CN106793992A - 对象识别 - Google Patents

对象识别 Download PDF

Info

Publication number
CN106793992A
CN106793992A CN201580038078.5A CN201580038078A CN106793992A CN 106793992 A CN106793992 A CN 106793992A CN 201580038078 A CN201580038078 A CN 201580038078A CN 106793992 A CN106793992 A CN 106793992A
Authority
CN
China
Prior art keywords
image
chamber
pixel
outside
group
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
CN201580038078.5A
Other languages
English (en)
Other versions
CN106793992B (zh
Inventor
E·克莱曼
A·斯坦伯格
N·卡蒙
S·塞莫
R·科亨
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.)
Sync Rx Ltd
Original Assignee
Sync Rx 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 Sync Rx Ltd filed Critical Sync Rx Ltd
Publication of CN106793992A publication Critical patent/CN106793992A/zh
Application granted granted Critical
Publication of CN106793992B publication Critical patent/CN106793992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • 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
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
    • A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
    • A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • 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
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A61B6/487—Diagnostic techniques involving generating temporal series of image data involving fluoroscopy
    • 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
    • A61B6/503—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 the heart
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • 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
    • 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/0841—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating instruments
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M25/00—Catheters; Hollow probes
    • A61M25/01—Introducing, guiding, advancing, emplacing or holding catheters
    • A61M25/0105—Steering means as part of the catheter or advancing means; Markers for positioning
    • A61M2025/0166—Sensors, electrodes or the like for guiding the catheter to a target zone, e.g. image guided or magnetically guided
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M25/00—Catheters; Hollow probes
    • A61M25/01—Introducing, guiding, advancing, emplacing or holding catheters
    • A61M25/09—Guide wires
    • 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
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • 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
    • G06T2207/10108—Single photon emission computed tomography [SPECT]
    • 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
    • G06T2207/10121—Fluoroscopy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30021—Catheter; Guide wire
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Vascular Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Cardiology (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明描述了设备和方法，所述设备和方法包括使用计算机处理器(28)自动地识别图像内的给定像素(111)是否对应于对象的一部分。对围绕所述像素设置的一组同心圆(132a‑c)取样，并且将第一函数应用至所述圆中的每一个，使得所述圆由第一组旋转不变描述符限定。将第二函数应用至所述一组圆以生成第二组描述符，所述第二组描述符中的每一个表示所述圆的各个对之间的差异。应用第三函数，使得所述第二组描述符变为旋转不变的。所述处理器基于所述第一组旋转不变描述符和所述第二组旋转不变描述符来识别所述给定像素是否对应于所述对象的所述部分。本发明也描述了其他应用。

Description

对象识别
相关申请的交叉引用
本申请主张享有Klaiman于2014年5月14日提交的名称为“在医疗装置在场的情况下的图像分析(Image analysis in the presence of a medical device)”的美国临时专利申请61/993,123的优先权，该美国临时专利申请通过引用的方式并入本文。
技术领域
本发明的一些应用大体上涉及医学成像。具体来说，本发明的一些应用涉及医学成像和当这些图像是在受试者身体中存在工具的情况下获取的时对这类图像的分析。
背景技术
比如冠状动脉导管插入术的血管导管插入术是经常执行的医疗介入术。通常执行这类介入术以便针对潜在的疾病诊断血管和/或治疗患病的血管。通常，为了实现对血管的观察，在腔外成像下执行导管插入术。另外，对于一些手术，使用腔内数据获取装置来执行腔内成像和/或测量。腔外成像和(在适用的情况下)腔内数据通常在介入术的过程中以及在手术后由医务人员彼此联合评估。
发明内容
对于本发明的一些应用，计算机处理器分析图像的给定像素，以便自动地识别所述像素是否对应于图像内的对象的一部分。通常，所述分析是针对受试者的血管的图像(例如，荧光图像)执行的，并且被用来识别图像内的给定像素是否对应于设置在血管内的对象(例如，装置)的一部分。例如，设置在血管内的对象可以是引导导管、丝线(例如，导丝)、腔内治疗装置、腔内数据获取装置、不透射线标志和/或支架。
为了分析所述像素，计算机处理器对围绕所述像素设置的一组同心圆进行取样。计算机处理器将第一函数应用到所述圆中的每一个，使得所述圆由第一组旋转不变描述符(rotationally invariant descriptors)限定。例如，计算机处理器可将时频域变换(例如，傅里叶变换、离散正弦变换和/或离散余弦变换)应用到所述圆，并且计算机处理器可确定所述圆中的每一个的时频域变换的绝对系数。
计算机处理器将第二函数应用到所述一组圆，以致生成第二组描述符，第二组描述符中的每一个表示所述圆的各个对之间的差异。计算机处理器随后将第三函数应用到第二组描述符，使得第二组描述符通过变为旋转不变的而形成第二组旋转不变描述符。例如，计算机处理器可将时频域变换(例如，傅里叶变换、离散正弦变换和/或离散余弦变换)应用到第二组描述符，并且计算机处理器可确定第二组描述符中的每一个的时频域变换的绝对系数。
对于一些应用，计算机处理器生成表示第一组旋转不变描述符和第二组旋转不变描述符的组合的代表性描述符。
对于一些应用，计算机处理器首先生成表示圆的各个对之间的差异的一组描述符。随后，计算机处理器通过以下操作生成第一旋转不变描述符和第二旋转不变描述符：(a)将时频域变换(例如，傅里叶变换、离散正弦变换和/或离散余弦变换)应用到所述圆和表示圆的各个对之间的差异的所述一组描述符两者，和(b)确定产生的时频域变换的绝对系数。通常，这些步骤的输出是代表所述圆和所述圆之间的差异两者的多组旋转不变描述符的描述符。
代表性描述符相对于围绕所述像素取样的区域是旋转不变的，并且使得同心圆相对于彼此的旋转对准被限定。计算机处理器基于所述代表性描述符和/或基于第一组旋转不变描述符和第二组旋转不变描述符，例如通过将机器学习分类应用到所述代表性描述符和/或应用到第一组旋转不变描述符和第二组旋转不变描述符，来识别所述给定像素是否对应于所述对象的所述部分。计算机处理器至少部分地响应于识别所述给定像素对应于所述对象的所述部分而生成输出。
对于一些应用，通过关于图像内的多个像素执行上述分析来确定图像内的所述对象的位置。对于一些应用，响应于确定给定图像内的所述对象的位置，通过使所述图像中的每一个中的所述对象的位置彼此对准来使所述图像与第二图像对准。替代地或另外，给定图像内的所述对象的位置的识别被用来例如根据Tolkowsky的US 2012/0004537、Steinberg的US2014/0094691和/或Steinberg的WO 13/175472(所述文献通过引用的方式并入本文)中所述的技术而利于确定管腔内的腔内装置的位置。进一步替代地或另外，给定图像内的所述对象的位置的识别被用来例如根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术而利于确定用于所述图像与第二图像之间的映射的变换函数，两个所述申请通过引用的方式并入本文。
对于本发明的一些应用，计算机处理器确定用于管腔的腔外路线图图像内的位置与管腔的第二腔外图像内的位置之间的映射的变换函数。通常，获取管腔的至少一个第一腔外图像，并且计算机处理器将所述至少一个第一腔外图像指定为路线图图像。进一步通常，获取管腔的第一组腔外图像，并且计算机处理器将第一组图像中的至少一个指定为路线图图像。计算机处理器在所述路线图图像内指定路线图路径。
获取至少一个附加的腔外图像。通常，获取管腔的第二组腔外图像。进一步通常，第二组腔外图像是荧光图像，其中至少一些是在管腔内不存在造影剂的情况下，并且进一步通常在腔内装置(例如，腔内数据获取装置或腔内治疗装置)设置在管腔内时获取的。
计算机处理器通过将评分函数应用至附加的腔外图像(例如，属于第二组腔外图像的图像)内的至少一些像素，使得对其应用评分函数的所述像素中的每一个被指定一指示所述像素具有给定特性的程度的得分，来生成得分图像。应注意的是，对于一些应用，评分函数并不导致将所述像素识别为对应于给定对象(如引导导管、丝线或不透射线标志)。对于一些应用，将单个滤波器应用至所述图像。例如，可将海森(Hessian)滤波器或高通滤波器应用至所述图像的至少一部分。对于一些应用，评分函数将指示像素的强度的得分指定给像素中的每一个。替代地或另外，评分函数将指示像素可能对应于非解剖学对象的程度的得分指定给像素中的每一个。
基于像素中的对其应用评分函数的至少一些的得分，计算机处理器确定路线图路径的一部分与得分图像内的曲线之间的对应性。通常，计算机处理器通过采用最佳拟合算法以便将路线图路径最佳地拟合到所述图像的像素来确定路线图路径的所述部分与得分图像内的曲线之间的对应性，所述像素的得分指示所述像素可能对应于路线图路径的像素。
基于路线图路径的所述部分与得分图像内的曲线之间的对应性，计算机处理器确定用于路线图图像内的位置与附加的腔外图像(例如，属于第二组腔外图像的图像)内的位置之间的映射的变换函数。响应于所确定的变换函数，计算机处理器生成输出。
对于一些应用，基于所确定的变换函数，计算机处理器例如根据Steinberg的US2014/0094691和/或Steinberg的WO 13/175472中所述的技术来确定腔内装置在管腔内的位置，所述两个申请通过引用的方式并入本文。例如，当腔内装置在管腔内时，可获取附加的腔外图像。基于变换函数，计算机处理器可确定腔内装置关于路线图图像的位置，并且可生成指示腔内装置关于路线图图像的所确定的位置的输出。
对于一些应用，基于变换函数，计算机处理器确定管腔内的由腔内数据获取装置(例如，腔内成像装置，或被配置成获取多个功能性腔内数据点的腔内数据获取装置)获取一个或多个腔内数据点所在的位置。基于管腔内的获取腔内数据点所在的所确定的位置，计算机处理器可比如通过生成腔内图像堆栈，和/或通过生成腔内数据点与管腔内的获取腔内数据点所在的位置之间的对应性的指示来生成输出。替代地，基于管腔内的获取腔内数据点所在的所确定的位置，计算机处理器可使用以上所述的和/或如Tolkowsky的US2012/0004537、Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术共同使用腔内数据点和腔外图像，所述文献通过引用的方式并入本文。
因此，根据本发明的一些应用，提供一种用于与包含对象的图像一起使用的方法，所述方法包括：
使用至少一个计算机处理器，通过以下操作自动地识别所述图像内的给定像素是否对应于所述对象的一部分：
从所述图像抽取围绕所述像素设置的一组同心圆作为样本；
将第一函数应用至所述圆中的每一个，使得所述圆由第一组旋转不变描述符限定；
将第二函数应用至所述一组圆以致生成第二组描述符，所述第二组描述符中的每一个表示所述圆的各个对之间的差异；
将第三函数应用至所述第二组描述符，使得所述第二组描述符通过变为旋转不变的而形成第二组旋转不变描述符；以及
基于所述第一组旋转不变描述符和所述第二组旋转不变描述符，识别所述给定像素是否对应于所述对象的所述部分；以及
至少部分地响应于识别所述给定像素对应于所述对象的所述部分而生成输出。
对于一些应用，基于所述第一组旋转不变描述符和所述第二组旋转不变描述符识别所述给定像素是否对应于所述对象的所述部分包括将机器学习分类应用至所述第一组旋转不变描述符和所述第二组旋转不变描述符。
对于一些应用，所述方法进一步包括通过以下操作选择对其应用所述识别的像素：
对于所述图像的至少一部分内的每一像素，确定对象性测度，所述对象性测度测量所述像素与所述图像内的其他像素一起形成具有给定特性的一组像素的一部分的程度，所述给定特性与所述对象的所述部分相关联；以及
通过选择选自由以下各项组成的群组的像素来选择对其应用所述识别的所述像素：设置在形成所述一组像素的一部分的至少一些像素附近的像素和属于所述一组像素的像素。
所述方法用于与受试者的血管的图像一起使用，并且自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分包括自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分。
对于一些应用，自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分包括自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的选自由以下各项组成的群组的对象的一部分：引导导管、丝线、腔内成像装置、不透射线标志和支架。
对于一些应用，将所述第一函数应用至所述圆中的每一个使得所述圆由第一组旋转不变描述符限定包括计算所述圆中的每一个的时频域变换的绝对系数。
对于一些应用，计算所述圆中的每一个的时频域变换的绝对系数包括计算所述圆中的每一个的时频域变换的绝对系数，其中所述时频域变换选自由以下各项组成的群组：傅里叶变换、离散正弦变换和离散余弦变换。
对于一些应用，将所述第三函数应用至所述第二组描述符包括计算所述第二组描述符中的每一个的时频域变换的绝对系数。
对于一些应用，计算所述第二组描述符中的每一个的时频域变换的绝对系数包括计算所述第二组描述符中的每一个的时频域变换的绝对系数，其中所述时频域变换选自以下各项组成的群组：傅里叶变换、离散正弦变换和离散余弦变换。
对于一些应用，所述方法进一步包括至少部分地响应于识别出所述给定像素对应于所述对象的所述部分而将所述图像与第二图像对准。
对于一些应用，生成所述输出包括将所述图像和所述第二图像显示在将所述图像和所述第二图像彼此对准的图像流中。
对于一些应用，生成所述输出包括基于所述图像和所述第二图像的对准生成合成图像。
对于一些应用，所述方法进一步包括至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，确定用于所述图像与所述第二图像之间的映射的变换函数，并且生成所述输出包括基于所确定的变换函数生成所述输出。
对于一些应用：
所述方法用于与设置在受试者的血管内的腔内装置的图像一起使用，
自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分包括自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分，
所述方法进一步包括，基于所确定的变换函数，确定所述腔内装置在所述血管内的位置，并且
生成所述输出包括响应于所述腔内装置的所确定的位置而生成所述输出。
对于一些应用：
所述腔内装置包括腔内数据获取装置，
确定所述腔内装置在所述血管内的位置包括确定所述血管内的由所述腔内数据获取装置获取腔内数据点所在的位置，并且
生成所述输出包括基于确定出所述血管内的由所述腔内数据获取装置获取所述腔内数据点所在的位置来生成所述输出。
对于一些应用：
所述方法用于与设置在受试者的血管内的腔内装置的图像一起使用，
自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分包括自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分，
所述方法进一步包括，至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，确定所述腔内装置在所述血管内的位置，并且
生成所述输出包括响应于所述腔内装置的所确定的位置而生成所述输出。
对于一些应用：
所述腔内装置包括腔内数据获取装置，
确定所述腔内装置在所述血管内的位置包括确定所述血管内的由所述腔内数据获取装置获取腔内数据点所在的位置，并且
生成所述输出包括基于确定出所述血管内的由所述腔内数据获取装置获取所述腔内数据点所在的所述位置来生成所述输出。
根据本发明的一些应用，另外提供一种用于与包含对象的图像一起使用的设备，所述设备包括：
输出装置；以及
至少一个计算机处理器，所述计算机处理器被配置成：
通过以下操作自动地识别所述图像内的给定像素是否对应于所述对象的一部分：
从所述图像抽取围绕所述像素设置的一组同心圆作为样本；
将第一函数应用至所述圆中的每一个，使得所述圆由第一组旋转不变描述符限定；
将第二函数应用至所述一组圆以致生成第二组描述符，所述第二组描述符中的每一个表示所述圆的各个对之间的差异；
将第三函数应用至所述第二组描述符，使得所述第二组描述符通过变为旋转不变的而形成第二组旋转不变描述符；以及
基于所述第一组旋转不变描述符和所述第二组旋转不变描述符，识别所述给定像素是否对应于所述对象的所述部分；以及
至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，在所述输出装置上生成输出。
对于一些应用，所述计算机处理器被配置成通过将机器学习分类应用至所述第一组旋转不变描述符和所述第二组旋转不变描述符，来识别所述给定像素是否对应于所述对象的所述部分。
对于一些应用，所述计算机处理器被配置成通过以下操作选择对其应用所述识别的像素：
对于所述图像的至少一部分内的每一像素，确定对象性测度，所述对象性测度测量所述像素与所述图像内的其他像素一起形成具有给定特性的一组像素的一部分的程度，所述给定特性与所述对象的所述部分相关联；以及
通过选择选自由以下各项组成的群组的像素来选择对其应用所述识别的像素：设置在形成所述一组像素的一部分的至少一些像素附近的像素和属于所述一组像素的像素。
对于一些应用，所述设备用于与受试者的血管的图像一起使用，并且所述计算机处理器被配置成通过自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分，来自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分。
对于一些应用，所述计算机处理器被配置成通过自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的选自由以下各项组成的群组的对象的一部分来自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分：引导导管、丝线、腔内成像装置、不透射线标志和支架。
对于一些应用，所述计算机处理器被配置成通过计算所述圆中的每一个的时频域变换的绝对系数来将所述第一函数应用至所述圆中的每一个。
对于一些应用，所述计算机处理器被配置成通过计算所述圆中的每一个的时频域变换的绝对系数来计算所述圆中的每一个的时频域变换的绝对系数，所述时频域变换选自由以下各项组成的群组：傅里叶变换、离散正弦变换和离散余弦变换。
对于一些应用，所述计算机处理器被配置成通过计算所述第二组描述符中的每一个的时频域变换的绝对系数来将所述第三函数应用至所述第二组描述符。
对于一些应用，所述计算机处理器被配置成通过计算所述第二组描述符中的每一个的时频域变换的绝对系数来计算所述第二组描述符中的每一个的时频域变换的绝对系数，其中所述时频域变换选自由以下各项组成的群组：傅里叶变换、离散正弦变换和离散余弦变换。
对于一些应用，所述计算机处理器被配置成至少部分地响应于识别出所述给定像素对应于所述对象的所述部分而将所述图像与第二图像对准。
对于一些应用，所述计算机处理器被配置成通过将所述图像和所述第二图像显示在将所述图像和所述第二图像彼此对准的图像流中来生成所述输出。
对于一些应用，所述计算机处理器被配置成通过基于所述图像和所述第二图像的对准生成合成图像来生成所述输出。
对于一些应用，所述计算机处理器被配置成至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，确定用于所述图像与第二图像之间的映射的变换函数，并且所述计算机处理器被配置成基于所确定的变换函数生成所述输出。
对于一些应用：
所述设备用于与设置在受试者的血管内的腔内装置的图像一起使用，
所述计算机处理器被配置成通过自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分来自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分，
所述计算机处理器被配置成基于所确定的变换函数来确定所述腔内装置在所述血管内的位置，并且
所述计算机处理器被配置成通过响应于所述腔内装置的所确定的位置生成输出而生成所述输出。
对于一些应用：
所述腔内装置包括腔内数据获取装置，
所述计算机处理器被配置成通过确定所述腔内装置在所述血管内的位置来确定所述血管内的由所述腔内数据获取装置获取腔内数据点所在的位置，并且
所述计算机处理器被配置成通过基于确定所述血管内的由所述腔内数据获取装置获取所述腔内数据点所在的所述位置生成输出来生成所述输出。
对于一些应用：
所述设备用于与设置在受试者的血管内的腔内装置的图像一起使用，
所述计算机处理器被配置成通过自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分来自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分，
所述计算机处理器被配置成至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，来确定所述腔内装置在所述血管内的位置，并且
所述计算机处理器被配置成通过响应于所述腔内装置的所确定的位置生成输出来生成所述输出。
对于一些应用：
所述腔内装置包括腔内数据获取装置，
所述计算机处理器被配置成通过确定所述腔内装置在所述血管内的位置来确定所述血管内的由所述腔内数据获取装置获取腔内数据点所在的位置，并且
所述计算机处理器被配置成通过基于确定所述血管内的由所述腔内数据获取装置获取所述腔内数据点所在的位置生成输出来生成所述输出。
根据本发明的一些应用，另外提供一种计算机软件产品，所述计算机软件产品用于与包含对象的图像一起使用，所述计算机软件产品包括非暂时性计算机可读介质，程序指令存储在所述非暂时性计算机可读介质中，所述指令在由计算机读取时使所述计算机执行以下步骤：通过以下操作自动地识别所述图像内的给定像素是否对应于所述对象的一部分：从所述图像抽取围绕所述像素的一组同心圆作为样本；将第一函数应用至所述圆中的每一个，使得所述圆由第一组旋转不变描述符限定；将第二函数应用至所述一组圆以便生成第二组描述符，所述第二组描述符中的每一个表示所述圆的各个对之间的差异；将第三函数应用至所述第二组描述符，使得所述第二组描述符通过变为旋转不变的而形成第二组旋转不变描述符；以及基于所述第一组旋转不变描述符和所述第二组旋转不变描述符，识别所述给定像素是否对应于所述对象的所述部分；以及至少部分地响应于识别出所述给定像素对应于所述对象的所述部分而生成输出。
根据本发明的一些应用，进一步提供一种用于与被配置成获取受试者身体的管腔的腔外图像的腔外成像装置和输出装置一起使用的方法，所述方法包括：
使用所述腔外成像装置，获取所述管腔的至少一个第一腔外图像；
将所述至少一个第一腔外图像指定为路线图图像；
在所述路线图图像内指定路线图路径；
获取所述管腔的至少一个附加的腔外图像；
通过将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素具有给定特性的程度的得分，来生成得分图像；
基于对其应用所述评分函数的所述像素中的至少一些的所述得分，确定所述路线图路径的至少一部分与所述得分图像内的曲线之间的对应性；以及
基于所述路线图路径的所述部分与所述得分图像内的所述曲线之间的所述对应性，确定用于所述路线图图像内的位置与所述附加的腔外图像内的位置之间的映射的变换函数；以及
响应于所确定的变换函数，在所述输出装置上生成输出。
对于一些应用：
获取所述管腔的所述至少一个第一腔外图像包括获取所述管腔的第一组腔外图像；以及
将所述至少一个第一腔外图像指定为所述路线图图像包括将所述第一组腔外图像中的至少一个指定为所述路线图图像。
对于一些应用，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一得分且没有将所述像素识别为对应于给定对象。
对于一些应用，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将单个滤波器应用至所述图像。
对于一些应用，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将评分函数应用至所述图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素的强度的得分。
对于一些应用，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将评分函数应用至所述图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素可能对应于非解剖学对象的程度的得分。
对于一些应用，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将高通滤波器应用至所述图像的至少一部分。
对于一些应用，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将海森滤波器应用至所述图像的至少一部分。
对于一些应用，获取所述管腔的所述附加的腔外图像包括在所述管腔内不存在造影剂的情况下获取所述附加的腔外图像。
对于一些应用，获取所述管腔的所述附加的腔外图像包括在所述管腔由于造影剂在所述管腔内的存在而至少部分地可见时获取所述附加的腔外图像。
对于一些应用，所述方法进一步包括基于映射，确定与所述路线图图像的各个部分相关联的多个局部校准因子。
对于一些应用，获取所述管腔的所述至少一个第一腔外图像包括在所述管腔内不存在造影剂的情况下获取所述管腔的所述至少一个第一腔外图像。
对于一些应用，指定所述路线图路径包括在所述路线图图像内识别出一组特征，和响应于所识别的所述一组特征而指定所述路线图路径。
对于一些应用，获取所述管腔的所述至少一个第一腔外图像包括在所述管腔由于造影剂在所述管腔内的存在而至少部分地可见时获取所述管腔的所述至少一个第一腔外图像。
对于一些应用，指定所述路线图路径包括在所述路线图图像内识别所述管腔，和指定位于在所述管腔内的路线图路径。
对于一些应用，确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性包括使用动态编程算法来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性。
对于一些应用，确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性包括：
确定沿所述路线图路径的第一像素与所述附加的腔外图像的第一像素之间的对应性；以及
基于以下各项来确定沿所述路线图路径的第二像素与所述附加的腔外图像的第二像素之间的对应性：
沿所述路线图路径的所述第一像素与所述附加的腔外图像的所述第一像素之间的所确定的对应性，和
对其应用所述评分函数的所述像素中的至少一些的所述得分。
对于一些应用，确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性包括使用梯度下降算法来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性。
对于一些应用，确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性包括确定以给定序列位于所述附加的腔外图像中的像素对应于沿所述路线图路径的各个像素，对应的像素以相同的给定序列沿着所述路线图路径设置。
对于一些应用：
获取所述管腔的所述至少一个附加的腔外图像包括在腔内装置设置在所述管腔内时获取第二组腔外图像，
确定用于所述路线图图像内的所述位置与所述附加的腔外图像内的所述位置之间的映射的所述变换函数包括确定用于所述路线图图像内的位置与属于所述第二组腔外图像的各个图像内的位置之间的映射的各个变换函数，并且
所述方法进一步包括，基于映射，确定所述腔内装置关于所述路线图图像在所述第二组腔外图像的各个腔外图像中的位置。
对于一些应用，确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置包括，相对于所述第二组腔外图像中的腔外图像的获取实时地确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，并且生成所述输出包括生成指示所述腔内装置关于所述路线图图像的所确定的实时位置的输出。
对于一些应用：
所述腔内装置包括第一腔内数据获取装置，所述第一腔内数据获取装置被配置成在所述腔内数据获取装置正移动穿过所述管腔时获取多个腔内数据点，
所述方法进一步包括，基于确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，将各个腔内数据点配准至所述路线图图像内的各个位置，并且
生成所述输出包括基于所述腔内数据点与所述路线图图像内的所述各个位置的配准来生成输出。
对于一些应用，所述腔内数据获取装置包括腔内成像装置，所述腔内成像装置被配置成在所述腔内成像装置正移动穿过所述管腔时获取多个腔内图像，并且将各个腔内数据点配准至所述路线图图像内的各个位置包括将各个腔内图像配准至所述路线图图像内的各个位置。
对于一些应用，所述腔内数据获取装置包括被配置成在所述腔内数据获取装置正移动穿过所述管腔时获取关于所述管腔的功能性数据的腔内数据获取装置，并且将各个腔内数据点配准至所述路线图图像内的各个位置包括将各个功能性腔内数据点配准至所述路线图图像内的各个位置。
对于一些应用，基于所述配准生成所述输出包括生成腔内数据点的堆栈，其中腔内数据点在所述堆栈内的相对布置对应于所述腔内数据点关于所述路线图图像的相对位置。
根据本发明的一些应用，进一步提供一种用于与腔外成像装置一起使用的设备，所述腔外成像装置被配置成获取受试者身体的管腔的腔外图像，所述设备包括：
输出装置；以及
至少一个计算机处理器，所述计算机处理器被配置成：
使用所述腔外成像装置获取所述管腔的至少一个第一腔外图像；
将所述至少一个第一腔外图像指定为路线图图像；
在所述路线图图像内指定路线图路径；
获取所述管腔的至少一个附加的腔外图像；
通过将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素具有给定特性的程度的得分，来生成得分图像；
基于对其应用所述评分函数的所述像素中的至少一些的所述得分，确定所述路线图路径的至少一部分与所述得分图像内的曲线之间的对应性；
基于所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性，确定用于所述路线图图像内的位置与所述附加的腔外图像内的位置之间的映射的变换函数；并且
响应于所确定的变换函数，在所述输出装置上生成输出。
对于一些应用，所述计算机处理器被配置成：
通过获取所述管腔的第一组腔外图像来获取所述管腔的所述至少一个第一腔外图像；并且
通过将所述第一组腔外图像中的至少一个指定为所述路线图图像来将所述至少一个第一腔外图像指定为所述路线图图像。
对于一些应用，所述计算机处理器被配置成通过将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定得分且没有将所述像素识别为对应于给定对象，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
对于一些应用，所述计算机处理器被配置成通过将单个滤波器应用至所述图像来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
对于一些应用，所述计算机处理器被配置成通过将评分函数应用至所述图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素的强度的得分，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
对于一些应用，所述计算机处理器被配置成通过将评分函数应用至所述图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素可能对应于非解剖学对象的程度的得分，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
对于一些应用，所述计算机处理器被配置成通过将高通滤波器应用至所述图像的至少一部分，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
对于一些应用，所述计算机处理器被配置成通过将海森滤波器应用至所述图像的至少一部分，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
对于一些应用，所述计算机处理器被配置成通过在所述管腔内不存在造影剂的情况下获取所述附加的腔外图像来获取所述管腔的所述附加的腔外图像。
对于一些应用，所述计算机处理器被配置成通过在所述管腔由于造影剂在所述管腔内的存在而至少部分地可见时获取所述附加的腔外图像来获取所述管腔的所述附加的腔外图像。
对于一些应用，所述计算机处理器被配置成基于所述映射确定与所述路线图图像的各个部分相关联的多个局部校准因子。
对于一些应用，所述计算机处理器被配置成通过在所述管腔内不存在造影剂的情况下获取所述管腔的至少一个第一腔外图像来获取所述管腔的至少一个第一腔外图像。
对于一些应用，所述计算机处理器被配置成通过在所述路线图图像内识别一组特征，和响应于所识别的所述一组特征而指定所述路线图路径，来指定所述路线图路径。
对于一些应用，所述计算机处理器被配置成通过在所述管腔由于造影剂在所述管腔内的存在而至少部分地可见时获取所述管腔的至少一个第一腔外图像来获取所述管腔的所述至少一个第一腔外图像。
对于一些应用，所述计算机处理器被配置成通过在所述路线图图像内识别所述管腔，和指定位于所述管腔内的路线图路径，来指定所述路线图路径。
对于一些应用，所述计算机处理器被配置成使用动态编程算法来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性。
对于一些应用，所述计算机处理器被配置成通过以下操作确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性：
确定沿所述路线图路径的第一像素与所述附加的腔外图像的第一像素之间的对应性；以及
基于以下各项来确定沿所述路线图路径的第二像素与所述附加的腔外图像的第二像素之间的对应性：
在沿所述路线图路径的所述第一像素与所述附加的腔外图像的所述第一像素之间的所确定的对应性，和
对其应用所述评分函数的所述像素中的至少一些的所述得分。
对于一些应用，所述计算机处理器被配置成使用梯度下降算法来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性。
对于一些应用，所述计算机处理器被配置成通过确定以给定序列设置在所述附加的腔外图像中的像素对应于沿所述路线图路径的各个像素来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性，对应的像素以相同的给定序列沿着所述路线图路径设置。
对于一些应用：
所述设备用于与被配置成放置在所述管腔内的腔内装置一起使用，
所述计算机处理器被配置成通过在所述腔内装置设置在所述管腔内时获取第二组腔外图像来获取所述管腔的所述至少一个附加的腔外图像，
所述计算机处理器被配置成通过确定用于所述路线图图像内的位置与属于所述第二组腔外图像的各个图像内的位置之间的映射的各个变换函数，来确定用于所述路线图图像内的所述位置与所述附加的腔外图像内的所述位置之间的映射的所述变换函数，并且
所述计算机处理器被配置成基于所述映射确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置。
对于一些应用，所述计算机处理器被配置成通过相对于所述第二组腔外图像中的所述腔外图像的获取实时地确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，来确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，并且所述计算机处理器被配置成通过生成指示所述腔内装置关于所述路线图图像的所确定的实时位置的输出来生成所述输出。
对于一些应用：
所述腔内装置包括第一腔内数据获取装置，所述第一腔内数据获取装置被配置成在所述腔内数据获取装置正移动穿过所述管腔时获取多个腔内数据点，
所述计算机处理器被配置成基于确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，将各个腔内数据点配准至所述路线图图像内的各个位置，并且
所述计算机处理器被配置成通过基于所述腔内数据点与所述路线图图像内的所述各个位置的所述配准生成输出来生成所述输出。
对于一些应用，所述腔内数据获取装置包括腔内成像装置，所述腔内成像装置被配置成在所述腔内成像装置正移动穿过所述管腔时获取多个腔内图像，并且所述计算机处理器被配置成通过将各个腔内图像配准至所述路线图图像内的各个位置来将各个腔内数据点配准至所述路线图图像内的各个位置。
对于一些应用，所述腔内数据获取装置包括被配置成在所述腔内数据获取装置正移动穿过所述管腔时获取关于所述管腔的功能性数据的腔内数据获取装置，并且将各个腔内数据点配准至所述路线图图像内的各个位置包括将各个功能性腔内数据点配准至所述路线图图像内的各个位置。
对于一些应用，所述计算机处理器被配置成通过生成腔内数据点的堆栈来基于所述配准生成输出，其中腔内数据点在所述堆栈内的相对布置对应于所述腔内数据点关于所述路线图图像的相对位置。
根据本发明的一些应用，进一步提供一种计算机软件产品，所述计算机软件产品用于与被配置成获取受试者身体的管腔的腔外图像的腔外成像装置和输出装置一起使用，所述计算机软件产品包括非暂时性计算机可读介质，程序指令存储在所述非暂时性计算机可读介质中，所述指令在由计算机读取时使所述计算机执行以下步骤：使用所述腔外成像装置获取所述管腔的至少一个第一腔外图像；将所述至少一个第一腔外图像指定为路线图图像；在所述路线图图像内指定路线图路径；使用所述腔外成像装置获取所述管腔的至少一个附加的腔外图像；通过将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素具有给定特性的程度的得分，来生成得分图像；基于对其应用所述评分函数的所述像素中的至少一些的所述得分，确定所述路线图路径的至少一部分与所述得分图像内的曲线之间的对应性；以及基于所述路线图路径的所述部分与所述得分图像内的所述曲线之间的所述对应性，确定用于所述路线图图像内的位置与所述附加的腔外图像内的位置之间的映射的变换函数；以及响应于所确定的变换函数，在所述输出装置上生成输出。
根据结合附图的本发明实施例的以下详细描述，本发明将得到更充分的理解，在附图中：
附图说明
图1是根据本发明的一些应用的在导管插入术实验室中使用的设备的示意图；
图2A是根据本发明的一些应用的具有病变的血管的腔外图像的示意图；
图2B是根据本发明的一些应用的已在血管内最大限度地膨胀以治疗阻塞的血管成形术球囊的腔外图像的示意图；
图2C至图2D是根据本发明的一些应用的已在血管内最大限度地膨胀以治疗阻塞的血管成形术球囊的腔外图像；
图3A至图3C是示出了根据本发明的一些应用的由计算机处理器执行以便指定将要计算的参数的过程步骤的流程图；
图4是根据本发明的一些应用的血管的图像，其中丝线(例如，导丝)设置在血管内；
图5是示出了根据本发明的一些应用的由计算机处理器执行以便确定丝线的不透射线部分的末端在血管的腔外图像内的位置的过程步骤的流程图；
图6A至图6B是设置在血管内的导丝的各个腔外图像的矩形取样区域的示意图，所述区域是使用现有技术取样的；
图7是示出了根据本发明的一些应用的用来识别包含对象的图像内的给定像素是否对应于所述对象的一部分的过程步骤的流程图；
图8A至图8B是根据本发明的一些应用的导丝的图像和围绕所述图像的像素取样的圆形取样区域的示意图；
图9A至图9B是根据本发明的一些应用的各个腔外图像的区域的示意图，所述各个腔外图像的圆形取样区域是围绕所述图像的像素取样的；
图10是示出了根据本发明的一些应用的用来确定用于管腔的路线图图像内的位置与管腔的第二图像内的位置之间的映射的变换函数的过程步骤的流程图；并且
图11A至图11C是根据本发明的一些应用的受试者的管腔(例如，动脉)的图像的示意图。
具体实施方式
·术语“医疗工具”、“工具”、“装置”和“探针”指的是任何类型的诊断或治疗或其他功能性工具，包括但不限于心血管导管、支架输送、放置和/或取回工具、球囊输送和/或放置和/或取回工具、瓣膜输送和/或修复和/或放置和/或取回工具、移植物输送和/或放置和/或取回工具、用于可植入装置或这种装置的部件的输送和/或放置和/或取回的工具、可植入装置或该可植入装置的部件、用于闭合间隙的工具、用于闭合间隔缺损的工具、导丝、标志丝、缝合工具、剪裁工具(如瓣膜小叶剪裁工具)、活组织检查工具、抽取工具、导航工具、定位工具、包括一个或多个位置传感器的探针、组织表征探针、用于流体分析的探针、测量探针、电生理学探针、刺激探针、消融工具、用于穿透或打开血管中的部分或全部阻塞的工具、药品或物质输送工具、化学疗法工具、光动力治疗工具、短距离放射治疗工具、局部照射工具、激光装置、用于输送能量的工具、用于输送标志或生物标志的工具、用于输送生物胶的工具、灌注装置、抽吸装置、通气装置、用于输送和/或放置和/或取回电生理学装置的引线的装置、电生理学装置的引线、起搏装置、冠状窦装置、成像装置、感测探针、包括光纤的探针、机器人工具、远程控制的工具、切除工具、斑块切除工具(如斑块切除导管)，或其任何组合。
·术语“图像”和“成像”指的是任何类型的医学图像或成像，所述任何类型的医学图像或成像通常导致产生一系列图像并且包括但不限于使用电离辐射的成像、使用非电离辐射的成像、视频、荧光检查、血管造影术、超声、CT、MR、PET、PET-CT、CT血管造影术、SPECT、γ照相机成像、光学相干断层扫描(OCT)、近红外光谱法(NIRS)、振动响应成像(VRI)、光学成像、红外成像、电标测成像、其他形式的功能性成像、聚焦声学计算机断层扫描(FACT)、光学频域成像(OFDI)，或其任何组合或融合。超声成像的示例包括支气管内超声(EBUS)、经胸超声(TTE)、经食道超声(TEE)、血管内超声(IVUS)超声、心内超声(ICE)，或其任何组合。
·术语“造影剂”在用于其结合成像的应用时指的是用来突显和/或以另一种方式增强解剖结构、功能和/或在器官正被成像时的身体器官的组成的任何物质。
·术语“稳定的”在使用于显示的图像的情况下指的是一系列图像以使得正成像的身体器官和/或正观察的医疗工具的周期性、循环的和/或其他运动相对于整个图像帧或所述整个图像帧的至少一部分部分地或完全地减少的方式显示。
·术语“自动的”在用于描述路线图的生成和利用时指的是“不需要用户介入或交互”。(然而，这种介入或干预在一些情况下仍可以是任选的)
·术语“实时”指的是没有明显的延迟。
·术语“接近实时”指的是具有短暂的明显的延迟(如可适用器官的一个或两个运动周期，且在涉及到其运动主要是心动周期的结果的器官或血管的手术的情况下，少于两秒)。
·术语“在线”在用于图像处理或对图像进行的测量时指的是在过程中实时地或接近实时地执行图像处理和/或进行测量。
现在参照图1，图1是根据本发明的一些应用的在导管插入术实验室中使用的设备的示意图。通常，使用腔外成像装置(即，腔外图像获取装置)20对受试者成像，该腔外成像装置可包括荧光镜，当在正被成像的受试者的血管中存在造影剂时，该荧光镜在规则模式下和/或在血管造影模式下获取荧光图像。对于一些应用，成像装置执行荧光检查、CT、MR、PET、SPECT、超声，或其任何组合。
图1另外示出已经在导丝24上插入受试者的血管(例如，受试者的冠状动脉)中的引导导管22。腔内医疗装置26已通过所述引导导管并在所述导该上插入受试者的血管中(例如，插入受试者的冠状动脉中)。计算机处理器28通常从成像装置接收输入。计算机处理器与存储器29通信。通过用户界面30，用户(例如，医师和/或导管插入术实验室技术人员)将指令发送至计算机处理器。对于一些应用，用户界面包括键盘32、鼠标34、操纵杆36、触摸屏装置38(如智能电话或平板计算机)、触摸板、轨迹球、语音命令界面，和/或本领域中已知的其他类型的用户界面。通常，计算机处理器使用输出装置40生成输出。进一步通常，输出装置包括显示器，如监视器(如图1中所示)，并且输出包括被显示在显示器上的输出。对于一些应用，显示器包括平视显示器和/或头戴式显示器，如谷歌眼镜(Google)。对于一些应用，处理器在例如扬声器、头戴式耳机、智能电话或平板计算机的不同类型的视觉、文本、图形、触觉、音频和/或视频输出装置上生成输出。对于一些应用，用户界面30充当输入装置和输出装置两者。对于一些应用，处理器在如磁盘或便携式USB驱动器的计算机可读介质(例如，非暂时性计算机可读介质)上生成输出。
应注意的是，对于一些应用，使用多于一个处理器。对于一些应用，将多于一个腔外成像装置与处理器28一起使用。例如，第一腔外成像装置可用来获取第一组腔外图像，并且第二腔外成像装置可用来获取第二组腔外图像。
对于一些应用，腔内医疗装置26包括腔内数据获取装置，该腔内数据获取装置被配置成从受试者的血管内获取数据(例如，功能性数据或图像)。对于一些应用，腔内数据获取装置是成像探针。对于一些应用，成像探针是IVUS探针、EBUS探针、不同类型的超声探针、OCT探针、NIRS探针、MR探针、FACT探针、OFDI探针，或其任何组合。对于一些应用，腔内数据获取装置执行附加的功能。例如，腔内数据获取装置可包括探针，如由Volcano公司(圣地亚哥，美国)市售的VIBE(TM)RX血管成像球囊导管(Vascular Imaging Balloon Catheter)，该探针包括IVUS和冠状动脉球囊两者的功能。对于一些应用，腔内数据获取装置获取呈图像之外的形式的数据。例如，所述数据可包括与压力、流量、温度、电活动、氧合作用、生物化学组成或其任何组合有关的数据。对于一些应用，并且通常在针对冠状血管获取数据时，腔内数据获取装置是血流储备分数(FFR)探针，和/或瞬时无波型比率(iFR)探针。对于一些应用，通过对腔外图像执行图像处理来确定FFR和/或iFR测量值，并且使用本文所述的技术将所导出的FFR和/或iFR测量值与管腔的腔内图像配准。对于一些应用，通过对腔内图像执行图像处理来确定FFR和/或iFR测量值，并且使用本文所述的技术将所导出FFR和/或iFR测量值与管腔的腔外图像配准。对于一些应用，使用本文所述的技术将腔内图像与管腔的腔外图像配准，并且通过对配准的图像执行图像处理来确定FFR和/或iFR测量值。
对于一些应用，腔内医疗装置26包括被定位和/或布放在需要或潜在地需要治疗的解剖学特征处的腔内治疗装置，所述解剖学特征比如是部分或全部阻塞、自体瓣膜、动脉瘤、解剖体、畸形、间隔缺损、疑似恶性的块体、疑似发炎的块体等。例如，腔内治疗装置可包括球囊(例如，血管成形术球囊)、支架、瓣膜和/或丝线(例如，导丝)。
对于一些应用，将本文所述的设备和方法与被定位和/或布放在如支架、移植物或替换瓣膜的先前植入装置的植入部位处的腔内治疗装置一起使用。确定植入部位处和/或植入部位附近的腔内数据。例如，可在将新的假体主动脉瓣膜放置在不再起作用的先前植入的假体主动脉瓣膜的部位处(例如，内侧)的期间使用本文所述的技术。
对于一些应用，将本文所述的设备和方法与被定位和/或布放在相对于如支架、移植物或替换瓣膜的先前植入装置的限定位置处的腔内治疗装置一起使用。确定所述限定位置处和所述限定位置附近的腔内数据。例如，可在冠状动脉支架的放置期间使用本文所述的技术，使得新的支架与先前植入的支架重叠或邻近先前植入的支架，以便治疗长病变和/或已沿冠状动脉扩散的病变。
对于一些应用，输出装置40是被配置成显示血管的腔外图像42(例如，荧光图像)、血管的腔内图像44(例如，IVUS图像)，和/或腔内图像的横截面堆栈46(例如，IVUS图像堆栈)。
现在参照图2A和图2B，图2A和图2B是根据本发明的一些应用的血管的腔外图像的示意图。也参照图2C和图2D，图2C和图2D是根据本发明的一些应用的设置在动脉内的球囊的图像。图2D示出图2C中所示的图像的增强版本，其中球囊的边缘线标记在图像上。
图2A是根据本发明的一些应用的具有病变(例如，部分阻塞52)的血管50(如冠状动脉)的腔外图像的示意图。通常，在血管内没有装置的情况下，响应于用户指示病变的位置(例如，通过用户在图像中指示病变附近的单个点)，处理器自动地对病变附近的血管执行定量血管分析。通常，如Steinberg的US 2012/0230565和/或Cohen的US 2010/0222671中所述的那些的技术用于执行病变附近的定量血管分析，两个所述申请通过引用的方式并入本文。例如，使用输入装置(例如，用户界面30)，用户可指定位置(例如，通过使用输入装置在该位置处或附近进行单个点击或多个点击)，并且响应于用户指定该位置，系统自动地在附近检测病变。例如，系统可识别病变的边缘线和参考直径54。病变的参考直径通常是病变的纵向末端(所述纵向末端也被本领域技术人员称为“健康的肩部(healthy shoulders)”或“参考动脉”)处的血管的直径。对于一些应用，参考直径是被分析的血管的截面内的最宽位置。响应于检测出病变，针对病变执行定量血管分析。对于一些应用，病变例如通过突显或着色血管中确定为病变的部分来图形地指示。对于一些应用，在病变附近确定如病变长度、沿中心线的每一点处的血管的直径和/或最小管腔直径的测量值。对于一些应用，通过将那个点处的血管直径与所述血管的参考点处的血管直径进行比较来确定最小管腔直径处的阻塞水平(该阻塞水平通常提供为百分比)。
通常，通过例如使用如Steinberg的US 2012/0230565和/或Cohen的US 2010/0222671中所述的那些的技术确定血管中心线和/或边缘线的位置来执行定量血管分析，两个所述申请通过引用的方式并入本文。对于一些应用，根据以下程序自动地检测病变。
生成垂直于被取样的血管区段的中心线的扫描线。沿扫描线对图像重新取样。将对应的灰度级值存储为矩形矩阵M的列，从而将血管区段重新取样为校直的血管区段。对于校直的血管区段，确定最佳上路径和最佳下路径(相对于M的中间行)，所述最佳上路径和最佳下路径连接M的第一列和最后列。最优化准则考虑了灰度级沿M的列的变化和路径的斜率。通过最佳上路径和最佳下路径在原始图像上的反向投影获得血管边缘线。
使用最短路径算法(例如，如Dijkstra的名称为“ANote on Two Problems inConnexion with Graphs”(Numerische Mathematik 1,269-271,1959)的论文中所述，该论文通过引用的方式并入本文)以便避免边缘线中的不规则性，如小间隙和回圈。对于一些应用，基于所检测的边缘线修正中心线，并且构造新的扫描线。对于每个新的扫描线，血管直径被定义为扫描线与血管边界交叉处的两个点之间的距离。
图2B是根据本发明的一些应用的已在血管内最大限度地膨胀(即，膨胀至球囊可在这样的血管中安全地膨胀到的最大压力)从而治疗阻塞的血管成形术球囊55(例如，顺应性血管成形术球囊)的腔外图像的示意图。图2C和图2D是根据本发明的一些应用的血管成形术球囊55的实际图像，该球囊已在动脉内在部分阻塞处膨胀。图2D示出图2C中所示的图像的增强版本，其中球囊的边缘线标记在图像上。如图2B至图2D中所示，在一些情况下，甚至在球囊最大限度地膨胀之后，阻塞并未被完全治疗，而是维持所谓的剩余腰部56。通常希望能够计算在阻塞的剩余腰部处的血管的直径。
对于一些应用，如果处理器使用上文所述的算法来对内有球囊的血管执行定量血管分析，则处理器可将球囊的一个或两个端部58识别为最小管腔直径的位置，因为系统可能无法区分血管的边缘线与球囊的边缘线。因此，对于一些应用，为了避免处理器将球囊的一个或两个端部58识别为最小管腔直径的位置，处理器确定球囊存在于血管内。例如，根据下文参照图3A至图3C所述的技术，处理器响应于确定球囊在血管内的存在而确定血管的参数。
现在参照图3A至图3C，图3A至图3C是示出根据本发明的一些应用的由计算机处理器28执行的程序步骤的流程图。
如图3A中所示，对于一些应用，所述处理器检测装置(步骤60)。通常，所述处理器在受试者身体的一部分的图像内检测所述装置，如下文所述。响应于检测到所述装置，处理器例如使用下文所述的技术生成装置特定的参数作为输出(例如，在输出装置40上)(步骤61)。
如图3B中所示，对于一些应用，处理器在图像内确定装置在血管内的存在(步骤63)，并且将所述装置分类为给定类型的装置(步骤64)，如球囊。响应于确定所述装置的分类，所述处理器指定将要计算的参数(步骤65)。应注意，对于一些应用，在图像内确定所述装置在血管内的存在(步骤63)和将所述装置分类为给定类型的装置(步骤64)同时地或以与图3B中所示的那个顺序相反的顺序执行。对于一些应用，用户通过用户界面30指示给定类型的装置(例如，球囊)当前正被插入血管中(或将要被插入血管中，或已插入血管中)。基于来自用户的指示，处理器自动地确定所述装置何时存在于血管内，并且进行到步骤65。
在指定将要计算的参数(步骤65)之后，处理器计算所指定的参数(步骤66)并且响应于该计算而生成输出(步骤68)。例如，在图2B中所示的血管成形术球囊55的示例中，响应于将所述装置分类为球囊，处理器可将球囊的两个端部之间和/或球囊的两个不透射线标志57(图2B)之间的血管的最小直径指定为将要计算的参数，该最小直径对应于阻塞的剩余腰部。
如图3C中所示，对于一些应用，为了计算阻塞的剩余腰部，响应于将所述装置分类为球囊(步骤70)，处理器识别球囊的端部的位置和/或不透射线的球囊标志57的位置(步骤72)。通常，处理器使用图像处理技术，例如，使用本文所述的用于识别球囊标志的技术和/或使用如Steinberg的US 2012/0230565和/或Cohen的US 2010/0222671中所述的技术来识别球囊标志，所述两个申请通过引用的方式并入本文。对于一些应用，使用下文参照图7所述的技术来检测球囊标志。对于一些应用，处理器例如通过检测在存在大体上直的边缘线(对应于血管边缘线)的图像内以及在存在边缘线的锥形对(对应于球囊的锥形边缘)的直的边缘线内的位置来确定球囊的端部的位置。
处理器将介于球囊的不透射线标志之间的血管区域和/或介于球囊的每一纵向端部处的边缘线的锥形对之间的血管区域指定为其中设置球囊的血管区域(步骤74)。随后，处理器确定其中设置球囊的血管区域内的最小管腔直径(步骤76)。其中设置球囊的血管区域内的最小管腔直径是阻塞的剩余腰部。处理器随后生成指示所计算的剩余腰部的输出(步骤78)。
对于一些应用，所述装置的检测和/或分类(图3B的步骤63和64)由处理器使用本文所述的一个或多个算法自动地执行。例如，处理器可使用自动图像处理技术来确定所述装置的存在和/或分类。对于一些应用，处理器使用机器学习算法以便对所述装置自动地分类。对于这类应用，处理器将所检测的装置的外观和/或特性与机器学习的外观和特性进行比较。例如，可使用以下机器学习技术中的一种或多种：支持向量机(SVM)、深度信任网络(deep believe network)、神经网络和/或随机决策森林。替代地或另外，处理器将图像区域的外观和/或特性与机器学习的特性和外观进行比较。进一步替代地或另外，处理器从用户接收(通常通过用户界面30)指示所述装置在血管内的存在和/或所述装置的分类的输入。如上文所述，对于一些应用，用户通过用户界面30指示给定类型的装置(例如，球囊)当前正被插入血管中(或将要被插入血管中，或已插入血管中)。基于来自用户的指示，处理器自动地确定所述装置何时存在于血管内，并且随后进行到步骤65。
对于一些应用，处理器使用本文所述的一个或多个算法来指定将要计算的参数(图3B的步骤65)。对于一些应用，处理器通过指定将要计算的血管的参数来指定将要计算的参数。根据一些应用，血管的所述参数是血管的尺寸和/或血管的功能性参数。例如，响应于将所述装置分类为支架，处理器可将血管的其中设置所述支架的区域内的血管的最小管腔直径指定为将要计算的参数，以便在存在所述支架的情况下确定所述血管的最小管腔直径。对于一些应用，所述支架围绕球囊设置，并且处理器通过确定围绕其设置有所述支架的球囊的不透射线标志的位置来确定所述血管的其中设置所述支架的区域。
替代地或另外，响应于将所述装置分类为支架，处理器可将所述支架的位置处的心肌血流储备(或另一个管腔流量有关的指数)指定为将要计算的参数，以便确定所述支架对血管的心肌血流储备(或所述另一个管腔流量有关的指数)的影响。对于一些应用，处理器通过指定将要计算的所述装置的参数来指定将要计算的参数。例如，响应于将所述装置分类为支架，处理器可将所述支架的最大直径或所述支架的最小直径指定为将要计算的参数。对于一些应用，所述支架围绕球囊设置，并且处理器通过确定围绕其设置有所述支架的球囊的不透射线标志的位置来确定所述血管的其中设置所述支架的区域。
对于一些应用，处理器指定事件并且通过指定将要在所述事件发生时计算的参数来指定将要计算的参数。例如，在参照图2B和图3C所述的示例中，处理器可将所述球囊的最大膨胀指定所述为事件，并且处理器可在最大球囊膨胀发生时确定阻塞的剩余腰部。对于一些应用，处理器例如使用自动图像处理技术来自动地检测指定的事件的发生。
通常，使用本文所述的一个或多个算法计算所述参数(图3B的步骤66)。对于一些应用，通过使用自动图像处理技术分析图像来计算所述参数。例如，可使用如Steinberg的US 2012/0230565和/或Cohen的US 2010/0222671中所述的技术来计算所述血管和/或所述装置的尺寸，两个所述申请通过引用的方式并入本文。替代地或另外，可例如使用如Tolkowsky的WO 14/002095中所述的技术自动地计算功能性参数，该申请通过引用的方式并入本文。
对于一些应用，为了计算参数，使用本文所述的技术自动地识别血管和/或装置的边缘线。例如，可生成垂直于被取样的血管区段的中心线的扫描线。沿扫描线对图像重新取样。将对应的灰度级值存储为矩形矩阵M的列，从而将血管区段重新取样为校直的血管区段。对于校直的血管区段，确定最佳上路径和最佳下路径(相对于M的中间行)，所述最佳上路径和最佳下路径连接M的第一列和最后列。最优化准则考虑了灰度级沿M的列的变化和路径的斜率。通过最佳上路径和最佳下路径在原始图像上的反向投影获得血管的边缘线。
使用最短路径算法(例如，如Dijkstra的标题为“ANote on Two Problems inConnexion with Graphs”(Numerische Mathematik 1,269-271,1959)的文章中所述，该文章通过引用的方式并入本文)以便避免边缘线中的不规则性，如小间隙和环圈。对于一些应用，基于所检测的边缘线修正中心线，并且构造新的扫描线。对于每个新的扫描线，血管和/或装置的直径被定义为扫描线与边缘线交叉的两个点之间的距离。
对于一些应用，关于其他装置和/或关于相较于上文所述那些的受试者身体的其他部分执行本文所述的技术。
对于一些应用，使用本文所述的技术以便确定与孔闭合装置有关的参数。例如，孔闭合装置可以是心房间隔缺损闭合装置、左心耳闭合装置，和/或用来闭合手术产生的孔(如在受试者心脏的心尖中和/或在外周血管(如股静脉或股动脉)中)的孔闭合装置。响应于确定出所述装置在受试者身体的一部分的图像内存在和将所述装置分类为孔闭合装置，在孔闭合装置布放之后计算机处理器28可确定孔闭合装置的最大直径。替代地或另外，在瓣膜布放之后，可使用本文所述的技术以便确定与可植入瓣膜(如假体主动脉瓣和/或假体二尖瓣)有关的参数，例如，瓣膜的最大直径。进一步替代地或另外，在过滤器在血管内布放之后，可使用本文所述的技术以便确定与血管过滤器(例如，腔静脉过滤器，如由Volcano公司(CA,USA)制造的Vena Cava Filter)有关的参数，例如，过滤器的最大直径。
对于一些应用，响应于确定先前植入的装置在受试者身体的一部分的图像内存在，并且响应于将先前植入的装置分类为给定类型的装置，使用本文所述的技术以便确定与先前植入的装置(如，在本过程被执行之前(例如，在本过程被执行之前至少一天)植入的支架、移植物或替换瓣膜)有关的参数。
现在参照图4，图4是根据本发明的一些应用的血管的图像，丝线(例如，导丝)设置在血管内。图4A的右图框82是左图框80的一部分的放大，该放大部分包含导丝的不透射线末端部分84的图像。对于一些应用，使用本文所述的技术自动地识别导丝的不透射线部分的末端86。通常，如可在图4中观察到的，在血管的荧光图像(或不同的腔外图像)中，由于噪声而在图像内存在变暗的像素。因此，通常不可能简单地通过分析各个像素的强度来辨别对应于导丝的不透射线部分的像素与周围像素。对于一些应用，计算机处理器28使用如参照图5所述的技术来确定丝线的不透射线部分的末端在图像内的位置。
现参照图5，图5是示出根据本发明的一些应用的由计算机处理器28执行以便确定丝线的不透射线部分的末端在血管的腔外图像内的位置的过程步骤的流程图。
对于所述图像的至少一部分内的每一像素，确定所述像素的线性测度(wirenessmeasure)(步骤90)。(应注意，如本文所使用的，术语“像素”不应被解释为限于表示在屏幕上的图画的最小可控制元素。更确切地说，如本文所使用，术语“像素”应被解释为是指一组一个或多个这类元素。)对于一些应用，针对整个图像内的像素确定线性测度。替代地，仅确定图像的一部分内的像素的线性测度。例如，可对图像中的预期设置丝线的不透射线部分(例如，基于其他特征在图像内的位置)的区域内的像素的线性测度取样。替代地或另外，处理器可自用户接收指示图像中的预期设置丝线的不透射线部分的区域的输入。
线性测度是像素中的每一个具有线状特性的程度的测度。对于一些应用，使用本文所述的一个或多个算法确定像素的线性测度。通常，对于选定的像素中的每一个，通过测量所述像素与图像内的其他像素一起形成具有如暗度、亮度和/或不同特性(即，指示线性的特性)的给定特性的细长的一组像素的一部分的程度来确定线性测度。通常，线性测度指示所述像素与所述一组像素内的其他像素一起对应于所述丝线。
对于一些应用，将与Steinberg的US 2012/0230565和/或Cohen的US2010/0222671中所述的那些用于确定像素的血管性测度的大体上类似的技术用于确定像素的线性测度，两个所述申请通过引用的方式并入本文。例如，可借助于海森(Hessian)滤波器(如Frangi等人的标题为“多尺度血管增强滤波(Multiscale vessel enhancement filtering)”(Medical Image Computing and Computer Assisted Intervention--MICCAI 1998--Lecture Notes in Computer Science，第1496卷，Springer Verlag，柏林，德国，第130-137页)的文章中所述的滤波器，该文章通过引用的方式并入本文)，和/或借助于执行曲线型结构的增强和/或检测和/或划分的滤波器来确定线性。对于一些应用，使用类似于Frangi滤波器但与Frangi滤波器的不同(a)在于所述线性是齐次函数，和/或(b)在于采用乘法器以便尺度标准化的滤波器。
对于一些应用，通过确定所述像素的梯度正交于海森矩阵的对应于最高特征值的特征向量的程度来获得所述像素的线性测度。对于一些应用，所述确定是由应用至邻近最终被确定为构成丝线自身的那些像素的像素的投票函数辅助的。
对于一些应用，通过滞后(hysteresis)将阈值处理应用至图像像素。例如，如果线性值下降到滞后的高阈值以下但仍在滞后的低阈值以上的像素与下降到滞后的高阈值处或以上的像素相连，则将所述像素并入所述一组像素中。
对于一些应用，通过形态操作确定形成上述组的像素。例如，这类形态操作可包括阈值化的血管性图像的骨架化。对于一些应用，所采用的阈值根据图像中的具体区域是适应性的。
对于一些应用，机器学习技术用来确定所述像素的线性测度。
在过程的下一步骤中，对于图像的至少所述部分内的每一像素，确定所述像素的强度(步骤92)。应注意，对于一些应用，以与图5中的流程图中所示的那个相反的顺序执行步骤90和92。
在所述部分内的像素的线性测度和图像强度已被确定之后，计算机处理器28在图像的所述部分内指定第一取样区域(步骤94)。对于一些应用，根据本文所述的一个或多个算法指定第一取样区域。例如，取样区域可包括单个像素或多个像素。可随机地和/或响应于来自用户的输入而生成第一取样区域。对于一些应用，处理器通过指定导丝的末端可能被设置在其中的取样区域来指定第一取样区域。例如，处理器可通过指定具有线性测度的高值的一个或多个区域来指定第一取样区域。替代地或另外，处理器可基于图像的机器学习分析，响应于确定图像的一区域可能包含丝线的末端而指定第一取样区域。
对于一些应用，在步骤90和92之前执行步骤94，并且仅对指定的取样区域执行步骤90和92。
处理器确定在第一取样区域内是否存在至少一个像素，在该至少一个像素处，相对于具有指示线性的特性的所述一组像素中的至少一些的线性测度的值，存在大于阈值量的线性测度变化(步骤96)。对于一些应用，处理器使用本文所述的一个或多个算法执行步骤96。例如，通过图示，处理器可确定，从一个像素到邻近像素，存在超过阈值百分比减少的线性测度减少。或者，处理器可确定至少一个像素具有比属于所述一组像素的所有像素的平均线性测度低出多于阈值百分比的线性测度。
对于一些应用，在指定区域内，处理器确定具有指示线性的特性的所述一组像素的局部方向性。处理器沿那个方向确定是否存在至少一个像素，在该至少一个像素处，相对于属于具有指示线性的特性的所述一组像素的像素中的至少一些，存在大于阈值量的线性测度变化。
响应于确定出在第一取样区域内不存在超过阈值的在至少一个像素处的线性测度变化，处理器进行到下一取样区域(步骤98)，并且在第二取样区域处重复步骤96。第二取样区域通常以与第一取样区域的选择大体上类似的方式，和/或基于与第一取样区域的空间关系加以选择。响应于确定取样区域内的至少一个像素处的线性测度变化超过阈值，处理器随后确定在至少一个像素处，相对于具有指示线性的特性的所述一组像素中的至少一些的强度值，是否存在大于阈值量的像素强度变化(步骤100)。对于一些应用，处理器使用本文所述的一个或多个算法执行步骤100。例如，通过图示，处理器可确定，从像素中的一个到邻接像素，存在超过阈值百分比增加的强度增加。或者，处理器可确定像素中的一个具有超出属于所述一组像素的所有像素的平均强度大于阈值百分比的强度。
对于一些应用，在指定区域内，处理器确定具有指示线性的特性的所述一组像素的局部方向性。处理器沿那个方向确定是否存在至少一个像素，在该至少一个像素处，相对于属于具有指示线性的特性的所述一组像素的像素中的至少一些，存在大于阈值量的强度变化。
响应于确定在当前取样区域内不存在超过阈值的在至少一个像素处的强度变化，处理器进行到下一取样区域(步骤98)，并且在下一取样区域处重复步骤96。响应于确定当前取样区域内的至少一个像素处的强度变化超过阈值，确定所述丝线的不透射线部分的末端设置在当前取样区域内(步骤102)。响应于所述丝线的不透射线部分的末端在图像内的所确定的位置而生成输出。
应注意，对于一些应用，以相反顺序执行步骤96和100，处理器首先确定是否存在在至少一个像素处的大于阈值量的强度变化，并且随后确定是否存在在至少一个像素处的大于阈值量的线性测度变化。
通常，响应于所述丝线的不透射线部分的末端在图像内的所确定的位置而由计算机处理器28生成输出。对于一些应用，处理器确定所述丝线的不透射线部分的两末端的位置，并且由此确定所述丝线的不透射线部分的位置，和/或所述丝线的不透射线部分在图像内的中心。响应于所述丝线的不透射线部分的所确定的位置，和/或响应于所述丝线的不透射线部分在图像内的中心的所确定的位置而生成输出。
对于一些应用，响应于确定所述丝线的不透射线部分的末端在给定图像内的位置，处理器通过使图像中的每一个中的所述丝线的不透射线部分彼此对准来将所述图像与第二图像对准。根据各个应用，被对准的图像可显示在图像彼此对准的图像流中，且/或可基于所述图像和第二图像的对准生成合成图像。例如，在使图像彼此对准之后，处理器可求所述图像和第二图像的平均值。通常，所述丝线的不透射线部分的末端在给定图像内的位置的识别可用来执行在Iddan的US 2008/0221440、Steinberg的US2012/0230565和Cohen的US 2010/0222671中的任一个中描述的图像稳定和/或增强技术中的任一种，全部所述申请通过引用的方式并入本文。
对于一些应用，所述丝线的不透射线部分的末端在给定图像内的位置的识别可用来例如根据Tolkowsky的US 2012/0004537、Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472(所述文献通过引用的方式并入本文)中所述的技术而利于确定腔内装置在管腔内的位置。例如，可确定血管内的由腔内数据获取装置(例如，腔内成像装置，或被配置成获取多个功能性腔内数据点的腔内数据获取装置)获取一个或多个腔内数据点所在的位置。基于血管内的获取腔内数据点所在的所确定的位置，处理器可如通过生成腔内成像堆栈，和/或通过生成腔内数据点与血管内的获取腔内数据点所在的位置之间的对应性的指示来生成输出。
对于一些应用，通过沿血管中的包括所指定的管腔部位的管腔区段定位腔内数据获取装置来获取腔内数据点。随后，当观察管腔区段的腔外图像时，沿那个区段的一个或多个位置通过用户输入装置(例如，用户界面30)指示。响应于通过用户输入装置对所述一个或多个位置的指示，显示对应的先前获取的腔内图像。
通常，所指定的管腔部位包括正在诊断的部位，受诊断结果影响，治疗装置将被定位并且布放在该部位处，该部位例如是解剖学特征的部位、先前植入装置的植入部位，和/或相对于植入部位在限定位置处的部位。例如，所指定的管腔部位可包括管腔中相对于管腔的周围部分变窄的一部分，和/或病变的部位。
对于一些应用，通过将腔内数据获取装置定位在所指定的管腔部位处来获取腔内数据点。随后，在腔外成像下将腔内治疗装置定位并且布放在所指定的管腔部位处，同时实时查看由腔内数据获取装置先前在治疗装置的当前位置处获取的腔内数据。通常，在所指定的腔内部位附近的各个腔内部位处获取腔内数据。随后，当将腔内治疗装置放置在管腔内时，先前获取的腔内数据通常自动地并且通常实时地被显示和更新，以对应于治疗装置(或治疗装置的一部分)的当前位置，治疗装置的位置在治疗装置的定位期间通常改变。
对于一些应用，共同使用腔外图像和先前获取的腔内数据点，使得似乎治疗装置在实时腔外成像和实时腔内数据获取下正被定位和布放。这是因为(a)腔外成像是实时地执行，并且(b)虽然腔内数据未被实时地获取，但是显示对应于治疗装置的当前位置的腔内数据。
根据本发明的一些应用，当治疗装置被设置在管腔内时，通过对管腔内的装置的腔外图像执行图像处理来确定所述装置在管腔内的位置。
对于一些应用，所述丝线的不透射线部分的末端在给定图像内的位置的识别可用来例如根据Steinberg的US 2014/0094691和/或Steinberg的WO13/175472中所述的技术而利于确定用于所述图像与第二图像之间的映射的变换函数，所述两个申请通过引用的方式并入本文。例如，可确定用于将当前荧光图像映射至先前获取的血管造影图像的变换函数，或反之亦然。对于一些应用，通过将当前荧光图像内的两个或更多个特征的排布与先前获取的血管造影图像内的路径的至少一部分的形状进行比较，来确定用于将当前荧光图像映射至先前获取的血管造影图像的变换函数。对于一些应用，所述特征中的至少一个是当前荧光图像中的导丝的不透射线部分。
对于一些应用，基于所确定的变换函数，处理器例如根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术来确定腔内装置在管腔内的位置，所述两个申请通过引用的方式并入本文。例如，可确定血管内的由腔内数据获取装置(例如，腔内成像装置，或被配置成获取多个功能性腔内数据点的腔内数据获取装置)获取一个或多个腔内数据点所在的位置。基于血管内的获取腔内数据点所在的所确定的位置，处理器可如通过生成腔内成像堆栈，和/或通过生成腔内数据点与血管内的获取腔内数据点所在的位置之间的对应性的指示来生成输出。替代地，基于血管内的获取腔内数据点所在的所确定的位置，处理器可使用上文所述和/或如Tolkowsky的US 2012/0004537、Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术共同使用腔内数据点和腔外成像，所述申请通过引用的方式并入本文。
对于一些应用，所述丝线的不透射线部分的末端在给定图像内的位置的识别可用来例如根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术而利于将图像的一部分分类为与导丝的远端相关联，两个所述申请通过引用的方式并入本文。例如，将图像的一部分分类为与导丝的远端相关联可用来根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术而利于确定用于将一个图像映射至另一个图像的变换函数，两个所述申请通过引用的方式并入本文。
现在参照图6A至图6B，图6A至图6B是设置在血管内的导丝(如导丝24)的各个腔外图像的矩形取样区域110和112的示意图，使用现有技术对所述区域取样。图6A的矩形取样区域110被取样成使得矩形的长度被设置成与所述导丝局部地设置在图像内的方向近似平行。在图像中的X的中心处的给定像素111被设置在取样区域的中心处。图6B的矩形取样区域112被取样成使得矩形的长度被设置成与所述导丝局部地设置在图像内的方向近似垂直。在图像中的X的中心处的像素111被设置在取样区域的中心处。
图6A的底部示出在取样区域114的机器学习外观旁边的取样区域110，该取样区域的中心像素对应于导丝的一部分。图6B的底部示出在取样区域114旁边的取样区域112。如果机器学习技术被处理器28用来通过将取样区域110与区域114进行比较来确定像素111是否对应于导丝的一部分，则处理器可确定像素111对应于导丝的一部分。然而，如果处理器将取样区域112与区域114进行比较，则处理器可确定像素111不对应于导丝的一部分。
根据图6A至图6B的描述，通过对像素111周围的旋转变化区域取样，机器学习分类算法可能无法精确地确定像素111是否对应于导丝24的一部分。根据本发明的一些应用，为了确定给定像素是否对应于对象的一部分，在像素周围对旋转不变区域取样，并且将机器学习分类应用至旋转不变区域，如下文所述。例如，可使用以下机器学习技术中的一种或多种：支持向量机(SVM)、深度信念网络、神经网络和/或随机决策森林。
现在参照图7，图7是示出根据本发明的一些应用的用来识别包含对象的图像内的给定像素是否对应于所述对象的一部分的过程步骤的流程图。也参照图8A至图8B，图8A至图8B是根据本发明的一些应用的导丝的图像和围绕图像的像素111取样的圆形取样区域130的示意图，所述圆形取样区域包括围绕像素111设置的一组同心圆132a-132c。
通常，图7中所示的过程是针对受试者的血管的图像(例如，荧光图像)来执行的，并且用来识别所述图像内的给定像素(例如，像素111)是否对应于设置在血管内的对象的一部分。例如，设置在血管内的对象可以是引导导管22、丝线(例如，导丝24)、腔内治疗装置、腔内数据获取装置、不透射线标志(如图2B中所示的标志57)和/或支架。
如图7中所示，在第一步骤(步骤120)中，处理器28抽取围绕所述像素设置的一组同心圆作为样本。例如，图8B的顶部部分示出围绕像素111取样的一组同心圆132a-132c。处理器将第一函数应用至所述圆中的每一个，使得所述圆通常使用本文所述的算法中的一个或多个由第一组旋转不变描述符来限定(步骤122)。例如，处理器可将时频域变换(例如，傅里叶变换、离散正弦变换和/或离散余弦变换)应用至所述圆，并且处理器可确定所述圆中的每一个的时频域变换的绝对系数。确定出时频域变换的绝对系数的效果是从变换中移除相移，使得具有相同图案但相对于彼此旋转的两个类似的圆的描述符相同。因此，在这个阶段，所述圆由象征性地示出在图8B的底部处的各个旋转不变描述符132a'-132c'来表示。
现在参照图9A至图9B，图9A至图9B是对其应用图7的步骤120和122的各个腔外图像的区域的示意图。图9A示出导丝的图像，其中圆形取样区域130是围绕所述图像的像素111取样的。图9B是包含围绕像素111设置的变暗像素的例示性腔外图像，如图9B中所示的像素111不对应于导丝的一部分。在图9B中，圆形取样区域130是围绕图像的像素111取样的。
图9A和图9B的中间部分示出圆形取样区域130的放大，并且图9A和图9B的底部部分示出围绕像素111的多组同心圆132a-132c。如以上所述，作为将步骤122应用至同心圆132a-132c的结果，表示圆132a-132c的描述符变成旋转不变的。因此，因为除相对于彼此旋转以外，图9B中所示的同心圆类似于图9A中所示的那些，所以作为将步骤122应用至各组圆的结果，两组同心圆将得到彼此类似的多组旋转不变描述符。因此，根据本发明的一些应用，应用图7的步骤124、126和127。应用步骤124、126和127的效果在于同心圆132a-132c由相对于取样区域130旋转不变的描述符来表示，并且使得同心圆132a-132c相对于彼此的旋转对准被限定。因此，在应用步骤124、126和127之后，图9A中的区域130的代表性描述符不同于图9B中的区域130的代表性描述符。
再次参照图7，在步骤124中，处理器28将第二函数应用至所述一组圆132a-132c，以致生成第二组描述符，第二组描述符中的每一个通常使用本文所述的算法中的一个或多个来表示所述圆的各个对之间的差异。例如，所述圆可与另一个作减法，使得第二组描述符包含(a)表示圆132c与圆132a之间的差异的第一描述符、(b)表示圆132c与圆132b之间的差异的第二描述符，和(c)表示圆132b与圆132a之间的差异的第三描述符。在步骤126中，将第三函数应用至第二组描述符，使得第二组描述符通常使用本文所述的算法中的一个或多个通过变为旋转不变的来形成第二组旋转不变描述符。例如，处理器可将时频域变换(例如，傅里叶变换、离散正弦变换和/或离散余弦变换)应用至第二组描述符，并且处理器可确定第二组描述符中的每一个的时频域变换的绝对系数。对于一些应用，通过计算表示所述圆的旋转不变描述符之间的差异来确定第二组旋转不变描述符。
在任选的(如围绕步骤127的虚线框所示的)步骤127中，处理器通常使用本文所述算法中的一个或多个来生成表示第一组旋转不变描述符和第二组旋转不变描述符的代表性描述符。通常，通过将第一组旋转不变描述符和第二组旋转不变描述符组合在一起，例如，通过彼此结合地列出描述符，来生成代表性描述符。
应注意，步骤124和126通常与步骤122并行地执行，并且不必相对于步骤122随后和/或顺序地执行。对于一些应用，在步骤122和126(其中生成第一组旋转不变描述符和第二组旋转不变描述符)被执行之前执行步骤124(其中生成表示所述圆之间的差异的第二组描述符)。对于一些这类应用，步骤122和126彼此一起地执行，例如，通过将时频域变换(例如，傅里叶变换、离散正弦变换和/或离散余弦变换)应用至两组圆并应用至表示所述圆之间的差异的第二组描述符，并且随后确定时频域变换的结果的绝对系数。如上文所述，对于一些应用，通过计算表示所述圆的旋转不变描述符之间的差异来确定第二组旋转不变描述符。通常，该组产生的绝对系数是表示该组圆以及所述圆之间的差异两者的旋转不变描述符。因此，对于这类应用，通过执行步骤122和126来自动地执行步骤127。
如上文所述，应用图7的步骤124、126和127的效果在于同心圆132a-132c由相对于取样区域130旋转不变的但描述同心圆132a-132c相对于彼此的旋转对准的描述符来表示。类似地，即使步骤127未被执行，步骤122和126的输出在结合彼此加以分析时也表示同心圆132a-132c，使得所述圆相对于取样区域130是旋转不变的，但使得同心圆132a-132c相对于彼此的旋转对准被限定。
在步骤128中，基于代表性描述符，处理器通常使用本文所述的算法中的一个或多个来确定像素111是否对应于所述对象的一部分(例如，导丝24的一部分)。替代地，对于步骤127未被执行的应用，处理器基于第一组旋转不变描述符和第二组旋转不变描述符来确定像素111是否对应于所述对象的一部分。通常，处理器通过将机器学习分类应用至通过步骤127得到的代表性描述符，和/或通过将机器学习分类应用至通过步骤122和126得到的第一组旋转不变描述符和第二组旋转不变描述符来确定像素111是否对应于所述对象的一部分。在步骤129中，如果处理器确定出像素111对应于所述对象的一部分，则处理器至少部分地响应于此而生成输出。
应注意，对于一些应用，处理器并不将图7中所示的过程应用至图像中的所有像素。例如，处理器可通过针对所述图像的至少一部分内的每个像素确定对象性测度(objectness measure)来选择应用所述过程的像素。对象性测度通常测量所述像素与所述图像内的其他像素一起形成具有给定特性的一组像素的程度，该给定特性与所述对象的所述部分相关联。例如，如果对象是导丝，则对象性测度可类似于上文所述的线性测度。对于一些应用，用于其他对象的对象性测度加以必要的变更后通常类似于上文所述的线性测度。处理器随后可通过选择设置在形成该组像素的至少一些像素附近的像素和/或属于该组像素的像素，来选择应用图7中所示的过程的像素。
如上文所述，通常，图7中所示的过程针对受试者的血管的图像(例如，荧光图像)加以执行，并且用来识别所述图像内的给定像素(例如，像素111)是否对应于设置在血管内的对象的一部分。例如，设置在血管内的对象可以是引导导管22、丝线(例如，导丝24)、腔内治疗装置、腔内数据获取装置、不透射线标志(如图2B中所示的标志57)和/或支架。对于一些应用，通过针对所述图像内的多个像素执行图7中所示的过程来确定所述对象在所述图像内的位置。
对于一些应用，响应于确定所述对象在所述图像内的位置，处理器通过使所述图像中的每一个中的所述对象彼此对准来将所述图像与第二图像对准。根据各个应用，对准的图像可显示在图像彼此对准的图像流中，和/或可基于所述图像和第二图像的对准生成合成图像。例如，在使图像彼此对准之后，处理器可求所述图像和第二图像的平均值。通常，确定所述对象在所述图像内的位置可用来执行在Iddan的US 2008/0221440、Steinberg的US 2012/0230565和Cohen的US 2010/0222671中描述的图像稳定和/或增强技术中的任何技术，所有的所述申请通过引用的方式并入本文。
对于一些应用，所述对象在所述图像内的位置用来例如根据Tolkowsky的US2012/0004537、Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术而利于确定腔内装置在管腔内的位置，所述申请通过引用的方式并入本文。例如，可确定血管内的由腔内数据获取装置(例如，腔内成像装置，或被配置成获取功能性腔内数据点的腔内数据获取装置)获取腔内数据点所在的位置。基于血管内的获取腔内数据点所在的所确定的位置，处理器可比如通过生成腔内成像堆栈，和/或通过生成腔内数据点与管腔内的获取腔内数据点所在的位置之间的对应性的指示来生成输出。
对于一些应用，所述对象在图像内的所确定的位置用来例如根据Steinberg的US2014/0094691和/或Steinberg的WO 13/175472中所述的技术而利于确定用于图像与第二图像之间的映射的变换函数，两个所述申请通过引用的方式并入本文。例如，可确定用于将当前荧光图像映射至先前获取的血管造影图像的变换函数，或反之亦然。对于一些应用，通过将当前荧光图像内的两个或更多个特征的排布与先前获取的血管造影图像内的路径的至少一部分的形状进行比较，来确定用于将当前荧光图像映射至先前获取的血管造影图像的变换函数。对于一些应用，所述特征中的至少一个是所述对象，所述对象的位置是使用本文所述的技术在当前荧光图像中确定的。
对于一些应用，基于所确定的变换函数，处理器例如根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术确定腔内装置在管腔内的位置，两个所述申请通过引用的方式并入本文。例如，可确定血管内的由腔内数据获取装置(例如，腔内成像装置，或被配置成获取功能腔内数据点的腔内数据获取装置)获取腔内数据点所在的位置。基于血管内的获取腔内数据点所在的确定的位置，处理器可比如通过生成腔内成像堆栈，和/或通过生成腔内数据点与管腔内的获取腔内数据点所在的位置之间的对应性的指示来生成输出。替代地，基于血管内的获取腔内数据点所在的确定的位置，处理器可使用上文所述和/或如Tolkowsky的US 2012/0004537、Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术共同使用腔内数据点和腔外成像，所述申请通过引用的方式并入本文。
对于一些应用，所述对象在所述图像内的所确定的位置用来例如根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术而利于将所述图像的一部分分类为与所述对象相关联，两个所述申请通过引用的方式并入本文。例如，将所述图像的一部分分类为与所述对象相关联可用来根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术而利于确定用于将一个图像映射至另一个图像的变换函数，两个所述申请通过引用的方式并入本文。
现在参照图10，图10是示出根据本发明的一些应用的用来确定用于管腔的路线图图像内的位置与管腔的第二图像内的位置之间的映射的变换函数的过程步骤的流程图。也参照图11A至图11C，图11A至图11C是根据本发明的一些应用的受试者的管腔(例如，动脉)160的图像的示意图。
在过程的第一步骤140中，获取管腔的至少一个第一腔外图像。通常，使用腔外成像装置获取管腔的第一组腔外图像。例如，腔外成像装置20(图1)可用来获取受试者的血管(例如，冠状动脉)的第一组腔外图像。根据各个应用，在管腔内存在造影剂的情况下，或在管腔内不存在造影剂的情况下获取第一组腔外图像。
在步骤142中，处理器28将所述至少一个第一腔外图像指定为路线图图像。通常，使用本文所述的算法中的一个或多个，获取第一组腔外图像，并且处理器将第一组图像中的至少一个指定为路线图图像。通常，根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术将第一组图像中的至少一个指定为路线图图像，两个所述申请通过引用的方式并入本文。例如，可基于以下准则选择所述图像：(a)在所需的心脏相位(通常舒张末期)处获取所述图像，和/或(b)在所述图像中，造影剂使管腔突显。对于其中对受试者的冠状动脉执行本文所述的技术的过程，图像可基于冠状动脉的至少一部分在该组图像中的可见性来选择该组图像。对于一些应用，选择具有冠状动脉的最大可见性的血管造影片，其中这种选择通常是自动的。通常基于所观察的动脉的最大总数、归因于动脉的图像像素的最大数目和/或具体动脉的外观中的最大图像对比度来确定最大可见性。对于一些应用，基于多个腔外图像的腔外图像(例如，基于求多个图像的平均值的图像)被选择并被指定为路线图图像。
图11A示出根据本发明的一些应用的已被指定为路线图图像的受试者动脉的图像。可观察到，在路线图图像中，动脉160利用造影剂突显。
再次参照图10，在步骤144中，处理器28通常使用本文所述的算法中的一个或多个在路线图图像内指定路线图路径。通常，根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术来指定路线图路径，两个所述申请通过引用的方式并入本文。对于一些应用，响应于手动的用户输入和/或自动地指定路线图路径。例如，所述途径基于手动指示的点，通过用户指示沿所述路径的一些点并且处理器完成所述路径而被指定。对于一些应用，路线图路径至少部分地通过确定管腔的中心线来确定。例如，可使用US 2012/0230565、WO 10/058398、WO 12/014212和/或US 2012/0004537中所述的用于确定管腔的中心线的技术来确定管腔的中心线，所有所述申请通过引用的方式并入本文。
对于一些应用，在管腔内不存在造影剂的情况下获取第一腔外图像(或第一组腔外图像)。对于这类应用，可通过识别路线图图像内的一组特征和响应于所识别的该组特征而指定路线图路径来指定路线图路径。通常，该组特征对应于设置在管腔内的不透射线特征(如不透射线标志和/或引导导管的不透射线末端)。因此，该组特征通常指示管腔在图像内的位置。
图11B示出图11A的路线图图像，其中已在动脉160内指定了路线图路径162。应注意，虽然在图11B中，途径162被显示在路线图图像内，但是对于一些应用，在所述路径实际上没有显示在显示器上的情况下指定路线图路径。
再次参照图10，在步骤146中，腔外成像装置(例如，图1中所示的腔外成像装置20)获取附加的腔外图像，并且通常获取第二组腔外图像。通常，第二组腔外图像是荧光图像，其中至少一些是在管腔内不存在造影剂的情况下，并且进一步通常在腔内装置(例如，腔内数据获取装置或腔内治疗装置)设置在管腔内时获取的。
图11C示出在管腔内不存在造影剂的情况下获取的腔外图像的示例。可观察到，在图11C中，管腔自身未使用造影剂突显，但是存在对应于设置在管腔内的不透射线对象的图像的变暗部分。
在步骤148中，基于附加的腔外图像(例如，基于属于第二组腔外图像的至少一个图像)，处理器28通过将评分函数应用至所述图像内的至少一些像素，使得对其应用评分函数的像素中的每一个被指定一指示所述像素具有给定特性的程度的得分，来生成得分图像。
通常，使用本文所述的算法中的一个或多个生成所述得分图像。应注意，对于一些应用，评分函数并不导致将所述像素识别为对应于给定对象(如引导导管、丝线或不透射线标志)。替代地，评分函数可导致将一个或多个像素识别为对应于给定对象(如引导导管、线或不透射线标志)。对于一些应用，在步骤148中，将单个滤波器应用至图像。例如，可将海森滤波器或高通滤波器应用至所述图像的至少一部分。对于一些应用，评分函数将指示像素的强度的得分指定给所述像素中的每一个。替代地或另外，评分函数将一指示所述像素可能对应于非解剖学对象的程度的得分指定给所述像素中的每一个。
在步骤150中，基于对其应用评分函数的所述像素中的至少一些的得分，处理器28确定路线图路径的至少一部分与得分图像内的曲线之间的对应性。通常，使用本文所述的算法中的一个或多个来确定路线图路径中的至少一部分与得分图像内的曲线之间的对应性。通常，处理器通过应用最佳拟合算法以将路线图路径最佳地拟合至所述图像的像素来确定路线图路径的一部分与得分图像内的曲线之间的对应性，所述像素的得分指示所述像素可能对应于路线图路径的像素。例如，处理器可确定比其他像素更暗的像素可能对应于沿路线图路径的像素。替代地或另外，处理器可确定具有指示对应于非解剖学对象的像素的得分的像素可能对应于沿路线图路径的像素。
对于一些应用，处理器28使用动态编程算法来确定路线图路径的一部分与得分图像内的曲线之间的对应性。例如，处理器可确定沿路线图路径的第一像素与附加的腔外图像的第一像素之间的对应性。随后，基于(a)沿路线图路径的第一像素与附加的腔外图像的第一像素之间的所确定的对应性，和(b)对其应用评分函数的所述像素中的至少一些的得分，处理器可确定沿路线图路径的第二像素与附加的腔外图像的第二像素之间的对应性。
替代地或另外，处理器28使用梯度下降算法来确定路线图路径的一部分与得分图像内的曲线之间的对应性。对于一些应用，处理器使用包括正则化函数的梯度下降算法。正则化函数的效果在于以给定序列设置在附加的腔外图像中的像素被确定为对应于沿路线图路径的各个像素，对应的像素以相同的给定序列沿着路线图路径设置。
再次参照图10，在步骤152中，基于路线图路径的一部分与得分图像内的曲线之间的对应性，处理器28确定用于路线图图像内的位置与附加的腔外图像内的位置之间的映射的变换函数。通常，在路线图图像的获取与附加的腔外图像的获取之间，管腔已经历位置和形状变化(例如，由于受试者的呼吸周期，由于受试者的心动周期，由于受试者的其他移动，和/或由于管腔内的装置已移动管腔)。通常，在步骤152中，处理器确定应应用至附加的腔外图像的变换的估计测度(例如，拉伸、旋转、收缩、透视、偏斜等)，使得附加的腔外图像内的位置可被映射至路线图图像内的对应位置，和/或反之亦然。对于一些应用，将本文所述的技术与如Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的用于将腔外图像映射至路线图图像的算法组合，两个所述申请通过引用的方式并入本文。
例如，为了执行映射，映射功能可假定管腔的一般形状和沿管腔的特征间的关系在整个管腔的运动期间大体上被保持。为找到所需的索引映射，针对每一可能的映射定义变形测度，并且通过最小化变形测度来获得所需的映射，如Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述，两个所述申请通过引用的方式并入本文。
再次参照图10，在步骤154中，响应于所确定的变换函数，处理器28在输出装置40上生成输出。
对于一些应用，处理器28通过确定管腔的一部分的物理尺寸与路线图路径的对应于管腔的所述部分的一部分中的像素的数目之间的关系(例如，沿管腔以mm为单位的长度，沿路线图路径的每像素)来校准路线图路径。应注意，通常，由于管腔的各个部分相对于腔外成像装置以各个角度设置，与图像中的管腔的各个部分相关联的校准因子不同。因此，通常，处理器确定沿路线图路径的多个局部校准因子。对于一些应用，响应于确定的变换函数，处理器使用与Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的那些大体上类似的技术来确定沿路线图路径的局部化校准因子，两个所述申请通过引用的方式并入本文。
对于一些应用，基于所确定的变换函数，处理器例如根据Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术来确定腔内装置在管腔内的位置，两个所述申请通过引用的方式并入本文。例如，当腔内装置在管腔内时，可获取附加的腔外图像。基于变换函数，处理器可确定腔内装置关于路线图图像的位置，并且可生成指示腔内装置关于路线图图像的所确定的位置的输出。对于一些应用，指示腔内装置关于路线图图像的所确定的位置的输出由处理器关于获取属于第二组图像的图像而实时地和/或联机地生成。
对于一些应用，确定用于路线图图像内的位置与属于第二组腔外图像的各个图像内的位置之间的映射的各个变换函数。基于映射，关于路线图图像，确定腔内装置在第二组腔外图像的各个腔外图像中的位置。
对于一些应用，腔内装置是腔内数据获取装置(例如，腔内成像装置，或被配置成获取多个功能性腔内数据点的腔内数据获取装置)。基于腔内装置关于路线图图像在各个腔外图像中的位置，处理器确定管腔内的由腔内数据获取装置获取一个或多个腔内数据点所在的位置。
例如，基于管腔内的获取腔内数据点所在的所确定的位置，处理器可比如通过生成腔内成像堆栈，和/或通过生成腔内数据点与管腔内的获取腔内数据点所在的位置之间的对应性的指示来生成输出。替代地，基于管腔内的获取腔内数据点所在的所确定的位置，处理器可使用上文所述和/或如Tolkowsky的US 2012/0004537、Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术共同使用腔内数据点和腔外成像，所述申请通过引用的方式并入本文。
对于一些应用，通过对属于第二组腔外图像的图像执行映射，对于应用映射的腔外图像中的每一个，确定在获取腔外数据点(例如，图像)时，腔内数据获取装置关于路线图路径设置在何处的估计。具体来说，对于应用映射的腔外图像中的每一个，确定在获取腔外图像时，数据获取装置的数据获取部分(例如，腔内数据获取装置的头部)在路线图路径上设置在何处的估计。
通常，处理器28确定在与各个腔外图像相同的时间获取哪些腔内数据点。例如，单个计算机(或时间同步化的两个或更多个计算机)可操作腔外图像和腔内数据的获取，并且所述计算机可记录获取腔外图像和腔内数据点所在的时间。或者，处理器可基于获取腔外图像和腔内数据点所用的已知帧速率来确定在与各个腔外图像相同的时间获取哪些腔内数据点。通过确定在获取腔外图像时，数据获取装置的数据获取部分(例如，腔内数据获取装置的头部)关于路线图图像设置在何处的估计，处理器确定在与腔外图像相同的时间获取的腔内数据点关于路线图图像的位置。
对于一些应用，处理器28对腔内数据获取装置的数据获取部分关于路线图图像的所确定的位置执行内插法，以确定腔内数据获取装置的数据获取部分在腔内数据获取装置相对于管腔的移动期间的任何时间(即，甚至在属于第二组腔外图像的腔外图像的获取之间的时间)关于路线图图像的位置。对于一些应用，将与Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的那些的大体上类似的技术用于执行内插法，两个所述申请通过引用的方式并入本文。
通常，在整个腔内数据获取装置相对于管腔移动的期间，通过最佳化腔内数据获取装置的轨迹代价来执行内插法。所述代价包括比如维持给定特征之间(例如，标志对之间)的给定分离、腔内数据获取装置的速度、移动连续性和引导导管的映射品质的参数。所产生的轨迹被平滑，并且结果是沿路线图图像的腔内数据获取装置的位置的浮点模型指数。对于一些应用，通过将参数估计技术应用至腔内数据获取装置的数据获取部分沿路线图图像的所确定的位置来执行内插法。例如，可将时间滤波技术和/或异常值移除技术应用至腔内数据获取装置的数据获取部分沿路线图路径的所确定的位置。
对于一些应用，为了执行内插法，首先例如使用上文和/或Steinberg的US 2014/0094691和/或Steinberg的WO 13/175472中所述的技术来校准路线图图像(例如，路线图路径)的至少一部分，两个所述申请通过引用的方式并入本文。
如上文所述，通常，在与各个腔外图像相同的时间获取腔内数据点的一部分。对于这些腔内数据点，处理器28通过在对应于各个腔内数据点的腔外图像与路线图图像之间建立映射来确定腔内数据点关于路线图图像的位置，如上文所述。进一步通常，在管腔的腔外图像的获取之间获取腔内数据点的第二部分。对于这些腔内数据点，处理器28通常使用内插法技术来确定腔内数据点关于路线图图像的位置。
对于一些应用，处理器28仅示出腔内数据点的第一部分与路线图图像内的位置之间的对应性。例如，响应于来自用户的输入(例如，通过用户界面30)，处理器可仅示出腔内数据点的第一部分与路线图图像内的位置之间的对应性。替代地或另外，处理器可仅使用属于腔内图像的第一部分的腔内图像来生成腔内数据点的堆栈(例如，腔内图像堆栈)。
对于一些应用，处理器示出腔内数据点的第一部分和第二部分两者与路线图图像内的位置之间的对应性，和/或使用属于腔内数据点的第一部分和第二部分两者的腔内图像来生成腔内数据点的堆栈。另外，处理器例如使用色彩方案或用来区分属于腔内数据点的第一部分和第二部分的腔内数据点的替代性图形特征来生成腔内数据点中的哪些属于腔内数据点的第一部分，和腔内数据点中的哪些属于腔内数据点的第二部分的指示。
对于一些应用，用于区别腔内数据点的第一部分与第二部分的以上所述技术是结合用于腔外图像与路线图图像之间建立映射的映射技术来执行的，如Steinberg的US2014/0094691和/或Steinberg的WO 13/175472中所述，两个所述申请通过引用的方式并入本文。
应注意，尽管本文所述的一些技术是主要关于腔外荧光检查/血管造影图像和腔内图像描述，但本发明的范围包括加以必要的变更后将本文所述的技术应用至其他形式的腔外图像和腔内图像和/或数据。例如，腔外图像可包括通过荧光检查、CT、MRI、超声、PET、SPECT、其他腔外成像技术或其任何组合生成的图像。腔内图像可包括通过血管内超声(IVUS)光学相干断层扫描(OCT)、近红外光谱法(NIRS)、血管内超声(IVUS)、支气管内超声(EBUS)、磁共振(MR)、其他腔内成像技术或其任何组合生成的图像。腔内数据可包括与压力(例如，血流储备分数)、流量、温度、电活动或其任何组合有关的数据。
尽管本文所述的一些技术主要被描述为对血管执行，但是本申请的范围包括加以必要的变更后对血管系统、呼吸道、消化道、泌尿道、病人身体内的任何其他管腔结构或病人身体内的任何其他合适的解剖结构中的管腔执行类似的技术。可应用本文所述的技术的解剖结构的示例包括冠状血管、冠状动脉病变、血管、血管病变、管腔、管腔病变和/或瓣膜。
本文所述的本发明的应用可采取可从计算机可用或计算机可读介质(例如，非暂时性计算机可读介质)存取的计算机程序产品的形式，该计算机可用或计算机可读介质提供程序代码以用于由或结合计算机或比如计算机处理器28的任何指令执行系统使用。出于这个描述的目的，计算机可用或计算机可读介质可以是可包括、存储、通信、传播或传送程序以用于由或结合指令执行系统、设备或装置使用的任何设备。所述介质可以是电子的、磁性的、光学的、电磁的、红外的，或半导体系统(或设备或装置)或传播介质。通常，计算机可用或计算机可读介质是非暂时性计算机可用或计算机可读介质。
计算机可读介质的示例包括半导体或固态存储器、磁带、可移除计算机磁盘、随机存取存储器(RAM)、只读存储器(ROM)、硬盘和光盘。光盘的当前示例包括光盘只读存储器(CD-ROM)、可读/写光盘(CD-R/W)和DVD。
适合于存储和/或执行程序代码的数据处理系统将包括直接地或通过系统总线间接地联结至存储器元件(例如，存储器29)的至少一个处理器(例如，计算机处理器28)。存储器元件可包括在程序代码的实际执行期间使用的本地存储器、大容量存储设备和提供至少一些程序代码的暂时存储以便减少在执行期间必须自大容量存储设备检索代码的次数的高速缓冲存储器。系统可读取程序存储装置上的创新性指令，并且遵循这些指令来执行本发明的实施方案的方法。
网络适配器可被联接至处理器以使处理器能够变得通过介入私有或公共网络联结至其他处理器或远程打印机或存储装置。调制解调器、电缆调制解调器和以太网卡仅是几个当前可利用的类型的网络适配器。
用于实现本发明的操作的计算机程序可用一种或多种编程语言的任何组合撰写，该一种或多种程序设计语言包括如Java、Smalltalk、C++等的面向对象的编程语言和如C编程语言或类似编程语言的传统的过程性编程语言。
将理解，图3A至图3C、图5、图7和图10中所示的流程图的每个框和流程图中的框的组合可通过计算机程序指令实现。这些计算机程序指令可被提供至通用计算机、专用计算机或其他可编程数据处理设备的处理器以产生机器，使得通过计算机的处理器(例如，计算机处理器28)或其他可编程数据处理设备执行的指令创建用于实现在流程图中指定的函数/动作和/或本申请中所述的算法的手段。这些计算机程序指令也可被存储在计算机可读介质(例如，非暂时性计算机可读介质)中，该计算机可读介质可指导计算机或其他可编程数据处理设备以特定方式发挥作用，使得存储在计算机可读介质中的指令产生包括实现流程图框中指定的函数/动作和算法的指令手段的制品。计算机程序指令也可被加载至计算机或其他可编程数据处理设备上，以使一系列操作步骤将在计算机或其他可编程设备上执行来产生计算机实施的处理，使得在计算机和其他可编程设备上执行的指令提供用于实现流程图中指定的函数/动作和/或本申请中所述的算法的处理。
计算机处理器28通常是使用计算机程序指令编程来产生专用计算机的硬件装置。例如，当被编程来执行参照图2A至图2C和图3A至图3C所述的算法时，计算机处理器28通常充当专用的装置特定的参数测量计算机处理器。当被编程来执行参照图4和图5所述的算法时，计算机处理器28通常充当专用的导丝末端识别计算机处理器。当被编程来执行参照图7所述的算法时，计算机处理器28通常充当专用的对象识别计算机处理器。当被编程来执行参照图10所述的算法时，计算机处理器28通常充当专用的图像映射计算机处理器。通常，由计算机处理器28执行的本文所述的操作取决于使用的存储器技术而将存储器29的物理状态变换成具有不同的磁极性、电荷等，该存储器是真实的物理物品。
本申请的范围包括将本文所述的设备和方法与以下申请中的任一申请中所述的设备和方法组合，所有所述申请通过引用的方式并入本文：
·2008年3月9日提交的名称为“用于与移动的器官一起使用的成像和工具(Imaging and tools for use with moving organs)”的Iddan的国际申请PCT/IL2008/000316(公开为WO 08/107905)；
·2008年3月10提交的名称为“用于与移动的器官一起使用的成像和工具(Imaging and tools for use with moving organs)”的Iddan的美国专利申请2/075,252(公开为US 2008/0221440)；
·2009年6月18日提交的名称为“医疗工具的步进式推送(Stepwise advancementof a medical tool)”的Iddan的国际申请PCT/IL2009/000610(公开为WO 09/153794)；
·2009年6月18日提交的名称为“医疗工具的步进式推送(Stepwise advancementof a medical tool)”的Iddan的美国专利申请12/487,315(公开为US 2009/0306547)；
·Steinberg的美国专利申请12/666,879(公开为US 2012/0230565)，该申请是2009年11月18日提交的名称为“用于医疗过程的图像处理和工具致动(Image processingand tool actuation for medical procedures)”的Cohen的PCT申请PCT/IL2009/001089(公开为WO 10/058398)的美国国家阶段；
·2010年5月17日提交的名称为“装置-血管的相对运动的识别和呈现(Identification and presentation of device-to-vessel relative motion)”的Cohen的美国专利申请12/781,366(公开为US 2010/0222671)；
·2011年5月17日提交的名称为“装置-血管的相对运动的识别和呈现(Identification and presentation of device-to-vessel relative motion)”的Cohen的国际专利申请PCT/IL2011/000391(公开为WO 11/145094)；
·2011年9月8日提交的Tolkowsky的US 13/228,229(公开为US2012/0004537)，该专利是2011年7月28日提交的名称为“腔内数据和腔外成像的共同使用(Co-use ofendoluminal data and extraluminal imaging)”的Tolkowsky的国际申请PCT/IL2011000612(公开为WO 12/014212)的继续申请；
·Barzelay的美国专利申请14/128,243(公开为US 2014/0140597)，该申请是2012年6月21日提交的名称为“管腔背景清洁(Luminal background cleaning”的国际专利申请PCT/IL2012/000246(公开为WO12/176191)的美国国家阶段；
·2011年9月8日提交的名称为“腔内数据和腔外成像的共同使用(Co-use ofendoluminal data and extraluminal imaging)”的Tolkowsky的美国专利申请13/228,229(公开为US 2012/0004537)；
·2013年12月5日提交的名称为“腔内数据和腔外成像的共同使用(Co-use ofendoluminal data and extraluminal imaging)”的Steinberg的美国专利申请14/097,922(公开为US 2014/0094691)，该申请是2013年5月21日提交的名称为“腔内数据和腔外成像的共同使用(Co-use of endoluminal data and extraluminal imaging)”的Steinberg的国际申请PCT/IL2013/050438(公开为WO 13/175472)的继续申请；
·2013年12月27提交的名称为“通过测量造影剂的速度确定管腔的特性(Determining a characteristic of a lumen by measuring velocity of a contrastagent)”的Tolkowsky的美国专利申请14/142,082(公开为US2014/0121513)，该申请是2013年6月26日提交的名称为“管腔器官内与流量相关的图像处理(Flow-related imageprocessing in luminal organs)”的Tolkowsky的国际申请PCT/IL2013/050549(公开为WO14/002095)的继续申请；以及
·2015年4月2日提交的名称为“在医疗装置在场的情况下的图像分析(Imageanalysis in the presence of a medical device)”的Klaiman的国际专利申请PCT/IL2015/050372，该国际专利申请要求2014年4月10日提交的名称为“在医疗装置在场的情况下的图像分析(Image analysis in the presence of a medical device)”的Klaiman的美国临时专利申请61/977,891的优先权。
本领域技术人员将了解，本发明不限于上文已具体示出和描述的那些。而是，本发明的范围包括上文所述的各种特征的组合和再组合两者，以及本领域技术人员将在阅读先前描述后想起的未在本领域中的对所述各种特征的变化和修改。

Claims (86)

1.一种用于与包含对象的图像一起使用的方法，所述方法包括：
使用至少一个计算机处理器，通过以下操作自动地识别所述图像内的给定像素是否对应于所述对象的一部分：
从所述图像抽取围绕所述像素设置的一组同心圆作为样本；
将第一函数应用至所述圆中的每一个，使得所述圆由第一组旋转不变描述符限定；
将第二函数应用至所述一组圆以生成第二组描述符，所述第二组描述符中的每一个表示所述圆的各个对之间的差异；
将第三函数应用至所述第二组描述符，使得所述第二组描述符通过变为旋转不变的而形成第二组旋转不变描述符；以及
基于所述第一组旋转不变描述符和所述第二组旋转不变描述符，识别所述给定像素是否对应于所述对象的所述部分；以及
至少部分地响应于识别所述给定像素对应于所述对象的所述部分而生成输出。
2.根据权利要求1所述的方法，其中，基于所述第一组旋转不变描述符和所述第二组旋转不变描述符，识别所述给定像素是否对应于所述对象的所述部分包括将机器学习分类应用至所述第一组旋转不变描述符和所述第二组旋转不变描述符。
3.根据权利要求1所述的方法，其中，所述方法进一步包括通过以下操作选择对其应用所述识别的像素：
对于所述图像的至少一部分内的每一像素，确定对象性测度，所述对象性测度测量所述像素与所述图像内的其他像素一起形成具有给定特性的一组像素的一部分的程度的对象度测量，所述给定特性与所述对象的所述部分相关联；以及
通过选择选自由以下各项组成的群组的像素来选择对其应用所述识别的所述像素：设置在形成所述一组像素的一部分的至少一些像素附近的像素和属于所述一组像素的像素。
4.根据权利要求1至3中的任一项所述的方法，其中，所述方法用于与受试者的血管的图像一起使用，并且自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分包括自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分。
5.根据权利要求4所述的方法，其中，自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分包括自动地识别所述图像内的所述给定像素是否对应于选自由以下各项组成的群组的设置在所述血管内的对象的一部分：引导导管、丝线、腔内成像装置、不透射线标志和支架。
6.根据权利要求1至3中的任一项所述的方法，其中，将所述第一函数应用至所述圆中的每一个使得所述圆由第一组旋转不变描述符限定包括计算所述圆中的每一个的时频域变换的绝对系数。
7.根据权利要求6所述的方法，其中，计算所述圆中的每一个的所述时频域变换的绝对系数包括计算所述圆中的每一个的时频域变换的绝对系数，其中所述时频域变换选自由以下各项组成的群组：傅里叶变换、离散正弦变换和离散余弦变换。
8.根据权利要求1至3中的任一项所述的方法，其中，将所述第三函数应用至所述第二组描述符包括计算所述第二组描述符中的每一个的时频域变换的绝对系数。
9.根据权利要求8所述的方法，其中，计算所述第二组描述符中的每一个的所述时频域变换的绝对系数包括计算所述第二组描述符中的每一个的时频域变换的绝对系数，其中所述时频域变换选自由以下各项组成的群组：傅里叶变换、离散正弦变换和离散余弦变换。
10.根据权利要求1至3中的任一项所述的方法，其中，所述方法进一步包括至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，将所述图像与第二图像对准。
11.根据权利要求10所述的方法，其中，生成所述输出包括将所述图像和所述第二图像显示在将所述图像和所述第二图像彼此对准的图像流中。
12.根据权利要求10所述的方法，其中，生成所述输出包括基于所述图像和所述第二图像的所述对准来生成合成图像。
13.根据权利要求1至3中的任一项所述的方法，其中，所述方法进一步包括至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，确定用于所述图像与第二图像之间的映射的变换函数，并且生成所述输出包括基于所确定的变换函数来生成所述输出。
14.根据权利要求13所述的方法，其中：
所述方法用于与设置在受试者的血管内的腔内装置的图像一起使用，
自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分包括自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分，
所述方法进一步包括，基于所确定的变换函数，确定所述腔内装置在所述血管内的位置，并且
生成所述输出包括响应于所述腔内装置的所确定的位置而生成所述输出。
15.根据权利要求14所述的方法，其中：
所述腔内装置包括腔内数据获取装置，
确定所述腔内装置在所述血管内的所述位置包括确定所述血管内的由所述腔内数据获取装置获取腔内数据点所在的位置，并且
生成所述输出包括基于确定出所述血管内的由所述腔内数据获取装置获取所述腔内数据点所在的位置来生成所述输出。
16.根据权利要求1至3中的任一项所述的方法，其中：
所述方法用于与设置在受试者的血管内的腔内装置的图像一起使用，
自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分包括自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分，
所述方法进一步包括，至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，确定所述腔内装置在所述血管内的位置，并且
生成所述输出包括响应于所述腔内装置的所确定的位置而生成所述输出。
17.根据权利要求16所述的方法，其中：
所述腔内装置包括腔内数据获取装置，
确定所述腔内装置在所述血管内的位置包括确定所述血管内的由所述腔内数据获取装置获取腔内数据点所在的位置，并且
生成所述输出包括基于确定所述血管内的由所述腔内数据获取装置获取所述腔内数据点所在的所述位置来生成所述输出。
18.一种用于与包含对象的图像一起使用的设备，所述设备包括：
输出装置；以及
至少一个计算机处理器，所述计算机处理器被配置成：
通过以下操作自动地识别所述图像内的给定像素是否对应于所述对象的一部分：
从所述图像抽取围绕所述像素设置的一组同心圆作为样本；
将第一函数应用至所述圆中的每一个，使得所述圆由第一组旋转不变描述符限定；
将第二函数应用至所述一组圆以致生成第二组描述符，所述第二组描述符中的每一个表示所述圆的各个对之间的差异；
将第三函数应用至所述第二组描述符，使得所述第二组描述符通过变为旋转不变的而形成第二组旋转不变描述符；以及
基于所述第一组旋转不变描述符和所述第二组旋转不变描述符，识别所述给定像素是否对应于所述对象的所述部分；以及
至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，在所述输出装置上生成输出。
19.根据权利要求18所述的设备，其中，所述计算机处理器被配置成通过将机器学习分类应用至所述第一组旋转不变描述符和所述第二组旋转不变描述符，来识别所述给定像素是否对应于所述对象的所述部分。
20.根据权利要求18所述的设备，其中，所述计算机处理器被配置成通过以下操作选择对其应用所述识别的所述像素：
对于所述图像的至少一部分内的每一像素，确定对象性测度，所述对象性测度测量所述像素与所述图像内的其他像素一起形成具有给定特性的一组像素的一部分的程度，所述给定特性与所述对象的所述部分相关联；以及
通过选择选自由以下各项组成的群组的像素来选择对其应用所述识别的所述像素：设置在形成所述一组像素的一部分的至少一些像素附近的像素和属于所述一组像素的像素。
21.根据权利要求18至20中的任一项所述的设备，其中，所述设备用于与受试者的血管的图像一起使用，并且所述计算机处理器被配置成通过自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分来自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分。
22.根据权利要求21所述的设备，其中，所述计算机处理器被配置成通过自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的选自由以下各项组成的群组的对象的一部分来自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分：引导导管、丝线、腔内成像装置、不透射线标志和支架。
23.根据权利要求18至20中的任一项所述的设备，其中，所述计算机处理器被配置成通过计算所述圆中的每一个的时频域变换的绝对系数来将所述第一函数应用至所述圆中的每一个。
24.根据权利要求23所述的设备，其中，所述计算机处理器被配置成通过计算所述圆中的每一个的时频域变换的绝对系数来计算所述圆中的每一个的时频域变换的绝对系数，所述时频域变换选自由以下各项组成的群组：傅里叶变换、离散正弦变换和离散余弦变换。
25.根据权利要求18至20中的任一项所述的设备，其中，所述计算机处理器被配置成通过计算所述第二组描述符中的每一个的时频域变换的绝对系数来将所述第三函数应用至所述第二组描述符。
26.根据权利要求25所述的设备，其中，所述计算机处理器被配置成通过计算所述第二组描述符中的每一个的时频域变换的绝对系数来计算所述第二组描述符中的每一个的时频域变换的绝对系数，所述时频域变换选自由以下各项组成的群组：傅里叶变换、离散正弦变换和离散余弦变换。
27.根据权利要求18至20中的任一项所述的设备，其中，所述计算机处理器被配置成至少部分地响应于识别出所述给定像素对应于所述对象的所述部分而将所述图像与第二图像对准。
28.根据权利要求27所述的设备，其中，所述计算机处理器被配置成通过将所述图像和所述第二图像显示在将所述图像和所述第二图像彼此对准的图像流中来生成所述输出。
29.根据权利要求27所述的设备，其中，所述计算机处理器被配置成通过基于所述图像和所述第二图像的对准生成合成图像来生成所述输出。
30.根据权利要求18至20中的任一项所述的设备，其中，所述计算机处理器被配置成至少部分地响应于识别出所述给定像素对应于所述对象的所述部分，确定用于所述图像与第二图像之间的映射的变换函数，并且所述计算机处理器被配置成基于所确定的变换函数来生成所述输出。
31.根据权利要求30所述的设备，其中：
所述设备用于与设置在受试者的血管内的腔内装置的图像一起使用，
所述计算机处理器被配置成通过自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分来自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分，
所述计算机处理器被配置成基于所确定的变换函数来确定所述腔内装置在所述血管内的位置，并且
所述计算机处理器被配置成通过响应于所述腔内装置的所确定的位置生成输出来生成所述输出。
32.根据权利要求31所述的设备，其中：
所述腔内装置包括腔内数据获取装置，
所述计算机处理器被配置成通过确定所述腔内装置在所述血管内的位置来确定所述血管内的由所述腔内数据获取装置获取腔内数据点所在的位置，并且
所述计算机处理器被配置成通过基于确定所述血管内的由所述腔内数据获取装置获取所述腔内数据点所在的所述位置生成输出来生成所述输出。
33.根据权利要求18至20中的任一项所述的设备，其中：
所述设备用于与设置在受试者的血管内的腔内装置的图像一起使用，
所述计算机处理器被配置成通过自动地识别所述图像内的所述给定像素是否对应于设置在所述血管内的对象的一部分来自动地识别所述图像内的所述给定像素是否对应于所述对象的所述部分，
所述计算机处理器被配置成至少部分地响应于识别所述给定像素对应于所述对象的所述部分，确定所述腔内装置在所述血管内的位置，并且
所述计算机处理器被配置成通过响应于所述腔内装置的所确定的位置生成输出来生成所述输出。
34.根据权利要求33所述的设备，其中：
所述腔内装置包括腔内数据获取装置，
所述计算机处理器被配置成通过确定所述腔内装置在所述血管内的位置来确定所述血管内的由所述腔内数据获取装置获取腔内数据点所在的位置，并且
所述计算机处理器被配置成通过基于确定所述血管内的由所述腔内数据获取装置获取所述腔内数据点所在的位置生成输出来生成所述输出。
35.一种计算机软件产品，所述计算机软件产品用于与包含对象的图像一起使用，所述计算机软件产品包括非暂时性计算机可读介质，程序指令存储在所述非暂时性计算机可读介质中，所述指令在由计算机读取时使所述计算机执行以下步骤：通过以下操作自动地识别所述图像内的给定像素是否对应于所述对象的一部分：从所述图像抽取围绕所述像素的一组同心圆作为样本；将第一函数应用至所述圆中的每一个，使得所述圆由第一组旋转不变描述符限定；将第二函数应用至所述一组圆以便生成第二组描述符，所述第二组描述符中的每一个表示所述圆的各个对之间的差异；将第三函数应用至所述第二组描述符，使得所述第二组描述符通过变为旋转不变的而形成第二组旋转不变描述符；以及基于所述第一组旋转不变描述符和所述第二组旋转不变描述符，识别所述给定像素是否对应于所述对象的所述部分；以及至少部分地响应于识别出所述给定像素对应于所述对象的所述部分而生成输出。
36.一种用于与被配置成获取受试者身体的管腔的腔外图像的腔外成像装置和输出装置一起使用的方法，所述方法包括：
使用所述腔外成像装置，获取所述管腔的至少一个第一腔外图像；
将所述至少一个第一腔外图像指定为路线图图像；
在所述路线图图像内指定路线图路径；
获取所述管腔的至少一个附加的腔外图像；
通过将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素具有给定特性的程度的得分，来生成得分图像；
基于对其应用所述评分函数的所述像素中的至少一些的所述得分，确定所述路线图路径的至少一部分与所述得分图像内的曲线之间的对应性；以及
基于所述路线图路径的所述部分与所述得分图像内的所述曲线之间的所述对应性，确定用于所述路线图图像内的位置与所述附加的腔外图像内的位置之间的映射的变换函数；以及
响应于所确定的变换函数，在所述输出装置上生成输出。
37.根据权利要求36所述的方法，其中：
获取所述管腔的所述至少一个第一腔外图像包括获取所述管腔的第一组腔外图像；以及
将所述至少一个第一腔外图像指定为所述路线图图像包括将所述第一组腔外图像中的至少一个指定为所述路线图图像。
38.根据权利要求36所述的方法，其中，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一得分且没有将所述像素识别为对应于给定对象。
39.根据权利要求36所述的方法，其中，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将单个滤波器应用至所述图像。
40.根据权利要求36所述的方法，其中，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将评分函数应用至所述图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素的强度的得分。
41.根据权利要求36所述的方法，其中，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将评分函数应用至所述图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素可能对应于非解剖学对象的程度的得分。
42.根据权利要求36所述的方法，其中，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将高通滤波器应用至所述图像的至少一部分。
43.根据权利要求36所述的方法，其中，将所述评分函数应用至所述附加的腔外图像内的至少一些像素包括将海森滤波器应用至所述图像的至少一部分。
44.根据权利要求36所述的方法，其中，获取所述管腔的所述附加的腔外图像包括在所述管腔内不存在造影剂的情况下获取所述附加的腔外图像。
45.根据权利要求36所述的方法，其中，获取所述管腔的所述附加的腔外图像包括在所述管腔由于造影剂在所述管腔内的存在而至少部分地可见时获取所述附加的腔外图像。
46.根据权利要求36所述的方法，其中，所述方法进一步包括基于映射，确定与所述路线图图像的各个部分相关联的多个局部校准因子。
47.根据权利要求36至46中的任一项所述的方法，其中，获取所述管腔的所述至少一个第一腔外图像包括在所述管腔内不存在造影剂的情况下获取所述管腔的至少一个第一腔外图像。
48.根据权利要求47所述的方法，其中，指定所述路线图路径包括在所述路线图图像内识别出一组特征，和响应于所识别的所述一组特征而指定所述路线图路径。
49.根据权利要求36至46中的任一项所述的方法，其中，获取所述管腔的所述至少一个第一腔外图像包括在所述管腔由于造影剂在所述管腔内的存在而至少部分地可见时获取所述管腔的所述至少一个第一腔外图像。
50.根据权利要求49所述的方法，其中，指定所述路线图路径包括在所述路线图图像内识别所述管腔，和指定位于在所述管腔内的路线图路径。
51.根据权利要求36至46中的任一项所述的方法，其中，确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性包括使用动态编程算法来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性。
52.根据权利要求51所述的方法，其中，确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性包括：
确定沿所述路线图路径的第一像素与所述附加的腔外图像的第一像素之间的对应性；以及
基于以下各项来确定沿所述路线图路径的第二像素与所述附加的腔外图像的第二像素之间的对应性：
沿所述路线图路径的所述第一像素与所述附加的腔外图像的所述第一像素之间的所确定的对应性，和
对其应用所述评分函数的所述像素中的至少一些的所述得分。
53.根据权利要求36至46中的任一项所述的方法，其中，确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性包括使用梯度下降算法来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性。
54.根据权利要求53所述的方法，其中，确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性包括确定以给定序列位于所述附加的腔外图像中的像素对应于沿所述路线图路径的各个像素，对应的像素以相同的给定序列沿着所述路线图路径设置。
55.根据权利要求36至46中的任一项所述的方法，其中：
获取所述管腔的所述至少一个附加的腔外图像包括在腔内装置设置在所述管腔内时获取第二组腔外图像，
确定用于所述路线图图像内的所述位置与所述附加的腔外图像内的所述位置之间的映射的所述变换函数包括确定用于所述路线图图像内的位置与属于所述第二组腔外图像的各个图像内的位置之间的映射的各个变换函数，并且
所述方法进一步包括，基于映射，确定所述腔内装置关于所述路线图图像在所述第二组腔外图像的各个腔外图像中的位置。
56.根据权利要求55所述的方法，其中，确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置包括，相对于所述第二组腔外图像中的腔外图像的获取实时地确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，并且生成所述输出包括生成指示所述腔内装置关于所述路线图图像的所确定的实时位置的输出。
57.根据权利要求55所述的方法，其中
所述腔内装置包括第一腔内数据获取装置，所述第一腔内数据获取装置被配置成在所述腔内数据获取装置正移动穿过所述管腔时获取多个腔内数据点，
所述方法进一步包括，基于确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，将各个腔内数据点配准至所述路线图图像内的各个位置，并且
生成所述输出包括基于所述腔内数据点与所述路线图图像内的所述各个位置的配准来生成输出。
58.根据权利要求57所述的方法，其中，所述腔内数据获取装置包括腔内成像装置，所述腔内成像装置被配置成在所述腔内成像装置正移动穿过所述管腔时获取多个腔内图像，并且将各个腔内数据点配准至所述路线图图像内的各个位置包括将各个腔内图像配准至所述路线图图像内的各个位置。
59.根据权利要求57所述的方法，其中，所述腔内数据获取装置包括被配置成在所述腔内数据获取装置正移动穿过所述管腔时获取关于所述管腔的功能性数据的腔内数据获取装置，并且将各个腔内数据点配准至所述路线图图像内的各个位置包括将各个功能性腔内数据点配准至所述路线图图像内的各个位置。
60.根据权利要求57所述的方法，其中，基于所述配准生成所述输出包括生成腔内数据点的堆栈，其中腔内数据点在所述堆栈内的相对布置对应于所述腔内数据点关于所述路线图图像的相对位置。
61.一种用于与腔外成像装置一起使用的设备，所述腔外成像装置被配置成获取受试者身体的管腔的腔外图像，所述设备包括：
输出装置；以及
至少一个计算机处理器，所述计算机处理器被配置成：
使用所述腔外成像装置获取所述管腔的至少一个第一腔外图像；
将所述至少一个第一腔外图像指定为路线图图像；
在所述路线图图像内指定路线图路径；
获取所述管腔的至少一个附加的腔外图像；
通过将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素具有给定特性的程度的得分，来生成得分图像；
基于对其应用所述评分函数的所述像素中的至少一些的所述得分，确定所述路线图路径的至少一部分与所述得分图像内的曲线之间的对应性；
基于所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性，确定用于所述路线图图像内的位置与所述附加的腔外图像内的位置之间的映射的变换函数；并且
响应于所确定的变换函数，在所述输出装置上生成输出。
62.根据权利要求61所述的设备，其中，所述计算机处理器被配置成：
通过获取所述管腔的第一组腔外图像来获取所述管腔的所述至少一个第一腔外图像；并且
通过将所述第一组腔外图像中的至少一个指定为所述路线图图像来将所述至少一个第一腔外图像指定为所述路线图图像。
63.根据权利要求61所述的设备，其中，所述计算机处理器被配置成通过将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定得分且没有将所述像素识别为对应于给定对象，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
64.根据权利要求61所述的设备，其中，所述计算机处理器被配置成通过将单个滤波器应用至所述图像来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
65.根据权利要求61所述的设备，其中，所述计算机处理器被配置成通过将评分函数应用至所述图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素的强度的得分，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
66.根据权利要求61所述的设备，其中，所述计算机处理器被配置成通过将评分函数应用至所述图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素可能对应于非解剖学对象的程度的得分，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
67.根据权利要求61所述的设备，其中，所述计算机处理器被配置成通过将高通滤波器应用至所述图像的至少一部分，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
68.根据权利要求61所述的设备，其中，所述计算机处理器被配置成通过将海森滤波器应用至所述图像的至少一部分，来将所述评分函数应用至所述附加的腔外图像内的至少一些像素。
69.根据权利要求61所述的设备，其中，所述计算机处理器被配置成通过在所述管腔内不存在造影剂的情况下获取所述附加的腔外图像来获取所述管腔的所述附加的腔外图像。
70.根据权利要求61所述的设备，其中，所述计算机处理器被配置成通过在所述管腔由于造影剂在所述管腔内的存在而至少部分地可见时获取所述附加的腔外图像来获取所述管腔的所述附加的腔外图像。
71.根据权利要求61所述的设备，其中，所述计算机处理器被配置成基于所述映射确定与所述路线图图像的各个部分相关联的多个局部校准因子。
72.根据权利要求61至71中的任一项所述的设备，其中，所述计算机处理器被配置成通过在所述管腔内不存在造影剂的情况下获取所述管腔的至少一个第一腔外图像来获取所述管腔的至少一个第一腔外图像。
73.根据权利要求72所述的设备，其中，所述计算机处理器被配置成通过在所述路线图图像内识别一组特征，和响应于所识别的所述一组特征而指定所述路线图路径，来指定所述路线图路径。
74.根据权利要求61至71中的任一项所述的设备，其中，所述计算机处理器被配置成通过在所述管腔由于造影剂在所述管腔内的存在而至少部分地可见时获取所述管腔的至少一个第一腔外图像来获取所述管腔的所述至少一个第一腔外图像。
75.根据权利要求74所述的设备，其中，所述计算机处理器被配置成通过在所述路线图图像内识别所述管腔，和指定位于所述管腔内的路线图路径，来指定所述路线图路径。
76.根据权利要求61至71中的任一项所述的设备，其中，所述计算机处理器被配置成使用动态编程算法来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性。
77.根据权利要求76所述的设备，其中，所述计算机处理器被配置成通过以下操作确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性：
确定沿所述路线图路径的第一像素与所述附加的腔外图像的第一像素之间的对应性；以及
基于以下各项来确定沿所述路线图路径的第二像素与所述附加的腔外图像的第二像素之间的对应性：
在沿所述路线图路径的所述第一像素与所述附加的腔外图像的所述第一像素之间的所确定的对应性，和
对其应用所述评分函数的所述像素中的至少一些的所述得分。
78.根据权利要求61至71中的任一项所述的设备，其中，所述计算机处理器被配置成使用梯度下降算法来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性。
79.根据权利要求78所述的设备，其中，所述计算机处理器被配置成通过确定以给定序列设置在所述附加的腔外图像中的像素对应于沿所述路线图路径的各个像素来确定所述路线图路径的所述部分与所述得分图像内的所述曲线之间的对应性，对应的像素以相同的给定序列沿着所述路线图路径设置。
80.根据权利要求61至71中的任一项所述的设备，其中：
所述设备用于与被配置成放置在所述管腔内的腔内装置一起使用，
所述计算机处理器被配置成通过在所述腔内装置设置在所述管腔内时获取第二组腔外图像来获取所述管腔的所述至少一个附加的腔外图像，
所述计算机处理器被配置成通过确定用于所述路线图图像内的位置与属于所述第二组腔外图像的各个图像内的位置之间的映射的各个变换函数，来确定用于所述路线图图像内的所述位置与所述附加的腔外图像内的所述位置之间的映射的所述变换函数，并且
所述计算机处理器被配置成基于所述映射确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置。
81.根据权利要求80所述的设备，其中，所述计算机处理器被配置成通过相对于所述第二组腔外图像中的所述腔外图像的获取实时地确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，来确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，并且所述计算机处理器被配置成通过生成指示所述腔内装置关于所述路线图图像的所确定的实时位置的输出来生成所述输出。
82.根据权利要求80所述的设备，其中：
所述腔内装置包括第一腔内数据获取装置，所述第一腔内数据获取装置被配置成在所述腔内数据获取装置正移动穿过所述管腔时获取多个腔内数据点，
所述计算机处理器被配置成基于确定所述腔内装置关于所述路线图图像在所述第二组腔外图像中的各个腔外图像中的位置，将各个腔内数据点配准至所述路线图图像内的各个位置，并且
所述计算机处理器被配置成通过基于所述腔内数据点与所述路线图图像内的所述各个位置的所述配准生成输出来生成所述输出。
83.根据权利要求82所述的设备，其中，所述腔内数据获取装置包括腔内成像装置，所述腔内成像装置被配置成在所述腔内成像装置正移动穿过所述管腔时获取多个腔内图像，并且所述计算机处理器被配置成通过将各个腔内图像配准至所述路线图图像内的各个位置来将各个腔内数据点配准至所述路线图图像内的各个位置。
84.根据权利要求82所述的设备，其中，所述腔内数据获取装置包括被配置成在所述腔内数据获取装置正移动穿过所述管腔时获取关于所述管腔的功能性数据的腔内数据获取装置，并且将各个腔内数据点配准至所述路线图图像内的各个位置包括将各个功能性腔内数据点配准至所述路线图图像内的各个位置。
85.根据权利要求82所述的设备，其中，所述计算机处理器被配置成通过生成腔内数据点的堆栈来基于所述配准生成输出，其中腔内数据点在所述堆栈内的相对布置对应于所述腔内数据点关于所述路线图图像的相对位置。
86.一种计算机软件产品，所述计算机软件产品用于与被配置成获取受试者身体的管腔的腔外图像的腔外成像装置和输出装置一起使用，所述计算机软件产品包括非暂时性计算机可读介质，程序指令存储在所述非暂时性计算机可读介质中，所述指令在由计算机读取时使所述计算机执行以下步骤：使用所述腔外成像装置获取所述管腔的至少一个第一腔外图像；将所述至少一个第一腔外图像指定为路线图图像；在所述路线图图像内指定路线图路径；使用所述腔外成像装置获取所述管腔的至少一个附加的腔外图像；通过将评分函数应用至所述附加的腔外图像内的至少一些像素，使得对其应用所述评分函数的所述像素中的每一个被指定一指示所述像素具有给定特性的程度的得分，来生成得分图像；基于对其应用所述评分函数的所述像素中的至少一些的所述得分，确定所述路线图路径的至少一部分与所述得分图像内的曲线之间的对应性；以及基于所述路线图路径的所述部分与所述得分图像内的所述曲线之间的所述对应性，确定用于所述路线图图像内的位置与所述附加的腔外图像内的位置之间的映射的变换函数；以及响应于所确定的变换函数，在所述输出装置上生成输出。
CN201580038078.5A 2014-05-14 2015-05-13 对象识别 Active CN106793992B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461993123P 2014-05-14 2014-05-14
US61/993,123 2014-05-14
PCT/IL2015/050509 WO2015173821A1 (en) 2014-05-14 2015-05-13 Object identification

Publications (2)

Publication Number Publication Date
CN106793992A true CN106793992A (zh) 2017-05-31
CN106793992B CN106793992B (zh) 2020-06-12

Family

ID=54479410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580038078.5A Active CN106793992B (zh) 2014-05-14 2015-05-13 对象识别

Country Status (5)

Country Link
US (3) US10152788B2 (zh)
EP (2) EP3200155B1 (zh)
JP (2) JP6486966B2 (zh)
CN (1) CN106793992B (zh)
WO (1) WO2015173821A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110444276A (zh) * 2018-05-04 2019-11-12 西门子医疗有限公司 产生图像数据的方法、计算机断层扫描设备、程序产品和数据载体
CN110610147A (zh) * 2019-08-30 2019-12-24 中国科学院深圳先进技术研究院 血管图像提取方法、相关装置及存储设备
US10963757B2 (en) 2018-12-14 2021-03-30 Industrial Technology Research Institute Neural network model fusion method and electronic device using the same

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9629571B2 (en) 2007-03-08 2017-04-25 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
US10716528B2 (en) 2007-03-08 2020-07-21 Sync-Rx, Ltd. Automatic display of previously-acquired endoluminal images
JP5639764B2 (ja) 2007-03-08 2014-12-10 シンク−アールエックス，リミティド 運動する器官と共に使用するイメージング及びツール
US8542900B2 (en) 2007-03-08 2013-09-24 Sync-Rx Ltd. Automatic reduction of interfering elements from an image stream of a moving organ
US9968256B2 (en) 2007-03-08 2018-05-15 Sync-Rx Ltd. Automatic identification of a tool
US11197651B2 (en) 2007-03-08 2021-12-14 Sync-Rx, Ltd. Identification and presentation of device-to-vessel relative motion
US11064964B2 (en) 2007-03-08 2021-07-20 Sync-Rx, Ltd Determining a characteristic of a lumen by measuring velocity of a contrast agent
US10362962B2 (en) 2008-11-18 2019-07-30 Synx-Rx, Ltd. Accounting for skipped imaging locations during movement of an endoluminal imaging probe
US11064903B2 (en) 2008-11-18 2021-07-20 Sync-Rx, Ltd Apparatus and methods for mapping a sequence of images to a roadmap image
US9974509B2 (en) 2008-11-18 2018-05-22 Sync-Rx Ltd. Image super enhancement
US11419523B2 (en) 2012-03-22 2022-08-23 Sizer Llc Blood vessel sizing device and method for sizing blood vessel
US9375167B2 (en) 2012-03-22 2016-06-28 Sizer Llc Blood vessel sizing device
US8971995B2 (en) 2012-03-22 2015-03-03 Sizer Llc Blood vessel sizing device
CA2875346A1 (en) 2012-06-26 2014-01-03 Sync-Rx, Ltd. Flow-related image processing in luminal organs
EP3108456B1 (en) * 2014-02-19 2020-06-24 Koninklijke Philips N.V. Motion adaptive visualization in medical 4d imaging
WO2015174228A1 (ja) * 2014-05-13 2015-11-19 オムロン株式会社 姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体
CN106793992B (zh) * 2014-05-14 2020-06-12 Sync-Rx有限公司 对象识别
WO2017050594A1 (en) 2015-09-10 2017-03-30 Koninklijke Philips N.V. Automatic image feature removal
US11723617B2 (en) 2016-02-03 2023-08-15 4DMedical Limited Method and system for imaging
WO2017221159A1 (en) 2016-06-22 2017-12-28 Sync-Rx, Ltd. Updating an indication of a lumen location
WO2017220703A1 (en) 2016-06-22 2017-12-28 Sync-Rx, Ltd Estimating the endoluminal path of an endoluminal device along a lumen
US10143533B2 (en) * 2016-10-06 2018-12-04 Sizer Llc Blood vessel sizing device
US20200069197A1 (en) * 2017-02-28 2020-03-05 4Dx Limited Method of scanning and assessing lung and vascular health
EP3480787B1 (en) 2017-11-06 2022-07-20 Siemens Healthcare GmbH Determining a correspondence between frames of a set of medical image data
US11151726B2 (en) * 2018-01-10 2021-10-19 Canon Medical Systems Corporation Medical image processing apparatus, X-ray diagnostic apparatus, and medical image processing method
DE102018220758B4 (de) * 2018-11-30 2023-02-16 Siemens Healthcare Gmbh Vorrichtung und Verfahren zum Steuern eines Röntgengeräts
US11544425B2 (en) * 2019-04-12 2023-01-03 Cnh Industrial America Llc Systems and methods for expediting design of physical components through use of computationally efficient virtual simulations
US11087464B2 (en) * 2019-06-27 2021-08-10 Wisconsin Alumni Research Foundation System and method for motion-adjusted device guidance using vascular roadmaps
EP4129386A4 (en) * 2020-03-31 2024-05-01 Toray Industries, Inc. IMAGE ANALYSIS DEVICE, IMAGE ANALYSIS DEVICE CONTROL METHOD, IMAGE ANALYSIS SYSTEM, AND IMAGE ANALYSIS SYSTEM CONTROL METHOD
WO2022078744A1 (en) * 2020-10-12 2022-04-21 Philips Image Guided Therapy Corporation Extraluminal imaging based intraluminal therapy guidance systems, devices, and methods

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1327569A (zh) * 1999-08-04 2001-12-19 皇家菲利浦电子有限公司 用于图象中纹理结构的旋转不变表示的系统和方法
CN100382108C (zh) * 2003-10-15 2008-04-16 精工爱普生株式会社 脸图像候选区域检索方法、检索系统
EP2198393A1 (en) * 2007-10-03 2010-06-23 Siemens Product Lifecycle Management Software Inc. Rotation invariant 2d sketch descriptor
JP2010521198A (ja) * 2007-03-08 2010-06-24 シンク−アールエックス，リミティド 運動する器官と共に使用するイメージング及びツール
US20120004529A1 (en) * 2007-03-08 2012-01-05 Sync-Rx, Ltd. Automatic display of previously-acquired endoluminal images
CN102844771A (zh) * 2009-11-19 2012-12-26 诺基亚公司 用旋转不变特征描述符进行跟踪和识别的方法和设备
US20130329030A1 (en) * 2007-03-08 2013-12-12 Sync-Rx, Ltd. Apparatus and methods for masking a portion of a moving image stream

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62125481A (ja) * 1985-11-26 1987-06-06 インターナショナル・ビジネス・マシーンズ・コーポレーション パタ−ン認識装置
GB8830465D0 (en) * 1988-12-31 1989-03-01 Olympus Optical Co Methods of detecting endoscope insertion direction
US7942888B2 (en) 1999-09-13 2011-05-17 Rex Medical, L.P. Vascular hole closure device
US20040215235A1 (en) 1999-11-16 2004-10-28 Barrx, Inc. Methods and systems for determining physiologic characteristics for treatment of the esophagus
JP4077716B2 (ja) * 2002-11-20 2008-04-23 オリンパス株式会社 内視鏡挿入方向検出装置
US20060257006A1 (en) * 2003-08-21 2006-11-16 Koninklijke Philips Electronics N.V. Device and method for combined display of angiograms and current x-ray images
US8055033B2 (en) * 2005-02-15 2011-11-08 Olympus Corporation Medical image processing apparatus, luminal image processing apparatus, luminal image processing method, and programs for the same
US8165360B2 (en) 2006-12-06 2012-04-24 Siemens Medical Solutions Usa, Inc. X-ray identification of interventional tools
US11064964B2 (en) 2007-03-08 2021-07-20 Sync-Rx, Ltd Determining a characteristic of a lumen by measuring velocity of a contrast agent
US9968256B2 (en) * 2007-03-08 2018-05-15 Sync-Rx Ltd. Automatic identification of a tool
WO2009153794A1 (en) 2008-06-19 2009-12-23 Sync-Rx, Ltd. Stepwise advancement of a medical tool
US9629571B2 (en) 2007-03-08 2017-04-25 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
US8355550B2 (en) * 2007-05-01 2013-01-15 Siemens Aktiengesellschaft Methods and apparatus for virtual coronary mapping
US7941000B2 (en) * 2007-05-11 2011-05-10 Koninklijke Philips Electronics N.V. Method for producing an image and system for producing an image
US20090163800A1 (en) * 2007-12-20 2009-06-25 Siemens Corporate Research, Inc. Tools and methods for visualization and motion compensation during electrophysiology procedures
US7792334B2 (en) 2008-03-31 2010-09-07 Immersion Corporation Locating blood vessels
CN201243436Y (zh) 2008-08-05 2009-05-20 中兴通讯股份有限公司 一种用于调试通讯设备的电磁辐射防护装置
US11064903B2 (en) 2008-11-18 2021-07-20 Sync-Rx, Ltd Apparatus and methods for mapping a sequence of images to a roadmap image
US8641753B2 (en) * 2009-01-31 2014-02-04 Cook Medical Technologies Llc Preform for and an endoluminal prosthesis
CA2769208C (en) 2009-07-29 2017-10-31 C.R. Bard, Inc. Tubular filter
WO2011145094A2 (en) 2010-05-17 2011-11-24 Sync-Rx, Ltd. Identification and presentation of device-to-vessel relative motion
EP2599033B1 (en) 2010-07-29 2021-03-31 Sync-RX, Ltd. Co-use of endoluminal data and extraluminal imaging
CN102376087B (zh) * 2010-08-17 2014-12-03 富士通株式会社 检测图像中的对象的装置和方法、分类器生成装置和方法
CN102156870A (zh) * 2011-04-12 2011-08-17 张小军 一种图像局部旋转不变特征的提取装置及其提取方法
TWI501195B (zh) 2011-05-23 2015-09-21 Asustek Comp Inc 物件偵測方法及其裝置
JP6099640B2 (ja) 2011-06-23 2017-03-22 シンク−アールエックス，リミティド 管腔の背景の鮮明化
EP2724295B1 (en) * 2012-02-27 2017-03-22 Aselsan Elektronik Sanayi ve Ticaret Anonim Sirketi System and method for identifying scale invariant features of object outlines on images
DE102012010024A1 (de) 2012-05-21 2013-11-21 Metasys Medizintechnik Gmbh Implantatträger
CA2899735A1 (en) 2012-05-21 2013-11-28 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
WO2013184070A1 (en) * 2012-06-05 2013-12-12 Agency For Science, Technology And Research A drusen lesion image detection system
CA2875346A1 (en) 2012-06-26 2014-01-03 Sync-Rx, Ltd. Flow-related image processing in luminal organs
JP2014028125A (ja) * 2012-06-29 2014-02-13 Toshiba Corp 超音波診断装置及び制御プログラム
WO2014150401A1 (en) * 2013-03-15 2014-09-25 Huennekens Scott Atherectomy methods using coregistered sets of data
US9996925B2 (en) * 2013-10-30 2018-06-12 Worcester Polytechnic Institute System and method for assessing wound
WO2015155770A1 (en) 2014-04-10 2015-10-15 Sync-Rx, Ltd. Image analysis in the presence of a medical device
CN106793992B (zh) * 2014-05-14 2020-06-12 Sync-Rx有限公司 对象识别

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1327569A (zh) * 1999-08-04 2001-12-19 皇家菲利浦电子有限公司 用于图象中纹理结构的旋转不变表示的系统和方法
CN100382108C (zh) * 2003-10-15 2008-04-16 精工爱普生株式会社 脸图像候选区域检索方法、检索系统
JP2010521198A (ja) * 2007-03-08 2010-06-24 シンク−アールエックス，リミティド 運動する器官と共に使用するイメージング及びツール
US20120004529A1 (en) * 2007-03-08 2012-01-05 Sync-Rx, Ltd. Automatic display of previously-acquired endoluminal images
US20130329030A1 (en) * 2007-03-08 2013-12-12 Sync-Rx, Ltd. Apparatus and methods for masking a portion of a moving image stream
EP2198393A1 (en) * 2007-10-03 2010-06-23 Siemens Product Lifecycle Management Software Inc. Rotation invariant 2d sketch descriptor
CN102844771A (zh) * 2009-11-19 2012-12-26 诺基亚公司 用旋转不变特征描述符进行跟踪和识别的方法和设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MAX FRENKEL等: "Curve Matching Using the Fast Marching Method", 《NETWORK AND PARALLEL COMPUTING》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110444276A (zh) * 2018-05-04 2019-11-12 西门子医疗有限公司 产生图像数据的方法、计算机断层扫描设备、程序产品和数据载体
US10963757B2 (en) 2018-12-14 2021-03-30 Industrial Technology Research Institute Neural network model fusion method and electronic device using the same
CN110610147A (zh) * 2019-08-30 2019-12-24 中国科学院深圳先进技术研究院 血管图像提取方法、相关装置及存储设备

Also Published As

Publication number Publication date
US11676272B2 (en) 2023-06-13
US10916009B2 (en) 2021-02-09
JP2017522061A (ja) 2017-08-10
EP3142558B1 (en) 2018-09-26
US10152788B2 (en) 2018-12-11
WO2015173821A1 (en) 2015-11-19
CN106793992B (zh) 2020-06-12
US20210158519A1 (en) 2021-05-27
JP6486966B2 (ja) 2019-03-20
JP2019111359A (ja) 2019-07-11
US20200085386A1 (en) 2020-03-19
JP6739561B2 (ja) 2020-08-12
EP3200155B1 (en) 2019-07-31
US20170309016A1 (en) 2017-10-26
EP3142558A4 (en) 2017-06-14
EP3142558A1 (en) 2017-03-22
EP3200155A1 (en) 2017-08-02

Similar Documents

Publication Publication Date Title
CN106793992A (zh) 对象识别
US11883149B2 (en) Apparatus and methods for mapping a sequence of images to a roadmap image
JP6487027B2 (ja) 医療装置の存在下での画像解析
KR101061670B1 (ko) 심장에 카테터의 전기생리학적 적용을 시각적 지원을 위한 방법 및 장치
US9144394B2 (en) Apparatus and methods for determining a plurality of local calibration factors for an image
US9101286B2 (en) Apparatus and methods for determining a dimension of a portion of a stack of endoluminal data points
JP2022525469A (ja) 動脈の撮像・評価のシステム及び方法並びに関連するユーザインタフェースに基づくワークフロー
US20160196666A1 (en) Systems for detecting and tracking of objects and co-registration
US20140094693A1 (en) Accounting for skipped imaging locations during movement of an endoluminal imaging probe
US20140094690A1 (en) Displaying a device within an endoluminal image stack
WO2013175472A2 (en) Co-use of endoluminal data and extraluminal imaging
JP7278319B2 (ja) 内腔に沿った管腔内デバイスの管腔内経路の推定
CN107809955A (zh) 经由感兴趣界标的自动检测在x射线成像中进行实时准直和roi过滤器定位
US11783607B2 (en) Automatic image feature removal
US20240164656A1 (en) Co-use of endoluminal data and extraluminal imaging

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