JPH07143977A - 狭窄の自動検出のためのデジタル画像処理方法 - Google Patents
狭窄の自動検出のためのデジタル画像処理方法Info
- Publication number
- JPH07143977A JPH07143977A JP6169839A JP16983994A JPH07143977A JP H07143977 A JPH07143977 A JP H07143977A JP 6169839 A JP6169839 A JP 6169839A JP 16983994 A JP16983994 A JP 16983994A JP H07143977 A JPH07143977 A JP H07143977A
- Authority
- JP
- Japan
- Prior art keywords
- stenosis
- blood vessel
- intensity
- image
- pixels
- 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
Links
- 238000001514 detection method Methods 0.000 title claims description 18
- 238000003672 processing method Methods 0.000 title abstract description 6
- 208000031481 Pathologic Constriction Diseases 0.000 claims abstract description 86
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 65
- 230000008859 change Effects 0.000 claims abstract description 4
- 208000037804 stenosis Diseases 0.000 claims description 81
- 230000036262 stenosis Effects 0.000 claims description 79
- 238000000034 method Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000005452 bending Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000001575 pathological effect Effects 0.000 description 17
- 230000001537 neural effect Effects 0.000 description 7
- 230000000717 retained effect Effects 0.000 description 6
- 210000001367 artery Anatomy 0.000 description 3
- 210000004351 coronary vessel Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000036770 blood supply Effects 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000004165 myocardium Anatomy 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000001994 activation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20044—Skeletonization; Medial axis transform
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S128/00—Surgery
- Y10S128/92—Computer assisted medical diagnostics
- Y10S128/922—Computer assisted medical diagnostics including image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】
【目的】 狭窄の自動検出を可能にし、少なくとも血管
の中心線上に位置する画素又は点を識別する追跡段階と
呼ばれる段階からなるデジタル血管造影画像の処理方法
を提供する。 【構成】 それはまた血管の中心線に沿った画素の強度
の測定により狭窄の検出をする段階を有し、該段階は画
素の強度がこの領域の両側の画素の強度と画像の背景の
画素の強度との間の中間値をとるよう局部変化を示す場
合に画素領域が潜在的狭窄領域かどうかを決定する副段
階と、潜在的狭窄領域の周囲のイコンを決定する副段階
と、イコン内の血管の縁の画素を抽出する副段階からな
ることを特徴とする方法。
の中心線上に位置する画素又は点を識別する追跡段階と
呼ばれる段階からなるデジタル血管造影画像の処理方法
を提供する。 【構成】 それはまた血管の中心線に沿った画素の強度
の測定により狭窄の検出をする段階を有し、該段階は画
素の強度がこの領域の両側の画素の強度と画像の背景の
画素の強度との間の中間値をとるよう局部変化を示す場
合に画素領域が潜在的狭窄領域かどうかを決定する副段
階と、潜在的狭窄領域の周囲のイコンを決定する副段階
と、イコン内の血管の縁の画素を抽出する副段階からな
ることを特徴とする方法。
Description
【0001】
【産業上の利用分野】本発明は狭窄の自動検出を可能に
し、少なくとも血管の中心線上に位置する画素又は点を
識別する追跡段階と呼ばれる段階からなるデジタル血管
造影画像の処理方法に関する。本発明は、人間又は動物
の動脈造影図に基づき例えばデジタル画像化システム内
で狭窄のような異常の検出を促進するのに用いられる。
し、少なくとも血管の中心線上に位置する画素又は点を
識別する追跡段階と呼ばれる段階からなるデジタル血管
造影画像の処理方法に関する。本発明は、人間又は動物
の動脈造影図に基づき例えばデジタル画像化システム内
で狭窄のような異常の検出を促進するのに用いられる。
【0002】
【従来の技術】動脈造影図は血管を可視化するための特
殊な画像である。動脈造影図の種々の型が形成されう
る:動脈は共に冠動脈木を形成する心臓又は心筋の筋肉
組織の動脈を画像化する冠動脈動脈造影図;下部及び上
部の給血を可視化する末梢動脈造影図;脳動脈造影図。
例として、以下に冠動脈動脈造影図を示す。狭窄は動脈
内に発生する部分的又は全体的な障害により引き起こさ
れる局部的な拘束(stricture)である。冠動
脈木内で、狭窄は心筋への給血を顕著に妨げるので、動
脈造影図に基づき、放射線科医により検出されなければ
ならない。
殊な画像である。動脈造影図の種々の型が形成されう
る:動脈は共に冠動脈木を形成する心臓又は心筋の筋肉
組織の動脈を画像化する冠動脈動脈造影図;下部及び上
部の給血を可視化する末梢動脈造影図;脳動脈造影図。
例として、以下に冠動脈動脈造影図を示す。狭窄は動脈
内に発生する部分的又は全体的な障害により引き起こさ
れる局部的な拘束(stricture)である。冠動
脈木内で、狭窄は心筋への給血を顕著に妨げるので、動
脈造影図に基づき、放射線科医により検出されなければ
ならない。
【0003】実時間画像及び画像のデジタル化を供する
X線検出器の使用と結合した近年のデジタルX線撮影の
導入は、従来のX線撮影と比べて画像化の分野内で主要
な進歩をなした。それは実際にデジタル画像処理技術に
より提供された多くの可能性への接近をなさしめた。血
管造影画像を形成する他の方法はまた、例えば磁気共鳴
を用いる方法が知られている。
X線検出器の使用と結合した近年のデジタルX線撮影の
導入は、従来のX線撮影と比べて画像化の分野内で主要
な進歩をなした。それは実際にデジタル画像処理技術に
より提供された多くの可能性への接近をなさしめた。血
管造影画像を形成する他の方法はまた、例えば磁気共鳴
を用いる方法が知られている。
【0004】しかしながら、本発明はそれによりデジタ
ル画像が得られる方法とその中で再現された対象の性質
のどちらも考慮に入れないが、充分均一な背景上の充分
均一でコントラストのある物体で構成されるこれらの対
象により供される示された対象の中心点及び縁の点を決
定するためにデジタル画像の処理に専ら関わる。冠動脈
動脈造影図内の血管の輪郭の自動識別方法は、Ying
Sun著の「Automated Identifi
cation of Vessel Contours
in Coronary Arteriograms
byan adaptive Tracking A
lgorithm」,IEEETransaction
s on Medical Imaging,Vol.
8,No.1,1989年3月から知られている。上記
引用論文に、デジタル化された動脈造影図内のこれらの
血管の輪郭を識別するための血管の中心線のいわゆる
「追跡」アルゴリズムについて記載されている。該アル
ゴリズムは本質的に3つの段階を含む: 1)血管の中心線上に位置する点の識別。中心線の各点
は3つの属性を有する、即ち:それの位置、点が属する
所への血管部分の方向に平行なベクトルの方向、及びこ
の点での血管の半値幅である。血管の中心線上の与えら
れた開始点Pkにおいて、該アルゴリズムは開始点Pk
の属性ベクトルの方向内の与えられた距離dにおける点
ル画像が得られる方法とその中で再現された対象の性質
のどちらも考慮に入れないが、充分均一な背景上の充分
均一でコントラストのある物体で構成されるこれらの対
象により供される示された対象の中心点及び縁の点を決
定するためにデジタル画像の処理に専ら関わる。冠動脈
動脈造影図内の血管の輪郭の自動識別方法は、Ying
Sun著の「Automated Identifi
cation of Vessel Contours
in Coronary Arteriograms
byan adaptive Tracking A
lgorithm」,IEEETransaction
s on Medical Imaging,Vol.
8,No.1,1989年3月から知られている。上記
引用論文に、デジタル化された動脈造影図内のこれらの
血管の輪郭を識別するための血管の中心線のいわゆる
「追跡」アルゴリズムについて記載されている。該アル
ゴリズムは本質的に3つの段階を含む: 1)血管の中心線上に位置する点の識別。中心線の各点
は3つの属性を有する、即ち:それの位置、点が属する
所への血管部分の方向に平行なベクトルの方向、及びこ
の点での血管の半値幅である。血管の中心線上の与えら
れた開始点Pkにおいて、該アルゴリズムは開始点Pk
の属性ベクトルの方向内の与えられた距離dにおける点
【0005】
【外1】
【0006】を計算する。続いて、コンボリューション
フィルターは該ベクトルに垂直な主方向、即ち開始点P
k での走査方向に平行な方向、を有する長方形フィルタ
ー手段により実施される。このフィルター操作は与えら
れた点P’k + d の識別を可能にし、これは点
フィルターは該ベクトルに垂直な主方向、即ち開始点P
k での走査方向に平行な方向、を有する長方形フィルタ
ー手段により実施される。このフィルター操作は与えら
れた点P’k + d の識別を可能にし、これは点
【0007】
【外2】
【0008】を通過する走査線に沿った濃度プロフィー
ルと長方形の理想的な濃度プロフィール間のコンボリュ
ーションを実施することにより決定される。コンボリュ
ーションは最大値が捜索されるベクトルを結果として生
じ、該最大値は濃度プロフィールの最大値に対応し、新
たな点P’k + d の更新を可能にする画素に関する。 2)血管の縁の識別:新たな点P’k + d に対応する血
管の縁は横断濃度プロフィール上の屈曲、即ち更新操作
から生ずる点P’k + d の属性ベクトルに垂直、の点の
位置として識別される。血管の半値幅は斯くして更新さ
れ、その後に捜索された中心線の新たな点P’k + d が
最終的に識別される。
ルと長方形の理想的な濃度プロフィール間のコンボリュ
ーションを実施することにより決定される。コンボリュ
ーションは最大値が捜索されるベクトルを結果として生
じ、該最大値は濃度プロフィールの最大値に対応し、新
たな点P’k + d の更新を可能にする画素に関する。 2)血管の縁の識別:新たな点P’k + d に対応する血
管の縁は横断濃度プロフィール上の屈曲、即ち更新操作
から生ずる点P’k + d の属性ベクトルに垂直、の点の
位置として識別される。血管の半値幅は斯くして更新さ
れ、その後に捜索された中心線の新たな点P’k + d が
最終的に識別される。
【0009】該プロセスは開始点Pk の第一の属性ベク
トルに垂直な走査線上に位置する全ての点:k+1から
k+dまで、に対して繰り返される。この方向ベクトル
は全体の距離dに対し同じになるように維持される。分
岐の場合、プロセスは最大濃度を有する血管の枝を選択
し、それにより更新された濃度プロフィールは二重の頂
点を示さない。
トルに垂直な走査線上に位置する全ての点:k+1から
k+dまで、に対して繰り返される。この方向ベクトル
は全体の距離dに対し同じになるように維持される。分
岐の場合、プロセスは最大濃度を有する血管の枝を選択
し、それにより更新された濃度プロフィールは二重の頂
点を示さない。
【0010】3)空間的平均:この「追跡」操作はN入
力を有する血管の記述を生成する。各入力は以下の3点
により特徴づけられる:血管の中心線上の点の位置;血
管の曲率の関数として選択された長さdの部分内の中心
線に平行なベクトルの方向;;この点での血管の半値
幅。動脈造影図の処理で生ずる第一の技術的問題は全て
の病的状態の検出及び誤り警報の除去である。
力を有する血管の記述を生成する。各入力は以下の3点
により特徴づけられる:血管の中心線上の点の位置;血
管の曲率の関数として選択された長さdの部分内の中心
線に平行なベクトルの方向;;この点での血管の半値
幅。動脈造影図の処理で生ずる第一の技術的問題は全て
の病的状態の検出及び誤り警報の除去である。
【0011】検出されるべき病的状態は幅の局部最小を
単に示す血管内の局部的狭窄の形をとって現れる狭窄の
みではない。病的状態はまた、実質的に均一な第一の幅
を有する血管内で、第一の幅に比べてより小さな第二の
幅への急な遷移として現れる「段」と呼ばれる狭窄の型
にも係わる。「段」のこの型は血管が2つの血管に分岐
する第一の幅のいわゆる主血管に関することを表し、該
2つの血管の一方は第二の幅を有し、主血管の延長とし
てまだ可視的である一方で、他の血管は主血管から分岐
し消失する、即ち動脈造影図内で完全に不可視となる点
から完全に閉塞される。
単に示す血管内の局部的狭窄の形をとって現れる狭窄の
みではない。病的状態はまた、実質的に均一な第一の幅
を有する血管内で、第一の幅に比べてより小さな第二の
幅への急な遷移として現れる「段」と呼ばれる狭窄の型
にも係わる。「段」のこの型は血管が2つの血管に分岐
する第一の幅のいわゆる主血管に関することを表し、該
2つの血管の一方は第二の幅を有し、主血管の延長とし
てまだ可視的である一方で、他の血管は主血管から分岐
し消失する、即ち動脈造影図内で完全に不可視となる点
から完全に閉塞される。
【0012】その様な完全に閉塞された可視できない血
管を検出する唯一の手段は、主血管内の「段がついた」
狭窄を検出することである。後者の病的状態は上記引用
された技術水準のアルゴリズムにより認識されえない。
故に、知られている方法では、以下に示す例を識別しえ
ず、ここで「段」は、分岐の後に2つの第二の血管のう
ちの1つが、顕著な病例では、自然な曲がりが血管内で
生ずる病的でない例から完全に消失したという事実によ
り生ずる。特徴的な「段」の型は単に放射線科医に閉塞
された血管を発見させうる警報であるのみなので、アル
ゴリズムのこの型では放射線科医は患者の状態に関する
重大さと同様に数の多いこれらの病的状態を検出できな
い。
管を検出する唯一の手段は、主血管内の「段がついた」
狭窄を検出することである。後者の病的状態は上記引用
された技術水準のアルゴリズムにより認識されえない。
故に、知られている方法では、以下に示す例を識別しえ
ず、ここで「段」は、分岐の後に2つの第二の血管のう
ちの1つが、顕著な病例では、自然な曲がりが血管内で
生ずる病的でない例から完全に消失したという事実によ
り生ずる。特徴的な「段」の型は単に放射線科医に閉塞
された血管を発見させうる警報であるのみなので、アル
ゴリズムのこの型では放射線科医は患者の状態に関する
重大さと同様に数の多いこれらの病的状態を検出できな
い。
【0013】第二の技術的問題は上記病的状態、即ち第
一の状態は血管の局部狭窄を含み、第二の状態は「段が
ついた」狭窄を含む、の完全自動検出の手段を提供する
医療用画像化システムの実施に存する。完全自動検出と
は病的状態の検出は操作者からの助けなしに実施されな
ければならないという意味である。血管造影の構成は通
常覚醒している患者が、例えばコントラスト媒体を大腿
動脈を介してカテーテル手段により注入され;続いて操
作者が、例えば一秒間に30画像のレートで一連のビデ
オ画像の形を取る冠動脈木の多数の照射をなす。その様
な一連の画像は数回の心臓周期の表示を可能にする。上
記狭窄は検出されるべき主要な異常である。しかしなが
ら、その様な検出は血管の好ましくない向き又は前面に
ある血管の背後の背景の血管の進路により妨げられる。
故に異なった投影角度を用い、またコントラスト媒体の
濃度が血管の良い可視性を確実にするのに充分濃い一連
のビデオ画像の全ての画像内の狭窄の検出を企てること
が必要である。
一の状態は血管の局部狭窄を含み、第二の状態は「段が
ついた」狭窄を含む、の完全自動検出の手段を提供する
医療用画像化システムの実施に存する。完全自動検出と
は病的状態の検出は操作者からの助けなしに実施されな
ければならないという意味である。血管造影の構成は通
常覚醒している患者が、例えばコントラスト媒体を大腿
動脈を介してカテーテル手段により注入され;続いて操
作者が、例えば一秒間に30画像のレートで一連のビデ
オ画像の形を取る冠動脈木の多数の照射をなす。その様
な一連の画像は数回の心臓周期の表示を可能にする。上
記狭窄は検出されるべき主要な異常である。しかしなが
ら、その様な検出は血管の好ましくない向き又は前面に
ある血管の背後の背景の血管の進路により妨げられる。
故に異なった投影角度を用い、またコントラスト媒体の
濃度が血管の良い可視性を確実にするのに充分濃い一連
のビデオ画像の全ての画像内の狭窄の検出を企てること
が必要である。
【0014】故に多くのこれらの画像があり、放射線科
医はゆっくり過ぎてゆくこれらの画像を研究する一方で
診断をなす。故に、上記の進んだ、自動的な病的状態の
検出の必要がある。心理的に言えば、放射線科医は最も
はなはだしい病的状態に注意を向け、患者の特徴に対し
て臨床的観点から見てより可視的ではないが、より妨害
的又は重大な所与の状態を無視する傾向がある。放射線
科医はまた所与の病的状態を見過ごすかもしれない。何
故ならば、それらは、一連の画像の一枚の画像、又は数
枚の画像にのみ現れるだけだからである。
医はゆっくり過ぎてゆくこれらの画像を研究する一方で
診断をなす。故に、上記の進んだ、自動的な病的状態の
検出の必要がある。心理的に言えば、放射線科医は最も
はなはだしい病的状態に注意を向け、患者の特徴に対し
て臨床的観点から見てより可視的ではないが、より妨害
的又は重大な所与の状態を無視する傾向がある。放射線
科医はまた所与の病的状態を見過ごすかもしれない。何
故ならば、それらは、一連の画像の一枚の画像、又は数
枚の画像にのみ現れるだけだからである。
【0015】故に、放射線科医が病的状態を解明するシ
ステムを利用しうることが重要であり、それにより放射
線科医は注意を検査に不可欠な最も興味ある情報を実質
的に含む画像領域、又は一連の画像の一枚又は数枚の画
像の領域に向けうる。斯くして注意は先験的により病的
でなさそうであるにもかかわらず病的状態を含む領域に
向けられえ;更にまた明白ではあるが更なる医学的処置
の観点から主要な重要性のない少数の狭窄への集中から
そらされうる。
ステムを利用しうることが重要であり、それにより放射
線科医は注意を検査に不可欠な最も興味ある情報を実質
的に含む画像領域、又は一連の画像の一枚又は数枚の画
像の領域に向けうる。斯くして注意は先験的により病的
でなさそうであるにもかかわらず病的状態を含む領域に
向けられえ;更にまた明白ではあるが更なる医学的処置
の観点から主要な重要性のない少数の狭窄への集中から
そらされうる。
【0016】その様な病的状態の検出の完全自動化は上
記引用論文から知られているアルゴリズムによっては達
成されない。
記引用論文から知られているアルゴリズムによっては達
成されない。
【0017】
【発明が解決しようとする課題】本発明の目的は、上記
病的状態の少なくとも第一及び第二の型の完全自動検出
の可能な方法を提供することである。
病的状態の少なくとも第一及び第二の型の完全自動検出
の可能な方法を提供することである。
【0018】
【課題を解決するための手段】本発明により、この目的
はそれはまた血管の中心線に沿った画素の強度の測定に
より狭窄の検出をする段階と、その画素の強度がこの領
域の両側の画素の強度と画像の背景の画素の強度との間
の中間値をとるよう局部変化を示す場合に該段階は画素
領域が潜在的狭窄領域かどうかを決定する副段階と、潜
在的狭窄領域の周囲のイコンを決定する副段階と、イコ
ン内の血管の縁の画素を抽出する副段階からなることを
特徴とする処理方法により達成される。
はそれはまた血管の中心線に沿った画素の強度の測定に
より狭窄の検出をする段階と、その画素の強度がこの領
域の両側の画素の強度と画像の背景の画素の強度との間
の中間値をとるよう局部変化を示す場合に該段階は画素
領域が潜在的狭窄領域かどうかを決定する副段階と、潜
在的狭窄領域の周囲のイコンを決定する副段階と、イコ
ン内の血管の縁の画素を抽出する副段階からなることを
特徴とする処理方法により達成される。
【0019】本発明の目的はまた、誤りを自動的に及び
できうるかぎり除去することが可能なシステムを提供す
ることにある。狭窄の検出には2つ型の起こりうる誤
り:肯定的誤りと否定的誤りがある。肯定的誤り又は誤
り警報は誤って検出された狭窄、即ち局部領域が狭窄の
全くない血管を実際に含むのに対して狭窄を含むとして
領域が識別され、またはそれが血管以外の要素を含むの
に対して狭窄を含むとして領域が識別されることであ
る。否定的誤りは検出されない狭窄、即ち病的状態を含
む領域の識別がされないことである。
できうるかぎり除去することが可能なシステムを提供す
ることにある。狭窄の検出には2つ型の起こりうる誤
り:肯定的誤りと否定的誤りがある。肯定的誤り又は誤
り警報は誤って検出された狭窄、即ち局部領域が狭窄の
全くない血管を実際に含むのに対して狭窄を含むとして
領域が識別され、またはそれが血管以外の要素を含むの
に対して狭窄を含むとして領域が識別されることであ
る。否定的誤りは検出されない狭窄、即ち病的状態を含
む領域の識別がされないことである。
【0020】本発明によれば、この目的は、それはまた
狭窄の重症度を決定し、誤り警報を決定する段階からな
り、各潜在的狭窄に対してそれが本当の狭窄に関するの
か又は誤り警報なのかの確率を供するニューラルネット
ワークにより実行されることを特徴とする方法により達
成される。以下に図を参照して本発明をより詳細に説明
する。
狭窄の重症度を決定し、誤り警報を決定する段階からな
り、各潜在的狭窄に対してそれが本当の狭窄に関するの
か又は誤り警報なのかの確率を供するニューラルネット
ワークにより実行されることを特徴とする方法により達
成される。以下に図を参照して本発明をより詳細に説明
する。
【0021】
【実施例】図1を参照するに、X線発生器100と、患
者用可動テーブル102と、マイクロプロセッサからな
るデジタル画像処理システム105に用いられるビデオ
管球104に接続された画像増強装置103とからなる
デジタルX線撮影システムを示す。後者は幾つかの出
力、X線撮影画像の表示のためのモニター107に接続
される出力106からなる。
者用可動テーブル102と、マイクロプロセッサからな
るデジタル画像処理システム105に用いられるビデオ
管球104に接続された画像増強装置103とからなる
デジタルX線撮影システムを示す。後者は幾つかの出
力、X線撮影画像の表示のためのモニター107に接続
される出力106からなる。
【0022】デジタル化されたX線撮影画像は、例えば
512x512又は1024x1024画素の、8つの
階調又は強度段階を有し、ここで最低強度段階は最も暗
い部分に対応する。本発明はデジタル画像を処理する方
法を提供し、本発明の種々の段階が図2の機能ブロック
により表されている。本発明は血管の局部的狭窄からな
る第一の型の狭窄と、「段がついた」狭窄からなる第二
の型の狭窄とを検出することを目的とする。本発明によ
る方法はまた医学的知識の進歩により他のどの様な異常
の検出にも適用されうるように拡張されうる。
512x512又は1024x1024画素の、8つの
階調又は強度段階を有し、ここで最低強度段階は最も暗
い部分に対応する。本発明はデジタル画像を処理する方
法を提供し、本発明の種々の段階が図2の機能ブロック
により表されている。本発明は血管の局部的狭窄からな
る第一の型の狭窄と、「段がついた」狭窄からなる第二
の型の狭窄とを検出することを目的とする。本発明によ
る方法はまた医学的知識の進歩により他のどの様な異常
の検出にも適用されうるように拡張されうる。
【0023】図3の(A)を参照するに、領域11内の
第一の幅L11を有し、続いて短い長さ上のさらにより
小さな幅Rの領域13が示され、それから第一の幅L1
1とほとんど等しい領域12内の第二の幅L12を有す
る血管の局部的狭窄からなる第一の型の狭窄を示す。こ
の病的状態は部分的かつ局部的な血管の閉塞に対応す
る。
第一の幅L11を有し、続いて短い長さ上のさらにより
小さな幅Rの領域13が示され、それから第一の幅L1
1とほとんど等しい領域12内の第二の幅L12を有す
る血管の局部的狭窄からなる第一の型の狭窄を示す。こ
の病的状態は部分的かつ局部的な血管の閉塞に対応す
る。
【0024】図3の(B)を参照するに、領域21内の
第一の幅L21を有し、続いて領域22内の第一の幅L
21より小さい第二の幅L22上で急に変化する血管内
の急な延長された狭窄23からなる第二の型の狭窄を示
す。この病的状態は血管24の完全な閉塞に対応し、こ
れは、破線により示され、領域23での分岐による血管
の部分21及び22に接続し、画像内で完全に消失す
る。
第一の幅L21を有し、続いて領域22内の第一の幅L
21より小さい第二の幅L22上で急に変化する血管内
の急な延長された狭窄23からなる第二の型の狭窄を示
す。この病的状態は血管24の完全な閉塞に対応し、こ
れは、破線により示され、領域23での分岐による血管
の部分21及び22に接続し、画像内で完全に消失す
る。
【0025】図2を参照して、本発明による画像処理は
以下の段階からなる: 段階1:背景の引き算 この段階は図2の機能ブロック1に対応する。一連の各
画像Iに対して、濃度のスケールの対数関数的圧縮がな
される。X線画像の場合、斯くして変換された画素の濃
度は画像内の対象によるX線の吸収に比例するようにな
る。血管はより明るい背景上の暗い構造として現れる。
以下の段階からなる: 段階1:背景の引き算 この段階は図2の機能ブロック1に対応する。一連の各
画像Iに対して、濃度のスケールの対数関数的圧縮がな
される。X線画像の場合、斯くして変換された画素の濃
度は画像内の対象によるX線の吸収に比例するようにな
る。血管はより明るい背景上の暗い構造として現れる。
【0026】画像の背景は三次元構成要素を用いること
により形態学的に閉じた(morphological
closing)操作により抽出される(図2に、
「背景抽出」と示した)。より詳しくは、画像の領域は
その濃度は空間内で非常にゆっくりと変化するために、
又はその中に現れる小さい幅の対象のコントラストは血
管のそれの逆である(即ち暗い背景上の明るい部分)た
めに背景の一部をなすと考えられる。斯くして評価され
た背景は血管のコントラストが強く増強された新たな画
像を得るために画像から代数的に引き算される。続い
て、画像の背景に内在するノイズはダイナミック閾値決
め操作により減少される。
により形態学的に閉じた(morphological
closing)操作により抽出される(図2に、
「背景抽出」と示した)。より詳しくは、画像の領域は
その濃度は空間内で非常にゆっくりと変化するために、
又はその中に現れる小さい幅の対象のコントラストは血
管のそれの逆である(即ち暗い背景上の明るい部分)た
めに背景の一部をなすと考えられる。斯くして評価され
た背景は血管のコントラストが強く増強された新たな画
像を得るために画像から代数的に引き算される。続い
て、画像の背景に内在するノイズはダイナミック閾値決
め操作により減少される。
【0027】構成要素の形態学的に閉じた操作の観点か
らの参考論文は、Keith M.Andress,D
avid L Willson著の「Optimiza
tion of Morphological Str
acturing Elements for Ang
iogram Enhancement」、SPIE,
Vol.1445,Image Processin
g,1991年6ー10頁に記載されている。
らの参考論文は、Keith M.Andress,D
avid L Willson著の「Optimiza
tion of Morphological Str
acturing Elements for Ang
iogram Enhancement」、SPIE,
Vol.1445,Image Processin
g,1991年6ー10頁に記載されている。
【0028】この第一の段階の最後に、画像は原理的に
は図4の(A)に例として示されたように冠動脈木のみ
を含む。図4の(A)のデジタル画像内に血管は実質的
に空白の背景上に暗いバンドとして現れる。続いて、デ
ジタル画像処理方法は以下に続く基本段階からなる:血
管の中心線の点の正確な推定;潜在的病的状態の検出;
中心線の点の正確な知識に基づいた血管の縁、病的領域
に限定された、の決定;誤り警報の決定及び却下。
は図4の(A)に例として示されたように冠動脈木のみ
を含む。図4の(A)のデジタル画像内に血管は実質的
に空白の背景上に暗いバンドとして現れる。続いて、デ
ジタル画像処理方法は以下に続く基本段階からなる:血
管の中心線の点の正確な推定;潜在的病的状態の検出;
中心線の点の正確な知識に基づいた血管の縁、病的領域
に限定された、の決定;誤り警報の決定及び却下。
【0029】全体の方法は、種々の病的状態の位置決め
及び誤り警報の却下について放射線科医を助けることを
目的とするのみならず、この操作の完全自動化を可能に
することにもある。 段階2:血管の中心線の点の推定 この段階は、図2のブロック2により表され、ブロック
2で「追跡」と示されているが、血管の中心線又は中間
値上に位置する点又は画素の座標の正確な決定を達成し
うる方法の中から選択され、該線は当業者に知られた冠
動脈木の骨組みを形成する。
及び誤り警報の却下について放射線科医を助けることを
目的とするのみならず、この操作の完全自動化を可能に
することにもある。 段階2:血管の中心線の点の推定 この段階は、図2のブロック2により表され、ブロック
2で「追跡」と示されているが、血管の中心線又は中間
値上に位置する点又は画素の座標の正確な決定を達成し
うる方法の中から選択され、該線は当業者に知られた冠
動脈木の骨組みを形成する。
【0030】冠動脈木の骨組みを決定する方法の選択は
当業者にある。例えば、1994年2月16日出願のフ
ランス国公開特許広報第9401770号又は1993
年7月22日出願のフランス国公開特許広報第9309
055号に開示される方法を用いることによりなしう
る。冠動脈木の骨組みは図4の(B)に示すように斯く
現れ、図4の(A)の血管造影画像上で段階2中に実行
された操作から得られた点により専ら形成され、該点は
血管の中央線上に位置し、それらの強度はここでは処理
されたデジタル画像ないの点の座標の関数として得られ
る正確なデータである。
当業者にある。例えば、1994年2月16日出願のフ
ランス国公開特許広報第9401770号又は1993
年7月22日出願のフランス国公開特許広報第9309
055号に開示される方法を用いることによりなしう
る。冠動脈木の骨組みは図4の(B)に示すように斯く
現れ、図4の(A)の血管造影画像上で段階2中に実行
された操作から得られた点により専ら形成され、該点は
血管の中央線上に位置し、それらの強度はここでは処理
されたデジタル画像ないの点の座標の関数として得られ
る正確なデータである。
【0031】この段階中に、当業者は血管の輪郭点の位
置決めではなく、血管の単純な骨組みにのみ興味を示
す。しかしながら正確な方法が好ましい。 段階3:狭窄の位置決め この段階で、血管の中央線に沿って狭窄がなければ、強
度の応答は通常実質的に均一かつ強い。しかしながら、
狭窄がある場合、血管内の狭窄の領域における強度は増
加し、狭窄の領域では血管はこの黒レベルと透明な背景
との間のレベルをしめす。熟練者が血管が黒い背景上に
空白として表される方法を選択する場合、結果は反対に
なる、即ち空白の血管、即ち高強度の血管に対して、こ
の強度は狭窄の場合減少し、狭窄の領域は、それで再び
血管のそれと背景のそれとの間の中間強度の灰色に向か
いがちである。
置決めではなく、血管の単純な骨組みにのみ興味を示
す。しかしながら正確な方法が好ましい。 段階3:狭窄の位置決め この段階で、血管の中央線に沿って狭窄がなければ、強
度の応答は通常実質的に均一かつ強い。しかしながら、
狭窄がある場合、血管内の狭窄の領域における強度は増
加し、狭窄の領域では血管はこの黒レベルと透明な背景
との間のレベルをしめす。熟練者が血管が黒い背景上に
空白として表される方法を選択する場合、結果は反対に
なる、即ち空白の血管、即ち高強度の血管に対して、こ
の強度は狭窄の場合減少し、狭窄の領域は、それで再び
血管のそれと背景のそれとの間の中間強度の灰色に向か
いがちである。
【0032】全ての場合、これは狭窄の領域における血
管の中心点の強度に影響する。血管が黒い場合の例で
は、狭窄の領域の中央線上に位置する点の強度は狭窄の
領域から下流及び上流のこの中央線上に位置する点のそ
れに比べてより高い。図2のブロック3により表される
段階3中に、血管の中央線上に位置する点の濃度は、故
に調べられ、局部変化即ちこの例の場合強度の局部的増
加を示す点は狭窄領域に関係するとして識別される。
管の中心点の強度に影響する。血管が黒い場合の例で
は、狭窄の領域の中央線上に位置する点の強度は狭窄の
領域から下流及び上流のこの中央線上に位置する点のそ
れに比べてより高い。図2のブロック3により表される
段階3中に、血管の中央線上に位置する点の濃度は、故
に調べられ、局部変化即ちこの例の場合強度の局部的増
加を示す点は狭窄領域に関係するとして識別される。
【0033】これらの潜在的狭窄は熟練者に知られた視
覚的マークによりデジタル画像内に示され、例えば分岐
が狭窄領域を取り囲む十字形、又はこれらの領域を取り
囲む円、又は血管の中心線に平行に延在し、図5の
(A)に示されるようにこれらの領域を囲う主軸の長方
形である。斯くして取り囲まれ又は囲まれた領域の画像
は以下「イコン」と称する。
覚的マークによりデジタル画像内に示され、例えば分岐
が狭窄領域を取り囲む十字形、又はこれらの領域を取り
囲む円、又は血管の中心線に平行に延在し、図5の
(A)に示されるようにこれらの領域を囲う主軸の長方
形である。斯くして取り囲まれ又は囲まれた領域の画像
は以下「イコン」と称する。
【0034】故に画像処理方法のこの段階(図2で「イ
コン」と示した)で、検査すべき画像の点の数は実質的
に減少する。実際、512x512画素の完全解像度画
像が検査される場合、最初は全ての点が疑わしく、それ
により約26万の疑わしい点がある。本発明のこの段階
で、イコン内に位置する残余の点(図5の(A))のみ
が未だに検査される必要があり、疑わしい点の数は約2
00から1000に減少している。
コン」と示した)で、検査すべき画像の点の数は実質的
に減少する。実際、512x512画素の完全解像度画
像が検査される場合、最初は全ての点が疑わしく、それ
により約26万の疑わしい点がある。本発明のこの段階
で、イコン内に位置する残余の点(図5の(A))のみ
が未だに検査される必要があり、疑わしい点の数は約2
00から1000に減少している。
【0035】故に本発明の方法のこの段階において、血
管は「イコン」内で個々に検査され、各イコンは通常は
血管区域のみを含む。区域的操作により、この血管の縁
は各「イコン」内で検出される。イコンは第一にそれ自
身の座標軸に関係する。続いて、血管の縁が、例えばイ
コン内の中心線の軸に垂直な強度プロフィールの導関数
を計算することにより決定される。それから血管の縁点
が強度曲線の屈曲が生ずる点として保持される。各「イ
コン」内に含まれる血管の縁線は縁点上で成された再組
み合わせ操作を介して検出される。
管は「イコン」内で個々に検査され、各イコンは通常は
血管区域のみを含む。区域的操作により、この血管の縁
は各「イコン」内で検出される。イコンは第一にそれ自
身の座標軸に関係する。続いて、血管の縁が、例えばイ
コン内の中心線の軸に垂直な強度プロフィールの導関数
を計算することにより決定される。それから血管の縁点
が強度曲線の屈曲が生ずる点として保持される。各「イ
コン」内に含まれる血管の縁線は縁点上で成された再組
み合わせ操作を介して検出される。
【0036】血管の縁を検出する他の方法によれば、異
なる幅のぎざぎざ(crenellation)を有す
る血管の横断強度プロフィールの補正は捜索可能であ
る。この段階のために、本発明による方法は、中心線上
に位置する点の識別を可能にするために完全解像度画像
の全ての血管の全ての縁を決定する知られた方法と実質
的に異なる。故に本発明による方法は、縁はイコン内の
みを検出するために、計算の点から非常に経済的であ
る。
なる幅のぎざぎざ(crenellation)を有す
る血管の横断強度プロフィールの補正は捜索可能であ
る。この段階のために、本発明による方法は、中心線上
に位置する点の識別を可能にするために完全解像度画像
の全ての血管の全ての縁を決定する知られた方法と実質
的に異なる。故に本発明による方法は、縁はイコン内の
みを検出するために、計算の点から非常に経済的であ
る。
【0037】狭窄の重症度は続いて決定される。このた
めに、血管の縁がいったん決定されると、このイコン内
の血管の縁間に存在する最小距離は強度プロフィールを
検査することにより決定される。その時点で、拘束が実
際に異常に対応するかどうか示すために決定がなされ
る。 段階4:誤り警報の検出 この段階は図2のブロック4(ニューラルネットワーク
と示す)により示される。
めに、血管の縁がいったん決定されると、このイコン内
の血管の縁間に存在する最小距離は強度プロフィールを
検査することにより決定される。その時点で、拘束が実
際に異常に対応するかどうか示すために決定がなされ
る。 段階4:誤り警報の検出 この段階は図2のブロック4(ニューラルネットワーク
と示す)により示される。
【0038】狭窄に導く全ての状況は誤り警報に導く全
ての状況と同様に、例えば分岐を与える血管の方向の急
な変化等々が、表示される。この段階で、監視されたニ
ューラル学習段階の実施に対する人間的特性、即ち手動
的特性がある。 4ー1 ニューラル分類器(classifier)の
学習 この仕事はアルゴリズムを開発した人又は教師により一
度なされる。単一のニューラルネットワークは類似の収
集システムから多数のビデオシーケンスに対し充分であ
る。分類器の監視された学習を実施するために、個々の
画像の組が選択される。対話的グラフィックインターフ
ェイスは教師が実際の狭窄又は典型的な誤り警報を含む
長方形領域の組を、これらの画像の各々に対して位置決
めしうるようにする。斯くして位置決めされたこれらの
長方形領域の各々は長方形窓内で検出されうる対象のカ
テゴリーをエンコードするラベルを受容する。
ての状況と同様に、例えば分岐を与える血管の方向の急
な変化等々が、表示される。この段階で、監視されたニ
ューラル学習段階の実施に対する人間的特性、即ち手動
的特性がある。 4ー1 ニューラル分類器(classifier)の
学習 この仕事はアルゴリズムを開発した人又は教師により一
度なされる。単一のニューラルネットワークは類似の収
集システムから多数のビデオシーケンスに対し充分であ
る。分類器の監視された学習を実施するために、個々の
画像の組が選択される。対話的グラフィックインターフ
ェイスは教師が実際の狭窄又は典型的な誤り警報を含む
長方形領域の組を、これらの画像の各々に対して位置決
めしうるようにする。斯くして位置決めされたこれらの
長方形領域の各々は長方形窓内で検出されうる対象のカ
テゴリーをエンコードするラベルを受容する。
【0039】これらのカテゴリーは誤り警報を発生させ
る典型的な状況(カテゴリー6から12)と同様に最も
良性の狭窄から最もひどい狭窄まで(カテゴリー1から
5)を含む。典型的な誤り警報に対応するカテゴリーは
以下の通りである: ー 分岐点に隣接し、それの方向に不正確な推定を起こ
させる血管、 ー 小さな明白な狭窄を有する正常血管、 ー 極めて正常な血管、 ー 画像に直交する平面内で局所曲率を有する血管、 ー 大動脈内で検出された狭窄の候補、 ー 画像の平面内の局所曲率を有する正常な血管、 ー 狭窄を有する血管として検出された背景の線形な詳
細。
る典型的な状況(カテゴリー6から12)と同様に最も
良性の狭窄から最もひどい狭窄まで(カテゴリー1から
5)を含む。典型的な誤り警報に対応するカテゴリーは
以下の通りである: ー 分岐点に隣接し、それの方向に不正確な推定を起こ
させる血管、 ー 小さな明白な狭窄を有する正常血管、 ー 極めて正常な血管、 ー 画像に直交する平面内で局所曲率を有する血管、 ー 大動脈内で検出された狭窄の候補、 ー 画像の平面内の局所曲率を有する正常な血管、 ー 狭窄を有する血管として検出された背景の線形な詳
細。
【0040】4ー2 誤り警報を除去するためのニュー
ラルネットワーク 誤り警報の除去のために、隠れ(hidden)層及び
2つの出力を有するニューラルネットワークが用いられ
る。ニューラルネットワークの入力は上記方法により検
出された狭窄の候補の特徴的特性を成分にもつベクトル
を受ける。このベクトルは、例えば狭窄の候補のイコン
の画素の強度により形成される。ニューラルネットワー
クの2つの出力は狭窄でない物の組(出力1)及び狭窄
のそれ(出力2)をそれぞれエンコードする。精密な変
換によりいったん周期(0、1)に減少された場合、ネ
ットワークの出力の2つの活性化は特徴的特性のベクト
ル(後天的確率)を与えられた組1又は組2のどちらか
に関連する確率により中断されうる。これらの2つの確
率は各狭窄の候補に対して格納される。これにより、操
作者は確率的尺度上で狭窄の候補を保持又は却下するた
めの信頼性の程度を自分で決定しうる。確率の格納は使
用者が上記のように狭窄の検出及び認識に対する全体的
処理を繰り返す必要なしにある信頼性を試験しうる。グ
ラフィック表示方法は各個別の画像内に保持された狭窄
を可視化する。
ラルネットワーク 誤り警報の除去のために、隠れ(hidden)層及び
2つの出力を有するニューラルネットワークが用いられ
る。ニューラルネットワークの入力は上記方法により検
出された狭窄の候補の特徴的特性を成分にもつベクトル
を受ける。このベクトルは、例えば狭窄の候補のイコン
の画素の強度により形成される。ニューラルネットワー
クの2つの出力は狭窄でない物の組(出力1)及び狭窄
のそれ(出力2)をそれぞれエンコードする。精密な変
換によりいったん周期(0、1)に減少された場合、ネ
ットワークの出力の2つの活性化は特徴的特性のベクト
ル(後天的確率)を与えられた組1又は組2のどちらか
に関連する確率により中断されうる。これらの2つの確
率は各狭窄の候補に対して格納される。これにより、操
作者は確率的尺度上で狭窄の候補を保持又は却下するた
めの信頼性の程度を自分で決定しうる。確率の格納は使
用者が上記のように狭窄の検出及び認識に対する全体的
処理を繰り返す必要なしにある信頼性を試験しうる。グ
ラフィック表示方法は各個別の画像内に保持された狭窄
を可視化する。
【0041】図5を参照するに、25個の狭窄は図5の
(A)内の段階4の最後で保持されることが分かる。段
階4のニューラル処理の後、図5の(B)に示すように
5個の狭窄のみが保持される。 4ー3 ニューラル分類法の統計的解析 図6にニューラル分類器の統計的達成度をまとめたRO
C曲線(受容された操作曲線)を示す。この曲線の各点
は狭窄信頼度レベル(NCS)の異なる選択に対応す
る。NCSの値は0と1の間で用いることにより制御さ
れうる。NCSが1に近い値(例えば0.85)で発火
される場合、ニューラル分類器は最も明白な狭窄のみを
保持する;この場合誤り警報率F.Aは大変小さく(水
平軸)、実際の狭窄V.Sに対応する中間の認識率(縦
軸)である。反対の状況ではNCSの低い値(例えば
0.6)に対応する。真の狭窄ではV.Sは最も良性の
狭窄に対する大部分に対応して認識されないことが分か
る。画像に直交する平面内の局所曲率を有する血管は誤
り警報F.Aの最大の数を生ずる。
(A)内の段階4の最後で保持されることが分かる。段
階4のニューラル処理の後、図5の(B)に示すように
5個の狭窄のみが保持される。 4ー3 ニューラル分類法の統計的解析 図6にニューラル分類器の統計的達成度をまとめたRO
C曲線(受容された操作曲線)を示す。この曲線の各点
は狭窄信頼度レベル(NCS)の異なる選択に対応す
る。NCSの値は0と1の間で用いることにより制御さ
れうる。NCSが1に近い値(例えば0.85)で発火
される場合、ニューラル分類器は最も明白な狭窄のみを
保持する;この場合誤り警報率F.Aは大変小さく(水
平軸)、実際の狭窄V.Sに対応する中間の認識率(縦
軸)である。反対の状況ではNCSの低い値(例えば
0.6)に対応する。真の狭窄ではV.Sは最も良性の
狭窄に対する大部分に対応して認識されないことが分か
る。画像に直交する平面内の局所曲率を有する血管は誤
り警報F.Aの最大の数を生ずる。
【0042】本発明による画像処理方法にニューラルネ
ットワークを用いることで斯くのごとく狭窄の自動検出
に対して、即ち操作者の助力なしに統計的に満足できる
結果が得られた。
ットワークを用いることで斯くのごとく狭窄の自動検出
に対して、即ち操作者の助力なしに統計的に満足できる
結果が得られた。
【図1】デジタルX線撮影システムを示す図である。
【図2】本発明による種々の段階に対応する機能ブロッ
クの概略図を示す。
クの概略図を示す。
【図3】(A)、(B)は狭窄の異なる型を示す図であ
る。
る。
【図4】(A)に背景から抽出した後の冠動脈木の画像
を示し、(B)に中心線(追跡)の画素の抽出後の
(A)を示す。
を示し、(B)に中心線(追跡)の画素の抽出後の
(A)を示す。
【図5】(A)に冠動脈木内の長方形箱により印された
検出された狭窄の領域(23の狭窄)を示し、(B)に
同じ冠動脈木画像内で、誤り警報のニューラル検出及び
除去を含む段階後の保持された狭窄の領域(5つの保持
された狭窄)を示す図である。
検出された狭窄の領域(23の狭窄)を示し、(B)に
同じ冠動脈木画像内で、誤り警報のニューラル検出及び
除去を含む段階後の保持された狭窄の領域(5つの保持
された狭窄)を示す図である。
【図6】ROC曲線(受容された操作曲線)を示す図で
ある。
ある。
11、12、13、21、22、23 領域 24 血管 L11、L12、L21、L22、R 幅 100 X線発生器 102 可動テーブル 103 画像増強装置 104 ビデオ管球 105 デジタル画像処理システム 106 出力 107 モニター
Claims (5)
- 【請求項1】 狭窄の自動検出を可能にし、少なくとも
血管の中心線上に位置する画素又は点を識別する追跡段
階と呼ばれる段階からなるデジタル血管造影画像の処理
方法であって、また血管の中心線に沿った画素の強度の
測定により狭窄の検出をする段階とを有し、該段階は画
素の強度がこの領域の両側の画素の強度と画像の背景の
画素の強度との間の中間値をとるよう局部変化を示す場
合に画素領域が潜在的狭窄領域かどうかを決定する副段
階と、潜在的狭窄領域の周囲のイコンを決定する副段階
と、イコン内の血管の縁の画素を抽出する副段階とから
なることを特徴とするデジタル血管造影画像の処理方
法。 - 【請求項2】 また狭窄の重症度を決定し、誤り警報を
決定する段階からなり、各潜在的狭窄に対してそれが本
当の狭窄に関するのか又は誤り警報なのかの確率を供す
るニューラルネットワークにより実行されることを特徴
とする請求項1記載の方法。 - 【請求項3】 血管の縁の画素がぎざぎざを有するイコ
ン内の血管の中心線の軸に垂直な強度プロフィールの相
関をとる方法により抽出されることを特徴とする請求項
2記載の方法。 - 【請求項4】 イコン内で該中心線の各点に対応する血
管の縁はこの強度プロフィールの導関数の計算により血
管の中心線に垂直に、対応する強度プロフィールの屈曲
の点として決定されることを特徴とする請求項2記載の
方法。 - 【請求項5】 追跡段階は、血管の画像が実質的に均一
な背景上のコントラストのある対象として形成されるよ
うに背景が抽出される段階の後に続くことを特徴とする
請求項1乃至4のうちいずれか一項記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR9309055A FR2708166A1 (fr) | 1993-07-22 | 1993-07-22 | Procédé de traitement d'images numérisées pour la détection automatique de sténoses. |
FR9309055 | 1993-07-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH07143977A true JPH07143977A (ja) | 1995-06-06 |
Family
ID=9449531
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP6169838A Pending JPH07175935A (ja) | 1993-07-22 | 1994-07-21 | デジタル画像処理方法 |
JP6169839A Pending JPH07143977A (ja) | 1993-07-22 | 1994-07-21 | 狭窄の自動検出のためのデジタル画像処理方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP6169838A Pending JPH07175935A (ja) | 1993-07-22 | 1994-07-21 | デジタル画像処理方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US5768405A (ja) |
EP (2) | EP0635806A1 (ja) |
JP (2) | JPH07175935A (ja) |
DE (1) | DE69428840T2 (ja) |
FR (1) | FR2708166A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004513673A (ja) * | 2000-05-09 | 2004-05-13 | ペイエオン・インコーポレーテツド | 動脈の三次元的再構成のシステムと方法 |
WO2009153947A1 (en) * | 2008-06-17 | 2009-12-23 | Canon Kabushiki Kaisha | Radiographic image capturing device and method |
JP2011512899A (ja) * | 2008-02-22 | 2011-04-28 | ローマ リンダ ユニヴァーシティ メディカル センター | 3d画像化システムにおける空間歪を特徴づけるシステム及び方法 |
JP2018501898A (ja) * | 2015-01-16 | 2018-01-25 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血管腔サブ解像度セグメンテーション |
Families Citing this family (97)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69432167T2 (de) * | 1993-10-28 | 2003-07-24 | Medrad Inc | System zur Kontrastmittelabgabe |
EP0650738B1 (en) * | 1993-10-28 | 2003-05-02 | Medrad, Inc. | Multi-patient fluid dispensing |
EP0668570B1 (fr) | 1994-02-16 | 2001-09-26 | Koninklijke Philips Electronics N.V. | Procédé de traitement d'images pour déterminer localement le centre et la demi-largeur d'objets contrastant sur un fond et arrangement pour mettre en oeuvre ce procédé |
US5840026A (en) * | 1994-09-21 | 1998-11-24 | Medrad, Inc. | Patient specific dosing contrast delivery systems and methods |
DE19625402A1 (de) * | 1996-06-25 | 1998-01-02 | Siemens Ag | Verfahren zur Bearbeitung von Bildpunkten eines Bildsegments durch einen Rechner |
US6047090A (en) * | 1996-07-31 | 2000-04-04 | U.S. Philips Corporation | Method and device for automatic segmentation of a digital image using a plurality of morphological opening operation |
EP0840252B1 (fr) * | 1996-10-16 | 2003-09-17 | Koninklijke Philips Electronics N.V. | Procédé de traitement d'image numérique pour l'extraction automatique d'objets en forme de rubans |
US6195450B1 (en) * | 1997-09-18 | 2001-02-27 | Siemens Corporate Research, Inc. | Methods and apparatus for controlling X-ray angiographic image acquisition |
US6418238B1 (en) | 1997-09-22 | 2002-07-09 | Olympus Optical Co., Ltd. | Image detection apparatus and image detection method capable of detecting roundish shape |
EP1025520B1 (de) * | 1997-10-30 | 2002-08-28 | Dr. Baldeweg Aktiengesellschaft | Verfahren und vorrichtung zur bearbeitung von bildobjekten |
US6611618B1 (en) * | 1997-11-13 | 2003-08-26 | Schepens Eye Research Institute, Inc. | Wide-band image enhancement |
US7280704B2 (en) * | 1997-11-13 | 2007-10-09 | The Schepens Eye Research Institute, Inc. | Wide-band image enhancement |
WO1999038433A1 (en) * | 1998-02-03 | 1999-08-05 | The Board Of Trustees Of The University Of Illinois | Cerebral circulation model and applications |
US7191110B1 (en) * | 1998-02-03 | 2007-03-13 | University Of Illinois, Board Of Trustees | Patient specific circulation model |
US6526168B1 (en) | 1998-03-19 | 2003-02-25 | The Regents Of The University Of California | Visual neural classifier |
US6377832B1 (en) * | 1998-03-20 | 2002-04-23 | Georgia Tech Research Corporation | System and method for analyzing a medical image |
US6129674A (en) * | 1999-03-26 | 2000-10-10 | Ramot Of Tel-Aviv University | Method for determining the degree of occulsion and elasticity in blood vessels and other conduits |
DE10000185A1 (de) * | 2000-01-05 | 2001-07-12 | Philips Corp Intellectual Pty | Verfahren zur Darstellung des zeitlichen Verlaufs des Blutflusses in einem Untersuchungsobjekt |
US6690816B2 (en) * | 2000-04-07 | 2004-02-10 | The University Of North Carolina At Chapel Hill | Systems and methods for tubular object processing |
US6408201B1 (en) * | 2000-06-09 | 2002-06-18 | General Electric Company | Method and apparatus for efficient stenosis identification in peripheral arterial vasculature using MR imaging |
US6980675B2 (en) * | 2000-10-18 | 2005-12-27 | Paieon, Inc. | Method for processing images of coronary arteries |
CA2429831A1 (en) * | 2000-11-22 | 2002-05-30 | Flixel Ltd. | Microelectromechanical display devices |
US7225011B2 (en) * | 2001-04-02 | 2007-05-29 | Koninklijke Philips Electronics, N.V. | Heart modeling using a template |
WO2002093450A1 (en) * | 2001-05-16 | 2002-11-21 | Cellavision Ab | Information processing for distinguishing an object |
FR2829268A1 (fr) * | 2001-09-04 | 2003-03-07 | Koninkl Philips Electronics Nv | Procede de traitement d'images pour angiographie soustractiv e numerisee |
JP4319031B2 (ja) * | 2001-09-06 | 2009-08-26 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 対象のセグメンテーション方法及び装置 |
US7372983B2 (en) * | 2001-10-16 | 2008-05-13 | Koninklijke Philips Electronics N.V. | Method for automatic branch labeling |
JP2003126045A (ja) * | 2001-10-22 | 2003-05-07 | Olympus Optical Co Ltd | 診断支援装置 |
US6842638B1 (en) * | 2001-11-13 | 2005-01-11 | Koninklijke Philips Electronics N.V. | Angiography method and apparatus |
US7020314B1 (en) * | 2001-11-13 | 2006-03-28 | Koninklijke Philips Electronics N.V. | Black blood angiography method and apparatus |
US20050260331A1 (en) * | 2002-01-22 | 2005-11-24 | Xingwu Wang | Process for coating a substrate |
US20040225213A1 (en) * | 2002-01-22 | 2004-11-11 | Xingwu Wang | Magnetic resonance imaging coated assembly |
US7162302B2 (en) * | 2002-03-04 | 2007-01-09 | Nanoset Llc | Magnetically shielded assembly |
JP4045422B2 (ja) * | 2002-07-23 | 2008-02-13 | 株式会社日立メディコ | 画像処理装置 |
US7538761B2 (en) * | 2002-12-12 | 2009-05-26 | Olympus Corporation | Information processor |
DE10319546A1 (de) * | 2003-04-30 | 2004-11-25 | Siemens Ag | Verfahren und Vorrichtung zur automatischen Detektion von Anomalien in Gefäßstrukturen |
WO2005023086A2 (en) * | 2003-08-25 | 2005-03-17 | University Of North Carolina At Chapel Hill | Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning |
EP1665130A4 (en) | 2003-09-25 | 2009-11-18 | Paieon Inc | SYSTEM FOR THREE-DIMENSIONAL RECONSTRUCTION OF A TUBULAR ORGAN |
US20050074150A1 (en) * | 2003-10-03 | 2005-04-07 | Andrew Bruss | Systems and methods for emulating an angiogram using three-dimensional image data |
WO2005096229A1 (en) * | 2004-04-01 | 2005-10-13 | Koninklijke Philips Electronics N.V. | Method and imaging diagnostic apparatus for finding a stenosis |
CN1973298A (zh) * | 2004-06-22 | 2007-05-30 | 皇家飞利浦电子股份有限公司 | 显示气管支气管树 |
US7440628B2 (en) * | 2004-08-31 | 2008-10-21 | Siemens Medical Solutions Usa, Inc. | Method and system for motion correction in a sequence of images |
US7583829B2 (en) * | 2004-09-13 | 2009-09-01 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for embolism analysis |
US8233681B2 (en) * | 2004-09-24 | 2012-07-31 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer program products for hierarchical registration between a blood vessel and tissue surface model for a subject and a blood vessel and tissue surface image for the subject |
WO2006055813A2 (en) * | 2004-11-16 | 2006-05-26 | Medrad, Inc. | Modeling of pharmaceutical propagation |
JP4871292B2 (ja) * | 2004-11-23 | 2012-02-08 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 解剖学的ツリー構造を視覚化するためのシステム |
EP2902053B1 (en) | 2004-11-24 | 2017-09-06 | Bayer Healthcare LLC | Devices, systems and methods for fluid delivery |
EP2712553A3 (en) * | 2005-01-11 | 2014-09-17 | Volcano Corporation | Vascular image co-registration |
WO2007002685A2 (en) | 2005-06-24 | 2007-01-04 | Volcano Corporation | Co-registration of graphical image data representing three-dimensional vascular features |
US7343032B2 (en) * | 2005-09-01 | 2008-03-11 | Fujifilm Corporation | Method and apparatus for automatic and dynamic vessel detection |
ATE553457T1 (de) * | 2006-06-28 | 2012-04-15 | Bio Tree Systems Inc | Binned-micro-vessel-dichteverfahren und vorrichtungen |
US7970191B2 (en) * | 2006-09-28 | 2011-06-28 | Siemens Medical Solutions Usa, Inc. | System and method for simultaneously subsampling fluoroscopic images and enhancing guidewire visibility |
US7873194B2 (en) * | 2006-10-25 | 2011-01-18 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure |
US7940977B2 (en) | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies |
US7940970B2 (en) * | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of CT angiography |
US7983459B2 (en) | 2006-10-25 | 2011-07-19 | Rcadia Medical Imaging Ltd. | Creating a blood vessel tree from imaging data |
US7860283B2 (en) | 2006-10-25 | 2010-12-28 | Rcadia Medical Imaging Ltd. | Method and system for the presentation of blood vessel structures and identified pathologies |
WO2008085421A2 (en) | 2006-12-29 | 2008-07-17 | Medrad, Inc. | Patient-based parameter generation systems for medical injection procedures |
US20100030073A1 (en) * | 2006-12-29 | 2010-02-04 | Medrad, Inc. | Modeling of pharmaceutical propagation |
US7953266B2 (en) * | 2007-02-06 | 2011-05-31 | Siemens Medical Solutions Usa, Inc. | Robust vessel tree modeling |
US7693909B2 (en) * | 2007-04-25 | 2010-04-06 | Siemens Medical Solutions Usa, Inc. | Method for integrating quantitative measurements of imaging systems with reporting applications of medical recording systems |
WO2009012023A1 (en) * | 2007-07-17 | 2009-01-22 | Medrad, Inc. | Devices, systems and methods for determination of parameters for a procedure, for estimation of cardiopulmonary function and for fluid delivery |
US8608484B2 (en) | 2008-03-04 | 2013-12-17 | Medrad, Inc. | Dynamic anthropomorphic cardiovascular phantom |
US8315449B2 (en) * | 2008-06-24 | 2012-11-20 | Medrad, Inc. | Identification of regions of interest and extraction of time value curves in imaging procedures |
US8582854B2 (en) * | 2008-09-15 | 2013-11-12 | Siemens Aktiengesellschaft | Method and system for automatic coronary artery detection |
US9761004B2 (en) * | 2008-09-22 | 2017-09-12 | Siemens Healthcare Gmbh | Method and system for automatic detection of coronary stenosis in cardiac computed tomography data |
US9421330B2 (en) | 2008-11-03 | 2016-08-23 | Bayer Healthcare Llc | Mitigation of contrast-induced nephropathy |
BRPI0917609A2 (pt) * | 2008-12-10 | 2019-10-15 | Koninklijke Philips Electrnics N. V. | ''sistema para executar a análise de vasos, estação de trabalho para imagens médicas, método para executar a análise de vasos, e, produto de programa de computador'' |
DE102009023504A1 (de) | 2009-06-02 | 2010-12-09 | Siemens Aktiengesellschaft | Verfahren zur Bestimmung eines Abmessungswerts und Abmessungsbestimmungseinrichtung |
EP2483710A4 (en) | 2009-10-01 | 2016-04-27 | Univ Loma Linda Med | Detector for ionization by ion-induced impact and uses thereof |
TWI415029B (zh) * | 2009-12-25 | 2013-11-11 | Academia Sinica | 連續結構影像的量化分析自動追蹤演算法 |
CN102113900B (zh) * | 2010-01-05 | 2015-07-15 | 深圳迈瑞生物医疗电子股份有限公司 | 彩色血流动态帧相关方法和装置 |
CA2803169C (en) | 2010-06-24 | 2020-09-22 | Medrad, Inc. | Modeling of pharmaceutical propagation and parameter generation for injection protocols |
US9589204B2 (en) * | 2010-09-20 | 2017-03-07 | Koninklijke Philips N.V. | Quantification of a characteristic of a lumen of a tubular structure |
WO2012106580A2 (en) * | 2011-02-04 | 2012-08-09 | The Regents Of The University Of California | Methods and apparatus for computer-aided radiological detection and imaging |
JP5713748B2 (ja) * | 2011-03-24 | 2015-05-07 | 株式会社東芝 | プラーク領域抽出方法及びその装置 |
BR112014006869A2 (pt) | 2011-09-21 | 2017-04-04 | Bayer Medical Care Inc | dispositivo de bomba de múltiplos fluidos contínuos, sistema de acionamento e atuação e método |
BR112014028442A2 (pt) | 2012-05-14 | 2018-04-24 | Bayer Medical Care Inc. | sistemas e métodos de protocolos de injeção de fluido farmacêutico com base em voltagem de tubo de raios x |
US9555379B2 (en) | 2013-03-13 | 2017-01-31 | Bayer Healthcare Llc | Fluid path set with turbulent mixing chamber, backflow compensator |
JP6066197B2 (ja) * | 2013-03-25 | 2017-01-25 | 富士フイルム株式会社 | 手術支援装置、方法およびプログラム |
US9974442B2 (en) | 2013-06-24 | 2018-05-22 | Toshiba Medical Systems Corporation | Method of, and apparatus for, processing volumetric image data |
KR101578770B1 (ko) | 2013-11-21 | 2015-12-18 | 삼성전자주식회사 | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 |
EP3242649A4 (en) | 2015-01-09 | 2019-01-09 | Bayer Healthcare LLC | MULTIPLE FLUID DISPENSING SYSTEM WITH MULTI-PURPOSE DISPOSABLE ASSEMBLY AND CHARACTERISTICS OF THE SAME |
EP3261545B1 (en) * | 2015-02-27 | 2019-12-11 | Siemens Aktiengesellschaft | Robust calcification tracking in fluoroscopic imaging |
KR101981438B1 (ko) * | 2015-11-12 | 2019-05-22 | 가부시키가이샤 히다치 고쿠사이 덴키 | 촬상 장치 |
US9886647B1 (en) * | 2015-12-30 | 2018-02-06 | Snap Inc. | Image segmentation for object modeling |
EP3423130A1 (en) | 2016-03-03 | 2019-01-09 | Bayer Healthcare LLC | System and method for improved fluid delivery in multi-fluid injector systems |
CN110891630B (zh) | 2017-08-31 | 2022-04-26 | 拜耳医药保健有限公司 | 驱动构件定位和流体注入器系统机械校准的系统和方法 |
US11779702B2 (en) | 2017-08-31 | 2023-10-10 | Bayer Healthcare Llc | Method for dynamic pressure control in a fluid injector system |
WO2019046282A1 (en) | 2017-08-31 | 2019-03-07 | Bayer Healthcare Llc | SYSTEM AND METHOD FOR INJECTOR PRESSURE CALIBRATION |
JP7317724B2 (ja) | 2017-08-31 | 2023-07-31 | バイエル・ヘルスケア・エルエルシー | 液注入器システムの容積補償システムおよび方法 |
JP7346309B2 (ja) | 2017-08-31 | 2023-09-19 | バイエル・ヘルスケア・エルエルシー | 流体送達性能を改善するための流体経路インピーダンス評価 |
DE102018222606A1 (de) | 2018-12-20 | 2020-06-25 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zur Detektion eines anatomischen Merkmals eines Blutgefäßabschnittes |
CN110210352B (zh) * | 2019-05-23 | 2021-07-27 | 中国人民解放军海军工程大学 | 基于航道模型的船舶轨迹异常检测方法 |
CN114341934A (zh) * | 2019-09-10 | 2022-04-12 | 锐珂医疗公司 | 用于放射摄影图像优化的置信度图 |
CN110991667A (zh) * | 2019-11-28 | 2020-04-10 | 中国铁道科学研究院集团有限公司 | 铁路轨道设施异常识别方法及系统 |
CN116762096A (zh) * | 2020-12-22 | 2023-09-15 | 皇家飞利浦有限公司 | 定位血管收缩 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4503461A (en) * | 1983-02-22 | 1985-03-05 | The Board Of Trustees Of The Leland, Stanford Junior University | Multiple measurement noise reducing system using space-variant filters |
US4692864A (en) * | 1985-05-23 | 1987-09-08 | Elscint Ltd. | Method of determining stenosis of blood vessels |
US4875165A (en) * | 1987-11-27 | 1989-10-17 | University Of Chicago | Method for determination of 3-D structure in biplane angiography |
JPH02114776A (ja) * | 1988-10-25 | 1990-04-26 | Toshiba Corp | X線診断装置 |
US5272763A (en) * | 1990-03-02 | 1993-12-21 | Matsushita Electric Industrial Co., Ltd. | Apparatus for inspecting wiring pattern formed on a board |
US5210688A (en) * | 1990-05-21 | 1993-05-11 | General Motors Corporation | Sinography method and apparatus |
US5274714A (en) * | 1990-06-04 | 1993-12-28 | Neuristics, Inc. | Method and apparatus for determining and organizing feature vectors for neural network recognition |
US5148500A (en) * | 1991-01-24 | 1992-09-15 | Aoi Systems, Inc. | Morphological processing system |
JPH0512442A (ja) * | 1991-07-02 | 1993-01-22 | Hitachi Software Eng Co Ltd | 線画像追跡方法 |
JP3167367B2 (ja) * | 1991-09-09 | 2001-05-21 | 株式会社東芝 | 循環器診断装置 |
US5273040A (en) * | 1991-11-14 | 1993-12-28 | Picker International, Inc. | Measurement of vetricle volumes with cardiac MRI |
US5261012A (en) * | 1992-05-11 | 1993-11-09 | General Electric Company | Method and system for thinning images |
US5297550A (en) * | 1992-08-06 | 1994-03-29 | Picker International, Inc. | Background darkening of magnetic resonance angiographic images |
US5368033A (en) * | 1993-04-20 | 1994-11-29 | North American Philips Corporation | Magnetic resonance angiography method and apparatus employing an integration projection |
-
1993
- 1993-07-22 FR FR9309055A patent/FR2708166A1/fr not_active Withdrawn
-
1994
- 1994-07-18 EP EP94202093A patent/EP0635806A1/fr not_active Ceased
- 1994-07-18 DE DE69428840T patent/DE69428840T2/de not_active Expired - Fee Related
- 1994-07-18 EP EP94202092A patent/EP0635805B1/fr not_active Expired - Lifetime
- 1994-07-21 JP JP6169838A patent/JPH07175935A/ja active Pending
- 1994-07-21 JP JP6169839A patent/JPH07143977A/ja active Pending
-
1996
- 1996-09-26 US US08/721,523 patent/US5768405A/en not_active Expired - Fee Related
- 1996-12-23 US US08/771,876 patent/US5872861A/en not_active Expired - Fee Related
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004513673A (ja) * | 2000-05-09 | 2004-05-13 | ペイエオン・インコーポレーテツド | 動脈の三次元的再構成のシステムと方法 |
JP2011512899A (ja) * | 2008-02-22 | 2011-04-28 | ローマ リンダ ユニヴァーシティ メディカル センター | 3d画像化システムにおける空間歪を特徴づけるシステム及び方法 |
WO2009153947A1 (en) * | 2008-06-17 | 2009-12-23 | Canon Kabushiki Kaisha | Radiographic image capturing device and method |
JP2009297457A (ja) * | 2008-06-17 | 2009-12-24 | Canon Inc | 放射線画像撮影装置及びその駆動方法、並びに、プログラム |
US8873708B2 (en) | 2008-06-17 | 2014-10-28 | Canon Kabushiki Kaisha | Radiographic image capturing device and method |
JP2018501898A (ja) * | 2015-01-16 | 2018-01-25 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血管腔サブ解像度セグメンテーション |
Also Published As
Publication number | Publication date |
---|---|
DE69428840T2 (de) | 2002-07-18 |
DE69428840D1 (de) | 2001-12-06 |
US5872861A (en) | 1999-02-16 |
EP0635806A1 (fr) | 1995-01-25 |
US5768405A (en) | 1998-06-16 |
FR2708166A1 (fr) | 1995-01-27 |
EP0635805A1 (fr) | 1995-01-25 |
JPH07175935A (ja) | 1995-07-14 |
EP0635805B1 (fr) | 2001-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH07143977A (ja) | 狭窄の自動検出のためのデジタル画像処理方法 | |
Wu et al. | Automatic detection of coronary artery stenosis by convolutional neural network with temporal constraint | |
US10762637B2 (en) | Vascular segmentation using fully convolutional and recurrent neural networks | |
US7940977B2 (en) | Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies | |
US7860283B2 (en) | Method and system for the presentation of blood vessel structures and identified pathologies | |
Zhou et al. | The detection and quantification of retinopathy using digital angiograms | |
Shikata et al. | Automated segmentation of pulmonary vascular tree from 3D CT images | |
US7983459B2 (en) | Creating a blood vessel tree from imaging data | |
US7940970B2 (en) | Method and system for automatic quality control used in computerized analysis of CT angiography | |
US7873194B2 (en) | Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure | |
Manniesing et al. | Vessel axis tracking using topology constrained surface evolution | |
Szymczak et al. | Coronary vessel trees from 3d imagery: a topological approach | |
JPH07271976A (ja) | 画像処理方法 | |
Bülow et al. | A general framework for tree segmentation and reconstruction from medical volume data | |
Boldak et al. | An improved model-based vessel tracking algorithm with application to computed tomography angiography | |
Andriotis et al. | A new method of three‐dimensional coronary artery reconstruction from X‐ray angiography: Validation against a virtual phantom and multislice computed tomography | |
Sukanya et al. | Region based coronary artery segmentation using modified Frangi's vesselness measure | |
Lavi et al. | Single-seeded coronary artery tracking in CT angiography | |
Lara et al. | A semi-automatic method for segmentation of the coronary artery tree from angiography | |
Habijan et al. | Centerline tracking of the single coronary artery from x-ray angiograms | |
EP2074551A2 (en) | Method and system for automatic analysis of blood vessel structures and pathologies | |
Ko et al. | A fully automated identification of coronary borders from the tree structure of coronary angiograms | |
Luengo-Oroz et al. | Extraction of the coronary artery tree in cardiac computer tomographic images using morphological operators | |
Fan et al. | Reconstruction of airway tree based on topology and morphological operations | |
Hansis et al. | Automatic optimum phase point selection based on centerline consistency for 3D rotational coronary angiography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040803 |