CN101258525A

CN101258525A - 用于对心脏右心室进行可靠的3d评价的超声系统及其方法

Info

Publication number: CN101258525A
Application number: CNA2006800327500A
Authority: CN
Inventors: O·热拉尔; P·索莱尔; P·阿兰
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2005-09-07
Filing date: 2006-09-07
Publication date: 2008-09-03
Also published as: WO2007029199A3; US20090156933A1; EP1927082A2; WO2007029199A2

Abstract

本发明涉及一种用于右心室3D量化的方法和系统，该3D量化是通过将用于3D大视场的若干(2－5)3D采集配准并合并或融合在一起以使右心室包含在一个3D数据集中来实现的。

Description

用于对心脏右心室进行可靠的3D评价的超声系统及其方法

本发明涉及一种基于对若干(2-5)3D超声数据集进行配准以建立使图像质量得以改善的大视场的用于右心室的3D量化的方法和系统。然后，使用该数据来量化心脏的右心室，否则由于其形状复杂而很难包含在一个数据集中。尤其，本发明涉及通过将用于3D大视场的若干(2-5)3D采集配准并合并或融合在一起以将右心室(RV)包含在一个3D数据集中，来采集全3D超声图像。

由于右心室的形状复杂且缺乏量化措施，因此，右心室在心脏疾病中的机能目前并未得到很好的研究。然而，越来越清楚地是，可靠且可再现的RV容积量化值是非常重要的，并且其携带有重要的预后值。

Ustuner等人的美国专利6,780,152 B2涉及一种用于对心脏进行超声成像的方法和设备。然而，该专利涉及2D(2维)成像且并未提供用于在一个数据集中的RV 3D图像的解决方案。事实上，该专利有保持共面的要求，该要求严格地限制了其的使用。

本发明涉及一种用于右心室3D量化的方法和系统，该3D量化是通过将用于3D大视场的若干(2-5)3D采集配准并合并或融合在一起以使右心室包含在一个3D数据集中来实现的。

图1是本发明的总体流程图；

图2是图1中步骤的优选实施例的详细流程图；

图3A-C示出了典型的3D超声图像配准；

图4A-C示出了根据本发明的教导的使用融合的3D超声图像配准；

图5A-F示出了根据本发明的教导用于配准的图像；以及

图6A-B示出了本发明的融合步骤。

现在参照图1-8，图1是本发明的方法和系统的总体流程图5。

首先，使用已知的超声仪器，例如但不局限于Philips的Sonos7500 Live 3D或具有3D选项的或具有来自GE vivid 7 Dimension设备的3D回声深度记录仪的IE 33来采集患者心脏的三维(3D)超声容积。任何3D采集都将在步骤6中进行。

然后，在图1的步骤7中，将超声探头稍稍地在患者胸部上移动优选的1到2cm，以便覆盖患者心脏的不同区域。然后，重复步骤6，使得步骤6完成至少两次，优选为2-5次。如果完成n次步骤6，优选地完成2≤n≤5次，则得到n次采集和n个数据集，如下所述，在步骤8中需要由用户将解剖点输入该数据集。在采集阶段，用户最有可能以全容积模式(可能具有高密度)采集若干(在2到5之间)超声数据集。从不同视点和不同声穿透角度(insonifying angle)的不同视角提供了与患者心脏有关的补充数据。

这完成了本发明的采集部分。

然后，通过要求用户在步骤6-7中采集的所有数据集上提供所有相同的解剖点，或者通过使用Philips的Q-Lab Solution设备中提供的分割方法(其中用户只输入5个点)来对配准进行初始化(步骤8)。Q-Lab Solution在下面参照图2的实施例进行详细地描述。对所采集的数据集进行配准，以便了解其在3D空间中的相对位置。能够完全自动地或由用户提供少数点来引导该过程而半自动地完成配准步骤。

图2描述了图1的步骤8的优选实施例，其中使用Philips Q-LabSolution的分割方法将点输入到通过重复n次步骤6和7所采集的数据集上。

图1的步骤6和7中所述的内容在采集步骤6a中示出。配准初始化(图1中的步骤8)是通过图2中的网格配准9a和网格配准9b来完成的。图1中的步骤8的分割方法能够通过用下面所述的三个步骤将网格放入3D数据集来执行，这3个步骤已经是Philips Q-Lab产品3D Q Advanced插件的一部分。

步骤1：用户将4或5个参考点录入到3D数据集中(典型地为3或4个在二尖瓣水平且一个在心内膜顶点处)。

步骤2：然后，在一般LV形状(包括参考点)和5个点(借助于所匹配的5个点)之间确定最佳仿射变形。

步骤3：然后，向该一般形状施加自动变形过程，以与3D数据集中所包含的信息相匹配(典型地采用图像处理领域专家所公知的3D“蛇形”方法)。

该过程使得3D网格跟随放置在3D数据集中的LV心内膜边界。显然还应当注意到，参考点的使用还指示出网格的定向。这意味着网格的每个顶点(3D点)能够被自动地标记出(例如：心底、中部、心尖、隔膜壁、乳头肌等)。

然后，对于在图1的步骤6中采集的所有数据集重复该过程。

对所有得到的网格一起进行匹配(图2中的9b)。更具体地，计算出在网格和第一个一之间的最佳刚体变换。利用解剖细节，每个顶点在其它网格中都具有其对应部分。即网格#j中的顶点#i应当与网格#k中的顶点#i相匹配。最佳刚体变换是通过使均方误差和最小化(或任何最小化过程)来得到的。在图6a和b(网格配准之前和之后)中示出了该网格配准阶段的示例。

基于网格的该刚体变换提供了对配准过程的初始化。

应当理解的是，图2的实施例是说明性示例，而不是旨在将本发明限制于该一个实施例。

在图2的采集步骤中，用户能够采集：

a.心脏的标准心尖(apical)3D超声容积；

b.经将U/S探头在患者胸部上从初始位置向左移动大约2cm的移位的心尖3D超声容积。

在图2的配准步骤中，用户能够：

使用可在QLab Philips Solution内获得的分割方法(用户只需要录入5个点)。对于每次采集该过程将生成大约600个点的网格。

使用网格点之间的对应关系，对于每次采集计算对于参考采集(例如，标准心尖采集)的刚体变换。用{pi}表示参考点集合，而用{p’i}表示源点集合，在最小二乘的意义上，最佳刚体变换(其包括旋转矩阵R和平移向量T)计算为：

p = \frac{1}{N} \underset{i}{Σ} p_{i}

p^{,} = \frac{1}{N} \underset{i}{Σ} {p^{,}}_{i}

q_i＝p_i-p

q’_i＝p’_i-p’

R = \arg \min \underset{i}{Σ} {q_{i}}^{,,} {Rq}_{i}

T＝p’-Rp

其中R能够用奇异值分解(SVD)方法获得。

在图2的融合步骤中，用户能够通过使用智能规则为每个体元选择灰度级密度将所有图像融合到一个上。事实上，该融合是经由如下所述的多通道反卷积运算来执行的。这就是智能规则-在回声深度记录仪(以举例的方式但并不局限本发明于此的适当仪器包括Philip的Sonos 7500、iE33或者能够采集3D数据的任何其它仪器)的中央单元上执行的软件程序-该智能规则是如下所述的多通道反卷积方法：最高质量是通过使用多通道反卷积方法来获得的。每个采集的容积表示为v_i，所融合的容积v由如下获得：

v = \arg \min [\underset{i}{Σ} {| | v_{i} - h_{i} * v | |}^{2} + λΨ (v)]

其中v能够使用共轭梯度法来获得，h_i是每次采集的点分布函数，Ψ表示正则化算子(例如TikhonovΨ＝||Δv||²)且λ表示正则化的程度。

这样，用户得到新的3D超声数据集，其：

比采集中可能采集到的要更大(更宽)；

由于智能合并过程，具有较佳的边界轮廓。

然后，可以在之前不能应用边界检测的该新图像上应用边界检测，例如右心室检测(因为很难在一次单次采集中获得完全的RV)和具有左和右心室的完整心脏检测。

每一步骤的功能能够以不同方式来实现。一些可行的备选方法列举如下：

采集

使用心尖窗(apical window)内的其它移位。(仅使用通过只将U/S探头放置在患者胸部上不同位置处的标准U/S仪器(回声深度记录仪))；

使用不同于心尖的其它声窗，尤其是胸骨旁和肋骨下。(仅使用通过只将U/S探头放置在患者胸部上不同位置处的标准U/S仪器(回声深度记录仪))。

配准

由用户选择界标(landmark)来进行初始化。典型地，存在解剖上很重要的点，其在所有采集中都很容易定位。实际上，这有利于对可能是用户特别感兴趣的结构进行匹配。(使用Philip′s Qlab中的软件)。

使用具有较高数目自由度的几何变换，尤其是仿射或弹性变换。(使用Philip′s Qlab中的软件)。

或者，能够将位置跟踪器(例如磁的、光学的)附着到探头上，以提供对不同采集的相对定位。(使用包括两个部分的仪器的外部部分：仪器的两部分中的一个附到U/S探头上，且另一部分用于检测和跟踪第一部分如探头的位置。以举例的方式但并不局限本发明于此，该仪器的用于检测和跟踪探头的该第二部分包括既用于光学和电磁检测又用于跟踪Northern Digital，Inc.所提供的探头的定位器技术。这些部分都可在市场上买到并且都依靠电磁或光学定位方法。

融合(该步骤只是软件并且该软件在Philip′s Qlab中)。

使用基于小波的融合规则。

非线性融合(例如最大化算子)

自适应融合(角相关的)。

图3A-3C示出了3D超声图像配准的类型。图3A是心尖窗的图像，而图3B是胸骨旁窗的图像。图3C示出了作为配准了的组合视图的图像。

如前所述，基于分割的配准能够作为开始点。一些相关问题包括对用户点击的敏感度、移位的心尖分割的困难以及在视图中(一个)心动周期的变异性。

或者，自动配准还有一些问题，即需要改善图像的鲁棒性、噪声数据以及部分覆盖。

图4A-4C示出了对于根据本发明进行了配准的图3A-3C本发明的优点。图A再次示出了心尖窗的图像，图4B示出了胸骨旁窗，将它们通过配准和融合合并为图4C中的组合视图图像。经融合的图像将允许用户通过为每个体元(例如心尖区域中的侧壁)选择最佳灰度值来改善边界可见度。

Claims

1、一种用于对患者心脏的右心室进行可靠的3D评价的超声方法，包括步骤：

采集所述患者心脏的3D超声容积；

将2D矩阵超声探头移动到所述患者心脏的稍稍不同的区域，并且在进行步骤(c)之前重复步骤(a)直至使该步骤完成n次，其中2≤n≤5；

对从步骤(a)和(b)采集的n幅图像进行配准初始化，其中，向所有数据集输入解剖点；

通过使用在所述n幅图像的每幅中具有对应关系的所述解剖点，来计算从所述步骤(a)和(b)采集的n幅图像之间的最佳刚体变换；

通过使用智能规则为体元选择灰度级密度来将所述n幅图像融合到一幅图像上；以及

将边界检测应用于通过所述融合步骤(e)获得的3D图像，使得获得新的3D超声数据集，所述新的3D超声数据集比在一次采集中可采集的更长(更宽)，并且由于对于所述患者心脏的右心室进行智能成像过程而具有较佳的边界轮廓。

2、根据权利要求1所述的方法，其中，在所述配准初始化步骤(c)期间，用户将相同的解剖点输入到3D超声图像的每个数据集上，所述3D超声图像是对于所探测的患者心脏的每个稍稍不同的区域采集的。

3、根据权利要求1所述的方法，其中，在所述配准初始化步骤(c)期间，使用具有Q-Lab Philips Solution的分割方法，因此用户必须录入五个解剖点。

4、根据权利要求1所述的方法，其中，在所述计算步骤(d)中对应的所述解剖点是离散集。

5、根据权利要求1所述的方法，其中，在所述计算步骤(d)中对应的所述解剖点在网格中。

6、一种用于对患者心脏的右心室进行可靠的3D评价的超声系统，包括：

超声成像仪器，用于采集患者心脏的3D超声容积；

2D矩阵超声探头，其适于被移动到所述患者心脏的稍稍不同的区域，并且用所述超声仪器重复进行成像直至完成n次，其中2≤n≤5；

在所述超声仪器上的配准控制，用于对采集的所述n幅图像的配准进行初始化，其中，通过所述控制将解剖点输入到所有数据集；

具有计算设备的所述超声仪器，用于通过使用在所述n幅图像的每幅中具有对应关系的所述解剖点，来计算所采集的所述n幅图像之间的最佳刚体变换；

在所述超声仪器上的控制，用于通过使用所述超声仪器中的智能规则算法为体元选择灰度级密度来将所述n幅图像融合到一幅图像上；以及

具有边界检测控制的所述超声仪器，用于将边界检测应用于通过所述融合获得的3D图像，使得获得新的3D超声数据集，所述新的3D超声数据集比在一次采集中可采集的更长(更宽)，并且由于对于所述患者心脏的右心室进行智能成像过程而具有较佳的边界轮廓。

7、根据权利要求6所述的系统，其中，在所述配准初始化期间，用户将相同的解剖点输入到3D超声图像的每个数据集上，所述3D超声图像是对于所探测的患者心脏的每个稍稍不同的区域采集的。

8、根据权利要求6所述的系统，其中，在所述配准初始化步骤(c)期间，使用具有Q-Lab Philips Solution的分割方法，因此，用户必须录入五个解剖点。

9、根据权利要求6所述的系统，其中，在所述计算中对应的所述解剖点是离散集。

10、根据权利要求6所述的系统，其中，在所述计算中对应的所述解剖点在网格中。