CN104680513A - 估计心室容积的方法和装置 - Google Patents

估计心室容积的方法和装置 Download PDF

Info

Publication number
CN104680513A
CN104680513A CN201410694257.1A CN201410694257A CN104680513A CN 104680513 A CN104680513 A CN 104680513A CN 201410694257 A CN201410694257 A CN 201410694257A CN 104680513 A CN104680513 A CN 104680513A
Authority
CN
China
Prior art keywords
right ventricle
left ventricle
ventricle
area
sample set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410694257.1A
Other languages
English (en)
Other versions
CN104680513B (zh
Inventor
Z.王
S.李
A.伊斯拉姆
A.格拉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of CN104680513A publication Critical patent/CN104680513A/zh
Application granted granted Critical
Publication of CN104680513B publication Critical patent/CN104680513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1073—Measuring volume, e.g. of limbs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Cardiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了估计心室容积的方法和装置。示例计算机实现的方法包含：使用对于左心室和右心室的先验概率模型来准备样本集；以及使用似然函数来向样本集内的每个样本分配权重。示例方法还包含基于经加权的样本集来确定右心室和左心室的面积。

Description

估计心室容积的方法和装置
技术领域
本公开一般涉及估计心室容积，并且更具体而言，涉及估计心室容积的方法和装置。
背景技术
在西方国家，心脑血管疾病是死亡的主要原因。为了诊断并处理心脑血管疾病，可以分析左心室和右心室的心脏功能。
技术内容
技术方案1：一种计算机实现的方法，包括：
使用对于左心室和右心室的先验概率模型来准备样本集；
使用似然函数向所述样本集内的每个样本分配权重；以及
基于经加权的样本集，确定所述右心室和所述左心室的面积。
技术方案2：如技术方案1所述的方法，其中，所述面积包括与所述左心室关联的第一面积和与所述右心室关联的第二面积。
技术方案3：如技术方案1所述的方法，还包括基于所述左心室和所述右心室的所述面积，确定所述左心室和所述右心室的容积。
技术方案4：如技术方案1所述的方法，其中，所述样本集与磁共振成像（MRI）系列的多个帧关联。
技术方案5：如技术方案1所述的方法，还包括自动产生其中包含了所确定的面积的医疗报告。
技术方案6：如技术方案1所述的方法，还包括基于所述面积，产生所述左心室和所述右心室的表示。
技术方案7：如技术方案1所述的方法，其中，所述先验概率模型使用所述左心室和所述右心室之间的相互关联的信息。
技术方案8：一种方法，包括：
接收与包含左心室和右心室的图像关联的输入；
基于所述输入，在所述图像上自动识别关注区域；
使用所述关注区域，使用对于所述左心室和所述右心室的先验概率模型来准备样本集；
使用似然函数向所述样本集内的每个样本分配权重；以及
基于经加权的样本集，确定所述左心室和所述右心室的面积。
技术方案9：如技术方案8所述的方法，其中，接收所述输入包括：接收识别所述左心室和所述右心室之间的第一交点和第二交点的输入。
技术方案10：如技术方案9所述的方法，其中，自动识别所述第一交点和所述第二交点。
技术方案11：如技术方案10所述的方法，其中，通过基于所述左心室和所述右心室在磁共振成像（MRI）系列的多个帧中的移动，自动识别所述左心室和所述右心室，从而自动识别所述第一交点和所述第二交点。
技术方案12：如技术方案9所述的方法，其中，所述第一交点和所述第二交点从用户输入接收。
技术方案13：如技术方案8所述的方法，其中，所述面积包括与所述左心室关联的第一面积和与所述右心室关联的第二面积。
技术方案14：如技术方案8所述的方法，还包括基于所述左心室和所述右心室的所述面积，确定所述左心室和所述右心室的容积。
技术方案15：如技术方案8所述的方法，其中，所述样本集与磁共振成像（MRI）系列的多个帧关联。
技术方案16：一种系统，包括：
处理器，其中，响应于接收与包含左心室和右心室的图像关联的第一输入，所述处理器基于关注区域，在所述图像上自动识别所述关注区域，所述处理器使用对于所述左心室和所述右心室的先验概率模型来产生样本集，所述处理器确定并使用似然函数来向所述样本集内的每个样本分配权重，所述处理器确定所述左心室和所述右心室的面积。
技术方案17：如技术方案16所述的系统，还包括其中存储有所确定的面积的数据存储。
技术方案18：如技术方案16所述的系统，其中，所述处理器进一步基于所确定的面积，确定所述左心室和所述右心室的容积。
技术方案19：如技术方案16所述的系统，其中，所述面积包括与所述左心室关联的第一面积和与所述右心室关联的第二面积。
技术方案20：如技术方案16所述的系统，其中，所述处理器进一步基于所述面积，产生所述左心室和所述右心室的表示。
附图说明
图1示出闭路循环心脏系统的示意图。
图2示出依据本公开的教导的、示出初始输入、识别和/或选择第一和第二标志的磁共振成像（MRI）序列的帧。
图3示出依据本公开的教导的、在心脏周期中的左心室和右心室的估计的容积的曲线图。
图4示出依据本公开的教导的、其中已选择了围住左心室和右心室这两者的关注区域（ROI）的帧。
图5示出图4的关注区域的更详细的视图。
图6示出基于示例团块的外形模型的绘图。
图7示出基于示例同质性的外形模型的绘图。
图8示出基于示例边缘的外形模型的绘图。
图9是与基于团块的外形模型关联的示例团块掩蔽图。
图10示出与基于同质性的外形模型关联的示例同质性掩蔽图。
图11示出与基于示例边缘的外形模型关联的示例边缘掩蔽图。
图12示出依据本文公开的示例的示例系统。
图13是表示可以执行来实现图12的系统的机器可读指令的流程图。
图14是示出一些图13的流程图中说明的处理的流程图。
图15是示出左心室腔面积和右心室腔面积之间的相关性的曲线图。
图16是执行图13的指令来实现图12的系统的处理器平台。
图并未按照比例。只要有可能，贯穿附图和随附的书面说明中将使用相同的附图标记以指代相同或者同样的部分。
具体实施方式
在西方国家，心脑血管疾病是死亡的主要原因。确定的心室容积能够被用于全局评估心脏功能。为了诊断并处理这些疾病，使用心室容积、射血分数（EF）和/或每搏输出量等来分析左心室和右心室这两者。一些这些已知的估计方法被限制为使用分段（segmentation）来估计左心室的容积，该分段计算昂贵、缓慢且繁琐。与一些已知的方法相比，本文公开的示例联合地估计左心室和右心室的容积和/或实质上同时使用示例无分段方法，该无分段方法使用示例适应贝叶斯公式。具体而言在一些示例中，左心室和右心室容积使用贝叶斯公式来确定，该贝叶斯公式包含示例似然模型和示例先验概率模型，其中，似然模型使用多个外形特征，并且先验概率模型将在左心室腔与右心室腔之间的面积和/或其他特征相互关联。因此，使用本文公开的示例，能够确定全局心脏功能的直接、有效且精确的评估。
在一些示出的示例中，基于手动或者自动识别右心室与左心室间隔壁之间的附接位置的初始输入，能够估计双心室容积而没有手动和自动外形修整。腔面积（例如短轴观腔面积）能够用贝叶斯框架来估计，并且双心室容积能够通过沿着矢状方向对腔面积进行积分来估计。因此，能够估计双心室容积而没有手动和自动外形修整。使用估计的双心室容积，能够有效且同时确定对于左心室和右心室这两者的心脏功能参数。在一些示例中，估计的容积能够被用于估计心脏的功能参数，诸如收缩末期容积、舒张末期容积、射血分数、心脏输出、峰值射血率、充盈率等。
图1示出闭路循环心脏系统100的示意图，闭路循环心脏系统100包含：具有左心室104、右心室106的心脏102；体循环108；以及肺循环110。因为左心室104和右心室106都属于闭路循环心脏系统100并且物理连接，所以左心室和右心室104、106共享循环地在舒张期扩张并在收缩期收缩的相同的运动模式。因此，随着心脏102在不同阶段转换，左心室和右心室104、106的容积类似地改变。
图2示出MRI序列200的帧200，示出在MRI序列的帧200上的初始输入、识别和/或选择第一和第二标志202、204。
第一标志202对应于左心室间隔壁208与右心室壁210之间的第一附接点；并且第二标志204对应于右心室壁210与左心室间隔壁208之间的第二附接点。在示出的示例中，标志202、204被用于在整个心脏周期实时自动估计双心室容积，其结果在图3中示出。图3示出心脏周期中左心室和右心室的估计的容积的曲线图300，其中x轴302对应于帧数，y轴304对应于估计的容积，第一条线306与左心室关联并且第二条线308与右心室关联。
图4示出其中已选择了围住左心室404和右心室406这两者的关注区域（ROI）402的帧200。在示出的示例中，标志和/或用户选择202、204能使得在不同的潜在关注区域（ROI）之间和/或不同帧和/或病人之间维持一致。具体而言，在示出的示例中，标志202、204的解剖学意义能使ROI选择一致，并且最终估计的结果对于用户内变异和/或用户间变异稳健。
使用图4的ROI选择402，标志202、204间的中心点408能够在方形的ROI选择402的中心识别。在示出的示例中，中心点408的标度是标志202、204之间的距离的两倍大。在一些示例中，将标志202、204耦接和/或链接的中心线410能够被用于对ROI选择402进行取向，如图5所示。
图5示出已旋转的ROI选择402，使得中心线410垂直于ROI选择402的底，并且中心线410将左心室404和右心室406分开。在图5示出的示例中，ROI选择402已被重新缩放到40×40像素。使用图4和5示出的示例，单个的ROI选择能够被用于分析左心室404和右心室406这两者。使用图4和5示出的示例以及示例概率模型的相关性信息，左心室404和右心室406这两者能够在ROI选择402内联合检查。
在示出的示例中，左心室404和右心室406的腔面积(Ai)分别使用示例贝叶斯公式来确定。示例贝叶斯公式可以用于和/或适于对与外形、运动等相关的不同的模型和/或约束进行结合。在示例贝叶斯框架中，统计模式识别包含估计由给出先验p(X)和观察(Z)的X参数化的对象的后验概率密度。在一些示例中，方程1表示给出观察Z的X的后验概率，其中p(X|Z)是给出对象状态X的观察Z的概率的似然函数建模，并且p(X)是对象状态的先验概率。
方程1：p(X|Z)αp(Z|X)p(X)
方程2是被用于至少部分基于心脏和/或左心室和右心室的物理方面，来估计双心室容积和/或面积的变形例贝叶斯公式。参考方程2，LV对应于左心室，RV对应于右心室，并且p(Z|X)对应于示例多特征似然函数。在一些示例中，由作为PLV(X|Z)（例如，示例左心室后验概率）的函数建模的PRV(X)（例如示例右心室概率模型、示例面积相关性先验概率模型）来确定连接，并且该连接使用估计的左心室面积作为基于左心室与右心室之间的相关性的先验。在示出的示例中，由于短轴观中的左心室的圆形几何形状，左心室发出作为对于右心室的估计。
方程2：                                                
在示出的示例中，基于在方程2中说明的示例贝叶斯方程，对象状态能够被定义为X=[X1,…XQ]，其中Xq∈{0,1}是分配给输入图像中第q个像素的标记，并且q∈{0,…Q}，并且其中{0,1}分别对应于背景、左心室和右心室。在该示例中，X将图像标记并分区为腔和背景（例如分为2个分段）。为了确定腔的面积，在一些示例中，对象状态X的后验概率使用示例贝叶斯推理方法来估计，并且腔面积基于X的函数来确定。使用后验概率的估计p(X|Z)，方程3能够被用于确定作为后验的函数的左心室和右心室的平均腔面积，其中A(X)=，并且δ(a,b)是克罗内克δ函数。在本文公开的示例中，通过对标注为1的像素进行计数，A(X)确定左心室腔面积和右心室腔面积。
方程3：
方程4说明的似然函数p(Z|X)使用基于团块（blob based）的外形模型pb(Z|X)、基于同质性的外形模型，ph(Z|X)、以及基于边缘的外形模型pe(Z|X)，其中α和β被用于调节每个模型的相对的重要性。在示出的示例中，基于团块、同质性、以及边缘的外形模型被假定为给出对象状态X时彼此条件独立，其是对多个特征和/或模型进行结合的假定。
方程4：
图6、7和8分别示出基于从手动分段数据收集的输入图像和假设的对象状态（例如约3300个）的，基于团块的外形模型、基于同质性的外形模型、以及基于边缘的外形模型的绘图。图6的基于团块的外形模型与图8的基于边缘的外形模型的比较示出低程度的相关性。在一些示例中，基于团块的外形模型在对象具有类似团块的外形（例如，内侧面积比周围面积更亮或者更深，）的医疗成像中是有用的。因为在MRI中，左心室腔和右心室腔可能比相邻构造更亮，所以当取出腔区域时基于团块的外形模型是有利的。
图9与基于团块的外形模型关联，并示出通过用输入图像确定点积来捕捉团块特征的示例掩蔽图900。在图9示出的示例中，是基于对象状态X组成的掩蔽图900，并且fbq(X)是掩蔽图中的第q个像素。如图9所示，掩蔽图900包含腔区域（例如白色区域）902、窄带区域（例如黑色带或者区域）904、以及剩余和/或周围像素（例如灰色区域）906。在示出的示例中，腔区域902的像素权重约为1，窄带区域904的像素权重约为-1，并且剩余像素的像素权重约为0。方程5说明图9的组成掩蔽图900的处理，其中d是带的宽度，A(X)是左心室和右心室的面积，Ωc(X)和Ωb(X)是腔区域902和周围窄带区域904。在示出的示例中，腔区域902和周围窄带区域904由对象状态X和δ(.)确定
方程5
图10示出被用于指明在其内计算同质性的腔区域的示例同质性掩蔽图1000。当除了乳头肌区域外左心室和右心室填充有血液时，在MRI中左心室和右心室可以具有明亮且同质的外形。乳头肌区域在对象状态X中提供同质性约束（例如在指明的腔区域中具有低强度方差）。尽管具有来自乳头肌的可能的干扰，但同质性能够对于腔估计问题提供互补约束。方程6是捕捉同质性特征的示例外形模型，其中μ(Z,X)是由对象状态X指明的腔区域Ωc(X)的平均强度，如图10的示例掩蔽图1000所示。方程7定义由对象状态X指明的腔区域Ωc(X)内的平均强度。
方程6：
方程7：
图11示出用于通过用边缘图像确定点积来捕捉边缘特征的示例边缘掩蔽图1100。边缘特征可以被用于基于活动轮廓的分段，因为边缘特征普遍存在并且可有效计算。在示出的示例中，边缘特征被用于空间和时间域这两者。空间域中的边缘可以沿着腔与心肌之间的边界对应于高梯度。时间域中的边缘可以在舒张和收缩期对应于腔边界的运动。方程8是基于边缘的外形模型的示例，其中表示基于Z组成的边缘掩蔽图1100，并且是掩蔽图1100中的第q个像素。方程9示出掩蔽图1100的形式组成，其中Ωe(X)是由对象状态X确定的腔的边界。在该示例中，边缘图像Ze由方程10定义，其中δrZ、δrcZ和δtZ分别是行、列和时间方向的一阶导数。
方程8：
方程9：
方程10：
在示出的示例中，示例先验概率模型使用从运动类似性得到的左心室与右心室之间的联合信息。方程11示出左心室和右心室之间的联合信息能够如何表达为腔面积之间的线性相关性，其中AR(t)和AL(t)分别表示在T帧的心脏周期期间，在某一时间t∈{1,…T}右心室和左心室的腔面积，并且N(0,σ)表示高斯噪声。如方程11中所示，左心室面积和右心室面积之间的相关性已由数据集中的手动分段的腔确认。
方程11：
在示出的示例中，在心脏周期中使用方程11获得的左心室腔的估计的面积能够被用于预测在相同的周期中的右心室面积（例如，第一先验或者第一右心室腔面积估计）。第一先验能够被用于获得更精确的右心室后验概率估计。方程12示出能够被用于通过将先验项相互关联对第一先验公式化和/或使用第一先验的示例先验概率模型，其中psX是嵌入训练集的基本先验分布，并且是使用方程13确定和/或导出的。
方程12：
方程13：
参考方程13，参数t表明在心脏周期期间当前对象状态X的帧索引。因此，方程11的当前右心室腔面积A(X)或者AR(t)在相同的帧中与左心室腔面积AL(t)线性相关。
方程12的示例先验概率模型被配置为使用对应的左心室面积信息来确定右心室面积。对于左心室面积信息而言，先验概率模型使用方程14中说明的嵌入训练集的基本分布。
方程14：
方程15示出在心脏周期给出所有图像（例如MRI序列）的用于估计参数a,b的最大后验估计（MAP）方法。
方程15：
方程16–19是确定后验分布的处理，其中，[a,b]的先验分布被假定为均一、p(Z1:T)且恒定，方程3和11在和中定义。当确定方程16–19时，可以做出下面的假定，包含在时间t的观察图像，Zt给出在时间t的对象状态是独立的，设置了参数a和b时Zt和Xt是独立的。
方程16：
方程17：
方程18：
方程19：
为了确定右心室和左心室的腔面积，从训练集创建样本集{S1,…,SN}，其中，在训练阶段，每个输入图像被手动分段为左心室、右心室和背景。在示出的示例中，使用方程20生成训练集，其中，所有的左心室和右心室图像被收集在一起，以自然嵌入关于训练集中的形状、位置和标度的不同的先验信息。
方程20：
方程21：
为了将附加的先验和/或信息整合至训练集，在示出的示例中，样本权重可以修改为包含诸如使用方程12确定的互相信息项的先验项、和/或通过将样本权重计算作为和示例似然函数p(Z|X)和/或在左心室和右心室之间的其他相关性信息的积。
在一些示例中，样本集内的每个样本分配有权重πi，基于在方程4中说明的似然函数，其中用于左心室的权重在方程22中说明，并且用于右心室的权重在方程23中说明。方程24被用于将经加权的样本集归一化，其能够被用于对后验密度p(X|Z)近似。方程21能够被用于估计腔面积。
方程22：
方程23：
方程24：至
在示出的示例中，为了确定左心室和右心室的心室容积，腔面积在短轴视片沿着矢状方向通过对每个片的容积相加来积分。方程25能够被用于通过对对应的腔面积Ai和片厚度h的积相加来确定心室的容积。
方程25：
图12绘出用于估计（例如自动估计）心室容积的示例系统1200。在一些示例中，系统1200包含计算机1202和可通信地耦接至计算机1202的产生器1204。在该示例中，计算机1202包含用户界面1206和数据输入1208（例如键盘、鼠标、麦克风等），并且产生器1204包含处理器1210和数据库或者其他数据存储1212。
在一些示例中，用户界面1206显示从产生器1204接收的诸如图像（例如MRI序列、帧等）的数据。在一些示例中，用户界面1206从用户1214经由数据输入1208接收命令和/或输入。例如，在系统1020被用于确定左心室或者右心室的面积和/或容积的示例中，用户界面1206在短轴观显示心脏MRI图像的帧，并且用户1214提供初始输入来识别例如在左心室间隔壁和右心室壁之间交点的基片的位置。在示出的示例中，初始输入包含在帧上选择2个点。
在其他示例中，初始输入可以自动执行。在一些该示例中，关注区域（例如过程ROI）可以通过识别MRI序列和/或场景（例如，在心脏周期期间左心室和右心室显著移动）中的移动部分来识别和/或取出。在一些示例中，ROI包含在心脏周期将边界框拟合到和/或拟合至具有高强度方差的区域。在一些示例中，在关注区域内，左心室能够使用霍夫（Hough）圆变换来检测和/或识别，并且右心室可以通过模板与由检测的左心室几何限制的区域匹配来检测和/或识别。在识别了右心室之后，左心室和右心室之间的初始输入交点由将模板的2个对应的标志映射到原始的图像坐标来识别（例如自动识别）。
在示出的示例中，基于初始输入，处理器1210自动识别并取出MRI序列的每个片和/或帧中的关注区域，MRI序列包含和/或涵盖左心室和右心室这两者。在示出的示例中，处理器1210通过使用对于右心室和左心室的示例先验概率模型来产生样本集，并且基于示例似然函数向样本集内的每个样本分配权重，来自动确定右心室和左心室的面积。另外，在示出的示例中，为了确定右心室和左心室的面积，经加权的样本集被归一化，进而被用于对后验密度以及左心室和右心室的面积进行近似。在示出的示例中，处理器1210通过将每个片的容积（例如，腔面积(Ai)和片厚度(h)的积）相加，自动确定右心室和左心室的容积。
在示出的示例中，使用在数据库1212中存储的确定的面积和/或容积和/或其他信息，处理器1210可以产生图和/或表来辅助评估心脏功能。这些产生的图和/或表能够显示在用户界面1206。在示出的示例中，使用在数据库1212中存储的确定的面积和/或容积和/或其他信息，处理器1210可以在对应的MRI序列和/或MRI序列的一个以上的帧中产生并使识别的左心室和右心室的基础的显示启动视觉验证。在示出的示例中，使用在数据库1212中存储的确定的面积和/或容积和/或其他信息，处理器1210可以使用本文公开的功能参数自动插入和/或产生报告。
图13示出实现图12的系统1200的示例方式，图13所示的一个以上的元件、处理和/或设备可以组合、分开、重新排列、省略、消除和/或以任何其他途径实现。此外，计算机1202、产生器1204、用户界面1206、数据输入1208、和/或更通常的图12的示例系统1200可以由硬件、软件、固件和/或硬件、软件和/或固件的任何组合实现。因此，例如任何示例的计算机1202、产生器1204、用户界面1206、数据输入1208、和/或更通常的示例系统1200能够由一个以上的模拟或者数字电路、逻辑电路、可编程处理器、特定应用集成电路（ASIC）、可编程逻辑设备（PLD）和/或现场可编程逻辑设备（FPLD）实现。当阅读该专利的覆盖纯粹软件和/或固件实施方式的任何装置或者系统权利要求时，至少一个示例中，计算机1202、产生器1204、用户界面1206、数据输入1208、和/或更通常的示例系统1200特此明确地定义为包含有形计算机可读存储设备或者存储磁盘（诸如存储器、数字通用光盘（DVD）、压缩光盘（CD）、蓝光光盘等）来存储软件和/或固件。此外，除了或者代替图13所示的那些，图12的示例系统可以包含一个以上的元件、处理和/或设备，和/或可以包含多于一个任何或者所有示出的元件、处理和设备。
表示用于实现示例系统13的示例机器可读指令的流程图在图13中示出。在该示例中，机器可读指令包括由处理器（诸如结合图16在下文说明的示例处理器平台1600中示出的处理器1612）执行的程序。程序可以以存储在有形计算机可读存储介质（诸如CDROM、软盘、硬盘驱动器、数字通用光盘（DVD）、蓝光光盘），或者与处理器1612关联的存储器中的软件实施，但是整个程序和/或其部分能够替代地由处理器1612外的设备执行和/或以固件或者专用的硬件实施。此外，尽管参考图16所示的流程图说明了示例程序，但可以替代地使用实现示例系统1600的很多其他方法。例如，执行框的顺序可以改变和/或说明的一些框可以改变、消除、或者组合。
如上所述，图12的示例处理可以使用存储在有形计算机可读存储介质上的经编码指令（例如计算机和/或机器可读指令）来实现，该有形计算机可读存储介质诸如有硬盘驱动器、闪存存储器、只读存储器（ROM）、压缩光盘（CD）、数字通用光盘（DVD）、缓存、随机存取存储器（RAM）和/或其中信息被存储任何持续时间（例如用于简要实例、用于临时缓冲、和/或用于对信息缓存的延伸的时间段、永久地）的任何其他存储设备或者存储磁盘。本文使用的术语有形计算机可读存储介质被明确地被定义为包含任何类型的计算机可读存储设备和/或存储磁盘，并且排除传播信号并排除传输介质。本文使用的“有形计算机可读存储介质”和“有形机器可读存储介质”可以互换使用。附加地或替代地，图12的示例处理可以使用存储在非临时性计算机和/或机器可读介质上的经编码指令（例如计算机和/或机器可读指令）来实现，该可读介质诸如有硬盘驱动器、闪存存储器、只读存储器、压缩光盘、数字通用光盘、缓存、随机存取存储器和/或其中信息被存储任何持续时间（例如用于简要实例、用于临时缓冲、和/或用于对信息缓存的延伸的时间段、永久地）的任何其他存储设备或者存储磁盘。本文使用的术语“非临时性计算机可读介质”被明确地被定义为包含任何类型的计算机可读存储设备和/或存储磁盘，并且排除传播信号并排除传输介质。如本文使用的，当词组“至少”被用作权利要求的前序部分中的过渡词时，其以与术语“包括”是开放的相同方式是开放的。
参考图13和14，图13的程序在框1300开始，用户界面1206从用户1214经由数据输入1208接收命令和/或输入（框1302）。例如，用户界面1206显示心脏MRI图像（以短轴观）的帧（图14的1402），并且用户1214提供初始输入，识别例如左心室间隔壁和右心室壁之间的交点的基片的位置（图14的1404）。在示出的示例中，初始输入包含在帧上选择2个点。在其他示例中，初始输入可以自动执行。基于初始输入，围住左心室和右心室这两者的关注区域（ROI）（图14的1406）被自动识别和/或取出。
在示出的示例中，双心室区域使用本文公开的示例来自动估计（1408图14）。具体而言，处理器1210通过使用对于右心室和左心室的示例先验概率模型来产生样本集，自动确定右心室和左心室的面积。（框1304）。程序然后确定似然函数（框1306）。使用似然函数，权重分配给样本集中的每个样本（框1308）。在框1310，样本集被归一化（框1310）。在示出的示例中，归一化的样本集被用于对后验密度近似，后验密度被用于确定左心室和右心室的面积和/或腔的面积（框1312）。在示出的示例中，处理器1210通过将每个片的容积（例如，腔面积(Ai)和片厚度(h)的积）相加，自动确定右心室和左心室的容积（框1314）。在框1316，程序产生输出（框1314）。在示出的示例中，输出可以包含在用户显示器上显示图和/或表来辅助心脏功能评估（图14的1410）。在示出的示例中，输出可以包含用叠加在用户显示器上的视觉标记来显示MRI用于手动验证（图14的1412）。在示出的示例中，输出可以包含将机器取出的功能参数自动插入至病人报告（图14的1414）。
图15示出第一主体和/或个体1502、第二主体和/或个体1504、以及第三主体和/或个体1506的左心室面积和右心室面积的示例绘图1500。卧在直线中的绘图展示出在时间A_R(t)的右心室面积与在时间A_L(t)的左心室面积之间的线性相关性，具有不同的斜率(α)和RV轴截距(b)。
图16是能够执行图13的指令来实现图12的系统1200的示例处理器平台1000的框图。处理器平台1600例如可以是服务器、个人计算机、移动设备（例如手机、智能手机、诸如iPadTM的平板计算机）、个人数字助理（PDA）、互联网装置、或者任何其他类型的计算设备。
示出的示例的处理器平台1600包含处理器1652。示出的示例的处理器1612是硬件。例如，处理器1612能够由来自任何期望的家庭或者制造商的一个以上的集成电路、逻辑电路、微处理器或者控制器实现。
示出的示例的处理器1612包含局部存储器1613（例如缓存）。示出的示例的处理器1612经由总线1618与包含易失性存储器1614和非易失性存储器1616的主存储器通信。易失性存储器1614可以由同步动态随机存取存储器（SDRAM）、动态随机存取存储器（DRAM）、RAMBUS动态随机存取存储器（RDRAM）和/或任何其他类型的随机存取存储器设备实现。非易失性存储器1616可以由闪存存储器和/或任何其他期望类型的存储器设备实现。向主存储器1614、1616的接入由存储器控制器控制。
示出的示例的处理器平台1600还包含接口电路1020。接口电路1620可以由任何类型的接口标准实现，诸如以太网接口、通用串行总线（USB）和/或高速PCI接口。
在示出的示例中，一个以上的输入设备1622连接至接口电路1620。输入设备1622允许用户将数据和命令输入到处理器1612。输入设备例如能够由键盘、按钮、鼠标、触摸屏、触控板、轨迹球、异点和/或声音识别系统实现。
一个以上的输出设备1624也连接至示出的示例的接口电路1620。输出设备1624例如能够由显示器设备（例如发光二极管（LED）、有机发光二极管（OLED）、液晶显示器、阴极射线管显示器（CRT）、触摸屏、触觉输出设备、发光二极管（LED））实现。因此，示出的示例的接口电路1620典型地包含图形驱动器卡、图形驱动器芯片或者图形驱动器处理器。
示出的示例的接口电路1620还包含通信设备（诸如发射器、接收器、收发器、调制解调器和/或网络接口卡），以便于经由网络1626（例如以太网连接、数字用户线（DSL）、电话线、同轴线缆、蜂窝电话系统等）与外部机器（例如任何种类的计算设备）交换数据。
示出的示例的处理器平台1600还包含用于存储软件和/或数据的一个以上的大容量存储设备1628。该大容量存储设备1028的示例包含软盘驱动器、硬盘驱动器盘、压缩光盘驱动器、蓝光光盘驱动器、RAID系统、以及数字通用光盘（DVD）驱动器。
图13的经编码指令1632可以存储在大容量存储设备1328、易失性存储器1314、非易失性存储器1316和/或可拆卸的有形计算机可读存储介质（诸如CD或者DVD）中。
从上述说明可知上述公开的方法、装置和制品启用自动化右心室功能评估；实质上同时和/或同时处理左心室和右心室；和/或直接执行心室间分析和/或反流性瓣膜病检测。
公开的示例实现增强的可用性，而几乎不用或者不用任何人的交互（例如2次手动单击）来执行双心室功能评估。公开的示例能通过去除繁琐人的交互和低效的分段步骤改善效率，因而提供实时功能评估工具和/或处理时间效率。公开的示例提供高级功能，包含自动化的双心室功能评估；每个帧中的综合参数估计（例如并非只是收缩末期和舒张末期帧）；和/或通过联合调查双心室参数的直接心室间分析（例如诊断反流性瓣膜病或者心内分流等）。
本文公开的示例涉及用于没有分段地联合估计左心室和右心室这两者的容积的示例方法、使用多个外形特征的示例似然函数和/或使用面积相关性信息的示例概率模型。
公开了联合估计心脏双心室容积的方法和装置。示例计算机实现的方法包含：准备样本集；计算对于左心室和右心室的先验概率模型；以及使用似然函数来向样本集内的每个样本分配权重。示例方法包含：基于经加权的样本集来确定片中的右心室和左心室的腔面积。示例方法包含：对覆盖整个心脏的片的确定的面积进行积分，以获得双心室容积。
尽管本文公开了某些示例方法、装置和制品，但本专利的覆盖的范围不限于此。相反，本专利覆盖落入本专利的权利要求的范围的所有方法、装置和制品。

Claims (10)

1. 一种计算机实现的方法，包括：
使用对于左心室和右心室的先验概率模型来准备样本集；
使用似然函数向所述样本集内的每个样本分配权重；以及
基于经加权的样本集，确定所述右心室和所述左心室的面积。
2. 如权利要求1所述的方法，其中，所述面积包括与所述左心室关联的第一面积和与所述右心室关联的第二面积。
3. 如权利要求1所述的方法，还包括基于所述左心室和所述右心室的所述面积，确定所述左心室和所述右心室的容积。
4. 如权利要求1所述的方法，其中，所述样本集与磁共振成像（MRI）系列的多个帧关联。
5. 如权利要求1所述的方法，还包括自动产生其中包含了所确定的面积的医疗报告。
6. 如权利要求1所述的方法，还包括基于所述面积，产生所述左心室和所述右心室的表示。
7. 如权利要求1所述的方法，其中，所述先验概率模型使用所述左心室和所述右心室之间的相互关联的信息。
8. 一种方法，包括：
接收与包含左心室和右心室的图像关联的输入；
基于所述输入，在所述图像上自动识别关注区域；
使用所述关注区域，使用对于所述左心室和所述右心室的先验概率模型来准备样本集；
使用似然函数向所述样本集内的每个样本分配权重；以及
基于经加权的样本集，确定所述左心室和所述右心室的面积。
9. 如权利要求8所述的方法，其中，接收所述输入包括：接收识别所述左心室和所述右心室之间的第一交点和第二交点的输入。
10. 如权利要求9所述的方法，其中，自动识别所述第一交点和所述第二交点。
CN201410694257.1A 2013-11-27 2014-11-27 估计心室容积的方法和装置 Active CN104680513B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/092453 2013-11-27
US14/092,453 US9402549B2 (en) 2013-11-27 2013-11-27 Methods and apparatus to estimate ventricular volumes

Publications (2)

Publication Number Publication Date
CN104680513A true CN104680513A (zh) 2015-06-03
CN104680513B CN104680513B (zh) 2019-08-27

Family

ID=53182708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410694257.1A Active CN104680513B (zh) 2013-11-27 2014-11-27 估计心室容积的方法和装置

Country Status (2)

Country Link
US (1) US9402549B2 (zh)
CN (1) CN104680513B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106562779A (zh) * 2015-10-12 2017-04-19 深圳迈瑞生物医疗电子股份有限公司 图形化显示心室射血分数变化的装置、方法和监护系统
CN110731777A (zh) * 2019-09-16 2020-01-31 平安科技（深圳）有限公司 基于图像识别的左心室测量方法、装置以及计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080181479A1 (en) * 2002-06-07 2008-07-31 Fuxing Yang System and method for cardiac imaging
CN102203630A (zh) * 2008-11-05 2011-09-28 皇家飞利浦电子股份有限公司 Mr扫描的自动顺序规划
US20110301466A1 (en) * 2010-06-04 2011-12-08 Siemens Medical Solutions Usa, Inc. Cardiac flow quantification with volumetric imaging data

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU5545499A (en) 1998-07-31 2000-02-21 Genzyme Corporation Improvement of cardiac function by mesenchymal stem cell transplantation
NL1016122C2 (nl) 2000-09-07 2002-03-11 Jozef Reinier Cornelis Jansen Werkwijze en inrichting voor het bepalen van het segmentale volume en de elektrische parallelgeleiding van een hartkamer of een bloedvat van een patiÙnt, alsmede katheter voor toepassing bij deze werkwijze of inrichting.
US6511438B2 (en) 2001-04-03 2003-01-28 Osypka Medical Gmbh Apparatus and method for determining an approximation of the stroke volume and the cardiac output of the heart
CN1273935C (zh) 2001-05-17 2006-09-06 西门子共同研究公司 用于分割磁共振心脏图像中左心室的变化的方法
US6757554B2 (en) 2001-05-22 2004-06-29 Alfred E. Mann Institute For Biomedical Engineering At The University Of Southern California Measurement of cardiac output and blood volume by non-invasive detection of indicator dilution
US6961454B2 (en) 2001-10-04 2005-11-01 Siemens Corporation Research, Inc. System and method for segmenting the left ventricle in a cardiac MR image
US7400757B2 (en) 2001-10-04 2008-07-15 Siemens Medical Solutions Usa, Inc. System and method for segmenting the left ventricle in a cardiac image
US20110206247A1 (en) 2001-11-21 2011-08-25 Dachille Frank C Imaging system and methods for cardiac analysis
US7024244B2 (en) 2002-04-22 2006-04-04 Medtronic, Inc. Estimation of stroke volume cardiac output using an intracardiac pressure sensor
US20070083118A1 (en) 2002-07-22 2007-04-12 Ep Medsystems, Inc. Method and System For Estimating Cardiac Ejection Volume Using Ultrasound Spectral Doppler Image Data
US7289841B2 (en) 2002-10-25 2007-10-30 Koninklijke Philips Electronics N.V. Method and apparatus for volumetric cardiac computed tomography imaging
US7445605B2 (en) 2003-01-31 2008-11-04 The Board Of Trustees Of The Leland Stanford Junior University Detection of apex motion for monitoring cardiac dysfunction
CA2530595A1 (en) 2003-06-25 2005-01-06 Siemens Medical Solutions Usa, Inc. Automated regional myocardial assessment for cardiac imaging
US7321676B2 (en) 2003-07-30 2008-01-22 Koninklijke Philips Electronics N.V. Automatic determination of the long axis of the left ventricle in 3D cardiac imaging
CN100457047C (zh) 2003-09-29 2009-02-04 皇家飞利浦电子股份有限公司 心脏容积超声定量法
US7220230B2 (en) 2003-12-05 2007-05-22 Edwards Lifesciences Corporation Pressure-based system and method for determining cardiac stroke volume
EP1906820A1 (en) 2005-06-30 2008-04-09 GE Healthcare UK Limited Evaluating cardiac function with dynamic imaging techniques and contrast media
DE102005042923A1 (de) 2005-09-08 2007-03-22 Biotronik Crm Patent Ag Vorrichtung zur Bestimmung von Herzfunktionsparametern
EP1981401A4 (en) 2006-01-20 2010-07-21 Alfred E Mann Inst Biomed Eng MEASURING CARDIAC FLOW AND BLOOD VOLUME BY NON-INVASIVE DETERMINATION OF INDICATOR DILUTION
US7666144B2 (en) 2006-02-21 2010-02-23 Board Of Trustees Operating Michigan State University Methods and apparatus for determining cardiac output and left atrial pressure
US20090161926A1 (en) 2007-02-13 2009-06-25 Siemens Corporate Research, Inc. Semi-automatic Segmentation of Cardiac Ultrasound Images using a Dynamic Model of the Left Ventricle
US20080200784A1 (en) 2007-02-16 2008-08-21 Xuefeng Cheng Method and device for measuring parameters of cardiac function
US8235910B2 (en) 2007-05-16 2012-08-07 Parlikar Tushar A Systems and methods for model-based estimation of cardiac ejection fraction, cardiac contractility, and ventricular end-diastolic volume
US8463361B2 (en) 2007-05-24 2013-06-11 Lifewave, Inc. System and method for non-invasive instantaneous and continuous measurement of cardiac chamber volume
US8583209B2 (en) 2007-10-03 2013-11-12 Siemens Aktiengesellschaft Method and system for monitoring cardiac function of a patient during a magnetic resonance imaging (MRI) procedure
JP5438029B2 (ja) 2008-01-31 2014-03-12 コーニンクレッカ フィリップス エヌ ヴェ 短軸遅延強調心臓ｍｒｉの自動三次元セグメント化
US8218839B2 (en) 2008-05-23 2012-07-10 Siemens Aktiengesellschaft Automatic localization of the left ventricle in cardiac cine magnetic resonance imaging
US8229192B2 (en) 2008-08-12 2012-07-24 General Electric Company Methods and apparatus to process left-ventricle cardiac images
US8858443B2 (en) 2009-02-17 2014-10-14 Siemens Medical Solutions Usa, Inc. System for cardiac ultrasound image acquisition
US20120022336A1 (en) * 2010-07-21 2012-01-26 Streamline Automation, Llc Iterative probabilistic parameter estimation apparatus and method of use therefor
US20110262018A1 (en) 2010-04-27 2011-10-27 MindTree Limited Automatic Cardiac Functional Assessment Using Ultrasonic Cardiac Images
US8948484B2 (en) 2010-11-11 2015-02-03 Siemens Corporation Method and system for automatic view planning for cardiac magnetic resonance imaging acquisition
US10016607B2 (en) 2011-02-08 2018-07-10 Pacesetter, Inc. Systems and methods for tracking stroke volume using hybrid impedance configurations employing a multi-pole implantable cardiac lead

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080181479A1 (en) * 2002-06-07 2008-07-31 Fuxing Yang System and method for cardiac imaging
CN102203630A (zh) * 2008-11-05 2011-09-28 皇家飞利浦电子股份有限公司 Mr扫描的自动顺序规划
US20110301466A1 (en) * 2010-06-04 2011-12-08 Siemens Medical Solutions Usa, Inc. Cardiac flow quantification with volumetric imaging data

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106562779A (zh) * 2015-10-12 2017-04-19 深圳迈瑞生物医疗电子股份有限公司 图形化显示心室射血分数变化的装置、方法和监护系统
CN110731777A (zh) * 2019-09-16 2020-01-31 平安科技（深圳）有限公司 基于图像识别的左心室测量方法、装置以及计算机设备
CN110731777B (zh) * 2019-09-16 2023-07-25 平安科技（深圳）有限公司 基于图像识别的左心室测量方法、装置以及计算机设备

Also Published As

Publication number Publication date
US9402549B2 (en) 2016-08-02
CN104680513B (zh) 2019-08-27
US20150146950A1 (en) 2015-05-28

Similar Documents

Publication Publication Date Title
Nguyen et al. Fast and robust spatially constrained Gaussian mixture model for image segmentation
Maulik Medical image segmentation using genetic algorithms
CN102890823B (zh) 运动对象轮廓提取及左心室图像分割方法和装置
CN106683104B (zh) 基于集成深度卷积神经网络的前列腺磁共振图像分割方法
Li et al. Fully automatic myocardial segmentation of contrast echocardiography sequence using random forests guided by shape model
Tian et al. A supervoxel‐based segmentation method for prostate MR images
JP6626344B2 (ja) 画像処理装置、画像処理装置の制御方法およびプログラム
US20110188715A1 (en) Automatic Identification of Image Features
JP6819898B2 (ja) 自動３ｄ脳腫瘍セグメンテーション及び分類
DE102007046582A1 (de) System und Verfahren zum Segmentieren von Kammern eines Herzens in einem dreidimensionalen Bild
WO2016038604A1 (en) Interactive segmentation
Nouranian et al. Learning-based multi-label segmentation of transrectal ultrasound images for prostate brachytherapy
US9142030B2 (en) Systems, methods and computer readable storage media storing instructions for automatically segmenting images of a region of interest
Goceri Intensity normalization in brain MR images using spatially varying distribution matching
McClure et al. A novel NMF guided level-set for DWI prostate segmentation
JP2009517163A (ja) 画像内の参照構造に関連付けられた構造をセグメント化する方法、システム及びコンピュータ・プログラム
Sivanesan et al. Unsupervised medical image segmentation with adversarial networks: From edge diagrams to segmentation maps
Stough et al. Regional appearance in deformable model segmentation
CN104680513B (zh) 估计心室容积的方法和装置
Niessen et al. Error metrics for quantitative evaluation of medical image segmentation
Oktay et al. Probabilistic edge map (PEM) for 3D ultrasound image registration and multi-atlas left ventricle segmentation
Zhu et al. A complete system for automatic extraction of left ventricular myocardium from CT images using shape segmentation and contour evolution
Bravo et al. A hybrid boundary–region left ventricle segmentation in computed tomography
Quan et al. Segmentation of tumor ultrasound image via region-based Ncut method
Vera et al. Improving ventricle detection in 3–D cardiac multislice computerized tomography images

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