CN104244830A - 使用形状感测的伪影去除 - Google Patents
使用形状感测的伪影去除 Download PDFInfo
- Publication number
- CN104244830A CN104244830A CN201380021434.3A CN201380021434A CN104244830A CN 104244830 A CN104244830 A CN 104244830A CN 201380021434 A CN201380021434 A CN 201380021434A CN 104244830 A CN104244830 A CN 104244830A
- Authority
- CN
- China
- Prior art keywords
- image
- artifact
- shape
- medical instrument
- imaging
- 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
- 238000003384 imaging method Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims description 34
- 230000008447 perception Effects 0.000 claims description 31
- 230000000007 visual effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 abstract description 9
- 239000013307 optical fiber Substances 0.000 description 20
- 239000000835 fiber Substances 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 11
- 238000002594 fluoroscopy Methods 0.000 description 10
- 239000002872 contrast media Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 210000002216 heart Anatomy 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 238000002583 angiography Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003306 harvesting Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 206010003658 Atrial Fibrillation Diseases 0.000 description 2
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 108010022579 ATP dependent 26S protease Proteins 0.000 description 1
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 229960005305 adenosine Drugs 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000005242 cardiac chamber Anatomy 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007914 intraventricular administration Methods 0.000 description 1
- 230000013016 learning Effects 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- 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
- A61B6/5252—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data removing objects from field of view, e.g. removing patient table from a CT image
-
- 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
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2061—Tracking techniques using shape-sensors, e.g. fiber shape sensors with Bragg gratings
-
- 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
- G06T2207/10121—Fluoroscopy
-
- 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
- G06T2207/30021—Catheter; Guide wire
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Robotics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种用于成像的医学系统,包括处理器(114)和耦合到所述处理器的存储器(116)。所述存储器包括光学形状感测模块(115),所述光学形状感测模块(115)被配置为从耦合到医学仪器(102)的形状感测系统(104)接收形状感测数据。所述形状感测系统被配置为测量所述医学仪器的形状和位置。图像生成模块(148)被配置为基于由所述形状感测系统测量的所述医学仪器的至少所述形状和所述位置,来从生成的图像检测并且数字地去除所述医学仪器的图像伪影。
Description
技术领域
本公开内容涉及医学仪器和成像,并且更具体地涉及采用仪器形状感测来通过从图像去除仪器伪影以增强图像。
背景技术
在介入程序期间的血管造影研究中,使用导管将造影剂注射到感兴趣的血管结构中。这样的程序的范例包括冠状动脉血管造影程序(例如经皮腔内冠状动脉介入(PTCI))或瓣膜程序(例如经导管主动脉瓣植入(TAVI))。球囊、支架或其他过滤器设备也具有基于导管的部署,并且经常地,存在对于旋转X射线(RX)成像的需求,以采集用于3D体积重建(例如,3D心房造影)和可视化的投影。可以将造影增强的投影用作这些3D图像重建的输入。尽管导管是应用造影剂的必要条件,但是在重建视野中看到导管并不一定是有利的。当导管仅部分在视野中(不在所有投影中可见)、当导管仅在旋转序列的一部分中填充有造影剂、或当在采集期间导管表现为强烈运动时,在重建视野中看到导管是尤其不利的。
发明内容
根据本发明的原理,一种用于成像的医学系统包括处理器和耦合到所述处理器的存储器。所述存储器包括形状感测模块,所述形状感测模块被配置为从耦合到医学仪器的形状感测系统接收形状感测数据。所述形状感测系统被配置为测量所述医学仪器的形状和位置。图像生成模块被配置为基于由所述形状感测系统测量的所述医学仪器的至少所述形状和所述位置,来从生成的图像检测并且数字地去除所述医学仪器的图像伪影。
另一种医学系统包括医学仪器和耦合到所述医学仪器、用于测量所述医学仪器的形状和位置的形状感测系统。成像系统被配置为对对象进行成像,其中,所述医学仪器的图像伪影至少部分地存在于所述对象的图像中。图像生成模块被配置为基于由所述形状感测系统测量的所述医学仪器的至少所述形状和所述位置,来从生成的图像检测并且数字地去除至少所述医学仪器的所述伪影。
一种用于图像处理的方法包括:收集来自仪器的形状感测数据;将所述仪器成像在内部图像体积中;通过采用来自于所述仪器的所述形状感测数据来检测在图像体积中由所述仪器所导致的成像伪影;并且通过采用图像插值过程和所述形状感测数据来去除所述成像伪影。
附图说明
通过结合附图来阅读本公开内容下面的说明性实施例的具体实施方式,本公开内容的这些及其他目标、特征和优点将变得显而易见。
本公开内容将参考下图来详细地呈现下面的优选实施例的描述,其中:
图1是根据一个实施例示出的采用形状感测数据来识别并且去除图像伪影的图像伪影去除系统的框图/流程图;
图2A是根据一个范例的示出进入心脏内的导管的荧光检查图像;
图2B是根据所述范例的示出所检测到的、并且增强了其亮度的导管的荧光检查图像;
图3A是根据所述范例示的出在心脏中的导管投影伪影的荧光检查图像;
图3B是示出根据本发明的原理的去除了导管投影伪影的荧光检查图像;并且
图4是根据一个说明性实施例的示出用于图像处理的方法的流程图。
具体实施方式
根据本发明的原理,提供了仪器从图像中安全和实时的识别和去除。该仪器从图像中的识别和去除是有价值的特征,这是因为其最小化了相关联的成像伪影的影响。该解决方法可应用于X射线或其他辐射的成像视野中的导管、植入电极引线、导丝等。
在特别有用的实施例中,采用光学形状感测(OSS)来检测仪器的位置、形状和取向。OSS采用能够结合到导管、导丝、电极引线或其他柔性延长仪器内、并且连接到患者体外的分析单元的特殊光纤。使用在连接到仪器一端的分析单元中进行的光学瑞利散射相对于参考的建模和分析来实时测量光纤的位置和形状。因此在成像空间中知道了仪器沿其伸展的位置。可以使用与造影剂注射和旋转投影采集期间的仪器形状和仪器位置有关的空间信息来计算仪器在投影图像上的位置,并且使用插值方法和仪器已知的几何形状和成像中的特性从投影中去除该仪器。
形状感测信息,与专家数据库或设备特性的库(例如,基于3D模型或基于先前病例或数据库(历史数据))相组合,将使得对整个投影数据集内的仪器印记(footprint)或X射线阴影的去除简单化。可以消除与仪器检测和仪器追踪有关的处理负担。还可以通过标准机器学习方法来扩大专家数据库或库,以自适应优化接下来的程序。
还应当理解,将根据医学仪器来描述本发明;然而,本发明的教导要宽泛得多,并且,本发明可应用于采用形状感测来从图像中去除仪器或对象的任何成像系统。在一些实施例中,采用本原理来追踪或分析复杂的生物系统或机械系统。具体而言,本原理可应用于:生物系统的内部追踪程序和成像程序、身体的所有区域(例如肺、胃肠道、排泄器官、脑、心脏、血管等)中的程序。图中描绘的元件可以在硬件和软件的各种组合中进行实现,并且提供可以被组合在单个元件或多个元件中的功能。
可以通过使用专用硬件和能够执行软件的与适当的软件相关联的硬件来提供附图中示出的各种元件的功能。在由处理器提供时,可以由单个的专用处理器、单个的共享处理器、多个单独的处理器(其中某些可以能被共享)来提供该功能。此外,对术语“处理器”或“控制器”的明确使用不应当被解释为仅仅指的是能够执行软件的硬件,而是能够暗含地包括(但不限于)数字信号处理器(“DSP”)硬件、用于存储软件的只读存储器(“ROM”)、随机存取存贮器(“RAM”)、非易失性存储设备等。
此外,本文记载本发明的原理、方面和实施例的所有陈述,以及其具体范例,旨在涵盖其结构和功能等价物。另外,该等价物旨在包括当前已知的等价物以及未来发展的等价物(即,执行相同功能的所发展的任何元件,而不管其结构如何)。因此,例如,本领域的技术人员将意识到,本文呈现的方框图代表包含本发明的原理的说明性系统部件和/或电路的概念视图。类似地,应当将意识到,任何流程图、流程表等表示各种过程,其可以实质上表示在各种计算机可读的存储介质中并且因此可以由计算机或存储器执行(无论是否明确示出了该计算机或处理器)。
此外,本发明的实施例可以采取计算机程序产品的形式,该计算机程序产品可从计算机可使用或计算机可读的存储介质存取,该计算机可使用的或计算机可读的存储介质提供由计算机或任何指令执行系统使用、或与计算机或任何指令执行系统结合来使用的程序代码。出于该描述的目的,计算机可使用的或计算机可读的存储介质能够是包括、存储、通信、传播或转移用于由指令执行系统、装置或设备使用或与其结合来使用的程序的任何装置。该介质可以是电子、磁性、光学、电磁、红外线或半导体系统(或者装置或设备)或传播介质。计算机可读的介质的范例包括半导体或固态存储器、磁带、可运动计算机软盘、随机存取存储器(RAM)、只读存储器(ROM)、硬磁盘以及光盘。光盘的当前范例包括压缩磁盘-只读存储器(CD-ROM)、压缩磁盘-读/写(CD-R/W)、蓝光光碟(Blu-RayTM)以及DVD。
现在参考附图(其中,相似的数字表示相同的或类似的元件)并首先参考图1,说明性地示出了根据一个实施例的用于校正地成像的系统100。可以采用系统100来绘制用于手术程序的图像,其中,通过从图像中去除仪器或其他对象来获得益处。系统100可以用于针对各种应用(例如,多平面重建)的实时成像或存储成像。系统100可以包括工作站或控制台112,从工作站或控制台112监督和/或管理程序。工作站112优选包括一个或多个处理器114和用于存储程序以及应用的存储器116。存储器116可以存储光学感测和解读模块(或分析模块)115,光学感测和解读模块115被配置为解读来自于形状感测设备或系统104的光反馈信号。光学感测模块115被配置为使用该光反馈信号(和任何其他反馈,例如电磁追踪)来重建形变、偏斜和与医学设备或仪器102和/或其周围区域相关联的其他变化。医学设备102可以包括导管、导丝、探针、内窥镜、机器人、电极、过滤器设备、球囊设备、电极引线或其他仪器或医学部件等。
工作站112可以包括显示器118,显示器118用于观察由成像系统110提供的对象内部图像。成像系统110可以包括例如核磁共振成像(MRI)系统、荧光检查系统、计算断层摄影(CT)系统、超声(US)等。显示器118还可以允许用户与工作站112及其部件和功能互动。这进一步由接口120来帮助,接口120可以包括键盘、鼠标、操纵杆或用于允许用户与工作站112互动的任何其他外部设备或控制。
设备102上的形状感测系统104包括一个或多个光纤126,该一个或多个光纤以一种或多种固定模式耦合到设备102。光纤126通过电缆127连接到工作站112。电缆127根据需要可以包括光纤光学连接、光纤电学连接、其他仪器等。
工作站112可以包括光源106,当形状感测104包括光纤形状感测时,光源106用于向光纤126提供光。还可以采用光学探询单元108检测来自于所有光纤的光返回。这允许对应变或其他参数进行确定,该应变或其他参数将用于解读介入设备102的形状、取向等。将采用光信号作为反馈来进行调整、存取误差、确定设备102的形状和位置以及校准设备102(或系统100)。
形状感测设备104优选包括一个或多个光纤126,该一个或多个光纤被配置为利用它或它们的几何形状来检测和校正/校准设备102的形状。利用光纤光学的形状感测系统104可以基于光纤光学布拉格光栅(传感器。光纤光学布拉格光栅(FBG)是反射特定波长的光并传输所有其他光的短片段光纤。这是通过在纤芯中增加折射率的周期变化来实现的,折射率的周期变化生成波长特异的的电介质镜。因此光纤布拉格光栅可以用作限制某些波长的线内滤光器,或用作特定波长的反射器。
光纤布拉格光栅操作背后的基本原理是折射率发生变化的每个界面处的菲涅耳反射。对于一些波长,各种周期的反射光同相,使得对于反射存在相长干涉,并且因此对于透射存在相消干涉。布拉格波长对于应变和温度敏感。这意味着布拉格光栅能够用作光纤光学传感器中的感测元件。在FBG传感器中,被测对象(例如,应变)引起布拉格波长的改变。
此技术的一个优点是可以在光纤的长度上分布各传感器元件。并入具有沿嵌入到结构中的光纤的长度的各传感器(量规)的三个或更多芯允许精确地确定该结构的三维形态,典型地具有优于1mm的精度。可以沿光纤的长度在各个位置定位大量FBG传感器(例如,3或更多光纤感测芯)。根据每一个FBG的应变测量,可以推断该位置处的结构的曲率。根据该大量的测得位置,确定了整个三维形态。
作为对光纤布拉格光栅的替代,能够利用常规光纤中的固有背散射。一个该方法是使用标准单模通信光纤中的瑞利散射。作为纤芯中折射率的随机波动的结果,发生瑞利散射。这些随机波动能够被建模为沿光栅长度具有幅度和相位的随机变化的布拉格光栅。通过使用在单长度的多芯光纤内延伸的三个或更多芯中的此效应,能够观察感兴趣的表面的3D形状和动态。应当理解,也可以采用不限于这些描述的其他形状感测技术。
光纤126可以集成到设备102(例如导管、导丝、电极引线或其他柔性延长仪器)内、并且连接到患者或对象的体外或成像体积131外的分析单元115。使用对与存储在存储器116中的分析模块115中的参考有关的光学散射和光学反射的建模和分析来实时测量光纤126的位置和形状。因此知道了在成像设备(例如,X射线系统,CT系统等)的成像空间中设备102沿其范围的位置。
在一个实施例中,成像系统110可以包括旋转X射线系统,并且设备102可以包括造影剂分配导管。可以使用与造影剂注射和旋转投影采集期间的设备形状和设备位置有关的空间信息来计算导管102在图像134(可以在显示器118上观察该图像)中的位置。因为光学感测模块115可以精确地计算设备102的形状和位置,所以图像生成器148可以使用该信息和其他信息来确定图像伪影,以将图像伪影从图像134中去除。图像生成器148可以基于形状感测信息来识别并且去除设备102(例如导管),并且图像生成器148可以采用形状感测信息与其他信息一起来去除图像伪影。图像生成器148可以采用适合的插值方法(例如,图像填充或其他图像处理技术)来更改图像的像素,以从图像134中去除设备102和/或由于设备102而产生的图像伪影。知道了X射线成像的特性和导管/设备的几何形状后,可以精确地确定导管102(或其他设备)占据的图像部分的精确确定结果。
形状感测信息,与专家数据库或设备特性的库142相组合,可以被采用来更确信地在图像134中识别设备102和设备102的伪影。数据库或库142可以包括先前病例/历史数据136的存储图像或3D模型132。可以基于引进设备102之前获取的图像来生成模型132,使得可以与具有伪影或呈现出设备102的图像进行比较。历史数据136可以包括先前收集的图像帧,使得可以确定设备102的部分及其之前的轨迹并采用设备102的部分及其之前的轨迹来预测伪影可能发生的位置。还可以使用机器学习模块146或其他已知学习方法来扩大库142,以自适应优化图像和图像比较。可以基于当前程序、特定患者、特定环境等,采用经优化的图像来更可靠地从图形134去除形状感测追踪设备102的伪影。
例如,模型132和/或历史数据136的设计和开发可以包括基于经验或历史信息(例如来自于图像数据或伪影数据)的进化行为或记录行为。机器学习模块146可以随时间利用范例(数据)来捕捉感兴趣特性。可以将数据看作示出了包括设备形状和设备位置在内的观测变量之间的关系的范例。机器学习模块146可以自动地学习,以识别复杂模式并且基于关于仪器投影、仪器图像、仪器伪影等可能在图像134中的位置的数据来进行智能决策。形状感测数据使得该学习更简单得多并且更可靠得多。
该自适应优化将使得对整个投影数据集(或图像134)内的仪器印记、伪影或X射线阴影等的去除更简单化。通过采用本原理,可以消除与导管或设备检测和追踪关联的处理负担。
在另一个实施例中,对于运动结构(例如在心脏中)的所有旋转血管造影采集而言,可以采用由光学形状感测系统104追踪的导管或设备102的运动信息来获得生理信号。该生理信号可以包括:传感器121测量的信号,该信号例如对应于心电(ECG)信号;指示由于呼吸运动而产生的心脏的移位的信号;或者表示身体动态运动的任何其他信号。该运动信息可以用于门控重建和/或运动补偿重建。设备102的形状感测系统104的形状测量在空间和时间中与投影采集相关联,并且在图像生成模块148中可以在图像处理中计算出由于已知原因而产生的运动信息。可以计算出运动或没有运动(屏息命令、快速节奏(hyper pacing)和腺苷)或采用其他传感器信号来收集运动数据(例如呼吸带信号、ECG信号)。
在介入设置中,形状感测使能设备(102、104)可以配准到X射线(CT)成像空间。例如可以使用已知的基于模型的校准步骤来执行该配准。当执行旋转X射线采集以进行体积X射线成像、并且形状感测使能设备在X射线视野中时,X射线中的设备可见与来自于形状感测的设备形状存在空间对应。然而X射线图像中的形状可以是截短的。然而由于系统中的任意一个的系统延迟,形状(来自于形状感测)与X射线中的可见之间存在时间差异。优选地在形状感测和成像之间进行时间对应。这可以通过对系统延迟的数据和校准都进行时间戳记或诸如采用生理信号提供时间参考的其他方法来实现。
可以利用以下信号或时钟来将形状感测数据和X射线投影进行同步:其他外部信号(例如来自于介入房间中的外在事件或来自于诸如ECG、血液动力、呼吸信息等的生理流(physiological streams));允许对连续采集多模态(形状感测/X射线)测量结果进行时间注释、或允许以前瞻性方式或回顾性方式对这些数据集进行触发采集的内部时钟。这些同步流允许形状感测数据和X射线测量交织,并且增加基于形状感测的从X射线投影和随后的3D体积重建去除仪器的准确性。
在另一个实施例中,可以使用附着到光学形状感测光纤(126)、或集成在光学形状感测光纤(126)中的闪烁光纤包层(例如在透视图像中可见的光纤包层)来执行X射线图像数据和形状感测数据之间的关联。当包层在X射线的视野中时,可以采用该包层图像来将形状信号与X射线图像进行时间关联。形状信息和X射线信息不必以相同的时钟运行。甚至可以使用该方法补偿帧内运动。
参考图2A和图2B,透视图像200说明性示出了示例性心室注射。应当理解,尽管这里将荧光检查作为范例进行描述,但是可以采用其他成像模态代替荧光检查,或除采用荧光检查外还采用其他模态(例如,与例如计算断层摄影(CT)、核磁共振(MR)的其他成像模态结合来使用)。
图2A示出了具有导管202和在左心室中的注射点204的图像200。图2B示出了具有检测到的导管206的相同的投影。检测到的导管206使用光学形状感测来对其位置和形状进行确定。通过图像处理技术来增强检测到的导管206的亮度,以提高其可见度。
参考图3A和图3B,说明性示出了三维旋转X射线(3D-RX)心脏数据集图像300。在图3A中图像300示出了多个导管投影302,其还未被检测到并且还未被去除。作为旋转X射线成像的结果,发生投影。在图3B中,根据本原理描述了已经检测到并去除导管投影后的说明性3D-RX心脏数据集304。
如图3A和图3B所示,在心房纤颤(AFIB)程序或采取旋转血管造影来生成3D信息的其他结构性心脏疾病的程序中,通过从旋转投影序列中清除导管来避免由于明亮的造影剂发射导管顶端而产生的伪影。因此避免了在得到的断层摄影图像中的伪影。将导管追踪(例如,使用形状感测)与每个X射线投影进行时间同步解决了动态性问题。还可以将该方法延伸为包括:随后向重建图像添加动态导管而不引进伪影。这例如可以通过以下步骤获得:首先从图像中去除设备和设备投影(以降低伪影)、然后将设备添加到重建图像。这对于移植物尤其重要,移植物与相邻的解剖结构的相对位置是重要的。还应当注意,可以对图像进行实时显示,以使得在程序期间使投影的去除和模拟(或实际设备)可视化。
参考图4,方框图被示出为根据一个说明性实施例描述用于图像处理的方法。在方框402中,仪器被配置为包括形状感测系统。将仪器运动到采用其来帮助成像并且采用其来执行实用功能的成像体积中。在一个说明性实施例中,仪器包括用于在心脏腔中注射造影剂的导管。成像系统可以包括X射线系统(例如CT)并且尤其是旋转X射线系统。在方框404中,从仪器中收集形状感测数据。这可以是以显示在成像空间中的仪器的形状和位置的反射光的形式。在方框406中,对仪器与内部图像体积一起进行成像。
在成像期间,特别是在采用辐射的地方,可以发生反射、阴影和其他伪影。在方框408中,通过采用来自于仪器的形状感测数据来检测由图像体积中的仪器导致的成像伪影。形状感测数据显示在各个图像投影和角度中的仪器位置和仪器形状。根据一个或多个模型、历史数据等以及形状感测数据来查看这些图像,以识别伪影。
在方框410中,可以将存储在存储器中的模型与具有伪影的图像进行比较,并且可以在用于根据来自于形状感测系统的信息检测并且去除伪影的比较中计算出医学仪器的几何形状。在方框412中,可以将先前事件的历史数据与具有伪影(例如,仪器的连续运动)的图像进行比较,以根据来自于形状感测系统的信息来检测并且去除伪影。在方框414中,可以通过在之前病例、模型等的基础上采用机器学习来更好地并且更准确地识别伪影,来对伪影的去除进行优化。
在方框420中,通过采用图像插值过程和形状感测数据来去除成像伪影。图像插值过程可以包括图像修复过程或能够调整像素以从医学图像等中去除伪影和仪器图像的其他图像过程。在方框422中,优选地在收集图像数据的同时去除图像伪影。这实现了实时或接近实时的图像收集(伪影去除等)。
在方框424中,如果从图像中去除了仪器(或者甚至没有去除仪器),则可以生成该医学仪器的模拟图像以在生成的图像中进行可视化。没有伪影并且基于形状感测数据的虚拟图像将实时或近似实时地向用户提供关于仪器位置信息和仪器形状的有用信息。在方框426中,可以将生理信号与形状感测数据关联以计算出患者运动。生理信号可以包括EEG信号,可以采用EEG信号来计算出心脏跳动。在其他实施例中,呼吸传感器可以计算出由于呼吸而产生的运动,运动传感器可以计算出肌肉运动等。在方框428中,按需要继续程序或操作。
在解释所附权利要求书时,应当理解:
a)术语“包括”并不排除存在除了在给定的权利要求中列出的元件或动作以外的其他元件或动作;
b)元件前面的术语“一”或“一个”并不排除存在多种或多个该元件;
c)权利要求书中的任何附图标记并不限制其范围;
d)若干个“单元”可以由同一个项或者硬件或软件实现的结构或功能表示;并且
e)除非明确地指示,否则并非旨在要求动作的特定顺序。
已经描述了针对用于使用手术前和手术中的3D图像来人工引导内窥镜的导向工具的实施例(其旨在示例说明而非限制),应当注意,本领域技术人员能够领会到上面的教导而作出修改和改变。因此应当理解,可以在所揭露的本公开的具体实施例中作出改变,该改变在根据所附权利要求书所概述的本文所揭露的实施例的范围内。因此已经描述了专利法所要求的特性和细节,权利要求书中陈述了专利特许证所主张并期望保护的内容。
Claims (26)
1.一种用于成像的医学系统,包括:
处理器(114);以及
耦合到所述处理器的存储器(116),所述存储器包括:
光学形状感测模块(115),其被配置为从耦合到医学仪器(102)的形状感测系统(104)接收形状感测数据,所述形状感测系统被配置为测量所述医学仪器的形状和位置;以及
图像生成模块(148),其被配置为基于由所述形状感测系统测量的所述医学仪器的至少所述形状和所述位置,来从生成的图像检测并且数字地去除所述医学仪器的图像伪影。
2.如权利要求1所述的系统,还包括模型(132),所述模型被存储在所述存储器中并且被采用以与具有伪影的图像进行比较,以根据来自于所述形状感测系统的信息来检测并去除所述伪影。
3.如权利要求1所述的系统,还包括先前事件的历史数据存储(136),所述历史数据存储被存储在所述存储器中并且被采用以与具有伪影的图像进行比较,以根据来自于所述形状感测系统的信息来检测并去除所述伪影。
4.如权利要求1所述的系统,还包括机器学习模块(146),所述机器学习模块被存储在所述存储器中并且被配置为优化对所述图像伪影的识别和去除。
5.如权利要求1所述的系统,其中,所述图像生成模块(148)根据来自于所述形状感测系统的信息使用图像插值过程来数字地去除所述图像伪影。
6.如权利要求5所述的系统,其中,所述图像插值过程包括图像修复过程。
7.如权利要求1所述的系统,其中,所述图像生成模块(148)数字地去除所述图像伪影并且生成所述医学仪器的模拟图像,以在生成的图像中进行可视化。
8.如权利要求1所述的系统,其中,所述图像生成模块(148)在收集图像数据的同时数字地去除所述图像伪影,得到实时图像校正。
9.如权利要求1所述的系统,还包括与形状感测数据相关的生理信号,以考虑时间变化。
10.一种用于成像的医学系统,包括:
医学仪器(102);
耦合到所述医学仪器的形状感测系统(104),所述形状感测系统用于测量所述医学仪器的形状和位置;
成像系统(110),其被配置为对对象进行成像,其中,所述医学仪器的图像伪影至少部分地存在于所述对象的图像中;以及
图像生成模块(148),其被配置为基于由所述形状感测系统测量的所述医学仪器的至少所述形状和所述位置,来从生成的图像检测并且数字地去除至少所述医学仪器的所述伪影。
11.如权利要求10所述的系统,还包括模型(132),所述模型被存储在存储器中并且被采用以与具有所述伪影的图像进行比较,以根据来自于所述形状感测系统的信息来检测并去除所述伪影。
12.如权利要求10所述的系统,还包括先前事件的历史数据存储(136),所述历史数据存储被存储在存储器中并且被采用以与具有所述伪影的图像进行比较,以根据来自于所述形状感测系统的信息来检测并去除所述伪影。
13.如权利要求10所述的系统,还包括机器学习模块(146),所述机器学习模块被存储在存储器中并且被配置为优化对所述图像伪影的识别和去除。
14.如权利要求10所述的系统,其中,所述图像生成模块(148)根据来自于所述形状感测系统的信息使用图像插值过程来数字地去除所述图像伪影。
15.如权利要求14所述的系统,其中,所述图像插值过程包括图像修复过程。
16.如权利要求10所述的系统,其中,所述图像生成模块(148)数字地去除所述图像伪影并且生成所述医学仪器的模拟图像,以在生成的图像中进行可视化。
17.如权利要求10所述的系统,其中,所述图像生成模块(148)在收集图像数据的同时数字地去除所述图像伪影,得到实时图像校正。
18.如权利要求10所述的系统,还包括被配置为测量生理信号的感测设备(120),所述生理信号被相关到形状感测数据,以考虑时间变化。
19.一种用于图像处理的方法,包括:
收集(404)来自仪器的形状感测数据;
将所述仪器成像(406)在内部图像体积中;
通过采用来自于所述仪器的所述形状感测数据来检测(408)所述图像体积中由所述仪器所导致的成像伪影;并且
通过采用图像插值过程和所述形状感测数据来去除(420)所述成像伪影。
20.如权利要求19所述的方法,还包括将存储在存储器中的模型与具有伪影的图像进行比较(410),以根据来自于形状感测系统的信息来检测并去除所述伪影。
21.如权利要求19所述的方法,还包括将存储在存储器中的先前事件的历史数据与具有伪影的图像进行比较(412),以根据来自于所述形状感测系统的信息来检测并去除所述伪影。
22.如权利要求19所述的方法,还包括通过采用机器学习来优化(414)对所述图像伪影的去除。
23.如权利要求19所述的方法,其中,所述图像插值过程包括图像修复过程。
24.如权利要求19所述的方法,还包括生成(424)所述医学仪器的模拟图像,以在生成的图像中进行可视化。
25.如权利要求19所述的方法,在收集图像数据的同时去除所述图像伪影,得到实时图像校正。
26.如权利要求19所述的方法,还包括将形状感测数据与生理信号相关(426),以考虑时间变化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261617313P | 2012-04-23 | 2012-04-23 | |
US61/617,313 | 2012-04-23 | ||
PCT/IB2013/052536 WO2013144912A1 (en) | 2012-03-29 | 2013-03-29 | Artifact removal using shape sensing |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104244830A true CN104244830A (zh) | 2014-12-24 |
CN104244830B CN104244830B (zh) | 2017-11-14 |
Family
ID=48471049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380021434.3A Expired - Fee Related CN104244830B (zh) | 2012-03-29 | 2013-03-29 | 使用形状感测的伪影去除 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20160242854A1 (zh) |
EP (1) | EP2830502B1 (zh) |
JP (1) | JP6216770B2 (zh) |
CN (1) | CN104244830B (zh) |
BR (1) | BR112014026073A2 (zh) |
RU (1) | RU2014143669A (zh) |
WO (1) | WO2013144912A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595278A (zh) * | 2017-09-19 | 2018-01-19 | 深圳市大耳马科技有限公司 | 一种生成医学影像设备门控信号的方法、装置及系统 |
CN107610193A (zh) * | 2016-06-23 | 2018-01-19 | 西门子保健有限责任公司 | 使用深度生成式机器学习模型的图像校正 |
CN107837090A (zh) * | 2016-09-20 | 2018-03-27 | 西门子医疗有限公司 | 计算机断层成像中基于正弦图的散射射线校正 |
CN111163692A (zh) * | 2017-08-17 | 2020-05-15 | 纳维斯国际有限公司 | 依据体内测量重建解剖结构 |
CN111544018A (zh) * | 2019-02-08 | 2020-08-18 | 西门子医疗有限公司 | 对x射线成像中的格栅伪影的基于学习的校正 |
CN113507899A (zh) * | 2019-02-28 | 2021-10-15 | 皇家飞利浦有限公司 | 对末端执行器的反馈连续定位控制 |
US11889048B2 (en) | 2020-08-18 | 2024-01-30 | Sony Group Corporation | Electronic device and method for scanning and reconstructing deformable objects |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105408939B (zh) * | 2013-07-23 | 2021-08-24 | 皇家飞利浦有限公司 | 用于配准成像设备与跟踪设备的配准系统 |
US11850083B2 (en) | 2014-05-16 | 2023-12-26 | Koninklijke Philips N.V. | Device for modifying an imaging of a tee probe in X-ray data |
WO2016038492A1 (en) * | 2014-09-08 | 2016-03-17 | Koninklijke Philips N.V. | Detection of surface contact with optical shape sensing |
EP3247301B1 (en) * | 2015-01-22 | 2020-10-28 | Koninklijke Philips N.V. | Endograft visualization with optical shape sensing |
EP3247311B1 (en) | 2015-01-22 | 2020-03-18 | Koninklijke Philips N.V. | Endograft visualization with pre-integrated optical shape sensing attachments |
US10398402B2 (en) | 2015-02-23 | 2019-09-03 | Siemens Healthcare Gmbh | Method and system for automated positioning of a medical diagnostic device |
US10430688B2 (en) | 2015-05-27 | 2019-10-01 | Siemens Medical Solutions Usa, Inc. | Knowledge-based ultrasound image enhancement |
US9836664B1 (en) * | 2016-05-27 | 2017-12-05 | Intuit Inc. | Method and system for identifying and addressing imaging artifacts to enable a software system to provide financial services based on an image of a financial document |
US10132891B2 (en) * | 2016-09-16 | 2018-11-20 | General Electric Company | System and method for attenuation correction of a surface coil in a PET-MRI system |
WO2018126396A1 (en) * | 2017-01-05 | 2018-07-12 | General Electric Company | Deep learning based estimation of data for use in tomographic reconstruction |
JP7252206B2 (ja) * | 2017-08-17 | 2023-04-04 | コーニンクレッカ フィリップス エヌ ヴェ | 画像アーチファクト特定及び除去のための深層学習ネットワークを有する超音波システム |
DE102017217550A1 (de) * | 2017-10-02 | 2019-04-04 | Siemens Healthcare Gmbh | Identifikation von Bildartefakten mittels maschinellen Lernens |
US10930064B2 (en) * | 2018-02-08 | 2021-02-23 | Covidien Lp | Imaging reconstruction system and method |
EP3628230A1 (en) * | 2018-09-27 | 2020-04-01 | Koninklijke Philips N.V. | X-ray imaging system with foreign object reduction |
JP7144292B2 (ja) * | 2018-11-27 | 2022-09-29 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置および医用画像処理方法 |
JP7309988B2 (ja) * | 2018-11-27 | 2023-07-18 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置および医用画像処理方法 |
GB201906103D0 (en) | 2019-05-01 | 2019-06-12 | Cambridge Entpr Ltd | Method and apparatus for analysing intracoronary images |
JP2023510852A (ja) * | 2020-01-14 | 2023-03-15 | コーニンクレッカ フィリップス エヌ ヴェ | 光ファイバ形状感知に基づく画像強調 |
CN111329587A (zh) * | 2020-02-19 | 2020-06-26 | 上海理工大学 | 利用形状传感光纤网格进行手术配准系统 |
WO2022248967A1 (en) * | 2021-05-24 | 2022-12-01 | Ramot At Tel-Aviv University Ltd. | Shape sensing of multimode optical fibers |
CN114298934B (zh) * | 2021-12-24 | 2022-12-09 | 北京朗视仪器股份有限公司 | 一种基于像素调节的面颊夹显影弱化方法、装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100030063A1 (en) * | 2008-07-31 | 2010-02-04 | Medtronic, Inc. | System and method for tracking an instrument |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6118845A (en) * | 1998-06-29 | 2000-09-12 | Surgical Navigation Technologies, Inc. | System and methods for the reduction and elimination of image artifacts in the calibration of X-ray imagers |
US6990368B2 (en) * | 2002-04-04 | 2006-01-24 | Surgical Navigation Technologies, Inc. | Method and apparatus for virtual digital subtraction angiography |
US20060239585A1 (en) * | 2005-04-04 | 2006-10-26 | Valadez Gerardo H | System and method for reducing artifacts in motion corrected dynamic image sequences |
US8050523B2 (en) * | 2007-04-20 | 2011-11-01 | Koninklijke Philips Electronics N.V. | Optical fiber shape sensing systems |
CN102016923A (zh) * | 2008-05-06 | 2011-04-13 | 皇家飞利浦电子股份有限公司 | 图像伪影的减少 |
JP5142821B2 (ja) * | 2008-05-26 | 2013-02-13 | 株式会社東芝 | 画像診断装置および画像表示装置 |
EP2624780B1 (en) * | 2010-10-08 | 2024-02-14 | Koninklijke Philips N.V. | Flexible tether with integrated sensors for dynamic instrument tracking |
WO2013082289A1 (en) * | 2011-11-30 | 2013-06-06 | Rush University Medical Center | System and methods for identification of implanted medical devices and/or detection of retained surgical foreign objects from medical images |
-
2013
- 2013-03-29 RU RU2014143669A patent/RU2014143669A/ru not_active Application Discontinuation
- 2013-03-29 JP JP2015506326A patent/JP6216770B2/ja not_active Expired - Fee Related
- 2013-03-29 US US14/395,833 patent/US20160242854A1/en not_active Abandoned
- 2013-03-29 EP EP13724381.2A patent/EP2830502B1/en not_active Not-in-force
- 2013-03-29 BR BR112014026073A patent/BR112014026073A2/pt not_active IP Right Cessation
- 2013-03-29 CN CN201380021434.3A patent/CN104244830B/zh not_active Expired - Fee Related
- 2013-03-29 WO PCT/IB2013/052536 patent/WO2013144912A1/en active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100030063A1 (en) * | 2008-07-31 | 2010-02-04 | Medtronic, Inc. | System and method for tracking an instrument |
Non-Patent Citations (2)
Title |
---|
XIAOMENG ZHANG ET AL: "Metal artifact reduction in x-ray computed tomography (CT) by constrained optimization", 《MEDICAL PHYSICS》 * |
YONG-LAE PARK ET AL: "Real-Time Estimation of 3-D Needle Shape and Deflection for MRI-Guided Interventions", 《IEEE/ASME TRANSACTIONS ON MECHATRONICS》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610193A (zh) * | 2016-06-23 | 2018-01-19 | 西门子保健有限责任公司 | 使用深度生成式机器学习模型的图像校正 |
CN107837090A (zh) * | 2016-09-20 | 2018-03-27 | 西门子医疗有限公司 | 计算机断层成像中基于正弦图的散射射线校正 |
CN107837090B (zh) * | 2016-09-20 | 2021-08-17 | 西门子医疗有限公司 | 计算机断层成像中基于正弦图的散射射线校正 |
CN111163692A (zh) * | 2017-08-17 | 2020-05-15 | 纳维斯国际有限公司 | 依据体内测量重建解剖结构 |
CN111163692B (zh) * | 2017-08-17 | 2023-08-15 | 纳维斯国际有限公司 | 依据体内测量重建解剖结构 |
CN107595278A (zh) * | 2017-09-19 | 2018-01-19 | 深圳市大耳马科技有限公司 | 一种生成医学影像设备门控信号的方法、装置及系统 |
CN111544018A (zh) * | 2019-02-08 | 2020-08-18 | 西门子医疗有限公司 | 对x射线成像中的格栅伪影的基于学习的校正 |
CN111544018B (zh) * | 2019-02-08 | 2022-03-04 | 西门子医疗有限公司 | 对x射线成像中的格栅伪影的基于学习的校正 |
CN113507899A (zh) * | 2019-02-28 | 2021-10-15 | 皇家飞利浦有限公司 | 对末端执行器的反馈连续定位控制 |
US11889048B2 (en) | 2020-08-18 | 2024-01-30 | Sony Group Corporation | Electronic device and method for scanning and reconstructing deformable objects |
Also Published As
Publication number | Publication date |
---|---|
WO2013144912A1 (en) | 2013-10-03 |
RU2014143669A (ru) | 2016-05-27 |
BR112014026073A2 (pt) | 2017-06-27 |
CN104244830B (zh) | 2017-11-14 |
JP2015514491A (ja) | 2015-05-21 |
JP6216770B2 (ja) | 2017-10-18 |
EP2830502B1 (en) | 2016-07-13 |
US20160242854A1 (en) | 2016-08-25 |
EP2830502A1 (en) | 2015-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104244830B (zh) | 使用形状感测的伪影去除 | |
CN105283119B (zh) | 形状感测超声探头 | |
CN103415255B (zh) | 利用血管内装置形状对血管图像进行非刚性体变形 | |
JP6114748B2 (ja) | 光学ファイバー形状データを用いる湾曲マルチプラナ再構成 | |
CN103607949B (zh) | 利用光学形状感测的动态约束 | |
JP5437997B2 (ja) | 放射性イメージングのための画像生成装置および方法 | |
CN103179916B (zh) | 基于医疗器械的实时形状感测的自适应成像和帧率优化 | |
US20110160569A1 (en) | system and method for real-time surface and volume mapping of anatomical structures | |
JP6310448B2 (ja) | 光ファイバ形状センシングを用いるボクセルタギング | |
JP6129176B2 (ja) | 確率論的ボクセルマップを用いた高速高密度点群イメージング | |
CN104349715A (zh) | 用于对生理特征的参考的分布式感测设备 | |
US11406278B2 (en) | Non-rigid-body morphing of vessel image using intravascular device shape | |
JP2019533503A (ja) | 管状構造内の器具の位置を決定するための位置決定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171114 Termination date: 20180329 |
|
CF01 | Termination of patent right due to non-payment of annual fee |