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
Application number
JP6169839A
Other languages
English (en)
Inventor
Sherif Makram-Ebeid
マクラム−エベイド シェリフ
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.)
Koninklijke Philips NV
Original Assignee
Philips Electronics NV
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 Philips Electronics NV filed Critical Philips Electronics NV
Publication of JPH07143977A publication Critical patent/JPH07143977A/ja
Pending legal-status Critical Current

Links

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。

Description

【発明の詳細な説明】
【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。
【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。
【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。
【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
【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
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【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。
【図面の簡単な説明】
【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。
【図３】（Ａ）、（Ｂ）は狭窄の異なる型を示す図であ
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。
【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。
【図６】ＲＯＣ曲線（受容された操作曲線）を示す図で
ある。
【符号の説明】
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)

    【特許請求の範囲】
  1. 【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。
  2. 【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。
  3. 【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。
  4. 【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。
  5. 【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。
JP6169839A 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 Pending JPH07143977A (ja)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Cited By (6)

* Cited by examiner, † Cited by third party
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