CN102473303A - 生成对象数据 - Google Patents
生成对象数据 Download PDFInfo
- Publication number
- CN102473303A CN102473303A CN2010800353234A CN201080035323A CN102473303A CN 102473303 A CN102473303 A CN 102473303A CN 2010800353234 A CN2010800353234 A CN 2010800353234A CN 201080035323 A CN201080035323 A CN 201080035323A CN 102473303 A CN102473303 A CN 102473303A
- Authority
- CN
- China
- Prior art keywords
- interest
- characteristic
- point
- image
- user
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- 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
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30172—Centreline of tubular or elongated structure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Abstract
本发明涉及生成对象的感兴趣区域的3D血管模型。本发明尤其涉及用于生成对象的感兴趣区域的3D血管模型的医学成像系统和方法,并且涉及用于生成对象的感兴趣区域的3D血管模型的计算机程序单元和计算机可读介质。为了促进和改进对象的感兴趣区域的3D血管模型的生成,提供了一种医学成像系统和具有以下步骤的方法:从不同观察角采集对比度增强血管结构的至少两个2D X射线投影图像,针对2D X射线投影图像中的每个确定预定血管特征的概率图,显示针对所述2D X射线投影图像中的每个的概率图以用于交互目的,通过以下分割感兴趣血管:通过用户交互指示所述至少两个2D X射线投影图像之一的概率图中第一组感兴趣点的位置;确定和显示所述至少两个2D X射线投影图像的另一个的概率图中第一组感兴趣点的核线;由用户指示所述至少两个2D X射线投影图像的另一个的概率图中第二组感兴趣点的位置,其中核线充当取向,且其中第二组点与指示的第一点对应;在指示感兴趣点位置时确定血管结构的最密切相关预定特征以及从所确定的血管结构的特征提取血管结构的2D中心线、分叉点和/或血管边界,以及从所提取的2D血管中心线、分叉点和/或血管边界计算3D血管模型。
Description
技术领域
本发明涉及生成对象的感兴趣区域的特征的对象数据。具体而言,本发明涉及生成对象的感兴趣区域的3D血管模型。本发明尤其涉及用于生成特征的对象数据,例如对象的感兴趣区域的3D血管模型的医学成像系统和方法。本发明还涉及用于生成对象数据,例如对象的感兴趣区域的3D血管模型的计算机程序单元和计算机可读介质。
背景技术
例如,通常由介入医师使用对比度增强血管结构的二维(2D)X射线投影图像来支持例如心脏病患者的治疗。2D投影图像也称为血管造影片,常用于评估例如像血管长度、直径和形状的量。不过,在血管造影片中丢失了被成像血管的实际三维(3D)解剖结构,这例如可能导致被考虑血管量的误判。因此,已知例如在冠状动脉介入中生成感兴趣血管的3D表示。因此,在从不同观察角度采集的至少两个血管造影片中手动分割感兴趣血管。然后可以利用核面几何学从至少两个2D分割构造3D血管模型。例如,US 2006/0084862A1描述了一种方法,包括:基于由成像装置生成的图像数据采集血管系统的模型,识别血管系统的感兴趣部分,以及确定感兴趣血管的血管轴,用于重构3D动脉树。不过,为了生成可靠和真实的3D血管模型,构造3D血管模型所依据的2D分割应当尽可能精确。对于2D血管中心线尤其是这种情况,该2D血管中心线形成3D模型骨架的基础。由于临床用户通过例如在血管造影片上点击点来指示2D中心线的位置,然后将这些点用于从血管造影片提取2D中心线的精确形状和位置,因此可能精度取决于临床用户输入的精确性。已经证明,为了改进3D血管模型的精度,用户必须确保输入尽可能精确,这意味着交互步骤未必是耗时的,可能导致疲劳和注意力损失,因而应当避免。
发明内容
因此,可能需要促进和改进对象的感兴趣区域的3D血管模型的生成。
根据本发明的示范性实施例,提供了一种用于生成对象的感兴趣区域的特征的对象数据的方法,包括以下步骤:采集对象的感兴趣区域的图像数据;针对每个图像元素确定图像数据中的预定特征的概率值;显示所述图像数据的每个图像元素的概率值以用于交互的目的;通过用户的交互在所显示概率值中指定特征;确定代表指定的特征的最密切相关的预定特征;计算代表所确定的特征的对象数据;以及将计算的对象数据用于进一步处理。
例如,可以由X射线成像装置,例如CT或CT扫描器,或由MRI或超声或任何其他适当的例如直接或间接提供2D图像数据的图像采集装置来采集图像数据。
根据本发明的示范性实施例,所述特征是血管,并且其中3D模型是血管模型,其中采集步骤包括从不同观察角采集对比度增强的血管结构的至少两个2D X射线投影图像,确定步骤包括针对所述2D X射线投影图像中的每个确定预定血管特征的概率图,显示步骤包括显示针对所述2D X射线投影图像中的每个的概率图以用于交互目的,识别步骤包括通过以下分割感兴趣血管:通过用户交互指示所述至少两个2D X射线投影图像之一的概率图中第一组感兴趣点的位置;确定和显示所述至少两个2D X射线投影图像的另一个的概率图中第一组感兴趣点的核线;由用户指示所述至少两个2D X射线投影图像的另一个的概率图中第二组感兴趣点的位置,其中所述核线充当取向,且其中所述第二组点与所指示的第一点对应;在指示感兴趣点的位置时确定血管结构的最密切相关的预定特征;提取所确定的血管结构的相关预定特征的坐标;并且其中计算步骤包括从针对所确定的相关预定特征提取的坐标计算3D血管模型。
根据本发明的示范性实施例,相关预定特征的提取坐标可以表示2D中心线、分叉点和/或血管边界。
根据本发明的示范性实施例,坐标还涉及其他特征,例如高曲率点,例如,其可以位于边界或中心线上。可以将高曲率点定义为潜在的线,例如中心线、边界或等照度线的曲率,示出了局部最大值的点。高曲率点能够,例如位于两个血管的分支部位,而且在沿给定血管分支非常强的弯曲上。
根据本发明的示范性实施例,坐标也可以涉及特殊辐射度学点,例如血管之内的钙化峰值。
在任何情况下,坐标都涉及特征点,可以在图像数据中以低水平的模糊性识别特征点用于例如建模过程,且对特征点是特别感兴趣的,从而希望包括在例如模型中。
根据本发明的示范性实施例,可以将分叉点定义为中心线的交点。
必须要指出的是,根据本发明的示范性实施例,步骤d):通过用户交互在所显示概率值中指定特征,e):确定代表所指定的特征的最密切相关预定特征,和f):计算代表所确定的特征的对象数据,可以被定义为表示分割步骤,其中步骤d)、e)和f)是子步骤。
根据本发明,概率图向用户给出血管造影片中哪些像素或图像点具有位于或接近预定特征,例如血管中心线的高概率的指示。这种信息是从原始血管造影片中的图像点灰度值像素导出的。概率图还可以指示血管造影片中哪些像素具有位于或接近例如血管造影片中分叉的高概率。于是概率图显示了关于预定特征,例如血管中心线的信息,为此也可以使用术语中心度能量图。于是可以将与分叉相关的信息部分描述为分叉能量图。通过在概率图中组合两种信息,可以为用户提供增强图像形式的非常有帮助的信息,其中从其导出实际血管树的外观要容易得多。
为了交互目的而显示概率图支持临床用户在血管造影片中在比简单示出血管造影片可能更精确的位置处放置针对预定特征,例如中心线、分叉点和/或血管边界的指示点。换言之,用户在概率图上指示与例如实际血管中心线或分叉点接近程度高得多的点,因为概率图已经呈现了增强的图像信息。于是,可以避免用户误判血管造影片中的图像信息以及指示感兴趣点的错误位置。
根据本发明的示范性实施例,由用户手动进行一组点位置的指示。
这样提供了如下优点,即用户能够评估示出的概率图并根据当前介入程序的特定需求选择感兴趣的血管。
根据本发明的示范性实施例,也可以由处理单元执行一组点位置的指示。
这样允许由用户,例如,通过自动执行的图像分析程序来促进必要的步骤。当然,也可以基于图像分析提议该组点的位置的指示,然后可以由用户确认或拒绝该提议。
根据本发明的示范性实施例,核线是对应的指示点应当所在的线。利用核面几何学确定核线。
根据本发明的示范性实施例,显示所提取的中心线以在执行计算3D血管模型的步骤之前由用户评估中心线的精度。
这样提供了如下优点,即用户能够可视地控制所提取的2D中心线是否依据其意图。换言之,显示所提取的2D中心线改善了计算3D血管模型的质量。
根据示范性实施例,在用户评估时,重复分割感兴趣血管的步骤。
重复分割步骤允许调整,从而改进提取的2D中心线,2D中心线充当计算3D血管模型的基础。根据用户的要求,重复可以是多次的。
根据示范性实施例,利用用户装置在图像上点击来完成感兴趣点的指示。
于是,用户能够容易地识别感兴趣点并输入命令以精确地选择这些识别的点进行进一步处理。
光标装置例如可以是鼠标、滚动球、图形笔或图形输入板等。例如,可以根据特定介入的环境中已有的其他设备选择光标装置。
例如,在因为特定介入步骤的特定要求,由于其他需要已经提供图形输入板的情况下,可以将图形输入板用于用户的交互,以生成3D血管模型。
根据另一示范性实施例,结合所述2D X射线投影图像显示所述概率图。
这提供了如下优点:概率图还示出至少在概率图指示较低概率图或没有概率的那些区域中,有一种用户用于工作的图形信息。通过组合概率图与2D X射线投影图像,可以增强接受度,因为用户对例如他看到的种类的图像感到满意。
根据本发明的示范性实施例,2D X射线投影图像为血管造影片。
通过组合或混合血管造影片与根据本发明的概率图,生成具有增强的图形信息的图像,便于理解所示的特征。可以将所得的图像称为加强的血管造影片。
根据本发明的示范性实施例,与2D X射线投影图像组合,例如在血管造影片上混合的概率图可以加以调整,使得用户能够确定概率图的概率的阈值。
换言之,用户能够控制覆盖到血管造影片上的概率图的强度。这样例如允许为用户提供关于诸如中心线或分叉点的特征的概率的信息,还为用户提供血管造影片中所示的信息。这样提供了如下可能性:将与第一次使用新形式的概率图的用户和对这种新型信息不那么熟悉的用户相关的可能取向错误保持尽可能低。
根据本发明的示范性实施例,针对每个观察角采集一系列2D X射线投影图像,将所述图像配准到额定时间。选择与相同相位对应的不同观察角的图像作为所采集的至少两个2D X射线投影图像。
由于选择具有适合于进一步处理步骤的最佳图形信息内容的图像,这样实现了进一步改进。
根据本发明的示范性实施例,由用户手动选择表示所采集的至少两个2D X射线投影图像的图像来执行图像的选择。
根据本发明的示范性实施例,基于预定的图像信息参数自动从一系列2D X射线投影图像选取或选择图像。
根据本发明的示范性实施例,额定时间基于生理参数的测量。
这样提供了如下优点:例如,与冠状动脉相关的X射线图像属于例如相同的心脏时相或相同的呼吸运动。
例如,生理参数是ECG信号。
根据本发明的示范性实施例,与概率图组合显示生理参数,例如ECG信号。
这为用户提供了额外信息,例如,可以将额外信息用于质量控制或用于选择例如相同心脏时相的图像。
根据本发明的示范性实施例,两个不同观察角之间的角度至少为30度。
根据本发明的示范性实施例,观察角为90度。
根据本发明的示范性实施例,在指示感兴趣点之一时,检测最密切相关特征的位置并将指示的点抓取到检测的位置。
这样提供了如下优点,即用户能够以相当不精确的方式指示感兴趣点,其中提供的抓取功能确保了精确3D模型必须的精度。
例如,在用户利用诸如鼠标的光标指示感兴趣点的情况下,用户仅必须在他实际希望标识为指示的点附近或周围放置光标,这意味着用户必须花费较少时间和较少关注来进行交互步骤。这意味着生成3D血管模型的工作负荷和所需时间消耗的减轻。换言之,用户能够节省用于实际介入步骤的时间和能量。
根据本发明的示范性实施例,将检测到的位置指示为用户的引导选项。
通过为用户提供引导选项,例如通过指示可以将光标或识别标志抓取到的位置,引入了质量控制回路以用于改进,因为用户能够判断是否选择提出的点,换言之,抓取到这个点,或实际使用光标的位置进行交互步骤。
简单地讲,可以为用户提供不同模式,例如,可以根据个体要求选择模式。
根据本发明的示范性实施例,相对于3D血管模型的生成所用的介入类型自动执行模式设置。
例如,在一种模式中,可以关闭抓取到功能,亦即,从基于概率图的点击或指示过程完全解耦抓取。
在另一种模式中,打开抓取,将点击或指示的点抓取到计算的位置。
在另一种模式中,可以说两种上述模式是混合的。换言之,用户能够在概率图上指示感兴趣点,同时还示出了可以应用抓取功能的位置建议。在这种模式中,用户有可能判断他实际希望使用哪个点或位置,例如,他一开始点击的位置,或提议要抓取到的点,或期间某处的位置。
根据本发明的另一示范性实施例,确定所述概率图的步骤基于用户的先前交互。
例如,可以基于先前的点击引出概率图,例如并入核线信息。通过引入这种可以说是自我学习过程,能够提供增强的概率图,其考虑到输入,从而考虑到与所确定或计算的数据交互的用户的经验和知识。
在本发明的示范性实施例中,基于指示的点计算样条,将样条用于计算概率图。
例如,于是能够从确定的概率图并基于例如相同血管上已经点击的点导出属于血管的概率。通过这种组合,能够在概率图中并入从先前点击获得的信息。通过这种方式,可以增强概率图的某些区域,例如或甚至完全排除,以用于下一步。这进一步改进了用于提取2D中心线以及用于计算3D血管模型的数据。
根据本发明的另一示范性实施例,针对光标装置的位置调整概率图,从而使概率图仅在光标附近以增强模式显示,在其他部分中以减小的详细水平显示。
这样提供了如下优点:概率图仅以概观方式示出了基本信息,而通过将光标装置移动到感兴趣位置,换言之,移动到用户希望识别从而指示感兴趣点的位置,以具有更多信息的模式中示出了概率图。
在本发明的另一示范性实施例中,结合血管造影片示出了概率图。
在用户将光标移动到期望区域的情况下,更详细地示出了光标的附近区域,从而覆盖更多血管造影片,而图像其余部分中所示的基本信息仅覆盖最少量的血管造影片表面。这样为用户提供了到目前为止根据其经验他习惯的血管造影片,而例如减小的概率图的基本信息给出一些大致取向。出于交互的目的,在感兴趣位置周围以增强模式示出了概率图,以允许精确识别感兴趣点。
根据本发明的示范性实施例,提供了一种用于生成对象的感兴趣区域的特征的对象数据的医学成像系统,包括至少一个图像数据采集装置、数据处理单元、显示装置和接口单元。所述图像数据采集装置被布置为采集对象的感兴趣区域的图像数据。所述数据处理单元适于:针对每个图像元素确定图像数据中的预定特征的概率值,确定代表所指定的特征的最密切相关的预定特征,计算代表所确定的特征的对象数据,以及使用计算的对象数据进行进一步处理。所述显示装置被布置成显示图像数据的每个图像元素的概率值以用于交互目的。所述接口单元适于通过用户交互在所显示概率值中指定特征。
例如,可以由X射线成像装置,例如CT或CT扫描器,或由MRI或利用超声或任何其他适当的例如直接或间接提供2D图像数据的图像采集装置来采集图像数据。
根据医学成像系统的示范性实施例,所述特征是血管,所生成的对象数据为3D血管模型。所述图像数据采集装置是X射线图像采集装置,被布置成从不同观察角采集对比度增强的血管结构的至少两个2D X射线投影图像。所述数据处理单元适于:针对2D X射线投影图像的每个将概率图确定为预定血管特征的概率值;确定至少两个2D X射线投影图像的另一个的概率图中第一组感兴趣点的核线;在指示感兴趣点的位置时确定血管结构的最密切相关的预定特征;提取所确定的血管结构的相关预定特征的坐标;以及从针对所确定的相关预定特征提取的坐标计算3D血管模型。显示装置被布置为显示针对2D X射线投影图像中的每个的概率图以用于交互目的,以及显示至少两个2D X射线投影图像的另一个的概率图中第一组感兴趣点的核线,其中核线充当取向。所述接口单元适于由用户指示至少两个2D X射线投影图像之一的概率图中第一组感兴趣点的位置,以及适于由用户指示至少两个2D X射线投影图像中的另一个的概率图中第二组感兴趣点的位置,其中所述第二组点与指定的第一点对应。
根据本发明的示范性实施例,所述数据处理单元适于在指示感兴趣点之一时检测概率图的最密切相关特征的位置并将所指示的点抓取到检测的位置。
在本发明的另一示范性实施例中,提供了一种计算机程序或计算机程序单元,其特征在于适于在适当系统上执行根据前述实施例之一所述的方法的方法步骤。
因此可以在计算机单元上存储该计算机程序单元,该计算机单元也可以是本发明实施例的部分。这种计算单元可以适于执行或诱发执行上述方法的步骤。此外,它可以适于操作上述设备的部件。计算单元可以适于自动操作和/或执行用户的命令。可以将计算机程序加载到数据处理器的工作存储器中。于是可以装备数据处理器以执行本发明的方法。
本发明的这一示范性实施例既覆盖了从一开始就使用本发明的计算机程序,又覆盖了通过更新将现有程序变为使用本发明的程序的计算机程序。
此外,计算机程序单元可能能够提供所有必要步骤以实现上述方法的示范性实施例的程序。
根据本发明的另一示范性实施例,提供了一种计算机可读介质,例如CD-ROM,其中计算机可读介质具有存储于其上的计算机程序单元,该计算机程序单元是前面部分所述的计算机程序单元。
不过,也可以在诸如万维网的网络上提供计算机程序,并可以从这样的网络向数据处理器的工作存储器中下载程序。根据本发明的另一示范性实施例,提供了一种使得计算机程序单元能够被下载的介质,计算机程序单元被布置为执行根据前文描述的本发明实施例之一所述的方法。
必须要指出,本发明的实施例是参考不同主题描述的。具体而言,一些实施例是参考方法类型的权利要求描述的,而其他实施例是参考装置类型的权利要求描述的。不过,本领域的技术人员将从以上和下面的描述中了解到,除非另行指出,除了属于一种主题类型的特征的任何组合之外,涉及不同主题的特征之间的任何组合也被认为是本申请公开的。不过,可以组合所有特征,提供了超过特征的简单相加的协同效应。
附图说明
本发明的上述方面和其他方面、特征和优点也可以从本文后面要描述的实施例的范例导出,并参考实施例的范例加以解释,但本发明不限于这些范例。在下文中将参考附图更详细地描述本发明。
图1示意性示出了根据本发明的X射线成像系统;
图2示意性示出了用于交互目的的概率图;
图3示意性示出了具有指示点(左部分)和核线(右部分)的概率图,用于交互目的;
图4示意性示出了根据本发明与概率图结合的提取中心线;
图5示意性示出了计算的3D血管模型;
图6示意性示出了指示点被抓取到确定的特征的概率图,用于交互的目的;
图7示意性示出了根据本发明示范性实施例的基本方法步骤;
图8示意性示出了血管造影片的例示;
图9示意性示出了为了交互的目的而显示的概率图范例;
图10示出了图8的血管造影片的图像;以及
图11示出了图9的概率图的图像。
具体实施方式
图1示意性示出了具有检查设备的X射线成像系统10作为图像采集装置的范例。检查设备包括具有X射线辐射源12的X射线图像采集装置,用于生成X射线辐射。提供台子14以接收要检查的受检者。此外,X射线图像探测模块16位于X射线辐射源12的对侧,即在辐射程序期间,受检者位于X射线辐射源12和探测模块16之间。后者向数据处理单元或计算18发送数据,数据处理单元或计算18连接到探测模块16和辐射源12。数据处理单元18位于台子14下方以节省例如检查室之内的空间。当然,它也可以位于不同位置,例如不同房间。此外,显示装置20布置在台子14附近以向操作X射线成像系统的人,即临床医生,例如心脏病专家或心脏外科医生显示信息。优选地,显示装置20可移除地安装,以根据检查状况进行单个调整。而且,布置接口单元22以由用户输入信息。基本上,图像探测模块16通过使受检者暴露于X射线辐射来生成图像,其中在数据处理单元18中进一步处理所述图像。要指出的是,所示的范例是所谓的C型X射线图像采集装置。当然,本发明还涉及其他类型的X射线图像采集装置。下文更详细地描述根据本发明的程序。
提供X射线成像系统10以生成对象,例如患者,的感兴趣区域的3D血管模型。因此,布置包括X射线辐射源12和图像探测模块16的X射线图像采集装置以从不同观察角采集对比度增强的血管结构的至少两个2D X射线投影图像。例如,图1中所示的C型X射线图像采集装置能够绕着躺在台子14上的患者旋转,以采集至少两个2D X射线投影图像。基于来自2D X射线投影图像的数据,确定预定血管特征的概率图。当然,针对2D X射线投影图像中的每个确定概率图。然后针对2D X射线投影图像的每个在显示器20上显示确定的概率图用于用户交互的目的。
作为范例,图2在图像左部分中示出了针对一个观察角的概率图24,以及针对同一感兴趣区域但具有不同观察角的概率图26。例如,图2中示意性示出的显示器的左部分和右部分之间的观察角的差异大约为90度。概率图24、26向用户指示血管造影片中,换言之,所采集的X射线图像中哪个像素具有落在血管中心线上或接近血管中心线的更高或更低概率。类似地,概率图还指示血管造影片中分叉的位置,充当概率图的基础。换言之,概率图示出了中心能量信息和分叉能量信息。于是概率图24、26提供了增强的信息,如同来自X射线图像的经过滤和解译的信息,它们对用户更有用,因为通过提供概率信息,可以极大减少误判的可能性或对X射线图像大量研究的需要。
当然,概率也可以表示其他感兴趣特征,例如高曲率点,例如,其可以位于边界上或中心线上。可以将高曲率点定义为潜在的线,例如中心线、边界或等照度线的曲率,示出了局部最大值的点。高曲率点能够,例如位于两个血管的分支部位,而且在沿给定血管分支非常强的弯曲上。坐标也可以涉及特殊辐射度学点,例如血管之内的钙化峰值。
通过图2中所示图像左部分中的概率图24,为用户提供中心线实际位于指定区域中的概率为特定预定概率程度的信息。例如,第一图案化区域28指示中心线位于图像中这一特定区域中的较低概率,而另一图形表示,在这种情况下是更粗的虚线30,指示血管造影片中识别的血管中心线位于该特定指示区域中的高概率。选择另一图形参数指示分叉的位置,在图2中用第二图案化区域32指示。
通过提供另一概率图26在图2中的图像右部分中提供关于中心线位于图像某区域中的概率的类似信息。
当然,可以通过不同编码,例如颜色,来实现关于概率程度的信息的提供。
用户然后利用概率图点击第一概率图24中要分割的血管中心线上的点以进行交互的目的。因此,用户不点击血管造影片,而是在以概率图24形式的增强图形数据上点击。例如,用户识别用图2中的第二图案32指示的分叉的位置,这种识别是通过利用例如光标点击指示位置并由此在图3左部分中生成点34来实现的。接下来,用户识别感兴趣血管的末端并通过例如将光标38移动到期望位置并利用接口装置点击来放置另一个点36。
换言之,用户通过交互,即通过移动并点击光标装置38,指示至少两个2D X射线投影图像之一的概率图24中感兴趣的第一组点的位置,即例如点34和36的位置。
基于属于第一组点的这些点,针对该组点确定核线,然后在所述至少两个2D X射线投影图像的另一个的概率图中显示核线,在图3中所述另一个图像是所示图像右部分中的概率图26。首先,以指示第一个点34的位置的第一图案指示核线40,第一个点34表示图像左部分中概率图24中的分叉点。以指示概率图24中第二个点36的位置或可能位置的第二图案示出了第二核线42。可以调整核线的图案以匹配用于所指示点的图案。
然后用户在至少两个2D X射线投影图像的另一个的概率图26中指示第二组感兴趣点的位置。这是利用核线40、42作为取向来实现的。例如,用户在第一核线40与关于虚线30所示中心线位置的最高概率的图形信息的交点上点击。换言之,用户生成额外的标记或点44。为了指示左部分中点36表示的血管末端的位置,用户在图像右部分中生成第二点或标记46,为此为用户提供与感兴趣的特定血管的中心线末端交叉或接触的第二核线42。
基于从两个不同观察角的图像中的第一组点和第二组点,通过指示感兴趣点的位置而确定血管结构的最相关预定特征。然后使用确定的血管结构的特征提取血管结构的2D中心线、分叉点和/或血管边界。
作为范例,在图4中,利用某个编码图案的线48示出了提取的2D中心线。而且,用具有编码图案的点50指示分叉点。例如,可以将线48示为黄色,而将分叉点50示为蓝色。未进一步示出血管边界。
图4示出了叠加在概率图24、26上的提取的2D中心线。根据本发明,也可以显示提取的中心线而不带有概率图24和26,在图中未示出但能够容易理解。
然后使用提取的2D中心线、分叉点和/或血管边界计算图5中所示的3D血管模型52。
在本发明的另一示范性实施例中,可以由用户评估图4中指示的所显示提取中心线,以在执行图5中3D血管模型52的计算之前处理中心线的精度方面。例如,如果用户发现提取的2D中心线不符合他的要求,可以重复前面提到的步骤。
在本发明的另一示范性实施例中,结合图2到4所示的概率图显示采集的2D X射线投影图像。例如,2D X射线投影图像为血管造影片,其上叠加了概率图24、26,但未进一步示出。
为了优化3D模型52的计算结果,针对每个观察角采集一系列2D X射线投影图像。将图像配准到额定时间53。然后,出于质量的原因,选择与相同相位对应的不同观察角的图像,以表示用于上述程序的至少两个2DX射线投影图像。于是,可以根据图像数据中包含的信息水平选择图像。
例如,可以由用户手动地,或也可以由处理单元自动地执行图像的选择或者说成图像的选取。
作为额定时间信号,在感兴趣对象为患者的情况下,使用生理参数。例如,由于导致胸廓的运动,呼吸运动是X射线图像中的一个方面。
生理参数的另一个范例是ECG信号,例如对于冠状动脉介入程序而言。为了由用户进行控制以及获得额外信息,在图2到4中图像的左部分和右部分中都结合概率图显示曲线图54指示的ECG信号。例如,以编码标记56的形式,例如由红线提供额定时间。
而且,可以在图像显示器中指示图2到4中也示出的观察角。在图像半部分的左上角中,通过显示角度值58指示观察角。可以看出,观察角相差90度。
作为额外的特征,可以由用户提供抓取功能,在下文中参考图6解释这种情况。例如,在指示感兴趣点之一时,例如,为了指示概率图24中所示分叉的位置,检测最密切相关的特征的位置并将指示的点抓取到检测的位置。必须要注意,在图6中仅示出了参考图2到4描述的图像的左部分,但抓取功能意在提供给用户,还用于在图2到4的右部分所示的另一概率图26中指示第二组点。
例如,为了指示分叉点,用户点击点59指示的分叉点附近。在点击和设置点时,最密切相关特征的位置,在这种情况下即分叉点的位置,被检测到,并抓取点59,如虚线60所示,抓取到由点62指示的分叉点位置的最高概率的位置。
作为另一范例,在用户希望指示血管末端的位置时,点击他认为可能的由点64指示的点附近。然后,在检测形式为血管末端的最密切相关特征的位置时,将指示的点64抓取到检测的位置,如图中虚线66所示。由点68指示被抓取的点。
于是检测的点表示给用户的引导选项,根据本发明,可在三种不同模式中使用。
例如,在第一种模式中,关闭所述的抓取功能。
在第二种模式中,打开抓取到功能,因此用户能够确认被抓取到的点位置。
在第三种模式中,检测到的位置仅被用作提议,而用户因此能够确认位置或将光标装置移动到原来指示的位置或之间的位置。
在本发明的另一示范性实施例中,针对光标装置的位置调整概率图,例如概率图24、26,从而使概率图仅在光标附近以增强模式显示,在其他部分中以减小的详细水平显示。
例如,概率图仅示出了指示中心线、分叉点和/或血管边界的非常高的概率图的线,以免显示可能使用户困惑或还妨碍用户的过多信息。然后,用户将光标装置移动到例如由表示非常高概率的线指示的分叉,这导致光标点周围那个区域中的变化,现在显示关于概率图的更详细信息,为用户给出针对这个特定区域的额外信息。在图中未示出这一发明特征,但能够容易理解。
显示概率图以用于交互目的提供了如下优点等:为用户提供了增强的图形信息,允许更快且更容易或更好且更准确地理解感兴趣区域中的血管树。
在图7中,示出了用于生成对象的感兴趣区域的特征的对象数据的方法的示范性实施例。基本上,采集对象的感兴趣区域的第一图像数据。然后,针对每个图像元素确定图像数据中预定特征的概率值。然后显示图像数据的每个图像像素的概率值以用于交互目的。接下来,通过用户的交互在所显示概率值中指定特征。接下来,确定代表指定的特征的最密切相关的预定特征。此外,计算代表所确定的特征的对象数据。然后将计算的对象数据用于进一步的处理。
参考图7例示了另一示范性实施例,其中图7示意性示出了用于生成对象的感兴趣区域3D血管模型的方法,该方法包括以下步骤:在采集步骤110中,从不同观察角采集对比度增强的血管结构的至少两个2D X射线投影图像112。然后,在确定步骤114中,针对2D X射线投影图像114中的每个确定预定血管特征的概率图116。在显示步骤118中,显示针对2D X射线投影图像中的每个的概率图以用于交互目的。然后,在分割步骤120中,通过以下子步骤分割感兴趣的血管:第一,在指示步骤122中,通过用户的交互在至少两个2D X射线投影图像之一的概率图中指示第一组感兴趣点的位置。然后,在确定步骤124中,确定该至少两个2D X射线投影图像的另一个的概率图中第一组感兴趣点的核线。进一步,然后在显示步骤126中显示所确定的核线。接下来,在指示步骤128中,通过用户的交互在该至少两个2D X射线投影图像的另一个的概率图中指示第二组感兴趣点的位置。核线充当取向,第二组点与所指示第一点对应。在确定步骤130中,基于感兴趣点位置的指示确定血管结构的最密切相关的预定特征。然后,在提取步骤132中,从确定的血管结构的特征提取血管结构的2D中心线、分叉点和/或血管边界。最后,在计算步骤134中,从提取的2D中心线、分叉点和/或血管边界计算3D血管模型。在显示步骤136中,可以显示3D血管模型。
例如,图8示出了血管造影片70的示意图,由图像中采集的图形数据表示血管。对感兴趣区域中的血管状况具有丰富经验及良好知识的用户能够以一定程度的精度解释这一图形信息。但由于2D图像中彼此交叉的血管三维布置,始终会发生误判,解释图像需要用户方有一定程度的认知。这可能导致不必要的时间消耗,还增大了专注力的减弱。
根据本发明,向用户提供如图9示意性示出的概率图72作为范例,显示同一感兴趣区域。但与图8不同,图像数据已经被过滤,因此可以说在每种程度上被解释,以为用户提供比图8中更多的信息。在图9中可以看出,用户识别中心线和分叉点要容易得多。因此,图9中所示的概率图72为用户提供了对感兴趣区域中当前状况的更快更容易的理解。
图10示出了根据图8的血管造影片的图像,图11示出了用于交互目的而显示的图9的概率图的图像。
尽管已经在附图和前面的描述中详细例示和描述了本发明,但这样的例示和描述被认为是例示性或示范性的而非限制性的。本发明不限于所公开的实施例。通过研究附图、公开和从属权利要求,本领域的技术人员在实践请求保护的本发明时能够理解和实现所公开实施例的其他变化。
在权利要求中,“包括”一词不排除其他元件或步骤,不定冠词“一”不排除多个。单个处理器或其他单元可以完成权利要求中叙述的几个项目的功能。在互不相同的从属权利要求中列举某些措施的简单事实并不表示不能有利地使用这些措施的组合。
可以在适当的介质上存储和/或分布的计算机程序,介质例如是与其他硬件一起供应或作为其他硬件一部分供应的光存储介质或固态介质,但也可以以其他形式分布,例如通过互联网或其他有线或无线通信系统。
权利要求中的任何附图标记不应被解释为限制范围。
Claims (15)
1.一种用于生成对象的感兴趣区域的特征的对象数据的医学成像系统,包括:
-至少一个图像数据采集装置;
-数据处理单元(18);
-显示装置(20);以及
-接口单元(22);
其中,所述图像数据采集装置被布置成采集对象的感兴趣区域的图像数据;
其中,所述数据处理单元适于:针对每个图像元素确定所述图像数据中的预定特征的概率值;确定代表指定的特征的最密切相关的预定特征;计算代表所确定的特征的对象数据;以及使用所计算的对象数据进行进一步处理;
其中,所述显示装置(20)被布置成显示所述图像数据的每个图像元素的所述概率值(24,26)以用于交互目的;
其中,所述接口单元(22)适于通过用户的交互在所显示的概率值中指定特征。
2.根据权利要求1所述的医学成像系统,其中,所述特征是血管,并且所生成的对象数据为3D血管模型;并且
其中,所述图像数据采集装置是X射线图像采集装置,其被布置成从不同观察角采集对比度增强的血管结构的至少两个2D X射线投影图像(70);
其中,所述数据处理单元适于:针对所述2D X射线投影图像中的每个将概率图(24,26)确定为预定血管特征的概率值;确定所述至少两个2DX射线投影图像的另一个的所述概率图中第一组感兴趣点的核线(40,42);在指示感兴趣点的位置时确定所述血管结构的所述最密切相关的预定特征;提取所确定的所述血管结构的相关预定特征的坐标;以及从针对所确定的相关预定特征提取的坐标计算3D血管模型(52);
其中,所述显示装置(20)被布置成:显示针对所述2D X射线投影图像中的每个的所述概率图(24,26)以用于交互目的;以及显示所述至少两个2D X射线投影图像的另一个的所述概率图中所述第一组感兴趣点的所述核线(40,42);其中,所述核线充当取向;
其中,所述接口单元(22)适于:由用户指示所述至少两个2D X射线投影图像之一的所述概率图中第一组感兴趣点的位置;以及适于由用户指示所述至少两个2D X射线投影图像的另一个的所述概率图中第二组感兴趣点的位置,其中,所述第二组点与所指定的第一点对应。
3.根据权利要求2所述的医学成像系统,其中,所述数据处理单元(18)适于在指示感兴趣点之一时检测所述概率图(24,26)的所述最密切相关特征的位置并将所指示的点抓取(60,66)到所检测的位置。
4.一种用于生成对象的感兴趣区域的特征的对象数据的方法,包括以下步骤:
a)采集对象的感兴趣区域的图像数据;
b)针对每个图像元素确定所述图像数据中的预定特征的概率值;
c)显示所述图像数据的每个图像元素的所述概率值以用于交互目的;
d)通过用户的交互在所显示的概率值中指定特征;
e)确定代表所指定的特征的最密切相关的预定特征;
f)计算代表所确定的特征的对象数据;
g)将所计算的对象数据用于进一步处理。
5.根据权利要求4所述的方法,其中,所述特征是血管,并且所生成的对象数据为3D血管模型;并且其中:
步骤a)包括从不同观察角采集(110)对比度增强的血管结构的至少两个2D X射线投影图像(70;112);
步骤b)包括针对所述2D X射线投影图像中的每个确定(114)预定血管特征的概率图(24,26;72;116);
步骤c)包括显示(118)针对所述2D X射线投影图像中的每个的所述概率图以用于交互目的;
步骤d)包括通过如下方式分割(120)感兴趣血管:
-通过用户的交互指示(122)所述至少两个2D X射线投影图像之一的所述概率图中第一组感兴趣点的位置;
-确定(124)和显示(126)所述至少两个2D X射线投影图像的另一个的所述概率图中所述第一组感兴趣点的核线;
-由用户指示(128)所述至少两个2D X射线投影图像的另一个的所述概率图中第二组感兴趣点的位置,其中,所述核线充当取向,且其中,所述第二组点与所指示的第一点对应;
步骤e)包括在指示感兴趣点的位置时确定(130)所述血管结构的最密切相关的预定特征;并且
步骤f)包括提取(132)所确定的所述血管结构的相关预定特征的坐标;并且
步骤g)包括使用所提取的数据从针对所确定的相关预定特征提取的坐标计算(134)3D血管模型(52)。
6.根据权利要求5所述的方法,其中,所提取的坐标包括中心线(48)、分叉点(50)和/或血管边界,且其中,在执行步骤g)之前显示这些特征以由用户评估精度。
7.根据权利要求6所述的方法,其中,通过利用光标装置(38)在所述图像上点击来完成对感兴趣点的指示。
8.根据权利要求5到7之一所述的方法,其中,结合所述2D X射线投影图像(70)显示所述概率图(24,26;72)。
9.根据权利要求8所述的方法,其中,在所述至少两个2D X射线投影图像(70)上叠加所述概率图(24,26;72),生成加强的血管造影片。
10.根据权利要求3到9之一所述的方法,其中,针对每个观察角采集一系列2D X射线投影图像,将所述图像配准到额定时间(53);且其中,选择与相同相位对应的不同观察角的图像作为所采集的至少两个2D X射线投影图像。
11.根据权利要求5到10之一所述的方法,其中,在指示感兴趣点之一时,检测所述最密切相关特征的位置并将所指示的点抓取(60,66)到所检测的位置。
12.根据权利要求5到11之一所述的方法,其中,确定所述概率图的步骤b)基于用户的先前交互。
13.根据权利要求5到12之一所述的方法,其中,针对所述光标装置(38)的位置调整所述概率图,从而使所述概率图仅在光标附近以增强模式显示,而在其他部分中以减小的详细水平显示。
14.一种用于控制根据权利要求1到3之一所述的设备的计算机程序单元,在由处理单元执行时,所述计算机程序单元适于执行根据权利要求4到13之一所述的方法步骤。
15.一种存储了根据权利要求14所述的程序单元的计算机可读介质。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP09305750.3 | 2009-08-12 | ||
EP09305750 | 2009-08-12 | ||
PCT/IB2010/053429 WO2011018727A1 (en) | 2009-08-12 | 2010-07-28 | Generating object data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102473303A true CN102473303A (zh) | 2012-05-23 |
CN102473303B CN102473303B (zh) | 2015-07-29 |
Family
ID=42978766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080035323.4A Active CN102473303B (zh) | 2009-08-12 | 2010-07-28 | 生成对象数据 |
Country Status (7)
Country | Link |
---|---|
US (1) | US8731271B2 (zh) |
EP (1) | EP2465094B1 (zh) |
JP (1) | JP5694323B2 (zh) |
CN (1) | CN102473303B (zh) |
BR (1) | BR112012002884A2 (zh) |
RU (1) | RU2549141C2 (zh) |
WO (1) | WO2011018727A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105899138A (zh) * | 2014-01-06 | 2016-08-24 | 皇家飞利浦有限公司 | 部署建模 |
CN106169190A (zh) * | 2016-07-01 | 2016-11-30 | 南京邮电大学 | 一种冠状动脉的分层显示方法 |
CN108320277A (zh) * | 2017-01-16 | 2018-07-24 | 上海西门子医疗器械有限公司 | 确定肿瘤三维边界的方法、装置和ct机 |
CN108814634A (zh) * | 2017-04-13 | 2018-11-16 | 西门子保健有限责任公司 | 医学成像装置和控制其一个或多个参数的方法 |
CN109155068A (zh) * | 2016-05-19 | 2019-01-04 | 皇家飞利浦有限公司 | 组合式x射线/相机介入中的运动补偿 |
CN109313803A (zh) * | 2016-06-16 | 2019-02-05 | 皇家飞利浦有限公司 | 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置 |
CN110892447A (zh) * | 2017-07-18 | 2020-03-17 | 皇家飞利浦有限公司 | 用于对象的动态多维图像的方法和系统 |
CN111133470A (zh) * | 2017-09-20 | 2020-05-08 | 德国癌症研究公共权益基金会 | 用于组织样品中生物标志物的计算机-辅助评价的方法、系统和计算机程序 |
CN111580715A (zh) * | 2013-03-27 | 2020-08-25 | 皇家飞利浦有限公司 | 基于用户偏好在结构水平上的偏好视图生成 |
CN112131914A (zh) * | 2019-06-25 | 2020-12-25 | 北京市商汤科技开发有限公司 | 车道线属性检测方法、装置、电子设备及智能设备 |
CN114119450A (zh) * | 2020-08-26 | 2022-03-01 | 通用电气精准医疗有限责任公司 | 用于识别概率图中的肿瘤或病变的系统和方法 |
CN114391792A (zh) * | 2021-09-13 | 2022-04-26 | 南京诺源医疗器械有限公司 | 基于窄带成像的肿瘤预测方法、装置及成像内镜 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9058664B2 (en) * | 2011-09-07 | 2015-06-16 | Siemens Aktiengesellschaft | 2D-2D fusion for interventional guidance in trans-catheter aortic valve implantation |
KR20140015079A (ko) * | 2012-07-27 | 2014-02-06 | 삼성전자주식회사 | 중심선을 보정하는 방법 및 장치 |
WO2014138555A1 (en) * | 2013-03-07 | 2014-09-12 | Bernhard Sturm | Multimodal segmentation in intravascular images |
JP5830626B2 (ja) * | 2013-04-05 | 2015-12-09 | パナソニック株式会社 | 画像領域対応付け装置、3次元モデル生成装置、画像領域対応付け方法、及び画像領域対応付け用プログラム |
JP5830627B2 (ja) | 2013-04-05 | 2015-12-09 | パナソニック株式会社 | 画像領域対応付け装置、3次元モデル生成装置、画像領域対応付け方法、画像領域対応付け用プログラム |
JP6359312B2 (ja) * | 2014-03-27 | 2018-07-18 | キヤノンメディカルシステムズ株式会社 | X線診断装置 |
US9058692B1 (en) | 2014-04-16 | 2015-06-16 | Heartflow, Inc. | Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions |
US10373719B2 (en) * | 2014-09-10 | 2019-08-06 | Intuitive Surgical Operations, Inc. | Systems and methods for pre-operative modeling |
JP6605240B2 (ja) * | 2015-06-30 | 2019-11-13 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像処理方法および装置並びにプログラム |
EP3128481B1 (en) * | 2015-08-04 | 2019-12-18 | Pie Medical Imaging BV | Method and apparatus to improve a 3d + time reconstruction |
US10943362B2 (en) * | 2015-12-18 | 2021-03-09 | Koninklijke Philips N.V. | Image processing for improved marker positioning on a line-shaped image feature |
WO2017114700A1 (en) * | 2015-12-30 | 2017-07-06 | Koninklijke Philips N.V. | Three dimensional model of a body part |
CN108475443B (zh) * | 2015-12-30 | 2023-07-28 | 皇家飞利浦有限公司 | 血管结构的合成表示 |
NL2016787B1 (en) | 2016-05-17 | 2017-11-21 | Medis Ass B V | Method and apparatus for reconstructing a three-dimensional representation of a target volume inside an animal or human body. |
EP3503026A1 (en) * | 2017-12-20 | 2019-06-26 | Koninklijke Philips N.V. | Device, system and method for interacting with vessel images |
US10722207B2 (en) * | 2018-08-13 | 2020-07-28 | Carestream Health, Inc. | Mobile radiography calibration for tomosynthesis using epipolar data consistency |
CN110160502B (zh) * | 2018-10-12 | 2022-04-01 | 腾讯科技(深圳)有限公司 | 地图要素提取方法、装置及服务器 |
JP7295527B2 (ja) * | 2019-05-15 | 2023-06-21 | 株式会社日本マイクロニクス | 血管位置表示装置及び血管位置表示方法 |
US11200976B2 (en) | 2019-08-23 | 2021-12-14 | Canon Medical Systems Corporation | Tracking method and apparatus |
CA3175151A1 (en) * | 2020-03-17 | 2021-09-23 | Polyvalor, Limited Partnership | Methods and systems for reconstructing a 3d anatomical structure undergoing non-rigid motion |
KR102503882B1 (ko) * | 2022-05-17 | 2023-02-27 | 주식회사 메디픽셀 | 심혈관 이미지의 3차원 재구성을 위한 cip 자동 검출 방법 및 시스템 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040066958A1 (en) * | 2002-10-08 | 2004-04-08 | Chen Shiuh-Yung James | Methods and systems for display and analysis of moving arterial tree structures |
US20060084862A1 (en) * | 2002-07-25 | 2006-04-20 | Suurmond Rudolf T | Optimal view map V.0.01 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6643533B2 (en) | 2000-11-28 | 2003-11-04 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for displaying images of tubular structures |
JP4738022B2 (ja) * | 2005-03-04 | 2011-08-03 | 株式会社東芝 | 立体画像再構成装置 |
CN101317194A (zh) * | 2005-08-17 | 2008-12-03 | 皇家飞利浦电子股份有限公司 | 用于自动4d冠脉建模和运动矢量场估计的方法和设备 |
US8005284B2 (en) * | 2006-12-07 | 2011-08-23 | Kabushiki Kaisha Toshiba | Three dimensional image processing apparatus and x-ray diagnosis apparatus |
RU2361518C2 (ru) * | 2007-08-06 | 2009-07-20 | Государственное образовательное учреждение высшего профессионального образования "Нижегородская государственная медицинская академия Федерального Агентства по здравоохранению и социальному развитию" (ГОУ ВПО НижГМА Росздрава) | Способ предоперационного обследования больного с патологией коронарных сосудов |
WO2009109905A2 (en) * | 2008-03-06 | 2009-09-11 | Philips Intellectual Property & Standards Gmbh | Method of selectively and interactively processing data sets |
-
2010
- 2010-07-28 EP EP10745412.6A patent/EP2465094B1/en active Active
- 2010-07-28 BR BR112012002884A patent/BR112012002884A2/pt not_active Application Discontinuation
- 2010-07-28 RU RU2012108740/08A patent/RU2549141C2/ru not_active IP Right Cessation
- 2010-07-28 US US13/384,640 patent/US8731271B2/en active Active
- 2010-07-28 WO PCT/IB2010/053429 patent/WO2011018727A1/en active Application Filing
- 2010-07-28 JP JP2012524309A patent/JP5694323B2/ja active Active
- 2010-07-28 CN CN201080035323.4A patent/CN102473303B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060084862A1 (en) * | 2002-07-25 | 2006-04-20 | Suurmond Rudolf T | Optimal view map V.0.01 |
US20040066958A1 (en) * | 2002-10-08 | 2004-04-08 | Chen Shiuh-Yung James | Methods and systems for display and analysis of moving arterial tree structures |
Non-Patent Citations (1)
Title |
---|
JENS N.KAFTAN ET AL: "《Fuzzy Pulmonary Vessel Segmentation in Contrast Enhanced CT Data 》", 《MEDICAL IMAGING 2008:IMAGE PROCESSING》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111580715B (zh) * | 2013-03-27 | 2024-03-22 | 皇家飞利浦有限公司 | 基于用户偏好在结构水平上的偏好视图生成 |
CN111580715A (zh) * | 2013-03-27 | 2020-08-25 | 皇家飞利浦有限公司 | 基于用户偏好在结构水平上的偏好视图生成 |
CN105899138B (zh) * | 2014-01-06 | 2019-11-05 | 皇家飞利浦有限公司 | 部署建模 |
CN105899138A (zh) * | 2014-01-06 | 2016-08-24 | 皇家飞利浦有限公司 | 部署建模 |
CN109155068B (zh) * | 2016-05-19 | 2023-04-04 | 皇家飞利浦有限公司 | 组合式x射线/相机介入中的运动补偿 |
CN109155068A (zh) * | 2016-05-19 | 2019-01-04 | 皇家飞利浦有限公司 | 组合式x射线/相机介入中的运动补偿 |
CN109313803A (zh) * | 2016-06-16 | 2019-02-05 | 皇家飞利浦有限公司 | 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置 |
CN109313803B (zh) * | 2016-06-16 | 2023-05-09 | 皇家飞利浦有限公司 | 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置 |
CN106169190A (zh) * | 2016-07-01 | 2016-11-30 | 南京邮电大学 | 一种冠状动脉的分层显示方法 |
CN108320277A (zh) * | 2017-01-16 | 2018-07-24 | 上海西门子医疗器械有限公司 | 确定肿瘤三维边界的方法、装置和ct机 |
CN108814634A (zh) * | 2017-04-13 | 2018-11-16 | 西门子保健有限责任公司 | 医学成像装置和控制其一个或多个参数的方法 |
CN110892447A (zh) * | 2017-07-18 | 2020-03-17 | 皇家飞利浦有限公司 | 用于对象的动态多维图像的方法和系统 |
CN110892447B (zh) * | 2017-07-18 | 2023-12-08 | 皇家飞利浦有限公司 | 用于对象的动态多维图像的方法和系统 |
CN111133470A (zh) * | 2017-09-20 | 2020-05-08 | 德国癌症研究公共权益基金会 | 用于组织样品中生物标志物的计算机-辅助评价的方法、系统和计算机程序 |
CN111133470B (zh) * | 2017-09-20 | 2023-08-25 | 德国癌症研究公共权益基金会 | 用于组织样品中生物标志物的计算机-辅助评价的方法、系统和计算机程序 |
CN112131914A (zh) * | 2019-06-25 | 2020-12-25 | 北京市商汤科技开发有限公司 | 车道线属性检测方法、装置、电子设备及智能设备 |
CN112131914B (zh) * | 2019-06-25 | 2022-10-21 | 北京市商汤科技开发有限公司 | 车道线属性检测方法、装置、电子设备及智能设备 |
CN114119450A (zh) * | 2020-08-26 | 2022-03-01 | 通用电气精准医疗有限责任公司 | 用于识别概率图中的肿瘤或病变的系统和方法 |
CN114391792B (zh) * | 2021-09-13 | 2023-02-24 | 南京诺源医疗器械有限公司 | 基于窄带成像的肿瘤预测方法、装置及成像内镜 |
CN114391792A (zh) * | 2021-09-13 | 2022-04-26 | 南京诺源医疗器械有限公司 | 基于窄带成像的肿瘤预测方法、装置及成像内镜 |
Also Published As
Publication number | Publication date |
---|---|
JP5694323B2 (ja) | 2015-04-01 |
EP2465094B1 (en) | 2016-01-06 |
EP2465094A1 (en) | 2012-06-20 |
US8731271B2 (en) | 2014-05-20 |
CN102473303B (zh) | 2015-07-29 |
JP2013501567A (ja) | 2013-01-17 |
US20120148135A1 (en) | 2012-06-14 |
RU2012108740A (ru) | 2013-09-20 |
BR112012002884A2 (pt) | 2017-12-19 |
WO2011018727A1 (en) | 2011-02-17 |
RU2549141C2 (ru) | 2015-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102473303B (zh) | 生成对象数据 | |
EP3049975B1 (en) | Systems and methods for validating and correcting automated medical image annotations | |
US20190021677A1 (en) | Methods and systems for classification and assessment using machine learning | |
US20060074285A1 (en) | Apparatus and method for fusion and in-operating-room presentation of volumetric data and 3-D angiographic data | |
US10881353B2 (en) | Machine-guided imaging techniques | |
JP5129480B2 (ja) | 管状臓器の3次元再構成を行うシステム及び血管撮像装置の作動方法 | |
JP4606024B2 (ja) | 立体画像データを用いた半自動動脈瘤測定およびステントプランニング方法および装置 | |
CN103959331B (zh) | 肺叶的模糊引导交互式分割的工作流程 | |
EP3457930B1 (en) | System for vascular assessment | |
CN101536001B (zh) | 用于有效诊断的与解剖有关的随图像环境而定的应用 | |
CN102713976A (zh) | 对介入装置进行导航 | |
CN104885126B (zh) | 感兴趣组织的计算机辅助识别 | |
CN103456037A (zh) | 心脏介入的术前和术中图像数据的模型融合的方法和系统 | |
CN104039229A (zh) | 用于最佳设备导航的脉管视图的实时显示 | |
CN103997971A (zh) | 用于超声心动描记的自动成像平面选择 | |
JP2006246941A (ja) | 画像処理装置及び管走行トラッキング方法 | |
JP2018068400A (ja) | 動態画像処理装置 | |
CN107004305A (zh) | 医学图像编辑 | |
EP3047455B1 (en) | Method and system for spine position detection | |
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 | |
CN101563708A (zh) | 用于指示医学成像数据中可能经计算机检测的假阳性的装置和方法 | |
CN106725851A (zh) | 用于外科器械重建的图像采集的系统和方法 | |
RU2568262C2 (ru) | Соотнесение полученных изображений с объектами | |
CN110945562A (zh) | 建立指示对解剖关节的损伤的判断支持材料 | |
CN111292248B (zh) | 超声融合成像方法及超声融合导航系统 |
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 |