CN104837407A - 血管解析装置、医用图像诊断装置以及血管解析方法 - Google Patents

血管解析装置、医用图像诊断装置以及血管解析方法 Download PDF

Info

Publication number
CN104837407A
CN104837407A CN201380063359.7A CN201380063359A CN104837407A CN 104837407 A CN104837407 A CN 104837407A CN 201380063359 A CN201380063359 A CN 201380063359A CN 104837407 A CN104837407 A CN 104837407A
Authority
CN
China
Prior art keywords
blood vessel
relevant
time series
seasonal effect
mechanical model
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
CN201380063359.7A
Other languages
English (en)
Other versions
CN104837407B (zh
Inventor
大贺淳一郎
广畑贤治
神长茂生
藤泽恭子
若井智司
荒木田和正
五十岚匠真
石井秀明
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.)
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Toshiba Medical Systems Corp
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 Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Publication of CN104837407A publication Critical patent/CN104837407A/zh
Application granted granted Critical
Publication of CN104837407B publication Critical patent/CN104837407B/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
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/503—Clinical applications involving diagnosis of heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • 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 for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10076—4D tomography; Time-sequential 3D tomography
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Abstract

提高血管的构造流体解析的精度。力学模型构筑部(55)根据时间序列的医用图像暂定地构筑力学模型。统计性辨别部(61)以使基于暂定地构筑了的力学模型的与血管形态有关的预测值以及与血流有关的预测值的至少一方和所测量了的与血管形态有关的观测值以及与血流有关的观测值的至少一方匹配的方式辨别潜在变量。在计算部(57、59)中，潜在变量对力学模型实施解析处理。

Description

血管解析装置、医用图像诊断装置以及血管解析方法
技术领域
本实施方式涉及血管解析装置、医用图像诊断装置以及血管解析方法。
背景技术
期望用于非侵入性或者低侵入性地预防/诊断成为作为三大疾病之一的心脏疾病的原因的冠状动脉的狭窄、脑动脉瘤、或者成为它们的征兆的颈动脉的斑块所致的狭窄的技术。
冠状动脉的狭窄是导致缺血性心脏疾病的重大的病变。作为冠状动脉的狭窄诊断，利用导管的冠状动脉造影检查(CAG：CoronaryAngiography)是主流。作为冠状动脉的器质的病变的诊断指标，有心肌血流预备量比(FFR：Fractional Flow Reserve)。FFR被定义为在狭窄存在的情况下的最大冠血流相对狭窄不存在的情况下的最大冠血流的比例。FFR与狭窄远端部冠内压相对狭窄近端部冠内压的比例大致一致。通过在导管前端设置了的压力传感器测定FFR。即，FFR的测定需要导管手术。
如果能够通过心脏CT执行冠状动脉的狭窄解析，则相比于利用导管手术的FFR的测定，能够实现低侵入，降低患者的负担，节约医疗成本。但是，在心脏CT中，仅能够低侵入性地测量基于在CT图像中包含的斑块区域或者血栓区域的大小的指标。如果能够通过构造流体解析根据CT图像测量血栓前后的压力差等，则能够期待血栓(或者斑块)造成的影响的定量化。
作为冠循环的动态评价，在临床上，开发了超高速CT、电影血管造影法、MRI(核磁共振图像法)、超声波法、SPECT(单光子发射计算机断层扫描)法、PET(正电子发射断层扫描)等医用摄像技术等，在诊断、治疗法的评价中被利用。
但是，通过医用图像诊断装置难以准确地捕捉冠微小血管。另外，即使血管形状清晰在医用图像中仍包含噪声的情况、在生物体组织的边界的阈值设定中存在含糊性的情况也较多。这样，从医用图像诊断装置得到的血管形状具有不确定性。
在临床应用中利用的情况下，还有从相比冠微小血管更靠上游的大动脉起始部仅将冠状动脉的粗的区域作为对象来进行解析的情况。冠状动脉的血流还受到冠微小血管的紧张性(强直性痉挛)的大幅影响，所以恰当地设定粗的区域的冠状动脉的出口处的流量或者压力或者它们的变化率这样的流体解析的边界条件成为课题。另外，冠状动脉的血流受到心脏的搏动所致的机械性的因子(搏动所致的整体的活动、局部的伸缩、扭转、剪切变形所致的强制位移或者外力)所致的影响。仅通过流体解析，无法考虑心脏的搏动等机械性的因子的影响，所以无法精确地测量血流的流量分布、内压分布。另一方面，将在图像中捕捉的心脏以及血管系统作为对象，还实施了考虑了机械性的因子的影响的构造-流体耦合解析。但是，即使在进行构造-流体耦合解析的情况下，也有难以准确地设定与血管、斑块的材料模型、血液(包括造影剂)的流体解析有关的血管入口/出口的边界条件的情况。另外，在存在在图像中未描出的微小血管的情况下，还有无法考虑微小血管对血流造成的影响的情况。因此，构造-流体耦合解析的解析结果有可能无法再现实际的血流、血管变形。另外，还有边界条件、负荷条件、材料模型不恰当的情况、血管伴随大的活动的情况、在收敛性、解析稳定性中存在问题的情况。这样，以往的血管的构造流体解析存在需要大量的解析资源和解析时间的情况、解析结果的误差变大的情况，存在在现实上为了在临床的现场中活用而产生问题的情况。
现有技术文献
专利文献1：日本特开2008-241432号公报
非专利文献1：門岡ら(ITUジャーナル，心臓シミュレータが拓くテーラーメード医療～世界最先端の心臓シミュレータとその適用例のご紹介～，Vol.41,No.6)
发明内容
实施方式的目的在于，提供一种能够提高与血管(包括血液)的构造流体解析以及图像解析/追踪处理有关的精度的血管解析装置、医用图像诊断装置以及血管解析方法。
本实施方式提供一种血管解析装置，其特征在于，具备：存储部，存储与被检体的血管有关的时间序列的医用图像的数据；构筑部，根据所述时间序列的医用图像暂定地构筑与解析处理有关的力学模型；辨别部，以使基于所述暂定地构筑了的力学模型的与血管形态有关的预测值以及与血流有关的预测值的至少一方和预先测量了的与血管形态有关的观测值以及与血流有关的观测值的至少一方匹配的方式，辨别所述力学模型的潜在变量；以及解析部，对被分配了所述辨别出的潜在变量的力学模型实施解析处理。
提高与血管(包括血液)的构造流体解析以及图像解析/追踪处理有关的精度。
附图说明
图1是示出本实施方式的医用图像诊断装置(X射线计算机断层摄影装置)的概略性的块结构的图。
图2是示出与本实施方式的构造流体解析的对象区域有关的力学模型的一个例子的图。
图3是示出基于图1的系统控制部的控制进行的构造流体解析处理的典型的流程的图。
图4是示出图1的图像处理装置的块结构的图。
图5是示意地示出在CT图像中包含的血管区域的与芯线正交的剖面的图。
图6是示出在利用图4的图像解析/追踪处理的图像追踪处理中利用的血管芯线的形态的时间上的变化的图。
图7是用于说明利用图4的图像解析/追踪处理的图像追踪处理的图，是示出时刻t与时刻t+Δt之间的追踪处理的一个例子的图。
图8是示出与由图4的力学模型构筑部构筑的形状模型的芯线正交的剖面的图。
图9是示出在图1的存储装置中存储了的CT值-材料模型表格的一个例子的图。
图10是用于说明由图4的力学模型构筑部实施的向形状模型的强制位移历史的分配的图。
图11是用于说明由图4的统计性辨别部实施的、与利用基于层次的模型以及马尔可夫链蒙特卡罗法的负荷条件(血管内的平均压力)有关的后验分布的计算和平均内压的辨别的图。
图12是用于说明由图4的统计性辨别部实施的、与利用层次的模型以及马尔可夫链蒙特卡罗法的材料模型参数有关的后验分布的计算和材料模型参数(血管壁的等价弹性模量)的辨别的图。
图13是示出由图1的显示设备实施的作为力学指标之一的内压的空间分布的显示例的图。
图14A是示出由图4的力学模型构筑部实施的强制位移历史的其他分配例的图。
图14B是示出由图4的力学模型构筑部实施的强制位移历史的其他分配例的图。
图15是示出由图4的力学模型构筑部实施的强制位移历史的其他分配例的图。
图16是示出由图4的力学模型构筑部实施的强制位移历史的其他分配例的图。
图17A是不存在侧支循环的心脏的示意图。
图17B是存在侧支循环的心脏的示意图。
图18是示出基于本实施方式的应用例的系统控制部的控制进行的处理的典型的流程的图。
图19是用于说明由本实施方式的应用例的图像处理装置的侧支循环判定部实施的是否存在侧支循环的判定处理的图。
符号说明
10：CT支架；11：X射线管；13：X射线检测器；15：数据收集装置；20：控制台；21：系统控制部；23：支架控制部；25：重构装置；27：图像处理装置；29：输入设备；31：显示设备；33：存储装置；50：血管解析装置；51：区域设定部；53：图像解析/追踪处理部；55：力学模型构筑部；57：血管应力解析部；59：血液流体解析部；61：统计性辨别部；63：侧支循环判定部。
具体实施方式
以下，参照附图，说明本实施方式的血管解析装置、医用图像诊断装置以及血管解析方法。
本实施方式的血管解析装置是用于对在由医用图像诊断装置产生了的医用图像中包含的血管区域进行构造流体解析的计算机装置。本实施方式的血管解析装置既可以嵌入于医用图像诊断装置，也可以是与医用图像诊断装置独立的工作站等计算机装置。以下，为了具体地进行说明，设为本实施方式的血管解析装置嵌入到医用图像诊断装置。
本实施方式的医用图像诊断装置还能够应用于配备用于对被检体进行扫描的摄像机构的任意种类的图像诊断装置。作为本实施方式的医用图像诊断装置，例如，能够适当地利用X射线计算机断层摄影装置(X射线CT装置)、磁共振诊断装置、超声波诊断装置、SPECT装置、PET装置、放射线治疗装置等。以下，为了具体地进行说明，设为本实施方式的医用图像诊断装置是X射线计算机断层摄影装置。
图1是本实施方式的医用图像诊断装置(X射线计算机断层摄影装置)的概略性的块结构图。如图1所示，X射线计算机断层摄影装置具有CT支架10和控制台20。CT支架10依照从控制台20的支架控制部23的控制，用X射线对被检体的摄像部位进行扫描。摄像部位是例如心脏。CT支架10具有X射线管11、X射线检测器13以及数据收集装置15。X射线管11和X射线检测器13可绕旋转轴旋转地设置于CT支架10。X射线管11对被注入了造影剂的被检体照射X射线。X射线检测器13检测从X射线管11产生并透过了被检体的X射线，产生与检测到的X射线的强度对应的电信号。数据收集装置15从X射线检测器13读出电信号并变换为数字数据。每个视图的数字数据的组被称为元数据组。与多个扫描时刻有关的时间序列的元数据组通过非接触数据传送装置(未图示)被传送到控制台20。
控制台20以系统控制部21为中枢，具有支架控制部23、重构装置25、图像处理装置27、输入设备29、显示设备31以及存储装置33。控制台20与心电图扫描器35连接。心电图扫描器35生成被检体的心搏信息，将心搏信息供给到控制台20的支架控制部23。
支架控制部23根据由用户经由输入设备29设定了的扫描条件，控制控制台20内的各装置。支架控制部23与来自心电图扫描器35的心搏信息同步地执行扫描。
重构装置25根据元数据组，产生与被检体有关的CT图像的数据。具体而言，首先，重构装置25对元数据组实施前处理而产生投影数据组。作为前处理，包括对数变换、不均匀校正、校准校正等。接下来，重构装置25对投影数据组实施图像重构处理而产生CT图像的数据。作为图像重构算法，能够采用FBP(filtered back projection，滤波反投影)法等解析学的图像重构法、ML-EM(maximum likelihoodexpectation maximization，最大似然期望最大算法)法、OS-EM(ordered subset expectation maximization，有序子集期望最大化)法等逐次近似图像重构等现有的算法。在本实施方式中，重构装置25根据时间序列的投影数据组，产生时间序列的CT图像的数据。CT图像包括与通过造影剂造影了的血管有关的像素区域(以下称为血管区域)。另外，CT图像既可以是表现CT值的二维空间分布的切片数据，也可以是表现CT值的三维空间分布的体数据。以下，设为CT图像是体数据。时间序列的CT图像的数据存储于存储装置33。
图像处理装置27根据时间序列的CT图像，构筑力学模型，执行构造流体解析。关于图像处理装置27的处理的详细情况，将在后面叙述。
输入设备29受理来自用户的各种指令、信息输入。作为输入设备29，能够利用键盘、鼠标、开关等。
显示设备31显示CT图像、构造流体解析结果等各种信息。作为显示设备31，能够适当利用例如CRT显示器、液晶显示器、有机EL显示器、等离子体显示器等。
存储装置33由硬件装置等各种存储介质构成。存储装置33存储时间序列的投影数据、时间序列的CT图像数据等各种数据。例如，存储装置33以依照DICOM(digital imaging and communications inmedicine，医学数字成像和通信)标准的医用图像文件形式来存储时间序列的CT图像数据。另外，存储装置33也可以将由外部设备收集到的医用数据与时间序列的CT图像数据关联起来存储到医用图像文件内。
系统控制部21具有中央运算处理装置(CPU：central processingunit)、只读存储器(ROM：read only memory)、随机存取存储器(RAM：random access memory)。系统控制部21作为X射线计算机断层摄影装置的中枢发挥功能。系统控制部21执行在ROM、RAM中存储了的血管解析程序来执行本实施方式的血管构造解析处理。
另外，系统控制部21、图像处理装置27、输入设备29、显示设备31以及存储装置33构成血管解析装置50。如本实施方式那样，血管解析装置50既可以嵌入于医用图像诊断装置(X射线计算机断层摄影装置)，也可以是与医用图像诊断装置独立的计算机装置。在血管解析装置50与医用图像诊断装置独立的情况下，血管解析装置50从医用图像诊断装置、PACS(picture archiving and communicationsystems，图像存档与通信系统)经由网络收集时间序列的CT图像等医用数据即可。
接下来，详细说明本实施方式的动作例。另外，本实施方式的血管解析装置、医用图像诊断装置、血管解析方法以及血管解析程序能够将心脏血管、颈动脉、脑动脉等人体的所有部位的血管作为解析对象。但是，以下，为了具体地进行说明，设为本实施方式的解析对象是心脏的血管。
作为心脏的血管，例如，可以举出冠状动脉和大动脉。冠状动脉从大动脉的冠状动脉起始部开始在心肌表面前行，从心外膜侧进入到内膜侧。冠状动脉在心肌的内膜中分支成无数的毛细管。在分支之后，无数的毛细管再次汇合而形成心大静脉，与冠状静脉窦连接。冠血管系统与其他器官不同，在心肌的收缩以及松弛这样的力学的变化中，必须保障灌流这一点是特征。
本实施方式的血管解析装置50根据时间序列的CT图像构筑力学模型，利用力学模型来执行关于心脏的血管的构造流体解析，高精度地计算血管内的力学指标、血液流量指标。以下，将血液流量指标称为血流指标。为了计算高精度的力学指标、血流指标，需要对力学模型分配高精度的潜在变量。血管解析装置50在构筑力学模型时，对初始的力学模型实施反向解析而统计性地辨别潜在变量。由此，血管解析装置50能够决定高精度的潜在变量。力学指标表示与血管壁有关的力学指标。作为与血管壁有关的力学指标，例如，被分类为与血管壁的位移有关的指标、与在血管壁中产生的应力、翘曲有关的指标、与血管内腔负担的内压分布有关的指标、与表示血管的硬度等的材料特性有关的指标等。关于与表示血管的硬度等的材料特性有关的指标，可以举出表示血管组织的应力和翘曲的关系的曲线的平均的斜率等。血流指标表示与在血管中流过的血液有关的血液循环动态的指标。作为血流指标，例如，可以举出血液的流量、血液的流速、血液的粘性等。
潜在变量包括例如血管的材料结构式、或者血液的材料结构式这样的材料模型的参数(例如杨氏模量、泊松比等)、血管内腔负担的内压分布等负荷条件参数、构造解析、流体解析的边界条件参数、与时间序列的形态指标、形状变形指标的不确定性关联的偏差分布参数的至少一个。此处，与时间序列的形态指标、形状变形指标的不确定性关联的偏差分布参数是指，考虑在医用图像数据中，存在各CT值的噪声所引起的偏差分布、生物体组织的边界阈值的含糊性所引起的概率分布等，将各种不确定性表现为概率分布。作为各种不确定性，例如，可以举出血管组织、血液的边界坐标以及特征点(血管分支部、造影剂分散配置等)的空间坐标中的不确定性、几何学构造参数(与芯线垂直的剖面的内腔半径等)的不确定性、医用图像数据自身(CT值、边界阈值等)的不确定性。
力学模型是用于表现血管、血液的举动的数值模型。力学模型根据构造流体解析的方法而具有不同的类型。例如，力学模型被分类为连续介质力学模型和简易力学模型。例如，在有限要素法(FEM：finiteelement method)、边界要素法中，使用连续介质力学模型。简易力学模型被分类为例如基于材料力学的材料力学模型和基于流体学的流体力学模型。另外，在以下的说明中未特别提到的情况下，不特别限定力学模型的类型。初始的力学模型表示分配了与从潜在变量的概率分布、变量范围得到的潜在变量的参数有关的采样集合(各参数的组合的集合)的力学模型。
图2是示出与构造流体解析的对象区域(以下称为解析对象区域)有关的力学模型M1的一个例子的图。如图2所示，力学模型M1具有大动脉区域R1、右冠状动脉区域R2以及左冠状动脉区域R3。血液从大动脉流到右冠状动脉或者左冠状动脉。
如图2所示，力学模型M1的大动脉起始部侧的末端被设定为血流的入口，右冠状动脉区域的末端和左冠状动脉区域的末端被设定为血流的出口。在入口和出口分别设定边界条件。与入口有关的边界条件包括例如入口处的血流的流速或者基于血流的压力、或者它们的变化率。与出口有关的边界条件包括例如出口处的血流的流速或者基于血流的压力、或者它们的变化率。大动脉、右冠状动脉以及左冠状动脉的变形依赖于血流所引起的对血管壁的力学作用、心脏的搏动所致的对血管壁的力学作用(外力)、血管剖面边界的负荷条件、血管壁的材料模型、血管的无应力状态以及血管壁的几何学形状等各种原因。此处，血流所引起的对血管壁的力学作用包括例如血流所引起的内压和血流所引起的剪切力。由于血流所引起的内压，血管在血管半径方向或者血管内腔面的垂直方向上变形。心脏的搏动所致的对血管壁的力学作用和血流所引起的剪切力是指，产生与血管芯线方向有关的伸缩、扭转、弯曲等对血管壁的力学作用所致的变形。与血管芯线方向有关的伸缩、扭转、弯曲等血管的变形作为负荷条件，被分配给大动脉区域R1、右冠状动脉区域R2以及左冠状动脉区域R3，作为负荷条件。具体而言，与血管芯线方向有关的伸缩、扭转、弯曲等血管的变形通过强制位移(移动矢量、旋转位移)或者荷重矢量的时间上的变化来表现。另外，将基于血流所引起的内压的与血管半径方向或者内腔面的垂直方向有关的变形作为对血管内腔的压力分布的时间上的变化分配。
针对大动脉区域R1、右冠状动脉区域R2以及左冠状动脉区域R3，在构造流体解析中，分配利用强制位移的位移约束条件。由此，能够缩小构造流体解析中的血管壁的变形自由度，能够实现计算收敛性的稳定化、解析时间的缩短。
另外，例如，血管的形状的变形程度依赖于血管壁的材料。因此，对大动脉区域R1、右冠状动脉区域R2以及左冠状动脉区域R3分配材料模型。另外，血管的形状的变形程度还依赖于血管的无应力状态。作为负荷条件的初始值，也可以分配血管的残留应力分布。
通过基于后述的力学模型的反向解析(统计上的辨别处理)，辨别这些材料模型、边界条件以及负荷条件等与潜在变量有关的参数。对力学模型分配通过反向解析来辨别出的精确的潜在变量。通过被分配了精确的潜在变量的力学模型，能够执行基于考虑了解析对象血管区域外的血管、心脏等外部原因所致的对该解析对象血管区域的影响的构造流体解析、流体解析、构造解析或者图像解析的血液循环动态解析。血管解析装置50关于力学模型的构筑，通过利用反向解析的潜在变量的辨别，能够解决现有例的以下4点困难。困难1.冠状动脉的材料模型的辨别方法。困难2.心脏的形状的变形对冠状动脉造成的影响。困难3.冠状动脉的边界条件的辨别方法。困难4.基于具有由医用图像数据的不确定性所引起的偏差的血管形状的图像解析、构造流体解析。通过克服这4点的困难，血管解析装置50相比于不进行利用反向解析的潜在变量的辨别的以往的血管构造流体解析，实现解析精度的提高。
接下来，详细说明本实施方式的构造流体解析处理。图3是示出根据本实施方式的系统控制部21的控制进行的构造流体解析处理的典型的流程的图。图4是示出图像处理装置27的块结构的图。
如图3所示，在构造流体解析处理中，首先，通过系统控制部21从存储装置33读出处理对象的医用图像文件，供给到图像处理装置27。医用图像文件除了时间序列的CT图像的数据以外还包括血流指标的观测值的数据。时间序列的CT图像的数据是表现时间序列的CT值的三维空间分布的数据。时间序列的CT图像在例如1个心搏中包括约20张、即约20个心相位量的CT图像。
如图3所示，系统控制部21使图像处理装置27进行区域设定处理(步骤S1)。在步骤S1中图像处理装置27的区域设定部51对在时间序列的CT图像中包含的血管区域设定构造流体解析的解析对象区域，对解析对象区域设定潜在变量的辨别对象区域。解析对象区域既可以是在时间序列的CT图像中描出的所有血管区域，也可以是一部分。例如，解析对象区域被设定为与冠状动脉有关的血管区域的任意的一部分。
此处，参照图5，说明在CT图像中描出的血管的构造。图5是示意地示出与血管的芯线正交的剖面(以下称为芯线正交剖面)的图。如图5所示，血管具有管状的血管壁。将与血管壁对应的像素区域称为血管壁区域。血管壁的中心轴被称为芯线。血管壁的内侧被称为内腔。将在内腔中血液以及造影剂流过的与血液对应的像素区域称为血液区域，将对应于与造影剂相当的像素区域的像素区域称为造影剂区域。另外，在不特别区分血液区域和造影剂区域时称为内腔区域。内腔和血管壁的边界被称为血管内壁。在血管壁的外侧，分布了心肌等血管周边组织。血管壁和血管周边组织的边界被称为血管外壁。有时在血管壁内部产生斑块。将与斑块对应的像素区域称为斑块区域。斑块被分类为例如钙化了的钙化斑块、粥样斑块等。粥样斑块柔软，存在血管内壁破裂而作为血栓向血管内部渗出的危险性，还有时被称为不稳定斑块。因此，掌握斑块的性状在临床上是有用的。如后所述，斑块的性状、存在区域能够通过CT值确定。
例如，依照由用户实施的经由输入设备29的指示，通过区域设定部51，限定于病变部或者治疗对象地设定解析对象区域。例如，在事先的图像诊断等中判明了斑块、狭窄部位等病变部的情况下，也可以将该病变部位设定为解析对象区域。另外，也可以依照与病变部有关的临床学上的经验法则，限定解析对象区域。例如，在心脏血管中产生的病变容易在心脏的表面前行的血管中产生。在心脏的表面前行的血管一般比进入到心脏的内部的血管粗。因此，区域设定部51也可以依照由用户实施的经由输入设备29的指示、或者、通过图像处理，将解析对象区域设定为与在心脏的表面前行的血管有关的血管区域。例如，也可以限定于直径2mm以上的血管区域地设定区域设定部51。换言之，区域设定部51从解析对象区域去除与心脏内部的血管有关的血管区域。通过这样在空间上对计算对象进行间隔剔除，能够提高处理效率。
如果进行了步骤S1，则系统控制部21使图像处理装置27进行图像解析/追踪处理(步骤S2)。在步骤S2中，图像处理装置27的图像解析/追踪处理部53对时间序列的CT图像实施图像处理来计算时间序列的血管形态指标和时间序列的血管形状变形指标。具体而言，图像解析/追踪处理部53通过对时间序列的CT图像实施图像解析处理来计算时间序列的血管形态指标，通过对时间序列的CT图像实施追踪处理来计算时间序列的血管形状变形指标。血管形态指标是表示血管区域的形态的指标。关于血管形态指标的具体例，将在后面叙述。
以下，具体说明图像解析/追踪处理。在图像解析处理中，图像解析/追踪处理部53从各CT图像提取血管区域，如图5所示，确定血管内腔区域、血管壁区域以及斑块区域。在图像解析/追踪处理部53中，作为血管形态指标，确定血管内腔区域、血管壁区域以及斑块区域的轮廓中包含的多个像素的三维坐标。像素的三维坐标被用作血管形态指标。另外，三维坐标的确定对象的像素也可以限定于与血管芯线正交剖面或者血管内腔面垂直的面上的血管内腔区域、血管壁区域以及斑块区域的轮廓中包含的像素。另外，血管形态指标不仅是三维坐标，也可以是血管芯线正交剖面上的每恒定角度的血管内腔的半径、直径以及0°的方向矢量、剖面上的针对全部角度的平均面积、平均半径、与芯线方向垂直的多个剖面所包围的血管内腔容积、或者与内腔面垂直的多个剖面所包围的血管壁容积、斑块容积等几何学指标。
在追踪处理中，图像解析/追踪处理部53通过来自用户的经由输入设备29的指示或者图像处理，对血管壁区域、造影剂区域，设定特征点、特征形状、代表点、像素等多个示踪点。例如，图像解析/追踪处理部53对血管分支部、表面上的解剖学的特征点设定多个示踪点。图像解析/追踪处理部53针对各时刻(各心相位)，对多个示踪点实施图像追踪处理来计算与多个示踪点有关的位移值。图像解析/追踪处理部53根据计算出的位移值，针对力学模型内的多个节点的各节点，通过插值处理等，计算位移值的时间上的变化。另外，例如，图像解析/追踪处理部53在力学模型中定义血管芯线上的节点。图像解析/追踪处理部53也可以根据力学模型内的节点的时间序列的位移值(位移值的时间变化)，计算和与血管的芯线方向有关的伸缩、扭转、弯曲等有关的时间序列的变形值(变形值的时间变化)。如后所述，位移值、变形值等血管形状变形指标被用作力学模型中的强制位移。以下，将时间序列的血管形态指标称为形状历史，将时间序列的血管形状变形指标称为强制位移历史。
图6是示出在CT图像中包含的血管区域的芯线的形态的时间上的变化的图。如图6所示，例如，设为时间序列的医用图像针对每1心搏包括20张的CT图像。即，设为从心相位0％至95％每隔5％地得到CT图像。通过图像解析/追踪处理部53提取血管区域的芯线。如图6所示，芯线的形态随着心相位的经过而变化。
图7是示出时刻t与时刻t+Δt之间的追踪处理的一个例子的图。如图7所示，在血管芯线上设定了P1至P20的节点。血管芯线上的节点P1～P20的各节点针对包括该节点的芯线正交剖面上的力学模型的其他节点而力学地连接。但是，与血液的力学模型的节点独立。根据血管的示踪点的位移值，通过插值等处理，计算血管芯线上的P1至P20的节点的位移值，对各节点设定强制位移。
此处，为了具体说明血管形状变形指标和血管形态指标，考虑由节点P13和节点P14规定的局部血管区域RA。在时刻t，设为与芯线方向有关的节点P13与节点P14之间的距离是L，血管区域的半径是r。图像解析/追踪处理部53通过计算与节点P13以及P14的血管芯线方向有关的伸缩、扭转、弯曲等强制位移，计算节点P13的强制位移(三维空间中的移动位移和芯线方向的旋转位移)和节点P14的强制位移(三维空间中的移动位移和芯线方向的旋转位移)。
如图6、图7所示，图像解析/追踪处理部53根据示踪点的坐标和移动矢量，计算芯线上的各节点的强制位移(三维空间中的移动位移和绕芯线的旋转位移)，计算血管形状变形指标。例如，图像解析/追踪处理部53将相邻的2个节点的坐标差的时间变化计算为与芯线方向有关的伸缩距离ΔL。另外，图像解析/追踪处理部53针对芯线上的各节点，将该节点与包括该节点的血管区域剖面上的其他节点(血管内腔或者血管壁或者斑块区域中的节点)之间的距离的时间变化计算为与半径方向有关的伸缩距离Δr。另外，图像解析/追踪处理部53针对各示踪点，根据该示踪点的附近的多个示踪点的坐标和移动矢量，计算芯线上的该节点的芯线方向的扭转角度Δθ。
另外，在上述例子中，设想了解析对象的时间序列的CT图像的空间分辨率随着时间经过恒定。但是，本实施方式的解析对象不限于此。
例如，本实施方式的X射线计算机断层摄影装置也可以以使指定区间的时间分辨率比其他区间的时间分辨率更高的方式，执行CT扫描来产生时间序列的CT图像。另外，关于使指定区间的时间分辨率比其他区间的时间分辨率更高，包括使该其他区间的时间分辨率比指定区间的时间分辨率更低。关于时间分辨率被降低了的指定区间外的CT图像，根据与该CT图像在时间上邻接的其他CT图像进行插值即可。指定区间被设定为例如由用户经由输入设备29指定了的、希望提高时间分辨率的指定区间。指定区间可以被指定为例如血管的活动剧烈的时间区间。典型地，血管在膨胀时和收缩时活动变得比较缓慢，时间序列的CT图像的噪声比较少。因此，可以在膨胀时与收缩时之间设定指定区间。或者，也可以将膨胀时、收缩时等活动比较缓慢的时间区间设定为指定区间。关于该活动剧烈的时间区间中的CT图像，根据其他时间中的CT图像进行插值即可。由此，能够降低血管等活动剧烈的时间区间中的CT图像的噪声，进而能够提高构造流体解析的精度。通过这样在时间上对CT图像进行间隔剔除，能够削减与构造流体解析有关的计算时间。
在时间上对解析对象的CT图像进行间隔剔除的方法不仅限于随着时间经过变更CT扫描的时间分辨率。例如，也可以从由重构装置25重构了的原始的时间序列的CT图像，单独地选择在构造流体解析中利用的CT图像。例如，可以对原始的时间序列的CT图像设定上述指定区间。在该情况下，在指定区间中可以相比于其他区间在时间上更密地选择CT图像。
如果进行了步骤S2，则系统控制部21使图像处理装置27进行构筑处理(步骤S3)。在步骤S3中，图像处理装置27的力学模型构筑部55根据时间序列的CT图像，暂定地构筑与解析对象区域有关的力学模型。更详细而言，力学模型构筑部55根据时间序列的CT图像和根据该时间序列的CT图像计算出的形状历史和强制位移历史，暂定地构筑与解析对象区域有关的力学模型。力学模型是与用于进行构造流体解析的解析对象区域有关的数值模型。
以下，详细说明步骤S3。力学模型构筑部55首先根据CT图像和形状历史，构筑用于求解力学模型(数理模型)的形状模型。形状模型是示意地表现了各心相位下的血管区域的几何学构造的模型。形状模型被划分成例如多个离散化区域。各离散化区域的顶点被称为节点。力学模型构筑部55既可以根据每个心相位的CT图像中包含的血管区域和血管形态指标构筑每个心相位的形状模型，也可以根据确定的心相位的CT图像中包含的血管区域和血管形态指标构筑每个心相位的形状模型。另外，例如，在作为初始的负荷状态，假设为在与解析对象区域对应的血管中不存在残留应力的情况下，作为无应力状态的时间相位，将与解析对象区域对应的血管最收缩了的时间相位假设为是无应力状态。
图8是示出与形状模型的芯线正交的剖面的图。如图8所示，形状模型从芯线起向外侧而具有血管内腔区域和血管壁区域。在存在斑块的情况下，也可以在血管壁区域中设置斑块区域。另外，在考虑血管周边组织所致的对血管的影响的情况下，也可以将血管周边组织的虚拟要素设置于血管壁区域的外侧。
如果构筑了形状模型，则力学模型构筑部55在力学模型中设定与从各潜在变量的概率分布、变量范围得到的潜在变量的参数有关的采样值(例如利用马尔可夫链蒙特卡罗法等的从各参数的组合的集合的采样)。例如，力学模型构筑部55如图2所示，在大动脉区域R1的大动脉起始部侧的末端处设定与入口有关的边界条件的辨别对象的区域(以下边界条件辨别区域)，在右冠状动脉区域R2的末端和左冠状动脉区域R3的末端处设定与出口有关的边界条件辨别区域。力学模型构筑部55对各边界条件辨别区域分配与从边界条件的概率分布、变量范围得到的边界条件的参数有关的采样值。另外，力学模型构筑部55在大动脉区域R1、右冠状动脉区域R2以及左冠状动脉区域R3中设定材料模型的辨别对象的区域(以下称为材料模型辨别区域)以及负荷条件的辨别对象的区域(以下称为负荷条件辨别区域)。力学模型构筑部55对各材料模型辨别区域分配与从材料模型的概率分布、变量范围得到的材料模型的参数有关的采样值，对各负荷条件辨别区域分配与从负荷条件的概率分布、变量范围得到的负荷条件的参数有关的采样值。血管可以说即便流量是0仍存在残留应力。例如，力学模型构筑部55也可以将在流量是0的情况下的残留应力作为负荷条件的初始值分配给解析对象区域。另外，力学模型构筑部55也可以在几何学构造中有不确定性的部位，设定几何学构造的辨别对象的区域(以下称为几何学构造辨别区域)。另外，几何学构造的参数也可以是与几何学构造的不确定性关联的偏差分布参数、或者在CT图像中固有的偏差分布参数、且各CT值的偏差分布、生物体组织的边界阈值的偏差分布等。详细情况将在后面叙述，力学模型构筑部55也可以在斑块区域中设定材料模型。关于材料模型的详细情况，将在后面叙述。
也可以根据时间序列的CT图像计算与流体解析有关的边界条件的初始值。在使用了造影剂的CT扫描中，X射线计算机断层摄影装置在对被检体注入造影剂的同时对扫描区域重复进行低辐射剂量的扫描，监视扫描区域内的血管的造影剂浓度。然后，X射线计算机断层摄影装置以造影剂浓度达到既定值为契机，进行通常辐射剂量的扫描。用于监视该造影剂浓度的扫描被称为预扫描。力学模型构筑部55也可以根据通过预扫描收集到的时间序列的CT图像(所谓的prep图像)计算与流体解析有关的边界条件的初始值。例如，力学模型构筑部55依照来自用户的经由输入设备29的指示，在时间序列的CT图像中设定关心区域。关心区域可以设定于解析对象血管的入口等边界条件辨别区域。力学模型构筑部55根据在关心区域中包含的造影剂的像素区域(以下称为造影剂区域)的时间变化，计算关心区域中的血流的初始速度、流入量等参数。例如，力学模型构筑部55通过对造影剂区域实施图像追踪处理，计算血流的初始速度、流入量等参数。通过根据时间序列的CT图像计算边界条件的初始值，能够使潜在变量的参数的收敛时间提前。
另外，力学模型构筑部55为了容易地进行材料模型参数的辨别，也可以根据材料模型辨别区域内的像素的CT值，决定对该材料模型辨别区域分配的材料模型参数。这样，CT值被用作用于推测斑块的性状的斑块指标。以下，以血管壁为例子，说明基于CT值的材料模型参数的决定处理。
CT值是使X射线的衰减的程度相对地数值化而得到的指标。因此，CT值在不同的生物体组织中具有不同的值，换言之，适当进行缩放以能够识别组织的差异。存储装置33具有将多个血管壁的性状中的各个性状与CT值范围和材料模型参数关联起来存储的表格。以下，将该表格称为CT值-材料模型表格。
图9是示出在存储装置33中存储了的CT值-材料模型表格的一个例子的图。如图9所示，CT值-材料模型表格具有血管壁的性状、CT值范围以及材料模型参数的项目。作为性状，例如，有正常、粥样斑块、钙化斑块。针对各性状，将从经验上决定了的CT值范围和材料模型参数关联起来。材料模型参数既可以通过某个数值规定，也可以规定为数值范围。首先，力学模型构筑部55决定在CT图像中包含的关心区域的代表像素值。依照由用户实施的经由输入设备29的指示、或者通过图像处理，将关心区域设定为材料模型的辨别对象区域。代表像素值被设定为例如在关心区域中包含的多个像素的像素值的平均值、中值、众数、最大值以及最小值等统计值。力学模型构筑部55将所决定了的代表像素值应用于CT值-材料模型表格而确定与该代表像素值关联起来的材料模型参数。力学模型构筑部55对与关心区域对应的力学模型上的材料模型辨别区域分配所确定了的材料模型参数。这样，通过根据CT值初始地指定材料模型参数，能够使后级的反向解析中的参数的探索范围变窄。因此，能够实现计算时间的缩短。
如果构筑了形状模型，则力学模型构筑部55对形状模型分配在步骤S2中计算出的时间序列的血管形状变形指标、即强制位移历史。被分配了潜在变量以及强制位移历史的形状模型被称为力学模型。
在图10中，形状模型M2表示血管、血液的力学模型的一部分，是用于说明向力学模型的节点分配强制位移历史的图。图10示出形状模型M2的一部分。其中，在图10中示出了芯线位于M2内的情况，但也可以是芯线位于M2外的情况。如图10所示，对形状模型M2设定了多个节点PN(PN1、PN2)。将芯线上的节点称为PN1，将血管、血液的力学模型中的节点称为PN2。形状模型M2被设定为虚拟要素表面、血管外壁、血管内壁、斑块区域表面、斑块区域内部、或者血液部。力学模型构筑部55对形状模型M2的各节点PN1，按每个时刻，分配强制位移、即血管形状变化指标。
具体而言，力学模型构筑部55通过射束要素(或者刚性要素)EB连接芯线上的相邻的节点PN1和节点PN1。另外，力学模型构筑部55通过射束要素EB连接节点PN1和在通过该节点PN1的正交剖面中包含的其他节点PN2。力学模型构筑部55对节点PN1以及射束要素EB分配与各血管形状变形指标的形状位移方向有关的约束条件。作为对辨别材料模型、血管内腔的内压的区域分配的强制位移，可以举出与芯线方向有关的血管壁(或者虚拟要素)表面的伸缩、血管壁(或者虚拟要素)表面的扭转、血管壁(或者虚拟要素)表面的弯曲变形。作为对不辨别材料模型、血管内腔的内压的区域分配的强制位移，例如，不仅是与芯线方向有关的强制位移，而且还可以举出与半径方向有关的血管壁的时间序列的伸缩(位移)。另外，在内压对向芯线正交剖面以外的变形有贡献的情况下，对该区域不分配强制位移，仅对该区域的周边部(例如虚拟要素的表面节点)分配强制位移历史。关于内压对向芯线正交剖面以外的变形有贡献的情况，可以举出在血管内腔中有突起的情况、血管分支部等。另外，将时间序列的血管形状变形指标作为强制位移历史分配给力学模型构筑部55、节点PN1以及射束要素EB。由此，表现与血管的整体以及局部有关的伸缩变形、扭转变形、弯曲变形。
另外，在图10中，强制位移历史被设定于形状模型的芯线部和外壁部，但强制位移历史的设定位置不限于此。例如，强制位移历史也可以设定于芯线部与外壁部之间的血管壁区域。
本实施方式的图像处理装置27使用在步骤S3中暂定地构筑了的力学模型来实施反向解析，统计性地辨别在力学模型中设定的潜在变量。在后述步骤S6中进行统计性的辨别处理。步骤S4以及S5分别是为了计算在统计性的辨别处理中使用的血管形态指标以及血流指标而设置的。
如果进行了步骤3，则系统控制部21使图像处理装置27进行血管应力解析处理(步骤S4)。在步骤S4中，图像处理装置27的血管应力解析部57对现阶段的力学模型实施血管应力解析来计算时间序列的血管形态指标的预测值。血管形态指标可以是上述的血管形态指标中的任意一个，但也可以例如使用与血管芯线方向有关的内腔区域的剖面形状指标、血管壁的剖面形状指标。具体而言，内腔区域的剖面形状指标是内腔区域的关注像素的坐标值、内腔区域的几何学构造参数(内腔区域的半径、内腔区域的直径等)中的至少一个。另外，血管壁区域的剖面形状指标具体而言是血管壁区域的关注像素的坐标值、血管壁区域的几何学构造参数(血管壁区域的半径、壁区域的直径等)中的至少一个。另外，预测值表示对力学模型实施血管应力解析而计算出的血管形态指标的计算值。
另外，如果进行了步骤3，则系统控制部21使图像处理装置27进行血液流体解析处理(步骤S5)。在步骤S5中，图像处理装置27的血液流体解析部59对暂定地构筑了的力学模型实施血液流体解析来计算时间序列的血流指标的预测值。血流指标是血流量或者流速、或者其空间/时间上的平均值中的至少一个。另外，预测值表示对力学模型实施血液流体解析而计算出的血液流体指标的计算值。
如果进行了步骤S4以及S5，则系统控制部21使图像处理装置27进行辨别处理(步骤S6)。在步骤S6中，图像处理装置27的统计性辨别部61以使在步骤S4中计算出的血管形态指标的预测值和在步骤S5中计算出的血流指标的预测值中的至少一方与事先收集到的血管形态指标的观测值和血流指标的观测值中的至少一方匹配的方式，统计性地辨别力学的模型的潜在变量的参数。
如图4所示，统计性辨别部61具有第1统计性辨别部61-1和第2统计性辨别部61-2。第1统计性辨别部61-1以使血管形态指标的预测值与血管形态指标的观测值匹配的方式统计性地辨别潜在变量的参数。第2统计性辨别部61-2以使血流指标的预测值与血流指标的观测值匹配的方式统计性地辨别潜在变量的参数。以下，依次说明第1统计性辨别部61-1和第2统计性辨别部61-2。
具体而言，在步骤S6中第1统计性辨别部61-1设定基于在步骤S4中计算出的血管形态指标的预测值和观测值的数据分布。数据分布表示例如与血管形态指标的预测值和观测值的误差有关的多变量正态分布函数。具体而言，第1统计性辨别部61-1计算与力学模型中的各节点或者各要素中的预测值和观测值的误差有关的正态分布函数值。第1统计性辨别部61-1将所计算出的正态分布函数值之积设定为数据分布。关于数据分布，既可以针对每个心相位单独地设定，也可以集中设定多个心相位量。
接下来，第1统计性辨别部61-1对力学模型的潜在变量分配先验分布(先验概率分布)。具体而言，对材料模型、边界条件、负荷条件、时间序列的形态指标以及与时间序列的形状变形指标的不确定性关联的参数的各个分配先验分布。例如，对与作为负荷条件的参数之一的血管内腔有关的压力值，分配与该压力值有关的先验分布。能够从经验上预先限定压力值可取的值的范围(以下称为设想范围)。第1统计性辨别部61-1通过限定于设想范围内而执行与内压值有关的蒙特卡罗模拟，针对各离散化区域计算内压值的概率分布、即先验分布。另外，第1统计性辨别部61-1在预定的情况下，也可以将例如通过多变量正态分布函数在数学上表现了与芯线方向有关的平均的压力变化的斜率是负的情形的概率分布设定为先验分布。关于该预定的情况，例如，可以举出芯线方向的压力分布平滑的情况、与时间经过相伴的压力变化平滑的情况、观测到无血流的逆流的情况等。第1统计性辨别部61-1限定于这些设想范围内，依照设想了的概率分布，执行与负荷条件的参数有关的蒙特卡罗模拟，从而能够得到用于向力学模型设定的负荷条件(潜在变量)的采样值。接下来，第1统计性辨别部61-1关于各潜在变量，对先验分布和数据分布实施统计性的辨别处理，从而计算后验分布(后验概率分布)。关于统计性的辨别处理，例如，可以举出基于层次的模型、马尔可夫链模型。然后，第1统计性辨别部61-1针对各潜在变量，根据后验分布的众数、平均值等统计值，辨别各潜在变量的参数。例如，在上述例子的情况下，计算与血管内腔压力值有关的后验分布，根据该后验分布，计算血管内腔压力值的辨别值。
图11是用于说明与利用基于层次的模型以及马尔可夫链蒙特卡罗法的负荷条件(血管内的平均压力)有关的后验分布的计算和平均内压的辨别的图。在图11所示的图形中，纵轴被规定为内压值，横轴被规定为从血管起始部起的与血管芯线方向有关的距离。如图11所示，设为在从血管起始部延伸的血管中设定了钙化斑块区域和粥样斑块区域。钙化斑块区域被设定为材料模型辨别区域，粥样斑块区域被设定为材料模型辨别区域。随着从血管起始部沿着血管芯线方向前进，血管内压下降。沿着血管芯线设定多个节点。在包括各节点的正交剖面(节点剖面)上计算内腔内压的后验分布，辨别后验分布的众数。
另外，作为血管形态指标的观测值，例如，使用在步骤S2中计算出的血管形态指标。
关于由第2统计性辨别部61-2实施的处理，仅是在数据分布的计算中使用的指标不同，与由第1统计性辨别部61-1实施的处理相同。即，第2统计性辨别部61-2首先设定基于在步骤S5中计算出的血流指标的预测值和观测值的数据分布。接下来，第2统计性辨别部61-2对力学模型的潜在变量分配先验分布。例如，分配和与血管有关的材料模型的参数、与血液有关的材料模型的参数、与斑块有关的材料模型的参数有关的先验分布。作为这些材料模型的参数，例如，可以举出弹性模量等材料模型参数、与血液的结构式中的粘性有关的参数。关于材料模型的参数的设想范围、概率分布，能够从经验上预先设定。第2统计性辨别部61-2能够针对各离散化区域，设定材料模型的参数的概率分布、即先验分布，限定于这些设想范围内，依照所设想了的概率分布，执行与材料模型的参数有关的蒙特卡罗模拟，能够得到用于对力学模型设定的材料模型参数(潜在变量)的采样值。接下来，第2统计性辨别部61-2通过关于各潜在变量，对先验分布和数据分布实施统计性的辨别处理，计算后验分布，根据所计算出的后验分布的统计值，辨别各潜在变量的参数。例如，在上述例子的情况下，计算与材料模型的参数有关的后验分布，根据该后验分布，计算材料模型的参数的辨别值。
图12是用于说明与利用层次的模型以及马尔可夫链蒙特卡罗法的材料模型参数有关的后验分布的计算和材料模型参数(血管壁的等价弹性模量)的辨别的图。如图12所示，设为血管模型与图11相同。限定于材料模型辨别区域，计算血管壁的材料模型的参数(例如等价弹性模量)的后验分布，将后验分布的众数辨别为辨别值。如图12所示，等价弹性模量的材料模型参数的辨别值根据钙化斑块区域、粥样斑块区域以及正常区域而具有不同的值。换言之，通过观察等价弹性模量的材料模型参数的辨别值，能够掌握材料。
另外，关于血流指标的观测值，例如，假设为是向大动脉送出的血流量变化，能够将血管形态指标的观测值用作从时间序列的CT图像通过图像处理测量的左心室的容积变化值(CFA)。也可以通过利用造影剂的冠状动脉内注入后的造影剂的图像追踪计算特征点的移动量的时间上的变化，来计算流速、流量。另外，也可以取得造影剂的血管芯线方向或者时间上的确定区域的浓度变化量，根据将该浓度变化除以各区域的芯线方向距离间隔而得到的值、浓度变化的时间上的变化率，计算流速、流量。在MRI的情况下，使用质子的图像追踪，在超声波回波的情况下，通过对比度回波图法等，来计算流量。
另外，在各步骤S6中，也可以不进行由第1统计性辨别部61-1实施的统计性的辨别处理和由第2统计性辨别部61-2实施的统计性的辨别处理这两者。即，在各步骤S6中，也可以进行由第1统计性辨别部61-1实施的统计性的辨别处理和由第2统计性辨别部61-2实施的统计性的辨别处理中的某一方。
另外，在上述例子中，第1统计性辨别部61-1以使血管形态指标的预测值与血管形态指标的观测值匹配的方式统计性地辨别出潜在变量的参数，第2统计性辨别部61-2以使血流指标的预测值与血流指标的观测值匹配的方式统计性地辨别出潜在变量的参数。但是，统计性辨别部61也可以根据构造-流体耦合解析，以使血管形态指标的预测值和血流指标的预测值与血管形态指标的观测值和血流指标的观测值匹配的方式，统计性地辨别潜在变量的参数。
如果进行了步骤S6，则系统控制部21使图像处理装置27进行设定处理(步骤S7)。在步骤S7中，图像处理装置27的力学模型构筑部55在力学模型中设定在步骤S6中计算出的潜在变量的参数。
如果进行了步骤S7，则系统控制部21判定是否满足了辨别结束条件(步骤S8)。在步骤S8中判定为未满足辨别结束条件的情况下(步骤S8：“否”)，系统控制部21重复步骤S4、S5、S6、S7以及S8。此处，根据用于判定辨别结束的指标(以下称为辨别结束指标)是否达到既定值，来表现辨别结束条件。作为辨别结束指标，例如，可以举出血管形态指标的预测值和观测值的差分值。在该情况下，系统控制部21在该差分值大于既定值的情况下，判定为未满足辨别结束条件，在差分值小于既定值的情况下，判定为满足了辨别结束条件。另外，辨别结束指标也可以是例如蒙特卡罗法的采样点的数量。在该情况下，系统控制部21在该采样点的数量小于既定值的情况下，判定为未满足辨别结束条件，在采样点的数量大于既定值的情况下，判定为满足了辨别结束条件。在满足了辨别结束条件的情况下，力学模型构筑部55该时间点的最新的力学模型设定为最终的力学模型。
上述步骤S4、S5、S6、S7以及S8既可以根据同一辨别法来反复进行，也可以根据不同的辨别法来反复进行。在根据不同的辨别法来反复进行的情况下，例如，也可以首先利用简易力学模型暂定地辨别潜在变量，接下来，利用连续介质力学模型准确地辨别潜在变量。通过这样根据不同的方法将统计性的辨别处理分成2个阶段来进行，能够使潜在变量的参数在短时间内收敛。作为利用简易力学模型的方法，可以举出针对内压以及外压使用厚壁圆筒的材料力学的公式以及哈根-泊肃流程以及修正伯努利的公式的方法。作为利用连续介质力学模型的方法，可以举出FEM构造流体解析。
在步骤S8中判定为满足了辨别结束条件的情况下(步骤S8：“是”)，系统控制部21也可以使图像解析/追踪处理部53进行修正处理(步骤S9)。在步骤S9中，图像解析/追踪处理部53以使根据在利用统计性的辨别法的反向解析中得到了的潜在变量来实施了的构造流体解析结果(力学指标的预测值以及血液流体指标的预测值)与观测值(力学指标的观测值以及血液流体指标的观测值)匹配的方式，修正在时间序列的医用图像中包含的血管区域的形状。显示设备31显示基于修正后的时间序列的医用图像的诊断结果。由此，血管解析装置50能够显示考虑了最终的力学模型的诊断结果。或者，显示设备31也可以将根据利用反向解析的辨别以及该构造流体解析而与观测结果不匹配的血管部位/区域显示于画面。
如果进行了步骤S9，则系统控制部21使图像处理装置27进行血管应力解析处理(步骤S10)。在步骤S10中，图像处理装置27的血管应力解析部57对最终的力学模型实施血管应力解析来计算时间序列的力学指标的预测值的空间分布。具体而言，针对每个离散化区域，计算力学指标的预测值。
另外，如果进行了步骤S9，则系统控制部21使图像处理装置27进行血液流体解析处理(步骤S11)。在步骤S11中，图像处理装置27的血液流体解析部59对暂定地构筑了的力学模型实施血液流体解析来计算时间序列的血流指标的预测值的空间分布。具体而言，针对每个离散化区域，计算血流指标的预测值。
另外，也可以作为力学指标或者血流指标，计算FFR。
如果进行了步骤S10以及S11，则系统控制部21使显示设备31进行显示处理(步骤S12)。在步骤S12中，显示设备31显示在步骤S10中计算出的时间序列的力学指标的预测值和在步骤S11中计算出的时间序列的血流指标的预测值。例如，显示设备31针对时间序列的力学指标或者时间序列的血流指标，按照与该预测值对应的颜色，以动画方式显示时间序列的力学模型。因此，显示设备31保持了表示各种预测值和彩色值(例如RGB)的关系的彩色表格。显示设备31利用彩色表格来确定与预测值对应的彩色值，按照与确定了的彩色值对应的颜色，显示与该预测值对应的离散化区域。
图13是示出作为力学指标之一的内压的空间分布的显示例的图。如图13所示，显示设备31按照和与该离散化区域有关的内压值对应的颜色，以动画方式显示构成力学模型的各离散化区域。用户通过观察力学模型，能够按颜色掌握随时间变化的并且在空间上变化的力学指标。
如果进行了步骤S11，则构造流体解析处理结束。
另外，不一定需要进行步骤S9中的修正处理。在无需修正处理的情况下，也可以以在步骤S8中满足了辨别结束条件为契机，进行步骤S10或者步骤S11。
另外，在上述实施方式中，设为针对所有节点一样地分配强制位移历史的约束条件的分配对象。但是，本实施方式不限于此。例如，也可以根据是否辨别边界条件以及材料模型，分割强制位移历史的约束条件的分配对象。图14A以及图14B是示出强制位移历史的其他分配例的图，示出了形状模型的剖面。例如，如图14A所示，在辨别边界条件以及材料模型的情况下，可以仅对形状模型的外壁部OW上的节点PN2分配强制位移历史，而对血管壁区域RV的节点PN3不分配强制位移历史。如图14B所示，在不辨别边界条件以及材料模型的情况下，可以对形状模型的外壁部的节点PN2和血管壁区域RV的节点PN3这两者分配强制位移历史。在该情况下，对芯线上的节点PN1分配强制位移历史。另外，也可以用射束要素EB连接外壁部OW的节点PN2和节点PN1，对射束要素EB上的节点PN2以及PN3也分配强制位移历史。此时，通过射束要素EB的伸缩位移来表现与半径方向有关的收缩以及膨胀。另外，针对内腔区域RI，为了确保位移自由度，也可以不分配强制位移历史。
图15是示出强制位移历史的分配的其他例的图，示出了包括血管周边组织的虚拟要素RD的形状模型的剖面。如图15所示，虚拟要素RD被设定为血管壁区域RV的外侧。在形状模型包括虚拟要素RD的情况下，除了血管壁区域RV以外，对虚拟要素RD也设定节点PN4。对节点PN4也分配强制位移历史。力学模型构筑部55也可以在辨别边界条件以及材料模型的情况下，对在血管壁区域RV中包含的节点PN3分配强制位移历史，在不辨别边界条件以及材料模型的情况下，不分配强制位移历史。在对节点PN3分配强制位移历史的情况下，除了与内腔区域RI有关的形状指标以外，还参照与管壁区域RV有关的形状指标，进行材料模型的辨别。
通过这样限制约束条件的分配对象，能够抑制构造流体解析的变形自由度，能够稳定并且高效地进行解析。另外，通过设置虚拟要素，在内压所致的负荷对芯线正交剖面外的变形造成影响的情况下，参照血管内腔区域和血管壁区域这两者的形态指标，能够分离使血管承受的荷重矢量和内压来辨别潜在变量。另外，关于内压所致的负荷对芯线正交剖面外的变形造成影响的情况，可以举出在血管内腔中有斑块等突起的情况、血管分支部等。另外，虚拟的要素集合在生理学上模拟了壁表面的脂肪层。另一方面，在数值计算上，虚拟的要素集合具有能够通过对血管壁表面分配强制位移，避免在血管壁内部的局部部分中产生与实际不同的应力的效果。
图16是示出强制位移历史的分配的其他例的图，示出了包括斑块区域RP的形状模型的剖面。如图16所示，斑块区域RP包含于血管壁区域RV。斑块区域RP被设定为材料模型辨别区域。针对斑块区域RP，考虑内腔形状指标、血管壁形状指标以及斑块指标(CT值)来辨别材料模型。力学模型构筑部55根据性状将斑块区域划分为多个部分区域。例如，力学模型构筑部55在斑块区域中设定多个局部区域，根据在各局部区域中包含的多个像素的CT值，利用上述CT值-材料模型表格，确定各局部区域的材料模型参数。然后，力学模型构筑部55在该局部区域中设定所确定了的材料模型参数(或者参数范围)。然后，通过上述的统计性的辨别处理，由统计性辨别部61辨别关于各部分区域的材料模型参数。然后，在步骤S12中，显示设备31作为力学指标，显示与血管的材料特性有关的指标，从而用户能够准确并且容易地掌握斑块的性状。
另外，如图16所示，力学模型构筑部55也可以使力学模型内的斑块区域等关注区域的计算密度高于其他区域的计算密度。另外，关于使关注区域的计算密度高于其他区域，设为还包括使该其他区域的计算密度低于关注区域的计算密度。能够根据节点等的计算要素、格子的密度，调整计算密度。另外，力学模型构筑部55能够依照由用户实施的经由输入设备29的指示，在任意的部位，设定关注区域。通过使关注区域的计算密度高于其他区域，能够在防止处理效率的降低的同时，限定于关注区域而进行精密的构造流体解析。另外，通过使关注区域以外的区域的计算密度低于关注区域的计算密度，能够在保持关于关注区域的构造流体解析的精度的同时，提高计算速度。另外，关注区域不限于斑块区域，能够由用户经由输入设备29设定为任意的区域。
如上所述，本实施方式的血管解析装置50具有存储装置33、力学模型构筑部55、统计性辨别部61以及解析部57、59。存储装置33存储与被检体的血管有关的时间序列的医用图像的数据。力学模型构筑部55根据时间序列的医用图像，暂定地构筑与解析处理有关的力学模型。统计性辨别部61以使基于暂定地构筑了的力学模型的血管形态指标的预测值以及血流指标的预测值的至少一方与预先测量了的血管形态指标的观测值以及血流指标的观测值的至少一方匹配的方式，辨别与潜在变量辨别区域有关的潜在变量。解析部57、59对被分配了所辨别的潜在变量的力学模型实施解析处理。
通过上述结构，本实施方式的血管解析装置50能够通过使用血管形状变形指标和血流指标的反向解析，来辨别材料模型、边界条件、负荷条件以及几何学构造等潜在变量。血管解析装置50通过在变更潜在变量的同时反复进行反向解析，能够辨别全部考虑了上述4点困难的潜在变量，该4点困难是：1.冠状动脉的材料模型的辨别方法；2.心脏的形状的变形对冠状动脉造成的影响；3.冠状动脉的边界条件的辨别方法；4.利用具有不确定性的血管形状的材料模型、负荷条件、边界条件的辨别方法。因此，血管解析装置50能够执行考虑了在CT图像中未描出的血管、心脏等外部原因所致的影响的构造流体解析。
在CT扫描中，为了提高血管的描出能力等，对被检体提供血管扩张剂等的压力(stress)。通过在被检体中注入血管扩张剂，被检体的血管扩张，在CT图像中包含的血管区域变得鲜明。但是，血管扩张剂使血管硬化。在压力下执行CT扫描，在收集到时间序列的CT图像(以下称为压力下CT图像)的情况下，利用时间序列的压力下CT图像来辨别材料模型、边界条件、负荷条件等潜在变量的参数。但是，基于压力下CT图像的潜在变量的参数有可能与基于未施加压力的正常时(无压力下)的被检体的心脏血管的潜在变量的参数不同。
本实施方式的血管解析装置50为了使潜在变量的参数接近于无压力下的参数，将通过无压力下的CT扫描收集到的时间序列的CT图像(以下称为无压力下CT图像)用作解析对象的时间序列的CT图像。血管解析装置50也可以根据时间序列的无压力下CT图像，辨别材料模型、边界条件、负荷条件等潜在变量的参数。另外，血管解析装置50为了使基于压力下CT图像的潜在变量的参数接近于无压力下的参数，也可以利用无压力下CT图像来校正。通过这样利用压力下CT图像，能够使潜在变量的参数接近于正常时的参数，能够进行更精确的血管构造解析。
这样，根据本实施方式，能够提高血管的构造流体解析的精度。
[应用例]
应用例的血管解析装置50利用根据力学模型计算出的力学指标，判定是否存在侧支循环(侧支血液循环路径)。
图17A以及图17B是用于说明侧支循环的图，图17A示出不存在侧支循环的心脏的示意图，图17B示出存在侧支循环的心脏的示意图。如图17A所示，在血管由于狭窄、血栓等而被闭塞了的情况下，在处于闭塞存在部位RS的下游的血管中不流过血液，血液不到达该血管的支配区域。因此，该支配区域的组织坏死。为了使血液到达该支配区域，如图17B所示，形成向该支配区域的迂回路径。该迂回路径是被称为侧支循环RC的微小血管。通过侧支循环RC，确保向闭塞部位的下游的血管的支配区域的血流，维持向心脏的灌流。通过侧支循环，坏死区域RN缩小。侧支循环微小，通常，在CT图像中未描出。因此，在存在侧支循环的情况下，无法在基于在CT图像中描出的血管区域的力学模型中完全反映基于侧支循环的举动，力学模型的精度劣化。
在应用例的图像处理装置27中，为了判定是否存在侧支循环，图像处理装置27如图4所示，还具有侧支循环判定部63。另外，应用例的图像处理装置27能够再构筑考虑了侧支循环的存在的力学模型。
以下，详细说明应用例的处理。图18是示出基于应用例的系统控制部21的控制进行的处理的典型的流程的图。
例如，系统控制部21接受关于是否存在侧支循环的判定开始指示而开始图18所示的应用例的处理。该判定开始指示例如可以在图3的步骤S9之后(不进行步骤S9的情况、在步骤S8中判定为满足了辨别结束条件的情况)自动地发出。另外，也可以在构筑了力学模型之后，在任意的定时，由用户经由输入设备29输入判定开始指示。在该情况下，设为在存储装置33中，存储了通过上述图3的处理构筑了的力学模型。
以接受了判定开始指示为契机，系统控制部21使图像处理装置27进行血管应力解析处理(步骤S21)。在步骤S21中，图像处理装置27的血管应力解析部57通过与步骤S10同样的方法，对力学模型构筑部实施血管应力解析而计算力学指标的预测值的空间分布。另外，在由用户经由输入设备29输入了判定开始指示的情况下，血管应力解析部57从存储装置33读出力学模型，根据所读出了的力学模型，计算力学指标的预测值的空间分布。作为在步骤S21中计算的力学指标，采用受到是否存在侧支循环的影响的指标。具体而言，作为在步骤S21中计算的力学指标，可以举出内压、应力、变形等。
如果进行了步骤S21，则系统控制部21使图像处理装置27进行判定处理(步骤S22)。在步骤S22中图像处理装置27的侧支循环判定部63根据与芯线方向有关的时间序列的力学指标的预测值的变化形式，判定是否存在侧支循环。
图19是用于说明由侧支循环判定部63实施的关于是否存在侧支循环的判定处理的图。图19示出表示内压的空间分布的图形。图19的图形的纵轴被规定为作为力学指标之一的内压，横轴被规定为从血管起始部起的血管芯线方向距离。如图19所示，在没有由狭窄、血栓等所致的闭塞的情况下(图19的虚线)，内压随着从起始部起的距离变远而逐渐降低。在存在闭塞的情况下，在闭塞存在部位，内压急剧降低。在存在闭塞并且不存在侧支循环的情况下(图19的点划线)，即便从起始部起的距离进一步变远，在闭塞存在部位急剧降低了的内压仍保持降低。但是，在存在闭塞并且存在侧支循环的情况下(图19的单点划线)，在闭塞存在部位急剧降低了的内压在侧支循环的存在部位再次上升。这样，在存在侧支循环的情况下，内压的空间分布显示出特异的变化形式。例如，在使用导管的FFR测量的情况下，根据2点的内压差测量FFR值。因此，当在夹着侧支循环的存在部位的2点处测量了内压的情况下，基于该2点的内压的FFR值无法反映侧支循环的存在。
侧支循环判定部63利用在存在侧支循环的情况下显示出的内压值的空间分布的特异的变化形式来判定是否存在侧支循环。具体而言，侧支循环判定部63解析按照从起始部起的距离的内压值的变化曲线的形状，判定随着从起始部起的距离增加，是否在内压值一旦急剧降低之后转变为上升。例如，侧支循环判定部63针对每个恒定距离计算内压值的距离微分值，在内压值的距离微分值是阈值(以下称为降低阈值)以下的情况下，判定为内压值急剧降低。在判定为内压值的距离微分值低于降低阈值的情况下，侧支循环判定部63将该位置设定为闭塞存在部位。侧支循环判定部63从闭塞存在部位按照恒定距离间隔计算内压值的距离微分值，在内压值的距离微分值是阈值(以下称为上升阈值)以上的情况下，判定为内压值上升。在判定为内压值的距离微分值高于上升阈值的情况下，侧支循环判定部63判定为存在侧支循环。另外，在判定为内压值的距离微分值高于上升阈值的情况下，侧支循环判定部63将该位置设定为侧支循环的存在部位。另外，上述降低阈值和上升阈值能够单独地设定为任意的值。这样侧支循环判定部63在内压值一旦急剧降低之后转变为上升的情况下，判定为存在侧支循环，在内压值表示其他变化形式的情况下，侧支循环判定部63判定为不存在侧支循环。另外，为了具体说明由侧支循环判定部63实施的侧支循环的判定处理，作为力学指标以内压为例子，但能够在侧支循环的判定处理中利用的力学指标不限于内压。例如，在侧支循环的判定处理中，除了内压以外，能够同样地利用应力、变形等。
如果进行了步骤S22，则系统控制部21使显示设备31进行显示处理(步骤S23)。在步骤S23中显示设备31显示在步骤S22中的由侧支循环判定部63实施的关于是否存在侧支循环的判定结果。即，显示设备31在由侧支循环判定部63判定为存在侧支循环的情况下，显示表示该意思的消息，在由侧支循环判定部63判定为不存在侧支循环的情况下，显示表示该意思的消息。在判定为存在侧支循环的情况下，显示设备31也可以在力学模型、图19的图形上明示出侧支循环的存在部位。进而，显示设备31也可以在力学模型、图19的图形上明示出由狭窄、血栓等所致的闭塞部位。
如果进行了步骤S23，则系统控制部21判定是否重新进行潜在变量的辨别(步骤S24)。在步骤S24中，系统控制部21在判定为例如存在侧支循环的情况下，自动地判定为重新进行潜在变量的辨别，在判定为不存在侧支循环的情况下，自动地判定为不重新进行潜在变量的辨别。另外，也可以在由用户经由输入设备29进行了表示重新进行的意思的指示的情况下，判定为重新进行潜在变量的辨别，在未经由输入设备29进行该指示的情况下，判定为不重新进行潜在变量的辨别。在该情况下，用户参照关于是否存在侧支循环的判定结果，判断有无重新进行潜在变量的辨别的必要性。例如，用户在观察CT图像而判断为存在侧支循环的可能性高的情况下，判断为有重新进行潜在变量的辨别的必要性。在判断为有重新进行潜在变量的辨别的必要性的情况下，用户经由输入设备29输入表示重新进行潜在变量的辨别的意思的指示。
在步骤S24中判定为不重新进行潜在变量的辨别的情况下(步骤S23：“否”)，系统控制部21结束应用例的处理。
在步骤S24中判定为不重新进行潜在变量的辨别的情况下(步骤S23：“是”)，系统控制部21使图像处理装置27进行设定处理(步骤S25)。在步骤S25中，图像处理装置27的力学模型构筑部55对力学模型设定考虑了侧支循环的存在的边界条件。例如，力学模型构筑部55在侧支循环的存在部位，设定与基于侧支循环的血液流入有关的边界条件的初始值。关于流入条件的初始值，可以适当地使用从经验上决定了的范围内的值。
如果设定了考虑了侧支循环的存在的边界条件，则系统控制部21重复进行步骤S4、S5、S6、S7以及S8，确定考虑了侧支循环的存在的力学模型的潜在变量的参数。在确定了潜在变量的参数之后，在步骤S9中进行医用图像解析/图像追踪处理的修正和修正结果的显示，在步骤S10中根据力学模型计算时间序列的力学指标，在步骤S11中根据力学模型计算时间序列的血流指标，在步骤S12中显示时间序列的力学指标和时间序列的血流指标。这些步骤S4、S5、S6、S7、S8、S9、S10、S11以及S12与图3所示的处理相同，所以不重复说明。
以上，结束应用例的处理的说明。
根据应用例，能够利用力学模型，判定是否存在在CT图像中未描出的侧支循环。然后，考虑侧支循环的存在，通过反向解析，再次辨别潜在变量的参数，从而能够构筑考虑了侧支循环的存在的更精确的力学模型。
虽然说明了本发明的几个实施方式，但这些实施方式仅作为例示来提出，并未旨在限定发明的范围。这些新的实施方式能够通过其他各种方式实施，能够在不脱离发明的要旨的范围内，进行各种省略、置换、变更。这些实施方式、其变形包含在发明的范围、要旨内，并且包含在权利要求书记载的发明及其均等范围。

Claims (17)

1.一种血管解析装置，其特征在于，具备：
存储部，存储与被检体的血管有关的时间序列的医用图像的数据；
构筑部，根据所述时间序列的医用图像暂定地构筑与解析处理有关的力学模型；
辨别部，以使基于所述暂定地构筑了的力学模型的与血管形态有关的预测值以及与血流有关的预测值的至少一方和预先测量了的与血管形态有关的观测值以及与血流有关的观测值的至少一方匹配的方式，辨别所述力学模型的潜在变量；以及
解析部，对被分配了所述辨别出的潜在变量的力学模型实施解析处理。
2.根据权利要求1所述的血管解析装置，其特征在于，
所述解析部进行利用被分配了所述辨别出的潜在变量的力学模型的构造解析、流体解析、或者、构造流体耦合解析，计算时间序列的力学指标的预测值和时间序列的与血流有关的预测值的至少一方。
3.根据权利要求1所述的血管解析装置，其特征在于，
所述辨别部以使所述与血管形态有关的预测值以及所述与血流有关的预测值和所述与血管形态有关的观测值以及所述与血流有关的观测值匹配的方式，辨别所述力学模型的潜在变量。
4.根据权利要求1所述的血管解析装置，其特征在于，还具备：
设定部，在所述时间序列的医用图像中包含的血管区域中设定解析对象区域，在所述解析对象区域中设定潜在变量辨别区域；以及
图像处理部，对所述时间序列的医用图像进行图像处理而计算所述解析对象区域的时间序列的形态指标和时间序列的形状变形指标，
所述构筑部根据所述时间序列的形态指标、所述时间序列的形状变形指标以及所述时间序列的医用图像，暂定地构筑与所述解析对象区域的解析处理有关的力学模型。
5.根据权利要求4所述的血管解析装置，其特征在于，
所述设定部限定于病变部、或者、治疗对象地设定所述解析对象区域。
6.根据权利要求4所述的血管解析装置，其特征在于，
所述设定部限定于直径2mm以上的血管区域地设定所述解析对象区域。
7.根据权利要求4所述的血管解析装置，其特征在于，
所述设定部从所述解析对象区域中排除与心脏内部的血管有关的像素区域。
8.根据权利要求1所述的血管解析装置，其特征在于，
还具备判定部和显示部，
所述解析部根据被分配了所述辨别出的潜在变量的力学模型计算时间序列的力学指标的空间分布，
所述判定部根据与血管芯线方向有关的所述时间序列的力学指标的变化形式判定是否存在侧支循环，
所述显示部显示所述判定部的判定结果。
9.根据权利要求1所述的血管解析装置，其特征在于，
所述潜在变量包括材料模型，
所述时间序列的医用图像是通过X射线计算机断层摄影装置产生了的时间序列的CT图像，
所述血管解析装置还具备将多个CT值范围的各个CT值范围与血管壁的性状和材料模型关联起来地存储的存储部，
所述构筑部确定在所述存储部中与构成在所述医用图像中包含的血管壁区域的像素的CT值关联起来的材料模型，将所述确定了的材料模型分配给所述力学模型的血管壁区域。
10.根据权利要求1所述的血管解析装置，其特征在于，
所述潜在变量包括与血液流入口以及血液流出口有关的边界条件，
所述构筑部根据通过用X射线计算机断层摄影装置对被注入了造影剂的被检体进行CT扫描而产生了的时间序列的CT图像，计算所述边界条件的初始值。
11.根据权利要求1所述的血管解析装置，其特征在于，
所述构筑部将所述力学模型内的关注部位的计算密度设定得比其他部位的计算密度更高。
12.根据权利要求1所述的血管解析装置，其特征在于，
所述时间序列的医用图像是通过X射线计算机断层摄影装置产生了的时间序列的CT图像，
所述X射线计算机断层摄影装置以使所述时间序列的CT图像中的指定区间的时间分辨率比其他区间的时间分辨率更高的方式来执行CT扫描。
13.根据权利要求1所述的血管解析装置，其特征在于，
所述时间序列的医用图像是在所述被检体无压力的情况下通过X射线计算机断层摄影装置产生了的时间序列的CT图像。
14.一种医用图像诊断装置，其特征在于，具备：
摄像机构，产生与被检体的血管有关的时间序列的医用图像的数据；
构筑部，根据所述时间序列的医用图像暂定地构筑与解析处理有关的力学模型；
辨别部，以使基于所述暂定地构筑了的力学模型的与血管形态有关的预测值以及与血流有关的预测值的至少一方和预先测量了的与血管形态有关的观测值以及与血流有关的观测值的至少一方匹配的方式，辨别所述力学模型的潜在变量；以及
解析部，对被分配了所述辨别出的潜在变量的力学模型实施解析处理。
15.一种血管解析方法，其特征在于，具备：
根据与被检体的血管有关的时间序列的医用图像暂定地构筑与解析处理有关的力学模型，
以使基于所述暂定地构筑了的力学模型的与血管形态有关的预测值以及与血流有关的预测值的至少一方和预先测量了的与血管形态有关的观测值以及与血流有关的观测值的至少一方匹配的方式，辨别所述力学模型的潜在变量，
对被分配了所述辨别出的潜在变量的力学模型实施解析处理。
16.一种血管解析装置，其特征在于，具备：
存储部，存储与被检体的血管有关的时间序列的医用图像的数据；
计算部，根据所述时间序列的医用图像，计算与所述血管的芯线方向有关的所述血管的力学指标；
判定部，根据与所述芯线方向有关的所述力学指标的变化形式，判定是否存在侧支循环；以及
显示部，显示所述判定部的判定结果。
17.根据权利要求16所述的血管解析装置，其特征在于，
所述计算部根据所述时间序列的医用图像，计算与所述芯线方向有关的时间序列的力学指标，
所述判定部根据所述时间序列的力学指标的变化形式，判定是否存在侧支循环。
CN201380063359.7A 2012-12-07 2013-12-06 血管解析装置、医用图像诊断装置以及血管解析方法 Active CN104837407B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2012-268714 2012-12-07
JP2012268714A JP6091870B2 (ja) 2012-12-07 2012-12-07 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
PCT/JP2013/082872 WO2014088103A1 (ja) 2012-12-07 2013-12-06 血管解析装置、医用画像診断装置、及び血管解析方法

Publications (2)

Publication Number Publication Date
CN104837407A true CN104837407A (zh) 2015-08-12
CN104837407B CN104837407B (zh) 2018-08-14

Family

ID=50883515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380063359.7A Active CN104837407B (zh) 2012-12-07 2013-12-06 血管解析装置、医用图像诊断装置以及血管解析方法

Country Status (4)

Country Link
US (2) US9928593B2 (zh)
JP (1) JP6091870B2 (zh)
CN (1) CN104837407B (zh)
WO (1) WO2014088103A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106709902A (zh) * 2016-11-14 2017-05-24 上海交通大学 微创血管介入手术中导丝受血流作用的实时运动仿真方法
CN107492100A (zh) * 2017-09-30 2017-12-19 上海联影医疗科技有限公司 图像处理方法、装置及设备
CN108348206A (zh) * 2015-11-05 2018-07-31 皇家飞利浦有限公司 用于无创血流储备分数(ffr)的侧支流建模
CN111803101A (zh) * 2019-04-01 2020-10-23 佳能医疗系统株式会社 医用图像处理装置及存储介质
CN112842287A (zh) * 2021-01-05 2021-05-28 清华大学 测量血管硬化参数装置和方法
CN113974829A (zh) * 2021-11-22 2022-01-28 北京航空航天大学 血管支架植入仿真方法
CN116942104A (zh) * 2023-09-21 2023-10-27 首都医科大学附属北京儿童医院 一种用于测量在体局部循环血管的智能观测方法

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8200466B2 (en) 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
JP2013507227A (ja) 2009-10-12 2013-03-04 シリコンバレー メディカル インスツルメンツ インコーポレイテッド コレジスタ・イメージングのための血管内超音波システム
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP2014100249A (ja) * 2012-11-19 2014-06-05 Toshiba Corp 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
JP6139116B2 (ja) 2012-11-30 2017-05-31 東芝メディカルシステムズ株式会社 医用画像処理装置
JP6017284B2 (ja) 2012-11-30 2016-10-26 東芝メディカルシステムズ株式会社 医用画像診断装置
JP6305742B2 (ja) 2012-11-30 2018-04-04 キヤノンメディカルシステムズ株式会社 医用画像診断装置、表示方法
US9986938B2 (en) * 2014-02-25 2018-06-05 Medis Associated B.V. Method and device for determining a geometrical parameter of a blood vessel
NL2012459B1 (en) 2014-03-18 2016-01-08 Medis Ass B V Method and device for determining deviation in pressure in a blood vessel.
US9747525B2 (en) * 2014-06-16 2017-08-29 Siemens Healthcare Gmbh Method and system for improved hemodynamic computation in coronary arteries
WO2016056643A1 (ja) * 2014-10-08 2016-04-14 イービーエム株式会社 血流シミュレーションのための血管形状構築装置、その方法及びコンピュータソフトウエアプログラム
WO2016056641A1 (ja) * 2014-10-08 2016-04-14 イービーエム株式会社 血流シミュレーションのための血流解析機器、その方法及びコンピュータソフトウエアプログラム
US20170311916A1 (en) * 2014-10-08 2017-11-02 EBM Corporation Blood-flow analysis device for blood-flow simulation, method therefor, and computer software program
WO2016187072A1 (en) 2015-05-15 2016-11-24 Gauss Surgical, Inc. Methods and systems for characterizing fluids from a patient
JP2018519047A (ja) 2015-06-19 2018-07-19 ニューラル アナリティクス、インコーポレイテッド 頭蓋内ドップラープローブ
US11676359B2 (en) 2015-08-14 2023-06-13 Elucid Bioimaging Inc. Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
US10176408B2 (en) 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
US11071501B2 (en) 2015-08-14 2021-07-27 Elucid Bioiwaging Inc. Quantitative imaging for determining time to adverse event (TTE)
US10909661B2 (en) 2015-10-08 2021-02-02 Acist Medical Systems, Inc. Systems and methods to reduce near-field artifacts
US10653393B2 (en) 2015-10-08 2020-05-19 Acist Medical Systems, Inc. Intravascular ultrasound imaging with frequency selective imaging methods and systems
US11369337B2 (en) 2015-12-11 2022-06-28 Acist Medical Systems, Inc. Detection of disturbed blood flow
JP2019500155A (ja) 2016-01-05 2019-01-10 ニューラル アナリティクス、インコーポレイテッド 一体型プローブ構造
EP3399918A4 (en) 2016-01-05 2019-08-21 Neural Analytics, Inc. SYSTEMS AND METHOD FOR DETERMINING CLINICAL INDICATIONS
US11589836B2 (en) 2016-01-05 2023-02-28 Novasignal Corp. Systems and methods for detecting neurological conditions
JP6639935B2 (ja) * 2016-02-09 2020-02-05 キヤノンメディカルシステムズ株式会社 画像処理装置およびｍｒｉ装置
WO2017181045A1 (en) * 2016-04-14 2017-10-19 Lightlab Imaging, Inc. Identification of branches of a blood vessel
EP3459048B1 (en) * 2016-05-16 2023-05-03 Acist Medical Systems, Inc. Motion-based image segmentation systems and methods
NL2016792B1 (en) * 2016-05-18 2017-11-30 Endovascular Diagnostics B V Method for determining a parameter which is indicative for the position and apposition of a tubular member, such as a stent graft, inserted in a lumen of an anatomical vessel or duct of a patient
JP6943616B2 (ja) * 2016-06-06 2021-10-06 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔ装置、医用情報処理装置及び医用情報処理プログラム
US10853948B2 (en) * 2016-08-10 2020-12-01 Agfa Healthcare Gmbh Method for automatically detecting systemic arteries in arbitrary field-of-view computed tomography angiography (CTA)
US10610184B2 (en) 2016-08-12 2020-04-07 Canon Medical Systems Corporation Medical-information processing apparatus and X-ray CT apparatus
EP3533027B1 (en) * 2016-10-28 2021-04-14 Koninklijke Philips N.V. Automatic ct detection and visualization of active bleeding and blood extravasation
US10163209B2 (en) 2016-11-23 2018-12-25 Toshiba Medical Systems Corporation Medical image processing apparatus, medical image processing method, and X-ray CT apparatus
EP3326527A1 (en) * 2016-11-23 2018-05-30 TTY-säätiö sr Method and arrangement for electromagnetic radiation based non-invasive monitoring of a performance of an anatomic object during an operation or medical intervention
US20180192916A1 (en) * 2017-01-10 2018-07-12 General Electric Company Imaging system for diagnosing patient condition
EP3375364A4 (en) 2017-01-23 2019-01-23 Shanghai United Imaging Healthcare Co., Ltd. SYSTEM AND METHOD FOR ANALYZING THE STATUS OF BLOOD CIRCULATION
JP7426824B2 (ja) 2017-03-31 2024-02-02 コーニンクレッカ フィリップス エヌ ヴェ 非侵襲的イメージングベースのｆｆｒのインタラクションモニタリング
CN108038848B (zh) * 2017-12-07 2020-08-11 上海交通大学 基于医学影像序列斑块稳定性指标的快速计算方法及系统
CN109009001B (zh) * 2018-07-02 2019-07-09 博动医学影像科技（上海）有限公司 血管压力差修正方法、装置和设备
EP3685756A1 (en) * 2019-01-24 2020-07-29 Koninklijke Philips N.V. Methods and systems for investigating blood vessel characteristics
CN109805949B (zh) 2019-03-19 2020-05-22 苏州润迈德医疗科技有限公司 基于压力传感器和造影图像计算血流储备分数的方法
JP6748254B2 (ja) * 2019-03-26 2020-08-26 キヤノンメディカルシステムズ株式会社 観察装置
DE102020108698A1 (de) 2019-04-01 2020-10-01 Canon Medical Systems Corporation Medizinisches Bildverarbeitungsgerät und Programm
US11024034B2 (en) 2019-07-02 2021-06-01 Acist Medical Systems, Inc. Image segmentation confidence determination
JP2022543330A (ja) 2019-08-05 2022-10-12 エルシド バイオイメージング インコーポレイテッド 形態学的および血管周囲疾患の複合評価
JP2019195702A (ja) * 2019-08-07 2019-11-14 株式会社根本杏林堂 血管状態解析装置およびそれを備えたシステム
US20230289963A1 (en) * 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060069318A1 (en) * 2004-09-30 2006-03-30 The Regents Of The University Of California Method for assessment of the structure-function characteristics of structures in a human or animal body
CN1929781A (zh) * 2003-08-21 2007-03-14 依斯克姆公司 用于脉管斑块检测和分析的自动化方法和系统
US20090076481A1 (en) * 2007-03-27 2009-03-19 Cardio Vascular Biotherapeutics, Inc. Therapeutic angiogenesis for treatment of the spine
US20100014739A1 (en) * 2007-06-14 2010-01-21 Siemens Corporate Research, Inc. System and method for segmentation of mr flow data using fluid dynamics and tracking
US20110235883A1 (en) * 2010-03-26 2011-09-29 Fujitsu Limited Three-dimensional template transformation method and apparatus
US20120041739A1 (en) * 2010-08-12 2012-02-16 Heartflow, Inc. Method and System for Patient-Specific Modeling of Blood Flow
CN104736061A (zh) * 2012-11-19 2015-06-24 株式会社东芝 血管解析装置、医用图像诊断装置及血管解析方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7117026B2 (en) * 2002-06-12 2006-10-03 Koninklijke Philips Electronics N.V. Physiological model based non-rigid image registration
US11224635B2 (en) * 2007-03-27 2022-01-18 Venturis Thereuptics, Inc. Therapeutic angiogenesis for treatment of the spine and other tissues
JP4439533B2 (ja) 2007-03-27 2010-03-24 株式会社東芝 負荷算定装置および負荷算定方法
US8200466B2 (en) * 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1929781A (zh) * 2003-08-21 2007-03-14 依斯克姆公司 用于脉管斑块检测和分析的自动化方法和系统
US20060069318A1 (en) * 2004-09-30 2006-03-30 The Regents Of The University Of California Method for assessment of the structure-function characteristics of structures in a human or animal body
US20090076481A1 (en) * 2007-03-27 2009-03-19 Cardio Vascular Biotherapeutics, Inc. Therapeutic angiogenesis for treatment of the spine
US20100014739A1 (en) * 2007-06-14 2010-01-21 Siemens Corporate Research, Inc. System and method for segmentation of mr flow data using fluid dynamics and tracking
US20110235883A1 (en) * 2010-03-26 2011-09-29 Fujitsu Limited Three-dimensional template transformation method and apparatus
JP2011200549A (ja) * 2010-03-26 2011-10-13 Fujitsu Ltd ３次元テンプレート変形方法、装置及びプログラム
US20120041739A1 (en) * 2010-08-12 2012-02-16 Heartflow, Inc. Method and System for Patient-Specific Modeling of Blood Flow
CN103270513A (zh) * 2010-08-12 2013-08-28 哈特弗罗公司 用于患者特异性血流建模的方法和系统
CN104736061A (zh) * 2012-11-19 2015-06-24 株式会社东芝 血管解析装置、医用图像诊断装置及血管解析方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108348206A (zh) * 2015-11-05 2018-07-31 皇家飞利浦有限公司 用于无创血流储备分数(ffr)的侧支流建模
CN108348206B (zh) * 2015-11-05 2022-07-29 皇家飞利浦有限公司 用于无创血流储备分数(ffr)的侧支流建模
CN106709902A (zh) * 2016-11-14 2017-05-24 上海交通大学 微创血管介入手术中导丝受血流作用的实时运动仿真方法
CN106709902B (zh) * 2016-11-14 2020-06-19 上海交通大学 微创血管介入手术中导丝受血流作用的实时运动仿真方法
CN107492100A (zh) * 2017-09-30 2017-12-19 上海联影医疗科技有限公司 图像处理方法、装置及设备
CN107492100B (zh) * 2017-09-30 2020-07-28 上海联影医疗科技有限公司 图像处理方法、装置及设备
CN111803101A (zh) * 2019-04-01 2020-10-23 佳能医疗系统株式会社 医用图像处理装置及存储介质
CN111803101B (zh) * 2019-04-01 2024-03-29 佳能医疗系统株式会社 医用图像处理装置及存储介质
CN112842287A (zh) * 2021-01-05 2021-05-28 清华大学 测量血管硬化参数装置和方法
CN113974829A (zh) * 2021-11-22 2022-01-28 北京航空航天大学 血管支架植入仿真方法
CN116942104A (zh) * 2023-09-21 2023-10-27 首都医科大学附属北京儿童医院 一种用于测量在体局部循环血管的智能观测方法
CN116942104B (zh) * 2023-09-21 2024-01-02 首都医科大学附属北京儿童医院 一种用于测量在体局部循环血管的智能观测方法

Also Published As

Publication number Publication date
US20180174297A1 (en) 2018-06-21
US20150356734A1 (en) 2015-12-10
CN104837407B (zh) 2018-08-14
US9928593B2 (en) 2018-03-27
JP6091870B2 (ja) 2017-03-08
WO2014088103A1 (ja) 2014-06-12
JP2014113264A (ja) 2014-06-26
US10249043B2 (en) 2019-04-02

Similar Documents

Publication Publication Date Title
CN104837407A (zh) 血管解析装置、医用图像诊断装置以及血管解析方法
JP6918912B2 (ja) 画像処理装置、画像処理方法、及びプログラム
US11501485B2 (en) System and method for image-based object modeling using multiple image acquisitions or reconstructions
US10206587B2 (en) Image processing apparatus, image processing method, and storage medium
US11357409B2 (en) Blood vessel analysis apparatus, medical image diagnosis apparatus, and blood vessel analysis method
KR101818645B1 (ko) 혈류 특성 모델링 감도 분석 방법 및 시스템
US9514530B2 (en) Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
EP3281135B1 (en) System and method for vascular tree generation using patient-specific structural and functional data, and joint prior information
EP2765916B1 (en) System for evaluating regional cardiac function and dyssynchrony from a dynamic imaging modality using endocardial motion
US11636635B2 (en) Medical information processing apparatus and medical information processing method
CN105190630A (zh) 计算血流储备分数
JP6362851B2 (ja) 血管解析装置、血管解析プログラム、及び血管解析装置の作動方法
JP6675458B2 (ja) 血管解析装置、血管解析方法及び血管解析プログラム
JP2015217113A (ja) 血管解析装置、医用画像診断装置、血管解析方法及び血管解析プログラム
JP2022171345A (ja) 医用画像処理装置、医用画像処理方法及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160330

Address after: Japan Tochigi

Applicant after: Toshiba Medical System Co., Ltd.

Address before: Tokyo, Japan, Japan

Applicant before: Toshiba Corp

Applicant before: Toshiba Medical System Co., Ltd.

GR01 Patent grant
GR01 Patent grant