CN101903910B - 用于管状结构的自动几何和力学分析方法及系统 - Google Patents
用于管状结构的自动几何和力学分析方法及系统 Download PDFInfo
- Publication number
- CN101903910B CN101903910B CN2008801214829A CN200880121482A CN101903910B CN 101903910 B CN101903910 B CN 101903910B CN 2008801214829 A CN2008801214829 A CN 2008801214829A CN 200880121482 A CN200880121482 A CN 200880121482A CN 101903910 B CN101903910 B CN 101903910B
- Authority
- CN
- China
- Prior art keywords
- finite element
- vascular
- vascular bodies
- grid
- bodies
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Image Processing (AREA)
Abstract
公开了一种用于对诸如血管体的管状结构就它们的几何特性和力学负荷状况进行分析的方法和系统。为此,根据标准的图像数据集生成血管体的几何和结构模型。该方法或系统自动地工作,且由没有工程背景的用户在临床相关时间内分析该管状结构。在该方面最重要的是整合新的体积网格生成和3D分割技术。所得到的几何和结构模型在结构相关类型的组织之间进行区分,例如对于腹主动脉瘤来说,血管壁和腔内血栓被分开考虑。基于详细的非线性有限元分析来对血管体进行结构研究。这里,所得到的几何模型、活体内边界/负荷状况、以及血管组织的有限变形组织性描述,呈现结构生物力学问题。提供不同的显影原理并使得能够对所得到的几何和力学数据进行高效且详细的研究。此外,此信息被汇聚,以及由其得到的统计特性能够用于分析感兴趣的血管体。
Description
技术领域
本发明涉及诊断系统领域,以及更具体地涉及用于中空结构的基于计算机的诊断系统,该中空结构诸如细长中空结构,诸如管状结构,例如诸如包括血管组织的血管结构。该诊断系统例如提供关于细长中空结构的几何结构和力学性能的分析和信息数据。
背景技术
很多手术,例如关于血管组织的介入和诊断,必须在内部解剖部位处执行。通过利用成像设备(modality)(例如基于计算机X射线断层摄影(CT)或磁共振(MR)的扫描装置)获取的图像数据,来充实医师关于这些医疗手术的信息。通常,这提供患者的解剖结构的多个二维(2D)图像,也称为切片。一些扫描装置包括用于构建多个2D图像的三维(3D)数据集的计算机硬件和软件。
此外,用于显影患者身体的特定分离区域(如患者器官)以及用于虚拟测量患者的解剖结构的尺寸的计算机系统实现模型是已知的。这些已知模型主要基于阈值方法,并因此要求适度高的图像质量,以便正确运用。例如,需要高图像分辨率和要分离的对象之间的高对比度。对于CT扫描系统来说,这在很多情况下仅通过使用造影剂(造影介质)和/或高X射线辐射剂量来实现,这两者均是期望减少或避免的患者的负担。
在Olabarriaga SD,Rouet J-M,Fradkin M,Breeuwer M and NiessenWJ,(2005)Segmentation of Thrombus in Abdominal Aortic AneurysmsFrom CTA With Nonparametric Statistical Grey Level AppearanceModeling.IEEE Trans Med Imag 24.477-485中描述了一种特定的模型。此论文中公开的模型基于腹主动脉瘤(AAA)中的腔内血栓(ILT)的分割,其使用可变形模型的原理。但是,该模型的启用需要ILT的存在且还需要在腔和ILT之间存在高阈值,并且没有考虑血管分支,而对血管分支的分析是经常需要的。因此,该模型在实践中具有非常有限的适用性。
对于一些医疗手术来说,如当评估AAA的破裂风险时,或当识别动脉狭窄的脆弱性时,血管组织的力学负荷情况有用地充实医师用于规划治疗的信息。这种关于力学负荷情况的类型的信息,不能由成像系统提供,而是一种基于它们所提供的数据的后处理的结构分析,能够为此提供便利。但是,当前没有可用的自动和综合系统,其整合所有结构上相关的解剖对象并提供关于例如血管组织的力学负荷情况的信息。例如,对于AAA来说,动脉壁和几乎所有临床上相关的AAA中存在的ILT,是相关的结构构件(structural component)。
在Chen DT等人的美国专利申请US2006/0100502-A1中(该美国专利申请通过引用全部结合于此)公开了一种解剖显影和测量系统及方法。根据此公开,使用通过扫描血管获得的适合的2D切片图像集来确定血管破裂的风险。该方法包括:使用该2D切片图像集生成血管的网格模型;对该网格模型执行有限元应力分析,以计算在网格模型上不同位置上的应力水平;以及基于所计算的在网格模型上不同位置上的应力水平,来确定血管破裂的风险。但是,在US2006/0100502-A1中公开的方法和系统局限于提供血管损伤的单表面网格,并因此例如使用壳有限元仅仅能够考虑血管壁的壳状结构效果。关于此有限元(FE)公式化的细节例如在Zienkiewicz OC and Taylor RL,(2005)The FiniteElement Method for Solid and Structural Mechanics,ButterworthHeinemann,6th edition中公开,该文献全部结合于此。由此,在AAA的情况下,忽视ILT的结构影响,则导致AAA的不切实际且不可靠的力学预测。在例如Wang等人的Effect of intraluminal thrombus on wallstress in patient-specific models of abdominal aortic aneurysm.((2002),J Vasc Surg.36,p.598-604)的文献中,由数个研究强调突出了这种后果。因此,可能做出对于破裂风险的不可靠的诊断和预测,而这至少从患者安全性的观点来看不令人满意。此外,在US2006/0100502-A1中公开的方法和系统需要人工介入,例如以移除不想要的分割元。另外,在US2006/0100502-A1中公开的方法和系统使用多个不同的软件产品(一个用于分离2D图像,一个用于对表面(表示血管壁)形成网格,以及一个用于执行有限元(FE)分析),这些软件产品被包含来预测力学负荷状态。这对用户来说因为技术困难而不方便,因为需要以可靠且安全的方式来确保在不同软件产品之间的接口,而这实际上难以保证。
在Raghaven等人的Automated Methodology for determination ofstress distribution in human abdominal aortic aneurysm(2005,J BiomechEng.127,p.868-71)中介绍了另一方法。在此公开中,对来自3D显影系统的几何数据进行后处理。再一次,此方法局限于利用壳状结构效果来对AAA的外表面建模,以及忽略血管壁的厚壁结构(或体积效果)。
为了避免FE分析的“基于网格的”应力伪影,需要适当高质量的计算栅格(网格),以及应用不同类型的网格平滑策略。但是,在US2006/0100502-A1或Raghaven等人的文献(2005)中公开的方法和系统应用网格平滑策略,该网格平滑策略改变对象的几何结构,从而无法精确地捕获血管体的(外部)几何结构,也就是在模型几何结构与底层图像数据之间存在失配。因此,需要至少一种改进的方法和/或系统,其便利中空结构的精确几何和力学建模,该中空结构诸如是细长中空结构,例如管状结构,诸如血管体,以便提供关于它们的几何特性及其力学负荷情况的可靠数据。
例如,Dimitrios E.Kiousis,T.Christian Gasser and GerhardA.Holzapfel,A Numerical Model to Study the Interaction of VascularStents with Human Atherosclerotic Lesions,Ann Biomed Eng.2007;35(11):1857-69的工作代表了现有技术的血管体的有限元建模,其虽然通过将涉及组织离散为六面体单元而考虑到结构的体积效果,却是半自动方案。其中提出的原理需要结构建模的专家知识以及还包括数个步骤,而这因为应用技术困难而又不方便。
在Kiousis等人的Ann Biomed Eng.(2007)中公开的半自动重建方案,基本上应用三个步骤来生成计算网格用于结构分析:
1)使用例如边缘的NURBS表示来进行面内分割,其中,在单个图像切片上使用可变形模型,以便忽略图像数据集的面外信息。此原理仅能应用于几何学的子类,并排除例如囊状动脉瘤,见图0,其具有重要的临床相关性。而且,此原理不能应用于血管分支。
2)基于由分割定义的边缘信息生成实体模型。这里总是需要分割曲线的平滑,尤其为了避免沿着面外方向的散布。这自然改变了几何结构,并因此不能保持如由图像数据集定义的血管体的几何结构。
3)对实体模型形成网格,其对于血管体的真实(临床相关的)几何结构需要细分为更小的体,所述更小的体足够简单以允许自动生成网格。这经常是需要关于网格生成以及结构分析的工程专家知识的耗时任务。最重要的是,如果几何结构太复杂,则甚至可能还需要实体模型的修改来便利对结构生成网格。因此,不能保持如由图像数据集定义的血管体的几何结构。
总结来说,当前已知的方法的特征在于严重的人工介入以及需要用户的工程专家知识,这使得它们无法用于临床应用。同样地,需要强调,在上面引用的Kiousis等人的Ann Biomed Eng.(2007)中使用的图像数据是基于活体外核磁共振的,其中,相比来自标准临床成像的数据集自然能够获得更好的图像质量。
因此,需要全自动方案,以便诸如血管体的管状体的详细结构分析变得能够可在临床上应用。需要一种可临床应用的系统,供没有工程专家背景的临床用户执行此方案。此外,此方案应该能够应用于或用于具有比活体外3D图像数据更低的分辨率的临床上可获取的患者的活体内3D图像数据。
发明内容
因此,本发明的实施例优选旨在通过提供根据所附权利要求的系统、方法、计算机程序、医疗工作站和图形用户界面,来减轻、缓和或消除诸如上述的单独或以任何组合形成的技术中的一个或多个缺陷、缺点或问题。
本发明使用3D图像重建和六面体网格生成的组合。这使得能够进行有限元网格的快速和鲁棒的生成,用于管状体的结构分析。此原理显著不同于例如由上面引用的Kiousis等人的Ann Biomed Eng.(2007)中提及和引用的其他方法。
本发明与现有方法的差异使得全自动方案可行,以便血管体的详细结构分析变得可在临床上应用。这些差异使得系统的开发甚至能由没有工程背景的用户操作。
本发明展示的全自动3D方法,不区分面外方向,以便无需后续的平滑,以及血管体的精确3D几何结构得以保持。
最后,本发明限定了一种数字鲁棒和高效的方法,其可应用于临床的图像数据集记录。
本发明的实施例包括对血管体就它们的几何特性和力学负荷情况进行分析的方法和系统。为此,该方法或系统根据标准的图像数据集生成血管体的几何和结构模型。该方法或系统自动工作,以及由临床人员(也就是没有工程上的专家知识的用户)在临床相关时间内分析血管体。典型地临床上操纵这样的系统的临床人员没有工程背景。在这个意思上最关键的是,新的体积网格生成和3D分割技术的整合。得出的几何和结构模型区分出结构相关类型的组织,例如对于腹主动脉瘤,血管壁和腔内血栓被分别考虑。血管体的结构研究基于详细的非线性有限元分析。这里,得出的血管组织的几何模型、活体内边界/负荷状况和有限变形组成性描述(constitutive description),呈现(render)结构生物力学问题。提供不同的显影原理,不同的显影原理允许对得出的几何和力学数据的高效和详细的研究。此外,对此信息进行汇聚,以及从其得到的统计特性,能用于分析感兴趣的血管体。
其中可由该方法或系统提供结果的相关临床时间,处于以通常临床上可达到的当前计算能力的几分钟的范围内。
根据本发明的第一方面,公开了一种方法,该方法用于自动分析诸如血管体的管状体的几何特性和力学负荷情况。
此方法是用于分析具有有壁厚度的壁的基本上为管状的体。此方法包括:根据图像数据集,对管状体的至少一部分的至少一个构件(component)和/或至少一个与其相关的单元(element)进行3D重建;对所述构件和/或单元生成四边形和/或六面体有限元(FE)网格;对所述管状体的至少一个构件和/或单元进行结构非线性有限元分析;以及由此至少提供关于管状体的所述部分的至少子部分的几何特性和内部力学负荷的信息数据,用于管状体的分析。
此方法可应用于包括分支和边支的管状体的整个部分。
或者,可以分别提供几何特性和内部负荷数据用于进一步处理。几何特性,也就是表示几何结构的数据,被关联到其局部力学特性。提供几何结构和力学特性两者作为3D数据集用于进一步处理。
根据本发明的第二方面,公开了一种系统,该系统用于对诸如血管体的管状结构的几何特性和力学负荷情况进行自动分析。
该系统用于分析具有有壁厚度的壁的基本上为管状的体。该系统包括:用于根据图像数据集对管状体的至少一部分的至少一个构件和/或至少一个与其相关的单元进行3D重建的部件;用于对所述构件和/或单元生成四边形2D和/或六面体3D有限元(FE)网格的部件;用于对所述至少一个构件和/或单元进行结构非线性有限元分析的部件;以及用于由此至少提供关于管状体的所述部分的至少子部分的几何特性和内部力学负荷的信息数据用于管状体的分析的部件。
根据本发明的第三方面,提供一种利用计算机处理的计算机程序。该计算机程序包括用于医疗工作站的代码段,该代码段提供对于诸如血管体的管状结构的几何特性和力学负荷情况的自动分析。
该计算机程序用于利用计算装置进行处理,以分析具有有壁厚度的壁的基本上为管状的体。该计算机程序包括:用于根据图像数据集对管状体的至少一部分的至少一个构件和/或至少一个与其相关的单元进行3D重建的第一代码段;用于对所述构件和/或单元生成四边形和/或六面体有限元(FE)网格的第二代码段;用于对所述至少一个构件和/或单元进行结构非线性有限元分析的第三代码段;以及用于由此至少提供关于管状体的所述至少一部分的几何特性和内部力学负荷的信息数据用于管状体的分析的第四代码段。
在此上下文中的构件是解剖结构的结构构件。
根据本发明的又一方面,提供一种图形用户界面,用于显影血管体的几何特性和内部力学负荷,从而使用图表、2D和3D等值线图(contour plot)以及3D彩色编码的几何对象。
在实施例中,图形用户界面可以允许就来自汇聚数据的信息来解释血管体的几何和力学信息。
在本发明的另一方面中,提供了一种用于对血管体就它们的几何特性和力学负荷情况进行分析的方法。该方法包括:根据至少一个图像患者数据集,生成至少一个血管体的至少一个几何和结构模型;在所述几何和结构模型中在结构相关类型的组织之间进行区分,例如对于腹主动脉瘤来说是在血管壁和腔内血栓之间进行区分;基于非线性有限元分析对血管体进行结构上的研究;根据血管管壁的有限变形组成性描述、活体内边界/负荷状况、结构模型,呈现结构生物力学问题,以提供其几何和力学数据。
在从属权利要求中限定了本发明的另外实施例,其中,本发明的第二和后续方面的特征关于第一方面的情况做了适当的修改。
本发明的实施例在数个方面显著区别于例如在“背景技术”部分中提及的现有技术。最重要的是,本发明的一些实施例提供将所有步骤后患者扫描集成到单个(独立)系统中,并由此在临床可接受时间内提供关于患者特定血管损伤的信息,也就是其几何特性和其力学负荷情况。本发明的实施例的要点可以完全自动地工作,这使得它的临床应用和/或临床接受可行,以及其应用无需例如在工程方面的专家知识。
此外,本发明在一些实施例中使用可变形模型的原理来重建血管体的几何结构,并因此相比基于阈值方法的重建,较低的图像质量也可以被处理并得到改善的结果。可变形模型具有优于基于阈值的方法的数个优点,尤其当应用于医学图像时,例如参见Suri等人的A reviewon 30MR vascular image processing:skeleton versus nonskeletonapproaches:Part II.(2002,IEEE Trans Inf Technol Biomed.6338-50)。该发明的一些实施例应用的方法直接影响患者的安全性,例如对于来自CT扫描的图像数据,可以减少造影剂的量和/或x射线辐射负担。显著的,虽然在Olabarriaga等人的文献(2005)中描述的方法使用可变形模型的原理,但它需要高阈值用于其初始化。
本发明的一些实施例提供基于可变形模型的3D精确图像分割。应用的原理呈现鲁棒的方法,以及重建和离散化(生成网格)的对象可以被直接用作有限元分析的几何输入。
本发明的一些实施例还提供血管体的表面的自动四边形网格生成。
本发明的一些实施例还提供血管体的体积的自动六面体主导网格生成,并因此允许应用高效混合有限元,例如所谓的Q1P0公式化,参见Simo and Taylor,1991,Quasi-incompressible finite elasticity inprincipal stretches.Continuum basis and numerical algorithms.CompMeth Appl Mech Engrg.85.273-310。这对于以数字高效且适当的方法来表示血管组织的不可压缩特性是必不可少的。
本发明的一些实施例还提供自动2D和3D网格平滑和优化以改善有限元网格的质量,并因此改善预测结果的质量。
本发明的一些实施例还提供诸如血管体的管状体的完全3D结构分析,其中,不同类型的组织被分别处理。
应该强调,当用在本说明书中时,术语“包括/包含”用于指定所述特征、整体、步骤或构件的存在,但是不排除一个或多个其他特征、整体、步骤、构件或其组的存在或附加。如在这里使用的,术语“和/或”包括相关联的列出项的一个或多个项的任何和全部组合。
附图说明
本发明的这些和其他方面、特征和优点,从本发明的实施例的以下描述并参考附图,能够变得显而易见并得以阐明,其中
图0是囊状动脉瘤的示意图;
图1是示出根据实施例的血管体的自动几何和力学分析的流程图,其中,用于执行实施方法的大概系统包括医疗工作站,以及其中,采用用于实现方法的计算机程序的形式的一些实施例被存储在计算机可读介质上,以供医疗工作站执行;
图2是所述系统的图形用户界面的图像观察器的图示,其使得用户能够探究加载的图像患者数据集以及例如通过鼠标交互来定义感兴趣区域;
图3是患者数据的2D图像的重建的初始化的图示,其中,用户可以例如在动脉腔内布置圆点用于初始化;
图4是示出利用有限元(FE)问题和迭代策略来解决产生的非线性数字问题的snake模型的算法公式化的流程图;
图5是患者数据的2D图像中的腔的图示,因该腔已经利用图4的snake模型进行了分割,其中分支(在此非限制性示例中是肾的)动脉被截断,以便降低了问题的几何复杂度,从而整个血管体的有限元分析变得可行;
图6(a)和(b)是通过在相邻的snake节点之间引入节点线的细分策略的示意图,其中(a)示出没有细分的细化(tessellation),以及(b)示出具有细分的细化;
图7(a)、(b)和(c)是应用策略来局部改善网格的示意图,其中(a)示出在表面的边界处移除四边形,(b)示出锁定四边形的塌陷,以及(c)示出改进病态单元;
图8是AAA对象的3D重建的腔表面的图示,其中,利用优化的四边形单元对AAA对象的表面生成网格;
图9是(六面体)体积分割的定义的示意图,其用作对复杂形状的血管体生成网格的基础;
图10(a)是用于对动脉壁生成网格的策略的图示,其基于体积分割的定义;
图10(b)是示出在ILT的厚度和动脉壁厚度之间的函数关系的图示;
图11是用于对ILT生成网格的策略的示意图,其基于体积分割的定义以及其主要生成六面体单元;
图12是根据血管体的结构预计算的应力场的主材料轴的定义的图示;以及
图13是特定AAA壁的vMises应力(左)和破裂风险(右)的3D显影的图示,其中,此信息是彩色编码的。
具体实施方式
现在将参考附图对本发明的特定实施例进行描述。但是,本发明可以表征为很多不同的形式,以及不应解释为局限于这里阐述的实施例;更确切地说,提供这些实施例以便此公开将是详尽和完整的,以及将向本领域技术人员完全地传递本发明的范围。在附图中示出的实施例的详细描述中使用的术语,不意图限制本发明。在附图中,类似的参考数字表示类似的单元。
以下描述集中于可应用于分析血管损伤且尤其可应用于分析AAA或颈动脉狭窄的实施例。但是,将知道,本发明不局限于此特定应用,而可以在一些实施例中应用于:很多其他管状内部器官,包括例如其他血管、气管、尿道、食管、肠、输卵管、脑、包括左心房附腔(LAA)心房附腔、冠脉血管等;或身体的外部部分,如四肢,包括腿、手臂、手指等。此外,本发明的一些实施例还可以应用于器官(如心脏、骨等)的管状部分。最后还要注意,本发明的一些实施例还可以应用于通常的管状结构,如管线等。
虽然良好建立了工程结构的应力分析以及市面上能够买到的数种分析工具,本发明使得这种分析能够利用新的方式应用于医疗应用。生物器官相比工程(人造)结构可能具有复杂的几何结构,以及它们的3D重建是本发明的另一个挑战性的方面。
在图0中,示出无法利用平面方法来重建的几何结构。水平线200表示扫描切片。图0示出了2D分割相比完全3D方法的局限性。详细说来,勾勒出示意性几何结构(例如表示囊状血管瘤),该示意性几何结构几乎无法利用2D方法来分割。这里,平行的水平线200表示图像切片,以及在Kiousis等人的Ann Biomed Eng.(2007)(在文本中被引用)中描述和参考的方法无法分割此类相关的临床几何结构。进一步的,要注意,平面重建的一个问题是,因为在重建时不考虑图像信息,导致沿着面外方向的显著散布。因而,需要大量的平滑,且不能保持精确的重建几何结构。本发明的实施例克服了这些缺点及其它缺点等。这对于诸如分支结构的管状结构(例如血管分支、不规则结构,如囊状动脉瘤、脑或肠弯曲等)的分析来说尤其有利。
在一些实施例中,本发明是一种用于分析具有有壁厚度的壁的基本上为管状的体的方法,其中,所述方法包括:根据图像数据集,对所述管状体的至少一部分的构件和/或与其相关的单元进行3D重建;对所述构件和/或单元生成四边形和/或六面体有限元(FE)网格;对所述构件和/或单元进行结构非线性有限元分析;以及由此至少提供关于所述管状体的至少一部分的几何特性和内部力学负荷的信息数据,用于所述管状体的所述分析。
在图1中,利用本发明的实施例对这些不同的(算法)步骤进行了更详细的描述,这些不同的(算法)步骤被示出,且它们的特征在下文中进行描述。
1)开始
此步骤允许用户启动分析系统。或者,此步骤还可被自动地进入或应来自医疗系统、成像设备或与其相关的医疗工作站的其他例程的请求而进入。
2)加载图像数据
在此步骤期间,用户将患者特定数据,例如采用包括多个2D切片图像患者数据的标准化DICOM图像患者3D数据集的形式,加载到例如医疗工作站的分析系统中。为此,可以使用图形用户界面,以及在分析系统的特定文件中存储图像数据以及另外或可选地存储其他患者特定信息数据。
3)定义感兴趣区域(ROI)
在实施例中,医疗工作站可以具有图像数据观察器来分析加载的图像数据集以及利用人机接口装置例如利用鼠标动作来定义感兴趣区域(ROI),见图2。为此,通过定义图像数据集的最小(201)和最大(202)轴坐标,也就是重建过程的轴向限制,来框出ROI。这里,可以使用GLUT和openGL来处理用户交互。或者或另外,可以利用适当的图像识别方法,例如基于适当的对象分割或识别方法,自动地检测或半自动地检测ROI(以供医疗工作站的用户进行确认或调节)。
4)初始化重建
例如在ROI的底部的3D图像患者数据集的特定2D图像切片,被用于定义自动重建的初始化,也就是重建算法在空间中开始之处。为此,可以由用户在图像切片上绘制用图3中的301表示的基本上圆形的点,以便标识管状结构,诸如在2D图像切片中的血管壁。为了腔边界的快速跟踪,点应该尽可能大,但是完全在特定动脉腔内。或者,或另外,利用本领域中已知的适当边界检测算法,可以自动地或半自动地进行管状结构的此边界划界。对于几何上复杂成形的损伤,例如假性动脉瘤,将待进行的重建的初始化区域定位在ROI内的切片上而非其边界上,可以更方便。本发明的一些实施例提供在ROI内的任何2D图像切片上的初始化,以及可以使用GLUT和openGL来处理用户交互。
5)管状结构的腔的3D重建
应用一系列方法步骤来得出管状结构(即在此实施例中该管状结构是腔)的表面的精确3D重建。重建的表面限定腔边界。可以例如在有限元模型中顺序地使用腔边界,以及因此,更关键的是,排除扰乱后续步骤的单元,例如小分支血管和图像伪影。
5.1)Snake模型
初始化,如在步骤4)中的输入,被用于定义snake模型的初始配置,其自身可以用于在当前图像切片上将腔与剩余解剖信息分割开。这里,一个或多个snake模型被用在特定2D图像切片上,依据待分割的腔的数目而定。利用由于snake的弯曲、剪切和伸展导致的内部力,以及利用由于图像的二阶梯度以及强度相关的压力类负荷导致的内部力,来驱动底层的snake模型。为此,在感兴趣像素附近的图像强度利用二次表面来解析逼近。使用最小二乘法拟合来定义该图像强度,以及利用相对于空间坐标的二次微分来计算在感兴趣像素处的二阶梯度。
为了计算作用于snake模型上的内部力和外部力,利用在有限元方法的环境中的束单元(beam element)来离散化和表示snake,例如参见在上面引用的Zienkiewicz and Taylor,2005。因此,利用由束单元连接的多个节点来逼近snake。最后,这呈现了非线性力学问题,其以典型有限元方案进行公式化,见图4。图4是示出利用有限元(FE)问题和迭代策略来解决产生的非线性数字问题的snake模型的算法公式化的流程图。
更详细说来,在一些实施例中,执行全局刚度矩阵(global stiffnessmatrix)400的宽度优化来呈现高效且稳定的数字系统,以及根据有限数目的时间步401来递增到snake模型上的负荷。在每个时间步应用牛顿迭代方案402,也就是在牛顿步的循环中,求解线性化系统的方程407直到对于当前时间步确定了snake的平衡为止。最后在所有snake单元上的循环403内集合408代数方程式的(线性化)全局系统,其中计算一阶和二阶图像梯度404、外部节点力和节点刚度405和内部节点力和节点刚度406。
总的来说,迭代地求解非线性snake问题,直到snake在图像切片上将腔与剩余的解剖信息成功分割开为止。
为了处理产生的(力学)问题,可以添加粘度,其基本上稳定snake的移动。为了实现更快的收敛,粘度的量与图像梯度的范数相关联。
迭代地应用snake模型,直到分割了所有切片上在ROI中的所有腔边界为止。在此迭代过程期间,将几何信息存储在计算机系统(例如医疗工作站)的RAM中,以及利用在先前(已经分割的)图像切片上的腔边界初始化snake模型。再次,在特定图像切片上使用一个或多个snake模型。如果两个snake模型重叠,如分支的情况,它们被结合为单个模型。为了获得表示分割的腔的节点的平衡分布,根据预定距离从图像切片到图像切片采用snake节点的数目。
为了说明的目的,在加载的CT数据集的切片No.534上的腔已经利用snake模型分割开,并在图5中示出。注意,利用501表示的snake模型,分割主动脉腔,以及分支(肾的)腔被截断,以便降低解剖复杂度,并因此使得整个血管体的有限元分析可行。在此部分中提出的基本原理具有与其他基于图像的重建方法的原理的类似性,该其他基于图像的重建方法例如如在上面引用的Kiousis等人的文献(2007)中概述和引用的,但是,具有显著差异,例如如利用本发明的有限元问题的公式化具有效率显著提高的优点。要强调的是,图像分割的剩余步骤陈述本发明的基本新颖原理。更重要的,本发明的方法使得能够对稍后将讨论的复杂甚至多分支管状对象进行快速六面体主导网格生成。这是迄今不能有效实现的。
5.2)细化
在逻辑上布置snake节点(点云)方面的几何信息,如由步骤5.1中的分割提供的,被用于对腔表面进行细化(tessellate)。这里,生成腔边界的网格,其中,使用四边形来表示几何对象。或者,可以使用三角形,以及可以例如采用STL格式导出信息以供其他计算机程序使用。这里,要注意,为了使得利用四边形的细化可行,应用的分级原理是必不可少的。在本发明之前,利用四边形的细化在传统上对计算要求更高的,并导致临床上不可接受的计算时间。
底层算法考虑两个连续腔边界的逐点描述,如在步骤5.1利用snake模型分割的,以及动态编程的原理被用于计算优化细化。具体说来,最小化例如细化表面的面积的成本函数。
在分支处,算法将一个图像切片上的两个腔表面与相邻切片上的单个腔表面细化(结合)。为此,单个腔表面被分开,且两部分均与相邻切片上的两个腔表面独特地相关联。由此,与上面定义相同的算法,能够应用来细化血管分支的主要部分,以及能够在单个第二步骤中细化表面的剩余(开放)部分。该原理呈现高效的方法,其相对于用于描述腔表面的多个(snake)点是线性的。
如果在相关联的点之间的距离变得太大,为了避免具有差纵横比的单元,引入额外节点。为此,以使得可以再次应用上述细化算法的方式,引入额外的节点线,见图6。最后要强调,如由本发明的实施例提出的集成表面网格生成再次在根本上不同于在上面引用的Kiousis等人(2007)中提出的方法,以及对于自动重建方案来说是至关紧要的。
5.3)平滑网格
在5.2中描述的细化保持腔的节点固定,以及自然地,生成的网格包括差的状况的表面单元,从而在有限元方法中的直接应用会导致大的局部差错。由此,表面网格需要进行改进,以及这里,迭代地应用网格平滑和局部单元改进,直到优化网格为止。这里在一些实施例中,例如可以使用拉普拉斯(Laplacian)平滑,以及在图7中示出了所考虑的局部单元改进的策略。
具体说来,在图7(a)中,示出了可以如何移除在表面的边界处的差四边形,在图7(b)中,示出了在平滑算法期间彼此锁定的四边形如何塌陷,以及在图7(c)中,示出了可以如何改进病态单元。最后要注意,可以将表面网格平滑应用于两种类型的网格,也就是四边形和三角形网格,而仅仅对四边形网格执行局部单元改进。
5.4)气囊模型(Balloon model)
注意,在步骤5.3中讨论的表面网格的平滑改变它的拓扑,并因此不再如由图像数据集给出的那样精确描述腔。(这也是在“背景技术”部分中讨论的当前可用重建方案的一个缺点)。为了计及到此,来自步骤5.3的优化后的表面网格可以用于初始化气囊模型。气囊模型通过考虑到3D图像数据集的完整3D信息,来精确地分割腔边界。
为此,利用壳有限元来对气囊的结构效应进行建模,其中,可以应用任何适合类型的公式化,例如可以应用离散基尔霍夫(Kirchhoff),例如参见上面引用的Zienkiewicz and Taylor,2005。诸如由于膜变形以及片弯曲和剪切导致的内部力以及例如由于图像的二阶梯度和强度相关的压力类负荷导致的外部力,驱动气囊模型,该气囊模型再次被公式化为有限元问题,也就是类似于上面参考图4对于snake模型所概述的。在感兴趣体素(voxel)附近的图像强度利用二次超表面进行解析逼近。使用最小二乘法拟合来定义它,以及利用与空间坐标相关的二阶微分来计算在感兴趣体素处的二阶梯度。迭代地求解产生的非线性有限元问题,直到腔被分割且几何信息被保存在例如医疗工作站的计算机系统的RAM中为止。再次可以向数字系统添加粘度以稳定它,其中,粘度的量与图像梯度的范数相关联。
以3D方式完全实现所述方法,以及利用图8中的特定AAA的腔边界的四边形表面网格示出分割算法的典型成果。在图8中,示出AAA对象的3D重建的腔表面,其中,利用优化后的四边形单元800对AAA对象的表面生成网格,以及包括主动脉分支801。
最后强调,此方法呈现完全3D的方案,其不像例如在上面引用的Kiousis等人的文献(2007)中提出的其他方法共有的那样区分面外方向。最重要的是,此方法无需平滑来避免沿着面外方向的重建的散布,并因此能够获得更精确的结果。
6)管状结构的外侧的3D重建
在此步骤中,如在上述的步骤5中分割的腔表面,可以被复制并由此用作另一气囊模型的初始化,该另一气囊模型被用于分割对象(也就是管状结构)的外侧,诸如血管壁。因此,分割后的诸如血管体的管状结构的腔(或管状结构的内侧表面)以及外侧,利用相关的网格来表示,所述相关的网格也就是可以被唯一定义的腔和外侧点的对。这是所应用的原理的必不可少的特性,并使得能够对整个体积进行将在下面进一步描述的后续步骤7)和8)中讨论的直接前向网格生成。
6.1)气囊模型
为了应用气囊模型来分割外侧,需要对在步骤5.4)中讨论的气囊模型进行一些修改。最关键的是使在腔边界处的高图像梯度无效(deactivation)。为此,在一些实施例中,(如在图像数据集内表示的)腔用分割后的腔的“外侧邻居”的体积的平均强度(灰度值)来替代。最后,在相关的腔和外侧点之间的距离大于血管的预定最小厚度的约束条件,在一些实施例中可以被几何后校正步骤所满足。再次,该气囊模型被公式化为非线性有限元问题以及被迭代地求解,直到分割了对象的外侧且几何信息数据可得到为止,例如保存在诸如医疗工作站的计算机系统的RAM中。
7)对诸如动脉壁的管状结构的壁生成网格
本发明的实施例使用相关的腔和外侧网格,也就是在腔边界上的每个节点具有在外侧边界处的副本,这导致动脉壁的直接前向体积网格生成。为此,能够定义(六面体)体积分段,如在图9中所示的。血管体的此种细分用作图10(a)中所示的动脉壁的网格生成算法的基础,其中为了简便起见,使用了跨壁厚度的单个单元。
再次呈现了完全3D方案,该完全3D方案对比例如在上面引用的Kiousis等人的文献(2007)中提出的方法无需后续的平滑,并因此能够重建管状体的精确外侧几何结构。
如果在相关的腔和外侧点之间的距离大于预定的最大厚度,则在一些实施例中认为存在腔内血栓(ILT)。在此情况下,来自分割(也就是步骤5)和6))的数据,利用关于壁厚度的预定信息得以丰富。根据在参见例如Kazi等人的Influence of intraluminal thrombus onstructural and cellular composition of abdominal aortic aneurysm wall(2003,J Vasc Surg 38,p.1283-1292)的文献中的报告数据,可以假定壁厚度基本上依赖于底层ILT的厚度。这在一些实施例中利用在相关的腔和外侧点之间的距离来评估。在血管壁厚度与ILT厚度之间的函数关系,诸如图10(b)中所示的,在一些实施例中可以用于定义动脉壁的网格。这里,h0和h1分别表示没有ILT和覆盖ILT的动脉壁的厚度。
更好的壁网格可以通过引入定义在ILT与壁之间的界面的另一气囊模型来获取。在该方面最重要的是,该气囊模型必须是外侧气囊模型的副本,以便再次能够定义逐对的节点。可以在该气囊模型的节点处应用罚力(penalty force),直到达到例如由上面引用的Kazi等人的文献(2003)定义的预定壁厚度为止。这又呈现了一个利用上面讨论的有限元技术来解决的结构问题。
最后要强调,(在某种程度上)结构网格使得能够进行各向异性网格细分,也就是在厚度和周向/轴向方向上是不同的。这是期望的有利特性,因为在厚度方向上的期望应力梯度可能显著不同于在周向/轴向方向上的期望应力梯度。
8)对腔内血栓(ILT)生成网格
再次,ILT的体积网格生成容易实现,因为本发明的一些实施例使用相关的腔和外侧网格。应用主要生成六面体块体单元(brickelement)的逐步体积网格生成算法来对ILT生成网格。该算法始于ILT的外侧(其是动脉壁的内侧),并向着对象的腔边界逐步生成网格。只要没有对(六面体)体积部分完全生成网格,见图9,它就保持激活(active),以及从外侧到腔侧对所有激活体积部分生成网格(逐步)。体积分段利用它们的径向边缘彼此连接,并因此经由这些边缘增强网格的连接性。
在图11中示出了网格生成方案,其中为了简便起见仅仅考虑在厚度方向上的两个单元。注意,该算法主要生成六面体单元(仅仅恰好腔单元可以是退化的六面体单元,其中两个或四个节点塌陷),以及能够独立地控制体积网格的径向尺寸以便生成适合的(各向异性的)网格。或者,生成的网格可以划分为四面体网格,因为它可能为了某些原因可例如用于将网格导入到其他程序中。
再次,通过从ILT壁界面向着腔逐步移动气囊模型,可以获得更好的网格;类似在上面的步骤7中进行的讨论。关于网格细分的陈述与部分7中讨论的类似有效。
8.1)平滑体积网格
如在步骤7)和8)处生成的血管体的(主要)六面体的块体网格需要被平滑(例如使用有约束条件的拉普拉斯(Laplacian)方法),以用作有限元分析的几何输入。这里,表示血管体或其部分的表面,例如腔表面、外表面和不同类型组织之间的界面,受到约束,并因此,它们的精确几何结构得以保持。此外,可以通过根据单元类型移动连接的节点以及优化质量标准,来改进失真最严重的单元。
9)输出几何特性
在先前的步骤期间,管状体(这里是血管体)的几何结构已经被完整定义(从有限元离散的角度看),以及此步骤用于输出关键几何量。为此,提示标量,例如ILT体积、肾下主动脉的外径、最大外径、最大局部ILT厚度、最大局部ILT面积、腔和外最小和最大曲率半径(min.and max.radius of luminal and outer curvature)、最小中线曲率、不对称指数、囊状指数等,或标量以图表呈现,例如ILT面积、腔面积、腔主曲率半径(principal radii of the luminal curvature)、外主曲率半径(principal radii of the outer curvature)、中线主曲率半径(principal radii of the centerline curvature)、与例如中线相关的外径等。此外或或者,可以在几何对象自身顶部上绘出几何量,例如在血管体的腔或外表面上的ILT厚度、腔主半径(principal radii of theluminal)、外主曲率半径等。为此,显影的特性被彩色编码,或者代之以使用等值线图。这里可以使用GLUT和openGL,以及用户能够通过鼠标交互来探究数据。例如,可以使用标准鼠标动作来旋转和放大模型,以及例如从下拉菜单选择待显影的量或区域。
10)定义有限元问题
在步骤7)和8)生成的体积网格被用作计算有限元栅格用于结构分析。为了呈现完整有限元问题,通过边界/负荷状况和涉及的血管组织的组成特性来丰富几何信息(有限元网格)。
10.1)Q1P0单元
考虑到例如血管组织的不可压缩性质,遵循混合有限元方法,以及避免有限元模型的体积查看(looking)现象。特别地,在一些实施例中,参见上面引用的Simo and Taylor,1991,可以使用混合有限元单元Q1P0,而发明人在实际实施方式中发现其在当前环境下是非常高效的有限元公式化。
10.2)组成模型
涉及类型的组织的组成性描述是血管的内部力学负荷(应力场)的可靠预测的至关紧要的部分。对于动脉壁可以应用组织驱动公式化,其使得能够对壁进行各向同性或各向异性的非线性描述,诸如在Gasser等人的Review:Hyperelastic modelling of arterial layers withdistributed collagen fibre orientations(2006,J R Soc Interface,3,p.15-35)中所描述的,该文献全部结合于此。例如,为了对AAA建模,在组成公式化中涉及的材料参数集,可以利用实验数据的最小二乘法拟合来定义,诸如在Vande Geest等人的The effects of aneurysm on thebiaxial mechanical behavior of human abdominal aorta(2006a,J Biomech.39,p.1324-1334)中所给出的。
各向异性组成模型的应用需要在整个动脉壁各处定义主材料轴(其中能够局部地关联各向异性)。此方向信息可以利用结构预计算来生成,其中,可以对动脉壁的内侧上施压,以及可以使用例如neoHookean的单个各向同性组成模型。计算的应力场,在定量上可能与真实应力状态毫无相同之处,被用于定义材料主轴。详细说来,主应力方向被假设为与主材料轴相重合。只要动脉壁是薄的(例如相比血管体的直径),这总是给出主材料轴的真实预测,如图12中所示。这里,线单元1201被用于显影一个主轴并且沿着血流方向观察血管分支1200(one looks along the blood flow direction into a vascularbifurcation 1200),其中标记1202表示髂动脉。
对于ILT组织,在实施例中使用奥格登(Ogden)类型的一个参数模型其中,ψ和λi,i=1,2,3分别表示自由能函数和主拉伸。所涉及的材料参数c能够通过在文献中的可用实验数据(例如在Vande Geest JP等人的A planar biaxial constitutive relation for theluminal layer of intra-luminal thrombus in abdominal aortic aneurysms(2006b,J Biomech.39.2347-2354)中找到的可用实验数据)的最小二乘法拟合来定义,该文献全部结合于此。
10.3)边界/负荷状况
可以应用两种不同的边界/负荷状况,也就是(i)固定在ROI的顶部和底部边界处的计算栅格的节点处的位移,或(ii)固定在ROI的一个边界处的节点,并根据活体内(血)压以及该处的腔面积在ROI的另一边界的节点处施加轴向负荷。活体内(血)压负荷,从变形相关从动负荷的方面说,可以施加到血管对象的腔表面上。所考虑的压力可以被预定,也可能由系统的用户来修改。
11)求解有限元问题
步骤10)完整地呈现了待研究的血管体的3D结构有限元问题。在标准有限变形有限元计算中,给定参考配置,而变形后的配置(根据所施加的外部负荷)是未知的,也就是需要计算该变形后的配置。但是,在当前情况下,重建后的几何结构已经说明(state)了由活体内负荷情况导致的变形后的配置,以及它的参考配置是未知的且需要计算。为此,应用类似于非线性标准有限元方法的迭代解决方案,其中,逐步增加外部负荷,直到达到所需的负荷水平为止。但是,代替当前配置,可以在加载步骤期间迭代地更新参考配置。一旦解决了力学问题,例如以系统特定文件格式来存储在应力张量的六个分量的方面的内部力学负荷。求解数字问题的最耗时步骤是对方程式的产生线性化系统求解,并因此,需要用于直接求解器的轮廓优化方案和/或稀疏存储方案以及用于迭代求解器的适当预处理。此外,可以应用对于两种类型的求解器的并行求解策略以缩短计算时间。
12)输出力学特性
从计算的力学应力张量得出例如待显影或用于诸如自动诊断的进一步处理的力学量(例如vMises应力、最大主应力、最大剪切应力等)。可以在所呈现的几何3D对象自身的显影的顶部上,将力学量显影为(例如彩色编码为)等值线。这里,可以使用GLUT和openGL,以及用户可以便利地借助鼠标交互来探究数据,如上面在步骤9)中所讨论的。在图13中,利用彩色编码图像示出了此种显影的示例,该彩色编码图像表示AAA壁的vMises应力(左)和破裂风险指数(右)。这里,红色区域表示高力学应力1301或高破裂风险1302,其中它们的量由具体的彩色代码来给出,也就是用于应力的1303和用于破裂风险的1304。
最后,力学应力可以与对象的局部强度相关联,例如与AAA的壁和ILT的强度相关联,以及被显影以评估其故障(破裂)的可能性。为此,可以根据例如下述文献来计算例如AAA的壁和ILT的局部强度:Vande Geest等人的2006c,Towards a non invasive method fordetermination of patient-specific wall strength distribution in abdominalaortic aneurysms,Ann.Biomed.Eng.,34:1098-1106,该文献全部结合于此。在图13(右图)中示出了破裂风险的彩色编码显影。
13)利用数据库交换信息
用户能够上载和下载血管体的计算模型,也就是如在步骤7)处生成的其离散化的3D几何结构,以及如在步骤11)处生成的力学数据。因此,血管体的几何和力学数据被汇聚并存储在数据库中,以及用户可以使用文件传送协议来访问此信息。此外,从所汇聚的模型中得出并存储关键量的统计分布,所述关键量例如是ILT体积、最大壁应力、最大ILT应力、最大直径、最大ILT厚度等。用户能够下载此统计信息来分析他们的血管体的计算模型。
14)结束
此步骤使得用户能够终止分析系统。或者,其他步骤可以跟随,例如分支到其他图像分析和治疗软件、新结构或新患者的分析等。可以提供血管体的几何和力学数据用于进一步处理,例如虚拟规划手术过程。该手术过程可以包括对于定位适合医疗移植件进行虚拟规划。可以基于此虚拟规划对医疗移植件进行患者配置。然后,该虚拟规划可以提供用于制造真实医疗移植件的数据。用于制造诸如移植血管的医疗植入物的方法,包括以上提供管状体的几何和力学数据的方法、上述用于虚拟规划手术过程的方法、以及基于由后一方法提供的数据来产生真实医疗植入物。
在一些实施例中,该方法包括:对患者图像数据的加载并预处理;查看图像数据集;定义感兴趣区域(ROI);启动重建过程;将几何对象的腔与图像数据集的剩余解剖信息分割(分离)开;执行2D和3D可变形模型(例如snake和气囊模型)来分割图像数据集;逻辑布置的点云的表面细化;2D和3D网格平滑、定义、优化并求解有限元问题;将几何对象的外侧与图像数据集的剩余解剖信息分割(分离)开;生成不同血管组织的体积网格用于有限元分析;分析血管体的几何特性和内部力学负荷;提示消息;改变软件相关特性并将数据保存到计算机可读介质;以及向数据库上载信息以及从数据库下载信息。
以这种方式可以容易地识别具有特定力学特性的区域。例如,可以确定或诊断AAA的破裂风险。此诊断可以由有经验的医护人员通过分析显影来人工做出;或可以例如由系统基于所确定的力学特性通过给出某个区域的破裂风险的指示器(indicator)来半自动地做出;或由确定破裂风险和/或估计的破裂时间的适当算法来自动做出。关键量的统计分布可以便利诊断,如诊断的主要或次要方面。因此,通过本发明的实施例,可以以方便方式提供管状结构及其力学负荷的有效且可靠的诊断。基于这样的诊断,可以启动适当的治疗以例如在利用适当的医疗移植件增强AAA的区域的医疗手术过程中防止AAA的破裂。可以基于这样的诊断来虚拟规划手术过程,如上面在14)部分中所解释的。上述的医疗工作站,包括通常的计算机构件,如中央处理单元(CPU)、存储器、接口等。此外,它配备有适当的软件,用于处理从数据输入源接收的数据,诸如从成像设备获得的数据或来自适当数据载体例如采用DICOM格式的数据。软件可以例如存储在可由医疗工作站访问的计算机可读介质上。计算机可读介质可以包括采用计算机程序形式的软件,该计算机程序包括用于执行根据上述实施例的方法的适当代码段。医疗工作站还包括例如用于显示呈现的显影的监视器以及适当的人类接口装置,诸如键盘、鼠标等,例如用于对软件另外提供的自动诊断进行手动细调。
如这里所用的,单数形式“一”和“该”意图也包括复数形式,除非以另外方式明确指出。还要理解,术语“包括”和“包含”,当在此说明书中使用时,指定所述特征、整体、步骤、操作、单元和/或构件的存在,但不排除一个或多个其他特征、整体、步骤、操作、单元、构件和/或它们的组的存在或添加。将知道,当指出一单元“连接”或“耦联”到另一单元时,它能够直接连接或耦联到该另一单元或可以存在中间单元。
除非另外限定,在此使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域的普通技术人员所通常理解的相同的含义。还将知道,诸如那些在常用字典中定义的术语,应该解释为具有与它们在相关领域的背景中的含义相符的含义,而不应以理想化或过于形式的方式来解释,除非在这里明确这么定义。
如本领域技术人员将知道的,本发明可以被具体实施为一种系统、方法或计算机程序产品。因此,本发明可以采用完全硬件实施例、软件实施例或组合软件和硬件方面的实施例的形式,这里全部通常表示为“代码段”或“部件(unit)”。此外,本发明可以采用在计算机可用存储介质上的计算机程序产品的形式,该计算机可用存储介质具有被包含在该介质中的计算机可用程序代码。可以使用任何适当的计算机可读介质,包括硬盘、CD-ROM、光学存储装置、诸如那些支持因特网或内联网的传输介质、或磁性存储装置。
上面参考具体实施例描述了本发明。但是,除上述之外的其他实施例在本发明的范围中同样也是可以的。在本发明的范围内,可以提供利用硬件或软件执行方法的除了上述那些之外的不同的方法步骤。本发明的不同的特征和步骤可以以除了所描述的那些之外的其他组合来进行组合。本发明的范围仅仅由所附权利要求来限定。
Claims (20)
1.一种用于分析具有有壁厚度的壁的基本上管状的血管体的方法,所述方法包括:
根据图像数据集,对所述血管体的至少一部分的至少一个结构构件进行3D重建,
对所述至少一个结构构件生成四边形和/或六面体有限元网格,
对所述至少一个结构构件执行结构非线性有限元分析,以及
由此提供关于所述血管体的所述部分的至少子部分的几何特性和内部力学负荷的信息数据,用于所述血管体的所述分析,其中,所述生成所述四边形和/或六面体有限元网格包括使用所述血管体的所述壁的相关腔和外侧网格,其中,在所述壁的腔内侧边界上的每个节点具有在其外侧边界处的副本,用于所述壁的体积网格生成,以及
将在每个所述副本节点之间的距离确定为在所述副本节点处的所述壁的所述厚度,
以及其中,所述网格被用作用于所述有限元网格生成的几何输入。
2.根据权利要求1的方法,其中,所述提供关于所述血管体的所述部分的至少子部分的几何特性和内部力学负荷的信息数据包括:自动地分析关于所述血管体的至少一部分的几何特性和内部力学负荷的所述信息数据。
3.根据权利要求1所述的方法,进一步包括:
加载和预处理患者图像数据,
查看图像数据集,
定义感兴趣区域,
启动重建过程,
人工充实图像数据集的信息,
将几何对象的腔与图像数据集的剩余解剖信息分割开,
执行2D和3D可变形模型来分割图像数据集,
对逻辑布置点云进行表面细化,
2D和3D网格平滑和优化,
定义、优化和求解有限元问题,
将几何对象的外侧与图像数据集的剩余解剖信息分割开,
对不同的血管组织生成四边形和六面体网格用于有限元分析,
对血管体的几何特性和内部力学负荷进行分析,
提示消息,改变软件相关特性,以及将数据保存到计算机可读介质,
向数据库上载信息以及从数据库下载信息。
4.根据权利要求3的方法,其中2D和3D可变形模型是snake模型或气囊模型。
5.根据任一之前权利要求所述的方法,包括将所有步骤后患者扫描整合到单个系统中,以及提供关于患者特定血管损伤的信息,也就是它的几何特性和它的力学负荷状况。
6.根据权利要求5所述的方法,包括使用独立系统作为所述系统。
7.根据权利要求1所述的方法,其中,所述方法包括使用可变形模型用于重建所述血管体的几何结构。
8.根据权利要求1所述的方法,其中,对至少一个结构构件进行所述3D重建包括基于呈现鲁棒方法的可变形模型的3D精确图像分割,以及其中,所述重建和离散化的构件对象能被直接用作用于所述有限元分析的几何输入。
9.根据权利要求1所述的方法,其中,所述方法包括提供对所述血管体的至少一个表面的四边形网格生成。
10.根据权利要求1所述的方法,其中,所述方法包括提供对血管体的体积的六面体主导网格生成,应用混合有限元用于所述有限元分析。
11.根据权利要求1所述的方法,包括所述血管体的完全3D结构分析,其中,分开处理不同类型的材料。
12.根据权利要求11所述的方法,其中,分开处理不同类型的血管组织。
13.根据权利要求1所述的方法,其中,所述方法包括提供对血管体的汇聚数据的访问。
14.一种由计算装置处理用于分析具有有壁厚度的壁的基本上为管状的血管体的计算机实施的方法,所述计算机实施的方法包括:
根据图像数据集,对所述血管体的至少一部分的至少一个结构构件进行3D重建,
对所述结构构件生成四边形和/或六面体有限元网格,
对所述至少一个结构构件执行结构非线性有限元分析,以及
由此至少提供关于所述血管体的至少一部分的几何特性和内部力学负荷的信息数据,用于所述血管体的所述分析,其中,所述生成所述四边形和/或六面体有限元网格包括使用所述血管体的所述壁的相关腔和外侧网格,其中,在所述壁的腔内侧边界上的每个节点具有在其外侧边界处的副本,用于所述壁的体积网格生成,以及将在每个所述副本节点之间的距离确定为在所述副本节点处的所述壁的所述厚度,
以及其中,所述网格被用作用于所述有限元网格生成的几何输入。
15.根据权利要求14所述的计算机实施的方法,进一步包括:
加载和预处理图像数据,
查看图像数据集,
人工充实图像数据集的信息,
定义感兴趣区域,以及
启动重建过程。
16.根据权利要求15所述的计算机实施的方法,进一步包括:
将几何对象的腔与图像数据集的剩余解剖信息分割开,
执行2D和3D可变形模型来分割图像数据集,
对逻辑布置的点云进行三角形和/或四边形表面细化,
2D和3D网格平滑和优化,
定义、优化和求解有限元问题,
将几何对象的外侧与图像数据集的剩余解剖信息分割开,
对不同的血管组织生成表面网格用于有限元分析,
对不同的血管组织生成体积网格用于有限元分析,
对血管体的几何特性和内部力学负荷进行分析,
提示消息、改变软件相关特性、以及将数据保存到计算机可读介质,以及
向数据库上载信息以及从数据库下载信息。
17.根据权利要求16所述的计算机实施的方法,其中2D和3D可变形模型是snake模型或气囊模型。
18.一种用于分析具有有壁厚度的壁的基本上为管状的血管体的系统,所述系统包括:
用于根据图像数据集对所述血管体的至少一部分的至少一个结构构件进行3D重建的部件,
用于对所述结构构件生成四边形和/或六面体有限元网格的部件,
用于对所述至少一个结构构件执行结构非线性有限元分析的部件,以及
用于由此至少提供关于所述血管体的所述部分的至少子部分的几何特性和内部力学负荷的信息数据用于所述血管体的所述分析的部件,其中,所述生成所述四边形和/或六面体有限元网格包括使用所述血管体的所述壁的相关腔和外侧网格,其中,在所述壁的腔内侧边界上的每个节点具有在其外侧边界处的副本,用于所述壁的体积网格生成,以及将在每个所述副本节点之间的距离确定为在所述副本节点处的所述壁的所述厚度,
以及其中,所述网格被用作用于所述有限元网格生成的几何输入。
19.根据权利要求18所述的系统,其中,所述系统用于就所述血管体的几何特性和力学负荷状况对至少一个血管体进行分析。
20.根据权利要求1所述的方法的使用,其中,在由没有工程专家知识的临床人员操纵根据权利要求18所述的系统上执行所述方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EPPCT/EP2007/061184 | 2007-10-19 | ||
PCT/EP2007/061184 WO2009049681A1 (en) | 2007-10-19 | 2007-10-19 | Automatic geometrical and mechanical analyzing method and system for tubular structures |
PCT/EP2008/064157 WO2009050304A1 (en) | 2007-10-19 | 2008-10-20 | Automatic geometrical and mechanical analyzing method and system for tubular structures |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101903910A CN101903910A (zh) | 2010-12-01 |
CN101903910B true CN101903910B (zh) | 2013-06-12 |
Family
ID=39592798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008801214829A Active CN101903910B (zh) | 2007-10-19 | 2008-10-20 | 用于管状结构的自动几何和力学分析方法及系统 |
Country Status (11)
Country | Link |
---|---|
US (2) | US20100290679A1 (zh) |
EP (1) | EP2206086B1 (zh) |
JP (1) | JP2011500187A (zh) |
CN (1) | CN101903910B (zh) |
AT (1) | ATE508438T1 (zh) |
DE (1) | DE602008006758D1 (zh) |
EA (1) | EA201070501A1 (zh) |
ES (1) | ES2365968T3 (zh) |
HK (1) | HK1150894A1 (zh) |
PL (1) | PL2206086T3 (zh) |
WO (2) | WO2009049681A1 (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012115592A1 (en) * | 2011-02-24 | 2012-08-30 | Agency For Science, Technology And Research | A method and an apparatus for generating a vascular model |
CN102129514B (zh) * | 2011-03-08 | 2013-07-31 | 浙江大学 | 一种基于3d技术的中医五行模型在线展示的实现方法 |
US9968409B2 (en) * | 2011-08-26 | 2018-05-15 | EBM Corporation | System for diagnosing bloodflow characteristics, method thereof, and computer software program |
KR101185727B1 (ko) * | 2011-09-14 | 2012-09-25 | 주식회사 인피니트헬스케어 | 의료영상에서의 세그멘테이션 방법 및 그 장치 |
US9292970B2 (en) * | 2012-04-13 | 2016-03-22 | IntegrityWare, Inc. | Systems and methods of retopologizing graphical data |
US9972128B2 (en) | 2012-07-20 | 2018-05-15 | The University Of British Columbia | Methods and systems for generating polycubes and all-hexahedral meshes of an object |
WO2015023787A1 (en) | 2013-08-13 | 2015-02-19 | Coffey Dane | Computer visualization of anatomical items |
US9922458B2 (en) | 2013-11-04 | 2018-03-20 | The University Of British Columbia | Methods and systems for generating polycube segmentations from input meshes of objects |
US9058692B1 (en) * | 2014-04-16 | 2015-06-16 | Heartflow, Inc. | Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions |
US9849633B2 (en) * | 2014-06-23 | 2017-12-26 | Siemens Product Lifecycle Management Software Inc. | Removing sharp cusps from 3D shapes for additive manufacturing |
CN107209794B (zh) * | 2015-01-28 | 2022-02-08 | 皇家飞利浦有限公司 | 解剖结构的有限元建模 |
US9460519B2 (en) * | 2015-02-24 | 2016-10-04 | Yowza LTD. | Segmenting a three dimensional surface mesh |
CN106304091B (zh) * | 2015-05-15 | 2022-06-14 | 索尼公司 | 用于未授权频段的频率分配的方法和装置 |
US10210657B2 (en) | 2015-07-24 | 2019-02-19 | The University Of British Columbia | Methods and systems for hex-mesh optimization via edge-cone rectification |
CN105335999B (zh) * | 2015-11-24 | 2019-04-19 | 大连楼兰科技股份有限公司 | 街区物体三维扫描生成物体有限元数字模型的方法 |
WO2018031561A1 (en) | 2016-08-12 | 2018-02-15 | Boston Scientific Scimed, Inc. | Distributed interactive medical visualization system with user interface features |
JP2019534490A (ja) | 2016-08-12 | 2019-11-28 | ボストン サイエンティフィック サイムド,インコーポレイテッドBoston Scientific Scimed,Inc. | 一次/二次インタラクション機能を備えた分散型インタラクティブ医療視覚化システム |
CN106447624A (zh) * | 2016-08-31 | 2017-02-22 | 上海交通大学 | 一种基于l0范数的三维网格去噪方法 |
JP6885896B2 (ja) * | 2017-04-10 | 2021-06-16 | 富士フイルム株式会社 | 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム |
US11071591B2 (en) * | 2018-07-26 | 2021-07-27 | Covidien Lp | Modeling a collapsed lung using CT data |
US11995854B2 (en) * | 2018-12-19 | 2024-05-28 | Nvidia Corporation | Mesh reconstruction using data-driven priors |
EP3685756A1 (en) | 2019-01-24 | 2020-07-29 | Koninklijke Philips N.V. | Methods and systems for investigating blood vessel characteristics |
CN111062979B (zh) * | 2019-11-22 | 2023-12-08 | 中国人民解放军总医院 | 基于医学影像获取血栓物理特性参数的可视化方法和可视化系统 |
CN112151180B (zh) * | 2019-12-05 | 2024-03-08 | 苏州润迈德医疗科技有限公司 | 具有狭窄病变的血管数学模型的合成方法和装置 |
CN113538557B (zh) * | 2020-04-15 | 2024-05-03 | 深圳市光鉴科技有限公司 | 基于三维视觉的箱体积测量装置 |
CN113763331A (zh) * | 2021-08-17 | 2021-12-07 | 北京医准智能科技有限公司 | 冠状动脉优势型判定方法、装置、存储介质及电子设备 |
CN113749833B (zh) * | 2021-09-15 | 2023-12-15 | 山西白求恩医院(山西医学科学院) | 血管支架的有限元分析方法及血管支架 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1530792A (zh) * | 2003-03-14 | 2004-09-22 | 西门子公司 | 用于保护电子数据对象免受非授权访问的方法和系统 |
WO2006064479A1 (en) * | 2004-12-17 | 2006-06-22 | Koninklijke Philips Electronics N.V. | System and method for predicting physical properties of an aneurysm from a three-dimensional model thereof |
WO2007009719A1 (en) * | 2005-07-15 | 2007-01-25 | Materialise Dental N.V. | Method for (semi-) automatic dental implant planning |
WO2007060606A1 (en) * | 2005-11-25 | 2007-05-31 | Koninklijke Philips Electronics N.V. | Touchless manipulation of an image |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020016718A1 (en) * | 2000-06-22 | 2002-02-07 | Rothschild Peter A. | Medical image management system and method |
US7840393B1 (en) * | 2000-10-04 | 2010-11-23 | Trivascular, Inc. | Virtual prototyping and testing for medical device development |
WO2004086296A2 (en) * | 2003-03-20 | 2004-10-07 | University Of Washington | Computation of wall thickness |
WO2005069227A1 (en) * | 2004-01-13 | 2005-07-28 | Koninklijke Philips Electronics N.V. | Mesh models with internal discrete elements |
JP2008510499A (ja) * | 2004-06-23 | 2008-04-10 | エムツーエス・インコーポレーテッド | 解剖学的可視化/測定システム |
US8233681B2 (en) * | 2004-09-24 | 2012-07-31 | 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 a blood vessel and tissue surface image for the subject |
KR101216161B1 (ko) * | 2005-03-31 | 2012-12-27 | 유클리드 디스커버리스, 엘엘씨 | 비디오 데이터를 프로세싱하는 장치 및 방법 |
CN101400304A (zh) * | 2006-03-17 | 2009-04-01 | 皇家飞利浦电子股份有限公司 | 测定解剖结构中应力的方法和装置 |
-
2007
- 2007-10-19 WO PCT/EP2007/061184 patent/WO2009049681A1/en active Application Filing
-
2008
- 2008-10-20 US US12/738,629 patent/US20100290679A1/en not_active Abandoned
- 2008-10-20 WO PCT/EP2008/064157 patent/WO2009050304A1/en active Application Filing
- 2008-10-20 PL PL08839308T patent/PL2206086T3/pl unknown
- 2008-10-20 ES ES08839308T patent/ES2365968T3/es active Active
- 2008-10-20 CN CN2008801214829A patent/CN101903910B/zh active Active
- 2008-10-20 DE DE602008006758T patent/DE602008006758D1/de active Active
- 2008-10-20 EA EA201070501A patent/EA201070501A1/ru unknown
- 2008-10-20 EP EP08839308A patent/EP2206086B1/en active Active
- 2008-10-20 JP JP2010529414A patent/JP2011500187A/ja active Pending
- 2008-10-20 AT AT08839308T patent/ATE508438T1/de not_active IP Right Cessation
-
2011
- 2011-05-16 HK HK11104787.6A patent/HK1150894A1/xx not_active IP Right Cessation
-
2014
- 2014-06-04 US US14/296,357 patent/US20140355851A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1530792A (zh) * | 2003-03-14 | 2004-09-22 | 西门子公司 | 用于保护电子数据对象免受非授权访问的方法和系统 |
WO2006064479A1 (en) * | 2004-12-17 | 2006-06-22 | Koninklijke Philips Electronics N.V. | System and method for predicting physical properties of an aneurysm from a three-dimensional model thereof |
WO2007009719A1 (en) * | 2005-07-15 | 2007-01-25 | Materialise Dental N.V. | Method for (semi-) automatic dental implant planning |
WO2007060606A1 (en) * | 2005-11-25 | 2007-05-31 | Koninklijke Philips Electronics N.V. | Touchless manipulation of an image |
Non-Patent Citations (12)
Title |
---|
A Numerical Model to Study the Interaction of Vascular Stents;DIMITRIOS E. KIOUSIS;《Annals of Biomedical Engineering》;20070724;第35卷(第11期);全文 * |
B.J.B.M. Wolters.A patient-specific computational model of fluid–structure.《Medical Engineering & Physics》.2005,第27卷(第10期), |
B.J.B.M. Wolters.A patient-specific computational model of fluid–structure.《Medical Engineering & * |
Computational mesh generation for vascular structures;S. de Putter;《International Journal of Computer Assisted Radiology and Surgey》;20060301;第1卷(第1期);全文 * |
Deformable Models for 3D Medical Images;Laurent D. COHEN;《Proceedings of the Computer Society Conference on Computer Vision and Pattern Recognition》;19920615;全文 * |
DIMITRIOS E. KIOUSIS.A Numerical Model to Study the Interaction of Vascular Stents.《Annals of Biomedical Engineering》.2007,第35卷(第11期), |
E.S. Di Martino.Fluid–structure interaction within realistic three-dimensional.《Medical Engineering & Physics》.2001,第23卷(第9期), |
E.S. Di Martino.Fluid–structure interaction within realistic three-dimensional.《Medical Engineering & * |
Laurent D. COHEN.Deformable Models for 3D Medical Images.《Proceedings of the Computer Society Conference on Computer Vision and Pattern Recognition》.1992, |
Physics》.2001,第23卷(第9期), * |
Physics》.2005,第27卷(第10期), * |
S. de Putter.Computational mesh generation for vascular structures.《International Journal of Computer Assisted Radiology and Surgey》.2006,第1卷(第1期), |
Also Published As
Publication number | Publication date |
---|---|
EA201070501A1 (ru) | 2010-12-30 |
ATE508438T1 (de) | 2011-05-15 |
DE602008006758D1 (de) | 2011-06-16 |
EP2206086A1 (en) | 2010-07-14 |
CN101903910A (zh) | 2010-12-01 |
ES2365968T3 (es) | 2011-10-14 |
WO2009049681A1 (en) | 2009-04-23 |
HK1150894A1 (en) | 2012-01-13 |
JP2011500187A (ja) | 2011-01-06 |
WO2009050304A1 (en) | 2009-04-23 |
US20140355851A1 (en) | 2014-12-04 |
PL2206086T3 (pl) | 2011-10-31 |
US20100290679A1 (en) | 2010-11-18 |
EP2206086B1 (en) | 2011-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101903910B (zh) | 用于管状结构的自动几何和力学分析方法及系统 | |
US10984905B2 (en) | Artificial intelligence for physiological quantification in medical imaging | |
Joldes et al. | BioPARR: A software system for estimating the rupture potential index for abdominal aortic aneurysms | |
EP3657437B1 (en) | Automatic detection and quantification of the aorta from medical images | |
EP3117771B1 (en) | Direct computation of image-derived biomarkers | |
Di Achille et al. | Gaussian process regressions for inverse problems and parameter searches in models of ventricular mechanics | |
US20210319879A1 (en) | Method and system for computer aided detection of abnormalities in image data | |
JP7346553B2 (ja) | 深層学習を使用する3dデータセット内のオブジェクトの成長率の決定 | |
US10390726B2 (en) | System and method for next-generation MRI spine evaluation | |
Villa-Uriol et al. | Toward integrated management of cerebral aneurysms | |
US20230397816A1 (en) | Method of and system for in vivo strain mapping of an aortic dissection | |
Cercos-Pita et al. | NASAL-Geom, a free upper respiratory tract 3D model reconstruction software | |
Mu et al. | Automatic segmentation of abdominal aortic aneurysms from CT angiography using a context-aware cascaded U-Net | |
Malafaia et al. | Robustness analysis of deep learning-based lung cancer classification using explainable methods | |
López-Linares et al. | Image-based 3D characterization of abdominal aortic aneurysm deformation after endovascular aneurysm repair | |
Rouet et al. | A minimally interactive and reproducible method for abdominal aortic aneurysm quantification in 3D ultrasound and computed tomography with implicit template deformations | |
Chung et al. | Artificial intelligence framework to predict wall stress in abdominal aortic aneurysm | |
Rouhollahi et al. | Cardiovision: a fully automated deep learning package for medical image segmentation and reconstruction generating digital twins for patients with aortic stenosis | |
Orłowski et al. | Efficient computation of Hessian-based enhancement filters for tubular structures in 3D images | |
US20220092775A1 (en) | Method and system for determining a significance score associated with a medical imaging dataset of a patient | |
Hong et al. | An implicit skeleton-based method for the geometry reconstruction of vasculatures | |
WO2022174180A1 (en) | System and method for mechanical characterization of heterogeneous tissue | |
Chernyshov et al. | Automated Segmentation and Quantification of the Right Ventricle in 2-D Echocardiography | |
Villa-Uriol et al. | Cerebral aneurysms: a patient-specific and image-based management pipeline | |
Müller | Frameworks in medical image analysis with deep neural networks |
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: 1150894 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: 1150894 Country of ref document: HK |