CN101596111B - 在心脏电影磁共振成像中对左心室的自动定位 - Google Patents

在心脏电影磁共振成像中对左心室的自动定位 Download PDF

Info

Publication number
CN101596111B
CN101596111B CN2009102038905A CN200910203890A CN101596111B CN 101596111 B CN101596111 B CN 101596111B CN 2009102038905 A CN2009102038905 A CN 2009102038905A CN 200910203890 A CN200910203890 A CN 200910203890A CN 101596111 B CN101596111 B CN 101596111B
Authority
CN
China
Prior art keywords
heart
image
stage
latter stage
left ventricle
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
Application number
CN2009102038905A
Other languages
English (en)
Other versions
CN101596111A (zh
Inventor
Y·孙
M·-P·乔利
J·格林
C·哈耶斯
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.)
Siemens Healthineers AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN101596111A publication Critical patent/CN101596111A/zh
Application granted granted Critical
Publication of CN101596111B publication Critical patent/CN101596111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56308—Characterization of motion or flow; Dynamic imaging
    • G01R33/56325—Cine imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/483—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy
    • G01R33/4833—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy using spatially selective excitation of the volume of interest, e.g. selecting non-orthogonal or inclined slices
    • G01R33/4835—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy using spatially selective excitation of the volume of interest, e.g. selecting non-orthogonal or inclined slices of multiple slices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10076—4D tomography; Time-sequential 3D tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Vascular Medicine (AREA)
  • Signal Processing (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Quality & Reliability (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明涉及在心脏电影磁共振成像中对左心室的自动定位。一种用于在医学图像数据中自动定位左心室的方法包括采集跨越心动周期的三维医学图像序列(S11)。所述图像中的每幅都包括多个二维图像切片，所述多个二维图像切片之一被定义为模板切片。基于在整个医学图像序列中模板切片的像素之间的时间变化，自动裁剪该序列的每幅医学图像的模板切片，以包括心脏和围绕心脏的边缘(S12)。自动勾画该序列的每幅医学图像的模板切片的轮廓，以便至少针对心脏舒张末期和心脏收缩末期阶段确定心内膜和心外膜边界(S17)。基于至少针对心脏舒张末期和心脏收缩末期阶段所确定的心内膜和心外膜边界，为左心室产生定位信息。

Description

在心脏电影磁共振成像中对左心室的自动定位
相关申请的交叉引用
本申请基于2008年5月23日提交的序列号为No.61/055512的临时申请，该申请的全部内容通过引用结合于此。
技术领域
本公开内容涉及磁共振成像(MRI)，并且更具体而言，涉及在心脏电影磁共振成像中对左心室的自动定位。
背景技术
磁共振成像(MRI)是一种医学成像技术，其中可以三维地并以带有适于区分不同形式的人体软组织的大量细节的形式对人体对象进行成像。因而，MRI非常适于可视化和诊断心血管疾病。在MRI中，将人体对象暴露在强大的磁场中，该磁场对人体组织内的水中的氢原子的核磁化进行排列。使用射频场以系统地改变该磁化的排列，并且氢核随后产生扫描仪可检测的旋转磁场。
结构图像数据可以根据接收到的数据信号而产生，以构建人体的图像。例如，结构图像可以根据在不同方位处的多个空间频率而产生。使用频率和相位编码来测量正在被成像的对象内的大量空间频率的幅度。可以选择所执行的相位编码步骤的数量，以确定可以采集多少成像数据。
由于MRI使用磁场和射频场来进行可视化，因此患者并未如在进行CT扫描的情况下那样暴露于有潜在危害的电离辐射。
心脏电影MRI是这样的过程，通过该过程，在跨越一个心动周期的时间段内依次采集多幅MR图像。心脏电影MRI的结果是图像序列，该图像序列可以形成示出心脏如何泵送血液的电影。随后可以检查心脏电影MRI以评定心室功能。例如，可以使用对左心室的分割以测量在收缩前不久左心室中的血容量，该血容量是被称为心脏舒张末期容量的属性。类似地，还可以测量在收缩末期左心室中的血容量，该血容量是被称为心脏收缩末期容量的属性。心脏舒张末期与心脏收缩末期容量之差是每搏输出量，并且代表随着每次心搏射出的血容量。射血分数是随着每次搏动射出的心脏舒张末期容量的分数；该分数等于每搏输出量除以心脏舒张末期容量。在诊断心脏疾病时，射血分数(EF)可能具有相当大的价值。
根据用于采集心脏电影MRI的标准程序，使用MR扫描仪三维地对心脏进行成像，并且将所得到的图像数据分成短轴切片，所述短轴切片覆盖从心脏的底部至顶点的左心室(LV)。随后，可以使用半自动分割工具来分析图像切片，该半自动分割工具使用操作员输入来了解心脏的结构特征，随着心动周期进行，心脏的结构特征具有诊断价值。
在执行半自动分割中所涉及到的操作员输入的水平导致该程序耗时。而且，结果的质量可能高度取决于操作员，并且可能易受到人为错误的影响。
发明内容
一种用于在医学图像数据中自动定位左心室的方法包括采集跨越心动周期的三维医学图像序列。所述图像中的每幅都包括多个二维图像切片，所述多个二维图像切片之一被定义为模板切片。基于在整个医学图像序列中模板切片的像素之间的时间变化，自动地裁剪(crop)该序列的每幅医学图像的模板切片，以包括心脏和围绕心脏的边缘。自动勾画该序列的每幅医学图像的模板切片的轮廓，以便至少针对心脏舒张末期和心脏收缩末期阶段确定心内膜和心外膜边界。基于至少针对心脏舒张末期和心脏收缩末期阶段所确定的心内膜和心外膜边界，为左心室生成定位信息。
三维医学图像序列可以是心脏电影MRI。对于每幅三维医学图像，模板切片可以被定义为在该三维医学图像的瓣膜平面之下的第二或第三图像切片。自动裁剪和自动勾画轮廓可以作为自动定位步骤的一部分被执行。围绕心脏的边缘可以足够紧密，以避免明显地包含大动脉，并且足够大以完全包围心脏。
自动裁剪可以包括执行初始裁剪、检测在心脏舒张末期阶段时的左心室血池、以及基于所检测到的左心室血池来改进初始裁剪以建立最终裁剪。
初始裁剪可以以在不同心脏阶段时二维图像切片的对应像素之间的时间强度变化为基础，其中初始裁剪包括在不同心脏阶段之间具有相对大的强度标准偏差的对应图像像素。
检测左心室血池可以包括：对在心脏舒张末期阶段时的每幅三维图像的每个模板切片进行二值化，其中强度值高于预定阈值；建立一个或多个左心室候选作为二值化图像的连通分支；去除尺寸相对小的候选；去除相对于初始裁剪而言相对偏心的候选；并且在应用一个或多个形状特征的基础上选择剩余候选中的哪个候选表示左心室。
对每个模板切片进行二值化可以包括执行高斯聚类(Gaussianclustering)。可以使用为左心室所生成的定位信息来计算表征心室功能的度量(例如每搏输出量、射血分数等)。
一种用于在医学图像数据中自动定位左心室的方法包括采集心脏电影磁共振(MR)图像序列，该图像序列包括在心动周期的各个阶段时的MR图像帧序列，每幅MR图像被分成多个切片。基于在整个医学图像序列中时间像素强度变化，自动裁剪包括心脏舒张末期帧和心脏收缩末期帧在内的至少两个帧的至少一个切片，以包括心脏和围绕心脏的边缘。自动勾画所述至少两个帧的至少一个切片的轮廓，以便至少针对心脏舒张末期和心脏收缩末期阶段确定心内膜和心外膜边界。基于至少针对心脏舒张末期和心脏收缩末期阶段所确定的心内膜和心外膜边界，为左心室产生定位信息。
自动裁剪可以包括执行初始裁剪、检测在心脏舒张末期阶段时的左心室血池、并且基于所检测到的左心室血池来改进初始裁剪以建立最终裁剪。
初始裁剪可以以在不同心脏阶段时图像切片的对应像素之间的时间强度变化为基础，其中初始裁剪包括在不同心脏阶段之间具有相对大的强度标准偏差的对应图像像素。
检测左心室血池可以包括：对在心脏舒张末期阶段时的至少两个帧的至少一个切片进行二值化，其中强度值高于预定阈值；建立一个或多个左心室候选作为二值化图像的连通分支；去除尺寸相对小的候选；去除相对于初始裁剪而言相对偏心的候选；以及在应用一个或多个形状特征的基础上选择剩余候选中的哪个候选表示左心室。
对所述至少一个切片中的每一个进行二值化可以包括执行高斯聚类。
一种计算机系统包括处理器和该计算机系统可读的程序存储设备，该程序存储设备包含该处理器可执行的指令程序，以执行用于在医学图像数据中自动定位左心室的方法步骤。该方法包括采集心脏电影磁共振(MR)图像序列，该图像序列包括在心动周期的各个阶段时的MR图像帧序列，每幅MR图像被分成多个切片，所述多个切片之一被定义为模板切片。基于在整个医学图像序列中模板切片的像素之间的时间变化，自动裁剪包括心脏舒张末期帧和心脏收缩末期帧在内的至少两个帧的模板切片，以包括心脏和围绕心脏的边缘。自动勾画所述至少两个帧的模板切片的轮廓，以便至少针对心脏舒张末期和心脏收缩末期阶段确定心内膜和心外膜边界。基于至少针对心脏舒张末期和心脏收缩末期阶段所确定的心内膜和心外膜边界，为左心室产生定位信息。
自动裁剪可以包括执行初始裁剪、检测在心脏舒张末期阶段时的左心室血池、以及基于所检测到的左心室血池来改进初始裁剪以建立最终裁剪。
初始裁剪可以以在不同心脏阶段时的图像切片的对应像素之间的时间强度变化为基础，其中初始裁剪包括在不同心脏阶段之间具有相对大的强度标准偏差的对应图像像素。
检测左心室血池包括：对在心脏舒张末期阶段时的至少两个帧的模板切片进行二值化，其中强度值高于预定阈值；建立一个或多个左心室候选作为二值化图像的连通分支；去除尺寸相对小的候选；去除相对于初始裁剪而言相对偏心的候选；以及在应用一个或多个形状特征的基础上选择剩余候选中的哪个候选表示左心室。
对所述模板切片进行二值化可以包括执行高斯聚类。
附图说明
因为通过参考结合随附附图所考虑的下列详细说明，本公开内容以及其许多伴随方面变得更好理解，所以将容易获得本公开内容以及其许多伴随方面的更完整了解，其中：
图1是示出根据本发明的示例性实施例的、一种用于在心脏电影MR图像中自动定位左心室(LV)的方法的流程图；
图2是示出根据本发明的示例性实施例的、一种用于计算候选区域的偏心程度的方法的图；
图3是示出根据本发明的示例性实施例的自动裁剪的一组示例性图像；
图4是示出根据本发明的示例性实施例在心脏电影MR图像上的自动裁剪效果的一组示例性图像；
图5是示出根据本发明的示例性实施例自动定位LV的结果的一组示例性图像；以及
图6示出能够实施根据本公开内容的实施例的方法和装置的计算机系统的一个例子。
具体实施方式
在描述附图中所示的本公开内容的示例性实施例时，为了清楚起见，采用特定术语。然而，本公开内容并不意图限于这样选择的特定术语，并且应当理解，每个特定元件包括以相似方式工作的所有技术等效元件。
本发明的示例性实施例设法提供在心脏电影MR图像中对左心室(LV)的自动定位，以便可以从所述心脏电影MR图像数据中快速、精确并且一致地获得诊断信息。用于执行根据本发明的示例性实施例的自动定位的框架(framework)可以包括在MR图像重建期间执行分割以及自动定位来自心脏电影MR图像的左心室。在执行自动定位的过程中，可以了解左心室的位置和尺寸，以便可以适当地初始化心内膜和心外膜边界的轮廓。
图1是示出根据本发明的示例性实施例的、用于在心脏电影MR图像中自动定位左心室(LV)的方法的流程图。首先，可以采集心脏电影MR图像(步骤S11)。如上所述，心脏电影MR图像可以包括在心动周期期间拍摄的图像序列。可以采集所述心脏电影MR图像的图像切片，使得第一或第二切片位于瓣膜平面中并且认为随后的切片是模板切片。因而，该模板切片可以是第二或第三图像切片。随后，可以将自动定位10应用于心动周期的各个阶段的模板切片处的MR图像。自动定位10可以包括两个步骤，即自动裁剪步骤(步骤S12)和自动勾画轮廓步骤(步骤S17)。
在自动裁剪步骤(步骤S12)中，在心动周期的每个相位的模板切片中，在心脏周围画出边界框。每个边界框应当具有适当地设定尺寸的边缘。该适当地设定尺寸的边缘应当足够紧密以避免明显地包含大动脉，因为明显地包含大动脉可能导致分割在电影图像中通常可见的大动脉。该适当地设定尺寸的边缘还应当足够大以完全包围心脏，尤其是左心室，否则诊断相关性的值的计算可能不精确。
自动裁剪(步骤S12)可以包括下列子步骤：首先可以执行初始裁剪(步骤S13)。由于在不同心脏相位的图像采集之间心脏经历显著的运动，因此可以基于模板切片的不同相位的图像之间的时间强度变化来获得初始裁剪。因而，由于随着心动周期进行，心脏的图像很可能经历强度变化，并且周围组织不大可能经历作为心动周期的函数的强度变化，所以可以画出初始裁剪以包括那些随着时间的过去而经历强度变化的像素。
为了定位强度变化，可以计算在整个图像序列中每个像素的强度的标准偏差。在此，具有相对大的标准偏差的像素可指示运动。因此，初始裁剪可以包括具有相对高的标准偏差的像素。
在已经执行了初始裁剪(步骤S13)之后，可以执行在心脏舒张末期(ED)阶段时LV血池的检测(步骤S14)。为了检测该血池，通过对表示ED阶段的电影图像数据的帧进行阈值处理来获得二值图像(步骤S14a)。在执行阈值处理时，可以根据像素强度是否超过特定阈值为每个图像像素分配值0或1。可以假设，阈值强度水平之上的像素表示血液，而阈值强度水平之下的像素不表示血液。血液的阈值水平可以例如通过高斯聚类来设置。作为该步骤的一部分，可以从血池中排除小的孤立的连通分支(connected component)，因为可以假设LV血池包括大的连续形状。
在已经执行了阈值处理(步骤S14a)之后，可以将偏心结构从被认为是作为LV的一部分的候选中去除(步骤S14b)。在此，可以使用位置信息以在检测LV之前消除偏心的候选区域，因为可以假设心肌基本上位于心脏研究的MR图像的中心，并且尤其是在基于在图像研究的所有帧中像素强度的标准偏差而已经确定初始裁剪框的情况下，大体上位于靠近初始裁剪框的中心的位置。
例如，可以基于关于各自表示候选区域的各个连通分支的初始裁剪的位置信息来执行偏心结构的去除。因而，可以将太远离图像中心或太靠近初始裁剪框的边界的区域视为不对应于LV而不予考虑。
本发明的示例性实施例提供可被用于量化每个候选区域相对于图像和初始裁剪框的偏心的比率。图2是示出根据本发明的示例性实施例的、用于计算候选区域的偏心程度的方法的图。在此，“C”指示图像的中心点；“A”表示第一候选区域的中心，该第一候选区域被示出为围绕点“A”的圆。点A1、A2、A3和A4表示初始裁剪框与正交射线之间相交的四个角点，所述正交射线与裁剪框对准，并且通过第一候选区域的中心点“A”。同样地，在该图中，第二候选区域“B”被表示为围绕点“B”的圆，所述点“B”表示第二候选区域的中心。点B1、B2、B3和B4表示初始裁剪框和正交射线之间相交的四个角点，所述射线与裁剪框对准，并且通过第二候选区域的中心点“B”。
在此，dAC指示点A和C之间的距离，并且类似地，其他术语d表示由下标表示的点的位置之间的距离。以点A为中心的候选区域的偏心可以被定义为dAC与到初始裁剪框的边界的最小距离之间的比率。该比率可以根据下面的等式1来表达：
OC A = d AC min ( d AA 1 , d AA 2 , d AA 3 , d AA 4 ) = d AC d AA 1 - - - ( 1 )
因此，候选区域到图像的中心的距离(dAC)越大或者候选区域到初始裁剪框的边界的距离
Figure G2009102038905D00072
越小，偏心程度(OCA)越高。
可以为每个候选区域计算偏心，以便可以在识别LV之前将具有超过预定阈值的偏心程度的候选从考虑的候选中去除。因而，可以计算多个OC，针对每个候选区域计算一个OC。可以例如根据下面的等式2确定阈值：
OCthresh＝max(2·OCmin，1)                      (2)
其中OCthresh是阈值，而OCmin是各个候选区域的最小OC值。通过相应地设置阈值，不会将否则可能在外观上像心脏的偏心结构误识别为心脏。例如，由于在检测心脏时可能使用圆形作为形状特征，那么可能将圆形候选错误地识别为心脏。通过去除偏心的候选，减小了将候选误识别为心脏的可能性。
紧接着，作为LV血池的检测的一部分，可以使用一个或多个形状特征来检测LV(步骤S14c)。由于二值图像可能包括多个连通分支，其中仅仅一个可能是LV，因此可以将所述一个或多个形状特征应用于二值图像的每个连通分支。连通分支被认为是值为“1”的像素的连续群组。本发明的示例性实施例可以利用形状特征、诸如偏心率、凸度以及圆度来评定每个连通分支的形状特性，并且最终来确定哪个连通分支对应于LV。
在此，可以将偏心率例如作为所讨论的连通分支的最小和最大半径之间的比率来计算。可以将凸度例如作为所讨论的连通分支的总面积与其凸包(convex hull)的面积之间的比率来计算。可以将圆度例如作为凸包的圆度来计算，并且可以将圆度定义为4π倍的所讨论的连通分支的凸包的面积除以其周长的平方。假设LV将对应于展示出下列特性中的一个或多个的连通分支：偏心最小、最凸并且具有最高圆度。另外，在两个连通分支具有相似形状特征的情况下，可支持两个中较大的连通分支作为LV，以减小意外地选择大动脉作为LV的可能性。
在已经执行了在ED阶段时LV血池的检测之后(步骤S14)，在下一步骤中，可以在ED阶段时检测右心室RV血池(步骤S15)。可以假设，RV血池由来自二值图像的连通分支来表示，所述连通分支最接近在前面的步骤中被识别为LV的连通分支，并具有相对于其他连通分支而言相当大的尺寸。基于这些假设，可以自动地识别RV。
紧接着，可以设置最终裁剪(步骤S16)。最终裁剪可以被实施为初始裁剪的改进，其中最终裁剪的边界框可以被精确地设置在所估计的心肌边界加上根据所估计的心肌的厚度以及LV的面积所设置的合适边缘的周围。可以基于在前面的步骤中已经被建立的检测到的LV和RV掩模(mask)来估计心肌的厚度。
图3是示出根据本发明的示例性实施例的自动裁剪的一组示例性图像。图3a是表示强度变化的心脏区域检测，所述强度变化被用于在步骤S13中计算初始裁剪。该图像中的每个像素的强度通过在整个图像序列中的每个对应像素的强度的标准偏差来确定。因而，该图像的亮白区域表示表明随着时间的运动的结构，所述结构被认为是心脏。图3b示出在步骤14a中为获得连通分支而进行的阈值处理的结果。因此，在此示出了高斯聚类和聚类去除的结果。如在步骤14b中所述的那样，也已经去除了偏心结构。图3c示出识别LV区域的结果，该识别如在步骤14c中所执行的那样使用形状特征来执行。
图4(a)和(b)是示出根据本发明的示例性实施例在心脏电影MR图像上自动裁剪的效果的多组示例性图像。在图4(a)中示出了一组心脏电影MR帧301a-328a。帧315a表示模板切片。在这些图像帧中，可见整个胸部区域。然而，在图4(b)中示出了该组被自动裁剪的心脏电影MR帧301b-328b。在此，帧315b表示模板切片。如同从这些帧中可见的那样，图像被精确地裁剪以仅包括LV区域和适当地设定尺寸的边缘。
在已经完成自动裁剪(步骤S12和步骤S13-S16)之后，可以执行自动勾画轮廓(步骤S17)。在自动勾画轮廓时，在从ED阶段至ES阶段的心脏电影MRI的每个阶段中检测LV。该步骤可以包括例如从模板图像开始，并且确定在每个阶段时心内膜和心外膜边界的轮廓。这两个轮廓应作为同心圆显现，因为心脏已经从短轴被成像，在该短轴中，心脏在每个图像切片中作为圆显现。在此，可以例如使用与上面关于在自动裁剪中在ED阶段时检测LV所讨论的方法相同的方法来检测LV。然而，在该步骤中，检查标准可能相对于使用形状特征和尺寸限制而言更具有辨别能力，以便更可能进行成功的检测。如果检测不能提供LV的结果，那么可以使用替代的、而且可能更常规的方法来确定LV。例如，可以使用半自动方法作为应变(fall-back)方法。
图5(a)-(c)是示出根据本发明的示例性实施例自动定位LV的结果的示例性图像。在这些图中，随着时间的过去示出了模板切片的分割结果。图5(a)示出心脏电影MR图像帧序列。图5(b)示出在ED阶段时的图像帧，而图5(c)示出在ES阶段时的图像帧。如在这些图像中可见的那样，两个同心轮廓覆盖在被裁剪过的模板序列之上。外轮廓表示围绕LV的心肌的外边界，而内轮廓表示LV的血池。通过比较在ED阶段和ES阶段时内轮廓的容量，可以计算射血分数。
图6示出可以实施本公开内容的方法和系统的计算机系统的实例。本公开内容的系统和方法可以以在计算机系统上运行的软件应用的形式被实施，所述计算机系统例如为主机、个人计算机(PC)、手持计算机、服务器等。该软件应用可以被存储在该计算机系统在本地可访问或经由到网络、例如局域网或因特网的硬接线或无线连接可访问的记录介质上。
总体上被称作系统1000的计算机系统可以包括例如中央处理单元(CPU)1001、随机存取存储器(RAM)1004、打印机接口1010、显示单元1011、局域网(LAN)数据传输控制器1005、LAN接口1006、网络控制器1003、内部总线1002以及一个或多个输入设备1009、例如键盘、鼠标等。如所示的，系统1000可以经由链路1007被连接至数据存储设备、例如硬盘1008。
在此所述的示例性实施例是说明性的，并且在不偏离本公开内容的精神和所附权利要求的范围的情况下可以引入许多变化。例如，不同示例性实施例的要素和/或特征可以在本公开内容和所附权利要求的范围内彼此组合和/或彼此替代。

Claims (21)

1.一种用于在医学图像数据中自动定位左心室的方法，包括：
采集跨越心动周期的三维医学图像序列，每幅三维医学图像都包括多个二维图像切片，所述多个二维图像切片之一被定义为模板切片；
基于在整个医学图像序列中模板切片的像素之间的时间变化，自动裁剪该序列的每幅医学图像的模板切片，以包括心脏和围绕心脏的边缘；
自动勾画该序列的每幅医学图像的模板切片的轮廓，以便至少针对心脏舒张末期和心脏收缩末期阶段确定心内膜和心外膜边界；以及
基于至少针对所述心脏收缩末期和心脏舒张末期阶段所确定的心内膜和心外膜边界，为左心室产生定位信息。
2.根据权利要求1所述的方法，其中该三维医学图像序列是心脏电影MRI。
3.根据权利要求1所述的方法，其中针对每幅三维医学图像将模板切片定义为在该三维医学图像的瓣膜平面之下的特定切片。
4.根据权利要求1所述的方法，其中将自动裁剪和自动勾画轮廓的步骤作为自动定位步骤的一部分来执行。
5.根据权利要求1所述的方法，其中所述围绕心脏的边缘足够紧密以避免包括大动脉，并且足够大以完全包围心脏。
6.根据权利要求1所述的方法，其中自动裁剪包括：
执行初始裁剪；
检测在心脏舒张末期阶段时的左心室血池；以及
基于所检测到的左心室血池来改进初始裁剪，以建立最终裁剪。
7.根据权利要求6所述的方法，其中该初始裁剪以在不同心脏阶段时所述二维图像切片的对应像素之间的时间强度变化为基础。
8.根据权利要求7所述的方法，其中该初始裁剪包括在不同心脏阶段之间具有相对大的强度标准偏差的对应图像像素。
9.根据权利要求6所述的方法，其中检测左心室血池包括：
对在心脏舒张末期阶段时的每幅三维医学图像的每个模板切片进行二值化，其中强度值高于预定阈值；
建立一个或多个左心室候选作为二值化图像的连通分支；
去除尺寸相对小的候选；
去除相对于初始裁剪而言相对偏心的候选；以及
基于一个或多个形状特征的应用，选择剩余候选中的哪个候选表示左心室。
10.根据权利要求9所述的方法，其中对每个模板切片进行二值化包括执行高斯聚类。
11.根据权利要求1所述的方法，其中使用为左心室所产生的定位信息来表征左心室功能。
12.一种用于在医学图像数据中自动定位左心室的方法，包括：
采集心脏电影磁共振(MR)图像序列，该图像序列包括在心动周期的各个阶段时的MR图像帧序列，每幅MR图像被分成多个切片；
基于在整个心脏电影MR图像序列中的时间像素强度变化，自动裁剪包括心脏舒张末期帧和心脏收缩末期帧在内的至少两个帧的至少一个切片，以包括心脏和围绕心脏的边缘；
自动勾画所述至少两个帧的至少一个切片的轮廓，以便至少针对心脏舒张末期和心脏收缩末期阶段确定心内膜和心外膜边界；以及
基于至少针对心脏舒张末期和心脏收缩末期阶段所确定的心内膜和心外膜边界，为左心室产生定位信息。
13.根据权利要求12所述的方法，其中自动裁剪包括：
执行初始裁剪；
检测在心脏舒张末期阶段时的左心室血池；以及
基于所检测到的左心室血池来改进该初始裁剪，以建立最终裁剪。
14.根据权利要求13所述的方法，其中该初始裁剪以在不同心脏阶段时图像切片的对应像素之间的时间强度变化为基础。
15.根据权利要求13所述的方法，其中检测左心室血池包括：
对在心脏舒张末期阶段时的所述至少两个帧的至少一个切片进行二值化，其中强度值高于预定阈值；
建立一个或多个左心室候选作为二值化图像的连通分支；
去除尺寸相对小的候选；
去除相对于初始裁剪而言相对偏心的候选；以及
基于一个或多个形状特征的应用，选择剩余候选中的哪个候选表示左心室。
16.根据权利要求15所述的方法，其中对所述至少一个切片中的每一个进行二值化包括执行高斯聚类。
17.一种用于在医学图像数据中自动定位左心室的装置，包括：
用于采集心脏电影磁共振(MR)图像序列的装置，所述图像序列包括在心动周期的各个阶段时的MR图像帧序列，每幅MR图像被分成多个切片，所述多个切片之一被定义为模板切片；
用于基于在整个心脏电影MR图像序列中模板切片的像素之间的时间变化，自动裁剪包括心脏舒张末期帧和心脏收缩末期帧在内的至少两个帧的模板切片以包括心脏和围绕心脏的边缘的装置；
用于自动勾画所述至少两个帧的模板切片的轮廓以便至少针对心脏舒张末期和心脏收缩末期阶段确定心内膜和心外膜边界的装置；以及
用于基于至少针对心脏舒张末期和心脏收缩末期阶段所确定的心内膜和心外膜边界为左心室产生定位信息的装置。
18.根据权利要求17所述的装置，其中用于自动裁剪的装置包括：
用于执行初始裁剪的装置；
用于检测在心脏舒张末期阶段时的左心室血池的装置；以及
用于基于所检测到的左心室血池来改进初始裁剪以建立最终裁剪的装置。
19.根据权利要求18所述的装置，其中该初始裁剪以在不同心脏阶段时图像切片的对应像素之间的时间强度变化为基础，其中该初始裁剪包括在不同心脏阶段之间具有相对大的强度标准偏差的对应图像像素。
20.根据权利要求18所述的装置，其中用于检测左心室血池的装置包括：
用于对在心脏舒张末期阶段时的所述至少两个帧的模板切片进行二值化的装置，其中强度值高于预定阈值；
用于建立一个或多个左心室候选作为二值化图像的连通分支的装置；
用于去除尺寸相对小的候选的装置；
用于去除相对于初始裁剪而言相对偏心的候选的装置；以及
用于基于一个或多个形状特征的应用选择剩余候选中的哪个候选表示左心室的装置。
21.根据权利要求20所述的装置，其中用于对所述模板切片进行二值化的装置包括用于执行高斯聚类的装置。
CN2009102038905A 2008-05-23 2009-05-22 在心脏电影磁共振成像中对左心室的自动定位 Active CN101596111B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US5551208P 2008-05-23 2008-05-23
US61/055512 2008-05-23
US12/396534 2009-03-03
US12/396,534 US8218839B2 (en) 2008-05-23 2009-03-03 Automatic localization of the left ventricle in cardiac cine magnetic resonance imaging

Publications (2)

Publication Number Publication Date
CN101596111A CN101596111A (zh) 2009-12-09
CN101596111B true CN101596111B (zh) 2013-06-12

Family

ID=41342155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009102038905A Active CN101596111B (zh) 2008-05-23 2009-05-22 在心脏电影磁共振成像中对左心室的自动定位

Country Status (2)

Country Link
US (1) US8218839B2 (zh)
CN (1) CN101596111B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8406496B2 (en) * 2008-07-29 2013-03-26 Siemens Aktiengesellschaft Method and system for left ventricle detection in 2D magnetic resonance images
US8340385B2 (en) * 2008-12-05 2012-12-25 Siemens Aktiengesellschaft Method and system for left ventricle detection in 2D magnetic resonance images using ranking based multi-detector aggregation
US8811699B2 (en) * 2010-09-22 2014-08-19 Siemens Aktiengesellschaft Detection of landmarks and key-frames in cardiac perfusion MRI using a joint spatial-temporal context model
CN102397070B (zh) * 2011-01-26 2013-06-19 嘉兴医孚软件有限公司 一种全自动分割量化心脏磁共振图像左心室的方法
CN102890823B (zh) 2011-07-19 2016-04-27 株式会社东芝 运动对象轮廓提取及左心室图像分割方法和装置
CN102890824B (zh) * 2011-07-19 2015-07-29 株式会社东芝 运动对象轮廓跟踪方法和装置
JP6195714B2 (ja) * 2013-01-16 2017-09-13 富士フイルム株式会社 医用画像処理装置および方法並びにプログラム
CN103340628B (zh) * 2013-06-28 2015-07-29 中国科学院深圳先进技术研究院 心脏实时电影成像图像处理方法和系统
US9402549B2 (en) 2013-11-27 2016-08-02 General Electric Company Methods and apparatus to estimate ventricular volumes
CN104978730B (zh) * 2014-04-10 2019-04-23 上海联影医疗科技有限公司 一种左心室心肌的分割方法和装置
KR101652046B1 (ko) * 2014-11-03 2016-08-29 삼성전자주식회사 의료 영상 장치 및 의료 영상을 처리하는 방법
GB2569332B (en) * 2017-12-13 2021-06-09 Univ Oxford Innovation Ltd Method and apparatus for analysing images
WO2021030513A1 (en) * 2019-08-13 2021-02-18 Arbi, Inc. Systems and methods for document processing
KR102401111B1 (ko) * 2020-01-29 2022-05-23 포항공과대학교 산학협력단 심근관류 자기공명 영상 분석 장치 및 방법
EP3866107A1 (en) * 2020-02-14 2021-08-18 Koninklijke Philips N.V. Model-based image segmentation
CN111481176A (zh) * 2020-05-20 2020-08-04 三峡大学附属仁和医院 一种基于磁共振成像的评估心脏功能的快速定量方法
CN113160116B (zh) * 2021-02-03 2022-12-27 中南民族大学 左心室内外膜自动分割方法、系统及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5435310A (en) * 1993-06-23 1995-07-25 University Of Washington Determining cardiac wall thickness and motion by imaging and three-dimensional modeling
CN1777898A (zh) * 2003-04-24 2006-05-24 皇家飞利浦电子股份有限公司 无创式左心室的容积测定
CN1846609A (zh) * 2005-03-23 2006-10-18 西门子共同研究公司 用电影延迟增强磁共振跟踪和分类心脏左室的系统和方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6898302B1 (en) * 1999-05-21 2005-05-24 Emory University Systems, methods and computer program products for the display and visually driven definition of tomographic image planes in three-dimensional space
WO2002065395A2 (en) * 2001-02-13 2002-08-22 Koninklijke Philips Electronics N.V. Analysis of successive data sets
US6961454B2 (en) * 2001-10-04 2005-11-01 Siemens Corporation Research, Inc. System and method for segmenting the left ventricle in a cardiac MR image
US7864997B2 (en) * 2006-04-28 2011-01-04 Pie Medical Imaging B.V. Method, apparatus and computer program product for automatic segmenting of cardiac chambers
US7916919B2 (en) * 2006-09-28 2011-03-29 Siemens Medical Solutions Usa, Inc. System and method for segmenting chambers of a heart in a three dimensional image
US8098918B2 (en) * 2007-09-21 2012-01-17 Siemens Corporation Method and system for measuring left ventricle volume

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5435310A (en) * 1993-06-23 1995-07-25 University Of Washington Determining cardiac wall thickness and motion by imaging and three-dimensional modeling
CN1777898A (zh) * 2003-04-24 2006-05-24 皇家飞利浦电子股份有限公司 无创式左心室的容积测定
CN1846609A (zh) * 2005-03-23 2006-10-18 西门子共同研究公司 用电影延迟增强磁共振跟踪和分类心脏左室的系统和方法

Also Published As

Publication number Publication date
US20090290777A1 (en) 2009-11-26
US8218839B2 (en) 2012-07-10
CN101596111A (zh) 2009-12-09

Similar Documents

Publication Publication Date Title
CN101596111B (zh) 在心脏电影磁共振成像中对左心室的自动定位
EP2916738B1 (en) Lung, lobe, and fissure imaging systems and methods
Jolly Automatic segmentation of the left ventricle in cardiac MR and CT images
Bernard et al. Standardized evaluation system for left ventricular segmentation algorithms in 3D echocardiography
US7864997B2 (en) Method, apparatus and computer program product for automatic segmenting of cardiac chambers
CN113711271A (zh) 用于通过正电子发射断层摄影进行肿瘤分割的深度卷积神经网络
EP2443587B1 (en) Systems for computer aided lung nodule detection in chest tomosynthesis imaging
US7400757B2 (en) System and method for segmenting the left ventricle in a cardiac image
US8948484B2 (en) Method and system for automatic view planning for cardiac magnetic resonance imaging acquisition
US8218849B2 (en) Method and system for automatic landmark detection using discriminative joint context
US9230331B2 (en) Systems and methods for registration of ultrasound and CT images
EP2120208A1 (en) Method and system for lesion segmentation
US20070165917A1 (en) Fully automatic vessel tree segmentation
JP2023507109A (ja) 医用画像による自動化された腫瘍識別およびセグメンテーション
CN110706241B (zh) 一种三维病灶区域提取方法和装置
US9275452B2 (en) Method and system for automatically determining compliance of cross sectional imaging scans with a predetermined protocol
US11348229B2 (en) Determining regions of hyperdense lung tissue in an image of a lung
Lei et al. Echocardiographic image multi‐structure segmentation using Cardiac‐SegNet
Lorza et al. Carotid artery lumen segmentation in 3D free-hand ultrasound images using surface graph cuts
CN112529900A (zh) 匹配乳腺图像中roi的方法、装置、终端与存储介质
Chauvie et al. Automatic liver detection and standardised uptake value evaluation in whole-body positron emission tomography/computed tomography scans
Noorda et al. Segmentation of the Cartilage in the Rib Cage in 3D MRI
WO2023006794A1 (en) Identifying anatomical features
Choi Large-scale transfer of lesion segmentations from PET to CT
Fang et al. Evaluation of a Multi-Atlas Segmentation System

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
TR01 Transfer of patent right

Effective date of registration: 20220119

Address after: Erlangen

Patentee after: Siemens Healthineers AG

Address before: Munich, Germany

Patentee before: SIEMENS AG

TR01 Transfer of patent right