CN103054598A - 用于血管狭窄可视化和导航的系统和方法 - Google Patents
用于血管狭窄可视化和导航的系统和方法 Download PDFInfo
- Publication number
- CN103054598A CN103054598A CN2012103374093A CN201210337409A CN103054598A CN 103054598 A CN103054598 A CN 103054598A CN 2012103374093 A CN2012103374093 A CN 2012103374093A CN 201210337409 A CN201210337409 A CN 201210337409A CN 103054598 A CN103054598 A CN 103054598A
- Authority
- CN
- China
- Prior art keywords
- chamber
- computer
- blood vessel
- rendering
- blood vessels
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title abstract description 33
- 208000031481 Pathologic Constriction Diseases 0.000 title abstract description 17
- 230000036262 stenosis Effects 0.000 title abstract description 17
- 208000037804 stenosis Diseases 0.000 title abstract description 17
- 238000012800 visualization Methods 0.000 title abstract 2
- 230000007170 pathology Effects 0.000 claims abstract description 18
- 238000009877 rendering Methods 0.000 claims description 32
- 210000004351 coronary vessel Anatomy 0.000 claims description 23
- 230000002966 stenotic effect Effects 0.000 claims description 22
- 210000000709 aorta Anatomy 0.000 claims description 17
- 230000003902 lesion Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 2
- 238000002955 isolation Methods 0.000 claims description 2
- 238000004159 blood analysis Methods 0.000 claims 1
- 230000002238 attenuated effect Effects 0.000 abstract description 4
- 238000002591 computed tomography Methods 0.000 description 52
- 230000002792 vascular Effects 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 15
- 238000005520 cutting process Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 6
- 238000013170 computed tomography imaging Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000002308 calcification Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 210000003462 vein Anatomy 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000008021 deposition Effects 0.000 description 3
- 230000001575 pathological effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000033115 angiogenesis Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
- G06T2207/30—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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Vascular Medicine (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
公开用于血管狭窄可视化和导航的系统和方法。CT系统(10)包括:可旋转扫描架(12),其具有用以容纳待扫描的患者的开口;x射线源(14),其安置在可旋转扫描架(12)上用以朝患者的感兴趣(ROI)区投射x射线,该感兴趣区包括多个血管;x射线检测器(18),其安置在可旋转扫描架(12)上来接收由x射线源(14)发射并且通过ROI衰减的x射线;和DAS(32),其可操作地连接到x射线检测器(18)。该CT系统(10)还包括计算机(36),对其编程来获得ROI的CT图像数据,从CT图像数据重建多个血管的3D图像,自动检测多个血管中的病理,以及在3D图像上识别多个血管中的病理,其中病理的严重程度在3D图像上指示。
Description
技术领域
本发明的实施例大体上涉及诊断成像,并且更特别地涉及提供自动识别和诊断血管病理的方法和设备。
背景技术
典型地,在计算机断层摄影(CT)成像系统中,x射线源朝受检者发射扇形束。该束在通过受检者衰减后碰撞辐射检测器阵列。在检测器阵列处接收的衰减束辐射的强度典型地取决于通过受检者的x射线束衰减。检测器阵列的每个检测器元件产生独立的电信号,其指示由每个检测器元件接收的衰减束。这些电信号被传送到数据处理系统用于分析,这最终产生图像。
在一个特定应用中,CT成像可以用于使例如冠状动脉、脑动脉、或其他脉管或动脉等脉管的局部窄化(也称为狭窄)可视化。狭窄(stenosis)的诊断、以及是否临床干预或如何临床干预的相关决定通常基于狭窄的评估程度,例如与脉管相邻部位相比横截面面积减小的百分比。然而,当采用当前的CT成像法时,这样的狭窄诊断在医务人员方面可能需要大量的时间。即,用于CT图像数据分析的现有方法是半自动的并且需要放射科医生逐步进行一系列程序。例如,放射科医生通过视觉检查血管的腔并且寻找病理来逐个分析它们。这是单调的、易于出错且耗时的过程,对每个患者花费20至35分钟来形成诊断,这并不罕见。当大多数医生主要从事检伤分类(triage)时,他们主要试图消除风险并且拒绝健康的患者,并且从而这样的漫长的诊断时间是非常不可取的,因为它们负面地影响患者容许量。
从而,所需要的是用于以高效的方式自动识别并且显示血管病理以便最小化诊断时间的方法和系统。另外需要的是用于自动量化血管中的狭窄水平的方法和系统。
发明内容
本发明的实施例针对提供准确的血管狭窄可视化和导航的方法和设备。
根据本发明的一个方面,CT系统包括:可旋转扫描架,其具有用以容纳待扫描的患者的开口;x射线源,其安置在可旋转扫描架上并且配置成朝患者的感兴趣区(其包括多个血管)投射x射线;x射线检测器,其安置在可旋转扫描架上并且安置成接收由x射线源发射并且通过感兴趣区衰减的x射线;以及数据采集系统(DAS),其可操作地连接到x射线检测器。CT系统还包括计算机,对该计算机编程来获得感兴趣区的CT图像数据,从CT图像数据重建多个血管的3D图像,自动检测多个血管中的病理,以及在3D图像上识别多个血管中的病理,其中病理的严重程度在3D图像上指示。
根据本发明的另一个方面,提供非暂时性计算机可读存储介质,其具有存储在其上的计算机程序,该计算机程序包括指令,这些指令当由计算机执行时使计算机引起计算机断层摄影(CT)系统中的x射线源在扫描程序期间朝患者发射x射线并且从扫描获得患者的感兴趣区的CT图像数据,其中该感兴趣区包括心区,该心区包括患者的主动脉和冠状动脉。指令还使计算机生成并且显示冠状动脉树(其包括来自CT图像数据的患者的主动脉和冠状动脉)的3D图像、检测主动脉和冠状动脉中的每个的腔表面、以及使主动脉和冠状动脉中的每个的腔表面变形来模拟理想的腔表面。指令进一步使计算机基于相应的检测的腔表面与理想的腔表面的比较而确定主动脉和冠状动脉中的每个的狭窄状况并且在冠状动脉树的3D图像上指示主动脉和冠状动脉中的每个的狭窄状况。
根据本发明的再另一个实施例,计算机断层摄影(CT)成像的方法包括:采集患者感兴趣区的CT图像数据,该感兴趣区中包括血管结构;分析该CT图像数据来识别对应于感兴趣区中的血管结构的体素;以及从识别的体素生成患者的3D动脉树图像。该方法还包括检测动脉树中的每个血管的腔表面并且使每个血管的腔表面变形来模拟理想的腔表面。该方法进一步包括基于相应的检测的腔表面与理想的腔表面的比较而识别血管中的变窄区并且在3D动脉树图像上指示识别的变窄区中的每个的狭窄严重程度。
各种其他特征和优势将从下列详细描述和图中变得清晰可见。
附图说明
附图示出目前预想用于实施本发明的优选实施例。
在图中:
图1是与本发明的实施例一起使用的CT成像系统的描绘图;
图2是在图1中示出的系统的方框示意图;
图3是由图1和图2的CT成像系统生成的3D冠状动脉树的图形表示;
图4是图3的3D冠状动脉树的用户选择部分的图形表示;
图5是根据本发明的实施例、用于狭窄识别和诊断的CT成像的技术的流程图;
图6是根据本发明的实施例、示出腔表面和跟踪中心线的血管的横截面视图。
具体实施方式
本发明的操作环境关于六十四层计算机断层摄影(CT)系统而描述。然而,本领域内技术人员将意识到,本发明同样也适用于与单层或其他多层配置一起使用。此外,本发明将关于x射线的检测和转换而描述。然而,本领域内技术人员将进一步意识到,本发明同样适用于其他高频电磁能的检测和转换。利用“第三代”CT扫描仪和/或其他CT系统的实现是能采用的。
参照图1,计算机断层摄影(CT)成像系统10示出为包括代表“第三代”CT扫描仪的扫描架12。根据本发明的示范性实施例,提供作为来自GE健康护理(GE Healthcare)的宝石光谱成像(GSI)双能CT系统的CT系统10。扫描架12具有x射线源14,其将x射线束16朝检测器组件或准直仪18投射在扫描架12的相反侧上。现在参照图2,检测器组件18由多个检测器20和数据采集系统(DAS)32形成。这些多个检测器20感测穿过内科患者22的投射的x射线,其中每个检测器20产生模拟电信号,其表示碰撞x射线束以及由此当其通过患者22时的衰减束的强度。DAS 32随后将模拟电信号转换成数字信号(在这里称作CT图像数据)用于后续处理。
在采集x射线投影数据的扫描期间,扫描架12和安装在其上的部件绕旋转中心24旋转。扫描架12的旋转和x射线源14的操作由CT系统10的控制机构26管理。控制机构26包括x射线发生器28,其提供电力和定时信号给x射线源14和扫描架马达控制器30,该扫描架马达控制器30控制扫描架12的旋转速度和位置。图像重建器34从DAS 32接收抽样的且数字化的x射线数据并且进行高速重建。重建的图像应用为对计算机36的输入,该计算机36将图像存储在大容量存储装置38中。
计算机36还经由控制台40从操作者接收命令和扫描参数,该控制台40具有例如键盘、鼠标、语音激活的控制器或任何其他合适的输入设备等一些形式的操作者接口。关联的显示器42允许该操作者观察来自计算机36的重建的图像和其他数据。操作者供应的命令和参数被计算机36使用来向DAS 32、x射线控制器28和扫描架马达控制器30提供控制信号和信息。另外,计算机36操作台架马达控制器44,其控制机动的台架(table)46来安置患者24和扫描架12。特别地,台架46使患者22全部或部分移动通过图1的扫描架开口48。
根据本发明的实施例,进一步对计算机36编程来对采集的CT图像数据进行附加的处理和分析。更具体地,对计算机36编程来自动进行与血管结构分析关联的操作并且识别/检测这些血管结构中的病理,例如由于斑块沉积物的冠状动脉或静脉的部分狭窄。计算机36进一步确定血管狭窄的严重程度并且输出关于该严重程度的自动化诊断,使得可导致心肌梗死的风险增加的、冠状动脉中的狭窄病变可以被识别。
进一步对计算机36编程来进行与向用户呈现血管分析和识别结果关联的操作。即,计算机36(连同图像重建器34)生成冠状动脉树的3D图像并且使该图像显示在例如显示器42上。参照图3,提供冠状动脉树50的示范性3D图像。在显示冠状动脉树50的3D图像中,进一步对计算机36编程以在图像上单独标记主动脉和冠状动脉。从而,例如,左前降支(LAD)、左回旋支(LCx)、后降支(PDA)、后侧支(PLB)和主动脉连同其他冠状动脉或静脉一起可以在冠状动脉树上标记。
如在图3中进一步示出的,冠状动脉树的3D图像包括在其上的加亮区52,其表示在血管结构中已经被识别/检测并且被认为是明显的任何狭窄病变。加亮区52还包括关于被识别/检测的狭窄病变的严重程度的信息。根据本发明的示范性实施例,表示血管结构中已经被识别/检测的狭窄病变的加亮区52以根据预定的颜色编码方案的许多颜色中的一个显示于显示器上。例如,可实现绿色-黄色-红色方案用于加亮检测的狭窄病变,其中以绿色显示的狭窄病变具有“低的”严重程度,以黄色显示的狭窄病变具有“中间的”严重程度,并且以红色显示的狭窄病变具有“高的”严重程度。可设置阈值以将狭窄病变严重程度归类为低、中或高,其中由于斑块沉积物的冠状动脉或静脉的阻塞的百分比用作阈值设置。
根据本发明的一个实施例,当在显示器42上显示冠状动脉树50的3D图像时,在图2中示出的操作者控制台40提供感兴趣区域52(其在3D图像上示出)的用户选择。即,用户可经由操作者控制台40在冠状动脉树50的3D图像上加亮的血管结构中的检测的狭窄病变52上点击或选择。具体的加亮区52的选择提供关于选择的狭窄区的更详细信息。如在图4中示出的,例如,具体的狭窄病变的用户选择导致显示关于狭窄的严重程度的详细数据(例如狭窄的具体测量数据54),以及变窄区的放大可视化(一个或多个)56。缩放的视图(一个或多个)56可以由用户旋转/平移来优化变窄区的视图。尽管操作者控制台40在上文描述为提供在冠状动脉树的3D图像上示出的感兴趣区域的用户交互和选择,但认识到还可提供其他的选择手段。例如,显示器42可采用图形用户界面(GUI)或触敏屏的形式,用户可以经由其在冠状动脉树的3D图像上选择加亮区。
现在参照图5,根据本发明的实施例示出用于自动诊断狭窄状况的计算机实现的技术60,例如将由图1和图2的CT系统10的计算机36实现的。根据本发明的实施例,根据技术60操作CT系统10来获得患者的感兴趣区的CT图像,以便允许对血管做出准确的血管狭窄可视化和诊断,该患者的感兴趣区中包括血管结构,例如冠状动脉或静脉,其由于斑块沉积物而部分变窄(即,堵塞)。
在步骤62,例如心区等感兴趣区的CT图像数据由CT系统采集。可以经由许多CT心脏图像采集技术中的一种来采集图像数据。例如,可由CT系统10针对至少180度加上x射线束的扇形角的角度范围收集来自两个或更多个心脏周期的投影数据,其中数据收集的定时选择成接近心动周期的期望的相位。当采集CT图像数据时,在步骤64应用若干已知的图像重建方法中的一个来形成感兴趣区的三维(3D)图像。根据示范性实施例,采用进行运动估计和校正的图像重建技术,以便最小化心区的图像中由运动引起的模糊和其他运动伪像。
认识到重建的3D图像不仅示出血管树,而且示出例如骨等其他结构。因此,在步骤66进行进一步的图像处理以根据若干已知技术中的一种从CT图像数据生成冠状动脉树/血管树的隔离的3D图像。例如,可以使用许多脉管分割技术和算法中的一种从CT图像数据提取主动脉和冠状动脉。可以实现的脉管分割算法和技术的示例包括模式识别技术、基于模型的方法、基于跟踪的方法、基于人工智能的方法和基于神经网络的方法。从而,用于提取冠状动脉树的技术可包括例如阈值处理,之后的连接的部件分析,或明确的脉管模拟来提取脉管轮廓(例如用于提取关于血管表面的凸凹形状的3D表面表示)等步骤。
除生成冠状动脉树图像外,在步骤68在图像上标记主动脉和冠状动脉。根据一个实施例,当分割先前采集的图像(一个或多个)来生成冠状动脉树时,生成的冠状动脉树与一个或多个冠状动脉树模型比较来实现冠状动脉树分支的标记。基于对应于模拟的冠状动脉树的标记来标记采集的冠状动脉树,该模拟的冠状动脉树具有与采集的冠状动脉树最接近的相似性。被标记的冠状动脉树然后可以在图2中示出的CT系统10的显示器42上显示。
技术60通过在步骤70确定每个主动脉和冠状动脉的腔表面而持续。根据一个实施例,通过采用血液密度和形状约束的方法确定腔表面。即,例如,腔具有可以基于动脉中流动的血液密度来测量的已知密度,并且腔表面的密度不同于可能在血管结构中存在的钙化和软斑块的密度。如应该意识到的,构成3D图像的体素的强度值(即,CT数或豪斯菲尔德(Hounsfield)数)是相对于组织密度的。腔、脉管壁、钙化和斑块从而可以基于它们相应的强度值而互相区分开。从而,腔表面、钙化和软斑块的分开通过使用限定每个结构的强度阈值而实现。
根据一个实施例,腔表面的确定包括基于截然不同的强度来选择所谓的种子像素,其中该种子像素是肯定已知包括在脉管腔中的体积图像数据的像素。该种子像素用于通过上文阐述的阈值处理程序进行体积图像数据的粗略分割。即,通过使用基于初始图像像素分布而选择的CT数阈值从剩余的组织分割脉管,来粗略地指定脉管内部。一般,分割操作的期望的结果是区分开高强度像素区与相对较低强度像素区,或反之亦然。分割操作的结果是粗略分割的腔段。
作为该过程的部分,连通性标准适用于满足阈值标准的像素。如本领域内技术人员将意识到的,该连通性标准确保未靠近粗略分割腔段的像素不包括在分割过程的输出中。希望阈值数由用户选择,使得可以从邻近材料(例如,器官组织)分割脉管同时维持沿脉管的成像部分的长度的连续通路。更特别地,选择脉管内的点并且选择阈值极限以如上文描述的那样从剩余组织(其包括例如由动脉供应的器官中的结构)适当地分割脉管(例如动脉)。当阈值选为腔中的最大像素亮度的较大一部分时,腔外部的区通过粗略分割操作而排除。另一方面,还优选地选择阈值来确保粗略腔段沿成像部分长度连续。
粗略分割提供脉管腔的初始确定,但希望设计成排除边界像素。然后通过检测腔表面上(在与局部腔中心线正交的方向中)的轮廓体素而从粗略分割结果进行像素的更精确的归类。即,如果体素与不属于腔表面的至少一个体素相邻,则它们可视为在腔表面的轮廓体素上。根据一个实施例,使用形态操作检测轮廓体素,该形态操作实现连通性标准和脉管腔的所谓的掩膜(mask)来检测轮廓体素。可通过进行进一步的处理而实现腔表面的还要更准确的确定。根据一个实施例,可利用腔表面的子体素分辨率,连同应用轮廓和径向平滑,来实现更准确的腔表面检测。
作为腔表面检测的部分,还根据任何适合的中心线估计法确定跟踪腔中心线。尽管对于冠状动脉树中的每个血管的腔中心线的粗略估计可以从其3D图像确定,但希望在估计腔表面时重定位腔中心线。脉管腔表面的准确识别提供限定腔的真实的中心线、取消将抑制跟踪中心线的血管中的任何钙化和斑块的影响。示出腔表面的血管的横截面视图在图6中提供。根据进行的步骤70(图5),检测腔表面82,连同跟踪中心线84。
再次参照图5,技术60在步骤72继续,其中使检测的腔表面变形以便生成理想的或“健康”的腔表面。例如经由施加以使腔表面收紧的力,对检测的腔表面进行轮廓描绘或形状修改,来生成理想的腔表面,其模拟将描述为健康的或无狭窄的腔的腔。获取并且存储对理想或健康的腔表面的测量供在随后与检测的腔表面的比较中使用。
从而,当对冠状动脉树中的每个血管生成理想的腔表面时,技术60在步骤74继续对每个脉管的检测的腔表面与理想的腔表面的比较。根据一个实施例,该比较提供脉管中存在的狭窄程度的确定。即,可以基于对每个脉管的检测的腔表面与理想的腔表面的比较而确定狭窄程度的测量,其包括检测的和理想的脉管腔表面的半径/直径测量,以及由狭窄引起的脉管的堵塞百分比的确定。
基于对每个脉管的检测的腔表面与理想的腔表面的比较,可关注的变窄区被自动识别并且每个识别的狭窄区的狭窄程度在步骤76确定。根据本发明的一个实施例,通过将狭窄测量/计算(即,脉管的腔半径/直径测量和/或百分比堵塞)与一个或多个预定的阈值比较而做出识别和严重程度的确定。尽管认识到还可采用其他更复杂的严重程度归类,根据一个实施例,识别为可能的关注区的脉管段的狭窄的严重程度可简单地归类为“低”、“中”或“高”。重要地,注意由计算机36自动进行步骤62-76中的每个,而不用由用户输入或计算。
在技术60的下一个步骤中,在步骤78,识别的变窄区在冠状动脉树的显示的3D图像上加亮。如上文指示的,血管结构中已经被识别/检测并且被认为是明显的任何狭窄区被加亮,以采用易于评估的方式提供这样的数据给用户/操作者。根据一个实施例,表示变窄区的加亮区可基于检测的狭窄区的严重程度以绿色、黄色、或红色显示。以绿色显示的狭窄区具有“低的”的严重程度,以黄色显示的狭窄区具有“中间的”严重程度,并且以红色显示的狭窄区具有“高的”严重程度。
根据本发明的一个实施例,技术60在步骤80继续,其中提供关于用户规定的变窄区的详细信息。即,例如经由操作者控制台40(图2)点击或选择这样的区,实现在显示的3D冠状动脉树上识别的一个或多个加亮的变窄区的用户选择。选择具体的加亮区提供关于选择的狭窄区的更详细的信息,例如狭窄的测量和变窄区的放大可视化的显示。
公开的方法和设备的技术贡献是提供用于以高效的方式自动识别和显示血管病理的计算机实现的方法和设备,以便最小化诊断时间。公开的方法和设备提供用于自动量化和诊断血管中的狭窄水平的计算机实现的方法和设备。
本领域内技术人员将意识到本发明的实施例可由在其上存储计算机程序的计算机可读存储介质联接和控制。该计算机可读存储介质包括例如电子部件、硬件部件和∕或计算机软件部件中的一个或多个等的多个部件。这些部件可包括一个或多个计算机可读存储介质,其一般存储用于进行序列的一个或多个实现或实施例的一个或多个部分的、例如软件、固件和/或汇编语言等指令。这些计算机可读存储介质一般是非暂时的和/或有形的。这样的计算机可读存储介质的示例可包括计算机和/或存储装置的可记录数据存储介质。这些计算机可读存储介质可采用例如磁、电、光、生物和∕或原子数据存储介质中的一个或多个。此外,这样的介质可采取例如软盘、磁带、CD-ROM、DVD-ROM、硬盘驱动器和∕或电子存储器的形式。没有列出的非暂时的和/或有形的计算机可读存储介质的其他形式可与本发明的实施例一起采用。
许多这样的部件可以在系统的实现中结合或分开。此外,这样的部件可包括采用许多编程语言中的任何语言编写或用其实现的一组和/或一系列计算机指令,如将由本领域内技术人员意识到的那样。
因此,根据本发明的一个实施例,CT系统包括:可旋转扫描架,其具有用以容纳待扫描的患者的开口;x射线源,其安置在可旋转扫描架上并且配置成朝患者的感兴趣区(其包括多个血管)投射x射线;x射线检测器,其安置在可旋转扫描架上并且安置成接收由x射线源发射并且通过感兴趣区衰减的x射线;和数据采集系统(DAS),其可操作地连接到x射线检测器。CT系统还包括计算机,对该计算机编程来获得感兴趣区的CT图像数据,从CT图像数据重建多个血管的3D图像,自动检测多个血管中的病理,以及在3D图像上识别多个血管中的病理,其中病理的严重程度在3D图像上指示。
根据本发明的另一个方面,提供非暂时性计算机可读存储介质,其具有存储在其上的计算机程序,该计算机程序包括指令,这些指令当由计算机执行时使计算机引起计算机断层摄影(CT)系统中的x射线源在扫描程序期间朝患者发射x射线并且从扫描获得患者的感兴趣区的CT图像数据,其中该感兴趣区包括心区,其包括患者的主动脉和冠状动脉。指令还使计算机生成并且显示冠状动脉树(其包括来自CT图像数据的患者的主动脉和冠状动脉)的3D图像,并且使主动脉和冠状动脉中的每个的腔表面变形来模拟理想的腔表面。指令进一步使计算机基于相应的检测的腔表面与理想的腔表面的比较而确定主动脉和冠状动脉中的每个的狭窄状况并且在冠状动脉树的3D图像上指示主动脉和冠状动脉中的每个的狭窄状况。
根据本发明的再另一个实施例,计算机断层摄影(CT)成像的方法包括:采集患者感兴趣区的CT图像数据,该感兴趣区中包括血管结构;分析该CT图像数据来识别对应于该感兴趣区中的血管结构的体素;以及从识别的体素生成患者的3D动脉树图像。该方法还包括检测动脉树中的每个血管的腔表面并且使每个血管的腔表面变形来模拟理想的腔表面。该方法进一步包括基于相应的检测的腔表面和理想的腔表面的比较识别血管中的狭窄区并且在3D动脉树图像上指示识别的狭窄区中的每个的狭窄严重程度。
该书面描述使用示例以公开本发明,其包括最佳模式,并且还使本领域内任何技术人员能够实践本发明,包括制作和使用任何装置或系统并且执行任何包含的方法。本发明的可取得专利的范围由权利要求限定,并且可包括本领域内技术人员想起的其他示例。如果这样的其他示例具有不与权利要求的字面语言不同的结构元件,或者如果它们包括与权利要求的字面语言无实质区别的等同结构元件则意于在权利要求的范围内。
Claims (10)
1.一种CT系统(10),包括:
可旋转扫描架(12),其具有用以容纳待扫描的患者的开口;
x射线源(14),其安置在所述可旋转扫描架(12)上并且配置成朝所述患者的感兴趣区投射x射线,所述感兴趣区包括多个血管;
x射线检测器(18),其安置在所述可旋转扫描架(12)上并且安置成接收由所述x射线源(14)发射并且通过所述感兴趣区衰减的x射线(16);
数据采集系统(DAS)(32),其可操作地连接到所述x射线检测器(18);以及
计算机(36),对所述计算机(36)编程来:
获得所述感兴趣区的CT图像数据;
从所述CT图像数据重建所述多个血管的3D图像;
自动检测所述多个血管中的病理;以及
在所述3D图像上识别所述多个血管中的所述病理,其中所述病理的严重程度在3D图像上指示。
2.如权利要求1所述的CT系统(10),其中,进一步对所述计算机(36)编程来:
检测所述多个血管中的每个的腔表面;
使所述多个血管中的每个的所述腔表面变形来模拟理想的腔表面;
将所述多个血管中的每个的检测的腔表面与所述理想的腔表面比较来识别所述多个血管中的斑块材料;以及
基于所述识别的斑块材料在所述3D图像上自动加亮所述多个血管中的狭窄病变。
3.如权利要求2所述的CT系统(10),其中,进一步对所述计算机(36)编程来:
基于所述识别的斑块材料确定所述多个血管中的每个的狭窄病变的严重程度;以及
基于确定的所述狭窄病变的严重程度以多个预定的颜色中的一个加亮所述多个血管中的所述狭窄病变。
4.如权利要求3所述的CT系统(10),其中,进一步对所述计算机(36)编程来基于所确定的所述狭窄病变的严重程度以绿色、黄色和红色中的一个加亮所述狭窄病变。
5.如权利要求4所述的CT系统(10),其中,进一步对所述计算机(36)编程来:
从所述CT图像数据重建冠状动脉树的3D图像;以及
在所述冠状动脉树的所述3D图像中自动识别并且标记主动脉和冠状动脉。
6.如权利要求2所述的CT系统(10),其中,进一步对所述计算机(36)编程以使用血液密度分析和形状约束中的至少一个使所述多个血管中的每个的所述腔表面隔离。
7.如权利要求6所述的CT系统(10),其中,进一步对所述计算机(36)编程来:
确定所述多个血管中的每个的所述腔表面的中心线;
在与所述中心线正交的方向中检测所述多个血管中的每个的所述腔表面上的轮廓体素;以及
对所述多个血管中的每个的所述腔表面的所述轮廓体素应用轮廓和纵向平滑。
8.如权利要求2所述的CT系统(10),其中,进一步对所述计算机(36)编程以施加力到所述多个血管中的每个来对所述腔表面进行轮廓描绘和修改形状,以便生成所述理想的腔表面。
9.如权利要求1所述的CT系统(10),进一步包括图像显示器,其配置成显示所述多个血管的所述重建的3D图像。
10.如权利要求9所述的CT系统(10),进一步包括用户输入装置,其配置成在所述显示的3D图像上提供所述识别的病理的用户选择,其中识别的病理的用户选择使与病理有关的测量数据和涉及所述用户选择的病理的缩放可视化在所述图像显示器上显示。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/230,913 US20130066197A1 (en) | 2011-09-13 | 2011-09-13 | System and method for blood vessel stenosis visualization and navigation |
US13/230913 | 2011-09-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103054598A true CN103054598A (zh) | 2013-04-24 |
CN103054598B CN103054598B (zh) | 2016-12-21 |
Family
ID=47740318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210337409.3A Active CN103054598B (zh) | 2011-09-13 | 2012-09-13 | 用于血管狭窄可视化和导航的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20130066197A1 (zh) |
JP (1) | JP2013059620A (zh) |
CN (1) | CN103054598B (zh) |
DE (1) | DE102012108185A1 (zh) |
NL (1) | NL2009379C2 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105380637A (zh) * | 2014-09-02 | 2016-03-09 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
CN105701791A (zh) * | 2014-12-04 | 2016-06-22 | 西门子公司 | 用于确定血管中斑块沉积的方法和设备 |
CN108320279A (zh) * | 2017-01-10 | 2018-07-24 | 通用电气公司 | 用于诊断患者状况的成像系统 |
CN108567443A (zh) * | 2017-03-09 | 2018-09-25 | 通用电气公司 | 用于ct图像的彩色可视化系统和方法 |
CN108852386A (zh) * | 2017-03-28 | 2018-11-23 | 佳能医疗系统株式会社 | 医用图像处理装置、医用图像处理方法及x射线诊断装置 |
CN111700638A (zh) * | 2019-03-18 | 2020-09-25 | 通用电气公司 | 出血的自动检测和定位 |
CN112315427A (zh) * | 2015-07-25 | 2021-02-05 | 光学实验室成像公司 | 血管内数据可视化方法 |
CN113017667A (zh) * | 2021-02-05 | 2021-06-25 | 上海市第六人民医院 | 一种血管狭窄的量化方法、装置、设备和可读存储介质 |
CN113240684A (zh) * | 2019-07-05 | 2021-08-10 | 心医国际数字医疗系统(大连)有限公司 | 对提取出含冠脉中心线的掩膜数据转换为中心线点集方法 |
CN114359128A (zh) * | 2021-09-10 | 2022-04-15 | 数坤(北京)网络科技股份有限公司 | 一种血管狭窄的检测方法、装置及计算机可读介质 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016521138A (ja) * | 2013-03-12 | 2016-07-21 | コリンズ,ドナ | 冠動脈微小血管疾患を診断するためのシステム及び方法 |
US9974442B2 (en) * | 2013-06-24 | 2018-05-22 | Toshiba Medical Systems Corporation | Method of, and apparatus for, processing volumetric image data |
JP6362853B2 (ja) * | 2013-11-20 | 2018-07-25 | キヤノンメディカルシステムズ株式会社 | 血管解析装置、および血管解析装置の作動方法 |
US20150164450A1 (en) * | 2013-12-18 | 2015-06-18 | Siemens Medical Solutions Usa, Inc. | System and Method for Real Time 4D Quantification |
RU2685373C2 (ru) * | 2014-09-12 | 2019-04-17 | Конинклейке Филипс Н.В. | Анализ кальциноза аортального клапана |
KR20160143178A (ko) | 2015-06-04 | 2016-12-14 | 삼성전자주식회사 | 의료 영상 처리 장치 및 의료 영상 처리 방법 |
WO2017047819A1 (ja) * | 2015-09-18 | 2017-03-23 | イービーエム株式会社 | 血管形状分析装置、その方法、及びそのコンピュータソフトウェアプログラム |
WO2018098118A1 (en) * | 2016-11-23 | 2018-05-31 | Mayo Foundation For Medical Education And Research | System and method for quantifying luminal stenosis using multi-energy computed tomography imaging |
US20190021677A1 (en) * | 2017-07-18 | 2019-01-24 | Siemens Healthcare Gmbh | Methods and systems for classification and assessment using machine learning |
US10327724B2 (en) | 2017-10-10 | 2019-06-25 | International Business Machines Corporation | Detection and characterization of aortic pathologies |
CN108564568A (zh) * | 2018-03-23 | 2018-09-21 | 沈阳东软医疗系统有限公司 | 冠脉的显示方法、装置、设备及存储介质 |
KR102130963B1 (ko) * | 2018-07-09 | 2020-07-08 | 라온피플 주식회사 | 두부이미지 분석 장치 및 이미지 분석 방법 |
CN111553887B (zh) * | 2020-04-14 | 2024-03-08 | 东软医疗系统股份有限公司 | 桥血管评价信息获取方法及装置 |
EP4113434A1 (en) | 2021-06-28 | 2023-01-04 | Koninklijke Philips N.V. | Generation of plaque information |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080118122A1 (en) * | 2006-11-22 | 2008-05-22 | General Electric Company | Methods and apparatus for generating a risk metric for soft plaque in vessels |
WO2009128042A1 (en) * | 2008-04-16 | 2009-10-22 | Universite De Lausanne | Automatic detection and accurate segmentation of abdominal aortic aneurysm |
US20100004526A1 (en) * | 2008-06-04 | 2010-01-07 | Eigen, Inc. | Abnormality finding in projection images |
WO2010030882A1 (en) * | 2008-09-11 | 2010-03-18 | Acist Medical Systems, Inc. | Physiological sensor delivery device and method |
US20100076296A1 (en) * | 2008-09-22 | 2010-03-25 | Siemens Corporate Research, Inc. | Method and System for Automatic Detection of Coronary Stenosis in Cardiac Computed Tomography Data |
US20100128942A1 (en) * | 2008-11-26 | 2010-05-27 | General Electric Company | Systems and Methods for Automated Diagnosis |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7346381B2 (en) * | 2002-11-01 | 2008-03-18 | Ge Medical Systems Global Technology Company Llc | Method and apparatus for medical intervention procedure planning |
US20040101088A1 (en) * | 2002-11-27 | 2004-05-27 | Sabol John Michael | Methods and apparatus for discriminating multiple contrast agents |
US7929741B2 (en) * | 2006-08-14 | 2011-04-19 | Siemens Medical Solutions Usa, Inc. | System and method for automated detection of mucus plugs within bronchial tree in MSCT images |
US7860283B2 (en) * | 2006-10-25 | 2010-12-28 | Rcadia Medical Imaging Ltd. | Method and system for the presentation of blood vessel structures and identified pathologies |
-
2011
- 2011-09-13 US US13/230,913 patent/US20130066197A1/en not_active Abandoned
-
2012
- 2012-08-29 NL NL2009379A patent/NL2009379C2/en active
- 2012-09-04 DE DE102012108185A patent/DE102012108185A1/de not_active Withdrawn
- 2012-09-05 JP JP2012194633A patent/JP2013059620A/ja active Pending
- 2012-09-13 CN CN201210337409.3A patent/CN103054598B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080118122A1 (en) * | 2006-11-22 | 2008-05-22 | General Electric Company | Methods and apparatus for generating a risk metric for soft plaque in vessels |
WO2009128042A1 (en) * | 2008-04-16 | 2009-10-22 | Universite De Lausanne | Automatic detection and accurate segmentation of abdominal aortic aneurysm |
US20100004526A1 (en) * | 2008-06-04 | 2010-01-07 | Eigen, Inc. | Abnormality finding in projection images |
WO2010030882A1 (en) * | 2008-09-11 | 2010-03-18 | Acist Medical Systems, Inc. | Physiological sensor delivery device and method |
US20100076296A1 (en) * | 2008-09-22 | 2010-03-25 | Siemens Corporate Research, Inc. | Method and System for Automatic Detection of Coronary Stenosis in Cardiac Computed Tomography Data |
US20100128942A1 (en) * | 2008-11-26 | 2010-05-27 | General Electric Company | Systems and Methods for Automated Diagnosis |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105380637A (zh) * | 2014-09-02 | 2016-03-09 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
CN105701791A (zh) * | 2014-12-04 | 2016-06-22 | 西门子公司 | 用于确定血管中斑块沉积的方法和设备 |
CN105701791B (zh) * | 2014-12-04 | 2019-01-08 | 西门子公司 | 用于确定血管中斑块沉积的方法和设备 |
CN112315427A (zh) * | 2015-07-25 | 2021-02-05 | 光学实验室成像公司 | 血管内数据可视化方法 |
CN108320279B (zh) * | 2017-01-10 | 2023-04-14 | 通用电气公司 | 用于诊断患者状况的成像系统 |
CN108320279A (zh) * | 2017-01-10 | 2018-07-24 | 通用电气公司 | 用于诊断患者状况的成像系统 |
CN108567443A (zh) * | 2017-03-09 | 2018-09-25 | 通用电气公司 | 用于ct图像的彩色可视化系统和方法 |
CN108567443B (zh) * | 2017-03-09 | 2023-12-01 | 通用电气公司 | 用于ct图像的彩色可视化系统和方法 |
CN108852386A (zh) * | 2017-03-28 | 2018-11-23 | 佳能医疗系统株式会社 | 医用图像处理装置、医用图像处理方法及x射线诊断装置 |
CN111700638A (zh) * | 2019-03-18 | 2020-09-25 | 通用电气公司 | 出血的自动检测和定位 |
CN111700638B (zh) * | 2019-03-18 | 2023-08-22 | 通用电气公司 | 出血的自动检测和定位 |
CN113240684A (zh) * | 2019-07-05 | 2021-08-10 | 心医国际数字医疗系统(大连)有限公司 | 对提取出含冠脉中心线的掩膜数据转换为中心线点集方法 |
CN113240684B (zh) * | 2019-07-05 | 2024-05-17 | 心医国际数字医疗系统(大连)有限公司 | 对提取出含冠脉中心线的掩膜数据转换为中心线点集方法 |
CN113017667A (zh) * | 2021-02-05 | 2021-06-25 | 上海市第六人民医院 | 一种血管狭窄的量化方法、装置、设备和可读存储介质 |
CN114359128A (zh) * | 2021-09-10 | 2022-04-15 | 数坤(北京)网络科技股份有限公司 | 一种血管狭窄的检测方法、装置及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
NL2009379A (en) | 2013-03-18 |
US20130066197A1 (en) | 2013-03-14 |
DE102012108185A1 (de) | 2013-03-14 |
NL2009379C2 (en) | 2014-04-16 |
CN103054598B (zh) | 2016-12-21 |
JP2013059620A (ja) | 2013-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103054598B (zh) | 用于血管狭窄可视化和导航的系统和方法 | |
US11557069B2 (en) | System and method for estimating vascular flow using CT imaging | |
JP4728627B2 (ja) | Ct血管造影法における構造を領域分割する方法及び装置 | |
JP5039294B2 (ja) | 筒状構造に沿って組織種別を解析するための装置及び方法 | |
US7940977B2 (en) | Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies | |
US7860283B2 (en) | Method and system for the presentation of blood vessel structures and identified pathologies | |
US7983459B2 (en) | Creating a blood vessel tree from imaging data | |
US8542903B2 (en) | Method and system for delineation of vasculature | |
JP6080249B2 (ja) | 3次元画像表示装置および方法並びにプログラム | |
US7873194B2 (en) | Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure | |
JP5377825B2 (ja) | 血管枝を選択して表示するコンピュータ・システム及び、血管枝を選択して表示することをプロセッサに指令するように構成されている命令を記録した機械読み取り可能な媒体 | |
JP2024054120A (ja) | 血管内のステントストラットのカバレッジを表示するシステム及び方法 | |
US11205264B2 (en) | Systems and methods for multi-label segmentation of cardiac computed tomography and angiography images using deep neural networks | |
CN105934199B (zh) | 用于处理体腔的医学图像的设备和方法 | |
CN103519838B (zh) | 用于多能组织量化的设备和方法 | |
RU2638007C2 (ru) | Средство выделения сегментации | |
JP2004105731A (ja) | コンピュータを利用した医療用画像の処理 | |
JP2009011828A (ja) | 血管系の中の障害を検出するための方法及びシステム | |
JP2004105728A (ja) | コンピュータを利用した医療用画像の収集 | |
CN105188550A (zh) | 血管数据处理和图像配准系统、方法及装置 | |
JP2004174232A (ja) | 画像セットのコンピュータ支援診断 | |
JP5388614B2 (ja) | 医用画像処理装置、画像診断装置および医用画像処理プログラム | |
JP2007144139A (ja) | X線コンピュータ断層撮影装置及び画像処理装置 | |
WO2008050223A2 (en) | Method and system for automatic analysis of blood vessel structures and pathologies | |
Berty | Semi-Automated Diagnosis of Pulmonary Hypertension Using PUMA, a Pulmonary Mapping and Analysis Tool |
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 |