CN102422307A - 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品 - Google Patents

用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品 Download PDF

Info

Publication number
CN102422307A
CN102422307A CN2010800202056A CN201080020205A CN102422307A CN 102422307 A CN102422307 A CN 102422307A CN 2010800202056 A CN2010800202056 A CN 2010800202056A CN 201080020205 A CN201080020205 A CN 201080020205A CN 102422307 A CN102422307 A CN 102422307A
Authority
CN
China
Prior art keywords
image
hepatica
module
anatomical structure
projection
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.)
Granted
Application number
CN2010800202056A
Other languages
English (en)
Other versions
CN102422307B (zh
Inventor
范黎
魏国庆
马峰
梁正中
钱建中
曾小兰
杨长波
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.)
EDDA Technology Inc
Original Assignee
EDDA Technology Inc
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 EDDA Technology Inc filed Critical EDDA Technology Inc
Priority to CN201510813473.8A priority Critical patent/CN105427311B/zh
Publication of CN102422307A publication Critical patent/CN102422307A/zh
Application granted granted Critical
Publication of CN102422307B publication Critical patent/CN102422307B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20096—Interactive definition of curve of interest
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • 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
    • G06T2207/30056—Liver; Hepatic
    • 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
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/028—Multiple view windows (top-side-front-sagittal-orthogonal)

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明披露了一种在三维医学影像上进行影像分割的程序，以及根据所述程序工作的系统、装置和计算机程序。所述程序包括产生包括解剖结构的投影，描绘对应于所述解剖结构的曲线，基于所述曲线和投影提取曲面三维感兴趣区域，和提取所述解剖结构的分割。本发明还提供了一种用于配准影像中解剖结构的程序，以及根据所述程序工作的系统、装置和计算机程序。所述程序包括在第一影像中确定胆管系统的一部分，在第二影像中确定肝门静脉或肝动脉的一部分，在所述影像中确定胆囊，确定代价函数，和通过使所述代价函数最大化配准所述胆管系统和所述肝门静脉或肝动脉。

Description

用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品
相关申请的交叉引用
本申请要求申请日为2009年5月8日的美国临时专利申请No.61/176,689的优先权，该文献的内容在此以其全文形式被结合入本文作为引用，如同其内容在本文全部陈述。
技术领域
本文所述的示例方面涉及医学影像处理，并且具体地说涉及用于交互式术前评估肝脏血管和胆管系统的方法、系统、装置和计算机程序产品。
背景技术
人体肝脏接收大约30％的静息心输出量。人体肝脏是富含血管的器官，具有三种血管系统：门静脉，肝静脉，和肝动脉系统。此外，人体肝脏具有胆管系统，在所述胆管系统中胆管将胆汁从肝脏和胆囊输送入十二指肠。
由于肝脏中复杂的血管解剖结构，对肝脏进行外科手术可能富有挑战性。一般来说，在一次成功的手术后，患者会有足够的由全部四种管道系统供给的剩余肝脏组织。实现该目的的一种方式是进行术前肝脏管道评估，所述评估包括适宜的分割血管和胆管并且在管道系统中建立可靠的量化的空间关系。
不过，好的分割管道可能难以实现。例如，肝动脉的分支可能是非常细的—像单个像素宽度一样小—使得分割这些分支变得困难。此外，小血管分支和周围的解剖结构之间的成像对比度可能非常低。因此，广泛使用的分割技术如区域生长通常不能产生足够令人满意的输出。基于图谱和模型的方法也不能提供希望的精确度，因为不同患者之间的肝脏血管解剖结构差异很大。因此，有效和快速分割小血管和/或具有低对比度的血管仍具有挑战性。
可靠评估患者的胆管系统也可能难以实现。术前评估患者的胆管具有显著的临床重要性，因为术后胆管并发症是普遍遇到的问题。不过，在术前评估中，通常用不同于其它肝内解剖结构(例如肝脏血管系统)的造影剂和数据采集设备扫描胆管。例如，大多数的肝内解剖结构可通过核磁共振(MR)或电脑断层造影(CT)技术进行扫描，而胆管系统可通过磁共振胆胰管成像(MRCP)或CT胆管成像(CTC)技术进行扫描。在这些情况，不同肝内系统的不同扫描必须配准，以便分析患者的胆管解剖结构连同其它肝内解剖结构。准确的配准要求胆管系统的扫描与其它解剖结构的扫描很好地配准。不过，在肝脏的解剖结构中，门静脉和胆管是平行的而不是交叠的。因此，利用通过使对象之间的空间差异最小化来使两个对象的交叠最大化的传统配准算法不能产生完好配准的扫描。
此外，患者身体姿势的改变可能导致是软组织器官的肝脏的显著变形。例如，在患者胆管系统的扫描过程中，与在患者肝脏血管系统的先前扫描过程中的形状相比，患者肝脏的形状可能发生变形。在该示例中，胆管扫描与血管扫描的配准，被上文所述的空间错位复杂化，同时还可能被变形影响进一步复杂化。
从上文的讨论可见，已知的方法和系统不足以提供有效生成三维血管分割的交互式血管分割方法。已知的方法和系统也不足以允许血管和胆管系统的术前评估。并且，已知的系统不提供医师所希望的量化、灵活性和易用性的结合。
发明内容
通过用于在三维医学影像上进行影像分割的方法和用于在影像中配准解剖结构的方法，以及根据所述方法操作的系统、装置和计算机程序，可以克服与前述相关的现有限制和其它限制。
根据一个示例性实施例，用于在三维医学影像上进行影像分割的方法包括产生包括解剖结构的三维影像的投影，在所述投影上描绘对应于所述解剖结构的至少一条曲线，根据所述至少一条曲线和投影提取感兴趣曲面体，并且在所述感兴趣的曲面体中提取分割的解剖结构。
根据另一示例性实施例，用于在影像中配准解剖结构的方法包括在第一影像中确定胆管系统的一部分，在第二影像中确定肝门静脉和肝动脉中的一个的一部分，在所述第一和第二影像中确定胆囊，根据与所述胆管系统和所述肝门静脉和肝动脉中的一个相关的至少一个预定的空间关系确定代价函数，并且通过使所述代价函数最大化来配准所述胆管系统和所述肝门静脉和肝动脉中的一个。所述至少一个预定的空间关系包括所述胆管系统的一部分相对于所述肝门静脉和肝动脉中的一个的一部分的定向。
附图说明
本文所要求保护和/或所披露的内容将结合示例性实施例进一步进行描述。这些示例性实施例将结合附图详细描述。这些实施例是非限制性的示例实施例，其中同样的附图标记在附图的若干视图中表示相似的结构。
图1示出了根据本文的一个示例实施例，由用于术前和术后评估的系统构成的示例。
图2(a)示出了根据本文的一个示例实施例，通过血管分析单元进行血管分析的流程图。
图2(b)示出了根据本文的一个示例实施例，用于血管分割的流程图。
图2(c)是CT扫描的二维切片的影像。
图2(d)是MIP图的影像，具有包括图2(c)中的切片的层块厚度。
图2(e)是MIP图的另一影像，包括图2(c)中的切片和不同于图2(d)的MIP图的层块厚度。
图2(f)示出了沿着MIP图上的血管绘制的轮廓。
图2(g)示出了从图2(f)所示的轮廓中提取的曲面感兴趣区域。
图2(h)示出了显示在MIP图中的细血管分割结果。
图2(i)示出了显示在最初二维切片中的细血管分割结果。
图3示出了根据本文的一个示例实施例，用于配准血管和胆管结构的流程图。
图4(a)示出了包括分割的门静脉的肝脏空间的三维影像。
图4(b)示出了包括胆囊的分割的胆管系统的三维影像。
图4(c)示出了患者腹部的CT扫描，其中箭头表示胆囊。
图4(d)示出了分割的胆管系统和图4(c)所示的CT扫描之间的空间差异。
图4(e)示出了分割的胆管系统配准图4(c)所示CT扫描上的肝脏空间。
图5(a)示出了门静脉系统和胆管系统。
图5(b)示出了在CT或MR扫描中可见的门静脉和胆囊。
图5(c)示出了在MRCP或CTC扫描中可见的胆管和胆囊。
图5(d)示出了来自不同扫描的胆囊之间的交叠。
图5(e)示出了门静脉和胆管之间的表面距离。
图6是根据图2(a)的流程图设置的功能模块图。
图7是根据图2(b)的流程图设置的功能模块图。
图8是根据图3的流程图设置的功能图。
图9是示例性计算体系结构的示图。
具体实施方式
本文所披露的示例方面涉及交互式和实时评估肝脏血管和胆管结构的方法、系统、装置和计算机程序产品。这些示例性实施例可用于促进定量评估和评价解剖结构，例如肝脏、肝脏分割部分、血管结构、血管流域、胆管结构和肝病灶。所述评估和评价可包括在解剖结构之间建立空间关系，并且可用于例如术前规划要对肝脏进行的手术和在手术后评价肝脏。
用于血管、胆管系统和流域分析的系统
图1示出了根据一个示例性实施例可用于术前和/或术后外科手术评估的系统的示例性构造。系统包括患者数据库111，肝脏分析单元112，血管分析单元113，胆管系统分析单元114，血管-胆管系统配准单元115，和流域分析单元116。所述构成部分的每一个可通过软件、硬件或固件实现，并且每一个可设置成由用户操作。
患者数据库111可用于加载用于评估的影像。例如，影像可以指定是选定的患者并且与所述患者肝脏的血管和/或胆管评估相关。所述影像的示例包括但不限于，CT扫描、MR扫描、磁共振胆胰管成像(MRCP)扫描、CT胆管成像(CTC)扫描和超声波扫描。从患者数据库111加载的扫描可包括多个扫描期，例如可以扫描CT或MR影像的多个扫描期用于综合评价解剖结构例如肝脏、病灶和血管。
一般来讲，肝脏分析单元112、血管分析单元113和胆管系统分析单元114可用于帮助用户定量分析肝脏的解剖结构，例如肝脏本身、肝病灶以及肝脏的血管和胆管系统。具体地说，肝脏分析单元112可用于肝脏分割和容积测量，血管分析单元113可用于血管分割和分析，而胆管系统分析单元114可用于胆管结构分析。
在图1中，从患者数据库111加载的CT和MR影像被传送至肝脏分析单元112和血管分析单元113，而CTC和MRCP影像被传送至胆管系统分析单元114。可以使用这种结构是因为在一些情况，尽管CT或MR影像适用于例如肝脏、病灶和血管分析，但可能不适用于胆管系统的分析。因此，其它影像例如MRCP或CTC影像可用于胆管系统评价。不过，应当理解，图1所示的任何特定的数据采集设备和目的仅用于示例而不是限制性的。例如，尽管附图示出了用于胆管系统分析的MRCP或CTC影像，来自其它数据采集设备的影像(包括用于肝脏和血管分析的相同影像扫描)也可用于胆管系统分析。
肝脏分析单元112、血管分析单元113和胆管系统分析单元114分别单独评价肝脏结构、血管系统和胆管系统。不过，单独评价这些解剖结构可能仅对术前规划提供有限的帮助。例如，医师可能希望得到患者肝脏的完整三维解剖结构，以便根据综合考虑不同的重要解剖结构以及它们的空间关系精确地规划外科手术。在这种情况，医师可能希望患者的胆管和胆囊连同肝脏、病灶和血管树一起显示在计算机屏幕的三维空间中，即使这些解剖结构的每一个以不同的影像采集模式(例如MR扫描和MRCP扫描)获得和增强。因此，图1的系统还被设置成以对不同的解剖结构进行配准。
血管-胆管系统配准单元115可被设置成将在一种影像采集模式或扫描期的扫描中所增强和/或分割的胆管结构与在另一种模式或扫描期的扫描中所增强和/或分割的肝脏、病灶和血管进行配准。血管-胆管系统配准单元115还可被设置成将在动脉期扫描中所增强和/或分割的动脉与在静脉期扫描中增强和/或分割的门静脉进行配准。
流域分析单元116可被设置成计算例如流域对应于门静脉系统、肝静脉系统、动脉系统和胆管系统的供血/回流流域及每个流域的容积。流域分析单元116可接受由图1所示系统的其它单元配准的血管和胆管结构作为输入。流域分析单元116还可被设置成计算特定血管或胆管分支的供血/回流流域。通过所述流域分析，医师能够定量测量例如当在切除过程中切除血管分支时受影响肝脏的体积。
血管分析和分割
如上文所述，血管或胆管分割可能难以进行。血管分支可能非常细(例如一个像素宽度)，和/或由于分支和附近解剖结构的低对比度可能难以在影像上显示血管分支。这些问题对于在软组织细胞中例如肝脏的肝细胞中存在较大密度差异的有病肝脏可能更为严重，使得细血管分支的分割变得更为困难。基于区域生长的技术不能产生足够可靠或准确的输出，而基于图谱或模型方法的技术对于患者间在肝脏血管解剖结构上的变化是不精确的。
图2(a)示出了用于血管分析和分割的示例流程图。根据一个示例性实施例，由所述流程图示出的过程可用于利用影像数据分析一个或多个血管结构并且分割所述被分析的结构。在该图中示出的过程的部分或全部可例如通过图1的血管分析单元113进行实施。
在步骤2-101，显示三维对象的一个或多个最大密度投影(MIP)影像。MIP是显示方法，其中来自不同深度的二维影像(例如多个CT切片或MR切片)被组合成层块，即切片的层叠，并且层块中具有最大密度的体素被投影到二维平面上。不过，在另一示例性实施例中，可以使用最小密度投影(minIP)。例如，在待分割的胆管比其它周围的解剖结构具有更低的影像密度时可以使用minIP。此外，其它示例性实施例仍可使用适于显示解剖结构(例如胆管和门静脉)的任何其它类型的体投影或影像显示。
图2(c)到2(e)示出了MIP影像的显示如何可辅助解剖结构(例如肝脏的血管系统)的成像和分割。图2(c)是在对患者的腹部进行CT扫描过程中获得的二维切片的影像。血管通常具有比肝实质更高的密度。不过，在该影像中，只示出了小部分的细血管分支，这是因为由于肝脏解剖结构，分支跟随进入和离开CT扫描切片的平面的路径。因此，利用该影像手工描绘血管分支既不实用又没效率。
图2(d)和图2(e)是具有包括图2(c)所示切片的层块厚度的MIP影像。利用最大密度投影(MIP)技术，细血管分支变得更为可见，如这些附图所示。调节MIP层块的厚度可显示血管分支的不同视图。图2(d)中的MIP影像比图2(e)中的MIP影像具有更大的层块厚度。因此，可以在图2(d)中对完整的血管分支进行成像，而在图2(e)中显示断开。这些MIP影像示出了用户如何可分辨二维MIP影像上的血管分支，并从而利用三维交互式血管分割使用所述影像来描绘血管分支，如下文所述。
在步骤2-101显示多个MIP影像，所述影像可包括例如三维对象(例如对肝脏的医学研究)的三个正交MIP影像(例如，轴向、冠状和矢状)或任意角度多平面重组(MPR)MIP影像。此外，MIP影像能够以二维和三维进行显示。在二维MIP显示中，显示了预定义MIP深度的MIP层块。用户能够跨医学影像空间，例如3个正交方向或沿任意角度MPR方向浏览每个MIP影像。在三维显示中，可以同时显示多个MIP影像，中心位于当前截面点。
步骤2-201之后的判定框2-102确定是否存在还没有被分割的血管结构。可以例如通过用户在用户界面输入手动或自动进行判定框的确定。所述确定可基于在步骤2-101所显示的影像。
在步骤2-103，可以调节MIP层块的深度或厚度。不同的MIP层块可以单独或一起调节，以便最好的显示MIP影像中待分割的血管分支。在一些示例性实施例中，MIP层块深度的最小值可以是1，即可以观察和调节非MIP影像。MIP层块的窗位也可以单独或一起调节，以便最好的显示血管分支。步骤2-103可以跳过，例如如果不需要或不希望调节MIP层块时。
在步骤2-105，沿着成像的血管结构绘制一条或多条曲线，以便绘出一支或多支血管的轮廓。可以例如通过用户在用户界面进行输入手动或自动绘制所述曲线。影像可以是MIP影像，minIP影像，或原影像，例如，层块深度为1的影像。绘出血管的轮廓可包括在另一MIP视图上的另一轮廓，包括任何其它的正交MIP影像或不同角度的MIP MPR影像。例如，所述绘出的轮廓可用于例如进一步限定血管结构的感兴趣区域(ROI)。在图2(f)中示出了完成步骤2-105的示例，示出了沿MIP视图上的血管绘制的轮廓2-401。该图中的MIP视图与图2(d)中所示相同的MIP视图。
在步骤2-107，轮廓点被用于进行血管分割。该步骤可部署分割算法，所述分割算法利用输入(例如，由步骤2-105所绘制的轮廓2-401或另一输出)来分割对应于所述轮廓的血管分支。所述分割算法的一个示例将在下文结合图2(b)进行讨论。
在步骤2-109，显示了分割的结果。显示可包括以二维和三维显示分割结果。在三维显示中，可以显示三维分割的血管对象。在二维显示中，可将分割的血管对象覆盖在二维影像上。显示可涉及更新先前的分割结果，例如，血管结构被先前分割或分割结果被调整。
在步骤2-111，用户还可以进一步交互式调节分割结果。在所述调节之后，再次进入上述的判定框2-102。如果确定存在还没有被分割的血管结构，重复所述程序的分析和分割部分。如果确定已对所有需要的血管结构进行了分割，所述程序结束。
图2(b)示出了用于血管分割的示例性流程图。该流程图是可用于如上所述图2(a)中的步骤2-107的分割算法的一个示例。
在步骤2-301，提取三维感兴趣区域(VOI)。VOI可用作在其它步骤可分割血管结构的参照区域。通过如现在将会描述的基于血管结构的轮廓建立ROI和扩展ROI来实现VOI的提取。首先，沿特定方向，例如在每个轮廓点处的MIP的方向，投影出一条线。沿该线位于当前MIP层块内部的体素可被当作在ROI内。随后，可以沿垂直于投影MIP影像所沿的轴线的多个，例如所有，二维方向扩展ROI。曲面三维感兴趣区域(VOI)因此被提取以供分析，如图2(g)所示。曲面VOI根据用户输入结合专家知识限制向前的自动血管分割。例如，医师能够在所显示的MIP影像上将靶动脉与周围静脉区分开。因此，医师可以只在动脉上绘制曲线并且避开静脉。
在步骤2-301的VOI的提取可包括多个VOI的组合。例如，用户绘制的轮廓可能不精确，并且分割系统可能不足以强到能容忍这种不精确。因此，在轮廓绘制的步骤2-105，用户可能在不同的MIP视图上绘制多于一个的轮廓。在这种情况，可以提取对应于每个所绘制轮廓的单独的VOI。根据多个VOI的结合，可以形成进一步受限制的VOI。
在步骤2-303，使用线状滤波算法来过滤VOI内的体素。VOI内的每个体素可应用线状滤波。合适的线状滤波的一个示例披露于Yoshinobu Sato等人所著的“Three-dimensional multi-scale line filter for segmentation and visualization ofcurvilinear structure in medical images”(2Med.Image Analysis 101，143(1998))，该文献如同在文本完全陈述一样被结合入本文作为引用。在一个示例性实施例中，根据三维多尺度线状滤波来实施线状滤波算法。
在步骤2-305，线状滤波响应的输出被选择作为VOI内的初始分割。选择可以基于阈值进行，随后由线状滤波算法应用以便限制线状滤波响应。例如，步骤2-303的过滤结果可以是具有带线状滤波响应的体素的相连区域。该过滤结果可应用于阈值以产生具有高于阈值的线状滤波响应的体素。这些体素可被选作VOI内血管结构的最初分割。可以在步骤2-305或其它步骤调节和选择所述阈值。例如，用户可以在图2(a)的流程图的步骤2-111调节线状滤波响应阈值。
在步骤2-307，将线状滤波分割的输出用于适应性分割。适应性分割可包括基于体素灰度值的适应性区域生长的步骤。区域生长可以根据阈值(例如，低于过滤器响应阈值的阈值)，并且在适应性分割过程中可以调节阈值。例如，可以适应性调节区域生长阈值，同时系统自动检查已分割对象的形状以确保它保持管状结构。由于细血管结构的低对比度，由线状滤波分割获得的结果可产生多个碎片。不过，在区域生长过程中，用户或系统可通过分析它们的形状和空间关系连接断开的血管分支。在其它步骤包括例如图2(a)的流程图的步骤2-111可以调节和选择区域生长阈值。
血管分割的一个示例结果在图2(h)和2(i)中示出。具体地说，图2(h)示出了叠加在MIP影像上的血管分割结果2-501，而图2(i)示出了在二维影像切片中的血管分割结果2-601。
血管分割不限于通过线状滤波响应算法进行的分割。而是，血管分割可通过与结合图2(b)所述的示例程序之外的程序进行。例如，可以执行其它优化程度，以便根据用户在MIP影像上所绘制的轮廓提取血管结构。在另一个示例性实施例中，可以使用动态编程程序来找到VOI内的三维路径。如本领域的技术人员所知的，动态编程是用于将复杂问题分解成简单递归搜索的算法。动态编程的示例披露于S.Dasgupta等人的论文中(Algorithms(2006))。由动态编程方法找到的最佳路径可表示具有线性过滤器响应和/或灰度值的最大和的曲面VOI内的路径。所得到的三维路径可相对于管状模型匹配以模拟已被分割的血管结构。
上文结合图2(a)到2(i)所述的血管分析和分割程序还可用于胆管系统分析和分割。在这里，胆管结构分析单元114可执行与血管分析单元113所执行的程序相似的程序。不过，胆管结构分析单元114可执行不同的分割程序。例如，可利用不同的程序对作为胆管系统构成部分的胆囊进行分割。所述程序的示例包括通过区域生长播种(自动或手动)，适应性定阈值，和形状保持。在该示例中，阈值的值和范围与血管分割中的那些不同。计算待分割区域的形状(例如，每个切片上的环状)并且所述形状用作阈值选择的条件。
血管-胆管系统配准
在相同的三维空间中显示不同的解剖部分(例如肝脏、病灶、门静脉、肝静脉、肝动脉、胆管、和胆囊)可以大大增强医师辨别和区分这些解剖部分之间的空间关系的能力。如上文所述，例如在血管分析单元113和/或胆管结构分析单元114上进行的血管和胆管系统分割程序可用于分割和量化单独的血管和胆管系统。不过，这些已分割的系统可能不易于被结合入单个三维空间，因为所述解剖结构的分割通常在相同影像采集模式的不同扫描期的扫描上或来自多个数据采集设备的扫描上进行。例如，动脉通常在CT或MR扫描的动脉期中是增强和可视的，而静脉通常在静脉期中是增强和可视的。此外，通常可利用MRCP或CTC扫描使胆管系统成像。由于使用了不同扫描期和/或影像采集模式，在这些不同的扫描中患者的姿势可能不同。如果只是将胆管系统显示在肝脏三维空间中，很可能产生较大的空间差异。反而，胆管系统的扫描和/或分割必须与其它解剖结构例如血管系统的扫描和/或分割配准。
图4(d)示出了由一个扫描分割的胆管系统与其它肝内结构的另一扫描组合而得到的空间差异。在该图中，胆囊和胆管系统的其余部分(由CTC扫描分割)显示在二维CT影像中。不过，由于例如患者姿势的不同，胆管系统从其它肝脏解剖结构明显偏移。如该图所表明，配准由多个扫描分割的解剖结构对于术前和术后评估是重要的。
不过，将一个扫描中的解剖结构与另一扫描中的解剖结构配准可能由于这些结构的成像特征而变得复杂。例如，由MRCP或CTC数据分割的胆管可能不易于与CT或MR数据配准，因为胆管通常不通过CT或MR技术成像，而很多其它的肝内解剖结构包括肝动脉、门静脉和肝静脉通过这些技术成像。因此，可能没有可配准的已分割胆管的解剖结构显示在CT或MR扫描中。在图4(c)中示出了这个问题的示例，示出了患者腹部的CT扫描，其中没有对胆管成像。此外，MRCP扫描可能只明显显示胆管结构；扫描可能显示肝脏的解剖结构的最少信息。结果，可能有很少的解剖结构标志(如果有的话)可用于跨空间或跨模式配准。因此，利用检测到的标志进行配准的传统配准方法在这种情况可能不适用。
在一些示例性实施例中，可以部分基于胆囊的配准进行胆管系统和其它解剖结构的配准。可通过MRCP或CTC技术以及CT或MR技术对胆管所连接的胆囊进行成像。不过，尽管在MRCP/CTC扫描和CT/MR扫描中胆囊均是可见的，它的大小可能例如由于注入的造影剂的作用而明显不同。例如，在MRCP/CTC扫描上成像的胆囊可能在尺寸上远大于在CT/MR扫描上成像的胆囊。这由图4(b)到4(d)示出。图4(b)示出了已分割胆管系统的三维显示，包括从CTC扫描获得的胆囊，而图4(c)中的箭头指向胆囊在CT扫描中的成像。如上所述的图4(d)示出了两个扫描之间的空间配准的不匹配，还示出了胆囊在CTC扫描和CT扫描之间的尺寸上的差异。因此，可能有很少的“真相”信息，例如，在胆囊的配准过程中可以依赖的不同扫描期或影像采集模式的扫描之间的信息一致性。
因此，在配准是部分基于胆囊的配准的示例性实施例中，还可以根据肝脏解剖结构尤其是胆管的特征进行配准。胆管沿着门静脉和动脉分布，但这些结构不交叠。图5(a)示出了门静脉系统和胆管系统。如在该图所示，门静脉5-102和胆管5-104彼此平行，但它们不交叠。因此，使两个对象的交叠最大化的传统配准算法不适用于配准。
根据这些示例性实施例，用于在多期扫描或多模式扫描中配准增强和分割的胆管或血管结构的程序将相同解剖结构的配准与不同解剖结构的配准组合成一个程序。具体地说，配准程序找到使两个扫描中胆囊之间的交叠和/或两个扫描中胆囊之间的特征(例如，方向、质心等等)的一致性最大化并且使门静脉和胆管之间的交叠最小化的配准，同时使门静脉和胆管的表面点之间的距离最小化。
在图5(b)和5(c)中示出了适用于配准程序的扫描的示例。图5(b)示出了在一个扫描例如CT扫描中分割的门静脉和胆囊，而图5(c)示出了由另一扫描例如CTC扫描分割的胆管和胆囊。
在一个示例性实施例中，配准程序包括确定代价函数。一个示例代价函数如下：
价值(Cost)＝w1·交叠(胆囊_1，胆囊_2)(overlap(gallbladder_1，gallbladder_2)
-w2·交叠(门静脉，胆管)(overlap(portal_vein，bile_duct)
-w3·表面距离(门静脉，胆管)(surface_distance(portal_vein，bile_duct)其中，交叠(对象1，对象2)是测量对象1和对象2之间的交叠和/或对象1和对象2之间的特征(例如，方向、质心)的一致性的函数，表面距离(对象1，对象2)是测量两个表面之间的距离的函数，而w1，w2和w3是平衡上述三个构成部分之间的重要性的权重因数。配准程序找到可以使代价函数最大化的一组配准参数。图5(d)示出了从一个扫描分割的胆囊和从另一扫描分割的胆囊之间的交叠，而图5(e)示出了门静脉和胆管之间的表面距离。
现在将进一步详细描述配准程序。图3示出了所述程序的示例性流程图。该图所示的程序可以是通过例如血管-胆管结构配准单元115执行的程序。例如，所述程序可用于将基于MRCP或CTC扫描分割的胆管结构与基于CT或MR扫描分割的血管结构配准。尽管结合CT和MRCP扫描描述程序，但仅作为易于理解的非限制性示例。其它影像采集模式，包括CT、MR、MRCP和CTC之外的影像采集模式可用于在程序的说明中所提及的任何一个扫描。
在步骤3-101，分割CT模式中的门静脉和肝动脉以及MRCP模式中的胆管。还可分割CT和MRCP模式中的胆囊。可以通过交互式或自动方式单独进行CT中的门静脉、动脉和胆囊以及MR中的胆管和胆囊的分割。例如，用户可以点击感兴趣的对象例如胆囊，以便开始交互式分割过程。随后，由已分割的对象可以根据其几何形状和位置属性自动或交互式识别CT和MRCP中的胆囊。例如，在没有分割的情况下，可以例如通过二维或三维边框表示的位置、定向和尺寸在二维影像上识别胆囊。
在步骤3-103，可以配准CT和MRCP中的已分割或识别的胆囊，以便配准相应的CT和MRCP坐标系。初始配准可被理解为初步配准，因为胆囊的形状被拉长并且有时不能对两个坐标系的定向配准提供适当的约束。
在步骤3-105，根据步骤3-103的配准识别对胆囊配准的约束。一个示例是对随后配准步骤中的胆囊的位置和/或定向的可容许的调节进行约束。例如，可将配准的中心识别为配准后在CT和MRCP中的胆囊的平均中心。该中心可被视为在随后的配准步骤中保持不变的旋转中心。作为另一个示例，可定义边框，使边框表示在随后的配准步骤中对胆囊位置的调整范围的限制。
在步骤3-107，指定即识别门静脉(或动脉)和胆管之间对应的分支和/或分叉点。指定可包括识别门静脉和胆管中的哪些分支和/或分叉点应当彼此平行。该指定是基于在肝脏解剖结构中，门静脉、动脉和胆管被捆绑在一起并且彼此平行的事实。可以自动识别对应的分支或分叉点。例如，如果使用树状结构表示已分割的门静脉(或动脉)和胆管，系统能够根据储存或预定的解剖知识自动标记分支。
在一些示例性实施例中，不是整个血管和胆管树中的所有分支都需要配对，而可以仅将那些大的分支进行配对。例如，门静脉(或肝动脉)和胆管的第一和/或第二代可用于配对，而较低级的较小分支会相应与大的分支配准。
在步骤3-109，将门静脉(或动脉)和胆管的对应分支和/或分叉配准。在步骤3-105识别的胆囊的配准约束内进行分支的配准。由于CT和MRCP数据之间在定向上的差异，在步骤3-109的配准可产生可能不完全对应于肝脏的实际解剖结构的胆管和门静脉(或动脉)的交叠分支。换句话说，胆囊约束内的配准可能导致例如在门静脉和胆管的配准中存在这些解剖结构的交叠。不过，在肝脏解剖结构中，胆管和门静脉平行并且不交叠。因此，程序的其它步骤例如步骤3-111可考虑在定向上的这种差异并且可通过例如减少交叠来获得解剖结构优化的配准结果。
在步骤3-111，调节在步骤3-109获得的配准参数，以便使胆管和门静脉和/或动脉的交叠最小化，同时使胆管和/或门静脉和动脉之间的总体距离最小化。调节可包括一个或两个坐标系的旋转，并且可根据约束的最优化方法进行。鉴于本文示例性实施例的说明，合适的约束最优化方法对于本领域的技术人员来说是显而易见的。一个示例是拉格朗日乘子(Lagrange multipliers)的方法。此外，在该步骤可继续应用关于胆囊的配准约束。
尽管在图3中未示出，在执行了上述配准程序后，可以进行进一步的手动调节以微调配准结果。具体地说，可以进行一个坐标系的平移和/或旋转，以便视觉配准来自两个坐标系的感兴趣对象。例如，用户可以通过平移或旋转三维显示的胆管系统交互式调节胆管系统的位置和定向。图4(e)示出了在肝脏三维空间中显示并且覆盖在原CT二维影像切片上的配准的胆管系统的一个示例。
图3所示的流程图还可应用于配准在动脉期中分割的动脉和在静脉期中分割的门静脉。此外，由于可以在一个扫描期中看到动脉和门静脉，在一个示例性实施例中，三维和二维上的标志可由用户交互式或配准系统自动交叉引用。
图6-8示出了根据不同示例性实施例设置的功能模块图。在这些附图中所示的模块(不管是单独还是设置在一起)可包括图1所示系统的任何构成部分。
根据图2(a)的流程图设置图6的模块。所述模块包括显示模块601，投影生成模块602，影像调节模块603，描绘模块604，和提取模块605。每个模块与其它模块通信连接。显示模块601可被设置成执行与步骤2-101和2-109相关的任务，以及显示与其它模块执行的任务相关的输出。投影生成模块602可被设置成执行与步骤2-101相关的任务。影像调节模块603可被设置成执行与步骤2-103和2-111相关的任务。描绘模块604可被设置成执行与步骤2-105相关的任务。提取模块605可被设置成执行与步骤2-107相关的任务。
根据图2(b)的流程图设置图7的模块。所述模块包括显示模块701，VOI提取模块702，过滤模块703，和分割模块704。每个模块与其它模块通信连接。显示模块701可被设置成显示与其它模块执行的任务相关的输出。VOI提取模块702可被设置成执行与步骤2-301相关的任务。过滤模块703可被设置成执行与步骤3-303相关的任务。分割模块704可被设置成执行与步骤2-305和2-307相关的任务。
根据图3的流程图设置图8的模块。所述模块包括显示模块801，分割模块802，配准模块803，和调节模块804。每个模块与其它模块通信连接。显示模块801可被设置成显示与其它模块执行的任务相关的输出。分割模块802可被设置成执行与步骤3-101相关的任务。配准模块803可被设置成执行与步骤3-103，3-105，3-107和3-109相关的任务。调节模块804可被设置成执行与步骤3-111相关的任务。
图6-8的模块各自可包括软件、硬件或其组合，并且这些模块中的至少一些可被结合入数据处理系统，其一个示例将在下文结合图9进行讨论。作为一个示例，模块至少部分可通过储存在存储设备中的计算机程序指令体现，或可由位于处理器中或与处理器相连的硬件部分构成。
图9是示例数据处理系统的示图。图9的系统包括处理器902、存储器903、存储设备904、通信设备905和用户界面906，所有上述部件均连接至总线901。
处理器902可通过总线901与体系结构的其它部件进行通信。存储设备904包括一个或多个机器可读介质。存储设备904可被设置成读/写包括程序指令的数据，所述程序指令可由处理器902和允许处理器902控制其它部件的工作的操作系统(例如，Microsoft Windows，UNIX)执行。通信设备905可被设置成允许处理器902与例如网络和互联网通信。用户界面906可包括输入设备(例如，键盘、鼠标、操纵杆、触控板、手写输入板、麦克风和摄像头)和输出设备(例如，视频显示器、打印机、扬声器)。用户界面906至少部分可包括本文所讨论的界面或显示器中的任意一种。
处理器902可被设置成执行本文所述的程序中的任意一种。例如，可以通过机器可读程序指令的形式将程序储存在存储设备上。随后为了执行程序，处理器将存在存储设备904上的适当指令加载入存储器903，并随后执行加载的指令。
另外，本文所述的一些示例方面提供了根据解剖结构的扫描生成三维血管分割的血管分割程序。本文所述的其它示例方面提供了允许评估患者的血管和胆管系统的配准程序。通过这些程序，可以作出改进的患者解剖结构的术前评估。
在上文的描述中，参照特定的示例性实施例描述了本发明的示例方面。说明书和附图因此被视为是说明性的而非限制性的。不过，显而易见，可以通过计算机程序产品或软件、硬件、或其任意组合对其进行不同的修改和改变，而不偏离本发明的更宽泛的精神和范围。
本文所述的示例方面的软件实施例可被设置为计算机程序产品或软件，所述产品或软件可包括在机器可访问或机器可读介质(存储器)上具有指令的制造品。机器可访问或机器可读介质上的指令可用于为计算机系统或其它电子设备进行编程。机器可读介质可包括但不限于软盘、光盘、CD-ROM、和磁光盘或适于储存或传送电子指令的其它类型的介质/机器可读介质。本文所述的技术并不限于任何具体的软件配置。可发现它们可应用于任何计算或处理环境。本文所用的术语“机器可读介质”或“存储器”应当包括能够储存、编码或传输由机器执行并且使机器执行本文所述方法中任意一个的指令序列的任何介质。此外，在本领域中将一种形式或另一形式(例如，计算机程序、程序、进程、应用、模块、单元、逻辑等等)的软件说成采取行动或产生结果是常见的。所述表达仅是表明由处理系统执行软件使得处理器执行动作以产生结果的一种缩写方式。在其它实施例中，软件执行的功能可替换地可由硬编码模块执行，因此本发明不仅限于使用存储的软件程序。
此外，应当理解突出本发明的功能性和优势的所附的附图仅用于示例目的。本发明的示例方面的体系结构是足够灵活和可设置的，以便它可通过附图所示之外的方式进行利用(和操纵)。
此外，不需要通过计算机进行由分析者执行的程序，而是可由人工操作者进行。
尽管在某些特定实施例中已描述了本发明的示例方面，但很多其它的改动和变化对于本领域技术人员来说是显而易见的。因此应当理解，本发明可通过具体所述之外的方式进行实施。因此，再次重申本发明的示例性实施例在所有方面都应当被视为是说明性的而非限制性的。

Claims (23)

1.一种用于在三维医学影像上进行影像分割的方法，包括：
产生包括解剖结构的三维影像的投影；
在所述投影上描绘对应于所述解剖结构的至少一条曲线；
根据所述至少一条曲线和投影提取曲面三维感兴趣区域；和
在所述曲面三维感兴趣区域提取解剖结构的分割。
2.根据权利要求1所述的方法，其中提取所述分割包括：
对所述感兴趣区域应用一算法；
为所述算法的输出选择一阈值；
对所述算法的输出进行分割；和
根据所述曲线的方向对所述输出进行插值以连接断开的分段。
3.根据权利要求2所述的方法，其中所述算法是线状滤波算法，并且其中对所述算法的输出进行分割包括基于所述感兴趣区域中的至少一个体素的适应性区域生长。
4.根据权利要求1所述的方法，其中所述解剖结构包括胆管系统、肝血管系统和肝动脉系统中的一个的至少一部分。
5.根据权利要求4所述的方法，其中所述投影是最大密度投影和最小密度投影中的一个。
6.根据权利要求5所述的方法，还包括在投影上进行描绘之前调节所述投影的层块厚度。
7.一种用于影像分割的系统，包括：
投影生成模块，所述投影生成模块被设置成产生包括解剖结构的三维影像的投影；
描绘模块，所述描绘模块被设置成在所述投影上描绘对应于所述解剖结构的至少一条曲线；
提取模块，所述提取模块被设置成根据所述至少一条曲线和投影提取曲线的三维感兴趣区域，并且在所述曲线的三维感兴趣区域中提取所述解剖结构的分割。
8.根据权利要求7所述的系统，其中所述提取模块还被设置成对所述三维感兴趣区域应用一算法，为所述算法的输出选择一阈值，对所述算法的输出进行分割，和根据所述曲线的定向对所述输出进行插值以连接断开的分段。
9.根据权利要求8所述的系统，其中所述算法是线状滤波算法，并且其中当对所述算法的输出进行分割时，所述提取模块基于在所述三维感兴趣区域中的至少一个体素应用适应性区域生长。
10.根据权利要求7所述的系统，其中所述解剖结构包括胆管系统、肝血管系统和肝动脉系统中的一个的至少一部分。
11.根据权利要求7所述的系统，还包括连接至分析模块的数据库，其中所述投影生成模块从所述数据库接收三维影像，并且其中所述投影是最大密度投影和最小密度投影中的一个。
12.根据权利要求11所述的系统，还包括被设置成调节所述投影的层块厚度的调节模块。
13.一种用于在影像中使解剖结构配准的方法，包括：
在第一影像中确定胆管系统的一部分；
在第二影像中确定肝门静脉和肝动脉中的一个的一部分；
在所述第一和第二影像中确定胆囊；
根据与所述胆管系统及所述肝门静脉和肝动脉中的一个相关的至少一个预定的空间关系确定代价函数；和
通过使所述代价函数最大化使所述胆管系统及所述肝门静脉和肝动脉中的一个配准，
其中所述至少一个预定的空间关系包括胆管系统的所述一部分相对于所述肝门静脉和肝动脉中的一个的一部分的定向。
14.根据权利要求13所述的方法，其中使所述代价函数最大化包括使两个影像中胆囊的特征的一致性最大化，使所述胆管系统及肝门静脉和肝动脉中的一个之间的交叠最小化，和使所述胆管系统及肝门静脉和肝动脉中的一个之间的表面距离最小化。
15.根据权利要求13所述的方法，其中所述胆囊的特征包括胆囊的尺寸、形状、定向和质心中的一个。
16.根据权利要求15所述的方法，其中所述第一影像由在电脑断层造影(CT)胆管造影扫描和磁共振(MR)胰胆管造影扫描中的一种中获得的数据而生成，并且其中所述第二影像由在CT扫描和MR扫描中的一种中获得的数据而生成。
17.一种用于使解剖结构配准的系统，包括分析模块，所述分析模块被设置成：
在第一影像中确定胆管系统的一部分；
在第二影像中确定肝门静脉和肝动脉中的一个的一部分；
在所述第一和第二影像中确定胆囊；
根据与所述胆管系统及所述肝门静脉和肝动脉中的一个相关的至少一个预定的空间关系确定代价函数；和
通过使所述代价函数最大化使所述胆管系统及所述肝门静脉和肝动脉中的一个配准，
其中所述至少一个预定的空间关系包括所述胆管系统的一部分相对于所述肝门静脉和肝动脉中的一个的一部分的定向。
18.根据权利要求17所述的系统，其中使所述代价函数最大化包括使两个影像中胆囊的特征的一致性最大化，使胆管系统及肝门静脉和肝动脉中的一个之间的交叠最小化，和使胆管系统及肝门静脉和肝动脉中的一个之间的表面距离最小化。
19.根据权利要求18所述的系统，其中所述胆囊的特征包括胆囊的尺寸、形状、定向和质心中的一个。
20.根据权利要求19所述的系统，其中所述第一影像由在电脑断层造影(CT)胆管造影扫描和磁共振(MR)胰胆管造影扫描中的一种中获得的数据而生成，并且其中所述第二影像由在CT扫描和MR扫描中的一种中获得的数据而生成。
21.根据权利要求20所述的系统，还包括连接至所述分析模块的数据库，其中所述分析模块从所述数据库接收所述第一和第二影像。
22.一种用于评估患者肝脏的系统，包括：数据库，所述数据库被设置成储存肝内解剖结构的至少一个最大密度投影(MIP)影像；和
分割模块，所述分割模块被设置成从所述数据库接收至少一个MIP影像，在所述至少一个MIP影像上产生曲线，和根据所述曲线对肝内解剖结构进行分割。
23.根据权利要求22所述的系统，还包括：
配准模块，所述配准模块被设置成：
从所述分割模块接收肝内解剖结构的分割，
从所述数据库接收第一和第二影像，
确定肝内解剖结构在所述第一影像上的位置，
确定另一肝内解剖结构在所述第二影像上的位置，和
使所述第一和第二影像配准。
CN201080020205.6A 2009-05-08 2010-05-07 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品 Active CN102422307B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510813473.8A CN105427311B (zh) 2009-05-08 2010-05-07 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17668909P 2009-05-08 2009-05-08
US61/176,689 2009-05-08
PCT/US2010/034107 WO2010129911A1 (en) 2009-05-08 2010-05-07 Method, system, apparatus, and computer program product for interactive hepatic vascular and biliary system assessment

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201510813473.8A Division CN105427311B (zh) 2009-05-08 2010-05-07 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品

Publications (2)

Publication Number Publication Date
CN102422307A true CN102422307A (zh) 2012-04-18
CN102422307B CN102422307B (zh) 2015-12-16

Family

ID=43050510

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201510813473.8A Active CN105427311B (zh) 2009-05-08 2010-05-07 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品
CN201080020205.6A Active CN102422307B (zh) 2009-05-08 2010-05-07 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201510813473.8A Active CN105427311B (zh) 2009-05-08 2010-05-07 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品

Country Status (5)

Country Link
US (1) US9280822B2 (zh)
EP (1) EP2427858B1 (zh)
CN (2) CN105427311B (zh)
HK (1) HK1222938A1 (zh)
WO (1) WO2010129911A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810752A (zh) * 2014-02-18 2014-05-21 海信集团有限公司 基于医学图像的肝脏分段方法及其肝脏分段系统
CN103927733A (zh) * 2013-01-11 2014-07-16 上海市第六人民医院 一种利用核磁共振的图像数据建立方法
CN104240215A (zh) * 2013-06-06 2014-12-24 上海联影医疗科技有限公司 一种医学图像处理方法
CN104933756A (zh) * 2014-03-21 2015-09-23 北京冠生云医疗技术有限公司 三维冠状动脉分析模型的构建方法和系统
CN106952264A (zh) * 2017-03-07 2017-07-14 青岛海信医疗设备股份有限公司 三维医学目标的切割方法及装置
CN107194925A (zh) * 2017-05-31 2017-09-22 上海联影医疗科技有限公司 图像处理方法及系统
CN107273904A (zh) * 2017-05-31 2017-10-20 上海联影医疗科技有限公司 图像处理方法及系统
CN107292867A (zh) * 2017-05-31 2017-10-24 上海联影医疗科技有限公司 图像处理方法及系统
CN108305255A (zh) * 2017-01-12 2018-07-20 浙江京新术派医疗科技有限公司 肝脏手术切割面的生成方法和生成装置
CN111655183A (zh) * 2017-12-28 2020-09-11 皇家飞利浦有限公司 用于辅助穿刺规划的装置和方法
CN117197164A (zh) * 2023-11-08 2023-12-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2277146A4 (en) 2008-01-02 2017-11-08 Bio-Tree Systems, Inc. Methods of obtaining geometry from images
WO2011128792A2 (en) * 2010-04-16 2011-10-20 Koninklijke Philips Electronics N.V. Image data reformatting
JP2013545520A (ja) * 2010-10-29 2013-12-26 ザ・ジョンズ・ホプキンス・ユニバーシティ 画像検索エンジン
WO2012094445A1 (en) * 2011-01-06 2012-07-12 Edda Technology, Inc. System and method for treatment planning of organ disease at the functional and anatomical levels
US20130072783A1 (en) * 2011-09-16 2013-03-21 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Indicating proximity of a body-insertable device to a destination region of interest
US9216008B2 (en) * 2012-01-30 2015-12-22 Technion Research & Development Foundation Limited Quantitative assessment of neovascularization
CN102592060A (zh) * 2012-02-10 2012-07-18 中国人民解放军总医院 一种利用消融治疗影像引导设备处理影像的方法
CN102609620A (zh) * 2012-02-10 2012-07-25 中国人民解放军总医院 一种带有影像分割装置的消融治疗影像引导设备
CN102609622A (zh) * 2012-02-10 2012-07-25 中国人民解放军总医院 一种带有影像测量装置的消融治疗影像引导设备
US20140114174A1 (en) * 2012-10-22 2014-04-24 Tufts Medical Center Systems and method for quantification of knee cartilage from magnetic resonance imaging
CN104182956B (zh) * 2013-05-21 2018-08-03 上海联影医疗科技有限公司 一种血管提取方法
CN103942772A (zh) * 2014-05-15 2014-07-23 北京思创贯宇科技开发有限公司 一种多模态多维度的血管融合方法及系统
US20160012206A1 (en) * 2014-07-10 2016-01-14 Siemens Medical Solutions Usa, Inc. Pictorial report of a medical procedure
KR102372351B1 (ko) * 2014-08-19 2022-03-08 삼성메디슨 주식회사 초음파 진단 장치 및 초음파 진단 방법
CN106256326A (zh) * 2015-06-19 2016-12-28 通用电气公司 计算机断层扫描切片图像的生成系统及方法
US9786058B2 (en) * 2016-02-08 2017-10-10 Sony Corporation Method and system for segmentation of vascular structure in a volumetric image dataset
GB2549459B (en) * 2016-04-12 2020-06-03 Perspectum Diagnostics Ltd Method and apparatus for generating quantitative data for biliary tree structures
WO2018218478A1 (zh) 2017-05-31 2018-12-06 上海联影医疗科技有限公司 图像处理方法及系统
WO2019065466A1 (ja) * 2017-09-29 2019-04-04 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
CN109620404A (zh) * 2019-01-18 2019-04-16 深圳市旭东数字医学影像技术有限公司 基于医学图像的肾脏分段的方法及其系统
CN114511560B (zh) * 2022-04-18 2022-07-19 武汉大学 Mrcp图像的胆管分割方法及装置
US20240249414A1 (en) * 2023-01-19 2024-07-25 GE Precision Healthcare LLC 3d interactive annotation using projected views
CN118365803B (zh) * 2024-06-19 2024-10-08 南方医科大学珠江医院 基于3d-mrcp图像的胆道三维重建方法及相关装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1518719A (zh) * 2001-04-23 2004-08-04 西门子共同研究公司 根据多层面高分辩率计算机断层摄影图像自动检测肺肿瘤的方法和系统
US20060013482A1 (en) * 2004-06-23 2006-01-19 Vanderbilt University System and methods of organ segmentation and applications of same
US20070116335A1 (en) * 2005-11-23 2007-05-24 General Electric Company Method and apparatus for semi-automatic segmentation technique for low-contrast tubular shaped objects

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7356367B2 (en) * 2000-06-06 2008-04-08 The Research Foundation Of State University Of New York Computer aided treatment planning and visualization with image registration and fusion
US7646900B2 (en) * 2003-08-21 2010-01-12 Koninklijke Philips Electronics N.V. Device and method for generating a three dimensional vascular model
US8170640B2 (en) * 2004-08-02 2012-05-01 Siemens Medical Solutions Usa, Inc. System and method for tree projection for detection of pulmonary embolism
WO2007002562A2 (en) 2005-06-24 2007-01-04 Edda Technology, Inc. Methods for interactive liver disease diagnosis
EP1952347B1 (en) 2005-11-01 2019-03-06 Edda Technology, Inc. Method and system for liver lobe segmentation and pre-operative surgical planning
WO2009006758A1 (fr) * 2007-07-10 2009-01-15 Tsinghua University Système d'imagerie de type à acquisition continue et dynamique pour l'imagerie moléculaire par fluorescence induite pour un petit animal
US8355019B2 (en) * 2007-11-02 2013-01-15 Dimension Technologies, Inc. 3D optical illusions from off-axis displays
CN101959452B (zh) * 2008-03-06 2013-08-28 美国医软科技公司 用于交互式肝叶分割的系统和方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1518719A (zh) * 2001-04-23 2004-08-04 西门子共同研究公司 根据多层面高分辩率计算机断层摄影图像自动检测肺肿瘤的方法和系统
US20060013482A1 (en) * 2004-06-23 2006-01-19 Vanderbilt University System and methods of organ segmentation and applications of same
US20070116335A1 (en) * 2005-11-23 2007-05-24 General Electric Company Method and apparatus for semi-automatic segmentation technique for low-contrast tubular shaped objects

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BRIAN S. KUSZYK ET AL.: "CT Angiography with Volume Rendering: Imaging Findings", 《AM J ROTNTGENOL》 *
REGINA POHLE ET AL.: "Segmentation of medical images using adaptive region growing", 《PROV.SPIE,MEDICAL IMAGING 2001》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927733A (zh) * 2013-01-11 2014-07-16 上海市第六人民医院 一种利用核磁共振的图像数据建立方法
CN104240215B (zh) * 2013-06-06 2018-05-04 上海联影医疗科技有限公司 一种医学图像处理方法
CN104240215A (zh) * 2013-06-06 2014-12-24 上海联影医疗科技有限公司 一种医学图像处理方法
CN103810752B (zh) * 2014-02-18 2017-01-11 海信集团有限公司 基于医学图像的肝脏分段方法及其肝脏分段系统
CN103810752A (zh) * 2014-02-18 2014-05-21 海信集团有限公司 基于医学图像的肝脏分段方法及其肝脏分段系统
CN104933756A (zh) * 2014-03-21 2015-09-23 北京冠生云医疗技术有限公司 三维冠状动脉分析模型的构建方法和系统
CN104933756B (zh) * 2014-03-21 2018-03-30 北京冠生云医疗技术有限公司 三维冠状动脉分析模型的构建方法和系统
CN108305255B (zh) * 2017-01-12 2022-04-19 浙江京新术派医疗科技有限公司 肝脏手术切割面的生成装置
CN108305255A (zh) * 2017-01-12 2018-07-20 浙江京新术派医疗科技有限公司 肝脏手术切割面的生成方法和生成装置
CN106952264A (zh) * 2017-03-07 2017-07-14 青岛海信医疗设备股份有限公司 三维医学目标的切割方法及装置
CN107292867A (zh) * 2017-05-31 2017-10-24 上海联影医疗科技有限公司 图像处理方法及系统
CN107273904A (zh) * 2017-05-31 2017-10-20 上海联影医疗科技有限公司 图像处理方法及系统
CN107194925A (zh) * 2017-05-31 2017-09-22 上海联影医疗科技有限公司 图像处理方法及系统
CN111655183A (zh) * 2017-12-28 2020-09-11 皇家飞利浦有限公司 用于辅助穿刺规划的装置和方法
CN117197164A (zh) * 2023-11-08 2023-12-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统
CN117197164B (zh) * 2023-11-08 2024-03-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统

Also Published As

Publication number Publication date
EP2427858A1 (en) 2012-03-14
CN102422307B (zh) 2015-12-16
CN105427311B (zh) 2020-09-04
US9280822B2 (en) 2016-03-08
EP2427858A4 (en) 2013-10-23
CN105427311A (zh) 2016-03-23
WO2010129911A1 (en) 2010-11-11
HK1222938A1 (zh) 2017-07-14
US20100316277A1 (en) 2010-12-16
EP2427858B1 (en) 2018-07-11

Similar Documents

Publication Publication Date Title
CN102422307B (zh) 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品
Bade et al. Comparison of fundamental mesh smoothing algorithms for medical surface models.
CN102460471B (zh) 用于胸腔层析x射线合成成像中的计算机辅助肺结节检测的系统
US7773786B2 (en) Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects
US9020235B2 (en) Systems and methods for viewing and analyzing anatomical structures
US11132801B2 (en) Segmentation of three-dimensional images containing anatomic structures
US7565000B2 (en) Method and apparatus for semi-automatic segmentation technique for low-contrast tubular shaped objects
EP2120208A1 (en) Method and system for lesion segmentation
US20090232369A1 (en) Method, a system and a computer program for integration of medical diagnostic information and a geometric model of a movable body
US9697600B2 (en) Multi-modal segmentatin of image data
US20150097833A1 (en) Apparatus for, and method of, processing volumetric medical image data
Debarba et al. Efficient liver surgery planning in 3D based on functional segment classification and volumetric information
CN107708550A (zh) 用于检测和测量解剖异常的分段回声结构的表面建模
CN117115150B (zh) 用于确定分支血管的方法、计算设备和介质
CN101160602A (zh) 用于分割多维数据集中的解剖结构的方法、设备和计算机程序
CN114648525A (zh) 基于流域分析的器官分段方法及系统
US11903691B2 (en) Combined steering engine and landmarking engine for elbow auto align
Wang et al. Coronary artery segmentation and skeletonization based on competing fuzzy connectedness tree
Shiaa et al. A Novel Method Based on Interpolation for Accurate 3D Reconstruction from CT Images.
Jiang et al. An automatic and fast centerline extraction algorithm for virtual colonoscopy
Wang et al. Virtual reassembly of fractured bones for orthopedic surgery
Kerr et al. “True” color surface anatomy: mapping the Visible Human to patient-specific CT data
CN114782366B (zh) 心脏支架检测方法和装置、存储介质和电子设备
Wan et al. Extraction and analysis of large vascular networks in 3D micro-CT images
Yu et al. System for 3D visualization and data mining of large vascular trees

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