CN105103191A - 血管分割 - Google Patents
血管分割 Download PDFInfo
- Publication number
- CN105103191A CN105103191A CN201480019719.8A CN201480019719A CN105103191A CN 105103191 A CN105103191 A CN 105103191A CN 201480019719 A CN201480019719 A CN 201480019719A CN 105103191 A CN105103191 A CN 105103191A
- Authority
- CN
- China
- Prior art keywords
- index
- time
- arrival
- blood vessel
- image
- 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
- 230000011218 segmentation Effects 0.000 title claims abstract description 41
- 239000002872 contrast media Substances 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000002347 injection Methods 0.000 claims abstract description 33
- 239000007924 injection Substances 0.000 claims abstract description 33
- 230000002792 vascular Effects 0.000 claims abstract description 32
- 210000004204 blood vessel Anatomy 0.000 claims description 79
- 238000000034 method Methods 0.000 claims description 50
- 238000005192 partition Methods 0.000 claims description 37
- 238000003384 imaging method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000017531 blood circulation Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 6
- 238000003306 harvesting Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 206010002329 Aneurysm Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 206010027336 Menstruation delayed Diseases 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000304 vasodilatating effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- A61B6/48—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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Multimedia (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及血管分割。为了提供一种以减小的X射线剂量提供分割信息的改进的方式,提供了X射线图像处理设备(10),所述X射线图像处理设备包括接口单元(12)和数据处理单元(14)。所述接口单元被配置为提供在对比剂注射之后获得的脉管结构的时间系列血管造影2D图像的序列。所述数据处理单元被配置为沿时间系列针对多个确定的像素中的每个确定与所述对比剂注射有关的预先确定的特性的到达时间指数,并且被配置为基于所述到达时间指数来计算针对所述多个确定的像素中的每个的连接性指数。所述数据处理单元被配置为根据所述多个确定的像素生成所述脉管结构的分割数据,其中,所述分割数据基于所述像素的所述连接性指数。所述数据处理单元被配置为出于另外的目的提供所述分割数据。
Description
技术领域
本发明涉及血管分割,并且尤其涉及用于提供分割信息的方法,涉及X射线图像处理设备,并且涉及X射线成像系统,以及涉及计算机程序元件和计算机可读介质。
背景技术
在医学X射线成像中,对血管的分割被用于提供例如关于血管结构的增强的信息。这样的信息能够被用于评估患者的健康状态,或者也被用于对必要的介入的规划,但也用于在介入期间的实况引导,并且也用于对处置的评价。例如,动脉瘤常常是在实况X射线的引导下在血管内被处置的。能够通过将线圈放置在动脉瘤中和/或将支架放置在馈送血管中来处置动脉瘤。另外的范例是流转向支架的放置。针对这样的处置,需要关于血管内部的血流的知识。例如,进行三维放射学血管造影采集,以便评估脉管、其形态,规划流程以及其他,还规划针对流采集的最优视角。WO2010/018495A1描述了采用X射线的彩色流成像。然而,已经表明,尤其是针对交叉血管(crossingvessel)和动脉瘤的准确分割改进了对血流的测量。用于获取分割信息的范例是提供来自不同角度的至少两幅X射线图像以获取深度信息。然而,这意味着额外的X射线剂量,并且要么需要移动X射线系统,在这种情况下不能在流采集的同时获得分割数据;要么需要对使用多个X射线成像器。
发明内容
因此需要提供一种以减小的X射线剂量提供脉管流和替代血管几何信息的改进的且便利的方式。
本发明的目的是通过独立权利要求的主题来解决的,其中,在从属权利要求中并入了进一步的实施例。应当注意,本发明的下文描述的各方面也适用于X射线图像处理设备、X射线成像系统和用于提供分割信息的方法,以及适用于计算机程序元件和计算机可读介质。还应当注意,下文描述的各方面也适用于用于操作设备,例如操作图像处理设备,以提供分割信息的方法。
根据本发明,提供了一种X射线图像处理设备,包括接口单元和数据处理单元。所述接口单元被配置为提供在对比剂注射之后获得的脉管结构的时间系列血管造影2D图像的序列。所述数据处理单元被配置为沿时间系列针对多个确定的像素中的每个来确定与所述对比剂注射有关的预先确定的特性的到达时间指数。所述数据处理单元还被配置为基于所述到达时间指数来计算针对所述多个确定的像素中的每个的连接性指数。所述数据处理单元还被配置为根据所述多个确定的像素生成所述脉管结构的分割数据,其中,所述分割数据基于所述像素的所述连接性指数。所述数据处理单元还被配置为出于另外的目的提供所述分割数据。
这提供了以下优点,即尽管仅提供了图像的2D序列,通过考虑与对比剂的到达有关的时间因子提供了深度信息,例如,所述深度信息然后能够被用于分割数据计算。所述序列针对每个时间点包括仅一幅2D图像,因此意味着针对患者的最小图像剂量暴露。因此,基于具有减小的X射线剂量的图像采集,以及仅一个几何配置,提供了替代血管几何信息,从而也促进了采集自身。此外,由于根据被用于另外的目的的相同血管造影导出了分割数据,不存在由于患者移动或诸如血管舒张的脉管改变的差异,这会在额外的采集被用于分割时发生。
根据范例,所述数据处理单元被配置为计算针对所述多个确定的像素中的每个的血管置信度指数;并且被配置为通过组合所述血管置信度指数与所述到达时间指数来计算针对所述多个确定的像素中的每个的所述连接性指数。
这提供了以下优点,即血管置信度指数提供了与分割有关的进一步详细的并且由此改进的信息。
根据范例,所述X射线图像处理设备包括显示单元,并且所述数据处理单元被配置为根据所述分割数据生成所述脉管结构的分割轮廓,并且所述显示单元被配置为显示所述分割轮廓。
这提供了以下优点,即分割轮廓的提供还改进了可视深度外观,或者换言之,还支持提供三维信息,尽管所呈现的显示的图像所基于的图像仅包括2D图像而不包括3D图像。
根据本发明,提供了一种X射线成像系统,包括X射线成像设备和图像处理设备。所述X射线成像设备被配置为生成脉管结构的时间系列血管造影2D图像的序列。所述X射线图像处理设备为根据上述范例之一的X射线图像处理设备。
根据范例,提供了注射设备,其被配置为在时间系列2D图像的序列的采集期间能够控制地将对比剂注射到对象的脉管结构中。
例如,所述对象是例如医院内在观测中的患者。对所述注射设备的提供以及针对X射线图像处理设备的数据和信号连接允许将对比剂的量调整到最小。
根据本发明,提供了一种用于提供分割信息的方法,包括以下步骤:
a1)提供在对比剂注射之后获得的脉管结构的时间系列血管造影2D图像的序列;
b1)沿时间系列针对多个确定的像素中的每个,确定与所述对比剂注射有关的预先确定的特性的到达时间指数;
c)基于所述到达时间指数来计算针对所述多个确定的像素中的每个的连接性指数;
d)根据所述多个确定的像素生成所述脉管结构的分割数据,其中,所述分割数据基于所述像素的所述连接性指数;并且
e)出于另外的目的提供所述分割数据。
根据范例,提供了:b2)计算针对所述多个确定的像素中的每个的血管置信度指数;以及步骤c)包括组合所述血管置信度指数与所述到达时间指数,来计算针对所述多个确定的像素中的每个的连接性指数。步骤b2)能够在步骤b1)之后,反之亦然;也能够同时提供步骤b1)和b2)两者。
步骤d)的分割基于时间连接性。所述分割被提供为分割由图像的序列提供的2D流序列。
在范例中,步骤b1)包括对诸如对比剂的到达时间的关键点的分析和/或表征。
根据范例,在步骤a1)之后,提供了步骤a2),包括时间频率分析,用于提供经滤波的图像的序列。此外,步骤b1)和/或步骤b2)基于所述经滤波的图像。
在范例中,一种或两者准则是可能的。
根据范例,为了在步骤d)中生成所述分割数据,比较邻近像素,并且当以下情况时像素被视为连接的:i)像素的对比到达时间指数的值之间的差异小于预先确定的阈值;和/或ii)像素的血管置信度指数的值高于预先确定的阈值。
根据另外的范例,在步骤e)中,根据所述分割数据生成所述脉管结构的分割轮廓;并且提供了步骤f),显示所述分割轮廓。
根据范例,在步骤f)中,所述分割轮廓被叠加到根据所述像素的所述血管置信度指数和所述到达时间指数生成的复合图像上,从而向用户提供对比进展图。
术语“对比进展”涉及中间对比数据分析的提供。对比进展然后能够被用于在例如与流速测量有关的处理的后续步骤中对流进行估计。例如,所述处理能够提供流信息,所述流信息能够被示为流信息图。
根据本发明的一方面,对对比到达时间的分析被用于分割图像序列;并且所述分割可以被用在2D流计算中,例如自动地。因此,能够每像素地计算连接性,并且因此本发明允许在所述X射线图像中分离并识别交叉交叠血管或彼此接触的血管的假连接。所述连接性信息然后能够被用作流提取算法中的掩模。使用沿时间系列的每个像素灰度级的分析对对比到达时间图的计算实现了对在整个图像的每个像素内的对比剂的到达时间的估计。另外,利用血管置信度图,进一步改进了到达时间图的质量,从而实现用户对信息的改进的视觉印象。这然后能够被用于分割,其中,基于到达时间图的连接性允许区分由投影叠加的不同血管。对不连贯流部分的识别允许单独处理每个未交叠段,并且根据所述处理丢弃血管交叠部分。其还允许识别在何处特定处理技术必须被用于提取交叠区中的流场。术语“流”涉及序列中的对比位移,并且因此涉及血液速度。
本发明的这些和其他方面将根据下文描述的实施例变得显而易见,并将参考下文描述的实施例得到阐明。
附图说明
下文将参考如下附图描述本发明的示范性实施例:
图1示意性地示出了X射线处理设备的范例;
图2示意性地示出了针对在立面中的X射线成像系统的范例;
图3示出了用于提供分割信息的方法的范例的基本步骤,所述分割信息能够被用于获取脉管流信息;
图4至图8示出了用于提供分割信息的方法的另外的范例;
图9示出了用于提供分割信息的方法的另外的范例;
图10示出了根据范例的血管置信度图、对比到达时间图和具有分割轮廓的连接性图;
图11示出了另外的范例的血管置信度图、对比到达时间图和连接性图;
图12示出了对比进展图的范例;并且
图13、14、15和16示出了具有在图9、10、11和12中所示的范例的摄影图示的图形表示。
具体实施方式
图1示出了X射线图像处理设备10,其包括接口单元12和数据处理单元14。接口单元12被配置为提供在对比剂注射之后获得的脉管结构的时间系列血管造影2D图像的序列。例如,2D图像的系列是由(未示出的)数据库提供的。在另一范例中,2D图像是由X射线成像系统(也进一步参见下文)提供的。数据处理单元14被配置为,沿时间系列针对多个确定的像素中的每个,来确定与对比剂注射有关的预先确定的特性的到达时间指数。数据处理单元14还被配置为基于到达时间指数来计算针对多个确定的像素中的每个的连接性指数。数据处理单元还被配置为根据多个确定的像素生成脉管结构的分割数据,其中,所述分割数据基于像素的连接性指数。数据处理单元14还被配置为出于另外的目的提供分割数据(在图中未进一步详细示出)。
在范例中,提供显示单元16,并且数据处理单元14被配置为根据分割数据生成脉管结构的分割轮廓,并且显示器16被配置为显示分割轮廓。应当注意,显示单元16的提供在图1中被示为选项,如通过虚线指示的。
图2示出了X射线成像系统100,其包括X射线成像设备102和图像处理设备104。X射线成像设备102被配置为生成脉管结构的时间系列血管造影2D图像的序列。X射线图像处理设备104为根据上述范例之一的X射线图像处理设备10。例如,X射线成像设备102可以被提供为C型臂系统,其中,X射线源106和X射线探测器108被布置在可移动C型臂结构110的相对端部上。C型臂结构110可以由例如从天花板114悬挂的可移动支撑体112来支撑。此外,提供对象接收设备116,例如患者台。利用圆形118指示的对象可以被提供在患者台116上,并且能够由X射线成像设备102来采集2D图像。也提供了其他X射线成像布置,诸如CT系统或者固定式X射线系统。
在范例中,提供注射设备120,其被配置为在时间系列2D图像的序列的采集期间能够控制地将对比剂注射到对象118的脉管结构中。应当注意,通过简单虚线122示出了用于注射对比剂的布置。此外,另一虚线124指示与图像处理设备104的数据连接。必须注意,注射设备120在图2中被示出为选项,其也通过使用各自的虚线来指示。
图3示出了用于提供分割信息的方法200,包括以下步骤:在第一步骤202中,提供在对比剂注射之后获得的脉管结构的时间系列血管造影2D图像的序列204。在第二步骤206中,沿时间系列针对多个确定的像素中的每个,确定与对比剂注射有关的预先确定的特性的到达时间指数208。在第三步骤210中,基于到达时间指数来计算针对多个确定的像素中的每个的连接性指数212。在第四步骤214中,根据多个确定的像素生成脉管结构的分割数据216,其中,分割数据216基于像素的连接性指数212。在第五步骤218中,出于另外的目的提供分割数据216。第一步骤202也被称为步骤a1),第二步骤206被称为步骤b1),第三步骤210被称为步骤c),第四步骤214被称为步骤d),并且第五步骤218被称为步骤e)。
在图4中示出的另外的范例中,提供计算步骤220,以计算针对多个确定的像素中的每个的血管置信度指数222。可以与第二步骤206并行地提供计算步骤220。计算步骤220也被称为步骤b2)。此外,步骤c)包括组合血管置信度指数222与到达时间指数208,来计算针对多个确定的像素中的每个的连接性指数。步骤c)的该增强的计算利用附图标记210'来指示,并且得到的连接性指数,其由于使用血管置信度指数与到达时间指数的组合,也被称为增强的连接性指数,利用附图标记212'来指示。
在步骤b1)中,预先确定的特性可以被提供为对比剂的到达时间、对比剂的达峰时间、针对对比褪色的时间或洗出时间,或者针对最小对比剂的时间。预先确定的像素可以是图像的全部像素或选定区域。在范例中,步骤b1)包括计算到达时间图。在另一范例中,步骤b2)包括计算血管置信度图。
图5示出了另外的范例,其中,在步骤a1)之后,提供另外的步骤220,其中,执行用于提供经滤波的图像222的序列的时间频率分析。之后,步骤b1)和/或b2)基于经滤波的图像222。
在一个范例中,沿时间系列针对多个确定的像素中的每个确定与对比剂注射有关的预先确定的特性的到达时间指数的步骤b1)基于经滤波的图像222的序列。
在另外的范例中,沿时间系列针对多个确定的像素中的每个确定与对比剂注射有关的预先确定的特性的到达时间指数的步骤b1)基于经滤波的图像的序列,并且计算针对多个确定的像素中的每个的血管置信度指数的步骤b2)也基于经滤波的图像222的序列。在一个范例中,步骤a2)包括对血管造影图像的序列的像素值进行滤波以去除噪声。
在图6中指示的另外的范例中,为了在步骤d)中生成分割数据,在利用附图标记214'指示的比较步骤中比较邻近像素,并且如果适用以下中的一种或两者则像素被视为连接的:作为第一准则,像素的对比到达时间指数的值之间的差异小于预先确定的阈值。作为第二准则,备选地或额外地适用的,像素的血管置信度指数的值高于预先确定的阈值。
在一个范例中,为了在步骤d)中生成分割数据,比较邻近像素,并且如果在像素的对比到达时间指数的值之间的差异小于预先确定的阈值,则像素被视为连接的。
在另一范例中,为了在步骤d)中生成分割数据,比较邻近像素,并且如果在像素的对比到达时间指数的值之间的差异小于预先确定的阈值,并且如果像素的血管置信度指数的值高于预先确定的阈值,则像素被视为连接的。
图7示出了另外的范例,其中,根据分割数据生成脉管结构的分割轮廓224,所述生成流程利用附图标记218'来指示。还提供了显示步骤226,也被称为步骤f),用于显示分割轮廓224。
在范例中,分割轮廓224被与以下叠加或组合:f1)基于像素的血管置信度指数生成的血管置信度图;和/或f2)基于像素的到达时间指数生成的到达时间图。
图8示出了范例,其中,在步骤f)中,分割轮廓224被叠加——利用附图标记228来指示——到根据像素的血管置信度指数222和到达时间指数208生成的复合图像上,从而向用户提供对比进展图230。通过两个箭头232、234来指示对血管置信度指数222和到达时间指数208的数据的使用,箭头232、234以符号的方式指示各自的数据输入到步骤f)中。
应当注意,在另外的范例中,上述血管置信度指数和到达时间指数中的仅一个被用于形成对比进展图的复合图像。
对比进展图230可以包括指示到达时间的第一图形参数和指示置信度的第二图形参数。例如,图形参数为颜色代码,并且第二图形参数为透明度等级的饱和度。
根据未进一步示出的另外的范例,针对交叠血管,确定至少两个到达时间指数(值)。此外,分别确定并存储至少两个连接性指数(值)。
根据也未进一步示出的另外的范例,在步骤d)之后,提供将分割数据中包括的连接性信息用作之后的流算法中的掩模,以确定血流信息。
术语“掩模”是指用于将像素的部分与其他部分分离的在像素中的确定边界线。根据连接性指数和置信度图的知识,定义没有交叠的若干血管段。针对每段附上标签。获得复合掩模图像,其中,每个标签值对应于特定的血管段图。针对每个标签(或段),分别提取流场,从而允许从不连贯血管段获取不连贯流场。这也允许根据流处理丢弃具有交叠血管的区域。如本领域已知的,可以提供流处理部分自身。根据本发明,掩模被提供为流处理步骤的输入。
根据另外的范例,分别存储根据至少两个到达时间指数计算的交叠血管的连接性,并且向之后的流算法提供多层掩模,使得针对每个层,能够分别计算血流信息。
根据另外的范例,基于针对交叠血管对至少两个到达时间指数的计算,针对多个时刻,至少两个,确定血管的连接性。多个连接性指数能够由之后的流算法用于使用不同的连接性指数来处理图像序列的部分。这在相对短的对比注射或长的图像序列的情况下能够是有益的,其中,血管在整个图像序列期间不交叠。
此外,还提供了用于操作用于提供分割信息的设备的方法,所述方法包括以下步骤:a1)向处理单元提供在对比剂注射之后获得的脉管结构的时间系列血管造影2D图像的序列;b1)由处理单元沿时间系列针对多个确定的像素中的每个确定与对比剂注射有关的预先确定的特性的到达时间指数;b2)由处理单元计算针对多个确定的像素中的每个的血管置信度指数;c)通过组合血管置信度指数与到达时间指数来计算针对多个确定的像素中的每个的连接性指数;d)由处理单元根据多个确定的像素生成脉管结构的分割数据,其中,分割数据基于像素的连接性指数;以及e)出于另外的目的提供分割数据。
尤其应当注意,用于操作设备的方法与操作图像处理设备有关。方法步骤基于例如可以由数据被存储于其中的数据库提供的图像的序列。关于操作图像处理设备的设备的方法,对比剂的注射不是方法步骤的部分,而仅是被执行用于图像的采集。然而,所采集的图像可以是也要求用于其他目的的图像,只要时间系列提供特定图像与特定时间指数的关系,以确定对比剂在被注射时的视觉外观。
根据本发明,提出了使用沿时间系列对每个像素灰度级的分析来计算对比到达时间图。这允许估计对比剂在整幅图像的每个像素内的到达时间。备选地,对比到达时间图的其他特征也能够被用于达到相同的目的,例如达峰时间、对比洗出的时间等等。另一方面,为了抑制所计算的到达时间图的有时麻烦的视觉印象,提供了使用血管置信度图来校正并增强到达时间图的质量。该技术实现颜色编码图像的生成,其中,颜色指示到达时间,并且饱和度指示在显示的值内的置信度。利用该技术,单幅图像中的信息的最大被总结并叠加,并且阻塞的血管被准确地可视化。该图像然后被分割,例如使用如在特定置信度范围内的区域增长的方法。基于到达时间图的连接性允许区分由投影叠加的不同血管。
图9示出了方法步骤的另外的范例:
–如指示的,在动脉内的对比剂注射之后获得的血管造影的实时序列302被提供为输入304。
–此外,可以提供时间频率分析306。另外的帧310中的图形308指示原始时间系列312和得到的经滤波的时间系列314的图形。在时间频率分析306中,每个像素灰度级时间变化可以被滤波,以便去除噪声,并计算对比剂的到达时间。该滤波过程能够依赖于不同的技术,诸如自适应递归时间滤波器、威纳滤波器、傅立叶变换或离散余弦变换。该过程的目的是去除噪声以及由于血流脉动性的对比剂变化。
–在下一步骤316中,提供关键点分析与表征。例如,另外的帧318指示到达时间320、最小对比时间322和洗出时间324作为沿图形的可能的关键点。例如,根据对比注射的通用模型来解释经滤波的时间系列,所述通用模型包含对比到达的时间、对比流出的时间,以及最大对比存在的时间。这些关键点被自动发现,并且分别被定义为:i)时间系列的梯度是最小的时间;ii)时间系列的梯度最大并且大于先前定义的到达时间点的时间;iii)时间系列最小并且在两个先前描述的点之间的时间。
–作为另外的步骤,提供了血管置信度计算326。血管置信度计算326可以或者被供应有血管造影序列302,如利用箭头段328指示的;或者可以由经滤波的分析的数据来供应,如利用箭头段330指示的。在血管置信度计算步骤326之下,示出了血管置信度图332。
–此外,可以例如基于来自关键点分析和表征步骤316的结果,来生成对比到达时间图334,如利用线箭头段336指示的。此外还可能使用血管造影序列302来建立对比到达时间图的图形表示,例如以指示解剖环境。
–作为另外的步骤,提供了生成338颜色编码的置信度和到达时间图的步骤。最终颜色编码的图像可以被建立为使得颜色指示到达时间并且饱和度指示所显示的值内的置信度。也能够根据柱状(collared)到达时间图等价地生成颜色编码的图像,其中,每个像素的阿尔法透明度是根据血管置信度图来控制的。
–此外,提供基于时间连接性的分割步骤340。如果像素的对比到达时间值之间的差异小于给定的阈值t1并且像素的血管置信度高于阈值v1,则所述像素被视为连接的。分割然后能够与颜色编码的置信度和到达时间图一起被使用,以生成对比进展图342。
出于说明目的,图10在上部中示出了对上述血管置信度344的图形表示,并在中间部中示出了对比到达时间表示346。在对血管置信度344的表示中,可以使用灰度来指示血管置信度,其中,白色像素指示高血管置信度,并且暗色像素指示低血管置信度。在对比到达时间表示346中,可以使用范围从蓝色经由绿色和黄色到红色的彩虹色阶来指示到达时间,其中,蓝色指示早期对比到达并且红色指示晚期对比到达。此外,在下部中,分割表示348指示连接性。例如,时间分辨率也能够被提供有较高的分辨率,所述较高的分辨率因此将实现更精确分割信息。利用轮廓350示出分割表示348,所述轮廓能够被用作针对另外的算法的输入,所述另外的算法示出连接的血管,例如用于计算血流。轮廓350也能够被提供用于另外的人工校正。
图11在上部中示出了血管置信度表示352的另外的范例,在中间部示中出对比到达时间表示354,并且在下部中也利用轮廓358示出分割表示356。血管置信度表示352指示在序列采集期间通过对比注射揭露的血管结构。其包含许多血管,以及许多交叠的血管段。对比到达时间表示354指示洗入对比波前何时到达动脉结构的每个点。早期到达可以被提供为蓝色,晚期到达被提供为红色。该图像的较高梯度指示结构中的对比路径的不连续,从而允许获取分割表示356。该分割表示356提供了时间连接的血管结构,其对应于空间连接的结构。
图12示出了对比进展图360的范例,其中,深度信息被视觉地提供到用户,但也被提供到例如用于计算血流的另外的计算步骤。
根据一方面,利用血管置信度、时间到达图以及与时间差异组合的空间差异(像素强度)的基本方面的2D图像分析方法被提供用于实现分割。根据另外的范例,能够通过考虑图像序列的空间和时间梯度,来进一步改善流程,以创建其中交叠结构也被良好分离的图像。该图像存在于来自血管置信度图、估计的到达时间以及包含临近的像素的时间序列之间的绝对方差的额外信息的融合信息中。当方差高于特定准则,例如高于固定阈值,或者高于已经每像素计算的局部流速时,像素被视为不是连接的。在图12中示出这样的图像。
作为优点,必须注意,当血管在背景中交叉时,那么在像素中存储的连接性信息将指示前景血管与背景血管之间没有连接,即使它们的像素是直接近邻。能够使用连接性信息来细化流计算。血液能够仅流动通过连接的像素。此外,该流程创建了简化对复杂交叠结构的描绘的3D视觉效果。
该流程也能够被延伸为在交叠血管的情况下,针对每个像素检测多个对比到达时间。该信息能够被用于存储多层中的连接性,使得针对每个像素,针对每个血管段分别存储连接性。多层连接性能够然后被用于分离不同层中的对比波,并且针对每个层分别重复该流计算。例如,交叠的血管在多个层中分开。然后能够针对每个层分别跟随流波,即前景中的血管被示于一层上,并且后面的血管被示于第二层上,其中,二者层能够被分别呈现,例如相互取代。
图13至16示出了图9至12的范例,其中,代替于图形线表示,插入了摄影图像,但与相同的附图标记有关。这些另外的附图被提供用于更好地理解,并且不需要进一步的解释。
在本发明的另一示范性实施例中,提供了计算机程序或计算机程序元件,其特征在于适于在合适的系统上运行根据前述实施例之一的方法的方法步骤。所述计算机程序元件因此可以被存储在计算机单元上,所述计算机单元也可以是本发明的实施例的部分。该计算单元可以适于执行上述方法的步骤或引起对上述方法的步骤的执行。此外,其可以适于操作上述装置的部件。所述计算单元能够适于自动操作和/或运行用户的命令。计算机程序可以被加载到数据处理器的工作存储器中。所述数据处理器因此可以被装备为执行本发明的方法。
本发明的该示范性实施例覆盖从一开始就使用本发明的计算机程序以及借助于更新将已有程序转为使用本发明的程序的计算机程序两者。此外,计算机程序元件可以能够提供所有必要步骤来履行如上述的方法的示范性实施例的流程。
根据本发明的另外的示范性实施例,提供一种计算机可读介质,例如CD-ROM,其中,所述计算机可读介质具有被存储于其上的计算机程序元件,所述计算机程序元件由上段来描述。计算机程序可以被存储和/或分布在合适的介质上,例如与其他硬件一起提供或作为其他硬件的部分的光学存储介质或固态介质,但所述计算机程序也可以以其他形式被分布,例如经由因特网或者其他有线或无线电信系统分布。然而,计算机程序也可以被提供在诸如万维网的网络上,并且能够从这样的网络被下载到数据处理器的工作存储器中。根据本发明的另外的示范性实施例,提供用于令计算机程序元件可用于下载的介质,所述计算机程序元件被布置为执行根据本发明的先前描述的实施例中的一个的方法。
必须指出,本发明的实施例是参考不同主题进行描述的。尤其是,一些实施例是参考方法型权利要求描述的,然而其他实施例是参考设备型权利要求描述的。然而,本领域技术人员将从上文和下文的描述获悉,除非另外指明,除了属于一种类型的主题的特征的任何组合以外,涉及不同主题的特征之间的任何组合也被视为由本申请公开。然而,能够组合全部特征,从而提供多于特征的简单加和的协同效应。
尽管已在附图和前面的描述中详细图示并描述了本发明,但要将这样的图示和描述视为说明性或示范性的而非限制性的。本发明不限于所公开的实施例。本领域技术人员在实践要求保护的发明时,通过研究附图、公开内容以及权利要求书,能够理解并实现所公开实施例的其他变型。
在权利要求书中,词语“包括”不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以履行权利要求中记载的若干项目的功能。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不指示不能有利地使用这些措施的组合。权利要求中的任何附图标记不应被解释为对范围的限制。
Claims (15)
1.一种X射线图像处理设备(10),包括:
-接口单元(12);以及
-数据处理单元(14);
其中,所述接口单元被配置为提供在对比剂注射之后获得的脉管结构的时间系列血管造影2D图像的序列;
其中,所述数据处理单元被配置为沿所述时间系列针对多个确定的像素中的每个来确定与所述对比剂注射有关的预先确定的特性的到达时间指数;被配置为基于所述到达时间指数来计算针对所述多个确定的像素中的每个的连接性指数;被配置为根据所述多个确定的像素来生成所述脉管结构的分割数据,其中,所述分割数据基于所述像素的所述连接性指数;并且被配置为出于另外的目的提供所述分割数据。
2.根据权利要求1所述的X射线图像处理设备,其中,所述数据处理单元被配置为计算针对所述多个确定的像素中的每个的血管置信度指数;并且被配置为通过组合所述血管置信度指数与所述到达时间指数来来计算针对所述多个确定的像素中的每个的所述连接性指数。
3.根据权利要求1或2所述的X射线图像处理设备,包括:
-显示单元(16);
其中,所述数据处理单元被配置为根据所述分割数据生成所述脉管结构的分割轮廓;并且
其中,所述显示单元被配置为显示所述分割轮廓。
4.一种X射线成像系统(100),包括:
-X射线成像设备(102);以及
-图像处理设备(104);
其中,所述X射线成像设备被配置为生成脉管结构的时间系列血管造影2D图像的序列;并且
其中,所述X射线图像处理设备为根据权利要求1、2或3所述的X射线图像处理设备(10)。
5.根据权利要求4所述的X射线成像系统,包括:
-注射设备(120);
其中,所述注射设备被配置为在时间系列2D图像的所述序列的采集期间能够控制地将对比剂注射到对象的脉管结构中。
6.一种用于提供分割信息的方法(200),包括以下步骤:
a1)提供(202)在对比剂注射之后获得的脉管结构的时间系列血管造影2D图像的序列(204);
b1)沿所述时间系列针对多个确定的像素中的每个来确定(206)与所述对比剂注射有关的预先确定的特性的到达时间指数(208);
c)基于所述到达时间指数来计算(210)针对所述多个确定的像素中的每个的连接性指数(212);
d)根据所述多个确定的像素来生成(214)所述脉管结构的分割数据(216),其中,所述分割数据基于所述像素的所述连接性指数;并且
e)出于另外的目的提供(218)所述分割数据。
7.根据权利要求6所述的方法,其中,提供了:
b2)计算(220)针对所述多个确定的像素中的每个的血管置信度指数(222);以及
步骤c)包括组合所述血管置信度指数与所述到达时间指数来计算(210')针对所述多个确定的像素中的每个的所述连接性指数(212')。
8.根据权利要求6或7所述的方法,其中,在步骤a1)之后,提供了:
a2)包括时间频率分析(220),用于提供经滤波的图像(222)的序列;以及
步骤b1)和/或步骤b2)基于所述经滤波的图像。
9.根据权利要求6至8中的一项所述的方法,其中,为了在步骤d)中生成所述分割数据,比较(214')邻近像素,并且在以下情况时像素被视为连接的:
i)像素的对比到达时间指数的值之间的差异小于预先确定的阈值;和/或
ii)像素的血管置信度指数的值高于预先确定的阈值。
10.根据权利要求6至9中的一项所述的方法,其中,在步骤e)中,根据所述分割数据生成(218')所述脉管结构的分割轮廓(224);并且
其中,提供了:
f)显示(226)所述分割轮廓。
11.根据权利要求10所述的方法,其中,在步骤f)中,所述分割轮廓被叠加(228)到根据所述像素的所述血管置信度指数和所述到达时间指数生成的复合图像上,以向用户提供对比进展图(230)。
12.根据权利要求6至11中的一项所述的方法,其中,针对交叠血管,确定至少两个到达时间指数;并且其中,分别确定并存储至少两个连接性指数。
13.根据权利要求6至12中的一项所述的方法,其中,在步骤d)之后,提供了将在所述分割数据中包括的所述连接性信息用作在用于确定血流信息的后续流算法中的掩膜。
14.一种用于控制根据权利要求1至5中的一项所述的装置的计算机程序元件,所述计算机程序元件当由处理单元运行时,适于执行根据权利要求6至13中的一项所述的方法的步骤。
15.一种计算机可读介质,已经存储了根据权利要求14所述的程序元件。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13305426.2 | 2013-04-03 | ||
EP13305426 | 2013-04-03 | ||
PCT/IB2014/060371 WO2014162273A1 (en) | 2013-04-03 | 2014-04-02 | Vessel segmentation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105103191A true CN105103191A (zh) | 2015-11-25 |
CN105103191B CN105103191B (zh) | 2019-05-10 |
Family
ID=48143227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480019719.8A Active CN105103191B (zh) | 2013-04-03 | 2014-04-02 | 血管分割 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10089744B2 (zh) |
EP (1) | EP2994879A1 (zh) |
JP (2) | JP6530743B2 (zh) |
CN (1) | CN105103191B (zh) |
WO (1) | WO2014162273A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108294775A (zh) * | 2017-01-13 | 2018-07-20 | 西门子保健有限责任公司 | 用于减少由于血管重叠引起的伪影的方法和图像处理装置 |
CN108496205A (zh) * | 2015-12-30 | 2018-09-04 | 皇家飞利浦有限公司 | 身体部分的三维模型 |
CN110892447A (zh) * | 2017-07-18 | 2020-03-17 | 皇家飞利浦有限公司 | 用于对象的动态多维图像的方法和系统 |
CN111862045A (zh) * | 2020-07-21 | 2020-10-30 | 上海杏脉信息科技有限公司 | 血管模型的生成方法及装置 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014214772A1 (de) * | 2014-07-28 | 2016-01-28 | Siemens Aktiengesellschaft | Verfahren zur Erstellung eines Gefäßbildes und Verfahren zur Fluoroskopie-Darstellung von Gefäßen sowie entsprechend ausgestaltetes bildgebendes System |
JP6707320B2 (ja) | 2015-06-01 | 2020-06-10 | 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x線診断装置 |
WO2017037287A1 (en) * | 2015-09-04 | 2017-03-09 | Katholieke Universiteit Leuven | Method and device for identifying vascular connectivity of an image |
JP6815135B2 (ja) * | 2015-10-28 | 2021-01-20 | キヤノンメディカルシステムズ株式会社 | X線診断装置及び画像処理装置 |
US11116464B2 (en) | 2015-10-28 | 2021-09-14 | Canon Medical Systems Corporation | X-ray diagnostic apparatus and image processing apparatus |
US9962124B2 (en) | 2015-11-20 | 2018-05-08 | The Regents Of The University Of Michigan | Automated analysis of vasculature in coronary angiograms |
JP6744158B2 (ja) * | 2016-07-07 | 2020-08-19 | キヤノンメディカルシステムズ株式会社 | X線診断装置及び画像処理装置 |
DE102016219607A1 (de) * | 2016-10-10 | 2018-04-12 | Siemens Healthcare Gmbh | Erzeugung einer mit anatomischen Bilddaten korrelierten Ergebniskarte |
US10536853B2 (en) * | 2017-03-03 | 2020-01-14 | Texas Instruments Incorporated | Secure network authentication at a gateway for non-internet protocol enabled devices |
EP3420906A1 (en) * | 2017-06-29 | 2019-01-02 | Koninklijke Philips N.V. | Image contrast enhancement of an x-ray image |
CN109166097B (zh) * | 2018-07-18 | 2021-04-20 | 北京理工大学 | 从造影图像序列中提取血管的方法及装置 |
EP3911239A4 (en) * | 2019-03-08 | 2022-10-05 | William E. Butler | TEMPORAL CALIBRATION OF AN ANGIOGRAPHIC IMAGING SYSTEM |
WO2020185758A1 (en) | 2019-03-12 | 2020-09-17 | Bayer Healthcare Llc | Systems and methods for assessing a likelihood of cteph and identifying characteristics indicative thereof |
US11727571B2 (en) | 2019-09-18 | 2023-08-15 | Bayer Aktiengesellschaft | Forecast of MRI images by means of a forecast model trained by supervised learning |
US20230218223A1 (en) | 2019-09-18 | 2023-07-13 | Bayer Aktiengesellschaft | Generation of mri images of the liver |
CN117582208A (zh) | 2019-09-18 | 2024-02-23 | 拜耳公司 | 用于确定组织体素的特征的方法、系统和计算机可读介质 |
CN111281410B (zh) * | 2020-03-13 | 2021-04-13 | 广东医科大学附属医院 | 一种基于造影技术的脑血管疾病成像方法及应用的造影剂 |
JP2023521640A (ja) | 2020-04-03 | 2023-05-25 | バイエル、アクチエンゲゼルシャフト | 放射線画像の生成 |
CN111513738B (zh) * | 2020-04-10 | 2023-08-01 | 北京东软医疗设备有限公司 | 血管造影方法、装置、设备及系统 |
JP2024512369A (ja) | 2021-03-09 | 2024-03-19 | バイエル・アクチエンゲゼルシヤフト | 造影放射線学の分野における機械学習 |
EP4224416A1 (en) * | 2022-02-08 | 2023-08-09 | Koninklijke Philips N.V. | Identifying angiographic images for vessel assessment |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030040669A1 (en) * | 2001-01-09 | 2003-02-27 | Michael Grass | Method of imaging the blood flow in a vascular tree |
WO2005073915A2 (en) * | 2004-01-29 | 2005-08-11 | Koninklijke Philips Electronics, N.V. | Automatic segmentation of tissues by dynamic change characterization |
US7450743B2 (en) * | 2004-01-21 | 2008-11-11 | Siemens Medical Solutions Usa, Inc. | Method and system of affine registration of inter-operative two dimensional images and pre-operative three dimensional images |
CN101529475A (zh) * | 2006-10-17 | 2009-09-09 | 皇家飞利浦电子股份有限公司 | 3d图像结合2d投影图像的呈现 |
CN102791306A (zh) * | 2009-12-28 | 2012-11-21 | 甘布罗伦迪亚股份公司 | 用于检测抽出和返回装置的构造的方法和装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4504908A (en) * | 1982-03-15 | 1985-03-12 | General Electric Company | Matched filter for X-ray temporal subtraction |
FR2799028B1 (fr) * | 1999-09-27 | 2002-05-03 | Ge Medical Syst Sa | Procede de reconstitution d'une image tridimentionnelle d'elements de fort contraste |
JP2008514317A (ja) * | 2004-10-01 | 2008-05-08 | セダラ ソフトウェア コーポレイション | 血管構造セグメンテーションシステム及び方法 |
EP1790289A3 (en) | 2005-11-02 | 2007-07-18 | Kabushiki Kaisha Toshiba | X-ray computed tomography apparatus and method of analyzing X-ray computed tomogram data |
US20070225606A1 (en) * | 2006-03-22 | 2007-09-27 | Endothelix, Inc. | Method and apparatus for comprehensive assessment of vascular health |
US7986822B2 (en) | 2006-04-24 | 2011-07-26 | Siemens Medical Solutions Usa, Inc. | System and method for X-ray based assessment of aneurysm pulsation |
JP4834464B2 (ja) * | 2006-06-06 | 2011-12-14 | パナソニック株式会社 | 画像処理方法及び画像処理装置 |
US8073224B2 (en) * | 2007-07-09 | 2011-12-06 | Siemens Aktiengesellschaft | System and method for two-dimensional visualization of temporal phenomena and three dimensional vessel reconstruction |
WO2009024919A2 (en) * | 2007-08-20 | 2009-02-26 | Koninklijke Philips Electronics N.V. | Method for measurement of a flow in an object, especially a lumen or a vessel |
EP2362350B1 (en) | 2008-05-08 | 2018-03-14 | Oslo Universitetssykehus HF | Automated normalization of cerebral blood volume maps |
US8116542B2 (en) | 2008-05-09 | 2012-02-14 | General Electric Company | Determining hazard of an aneurysm by change determination |
WO2010018495A1 (en) | 2008-08-13 | 2010-02-18 | Koninklijke Philips Electronics N.V. | Colour flow imaging in x-ray |
JP5322548B2 (ja) * | 2008-09-17 | 2013-10-23 | 株式会社東芝 | X線ct装置、医用画像処理装置および医用画像処理プログラム |
JP2010154982A (ja) * | 2008-12-27 | 2010-07-15 | Toshiba Corp | X線コンピュータ断層撮影装置および画像処理装置 |
CN102834847B (zh) | 2010-04-13 | 2016-09-07 | 皇家飞利浦电子股份有限公司 | 图像分析 |
-
2014
- 2014-04-02 JP JP2016505912A patent/JP6530743B2/ja active Active
- 2014-04-02 EP EP14718772.8A patent/EP2994879A1/en not_active Ceased
- 2014-04-02 US US14/782,210 patent/US10089744B2/en active Active
- 2014-04-02 CN CN201480019719.8A patent/CN105103191B/zh active Active
- 2014-04-02 WO PCT/IB2014/060371 patent/WO2014162273A1/en active Application Filing
-
2019
- 2019-05-21 JP JP2019095293A patent/JP6695478B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030040669A1 (en) * | 2001-01-09 | 2003-02-27 | Michael Grass | Method of imaging the blood flow in a vascular tree |
US7450743B2 (en) * | 2004-01-21 | 2008-11-11 | Siemens Medical Solutions Usa, Inc. | Method and system of affine registration of inter-operative two dimensional images and pre-operative three dimensional images |
WO2005073915A2 (en) * | 2004-01-29 | 2005-08-11 | Koninklijke Philips Electronics, N.V. | Automatic segmentation of tissues by dynamic change characterization |
CN101529475A (zh) * | 2006-10-17 | 2009-09-09 | 皇家飞利浦电子股份有限公司 | 3d图像结合2d投影图像的呈现 |
CN102791306A (zh) * | 2009-12-28 | 2012-11-21 | 甘布罗伦迪亚股份公司 | 用于检测抽出和返回装置的构造的方法和装置 |
Non-Patent Citations (1)
Title |
---|
IRINA WAECHTER等: "Using flow information to support 3D vessel reconstruction form rotational angiography", 《MEDICAL PHYSICS》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108496205A (zh) * | 2015-12-30 | 2018-09-04 | 皇家飞利浦有限公司 | 身体部分的三维模型 |
CN108496205B (zh) * | 2015-12-30 | 2023-08-15 | 皇家飞利浦有限公司 | 身体部分的三维模型 |
CN108294775A (zh) * | 2017-01-13 | 2018-07-20 | 西门子保健有限责任公司 | 用于减少由于血管重叠引起的伪影的方法和图像处理装置 |
CN108294775B (zh) * | 2017-01-13 | 2021-08-27 | 西门子保健有限责任公司 | 用于减少由于血管重叠引起的伪影的方法和图像处理装置 |
CN110892447A (zh) * | 2017-07-18 | 2020-03-17 | 皇家飞利浦有限公司 | 用于对象的动态多维图像的方法和系统 |
CN110892447B (zh) * | 2017-07-18 | 2023-12-08 | 皇家飞利浦有限公司 | 用于对象的动态多维图像的方法和系统 |
CN111862045A (zh) * | 2020-07-21 | 2020-10-30 | 上海杏脉信息科技有限公司 | 血管模型的生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US10089744B2 (en) | 2018-10-02 |
WO2014162273A1 (en) | 2014-10-09 |
JP6695478B2 (ja) | 2020-05-20 |
US20160035103A1 (en) | 2016-02-04 |
JP6530743B2 (ja) | 2019-06-12 |
CN105103191B (zh) | 2019-05-10 |
JP2019162470A (ja) | 2019-09-26 |
EP2994879A1 (en) | 2016-03-16 |
JP2016514565A (ja) | 2016-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105103191A (zh) | 血管分割 | |
US10398344B2 (en) | Apparatus, methods and articles for four dimensional (4D) flow magnetic resonance imaging | |
US8073224B2 (en) | System and method for two-dimensional visualization of temporal phenomena and three dimensional vessel reconstruction | |
CN106682636B (zh) | 血管提取方法及其系统 | |
US20230233261A1 (en) | Systems and methods for an interactive tool for determining and visualizing a functional relationship between a vascular network and perfused tissue | |
JP7309986B2 (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
US20150063668A1 (en) | Three-dimensionlal virtual liver surgery planning system | |
US11282170B2 (en) | Contrast injection imaging | |
CN102113019B (zh) | 定位用于确定图像不对称性的镜像线的交互式方法 | |
EP3161786B1 (en) | Imaging device for registration of different imaging modalities | |
CN107274429B (zh) | 运动伪影校正的方法和系统 | |
KR20200048746A (ko) | 뇌혈관 비교 판독 영상 디스플레이 장치 및 방법 | |
EP4197442A1 (en) | Peripheral perfusion analysis | |
CN115690114A (zh) | 一种冠状动脉的分割方法、装置、电子设备及存储介质 | |
KR20160035167A (ko) | 불스아이맵 분할 면적 패턴을 이용한 심근의 지정학적 변화 기술 방법 |
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 |