CN102113016B - 对数据集进行选择性交互式处理的方法 - Google Patents
对数据集进行选择性交互式处理的方法 Download PDFInfo
- Publication number
- CN102113016B CN102113016B CN200980107537.5A CN200980107537A CN102113016B CN 102113016 B CN102113016 B CN 102113016B CN 200980107537 A CN200980107537 A CN 200980107537A CN 102113016 B CN102113016 B CN 102113016B
- Authority
- CN
- China
- Prior art keywords
- data set
- data
- feature
- angiographic
- vessel segment
- 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.)
- Expired - Fee Related
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
- A61B6/4464—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit or the detector unit being mounted to ceiling
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
- A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
- A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- A61B6/5235—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 combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- A61B6/5247—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 combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- 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
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20128—Atlas-based segmentation
-
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Vascular Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Abstract
提出了一种用于对数据集进行选择性交互式处理的方法和装置。收集第一数据集,并且收集第二数据集。从第一数据集中交互式选择第一特征。该选择之后,在识别步骤过程中,使第一特征与第二数据集中的第二特征相对应。可视化第一特征、第二特征以及其组合。
Description
技术领域
本发明涉及一种对数据集进行选择性交互式处理的方法。此外,本发明涉及一种适于执行这种方法的装置、一种当在计算机上运行时适于执行这种方法的计算机程序以及一种包括这种程序的计算机可读介质。
背景技术
在技术、科学和工业的几乎任何领域中,对信息进行处理变得越发重要。能够收集到的并且必须针对不同目的进行分析的信息量正在上升。随着数据数量的增长,对硬件机器的存储和计算能力有过度要求。
例如,对于诸如诊断、图像引导治疗和手术计划的医学目的而言,重要的是处理患者身体中的相关解剖结构和潜在病理结构并且使其可视化。在这一背景下,可能同样重要的是选择两个数据集的对应生理结构和/或解剖结构。利用新科技,通过不同技术和成像系统采集大量高分辨率数据。
人们出于某些目的而特别感兴趣若干数据集的关联和相互关联(interrelation)。例如,从患者身体采集的诸如功能信息和结构信息的数据集的关联,对于允许医师评估患者状况是非常重要的。
若干数据集的关联与巨大的计算努力相关联,该计算努力还与高成本和可能的长计算时间有关。
发明内容
因此,本发明的目的在于提供对数据的改进处理。
根据独立权利要求的主题可以满足这些需求。在从属权利要求中描述本发明的有利实施例。
根据本发明的第一示范性实施例,提出了一种对数据集进行选择性交互式处理的方法,所述方法包括以下步骤:收集第一数据集;收集第二数据集;基于交互式选择确定第一数据集中的第一特征;识别第二数据集中的第二特征,从而使得第一数据集中的第一特征选择性地对应于第二数据集中的第二特征。
换言之,本发明的第一示范性实施例可被视为基于使两个数据集能够进行选择性关联这一想法;即,基于对一个数据集中的特征的选择,确定其他数据集中的对应特征,而可能不需要计算整个数据集的关联。为此,收集两个数据集,并且在一个数据集中,交互式选择第一特征,即,通过用户或者自动地交互式选择第一特征。在选择第一特征之后,在其他数据集中识别对应的第二特征;其中,所述第一数据集是血管造影数据集和组织表征数据集中的一个;其中,所述第二数据集是血管造影数据集和组织表征数据集中的相应的另外一个;其中,所述血管造影数据集包括关于脉管树的数据;其中,所述组织表征数据包括关于组织特性的数据;其中,请求用户选择所述第一特征,获取所述用户的选择并将所述选择链接到所述第一数据集;并且其中,在所述的识别步骤过程中,使所述第一特征与所述第二特征相对应。
以下,将详细地解释根据第一示范性实施例的方法的其他特征和优势。
该方法的步骤能够部分地以任意顺序执行。例如,可以同时或者以第一数据集在第二数据集之前或备选地在其之后的顺序执行对第一数据集和第二数据集的收集。
数据集的收集可以包括例如通过使用以下技术中的一个进行数据集的采集:计算机断层摄影(CT)、单光子发射计算机断层摄影(SPECT)、正电子发射断层摄影(PET)、磁共振(MR)、旋转式X射线和超声成像。当被相同的技术或者系统收集时,两个数据集可以包括在时序采集的不同时间点处采集的数据。
或者,可以从存储介质或者诸如影像存储与传输系统(PACS)的系统中检索一个或两个数据集,该影像存储与传输系统例如包括解剖图集或者来自显微分析的数据,例如组织学数据集。可以使用相同的采集或者检索技术来收集第一数据集和第二数据集,或者可以使用不同的技术收集它们。
数据集可以包含任何信息,并且可以包括若干维度。例如,任何数据集可以为一维的、二维的、三维的或者四维的图像数据集。或者,任何数据集可以为原始或者经处理的分析数据集。
在收集这两个数据集之后,基于交互式选择确定第一数据集中的第一特征。该第一特征例如可以是包含在第一数据集中的一组数据。第一特征的示例可以是血管造影数据集中的脉管树上的感兴趣点,或者,其可以是组织表征数据集中的感兴趣区域。组织表征数据集可以是诸如心脏的器官的解剖、形态学或者组织学的图像或者数据集。或者,组织表征数据可以是解剖图集数据。
交互式选择可以由用户进行,例如由医师进行,并且其选择可以取决于医学问题和所使用的方法。例如,可以根据在诸如显示器的输出设备上的数据集的可视化通过使用输入设备进行选择。还可以自动地进行交互式选择,例如,取决于预先选择的参数。
第一特征的交互式选择之后为识别第二数据集中的第二特征。第二特征例如可以是类比于第一特征的包含在第二数据集中的一组数据。第二特征的示例取决于第一特征的选择可以是组织表征数据集中的组织区域或者血管造影数据集中的脉管树段。即,如果从第一数据集中选择的是脉管树上的感兴趣点,则可以将第二数据集中的组织区域确定为对应特征。
对数据集的选择性识别或处理被认为能够极大降低必需的处理能力,这可以节省成本和时间。另外,选择性交互式方法可以通过使用仅针对必需或者请求数据的处理能力而使数据集的处理更加有效。这在可能加速检查过程并且减少患者不舒适性的医学应用中尤其重要。此外,数据的选择性识别或者处理可以大致减轻医师的数据阐释的工作,并且因此促进并加速针对许多不同临床应用的诊断和治疗计划,所述临床应用例如是数据融合和识别不同临床数据集之间的对应关系。另外,当将图像处理方法局部地并且选择性地应用于专门的脉管地域(territory)时可以提高图像质量。
根据本发明的示范性实施例,该方法还包括对第一特征、第二特征以及第一特征和第二特征的组合中的一个进行可视化的步骤。
能够在诸如显示器或者屏幕的分立输出设备上可视化各特征,或者在一个输出设备上以组合呈现可视化各特征。此外,可以将特征彼此组合并且与整个数据集组合地进行可视化。也可以将这两个数据集以分开的或者组合的二维呈现或者备选地三维呈现进行可视化,例如作为准原始数据。
关联特征的可视化对于评估和分析数据很重要。例如,在手术计划中,在从某些脉管局部解剖结构(topology)开始的器官的不同区域中分析组织特性很重要。因此用户可以选择脉管段,并且最终得到对应的灌注信息。当观察某些组织特性并且检测不规则性时,用户可以选择有待研究的灌注区域,例如通过使其处于屏幕上,并且最终得到负责供应所选择的灌注区域的对应的血管局部解剖结构。这例如对于患者诊断非常重要且有帮助的,因为灌注区域中的灌注可能与供应血管强烈地相互关联,反之亦然。
根据本发明的另一示范性实施例,第一数据集是血管造影数据集和组织表征数据集中的一个,而第二数据集是血管造影数据集和灌注数据集中的相应另一个。血管造影数据集包括关于脉管树的数据,而组织表征数据包括关于组织特性的数据。
诸如灌注数据的组织表征数据能够提供例如关于过程的至关重要的功能信息,通过该过程营养物通过脉管系统被递送到组织区域以及诸如心脏、肝脏、肾和大脑的器官的细胞。灌注是组织活性和病理血液供应的基本指标。组织表征数据集可以是多维数据集,例如,其可以包含三维或者优选地四维的信息。组织表征数据包括关于组织特性的数据,例如,组织区域以及与这些区域有关的参数。
在灌注测量中,静脉注射造影剂,并且通过随后重复采集的图像测量造影剂的分布和局部浓度。造影剂使得能够在所采集的数据中对信号变化进行测量,并且所述测量产生例如四维数据集:其中三维针对其具有造影剂强度的体积的位置,该强度正比于造影剂的浓度,并且一维针对时间。
在采集组织表征数据集之后,执行分析,例如在灌注数据的情况下,执行灌注分析:为了使图像阐释变容易,并且为了压缩信息,可以进一步处理组织表征数据。例如,执行降噪和运动校正。然后,例如借助于配准技术以及在应用专用隔室(compartment)建模之后,提取例如所谓灌注图。
在灌注图中,根据示范性实施例,例如可以以彩色编码形式将诸如注射的造影剂团注的平均通过时间(MTT)、增强峰值时间(TTP)、增强峰值(PEI)的不同灌注参数可视化。医师可以使用这些灌注图以检测例如肿瘤的不正常的组织,并且为例如脑卒中患者评估组织活性。
血管造影数据集可以提供与诸如动脉、静脉和心室的充血结构有关的重要结构信息。特别是从关于充血结构的信息,可以导出脉管树的结构,其对应于血液系统的脉管的局部解剖结构和形态结构。血管造影数据集也可以是多维数据集,例如,二维数据集或者优选地三维数据集。
在生成相关解剖结构和潜在病理结构的表示之前,可以在血管造影数据集上执行一系列图像处理步骤。例如,就组织表征数据集而言,执行降噪和运动校正。然后,例如利用区域生长算法,执行脉管分割。手动或者优选地自动执行该分割。在分割之后,执行用于分析脉管结构的步骤。在该步骤中,分析被分割脉管的几何结构和分枝结构。利用来自该分析的信息,将感兴趣区的脉管系统自动与人体内的脉管系统结构库的进行比较,并进行识别。因此,例如观察患者肝脏血管造影的医师不需要识别流入和流出肝脏的不同肝脉管,因为根据示范性实施例能够自动识别和表示这些肝脉管。
例如,在手术计划中,脉管的结构和形态以及其与肿瘤的关系是人们主要感兴趣的。对于医师而言,访问两个数据集,血管造影和诸如灌注测量的组织表征测量是有帮助的。因此,例如有必要评估组织供养血管处的任何病状,其中可以在灌注数据集的可视化中识别出局部灌注缺陷的同时在血管造影数据集的可视化中识别出所述病状。
结构和功能数据集,即血管造影数据集和组织表征数据集的组合被认为是有利的,因为医师能够更快地导出所需信息。
根据本发明的另一示范性实施例,请求用户选择第一特征,并且获取用户的选择,将该选择链接到第一数据集。在识别步骤过程中,使第一特征与第二特征相对应。
在收集这两个数据集之后,请求用户选择第一特征,其可以是血管造影数据集中脉管树上的感兴趣点,或者诸如灌注数据集的组织表征数据集中的感兴趣区域。可以请求用户借助于包含输入和输出设备的交互设备进行选择。交互设备例如可以是具有屏幕和指针设备的计算机。
将用户的选择链接到第一数据集,以便实现关联过程。对于使第一特征与第二特征相对应的识别步骤,可以应用不同的方法。例如,对于脉管或脉管段与由脉管供应的脉管地域的关联而言,必须为血管造影数据集中的每个体素分配对应于供应脉管或者脉管段的段号。该分配可以是诸如度量空间中的距离的函数,并且可以描述脉管或者脉管段能够到达体素并且供应体素的概率。在针对该分配的函数中,考虑体素到下一个脉管段的最小距离。在分配中也可以考虑在相应的脉管或者脉管段中测量的局部流量分数(local flowfraction)。所述局部流量分数对应于在某时间内通过一部分脉管的血液量。可以借助于不同的技术收集与局部流量分数fi有关的数据,例如在实时二维介入式血管造影或者MR测量中采集。
必须进行第一数据集和第二数据集之间配准的另一步骤。例如,进行组织表征数据集和血管造影数据集之间的配准很重要,特别是当数据来自于不同的收集或者成像模态时。在该步骤中,例如利用自动或者可能半自动的配准手段将血管造影数据集对准到组织表征数据集。
用户例如可以是医师,并且其选择取决于医学问题和方法。例如,在手术计划中,重要的是分析在从某些脉管局部解剖结构开始的器官的不同区域中的灌注。因此用户可以通过选择脉管树上的感兴趣点而选择脉管段,并且最终得到对应的灌注信息。当观察某些灌注图并且检测不规则性时,用户可以选择有待研究的灌注区域,例如通过使其处于屏幕上,并且最终得到负责供应所选择的灌注区域的对应脉管局部解剖结构,即脉管树。这对于例如进行患者诊断非常重要且很有帮助,因为灌注区域中的灌注可能与供应脉管强烈相关,反之亦然。
根据本发明的另一示范性实施例,如果第一特征是血管造影数据集中的脉管树上的感兴趣点,则识别作为组织表征数据集中的对应组织区域的第二特征。如果第一特征是组织表征数据集中的感兴趣区域,则识别作为血管造影数据集中的脉管树上对应一段的第二特征。如果第一特征是脉管树上的感兴趣点,则将显示对应组织区域或者显示组织区域以及连同相应脉管树部分的感兴趣点。如果第一特征是组织表征数据集中的感兴趣区域,则将显示对应脉管树部分或者显示感兴趣区域及对应脉管树部分。
根据本发明的另一示范性实施例,以强调的方式执行可视化,和/或以融合呈现将所选择的特征和对应特征可视化。
强调的方式表示一种可视化模式,其中例如通过仅示出数据的部分、通过彩色编码所述呈现或者通过使用不透明和透明的呈现而加重和/或挑出重要的或者所选择的部分。例如在组织表征数据的可视化中,例如关于所预测的脉管地域的灌注数据的可视化中,仅将针对感兴趣的脉管或者脉管段所计算的脉管地域的组织表征数据进行可视化。或者,可以相对于供养脉管层次将组织表征数据堆栈进行排序和剪裁。强调可视化的另一示例可以为应用特殊彩色图以高亮显示感兴趣的脉管地域。或者,可以利用诸如度量空间中的距离的某种函数来定义另一彩色图,以将组织表征数据集中的体素属于感兴趣的脉管或者脉管段的供应地域的概率进行可视化。
利用强调可视化可以促进对第一数据集和第二数据集的复杂相互关联的解释和评估。
通过将来自两个或者更多个诸如血管造影数据集和组织表征数据集的图像或者信息源的相关信息组合到单个图像中的这一过程可以得到融合的呈现。所得到的图像可以包含比输入图像更多的信息,或者可以更容易地理解该信息。图像融合的方法基于例如高通滤波技术、平均化或者主成分分析。或者,可以使用软件或者混合检测技术来叠加两个或者更多个图像。
第一数据集和第二数据集的融合呈现的应用对于观看和分析数据是非常有利的。例如,在诊断中,组合有组织供应脉管的明确分析的融合呈现有助于评估组织供养脉管局部解剖结构处的病理连同局部灌注缺陷。
根据本发明的另一示范性实施例,方法还包括处理血管造影数据集的步骤。处理血管造影数据集生成脉管段与由相应脉管段供养的地域之间的关联。脉管段与由相应脉管段供养的地域之间的关联的生成基于组织灌注的生理模型或者距离度量。
脉管段与由相应脉管段供养的地域之间的关联的生成包括欧几里德距离变换,以获得血管造影数据集的体素与脉管段之间的最小距离。该关联也可以基于在脉管段内测量的局部流量分数。
对于脉管段与脉管地域的关联,必须为在3维血管造影数据集的测量中采集的每个体素v分配对应于在所采集的数据集中来自所有脉管B的组中的供应脉管段Bi的段号或者指数i:
其中,n可以是在所采集的数据集中所有脉管B的数量。由该脉管段或者分枝供应的所有体素的集合可以表示器官的段i。该体素的集合由Si表示。
段号i到体素v的分配可以为反映脉管段Bi能够到达并且供应体素v的概率的函数。对该概率的测度可以被描述为度量空间中的距离。在选择度量之后,可以将体素v分配给相对于所选择的度量而言具有到体素v的最短距离的脉管段Bi。
欧几里德距离变换是一种可能的度量选择。对于每个脉管段Bi,欧几里德距离di(v)被定义为:
该距离变换为每个体素v提供了朝向所考虑的脉管段Bi的最小距离,利用这一度量,体素v被如下地分配给脉管段Bi:对于每个体素v,计算所有n距离变换上的最小距离值,将相应的血管Bi的段号i分配给体素v:
dk(v)=min{d1(v)...dn(v)}
g(v)=k
g(v)可以表示将下一个相邻的血管Bk的段号k分配给体素v的函数。
之后,为了定义分开的脉管地域,将具有相同段号i的所有体素v收集到集合中
Si={v|g(v)=i}
Si表示由脉管段或分枝供应的所有体素的集合,并且可以表示器官的段i。
为了改进针对脉管段与脉管地域关联的方法的精度,可以考虑其它参数。例如,可以使用有关诸如灌注的自然边界、骨骼、裂隙和韧带的感兴趣区的局部组织特性的更深远的图集知识来更准确地对局部灌注进行建模。所述知识可以被存储在例如可能存在于用于检查的装置上的库中。或者,可以使用来自图像分析的公知分割方法从所考虑的数据集中提取知识。
对针对脉管段和脉管地域关联的方法的精度的进一步改进可以通过考虑在脉管段Bi内测量的局部流量分数fi而实现。可以应用功能性分析按以下方式来将局部流量分数fi测量值与预测的脉管地域的位置和维度相关:
hi(f)=si/fi
s表示脉管分枝特异性调谐参数,其可以反映局部狭窄或者其它病理的程度。通过将局部流量分数fi包括在脉管段和脉管地域的关联中,能够解释以下这一事实:在生理状况下,相对于具有较小流量分数的脉管段,具有高流量的大脉管段供应更大的组织床以及更大的脉管地域。这可以使关联更加精密和准确。
实施所收集的数据集与所生成的关联之间的似然性核查的另一步骤是可能的,所述关联为第一特征和第二特征之间的关联。
例如,通过将所收集的诸如灌注数据的组织表征数据与例如基于所测得的注射造影剂的团注抵达时间而预测的脉管地域进行比较而执行似然性核查。该似然性核查可以用作对诸如可视化的结果精度的验证和鉴定。
根据本发明的另一示范性实施例,方法还包括对第一数据集、第二数据集、第一特征、第二特征及其组合进行选择性处理的步骤。
选择性处理为局部地应用于第一数据集、第二数据集、第一特征、第二特征或者其组合的诸如运动补偿或者降噪的技术。优选地,在可视化之前向第二特征应用选择性处理。
针对交互性定义的诸如脉管地域的特征应用图像处理技术可以显著地有助于提高可视化结果的精度。
根据本发明的另一示范性实施例,提出一种装置,其包括可视化设备、用户交互设备以及计算单元。该装置适于执行以下步骤:收集第一数据集;收集第二数据集;基于交互式选择确定第一数据集中的第一特征;识别第二数据集中的第二特征,使得第一数据集中的第一特征选择性地对应于第二数据集中的第二特征;其中,所述第一数据集是血管造影数据集和组织表征数据集中的一个;其中,所述第二数据集是血管造影数据集和组织表征数据集中的相应的另外一个;其中,所述血管造影数据集包括关于脉管树的数据;其中,所述组织表征数据包括关于组织特性的数据;其中,请求用户选择所述第一特征,获取所述用户的选择并将所述选择链接到所述第一数据集;并且其中,在所述的识别步骤过程中,使所述第一特征与所述第二特征相对应。
根据本发明的另一示范性实施例,装置还包括用于收集第一数据集和第二数据集的设备。用于收集第一数据集和第二数据集的设备是CT设备、SPECT设备、PET设备、MR设备、旋转式X射线设备、超声成像设备和PACS系统中的一个,PACS系统例如包括解剖图集或者来自显微分析的诸如组织学数据集的数据。
此外,装置可以包括造影剂注射系统。造影剂注射系统可以将造影剂例如经静脉地注射到患者的血液系统中,所述造影剂例如是用于计算机断层摄影(CT)和X射线成像的含碘物质、用于磁共振(MR)的钆以及用于核成像的标记O-15的水和/或Tc-99m配体。
用户交互设备可以是输入设备、输出设备或者输入和输出设备的组合,这种组合例如为屏幕和键盘或者触摸屏。用户交互设备用于以组合的可视化来呈现第一数据集(例如,血管造影数据集)及其特征以及第二数据集(例如,诸如灌注数据集的组织表征数据集)及其特征的可视化。
计算单元适于执行上述方法步骤或引起上述方法步骤的执行。此外,其适于操作与其连接的设备,所述设备例如为造影剂注射系统、用于采集数据集的设备以及用户交互设备。此外,计算单元从收集设备或者备选地从诸如PACS的系统收集第一数据集和第二数据集。计算单元适于执行和/或自动操作用户的命令。此外,计算单元请求来自用户的选择并且处理来自该用户的输入。
根据本发明的另一示范性实施例,提出一种具有计算机程序单元的计算机可读介质。计算机程序单元当在计算机上运行时令计算机的处理器执行以下步骤:收集第一数据集;收集第二数据集;
基于交互式选择确定第一数据集中的第一特征;
识别第二数据集中的第二特征,从而使得第一数据集中的第一特征选择性地对应于第二数据集中的第二特征。
根据本发明的另一示范性实施例,提出一种对数据集进行选择性交互式处理的装置,包括:用于收集第一数据集的模块;用于收集第二数据集的模块;用于基于交互式选择确定所述第一数据集中的第一特征的模块;以及用于识别所述第二数据集中的第二特征,从而使得所述第一数据集中的所述第一特征选择性地对应于所述第二数据集中的所述第二特征的模块;其中,所述第一数据集是血管造影数据集和组织表征数据集中的一个;其中,所述第二数据集是血管造影数据集和组织表征数据集中的相应的另外一个;其中,所述血管造影数据集包括关于脉管树的数据;其中,所述组织表征数据包括关于组织特性的数据;其中,请求用户选择所述第一特征,获取所述用户的选择并将所述选择链接到所述第一数据集;并且其中,在所述的识别过程中,使所述第一特征与所述第二特征相对应。
必须注意到的是参考不同主题描述了本发明的实施例。具体而言,参考方法类型的权利要求描述了一些实施例,而参考装置类型的权利要求描述了其他实施例。然而,本领域技术人员将从说明书中领会到,除非另有说明,否则本申请除了公开属于一种主题类型的特征的任意组合以外,还公开了与不同主题有关的特征之间的任意组合。
本发明以上定义的各方面以及其他方面、特征和优势也可以从以下将要描述的实施例的示例中导出,并且参考实施例的示例进行解释。以下将参考实施例的示例更详细地描述本发明,但本发明并不限于实施例。
附图说明
图1示出了示意性地表示根据本发明示范性实施例的用于对数据集进行选择性交互式处理的方法的流程图;
图2示出了示意性地表示根据本发明示范性实施例的用于对局部解剖结构特异性组织表征数据进行选择性可视化的方法的流程图;
图3示出了示意性地表示根据本发明另一示范性实施例的用于对局部解剖结构特异性组织表征数据进行选择性可视化的方法的流程图;
图4A示出了可用于本发明示范性实施例的对三维血管造影数据的经分割的脉管的可视化的示意性表示;
图4B示出了可用于本发明示范性实施例的对三维血管造影数据的感兴趣区内脉管局部解剖结构连同对应的脉管地域的可视化的示意性表示;
图5A示出了可用于本发明示范性实施例的对三维血管造影数据的经分割的脉管的可视化的另一示意性表示;
图5B示出了可用于本发明示范性实施例的对三维血管造影数据的感兴趣区内脉管局部解剖结构连同对应的脉管地域的可视化的另一示意性表示;
图6A示出了可用于本发明示范性实施例的利用可视化对应的脉管地域和供养脉管的步骤进行四维组织表征数据可视化的示意性表示;
图6B示出了可用于本发明示范性实施例的利用可视化对应的脉管地域和供养脉管的步骤进行四维组织表征数据可视化的示意性表示;
图7示出了根据本发明示范性实施例的用于以组合的可视化来可视化血管造影数据集和组织表征数据集的装置的示意性表示。
具体实施方式
图1描述了根据本发明示范性实施例的用于对数据集进行选择性交互式处理的以流程图表示的方法的步骤。
在第一步骤S01中,收集第一数据集。在第二步骤S02中,收集第二数据集。第一数据集可以是血管造影数据集和如同灌注数据集的组织表征数据集中的一个。第二数据集可以是血管造影数据集和灌注数据集中的相应一个。在第三步骤S03中,请求用户选择第一特征,获取用户的选择并且将该选择链接到第一数据集。选择之后,在识别步骤S04过程中使第一特征对应于第二特征。
如果由用户选择的第一特征是血管造影数据集中的脉管树上的感兴趣点,则在步骤五S05中识别作为灌注数据集中的对应组织区域的第二特征。在识别之后,在步骤七S07中显示和/或处理该对应组织区域或者显示和/或处理组织区域以及利用对应脉管树部分的感兴趣点。
如果由用户选择的第一特征是灌注数据集中的感兴趣区域,则在步骤S06中识别作为血管造影数据集中的脉管树中对应一段的第二特征。该识别之后,在步骤S08中显示和/或处理该脉管树中对应一段或者感兴趣区域及脉管树中对应一段。
图2描述了根据本发明示范性实施例的用于对局部解剖结构特异性组织表征数据选择性进行可视化的以流程图表示的方法的步骤。在图2示出的示范性实施例中,用户可以仅从血管造影数据集中选择感兴趣特征。
首先,在步骤S10a中收集血管造影数据集。同时,在收集血管造影数据集之前或者之后,在步骤S10b中收集如同灌注数据集的组织表征数据集。在步骤S20中利用血管造影数据集自动执行供养脉管局部解剖结构的脉管分割和建模。随后,在步骤S30中请求用户选择血管造影数据集中的脉管树上的感兴趣点。在步骤S40中,生成脉管段与由相应脉管段供养的地域之间的关联。在这些步骤之前、之后或者同时,可以在步骤S50中执行用于定义灌注图的灌注分析。作为最后一个步骤,在步骤S60中将包括所选择的感兴趣点的脉管连同由相应脉管段供养的相关地域内的对应组织区域可视化和/或进行处理。
更详细地,可以如下地描述方法的步骤:首先,在步骤S10a和S10b中收集血管造影以及相应组织区的动态灌注研究。之后,在步骤S20中利用血管造影数据执行对供养脉管局部解剖结构的自动脉管分割和建模。之后,在步骤S30中用户针对脉管分割结果定义感兴趣脉管或者感兴趣脉管层次。随后,应用从感兴趣点开始的灌注模型:在步骤S40中,假定同种组织灌注模型以定义分开的供养脉管地域。为此,借助于欧几里德距离变换并且考虑如上描述的诸如局部流量分数的其他参数,计算从感兴趣点开始的血管分割结果的距离变换。之后,在步骤S50中执行利用公知(全局)方法的灌注分析。有利地,使用(一条或多条)感兴趣脉管的流量分析结果来定义用于灌注分析的更准确输入函数。在执行这些步骤之后,在步骤S60中针对预测的脉管地域可视化灌注数据。对于可视化的方式,存在若干种可能:仅可视化针对(一条或多条)感兴趣脉管计算的脉管地域内的灌注数据,或者可视化针对供养脉管层次排序并且剪裁的灌注数据堆栈。或者,使用特殊彩色图以高亮显示感兴趣的脉管地域,或者利用例如上述的距离度量定义另一彩色图以可视化灌注数据集中的体素属于感兴趣血管的供应地域的概率。任选地,在步骤S40中针对标记结果执行对灌注图和本地(native)灌注数据的后期处理步骤(未在流程图中示出)。
图3示出了根据本发明另一示范性实施例的用于对局部解剖结构特异性组织表征数据进行选择性可视化的以流程图表示的方法的步骤。在图3示出的实施例中,用户可以从组织表征数据集中选择感兴趣区域。
类比于图2,在步骤S101a收集血管造影数据集,并且与收集血管造影数据集同时地、之前或者之后,在步骤S101b中收集诸如灌注数据集的组织表征数据集。在步骤S102中利用血管造影数据集自动执行对供养脉管局部解剖结构的脉管分割和建模。同样类比于图2,在这些步骤之前、之后或者同时,在步骤S105中执行灌注分析以用于定义灌注图。在图3的实施例中,在灌注分析步骤之后并且基于灌注分析结果,在步骤S103中请求用户选择包括在感兴趣区中的灌注区域。基于在步骤102中对血管造影数据集的脉管分割,与灌注分析同时、在其之前或者之后,在步骤S104中生成脉管段与由相应脉管段供养的地域之间的关联。作为最后步骤,在步骤S106中将所选择的组织区域内的部分灌注图连同关联的脉管树部分一起可视化。
图3示出的实施例表示图2中的实施例所呈现的前向方法的倒置(inversion)。用户在步骤S103中标记临床相关灌注区,而非像在步骤S30中定义脉管树上的感兴趣点。在该步骤之后,开始反向灌注分析,以找到最有可能供养相应组织体积的脉管段。因此,用户定义的感兴趣地域必须与一组对不同脉管地域的预测相关。由于所预测的脉管地域的维度主要取决于所考虑的脉管层次,因此必须根据预先设置计算或者收集感兴趣脉管层次的专用值。
图4A描述了根据本发明示范性实施例的对三维血管造影数据的经分割的脉管的可视化的示意性表示。并且图4B描述了根据本发明示范性实施例的图4A中的可视化连同对应脉管地域的示意性表示。
在图4A和4B中,表示了针对人肝脏9进行诸如灌注分析的组织表征数据的局部解剖结构特异性分析以及可视化的临床示例。在从所收集的三维血管造影数据集中导出的肝脉管树1中,由用户选择感兴趣动脉3,例如由医师选择感兴趣动脉3。对于所有与感兴趣动脉3具有相同层次的脉管,计算相应的脉管地域5,并将其可视化;在下一步骤(未在图4A和4B中示出),可以针对分开的脉管地域5执行四维灌注分析。可视化对应于图2描述的方法实施例的步骤S20、S30和S40。
图5示出了根据本发明另一示范性实施例的三维血管造影数据的经分割的脉管的可视化的示意性表示。并且图5B示出了根据本发明另一示范性实施例的图5A中的可视化连同对应的脉管地域的示意性表示。图5A和图5B示出了类比于图4A和图4B的另一临床示例。
图6A示出了根据本发明示范性实施例的利用对对应的脉管地域可视化和对供养脉管可视化的步骤进行四维灌注数据可视化的示意性表示。
根据图3中的流程图所示的方法,表示了针对人肝脏9进行局部解剖结构特异性灌注分析和可视化的临床示例。在从所采集的四维灌注数据集中导出的肝灌注图11中,由用户选择感兴趣区域13。分析相关肝脉管树1的脉管地域5以识别供养用户定义的灌注区域13的脉管段15。图6B示出了类比于图6A的另一临床示例。
图7描述了以组合可视化来可视化血管造影数据集和组织表征数据集的装置的示意性表示。装置21包括用于执行对血管造影数据集和组织表征数据集的采集的设备23。此外,装置21包括用户交互设备27、可视化设备31和计算单元29。装置21的各部件彼此互连。
应该注意的是,术语“包括”不排除其他元件或者步骤,并且“一”、“一个”不排除多个。也可以将参考不同实施例描述的各元件进行组合。也应该注意的是,不应将权利要求中的附图标记解释为对权利要求范围的限制。
Claims (10)
1.一种对数据集进行选择性交互式处理的方法,所述方法包括以下步骤:
收集第一数据集;
收集第二数据集;
基于交互式选择确定所述第一数据集中的第一特征;
识别所述第二数据集中的第二特征,从而使得所述第一数据集中的所述第一特征选择性地对应于所述第二数据集中的所述第二特征;
其中,所述第一数据集是血管造影数据集和组织表征数据集中的一个;
其中,所述第二数据集是所述血管造影数据集和所述组织表征数据集中的相应另一个;
其中,所述血管造影数据集包括关于脉管树的数据;
其中,所述组织表征数据集包括关于组织特性的数据;
其中,所述方法还包括处理所述血管造影数据集;
其中,处理所述血管造影数据集生成脉管段与由相应脉管段供养的地域之间的关联;
其中,请求用户选择作为灌注区域和供养所述灌注区域的脉管段中一个的所述第一特征,获取所述用户的选择并将所述选择链接到所述第一数据集;并且
其中,在所述的识别步骤过程中,使所述第一特征与作为所述脉管段和所述灌注区域中相应另一个的所述第二特征相对应。
2.根据权利要求1所述的方法,还包括对所述第一特征、所述第二特征以及所述第一特征和所述第二特征的组合中的一个进行可视化的步骤。
3.根据权利要求1到2中的一项所述的方法,其中
如果所述第一特征是所述血管造影数据集中的所述脉管树上的感兴趣点,则识别作为所述组织表征数据集中的对应组织区域的所述第二特征;
如果所述第一特征是所述组织表征数据集中的感兴趣区域,则识别作为所述血管造影数据集中的对应脉管树部分的所述第二特征;并且
其中,如果所述第一特征是所述脉管树上的感兴趣点,则显示所述对应组织区域或者显示所述组织区域以及连同相应脉管树部分的所述感兴趣点;并且
其中,如果所述第一特征是所述组织表征数据集中的感兴趣区域,则显示所述对应脉管树部分或者显示所述感兴趣区域及所述对应脉管树部分。
4.根据权利要求2所述的方法,其中,以强调方式执行所述可视化使得所可视化的第一和/或第二特征被强调,并且以融合呈现可视化所选择的特征和对应的特征。
5.根据权利要求1所述的方法,其中,脉管段与由相应脉管段供养的地域之间的所述关联的所述生成基于在所述脉管段内测量的局部流量分数和/或所述血管造影数据集的体素与所述脉管段之间的最小距离。
6.根据权利要求1所述的方法,还包括对所述第一数据集、所述第二数据集、所述第一特征、所述第二特征及其组合进行选择性处理的步骤。
7.一种对数据集进行选择性交互式处理的装置(21),包括:
可视化设备(31);
用户交互设备(27);以及
计算单元(29),其被配置为收集第一数据集;收集第二数据集;基于交互式选择确定所述第一数据集中的第一特征;并且识别所述第二数据集中的第二特征,从而使得所述第一数据集中的所述第一特征选择性地对应于所述第二数据集中的所述第二特征;
其中,所述第一数据集是血管造影数据集和组织表征数据集中的一个;
其中,所述第二数据集是所述血管造影数据集和所述组织表征数据集中的相应另一个;
其中,所述血管造影数据集包括关于脉管树的数据;
其中,所述组织表征数据集包括关于组织特性的数据;
其中,所述计算单元还适于处理所述血管造影数据集;
其中,处理所述血管造影数据集生成脉管段与由相应脉管段供养的地域之间的关联;
其中,请求用户选择作为灌注区域和供养所述灌注区域的脉管段中一个的所述第一特征,获取所述用户的选择并将所述选择链接到所述第一数据集;并且
其中,在所述的识别过程中,使所述第一特征与作为所述脉管段和所述灌注区域中相应另一个的所述第二特征相对应。
8.根据权利要求7所述的装置(21),
还包括用于收集第一数据集和第二数据集的设备(23);
其中,用于收集第一数据集和第二数据集的所述设备是CT设备、SPECT设备、PET设备、MR设备、旋转式X射线设备、显微设备、超声成像设备和PACS系统中的一个。
9.一种对数据集进行选择性交互式处理的装置,包括:
用于收集第一数据集的模块;
用于收集第二数据集的模块;
用于基于交互式选择确定所述第一数据集中的第一特征的模块;以及
用于识别所述第二数据集中的第二特征,从而使得所述第一数据集中的所述第一特征选择性地对应于所述第二数据集中的所述第二特征的模块;
其中,所述第一数据集是血管造影数据集和组织表征数据集中的一个;
其中,所述第二数据集是所述血管造影数据集和所述组织表征数据集中的相应另一个;
其中,所述血管造影数据集包括关于脉管树的数据;
其中,所述组织表征数据集包括关于组织特性的数据;
其中,所述装置还包括用于处理所述血管造影数据集的模块;
其中,处理所述血管造影数据集生成脉管段与由相应脉管段供养的地域之间的关联;
其中,请求用户选择作为灌注区域和供养所述灌注区域的脉管段中一个的所述第一特征,获取所述用户的选择并将所述选择链接到所述第一数据集;并且
其中,在所述的识别过程中,使所述第一特征与作为所述脉管段和所述灌注区域中相应另一个的所述第二特征相对应。
10.一种具有计算机程序单元的计算可读介质,所述计算机程序单元当在计算机上运行时,令所述计算机的处理器执行以下步骤:
收集第一数据集;
收集第二数据集;
基于交互式选择确定所述第一数据集中的第一特征;并且
识别所述第二数据集中的第二特征,从而使得所述第一数据集中的所述第一特征选择性地对应于所述第二数据集中的所述第二特征;
其中,所述第一数据集是血管造影数据集和组织表征数据集中的一个;
其中,所述第二数据集是所述血管造影数据集和所述组织表征数据集中的相应另一个;
其中,所述血管造影数据集包括关于脉管树的数据;
其中,所述组织表征数据集包括关于组织特性的数据;
其中,所述计算机程序单元令所述处理器还处理所述血管造影数据集;
其中,处理所述血管造影数据集生成脉管段与由相应脉管段供养的地域之间的关联;
其中,请求用户选择作为灌注区域和供养所述灌注区域的脉管段中一个的所述第一特征,获取所述用户的选择并将所述选择链接到所述第一数据集;并且
其中,在所述的识别过程中,使所述第一特征与作为所述脉管段和所述灌注区域中相应另一个的所述第二特征相对应。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP08102356 | 2008-03-06 | ||
EP08102356.6 | 2008-03-06 | ||
PCT/IB2009/050845 WO2009109905A2 (en) | 2008-03-06 | 2009-03-03 | Method of selectively and interactively processing data sets |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102113016A CN102113016A (zh) | 2011-06-29 |
CN102113016B true CN102113016B (zh) | 2017-12-26 |
Family
ID=41056411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980107537.5A Expired - Fee Related CN102113016B (zh) | 2008-03-06 | 2009-03-03 | 对数据集进行选择性交互式处理的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20110060755A1 (zh) |
EP (1) | EP2252973A2 (zh) |
JP (1) | JP5820117B2 (zh) |
CN (1) | CN102113016B (zh) |
WO (1) | WO2009109905A2 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9414798B2 (en) * | 2009-03-25 | 2016-08-16 | Siemens Medical Solutions Usa, Inc. | System and method for automatic trigger-ROI detection and monitoring during bolus tracking |
EP2465094B1 (en) * | 2009-08-12 | 2016-01-06 | Koninklijke Philips N.V. | Generating object data |
CN103298406B (zh) * | 2011-01-06 | 2017-06-09 | 美国医软科技公司 | 用于在功能和解剖级对器官疾病进行治疗规划的系统和方法 |
GB201303659D0 (en) * | 2013-03-01 | 2013-04-17 | King S College London | Method and system for overlaying images or data |
WO2014192751A1 (ja) * | 2013-05-27 | 2014-12-04 | 株式会社東芝 | 画像処理装置及び画像処理方法 |
JP6634381B2 (ja) * | 2014-11-10 | 2020-01-22 | 株式会社日立製作所 | 画像処理装置、x線ct装置、及び画像処理方法 |
JP6513413B2 (ja) * | 2015-02-13 | 2019-05-15 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び磁気共鳴イメージング装置 |
JP2018515167A (ja) * | 2015-04-02 | 2018-06-14 | ハートフロー, インコーポレイテッド | 血管網と潅流組織の機能的関連性を特定し可視化するシステム及び方法 |
US11116464B2 (en) | 2015-10-28 | 2021-09-14 | Canon Medical Systems Corporation | X-ray diagnostic apparatus and image processing apparatus |
JP6815135B2 (ja) * | 2015-10-28 | 2021-01-20 | キヤノンメディカルシステムズ株式会社 | X線診断装置及び画像処理装置 |
WO2017108779A1 (en) * | 2015-12-22 | 2017-06-29 | Koninklijke Philips N.V. | Ct perfusion protocol targeting |
KR20180115725A (ko) | 2016-02-08 | 2018-10-23 | 이마고 시스템즈, 인크. | 이미지 내의 대상의 시각화와 특징화를 위한 시스템 및 방법 |
US9931095B2 (en) | 2016-03-30 | 2018-04-03 | General Electric Company | Method for segmenting small features in an image volume |
JP6744158B2 (ja) * | 2016-07-07 | 2020-08-19 | キヤノンメディカルシステムズ株式会社 | X線診断装置及び画像処理装置 |
CN108629773B (zh) * | 2018-05-10 | 2021-06-18 | 北京红云智胜科技有限公司 | 建立训练识别心脏血管类型的卷积神经网络数据集的方法 |
EP3756549A1 (en) * | 2019-06-28 | 2020-12-30 | Koninklijke Philips N.V. | Vessel registration using functional information |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1689510A (zh) * | 2004-04-19 | 2005-11-02 | 中国科学院自动化研究所 | 磁共振灌注成像的数字化方法 |
CN1913832A (zh) * | 2004-01-26 | 2007-02-14 | 皇家飞利浦电子股份有限公司 | 用于显示心肌灌注的图像分割 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4748843B2 (ja) * | 2000-01-25 | 2011-08-17 | 株式会社日立メディコ | 臓器の特定領域抽出表示装置及び臓器の特定領域抽出表示方法をコンピュータに実行させるプログラムを記録した記録媒体 |
US7117026B2 (en) * | 2002-06-12 | 2006-10-03 | Koninklijke Philips Electronics N.V. | Physiological model based non-rigid image registration |
JP4306380B2 (ja) * | 2003-09-10 | 2009-07-29 | 株式会社日立メディコ | 医用画像表示方法及び装置 |
US7616799B2 (en) * | 2004-06-18 | 2009-11-10 | Siemens Medical Solutions Usa, Inc. | System and method for monitoring disease progression or response to therapy using multi-modal visualization |
US7715608B2 (en) * | 2004-08-10 | 2010-05-11 | Siemens Medical Solutions Usa, Inc. | System and method for 3D visualization of lung perfusion or density and statistical analysis thereof |
EP1831843A2 (en) * | 2004-12-21 | 2007-09-12 | Koninklijke Philips Electronics N.V. | Handling of datasets |
US8150490B2 (en) * | 2005-02-14 | 2012-04-03 | Koninklijke Philips Electronics N.V. | Apparatus and method for determining an injection point for targeted drug |
US7239142B2 (en) * | 2005-06-03 | 2007-07-03 | New York University | Coil arrangement for magnetic resonance imaging apparatus |
JP2007029248A (ja) * | 2005-07-25 | 2007-02-08 | Hitachi Medical Corp | 比較読影支援装置及び画像処理プログラム |
US20070280556A1 (en) * | 2006-06-02 | 2007-12-06 | General Electric Company | System and method for geometry driven registration |
-
2009
- 2009-03-03 US US12/920,327 patent/US20110060755A1/en not_active Abandoned
- 2009-03-03 CN CN200980107537.5A patent/CN102113016B/zh not_active Expired - Fee Related
- 2009-03-03 JP JP2010549232A patent/JP5820117B2/ja not_active Expired - Fee Related
- 2009-03-03 EP EP09717891A patent/EP2252973A2/en not_active Ceased
- 2009-03-03 WO PCT/IB2009/050845 patent/WO2009109905A2/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1913832A (zh) * | 2004-01-26 | 2007-02-14 | 皇家飞利浦电子股份有限公司 | 用于显示心肌灌注的图像分割 |
CN1689510A (zh) * | 2004-04-19 | 2005-11-02 | 中国科学院自动化研究所 | 磁共振灌注成像的数字化方法 |
Also Published As
Publication number | Publication date |
---|---|
US20110060755A1 (en) | 2011-03-10 |
EP2252973A2 (en) | 2010-11-24 |
CN102113016A (zh) | 2011-06-29 |
JP5820117B2 (ja) | 2015-11-24 |
WO2009109905A2 (en) | 2009-09-11 |
WO2009109905A3 (en) | 2010-11-25 |
JP2011516108A (ja) | 2011-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102113016B (zh) | 对数据集进行选择性交互式处理的方法 | |
CN105096388B (zh) | 基于计算流体力学的冠状动脉血流仿真系统和方法 | |
US10748451B2 (en) | Methods and systems for generating fluid simulation models | |
JP6220310B2 (ja) | 医用画像情報システム、医用画像情報処理方法及びプログラム | |
US8630467B2 (en) | Diagnosis assisting system using three dimensional image data, computer readable recording medium having a related diagnosis assisting program recorded thereon, and related diagnosis assisting method | |
CN101036165B (zh) | 用于树模型显像以检测肺栓塞的系统和方法 | |
CN105120738B (zh) | 狭窄治疗规划 | |
JP2019034160A (ja) | 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム | |
CN103889328B (zh) | 灌注成像 | |
JP2008503303A (ja) | 気管気管支樹を表示する方法及び装置 | |
CN102782719B (zh) | 用于确定管状结构的拓扑支撑的评估的方法和系统及其在虚拟内窥镜检查中的使用 | |
CN105934199A (zh) | 用于处理体腔的医学图像的设备和方法 | |
JP2006516440A (ja) | 三次元物体の再構築法 | |
Tmenova et al. | CycleGAN for style transfer in X-ray angiography | |
CN112862833A (zh) | 血管分段方法、电子装置和存储介质 | |
Gao et al. | CCE-Net: a rib fracture diagnosis network based on contralateral, contextual, and edge enhanced modules | |
Affane et al. | Robust deep 3-d architectures based on vascular patterns for liver vessel segmentation | |
Fujita et al. | State-of-the-art of computer-aided detection/diagnosis (CAD) | |
Garg et al. | Role of Deep Learning in Computed Tomography | |
US20230162358A1 (en) | Method for tracking tumor in ct image and system for diagnosing using the same | |
Garcia | Three-dimensional imaging for coronary interventions | |
Gu et al. | Three-Dimensional Model of Cerebral Artery Based on Medical Image | |
Schaap et al. | On the Evaluation of Coronary Artery Centerline Extraction Algorithms: A Standardized Methodology and Reference Database | |
Kirisli et al. | A patient-specific visualization tool for comprehensive analysis of coronary CTA and perfusion MRI data | |
Bullitt et al. | Patient-specific vascular models for endovascular and open operative procedures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171226 Termination date: 20200303 |