CN100378750C - 用于管状器官的三维重建的系统和方法 - Google Patents

Abstract

本发明的实施例包括用于利用多个二维图像对管状器官(例如冠状动脉)进行三维重建的方法和系统。某些实施例可以包括：显示脉管网络的第一图像；接收用于识别第一图像上的感兴趣的脉管的输入；跟踪感兴趣的脉管的边缘，包括消除在视觉上与感兴趣的脉管邻近的物体的虚假边缘；确定沿脉管的基本精确的半径和密度测定值；显示脉管网络的至少第二图像；接收用于识别第二图像上的感兴趣的脉管的输入；跟踪第二图像中的感兴趣的脉管的边缘，包括消除在视觉上与感兴趣的脉管邻近的物体的虚假边缘；确定第二图像中沿感兴趣的脉管的基本精确的半径和密度测定值；确定感兴趣的脉管的三维重建；以及确定沿脉管的融合面积(截面)测量结果，以及计算和呈现定量的测量结果，其中包括但不限于真实长度、窄化百分比(直径和面积)等等。

Description

用于管状器官的三维重建的系统和方法

优先权要求和相关申请

本申请根据35 U.S.C.§119(e)要求2003年9月25日递交的美国临时专利申请60/505,430，2003年9月29日递交的美国临时专利申请60/506,178和2004年6月7日递交的美国临时专利申请60/577,981的优先权，这里通过引用将其公开内容全部结合进来。

技术领域

本发明涉及医学成像系统，尤其涉及例如用于血管造影(angiography)的医学成像系统。

背景技术

血管狭窄(stenosis)，例如动脉狭窄，是指由于动脉的内壁上的斑(plaque)形成而引起的动脉内腔的窄化(narrowing)。窄化的严重度依赖于内腔的截面区域中被斑所阻塞的量。虽然动脉窄化可能发生在身体的任何动脉中(例如颈动脉)，但尤其关注对心脏动脉窄化的研究，也就是对冠状动脉窄化(冠状心脏病)的研究，这是因为这些动脉的窄化是心脏病发作的主要原因之一。因此，冠状血管造影是指研究冠状动脉以确定任何可能存在的窄化的严重度(即找出狭窄动脉)的过程(以及相关联的系统)。

为了对动脉成像，导管被插入到患者的臂部或腿部的动脉中，在该处导管最终前进到冠状动脉中。一旦到达冠状动脉，一种无线电不能穿透的物质被注入其中，以便例如可以用X射线血管造影系统对动脉成像。

系统在若干个不同的视角获取动脉的“瞬像”(即血管造影电影放映(angiographic cine-run))，以获得所研究的一个或多个动脉网络的完整视图。此外，由于窄化通常是关于动脉轴非对称的，因此有必要从不同视角(最好是正交的视角)获得至少两个图像，最好更多图像，而且最好是与动脉轴垂直的图像，以评价狭窄的严重度。但是，要获得脉管的完全垂直的视角一般是非常困难。

因此，确定视角位置部分地是任意的，部分地是反复实验的过程(一旦观察到了狭窄)。但是，能够获得的图像总数受时间、安全性和成本所限。通常对于左冠状动脉系统获得四到七个投影(projection)，对于右动脉系统获得二到四个图像。

血管造影系统的操作者或者基于对多个图像(投影)的视觉检查，或者通过对单个图像的计算机分析，来评价冠状动脉中的狭窄的严重度。如上所述，由于大多数图像一般不是完全垂直于动脉轴的，因此通过任一种手段所获得的狭窄严重度估计通常都是不精确的。

目前，存在二维(2D)量化冠状血管造影(QCA)系统，其创建脉管的2D图像以便进行狭窄研究，还存在三维(3D)QCA方法，其也创建整个动脉树的3D重建(3DR)，以便研究狭窄脉管。

2D QCA系统基本上实现以下步骤：特定图像的导入、该图像的脉管提取以及感兴趣的脉管的QCA。2D QCA系统通常提供对病灶(lesion)的基于直径的分析，而不是密度测定(densitometry)分析。在某些实施例下，是经由DSA的使用来提供密度测定分析的，但是并不用于像冠状动脉那样的包括运动的场景。

3D QCA方法一般包括以下步骤：采集图像，从2D投影提取脉管。3D QCA系统还包括成像几何条件恢复、(图像间)逐点匹配，当然还有3DR。3D系统的QCA一般包括形态评价(包括脉管透视缩短(foreshortening)、交叠(overlapping)、成角(angulation)、扭曲(tortuosity))，并且在某些情况下包括测量结果，通常是真实长度和直径信息。但是，很少针对截面面积测量，虽然已经尝试过实现对沿脉管的截面轮廓的精确表示。一种代数重建方法框架中的基于某些探索的方法在Greenberg的美国专利号6,301,498中提出。但是，该方法要求来自与动脉正交的不同方位的至少四(4)次采集的特殊设置。

此外，在2D和3D QCA系统和方法中，测量和狭窄严重度的一个重要方面是确立健康脉管测量。提供健康脉管(或相关)测量的系统和方法例如使用基于近心部分或远心部分处测得的直径的插值。该步骤是关键的，因为它是许多测量的基础。同时，该步骤非常敏感，并且可能很容易产生不正确的测量结果。

存在其他问题，这些问题是关于用于现有3D成像系统的方法的。例如，对于图像采集，现有技术系统利用双平面采集、旋转采集或单投影(图像)采集(最普通的方法(见美国专利号6,047,080和6,169,917))。虽然双平面采集最小化了由于心动周期阶段引起的失真，但在某些外极(epi-polar)几何条件含混情形下该技术是不充分的。对于旋转采集系统，虽然在时间接近，但是这些系统既没有解决心阶段问题，也没有解决外极几何条件含混问题。

对于成像几何条件恢复，几何条件恢复所需的控制点数目依赖于所发现的变换类型和对未知参数的假设。因此，对于视角变换，控制点数目可以是从五(5)(例如见美国专利号6,047,080和6,501,848)到八(8)(例如见美国专利号4,875,165)中的任何一个。但是，对多个图像上的至少五个相应点进行确实且精确的识别是繁重的过程(如果可能识别的话)，这是因为，例如右冠状动脉系统通常缺乏足够的分枝点。

此外，不论使用非线性还是线性优化，两种解决方案都有不稳定性问题。具体而言，用作控制点的自然候选点是动脉树中的分枝点。但是，以下情况是很常见的：由于动脉树的区域与另一脉管或本身交叠，因此难以识别对分枝点的精确定位。此外，正如计算几何学中通常的情况那样，不是所需要的每个点集合都对于产生变换有用。例如，如果所有点都位于图像中的公共线上，则这些点不能用于变换计算。最后，从视角变换族到3DR的变换一般不能补偿由于图像是在心动周期或(例如)患者呼吸的不同阶段获得的而引起的每个图像中的局部失真。

在现有技术成像系统中，还存在多种用于从2D X射线血管造影图像提取脉管的技术。但是，在临床实践中执行脉管提取的能力涉及特定过程的自动化程度和健壮度。例如，在美国专利号6,047,080中，操作者必须输入六(6)个标记点以识别每个图像中的动脉树的六(6)个分枝，并且对于每个分枝进行若干次点击以定义每个图像中每个分枝的初始中心线。此外，为了使解答稳定，建议操作者添加高曲率的控制点并添加狭窄点。

当已经提取了2D投影中代表整个脉管树(包括各种分枝)的中心线时，逐点匹配利用(例如针对多个图像)外极原理。外极几何是以以下声明为前提的：对于被成像的3D点，它在一对图像上的投影以及两(2)个相关联的焦点属于一个公共(外极)平面。因此，对于一个图像上的任何给定点，对另一图像上的相应点的搜索可能在外极线(外极平面与该图像平面的交集)上被找到。但是，仅在以下情况下该方法才产生充分的结果：(i)成像几何条件模型充分地使器官与其2D图像相联系；以及(ii)在图像采集之间被成像的脉管不会改变其形状。这就是为什么在临床实践中简单外极几何条件方法的约束对3D模型的精度和质量而言是极富限制性的。

由于现有技术的上述缺点，当前的2D QCA系统不对冠状血管造影(例如)给出充分支持，并且当前的3D QCA系统并未投入临床使用，因为这些系统或者给出不正确的结果，或者就是用起来太麻烦。

从而，需要一种3DR系统，其能够被用于临床过程(例如血管造影)中，它提供一种系统，该系统包括实际的、直观的、易用的、健壮的解决方案，以克服上述现有技术系统和方法的缺点中的至少一个，优选克服所有这些缺点。

发明内容

因此本发明的实施例克服了与现有技术系统相关联的缺陷和问题，并且给出了用于精确地成像和产生可用于传统X射线血管造影系统的管状器官的3DR的易用且简单的系统和方法。具体而言，本发明的某些实施例给出了利用两个(在某些实施例中多于两个)2D X射线图像来对单个感兴趣的脉管结构进行3DR的方法和系统。

简言之，某些实施例可以包括以下的一个或多个(在某些实施例中包括全部)：造影放映的采集；投影成角和ECG信息(例如经由模拟和/或DICOM)；系统校准以处理图像(例如导管校准)；两个或更多个图像的标记；边缘跟踪，带有预处理和后处理，以消除边缘的可能存在的不正确失真；中心线检测；密度测定，包括背景减去；点到点匹配和3DR；融合直径和密度测定数据以获得精确的脉管截面面积测量结果；健康脉管比例的确定和可视化(以2D和/或3D方式)；以及与系统、感兴趣的脉管和其他相关数据相关联的数据的显示。利用本发明，通过给出例如狭窄脉管的三维重建以及量化截面信息，改进了冠状血管造影的输出。

在某些实施例中，三维重建可以被结合到具有关于可从血管造影获得的成像脉管的信息的显示中。此外，这种实施例所给出的3D重建可以揭示脉管的完整形态，其中包括由于透视缩短和弯曲片段造成在2D图像中未看到的细节。此外，对感兴趣的脉管的2D或3DR显示可以被聚焦、放大或缩小以及旋转。

管状器官和感兴趣的脉管可以是动脉、静脉、冠状动脉、颈动脉、肺动脉、肾动脉、肝动脉、股动脉、肠动脉之类的(例如任何其他管状器官)中的任何一种。

因此，在第一实施例中，提供了一种用于利用多个二维图像对单个管状器官进行三维重建(3DR)的方法，该方法可以包括以下步骤中的一个或多个：显示脉管网络的第一图像；接收用于识别第一图像上的感兴趣的脉管的输入；跟踪感兴趣的脉管的边缘，包括消除在视觉上与感兴趣的脉管邻近的物体的虚假边缘；以及确定沿脉管的基本精确的半径和密度测定值。该方法还可以包括以下步骤中的一个或多个：显示脉管网络的至少第二图像；接收用于识别第二图像上的感兴趣的脉管的输入；跟踪第二图像中的感兴趣的脉管的边缘，包括消除在视觉上与感兴趣的脉管邻近的物体的虚假边缘；确定第二图像中沿感兴趣的脉管的基本精确的半径和密度测定值；确定感兴趣的脉管的三维重建；以及确定沿脉管的融合面积测量结果。该实施例还可以包括确定包括多个中心线点的中心线。

确定融合的面积可以包括：确定将要被用作物理参考的沿感兴趣的脉管的多个健康直径(最好是所有健康直径)；利用上述物理参考将大部分数据(优选是基本上所有数据，最好是所有数据)，例如直径和截面值，归一化到物理单位；以及将数据中的大部分(最好是所有或基本上所有数据)融合到单个面积测量结果中，并且根据数据的可靠度对每个数据源加权。加权可以按照视角几何条件和/或3D脉管几何条件的函数来计算。

用于识别感兴趣的脉管的输入可以包括三个点，这三个点包括用于标记狭窄的大体位置的第一点，狭窄的近侧的第二点，以及狭窄的远侧的第三点。

但是，用于识别感兴趣的脉管的输入也可以包括第一和第二图像中的至少一个的两(2)个点的标记，其中两个点中的一点位于狭窄的近侧的任何位置处，另一点位于狭窄的远侧的任何位置处。标记也可以包括第一图像的两(2)个点和第二图像的一(1)个点，其中所述两个点中的一点位于狭窄的近侧的任何位置处，另一点位于狭窄的远侧的任何位置处，并且其中所述一个点是在第一图像上自动识别的锚定点。

消除虚假边缘包括检测与脉管邻近的一个或多个“气泡”(见以下描述)。一种用于检测这种气泡(例如虚假边缘)的新颖实施例可以包括：定义与主中心线基本上平行的感兴趣的区域；检测与感兴趣的脉管邻近的至少一个像素数据群集，其中每个像素数据群集具有大于周围象素数据的亮度级别的预定亮度级别；在每个群集内选择任意像素；为每个群集的每个任意像素，选择在限制感兴趣的区域的巷道上提供的第二像素；通过将多个任意像素与相应的第二像素相连来确立障碍线，以定义感兴趣的脉管的边缘。在跟踪感兴趣的脉管的每个边缘时，所跟踪的边缘避开每条障碍线。

消除虚假边缘还可以包括检测和/或消除(例如忽略)沿感兴趣的脉管的一个或多个“凸起”。具体来说，对于凸起而言，消除虚假边缘例如可以包括：确立可疑点列表，其中包括：确立至少一个初步被跟踪边缘上的多个发源点与沿主中心线定位的相应最近点之间的多个第一距离，确立主中心线上的多个第二中心线点中的每一个与位于至少一个边缘上的相应最近点之间的多个第二距离，以及确定对中心线的偏离，即第二距离和第一距离的绝对距离。该方法还可以包括确定梯度成本函数，其与每个边缘点处的梯度幅值成反比；确定聚集与中心线的偏离和梯度成本函数的组合函数，其中在组合函数大于预定的值时，相应边缘点被确定为凸起中的凸起点。该方法还可以包括确定由多个相连接的凸起点和与感兴趣的脉管相邻的切割线所定义的凸起区域，其中切割线包括使凸起区域和切割线长度的乘方之间的比率基本上达到最大的线；以及在切割线处从所述边缘切割掉凸起，以确立最终边缘。

可以通过以下步骤中的一个或多个来确定感兴趣的脉管的中心线：确定感兴趣的脉管的最终被跟踪边缘；确定多对锚定点，其中每一对包括每个边缘上的一个点；通过搜索在被连接时确立与中心线基本上正交的截面线的锚定点对来确定截面线；利用锚定点将每个边缘划分成多个片段，其中，对于每个片段，根据每个边缘的每个点包括位于相对的边缘上的至少一对点、并且相邻点之间的距离总和最小，来确立边缘之间的对应关系。该方法还可以包括连接多个片段的中心以确定中心线。

根据本发明的实施例，密度测定可以包括适当地减去背景影响。具体而言，确定密度测定值可以包括以下步骤的一个或多个：确立与感兴趣的脉管的至少一个边缘基本上平行的多条轮廓线；确立覆盖感兴趣的脉管和相邻区域的参数栅格，其中参数栅格包括感兴趣的脉管沿其长度的第一参数和用于控制感兴趣的脉管的沿截面的变化的第二参数；利用栅格对图像采样以获得多个相应的灰度值-灰度值作为轮廓线的函数被研究。该方法还可以包括基本上消除所检测到的位于感兴趣的脉管的外部的阻碍结构，该结构是作为参数的突出最小值被检测的；基本上消除在感兴趣的脉管的内部检测到的突出最小值；分别对于感兴趣的脉管的每一侧，在跨过感兴趣的脉管的方向上对灰度值取平均；确定感兴趣的脉管内部的栅格上的线性背景估计；以及利用被消除的突出最小值确定截面面积。

本发明的实施例可以包括利用感兴趣的脉管的健康部分上的迭代回归来确定健康脉管尺寸。具体而言，迭代包括预定的斜率和遵循健康数据线之间的折衷。在一个实施例中，如果遵循健康数据的线对应于多个群集上的实际数据，则折衷倾向于遵循健康数据的线。可以以2D和/或3D的方式显示所确定的感兴趣的脉管的健康尺寸。

感兴趣的脉管的三维重建可以包括：对于第一图像中的多个中心线点确定传统外极距离p₁；对于第二图像中的多个中心线点确定传统外极距离p₂；以及基本上根据p_2new＝p₂+δ来重新确定p₂，其中δ是确立一个或多个标志点的对应关系的平滑补偿函数。

在本发明的各种实施例中，可以包括外极指标和相关联的装置(例如处理器的应用程序/计算机指令)。因此，在接收用于识别第二图像中的感兴趣的脉管的输入之后，可以显示用于指示第一图像和第二图像之间的并发的外极指标，以用于产生感兴趣的脉管的“良好”三维重建。

在本发明的某些实施例中，数据可以与其他数据交叉参考。

本发明的其他实施例针对一种用于利用多个二维图像对单个血管进行三维重建(3DR)的系统。这种系统可以包括：显示器，用于显示脉管网络的第一图像以及脉管网络的第二图像，以及脉管的三维重建；输入装置，用于接收用于识别第一图像上的感兴趣的脉管和用于识别第二图像上的感兴趣的脉管的输入；以及处理器，其被布置为操作一个或多个应用程序和/或计算机指令。该计算机指令可以包括用于允许处理器执行以下步骤中的一个或多个的指令：跟踪感兴趣的脉管的边缘，包括消除在视觉上与感兴趣的脉管邻近的物体的虚假边缘；确定沿脉管的基本精确的半径和密度测定值；跟踪第二图像中的感兴趣的脉管的边缘，包括消除在视觉上与感兴趣的脉管邻近的物体的虚假边缘；确定第二图像中沿感兴趣的脉管的基本精确的半径和密度测定值；确定感兴趣的脉管的三维重建；以及确定沿脉管的融合面积测量结果。可以包括用于实现这里没有明确包括的任何前述步骤的其他计算机指令。

本发明的其他实施例针对一种用于利用多个二维图像对单个血管进行三维重建(3DR)的系统。该系统可以包括：显示装置，用于显示脉管网络的第一图像，以及脉管网络的第二图像，以及3DR；输入装置，用于识别第一图像和第二图像上的感兴趣的脉管；跟踪装置，用于跟踪感兴趣的脉管的边缘，包括用于消除在视觉上与感兴趣的脉管邻近的物体的虚假边缘的消除装置。该处理器可以用于确定包括多个中心线点的中心线，确定沿脉管的基本精确的半径和密度测定值，确定第二图像中沿感兴趣的脉管的基本精确的半径和密度测定值，确定感兴趣的脉管的三维重建；以及确定沿脉管的融合面积(截面)测量结果，以及确立感兴趣的脉管的3DR。

本发明的其他实施例可以包括一种用于利用多个二维图像对单个血管进行三维重建(3DR)的系统(例如根据前述任何一个)，定还可以包括：血管造影系统，其包括用于扫描患者的平台、包括X射线源的C臂X射线系统、检测器、用于移动C臂的步进电动机以及用于进行QCA的工作站。该工作站可以包括：显示装置，用于显示脉管网络的第一图像，以及脉管网络的第二图像，以及3DR；输入装置，用于识别第一图像和第二图像上的感兴趣的脉管；跟踪装置，用于跟踪感兴趣的脉管的边缘，包括用于消除在视觉上与感兴趣的脉管邻近的物体的虚假边缘的消除装置。

本发明的其他实施例针对永久的或临时性的计算机可读介质(例如软盘、硬盘驱动、CD、DVD、智能介质和其他闪存)，用于存储由计算机指令构成的一个或多个应用程序(或者只存储计算机指令)，这些计算机指令用于使得计算机(例如处理器和/或工作站/网络)能够执行根据本发明的各种实施例的方法。

本发明的任何实施例也可以用于现有血管造影系统，或者其他脉管成像系统。本领域的普通技术人员在考虑本公开之后很容易看出本发明与这种系统的关系。

通过参考以下详细描述和在以下简要描述的附图，可以更清楚地看到本发明的其他实施例，以及目的和优点。

附图说明

图1示出根据本发明实施例的系统和到C-ARM的接口的示意图。

图2示出狭窄脉管的三(3)点标记。

图3是来自血管造影电影放映的图像，其中包括脉管网络。

图4是来自图3的图像，其中具有不正确的所跟踪的边缘。

图5是具有气泡区域的脉管的示意图。

图6是来自血管造影电影放映的图像，其包括对用于边缘校正中的项目的参考。

图7是示出感兴趣的脉管的被检测到的气泡的图像。

图8是示出最终的所跟踪的边缘的图7的图像。

图9是来自血管造影电影放映的图像，用于说明凸起检测。

图10是具有不正确的边缘跟踪(具有凸起)的图9的图像。

图11是具有经校正的边缘的图9的图像。

图12是凸起检测和消除过程的示意图。

图13是凸起检测和消除过程的进一步的示意图。

图14是凸起检测和消除过程的进一步的示意图。

图15是感兴趣的脉管的图像，其中示出了中心线定义。

图16是示出脉管的典型截面的示意图。

图17是感兴趣的脉管的图像，其中示出了计算脉管的密度测定的方法。

图18是示出根据本发明某些实施例的密度测定的原理的示意图。

图19A是示出用于计算密度测定的感兴趣的脉管的轮廓线的图像。

图19B是与图19A的图像相关联的密度测定值的图线。

图20A和20B代表脉管网络的第一和第二图像，用于说明点到点匹配。

图21A是狭窄脉管的图像，用于说明健康动脉计算。

图21B是示出图21A的狭窄脉管的健康动脉计算的图线。

图22A是狭窄脉管的另一个图像，用于进一步说明健康动脉计算。

图22B是示出图22A的狭窄脉管的健康动脉计算的图线。

图23-28是感兴趣的狭窄脉管的图像，参考了确定脉管的健康显示。

图29是根据本发明的3DR系统的屏幕截图，其示出了与2D图像相关的显示(包括2D健康动脉显示)。

图30是感兴趣的脉管的3DR。

图31是3DR的屏幕截图，其中包括与3DR相关联的信息的显示。

图32示出出现在根据本发明的系统的屏幕截图(也示出了感兴趣的脉管的3DR)上的弹出列表。

图33是根据本发明的3DR系统的屏幕截图，其说明了校准技术。

图34是根据本发明的3DR系统的屏幕截图，其说明了图形数据呈现。

图35A是示出感兴趣的脉管的被跟踪边缘的第一图像。

图35B是感兴趣的脉管的第二图像，其包括外极条和线，用于指示第二图像用作3DR的良好候选的适用性，其中有与图35A中成像的图像/脉管的关系。

图36示出根据本发明某些实施例的管状器官片段的3D柱状表示。

图37示出穿过图36所示的片段的截面区域。

具体实施方式

本发明的实施例可以被集成到现有的导管插入系统中，以产生2D和3DR图像。例如，图1示出了根据本发明某些实施例构造的一个典型系统，该系统可用于产生患者的脉管系统的二维血管造影图和/或3DR。这种系统可以包括用于被检查的患者3的水平支撑，例如台2，以及包围患者身体的门型C臂4。C臂支持位于患者身体一侧的放射源5，以及位于另一侧并且与放射源对准的放射检测器6。放射源5可以是例如产生锥状X射线束的X射线点源。放射检测器可以由具有多个放射检测器元件的CCD照相机构成。

该装置还可以包括步进电动机7，用于改变放射源和放射检测器相对于被检查的身体的角位置。在以下描述的本发明的优选实施例中，步进电动机7能够使放射源和放射检测器绕Z轴旋转，Z轴是患者身体的纵向轴，它还能使放射源和放射检测器绕X轴旋转，X轴与Z轴一起定义了水平身体支撑的平面。

可包括在图1的系统中的电子设备可以包括血管造影系统控制器10，其控制放射源以及步进电动机，以连续地从相对于身体的多个不同角位置产生身体曝光。该控制器还可以接收来自CCD照相机中的放射检测器元件的电子输出。可以包括计算机工作站11，其控制血管造影系统控制器10以产生到任何所选播放(造影放映)的血管投影的二维图像12，以及3DR图像13。控制最好与由ECG传感器和/或呼吸传感器(未示出)所产生的心脏和/或呼吸选通信号同步，以便可以在心动周期或呼吸周期期间的相同点期间获得血管的图像。

该工作站可以包括适当的程序和/或硬件，以用于实现本发明的用于2D和3DR的实施例的系统和方法的操作，以及相关联的QCA。此外，根据本发明实施例的系统和方法可以是上述导管插入室配置的附加组件。在某些实施例中，可以使另一个包括硬件和软件的工作站与导管插入室接口，以用于接收造影放映，并且任选接收C-ARM成角和ECG，以处理和呈现3DR。

第一实施例组

图像采集

在患者的导管插入期间，基本上实时地捕捉多个血管造影电影放映的二维(2D)X射线图像，并在监视器上显示这些图像。除了这些图像之外，还可获取C臂成角数据和ECG数据。利用ECG传感器，ECG选通过程可用于从所捕捉到的每个血管造影电影放映的图像来呈现最优(“最佳”)图像(心脏舒张末期帧)。

电影放映的捕捉可以以模拟方式(例如利用帧抓取器)或经由标准DICOM连接(优选)来完成。DICOM是“Digital Imaging andCommunications in Medicine(医学数字成像和通信)”的缩写，并且是一种允许来自不同制造商的医学设备和软件彼此通信以便易于共享医学数据的文件格式和数字通信协议。

在图像捕捉之后，操作者可以根据已知方法对图像执行导管校准。这种已知方法的示例可以在美国专利号5,042,486和PCT申请公布WO94/04938中找到，这里通过引用将其公开内容结合进来。其他校准设备在美国专利号3,644,825、3,868,565、4,017,858、4,054,881和4,849,692中有所描述，这里通过引用将其公开内容结合进来。本发明的某些实施例可以利用使用DICOM数据的自动校准。在其他实施例中，可以通过识别导管边缘来完成导管校准(3310)，如图33所示。这样一来，知道了导管的尺寸，就可以确定每个图像中的距离(例如像素到毫米变换)。

感兴趣的脉管的识别

利用从血管造影电影放映获得的图像，并且最好在校准之后，系统操作者可以通过从各自从不同的血管造影电影放映中选择出来的至少第一图像和第二图像中手动选择(由操作者)或由系统选择(例如经由ECG选通)图像，来标记感兴趣的脉管的狭窄。在一个实施例中，标记包括至少三(3)个点，但在其他实施例中，可以使用少于三个点(见下文“有限标记3DR”)。这三(3)个点可以包括(图2)：用于标记狭窄的大概位置的第一点210，狭窄的近侧的第二点220，以及狭窄的远侧的第三点230。在标记图像之后，可以确立该图像的边缘检测和中心线定义。

边缘检测(边缘跟踪)

最初，可以利用已知算法(例如dijkstra优化或波传播方法)来提取主中心线。主中心线应当拥有的唯一属性是它是被标记的脉管内部的路径。就这点而言，可能由于用户指向的不精确而导致位于脉管外部的用户标记点可以被自动检查，并且在必要的情况下被移动到脉管中。因此，跟踪算法可以使用这些位置适当的标记点来提取主中心线。

对于每个图像，被标记的感兴趣的脉管的边缘被跟踪。虽然边缘检测(即边缘跟踪)可以利用已知算法经由已知方法来完成(例如参见：Gradient Field Transform，″A New Approach For TheQuantification of Complex Lesion Morphology：The Gradient FieldTransform；...(复杂病灶形态量化的新方法：梯度场变换)″，Zweit &Reiber，JACC vol.24；″Single Source Shortest Path(单源最短路径)″；Introduction To Algorithms；Cormen，Leiserson & Riverst.，p.527；这里通过引用将这些文献都全部结合进来)。但是，利用这些已知方法，血管造影中的边缘检测造成许多困难，本发明的实施例就是要针对解决这些困难。

这种困难涉及：所检测到的感兴趣的脉管的边缘“绕开”脉管的实际边缘而到了来自可能围绕感兴趣的脉管的复杂脉管结构(感兴趣的脉管可能是其一部分)的视觉上相邻的脉管(或其他特征/物体)的边缘之上(见图3-4，其示出了复杂脉管网络和不正确边缘迹线410)。此外，意识到另一个现象，其中标记了感兴趣的脉管的端点，在其附近有另一平行(或基本上平行)的脉管。因此，在检测感兴趣的脉管的边缘之前(例如利用上述边缘检测方法，或其经修改的版本)，本发明的实施例进行预处理以基本上减少、最好消除这种绕行在最终边缘中的出现。

该现象在图5中示出，并且是通过以下方法来针对解决的：挑出靠近感兴趣的脉管的被称为“气泡”510的物体，其导致了不正确的边缘515。气泡包括感兴趣的脉管530附近的被较暗区域(例如另一脉管520)所围绕的亮斑(相对)，并且可以用图像的像素图来检测。如图6-8所示，可以以下方式检测和基本上消除作为边缘检测的一个问题的一个或多个气泡。

如图6所示，定义用于跟踪每个边缘的感兴趣的区域。它由主中心线610、“巷道(lane)”620(它是距离主中心线足够远的线，例如与主中心线的距离是最大可能健康半径的两倍)以及两条线(源630和目标635)所限，这两条线闭合了主中心线和巷道之间的孔。从而，感兴趣的区域由用于两个边缘之一的上述线中的四条所限。边缘跟踪是找出连接源和目标线的最优路径的过程，并且不需要离开感兴趣的区域。然后检测感兴趣的区域中的气泡群集640(另见图7，群集740)，作为较暗的周围区域内的内的亮斑。然后，从气泡内的任意像素开始，相继寻找与主中心线距离最远(优选)的邻近像素，直到到达边界(巷道)。这样一来，从群集640绘制到巷道的线条就定义了阻止路径650。构造多个这种阻止路径。然后，当执行边缘跟踪时，没有能够绕过气泡的边缘线-边缘跟踪过程忽略气泡(例如通过防止跨过阻止路径)，从而产生了正确的边缘。图8示出了回避气泡的最终边缘(810和820)。

存在另一个问题，其中由于感兴趣的脉管上的侧枝而造成检测到的边缘绕开感兴趣的脉管的边缘，从而产生了“凸起”外观。如图9和10中所示，偏离感兴趣的脉管910的侧枝脉管920产生了不正确的边缘1010(图10)。本发明的实施例优选在气泡检测和首次检测到初步边缘之后针对解决此问题，参考图11，这给出了正确边缘(线1110和1120)。凸起可以由相对的边缘之间的距离增大(表现为边缘和中心线之间的距离增大)以及可疑凸起边缘上的低梯度来表征(图12-13)。凸起过程(在某些实施例中)包括两个步骤：凸起检测和凸起校正。

因此，在找出主边缘1200(图12)之后，挑出凸起。从边缘1300上的一个点开始，找出主中心线(或相对的边缘或任何与脉管基本上平行的线)上的最接近的点，并且找出两者之间的距离(箭头1310)。然后，从中心线上的点找出边缘上的最接近的点，以及两者之间的距离，这由箭头1320表示。对中心线的偏离被定义为距离1320和1310之间的绝对差异。

优选地，检查所有的边缘点以查明其是否是凸起点。然后，对于主边缘上的每个点，计算组合函数。这个函数聚集了两个成分：对中心线的偏离和梯度成本函数(例如梯度值条件可以经由梯度成本函数表达，该梯度成本函数可以与梯度幅值成反比)。具体而言，对中心线的偏离较大和/或梯度较低的可疑凸起点可以被视为实际凸起点。具体而言，该组合函数可以对中心线的偏离和梯度幅值的积。一个凸起包括多个凸起点。

通过从边缘上“切割”掉凸起来校正所检测到的凸起。在确定凸起点之后(其可包括一个或多个相邻的边缘点)，然后利用凸起1400的外边界和切割线1410作为内边界来确定凸起面积1405。最后通过这样一条线来确定适当的切割线：这条线使凸起面积和切割线长度的函数(例如切割线长度的乘方)之间的比率达到最大，并且它也是感兴趣的脉管的正确边缘。这从脉管的成像中“切割”掉了凸起，并且确立了脉管的正确边缘。

中心线定义

作为用于确定半径和密度测定值的中心线定义，最终确定狭窄测量，从而是非常重要的。按照定义，中心线是经过脉管内部并且位于边缘之间的线。中心线中的每一点应当与边缘(即中心)等距。这在本领域中被称为“问题步骤”，并且目前有若干个方法被用于确定这种中心线。因此，现有技术中心线检测技术中的任何一种都可以用于本发明。但是，本发明的某些实施例提出了如下所述的新颖方法。

因此，在本发明的一个实施例中，通过挑出多对锚定点(其中每一个在一个边缘上)来检测中心线(见图15，项目1510)。具体而言，如果P和C是边缘点阵列(即边缘P和边缘C)，则根据以下定义来找出锚定点(Pi，Cj)：如果对于所有来自边缘的点(P，C)，距离(Pi，Cj)小于距离(Pi，C)并且距离(Pi，Cj)小于距离(P，Cj)，则(Pi，Cj)对是基本对。锚定点位于边缘之间的瓶颈位置。这导致了截面线条与锚定点处产生的中心线基本上正交，这是管状物体的自然属性。

然后边缘被划分成锚定点之间的片段1520。对于每个片段，可以根据以下原理来确立边缘之间的对应关系：每个边缘的每个点必须拥有至少一个在相对的边缘上的匹配点；匹配对之间的距离总和最小。然后，中心线被定义为连接每一对的线的连接中心。沿着脉管的直径值可以简单地就是这些线的长度。

密度测定和背景减去

密度测定是确定沿脉管的截面的灰度级别以估计脉管的截面面积的任务。虽然直径测量是依赖于视角的，但截面面积却不是(理论上而言，在每个视角下它都是相同的)。图16描述了动脉的截面。根据视角方向测量到了不同的直径(D1和D2)，而截面区域的面积却拥有方向不变性的属性。

计算/确定此面积(它一般是沿截面的灰度级别的函数)的技术是“减去”背景影响。存在许多关于DSA(数字减法血管造影)的现有技术方法，这些方法对于静态物体是非常有用的，但对于运动冠状脉管却难以实现。从而，所描述的其他方法尝试了其他手段来“减去”背景；这些方法是非常成问题的，因为它们是非常局部性的(见图17)。具体而言，如图所示，虚线1710代表感兴趣的脉管的中心线。正如上文中简要提到的，计算密度测定的经典方法是计算沿着与中心线相垂直的片段(例如黑线1720、1730)的背景灰度级别，并且从脉管的灰度值中“减去”这些背景值(例如脉管边界/边缘之外)。如果垂直片段确实经过对动脉公共的背景(例如左侧片段经过导管)，则这种方法就可以起作用。感兴趣的脉管还“越过”导管，从而证明了减去导管灰度级别值是合理的。

另一方面，如果右侧片段1730经过分枝脉管；则沿此片段的感兴趣的脉管的灰度级别值不受分枝脉管的影响(与先前的导管示例不同)。从而，从这些感兴趣的脉管中减去“背景”(实际上是分枝脉管的)灰度值是错误的。

因此，本发明的一个实施例提出了一种新颖的算法，用于“减去”脉管中的背景影响。最初，绘出沿背景的轮廓线1810(图18)，该轮廓与边缘平行。这样一来，背景分析更加全面，并且可以考虑到许多传统方法所不能考虑到的事情。

为了一致地估计背景，应用了覆盖脉管和相邻区域的两参数栅格。一个参数控制脉管沿其长度的变化，第二参数控制脉管沿截面的变化。然后在栅格上对图像采样。所获得的灰度值作为与脉管平行的线(图18，线1810)上的函数被研究。交叉的脉管和其他阻碍结构作为函数的突出最小值被检测，并且最好被消除。对于动脉内部的栅格也执行类似的最小值消除。分别在两侧，在跨过脉管的方向上，对脉管外部的栅格值取平均，并且对动脉内的栅格计算线性背景估计。接下来，利用减去的背景计算截面面积。

如图19A所示，连续线1910是感兴趣的脉管的中心线。如前所述，平行轮廓线1920是在脉管“外部”绘制的。图线(图19B)代表沿一条这种轮廓线的灰度级别。可以看到，暗得多的分枝被表达为该图线内的最小值点。这些函数中的每一个都经过了切割向下峰值的过程。此过程的结果是，从动脉分枝的脉管或者跨过动脉的脉管被忽略。

3DR的点到点匹配

本领域的技术人员将会意识到，任何现有技术3DR方法都可以被用来与本发明的实施例一起完成3DR(例如基于正交或透视成像几何条件模型)。但是，以下是根据本发明的某些实施例的用于改进的3DR的方法，其克服了诸如几何失真之类的问题。

由于由采样之间的场景改变造成的几何失真的存在，正交或透视变换都不能确定图像之间的充分严格的匹配。这种失真的存在及其对3DR结果的影响是本领域中公知的：(i)3D中心线重建的误差；以及(ii)截面估计的失配数据的融合。

因此，本发明的某些实施例包括一种利用局部误差校正的比现有技术方法(例如参见美国专利号4,875,165；6,047,080；以及6,501,848)更适当的方法来获得图像之间的充分严格的匹配的方法。此外，本发明的实施例自动找出和/或匹配图像之间的标志(landmark)点。

获得图像之间的充分严格的匹配点的原理是允许连续偏离外极约束，以便使沿脉管的分岐(例如分枝点或其他突出标志特征)达到最小。该方法可以用于获得其他类型的标志点，以便改进重建过程。具体而言，在正交投影的框架中，外极原理规定相应点与参考外极线的距离相等(外极距离p：见图20A-20B)。可以由操作者在所有图像中标记出参考点，或者由操作者在一个图像中标记出的参考点随后可以被精细化以便通过局部相关算法(例如)在其他图像中精确定位该点，或者可以自动地在所有图像中标记出参考点。

以下类型的标志特征点可用于图像上的改进的外极距离的计算：分枝点(B)；直径函数的突出特征(C1、C2)；作为中心线点的函数的外极距离(D)的局部极值；以及具有极限曲率(E)的点。

最好根据改进的外极距离的匹配来匹配脉管的中心线点。具体而言，针对图20A中的参考图像的动脉中心线点p₁和图20B中的第二图像的A中心线p₂计算传统外极距离p。然后以p_2new＝p₂+δ的形式重新计算第二外极距离p₂，以便在标志点处提供相等的外极距离，其中δ是确立标志点的对应关系的平滑补偿函数。如果p₁(LM)和p₂(LM)是标志点的外极距离，则补偿函数在该标志点处包括值δ(LM)＝p₁(LM)-p₂(LM)。见标志点E的值δ的图示。值得注意的是，补偿函数δ是根据特定脉管计算的。对于从三(3)个图像重建的情况，此方法具有简单的扩展。第二和第三图像δ₂和δ₃的两个补偿函数在标志点处具有值δ₂(LM)＝p₁(LM)-p₂(LM)，以及δ₃(LM)＝p₁(LM)-p₃(LM)。

健康动脉计算

本发明的实施例获得了沿动脉的测量图线：直径或截面面积。为了执行病灶分析以计算诸如窄化百分比之类的测量结果，需要外推健康脉管的值(例如)。

迭代“回归”函数的目标在于计算输入值的“健康”部分的回归线。迭代回归函数计算回归线，其“忽略”了极值(在大多数情况下极值是指称狭窄值或动脉瘤值)。从而，该方法是对回归线的迭代计算，同时去除极值(这例如与利用标准偏差的函数的线相距较远)，直到误差(预测和线之间)小于预定的误差，或参与“回归”线的“产生”的点-即未被识别为狭窄或动脉瘤的点-的数目太小(例如-在某些实施例中，小于总点数的约5-50％之间，在其他实施例中，小于约15-30％之间，在优选实施例中，小于约20％)。

至少按以下方式利用本发明的某些实施例来进一步扩展传统模型：

“强迫”一个默认斜率进入迭代回归；这是由脉管一般总是渐缩形的这一解剖学事实所激发的；以及

搜索数据“群集”；这是假定使用更加分开的一致的群集会比使用单个长群集产生更好的结果(同样是基于脉管的解剖学特征)。

因此，该算法最好在每次迭代上都可以解决关于是遵循所规定的默认斜率还是保持来自先前迭代的斜率的两难问题。关于先前迭代所看到的斜率的置信度量依赖于支持当前回归线的数据点的分布。如果支持当前回归线的数据点在自变量间隔上是均匀分布的，则更多的权重被赋予计算出的斜率。相反，在支持当前回归的数据点群集成一块的情况下，更多的权重被赋予默认斜率。

这些改进对于传统方法是较重大的，并且不仅提供了更好、更健壮的结果，还使得系统能够考虑更复杂的情况，例如开口处病灶(不具有脉管的近心或远心健康部分的病灶)。

例如，图21A示出了“正常”狭窄脉管的示例，它具有近心2110和远心2120健康部分两者。在健康动脉计算的代表性迭代中，即图21B中，将存在两个点群集：一个群集位于近心部分中，一个群集位于远心部分中(图中带着重号的点)，其半径线(2130)的值相对接近“回归”线(2140)的值。由于存在沿脉管分布的两个群集，因此新的线(它努力与数据更接近)将会被接受(而不是努力保持与预定的斜率(2150)更接近)。

图22A-22B代表另一个示例。但是，在该示例中，感兴趣的脉管呈现了开口处病灶(或缓和的疾病(defused disease))。正如可从图中看到的，脉管具有健康的近心部分2210，但在其整个远心部分2220是狭窄的。这也在图22B的图中示出。在这种情况下，所述“回归线”2230包括一个点群集，其中半径值接近回归值。从而，在这种情况下，迭代的结果将会更接近默认斜率2240而不是回归线。

值得注意的是，这个健康动脉计算步骤是在两个场境中描述的，即计算以及2D显示(见下文)。因此，上述计算最好首先被执行，然后它充当2D显示过程的输入。两个步骤之间的差异是计算步骤一般涉及健康值，而第二步骤(显示)还可以涉及该值相对于病灶的“对称性”(如何将5mm的健康值定位在3mm病灶的“周围”)。

二维健康动脉显示-图23-29

健康动脉显示是用于QCA系统中的图像呈现的极佳工具，并且帮助工程师分析狭窄区域(例如就对称性等而言)。由于健康脉管的这个信息不是血管造影照片的一部分，因此本发明的某些实施例基于现有数据的外推(最好是内腔边缘)来确立这种信息。因此，图23示出了脉管网络的图像。图23代表检测到的内腔边缘，图25代表对在脉管健康的情况下脉管的外观的显示(它可以被外推)。

根据一个实施例，该过程包括通过直线将每个边缘的端点彼此相连，从而产生两条线2610和2620(图26)。最好利用“健康半径”(见上)度量来将这些线产生成彼此相隔较远。如果脉管内腔完全在这两条线内部，则健康动脉计算完成，因为这些线随后可代表动脉。如果脉管内腔不完全在这两条线内部，则找出任何内腔边缘2701、2705中与这些线距离最远的点(点2710，图27)。该点(以及第二边缘处的相应点)将每个边缘划分为两部分(见图28)。该过程被递归地继续。

递归过程开始于被定义为整个动脉的第一片段，即from是动脉的开始阈值，to是动脉的结束阈值。在递归的每个步骤中，接收由先前找到的锚定点中的两对所限定的动脉片段。每一对包含来自不同边缘的两点。例如令P和C为感兴趣的脉管的边缘；这两对点可以由(P_from，C_from)和(P_to，C_to)来表示。如果，在当前步骤中，在(P_from，C_from)和(P_to，C_to)之间找到新的点对(P_new，C_new)，则利用两个动脉片段两次递归地调用该过程：(P_from，C_from)，(P_new，C_new)和(P_new，C_new)，(P_to，C_to)。如果没找到新的对，则递归分枝调用终止。

新的点是来自感兴趣的片段的最大程度地偏离连接限定性片段from和to的中心的线的点。因此，如果偏离小于对应的健康半径，则新的点被丢弃并且递归分枝终止。如果偏离大于相应的健康半径，并且该健康半径又大于该点处的输入半径，则找到了一对新的锚定点。

新对中的一个点是新点。构成新对的第二点是经由健康半径和来自相对的边缘中与新点相对应的点来确定的。即，构成新对的第二点位于将新的点与其对应点相连的直线上的两倍于健康半径的距离处。如果偏离大于相应的健康半径，并且该健康半径小于该点处的输入半径(例如动脉瘤)，则也存在一对新的锚定点。新对的点位于连接新点和来自相对的边缘中与新点相对应的点的直线上。与先前的情况一样，新对中的点之间的距离等于健康半径的两倍。但是，与先前的情况相反，新对中的点的位置相对于相应的中心线点是对称的。递归终止的结果是锚定点列表。经由锚定点之间的插值(例如样条插值)最终确定健康边缘。见图29，该图中央示出了二维健康动脉显示。

三维健康动脉显示

用于健康脉管的2D的相同想法也适用于3D。如图30-32所示，透明区域3010直观化了对健康脉管的近似。与3D脉管重建类似，健康3D动脉是由3D健康中心线和3D健康直径所定义的。对于3D健康中心线计算，可以利用已知的2D中心线逐点匹配，将其应用到与可获得的匹配对最接近的健康2D中心线点。然后可以取与健康(参考)直径相对应的直径作为3D健康直径。截面面积可以是以下所述的融合算法的结果，而健康直径是sqrt(截面面积/π)的(迭代)回归线。

融合

此时，已经从各种(至少2个)投影沿动脉获得了直径测量结果和截面面积测量结果。直径值是依赖于视角的，并且直径和截面面积值都可能被噪声破坏。从而，最好组合所有数据(直径和面积值)，以便更好地计算截面面积。与这种实现方式相关的实施例也可以基于根据投影几何条件和动脉的3D几何条件之间的关系为每个信息源分配“质量”权重标签。

因此，参与3D脉管重建的2D图像提供2D中心线、直径和非物理面积值。在3D中心线重建之后，可以使2D中心线与3D中心线连接起来(例如每个3D中心线点与发源的2D中心线点相连接)。换言之，对于每个3D中心线点，存在对至少一组测得的2D直径和面积值(最好是两少两个图像的两组值)的参考。

融合过程可以包括以下步骤：

可以根据视角向量和3D中心线方向之间的局部角度校正面积(截面\密度测定)值，从而产生正交截面面积的测量结果；

通过向平均直径函数应用迭代回归算法来计算健康直径，从而产生参考物理度量(只可能来自直径值，以毫米为单位)；平均直径可被用于对误差取平均(在某些实施例中，这也使误差最小化)；以及

计算面积的平方根的健康回归线。由于密度测定是依靠恒定因子的面积测量，因此可以计算函数Radens＝Densitomertry_Radius＝sqrt(Densitometry)，以便可以与Radius相比较。

利用(例如)对所找到的回归线的调整，将直径图和截面图配置到公共坐标系统(例如以毫米为单位)。

更具体而言，平均直径的健康线可用作参考线。就这一点而言，可以利用(例如)数据的健康线和参考健康线之间的比率来变换(对于每次放映，半径和密度测定)基本上所有(最好是所有)数据。

RadsNorm＝RadAvReg/RadsReg*Rads，

RadensNorm＝RadAvReg/RadensReg*Radens，

其中：

RadsNorm是归一化的半径值，

RadensNorm是归一化的密度测定导出半径(Densitometry-derived-Radius)值，

RadAvReg是从平均半径图导出的健康(回归线)值，

RadsReg是从特定半径图导出的健康(回归线)值，

Rads是特定半径图值，

RadensReg是从特定密度测定导出半径图导出的健康(回归线)值

Radens是特定密度测定导出半径图值，

可以按照密度测定面积和经由直径之积计算的面积的加权和来计算融合的区域(例如)。权重可以是局部确定的，并且可以依赖于查看方向和/或局部3D中心线方向。如果相应的视角与中心线方向正交，则密度测定面积的权重可以最大，而如果两个视角都与中心线方向正交并且还相互正交，则直径之积的权重可以最大。

可以用椭圆面积来将该面积表达为直径之积，并且可以用圆形面积来将该面积表达为由截面导出的直径的乘方。

Sellipse(i，j)＝pi*RadsNorm(i)*RadsNorm(j)，il＝j，i，j＝1，2，...，NumberOfViews

Scircle(k)＝pi*RadensNorm^2，                       k＝1，2，...，NumberOfViews.

上述融合方法的某些实施例利用了以下假设：脉管的健康部分中的圆形截面由回归线(直径和截面平方根的回归线)所表示。另一方面，在狭窄区域中，内腔截面可能是非常偏心的，从而使用密度测定可能能够改进面积估计。在这种情况中结合密度测定面积，可以改进截面估计。

所组合(融合)的面积函数可以按照Sellipse和Scircle的加权和来确定：

Sfused＝(SUM_i，j(W(i，j)*Sellipse(i，j))+SUM_k(W(k)*Scircle(k)))/

(SUM_i，jW(i，j)+SUM_kW(k))

加权系数W(i，j)和W(k)表达了每个特定的面积测量结果Sellipse(i，j)和Scircle(k)的保真度。在某些实施例中，可以用动脉相对于照相机方向(视线向量)的局部方位来定义加权系数。具体而言，令ViewVector(k)，k＝1，...，NumberofViews为照相机视线单位向量，ArtDir为在每个动脉点处计算的3D动脉方向单位向量。因此，加权系数的几何含义如下。权重W(k)可以是动脉方向和视线向量之间的角度的正弦的绝对值，并且当视线与动脉正交时变为1，在视线与动脉平行的情况下为0。权重W(i，j)表达了两个视角和动脉的相互方向的质量，并且可以在动脉方向和两个视线向量构建正交基(即向量中的每两个都是正交的)时达到最大值。注意，在两个视角向量彼此正交时，可以最大程度地证明利用椭圆面积公式来计算截面面积的合理性。或者，如果已经从具有接近的视角方向的图像获取了半径，则椭圆截面公式的使用则是矛盾的。因此，如果，除了正交视角之外，向量平面ViewVector(i)和ViewVectors(j)与动脉正交，则面积值Sellipse(i，j)可以达到最大保真度W(i，j)＝1。

值得注意另一个考虑因素。在某些实施例中，上述定义对源自密度测定的面积测量结果赋予了一些优先权，这是因为对于k＝i和K＝j，W(i，j)＜W(k)。虽然椭圆面积假设可能会经历矛盾，但是经由密度测定的面积估计不会产生这种缺陷(如上所述)，而为密度测定赋予优先权可以是合理的。

有限标记3DR

虽然上述实施例(一般性地)公开了对来自至少两个不同血管造影电影放映的每个图像使用三(3)个标记点，但是本发明的其他实施例可以使用较少的标记点。例如，在某些实施例中，操作者可以简单地对两个血管造影电影放映的每个图像标记两(2)个点，或者在实施例中，操作者可以为来自一个血管造影电影放映的第一图像标记两(2)个点，并且为一个或多个附加图像(来自其他血管造影电影放映)标记一(1)个点。

例如，操作者可以标记一个血管造影电影放映的一个图像上的(相对于狭窄)近心和远心的两(2)个点。这个放映可以被称为“主”放映，并且所选择的相应的图像被称为“主”图像。然后系统计算中心线和边缘以及动脉上的“狭窄”点(该点不需要是实际狭窄点，而更确切地说是参考点)。然后操作者从两个附加放映(“从属”放映)中选择图像，并且标记来自从属放映的图像上的“狭窄”点的位置。在接收来自从属放映的图像上的每个狭窄点之后，系统在从属放映的图像上执行跟踪，然后给出跟踪和3DR的结果。在本发明的实施例中，可以利用路径优化算法来实现这种标记减少，所述路径优化算法例如包括为图像跟踪采用的通用dijkstra算法或者波传播算法(WPA)。

从而，利用WPA(例如)，在输入图像、源点和目标点之后，对于主图像，找出以最小成本(图像灰度级的某次方之和)连接源点和目标点的路径。对于来自从属放映的图像，目标集合是外极线，而不是点，并且结果是将源点(“狭窄”或锚定点)连接到目标线的路径。此外，可以产生备选路径，并且选择最优分枝路径。对该过程的进一步说明如下：

跟踪主图像：感兴趣的脉管的近心点和远心点被操作者输入，并且感兴趣的脉管的中心线被产生(输出)。此时，系统在主图像中跟踪感兴趣的脉管的边缘，并且确定狭窄点(这例如可以通过确定感兴趣的脉管的最小直径的位置来完成)。中心线被分割成近心部分和远心部分。

然后，针对两个从属图像，从标记的“狭窄”点到外极线，分别对于近心部分和远心部分，跟踪来自从属放映的图像，这产生4条迹线，其中对于每个从属图像(主分枝)，输出包括一个近心路径和一个远心路径。利用dijkstra/WPA结束时的队列状态，可以向主分枝添加附加的候选分枝(次级分枝)。结果，获得从属图像的两个近心候选树和两个远心候选树。

然后对最优修改组合作出选择：近心候选的最优组合和远心候选的最优组合包括三(3)个主中心线。对于每个候选分枝组合(来自主图像的分枝和来自从属图像的两个候选)，利用3D偏离误差属性执行3D匹配。误差表达匹配的质量，并且对比例失真敏感。匹配质量的附加标准是三个中心线的相应点处的2D中心线方向匹配。这个匹配标准对于图像间的比例变化可能是不敏感的。

因此，随后基于偏离误差、中心线之间的方向匹配、以及对利用更多来自主图像的中心线的点的组合的偏好的附加考虑的组合，选择最优组合的聚集标准。

第二实施例组

本发明的这个实施例群组的一个目的是提供一种用于从血管造影投影进行管状器官的三维重建的方法和系统。具体而言，第二实施例组通过对三维重建过程提供额外的考虑来改进3DR的外极几何条件方法，从而提供了不同投影之间的精确对应关系，从而即使在存在所述几何失真和外极问题条件的情况下也能提供精确的3D模型。

根据第二实施例组，所建议的重建方法是基于通过将其他考虑因素结合到重建过程中而增强的外极几何条件的。这些其他考虑因素例如包括沿着管状器官的中心线和局部中心线方向从图像导出的管状器官的参数，例如半径和密度测定(灰度级别)值。还可结合从管状器官的特性导出的其他考虑因素。当前的实施例组提供了一种用于从两个二维血管造影图像进行三维重建的方法以及一种用于从三个或更多个二维血管造影图像进行三维重建的方法。这些实施例还提供了一种针对以下情况的三维重建解决方案：一种情况是给定了所有二维图像之间的公共参考点，一种情况是没有给定参考点；在这种情况下，提供了一种新颖的方法，用于通过对不变函数取相关来获得参考点。

因此，根据此第二组的某些实施例包括一种用于确立在血管造影图像中可见的管状器官的投影之间的对应关系的方法，包括：

(a)在两个血管造影图像上提取管状器官的中心线；

(b)沿着中心线点计算特征：管状器官的半径、中心线方向、管状器官的投影的截面面积(密度测定)；这些特征构成不变函数，这些不变函数被用于在中心线之间进行匹配，

(c)构造优化目标函数，其包括表达软外极约束和不变函数之间的分歧的惩罚函数；优化的目标函数是在两个中心线点之间的所有可能的对应关系上定义的，

(d)解优化目标函数，以生成一条中心线上的2D点到其他中心线上的2D点之间的映射，

(e)如果给定了参考点，则优化解答以便映射包括参考点的匹配，

(f)当未给定参考点时，或者通过遵从条件：E₁(i)＝0并且E₂(j)＝0，其中E是dP/dL，P是外极距离，L是中心线长度，或者通过找出被表达为与任意临时参考点的外极距离的函数的函数S₁/E₁和S₂/E₂的相关、或经由函数R1和R2的相关，来找出该参考点；

从而2D点的每个匹配的集合定义一个3D点，例如将该3D点定义为使与投影线的距离达到最小的点，并且这些3D点的序列是管状器官的三维重建。

在三个或更多个投影的情况下，优化过程是类似的，并且可以通过以下方法中的任何一种来找出3D点：

a.对从每对投影线产生的3D点“取平均”，或

b.利用三条或更多条投影线来确定3D点；例如，使与这些线的距离之和达到最小的点。

此外，在三个或更多个投影的情况下，方向对应关系标准被结合到了优化过程中。找出相关的过程可以在优化之前执行，或者作为优化的一部分执行。

外极原理定义，给定两个2D投影，第一图像上的每个点定义第二图像上的外极线(反之亦然)；第二图像上的与第一图像上的2D点相对应的2D点被限制到这条外极线。

利用外极几何条件的三维重建可以被描述如下：

(a)给定两个投影中的2D中心线，第一中心线中的每个2D点定义与第二图像的中心线相交的外极线，这个交点是第二图像上与第一图像上的2D点相对应的2D点，

(b)这些2D点中的每一个定义一条投影线(意思是从源3D点到这个投影的2D点的线)。从而，两条投影线的交点找出了相应的3D源点(理想情况下，两条线相交，但是实际上它们并不相交，因此应当定义诸如最小跟踪点之类的标准)。

(c)所产生的3D点的序列是管状器官的三维重建。

所描述的这个利用外极几何条件的三维重建过程具有许多不足之处。因此，第二实施例组基于利用远离外极距离的附加不变量来对这些不足之处提出解答，以获得管状器官的2D投影和3D重建之间的精确匹配。一个不变量是沿着投影的动脉的半径函数行为。在本发明中，在投影的动脉密度和外极几何条件之间也确立一般关系。该关系允许了计算对于不同投影不变的值。不变属性被用于匹配不同投影中的管状器官。已知即使在没有失真的情况下，也存在外极原理不提供唯一解答(外极含混性)的情况。根据第二实施例群组的新方法帮助解决了这种情况下的含混性。在假设管状器官的局部柱状结构的情况下将会证明该关系。

利用外极条件和投影的面积(密度测定)定义不变函数

图36示出了管状器官片段的3D柱状表示。令D为管状器官的3D方向，S是与D正交的截面面积(图1)。|D|＝1。令V₁和V₂为在其上获得管状器官的两个图像的C臂方向，|V₁|＝1，|V₂|＝1。仅在视角方向与管状器官正交(V₁与D正交)的情况下，截面面积才等于S。在一般情况下，截面面积与视角方向V和正交截面S的平面之间的角度的余弦成反比。这意味着截面面积为S/cos(α)(图37)。

上述余弦等于向量V和D之间的角度的正弦。因此截面面积为：

$\left(1\right),S_i=S/\sqrt{1-{\left(V_1^{T}D\right)}^2},i=\mathrm{1,2},$

其中V_i ^TD是两个向量的点积。

令D₁和D₂为管状器官的方向到图像平面的投影。方向D₁和D₂与管方向一致。我们有

(2)D_i＝D-(V_i ^TD)V_i，i＝1，2.

注意，(2)中的向量D₁和D₂未被归一化。

V₁₂表示与两个视角向量正交的单位向量，V₁₂＝V₁×V₂/|V₁×V₂|。向量V₁₂是与两个图像的外极平面正交的向量。按照定义，管状器官的相对于外极平面E的投影方位的度量是V₁₂和管状器官的方向的标量积：

(3)E₁≡D₁ ^TV₁₂/|D₁|并且E₂≡D₂ ^TV₁₂/|D₂|.

定理：投影面积与可见外极方位的比对于每对视角是不变的，即

(4)S₁/E₁＝S₂/E₂.

证明：

利用(1)和(2)，我们获得：

(5)S₁ ²(1-(V₁ ^TD)²)＝S₂ ²(1-(V₂ ^TD)²)

(6)D₁+(V₁ ^TD)V₁＝D₂+(V₂ ^TD)V₂.

用V₁₂乘以(6)，我们获得D₁ ^TV₁₂＝D₂ ^TV₁₂，并且利用表示法(3)

(7)|D₁|E₁＝|D₂|E₂.

将(7)升到二次方，我们可以将其改写为|D₁|²E₁ ²＝|D₂|²E₂ ²的形式。根据(2)，我们获得|D_i|²＝(D-(V_i ^TD)V_i)^T(D-(V_i ^TD)V_i)＝1-(V_i ^TD)²。从而，

(8)(1-(V₁ ^TD)²E₁ ²＝(1-V₂ ^TD)²)E₂ ².

利用方程(8)和(5)，我们到达方程(4)，从而证明了定理。

方程(8)中计算的所有度量都是从图像计算的，并不需要3D重建。S_i被称为密度测定-利用图像中的灰度级别值来确定投影截面面积值。如前所述，可以按照与从图像提取的2D中心线相切的方向来计算方向D₁和D₂。

定义针对从三个或更多视角进行3D重建的过程的新颖约束

在从三个或更多个投影进行三维重建的情况下，我们可以结合方向对应关系约束。令D₁、D₂、...、D_N为与表达为3D向量的2D管状器官中心线相切的向量。以下条件对于点匹配是必要的。对于匹配的点，由向量D₁、D₂、...、D_N构成的矩阵的秩小于3。

Rank(D₁，D₂，...，D_N)＜3

对于三个投影(N＝3)，等同的陈述是由向量D₁、D₂、D₃构成的矩阵的行列式为零

Det(D₁，D₂，D₃)＝0.

用于从2D投影进行3D重建的方法

为了简单起见，将针对两个2D投影来描述该过程。针对三个或更多个2D投影的过程只是所述过程的简单归纳。假设了平行投影几何条件，并且考虑经过与每个图像中的识别出的或给定的参考点相一致的3D源点的图像平面；从而，在该图像平面中找到的每个点和方向能够并且将会被用参考点和已知方位表达为3D实体。

令L₁(1)、L₁(2)、L₁(3)、....为代表第一图像中的管状器官中心线的点序列，L₂(1)、L₂(2)、L₂(3)为代表第二图像中的管状器官中心线的点序列。利用先前的表示法，V₁和V₂是投影方向，V₁₂是与两个视角向量相正交的外极方向。索引i被用作线L₁上的点的索引，j被用作线L₂上的点的索引。令R₁(i)、R₂(j)为来自2个投影的半径的相应度量，D₁(i)D₂(j)为中心线归一化方向向量的度量，并且S₁(0、S₂(j)为基于密度测定计算的投影截面面积。做出以下表示：P₁(i)＝dot(L₁(i)，V₁₂)、P₂(j)＝dot(L₂(j)，V₁₂)，作为外极距离，以及E₁(i)＝dot(D₁(i)，V₁₂)，E₂(j)＝dot(D₂(j)，V₁₂)。可以经由外极距离和线长度的增量来给出E的等同定义E＝dP/dL。

考虑在索引ij的矩形域上定义的两个变量i和j的函数F：(1≤i≤N)×(1≤j≤M)，其中N和M是中心线中的点的数目。

F(i，j)＝F₁(|P₁(i)-P₂(j)|)+C₂F₂(|R₁(i)-R₂(j)|)+C₃F₃(|S₁(i)E₂(j)-S₂(j)E₁(i)|)+F₄(E₁(i)E₂(j))。这里F₁、F₂、F₃、F₄是具有以下属性的函数。F₁(0)＝F₂(0)＝F₃(0)＝0；F₁、F₂、F₃是单调递增函数；F₁(∞)＝∞；0≤F₂，F₃≤1；

C₂和C₃是加权系数。

匹配问题被阐述为函数F的最小路径寻找问题的解答。即，找出这样的连续单调路径：开始于i＝1或j＝1一侧，结束于i＝N或j＝M一侧，并且在其途中值F的和最小。术语“连续”和“单调”是指存在索引i，j的三个可能的增量：(0，1)、(1，0)、(1，1)。可通过动态编程方法或Dijkstra型算法来解决优化问题。

目标函数的第一项F₁(|P₁(i)-P₂(j)|)是惩罚强烈偏离外极条件P₁(i)＝P₂(j)的软外极约束。例如，惩罚函数F₁＝(|P₁-P₂|)T)²对于分歧|P₁-P₂|＜T是宽度的，对于总分歧|P₁-P₂|＞T是严厉的。目标函数的第二项C₂F₂(|R₁(i)-R₂(j))|)鼓励沿最优路径的半径的相似性。第三项C₃F₃(|S₁(i)E₂(j)-S₂(j)E₁(i)表达了定理中陈述的不变属性。在这里它被写成消除与除以零相关联的奇点的形式。第四项F₄(E₁(i)E₂(j))实际上施加了以下严格约束：不允许匹配具有相反方向的片段，尽管外极距离允许这样的匹配。这一项通常在含混情况(外极问题)中帮助分辨匹配。从形式上来说，对外极方向度量E₁(i)、E₂(j)具有相同符号的要求是根据定理中陈述的相等性以及所测得的截面面积总是正的这一事实得出的。

从而优化的目标函数F(i，j)是在两条中心线点之间的所有可能的对应关系上定义的；优化问题的解答是一条中心线上的2D点与另一中心线上的2D点之间的对应关系图。现在，三维重建的获得按文献中已知的方式继续下去：每个匹配的2D点集合定义一个3D点，例如将与投影线的距离最小化的点定义为该3D点。这些3D点的序列是管状器官的三维重建。

在三个或更多个投影的情况下，优化过程是类似的，并且可以通过以下方法中的任何一种来找出3D点：

(a)对从每对投影线产生的3D点“取平均”，或者

(b)利用三条或更多条投影线来确定3D点；例如使与这些线的距离之和达到最小的点。

此外，在三个或更多个投影的情况下，方向对应标准被结合到优化过程中，这在以上“定义针对从三个或更多视角进行3D重建的过程的新颖约束”中描述。

如果参考点是骨架点之一，即L₁(i₀)和L₂(j₀)，则对目标函数施加将优化过程强迫到经过参考i₀、j₀的路径的附加约束

注意目标函数中只有一个项依赖于参考点-惩罚项F₁(|P₁(i)-P₂(j)|)。

当参考点未知时，外极距离的差异可以被描述为依赖于沿外极方向的移位的函数的一个参数族。可以按不同方式来找出参考点(或移位)：

·可以从遵从以下条件的点中选择参考点：E₁(i)＝0并且E₂(j)＝0，其中E是dP/dL，P是外极距离，L是中心线长度。

·可以经由表达为与任意临时参考点的外极距离的函数的函数S₁/E₁和S₂/E₂的相关、或经由函数R₁和R₂的相关来找出移位，从而找出参考点。

·如果经典惩罚项F₁(|P₁(i)-P₂(j)|被以下表达式F₁(|P₁(i)-P₂(j)-P₁(i_start)-P₂(j_start))|)所替换，则可以在解决优化问题的过程中找出参考点，其中P₁、P₂是与任意临时参考点的距离，i_start、j_start是点(i，j)中的当前最优匹配片段的第一点的索引。

除了上述方法以外，本发明还设想了一种用于利用上述三维重建方法对管状器官成像的系统，其包括微处理器，该微处理器被配置成从获得自不同视角的管状器官的两个或更多个血管造影图像来生成管状器官的三维重建。本发明涉及适用于对包含在动脉树中的动脉成像。

第三实施例组

本发明的第三实施例组的一个目的是提供一种以自动化方式从多于两个血管造影投影进行三维器官重建的方法和系统，即无需附加的用户交互，即不需要用户在附加的血管造影照片上识别管状器官。

从两个投影对诸如动脉之类的管状器官进行三维重建可以经由现有技术中已知的方法来实现。通常，这要求用户交互，以在前两个视图中识别感兴趣的器官。一旦该重建可用，第三实施例群组就提供了一种基于两个或更多个附加的投影自动进行更新的方法。当从两个投影重建的3D模型可用时，根据该附加的现有投影的特定查看几何条件将其投影到附加图像平面上。这引起了很大的几何失真，该几何失真表现了实际X射线图像和投影模型之间的未知移位。第三实施例组可以通过实现相关技术来确定这个移位。在计算移位之后，通过利用投影的模型作为第一近似，来在第三图像中执行器官跟踪和分析。然后检测和跟踪到的新的器官投影被用于重新计算三维重建，以获得更好的近似。

根据这个实施例组的第二方面，从两个视角进行的三维重建被用于确定结合附加投影的细化重建的局部权重。当查看方向与器官正交时，器官投影为三维重建目的提供的信息最多。此外，当查看方向充分分离时，一对投影提供的信息更多。这些属性明显是局部性的，是按照器官的每个片段的。从而，一个投影组合对于器官的一个片段是优选的，而另一个投影组合对于另一个片段是优选的。

第三实施例组提出了为细化的3D重建确定两个2D图像源的组合的局部权重。局部权重是根据主3D模型(从前两个投影重建)中心线和投影的视角向量之间的角度和视角向量之间的角度来确定的。

因此，第三实施例组涉及一种用于从三个或更多个投影进行器官的自动三维重建的新颖的方法和系统。一旦从两个投影进行的器官三维重建可用，本实施例群组就提供了一种系统和方法，其在附加投影的2D图像中执行重建的器官的自动识别，在2D图像中执行器官的自动跟踪和分析(以对第一和第二图像执行的方式类似)，最后将新的投影结合到三维重建中，从而改进三维重建的精度。这种方法尤其适用于对包含在动脉树中的动脉成像。

当查看方向与器官正交时，器官投影对于三维重建目的提供的信息最多，并且充分不同的视角比起不充分不同(接近)的视角提供更精确的3D重建。为了实现这两个想法，此第三组的某些实施例针对一种利用从两个视角进行的三维重建来确定结合了附加投影的细化的重建的局部权重的新颖方法和系统。

具体而言，本实施例组涉及前两个投影的附加血管造影投影可用时产生更好的器官三维重建的两个方面。第一方面涉及识别、跟踪附加投影并将其结合到重建中的自动过程。第二方面给出了一种加权重建过程的新颖方法，其中权重将从其重建3D模型的投影的局部最优组合表达为查看角度的函数。

用于自动检测附加投影中的器官的方法

令A为从两个被标记的图像重建的器官片段的3D模型。例如，我们可以使用由三维中心线和由半径指定的圆形正交截面构成的一般化的柱状模型。该模型可以被表达为A≡(X_i，Y_i，Z_i，R_i)，其中i是沿三维中心线的骨架点的索引。令I为不参与A的重建的图像。令G为图像I的已知几何条件。几何条件数据G包括角度和对放大因子的粗略估计，但不包括C臂患者床移位。我们将3D模型A称为浮动的，意思是就尺寸和形态而言但不就空间位置而言来代表真实器官。

利用几何条件数据G将模型A投影到图像平面I可以按两种方式来完成-二元的或写实的。“写实”投影将会把像素的灰度值设置为光线和模型之间的交集长度的函数。“二元”投影将会简单地把像素设置为0和1，其中“1”，是指在光线和模型之间有交集。为了找出投影的图像和血管造影图像I之间的移位，可以利用文献中已知的相关方法对两者取相关；可以在I与“写实”投影图像或I与“二元”投影图像之间执行相关。

移位定义图像I上的感兴趣的区域，三维模型投影提供了对器官中心线的第一近似。从而，正如现有技术中已知的，该过程通过在图像I中跟踪器官而继续，正如现有技术中已知的，器官的参数(半径、灰度级别...)被计算，最终来自此附加投影的数据被结合到三维重建中。

用于从N(N＞2)个2D投影进行三维重建的方法

从多个投影进行3D线重建可以被形成为一个优化问题，其基本步骤是单个点的重建。理论上，利用多个投影进行的单点重建可以通过与2D投影相对应的投影线的相交来完成；在实践中，投影线并不相交。由相交的两条线产生的3D重建点的一个天然的定义可以是将3D点定义为连接投影线的最短片段的中点。从两个或更多个投影进行的三维重建扩展了上述想法，并且以类似的方式确定3D点。一个示例是取这样的3D点的直接扩展：该3D点使与(三条或更多条)投影线的距离达到最小。另一个方法是取产生自所有投影对的3D点，并且将最终的重建点设置为这些点的几何函数。本实施例组建议了一种新颖的方法，其中确实使用了来自所有投影对的结果，但不是将3D重建结果设置为只是点的函数，而是利用查看角度和3D模型之间的关系来确定每对结果的权重。

令V₁、V₂、...、V_N为查看方向，L₁、L₂、...、L_N为投影线，L_i＝P_i+λV_i，其中P₁、P₂...、P_N是来自2D中心线的点(i是投影的索引)。

令A为从索引为1和2的两个投影重建的器官片段的3D模型。作为从这两个投影1和2进行的初步重建的结果，我们拥有了从P₁、P₂到模型A的中心线点的参考。令T为P₁、P₂参考的区域处的3D模型A的局部切线方向。令R_ij为投影线L_i、L_j之间的最短片段的中点。用W_ij＝det(V_i，V_j，T)来表示由单位向量Vi、V_j和T构成的3乘3矩阵的行列式。交点由以下表达式给出：

R＝∑W_ijR_ij/∑W_ij

交点质量为：

D＝∑W_ijD_ij/∑W_ij，

其中D_ij是线L_i、L_j之间的距离。

对于每对投影线，重建的3D点被定义为交点的加权和。权重以以下方式反映两个视角的相互几何条件和初步3D模型的局部方位的：最大权重通过两个正交视角的组合来实现，这两个视角都与器官正交。如果两个视角彼此接近或者视角之一太过倾斜，则权重接近零。要注意，权重的性质是局部性的；同一对视角可能在器官的一个片段处贡献最大，而在另一片段处贡献最小。还要注意，所建议的这个定义是相当高效的，因为它不要求在优化过程期间计算3D重建点；两条投影线之间的距离D_ij就简单地是按照两个点积的绝对差异计算出的外极距离之间的分歧。

除了上述方法以外，第三实施例组还设想了一种利用上述三维重建方法对管状器官成像的系统，其包括处理器，该处理器被配置为从获得自不同视角的管状器官的两个或更多个血管造影图像进行管状器官的三维重建。

其他改进

本发明的上述实施例(群组一、二和/或三)可以包括以下特征中的一个或多个，虽然每个特征本身也可以构成一个独立的实施例。

多个数据3DR图像页：截面面积图线和病灶分析测量(例如直径数据、C臂位置、其他参考数据)可以同时被显示，以便以最优方式递送最大量的相关信息(例如参见图31)。

用于各种投影的弹出菜单。各种投影(例如2D投影、ONP和0，0)中呈现的弹出列表(3210，图32)。对任何投影的选择可以将3D旋转到该投影，从而使得操作者能够通过与2D图像相比较来认识它(举例而言)。

3D模型和/或图线和其他数据的彩色编码。可以实现彩色编码以表示窄化严重度、成角等等(或者参考的组合)，以将医师的注意力吸引到有问题的片段。

相关的数据。从脉管的2D迹线到3D模型到图线的数据相互参照；每个点都可以同时被分配在所有之上。呈现了提示，以例如使操作者能够具体地或者同时地研究数据。

可以呈现一个或多个图线(例如参见屏幕截图，图34)，其中包括代表截面面积(融合输出)数据的图线，以及直径信息的图线，或者组合图线。直径数据图线可以被称为“偏心率”，这是因为它对沿脉管的每一点给出了最大和最小直径值。

外极警告/条/线。外极几何条件是公知的，并且被广泛记载，并且在本发明中被用于3DR。但是，3DR的良好程度限于图像所准备的程度。因此，为了确定第二图像与第一图像相组合是否足以有助于3DR，本发明的实施例向操作者提供了可视指标。如图35A-35B所示，一旦操作者完成第一图像(图35A)的标记，并且感兴趣的脉管被跟踪，则只要操作者点击第二图像(图35B)上的狭窄之上或周围，系统就在第二图像上呈现位于第一图像的标记附近的外极线(线3510和3520)，以及外极条3530。

外极条指示3DR的条件。在所呈现的图示中(图35B)，外极条被彩色编码，以指示第二图像是否是与第一图像的良好组合。在这里，该条越“白”，3DR条件就越好。因此，由于图35B中的条相当白，3DR的条件很好(“较红”的条将会指示较差的3DR条件)。

许多附图代表了系统的优选实施例的屏幕截图。具体而言，以图线和特定测量结果的形式呈现了导管校准(图33)、2D图像相关数据显示(图29)(其中包括边缘跟踪和健康动脉显示)、感兴趣的脉管和3D健康脉管的3DR结果显示(图31)，以及感兴趣的脉管的量化分析(图34)的优选实施例，所述特定测量结果例如是窄化百分比(直径和面积)、长度、斑体积、最小内腔直径和面积、参考(健康)面积和直径度量、偏心率和成角。

现已描述了本发明的多个实施例，对于本领域的技术人员显而易见的是，本公开不限于这些实施例，并且上述实施例可以组合使用。此外，许多其他实施例和对所公开的实施例的修改被视为属于本发明区域内，如下。

Claims (20)

1.一种利用多个二维图像对单个管状器官进行三维重建(3DR)的方法，包括：

显示脉管网络的第一图像；

接收用于识别所述第一图像上的感兴趣的脉管的输入；

跟踪所述感兴趣的脉管的边缘，包括消除在视觉上与所述感兴趣的脉管邻近的物体的虚假边缘；

确定沿所述脉管的基本精确的半径和密度测定值；

显示所述脉管网络的至少第二图像；

接收用于识别所述第二图像上的所述感兴趣的脉管的输入；

跟踪所述第二图像中的所述感兴趣的脉管的边缘，包括消除在视觉上与所述感兴趣的脉管邻近的物体的虚假边缘；

确定所述第二图像中沿所述感兴趣的脉管的基本精确的半径和密度测定值；

确定所述感兴趣的脉管的中心线，所述中心线包括多个中心线点；

确定所述感兴趣的脉管的三维重建；以及

确定沿所述脉管的融合面积测量结果。

2.根据权利要求1所述的方法，其中所述感兴趣的脉管是从以下群组中选择出来的，该群组由以下构成：动脉、静脉、冠状动脉、颈动脉、肺动脉、肾动脉、肝动脉、股动脉、肠动脉以及任何其他管状器官。

3.根据权利要求1所述的方法，其中所述融合的面积测量结果是利用直径和截面密度测定导出的测量结果的融合来获得的。

4.根据权利要求1所述的方法，其中确定所述融合的面积包括：

确定要被用作物理参考的沿所述感兴趣的脉管的多个健康直径；

利用上述物理参考将所述数据的大部分，即直径和截面值归一化到物理单位；以及

将所述数据中的大部分融合到单个面积测量结果中，根据所述数据的可靠度对每个数据源加权。

5.根据权利要求4所述的方法，其中加权是按照视角几何条件和/或3D脉管几何条件的函数来计算。

6.根据权利要求1所述的方法，其中所述用于识别所述感兴趣的脉管的输入包括三个点，这三个点包括用于标记狭窄的大体位置的第一点，所述狭窄的近侧的第二点，以及所述狭窄的远侧的第三点。

7.根据权利要求1所述的方法，其中所述用于识别所述感兴趣的脉管的输入包括所述第一和第二图像中的至少一个的两个点的标记，其中所述两个点中的一点位于所述狭窄的近侧的任何位置处，另一点位于所述狭窄的远侧的任何位置处。

8.根据权利要求1所述的方法，其中所述标记包括所述第一图像的两个点和所述第二图像的一个点，其中所述两个点中的一点位于所述狭窄的近侧的任何位置处，另一点位于所述狭窄的远侧的任何位置处，并且其中一个点是在所述第一图像上自动识别的锚定点。

9.根据权利要求1所述的方法，其中消除虚假边缘包括忽略与所述感兴趣的脉管邻近的一个或多个气泡。

10.根据权利要求1所述的方法，其中消除虚假边缘包括：

定义与主中心线基本上平行的感兴趣的区域；

检测与所述感兴趣的脉管邻近的至少一个像素数据群集，其中每个像素数据群集具有大于周围象素数据的亮度级别的预定亮度级别；

在每个群集内选择任意像素；

为每个群集的每个任意像素，选择在限制所述感兴趣的区域的巷道上提供的第二像素；

通过将多个任意像素与相应的第二像素相连来确立障碍线，以定义所述感兴趣的脉管的边缘，其中在跟踪所述感兴趣的脉管的每个边缘时，所跟踪的边缘避开每条障碍线。

11.根据权利要求1所述的方法，其中消除虚假边缘包括检测和/或消除沿所述感兴趣的脉管的一个或多个凸起。

12.根据权利要求1所述的方法，其中消除虚假边缘包括：

确立可疑点列表，包括：

确立至少一个初步被跟踪边缘上的多个发源点中的每一个发源点与沿所述主中心线定位的相应最近点之间的多个第一距离；

确立所述主中心线上的多个第二中心线点中的每一个与位于所述至少一个边缘上的相应最近点之间的多个第二距离；以及

确定对所述中心线的偏离，即所述第二距离和所述第一距离的绝对距离；

确定梯度成本函数，其与每个边缘点处的梯度幅值成反比；

确定一个聚集与所述中心线的偏离和所述梯度成本函数的组合函数，其中在所述组合函数大于预定的值时，所述相应边缘点被确定为凸起中的凸起点；

确定由多个相连接的凸起点和与所述感兴趣的脉管相邻的切割线所定义的凸起区域，其中所述切割线包括一条使所述凸起区域和切割线长度的乘方之间的比率基本上达到最大的线；以及

在所述切割线处从所述边缘切割掉所述凸起，以确立最终边缘。

13.根据权利要求1所述的方法，其中定义所述感兴趣的脉管的中心线包括：

确定所述感兴趣的脉管的最终被跟踪边缘；

确定多对锚定点，其中每一对包括每个边缘上的一个点；

通过搜索在被连接时确立与所述中心线基本上正交的截面线的锚定点对来确定截面线；

利用所述锚定点将每个边缘划分成多个片段，其中，对于每个片段，来确立所述边缘之间的对应关系，使得每个边缘的每个点包括位于相对的边缘上的至少一对点并且相邻点之间的距离总和最小；以及

连接所述多个片段的中心以确定所述中心线。

14.根据权利要求1所述的方法，其中确定密度测定值包括减去背景影响。

15.根据权利要求1所述的方法，其中确定密度测定值包括：

确立与所述感兴趣的脉管的至少一个边缘平行的多条轮廓线；

确立覆盖所述感兴趣的脉管和相邻区域的参数栅格，其中所述参数栅格包括所述感兴趣的脉管沿其长度的第一参数和用于控制所述感兴趣的脉管的沿截面的变化的第二参数；

利用所述栅格对所述图像采样以获得多个相应的灰度值，其中：

所述灰度值作为所述轮廓线的函数被研究；

消除所检测到的位于所述感兴趣的脉管的外部的阻碍结构，所述结构是作为所述参数的突出最小值被检测的；

消除在所述感兴趣的脉管的内部检测到的突出最小值；

分别对于所述感兴趣的脉管的每一侧，在跨过所述感兴趣的脉管的方向上对灰度值取平均；

确定所述感兴趣的脉管内部的栅格上的线性背景估计；以及

利用被消除的突出最小值确定截面面积。

16.根据权利要求1所述的方法，还包括利用所述感兴趣的脉管的健康部分上的迭代回归来确定健康脉管尺寸。

17.根据权利要求16所述的方法，其中每个迭代包括预定的斜率和遵循健康数据的线之间的折衷。

18.根据权利要求1所述的方法，其中确定所述感兴趣的脉管的三维重建包括：

对于所述第一图像中的多个中心线点确定传统外极距离p₁；

对于所述第二图像中的多个中心线点确定传统外极距离p₂；以及

根据p_2new＝p₂+δ来重新确定p₂，其中δ是确立一个或多个标志点的对应关系的平滑补偿函数。

19.根据权利要求1所述的方法，还包括显示所述感兴趣的脉管的量化分析，其中包括截面面积图线和/或病灶分析测量结果。

20.一种用于利用多个二维图像对单个血管进行三维重建(3DR)的系统，包括：

显示器，用于显示脉管网络的第一图像以及脉管网络的第二图像，以及脉管的三维重建；

输入装置，用于接收用于识别所述第一图像上的感兴趣的脉管和用于识别所述第二图像上的所述感兴趣的脉管的输入；

处理器，其被布置为操作一个或多个包括用于执行以下步骤的计算机指令的应用程序：

跟踪所述感兴趣的脉管的边缘，包括消除在视觉上与所述感兴趣的脉管邻近的物体的虚假边缘；

确定沿所述脉管的基本精确的半径和密度测定值；

跟踪所述第二图像中的所述感兴趣的脉管的边缘，包括消除在视觉上与所述感兴趣的脉管邻近的物体的虚假边缘；

确定所述第二图像中沿所述感兴趣的脉管的基本精确的半径和密度测定值；

确定所述感兴趣的脉管的三维重建；以及

确定沿所述脉管的融合面积测量结果。

Images