CN101523437B - 基于模型的冠状动脉中心线定位系统和方法 - Google Patents
基于模型的冠状动脉中心线定位系统和方法 Download PDFInfo
- Publication number
- CN101523437B CN101523437B CN200780036996XA CN200780036996A CN101523437B CN 101523437 B CN101523437 B CN 101523437B CN 200780036996X A CN200780036996X A CN 200780036996XA CN 200780036996 A CN200780036996 A CN 200780036996A CN 101523437 B CN101523437 B CN 101523437B
- Authority
- CN
- China
- Prior art keywords
- conversion
- model
- vascular pattern
- image data
- placement
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 36
- 230000004807 localization Effects 0.000 title abstract 3
- 238000006073 displacement reaction Methods 0.000 claims abstract description 40
- 230000002792 vascular Effects 0.000 claims description 130
- 238000006243 chemical reaction Methods 0.000 claims description 118
- 210000004204 blood vessel Anatomy 0.000 claims description 32
- 238000005457 optimization Methods 0.000 claims description 14
- 230000004048 modification Effects 0.000 claims description 13
- 238000012986 modification Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 4
- 210000003484 anatomy Anatomy 0.000 abstract description 5
- 230000009466 transformation Effects 0.000 abstract description 2
- 230000001131 transforming effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 45
- 238000003860 storage Methods 0.000 description 14
- 210000004351 coronary vessel Anatomy 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000005452 bending Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009206 nuclear medicine Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000446313 Lamella Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 108010028984 3-isopropylmalate dehydratase Proteins 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于包括参考对象模型和血管模型的联合模型使血管模型与图像数据集配准的系统(100)，所述系统包括：放置单元(110)，其用于将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的放置的联合模型；计算单元(120)，其用于基于界标位移场计算形变场，其中，所述界标位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移；变换单元(130)，其用于采用所述形变场对所述放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型；以及配准单元(140)，其用于基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与图像数据集配准，其中，所述目标函数包括位置先验项，该项基于修改后的经变换的血管模型相对于所述经变换的联合模型的定位。因而，该系统被设置为在考虑到血管模型相对于由参考模型描述的参考解剖学结构的定位的情况下对血管进行建模。
Description
技术领域
本发明涉及医疗图像数据分割领域，更具体而言，涉及在医疗图像数据中对血管进行分割。
背景技术
在A.F.Frangi等人的名为“Model-Based Quantification of 3-D MagneticResonance Angiographic images”，IEEE Transactions on Medical Imaging，Vol.18，No.10，1999，pages 946-956中公开了一种针对脉管和心脏图像的分割的基于模型的方法，在下文中将该文献称为参考文献1。该文献描述了一种基于模型的二步骤血管分割。首先，获得中心血管轴的表示，在下文中又将该轴称为血管中心线。采用具有s+1个控制点的n阶(degreee n)B样条曲线描绘模型血管中心线。通过使能量函数最小化将所述模型血管中心线调配到所述图像中包含的血管的中心线，其中，所述能量函数又被称为代价函数或目标函数。所述能量函数包括外部能量项和内部能量项。所述内部能量项包括拉伸能量项和弯曲能量项。所述拉伸能量项和弯曲能量项定义了对血管中心线的形变的内部约束。所述外部能量项定义了血管中心线对于3D图像特征的吸引，其中，所述3D图像特征可能落在血管的中心轴上。采用A.F.Frangi等人的文章“Multiscale vessel enhancement filtering”，Medical Image Computing and Computer Assisted Intervention-MICCAI′98，W.M.Wells，A.Colchester and S.L.Delp(Eds)，Lecture Notes in ComputerScience，Vol.1496-Springer Verlag，Berlin，Germany，pages 130-137中描述的血管性滤波器，在下文中将该文献称为参考文献2。
发明内容
对参考文献1所描述的方法的进一步改进是可能的。参考文献1中描述的目标函数的先验知识项，即拉伸能量项和弯曲能量项基于由模型血管 中心线定义的形状先验，即，基于血管形状的先验知识的先验知识项。但是，参考文献1的先验知识项没有考虑由血管中心线相对于图像数据集中包括的参考解剖学结构的定位定义的位置先验，即，基于血管定位的先验知识的先验知识项。
具有这样一种用于对血管建模的系统将是有利的，其中，该系统能够将血管模型相对于图像数据集中标识的参考解剖学结构的定位考虑在内。
为了解决这一问题，就本发明的一个方面而言，一种基于包括参考对象模型和血管模型的联合模型使血管模型与图像数据集配准的系统包括：
-放置单元，其用于将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的放置的联合模型；
-计算单元，其用于基于界标位移场计算形变场，其中，所述界标位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移；
-变换单元，其用于采用所述形变场对所述放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型；以及
-配准单元，其用于基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与图像数据集配准，其中，所述目标函数包括位置先验项，该项基于修改后的经变换的血管模型相对于所述经变换的联合模型的定位。
本发明描述了一种用于通过两个步骤对图像数据集进行分割的系统。在第一步骤中，由变换单元采用由所述计算单元计算的形变场对所述放置的联合模型中包括的放置的参考对象模型和放置的血管模型进行变换。所述形变场是基于所述放置的参考对象模型的界标相对于所述图像数据集中的对应界标的位移确定的。尽管这一变换可能足以对图像数据集中的参考对象建模，但是其可能只是所述放置的血管模型的令人满意的初始化。因而，在第二步骤中，基于对所述经变换的血管模型的修改和对修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与所述图像数据集配准。所述目标函数包括位置先验项，该项基于修改后的血管模型相对于经变换的联合模型的定位。因而，该系统被设置为在考虑血管模型相 对于参考模型描述的参考解剖学结构的定位的情况下对血管建模。
在所述系统的实施例中，所述系统还包括调配单元，其用于将所述放置的参考对象模型调配至所述图像数据集，从而在所述图像数据集中定义对应的界标。将包括所述界标的放置的参考对象模型调配至所述图像数据集，例如，所述界标是基于用户输入定义的。所述调配后的放置的参考对象模型的界标定义了所述图像数据集内的对应界标。调配放置的参考对象模型可以显著简化和/或改进界标位移场的计算，其中，所述界标位移场包括所述放置的参考对象模型的界标相对于图像数据集中的对应界标的位移。
在所述系统的实施例中，参考对象模型包括具有多个顶点的网格(mesh)。所述放置的参考对象模型包括放置的网格。所述调配单元将所述放置的参考对象模型，即所述放置的网格调配至所述图像数据集。存在很多可以采用的用来将网格调配至图像数据集的方法。可以采用所述放置的网格的放置的顶点作为所述放置的模型的界标，可以采用所述调配后的放置的网格的调配后的放置的顶点作为所述对应的界标。这是一种方便的用于创建大量可用的对应界标的方式。
在所述系统的实施例中，血管模型包括用于描述血管中心线的多个控制点。例如，这样的血管中心线可以是分段线性的，或者可以采用B样条对其建模。采用由多个控制点描绘的血管中心线描述了建模后的血管的重要方面，并且便于实现所述目标函数。
在所述系统的实施例中，目标函数还包括基于血管性滤波器，用于计算在所述图像数据集的空间内处于血管性滤波器的位置处的血管性的测度(measure)的血管性项。例如，在参考文献2中定义了适当的血管性滤波器。所述血管性项使得修改后的经变换的血管模型被吸引到所述图像数据集内包含的血管的可能位置。
在所述系统的实施例中，血管模型还包括用于描述血管壁的多个血管直径。通过采用多个直径作为血管模型的参数能够实现对图像数据集的空间内的血管性滤波器的位置处的血管性滤波器的尺度参数值的简单确定。
在所述系统的实施例中，位置先验项取决于所述经变换的参考对象模型。取决于经变换的参考对象模型的位置先验项将通过“补偿”修改后的 经变换的血管模型的形变而改进对经变换的血管模型与图像数据集的配准的引导，其中，所述的修改后的经变换的血管模型的形变将导致修改后的经变换的血管模型相对于经变换的参考对象模型的定位与经变换的血管模型相对于经变换的参考对象模型的定位相差悬殊。
就本发明的另一方面而言，根据本发明的系统包含于图像获取设备当中。
就本发明的另一方面而言，根据本发明的系统包含于工作站中。
就本发明的另一方面而言，一种用于基于包括参考对象模型和血管模型的联合模型使血管模型与图像数据集配准的方法包括：
-放置步骤，其用于将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的经放置的联合模型；
-计算步骤，其用于基于界标位移场计算形变场，其中，所述位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移；
-变换步骤，其用于采用所述形变场对所述放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型；以及
-配准步骤，其用于基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与图像数据集配准，其中，所述目标函数包括位置先验项，该项基于修改后的经变换的血管模型相对于所述经变换的联合模型的定位。
就本发明的另一方面而言，一种将由计算机装置加载的计算机程序产品包括用于基于包括参考对象模型和血管模型的联合模型使血管模型与图像数据集配准的指令，所述计算机装置包括处理单元和存储器，所述计算机程序产品在加载之后将为所述处理单元提供执行下述任务的能力：
-将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的放置的联合模型；
-基于界标位移场计算形变场，其中，所述界标位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移；
-采用所述形变场对所述放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型；以及
-基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与图像数据集配准，其中，所述目标函数包括位置先验项，该项基于修改后的经变换的血管模型相对于所述经变换的联合模型的定位。
在本说明书的基础上，本领域技术人员能够执行对图像获取设备、工作站、方法和/或计算机程序产品的修改和变化，所述修改和变化对应于对所述系统的修改和变化。
本领域技术人员将认识到，可以将所述方法应用于通过各种获取形式获取的体积，即三维(3D)和四维(4D)图像数据，所述获取形式可以是但不限于计算机断层成像(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层成像(PET)、单光子发射计算机断层成像(SPECT)和核医学(NM)。
附图说明
相对于在下文中描述的实现方式和实施例并参考附图，本发明的这些和其他方面将变得显而易见并将得到阐释，在附图中：
图1示意性地示出了系统的示范性实施例的方框图；
图2示出了方法的示范性实现方式的流程图；
图3示意性地示出了图像获取设备的示范性实施例；以及
图4示意性地示出了工作站的示范性实施例。
在所有附图中采用相同的附图标记表示类似的部分。
具体实施方式
图1示意性地示出了系统100的示范性实施例的方框图，系统100用于基于联合模型使血管模型与图像数据集配准，其中，所述联合模型包括参考对象模型和血管模型，所述系统包括：
-放置单元110，其用于将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的放置的联合模 型；
-计算单元120，其用于基于界标位移场计算形变场，其中，所述位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移；
-变换单元130，其用于采用所述形变场对所述放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型；以及
-配准单元140，其用于基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与图像数据集配准，其中，所述目标函数包括位置先验项，该项基于修改后的经变换的血管模型相对于所述经变换的联合模型的定位。
系统100的示范性实施例还包括下述任选单元：
-用于将放置的参考对象模型调配至图像数据集的调配单元115；
-用于控制系统100中的工作流程的控制单元160；
-用于与系统100的用户通信的用户接口165；以及
-用于存储数据的存储单元170。
在系统100的实施例中，有三个用于输入数据的输入连接器181、182和183。将所述第一输入连接器181设置为接收来自数据存储器的数据，例如，所述数据存储器可以是但不限于硬盘、磁带、闪速存储器或光盘。将第二输入连接器182设置为接收从用户输入器件输入的数据，例如，所述用户输入器件可以是但不限于鼠标或触摸屏。将第三输入连接器183设置为接收从诸如键盘的用户输入器件输入的数据。将输入连接器181、182和183连接至输入控制单元180。
在系统100的实施例中，有两个用于输出数据的输出连接器191和192。将所述第一输出连接器191设置为向诸如硬盘、磁带、闪速存储器或光盘的数据存储器输出数据。将所述第二输出连接器192设置为向显示器件输出数据。输出连接器191和192通过输出控制单元190接收相应的数据。
本领域技术人员将理解，有很多种方式将输入器件连接至系统100的输入连接器181、182和183，将输出器件连接至系统100的输出连接器191和192。这些方式包括但不限于有线和无线连接，诸如但不限于局域网 (LAN)和广域网(WAN)的数字网络、因特网、数字电话网和模拟电话网的数字网络。
在系统100的实施例中，系统100包括存储单元170。将系统100设置为通过输入连接器181、182和183中的任一者接收来自外部器件的输入数据，并将所接收到的输入数据存储到存储单元170内。将所述输入数据加载到存储单元170内允许系统100的各单元快速访问相关数据部分。例如，所述输入数据可以包括图像数据集和联合模型。可以通过诸如但不限于随机存取存储器(RAM)芯片、只读存储器(ROM)芯片和/或者硬盘驱动器和硬盘的器件实现存储单元170。还可以将存储单元170设置为存储输出数据。例如，所述输出数据可以包括经配准的血管模型和经变换的参考对象模型。存储单元170还被设置为通过存储总线175从系统100的各单元接收数据以及向系统100的各单元提供数据，其中，所述的系统100的各单元包括放置单元110、调配单元115、计算单元120、第一变换单元130、配准单元140、控制单元160和用户接口165。还将存储单元170设置为使输出数据能够通过输出连接器191或192中的任一为外部器件所用。将来自系统100的各单元的数据存储在存储单元170内可以有利地提高系统100的各单元的性能以及从系统100的各单元向外部器件转移输出数据的速率。
或者，系统100可以不包括存储单元170和存储总线175。可以通过连接至系统100的各单元的至少一个诸如外部储存器或处理器的外部器件提供系统100采用的输入数据。类似地，可以将系统100产生的输出数据提供给连接至系统100的各单元的至少一个诸如外部储存器或处理器的外部器件。可以将系统100的各单元设置为通过内部连接或者通过数据总线从彼此接收数据。
在所述系统100的实施例中，系统100包括用于控制系统100中的工作流程的控制单元160。可以将所述控制单元160设置为从系统100的各单元接收控制数据以及向各单元提供控制数据。例如，在计算形变场之后，可以将计算单元120设置为向控制单元160发送控制数据“计算了形变场”，可以将控制单元160设置为向变换单元130提供控制数据“采用形变场变换联合模型”，从而请求所述变换单元130对所述放置的联合模型进行变换。任选地，可以通过系统100的另一单元实现控制功能。
在系统100的实施例中，系统100包括用于与系统100的用户通信的用户接口165。可以将用户接口165设置为向用户提供将所述联合模型手动放置到图像数据空间内的手段。任选地，所述用户接口可以接收用于选择系统100的工作模式的用户输入，例如，所述工作模式可以是用于选择联合模型和/或用于选择调配单元115所采用的调配方法的模式。本领域技术人员将认识到可以有利地通过系统100的用户接口165实现更多的功能。
体积，即三维(3D)图像数据集包括数据元。图像数据的每一数据元(x，y，z，I)包括通常由图像数据空间坐标系内的三个笛卡尔坐标x，y，z表示的位置(x，y，z)和处于这一位置的强度I。还可以通过体素，即小的通常为立方体或立方形的体积以及分配给这一体积的强度表示图像数据元。所述坐标x、y、z可以是所述立方体或立方形体素的顶点坐标。可以将又被称为图像数据空间或图像数据体积的所述图像数据集的空间定义为包括所述图像数据元(x，y，z，I)内所包括的所有位置(x，y，z)的体积。而且，还可以将所述图像体积解释成所有体素体积的并集。可以将体积图像数据集组织成图像体积的基本为平面的截面或片层，例如，基本垂直于坐标系的z轴的截面或片层的集合。4D图像数据集包括在不同的时刻或者在不同的运动阶段获取的体积图像数据集的集合。
在应用于作为血管的冠状动脉，例如，右侧冠状动脉(RCA)或包括RCA、左前降支(LAD)冠状动脉和旋(LCX)动脉的主冠状动脉树时，以及在应用于作为参考对象的处于心动周期的某一期，例如处于舒张末期的心脏时，系统100尤为有用。但是，本领域技术人员将认识到可以将系统100用于对任何血管状，即，管状结构配准，例如，所述管状结构可以是但不限于血管、气管和神经。所述参考对象可以是用于确定所述血管状结构的相对定位的任何解剖学结构，例如，其可以是但不限于肋骨、脊椎和肾。优选地，可以容易地检测到图像数据集内包含的参考对象，并且可以采用参考对象模型相对容易地描绘所述参考对象。针对血管或者血管模型采用的“定位”一词分别描述了整个血管或血管模型，其包括整个血管或血管模型的位置、取向和构造。
在J.von Berg和C.Lorenz的文章“Multi-surface Cardiac ModelingSegmentation，and Tracking”，A.F.Frangi等(Eds.)：FIMH 2005，LNCS 3504， Springer-Verlag Berlin Heidelberg 2005，pages 1-11中描述了一种包括四心腔的多表面心脏模型以及主动脉和静脉主干的示范性联合模型，其中，将该文献称为参考文献3。当今，对象模型往往是平均模型，即，基于多个对象，例如，基于多个患者的心脏构建的模型。这样的平均模型描绘了经建模的对象的典型特征。参考文献3中描述的多表面心脏模型是这样一种平均模型，其中，采用三角形网格描绘心脏表面。也可以采用其他网格，例如，单纯形网格。
在C.Lorenz等人的文献“Modeling the coronary artery tree”，InternationalConference on Shape Modeling and Applications 2004(SMI′04)2004，Genoa，Italy，June 6-9，2004，pages 354-357中描述了对冠状动脉的建模。该文献采用了冠状动脉中心线的树状模型，其中，所述中心线被表示为通过线段连接的点，所述点又被称为控制点。或者，可以通过(例如)三次样条、B样条或贝塞尔曲线连接所述控制点。本领域技术人员将理解，权利要求的范围不取决于血管中心线的实现方式。在C.Lorenz和J.von Berg的文献“Towards a Comprehensive Geometric Model of the Heart”，A.F.Frangi等(Eds.)，FIMH 2005，LNCS 3504，Springer Verlag，Berlin，Germany，2005，pages 102-112中描述了心脏和脉管结构的联合模型，在下文中将该文献称为文献4。
系统100的放置单元110被设置为将联合模型放置到图像数据集的空间内。可以自动完成所述放置，并且所述放置可以基于对参考对象的检测，例如，所述检测采用了(例如)C.Lorenz和J.von Berg的文献“Fast automated0bject detection by recursive casting of search rays”，Proc.CARS.2005，pages230-235中描述的光线投射法或者H.Schramm等的文献“Towards FullyAutomatic Object Detection and Segmentation”，Proc.SPIE Vol.6144，614402，Medical Imaging 2006：Image Processing，J.M.Reinhardt和J.P.Pluim(Eds.)，pages 11-20中描述的霍夫变换。任选地，可以采用用于操纵用户接口165提供的模型的手段手动细化或执行所述放置。采用刚性(rigid)变换执行所述放置。任选地，所述放置还可以涉及对联合模型的进一步全局变换，例如缩放。
计算单元120被设置为基于界标位移场计算密集形变场，其中，所述 界标位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移。所述界标的集合可以包含于如参考文献4所描述的联合模型内。所述系统还可以获得用于确定所述图像数据集内的对应界标的位置的用户输入。或者，例如，所述系统可以采用界标特征检测计算出所述图像数据集中的对应界标的位置。在确定所述放置的参考对象模型的界标的位置和所述图像数据集内的对应界标的位置时，计算单元120被设置为计算界标位移场，所述界标位移场包括放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移，即，位移的向量。这一场还被计算单元120用来计算密集形变场。例如，可以将计算单元120设置为采用薄板样条对所述位移场进行内插。在F.L.Bookstein的文献“Principal warps：Thin-plate splines and the decomposition of deformations”，IEEE Transactionson Pattern Analysis and Machine Intelligence，Vol.11，pages 567-585，1989中描述了采用稀疏向量场的薄板样条内插构建密集向量场。这里，采用“密集”一词的意义在于，能够将所述形变场应用到图像数据集空间中，来对放置的联合模型进行变换。
在所述系统100的实施例中，所述系统还包括调配单元115，其用于将所述放置的参考对象模型调配至所述图像数据集，从而将所述图像数据集中的对应界标定义为调配后的放置的参考对象模型的界标。所述调配单元115允许采用(例如)O.Ecabert等的文献“Towards Automatic Full HeartSegmentation in Computed-Tomography Images”，32th Conference onComputers in Cardiology，2005，pages 223-226中描述的方法使对应界标得到自动识别。或者，所述调配单元115所采用的调配方法可以是半自动或手动的。
在系统100的实施例中，所述参考对象模型包括网格。所述网格可以是多边形网格，例如，三角形网格。有利地，所设置的界标可以是放置的参考对象模型的放置的网格的顶点的子集。例如，放置的网格的所有顶点都可以是参考对象模型的界标。任选地，可以仅采用与在将放置的网格调配至图像数据集的过程中检测到的“强”图像数据集特征对应的顶点，例如，具有大于阈值的经计算的权重的顶点(就权重的定义而言，参考J.Weese等的文献“Shape constrained deformable models for 3D medical image segmentation”，Proc.IPMI.2001，pages 380-387)来定义所述放置的参考对象模型的界标。之后，可以采用调配后的放置的网格的顶点作为图像数据集内的对应界标。
变换单元130所采用的形变场通过将形变场应用于放置的联合模型而将所述放置的联合模型变换成经变换的联合模型。这一形变场对放置的参考对象模型和放置的血管模型二者进行变换。由于所述形变场是通过使所述放置的参考对象模型的界标与所述图像数据集内的对应界标配准而构建成的，因而所述的参考对象模型的变换对于描绘图像数据集中的参考对象是令人满意的。但是，所述经变换的血管模型的定位可能只是对实际血管定位的相当粗略的估算，因而可以将其用作初始定位，从而凭借其对经变换的血管模型做进一步配准。
系统100的配准单元140被设置为基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与图像数据集配准，其中，所述目标函数包括位置先验项，该项基于修改后的经变换的血管模型相对于所述经变换的联合模型的定位。例如，目标函数的优化可以是基于找到目标函数的最大值和最小值。用于描述血管模型的参数可以包括血管中心线的控制点的坐标。可以采用B样条对血管中心线进行内插。例如，在配准过程中，每一控制点可以在与处于所述控制点处的B样条的切线基本正交的平面内或者在以所述原始控制点为中心的球体内改变其坐标。在血管中心线发生形变时，可以调整所述平面或球体的取向。
在系统100的实施例中，位置先验项可以补偿(penalize)修改后的经变换的血管模型的中心线相对于其在经变换的血管模型中的位置的位移。这一点可以采用(例如)G.Borgefors的文献“Distance transforms in digitalimages”，IEEE Transactions on Pattern Analysis and Machine Intelligence，Vol.34，1986，pages 344-371中描述的距离变换实现。所述距离变换被定义为从图像数据空间中的一个位置到图像数据空间中的某一位置集合的距离。所述从图像数据空间中的一个位置到某一位置集合的距离可以是所述位置到所述某一位置集合中所包含的最近位置的欧几里德距离。所述某一位置集合可以描述典型的，即最有可能的血管定位。可以将图像数据空间内的 一个位置到描述典型的血管定位的位置集合的距离的倒数解释为所述血管处于图像数据空间内的所述位置的可能性。
可以通过很多方式定义描述典型的血管定位的某一位置集合。例如，可以由血管中心线上的位置，例如，由血管中心线贯穿的体素定义所述的某一位置集合。任选地，所述某一位置集合还可以包括与血管中心线上的位置相邻的位置或者处于与所述中心线相距某一距离的范围以内的位置。另一种可能性是识别来自用于构建平均血管模型的样本血管模型的总体的每一样本血管模型的定位。可以将每一样本血管模型放置到图像数据空间内，并由变换单元130采用计算单元120计算的形变场对每一样本血管模型进行变换。所述经变换的样本血管模型的所有位置定义了所述某一位置集合。本领域技术人员将认识到也可以采用其他定义所述某一位置集合的方式，权利要求的范围不取决于所述某一位置集合的定义。
在系统100的实施例中，位置先验项可以补偿修改后的经变换的血管模型的中心线相对于经变换参考对象模型的位移。例如，可以采用与调配后的放置的参考对象模型中包含的界标的子集等同的图像数据集内的对应界标的子集作为参考集。对于沿所述中心线的每一对随后控制点而言，可以计算由所述一对控制点定义的三角形面积以及来自所述参考集的界标的位置。任选地，可以采用另一个，例如，较大的沿所述中心线的点集替代所述控制点的集合。可以将由所有控制点对定义的三角形面积累加起来。将该和与采用(例如)多个训练图像数据集习知的“基本真值”(ground truth)和进行比较。可以针对其余的界标计算类似的和。可以将位置先验项定义为针对来自参考集的每一界标计算的和的指数函数。例如，所述指数可以是所计算的和与“基本真值”和的差的加权平方和的负平方根。权重是非负的。
本领域技术人员将认识到也可以采用其他位置先验项，所描述的位置先验项只是为了对本发明举例说明，而不是限制权利要求的范围。
在系统100的实施例中，目标函数还包括用于检测图像数据集中的血管的血管性项。示范性的血管性项采用了血管性滤波器来检测具有某一直径的亮的细长结构。在参考文献2中描述了血管性滤波器。应用到图像数据空间内的滤波器位置上的血管性滤波器将产生所述滤波器位置上的血管 性测度，即，血管处于所述滤波器位置上的可能性。所述血管性滤波器具有对应于所检测到的血管的直径的尺度参数。血管性的测度取决于所述尺度参数的值。如果修改后的经变换的血管模型包括处于所述滤波器位置上的血管的预期直径，那么可以将这一预期直径与血管性测度在其处取得最大值的尺度参数的值进行比较。所述预期血管直径与血管性测度在其处取得最大值的尺度参数越接近，血管处于所述滤波器位置的可能性就越大。或者，可以将血管性滤波器的尺度设置为所述预期血管直径。血管性滤波器还估算处于所述滤波器位置上的血管状结构的切线。例如，可以采用血管状结构的切线与修改后的经变换的血管模型定义的血管的预期方向的点积，将这一额外信息与由修改后的经变换的血管模型定义的血管的预期取向进行比较。
在实施例中，将血管性项与位置先验项结合，并且可以针对图像数据空间内的每一滤波器位置sj，例如，针对修改后的经变换的血管模型的中心线的每一控制点，将目标函数外部能量项写作Eext＝∑jC(sj，σj)，其中C(sj，σj)＝d(sj)w(sj，σj)D(sj)+I(sj)。这里，σj是与血管模型中包含的预期血管直径等价的血管性滤波器的尺度；d(sj)是处于滤波器位置sj处的血管状结构的标准化切线与处于这一位置的修改后的经变换的血管模型定义的血管的预期方向的点积；D(sj)是滤波器位置sj与某一位置集合的距离的倒数；w(sj，σj)是滤波器位置sj处的血管性测度。血管性测度w(sj，σj)可以是参考文献2；C.Lorenz等的文献“A multi-scale line filter with automatic scale selection basedon the Hessian matrix for medical image segmentation”，Lecture Notes inComputer Science，Vol.1252，Proceedings of the First International Conferenceon Scale-Space Theory in Computer Vision，1997，pages 152-163；Y.Sato等的文献“3Dmultiscale line filter for segmentation and visualization ofcurvilinear structures in medical images”，Conference on Computer Vision，Virtual Reality and Robotics in Medicine and Medial Robotics andComputer-Assisted Surgery，1997，pages 213-222中描述的滤波器之一，或者是所有的这些滤波器的加权和。任选项I(sj)估计处于滤波器位置sj处的图像数据强度。例如，可以采用该项区分肺部血管和冠状动脉。在CT图像数据集中，肺部血管可以表现出与冠状动脉相似的血管性测度，但是冠状动 脉更亮。
在实施例中，可以将外部能量项写作Eext＝Evess+Eloc，其中，Evess＝∑j(d(sj)w(sj，σj)+I(sj))是血管性项，Eloc＝∑jD(sj)是位置先验项。本领域技术人员将了解构建外部能量项的其他方式。所描述的实现方式对实施例做出了举例说明，其不限制权利要求的范围。
目标函数还可以包括补偿中心线的高曲率的内部能量项。任选地，中心线的总长度可以充当全局曲率测度，因为弯曲的中心线倾向于比直的中心线长。
本领域技术人员将理解，还存在很多其他的可以包含到目标函数内的有用项。这些项包括但不限于采用J.Peters等的文献“Feature optimization viasimulated search for model-based heart segmentation”，CARS 2005-ComputerAssisted Radiology and Surgery，Proceedings of the 19th International Congressand Exhibition Berlin，Germany，June 22-25，2005中描述的方法由训练图像习知的特征；与平均血管模型形状的偏差；相对于调配至图像数据集的另一参考对象的位置；以及弯曲和拉伸能量项。权利要求的范围不取决于是否包含这些项。
本领域技术人员还将理解，其他的优化目标函数的方式也是可能的。例如，可以通过基于找到目标函数的最小值来优化目标函数的方式对目标函数重新定义。任选地，可以定义得到多个值的多维目标函数。经优化的目标函数的参数，例如，修改后的经变换的血管模型中心线的对应于目标函数的最佳值的控制点定义了与图像数据集配准的血管模型。
本领域技术人员将理解，系统100的其他实施例也是可能的。还有可能重新定义系统的各单元，以及重新分配其功能。例如，在系统100的实施例中，可以将放置单元110和调配单元115的功能结合到一个初始化单元内。在系统100的另一实施例中，存在多个项计算单元。可以将每一单元设置为计算目标函数的一项。用户可以通过提供用于对配准单元140将用来计算目标函数的项计算单元进行选择的输入来定义目标函数。
可以采用处理器实现系统100的各单元。通常而言，在软件程序产品的控制下执行所述单元的功能。在执行过程中，通常将软件程序产品加载到诸如RAM的存储器内，并从该处执行所述软件程序产品。可以从诸如 ROM、硬盘或者磁和/或光存储器的后台存储器加载所述程序，或者可以通过诸如因特网的网络加载所述程序。任选地，针对特定应用的集成电路可以提供所描述的功能。
图2示出了基于包括参考对象模型和血管模型的联合模型使血管模型与图像数据集配准的方法200的示范性实现方式的流程图。方法200开始于放置步骤210，其用于将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的放置的联合模型。在放置步骤210之后，方法200继续至调配步骤215，其用于将放置的参考对象模型调配至图像数据集，从而在图像数据集内定义对应的界标。在调配步骤215之后，方法200继续至计算步骤220，其用于基于界标位移场计算形变场，其中，所述位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移。在计算步骤220之后，方法200继续至变换步骤230，其用于采用所述形变场对放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型。在变换步骤230之后，方法200继续至配准步骤240，其用于基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与图像数据集配准，其中，所述目标函数包括位置先验项，该项基于修改后的经变换的血管模型相对于所述经变换的联合模型的定位。在配准步骤240之后，所述方法结束。
在不背离本发明的原理的情况下，本领域技术人员可以改变方法200的各步骤中定义的一些任务的顺序，或者采用线程模型、多处理器系统或多个过程同时执行一些任务。任选地，可以将本发明的方法200的两个或更多步骤结合到一个步骤当中。任选地，可以将本发明的方法200的一个步骤拆分成多个步骤。
图3示意性地示出了采用系统100的图像获取设备300的示范性实施例，所述图像获取设备300包括通过内部连接与系统100连接的图像获取单元310、输入连接器301和输出连接器302。这一布置有利地提高了图像获取设备300的能力，从而为图像获取设备300提供了系统100的基于包括参考对象模型和血管模型的联合模型使血管模型与图像数据集配准的有利能力。图像获取设备的例子包括但不限于CT系统、X射线系统、MRI 系统、US系统、PET系统、SPECT系统和NM系统。
图4示意性地示出了工作站400的示范性实施例。所述工作站包括系统总线401。将处理器410、存储器420、盘输入/输出(I/O)适配器430和用户接口(UI)440可操作地连接至系统总线401。将盘存储器件431可操作地耦合至盘I/O适配器430。将键盘441、鼠标442、显示器443可操作地耦合至UI 440。将本发明的作为计算机程序实现的系统100存储到盘存储器件431内。工作站400被设置为将所述程序和输入数据加载到存储器420内，并在处理器410上执行所述程序。用户能够采用键盘441和/或鼠标442向工作站400输入信息。所述工作站被设置为向显示器件443和/或向盘片431输出信息。本领域技术人员将理解存在很多其他的本领域已知的工作站400的实施例，当前实施例的作用在于对本发明举例说明，不应将其解释为使本发明局限于这一具体的实施例。
应当注意，上述实施例旨在对本发明进行举例说明，而不是对其做出限制，并且本领域技术人员能够在不背离权利要求的范围的情况下设计出备选的实施例。在权利要求中，不应当将任何放置在括号内的附图标记推断为限制所述权利要求。“包括”一词不排除权利要求或说明书中未列举的元件或步骤的存在。元件前的单数冠词不排除存在复数个这样的元件。可以利用包括几个分立元件的硬件，也可以利用受到编程的计算机实现本发明。在列举了几个单元的系统权利要求中，可以通过同一件硬件或软件体现这些单元中的几个。第一、第二和第三等词语的使用不表示任何顺序排列。可以将这些词语解释为名称。
Claims (11)
1.一种基于包括参考对象模型和血管模型的联合模型使所述血管模型与图像数据集配准的系统(100)，所述系统包括：
-放置单元(110)，其用于将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的放置的联合模型；
-计算单元(120)，其用于基于界标位移场计算形变场，其中，所述界标位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移；
-变换单元(130)，其用于采用所述形变场对所述放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型；以及
-配准单元(140)，其用于基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与所述图像数据集配准，其中，所述目标函数包括位置先验项，该项基于所述修改后的经变换的血管模型相对于所述经变换的联合模型的定位。
2.根据权利要求1所述的系统(100)，还包括调配单元(115)，其用于将所述放置的参考对象模型调配至所述图像数据集，从而在所述图像数据集内定义所述对应界标。
3.根据权利要求2所述的系统(100)，其中，所述参考对象模型包括具有多个顶点的网格。
4.根据权利要求1所述的系统(100)，其中，所述血管模型包括用于描述血管中心线的多个控制点。
5.根据权利要求1所述的系统(100)，其中，所述目标函数还包括基于血管性滤波器、用于计算在所述图像数据集的空间内处于所述血管性滤波器的位置上的血管性测度的血管性项。
6.根据权利要求5所述的系统(100)，其中，所述血管模型还包括用于描述血管壁的多个血管直径。
7.根据权利要求1所述的系统(100)，其中，所述位置先验项取决于所述经变换的参考对象模型。
8.一种包括根据权利要求1所述的系统(100)的图像获取设备(300)。
9.一种包括根据权利要求1所述的系统(100)的工作站(400)。
10.一种基于包括参考对象模型和血管模型的联合模型使所述血管模型与图像数据集配准的方法(200)，所述方法包括：
-放置步骤(210)，其用于将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的放置的联合模型；
-计算步骤(220)，其用于基于界标位移场计算形变场，其中，所述界标位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移；
-变换步骤(230)，其用于采用所述形变场对所述放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型；以及
-配准步骤(240)，其用于基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与所述图像数据集配准，其中，所述目标函数包括位置先验项，该项基于所述修改后的经变换的血管模型相对于所述经变换的联合模型的定位。
11.一种基于包括参考对象模型和血管模型的联合模型使所述血管模型与图像数据集配准的设备，包括：
-用于将所述联合模型放置到所述图像数据集的空间内，从而创建包括放置的参考对象模型和放置的血管模型的放置的联合模型的装置；
-用于基于界标位移场计算形变场的装置，其中，所述界标位移场包括所述放置的参考对象模型的界标相对于所述图像数据集内的对应界标的位移；
-用于采用所述形变场对所述放置的联合模型进行变换，从而创建包括经变换的参考对象模型和经变换的血管模型的经变换的联合模型的装置；以及
-用于基于对所述经变换的血管模型的修改和对所述修改后的经变换的血管模型的目标函数的优化使所述经变换的血管模型与所述图像数据集配准的装置，其中，所述目标函数包括位置先验项，该项基于所述修改后的经变换的血管模型相对于所述经变换的联合模型的定位。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP06121687 | 2006-10-03 | ||
| EP06121687.5 | 2006-10-03 | ||
| PCT/IB2007/053949 WO2008041165A2 (en) | 2006-10-03 | 2007-09-28 | Model-based coronary centerline localization |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101523437A CN101523437A (zh) | 2009-09-02 |
| CN101523437B true CN101523437B (zh) | 2012-12-19 |
Family
ID=39268867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200780036996XA Active CN101523437B (zh) | 2006-10-03 | 2007-09-28 | 基于模型的冠状动脉中心线定位系统和方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US8160332B2 (zh) |
| EP (1) | EP2074585B1 (zh) |
| JP (1) | JP5247707B2 (zh) |
| CN (1) | CN101523437B (zh) |
| WO (1) | WO2008041165A2 (zh) |
Families Citing this family (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2024935A1 (en) * | 2006-05-11 | 2009-02-18 | Philips Intellectual Property & Standards GmbH | Method and apparatus for reconstructing an image |
| US8761466B2 (en) * | 2008-01-02 | 2014-06-24 | Bio-Tree Systems, Inc. | Methods of obtaining geometry from images |
| US8442330B2 (en) * | 2009-03-31 | 2013-05-14 | Nbcuniversal Media, Llc | System and method for automatic landmark labeling with minimal supervision |
| BRPI1006280A2 (pt) * | 2009-04-03 | 2019-04-02 | Koninl Philips Electronics Nv | método para a segmentação de um órgão, sistema para a segmentação de um órgão e meio de armazenamento que pode ser lido por computador |
| DE102010018261B4 (de) * | 2010-04-26 | 2012-07-12 | Siemens Aktiengesellschaft | Verfahren und Computersystem zur automatischen Vektorisierung eines Gefäßbaumes |
| DE102010018262B4 (de) | 2010-04-26 | 2016-08-11 | Siemens Healthcare Gmbh | Verfahren zur automatischen Erkennung einer Kontrastmittelanflutung in einem Blutgefäß eines Patienten mit einem CT-System und CT-System zur Durchführung dieses Verfahrens |
| DE102010018460B4 (de) * | 2010-04-27 | 2017-02-16 | Siemens Healthcare Gmbh | Verfahren zur Ermittlung wenigstens einer Änderung einer tubulären Gewebestruktur eines Lebewesens, Recheneinheit und Datenträger |
| US8761480B2 (en) | 2010-09-22 | 2014-06-24 | Siemens Aktiengesellschaft | Method and system for vascular landmark detection |
| KR102124956B1 (ko) | 2010-12-08 | 2020-06-19 | 바이엘 헬스케어 엘엘씨 | 의료 영상 스캔으로부터의 환자 방사선량 추정치 생성 |
| US10610203B2 (en) | 2011-02-11 | 2020-04-07 | The Arizona Board Of Regents On Behalf Of Arizona State University | Methods, systems, and media for determining carotid intima-media thickness |
| US9684957B2 (en) | 2011-02-11 | 2017-06-20 | Arizona Board Of Regents, A Body Corporate Of The State Of Arizona, Acting For And On Behalf Of Arizona State University | Systems methods, and media for detecting an anatomical object in a medical device image using a multi-stage classifier |
| US9443303B2 (en) * | 2011-09-09 | 2016-09-13 | Calgary Scientific Inc. | Image display of a centerline of tubular structure |
| US9330336B2 (en) | 2011-09-16 | 2016-05-03 | Arizona Board of Regents, a body corporate of the State of Arizona, acting for and on behalf of, Arizona State University | Systems, methods, and media for on-line boosting of a classifier |
| WO2013116865A1 (en) | 2012-02-02 | 2013-08-08 | Arizona Board Of Regents, For And On Behalf Of, Arizona State University | Systems, methods, and media for updating a classifier |
| US9603554B2 (en) | 2012-02-03 | 2017-03-28 | The Arizona Board Of Regents | Systems, methods, and media for monitoring the condition of a patient's heart |
| EP2856197B1 (en) * | 2012-05-31 | 2022-11-09 | Koninklijke Philips N.V. | Method and system for quantitative evaluation of image segmentation |
| JP5892548B2 (ja) * | 2012-06-08 | 2016-03-23 | 富士通株式会社 | 描画プログラム、描画装置、および描画方法 |
| US9449381B2 (en) * | 2012-09-10 | 2016-09-20 | Arizona Board Of Regents, A Body Corporate Of The State Of Arizona, Acting For And On Behalf Of Arizona State University | Methods, systems, and media for generating and analyzing medical images having elongated structures |
| WO2014118640A2 (en) * | 2013-01-31 | 2014-08-07 | Novadaq Technologies Inc. | Virtual-reality simulator to provide training for sentinel lymph node surgery using image data and database data |
| EP3061015A2 (en) | 2013-10-24 | 2016-08-31 | Cathworks Ltd. | Vascular characteristic determination with correspondence modeling of a vascular tree |
| US10314656B2 (en) * | 2014-02-04 | 2019-06-11 | Intuitive Surgical Operations, Inc. | Systems and methods for non-rigid deformation of tissue for virtual navigation of interventional tools |
| US9747525B2 (en) | 2014-06-16 | 2017-08-29 | Siemens Healthcare Gmbh | Method and system for improved hemodynamic computation in coronary arteries |
| US9959615B2 (en) | 2015-07-01 | 2018-05-01 | Arizona Board Of Regents On Behalf Of Arizona State University | System and method for automatic pulmonary embolism detection |
| EP3461253B1 (en) | 2016-05-16 | 2023-08-09 | Cathworks Ltd. | Selection of vascular paths from images |
| CN109584261B (zh) * | 2018-10-26 | 2023-07-25 | 首都医科大学宣武医院 | 一种颅内动脉瘤图像的分割方法及系统 |
| CN109584997B (zh) * | 2018-10-26 | 2023-07-25 | 首都医科大学宣武医院 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
| CN109544543B (zh) * | 2018-11-29 | 2021-08-27 | 上海联影医疗科技股份有限公司 | 一种血管识别方法、终端及可读介质 |
| WO2020200902A1 (en) | 2019-04-03 | 2020-10-08 | Koninklijke Philips N.V. | Machine learning based cardiac rest phase determination |
| CN111461065B (zh) * | 2020-04-24 | 2024-01-05 | 上海联影医疗科技股份有限公司 | 管状结构识别方法、装置、计算机设备和可读存储介质 |
| EP4178446A4 (en) * | 2020-08-10 | 2023-06-07 | Shanghai United Imaging Healthcare Co., Ltd. | IMAGING SYSTEMS AND METHODS |
| CN112070789B (zh) * | 2020-08-27 | 2022-06-21 | 电子科技大学 | 一种密集纤维细胞的轮廓估算方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1653504A (zh) * | 2002-05-10 | 2005-08-10 | 财团法人名古屋产业科学研究所 | 立体模型 |
| CN1700885A (zh) * | 2002-06-04 | 2005-11-23 | 皇家飞利浦电子股份有限公司 | 基于旋转血管造影术的冠状动脉结构混合3d重建 |
| WO2006036842A2 (en) * | 2004-09-24 | 2006-04-06 | 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 blood vessel and tissue surface image for the subject |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6226418B1 (en) * | 1997-11-07 | 2001-05-01 | Washington University | Rapid convolution based large deformation image matching via landmark and volume imagery |
| US6754374B1 (en) * | 1998-12-16 | 2004-06-22 | Surgical Navigation Technologies, Inc. | Method and apparatus for processing images with regions representing target objects |
| US7200251B2 (en) * | 2001-09-28 | 2007-04-03 | The University Of North Carolina | Methods and systems for modeling objects and object image data using medial atoms |
| US7499743B2 (en) | 2002-03-15 | 2009-03-03 | General Electric Company | Method and system for registration of 3D images within an interventional system |
| US7555151B2 (en) * | 2004-09-02 | 2009-06-30 | Siemens Medical Solutions Usa, Inc. | System and method for tracking anatomical structures in three dimensional images |
| US7876934B2 (en) * | 2004-11-08 | 2011-01-25 | Siemens Medical Solutions Usa, Inc. | Method of database-guided segmentation of anatomical structures having complex appearances |
| US7764817B2 (en) * | 2005-08-15 | 2010-07-27 | Siemens Medical Solutions Usa, Inc. | Method for database guided simultaneous multi slice object detection in three dimensional volumetric data |
-
2007
- 2007-09-28 CN CN200780036996XA patent/CN101523437B/zh active Active
- 2007-09-28 US US12/443,490 patent/US8160332B2/en not_active Expired - Fee Related
- 2007-09-28 EP EP07826579.0A patent/EP2074585B1/en active Active
- 2007-09-28 JP JP2009530984A patent/JP5247707B2/ja not_active Expired - Fee Related
- 2007-09-28 WO PCT/IB2007/053949 patent/WO2008041165A2/en active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1653504A (zh) * | 2002-05-10 | 2005-08-10 | 财团法人名古屋产业科学研究所 | 立体模型 |
| CN1700885A (zh) * | 2002-06-04 | 2005-11-23 | 皇家飞利浦电子股份有限公司 | 基于旋转血管造影术的冠状动脉结构混合3d重建 |
| WO2006036842A2 (en) * | 2004-09-24 | 2006-04-06 | 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 blood vessel and tissue surface image for the subject |
Non-Patent Citations (4)
| Title |
|---|
| LORENZ ET AL.A comprehensive shape model of the heart.《MEDICAL IMAGE ANALYSIS, OXFORD UNIVERSITY PRESS, OXOFRD, GB》.2006,第10卷(第4期),657-670. * |
| MIRZA FAISAL BEG ET AL.Computational Cardiac Anatomy Using MRI.《MAGNETIC RESONANCE IN MEDICINE》.2004,(第52期),1167-1174. * |
| RUSINKIEWICZ S ET AL.Efficient variants of the ICP algorithm.《3-D DIGITAL IMAGING AND MODELING, 2001. PROCEEDINGS. THIRD INTERNATION AL CONFERENCE ON 28 MAY- 1 JUNE 2001, PISCATAWAY, NJ, USA,IEEE》.2001,145-152. * |
| RUSINKIEWICZSETAL.EfficientvariantsoftheICPalgorithm.《3-DDIGITALIMAGINGANDMODELING 2001. PROCEEDINGS. THIRD INTERNATION AL CONFERENCE ON 28 MAY - 1 JUNE 2001 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20100046815A1 (en) | 2010-02-25 |
| JP2010505493A (ja) | 2010-02-25 |
| US8160332B2 (en) | 2012-04-17 |
| WO2008041165A3 (en) | 2008-11-20 |
| JP5247707B2 (ja) | 2013-07-24 |
| WO2008041165A2 (en) | 2008-04-10 |
| EP2074585B1 (en) | 2018-07-11 |
| EP2074585A2 (en) | 2009-07-01 |
| CN101523437A (zh) | 2009-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101523437B (zh) | 基于模型的冠状动脉中心线定位系统和方法 | |
| US8913060B2 (en) | Systems and methods for extracting a curve-skeleton from a volumetric image of a vessel | |
| EP1851722B1 (en) | Image processing device and method | |
| US8582854B2 (en) | Method and system for automatic coronary artery detection | |
| US8150113B2 (en) | Method for lung lesion location identification | |
| EP2916738B1 (en) | Lung, lobe, and fissure imaging systems and methods | |
| US6690816B2 (en) | Systems and methods for tubular object processing | |
| US20230104173A1 (en) | Method and system for determining blood vessel information in an image | |
| US8073227B2 (en) | System and method for geometric modeling of tubular structures | |
| CN101512602B (zh) | 胸部ct成像中心脏运动伪影的减少 | |
| CN106127819A (zh) | 医学图像中提取血管中心线的方法及其装置 | |
| US20090190809A1 (en) | Method and Apparatus for Efficient Automated Re-Contouring of Four-Dimensional Medical Imagery Using Surface Displacement Fields | |
| US20090202150A1 (en) | Variable resolution model based image segmentation | |
| US8428316B2 (en) | Coronary reconstruction from rotational X-ray projection sequence | |
| Chen et al. | Tree-branch-searching multiresolution approach to skeletonization for virtual endoscopy | |
| CN102138161A (zh) | 长轴后期增强心脏mri的分割 | |
| Wischgoll et al. | Validation of image-based method for extraction of coronary morphometry | |
| Cui et al. | Coronary artery segmentation via hessian filter and curve-skeleton extraction | |
| CN102099833B (zh) | 网格冲突避免 | |
| Freiman et al. | Vessels-cut: a graph based approach to patient-specific carotid arteries modeling | |
| O’Donnell et al. | Comprehensive cardiovascular image analysis using MR and CT at Siemens Corporate Research | |
| Boskamp et al. | Geometrical and structural analysis of vessel systems in 3D medical image datasets | |
| Lötjönen et al. | Segmentation of MR images using deformable models: Application to cardiac images | |
| Sermesant et al. | Biomechanical model construction from different modalities: Application to cardiac images | |
| US9367913B2 (en) | Choosing anatomical variant model for image 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 | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |