CN105934199A - 用于处理体腔的医学图像的设备和方法 - Google Patents

用于处理体腔的医学图像的设备和方法 Download PDF

Info

Publication number
CN105934199A
CN105934199A CN201480073766.0A CN201480073766A CN105934199A CN 105934199 A CN105934199 A CN 105934199A CN 201480073766 A CN201480073766 A CN 201480073766A CN 105934199 A CN105934199 A CN 105934199A
Authority
CN
China
Prior art keywords
body cavity
image
medical image
intensity
brightness
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
CN201480073766.0A
Other languages
English (en)
Other versions
CN105934199B (zh
Inventor
李德云
利府俊裕
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN105934199A publication Critical patent/CN105934199A/zh
Application granted granted Critical
Publication of CN105934199B publication Critical patent/CN105934199B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • 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
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

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

Abstract

提供一种用于处理医学图像的设备和方法。所述设备包括图像分析单元。所述设备和方法允许准确测量狭窄血管区域的狭窄程度。

Description

用于处理体腔的医学图像的设备和方法
技术领域
本发明的一个或更多个实施例总体上涉及一种用于处理医学图像的设备和方法，更具体地，涉及一种用于处理医学图像以量化体腔(诸如，血管或泌尿道)的尺寸的设备和方法。更具体地，本发明涉及一种用于处理医学图像以准确测量体腔(诸如，血管或泌尿道)中的狭窄程度的设备和方法。
背景技术
用于处理医学图像的设备通过非侵入性检查来获取对象的内部结构的图像，从而允许医生通过对内部结构的细节、器官和流体的流动进行成像和处理来观察人体的内部部分。然后，由设备输出的医学图像被用于诊断患者的医学状况和疾病。所述设备可以是磁共振成像(MRI)设备、计算机断层扫描(CT)设备、X射线设备或超声设备，并被配置为处理扫描的图像数据并创建医学图像。医学图像可包括2D图像(例如，投影或切片)和3D图像。
与一般X射线设备相比，CT设备可提供对象的横截面图像从而允许用户观察内部结构(例如，肾脏和肺等器官)的非重叠表示。
但是，由于CT图像具有约0.7毫米的分辨率，因此难以对具有几毫米(mm)直径的血管进行成像。此外，一些血管(诸如，冠状动脉)在CT扫描期间会由于心脏跳动而运动。所述运动会导致各种伪影，诸如，在重建的CT图像中的运动伪影。
为了诊断诸如冠状动脉狭窄和心血管疾病的血管疾病，必须准确地解释医学图像，并检测异常的血管。但是，如上所述，由于血管的小直径和血管在成像过程中的运动，难以准确解释CT成像并诊断血管疾病。
因此，需要用于处理医学图像的方法和设备，以正确分析CT图像，并准确诊断诸如狭窄的血管疾病。
US 5872861描述了追踪血管中心线上的中央点的强度变化来检测潜在的狭窄区。但是，US 5872861把检测建立在单像素(中央像素)的基础上，呈现了不适合量化血管尺寸的方法。此外，US 5872861不涉及量化狭窄程度。US 7333648描述了通过拟合轮廓到图像来评估血管的横截面积。US 5757877描述了测量X射线图像的细节的宽度并补偿测量的宽度，用于减少最大密度值。此处参照的其它现有技术公开是US 2010-0076296和US 8494244。
发明内容
技术问题
为了诊断诸如冠状动脉狭窄和心血管疾病的血管疾病，必须准确地解释医学图像，并检测异常的血管。但是，如上所述，由于血管的小直径和血管在成像过程中的运动，很难准确解释CT成像并诊断血管疾病。
技术方案
本发明的一个或更多个实施例包括用于处理医学图像以准确诊断体腔(诸如，血管)的狭窄程度和/或检测体腔中的狭窄区域的设备和方法，更具体地，用于处理医学图像以准确诊断计算机断层扫描(CT)图像中的冠状动脉的狭窄程度的设备和方法。
有益效果
本发明的示例性实施例可被用于基于垂直于血管的中心线的横截面图像的亮度强度来测量血管的狭窄程度，从而允许准确测量CT图像中的血管的狭窄程度。
附图说明
通过以下结合附图对实施例进行的描述，这些和/或其它方面将变得清楚且更容易理解：
图1是一般计算机断层(CT)系统的示意图；
图2示出根据本发明的示例性实施例的CT系统的结构；
图3示出图2的CT系统的通信单元的配置；
图4示出心脏的CT图像；
图5A至图5D是用于解释根据现有技术的测量冠状动脉的狭窄程度的方法的示图；
图6是根据本发明示例性实施例的用于处理医学图像的设备的框图；
图7是用于解释由图像分析单元执行的分割的示图；
图8A和8B是用于解释图像分析单元的操作的示图；
图9是用于解释图像分析单元的操作的另一示图；
图10是用于解释测量单元的操作的示图；
图11是根据本发明另一示例性实施例的用于处理医学图像的设备的框图；
图12是根据本发明另一示例性实施例的用于处理医学图像的设备的框图；
图13是根据本发明示例性实施例的处理医学图像的方法的流程图；并且
图14是根据本发明另一示例性实施例的处理医学图像的方法的流程图。
实现本发明的最佳模式
本发明的一个或更多个实施例包括用于处理医学图像以准确诊断体腔(诸如，血管)的狭窄程度和/或检测体腔中的狭窄区域的设备和方法，更具体地，用于处理医学图像以准确诊断计算机断层扫描(CT)图像中的冠状动脉的狭窄程度的设备和方法。
另外的方面将在下面的描述中被阐述，并且，部分将从描述中显而易见，或可通过所提出的实施例的实践而获知。
根据本发明的一个或更多个实施例，用于处理体腔的医学图像的设备包括：图像分析单元，被配置为从医学图像中提取医学图像的第一体腔区域的亮度强度和医学图像的第二体腔区域的亮度强度；测量单元，被配置为计算第一体腔值和第二体腔值，每个值被计算为相应区域的亮度强度的预定线性组合，并进一步被配置为比较第一体腔值和第二体腔值。
体腔是(例如)血管或泌尿道。
亮度强度可与第一体腔区域和第二体腔区域中的每个的图形信号的强度值相应。
亮度强度可与医学图像的像素值或体素值相应。
优选地，提取的强度值的数目与第一体腔区域和第二体腔区域的相同。优选地，第一体腔区域的尺寸与第二体腔区域的尺寸相同。优选地，第一体腔区域的形状与第二体腔区域的形状相同。
图像分析单元可从医学图像中提取体腔的中心线。参考了题为“3D体腔分割技术概览：模型、特征和提取方案”(David Lesage等，《医学图像分析》13(2009)819-845，在此通过引用的方式并入)的文章。所述文章描述了提取血管的中心线。
第一体腔区域可在沿中心线的第一位置与体腔的中心线基本垂直，第二体腔区域可在沿中心线的第二位置(与第一位置不同)与中心线垂直。
医学图像可以是3D医学图像或2D医学图像。
当医学图像是3D医学图像时，图像分析单元可被配置为从3D医学图像中提取在第一位置垂直于中心线的平面中的体腔的第一横截面图像和在第二位置垂直于中心线的平面中的体腔的第二横截面图像，并进一步被配置为从所述第一横截面图像提取第一体腔区域的亮度强度，并从所述第二横截面图像提取第二体腔区域的亮度强度。
第一横截面图像与第一体腔区域相关联，第二横截面图像与第二体腔区域相关联。这些横截面图像的强度(例如，像素值)的线性组合给出与在各个区域的体腔的面积相关的测量，从而与各个区域体腔的尺寸相关。
在另一实施例中，医学图像是3D医学图像，并且，图像分析单元被配置为通过把医学图像投影在具有基本上垂直于体腔的中心线的法线的平面上来从3D医学图像中提取投影图像，并且图像分析单元被配置为从投影图像提取第一体腔区域和第二体腔区域的亮度强度。
在另一实施例中，医学图像是与所述投影图像(即，体腔在具有基本上垂直于体腔的中心线的法线的平面上的投影)相应的2D医学图像，其中，图像分析单元被配置为从投影图像中提取第一体腔区域和第二体腔区域的亮度强度。
投影图像是2D图像，可从2D图像提取基本垂直于中心线的2D的长方形或1D的线作为第一体腔区域和/或第二体腔区域。
体腔的中心线在整个长度上正常将不具有相同的方向。可以理解：以上描述的投影图像具有法线，即，垂直于平面表面，在沿中心线的给定点垂直于中心线，不一定垂直于中心线的所有点的线。例如，投影平面被定向为投影平面的法线与中心线的平均方向垂直或在沿中心线的特定点与中心线垂直。
第一体腔区域和第二体腔区域与中心线垂直。例如，第一体腔区域和/或第二体腔区域可以是基本垂直于中心线的线或包括一系列沿中心线的垂直线。在另一示例中，从垂直于中心线的长方形区域提取强度。优选地，用于提取强度(例如，像素值或体素值)的区域具有预定的尺寸，使得该区域的尺寸与第一区域和第二区域的尺寸相同。
例如，预定的尺寸是基于实验数据的，并且优选地针对每个血管进行了优化。在另一实施例中，使用传统技术获取血管直径，并且增加固定余量(百分比或绝对)以限定区域的尺寸。例如，医学图像的最大血管直径被用于限定区域的预定尺寸，其中，可选择地，余量被应用。在另一示例中，医学图像的平均血管直径被用于限定区域的预定尺寸，其中，可选择地，余量被应用。区域的预定尺寸可(例如，通过用户输入)被调节。
预定的线性组合可以是加权和，其中，加权因数与用于第一区域和第二区域的加权因数相同。优选地，线性组合是和，即，使用加权因数一来进行对强度进行加权。
第一体腔区域可与正常体腔区域相应，第二体腔区域可与狭窄的体腔区域相应。在这种情况下，测量单元可基于第一体腔值和第二体腔值之间的对比来产生在狭窄体腔区域中的体腔狭窄程度的测量。
测量单元可被配置为通过使用第一体腔值和第二体腔值之间的比值来产生狭窄程度的测量。测量单元可通过使用第一体腔值和第二体腔值之间的差来产生狭窄程度的测量。
图像分析单元可被配置为分割医学图像，例如，分割医学图像中的体腔的区域。分割图像意指从医学图像中的其它结构中分离诸如血管的体腔或至少相对于其它结构增强体腔。参考了题为“3D体腔分割技术概览：模型、特征和提取方案”(David Lesage等，《医学图像分析》13(2009)819-845，在此通过引用的方式并入)的文章。所述文章呈现了用于分割医学图像的方法的概览。
医学图像可以是计算机断层扫描(CT)图像。
医学图像可包括在注入造影剂后通过多能量CT捕获而取得的CT图像。
医学图像可包括在注入造影剂后通过多能量CT捕获而取得的CT图像。例如，医学图像包括碘图。
设备还可包括被配置为从用户接收正常的和狭窄的体腔区域的输入单元。
设备还可包括用于显示医学图像的输出单元。例如，输出单元被配置为基于医学图像来显示体腔的投影图像或横截面图像。例如，用户可通过选择显示在输出单元上的区域来选择正常区域和狭窄区域。
图像分析单元可识别医学图像中的体腔的直径，并基于体腔直径的变化来提取正常的体腔区域和狭窄的体腔区域。
测量单元可被配置为基于第一体腔值和第二体腔值之间的比较来确定第二体腔区域是否是狭窄的体腔区域。
换言之，两个体腔区域的亮度强度之间的线性组合的比较可被用于检测狭窄的体腔区域。
优选地，体腔是血管，诸如，冠状动脉。
设备还可包括用于接收医学图像的图像获取单元。
设备还可包括用于针对医学图像执行图像预处理的预处理器。
预处理器可接收医学图像，并从医学图像中去除钙区域、斑块区域和血管分支点中的至少一个。
根据本发明的一个或更多个实施例，一种处理体腔的医学图像的方法包括：从医学图像提取第一体腔区域的亮度强度和第二体腔区域的亮度强度并计算第一体腔值和第二体腔值，每个值被计算为相应区域的亮度强度的预定的线性组合，并比较第一体腔值和第二体腔值。
相同的优势和影响适用于上文针对根据本发明的设备描述的根据本发明的方法。具体地，可根据需要结合设备和方法的特征。
所述方法还可包括从医学图像中提取体腔的中心线。
所述方法还可包括：第一体腔区域在沿中心线的第一位置与体腔的中心线基本垂直，第二体腔区域在沿中心线的第二位置(与第一位置不同)与中心线基本垂直。
所述方法还可包括：医学图像是3D医学图像，并且所述方法还包括：从3D医学图像中提取在第一位置基本垂直于中心线的平面中的体腔的第一横截面图像和在第二位置基本垂直于中心线的平面中的体腔的第二横截面图像，并从第一横截面图像提取第一体腔区域的亮度强度，并从第二横截面图像提取第二体腔区域的亮度强度。
换言之，第一体腔区域与第一横截面图像相应，第二体腔区域与第二横截面图像相应。
所述方法还包括：医学图像是3D图像，并且，所述方法还包括通过把3D医学图像投影在具有基本垂直于体腔的中心线的法线的平面上来从3D图像中提取投影图像，并从投影图像中提取第一体腔区域和第二体腔区域的亮度强度。
换言之，第一体腔区域和第二体腔区域是投影图像的区域，优选地，不同的区域。
所述方法可包括：医学图像是与在具有基本垂直于体腔的中心线的发现的平面中的体腔的投影图像相应的2D医学图像，并且，所述方法还包括从投影图像中提取第一体腔区域和第二体腔区域的亮度强度。
同样地，针对最后的这个实施例，第一体腔区域和第二体腔区域是投影图像的区域，优选地，不同的区域。
所述方法还可包括：预定的线性组合是各个亮度强度的和。
所述方法还可包括：第一体腔区域是正常体腔区域，第二体腔区域是狭窄体腔区域，还包括基于第一体腔值和第二体腔值之间的比较产生狭窄体腔区域中的体腔的狭窄程度的测量。
所述方法可包括通过使用第一体腔值和第二体腔值之间的比值来产生狭窄程度的测量。
所述方法还可包括：产生狭窄程度的测量是通过使用第一体腔值和第二体腔值之间的差来执行的。
所述方法还可包括获取包括体腔的中心线的体腔的横截面图像。
所述方法还可包括获取通过将医学图像投影在垂直于体腔的中心线的方向而获得的CT投影图像。
所述方法还可包括获取通过分割医学图像中的体腔的区域而获得的图像。
医学图像可以是3D CT图像。
医学图像可包括在注入造影剂后通过多能量CT成像而取得的CT图像。
所述方法还可包括从由用户提供的输入中接收正常的区域和狭窄的区域。例如，所述方法包括从用户接收限定各个区域的参数，例如，坐标和/或尺寸参数。
所述方法可包括显示医学图像，并从用户接收显示的医学图像中的正常的体腔区域和狭窄的体腔区域。
所述方法还可包括识别医学图像中的体腔的直径，并基于体腔直径的变化来提取正常的体腔区域和狭窄的体腔区域。
所述方法还可基于第一体腔值和第二体腔值之间的比较来确定第二体腔区域是否是狭窄的体腔区域。
优选地，体腔是血管，诸如，冠状动脉。
所述方法还可包括接收医学图像，并对医学图像执行图像预处理。
对医学图像执行图像预处理可包括接收医学图像，并从医学图像中去除钙区域、斑块区域和血管分支点中的至少一个。
具体实施方式
通过参照下列对实施例和附图的详细描述，本发明的一个或更多个实施例的优势和特征以及实现所述优势和特征的方法可被更容易地理解。为此目的，本实施例可具有不同的形式，不应被理解为被限制于此处做出的描述。相反，这些实施例被提供，使得本公开详尽完整，将向本领域普通技术人员完整地传达本实施例的概念，本发明仅被所附权利要求书限定。在整个说明书中，类似的参考标号指代类似的元件。
以下，说明书中使用的术语将被简单限定，并且，实施例将被详细描述。
包括此处使用的描述性的术语或技术术语的所有术语应被理解为具有对于本领域普通技术人员而言显而易见的含义。但是，根据本领域普通技术人员的意图、先例或新技术的出现，术语可具有不同的含义。此外，一些术语可被申请人任意地选择，在这种情况下，选择的术语的含义将在本发明的详细说明中被描述。因此，此处术语的术语应基于术语的含义和整个说明书中的描述被限定。
当部件“包括”元件时，除非有与之相反的具体描述，所述部件可能还包括其它元件，不排除其它元件。此外，本发明实施例中的术语“单元”意指软件部件或硬件部件，诸如，现场可编程门阵列(FPGA)或专用集成电路(ASIC)，并且执行特定的功能。但是，术语“单元”不限于软件或硬件。“单元”可被形成在可寻址存储介质中，或可被形成，以操作一个或更多个处理器。因此，例如，术语“单元”可指诸如软件部件、面向对象的软件部件、类部件和任务部件的部件，并可包括进程、功能、属性、程序、子例程、程序代码段、驱动器、固件、微代码、电路、数据、数据库、数据结构、表、阵列或变量。由部件和“单元”提供的功能可与较小数量的部件和“单元”相关联，或可被划分为额外的部件和“单元”。
现在将详细参照实施例，实施例的示例在附图中示出。为此目的，本实施例可具有不同的形式，不应被理解为被限制于此处做出的描述。在以下描述中，熟知的功能或结构不作详细描述，因为他们在不必要的细节上模糊实施例。
诸如“...中的至少一个”的表达，当在元件列表之后时，修饰整个元件列表，并且不修饰列表中的单独的元件。
贯穿整个说明书，“图像”可意指由离散图像元素(例如，二维(2D)图像中的像素和三维(3D)图像中的体素)形成的多维数据。例如，图像可包括通过计算机断层扫描(CT)图像捕获设备捕获的对象的医学图像。
贯穿整个说明书，“CT图像”可意指通过对通过在CT图像捕获设备针对对象围绕至少一个轴旋转时拍摄对象而获得的多个X射线图像进行合成来产生的图像。
贯穿整个说明书，“对象”可包括人、动物或人或动物的部分。例如，对象可包括诸如肝脏、心脏、子宫、大脑、乳房、腹部等器官，或诸如血管的体腔。此外，对象可包括幻影。幻影意指具有非常接近生物体的密度和有效原子数的体积的物质，并可包括具有与身体类似的特征的球体幻影。
贯穿整个说明书，“用户”可以是(但不限于)包括医生、护士、医务化验师、医学图像专家、修理医疗设备的技术人员的医学专家。
由于CT系统能够提供对象的横截面图像，因此与一般X射线捕获设备相比，CT系统可表达对象的内部结构(例如，诸如肾脏、肺等的器官)而不会重叠。
CT系统每秒可获得几十至几百次厚度不超过2毫米的多个图像数据，然后可处理多个图像数据，使得CT系统可提供相对准确的对象的横截面图像。根据现有技术，只有对象的水平横截面图像可被获得，但是，由于各种图像重建方法，这个问题已被克服。3D图像重建方法的示例如下。
-表面遮盖显示(SSD)方法：SSD方法是仅显示具有预定的亨斯菲尔德单位(HU)值的体素的最初的3D成像方法。
-最大强度投影(MIP)/最小强度投影(MinIP)方法。MIP/MinIP方法是3D成像方法，仅显示构成图像的体素之中的具有最大或最小HU值的体素。
-体绘制(VR)方法：VR方法是能够根据感兴趣的区域来调节构成图像的体素的颜色和透射率的方法。
-虚拟内窥镜检查方法：所述方法允许在通过使用VR方法或SSD方法重建的3D图像中的内窥镜检查观察。
-多平面重建(MPR)方法：MPR方法被用于把图像重建为不同的横截面图像。用户可在每个需要的方向重建图像。
-编辑方法：所述方法涉及编辑邻近的体素，使得允许用户容易地观察体绘制中的感兴趣的区域。
-感兴趣的体素(VOI)方法：VOI方法仅显示体绘制中的选择的区域。
现在将参照图1描述根据本发明的实施例的CT系统100。CT系统100可包括具有多种形式的装置。
图1示意性地示出CT系统100。参照图1，CT系统100可包括机架102、桌台105、X射线生成单元106和X射线检测单元108。
机架102可包括X射线产生单元106和X射线检测单元108。
对象10可被定位在桌台105上。
在CT成像过程中，桌台105可在预定的方向(例如，上下-右左方向中的至少一个)上运动。此外，桌台105可在预定的方向上倾斜或旋转预定的角度。
机架102也可在预定的方向上倾斜预定的角度。
图2是示出CT系统100的结构的示图。
CT系统100可包括机架102、桌台105、控制单元118、储存单元124、图像处理单元126、输入单元128、显示单元130和通信单元132。
如上所述，对象10可被定位在桌台105上。在本实施例中，桌台105可在预定的方向(例如，上下-右左方向中的至少一个)上运动，并且，桌台105的运动可由控制单元118控制。
机架102可包括旋转架104、X射线产生单元106、X射线检测单元108、旋转驱动单元110、数据获取系统(DAS)116和数据传输单元120。
机架102可包括具有能够针对预定的旋转轴RA旋转的环形的旋转架104。此外，旋转架104可具有盘形。
旋转架104可包括彼此相对的X射线产生单元106和X射线检测单元108，以具有预定的视场(FOV)。旋转架104还可包括防散射栅格114。防散射栅格114可被定位在X射线产生单元106和X射线检测单元108之间。
在医学成像系统中，到达检测器(或感光膜)的X射线辐射不仅包括形成有价值的图像的衰减的初级辐射，还包括劣化图像质量的散射辐射。为了发送初级辐射并衰减散射辐射，防散射栅格114可被定位在患者和检测器(或感光膜)之间。
例如，防散射栅格114可通过交替堆叠铅箔片和间隔材料(诸如，固体高分子材料、固体聚合物或纤维复合材料)而形成。但是，防散射栅格114的形成不限于此。
旋转架104可从旋转驱动单元110接收驱动信号，并可使X射线产生单元106和X射线检测单元108以预定的选择速度旋转。当旋转架104通过滑环(未示出)接触旋转驱动单元110时，旋转架104可从旋转驱动单元110接收驱动信号和电力。此外，旋转架104可通过无线通信从旋转驱动单元110接收驱动信号和电力。
X射线产生单元106可从电源分配单元(PDU)(未示出)经由滑环(未示出)然后通过高压生产单元(未示出)接收电压和电流，然后可产生并释放X射线。当高压产生单元向X射线产生单元106施加预定的电压(下文称为管电压)时，X射线产生单元106可产生具有与管电压相应的多个能量谱的X射线。
由于准直器112，由X射线产生单元106产生的X射线可具有预定的形式，然后可被发射。
当X射线检测单元108与X射线产生单元106相对时，X射线检测单元108可被定位。X射线检测单元108可包括多个X射线检测装置。多个X射线检测装置中的每个可建立一个信道，但是本发明的一个或更多个实施例不限于此。
X射线检测单元108可检测由X射线产生单元106产生并经由对象10发送的X射线，并可产生与检测出的X射线的强度相应的电信号。
X射线检测单元108可包括用于检测把辐射转换成光以后的辐射的间接型X射线检测器，以及用于检测把辐射直接转换成电荷后的辐射的直接型X射线检测器。间接型X射线检测器可使用闪烁器。此外，直接型X射线检测器可使用光子计数检测器。DAS 116可被连接到X射线检测单元108。由X射线检测单元108产生的电信号可被DAS 116有线地或无线地收集。此外，由X射线检测单元108产生的电子信号可通过放大器(未示出)被提供到模数转换器(未示出)。
根据切片厚度或切片的数目，仅由X射线检测单元108收集的多个数据中的一些可通过数据传输单元120被提供到图像处理单元126，或图像处理单元126仅可选择多个数据中的一些。
数字信号可通过数据传输单元120被提供到图像处理单元126。数字信号可被有线地或无线地提供到图像处理单元126。
控制单元118可控制CT系统100中的每个模块的操作。例如，控制单元118可控制桌台105、旋转驱动单元110、准直器112、DAS 116、存储单元124、图像处理单元126、输入单元128、显示单元130、通信单元132等的操作。
图像处理单元126可通过数据传输单元120接收从DAS 116获得的数据(例如，处理操作之前的纯数据)，并可执行预处理。
预处理可包括校正信道之间灵敏度不规则的处理、对由于信号强度的迅速下降或诸如金属等的X射线吸收材料导致的信号损失进行校正的处理。
从图形处理单元126输出的数据可被称为原始数据或投影数据。投影数据和在获得数据的过程中的图像捕获条件(例如，管电压、图像捕获角度等)可一起被储存在存储单元124。
投影数据可以是与通过对象10的X射线的强度相应的一组数据值。为方便描述，假设按照相同的图像捕获角度同时从所有信道获得的一组多个投影数据被称为投影数据集合。
存储单元124可包括闪速存储器型存储介质、硬盘型存储介质、多媒体卡微型存储介质、卡型存储器(例如，SD卡、XD存储器等)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)磁存储器、磁盘和光盘之中的至少一个存储介质。
图像处理单元126可通过使用投影数据集合重建针对对象10的横截面图像。横截面图像可以是3D图像。换言之，图像处理单元126可通过使用锥束重建法等基于投影数据集合来重建对象10的3D图像。
输入单元128可接收针对X射线断层扫描成像条件、图像处理条件等的外部输入。例如，X射线断层扫描成像条件可包括管电压、针对多个X射线的能量值设定、对图像捕获协议的选择、对图像重建方法的选择、FOV区域的设定、切片的数目、切片厚度、针对图像后处理的参数设定等。此外，图像处理条件可包括图像的分辨率、针对图像的衰减系数设定、图像组合率的设定等。
输入单元128可包括用于从外部源接收预定的输入的装置。例如，输入单元128可包括麦克风、键盘、鼠标、操纵杆、触摸板、触摸笔、语音识别装置、手势识别装置等。
显示单元130可显示由图像处理单元126重建的X射线断层扫描图像。
前述元件之间数据、电压等的交换可通过使用有线通信、无线通信和光通信中的至少一个来执行。
通信单元132可通过服务器134等来执行与外部装置、外部医疗设备等的通信。现在将参照图3描述通信。
图3是示出通信单元132的结构的示图。
通信单元132可被有线地或无线地连接到网络301，从而可执行与服务器134、外部医疗设备136或外部便携装置138的通信。通信单元132可与医院服务器或通过图像存档和通信系统(PACS)连接的医院的其它医疗设备交换数据。此外，通信单元132可根据数字成像和通信医学(DICOM)标准来执行与便携装置138等的数据通信。
通信单元132可通过网络301来发送并接收与对象10的诊断相关的数据。此外，通信单元132可发送并接收从医疗设备136(诸如，磁共振成像(MRI)设备、X射线设备等)获得的医学图像。
此外，通信单元132可从服务器134接收关于病人的诊断记录或医疗日程，并把诊断记录或医疗日程用在病人的临床诊断中。此外，通信单元132不仅可执行与服务器134或医院中的医疗设备136的数据通信，还可执行与用户或病人的便携装置138的通信。
此外，通信单元132可通过网络301向系统管理器或服务管理器发送关于装置错误的信息、关于质量控制状态的信息等，并可接收与该信息相应的反馈。
图4示出心脏的CT图像400。
参照图4，CT图像400是通过使用图2的CT系统100捕获心脏(其中，心脏是将被成像的对象)而获取的3D图像。
心脏疾病的代表性示例包括心律失常和心血管疾病。心血管疾病代表性地包括可导致严重疾病(诸如，心肌梗死、心律不齐和心绞痛)的冠状动脉狭窄。因此，冠状动脉狭窄的处理涉及准确诊断并扩大或去除狭窄的血管。
为此目的，诸如CT图像的医学图像应被分析以检测狭窄血管，并准确测量血管的狭窄程度。
诸如医生的用户可通过参照心脏的CT图像400来诊断冠状动脉410的狭窄程度。详细地说，用户可在CT图像400中检测冠状动脉发生狭窄的位置，并测量冠状动脉410的位置的狭窄程度。
图5A至图5D是用于解释根据现有技术的通过使用X射线造影来测量冠状动脉的狭窄程度的方法的示图。
图5A示出狭窄的血管的横截面520。图5B至图5D示出狭窄的血管的纵截面。
参照图5A，狭窄的血管的横截面520具有与正常血管的横截面510相比减小的尺寸。
一般而言，获取狭窄的血管的位置的步骤包括在CT图像中分割包含冠状动脉的图像，指定分割的图像中狭窄发生的位置，并测量血管的直径和冠状动脉的狭窄程度。
在传统X射线造影中，通过使用等式540来测量冠状动脉的狭窄程度，其中，dr和dm分别是正常血管的直径和狭窄的血管的直径，Sd是指示狭窄程度的值。
详细地说，狭窄的血管的直径dm在狭窄的血管的横截面的图像中被测量，通过把狭窄的血管的直径dm与正常血管的直径dr的比值转换为百分比得到的值被用作指示冠状动脉的狭窄程度的值Sd。
狭窄的血管和正常血管的直径会根据测量参考线而不同。具体地说，当线531被用作测量参考线时，dm1和dr1分别是测量的狭窄的血管和正常血管的直径。当线532被用作测量参考线时，dm2和dr2分别是测量的狭窄的血管和正常血管的直径。当线533被用作测量参考线时，dm3和dr3分别是测量的狭窄的血管和正常血管的直径。
图5B至图5D示出当线531至线533分别被用作测量参考线时狭窄的血管的纵截面。
在使用常规X射线造影来测量血管的狭窄程度的方法中，图像的分辨率不够高，无法准确分割每个薄血管。此外，由于血管在成像期间持续运动，运动会导致出现运动伪影。因此，当使用常规X射线造影时，正常血管和狭窄血管直径测量的准确性低。
以下，将参照图6至图14详细描述根据本发明实施例的用于处理医学图像的设备和方法。
图6是根据本发明示例性实施例的用于处理医学图像的设备600的示图。
参照图6，根据本实施例的设备600包括图像分析单元610和测量单元630。设备600可具有与图2中的CT系统的图2中的图像处理器126的配置或通过网络301连接到图2中的CT系统100的图3中的外部医疗装置136的配置类似的设置。
设备600还可包括输入和输出(I/O)单元650。I/O单元650可具有与以上参照图2描述的输入单元128和显示单元130相同的配置。
因此，与已经关于图2呈现的相同描述被省略。
以下假设三维(3D)CT图像作为医学图像被输入，并且，使用3D CT图像测量冠状动脉的狭窄程度。可选地，医学图像可以是二维(2D)CT图像。
医学图像可以是在把造影剂注入到血管中以后通过多能量CT成像获取的CT图像。
图像分析单元610从医学图像中获取与血管的部分相应的第一图像。
详细地说，图像分析单元610可在医学图像中分割血管的部分。为了测量血管的狭窄程度，根据本实施例的设备600被配置为在测量包含在分割的图像中的血管的狭窄程度之前分割包含血管的区域的图像。但是，分割图像是可选的。
第一图像可以是清楚地显示血管的区域的任何图像。具体地说，第一图像可以是通过从医学图像中分割血管的区域而获得的图像。第一图像还可以是包括血管的中心线的血管的纵截面图像。第一图像还可以是通过把3D CT图像投影在法线垂直于血管的中心线的平面上而获得的CT投影图像。
图7是用于解释由图像分析单元610执行的分割的示图。
详细地说，图像分析单元610在通过X射线照射获得的3D CT图像400中分割出包含血管的部分的图像。图7示出分割的图像700。
第一图像可包括分割的图像700。
测量单元630通过使用第一图像获取与狭窄的血管区域和正常血管区域的亮度强度相应的第一信息，并基于第一信息产生指示血管的狭窄程度的第二信息。
图像分析单元610还可从医学图像中的血管的部分提取血管的中心线。
图像分析单元610还可执行图像预处理，以便更准确地从医学图像中提取血管的中心线，并获取以下详细描述的第一信息。详细地说，图像分析单元610可去除包含在接收的医学图像中的钙区域、斑块区域和血管分支点中的至少一个。
将参照图8至图10更详细描述获取第一图像和从第一图像获取第一信息的操作。
详细地说，第一图像可以是包括血管的中心线的血管的纵截面图像。例如，血管的横截面图像可以是下文参照图8详细描述的曲面重建(CPR)图像。
第一图像还可以是通过在具有垂直于血管的中心线的法线的平面上投影而获取的CT投影图像。具体地，第一图像可以是通过把3D CT图像投影到平行于血管的中心线的垂直矢量的方向上而获取的CT投影图像。
此外，如果在注入造影剂之后通过多能量CT成像获取的3D CT图像(下文称为多能量CT图像)被输入为医学图像，则第一图像可以是显示血管的部分的多能量CT图像的一部分，用于多能量CT图像的投影图像或显示血管的横截面的多能量CT图像的一部分。下文将参照图9详细描述多能量CT图像。
此外，第一信息与来自第一图像中的正常血管区域和狭窄血管区域中的每个的图像信号的强度值相应。例如，图像信号的强度值可以是与每个像素相应的图像信号的幅度、图像中每个像素的亮度值或为了产生图像而施加在每个像素上的电压。
测量单元630从第一图像获取与血管的正常区域和狭窄区域的亮度强度相应的第一信息，并通过使用第一信息来产生指示血管狭窄程度的第二信息。现在将参照图8至图10详细描述从第一信息产生第二信息的操作。
图8A和图8B是用于解释图6的设备中的图像分析单元610的操作的示图。
图8A示出横截面CT图像810。详细地说，横截面CT图像810是通过对心脏的冠状动脉成像而获得的。图8B示出垂直于血管的中心线(图8A中的830)的血管的横截面图像860。横截面CT图像810显示沿与血管区域相应的第一图像中的血管的中心线截取的横截面。
图像分析单元610可从第一图像中获取血管的正常区域和狭窄区域。
详细地，正常血管和狭窄血管的位置可由用户指定，并通过I/O单元650从用户输入。可选地，图像分析单元610可自动提取正常血管和狭窄血管的位置。
例如，I/O单元650可包括参照图2描述的输入单元128和显示单元129。I/O单元650可显示第一图像，并从用户接收第一图像中的血管的正常区域和狭窄区域。然后，图像分析单元610可通过I/O单元650接收血管输入的正常区域和狭窄区域。
可选地，图像分析单元610可追踪第一图像中的血管直径，并基于血管的直径的变化自动提取正常血管区域和狭窄血管区域。
详细地说，如参考标号842所指示，当血管的狭窄出现时，在发生狭窄的血管的部分处，血管的直径减小然后再增加。因此，图像分析单元610可追踪血管的直径以提取发生狭窄的至少一个区域。详细地说，图像分析单元610可追踪血管的直径以提取血管的直径保持不变的区域作为正常血管区域。另一方面，如果在特定区域中血管的直径减小至超过预定值然后再增加，则图像分析单元610可提取具有最小直径的血管的位置作为狭窄的血管区域。
参照图8A，用户可解释显示在I/O单元650上的横截面CT图像810，并通过I/O单元650来指定血管的正常区域841和狭窄区域842的位置。然后，图像分析单元610可从I/O单元650中接收关于指定的位置的信息。
此外，图像分析单元610可输出用户界面屏幕(其中，在所述用户界面屏幕上，自动提取的点被指示在横截面CT图像810中)，从而使得用户容易地识别狭窄发生的点，并选择提取的点中的至少一个作为狭窄血管区域的位置。
图8B示出垂直于血管的中心线830的血管的狭窄区域880的横截面图像860。
从图8B中显而易见，横截面图像860显示狭窄区域880的变形。血管的狭窄区域880具有比正常区域870的直径和面积小的直径和面积。
如图8A和图8B所示，在CT图像或CT投影图像中，血管显得亮而邻近血管的组织显得暗。
图9是用于解释图像分析单元610的操作的另一示图。
具体地，图9示出把造影剂注入身体之后使用多能量CT成像获取的多能量CT图像900。当造影剂被注入到身体用于多能量CT成像时，血管的部分可变得在图像中清晰可见。也就是说，在注入造影剂之后通过多能量CT成像获得的CT图像可清楚地呈现在被成像的身体的部分中的血管的位置、形状和尺寸(dimension)。在注入造影剂后获得的CT图像在下文中可被称为血管图或碘图。
参照图9，通过使用造影剂而获得的多能量CT图像900比不使用造影剂获得的一般CT图像将血管边界展示得更清楚。因此，图像分析单元610可通过使用多能量CT图像900来准确获取血管的正常区域和狭窄区域的位置。
此外，发生狭窄并沿血管的中心线920截取的区域930的横截面的图像可被用于获取第一信息的后续处理。
图10是用于解释在图6的设备600中的测量单元630的操作的另一示图。
测量单元630通过使用第一图像中的图像信号的强度值来测量血管的狭窄程度。如上所述，来自血管区域和非血管区域的图像信号的强度值彼此不同。也就是说，血管区域显得亮而邻近血管的组织显得暗。因此，基于此原则，设备600被配置为通过使用图像中的图像信号的强度值来测量血管的狭窄程度。
详细地说，测量单元630从第一图像获取与亮度强度相应的第一信息。
再次参照图8，在横截面CT图像810中，第一信息与垂直于血管的中心线的血管的正常区域841和狭窄区域842的图像亮度值相应。尽管正常区域841和狭窄区域842通过图8中的线分别被指示，他们可以是具有预定尺寸的区段。线的长度和图像亮度值(例如，像素或体素值)的数目可被预定，即，针对正常区域和狭窄区域相同。
第一信息包括用于正常区域和狭窄区域中的每个的与各个区域的亮度值的线性组合相应的值。线性组合包括至少两个亮度值的线性组合。所述值由测量单元630计算。
在所示的实施例中，第一信息可包括与狭窄血管区域相应的第一累积值和与正常血管区域相应的第二累积值。
第一累积值通过累积第一图像中垂直于血管的中心线830的狭窄血管区域的第一部分的图像亮度值而获得。
第二累积值通过累积第一图像中垂直于血管的中心线830的正常血管区域的第二部分的图像亮度值而获得。
测量单元630可通过使用第一累积值和第二累积值来获取第二信息。例如，测量单元630计算第一累积值和第二累积值的比值或第一累积值和第二累积值之间的差以量化狭窄体腔区域中的体腔的狭窄程度。
图10示出测量单元630通过使用图8所示的横截面CT图像810来计算第一累积值和第二累积值的示例。此外，测量单元630可通过使用通过不同亮度强度(即，图像信号的强度值)来表示血管和除血管以外的组织的所有医学图像(诸如，分割的图像700、横截面CT图像810、CT投影图像或在造影剂被注入之后通过多能量CT成像获得的多能量CT图像900)，来获取第一信息。除了第一累积值和第二累积值之外，能代表图像信号的强度的所有值可被用作第一信息。图10中示出的亮度强度图1010和1020也可被用作第一信息。
现在将参照图10更具体地描述在测量单元630中获取第二信息的操作。
图10示出分别显示图8中所示血管的正常区域841和狭窄区域842的亮度强度的亮度强度图1010和1020。在亮度强度图1010和1020中，横轴表示沿正常区域841和狭窄区域842的位置和图8中指示正常区域841和狭窄区域842的线。纵坐标表示正常区域841和狭窄区域842处的由线表示的图像信号的强度值(即，亮度强度)。
如上所述，CT图像、血管的横截面图像、CT投影图像或在注入造影剂后获得的多能量CT图像把血管内的区域显示为亮区域，把血管外部的组织显示为暗区域。换言之，在第一图像中，血管区域中的图像信号的强度值增加而非血管区域的图像信号的强度值减小。
当然，可选地，图像可被显示为负图像，在这种情况下，亮区域将在血管内，暗区域将是血管外部的组织。
参照图10，亮度强度图1010和1020中的每个在通过血管的中心线的血管的中心Vc具有最大亮度强度。
在图10所示的等式1030中，Pnormal和Pstenosis表示分别对应于表示血管的正常区域841和狭窄区域842的亮度强度的亮度强度曲线图1010和1020的函数。R和i分别指示包括血管的预定的区域和包括在预定区域R中的图像信号的强度值。预定的区域R可包括在与图8所示的血管的正常区域841或狭窄区域842的位置相应的线上的所有点，或包括血管的正常区域841和狭窄区域842。
具体地说，在等式1030中，1041指示通过对垂直于血管的中心线830的血管的正常区域841的亮度值进行累积或求和而获取的第二累积值。1042指示通过对垂直于血管的中心线830的血管的狭窄区域841的亮度值进行累积或求和而获取的第一累积值。
换言之，可通过对遍及包括血管的狭窄区域的预定区域(例如，842)的图像信号的强度值进行整合来获得第一累积值。类似地，可通过对遍及包括血管的正常区域的预定的区域(例如，841)的图像信号的强度值进行整合来获得第二累积值。
测量单元630可通过使用第一累积值和第二累积值来获取第二信息。详细地说，如图10中的等式1030所限定，测量单元630可基于第一累积值和第二累积值之间的比值来产生第二信息。可选地，测量单元630可通过使用第一累积值和第二累积值之间的差来产生第二信息。
除了第一累积值和第二累积值之间的比值或差之外，测量单元630还可通过使用可被用于比较或对比正常血管区域和狭窄血管区域的信号强度值的所有类型的信息来产生第二信息。
测量单元630计算的第二信息可通过I/O单元650被输出，使得用户可识别第二信息。然后，用户可基于第二信息来检测血管的狭窄程度。
以上示例描述了基于图像(其中，血管的中心线可见，即，中心线的纵向延伸可见)获取正常区域和狭窄区域的强度。但是，根据本发明，可选地，强度可从如图8B所示的血管的横截面的图像中获得。在所述实施例中，从3D医学图像数据中获得两个横截面。第一横截面与正常血管区域相应，第二横截面与狭窄的血管横截面相应。沿垂直于血管的中心线的平面截取横截面。图8B显示狭窄的血管区域的横截面。在所述实施例中，第二信息可通过获得横截面图像的强度(即，像素值)的和或加权和来获得。狭窄的血管区域(图8B)的横截面的像素的和或加权和一般将小于正常血管区域的横截面图像的像素的和。第二信息可包括所述两个区域的计算的和或加权和的比值或差。
图11是根据本发明另一示例性实施例的用于处理医学图像的设备1100的框图。
参照图11，根据本实施例的设备1100包括图像分析单元1170、测量单元1180和I/O单元1105。设备1100中的图像分析单元1170、测量单元1180和I/O单元1105可具有与图6中的设备600中的对应部件基本相同的配置和功能。因此,与关于图2的呈现的描述相同的描述不再重复。
参照图11，图像分析单元1170包括图像获取单元1110、预处理器1115、血管位置获取单元1120和血管中心线提取器1130。测量单元1180包括信息获取单元1140和测量单元1150。血管位置获取单元1120可包括正常位置获取单元1121和狭窄位置获取单元1122。
图像获取单元1110接收医学图像作为输入。具体地说，图像获取单元1110可通过使用由DAS(图2中的116)获取的电信号来重建3D CT图像，或从外部接收重建的CT图像。图像获取单元1110还从医学图像中获取与血管的部分相应的第一图像。
预处理器1110对由图像获取单元1110获取的医学图像执行图像预处理。具体地，预处理器1110可去除包含在医学图像或第一图像中的钙区域、斑块区域和血管分支点中的至少一个。
血管位置获取单元1120从第一图像中获取血管的正常区域和狭窄区域。
具体地说，正常位置获取单元1121和狭窄位置获取单元1122分别从第一图像获取血管的正常区域和狭窄区域。
血管位置获取单元1120分割CT图像中的血管的部分，获取第一图像，并从第一图像中获取血管的正常区域和狭窄区域。血管位置获取单元1120还可从CT投影图像或血管中心线的横截面图像获取血管的正常区域和狭窄区域。
如上所述，血管的正常区域和狭窄区域可根据用户输入被自动获取或手动获取。
血管中心线提取器1130从医学图像中提取血管的中心线。
信息获取单元1140获取与第一图像中垂直于血管的中心线的血管的正常区域和狭窄区域中的每个的亮度强度相应的第一信息。更具体地，第一信息可包括上述第一累积值和第二累积值。
测量单元1150基于由信息获取单元1140获取的第一信息来产生指示血管的狭窄程度的第二信息。
图12是根据本发明另一示例性实施例的用于处理医学图像的设备1200的框图。
在根据本实施例的设备1200中，I/O单元1205、图像获取单元1210、预处理器1215、血管位置获取单元1220、血管中心线提取器1230、信息获取单元1240和测量单元1250可具有与在图11中的设备1100中的对应部件相同的配置和功能。因此，与已经描述的关于图6和图11的相同描述不再重复。
参照图12，设备1200与设备1100的不同在于设备1200还可包括血管图创建器1260。
血管图创建器1260可从外部接收血管图或通过使用由图像获取单元1210获取的医学图像来创建血管图。具体地说，血管图创建器1260可在注入造影剂之后通过使用多能量CT成像产生CT图像。
设备1200与图11的设备1100的区别还在于设备1200通过使用多能量CT图像产生第一信息。其余的结构和操作与设备1110的结构和操作相同。
图13是根据本发明示例性实施例的处理医学图像的方法1300的流程图。
根据本实施例的方法1300具有与根据本发明实施例的用于处理医学图像的设备600、1100和1200相同的技术构思。因此，与已经描述的关于图1至图12的相同描述不再重复。现在将参照图6至图13来描述方法1300。
参照图13，通过发射辐射(1310)从医学图像获取与血管的部分相应的第一图像。操作1310可由图像分析单元610执行。医学图像可以是3D CT图像。医学图像还可以是在注射造影剂之后通过多能量CT成像获得的多能量CT图像。
从第一图像(1320)获取与血管的正常区域和狭窄区域的亮度强度相应的第一信息。操作1320可由图像测量单元630执行。在操作1320中，亮度强度可以是图像中的图像信号的强度值。
具体地说，第一累积值可通过累积第一图像中的图像亮度值来获取。第二累积值也可通过累积第一图像中的血管的正常区域的亮度值来获取。
通过使用在操作1320(1330)中获取的第一信息来产生指示血管的狭窄程度的第二信息。操作1330可由图像测量单元630执行。例如，可通过使用第一累积值和第二累积值之间的比值来产生第二信息。
图14是根据本发明另一示例性实施例的处理医学图像的方法1400的流程图。
根据本实施例的方法1400具有与根据本发明实施例的用于处理医学图像的设备600、1100和1200相同的技术构思。因此，与已经呈现的关于图1至图12的相同描述不再重复。现在将参照图6和图14来描述方法1400。
3D医学图像被接收(S1410)。操作1410可由图像分析单元610执行。
在接收的3D医学图像上执行图像预处理(1420)。操作1420可由图像分析单元610执行。
从接收的医学图像中的血管的部分提取血管的中心线(1440)。操作1440可由图像分析单元610执行。
从预处理的3D医学图像中获取与血管的部分相应的第一图像(1450)。操作1450可由图像分析单元610执行。在这种情况下，第一图像可以是清楚地显示发生狭窄的血管和将被测量的血管的狭窄程度的图像。具体地说，可通过在垂直于血管的中心线的方向上投影血管的部分的医学图像来获取CT投影图像作为第一图像。可选地，可通过沿与血管的部分相应的医学图像中的血管的中心线进行剪切来获取包含血管的中心线的横截面图像作为第一图像。
从3D医学图像中获取血管的正常区域和狭窄区域(S1460)。操作S1460可由图像分析单元610执行。如上所述，血管的正常区域和狭窄区域可由图像分析单元610自动获取或根据用户的指示手动获取。
获取与图像在血管的正常区域和狭窄区域中的每个的亮度强度相应的第一信息(1470)。操作1470可由图像测量单元630执行。详细地说，第一信息可以是与血管的正常区域和狭窄区域中的每个的图像信号的强度值相应的信息。
具体地说，第一累积值通过累积第一图像中垂直于血管中心线的狭窄血管区域的部分的图像亮度值而获取(1471)。第二累积值也通过累积第一图像中垂直于血管中心线的正常血管区域的部分的图像亮度值而获取(1472)。
通过使用在操作1470(1480)中获取的第一信息来产生指示血管的狭窄程度的第二信息。操作1480可由图像测量单元630执行。
具体地说，可通过使用第二累积值和第一累积值之间的比值或其差来产生第二信息。
尽管图14中未示出，但是方法1400还可包括向用户显示第二信息。操作可由I/O单元650执行。此外，第二信息和第一图像可一起被显示在相同的屏幕上。
如上所述，根据本发明一个或更多个实施例的用于处理医学图像的设备和方法可适用于通过使用垂直于血管的中心线的横截面图像的亮度强度来准确测量血管的狭窄程度。
在测量血管的狭窄程度的常规方法中，由于CT图像的分辨率低，正常血管和狭窄血管的直径测量的准确度低。具体地说，尽管CT图像中的图像信号的强度值对应于0.7mm，但是冠状动脉具有约2毫米至3毫米的直径。因此，难以准确分割血管的狭窄区域，并测量血管的直径。
另一方面，根据本发明的一个或更多个实施例的用于处理医学图像的设备和方法可被用于基于垂直于血管的中心线的横截面图像的亮度强度来测量血管的狭窄程度，因此允许准确测量CT图像中的血管的狭窄程度。具体地说，通过对血管的横截面图像的亮度值进行累积或求和而获得的值几乎不受CT图像的分辨率的影响。因此，如果基于在横截面图像内的血管的区域的亮度值的和来测量血管的狭窄程度，则即使在低分辨率的CT图像中也可能准确测量血管的狭窄程度。
在上述实施例中，测量单元被配置为量化在狭窄区域中的体腔的狭窄程度。额外地或可选地，设备可追踪沿中心线的不同区域的线性组合的值，并且可基于计算的值的变化检测狭窄区域。
具体地说，当发生血管狭窄时，狭窄区域中的亮度强度的线性组合的值将不同于正常区域(即，没有狭窄的区域)的值。图像分析单元610或测量单元630可计算血管的不同区域的线性组合的值，以提取发生狭窄的至少一个区域。具体地说，设备可确定计算的值保持与正常血管区域基本相同的区域。另一方面，如果区域的计算的值与临近区域的值的差为预定的分数，则设备可提取所述区域作为狭窄血管区域。换言之，第一体腔值和第二体腔值之间的比较可被用于检测狭窄区域和正常区域。结果，可基于狭窄区域和正常区域的计算的值来对检测出的狭窄区域的狭窄程度进行量化。本发明的上述实施例可被记录在能在计算机上被执行的程序中，并通过可使用计算机可读记录介质运行程序的通用数字计算机来实施。
计算机可读记录介质的示例包括诸如磁存储介质(例如，ROM、软盘、硬盘等)、光记录介质(例如，CD-ROM或DVD)和载波(例如，通过因特网的传输)的记录介质。
尽管已经参照附图描述了本发明的一个或多个实施例，本领域普通技术人员应理解：在不脱离权利要求限定的本发明的范围的前提下，可在此做出各种形式和细节上的改变。因此，应理解：应仅在描述性意义上考虑此处描述的示例性实施例而不是为了限制的目的。

Claims (20)

1.一种用于处理体腔的医学图像的设备，所述设备包括：
图像分析单元，被配置为从医学图像中提取医学图像的第一体腔区域的亮度强度和医学图像的第二体腔区域的亮度强度，以及
测量单元，被配置为计算第一体腔值和第二体腔值，其中，每个值被计算为相应区域的亮度强度的预定的线性组合，并比较第一体腔值和第二体腔值。
2.如权利要求1所述的设备，其中，图像分析单元被配置为从医学图像中提取体腔的中心线，并且，第一体腔区域在沿中心线的第一位置基本垂直于体腔的中心线，第二体腔区域在沿中心线的不同于第一位置的第二位置基本垂直于中心线。
3.如权利要求2所述的设备，其中，医学图像是3D医学图像，并且，图像分析单元被配置为通过把医学图像投影在具有基本上垂直于体腔的中心线的法线的平面上来从3D医学图像中提取投影图像，并且图像分析单元被配置为从所述投影图像提取第一体腔区域的亮度强度和第二体腔区域的亮度强度。
4.如权利要求2所述的设备，其中，医学图像是与在具有基本垂直于体腔的中心线的法线的平面中的体腔的投影图像相应的2D医学图像，并且，图像分析单元被配置为从所述投影图像中提取第一体腔区域的亮度强度和第二体腔区域的亮度强度。
5.如权利要求2所述的设备，其中，医学图像是3D医学图像，并且，图像分析单元被配置为从3D医学图像中提取在第一位置基本垂直于中心线的平面中的体腔的第一横截面图像和在第二位置基本垂直于中心线的平面中的体腔的第二横截面图像，并且，图像分析单元进一步被配置为从所述第一横截面图像提取第一体腔区域的亮度强度，并从所述第二横截面图像提取第二体腔区域的亮度强度。
6.如任一前述权利要求所述的设备，其中，所述预定的线性组合是各个亮度强度的和。
7.如任一前述权利要求所述的设备，其中，第一体腔区域与正常体腔区域相应，第二体腔区域与狭窄体腔区域相应，并且，测量单元被配置为基于第一体腔值和第二体腔值之间的比较来产生狭窄区域中的体腔的狭窄程度的测量。
8.如权利要求7所述的设备，其中，测量单元被配置为通过使用第一体腔值和第二体腔值之间的比值来产生狭窄程度的测量。
9.如权利要求7所述的设备，其中，测量单元被配置为通过使用第一体腔值和第二体腔值之间的差来产生狭窄程度的测量。
10.如权利要求7、8或9所述的设备，还包括：输入单元，被配置为从用户接收正常的体腔区域和狭窄的体腔区域。
11.如权利要求7、8或9所述的设备，其中，图像分析单元被配置为基于医学图像识别体腔的直径，并基于体腔直径的变化来提取正常的体腔区域和狭窄的体腔区域。
12.如权利要求1-9中的任一权利要求所述的设备，其中，测量单元被配置为基于第一体腔值和第二体腔值之间的比较来确定第二体腔区域是否是狭窄的体腔区域。
13.如任一前述权利要求所述的设备，其中，医学图像是计算机断层扫描(CT)图像，优选为在注射造影剂之后通过多能量CT捕获而获得的CT图像。
14.如任一前述权利要求所述的设备，其中，体腔是血管，优选为冠状动脉。
15.一种用于处理体腔的医学图像的方法，所述方法包括：
从医学图像中提取医学图像的第一体腔区域的亮度强度和第二体腔区域的亮度强度；
计算第一体腔值和第二体腔值，其中，每个值被计算为相应区域的亮度强度的预定的线性组合；以及
比较第一体腔值和第二体腔值。
16.如权利要求15所述的方法，还包括：从体腔的区域提取体腔的中心线，其中，第一体腔区域在沿中心线的第一位置基本垂直于体腔的中心线，第二体腔区域在沿中心线的不同于第一位置的第二位置基本垂直于中心线。
17.如权利要求16所述的方法，其中，医学图像是3D医学图像，并且，所述方法还包括：通过把医学图像投影在具有基本垂直于体腔的中心线的法线的平面上来从3D医学图像中提取投影图像，并从所述投影图像中提取第一体腔区域的亮度强度和第二体腔区域的亮度强度。
18.如权利要求16所述的方法，其中，医学图像是与在具有基本垂直于体腔的中心线的法线的平面中的体腔的投影图像相应的2D医学图像，并且，所述方法还包括从所述投影图像中提取第一体腔区域的亮度强度和第二体腔区域的亮度强度。
19.如权利要求16所述的方法，其中，医学图像是3D医学图像，并且所述方法还包括从3D医学图像中提取在第一位置基本垂直于中心线的平面中的体腔的第一横截面图像并提取在第二位置基本垂直于中心线的平面中的体腔的第二横截面图像，并从所述第一横截面图像提取第一体腔区域的亮度强度，并从所述第二横截面图像提取第二体腔区域的亮度强度。
20.如权利要求15至权利要求19中的任一权利要求所述的方法，其中，所述预定的线性组合是各个亮度强度的和。
CN201480073766.0A 2013-11-21 2014-11-21 用于处理体腔的医学图像的设备和方法 Expired - Fee Related CN105934199B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020130142332A KR101578770B1 (ko) 2013-11-21 2013-11-21 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법
KR10-2013-0142332 2013-11-21
PCT/KR2014/011242 WO2015076607A1 (en) 2013-11-21 2014-11-21 Apparatus and method for processing a medical image of a body lumen

Publications (2)

Publication Number Publication Date
CN105934199A true CN105934199A (zh) 2016-09-07
CN105934199B CN105934199B (zh) 2019-04-16

Family

ID=52020948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480073766.0A Expired - Fee Related CN105934199B (zh) 2013-11-21 2014-11-21 用于处理体腔的医学图像的设备和方法

Country Status (5)

Country Link
US (1) US10098602B2 (zh)
EP (1) EP2875781B1 (zh)
KR (1) KR101578770B1 (zh)
CN (1) CN105934199B (zh)
WO (1) WO2015076607A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108451540A (zh) * 2017-02-17 2018-08-28 深圳先进技术研究院 一种血流储备分数测量方法和装置
CN109493323A (zh) * 2018-10-22 2019-03-19 北京师范大学 基于截面形变几何信息的冠脉狭窄双重判定方法
CN110223271A (zh) * 2019-04-30 2019-09-10 深圳市阅影科技有限公司 血管图像的自动水平集分割方法及装置
CN111862312A (zh) * 2020-07-20 2020-10-30 上海市第六人民医院 一种脑部血管显示装置及方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015118423A1 (en) * 2014-02-04 2015-08-13 Koninklijke Philips N.V. Visualization of depth and position of blood vessels and robot guided visualization of blood vessel cross section
JP6809851B2 (ja) * 2016-09-12 2021-01-06 キヤノンメディカルシステムズ株式会社 医用画像診断装置及び医用画像処理装置
KR101852689B1 (ko) * 2016-10-19 2018-06-11 순천향대학교 산학협력단 혈관대응최적화를 이용한 관상동맥 혈관 추출 장치 및 방법
EP3544511B1 (en) 2016-11-23 2024-05-29 Mayo Foundation for Medical Education and Research System and method for quantifying luminal stenosis using multi-energy computed tomography imaging
US10685439B2 (en) * 2018-06-27 2020-06-16 General Electric Company Imaging system and method providing scalable resolution in multi-dimensional image data
KR20200021714A (ko) 2018-08-21 2020-03-02 주식회사 디딤 의료 영상 분석 방법 및 장치
EP3626161A1 (en) * 2018-09-24 2020-03-25 Christie Medical Holdings, Inc. Ir/nir imaging with discrete scale comparator objects
NL2023477B1 (en) * 2019-07-11 2021-02-03 Medis Medical Imaging Systems B V Method of obtaining vessel wall parameters in a 3D model of a cardiovascular system
KR102361354B1 (ko) * 2019-08-30 2022-02-10 연세대학교 원주산학협력단 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법
EP3872755B1 (en) * 2020-02-28 2023-03-29 Siemens Healthcare GmbH Method for providing airway information
KR102460948B1 (ko) * 2021-03-19 2022-10-28 제주대학교 산학협력단 관상동맥 협착의 중증도 평가에 필요한 정보를 제공하는 방법

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4692864A (en) * 1985-05-23 1987-09-08 Elscint Ltd. Method of determining stenosis of blood vessels
US5872861A (en) * 1993-07-22 1999-02-16 U.S. Philips Corporation Digital image processing method for automatic detection of stenoses
US20040249270A1 (en) * 2003-03-20 2004-12-09 Kabushiki Kaisha Toshiba Processor for analyzing tubular structure such as blood vessels
CN1882950A (zh) * 2003-09-25 2006-12-20 派昂公司 用于管状器官的三维重建的系统和方法
US20080025587A1 (en) * 2006-07-17 2008-01-31 Christian Asbeck Method and apparatus for determining the spatial profile of a vessel axis in volume data records for medical imaging
US20080317310A1 (en) * 2006-12-08 2008-12-25 Mitta Suresh Method and system for image processing and assessment of blockages of heart blood vessels
US20110071404A1 (en) * 2009-09-23 2011-03-24 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
CN102124471A (zh) * 2008-08-15 2011-07-13 国际科学技术医疗系统有限责任公司 用于增强宫颈成像中的血管图案的方法
US20120051606A1 (en) * 2010-08-24 2012-03-01 Siemens Information Systems Ltd. Automated System for Anatomical Vessel Characteristic Determination

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997013457A1 (en) 1995-10-06 1997-04-17 Philips Electronics N.V. Determining a dimension from a density distribution
US7333648B2 (en) 1999-11-19 2008-02-19 General Electric Company Feature quantification from multidimensional image data
EP1665130A4 (en) 2003-09-25 2009-11-18 Paieon Inc SYSTEM FOR THREE-DIMENSIONAL RECONSTRUCTION OF A TUBULAR ORGAN
JP5002599B2 (ja) 2005-12-14 2012-08-15 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 医用３ｄデータ画像表示面を互いに関係づけるための方法及び装置
EP2131212A3 (en) 2008-06-05 2011-10-05 Medison Co., Ltd. Non-Rigid Registration Between CT Images and Ultrasound Images
US8351667B2 (en) 2008-08-15 2013-01-08 Sti Medical Systems, Llc Methods of contrast enhancement for images having blood vessel structures
US9761004B2 (en) 2008-09-22 2017-09-12 Siemens Healthcare Gmbh Method and system for automatic detection of coronary stenosis in cardiac computed tomography data
CN101882950B (zh) 2009-05-06 2013-05-01 京信通信系统（中国）有限公司 一种支持mimo的wimax射频远端系统
US8494244B2 (en) 2010-09-27 2013-07-23 General Electric Company System and method for blood vessel stenosis visualization and quantification using spectral CT analysis
JP5971682B2 (ja) * 2011-03-02 2016-08-17 東芝メディカルシステムズ株式会社 磁気共鳴イメージング装置
KR101334064B1 (ko) 2012-01-03 2013-11-28 연세대학교 산학협력단 혈관영상에서의 움직임 추정 방법 및 그 장치

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4692864A (en) * 1985-05-23 1987-09-08 Elscint Ltd. Method of determining stenosis of blood vessels
US5872861A (en) * 1993-07-22 1999-02-16 U.S. Philips Corporation Digital image processing method for automatic detection of stenoses
US20040249270A1 (en) * 2003-03-20 2004-12-09 Kabushiki Kaisha Toshiba Processor for analyzing tubular structure such as blood vessels
CN1882950A (zh) * 2003-09-25 2006-12-20 派昂公司 用于管状器官的三维重建的系统和方法
US20080025587A1 (en) * 2006-07-17 2008-01-31 Christian Asbeck Method and apparatus for determining the spatial profile of a vessel axis in volume data records for medical imaging
US20080317310A1 (en) * 2006-12-08 2008-12-25 Mitta Suresh Method and system for image processing and assessment of blockages of heart blood vessels
CN102124471A (zh) * 2008-08-15 2011-07-13 国际科学技术医疗系统有限责任公司 用于增强宫颈成像中的血管图案的方法
US20110071404A1 (en) * 2009-09-23 2011-03-24 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
US20120051606A1 (en) * 2010-08-24 2012-03-01 Siemens Information Systems Ltd. Automated System for Anatomical Vessel Characteristic Determination

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108451540A (zh) * 2017-02-17 2018-08-28 深圳先进技术研究院 一种血流储备分数测量方法和装置
CN109493323A (zh) * 2018-10-22 2019-03-19 北京师范大学 基于截面形变几何信息的冠脉狭窄双重判定方法
CN110223271A (zh) * 2019-04-30 2019-09-10 深圳市阅影科技有限公司 血管图像的自动水平集分割方法及装置
CN110223271B (zh) * 2019-04-30 2022-11-15 深圳市阅影科技有限公司 血管图像的自动水平集分割方法及装置
CN111862312A (zh) * 2020-07-20 2020-10-30 上海市第六人民医院 一种脑部血管显示装置及方法
CN111862312B (zh) * 2020-07-20 2021-06-11 上海市第六人民医院 一种脑部血管显示装置及方法

Also Published As

Publication number Publication date
US10098602B2 (en) 2018-10-16
KR20150058948A (ko) 2015-05-29
EP2875781B1 (en) 2018-08-22
EP2875781A1 (en) 2015-05-27
CN105934199B (zh) 2019-04-16
WO2015076607A1 (en) 2015-05-28
US20150141814A1 (en) 2015-05-21
KR101578770B1 (ko) 2015-12-18

Similar Documents

Publication Publication Date Title
CN105934199B (zh) 用于处理体腔的医学图像的设备和方法
JP6557767B2 (ja) 多数の画像取得または再構築を使用する画像ベースのオブジェクトモデリングのためのシステム及び方法
Santana et al. Diagnostic performance of fusion of myocardial perfusion imaging (MPI) and computed tomography coronary angiography
US20160148375A1 (en) Method and Apparatus for Processing Medical Image
CN106999138B (zh) 诊断成像方法和设备及其记录介质
KR101902883B1 (ko) 컴퓨터 단층촬영 영상에서 플라크를 분석하기 위한 방법 및 장치
CN102113016B (zh) 对数据集进行选择性交互式处理的方法
CN105142513A (zh) 医学图像提供设备及其医学图像处理方法
Wichmann et al. Evaluation of monoenergetic late iodine enhancement dual-energy computed tomography for imaging of chronic myocardial infarction
KR102449871B1 (ko) 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법
Cochet et al. Automated quantification of right ventricular fat at contrast-enhanced cardiac multidetector CT in arrhythmogenic right ventricular cardiomyopathy
Chawla et al. Soft tissue attenuation patterns in stress myocardial perfusion SPECT images: a comparison between supine and upright acquisition systems
CN109498046A (zh) 基于核素图像与ct冠脉造影融合的心肌梗死定量评估方法
CN107518911A (zh) 医用图像诊断装置及医用图像处理装置
JP2020508771A (ja) 肺および血管の健康状態を検査し評価する方法
EP4417132A1 (en) Diagnosis assisting program
Rasmussen et al. Danish study of Non-Invasive testing in Coronary Artery Disease 2 (Dan-NICAD 2): study design for a controlled study of diagnostic accuracy
Crossett et al. Normal perfusion of the left ventricular myocardium using 320 MDCT
Hoffman Origins of and lessons from quantitative functional X-ray computed tomography of the lung
Soon et al. The effect of a whole heart motion-correction algorithm on CT image quality and measurement reproducibility in Pre-TAVR aortic annulus evaluation
US20230309940A1 (en) Explainable deep learning camera-agnostic diagnosis of obstructive coronary artery disease
De Castro et al. Tomographic left ventricular volumetric emptying analysis by real-time 3-dimensional echocardiography: influence of left ventricular dysfunction with and without electrical dyssynchrony
US9123260B2 (en) Receiver operating characteristic-based training
Nagao et al. Myocardial ischemia in acute coronary syndrome: assessment using 64-MDCT
JP6128383B2 (ja) ３次元画像解析表示制御装置および方法並びにプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190416

Termination date: 20201121