DE60038382T2

DE60038382T2 - Intravaskuläre ultraschallbildanalyse unter verwendung einer aktiven konturmethode

Info

Publication number: DE60038382T2
Application number: DE60038382T
Authority: DE
Inventors: Jon D. Shaker Heights Klingensmith; David Geoffrey University Heights Vince; Raj Mayfield Heights Shekhar
Original assignee: Cleveland Clinic Foundation
Current assignee: Cleveland Clinic Foundation
Priority date: 1999-07-02
Filing date: 2000-06-22
Publication date: 2009-03-26
Anticipated expiration: 2020-06-23
Also published as: US6381350B1; AU776527B2; ATE389355T1; JP5519891B2; EP1198200A1; EP1198200A4; EP1198200B1; JP2003503141A; DE60038382D1; WO2001001864A1; ES2304350T3; AU5633200A

Description

HINTERGRUND DER ERFINDUNG
Die vorliegende Erfindung betrifft medizinische Bildverarbeitungtechniken. Sie findet spezielle Anwendung bei einem intravaskulären Ultraschallbildanalysesystem, durch das luminale und medial-adventitale Begrenzungen eines vaskulären Objekts bestimmt werden.
Die Ultraschallbildverarbeitung von Bereichen des Körpers eines Patienten stellt ein praktisches Werkzeug in vielen Gebieten der medizinischen Praxis dar, um den besten Typ und Verlauf einer Behandlung zu bestimmen. Durch die Bildverarbeitung der koronaren Gefäße eines Patienten durch Ultraschalltechniken können Ärzte mit wertvollen Informationen versorgt werden. Beispielsweise können die Bilddaten das Ausmaß einer Stenose in einem Patienten zeigen, die Progression einer Erkrankung aufzeigen, bei der Bestimmung helfen, welche Prozeduren angezeigt sind, wie Angioplastik oder Atherektomie, oder ob invasivere Prozeduren notwendig sind.
Bei einem typischen Ultraschallbildverarbeitungssystem ist ein Ultraschallmesswandler an dem Ende eines Katheters angebracht, der vorsichtig durch den Körper eines Patienten zu einem speziellen Punkt manövriert wird, wie zum Beispiel in ein Blutgefäß. Der Messwandler ist ein Einzelelement-Kristall oder -Sonde, die mechanisch gescannt oder hin- und hergedreht wird, um einen Sektor über einem ausgewählten Winkelbereich abzudecken. Während des Scannens werden akustische Signale gesendet, und Echos dieser akustischen Signale werden empfangen, um Daten zu liefern, die für die Dichte des Gewebes über dem Sektor darstellend sind. Wenn der Sensor durch den Sektor geschwenkt wird, werden einige akustische Linien verarbeitet, durch die ein sektorförmiges Bild des Patienten aufgebaut wird.
Nachdem die Patientendaten gesammelt sind, werden unter Verwendung allgemein bekannter Techniken Bilder von dem Blutgefäß rekonstruiert. Da die Daten entlang eines Abschnitts des Gefäßes aufgenommen werden, können hunderte von intravaskulären Bildern erzeugt werden. Eine typische Analyse beinhaltet das Bestimmen der Größe des Lumens und der Menge an Plaque in dem Gefäß. Dies wird durchgeführt, indem ein Benutzer jedes Bild visuell analysieren und manuell eine Begrenzungskontur auf dem Bild an einer Stelle zeichnen muss, von der der Benutzer glaubt, dass sie die luminale Begrenzung und die medial-adventitiale Begrenzung des Gefäßes ist. Dies ist ein sehr zeitaufwendiger Prozess, bei dem es Tage dauern kann, um einen Satz von Bildern von einem Patienten zu bewerten. Außerdem wird die Bestimmung der Begrenzung noch schwieriger gemacht, wenn die Bilder von schlechter Qualität sind und die Begrenzungen auf dem Bild nur schwer zu sehen sind.
Die US 5,495,852 offenbart eine Vorrichtung zum Messen des Durchmessers einer Arterie unter Verwendung von Ultraschallbildern. Der Oberbegriff von Anspruch 1 basiert auf dieser Offenbarung.
Durch die vorliegende Erfindung wird ein intravaskuläres Ultraschallbildanalysesystem zur Verfügung gestellt, mit dem die vorstehenden Probleme und auch andere Probleme gelöst werden.
ZUSAMMENFASSUNG DER ERFINDUNG
Gemäß der vorliegenden Erfindung wird ein System zur Bestimmung einer Begrenzungskontur von einem Blutgefäß gemäß Anspruch 1 zur Verfügung gestellt.
Gemäß einem weiter eingeschränkten Aspekt der vorliegenden Erfindung wird die differenzierte Begrenzung bestimmt, indem Pixelwerte des Ultraschallbildes in radialer Richtung analysiert werden.
Gemäß einem weiter eingeschränkten Aspekt der vorliegenden Erfindung wird das Gradientenbild gebildet, indem das Ultraschallbild in ein polares Bild konvertiert wird, wobei das polare Bild eine Mehrzahl von radialen Abtastlinien hat, die eine Mehrzahl an Pixeln enthalten. Eine Kante der Begrenzung wird entlang jeder der radialen Abtastlinien in radialer Richtung bestimmt, indem ein Gradientenfilter auf jedes der Mehrzahl von Pixeln angewendet wird. Das Gradientenfilter differenziert Pixel, die wahrscheinlich eine Kante der Begrenzung bilden. Die differenzierten Pixel definieren die differenzierte Begrenzung.
Ein Aspekt der vorliegenden Erfindung beinhaltet das Bestimmen von luminalen und medial-adventitialen Begrenzungen aus einem Ultraschallbild unter Verwendung von Bilddaten mit dem gleichen Format wie die IVUS-Daten, die gesammelt wurden. Insbesondere werden IVUS-Daten in radialer Richtung durch einen rotierenden Messwandler oder durch ein Array von Messwandlern aufgenommen. Um somit eine genauere Bestimmung der Begrenzung zu erhalten, wird die Bestimmung der Begrenzung durch radiale Kantendetektion aus einem polaren Format eines Bildes beeinflusst.
Ein weiterer Vorteil der vorliegenden Erfindung besteht darin, dass die Bestimmung der luminalen und medial -adventitialen Begrenzungen genau durchgeführt wird. Außerdem wird durch das vorliegende System die Zeit reduziert, die für einen Benutzer erforderlich ist, um diese Begrenzungen zu bestimmen, was das manuelle Verarbeiten von Hunderten von Bildern beinhalten kann.
Ein weiterer Vorteil der vorliegenden Erfindung besteht darin, dass die Bestimmung der Begrenzung in Echtzeit durchgeführt werden kann, beispielsweise in einem Operationssaal. Auf diese Weise kann ein Chirurg sofort Daten empfangen, die sich auf die Blutgefäße eines Patienten beziehen.
Weitere Vorteile der vorliegenden Erfindung werden für den Fachmann beim Lesen und Verstehen der nachfolgenden detaillierten Beschreibung der bevorzugten Ausführungsbeispiele deutlich.
KURZBESCHREIBUNG DER ZEICHNUNGEN
Es folgt eine Kurzbeschreibung von jeder Zeichnung, die verwendet wird, um die vorliegende Erfindung zu erläutern, und daher sind diese nur für darstellende Zwecke dargestellt und sollen den Schutzbereich der vorliegenden Erfindung nicht einschränken, wobei:
1 ein Blockdiagramm von dem gesamten Ultraschallbildverarbeitungssystem ist;
2 ein Prozessdiagramm von der Gewinnung und Analyse von Ultraschalldaten gemäß der vorliegenden Erfindung ist;
3 ein Blockdiagramm von der Optimierung einer Begrenzungskontur, und zwar basierend auf einer radial bestimmten Begrenzung, gemäß der vorliegenden Erfindung ist;
4 ein intravaskuläres Ultraschallbild ist, das ausgewählte Begrenzungspunkte in der Nähe der luminalen Begrenzung zeigt;
5 eine anfängliche Begrenzungskontur zeigt, die aus den Begrenzungspunkten aus 4 gewonnen ist;
6A das intravaskuläre Bild im kartesischen Format ist;
6B das Bild aus 6A in einem polaren Format ist;
7A das Bild aus 6B als ein Gradientenbild nach dem Filtern darstellt;
7B das Gradientenbild aus 7A ist, wobei die Abtastung in das kartesische Format konvertiert ist;
8 eine Darstellung von sich bewegenden Konturspitzen in einer Nachbarschaft von Pixeln gemäß der vorliegenden Erfindung ist;
9 das intravaskuläre Bild aus 5 mit einer endgültigen Begrenzungskontur gemäß der vorliegenden Erfindung zeigt;
10 eine Darstellung von einem Blutgefäß ist, in der dessen luminale Größe und Plaquedicke gezeigt ist;
11 eine Sequenz von Bildrahmen zeigt, in denen Steuerpunkte auf einem Anfangs- und Endrahmen ausgewählt sind;
12 eine Sequenz von Bildrahmen mit einer anfänglichen luminalen Begrenzungskontur für jeden Rahmen zeigt;
13 eine Sequenz von Bildrahmen mit einer optimierten luminalen Begrenzungskontur für jeden Rahmen zeigt;
14 eine dreidimensionale Oberflächenkontur von einem Lumen zeigt, das gemäß der vorliegenden Erfindung aus optimierten luminalen Begrenzungskonturdaten bestimmt ist; und
15 luminale und medial-adventitiale Konturen für einen Bildrahmen zeigt.
DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSBEISPIELE
Unter Bezugnahme auf 1 ist ein gesamtes intravaskuläres Ultraschallsystem (IVUS) gezeigt. Eine IVUS-Systemkonsole 10 sammelt Ultraschalldaten von einem Messwandler (nicht gezeigt). Der Messwandler ist am Ende eines Katheters angebracht, der vorsichtig durch den Körper eines Patienten bis zu einem Punkt von Interesse manövriert wird. In dem vorliegenden System wird der Katheter durch das Innere von vaskulären Organen manövriert, um intravaskuläre Ultraschalldaten von dem umgebenden vaskulären Gewebe zu erhalten. Die IVUS-Systemkonsole 10 ist beispielsweise ein C-VIS Clearview Imaging System, und der Messwandler ist eine mechanisch gedrehte Einzelelement-Ultraschallvorrichtung mit einer Frequenz von mindestens 20 MHz. Die Ultraschallvorrichtung kann auch ein Array aus Messwandlern sein, die in Umfangsrichtung angeordnet sind, um 360° abzudecken, wobei jeder Messwandler in radialer Richtung Daten aus einer feststehenden Position aufnimmt.
Ein beispielhafter Prozess zum Sammeln von Ultraschalldaten ist folgender: Wenn der Messwandler einen gewünschten Punkt in dem vaskulären Objekt erreicht, pulsiert der Messwandler und nimmt dann für etwa 7 Mikrosekunden Echos auf. Er wird um 1,5 Grad gedreht und pulsiert erneut. Dies wird für 240 Abtastlinien um 360 Grad wiederholt. Durch die Anzahl von Abtastungen, die in jeder Abtastzeile aufgenommen werden, werden die Tiefe von Echos, die durch den Messwandler aufgezeichnet werden, und schließlich die Auflösung des Bildes gesteuert. Ein Bildrekonstruktionsprozessor 15 rekonstruiert ein Bild aus den Ultraschallrohdaten. Die Rekonstruktion wird unter Verwendung einer Rekonstruktionsroutine durchgeführt, die dem Fachmann bekannt ist. Die vorliegende Anwendung ist nicht auf die Bildrekonstruktion gerichtet und wird daher nicht im Detail beschrieben. Ein beispielhaftes rekonstruiertes Ultraschallbild ist in 6A gezeigt, die eine Querschnittsansicht von einem Blutgefäß zeigt.
Die Ultraschalldaten werden durch den rotierenden Messwandler in radialer Richtung gesammelt. Durch die Rotationsposition des Messwandlers an zeitlich jedem Punkt wird eine Abtastlinie erzeugt, die verwendet wird, um das Bild zu erzeugen. Daher haben die Daten ein polares Format, wobei alle Daten einen Winkel θ und einen Radius R haben, der damit in Beziehung steht. Polare Bilder sind jedoch für einen Benutzer schwer visuell zu interpretieren, so dass die polaren Daten in kartesische x- und y-Bildkoordinaten konvertiert werden. Dieser Prozess wird Abtast-Konvertierung genannt. Gleichungen (1) und (2) zeigen die Transformation von gemeinsamen polaren Koordinaten in kartesische Koordinaten. X = R·cos(θ)(1) Y = R·sin(θ)(2)
Die Abtast-Konvertierung ist in der Technik allgemein bekannt und wird durch Durchlaufen des polaren Bildes, durch Berechnen der entsprechenden kartesischen Position aus R und θ unter Verwendung von bilinearer Interpolation von benachbarten Pixeln, und durch Zuweisen des Pixelwerts an der polaren Position zu der kartesischen Position erreicht. Wenn die Bilddaten erzeugt sind, dann analysiert eine Bildanalyseroutine 20 die Bilddaten, was nachfolgend im Detail beschrieben wird.
Unter Bezugnahme auf 2 ist ein Blockdiagramm von einem IVUS-Bildanalyseprozess gezeigt. Wie vorstehend erläutert, werden Ultraschalldaten durch die IVUS-System-Konsole 10 gewonnen 30, wobei die Daten in dem vaskulären Objekt in radialer Richtung durch eine Ultraschalleinrichtung aufgenommen werden. Ein intravaskuläres Bild wird aus den Ultraschalldaten unter Verwendung eines bekannten Bildrekonstruktionsprozesses erzeugt 40. Durch eine typische Abtastung können Hunderte von Bildern entlang eines Abschnitts des vaskulären Objekts erzeugt werden. Die Bilddaten liegen ursprünglich in polaren Koordinaten vor, da die Daten in radialer Richtung gewonnen werden, und werden dann in ein kartesisches Format konvertiert. Eine Querschnittsansicht von einem intravaskulären Bild im kartesischen Format ist in 6A gezeigt.
Wenn die Bilddaten erzeugt sind, kann ein Benutzer eine oder mehrere Bilder zwecks Analyse und Bewertung auswählen. In dem bevorzugten Ausführungsbeispiel wird ein intravaskuläres Bild analysiert, um eine luminale Begrenzung und eine medial-adventitiale Begrenzung des vaskulären Objekts zu bestimmen, das als Bild aufgenommen wurde. Unter weiterer Bezugnahme auf 2 und 4 wird ein intravaskuläres Bild 100 ausgewählt und dem Benutzer angezeigt 50. Es wird angenommen, dass der Benutzer/Bediener im Lesen von Ultraschallbildern und in der visuellen Bestimmung einer geeigneten Position der luminalen Begrenzung und der medial-adventitialen Begrenzung erfahren ist. Der Benutzer wählt 60 einen Satz von Begrenzungssteuerpunkten 105 an Positionen auf dem Bild aus, von denen der Benutzer glaubt, dass diese Kanten von einer Begrenzung sind, in diesem Fall eine luminale Begrenzung.
Unter Bezugnahme auf 5 wird eine anfängliche Begrenzungskontur 110 basierend auf den ausgewählten Steuerpunkten 105 erzeugt 70. Durch die anfängliche Kontur 110 werden die Steuerpunkte verbunden, was zu einer angenäherten Position der Begrenzungskante führt. Weitere Steuerpunkte können durch das System automatisch zwischen den vom Benutzer ausgewählten Steuerpunkten 105 erzeugt werden, um eine bessere Approximation einer Begrenzungskante zu erreichen. Die anfängliche Begrenzung 110 kann durch Interpolieren zwischen den Steuerpunkten 105 erhalten werden.
Unterer weiterer Bezugnahme auf 2 wird, nachdem die anfängliche Begrenzungskontur 110 erzeugt ist, eine aktive Kontureinstellung 80 durchgeführt, um eine optimierte Begrenzungskontur zu erhalten, die nahe an oder auf der tatsächlichen Begrenzungskante von Interesse liegt. Allgemein nimmt die aktive Kontureinstellung 80 die anfängliche Kontur 110, die eine grob definierte Kontur nahe der interessierenden Kante ist, und bewegt sie in den Bilddaten unter Einfluss mehrerer Kräfte herum, extern und/oder intern, bis sie die interessierende Kante findet. Die externen Kräfte werden aus den Bilddateneigenschaften abgeleitet, so dass die anfängliche Kontur 110 in Richtung auf die nächstgelegene Kante in den Bilddaten eingestellt wird. Die internen Kräfte sind so definiert, dass sie proportional zur Krümmung der anfänglichen Kontur 110 sind, und beschränken die Kontureinstellung, so dass die Kontur eine Kontinuität erster und zweiter Ordnung beibehält. In dem bevorzugten Ausführungsbeispiel basiert die aktive Kontureinstellung 80 auf der Minimierung einer Energiefunktion aus Gleichung (3): E = ∫(α(s)·Econt + β(s)·Ecurv + γ(s)·Eimage)ds (3)
Der erste Term E_cont steuert die Kontinuität erster Ordnung, und der zweite Term E_curv steuert die Kontinuität zweiter Ordnung. Der letzte Term E_image basiert auf einer Bildquantität, die aus den Bilddaten bestimmt wird. In dem bevorzugten Ausführungsbeispiel ist die Bildquantität eine Kantenstärke, die auf Pixelwerten in dem Bild basiert. Natürlich können andere Terme in die Funktion eingebunden werden, die äußere Beschränkungen steuern, um ein gewünschtes Ergebnis zu erhalten. Die Parameter α, β und γ sind Gewichtungsfaktoren, die die relative Eingabe zwischen den Termen steuern. Der Wert von einem Gewichtungsfaktor kann erhöht werden, um seinen Einfluss auf die Funktion zu erhöhen. Indem beispielsweise der Wert von γ erhöht und die Werte von α und β vermindert werden, kann die Kontureinstellung vollständig von dem Term E_image beeinflusst werden.
Jeder Steuerpunkt 105 entspricht einer Spitze auf der anfänglichen Bildkontur 110, die sich an einer Pixelposition auf dem intravaskulären Bild 100 befindet. Um die Kontur zu verbessern, werden benachbarte Positionen von jeder Spitze (Steuerpunkt) untersucht, und eine Position in der Nachbarschaft, die den kleinsten Wert für die Funktion angibt, wird als die neue Position für die Spitze (Steuerpunkt) ausgewählt. Dieser Prozess wird durch alle Steuerpunkte wiederholt, bis die Anzahl bewegter Punkte kleiner ist als ein spezieller Grenzwert oder eine vom Benutzer definierte maximale Anzahl von Iterationen erreicht ist.
Mit Blick auf die Funktion wird der erste Term E_cont geformt, indem eine durchschnittliche Distanz zwischen allen Konturspitzen genommen und diese Distanz zwischen der aktuellen Spitze und der vorhergehenden Spitzenposition subtrahiert wird, wie durch die folgende Gleichung gezeigt ist: Econt = d – |νi – νi-1| (4)
In der obigen Gleichung bezeichnet ν_i die i^te Spitze, und d ist die durchschnittliche Distanz zwischen allen Steuerpunkten 105. Durch diesen Ausdruck wird die Möglichkeit vermieden, dass die Kurve der Kontur schrumpft, obwohl eine Kontinuität erster Ordnung erfüllt wird, indem gleichmäßige Abstände zwischen Steuerpunkten gefördert werden. Punkte mit einer Distanz zwischen sich, die nahe der durchschnittlichen Distanz ist, erzeugen einen kleinen Wert für E_cont. Ein Ziel der Funktion besteht in dem Auffinden minimaler Werte. Die durchschnittliche Distanz d zwischen den Punkten wird dann bei jeder Iteration erneut berechnet.
Der zweite Term E_curv unterstützt die Kontinuität zweiter Ordnung und ist ein Krümmungsterm. Eine Abschätzung der Krümmung ist in der folgenden Gleichung gezeigt: Ecurv = |νi-t –2νi + νi+1|2(5)
Kleine Werte E_curv in diesem Ausdruck unterstützen die Reduzierung der Krümmung, was dazu beiträgt, dass die Kontur 110 ihre Form beibehält und die Bildung von Ecken verhindert. Wenn Ecken oder andere Formmerkmale in dem endgültigen Resultat gewünscht sind, kann der Gewichtungsfaktor β entsprechend eingestellt werden, um den Einfluss der Krümmung in der Minimierung der Funktion zu erhöhen oder zu senken.
Externe Kräfte, die auf die Kontur 110 wirken, sind im dritten Term E_image der Funktion dargestellt. Durch die Definition des dritten Terms wird gesteuert, welche Bildmerkmale oder Eigenschaften der Kontur 110 angezogen werden. In dem bevorzugten Ausführungsbeispiel basiert E_image auf Gradientenwerten in dem Bild. Wie zuvor erläutert, werden Ultraschalldaten durch einen Messwandler in radialer Richtung aufgenommen, und daher haben die Daten polare Eigenschaften. Um somit genauere Gradientenwerte des Bildes zu erhalten, um die Einstellung der Begrenzungskontur 110 zu beeinflussen, werden die Gradientenwerte aus einem polaren Bild des intravaskulären Bildes 100 bestimmt.
Unter Bezugnahme auf 6A–B und 7A–B ist die Bildung eines Gradientenbildes gezeigt, das verwendet wird, um die Begrenzungskontur zu optimieren. Das ursprüngliche intravaskuläre Bild 100, das durch den Benutzer ausgewählt ist, ist in 6A gezeigt. Die anfängliche Begrenzungskontur 110 wird aus diesem in 4 und 5 gezeigten Bild erzeugt.
Unter Bezugnahme auf 3 ist ein Prozess zum Erzeugen des Gradientenbildes und zum Optimieren der Begrenzungskontur 110 dargestellt. Das intravaskuläre Bild 100 ist in 6A im kartesischen Format gezeigt und wird in ein polares Bild 600 umgewandelt 300, wie in 6B gezeigt. Wie oben erläutert, sind die Bildmerkmale, die die Einstellung der Begrenzungskontur 110 beeinflussen, die Gradientenwerte des polaren Bildes 600. Das polare Bild 600 beinhaltet eine Mehrzahl von radialen Abtastlinien (nicht gezeigt), die horizontal entlang 6B definiert sind, wie in der Technik bekannt ist. Jede Abtastlinie enthält eine Mehrzahl von Pixelwerten, wobei jeder Pixelwert eine Zahl darstellt, zum Beispiel zwischen 0 und 255 für ein 8-Bit-System, wobei 0 schwarz und 255 weiß darstellt. Wenn das polare Bild erzeugt ist, werden die Begrenzungen des vaskulären Objekts bestimmt 305, und zwar in radialer Richtung entlang jeder Abtastlinie. In dem bevorzugten Ausführungsbeispiel wird die Bestimmung der Begrenzung durchgeführt, indem ein eindimensionales Gradientenfilter über jeder Abtastlinie angewendet wird, wobei der Filter ist: [–6, –4, –2, 0, 2, 4, 6]. Das Filter wird auf die Pixel von jeder Abtastlinie in einer radialen Richtung angewendet, und gefilterte Gradientenpixelwerte werden gefunden durch: Pixelwert D = (–6A) + (–4B) + (–2C) + (0D) + (2E) + (4F) + (6G) (6)
Wobei die alphabetischen Buchstaben A–G einen Grauwert für ein Pixel darstellen. Das aktuelle Pixel ist D, und sein neuer Gradientenwert wird basierend auf den Werten von drei vorhergehenden Pixeln A, B, und C und drei nachfolgenden Pixeln E, F und G in der radialen Richtung entlang der aktuellen Abtastlinie bestimmt. Natürlich gibt es viele Gradientenfilter, die in der Technik bekannt sind und die verwendet werden können, um in radialer Richtung Kanten in einem Bild zu bestimmen. Durch Anwenden des Gradientenfilters werden die Pixelwerte des Bildes nahe einer Kante zu einem differenzierten Gradientenwert von anderen Werten in dem Bild.
Unter Bezugnahme auf 7B ist ein Gradientenbild gezeigt, das ein Ergebnis der Anwendung des Gradientenfilters auf das polare Bild 600 aus 6B ist. Das Gebiet 700 zeigt den Katheter, der in das Blutgefäß eingesetzt ist, und 705 ist die Kante des Katheters 700. Das Gebiet 710 zeigt das Lumen des Blutgefäßes, und die Begrenzung 715 ist die luminale Begrenzung. Die medial-adventitiale Begrenzung des Blutgefäßes ist durch 725 dargestellt. Das Gebiet 720, das zwischen der luminalen Begrenzung 715 und der medial-adventitialen Begrenzung 725 liegt, kann den Aufbau von Plaque in dem Blutgefäß darstellen. Das polare Gradientenbild wird dann in ein Gradientenbild 730 im kartesischen Format konvertiert 310, wie in 7B gezeigt. Durch die Konvertierung wird das Gradientenbild 730 in das gleiche Format gebracht wie das intravaskuläre Bild 100, das die anfängliche Begrenzungskontur 110 enthält, und zwar eine optimierte Begrenzungskontur 315.
Die Gradientenwerte des Gradientenbildes 730 werden verwendet, um den Term E_image für die Minimierung und Kontureinstellung zu berechnen. Die Begrenzungs kontur 110 wird basierend auf den in dem Gradientenbild 730 gefundenen Kantenbegrenzungen optimiert 315. Der Term E_image wird gefunden durch:
Das Optimieren der anfänglichen Begrenzungskontur 110 beinhaltet das Bewerten von Pixeln in der Nachbarschaft von jedem Steuerpunkt 105, um zu Bestimmen, ob der aktuelle Steuerpunkt zu einem benachbarten Pixel bewegt werden muss.
Unter Bezugnahme auf 8 ist eine Darstellung von einem Nachbarschafts-Lösungsansatz von sich bewegenden Begrenzungskonturspitzen gezeigt. Ein aktueller Begrenzungssteuerpunkt 105 ist durch Spitze V_i dargestellt, und seine beiden benachbarten Steuerpunkte sind durch V_i-1 und V_i+1 dargestellt. Eine Pixelnachbarschaft 800 ist mit den Pixelpositionen benachbart den V_i dargestellt. Die x-, y-Position des aktuellen Steuerpunkts in dem intravaskulären Bild 100 wird als die Position von V_i in dem Gradientenbild 730 verwendet und identifiziert die Nachbarschaftspixel 800. Für jede Spitze V und deren Nachbarschaft 800 wird der Term E_image berechnet, indem die minimalen und maximalen. Gradientenwerte in der Nachbarschaft 800 berechnet werden, die die minimalen und maximalen Terme der Gleichung sind. Der Gradientenwert an der Position der Spitze V_i ist durch g dargestellt. Die Position in der Nachbarschaft 800, die den minimalen Wert E_image erzeugt, wie zum Beispiel ein negativer Wert, bedeutet, dass es sich um einen großen Gradientenwert handelt. Große Gradientenwerte sind normalerweise jene, die sich an oder nahe der Begrenzungskante befinden. Daher wird die Kontur zu Kanten mit starker Energie gezogen. Beispielsweise kann die Spitze V_i nach der Berechnung zur Pixelposition 805 bewegt werden. Mit Gleichung (1) wird die Energie E für jede Position in der Nachbarschaft 800 berechnet, und die aktuelle Spitze V_i wird zu der Position bewegt, die zu dem minimalen Wert führt. Auf diese Weise bewegen sich die Spitzen der Begrenzungskontur 110 in den Bilddaten. Der Einflussfaktor zum Einstellen der Begrenzungskontur 110 (gezeigt in 5) ist die in 7B gezeigte Begrenzungskontur 715, die eine radial bestimmte Kante der luminalen Begrenzung ist. Eine endgültig optimierte Kontur wird erhalten, wenn der Iterationsprozess beendet ist.
Unter Bezugnahme auf 9 wird eine endgültige luminale Begrenzungskontur 900 über das Originalbild 100 gelegt, damit der Benutzer es visualisieren kann. Die endgültige Kontur 900 ist das Ergebnis der Optimierung der anfänglichen Begrenzungskontur 110. Der Prozess wird dann wiederholt, um die medial-adventitiale Begrenzung des Blutgefäßes zu bestimmen. In diesem Prozess wählt der Benutzer einen Satz von Begrenzungspunkten in der Nähe der medial-adventitialen Begrenzung aus. Eine Kontur wird erzeugt und optimiert, wie beschrieben wurde. Jedoch wird die in 7B gezeigte differenzierte Begrenzungskontur 725 (die äußere zirkulare Begrenzung) statt der luminalen Begrenzung 715 verwendet, um die aktive Kontureinstellung 80 zu beeinflussen. Wie oben erläutert, ist die Begrenzung 725 eine differenzierte Kontur, die in radialer Richtung aus dem polaren Bild 600 unter Verwendung eines Gradientenfilters bestimmt ist.
Unter Bezugnahme auf 10 zeigt eine Querschnittsansicht, die ein Blutgefäß darstellt, eine beispielhafte endgültige luminale Begrenzung 900 und eine endgültige medial-adventitiale Begrenzung 910. Nachdem diese Begrenzungen mit dem vorliegenden System bestimmt sind, wird eine Analyse 90 des Blutgefäßes durchgeführt. Eine solche Analyse umfasst die Bestimmung der Größe des Lumens 920 und die Bestimmung der Dicke von Plaque 925, gezeigt zwischen der luminalen Begrenzung 900 und der medial-adventitialen Begrenzung 910. Außerdem werden luminale/medial-adventitiale Begrenzungsmetriken bestimmt, einschließlich Querschnittsgebiet, Zentroid, maximaler Durchmesser, minimaler Durchmesser und Exzentrizität. Außerdem werden Plaque-Metriken des Gefäßes bestimmt, einschließlich Querschnittsgebiet, maximale Dicke, minimale Dicke, Exzentrizität und prozentuale Okklusion.
Durch die vorliegende Erfindung wird die Möglichkeit zur Verfügung gestellt, ein Blutgefäß in Echtzeit zu diagnostizieren. Beispielsweise können IVUS-Bilddaten von einem Patienten gesammelt werden und Bilder rekonstruiert werden. Ein Benutzer, der sich im Operationssaal befindet, kann die vorliegende Bestimmung der Begrenzung für einen ausgewählten Abschnitt von Bildern durchführen. Ein Arzt kann in Echtzeit eine Analyse des Gefäßes erhalten, die die Größe des Lumens, die prozentuale Okklusion und andere Informationen über das Gefäß liefern. Basierend auf der Analyse kann der Arzt unmittelbar die Größe eines erforderlichen Stents oder Ballons bestimmen, die Progression der Erkrankung bewerten oder Veränderungen bezüglich der Größe des Gefäßes identifizieren, die eine medizinische Beobachtung erforderlich machen kann.
Unter Bezugnahme auf 11 wird durch die vorliegende Erfindung eine dreidimensionale Oberflächenkontur aus einem Satz von intravaskulären Ultraschallbildern erzeugt. Sechs aufeinander folgende Bildschnitte oder Rahmen 0–5 sind gezeigt. Es soll verstanden werden, dass diese sechs beispielhaften Rahmen ein Teil von einem großen Satz von Rahmen sind, der hunderte von Bildern beinhalten kann, die während einer Ultraschallabtastung erhalten wurden. Um eine dreidimensionale Oberflächenkontur des Lumens des Gefäßes zu bestimmen, wählt der Benutzer einen Anfangsrahmen und einen Endrahmen aus einer Reihe von sequentiellen Bildrahmen aus, um ein anfängliches Konturmodell zu erzeugen. In diesem Fall wird Rahmen 0 als der Anfangsrahmen und Rahmen 5 als der Endrahmen ausgewählt. Der Anfangsrahmen und der Endrahmen werden basierend auf der visuellen Ähnlichkeit der luminalen Begrenzung in der Sequenz von Rahmen ausgewählt. Mit anderen Worten, der Anfangsrahmen, der Endrahmen und die Zwischenrahmen 1–4 dazwischen haben eine ähnliche luminale Kontur. Ein Rahmen, der eine wesentlich verschiedene luminale Kontur zeigt, würde nicht in einer ausgewählten Anfangs- und Endrahmenbildgruppe enthalten sein.
Unter weiterer Bezugnahme auf 11 wählt der Benutzer einen Satz von Anfangssteuerpunkten 1000 in der Nähe der luminalen Begrenzung im Anfangsrahmen 0 aus. Die Punkte werden an Positionen ausgewählt, wo der Benutzer die Begrenzung vermutet. Ein Satz von Endsteuerpunkten 1005 wird auf ähnliche Weise auf dem Endrahmen 5 ausgewählt. Die Steuerpunkte werden dann interpoliert, um eine anfängliche Anfangskontur 1010 und eine anfängliche Endkontur 1015 zu erzeugen, wie in 12 gezeigt ist. Basierend auf den anfänglichen Anfangs- und Endkonturen wird eine Kontur automatisch für jeden Zwischenrahmen 1–4 erzeugt, die jeweils als Konturen 1011–1014 bezeichnet sind. Beispielsweise können die Zwischenkonturen durch Interpolieren zwischen den anfänglichen Konturen des Anfangsrahmens 0 und des Endrahmens 5 erzeugt werden. Wenn die anfänglichen luminalen Begrenzungskonturen bestimmt sind, bilden sie dreidimensionale Oberflächendaten für das Lumen in dem Segment des Gefäßes, das den Rahmen 0–5 entspricht.
Unter Bezug auf 13 werden die in 12 gezeigten anfänglichen Konturen 1010–1015 entsprechend dem aktiven Konturverfahren optimiert, wie vorstehend beschrieben. Die Energiegleichung E beinhaltet jedoch einen zusätzlichen Term E_curv, wie folgt: E = ∫(α(s)·Econt + βτ(s)·Ecurv,T + βL(s)·Ecurv,L + γ(s)·Eimage)ds (8)
Da die Begrenzungskonturen in drei Dimensionen vorliegen, enthält der Krümmungsterm nun E_curv,T, was eine transversale Krümmungsbeschränkung ist, sowie E_curv,L, was eine longitudinale Krümmungsbeschränkung ist. Diese Terme begrenzen die Bewegung der Punkte, so dass eine longitudinale Kontinuität beibehalten wird und Knicke in der Kontur verhindert werden. Die Berechnung des Terms ist ähnlich wie vorstehend erläutert, mit der Ausnahme, dass die Steuerspitzen V unterschiedlich sind. In dem dreidimensionalen Modell ist V_i eine Spitze von dem aktuellen Bildrahmen, V_i-1 ist die Spitze von dem vorhergehenden Bildrahmen, und V_i+1 ist die Spitze von dem nachfolgenden Bildrahmen. Somit werden bidirektionale Bilddaten von benachbarten Rahmen verwendet, um die Begrenzungskonturen zu optimieren.
Die Kontureinstellung wird iterativ durchgeführt, wie vorstehend beschrieben, wobei die Energiegleichung für jeden Begrenzungssteuerpunkt auf der anfänglichen Kontur 1010 des Rahmens 0 einmal berechnet wird. Die Verarbeitung geht dann zum nächsten Rahmen 1 weiter. Nachdem der Endrahmen 5 mit der einen Iteration durch all seine Steuerpunkte optimiert ist, wird der Prozess mit dem Anfangsrahmen 0 wiederholt und fortgesetzt, um zyklisch durch die Rahmen zu laufen, bis ein vom Benutzer ausgewählter Grenzwertzustand für die Energiegleichung erfüllt ist oder eine vom Benutzer ausgewählte Anzahl von Iterationen durchgeführt ist. Wie vorstehend erläutert, besteht die Aufgabe der Energiegleichung darin, deren Werte zu minimieren, indem jeder Punkt auf der Kontur in Richtung der Kante der luminalen Begrenzung eingestellt wird. Die endgültigen Konturen in jedem Rahmen werden dann zu einer optimierten Darstellung der tatsächlichen Begrenzungskontur des Lumens. Abschließend optimierte Begrenzungskonturen 1020–1025 sind in 13 als Konturen 1020–1025 jeweils in Rahmen 0–5 gezeigt.
Unter Bezugnahme auf 14 ist eine dreidimensionale Oberflächenkontur von einem Lumen von einem Blutgefäß gezeigt, bestimmt aus einem Satz von endgültig optimierten Konturen, die mittels der vorliegenden Erfindung erhalten wurden. Die Oberflächendaten werden unter Verwendung von Begrenzungskonturdaten von einem Rahmen zum nächsten korreliert. Die vorliegende Erfindung vereinfacht die Bestimmung der Begrenzung für den Benutzer, da eine Eingabe von dem Benutzer nur bei einem Anfangs- und Endbildrahmen erforderlich ist. Die Begrenzungen auf Zwischenbildrahmen werden automatisch bestimmt. Daher können Hunderte von Bildrahmen durch den Benutzer schnell verarbeitet werden, indem Rahmen zwischen Anfangs- und Endrahmen selektiv gruppiert werden. Beispielhafte Testergebnisse zeigen, dass mit der vorliegenden Erfindung Konturen für etwa 180 Bildrahmen in etwa 20 Minuten bestimmt werden können. Im Gegensatz dazu benötigt ein Benutzer normalerweise etwa eine Stunde, um manuell Konturen auf 10 Bildern zu verfolgen.
Mit Bezug auf 15 ist der Bildrahmen 0 gezeigt, einschließlich einer luminalen Kontur 1030 und einer medial-adventitialen Kontor 1035. Um die medial-adventitiale Kontur zu bestimmen, wird der Prozess wiederholt, indem Steuerpunkte auf dem Bild an Positionen ausgewählt werden, von denen angenommen wird, dass sie sich in der Nähe der medial-adventitialen Begrenzung des Gefäßes befinden. Natürlich kann die Verarbeitung simultan durchgeführt werden, wo der Benutzer Begrenzungssteuerpunkte für sowohl die luminale Begrenzung wie auch die medial-adventitiale Begrenzung auf dem ausgewählten Anfangsrahmen und Endrahmen auswählt. Wenn die medial-adventitialen Begrenzungsdaten für alle Rahmen gefunden sind, kann eine Plaque-Analyse durchgeführt werden, indem die luminalen Begrenzungskonturdaten und die medial-adventitialen Begrenzungskonturdaten verglichen werden. Durch Kenntnis der Distanz zwischen jedem Rahmen, bestimmt durch Verfolgen der Position des Messwandlers während der Bildaufnahme, können volumetrische Informationen, wie zum Beispiel das Plaque-Volumen, berechnet werden.
Die Erfindung wurde unter Bezugnahme auf das bevorzugte Ausführungsbeispiel beschrieben. Modifikationen, Veränderungen und Abwandlungen sind jedoch beim Lesen und Verstehen dieser Beschreibung offensichtlich. Es ist beabsichtigt, dass all diese Modifikationen und Abwandlungen, sofern sie in den Schutzbereich der beigefügten Ansprüche fallen, Äquivalente davon sind.

Claims

System zur Bestimmung einer Begrenzungskontur (110) von einem Blutgefäß aus einem intravaskulären Ultraschallbild (100), wobei das Ultraschallbild (100) aus Daten erzeugt ist, die innerhalb des Blutgefäßes in radialer Richtung durch eine Ultraschallvorrichtung (10) gewonnen sind, mit: einer Anzeigekomponente, die konfiguriert ist, um das Ultraschallbild (100) anzuzeigen, wobei das Ultraschallbild (100) eine Querschnittsansicht von einem Blutgefäß ist und ein kartesisches Bild ist, wobei das Ultraschallbild (100) eine Darstellung von einer Begrenzung des Blutgefäßes beinhaltet; und einer analytischen Komponente, die ausgestaltet, um ausgewählte Steuerpunkte (105) entlang der Begrenzung zu empfangen, um zwischen den Steuerpunkten (105) zu interpolieren, um eine Begrenzungskontur (110) zu erzeugen und um die Begrenzungskontur (110) zu optimieren, indem jeder der Steuerpunkte (105) basierend auf einem Gradientenbild (730) eingestellt wird, das eine differenzierte Begrenzung beinhaltet, wobei das Gradientenbild (730) aus dem Ultraschallbild (100) bestimmt ist; dadurch gekennzeichnet, dass die Anzeigekomponente ferner ausgestaltet ist, um eine Mehrzahl von Ultraschallbildern (100) anzuzeigen, die eine sequentielle Sequenz von Bildern des Blutgefäßes sind, wobei das Ultraschallbild (100) ein Anfangsbild ist; und die analytische Komponente ferner ausgestaltet ist, um ausgewählte Steuerpunkte (105) entlang der Begrenzung auf einem Endbild aus der Mehrzahl von Ultraschallbildern (100) zu empfangen, so dass sich mindestens ein Zwischenbild zwischen dem Anfangsbild und dem Endbild befindet, und um zwischen den Steuerpunkten (105) des Anfangsbildes und des Endbildes zu interpolieren, um automatisch eine Begrenzungskontur (110) auf dem mindestens einen Zwischenbild zu erzeugen.
System zur Bestimmung einer Begrenzungskontur (110) nach Anspruch 1, bei dem: die analytische Komponente konfiguriert ist, um die Begrenzungskontur (110) auf dem Anfangsbild, dem mindestens einen Zwischenbild und dem Endbild zu optimieren, indem jeder der Steuerpunkte (105) basierend auf einem Gradientenbild (730) eingestellt wird, das eine differenzierte Begrenzung enthält, die aus dem Ultraschallbild (100) des Anfangsbildes, des zumindest einen Zwischenbildes und des Endbildes bestimmt ist.
System zur Bestimmung einer Begrenzungskontur (110) nach Anspruch 1, bei dem die analytische Komponente ferner ausgestaltet ist, um die differenzierte Begrenzung durch Analysieren von Pixelwerten des Ultraschallbildes (100) in radialer Richtung zu bestimmen.
System zur Bestimmung einer Begrenzungskontur (110) nach Anspruch 1, bei dem die analytische Komponente ausgestaltet ist, um ein Gradientenbild (730) zu bilden, durch: Konvertieren des Ultraschallbildes (100) in ein polares Bild (600), wobei das polare Bild (600) eine Mehrzahl von radialen Abtastlinien aufweist, die eine Mehrzahl von Pixel beinhalten; Bestimmen einer Kante der Begrenzung in radialer Richtung entlang jeder der radialen Abtastlinien durch Anwenden eines Gradientenfilters auf jedes der Mehrzahl von Pixeln, wobei der Gradientenfilter Pixel differenziert, die mit einer Wahrscheinlichkeit die Kante der Begrenzung bilden, wobei die differenzierten Pixel die differenzierte Begrenzung definieren; und Konvertieren des polaren Bildes (600) des Ultraschallbildes (100) in ein kartesisches Format, um das Gradientenbild (730) in einem kartesischen Format zu erhalten, einschließlich der differenzierten Begrenzung.
System zur Bestimmung einer Begrenzungskontur (110) nach Anspruch 1, bei dem die analytische Komponente konfiguriert ist, um die Begrenzungskontur (110) durch Einstellen von jedem der Steuerpunkte (105) basierend auf einer Punktabstandsbeschränkung und einer Krümmungsbeschränkung zu optimieren, wodurch in der Begrenzungskontur (110) eine Kontinuität beibehalten wird.
System zur Bestimmung einer Begrenzungskontur (110) nach Anspruch 5, bei dem die analytische Komponente ausgestaltet ist, um die Optimierung für jeden der Steuerpunkte (105) iterativ durchzuführen.