CN107170021B - 时变数据的细化重构 - Google Patents
时变数据的细化重构 Download PDFInfo
- Publication number
- CN107170021B CN107170021B CN201710130758.0A CN201710130758A CN107170021B CN 107170021 B CN107170021 B CN 107170021B CN 201710130758 A CN201710130758 A CN 201710130758A CN 107170021 B CN107170021 B CN 107170021B
- Authority
- CN
- China
- Prior art keywords
- volume
- interest
- dimensional
- projection
- produce
- 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
Links
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000007670 refining Methods 0.000 claims abstract description 13
- 238000002583 angiography Methods 0.000 claims abstract description 9
- 238000003384 imaging method Methods 0.000 claims description 26
- 230000003068 static effect Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 abstract description 2
- 230000002792 vascular Effects 0.000 description 10
- 239000002872 contrast media Substances 0.000 description 8
- 230000015654 memory Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 206010002329 Aneurysm Diseases 0.000 description 4
- 238000003491 array Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002224 dissection Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013152 interventional procedure Methods 0.000 description 1
- 238000002697 interventional radiology Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000002537 thrombolytic effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/404—Angiography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
提供了用于细化数据重构的系统和方法。根据一个方面，本框架执行时变数据的第一四维重构以产生感兴趣对象的四维数字减影血管造影（DSA）数据集。本框架从四维DSA数据集中提取感兴趣体积以产生体积阵列。可以基于体积阵列对感兴趣体积进行细化以产生细化数据集。然后可以基于细化数据集执行第二四维重构以产生感兴趣体积的放大四维表示。
Description
技术领域
本公开一般地涉及图像数据处理，并且更特别地涉及时变数据的细化（refined）重构。
背景技术
血管造影（angiography）是一种用来基于诊断成像方法（诸如X射线或磁共振断层扫描（MRT））来表示血管的常见方法。为了对受检查的血管的改善的表示，已经开发了数字减影血管造影（DSA）。DSA是在介入放射学中用来使骨的或致密软组织环境中的血管清楚地可视化的荧光检查技术。通过从在造影介质已被引入到感兴趣结构或组织中之后获取的后续图像中减去‘造影前图像’或掩膜而生成图像。这些图像可以用来提供示出感兴趣的结构或组织随时间的演变的时间分辨或时变信息。
在当前临床实践中，时间分辨信息一般地仅在两个维度上可用。通常，外科医生必须执行从2D投影图像到3D解剖学的二维（2D）至三维（3D）脑力转换以便评定和诊断血管病害和血流异常。血管系统（vasculature）的充盈因帧而改变，给外科医生留下从变化的2D快照解释3D充盈的困难任务。不管采集/观察角度，因此可能损害重叠和/或被遮蔽的血管段，从而导致潜在缺少的图像信息或不正确的诊断。问题包括例如血管重叠或血管正交于检测器平面行进。
可以使用（一个或多个）单平面或双平面2D DSA图像来使血管充盈可视化。现有方法可以提供可接受的结果，但是跟复杂的血管系统和阻塞的血管、过早血管充盈的引入以及血管充盈中的波动斗争。一些传统技术使用来自静态角度的数据而不是采集序列其本身，这可以导致对于患者的附加辐射暴露以及由于对高度准确的图像配准步骤的对应需要引起的不准确性。其它方法基于关于患者的生理机能（例如，周期性心脏活动）以及血液和血液与造影剂的混合物通过患者的血管系统的运输的简化假设（即，简化模型）。这些可以导致偏离实际流动模式的重构流动结果。
近年来已经引入了用于非时间分辨3D-DSA的方法。 在一个方法中，首先在血管造影装置的旋转扫描期间获取掩膜投影图像序列，然后在引入造影剂之后获取旋转充盈投影图像的序列。从充盈投影图像中减去掩膜投影图像以产生投影图像数据，其显示以不同的观察角度获取的受验者的血管解剖学。使用3D重构技术，可以创建受验者的血管系统的静态体积数据集。然而，此静态重构不包括在采集时间序列中记录的改变。
发明内容
本文中描述的是用于细化数据重构的系统和方法。根据一个方面，本框架执行时变数据的第一四维重构以产生感兴趣对象的四维数字减影血管造影（DSA）数据集。该框架从四维DSA数据集中提取感兴趣体积以产生体积阵列。可以基于该体积阵列对感兴趣体积进行细化以产生细化数据集。然后可以基于细化数据集执行第二四维重构以产生感兴趣体积的放大四维表示。
提供本发明内容来以简化形式介绍概念中的精选项，以下在下面的详细描述中对其进行进一步描述。不意图标识要求保护的主题的特征或基本特征，也不意图将其用来限制要求保护的主题的范围。此外，要求保护的主题不限于解决在本公开的任何部分中指出的任何或所有缺点的实施方式。
附图说明
将容易获得本公开及其伴随方面中的许多的更完整领会，因为其在结合附图来考虑时通过参考以下详细描述而变得更好理解。
图1是图示示例性系统的框图；
图2示出由计算机系统执行的数据重构的示例性方法；
图3示出使用单个旋转平面重构的患者的大脑的3D血管造影图像的时间序列；
图4图示示例性4D-DSA重构的初始估计；
图5示出示例性4D-DSA重构的最终估计；
图6图示中心血管的示例性细化4D-DSA重构的初始估计；以及
图7图示中心血管的示例性细化4D-DSA重构的最终估计。
具体实施方式
在下面的描述中，阐述了许多特定细节，诸如特定组件、装置、方法等的示例，以便提供对本框架的实施方式的透彻理解。然而，对于本领域的技术人员而言将显而易见的是，不需要采用这些特定细节来实践本框架的实施方式。在其它实例中，未详细地描述众所周知的材料或方法以便避免不必要地使本框架的实施方式模糊不清。虽然本框架易于有各种修改和替换形式，但是其特定实施例作为示例在绘图中示出并且将在本文中被详细描述。然而，应理解的是不意图使本概念限于公开的特定形式，而是相反地，意图是覆盖落在本概念的精神和范围内的所有修改、等价物以及替换方案。此外，为了便于理解，将某些方法步骤描绘为单独的步骤；然而，不应将这些单独描绘的步骤解释为在其执行方面必然是次序相关的。
如本文中所使用的术语“X射线图像”可以意指可见的X射线图像（例如，在视频屏幕上显示）或X射线图像的数字表示（例如，对应于X射线检测器的像素输出的文件）。如本文中所使用的术语“治疗中X射线图像”可以指的是在介入或治疗过程的治疗实施阶段期间的任何时间点处捕捉的图像，其可以包括辐射源开启或关闭的时间。为了方便描述，不时在本文中可以使用CT成像数据（例如，锥形束CT成像数据）作为示例性成像模式。然而，将领会到的是，在各种实施方式中还可以使用来自任何类型的成像模式的数据，所述任何类型的成像模式包括但不限于X射线射线照片、MRI、PET（正电子发射断层扫描）、PET-CT、SPECT、SPECT-CT、MR-PET、3D超声图像等。
除非另外说明，否则如从下面的讨论显而易见的，将领会到的是诸如“分段”、“产生”、“配准”、“确定”、“对准”、“定位”、“处理”、“计算”、“选择”、“估计”、“检测”、“跟踪”等的术语可以指的是计算机系统或者类似电子计算装置的动作和过程，其操纵表示为计算机系统的寄存器和存储器内的物理（例如，电子）量的数据并将其变换成类似地表示为计算机系统存储器或寄存器或其它这样的信息存储、传输或显示装置内的物理量的其它数据。本文中描述的方法的实施例可以使用计算机软件来实现。如果以符合公认标准的编程语言编写，则可以编译被设计成实现所述方法的指令序列以便在各种硬件平台上执行并且以便对接到各种操作系统。另外，未参考任何特定编程语言来描述本框架的实施方式。将领会到的是可以使用各种编程语言。
如本文中所使用的，术语“图像”指的是由离散图像元素（例如，用于2D图像的像素、用于3D图像的体素、用于4D数据集的多素（doxel））组成的多维数据。图像可以是例如通过本领域的技术人员已知的计算机断层扫描、磁共振成像、超声或任何其它医学成像系统收集的受验者的医学图像。还可以从非医学环境，诸如例如遥感系统、电子显微术等提供图像。虽然可以把图像认为是从R3至R的函数或者到R3的映射，但是本方法不限于这样的图像，并且可以应用于任何维度的图像，例如2D图片、3D体积或4D数据集。针对2或3维图像，图像的域通常是2或3维矩形数组，其中，可以参考一组2个或3个相互正交的轴来对每个像素或体素寻址（address）。如本文中所使用的术语“数字”和“数字化”将指的是，经由数字采集系统或者经由从模拟图像进行的转换获取的数字或数字化格式的适当的图像或体积。
术语——常规地关于2D成像和图像显示所使用的用于图片元素的 “像素”、常常关于3D成像使用的用于体积图像元素的“体素”、以及用于4D数据集的“多素”可以被可互换地使用。应该指出的是3D体积图像其本身是由作为2D传感器阵列上的像素而获得的图像数据合成的，并且从某个视角显示为2D图像。因此，可以对3D体积图像数据应用2D图像处理和图像分析技术。在随后的描述中，可以替换地将被描述为对多素操作的技术描述为对以2D像素数据的形式存储并表示以用于显示的3D体素数据操作。以相同方式，还可以将对体素数据操作的技术描述为对像素操作。在下面的描述中，使用变量x来指示特定空间位置处的受验者图像元素或（替换地考虑的）受验者像素。术语“受验者像素”、“受验者体素”和“受验者多素”用来指示实际上被使用本文中描述的技术操作的特定图像元素。
本框架的一个方面促进四维（4D）数字减影血管造影（DSA）数据集的询问（interrogation）。4D数据集一般地指的是时间分辨三维（3D）数据集。可以从一对旋转采集导出4D DSA数据集：产生掩膜投影图像数据的旋转掩膜试验（run），然后是产生充盈投影图像数据的旋转对比度增强充盈试验。可以在功能上将包含在投影图像数据中的时间动态编码到约束图像数据的静态3D-DSA中以产生4D-DSA数据集。
当前技术仅基于完全获取视场（FOV）来重构4D-DSA数据集。本框架有利地使用户能够通过例如放大和/或修剪感兴趣体积来细化4D-DSA数据集的重构。然后可以对该感兴趣体积执行4D-DSA数据集的专用重构。可以例如通过增加相对于感兴趣体积外面的区的空间分辨率或者更改感兴趣体积外面的血管信息来细化感兴趣体积。因此可以显著地提高用于感兴趣体积的时间分辨体积的重构序列的准确度，从而在重构中实现对下面的血液动力学的更详细的定性和定量分析。
可以将通过本框架重构的细化4D-DSA数据集例如用来在神经血管介入之前评估风险。神经血管介入常见地涉及放置引流装置以覆盖动脉瘤，以及引发血栓溶解和动脉瘤的后续治愈。这些引流支架可以基本上更改从动脉瘤上游的血管系统中的流体动力学，从而创建潜在危险的情形。在血管壁中终止或者具有高度减小的直径（喷管效应）的错误放置的支架可以增加新的动脉瘤创建或血管夹层（dissection）的风险。在介入之前评估这些风险可以有利地减轻这样的过程的风险。理解的是虽然可能示出涉及血管网络可视化的特定应用，但是本技术不限于所说明的特定实施方式。
图1是图示示例性系统100的框图。 系统100包括用于实现如本文中描述的框架的计算机系统101。计算机系统101可以是台式个人计算机、便携式膝上型计算机、另一便携式装置、小型计算机、主机计算机、服务器、云基础设施、存储系统、专用数字器械、通信装置或者具有被配置成存储一批数字数据项的存储子系统的另一装置。在某些实施方式中，计算机系统101作为独立装置操作。在其它实施方式中，可以将计算机系统101（例如，使用网络）连接到其它机器，诸如成像装置102和工作站103。在联网部署中，计算机系统101可以作为服务器-客户端用户网络环境中的服务器（例如，瘦客户端服务器，诸如SiemensHealthcare的syngo®.via）、客户端用户机器或者作为对等（或分布式）网络环境中的对等机器操作。
计算机系统101可以包括处理器装置或中央处理单元（CPU）104，其被经由输入-输出接口121耦合到一个或多个非暂时性计算机可读介质105（例如，计算机储存器或存储器）、显示装置108（例如，监视器）和各种输入装置110（例如，鼠标或键盘）。计算机系统101还可以包括支持电路，诸如高速缓冲存储器、电源、时钟电路和通信总线。还可以将各种其它外围装置（诸如附加数据存储装置和印刷装置）连接到计算机系统101。
可以以各种形式的硬件、软件、固件、专用处理器或其组合、作为微指令代码的部分或者作为应用程序或软件产品的部分或者其组合（其被经由操作系统执行）来实现本技术。在一个实施方式中，将本文中描述的技术实现为在一个或多个非暂时性计算机可读介质105中有形地包含的计算机可读程序代码。特别地，可以由重构单元106和细化单元107来实现本技术。非暂时性计算机可读介质105可以包括随机存取储器（RAM）、只读存储器（ROM）、磁性软盘、闪速存储器以及其它类型的存储器或其组合。计算机可读程序代码被处理器装置104执行以处理由例如成像装置102获取的图像或图像数据。照此，计算机系统101是通用计算机系统，其当执行计算机可读程序代码时变成专用计算机系统。计算机可读程序代码不意图局限于任何特定编程语言及其实施方式。将领会到的是，可以使用各种编程语言及其编码来实现包含在本文中的本公开的教导。
可以将相同或不同的计算机可读介质105用于存储图像数据集、动态重构指令、知识库等。还可以将这样的数据存储在外部储存器或其它存储器中。可以使用被处理器装置104管理且驻留于存储器（诸如硬盘、RAM或可移动介质）上的数据库管理系统（DBMS）来实现外部存储。可以在一个或多个附加计算机系统上实现外部存储。例如，外部存储可以包括驻留于单独计算机系统上的数据仓库系统、图片归档及通信系统（PACS）或者任何其它现在已知或以后开发的医院、医疗机构、医疗办公室、测试设施、药店或其它医疗患者记录存储系统。
成像装置102可以是用于获取图像数据的放射扫描仪，诸如X射线或CT扫描仪。工作站103可以包括计算机和适当的外围设备，诸如键盘和显示装置，并且可以与整个系统100相结合地操作。例如，工作站103可以与成像装置102通信，使得可以在工作站103处再现并在显示装置上观看由成像装置102收集的图像数据。
工作站103可以直接地与计算机系统101通信以显示处理的图像数据和/或输出图像处理结果（例如，4D DSA数据集）。工作站103可以包括图形用户接口，其用以经由输入装置（例如，键盘、鼠标、触摸屏、语音或视频识别接口等）接收用户输入从而操纵图像数据的可视化和/或处理。例如，用户可以观看处理的图像数据，并且规定一个或多个视图调整或偏好（例如，缩放（zooming）、修剪、平移、旋转、改变对比度、改变色彩、改变视角、改变视深、改变再现或重构技术等）、通过规定“转到”位置来导航至特定的感兴趣区、导航（例如，停止、播放、逐步通过（step through）等）经重构的4D数据集的时间量等。
应进一步理解的是由于在附图中描绘的组成系统组件和方法步骤中的一些可以以软件来实现，所以系统组件（或过程步骤）之间的实际联系可以取决于对本框架进行编程所用的方式而不同。给定本文中提供的教导，相关领域中的普通技术人员将能够设想本框架的这些和类似实施方式或配置。
图2示出由计算机系统执行的数据重构的示例性方法200。应理解的是方法200的步骤可以以示出的次序或不同次序来执行。还可以提供附加、不同或更少的步骤。此外，可以用图1的系统101、不同的系统或其组合来实现方法200。
在202处，重构单元106执行时变图像数据的第一4D重构以产生感兴趣对象的4D（或时变3D）DSA投影图像数据集V(t)。4D DSA投影图像数据集V(t)的每个多素表示特定三维位置处和特定时间处的感兴趣对象的血管系统中的注入造影剂流。感兴趣对象可以是被标识用于调查研究或检查的任何生物对象，诸如患者的或受验者的大脑、心脏、腿、臂等的部分。感兴趣对象包括一个或多个似血管（vessel-like）结构（例如，血管、动脉、血管树或网络等）。一个或多个似血管结构可以是可以用造影剂或介质来充盈以便观察其随时间的传播的动态或时变结构。在某些实施方式中，还重构在感兴趣对象中植入的装置（例如，引流装置）的静态（即，非时间的）3D图像数据。
时变数据可以是通过使用成像装置102来执行旋转扫描或有角度的采集而获取的一组2D DSA投影图像。可以经由成像装置102来执行单个掩膜和充盈采集。更特别地，可以首先经由成像装置102来获取掩膜图像数据集，使得可以将其从对应的时变造影物充盈投影图像数据集中减去。掩膜图像仅仅是给与造影剂（或介质）以充盈要调查研究的被照射感兴趣对象的似血管结构之前的该区域的图像。实际的有角度且时变的2D投影数据可以基于对比度增强采集，其在向似血管结构中注入X射线造影介质之前或之后随着最早的造影物的流入变得可见而发起。掩膜和充盈试验两者可以遵循相同的采集轨迹。该轨迹可以覆盖3D DSA的整个视场（FOV）范围。
成像装置102可以是具有单个成像平面或多个成像平面的扫描仪或C形臂系统。例如，成像装置102可以是基于平板的X射线扫描仪，其包括至少一对X射线源和X射线检测器。替换地，成像装置102可以包括覆盖至少一对X射线源和X射线检测器的旋转CT台架。在其它实施方式中，成像装置102是MR投影扫描仪。在又其它实施方式中，成像装置102是覆盖至少一对光源和光学检测器的旋转光学CT台架。还可以使用其它类型（诸如有角度采样超声）的成像装置102。
图3示出使用单个旋转成像平面重构的患者的大脑的3D血管造影图像302的时间序列。在2014年6月12日提交的申请序号14/302,596（现在为美国公开号2014/0376791）中描述了用于执行由单个旋转平面C形臂系统获取的时变图像数据的4D-DSA重构的方法，该申请序号14/302,596据此通过引用被并入。这些方法可以确定感兴趣似血管结构的时变体积衰减曲线，从而导致包括时间维度的3D加时间（或4D-DSA）体积数据集。还可以从时间和投影角变化数据导出4D-DSA数据集。可以在执行时间分辨3D DSA的插值中使用置信度值或曲线。这样的框架可以应用一次或者以迭代形式应用。还可以基于例如从以多个角度获取的时变2D投影数据导出的初始时变3D投影数据集来动态地且迭代地重构4D-DSA数据集。
在标题为“Tomography system and method for generating a sequence ofvolume images of a vasculature”的在2015年12月3日提交的德国申请号102015224176.9（也是在2015年12月9日提交的PCT申请号PCT/EP2015/079102）中描述了用于执行由双C形臂系统获取的时变图像数据的4D-DSA重构的方法，该德国申请号102015224176.9据此通过引用被并入。这些技术基于包括两个同时旋转平面的血管造影双平面系统。可以显著地提高重构的时间分辨体积序列的准确度，因为可以利用来自两个平面的信息来减轻由于血管重叠而引起的准确度问题。
图4图示模拟研究中的示例性4D-DSA重构的初始估计。初始估计包括所有血管402。图像403示出4D-DSA重构的当前估计。图像404示出已知真实情况（ground truth）与4D-DSA重构的当前估计之间的差异。图像406示出当前估计的投影与原始投影信息之间的误差的重构。图像408示出投影图像中的误差/差异的正弦图。从中心血管获取时间曲线410a-b，其中，曲线410a表示实际情况并且曲线410b表示当前估计。可以观察到的是真实情况与估计之间的误差非常高。
图5示出模拟研究中的示例性4D-DSA重构的最终估计。图像503示出4D-DSA重构的当前估计，其包括所有血管502。图像504示出已知真实情况与4D-DSA重构的当前估计之间的差异。图像506示出当前估计的投影与原始投影信息之间的误差的重构。图像508示出投影图像中的误差/差异的正弦图。从中心血管获取时间曲线510a-b，其中曲线510a表示实际情况并且曲线510b表示当前估计。可以观察到的是真实情况与4D-DSA重构的估计之间的误差已被最小化。
返回图2，在204处，细化单元107标识由重构单元106产生的结果得到的4D DSA数据集中的感兴趣体积（VOI）。该感兴趣体积是被标识用于进一步研究的整个4D DSA数据集的任何形状（例如，立方体）的任何子区域。可以手动地、自动地或者半自动地标识VOI。例如，可以通过从在工作站103上实现的用户接口接收用户选择（包括限定感兴趣体积的点的坐标）来标识VOI。重构单元106可以发起经由例如在工作站103上实现的用户接口呈现给用户的4D DSA数据集的体积再现。可以将时间分量显示为例如在交互期间产生的色彩再现或时间步长。在某些实施方式中，还经由用户接口与4D DSA数据一起呈现植入装置的静态3D图像数据的再现。
用户接口可以提供用以使用户能够选择、放大和/或修剪4D DSA数据集中的感兴趣体积的各种用户接口元素（例如，按钮、文本功能）。用户接口还可以提供用以使用户能够发起感兴趣体积的细化的用户接口元素。在发起细化过程时，工作站103可以向细化单元107发送感兴趣体积的坐标。
在206处，细化单元107从4D血管造影图像数据V(t)提取感兴趣体积（VOI）以产生体积阵列V(t) c 。该提取可以例如通过从V(t)中减去VOI来执行。
在208处，细化单元107基于体积阵列V(t) c 来细化感兴趣体积（VOI）以产生新的细化数据集。在某些实施方式中，通过去除在感兴趣体积外面的区中的血管数据来细化VOI。这可以通过将体积阵列V(t) c 前向投射成对应投影图像（或成像平面）p(t)以产生中间投影数据集p(t) c （A[V(t) c ] = p(t) c ），并从投影图像p(t)中减去中间投影数据集p(t) c 以产生新的细化投影数据集p(t) VOI 来实现。新的细化投影数据集p(t) VOI 是仅包含VOI中的血管数据的2D图像阵列。
替换地，通过改变体积阵列V(t) c 内和/或体积阵列V(t) c 外面的空间分辨率设置使得体积阵列V(t) c 具有相对于体积阵列V(t) c 外面的区的较高空间分辨率来细化VOI。在某些实施方式中，创建新的细化数据集V(t) spatial ，其在感兴趣体积外面具有较低分辨率（比初始重构相对较低）并且在感兴趣体积内部具有非常高的空间分辨率（比初始重构相对更高）。可以通过以相对较小的体素尺寸从细化投影数据集p(t) VOI 重构体积阵列V(t) c 并且使用常规4D DSA以相对较大的体素尺寸重构另一体积阵列来创建新的细化数据集V (t) spatial 。然后可以将两个体积阵列合并，从而导致在VOI中具有较高空间分辨率且在VOI外面具有较低空间分辨率的细化数据集V(t) spatial 。
在其它实施方式中，基于滤波反投影（FBP）的原理来细化VOI。最近的研究已经证明用FBP重构的及时采样3D数据集包含图像中的所有时间动态。参见例如Tang、Jie等人的“New consistency theorem of motion contaminated projection data andapplications in motion artifacts correction”，SPIE Medical Imaging. International Society for Optics and Photonics, 2012中，其据此通过引用被并入。为了说明，当通过3D体积前向投影到所获取的投影角度中时，将创建给出相同时间动态的相同的图像。这可以如下被可视化：使用FBP获取并重构被从空充盈到满的玻璃制品的旋转x射线序列。FBP的平均效应将呈现出半满的玻璃制品。如果通过3D体积产生前向投影，则其将表示该玻璃制品在投影图像采集时的正确充盈状态。
可以通过从经由滤波反投影（FBP）重构的静态3D体积S(t)去除限定的体积阵列V (t) c 以产生经修剪静态体积阵列S(t) c 来细化VOI。然后可以将经修剪静态体积阵列S(t) c 前向投影成对应的投影图像（p(t)）以产生中间投影数据集s(t) c （A[S(t) c ] = s(t) c )）。通过从投影图像p(t)中减去中间投影数据集 s(t) c 来创建新的细化数据集s(t) VOI 。此新的细化数据集s(t) VOI 是仅包含VOI中的血管数据的2D阵列。
图6图示中心血管602的示例性细化4D-DSA重构的初始估计。4D-DSA重构的初始估计仅包括感兴趣体积。图像603示出感兴趣的4D-DSA血管重构的当前估计。图像604示出已知真实情况与4D-DSA重构的当前估计之间的差异。图像606示出当前估计的投影与原始投影信息之间的误差的重构。图像608示出投影图像中的误差/差异的正弦图。从中心血管获取时间曲线610a-b，其中曲线610a表示实际情况而曲线610b表示当前估计。可以观察到的是真实情况与估计之间的误差非常高。
在图2中，在210处，细化单元107请求（invoke）重构单元106基于细化数据集来执行第二4D-DSA重构从而产生VOI的放大4D表示。在某些实施方式中，在细化投影数据集p (t) VOI 的一个或多个边界内执行第二4D-DSA重构，从而有效地创建放大4D-DSA体积阵列V (t) VOI 。
替换地，使用新的细化数据集V(t) spatial 来执行第二4D-DSA重构，从而导致在VOI中具有相对增加的血管系统的空间分辨率的VOI的4D表示。然后可以在有或没有VOI外面的血管系统的情况下显示4D表示。
在其它实施方式中，第二4D-DSA重构在细化数据集s(t) VOI 的一个或多个边界内，从而有效地创建放大4D-DSA体积阵列V(t) VOI 。在要重构的有限的数据量的情况下，可以使用迭代重构方案，从而实现与常规滤波反投影重构相比较时的优越的准确度性能。
可以使用上述重构方法中的任何方法来执行此4D-DSA重构步骤，诸如在2014年6月12日提交的申请序号14/302,596和2015年12月3日提交的德国申请号102015224176.9中描述的那些。在要重构的有限的数据量的情况下，可以使用迭代重构方案来实现与常规滤波反投影重构相比较时的优越的准确度性能。可以使用建立的方法来重构新的2D投影数据集。
图7图示中心血管702的示例性细化4D-DSA重构的最终估计。4D-DSA重构的最终估计仅包括感兴趣体积。图像703示出中心血管702的当前4D-DSA重构。图像704示出已知真实情况与当前4D-DSA重构之间的差异。图像706图示当前估计的投影与原始投影信息之间的误差的重构。图像708描绘投影图像中的误差/差异的正弦图。从中心血管获取时间曲线710a-b，其中曲线710a表示实际情况并且曲线710b表示估计。可以观察到的是真实情况与最终估计之间的误差被最小化。
虽然已参考示例性实施例详细地描述了本框架，但是本领域的技术人员将领会到，在不脱离如在所附权利要求中阐述的本发明的精神和范围的情况下可以对其做出各种修改和替换。例如，在本公开和所附权利要求的范围内，不同示例性实施例的元件和/或特征可以被相互组合和/或相互代替。
Claims (16)
1.一种非暂时性计算机可读介质，其包含能被机器执行以执行用于数据重构的操作的指令，所述操作包括：
执行时变数据的第一四维重构以产生感兴趣对象的四维数字减影血管造影DSA数据集；
标识所述四维DSA数据集中的感兴趣体积；
从所述四维DSA数据集中提取所述感兴趣体积以产生体积阵列；
基于所述体积阵列对所述感兴趣体积进行细化以产生细化数据集；以及
基于所述细化数据集执行第二四维重构以产生所述感兴趣体积的放大四维表示，
其中，细化所述感兴趣体积包括基于滤波反投影来细化所述感兴趣体积，
基于滤波反投影来细化所述感兴趣体积包括：
从通过滤波反投影重构的静态三维体积去除所述体积阵列以产生经修剪静态体积阵列，
将所述经修剪静态体积阵列前向投影成对应投影图像以产生中间投影数据集，以及
从所述投影图像中减去所述中间投影数据集以产生所述细化数据集。
2.权利要求1所述的非暂时性计算机可读介质，还包括能被机器执行以通过去除在所述感兴趣体积外面的血管数据来细化所述感兴趣体积的指令。
3.一种用于数据重构的系统，包括：
非暂时性存储器装置，其用于存储计算机可读程序代码；以及
与存储器装置通信的处理器，所述处理器用计算机可读程序代码操作以：
执行时变数据的第一四维重构以产生感兴趣对象的四维数字减影血管造影DSA数据集，
标识所述四维DSA数据集中的感兴趣体积，
从所述四维DSA数据集中提取所述感兴趣体积以产生体积阵列，
基于所述体积阵列对所述感兴趣体积进行细化以产生细化数据集，以及
基于所述细化数据集执行第二四维重构以产生所述感兴趣体积的放大四维表示，
其中，所述处理器用计算机可读程序代码操作以基于滤波反投影来细化所述感兴趣体积，
其中，所述处理器用计算机可读程序代码操作以基于滤波反投影通过如下各项来细化所述感兴趣体积：
从通过滤波反投影重构的静态三维体积中去除所述体积阵列以产生经修剪静态体积阵列，
将所述经修剪静态体积阵列前向投影成对应投影图像以产生中间投影数据集，以及
从所述投影图像中减去所述中间投影数据集以产生所述细化数据集。
4.权利要求3所述的系统，还包括成像装置，其具有获取时变数据的单个旋转成像平面。
5.权利要求3所述的系统，还包括成像装置，其具有获取时变数据的多个旋转成像平面。
6.权利要求3所述的系统，其中，所述处理器用计算机可读程序代码操作以重构植入所述感兴趣对象中的装置的静态三维图像数据。
7.权利要求3所述的系统，其中，所述处理器用计算机可读程序代码操作以通过经由用户接口接收所述感兴趣体积的用户选择来标识所述感兴趣体积。
8.权利要求3所述的系统，其中，所述处理器用计算机可读程序代码操作以发起用户接口处的所述四维DSA数据集的体积再现。
9.权利要求3所述的系统，其中，所述处理器用计算机可读程序代码操作以通过去除在所述感兴趣体积外面的血管数据来细化所述感兴趣体积。
10.权利要求9所述的系统，其中，所述处理器用计算机可读程序代码操作以通过如下各项来去除在所述感兴趣体积外面的血管数据：
将所述体积阵列前向投影成对应投影图像以产生中间投影数据集，以及
从所述投影图像中减去所述中间投影数据集以产生所述细化数据集。
11.权利要求3所述的系统，其中，所述处理器用计算机可读程序代码操作以通过改变所述体积阵列内、所述体积阵列外面或者其组合的空间分辨率设置来细化所述感兴趣体积从而产生所述细化数据集。
12.权利要求3所述的系统，其中，所述处理器用计算机可读程序代码操作以在所述细化数据集的一个或多个边界内执行第二四维重构。
13.一种数据重构的方法，包括：
执行时变数据的第一四维重构以产生感兴趣对象的四维数字减影血管造影DSA数据集；
标识所述四维DSA数据集中的感兴趣体积；
从所述四维DSA数据集中提取所述感兴趣体积以产生体积阵列；
基于所述体积阵列对所述感兴趣体积进行细化以产生细化数据集；以及
基于所述细化数据集执行第二四维重构以产生所述感兴趣体积的放大四维表示，
其中，细化所述感兴趣体积包括基于滤波反投影来细化所述感兴趣体积，
基于滤波反投影来细化所述感兴趣体积包括：
从通过滤波反投影重构的静态三维体积去除所述体积阵列以产生经修剪静态体积阵列，
将所述经修剪静态体积阵列前向投影成对应投影图像以产生中间投影数据集，以及
从所述投影图像中减去所述中间投影数据集以产生所述细化数据集。
14.权利要求13所述的方法，其中，细化所述感兴趣体积包括去除在所述感兴趣体积外面的血管数据。
15.权利要求13所述的方法，其中，细化所述感兴趣体积包括改变所述体积阵列内、所述体积阵列外面或其组合的空间分辨率设置以产生所述细化数据集。
16.权利要求13所述的方法，其中在所述细化数据集的一个或多个边界内执行所述第二四维重构。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/063361 | 2016-03-07 | ||
| US15/063,361 US9786069B2 (en) | 2016-03-07 | 2016-03-07 | Refined reconstruction of time-varying data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107170021A CN107170021A (zh) | 2017-09-15 |
| CN107170021B true CN107170021B (zh) | 2020-09-22 |
Family
ID=59724309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710130758.0A Active CN107170021B (zh) | 2016-03-07 | 2017-03-07 | 时变数据的细化重构 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US9786069B2 (zh) |
| CN (1) | CN107170021B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016226195B3 (de) * | 2016-12-23 | 2018-02-01 | Siemens Healthcare Gmbh | Berechnen eines vierdimensionalen DSA-Datensatzes mit variabler räumlicher Auflösung |
| DE102019202514B4 (de) * | 2019-02-25 | 2021-06-24 | Siemens Healthcare Gmbh | Verfahren zur digitalen Subtraktionsangiographie, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
| DE102021213995A1 (de) | 2021-12-08 | 2023-06-15 | Siemens Healthcare Gmbh | Bereitstellen eines Ergebnisdatensatzes |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5881728A (en) * | 1996-07-26 | 1999-03-16 | Wisconsin Alumni Research Foundation | Digital subtraction magnetic resonance angiography with image artifact suppression |
| US8643642B2 (en) | 2009-08-17 | 2014-02-04 | Mistretta Medical, Llc | System and method of time-resolved, three-dimensional angiography |
| US8654119B2 (en) | 2009-08-17 | 2014-02-18 | Mistretta Medical, Llc | System and method for four dimensional angiography and fluoroscopy |
| WO2011091300A2 (en) | 2010-01-24 | 2011-07-28 | Mistretta Medical, Llc | System and method for implementation of 4d time-energy subtraction computed tomography |
| US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
| US8963919B2 (en) | 2011-06-15 | 2015-02-24 | Mistretta Medical, Llc | System and method for four dimensional angiography and fluoroscopy |
| US8620404B2 (en) | 2011-07-26 | 2013-12-31 | Wisconsin Alumni Research Foundation | System and method of high-frame rate, time-resolved, three-dimensional magnetic resonance angiograpy |
| KR20140082663A (ko) * | 2011-08-26 | 2014-07-02 | 이비엠 가부시키가이샤 | 혈류성상 진단을 위한 시스템, 그 방법 및 컴퓨터 소프트웨어 프로그램 |
| DE102012214351B4 (de) * | 2012-08-13 | 2014-11-06 | Siemens Aktiengesellschaft | Angiographisches Untersuchungsverfahren eines Gefäßsystems |
| US9081074B2 (en) * | 2012-08-21 | 2015-07-14 | Beth Israel Deaconess Medical Center, Inc. (Bidmc, Inc.) | Method and apparatus for accelerated phase contrast magnetic resonance angiography and blood flow imaging |
| US9443330B2 (en) | 2013-06-25 | 2016-09-13 | Siemens Medical Solutions Usa, Inc. | Reconstruction of time-varying data |
| DE102013226858B4 (de) * | 2013-12-20 | 2024-08-08 | Siemens Healthineers Ag | Verfahren zur Erzeugung eines wenigstens dreidimensionalen Anzeigedatensatzes, Röntgeneinrichtung und Computerprogramm |
| KR101604812B1 (ko) * | 2014-01-15 | 2016-03-18 | 삼성전자주식회사 | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 |
| JP6716197B2 (ja) * | 2014-02-28 | 2020-07-01 | キヤノンメディカルシステムズ株式会社 | 画像処理装置およびｘ線診断装置 |
| US9478048B2 (en) * | 2014-07-02 | 2016-10-25 | Siemens Medical Solutions Usa, Inc. | Prior image based three dimensional imaging |
| US20160048959A1 (en) * | 2014-08-14 | 2016-02-18 | Markus Kowarschik | Classifying Image Data for Vasospasm Diagnosis |
-
2016
- 2016-03-07 US US15/063,361 patent/US9786069B2/en active Active
-
2017
- 2017-03-07 CN CN201710130758.0A patent/CN107170021B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107170021A (zh) | 2017-09-15 |
| US9786069B2 (en) | 2017-10-10 |
| US20170256077A1 (en) | 2017-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9754390B2 (en) | Reconstruction of time-varying data | |
| US10497123B1 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
| US9684980B2 (en) | Prior image based three dimensional imaging | |
| US10083511B2 (en) | Angiographic roadmapping mask | |
| CN111540025B (zh) | 预测用于图像处理的图像 | |
| CN107170021B (zh) | 时变数据的细化重构 | |
| US11317875B2 (en) | Reconstruction of flow data | |
| CN110546684B (zh) | 时变数据的定量评估 | |
| US20230154067A1 (en) | Output Validation of an Image Reconstruction Algorithm | |
| Qin et al. | Three Dimensional Reconstruction of Blood Vessels and Evaluation of Vascular Stenosis Based on DSA | |
| CN114503118A (zh) | 通过将图像形成建模为一个或多个神经网络的图像重建 | |
| US20100054568A1 (en) | Method and apparatus for selecting a volume of interest in one or more image data sets |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240902 Address after: German Phu F Haim Patentee after: Siemens Medical AG Country or region after: Germany Address before: Erlangen, Germany Patentee before: SIEMENS HEALTHCARE GmbH Country or region before: Germany |