CN106470594B - 确定心血管结构的有效横截面面积 - Google Patents

确定心血管结构的有效横截面面积 Download PDF

Info

Publication number
CN106470594B
CN106470594B CN201580032787.2A CN201580032787A CN106470594B CN 106470594 B CN106470594 B CN 106470594B CN 201580032787 A CN201580032787 A CN 201580032787A CN 106470594 B CN106470594 B CN 106470594B
Authority
CN
China
Prior art keywords
cardiovascular structure
tubular cardiovascular
determining
centerline
lumen
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.)
Active
Application number
CN201580032787.2A
Other languages
English (en)
Other versions
CN106470594A (zh
Inventor
J·彼得斯
J·威斯
I·韦希特尔施特勒
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN106470594A publication Critical patent/CN106470594A/zh
Application granted granted Critical
Publication of CN106470594B publication Critical patent/CN106470594B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G06T2207/10136—3D ultrasound 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
    • G06T2207/30048—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
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

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

Abstract

提供了用于确定管状心血管结构(400)的有效横截面面积的系统(100)和方法，所述系统和方法可以被使用在对通过所述管状心血管结构的血流的评估中。所述确定包括：获得所述管状心血管结构的三维图像；分割所述图像以获得在所述管状心血管结构内部的管腔的分割结果；并且确定所述管状心血管结构的中心线(430)。然后，使用所述管腔的所述分割结果，确定所述管状心血管结构在所述中心线的方向上的表观流孔径，例如，通过沿着所述中心线的方向投影所述分割结果并确定所述投影中没有投影的部分的面积。与面积平面几何相反，所述表观流孔径不会过高估计所述管状心血管结构的所述有效横截面面积，并且因此可以用于提供对所述心血管结构的所述有效横截面面积的更好估计。

Description

确定心血管结构的有效横截面面积
技术领域
本发明涉及用于确定管状心血管结构的有效横截面面积的系统和方法。本发明还涉及包括所述系统的工作站和成像装置，并且还涉及包括用于令处理器系统执行所述方法的指令的计算机程序产品。
背景技术
在医学领域中，对通过管状心血管结构的血流的评估频繁地起到重要作用，例如，以便评估管状心血管结构的狭窄的严重性。这种管状心血管结构的范例是主动脉瓣(AV)。退行性主动脉瓣狭窄(AS)是第二常见的心血管疾病，在西欧和北美年龄超过65岁的人口中的发病率是2-7％。对具有退行性AS的患者的管理通常取决于疾病的严重性。
对于大约60-70％的患者，超声(US)可以用于对主动脉瓣进行成像并经由多普勒测量来测量血流速度。在主动脉的足够严重的狭窄的情况下，主动脉瓣的有效开口面积被减小，导致血液以较高速度流动。这种较高血流速度在多普勒测量中显现出来，并与跨主动脉瓣的增加的压降相关联，并因此被认为是主动脉瓣狭窄的指示器。
备选地，可以根据通过例如计算机断层摄影(CT)或磁共振成像(MRI)获得的图像数据来评估狭窄程度。结果，可以采集心血管结构的三维图像。在主动脉瓣的情况下，心电图(ECG)门控可以用于重建或采集来自选定的窄心动时相区间的(一幅或多幅)图像，从而获得示出相对短开放状态的主动脉瓣的三维图像。在获得了示出瓣开口的图像数据后，可以通过获得经过三维图像的有角剖面和勾画在所述剖面中的表观瓣开口来测量瓣开口。该技术涉及AV面积平面几何，如由G.M.Feuchtner等人在“Multislice Computed Tomographyfor Detection of Patients With Aortic Valve Stenosis and Quantification ofSeverity”(Journal of the American College of Cardiology，2006年，第47卷，第7期，第1410–1417页)，以及由Y.Westermann等人在“Planimetry of the aortic valveorifice area:Comparison ofmulti-slice spiral CT and MRI”(European Journal ofRadiology，2011年，第77卷，第426–435页)中所描述的。
表观瓣开口的测量面积可以用于评估狭窄程度，即，通过在Bernoulli等式中应用测量面积来计算稳态流动场景中跨管状心血管结构的狭窄的压降。这里，如果面积在Bernoulli等式中的使用产生如通过所谓的基于计算流体动力学(CFD)的血流模拟获得的类似压降，则该面积可以被认为是管状心血管结构的“有效”横截面面积。除了评估在主动脉瓣中狭窄的程度外，管状心血管结构的有效横截面面积还在其它医学应用中起到重要作用，例如，在(胸)主动脉示出变窄的主动脉缩窄。
使用面积平面几何的问题在于其不足以准确估计管状心血管结构的有效横截面面积。
发明内容
提供用于提供更准确地估计管状心血管结构的有效横截面面积的系统或方法是有利的。
为了更好地解决该关心问题，本发明的第一方面提供了一种用于确定管状心血管结构的有效横截面面积以使得能够评估通过所述管状心血管结构的血流的系统，所述系统包括：
图像接口，其用于获得所述管状心血管结构的三维图像；
分割子系统，其用于分割所述三维图像以获得在所述管状心血管结构内部的管腔的分割结果；
分析子系统，其被配置用于：
i)确定所述管状心血管结构的中心线，所述中心线表示通过所述管腔的血流的假设方向；
ii)使用所述管腔的所述分割结果，确定所述管状心血管结构在所述中心线的方向上的表观流孔径；并且
iii)基于所述表观流孔径来确定所述管状心血管结构的所述有效横截面面积；
其中，所述分割子系统被配置用于通过将可变形模型应用于所述三维图像来获得所述管状心血管结构的所述管腔的所述分割结果，所述可变形模型包括管状心血管结构类型的所述管腔的表示，所述应用包括将所述可变形模型拟合到所述三维图像的图像数据，以获得表示所述管腔的所述分割结果的拟合模型；
其中，所述可变形模型表示多个解剖结构界标，并且其中，所述分析子系统被配置用于基于所述多个解剖结构界标在所述拟合模型中的位置来确定所述管状心血管结构的所述中心线。
本发明的另外的方面提供了一种用于确定管状心血管结构的有效横截面面积以使得能够评估通过所述管状心血管结构的血流的方法，所述方法包括：
获得所述管状心血管结构的三维图像；
分割所述三维图像以获得在所述管状心血管结构内部的管腔的分割结果；
确定所述管状心血管结构的中心线，所述中心线表示通过所述管腔的血流的假设方向；
使用所述管腔的所述分割结果，确定所述管状心血管结构在所述中心线的方向上的表观流孔径；并且
基于所述表观流孔径来确定所述管状心血管结构的所述有效横截面面积；
其中，分割子系统被配置用于通过将可变形模型应用于所述三维图像来获得所述管状心血管结构的所述管腔的所述分割结果，所述可变形模型包括管状心血管结构类型的所述管腔的表示，所述应用包括将所述可变形模型拟合到所述三维图像的图像数据，以获得表示所述管腔的所述分割结果的拟合模型；
其中，所述可变形模型表示多个解剖结构界标，并且其中，所述分析子系统被配置用于基于所述多个解剖结构界标在所述拟合模型中的位置来确定所述管状心血管结构的所述中心线。
本发明的另外的方面提供了一种包括用于令处理器系统执行所述方法的指令的计算机程序产品。
上述测量涉及获得至少示出管状心血管结构的三维图像。这里，术语“管状心血管结构”指的是允许血液经过其中空的管形状的内部(即，其管腔)的心血管结构。这种心血管结构的范例包括血管、瓣节段等。三维图像例如可以是体积图像，或者可以由切片堆叠构成，并且可以由各种成像模态(例如，计算机断层摄影(CT)和磁共振成像(MRI))来采集。
在获得了三维图像后，将三维图像分割，得到管腔的三维分割结果。在医学图像中对解剖结构分割是公知的。例如，可变形模型可以应用于图像数据。另一范例是可以使用区域生长，利用在CT血管造影中血池看起来比其周围更亮的事实。结果，获得通常是表示管腔的三维轮廓的数据的形式的管腔的三维分割结果。
上述测量还涉及分析三维图像以确定管状心血管结构的有效横截面面积。这里，形容词“有效”指示结果不必构成实际的清楚识别的面积，但是其目的在于当在Bernoulli等式中使用时产生如基于CFD血流模拟获得的类似压降。
确定有效横截面面积涉及确定一量度，即，所谓的“表观”流孔径，其涉及确定管状心血管结构的中心线，其假设指示通过心血管结构的血流的(一条或多条)主流线，并且使用管腔的分割结果来确定管状心血管结构在中心线的方向上的流孔径。有效地，这样确定出的表观流孔径对应于心血管结构的可用于不妨碍血液经过直接流线(即，沿着心血管结构的中心线平行经过)的横截面面积。
本发明基于这样的洞悉：即，管状心血管结构频繁地具有不能仅使用2D测量(例如，面积平面几何)而足够进行评估的复杂内部。例如，在主动脉瓣的情况下，面积平面几何涉及在通过主动脉瓣的2D切口上执行2D测量。然而，这种2D测量并未足够考虑主动脉瓣的小叶是否在更下游的接合线处相遇。因此，面积平面几何对称地过高估计主动脉瓣的有效横截面面积。
通过获得心血管结构的管腔的3D分割结果并随后根据该分割结果确定表观流孔径，获得固有地考虑心血管结构的管腔的3D形状的量度。通过基于该表观流孔径确定有效横截面面积，获得比面积平面几何单独获得的估计结果更准确的估计结果。
已经发现，以所要求保护的方式确定的有效横截面面积与基于CFD血流模拟很好地相关。已知基于CFD的血流模拟是用于提供跨心血管结构的压降的准确估计结果，但是是耗时的且要求高程度的专门知识以成功执行。然而，在针对具有变化程度的主动脉瓣狭窄(即，从健康到狭窄)的22个患者的实验验证中，根据基于CFD的血流模拟的压降与通过在Bernoulli等式中应用表观流孔径确定出的压降进行比较。两个压降示出了跨大范围值的具有R2>0.98的优良相关。
本身已知的是使用可变形模型在医学图像中分割解剖结构。这种类型的分割是基于模型的分割的范例。例如，可变形模型可以是表示跨多个患者的心血管结构的平均形状的平均形状模型，或者可以是针对患者的心血管结构进行调整的患者调整模型。这样，可变形模型可以定义心血管结构类型的几何结构，例如，三角形的多隔间网格，尤其是对这种心血管结构的这种中空的管形状的内部进行建模的几何结构。可变形模型可以由模型数据来表示。使用可变形模型的要求保护的分割很好地适合于获得心血管结构的管腔的准确的3D分割结果。
管状心血管结构的中心线通常具有与特定解剖结构界标的已知关系。通过提供对这种解剖结构界标进行编码的可变形模型，可以基于在可变形模型已经被拟合到心血管结构的图像数据之后解剖结构界标在可变形模型中的位置来确定心血管结构的中心线。
任选地，所述分析子系统被配置用于通过以下来确定所述表观流孔径：
i)沿着所述中心线的所述方向投影所述管腔的所述分割结果，以获得所述管状心血管结构的形成针对平行于中心线的所述血流的障碍的内部部分的投影；并且
ii)通过确定所述投影中没有所述的投影的内部部分的面积来确定所述表观流孔径。
投影非常适合于确定管状心血管结构的表观流孔径。即，根据例如到投影平面上的投影，表观流孔径可以被确定为在投影中没有心血管结构的投影的内部部分的面积，并且因此表示不被在中心线方向上到达管腔上游或下游中的障碍物所阻塞的孔径。例如，在平行投影的情况下，该面积表示可用于通过心血管结构的未阻碍的直线流的孔径。
任选地，所述多个解剖结构界标的所述位置定义通过所述管状心血管结构的横截面平面，并且所述分析子系统被配置用于通过确定正交于所述横截面平面线来确定所述中心线。例如，在主动脉瓣的情况下，解剖结构界标可以定义在动脉球壁处的每个小叶的三个铰链点，即，最低点。由这三个点定义的横截面平面已知被定向为与主动脉中心线大致垂直。因此，使得所述系统能够确定主动脉中心线，即，作为正交于横截面平面的线。
任选地，所述分析子系统被配置用于通过以下来确定所述管状心血管结构的所述中心线：
i)针对多条候选中心线中的每条，确定所述管状心血管结构的所述表观流孔径；并且
ii)选择所述多条候选中心线中最大化所述表观流孔径的一条候选中心线。
任选地，所述分析子系统被配置用于确定所述管状心血管结构的所述有效横截面面积作为以下的加权平均值：i)所述管状心血管结构的所述表观流孔径，和ii)由面积平面几何确定的所述管状心血管结构的横截面面积。尽管由面积平面几何确定出的横截面面积可能过高估计主动脉瓣的有效横截面面积，但是表观流孔径可能过低估计该横截面面积(虽然总体更准确)。由面积平面几何确定的表观流孔径和横截面面积的加权平均值可以提供甚至更准确的估计结果。例如，可以对两个量度进行平均化。有利地，以所要求保护的方式确定的有效横截面面积提供与基于CFD的血流模拟近似相同的结果。
任选地，所述分析子系统被配置用于使用所述管腔的所述分割结果来执行所述面积平面几何。
任选地，所述分析子系统被配置用于通过在Bernoulli等式中应用所述有效横截面面积来确定跨所述管状心血管结构的压降。
任选地，所述分析子系统被配置用于在Bernoulli等式中应用所述有效横截面面积以评估所述管状心血管结构中狭窄的程度。
任选地，所述管状心血管结构包括主动脉瓣，并且所述中心线是主动脉中心线。所要求保护的量度良好地适合于，但不限于，确定主动脉瓣的横截面面积。
本发明的另外的方面提供了一种包括所述系统的工作站或成像装置。因此，所述工作站或所述成像装置中的每个可以包括图像接口、分割子系统和分析子系统。
本领域技术人员应当理解，可以以认为有用的任何方式组合本发明的上述实施例、实施方式和/或各方面中的两个或更多个。
基于本说明书，本领域技术人员能够执行对应于所述系统的所描述的修改和变型的所述成像装置、所述工作站、所述方法和/或所述计算机程序产品的修改和变型。
本领域技术人员应当理解，所述方法可以应用于由各种采集模态采集的多维度图像数据，例如，三维(3D)图像或四维(4D)图像，所述采集模态例如，但不限于，标准X射线成像、计算机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)以及核医学(NM)。
在独立权利要求中定义了本发明。在从属权利要求中定义了有利实施例。
附图说明
参考下文描述的实施例，本发明的这些方面和其它方面将是明显的并且得到阐明。在附图中，
图1示出了用于根据管状心血管结构的3D图像来确定管状心血管结构的有效横截面面积的系统；
图2示出了用于根据管状心血管结构的3D图像来确定管状心血管结构的有效横截面面积的方法；
图3示出了包括用于令处理器系统执行所述方法的指令的计算机程序产品；
图4a和图4b示出了通过处于闭合状态的主动脉瓣的3D图像的剖面，所述剖面与主动脉中心线平行；
图5-8示出了垂直于沿着如在图4a-4b中所指示的主动脉瓣的不同位置处的主动脉中心线的剖面；
图9和图10示出了从处于闭合状态的主动脉瓣的垂直剖面获得的轮廓堆叠，其中，图9是从主动脉血流上游的铰接点附近的剖面获得的，图10是从主动脉血流下游的接合点附近的剖面获得的；
图11和图12分别不同于图9和图10，在于是从处于开放状态的主动脉瓣获得的描绘的轮廓堆叠；
图13示意性地示出了管状心血管结构；
图14和图15示出了垂直于主动脉中心线并在沿着主动脉中心线的不同位置处的管状心血管的横截面视图；
图16示出了沿着中心线的方向的管状心血管结构的管腔的分割结果的投影；
图17a示出了拟合主动脉瓣的可变形模型的网格；并且
图17b图示了网格中主动脉小叶的局部交叉。
具体实施方式
图1示出了用于确定管状心血管结构的有效横截面面积以使得能够评估通过管状心血管结构的血流的系统100。系统100包括图像接口120，所述图像接口120用于获得管状心血管结构的三维(3D)图像122。图1示出了图像接口120，所述图像接口120从外部数据库040(例如，图片存档与通信系统(PACS))获得图像数据042的形式的3D图像122。这样，可以通过所谓的DICOM接口来构造图像接口120。然而，图像接口120也可以采取任何其它合适的形式，例如，内部或外部存储器或存储接口、到局域网或广域网的网络接口等。
系统100还包括分割子系统140。分割子系统140被配置用于在系统100的操作期间分割三维图像以获得在管状心血管结构内部的管腔的分割结果。为此目的，分割子系统140被示为经由图像接口120获得3D图像122并输出表示管状心血管结构的管腔的分割结果的分割数据142。
系统100还包括分析子系统160。分析子系统160被配置用于在系统100的操作期间，
i)确定管状心血管结构的中心线，所述中心线表示通过管腔的血流的假设方向；
ii)使用管腔的分割结果，确定在中心线的方向上的管状心血管结构的表观流孔径；并且
iii)基于表观流孔径来确定管状心血管结构的有效横截面面积。
图1示出了分析子系统160，所述分析子系统160输出表示其分析结果的数据162，例如，表示有效横截面面积的数据。因此，分析结果可以用于进一步的分析、可视化等。
应当注意，系统100(包括其各个任选方面)的操作将参考图13到17b来进一步描述。
系统100可以被实施为单个设备或装置或在单个设备或装置中，例如，工作站或成像装置。所述设备或装置可以包括运行适当软件的一个或多个微处理器。所述软件可以已经被下载和/或被存储在对应的存储器中，例如，易失性存储器(如，RAM)或非易失性存储器(如，闪存)。备选地，所述系统的功能单元可以以可编程逻辑的形式(例如，现场可编程门阵列(FPGA))被实施在所述设备或装置中。应当注意，系统100也可以以分布式方式来实施，即，涉及不同的设备或装置。
图2示出了用于确定管状心血管结构的有效横截面面积以使得能够评估通过管状心血管结构的血流的方法200，。方法200包括：在标题为“获得管状心血管结构的图像”的操作中，获得210管状心血管结构的三维图像。方法200还包括：在标题为“分割管状心血管结构的管腔”的操作中，分割220三维图像以获得管状心血管结构的管腔的分割结果。方法200还包括：在标题为“确定管状心血管结构的中心线”的操作中，确定230管状心血管结构的中心线，所述中心线表示通过管腔的血流的假设方向。方法200还包括：在标题为“确定表观流孔径”的操作中，使用管腔的分割结果，确定240管状心血管结构在中心线的方向上的表观流孔径。方法200还包括：在标题为“基于确定出的表观流孔径来确定有效横截面面积”的操作中，基于表观流孔径来确定250管状心血管结构的有效横截面面积。
方法200可以被实施在计算机上作为计算机实施的方法、作为专用硬件、或作为两者的组合。如图3中所图示的，用于计算机的指令(即，可执行代码)可以被存储在计算机程序产品260中，例如，以一系列270机器可读物理标记和/或一系列具有不同的例如电学、磁性或光学属性或值的元件的形式。可执行代码可以以瞬态或非瞬态方式来存储。计算机程序产品的范例包括存储器设备、光学存储设备260、集成电路、服务器、在线软件等。图3示出了光盘。
图1的系统和图2的方法的操作(包括其各种任选方面)可以在下文中进行更详细的解释。这里，选择主动脉瓣作为管状心血管结构的非限制性范例。
图4a-12图示了面积平面几何的仅分析(一个或多个)二维(2D)剖面的问题。在管状心血管结构(例如，主动脉瓣)的情况下，这可能导致主动脉瓣的有效横截面面积的过高估计。即，在主动脉瓣的情况下，面积平面几何不考虑主动脉小叶是否在接合线下游相遇。3D血流上的影响因此不能够被这种2D测量完全评估。结果，在测量出的面积与生理影响之间的关系(例如，增加的压力梯度)是不清楚的。应当注意，其它管状心血管结构在内部结构中沿着其纵向方向可以具有类似的变化。因此，这里，面积平面几何也可以导致有效横截面面积的过高估计。
图4a和图4b示出了通过处于闭合状态的主动脉瓣的3D图像的剖面。这里，剖面垂直于主动脉中心线，并且尤其通过朝向左心室(LV)和左心室流出道(LVOT)壁的主动脉小叶的表面。在两幅图中，轮廓线300、301表示覆盖部分LVOT的管状模型。这里，作为轮廓线300、301的一部分的平行曲线对描画了小叶的边界。
图5-8示出了垂直于在沿着所述中心线(即，如在图4a-4b中所指示的分别沿着线V-V、VI-VI、VII-VII和VIII-VIII)的不同位置处的主动脉中心线的剖面。在图5-8中，轮廓线302-305表示主动脉球，并且主动脉球的平行曲线对描画小叶的边界。
图9和图10示出了在沿着主动脉中心线的不同纵向位置处(即，在主动脉瓣的不同高度处)获得的轮廓堆叠。取决于沿着主动脉中心线的2D剖面的位置，当LVOT壁在主动脉瓣之下被切割时，获得初始闭合的椭圆轮廓。然后，在更下游处获得变形的三角形轮廓(图9)。最终，当继续向下游直到主动脉小叶在主动脉球壁处彼此相遇的接合点处，轮廓断开(图10)。如能够在图9和图10中识别出的，面积平面几何可以导致主动脉瓣的有效横截面面积的过高估计，这是因为根据远低于接合点的剖面估计的有效横截面面积(图9)(即，在轮廓仍旧闭合的纵向位置处)可以被接合点处的主动脉小叶随后阻塞(图10)。
图11和图12分别对应于图9和图10，但是示出处于打开状态而不是闭合状态的主动脉瓣。这里，图11示出了变形的三角形轮廓320，同时在图12中的轮廓322被示为断开。
如所要求保护的系统和方法至少部分地基于经过管状心血管结构的血液流线的考虑。图13示意性地示出了沿着其中心线430的管状心血管结构400。管状心血管结构400被示为包括突出到其管腔中的解剖结构部分410、420。例如，在主动脉瓣的情况下，这种解剖结构部分可以是主动脉小叶。然而，应当注意，管状心血管结构的管腔可能还出于其它原因而具有复杂的内部形状。
由于解剖结构部分410、420突出到管状心血管结构的管腔中，所述结构沿着线XIV-XIV和XV-XV的横截面分别如图14和图15所示示出了解剖结构部分410、420的阻塞管状心血管结构的管腔中的血流的不同部分410A、420A、420B。尤其地，图14和图15示出了非堵塞(即，自由或非阻塞)区域中的差异，其沿着中心线仅部分重叠。
可以通过确定中心线430方向的管状心血管结构400的表观流孔径来确定有效横截面面积。可以以各种方式确定表观流孔径。
在一个实施例中，可以通过沿着中心线的方向(即，在投影方向432上)投影管腔的分割结果来确定表观流孔径，以获得分割结果的投影。在图13的范例中，以线XVI-XVI的形式指示投影平面，其中，图16示出了获得的投影500。能够看出，解剖结构部分410、420是由投影500中的投影部分510、520来表示的。表观流孔径可以被确定为面积530，所述面积530没有所述投影部分510、520。这样，自由面积530表示沿着主动脉中心线直线流动的血液的流线可用的孔径，并因此可以被称作“表观”流孔径。
应当注意，取代沿着中心线方向明确投影管腔的分割结果，也可以以不同但功能等价的方式来分析分割结果，例如，通过经过管腔的分割结果传播流线并根据这些未被管腔阻塞的流线确定表观流孔径。另一范例是分割每个2D剖面以提供表示内部区域的二元掩膜。为此目的，可以使用基于区域生长的分割技术，其利用在CT血管造影中血池看起来比其周围更亮的事实。当二元掩膜被组合或被堆叠时，提供管状心血管结构的管腔的3D分割。然后可以通过逻辑与(AND)组合二元掩膜，以确定表示表观流孔径的二元掩膜。应当理解，各种其它实施例也在本领域技术人员的范围内。
为了获得管状心血管结构的管腔的分割结果，可以使用可变形模型。所述可变形模型可以包括例如网格形式的管状心血管结构类型的管腔的表示。应当注意，本身已知的是使用可变形模型来分割管状心血管结构，如在Lesage等人的“A review of 3D vessellumen segmentation techniques:Models,features and extraction schemes”(MedicalImage Analysis 13，2009年，第819-845页)中所描述的。分割子系统可以被配置用于将这种可变形模型拟合到三维图像的图像数据，以获得表示管腔的分割结果的拟合模型。因此，拟合模型可以沿着中心线来投影，或者以功能等价的方式进行分析，以确定表观流孔径。应当注意，取代可变形模型，也可以使用其它类型的基于模型的分割来获得管腔的基于网格的分割。
在获得了这种管腔的基于网格的分割后，可以以后续方式执行投影。这里，假设管状心血管结构是主动脉瓣。为了实现对表观流孔径的测量，可以为网格提供连接小叶的自由边缘的辅助三角形。这些三角形覆盖在自由小叶边缘之间的完整的所谓的瓣膜口(自由管腔)。每个三角形可以具有依照模型的设计的取向，使得其外向法线点从LV指向主动脉。可以经由交叉乘积N＝(v2-v1)×(v3-v1)来计算这些外向法线，其中v1,2,3是三角形的顶点。长度|N|编码两倍的三角形面积，并且归一化方向N/|N|编码外向法线方向。单个三角形到具有法线n的投影平面(例如，瓣平面)上的投影面积可以通过标量乘积n·N/2来计算。正值指示三角形法线N/|N|和平面法线n具有一致的取向，这是因为它们的相对角度低于90度。假设由于交叉主动脉小叶而没有内部三角形翻转，每个三角形“i”到具有法线n(也从LV指向主动脉中)的瓣平面的投影产生正贡献n·Ni/2。然后获得总体投影的内部面积作为所有内部三角形“i”的和，即，n·(∑iNi)/2。
因此，投影的实施例可以计算所有Ni之和，将其投影到瓣平面法线n上，并且由2除以结果。为了获得最大投影面积，取代到瓣平面法线n的投影，∑iNi可以被投影到其自己的方向上，例如，通过由2除以∑iNi的长度。
投影的另一实施例可以考虑在正常定向与翻转的内部三角形之间的细微区别。由于分割中的小错误，主动脉小叶可以在分割结果中进行局部地跨越，尤其是在主动脉瓣的闭合状态中。图17a示出了被拟合到处于闭合状态的主动脉瓣的可变形模型的网格440。图17b示出了网格的部分450，即，表示瓣膜口的部分。所指示的是表示主动脉小叶的这种局部交叉的三角形452。这些局部交叉可以通过针对每个三角形“i”使用上述公式n·Ni/2计算投影面积而检测到。这里，负值可以指示三角形法线并不是从LV指向主动脉中的，而是已经被翻转到相反方向。在检测到这种局部翻转之后，可以使用网格后处理步骤来解决局部交叉，即，校正分割结果。之后，所有的n·Ni/2产生贡献≥0，并且可以如上所述继续进行瓣区域测量。
在使用可变形模型分割管状心血管结构的管腔的情况下，可变形模型也可以用于确定管状心血管结构的中心线。例如，可变形模型可以被配置为表示多个解剖结构界标，在被拟合到图像数据之后，根据所述解剖结构界标可以导出中心线。这样，表示可变形模型的数据可以编码这种解剖结构界标。在特定的范例中，多个解剖结构界标的位置可以定义通过管状心血管结构的横截面平面，并且中心线可以被确定为正交于横截面平面的线。例如，在主动脉瓣的情况下，解剖结构界标可以表示最低的点，即，在解剖球壁处解剖结构小叶的铰链点。
也可以以其它方式确定管状心血管结构的中心线。例如，针对多条候选中心线中的每条，可以确定管状心血管结构的表观流孔径，并且可以选择多条候选中心线中最大化表观流空间的一条中心线。另一范例是使用距离变换组合前向传播，如在上文介绍的Lesage等人的综述文章中所描述的。
一般而言，分析子系统可以被配置用于确定管状心血管结构的有效横截面面积作为以下的加权平均值：i)管状心血管结构的表观流孔径，以及ii)由面积平面几何确定的管状心血管结构的横截面面积。例如，两个测量结果被基本相等地加权。可以通过手动面积平面几何来确定后者的横截面面积。备选地，分析子系统可以自动执行面积平面几何，例如，使用管腔的分割结果。例如，参考图9和图11，可以选择最小的仍旧闭合的横截面轮廓的面积，作为根据面积平面几何的横截面面积。
在确定了管状心血管结构的有效横截面面积后，分析子系统可以确定跨管状心血管结构的压降，即，通过在Bernoulli等式中应用有效横截面面积。该结果可以用于评估管状心血管结构中狭窄的程度。狭窄的程度可以被包括在报告中，被可视化，或一般地被提供为对临床医生的反馈。
应当理解，本发明也适用于适于将本发明付诸实践的计算机程序，尤其是载波上或载波中的计算机程序。程序可以为源代码、目标代码、代码中间源以及为部分编译形式的目标代码的形式，或者为适合于在根据本发明的方法的实施方式中使用的任何其他形式。也应当理解，这样的程序可以具有许多不同的架构设计。例如，实施根据本发明的方法或系统的功能的程序代码可以被细分成一个或多个子例程。将功能分布在这些子例程之中的许多不同方式对本领域技术人员来说将是明显的。子例程可以被一起存储在一个可执行文件中，以形成自含程序。这样的可执行文件可以包括计算机可执行指令，例如，处理器指令和/或解读器指令(例如，Java解读器指令)。备选地，子例程中的一个或多个或全部可以被存储在至少一个外部库文件中，并且例如在运行时间时被静态地或动态地与主程序链接。主程序包含对子例程中的至少一个的至少一次调用。子例程也可以包括彼此的功能调用。涉及计算机程序产品的实施例包括对应于在本文中阐述的方法中的至少一个的每个处理步骤的计算机可执行指令。这些指令可以被细分成子例程和/或被存储在可以被静态地或动态地链接的一个或多个文件中。涉及计算机程序产品的另一实施例包括对应于在本文中阐述的系统和/或产品中的至少一个的每个单元的计算机可执行指令。这些指令可以被细分成子例程和/或被存储在可以被静态地或动态地链接的一个或多个文件中。
计算机程序的载体可以为能够承载程序的任何实体或设备。例如，载体可以包括存储介质，例如，ROM(例如，CD ROM或半导体ROM)，或者磁性记录介质(例如，硬盘)。此外，载体可以为可传输载体，例如，电信号或光信号，它们可以经由电缆或光缆或通过无线电或其他手段来传送。当程序被实施在这样的信号中时，载体可以包括这样的线缆或其他设备或器件。备选地，载体可以为程序被嵌入其中的集成电路，所述集成电路适于执行相关的方法，或者适于在对相关的方法的执行中使用。
应当指出，以上提及的实施例图示而非限制本发明，并且本领域技术人员将能够设计许多备选实施例，而不偏离权利要求的范围。在权利要求中，置于括号内的任何附图标记均不应被解读为对权利要求的限制。动词“包括”及其词性变化的使用不排除权利要求中记载的那些以外的其他元件或步骤的存在。元件前的词语“一”或“一个”不排除多个这样的元件的存在。本发明可以借助于包括若干不同元件的硬件，以及借助于被适当编程的计算机来实施。在列举了若干单元的装置型权利要求中，这些单元中的若干可以由同一项硬件来实施。某些措施被记载在互不相同的从属权利要求中的事实并不指示不能有利地使用这些措施的组合。

Claims (13)

1.一种用于确定管状心血管结构(400)的有效横截面面积以使得能够评估通过所述管状心血管结构的血流的系统(100)，所述系统包括：
图像接口(120)，其用于获得所述管状心血管结构的三维图像(122)；
分割子系统(140)，其用于分割所述三维图像以获得在所述管状心血管结构内部的管腔的分割结果(142)；
分析子系统(160)，其被配置用于：
i)确定所述管状心血管结构的中心线(430)，所述中心线表示通过所述管腔的血流的假设方向；
ii)使用所述管腔的所述分割结果，确定所述管状心血管结构在所述中心线的方向上的表观流孔径，所述表观流孔径表示沿着所述中心线直线流动的血液的流线可用的孔径；并且
iii)基于所述表观流孔径来确定所述管状心血管结构的所述有效横截面面积；
其中，所述分割子系统(140)被配置用于通过将可变形模型应用于所述三维图像来获得所述管状心血管结构(400)的所述管腔的所述分割结果，所述可变形模型包括管状心血管结构类型的所述管腔的表示，所述应用包括将所述可变形模型拟合到所述三维图像(122)的图像数据，以获得表示所述管腔的所述分割结果的拟合模型；
其中，所述可变形模型表示多个解剖结构界标，并且其中，所述分析子系统被配置用于基于所述多个解剖结构界标在所述拟合模型中的位置来确定所述管状心血管结构(400)的所述中心线(430)。
2.根据权利要求1所述的系统(100)，其中，所述分析子系统(160)被配置用于通过以下来确定所述表观流孔径：
ii.a)沿着所述中心线(430)的所述方向投影所述管腔的所述分割结果，以获得所述管状心血管结构的形成针对平行于所述中心线的所述血流的障碍的内部部分(510、520)的投影(500)；并且
ii.b)通过确定在所述投影中没有所述的投影的内部部分的面积(530)来确定所述表观流孔径。
3.根据权利要求1或2所述的系统(100)，其中，所述多个解剖结构界标的所述位置定义通过所述管状心血管结构(400)的横截面平面，并且其中，所述分析子系统被配置用于通过确定正交于所述横截面平面的线来确定所述中心线(430)。
4.根据权利要求1或2所述的系统(100)，其中，所述分析子系统(160)被配置用于通过以下来确定所述管状心血管结构(400)的所述中心线(430)：
i.a)针对多条候选中心线中的每条，确定所述管状心血管结构的所述表观流孔径；并且
i.b)选择所述多条候选中心线中最大化所述表观流孔径的一条中心线。
5.根据权利要求1或2所述的系统(100)，其中，所述分析子系统(160)被配置用于确定所述管状心血管结构(400)的所述有效横截面面积作为以下的加权平均值：iii.a)所述管状心血管结构的所述表观流孔径，和iii.b)由面积平面几何确定的所述管状心血管结构的横截面面积。
6.根据权利要求5所述的系统(100)，其中，所述分析子系统(160)被配置用于使用所述管腔的所述分割结果来执行所述面积平面几何。
7.根据权利要求1或2所述的系统(100)，其中，所述分析子系统(160)被配置用于通过在Bernoulli等式中应用所述有效横截面面积来确定跨所述管状心血管结构的压降。
8.根据权利要求7所述的系统(100)，其中，所述分析子系统(160)被配置用于在Bernoulli等式中应用所述有效横截面面积来评估所述管状心血管结构(400)中狭窄的程度。
9.根据权利要求1或2所述的系统(100)，其中，所述管状心血管结构(400)包括主动脉瓣，并且其中，所述中心线(430)是主动脉中心线。
10.一种包括根据权利要求1至9中的任一项所述的系统的工作站。
11.一种包括根据权利要求1至9中的任一项所述的系统的成像装置。
12.一种用于确定管状心血管结构的有效横截面面积以使得能够评估通过所述管状心血管结构的血流的方法(200)，所述方法包括：
获得(210)所述管状心血管结构的三维图像；
分割(220)所述三维图像以获得在所述管状心血管结构内部的管腔的分割结果；
确定(230)所述管状心血管结构的中心线，所述中心线表示通过所述管腔的血流的假设方向；
使用所述管腔的所述分割结果，确定(240)所述管状心血管结构在所述中心线的方向上的表观流孔径，所述表观流孔径表示沿着所述中心线直线流动的血液的流线可用的孔径；并且
基于所述表观流孔径来确定(250)所述管状心血管结构的所述有效横截面面积；
其中，分割子系统(140)被配置用于通过将可变形模型应用于所述三维图像来获得所述管状心血管结构(400)的所述管腔的所述分割结果，所述可变形模型包括管状心血管结构类型的所述管腔的表示，所述应用包括将所述可变形模型拟合到所述三维图像(122)的图像数据，以获得表示所述管腔的所述分割结果的拟合模型；
其中，所述可变形模型表示多个解剖结构界标，并且其中，分析子系统被配置用于基于所述多个解剖结构界标在所述拟合模型中的位置来确定所述管状心血管结构(400)的所述中心线(430)。
13.一种存储有计算机程序的计算机可读介质，所述计算机程序包括用于令处理器系统执行根据权利要求12所述的方法的指令。
CN201580032787.2A 2014-06-19 2015-05-21 确定心血管结构的有效横截面面积 Active CN106470594B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP14173095.2 2014-06-19
EP14173095 2014-06-19
PCT/EP2015/061215 WO2015193055A1 (en) 2014-06-19 2015-05-21 Determining an effective cross-sectional area of a cardiovascular structure

Publications (2)

Publication Number Publication Date
CN106470594A CN106470594A (zh) 2017-03-01
CN106470594B true CN106470594B (zh) 2020-03-10

Family

ID=51176061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580032787.2A Active CN106470594B (zh) 2014-06-19 2015-05-21 确定心血管结构的有效横截面面积

Country Status (4)

Country Link
US (1) US10043271B2 (zh)
EP (1) EP3157411B1 (zh)
CN (1) CN106470594B (zh)
WO (1) WO2015193055A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10134127B2 (en) * 2013-12-12 2018-11-20 The Regents Of The University Of California Method for post-processing flow-sensitive phase contrast magnetic resonance images
DE102016204225B3 (de) * 2016-03-15 2017-07-20 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren zur automatischen Erkennung von anatomischen Landmarken und Vorrichtung
EP4241694A3 (en) 2016-05-16 2023-12-20 Cathworks Ltd. Selection of vascular paths from images
US10467786B2 (en) * 2017-02-28 2019-11-05 General Electric Company Systems and methods of stent image enhancement
CN108648231B (zh) * 2018-05-14 2019-07-12 合肥融视信息科技有限公司 基于三维医学影像的管状结构长度测量系统及方法
CN108742587B (zh) * 2018-06-20 2021-04-27 博动医学影像科技（上海）有限公司 基于病史信息获取血流特征值的方法及装置
CN110823311B (zh) * 2019-11-26 2022-07-19 湖南农业大学 一种快速估算油菜角果体积的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346811A (zh) * 2010-07-21 2012-02-08 西门子公司 用于对心脏进行特定于患者的综合性建模的方法和系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070167913A1 (en) * 2005-10-11 2007-07-19 Flowmedica, Inc. Vascular sheath with variable lumen construction
US20100232645A1 (en) * 2007-05-10 2010-09-16 Koninklijke Philips Electronics N.V. Model-based spect heart orientation estimation
US8009887B2 (en) 2007-11-02 2011-08-30 Siemens Corporation Method and system for automatic quantification of aortic valve function from 4D computed tomography data using a physiological model
WO2011132131A1 (en) * 2010-04-21 2011-10-27 Koninklijke Philips Electronics N.V. Method for determining a physical property of an object, system, computer readable medium and program element
US8682626B2 (en) 2010-07-21 2014-03-25 Siemens Aktiengesellschaft Method and system for comprehensive patient-specific modeling of the heart
US8675943B2 (en) * 2010-11-29 2014-03-18 Siemens Aktiengesellschaft Method and system for heart isolation in cardiac computed tomography volumes for patients with coronary artery bypasses
US9585568B2 (en) * 2011-09-11 2017-03-07 Steven D. Wolff Noninvasive methods for determining the pressure gradient across a heart valve without using velocity data at the valve orifice
WO2013061280A1 (en) * 2011-10-28 2013-05-02 Hemodynamix Medical Systems Inc. Fluid temperature and flow sensor apparatus and system for cardiovascular and other medical applications
US9730609B2 (en) 2011-12-15 2017-08-15 Siemens Healthcare Gmbh Method and system for aortic valve calcification evaluation
US20140071125A1 (en) * 2012-09-11 2014-03-13 The Johns Hopkins University Patient-Specific Segmentation, Analysis, and Modeling from 3-Dimensional Ultrasound Image Data
US10588586B2 (en) * 2013-01-16 2020-03-17 Siemens Healthcare Gmbh Cardiac analysis based on vessel characteristics
US9066726B2 (en) * 2013-03-15 2015-06-30 Medtronic Ardian Luxembourg S.A.R.L. Multi-electrode apposition judgment using pressure elements
US10165955B2 (en) * 2014-02-06 2019-01-01 Reuven Gladshtein Obtaining cardiovascular parameters using arterioles related transient time
US10251600B2 (en) * 2014-03-25 2019-04-09 Briteseed, Llc Vessel detector and method of detection

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346811A (zh) * 2010-07-21 2012-02-08 西门子公司 用于对心脏进行特定于患者的综合性建模的方法和系统

Also Published As

Publication number Publication date
WO2015193055A1 (en) 2015-12-23
EP3157411A1 (en) 2017-04-26
CN106470594A (zh) 2017-03-01
US10043271B2 (en) 2018-08-07
EP3157411B1 (en) 2022-12-07
US20170098302A1 (en) 2017-04-06

Similar Documents

Publication Publication Date Title
CN106470594B (zh) 确定心血管结构的有效横截面面积
US7738626B2 (en) System for the determination of vessel geometry and flow characteristics
Olabarriaga et al. Segmentation of thrombus in abdominal aortic aneurysms from CTA with nonparametric statistical grey level appearance modeling
Pu et al. Pulmonary lobe segmentation in CT examinations using implicit surface fitting
CN102834847B (zh) 图像分析
Gao et al. Automatic segmentation of coronary tree in CT angiography images
CN111095354A (zh) 经改进的3-d血管树表面重构
CN106716488B (zh) 分析主动脉瓣钙化
KR101835873B1 (ko) 의료 이미지들의 분할 불확실성의 계산 및 시각화를 위한 시스템들 및 방법들
US11961187B2 (en) Reconstruction method of organ vessel centerline
JP2018537157A (ja) 非侵襲的血流予備量比（ｆｆｒ）に対する側副血流モデル化
EP3120323B1 (en) Image processing apparatus and method for segmenting a region of interest
Weese et al. CFD‐and Bernoulli‐based pressure drop estimates: a comparison using patient anatomies from heart and aortic valve segmentation of CT images
CN109478327A (zh) 用于在任意视场计算断层摄影血管造影（cta）中自动检测全身动脉的方法
Kiraly et al. Analysis of arterial subtrees affected by pulmonary emboli
Gao et al. Automatic detection of aorto-femoral vessel trajectory from whole-body computed tomography angiography data sets
Zifan et al. Patient-specific computational models of coronary arteries using monoplane X-ray angiograms
Hentschke et al. Estimating blood flow velocity in angiographic image data
Horn et al. A novel method for improving the accuracy of MR-derived patient-specific vascular models using X-ray angiography
US20220318994A1 (en) System and method of evaluating fluid and air flow
Ram et al. Lung Lobe Segmentation With Automated Quality Assurance Using Deep Convolutional Neural Networks
Zhu et al. Estimation of myocardial volume at risk from CT angiography
Martínez-Mera et al. Automatic characterization of thoracic aortic aneurysms from CT images
Verstraeten et al. Generation of synthetic aortic valve stenosis geometries for in silico trials
Kovács Automatic segmentation of the vessel lumen from 3D CTA images of aortic dissection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant