CN101203890A - 交互式肝病诊断方法 - Google Patents

交互式肝病诊断方法 Download PDF

Info

Publication number
CN101203890A
CN101203890A CNA2006800226980A CN200680022698A CN101203890A CN 101203890 A CN101203890 A CN 101203890A CN A2006800226980 A CNA2006800226980 A CN A2006800226980A CN 200680022698 A CN200680022698 A CN 200680022698A CN 101203890 A CN101203890 A CN 101203890A
Authority
CN
China
Prior art keywords
segmentation
blood vessels
vessel
limit
root
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.)
Granted
Application number
CNA2006800226980A
Other languages
English (en)
Other versions
CN101203890B (zh
Inventor
魏国庆
范黎
马峰
钱建中
梁正中
曾小兰
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.)
EDDA Technology Inc
Original Assignee
EDDA Technology Inc
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 EDDA Technology Inc filed Critical EDDA Technology Inc
Publication of CN101203890A publication Critical patent/CN101203890A/zh
Application granted granted Critical
Publication of CN101203890B publication Critical patent/CN101203890B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/24Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20092Interactive image processing based on input by user
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30056Liver; Hepatic
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/41Medical

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供了一种用于交互式肝脏数据处理的方法和系统。得到具有多个血管分支的血管系统。血管分支的中心线被提取,并用于构造血管系统的图形表示。血管系统中的每个血管分支可以根据所述图形表示进行标记。

Description

交互式肝病诊断方法
[0001]本发明是美国专利申请序列号为11/105,961,发明名称为“肝病诊断系统,方法和图形用户界面(Liver Disease Diagnosis System,Method andGraphical User Interface)”,申请日为2005年4月14日的专利申请的部分继续申请,并且根据35U.S.C.§119(e)要求2005年6月24日提交的发明名称为“交互式肝病诊断方法(Interactive Liver Disease Diagnosis Methods)”的美国临时专利申请60/693,871的优先权,上述两篇申请均以全文形式被结合入本文作为参考。
技术领域
[0002]本发明总体涉及用于医疗诊断的方法和图形用户界面。具体地讲,本发明涉及用于计算机辅助医疗诊断的方法和图形用户界面以及结合本发明的系统。
背景技术
[0003]由于诊断影像系统的快速科技进步,使得近来对于肝癌的早期发现成为可能。肝癌的检测和诊断通常涉及在常见的多种影像数据采集设备中的多个影像采集。例如,电脑断层造影(CT)是早期肝癌检测和诊断的最常用数据采集设备。当使用CT成像时,为了诊断目的,可以采集多达四期的影像。这四期包括平扫CT影像,动脉期影像,门静脉期影像,和延迟期影像。当CT影像不足以帮助达成诊断时,还可以使用其他影像采集设备的影像。其他数据采集设备的示例包括来自核磁共振成像(MRI)或正电子发射断层成像(PET)的影像。当大量数据可用时,需要有效利用这些数据并辅助医师或其他医疗人员提高处理量的工具。
附图说明
[0004]本文要求保护和/或描述的内容进一步以示例性实施例的方式进行描述。这些示例性实施例结合附图进行详细地描述。这些实施例是非限定性的示例性实施例,其中在附图的所有视图中,类似的附图标记代表类似的结构,并且其中:
[0005]图1示出了根据本发明的一个实施例,用于计算机辅助肝病诊断系统的示例性构造;
[0006]图2(a)示出了强制标记方法的示例性流程图;
[0007]图2(b)示出了强制标记方法的可替换示例性流程图;
[0008]图3(a)示出了用于构造指示图的示例性流程图;
[0009]图3(b)示出了示例性的指示图;
[0010]图3(c)示出了与指示图中病灶相关的病灶信息表;
[0011]图4(a)示出了病灶分割、主动脉分割和病灶信息显示的示例性流程图;
[0012]图4(b)示出了呈现病灶分割结果和相关信息的示例性方式;
[0013]图4(c)以3D示出了病灶分割结果的示例性显示;
[0014]图4(d)示出了一些示例性方式的病灶诊断信息显示和信息提取的控制;
[0015]图5示出了示例性治疗计划/术前评估机制;
[0016]图6示出了交互式肝脏分割的示例性流程图;
[0017]图7(a)示出了根据用户手工描边的肝脏区域进行局部交互式肝脏分割调整的示例性发明方法;
[0018]图7(b)示出了根据用户手工描边的肝脏边界进行局部交互式肝脏分割调整的示例性发明方法;
[0019]图8示出了用于交互式血管分析的示例性流程图;
[0020]图9示出了血管分割的示例性流程图;
[0021]图10示出了用于分离门静脉与肝静脉的示例性流程图;
[0022]图11示出了用于血管分离的示例性血管分支VOI;
[0023]图12示出了跟踪路径的示例性入口点和终点;
[0024]图13示出示例性路径被分类为门静脉分支和肝静脉分支;
[0025]图14示出了除跟踪路径外其他连接的门静脉和肝静脉分支的示例性分离;
[0026]图15示出了分离平面分开连接的门静脉和肝静脉的示例;
[0027]图16示出了分离调整的示例;
[0028]图17示出了交互式血管标记的示例性流程图;
[0029]图18示出了血管系统的示例图;
[0030]图19示出了标记的门静脉系统的示例。
具体实施方式
[0031]本发明涉及用于肝病诊断的方法和图形用户界面。本文披露了方法和图形用户界面,便于协调取回与患者及肝病相关的影像和非影像数据,处理影像/非影像以提取诊断信息,生成影像和非影像诊断信息的分层次表示,交互式探查诊断信息的分层次结构,和交互式诊断过程。本发明还披露了在不同维数有效显示数据的方法和图形用户界面。
[0032]图1示出了根据本发明实施例的示例性系统100。在该示例性构造中,系统100包括多个过滤器(过滤器1108,过滤器2112,和过滤器3110),可视数据处理机制130,肝病诊断机制140,和诊断报告生成机制128。系统100还可以包括搜索引擎104,它从患者数据库106取回与患者ID 102相关的信息。搜索引擎104可以根据接收到的患者ID 102访问存储在患者数据库的信息。患者数据库106可以是本地数据存储器或远程数据存储器。患者数据库106可以是单个数据库或多个数据库,它可以位于单个地址或通过网络分布在多个位置。可视数据处理机制130可进一步包括数据可视/处理机制114,自动肝脏病灶检测机制116,交互式肝脏病灶检测机制118,和可视诊断信息提取机制120。肝病诊断机制140可进一步包括分层次表示构造机制122,诊断依据探查和实时交互式诊断控制器124,和治疗计划/术前评估机制126。
[0033]由可视数据处理机制114支持的一个功能是,用户可以标记检测到的病灶的轮廓,用于进一步分析。不过,当多相体数据,例如CT或MRI被用于诊断时,病灶可能被标记多次。首先,病灶可以跨多个影像切片,用户可能在不同切片上双重标记。其次,病灶可以在多个相位上可见,用户可能在不同相位上多次标记。为了避免多次标记而引起的任何混淆,采用了强制标记方法。图2(a)示出了强制标记方法200-a的示例性流程图。用户在一个相位中标记,如步骤202所示,它到所有现有标记的距离(新标记轮廓的周边边缘与现有标记的轮廓的周边边缘之间的距离),不论这些现有标记是本来标记在同一相位或者由其它相位对应到同一相位,在步骤204,206进行测量。在现有标记与新标记处于不同相位时,两个要进行比较的标记在计算距离之前可以对应到一个相体积中。
[0034]在步骤208中,新标记轮廓与现有轮廓之间的计算得到的距离和预设的阈值进行比较。如果数据库中有多于一个的现有轮廓,则系统将新标记轮廓与所有的现有轮廓进行比较,如步骤210所示。如果新标记轮廓与现有轮廓之间的最近距离大于预设阈值,则在步骤212,新标记轮廓作为新标记保存在数据库中。系统随后在步骤214计算并记录在其他相位的相应标记位置。
[0035]如果距离在预设阈值之内,则有可能要被标记的该病灶已先前被标记。随后在步骤216,可能会弹出提示用户注意的警告信息。如果用户选择如此,在步骤212、214,病灶标记可以被添加为新标记。否则,在步骤220,它可能与相应的现有标记合并。如果标记病灶被视为新病灶,使用某些映射/配准技术可以将它在其他相位的相应位置识别为相同的病灶,并且记录。一种用于映射不同影像相位中病灶位置的示例性方法可以是披露于美国专利申请序列号11/105,961的空间-时间配准技术。一组完整的病灶标记,不管它们在哪个相位被标记,可用于每个相位,并且在需要时可以显示。图2(b)示出了强制标记方法的可替换示例性流程图。在该可替换实施例中,每个相位不需要一组完整的病灶标记,要添加的标记和现有标记可以在计算距离之前,映射/配准到相同的相位(如图2(b)的步骤222和224所示)。
[0036]可视数据处理机制114可用于标记病灶的导航。图3(a)示出了根据本发明一个实施例的示例性显示。在步骤304,病灶可以3D形式呈现。类似地,在步骤306,血管结构,包括但不限于肝静脉和门静脉,可以3D形式呈现。在步骤308,肝实质和肝叶部分也可以3D形式呈现。这些3D结构可以不同颜色显示以彼此区分。由于可以在不同相位标记病灶,在步骤310可以将所述标记病灶映射到一个相位。随后通过将不同结构叠加在一个显示,可以生成病灶指示图312。用户,314,可以根据指示图操作和处理所述显示。例如,在步骤316,可以旋转、缩放3D呈现视图。鼠标点击病灶指示图上呈现的病灶可以刷新显示与点击病灶相关的信息。所述信息可以包括但不限于,病灶信息表中的病灶诊断信息和不同相位的切片影像,例如,相应的轴向,矢状和冠状切片影像。图3(b)示出示例性病灶指示图301。图3(c)示出与病灶相关的示例性病灶信息表。
[0037]在标记或选择病灶后,通过可视诊断信息提取机制120可以进行更详细的分析。图4示出了诊断信息提取的示例性实施例。在步骤440,用户可以用自动分割或手动绘制方法来分割病灶的边界。在步骤442,病灶边界可以重叠在原影像切片上。在步骤444,通过映射分割的边界可自动计算其他相位中的相应病灶边界。在步骤446,映射的边界可以重叠在相应的相位影像上。病灶分割后,在步骤448,可以自动或手动分割主动脉。在步骤450,然后可以从分割的病灶和主动脉提取诊断信息,并且可以根据它们相应的分割结果,熔合所述来自多个相位的信息。诊断信息可以包括但不限于,每个相位中病灶的绝对灰度值的平均和标准偏差,每个相位中病灶和肝实质之间的灰度差,每个相位的绝对主动脉灰度值,每个相位中病灶与主动脉之间的灰度差,以及跨不同相位的病灶的增强表现,等等。在步骤452,所述信息可以不同方式显示,包括但不限于,图形、图表、表格和文字。在步骤454,可以调整病灶分割和主动脉分割结果。在每次调整后,相关的病灶信息可以在步骤452作相应更新。在步骤456,可以在3D空间呈现分割的病灶,以便显示它相对于例如肝脏和血管结构的空间关系。用户可以通过缩放或旋转显示来与显示交互。
[0038]图4(b)示出了病灶分割和主动脉分割的示例。覆层401表示原分割病灶边界,而边界402表示在其他相位的映射边界。主动脉边界在两个相位显示,如403所示。图4(c)示出了病灶的3D显示。显示411是3D显示的局部视图,而显示412是同一视图通过缩放局部视图得到的全局视图。图4(d)示出了在步骤452执行的示例性信息显示。显示421是表示跨相位的肝脏430、主动脉426和病灶428的增强变化图。显示422是对病灶大小的手动调节的控制。滚动条可能弹出(未示出),允许用户调节分割的病灶大小。显示423是对映射相位中病灶位置的调节控制。用户可以将影像中计算得到的病灶边界拖曳并移动到适当的位置。由所述拖曳操作得到的位置可用于校正映射误差。控制424用于调节主动脉分割。如果激活“调节主动脉信息”功能424,则可以编辑所提取主动脉区域的形状和位置。调节的结果,以及所提取的相应诊断信息,可以在每次进行调节时作相应更新。
[0039]提供了治疗计划/术前评估机制126,以对每个检测到的病灶进行治疗计划和术前评估。图5示出了示例性实施例,其提供了交互式肝脏提取校正501,交互式血管分析502,在理想信息的有效显示503和支持虚拟手术的功能504方面,用于精确评估。可以根据例如病灶类型,病灶相对于主血管的附连形式,和病灶处的肝叶等信息,来作出治疗计划。可以设计治疗计划,以确定如果部分肝脏被切除后,剩余部分的肝脏是否能正常工作。
[0040]交互式肝脏提取和修正方法501便于手动修正和引导自动肝脏分割。肝脏分割用来从影像数据提取肝实质。图6示出了示例性实施例。在步骤602,通过采用基于边缘的相干分割方法可以分割肝实质。所述相干分割方法比较增长区域的灰度统计与增长区域前沿像素的灰度统计,并且通过接纳具有类似像素灰度统计的相邻区域,来扩展该区域。在步骤604,用户可以改变全局阈值,以调节分割区域的大小。所述阈值可以对应肝脏HU值(Hounsfield unit,即HU,为CT值单位)。每次调整后分割的肝实质轮廓可以重叠在原图上,为用户提供可视的参考,以便可能进一步调整。在步骤606,用户还可以通过手工定义可适用调节参数的局部肝容积,来进行分割的局部调整。可以根据不同的方法,包括但不限于,形状连贯性和本文的教导,进行局部调整参数的自动计算。可以通过计算局部分割和全局分割之间在重叠容积内的匹配程度,来测量形状连贯性。重叠容积内的最佳匹配可被选作最佳参数。在本文教导中,用户可以输入部分分割。部分分割可以是用户定义的肝脏区域或用户定义的肝脏边缘。从所述用户绘制的区域或肝脏边缘,随后可以计算出最佳的分割参数。在步骤608,可以使用工具,例如剪切,填充,和补丁,对分割的肝脏进行交互式编辑。根据肝脏分割,在步骤610,可以计算不同的容积测量,并且所述测量可以在:有或没有病灶,有或没有血管,或其任何组合的情况下作出。通过所述编辑得到的肝脏区域的容积可用于计算切除部分或剩余部分。
[0041]图7(a)示出了交互式局部调整606的示例性实施例用于区域分割。在步骤701,用户首先画出包含要被分割的肝脏部分的区域。在步骤702,计算所画区域的灰度统计。在步骤703,计算相干性分割的最佳参数。在步骤704,采用最佳参数进行基于相干性的分割。在步骤705,用户可以调整相干性分割参数,并根据需要重复以上分割过程。
[0042]图7(b)示出了交互式局部调整606的另一示例性实施例用于区域分割。在步骤711,用户首先画出部分肝脏边界。在步骤712,计算用户所画边界的两侧区域的灰度统计。在步骤713,通过将已知肝脏灰度与两个区域(所画边界的相应两侧)的灰度进行比较,可以对于所画边界的哪一侧包含肝脏作出判定。在随后步骤714,可以确定相干性肝脏分割的最佳参数。在步骤704,利用所述获得的最佳参数,可以分割局部肝实质。在步骤705,用户可以调整相干性分割参数,并根据需要重复分割过程。
[0043]图8示出了血管分析502的示例性方案。可以通过具有三个部分的机制进行血管分析,所述三个部分是:交互式血管分割机制801,交互式血管分离机制802,和交互式血管分支标记机制803。
[0044]在某些实施例中,如果使用CT影像,则交互式肝脏血管分割可以在门静脉期获得的影像上进行。图9示出了该程序的示例性流程图。在步骤901,血管分割可以由在主血管分支,例如主门静脉上自动或交互选择的点开始。在步骤902,可以应用基于灰度的自适应区域生长方式,随后是步骤903的3D线过滤。在步骤904,由步骤902和903得到的结果可以进一步组合,以产生最终分割结果。血管分割的过程将在下文更详细描述。
[0045]在步骤902的基于灰度的自适应区域生长分割机制:以选定的血管种子点(自动或手动确定)开始,可以根据体素灰度水平进行区域生长。用于区域生长的灰度阈值可以适应性降低,直到例如血管对肝容积的比例超过某个阈值。达到该比例之前的分割可被识别为血管。
[0046]步骤903的线过滤机制:该算法可用来分割未连接到如利用区域生长得到的主血管分支的小血管。线过滤器是3D形状的过滤器,用于增强3D管状结构。在3D管状物,例如血管存在的位置,可以在线过滤器的输出端产生高响应。另一轮区域生长可适用在体影像的3D线过滤的输出,以便可以检测小血管分支。
[0047]步骤904的组合机制:上述两个算法可以顺序适用,以便可以分割不同大小的血管。自适应区域生长可以适用到分割主血管分支,而3D线过滤可用于提取小血管分支(例如半径小于预定阈值的血管)。在某些实施例中,整体分割算法可获得一些用户输入,例如,以很少的种子点实现自适应区域生长。在其他实施例中,线过滤分割中不需要用户交互。
[0048]实时交互式血管分离机制802用于将门静脉从肝静脉分离。由于局部体积效应,这两个静脉系统的分割结果可能相互连接。有必要分离这两个系统以作进一步分析,例如血管分支识别和肝叶分割。交互式血管分离机制802的示例性流程图在图10示出。
[0049]在步骤1002,从步骤901选择的种子点开始,自动追踪可发现门静脉和肝静脉系统的根部为肝脏区域的中部和低部各自最大血管厚度的体素。体素的血管厚度定义为其到血管边界的最短距离。在步骤1004,识别的根部点可以重叠在影像上,以便在步骤1008用户可以交互地调整它们的位置。在步骤1006,第一代门静脉和肝静脉可以通过从门静脉和肝静脉根部点生长直到生长碰到分支点来自动识别。血管系统的第一代分支被定义为从根部到血管自身分支点的分段。在步骤1010,第一代分段可以重叠在影像上,以便在步骤1014用户可以交互式调整位置。在步骤1012,未连接到第一代肝静脉分支的门静脉分支可以通过向下沿每个分支追踪子树来自动标记。对于由于部分体积效应而使门静脉分支接触肝静脉的,在步骤1018,可以自动识别连接路径和断裂点,为由沿路径的曲率和相对灰度的加权和获得的最大值的体素。相对灰度可以定义为从根部到待研究体素的灰度的变化。在步骤1022,用户可以交互式调整断裂点的位置。在步骤1020,可以分析围绕断裂点的本地VOI,以根据分割角和分割位置的紧密值测量来自动断开连接。在步骤1026,用户可以交互式调节断裂结果。可以重复这些步骤,直到不能识别到其他的路径。血管分离操作在步骤1028结束。
[0050]步骤1020的断裂操作的示例性实施例通过图11到16示出。图11示出断裂点周围的示例性VOI。虚线1101是血管边界,实线1102是血管的中心线。从肝静脉根部到门静脉根部的追踪可以在血管内产生弯曲的虚线,如图12所示。始于门静脉根部的入口点1201和通向肝静脉根部的出口点1202可被识别为路径与VOI的相交点。如图13所示,追踪路径1301可与中心线进行比较。可以使用中心线分段1302和1303对路径1301的紧密值测量,判定分段1302属于门静脉而分段1303属于肝静脉。如图14所示,为了确定分段1403的分配,可以计算1403与1401以及1403与1402之间的角度和端点距离。可以根据角度和距离的加权和获得紧密值测量。紧密值测量的最小值可被选择来决定分段1403是属于1401还是属于1402。在图14中,分段1403给出最小紧密测量值,并且它被分配给门静脉。类似的,可以确定分段1404为源于肝静脉。下一步是找到切面,将VOI中的所有体素分为门静脉体素和肝静脉体素。如图15所示,可以通过拟合使两分段1501和1502到平面的总距离最大的平面来获得这样的平面1503。
[0051]在步骤1206作出的分离结果的用户修正,可以通过图16示出。在优选的实施例中,用户可以经计算机鼠标点击分离错误的分段,在图16,假设用户点击分段1601。点击后,根据点击段的新标记计算新的拟合平面,新的切面1602可用于对VOI中的体素进行新分离。
[0052]当连接血管被分离后,门静脉和肝静脉系统可由交互式血管标记机制803标记。示例性流程图在图17示出。在步骤1702,可以提取分离的门静脉或肝静脉系统的中心线。根据提取的中心线,在步骤1704可以构造门静脉或肝静脉系统图。所述图可以包括边和顶点。每个血管分段可由边表示。分支点是顶点。图18示出所述的示例图。血管的不同分段可用不同颜色标记。在步骤1706,用户可以交互式标记血管分支。在示例性实施例中,用户可以点击邻近分支根部的点,以启动或激活自动标记。也可以提供其他交互式操作,例如,可以通过定义鼠标点击相应的标记分段,移去现有标记。血管分支标记算法可适用于门静脉和肝静脉系统。
[0053]为了进行血管分离后的血管的交互式标记,用户可以点击分支的根部。自动追踪可跟随从点击点到树图的所有枝叶的路径。被追踪的体素可被分配相同的标记。图19示出已标记门静脉系统的示例。用户可以点击根部分段1901,以标记该分支。始于点击点的后续血管分段可通过在血管图中追踪来自动识别。
[0054]尽管本发明参照某些示出的实施例加以描述,本文所用的文字仅是说明性的文字,而不是限定性的文字。可以在所附权利要求书的范围内,不背离本发明的范围和精神的情况下进行修改。尽管本发明在本文中参照特定的结构,运作和材料加以描述,本发明不限于所述的具体公开,而是在所附权利要求书的范围内,包含广泛的各种形式,某些形式可能与所披露的实施例很不同,并且扩展到所有等同的结构,运作和材料。

Claims (34)

1.一种标记血管分支的方法,包括以下步骤:
获得具有多个血管分支的血管系统;
提取每个血管分支的中心线;
根据被提取的中心线构造血管系统的图形表示;
根据图形表示在血管系统中标记血管分支。
2.根据权利要求1所述的方法,其中血管系统是门静脉血管系统和肝静脉血管系统之一。
3.根据权利要求1所述的方法,其中图形表示包括至少一个边和至少一个顶点,其中图形表示中的边表示血管分段,而每个顶点表示两个血管分段顺次连接处。
4.根据权利要求3所述的方法,其中血管分段是血管分支的部分。
5.根据权利要求1所述的方法,其中标记步骤包括:
在显示器上显现血管系统;
选择待标记的血管分支的第一血管分段;
根据血管系统的图形表示,识别除第一血管分段之外属于该血管分支的任何血管分段;
采用标记来标记第一血管分段和任一血管分段。
6.根据权利要求5所述的方法,其中选择步骤通过鼠标执行。
7.根据权利要求6所述的方法,其中第一血管分段通过在显现第一血管分段的显示上的位置点击鼠标进行选择。
8.根据权利要求5所述的方法,其中第一血管分段对应沿该血管分支的多个血管分段之一,并且第一血管分段的尺寸不小于该血管分支的任何其他血管分段的尺寸。
9.根据权利要求5所述的方法,其中采用标记进行标注的步骤包括在根据标记确定的显示方案中再现该血管分支。
10.根据权利要求1所述的方法,其中获得血管系统的步骤包括:
在与血管相关的影像数据中分割血管;和
分离所述分割的血管以辨识血管系统。
11.根据权利要求10所述的方法,其中分割步骤包括以下步骤:
在影像数据中选择初始起始点;
根据初始起始点进行区域生长,以得到第一组备选血管;
在影像数据上进行线过滤,以得到第二组备选血管;和
将第一组备选血管和第二组备选血管合并以产生分割的血管。
12.根据权利要求10所述的方法,其中分离步骤包括:
根据图形表示,确定第一根部点和第二根部点,分别对应第一血管分段和第二血管分段;
沿第一血管分段和第二血管分段从第一根部点追踪到第二根部点,以获得追踪路径;
确定追踪路径上的断裂点,它具有满足第一条件的曲率测量值,和/或满足第二条件的灰度测量值,其中所述断裂点将追踪路径分成第一部分和第二部分;
识别图形表示中的第一根部边和第二根部边,分别对应追踪路径的第一部分和第二部分;
选定第一和第二根部边之一作为连接边,并且将未选定的根部边作为非连接边;
根据连接标准,将连接边与图形表示中的边顺次连接,以生成更新的连接边;和
根据更新的连接边重复上述连接步骤,以形成血管系统。
13.根据权利要求12所述的方法,其中第一条件是在断裂点的曲率测量值超过阈值和/或不小于沿追踪路径的另一点的曲率测量值。
14.根据权利要求12所述的方法,其中第二条件是在断裂点的灰度测量值变化超过阈值。
15.根据权利要求12所述的方法,还包括对分离结果进行交互式调整。
16.根据权利要求12所述的方法,其中
第一根部边是在图形表示中最接近第一部分的边,并且到第一部分的距离小于第一阈值;和
第二根部边是在图形表示中最接近第二部分的边,并且到第二部分的距离小于第二阈值。
17.根据权利要求12所述的方法,其中连接标准是未连接边和连接边之间的最近距离小于未连接边和非连接边之间的最近距离。
18.根据权利要求17所述的方法,其中继续重复步骤,直到连接标准不能被满足。
19.一种获得血管系统的方法,包括以下步骤:
在与血管相关的影像数据中分割血管;和
将分割的血管分成多个组,每个组对应具有多个血管分支的血管系统。
20.根据权利要求19所述的方法,其中分割步骤包括以下步骤:
在影像数据中选择最初起始点;
根据最初起始点进行区域生长,以识别第一组备选血管;
在影像数据中进行线过滤,以识别第二组备选血管;和
将第一组备选血管与第二组备选血管合并,以产生分段的血管。
21.根据权利要求19所述的方法,其中分离步骤包括:
根据图形表示,确定第一根部点和第二根部点,分别对应第一血管分段和第二血管分段;
沿第一血管分段和第二血管分段从第一根部点追踪到第二根部点,以获得追踪路径;
确定追踪路径上的断裂点,它具有满足第一条件的曲率测量值,和/或满足第二条件的灰度测量值,其中所述断裂点将追踪路径分为第一部分和第二部分;
识别图形表示中的第一根部边和第二根部边,分别对应追踪路径的第一部分和第二部分;
选定第一和第二根部边之一作为连接边,并将未选定的根部边作为非连接边;
根据连接标准,将连接边与图形表示中的边顺次连接,以生成更新的连接边;和
根据更新的连接边重复上述连接步骤,以形成血管系统。
22.根据权利要求21所述的方法,其中第一条件是在断裂点的曲率测量值超过阈值和/或不小于沿追踪路径的另一点的曲率测量值。
23.根据权利要求21所述的方法,其中第二条件是在断裂点的灰度测量值变化超过阈值。
24.根据权利要求21所述的方法,还包括对分离结果进行交互式调整的步骤。
25.根据权利要求21所述的方法,其中
第一根部边是图形表示中最接近第一部分的边,并且到第一部分的距离小于第一阈值;和
第二根部边是图形表示中最接近第二部分的边,并且到第二部分的距离小于第二阈值。
26.根据权利要求21所述的方法,其中连接标准是未连接边与连接边之间的最近距离小于未连接边与非连接边之间的最近距离。
27.根据权利要求21所述的方法,其中继续重复步骤,直到不能满足连接标准。
28.根据权利要求19所述的方法,还包括根据为血管系统构造的图形表示,在血管系统中标记血管分支的步骤。
29.根据权利要求28所述的方法,其中图形表示通过包括下述步骤的流程构造:
提取血管系统中每个血管分支的中心线;
根据提取的中心线构造图形表示。
30.根据权利要求28所述的方法,其中标记步骤包括:
在显示器上显现血管系统;
选定待标记的血管分支的第一血管分段;
根据血管系统的图形表示,识别除第一血管分段之外属于此血管分支的任一血管分段;
利用标记来标记第一血管分段和任一血管分段。
31.根据权利要求30所述的方法,其中选定的步骤通过鼠标执行。
32.根据权利要求31所述的方法,其中第一血管分段通过在显现第一血管分段的显示上的位置点击鼠标进行选择。
33.根据权利要求30所述的方法,其中第一血管分段对应沿该血管分支的多个血管分段之一,并且第一血管分段的尺寸不小于该血管分支的任何其他血管分段的尺寸。
34.根据权利要求30所述的方法,其中利用标记进行标注的步骤包括根据与标记相关的显示方案显现血管分支。
CN200680022698.0A 2005-06-24 2006-06-26 交互式肝病诊断方法 Active CN101203890B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US69387105P 2005-06-24 2005-06-24
US60/693,871 2005-06-24
PCT/US2006/024753 WO2007002562A2 (en) 2005-06-24 2006-06-26 Methods for interactive liver disease diagnosis

Publications (2)

Publication Number Publication Date
CN101203890A true CN101203890A (zh) 2008-06-18
CN101203890B CN101203890B (zh) 2014-04-09

Family

ID=37595939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200680022698.0A Active CN101203890B (zh) 2005-06-24 2006-06-26 交互式肝病诊断方法

Country Status (4)

Country Link
EP (1) EP1894164A2 (zh)
CN (1) CN101203890B (zh)
HK (1) HK1121843A1 (zh)
WO (1) WO2007002562A2 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036484A (zh) * 2013-03-06 2014-09-10 株式会社东芝 图像分割装置、图像分割方法和医学图像设备
CN105139030A (zh) * 2015-08-18 2015-12-09 青岛海信医疗设备股份有限公司 一种肝脏血管的分类方法
CN105427277A (zh) * 2015-10-30 2016-03-23 上海联影医疗科技有限公司 血管提取方法
CN107067409A (zh) * 2017-05-09 2017-08-18 上海联影医疗科技有限公司 一种血管分离方法及系统
CN108198213A (zh) * 2018-02-01 2018-06-22 上海联影医疗科技有限公司 一种标记管状结构的方法及装置、管状结构的处理终端
CN109478327A (zh) * 2016-08-10 2019-03-15 爱克发医疗保健公司 用于在任意视场计算断层摄影血管造影(cta)中自动检测全身动脉的方法
CN109712695A (zh) * 2018-12-25 2019-05-03 上海联影医疗科技有限公司 血管图像的处理方法及交互显示方法、计算机装置
CN110652312A (zh) * 2019-07-19 2020-01-07 慧影医疗科技(北京)有限公司 一种血管cta智能分析系统及应用
CN111145313A (zh) * 2019-12-30 2020-05-12 北京东方逸腾数码医疗设备技术有限公司 血管矢量图模型中添加单点定位图例的方法及装置
CN111192347A (zh) * 2019-12-30 2020-05-22 北京东方逸腾数码医疗设备技术有限公司 血管矢量图模型中添加双点定位图例的方法及装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101861126B (zh) 2007-11-20 2013-02-13 皇家飞利浦电子股份有限公司 脉管形成的可视化
FR2944132A1 (fr) 2009-04-01 2010-10-08 Commissariat Energie Atomique Structure de stockage optique d'informations et procede d'optimisation de realisation de cette structure.
WO2010129911A1 (en) 2009-05-08 2010-11-11 Edda Technology, Inc. Method, system, apparatus, and computer program product for interactive hepatic vascular and biliary system assessment
US9099015B2 (en) 2009-05-12 2015-08-04 Edda Technology, Inc. System, method, apparatus, and computer program for interactive pre-operative assessment involving safety margins and cutting planes in rendered 3D space
US9262834B2 (en) 2012-07-30 2016-02-16 General Electric Company Systems and methods for performing segmentation and visualization of images
EP2720192B1 (en) * 2012-10-12 2015-04-08 General Electric Company Method, system and computer readable medium for liver diagnosis
GB2549459B (en) * 2016-04-12 2020-06-03 Perspectum Diagnostics Ltd Method and apparatus for generating quantitative data for biliary tree structures

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6829379B1 (en) * 2000-11-27 2004-12-07 Ge Medical Systems Global Technology Company, Llc Methods and apparatus to assist and facilitate vessel analysis
CN1620990A (zh) * 2003-11-25 2005-06-01 通用电气公司 在ct血管造影术中分割结构的方法及设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003240552A1 (en) * 2002-06-04 2003-12-19 Koninklijke Philips Electronics N.V. Rotational angiography based hybrid 3-d reconstruction of coronary arterial structure
US7742629B2 (en) * 2003-09-25 2010-06-22 Paieon Inc. System and method for three-dimensional reconstruction of a tubular organ

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6829379B1 (en) * 2000-11-27 2004-12-07 Ge Medical Systems Global Technology Company, Llc Methods and apparatus to assist and facilitate vessel analysis
CN1620990A (zh) * 2003-11-25 2005-06-01 通用电气公司 在ct血管造影术中分割结构的方法及设备

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036484B (zh) * 2013-03-06 2017-08-08 东芝医疗系统株式会社 图像分割装置、图像分割方法和医学图像设备
CN104036484A (zh) * 2013-03-06 2014-09-10 株式会社东芝 图像分割装置、图像分割方法和医学图像设备
CN105139030A (zh) * 2015-08-18 2015-12-09 青岛海信医疗设备股份有限公司 一种肝脏血管的分类方法
WO2017028519A1 (zh) * 2015-08-18 2017-02-23 青岛海信医疗设备股份有限公司 一种肝脏血管的分类方法
CN105427277B (zh) * 2015-10-30 2018-01-16 上海联影医疗科技有限公司 血管提取方法
CN105427277A (zh) * 2015-10-30 2016-03-23 上海联影医疗科技有限公司 血管提取方法
CN109478327A (zh) * 2016-08-10 2019-03-15 爱克发医疗保健公司 用于在任意视场计算断层摄影血管造影(cta)中自动检测全身动脉的方法
CN109478327B (zh) * 2016-08-10 2022-03-11 爱克发医疗保健公司 用于在任意视场计算断层摄影血管造影(cta)中自动检测全身动脉的方法
CN107067409A (zh) * 2017-05-09 2017-08-18 上海联影医疗科技有限公司 一种血管分离方法及系统
CN108198213A (zh) * 2018-02-01 2018-06-22 上海联影医疗科技有限公司 一种标记管状结构的方法及装置、管状结构的处理终端
CN108198213B (zh) * 2018-02-01 2022-08-09 上海联影医疗科技股份有限公司 一种标记管状结构的方法及装置、管状结构的处理终端
CN109712695A (zh) * 2018-12-25 2019-05-03 上海联影医疗科技有限公司 血管图像的处理方法及交互显示方法、计算机装置
CN110652312A (zh) * 2019-07-19 2020-01-07 慧影医疗科技(北京)有限公司 一种血管cta智能分析系统及应用
CN110652312B (zh) * 2019-07-19 2023-03-14 慧影医疗科技(北京)股份有限公司 一种血管cta智能分析系统及应用
CN111145313A (zh) * 2019-12-30 2020-05-12 北京东方逸腾数码医疗设备技术有限公司 血管矢量图模型中添加单点定位图例的方法及装置
CN111192347A (zh) * 2019-12-30 2020-05-22 北京东方逸腾数码医疗设备技术有限公司 血管矢量图模型中添加双点定位图例的方法及装置

Also Published As

Publication number Publication date
WO2007002562A2 (en) 2007-01-04
EP1894164A2 (en) 2008-03-05
WO2007002562A3 (en) 2007-09-20
CN101203890B (zh) 2014-04-09
HK1121843A1 (en) 2009-04-30

Similar Documents

Publication Publication Date Title
CN101203890B (zh) 交互式肝病诊断方法
US12051497B2 (en) Systems and methods for validating and correcting automated medical image annotations
US9984456B2 (en) Method and system for labeling hepatic vascular structure in interactive liver disease diagnosis
US10079071B1 (en) Method and system for whole body bone removal and vascular visualization in medical image data
US7783091B2 (en) Method for segmenting anatomical structures from 3D image data by using topological information
CN104217418B (zh) 钙化血管的分割
Aykac et al. Segmentation and analysis of the human airway tree from three-dimensional X-ray CT images
US7715609B2 (en) Method for automatically determining the position and orientation of the left ventricle in 3D image data records of the heart
US20080279476A1 (en) Method for producing an image and system for producing an image
US8285017B2 (en) Methods for interactive labeling of tubular structures in medical imaging
CN109478327A (zh) 用于在任意视场计算断层摄影血管造影(cta)中自动检测全身动脉的方法
CN114332013B (zh) 基于肺动脉树分级的ct图像靶肺段识别方法
CA3105430A1 (en) System and method for linking a segmentation graph to volumetric data
CN117083631A (zh) 用于自动血管提取的系统和方法
Glombitza et al. Technical aspects of virtual liver resection planning
US20240303927A1 (en) Systems and methods for automatic blood vessel extraction
EP4315237A1 (en) Systems and methods for automatic blood vessel extraction
Bacchuwar et al. A novel scale-space framework for low-contrasted object segmentation: Empty catheter segmentation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1121843

Country of ref document: HK

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1121843

Country of ref document: HK