置。在本公开的常见的实施例中，使用OCT探头和基于处理器的系统的数据收集的处理的部分或全部以计算机程序指令集的形式实施，该指令集被转换为计算机可执行形式，以这样的形式存储在计算机可读介质中，并在操作系统的控制下由微处理器执行。因此，查询响应和输入数据被转换成处理器可理解的指令，这些指令适用于生成成像数据、检测血管边界、检测支架支柱、比较相对于设定的阈值的测量出的距离，以及以其它方式执行图像比较、信号处理、血管检测，以及上述其它特征和实施例。
实现本文先前描述功能的全部或部分的计算机程序逻辑可以各种形式体现，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、链接器或定位器生成的形式)。源代码可以包括一系列以各种编程语言(例如目标代码、汇编语言或高级语言，如Fortran、C、C++、JAVA或HTML)中的任何一种实施的计算机程序指令，用于各种操作系统或操作环境。源代码可以定义和使用各种数据结构和通信信息。源代码可以是计算机可执行形式(例如，经由解释器)，或者源代码可以被转换(例如，经由译码器、汇编器或编译器)为计算机可执行形式。
计算机程序可以任何形式(例如源代码形式、计算机可执行形式或中间形式)永久或临时地固定在有形存储介质中，例如半导体存储设备(例如RAM、ROM、PROM、EEPROM或闪存可编程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)或其他存储设备。计算机程序可以任何形式固定在信号中，该信号可通过各种通信技术传输到计算机，包括但不限于模拟技术、数字技术、光学技术、无线技术(如蓝牙)、网络技术和互联网技术。计算机程序可以任何形式作为可移除存储介质与随附的印刷或电子文档(例如，拆封软件)一起分发，预装在计算机系统中(例如，在系统ROM或固定硬盘上)，或通过通信系统(例如，互联网或万维网)从服务器或电子公告牌分发。
硬件逻辑(包括与可编程逻辑设备一起使用的可编程逻辑)实施本文之前描述的功能的全部或一部分，可使用传统的手工方法设计，或可使用各种工具以电子方式设计、捕获、模拟或记录，例如计算机辅助设计(CAD)、硬件描述语言(例如VHDL或AHDL)或PLD编程语言(例如PALASM、ABEL或CUPL)。
可编程逻辑可以永久地或临时地固定在有形存储介质中，例如半导体存储器设备(例如RAM、ROM、PROM、EEPROM或闪存可编程RAM)、磁存储设备(例如软盘或固定磁盘)、光学存储设备(例如CD ROM)或其他存储器设备。可编程逻辑可固定在信号中，该信号可通过各种通信技术(包括但不限于模拟技术、数字技术、光学技术、无线技术(如蓝牙)、网络技术和互联网技术)传输到计算机。可编程逻辑可作为可移除存储介质与随附的印刷或电子文档(例如，拆封软件)一起分发，预装在计算机系统中(例如，在系统ROM或固定硬盘上)，或通过通信系统(例如，互联网或万维网)从服务器或电子公告牌分发。
下面将更详细地讨论合适的处理模块的各种示例。如本文所用，模块指适用于执行特定数据处理或数据传输任务的软件、硬件或固件。通常，在优选的实施例中，模块指的是适合接收、转换、路由和处理指令或各种类型的数据的软件例行程序、程序或其他存储器驻留应用程序，所述各种类型的数据例如OCT扫描数据、IVUS扫描数据、干涉仪信号数据、目标支架轮廓、支架部署后管腔轮廓和图像、指示为完全扩张支架的内插管腔轮廓视图、基于扩张的支架的管腔轮廓的几何值与完全扩张的管腔轮廓的比值、支架扩张水平指示符(颜色、填充等)、高亮/强调像素特性、分支位置、分支直径、支架扩张百分比或分数、支架植入前的FFR值、支架植入后的FFR值，以及其他支架植入前和支架植入后的值和其他相关信息。
本文所述的计算机和计算机系统可包括操作性地相关联的计算机可读介质，例如用于存储在获取、处理、存储和/或通信数据时使用的软件应用程序的存储器。可以理解的是，相对于与其操作性地相关的计算机或计算机系统，这种存储器可以是内部的、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他指令的任何装置，包括例如但不限于硬盘、光盘、软盘、DVD(数字多功能光盘)、CD(光盘)、存储卡、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(扩展可擦除PROM)和/或其他类似的计算机可读介质。
通常而言，与本文所述公开的实施例相关联应用的计算机可读存储介质可包括能够存储由可编程设备执行的指令的任何存储介质。在适用的情况下，本文所述的方法步骤可以作为存储在计算机可读存储介质或存储介质上的指令来体现或执行。这些指令可以是以各种编程语言体现的软件，例如C++、C、Java和/或各种其它类型的软件编程语言，这些软件编程语言可用于根据本公开的实施例创建指令。
存储介质可以是非瞬时性的或包括非瞬时性设备。因此，非瞬时性存储介质或非瞬时性设备可以包括有形设备，这意味着该设备具有具体的物理形式，尽管该设备可以改变其物理条件。因此，举例来说，非瞬时性指的是尽管条件发生了变化，但设备仍然是有形的。
本发明公开的各方面、实施例、特征和示例应被视为在所有方面的说明性的，并且并非旨在限制本发明的公开，其范围仅由权利要求书界定。对于本领域的技术人员来说，在不背离本公开的精神和范围的情况下，其他实施例、修改方案和使用将是显而易见的。
本申请中标题和章节的使用并不意味着对本公开的限制；每个章节可适用于本公开的任何方面、实施例或特征。
在整个申请中，当组合物被描述为具有、包括或包含特定的部件时，或当方法被描述为具有、包括或包含特定的方法步骤时，认为本发明教义的组合物也基本上由(或者由)所述的部件组成，并且本发明教义的方法也基本上由(或者由)所述的方法步骤组成。
在本申请中，当元素或部件被说成被包括在和/或选自列举的元素或部件的清单中时，应该理解该元素或部件可以是列举的元素或部件中的任何一个，并且可以从由两个或多个列举的元素或部件组成的组合中选出。此外，应当理解的是，本文所述的组合物、装置或方法的元素和/或特征可以以各种方式组合，而不偏离本发明教义的精神和范围，无论是明确的还是隐含的。
除非另有特别说明，否则术语“包括”(include)、“包括”(includes)、“包括”(including)、“具有”(have)、“具有”(has)或“具有”(having)的使用应被普遍理解为开放式和非限制性的。
除非另有特别说明，否则此处使用的单数包括复数(并且反之亦然)。此外，单数形式“一”(a)、“一”(an)和“所述”包括复数形式，除非上下文明确规定了其他形式。此外，除非另有特别说明，否则当术语“大约”或“基本上”用在量值之前时，本发明教义也包括具体的量值本身。这里使用的术语“大约”和“基本上”指的是数字量的变化，例如，在现实世界中通过测量或处理程序；由于这些程序中的无意误差；由于材料(例如合成材料带)制造过程中的差异/故障，由于缺陷；以及被本领域技术人员认为是等同的变型，只要这些变形不涵盖现有技术中所实践的已知值。通常，术语“大约”和“基本上”是指大于或小于所述值或所述值的范围的1/10(例如±10％)。
应该理解的是，只要本发明教义保持可操作性，步骤的顺序或执行某些动作的顺序是不重要的。此外，两个或更多的步骤或动作可以同时进行。
应当理解，本公开的图和描述已经简化，以说明与清楚地理解本公开相关的元素，同时为了清楚起见，去掉了其他元素。然而，本领域技术人员将认识到，这些和其它元素可能是可取的。然而，由于这些元素在本领域中是众所周知的，并且由于它们不利于更好地理解本公开，因此在此不对这些元素进行讨论。应当理解的是，这些图是为了说明目的而提出的，而不是作为结构图而被提出。省略的细节和修改或替代性实施例属于本领域技术人员的权限范围。
可以理解的是，在本公开的某些方面，单个部件可以被多个部件替换，并且多个部件可以被单个部件替换，以提供元件或结构或执行给定的功能或多个功能。除非这种替换对于实施本公开的某些实施例不具有可操作性，否则这种替换被视为在本公开的范围之内。
本文提出的实施例旨在说明本公开的潜在的和具体的实施方式。可以理解的是，这些示例主要是为了向本领域技术人员说明本公开的目的。在不背离本公开的精神的情况下，这些示意图或在此描述的操作可以有变形。例如，在某些情况下，可以以不同的顺序执行或实施方法步骤或操作，或者可以添加、删除或修改操作。

Claims (26)

1.一种识别管腔内的血液清除的方法，包括：
由一个或多个处理器访问管腔的多个血管内图像帧；
由所述一个或多个处理器计算针对所述多个血管内图像帧内的多个扫描线的平均边缘偏移；
由所述一个或多个处理器，基于针对第一组图像帧的平均边缘偏移按照一个或多个初始条件增加，识别第一清除事件；
由所述一个或多个处理器，基于所述第一清除事件的发生，并基于第二组图像帧的平均边缘偏移按照一个或多个最终条件并未增加，识别第二清除事件。
2.根据权利要求1所述的方法，进一步包括：由所述一个或多个处理器，基于对所述第二清除事件的识别，并且基于所述管腔处于充分清除状态的识别，自动启动导管回拉程序。
3.根据权利要求1所述的方法，其中所述一个或多个初始条件包括以下至少一者：
1)短期时间窗口平均边缘偏移大于预先确定的最大值；以及
2)所述短期时间窗口平均边缘偏移比基线时间窗口平均边缘偏移大至少一个特定的偏移量。
4.根据权利要求3所述的方法，其中所述预先确定的最大值大于最大导管外径偏移。
5.根据权利要求3所述的方法，其中所述特定的偏移量为40微米。
6.根据权利要求3所述的方法，其中所述短期时间窗口平均边缘偏移是使用预先确定的最近捕获的图像帧的数量计算的。
7.根据权利要求3所述的方法，其中所述基线时间窗口平均边缘偏移是使用在大于0.5秒的时间段内捕获的图像帧计算的。
8.根据权利要求1所述的方法，其中所述一个或多个最终条件包括以下至少一者：
1)对于在所述第一清除事件后捕获的图像帧，中间时间窗口平均边缘偏移的每帧增量小于所述中间时间窗口平均边缘偏移的最大每帧增量；以及
2)自从在所述多个图像帧中的一个或多个图像帧中已经观察到最大清除区域以来，已经过去一个预先确定的时间段。
9.根据权利要求8所述的方法，其中所述中间时间窗口平均边缘偏移基于在小于0.5秒的时间段内捕获的图像帧。
10.根据权利要求8所述的方法，其中所述最大清除区域基于针对一个或多个图像帧的平均边缘偏移，且其中所述预先确定的时间段为至少40秒。
11.根据权利要求1所述的方法，进一步包括：由所述一个或多个处理器基于一个或多个图像帧的所述扫描线的范围内的最小像素强度值和最大像素强度值的识别来计算边缘阈值。
12.根据权利要求11所述的方法，其中所述多个血管内图像由导管设备捕获，所述导管设备具有带有透明层和掺杂层的鞘，并且其中计算所述边缘阈值包括：在与所述透明层相对应的扫描线范围内识别所述最小像素强度值，以及在与所述掺杂层相对应的扫描线范围内识别所述最大像素强度值。
13.根据权利要求1所述的方法，进一步包括：由所述一个或多个处理器，基于所选择的扫描线的至少一个像素强度值具有大于第一边缘阈值的强度的识别，并且基于所选择的扫描线的至少一个像素强度值具有小于第二边缘阈值的强度值的识别，识别所述多个血管内图像帧内的边缘，其中所述第一边缘阈值大于所述第二边缘阈值。
14.一种识别管腔内的血液清除的系统，包括：
存储器，所述存储器用于存储图像帧数据：
以及一个或多个处理器，所述一个或多个处理器与所述存储器通信，所述一个或多个处理器能够操作为：
访问管腔的多个血管内图像帧；
计算针对所述多个血管内图像帧内的多个扫描线的平均边缘偏移；
基于针对第一组图像帧的平均边缘偏移按照一个或多个初始条件增加，识别第一清除事件；
基于所述第一清除事件的发生，并基于第二组图像帧的平均边缘偏移按照一个或多个最终条件并未增加，识别第二清除事件。
15.根据权利要求14所述的系统，其中所述一个或多个处理器进一步配置为基于所述第二清除事件的识别并且基于所述管腔已充分清除的识别自动启动导管回拉程序。
16.根据权利要求14所述的系统，其中所述一个或多个初始条件包括以下至少一者：
1)短期时间窗口平均边缘偏移大于预先确定的最大值；以及
2)所述短期时间窗口平均边缘偏移比基线时间窗口平均边缘偏移大至少一个特定的偏移量。
17.根据权利要求16所述的系统，其中所述预先确定的最大值大于最大导管外径偏移。
18.根据权利要求16所述的方法，其中所述特定的偏移量为40微米。
19.根据权利要求16所述的系统，其中所述短期时间窗口平均边缘偏移是使用预先确定的最近捕获的图像帧的数量计算的。
20.根据权利要求16所述的系统，其中所述基线时间窗口平均边缘偏移是使用在大于0.5秒的时间段内捕获的图像帧计算的。
21.根据权利要求14所述的系统，其中所述一个或多个最终条件包括以下至少一者：
1)对于在所述第一清除事件后捕获的图像帧，中间时间窗口平均边缘偏移的每帧增量小于所述中间时间窗口平均边缘偏移的最大每帧增量；以及
2)自从已经在所述多个图像帧中的一个或多个图像帧中观察到最大清除区域以来，已经过去一个预先确定的时间段。
22.根据权利要求21所述的系统，其中所述中间时间窗口平均边缘偏移基于在小于0.5秒的时间段内捕获的图像帧。
23.根据权利要求21所述的系统，其中所述最大清除区域基于针对一个或多个图像帧的平均边缘偏移，且其中所述预先确定的时间段为至少40秒。
24.根据权利要求14所述的方法，其中所述一个或多个处理器被进一步配置为基于一个或多个图像帧的所述扫描线的范围内的最小像素强度值和最大像素强度值的识别来计算边缘阈值。
25.根据权利要求24所述的系统，其中所述多个血管内图像由导管设备捕获，所述导管设备具有带有透明层和掺杂层的鞘，并且其中计算所述边缘阈值包括：在与所述透明层相对应的扫描线范围内识别所述最小像素强度值，以及在与所述掺杂层相对应的扫描线范围内识别所述最大像素强度值。
26.根据权利要求1所述的系统，其中所述一个或多个处理器被进一步配置为：由所述一个或多个处理器，基于所选择的扫描线的至少一个像素强度值具有大于第一边缘阈值的强度的识别，以及基于所选择的扫描线的至少一个像素强度值具有小于第二边缘阈值的强度值的识别，识别所述多个血管内图像帧内的边缘，其中所述第一边缘阈值大于所述第二边缘阈值。
CN202280018139.1A 2021-03-03 2022-03-02 用于自动回拉触发的系统和方法 Pending CN116981396A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163155833P 2021-03-03 2021-03-03
US63/155,833 2021-03-03
PCT/US2022/018516 WO2022187358A1 (en) 2021-03-03 2022-03-02 Systems and methods for an automatic pullback trigger

Publications (1)

Publication Number Publication Date
CN116981396A true CN116981396A (zh) 2023-10-31

Family

ID=80820009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280018139.1A Pending CN116981396A (zh) 2021-03-03 2022-03-02 用于自动回拉触发的系统和方法

Country Status (5)

Country Link
US (1) US20220280259A1 (zh)
EP (1) EP4301214A1 (zh)
JP (1) JP2024512338A (zh)
CN (1) CN116981396A (zh)
WO (1) WO2022187358A1 (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8412312B2 (en) * 2009-09-23 2013-04-02 Lightlab Imaging, Inc. Apparatus, systems, and methods of in-vivo blood clearing in a lumen
US11272845B2 (en) * 2012-10-05 2022-03-15 Philips Image Guided Therapy Corporation System and method for instant and automatic border detection
US9702762B2 (en) * 2013-03-15 2017-07-11 Lightlab Imaging, Inc. Calibration and image processing devices, methods, and systems

Also Published As

Publication number Publication date
WO2022187358A1 (en) 2022-09-09
US20220280259A1 (en) 2022-09-08
EP4301214A1 (en) 2024-01-10
JP2024512338A (ja) 2024-03-19

Similar Documents

Publication Publication Date Title
US11864870B2 (en) System and method for instant and automatic border detection
US20230414176A1 (en) Intravascular Measurement And Data Collections Systems, Apparatus And Methods
US20220117551A1 (en) Stent and Vessel Visualization and Diagnostic Systems, Devices, and Methods
JP6283399B2 (ja) ステントの配置を計画するためのユーザインターフェースベースの医療システムの作動方法、及びステントの配置を計画する装置
US9526424B2 (en) Apparatus, systems, and methods of in-vivo blood clearing in a lumen
US8831321B1 (en) Side branch detection methods, systems and devices
US9173591B2 (en) Stent visualization and malapposition detection systems, devices, and methods
JP2018530395A (ja) 側枝カットプレーンビュー角度を決定する脈管内撮像システム及び方法
US10453196B2 (en) Detection of stent struts relative to side branches
CN112716461A (zh) 血管内成像和引导导管的检测的方法和系统
US20170140243A1 (en) Detection of Stent Struts Relative to Side Branches
US20220280259A1 (en) Systems And Methods For An Automatic Pullback Trigger

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