CN107613874A - 用于评估血管狭窄的方法和装置 - Google Patents

用于评估血管狭窄的方法和装置 Download PDF

Info

Publication number
CN107613874A
CN107613874A CN201680031051.8A CN201680031051A CN107613874A CN 107613874 A CN107613874 A CN 107613874A CN 201680031051 A CN201680031051 A CN 201680031051A CN 107613874 A CN107613874 A CN 107613874A
Authority
CN
China
Prior art keywords
section
blood vessel
cross
lumen area
tube chamber
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
CN201680031051.8A
Other languages
English (en)
Other versions
CN107613874B (zh
Inventor
钟良
陈如杉
黄为民
周佳音
段玉萍
熊伟
迟艳玲
K·K·托
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.)
Agency for Science Technology and Research Singapore
Singapore Health Services Pte Ltd
Original Assignee
Agency for Science Technology and Research Singapore
Singapore Health Services Pte 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 Agency for Science Technology and Research Singapore, Singapore Health Services Pte Ltd filed Critical Agency for Science Technology and Research Singapore
Publication of CN107613874A publication Critical patent/CN107613874A/zh
Application granted granted Critical
Publication of CN107613874B publication Critical patent/CN107613874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1076—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions inside body cavities, e.g. using catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/489—Blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • A61B6/507—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 determination of haemodynamic parameters, e.g. perfusion CT
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20168—Radial search
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

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

Abstract

公开了一种用于使用对象的图像数据来评估血管狭窄的方法。图像数据表示对象的血管结构。该方法包括：(a)根据图像数据划分表示血管的区段的血管区段，(b)使用图像数据获得血管区段的多个二维图像；所述多个二维图像表示该血管区段的相应横截面，(c)针对该多个二维图像中的每个二维图像标识管腔区域，该管腔区域包括表示对应横截面的管腔的管腔像素，(d)使用血管区段的连续横截面的管腔区域来获得定量测量，以及(e)使用定量测量来评估血管狭窄。公开了一种用于执行上述方法的计算机系统。

Description

用于评估血管狭窄的方法和装置
技术领域
本公开涉及一种用于评估血管(诸如但不限于冠状动脉)中的狭窄(stenosis)的方法和装置。
背景
影响大约6％的一般成年人口的冠心病(CHD)是与冠状动脉狭窄(通常由于冠状动脉管腔的一部分被斑块阻塞造成的冠状动脉的变窄)相关联的常见心脏病。例如，图1示出了心脏前表面处的动脉，该动脉由于胆固醇斑块在其内壁处累积而具有变窄的管腔。这造成对心脏的减少的血液供应。
在美国，在年龄大于65岁以上的人口中，2010年CHD的患病率增加到19.8％。在美国，CHD造成每年120万的心脏病发作以及几乎19％的死亡。在新加坡，2011年心血管疾病(CVD)占死亡总数的30.4％，其中19％是由于CHD。因此，对疑似CHD患者进行及时和准确的评估是改善患者护理、降低成本以及改善护理服务的效率的关键之一。
存在评估冠状动脉狭窄的现有方法。具体而言，侵入性冠状血管造影(ICA)是用于描绘解剖学冠状动脉狭窄的黄金标准方法。图2示出了ICA中所使用的装备以及所得到的图像。利用压力导丝的血流储备分数(FFR)测量是用于评估解剖学狭窄的生理重要性的黄金标准。FFR测量可与ICA并发地执行。非侵入性计算机断层扫描血管造影(CTA)是作为ICA的替换方案的常用诊断方法。在CTA中，可以通过扫描获得二维(2D)图像序列，并且可构造三维图像体(即，2D图像的堆叠)。图3示出了CTA中所使用的装备以及所得到的图像。以下表1中示出了这些方案的优点和缺点的简单比较。
表1:ICA/FFR和CTA的比较
图4是解说了用于CHD患者护理的当前标准临床方案的流程图。首先对疑似CHD患者执行CTA扫描。如果检测到严重的动脉狭窄，则将执行后续的ICA/FFR。如果ICA/FFR确认病损的严重性，则可以在治疗过程期间执行支架植入或其它治疗干预。
CTA实现以二维(2D)或三维(3D)格式视觉化冠状血管，但是当前可用的基于CTA的成像技术在其评估生理狭窄的能力方面是有限的。当前，CTA数据由放射科医师或心脏科医师解释，并且基于被称为百分比直径狭窄(DS)的参数来评级冠状动脉狭窄病损的严重性。具体而言，使用DS的范围，即<25％、25-40％、40-70％、>70％。
如由图5所解说的，通过2D定量冠状血管造影(QCA)获得DS，其中将图像投影到多个平面上并相应地评估动脉管腔直径。若干临床研究已报告CTA在评估冠状动脉狭窄时具有非常高的灵敏度和阴性预测值，但是具有较低的特异性和阳性预测率[1-4]。
虽然CTA可能是排除显著冠状动脉狭窄的可靠工具，但基于CTA的狭窄评估缺乏精确性。它需要专家对图像的解释(其可能是主观的)，并且通常依赖于操作者。这引起大量的假阳性诊断或高估，并且经常导致执行不必要的进一步测试(例如，昂贵的ICA和FFR)和/或治疗(例如支架植入)。
因此，期望提供改善的提供对冠状动脉狭窄的更准确评估的方法和装置。
概述
一般而言，本公开提出了使用从血管区段的连续横截面的管腔区域推导出的数值测量(诸如指示血管的狭窄区域的测量)来评估血管狭窄的方法和装置。
根据第一种表达，提供了一种用于使用对象的图像数据(诸如计算机断层扫描血管造影(CTA)数据)来评估血管狭窄的方法。所述图像数据表示所述对象的血管结构。所述方法通常包括计算机处理器执行以下操作：
(a)根据所述图像数据划分表示血管的区段的血管区段，
(b)使用所述图像数据获得所述血管区段的多个二维图像；所述多个二维图像表示所述血管区段的相应横截面，
(c)针对所述多个二维图像中的每个二维图像标识管腔区域，所述管腔区域包括表示对应横截面的管腔的管腔像素，
(d)使用所述血管区段的连续横截面的管腔区域来获得定量测量，以及
(e)使用所述定量测量来评估血管狭窄。
本发明的方法利用使用血管区段的连续横截面的管腔区域推导出的定量测量。这可允许在评估血管狭窄时考虑沿血管区段的狭窄的其它病损特性(诸如狭窄的长度、形状和离心率)。例如，可考虑狭窄的一系列影响，其会极大地影响血流。因此，本发明的方法可允许以更大的准确性和精确性、并以更整体的水平对血管狭窄进行自动检测以及量化。这提供了对狭窄的严重性的更准确、可重现并富有信息的指示符以供作出临床决策。
操作(d)可包括：获得与所述血管区段的连续横截面相对应的所述多个二维图像的管腔区域的大小的分布。
所述方法可进一步包括：使用所述分布来推导出针对所述横截面中的每个横截面恢复出的管腔区域的大小。恢复出的管腔区域表示当血管区段无狭窄时的管腔区域，即，就好像狭窄病损未曾存在或者已通过移除狭窄恢复了管腔。这可通过对分布进行线性拟合、随后基于经拟合的分布确定恢复出的管腔区域的大小来执行。
所述方法可包括：针对所述横截面中的至少一个横截面，计算管腔区域的大小与恢复出的管腔区域的大小的比率。
所述方法可包括：从所述多个图像标识对应于包含狭窄的横截面的图像子集。所述图像子集可使用所述定量测量来标识，例如，基于针对所述图像计算的管腔区域的大小与恢复出的管腔区域的大小的比率。
所述多个二维图像可通过首先标识经划分血管的中心线并提取与所述中心线正交的一系列二维图像来获得。所述多个二维图像可表示沿中心线以规则间隔(例如，以隔开1mm的间隔)对血管的横截面的连续扫描。
所述中心线可通过最小化成本函数从而提取所述血管区段内的最小路径来标识。所述成本函数可定义连接所述血管的两端的路径。
操作(c)可包括：使用像素的强度值的梯度来标识管腔区域的管腔边界像素。例如，可标识横截面的多条直径线，并且对于每条直径线，生成位于该直径线上的像素的强度值的强度分布，并基于所述强度分布来检测所述管腔边界像素。在一个实施例中，具有最大梯度的管腔边界像素被标识为边界像素。
可执行对所标识的管腔边界像素的椭圆拟合以获得管腔区域，随后进一步应用可变形模型。
操作(a)通常包括：提取几何管状结构的主方向(即，轴向方向)以划分血管或血管区段。
本公开还可被表达为一种计算机系统，所述计算机系统具有处理器和被配置成存储可操作程序指令的存储器设备，所述程序指令在由所述处理器执行时使所述处理器执行上述方法。
本公开还可被表达为一种装置，其被配置成执行上述方法中的任一方法。所述装置通常是一种具有恰适硬件模块的计算机系统，所述硬件模块包括被配置成执行如上面参考相应方法所描述的相关操作的图像划分模块、图像生成模块和图像分析模块。
具体而言，提供了一种用于使用对象的图像数据来评估血管狭窄的计算机系统。所述图像数据表示所述对象的血管结构。所述计算机系统包括：
图像划分模块，其被配置成：根据所述图像数据划分表示血管的区段的血管区段，
图像生成模块，其被配置成：使用所述图像数据获得所述血管区段的多个二维图像；所述多个二维图像表示所述血管区段的相应横截面，以及
图像分析模块，其被配置成
针对所述多个二维图像中的每个二维图像标识管腔区域，所述管腔区域包括表示对应横截面的管腔的管腔像素，
使用所述血管区段的连续横截面的管腔区域来获得定量测量，以及
使用所述定量测量来评估血管狭窄。
各个模块可被恰适地配置成进一步执行上述方法的任何附加操作。
对于本领域技术人员将显而易见的是，各个硬件模块可由与存储程序指令的存储器设备相通信的一个或多个计算机处理器实现。存储器设备可以是但不限于随机存取存储器(RAM)和只读存储器(ROM)。所述一个或多个处理器被配置成执行程序指令以便实现硬件模块的功能性。要理解，通过将可执行指令编程和/或加载到计算机系统上，处理器、RAM和ROM中的至少一者被改变，从而将计算机系统部分地转变成具有本公开所教导的新颖功能性的专用机器或装置。对于电气工程和软件工程领域而言十分重要的是，可以通过将可执行软件加载到计算机中来实现的功能性能够通过公知的设计规则转变成硬件实现。计算机系统可集成有设备，诸如用于采集图像的图像采集设备，诸如CT扫描仪，以用于执行CT血管造影(CTA)。
根据进一步表达，提供了一种计算机程序产品，诸如有形记录介质。所述有形记录介质存储可操作程序指令，所述程序指令在由处理器执行时使所述处理器执行上述方法的操作。所述计算机程序产品可安装在云操作系统的云上并且可被配置成在远程服务器上运行。
根据另一种表达，提供了一种用于使用对象的图像数据来评估血管狭窄的方法。所述图像数据包括表示血管区段的相应横截面的多个二维图像。所述方法包括：
(a)针对所述多个二维图像中的每个二维图像标识管腔区域，所述管腔区域包括表示对应横截面的管腔的管腔像素，
(b)使用所述血管区段的连续横截面的管腔区域来获得定量测量，以及
(c)使用所述定量测量来评估血管狭窄。
换言之，上述方法的输入图像数据可以是二维图像序列，该二维图像序列已被恰适处理以表示相应横截面，每个横截面与血管区段的轴向方向正交。
本公开还可被表达为一种计算机系统，所述计算机系统具有被配置成执行所述方法的图像分析模块。计算机系统可集成有设备，诸如用于采集图像的图像采集设备，诸如CT扫描仪，以用于执行CT血管造影(CTA)。
本文中使用术语“自动”来表示，尽管人类交互可发起算法，但执行该算法时不需要人类交互。
技术人员将理解，在本文中，引用与一般具有管状结构的血管、血管区段等等相关的横截面表示一般平面的二维截面，该二维截面横向垂直于一般管状结构的轴向方向。
本公开的上述方面可用于(例如，通过手术或疗法)治疗具有血管狭窄的患者的方法中。更具体而言，治疗患者的该方法可包括：基于对患者的血管中的血管狭窄的评估来给予治疗(诸如药物或支架)，其中该评估是使用本公开的上述方面获得的。
本公开可替换地被表达为一种用于执行此类方法的计算机系统。该计算机系统可集成有设备，诸如用于采集图像的图像采集设备。本发明还可被表达为一种计算机程序产品，诸如一种记录在包含程序指令的有形计算机介质上的计算机程序产品，该程序指令可由计算机系统操作以执行方法的操作。所述计算机产品可安装在云计算系统的云上并且可被配置成在远程服务器上运行。
附图简述
现在将参考以下附图仅为了示例而描述本发明的各实施例，其中：
图1示出了心脏前表面处的具有变窄的管腔的动脉；
图2由图2(a)和图2(b)构成，图2(a)示出了ICA中所使用的装备，图2(b)示出了所得到的图像；
图3由图3(a)和图3(b)构成，图3(a)示出了CTA中所使用的装备，图3(b)示出了所得到的图像；
图4是解说了用于CHD患者护理的当前标准临床方案的流程图；
图5解说了使用2D定量冠状血管造影(QCA)对百分比直径狭窄(DS)的计算；
图6由图6(a)和图6(b)构成，图6(a)是本发明的方法的一实施例的流程图，图6(b)是解说了根据一示例的用于标识横截面中的管腔区域的子操作的流程图；
图7由图7(a)和图7(b)构成，图7(a)示出了用直径线和所标识的管腔边界像素标注的血管区段的横截面，图7(b)示出了位于从中标识管腔边界像素的直径线上的像素的强度分布；
图8由图8(a)、图8(b)和图8(c)构成，图8(a)示出了动脉的横截面图像，图8(b)示出了检测到的管腔边界像素，而图8(c)示出了用椭圆拟合的管腔区域。
图9示出了根据一示例的连续横截面的管腔区域大小沿血管区段的分布；
图10由图10(a)、图10(b)和图10(c)构成，图10(a)示出了根据CTA数据集对冠状动脉的划分，图10(b)示出了右冠状动脉(RCA)的中心线的标识，图10(c)示出了RCA及其中心线通过曲面多平面重构(cMPR)的2D投影以及表示相应横截面的三个2D图像。
图11由图11(a)和图11(b)构成，图11(a)示出了连续横截面的管腔区域的大小沿测试血管区段的分布以及所标识的病损，图11(b)示出了对应的2D和3D CTA图像中的病损；以及
图12由图12(a)和图12(b)构成，图12(a)示出了连续横截面的管腔区域的大小沿另一测试血管区段的分布以及所标识的病损，图12(b)示出了对应2D和3D CTA图像中的病损。
详细描述
方法100
参考图6(a)，解说了方法100的操作，该方法100是本公开的一实施例并且评估人类或动物对象的血管狭窄。例如，方法100可以用于检测对象中是否存在血管狭窄。方法100还可以用于通过例如血管的一个或多个区段和/或横截面中区域狭窄(AS)的百分比来量化血管狭窄的严重性程度。
方法100的输入是表示对象的血管结构的至少一部分的图像数据。例如，三维图像数据集包括从冠状计算机断层扫描血管造影(CTA)采集的对象心脏的二维(2D)图像扫描序列。
如图6(a)中所示，方法100包括操作110-160。
在操作110，血管结构中血管的血管区段被划分。换言之，(2D图像序列中的)像素或(3D图像体中的)体素表示血管是从图像数据来标识的。
在操作120，从图像数据生成多个2D图像。通常，每个2D图像表示血管区段与该血管区段的轴向方向正交的相应横截面。2D图像序列因此可表示以一间隔对血管区段横截面的连续扫描。例如，该间隔可以是隔开1mm的规则间隔。要注意，2D图像序列可表示血管区段的平行(但通常非平行)横截面，因为血管区段通常在某个程度上弯曲。
在操作130，针对多个2D图像中的每个2D图像标识管腔区域。管腔区域被标识为包含管腔像素，这些管腔像素表示该横截面中的血管的管腔结构。可使用如图6(b)中所示的子操作131-135来标识管腔区域，如将更详细描述的。
在操作140，获得操作130中针对血管区段的连续横截面所标识的管腔区域的大小的分布。可通过图形表示(诸如管腔区域与每个横截面的相对位置或序列的图表)来表示该分布。要注意，图形表示不是必需的，因为对于技术人员将显而易见的是，分布的其它表示形式(诸如用向量)是可能的。在操作150，可估计针对每个横截面恢复出的管腔区域的大小。这可通过基于在操作140获得的分布推导出第二分布来执行，该第二分布描述了针对连续横截面恢复出的管腔区域的大小。
在操作160，基于对应横截面的管腔区域和恢复出的管腔区域的大小，多个2D图像的子集可被标识为包含狭窄。例如，如果两个区域之间的比较超过预定义阈值，则横截面可被标识为包含狭窄病损。预定义阈值可以是固定值或者取决于另一横截面，诸如相邻横截面。
用于评估冠状动脉狭窄的方法100的示例实现
将关于评估冠状动脉(包括其分支)狭窄来解说以下示例。将理解，所提出的方法可应用于对其它类型的血管的狭窄分析。
以下示例中所描述的成像数据采用患者的CTA数据。CTA数据是描述患者的冠状动脉的一部分的三维数据。该方法提出通过使用血管区段的连续横截面中管腔区域的大小的分布获得数值测量来评估冠状动脉狭窄的严重性。具体而言，该方法从患者的CTA数据推导出描述冠状动脉的横截面中的狭窄区域的数据。现在将在下面更详细地描述方法100的示例实现。
操作110
对图像数据进行处理以划分血管。具体而言，标识了表示血管的边界的像素。
操作110可涉及通过增强图像的血管特征来预处理图像的子操作。在该示例中，使用多尺度二阶局部结构(诸如使用2D或3D中的Hessian矩阵)来增强血管结构。更具体而言，使用由Frangi等人提出的多尺度血管增强滤波[5]。该办法搜索几何管状结构，其通过对Hessian矩阵的特定特征值模式分析(λ1的低值以及λ2和λ3的高值)来检测，从而提取血管延伸的主方向(即，轴向方向)。这增强了管状结构与其它结构之间的对比度(或像素值之间的差异)。通过应用适当的阈值化，可在图像中划分冠状动脉。
操作120
在该操作中从图像数据获得一系列2D图像。每个2D图像表示血管的横截面，以使得该系列2D图像定义沿血管的轴向方向的连续横截面。换言之，每个所标识的2D图像表示血管的横向垂直于该血管的纵向方向的横截面平面。
在管状结构中，对应于最小特征值λ1的特征向量e1指向血管的纵向方向，其具有最小的曲率并且该方向的法向平面(即，对应于λ2和λ3的特征向量)形成血管的横截面平面。
动脉或动脉的一部分可以用于后续的处理和分析。例如，用户可通过手动指出经划分动脉上的两个端点来指定感兴趣的动脉区段。在另一种可能性中，可由计算机处理器根据预定义的准则(诸如基于血管的形态标志和/或血管区段的长度等等)来自动检测感兴趣的区段。
对两个固定端点之间的中心线的3D路径跟踪可以被建模成最小路径问题。可首先确定经划分血管区段的中心线以将该多个2D图像标识为与该中心线正交的图像。可通过求解描述路径长度的成本函数来提取中心线。通过最小化对应于成本积分最小的路径长度的成本函数，可获得连接两个端点的最小路径。该路径被指定为中心线，并且沿中心线以1mm的间隔获得表示与该中心线正交的相应横截面平面的2D图像序列。
操作130
给定血管区段的横截面图像，由于图像密度和血管曲率(即，血管半径的变化)、钙化、以及分叉，因此提取血管管腔并测量图像中的狭窄可能仍然是具有挑战性的。本发明的发明人已开发了基于椭圆的拟合规程以基于血管壁处像素值的变化程度(即，梯度)来估计管腔区域。已显示该规程能够成功地提取管腔区域。以下描述了从2D图像提取管腔区域的实施例，并且方法100包括针对相应的2D图像执行以下子操作。
(i)子操作131
对于表示血管横截面的2D图像I，首先应用平滑滤波器G以去除图像噪声(包括表示可能钙化的像素)，以允许更准确地标识包括软斑块的狭窄病损。基于使用训练数据的朴素贝叶斯分类来移除可能的钙化(其通常具有非常高的强度值)。本领域技术人员将理解，训练数据可例如使用CTA图像通过受监督式机器学习来获得。经平滑图像的梯度L被表达为L＝|▽(G*I)|2。适当的滤波器G可包括高斯滤波器、中值滤波器、各向异性扩散滤波器等等。
(ii)子操作132、133
在噪声移除之后，局部峰值点C(即，具有最大强度值的像素)能够被定位并标识为血管截面的中心。标识穿过血管截面的中心C的一条或多条直径线，并且可针对每条直径线绘制强度分布。对于每条直径线，对应于强度分布的最大一阶导数的像素被标识为表示管腔的边缘的管腔边界像素。具体而言，从位于中心C的两侧中的每一侧的像素可针对每条直径线标识两个像素。
以下提供了检测直径线的管腔边界点的示例。
图7(a)示出了用直径线L和所标识的管腔边界像素b1、b2标注的血管区段的横截面。在该示例中，直径线L以3π/4的角度穿过管腔中心C。图7(b)示出了位于直径线L上的像素的强度值的强度分布P。从强度分布P推导出表示像素值的变化的梯度分布P’。将理解，这与计算强度值的一阶导数是等效的。位于C的每一侧上具有强度值的最大梯度的一个像素被标识为管腔边界像素b1、b2。可以从各自以横截面的相应角度取向的更多直径线以类似方式标识更多的管腔边界像素。
可从多条直径线标识管腔边缘。在该示例中，从16条直径线获得管腔边界点。具体而言，针对以1/8π的均匀间隔从2～2π取向的直径线获得像素的强度分布。可使用更多的直径线来采样更多的边缘点，但这可能增加计算成本。
(iii)子操作134
由于血管周围的强度变化，边界点并非总是以圆形分布。图8(b)示出了针对如图8(a)中所示的动脉的横截面图像所检测到的管腔边界点。随后使用圆形或椭圆拟合来近似血管管腔的形状，如图8(c)中所示。为了消除来自血管分叉的可能影响，使用内切椭圆或圆形拟合将所检测到的边界点朝向血管拟合作为血管管腔。
(iv)子操作135
可用可变形模型(诸如蛇、气球、水平集等)进一步细化经拟合的血管管腔。在椭圆或圆形拟合作为初始化的情况下，显示出划分对可变形模型是稳健的，该可变形模型通常对初始化灵敏。由于现已标识了管腔区域的像素，因此可例如基于表示管腔的多个像素相应地标识管腔的区域。
通过针对沿血管区段的每个横截面图像执行子操作131-135，获得了血管区段的连续横截面的管腔区域以供在以下操作140-160中进一步分析。
操作140
在该操作中推导出指示沿血管区段的连续横截面图像中的狭窄的分布。根据特定的示例，获得与血管区段的连续横截面相对应的多个2D图像的管腔区域的大小的分布。如图9中所示，绘制了各自表示特定横截面的管腔区域的多个数据点，并产生连接这些数据点的曲线C1。曲线C1描绘了管腔区域的大小沿以1mm的间隔的连续横截面的分布。使用中值滤波器来平滑曲线C1以最小化噪声的影响。如对技术人员将显而易见的是，可使用其它滤波器。
操作150-160
管腔区域的急剧下降可表明存在狭窄病损。在该示例中，使用曲线C1来推导出针对每个横截面恢复出的管腔区域的大小。恢复出的管腔区域表示就好像狭窄病损从未存在或者管腔已被恢复的管腔区域。可通过对曲线C1的线性拟合来估计恢复出的管腔区域沿无狭窄病损血管区段的自然回归，以推导出如图9所示的第二分布C2。曲线C2表示针对连续横截面恢复出的管腔区域的经估计大小。
基于曲线C1和C2，横截面子集被标识为包含或潜在地包含狭窄。如图9中所示，A2表示实际管腔区域，并且A1+A2表示恢复出的无病损的管腔区域。可基于例如横截面的管腔区域的大小和恢复出的管腔区域的大小来标识该横截面。例如，两条曲线C1与C2之间的距离或间隔(图9中标记为A1)指示实际管腔区域与恢复出的无病损的管腔区域之间的差异。换言之，它可表示与对象的健康状态的偏差。根据特定的示例，使用针对图像计算的管腔区域的大小与恢复出的管腔区域的大小的比率形式的定量测量来标识图像子集。
如果定量测量超过预定义阈值(例如，高于或低于阈值)，则横截面可被标识为包含狭窄病损。预定义阈值可以是固定值或者取决于另一横截面，诸如相邻横截面。
对于特定的狭窄病损，推导出数值以藉由狭窄区域(AS)来量化狭窄，并且其可以被定义为
AS＝A1/(A1+A2)x 100％。
在另一可能性中，定量测量可以是狭窄区域(AS)自身，其等于1减去管腔区域的大小与恢复出的管腔区域的大小的比率。
在另一示例中，可基于从血管区段的连续横截面的管腔区域推导出的数据来估计狭窄的其它特性(诸如长度或其几何分布)。
实验数据和结果
本发明的发明人已使用实际的实验数据展示了本发明的方法的实现和性能。将结果与评估血管狭窄的一些现有方法进行比较，如下面将讨论的。
具体而言，从新加坡国家心脏中心收集使用具有320排检测器(Aquilion ONE，东芝医疗系统公司(Toshiba Medical System))的动态体积扫描仪进行的心脏CTA扫描。CTA扫描由心脏科医师解释，并且针对每个显著狭窄病损给出百分比直径狭窄(DS)。对于每个CTA扫描，还收集对应的ICA，并由另一心脏科医师针对每个显著狭窄病损来测量百分比DS。还记录对应的插管FFR测量。
图10(a)-(b)分别示出了使用本发明的方法的实施例从CTA数据集对冠状动脉的划分以及对右冠状动脉(RCA)的中心线的标识。图10(c)示出了RCA及其中心线通过曲面多平面重构(cMPR)的2D投影。沿血管区段的三个横截面平面A、B、C从其近端到远端进行标识，其中示出了它们划分之前(图10(c)的第二栏)和之后(图10(c)的第三栏)的管腔区域。
图11(a)示出了横截面的管腔区域沿作为心脏的左前降支动脉的血管区段的分布。使用区域狭窄(AS)的百分比标识并量化两个病损L1和L2。如所示，近端的L1的AS(以百分比形式)是67％，并且中段的L2的AS是54％。图11(b)中解说了对应的2D CTA切片和3D视图中的病损L1和L2。
图12(a)示出了横截面的管腔区域沿作为心脏的右冠状动脉的血管区段的分布。使用AS标识并量化三个病损L1、L2和L3。如所示，近端的L1的AS(以百分比形式)是55％，中段的L2的AS是45％，并且远端的L3的AS是52％。图12(b)中解说了对应的2D CTA切片和3D视图中的病损L1、L2和L3。
以下表2示出了通过AS对来自4个CTA数据集的9个冠状动脉分支的详细狭窄量化结果(粗体)。来自CTA/ICA和FFR的对应DS测量也列在表中以供比较。
表2用本发明的方法量化的狭窄(粗体)以及与DS和FFR的比较
方法100的各实施例相对于现有方法的优点
从表2中可以观察到，与使用来自CTA的百分比直径狭窄(DS)相比，本发明的方法能够更准确和精确地量化冠状动脉中的狭窄病损的严重性。
DS仅仅是冠状动脉狭窄的适度描述符，因为DS不包含其它病损特性，诸如狭窄的长度、形状和离心率。与现有方法相比，各优选实施例还通过研究血管区段的连续横截面的管腔区域来允许评估沿该血管区段的狭窄的其它病损特征。因此，在评估狭窄时还可考虑一系列狭窄的影响。另外，各优选实施例利用管腔区域的大小的分布来评估冠状动脉狭窄的程度。它们提供了对病损的改善估计，其比使用DS来研究血管狭窄更一致，因为DS由于投影角度和主观解释而容易变化。
总体上，所提出的方法和装置可提供对狭窄严重性的更准确、可重现并富有信息的指示符，从而辅助医师对治疗和跟进管理作出决策。它可以部署或集成在医院放射部门的放射报告系统中、或专用于心脏部门中的心脏科医师的工作站中。它还可以部署在移动计算设备中并在手术室中工作，以供手术期间查阅和参考。
虽然前述描述已描述了示例性实施例，但本领域技术人员将理解，可在本发明的范围和精神内作出实施例的许多变型。例如，所提出的方法不仅适合于处理CTA图像数据，而且对核磁共振血管造影(MRA)和血管内超声(IVUS)图像数据也起到良好作用。
引用
[1]Zhang S、Levin DC、Halpern EJ等人，Accuracy of MDCT in assessing thedegree of stenosis caused by calcified coronary artery plaques.AJR Am JRoentgenol 2008；191(6):1676-1683.
[2]Mowatt G、Cook JA、Hillis GS等人，64-Slice computed tomographyangiography in the diagnosis and assessment of coronary artery disease:systematic review and meta-analysis.Heart 2008；96(11):1386-1393.
[3]Hausleiter J、Meyer T、Hadamitzky M等人，Non-invasive coronarycomputed tomographic angiography for patients with suspected coronary arterydisease:the Coronary Angiography by Computed Tomography with the Use of aSubmillimeter resolution(CACTUS)trial.Eur Heart J 2007；28(24):3034-3041.
[4]Paech DC、Weston AR，A systematic review of the clinicaleffectiveness of64-slice or higher computed tomography angiography as analternative to invasive coronary angiography in the investigation ofsuspected coronary artery disease.BMC Cardiovasc Disord 2011；11:32.
[5]Frangi A、Niessen W、Vincken K、Viergever M，Multiscale vesselenhancement filtering.In Proc.of Medical Image Computing and Computer-Assisted Intervention.LNCS 1998；1496:130–137.

Claims (20)

1.一种用于使用对象的图像数据来评估血管狭窄的方法，所述图像数据表示所述对象的血管结构，并且其中，所述方法包括：
(a)根据所述图像数据划分表示血管的区段的血管区段，
(b)使用所述图像数据获得所述血管区段的多个二维图像；所述多个二维图像表示所述血管区段的相应横截面，
(c)针对所述多个二维图像中的每个二维图像标识管腔区域，所述管腔区域包括表示对应横截面的管腔的管腔像素，
(d)使用所述血管区段的连续横截面的管腔区域来获得定量测量，以及
(e)使用所述定量测量来评估血管狭窄。
2.如权利要求1所述的方法，其特征在于，所述定量测量指示所述血管区段的所述横截面中的至少一个横截面的狭窄区域(AS)。
3.如权利要求1或2所述的方法，其特征在于，操作(d)包括：获得与所述血管区段的连续横截面相对应的所述多个二维图像的管腔区域的大小的分布。
4.如权利要求2或3所述的方法，其特征在于，进一步包括：使用所述分布来推导出针对每个所述横截面恢复出的管腔区域的大小。
5.如权利要求4所述的方法，其特征在于，包括：采用所述分布的线性拟合来推导出每个所述横截面的恢复出的管腔区域的大小。
6.如权利要求4或5所述的方法，其特征在于，包括：针对所述血管区段的所述横截面中的至少一个横截面，计算管腔区域的大小与恢复出的管腔区域的大小的比率。
7.如任何前述权利要求所述的方法，其特征在于，包括：使用所述定量测量从所述多个图像标识图像子集，所述图像子集对应于血管区段包含狭窄的横截面。
8.如任何前述权利要求所述的方法，其特征在于，所述方法进一步包括：标识所述血管区段的中心线，所述横截面与所述中心线正交。
9.如权利要求8所述的方法，其特征在于，进一步包括：通过最小化定义连接所述血管区段的两端的路径的成本函数来提取所述血管区段内的最小路径，其中，所述中心线是基于所述最小路径来标识的。
10.如任何前述权利要求所述的方法，其特征在于，操作(c)包括：使用像素的强度值的梯度来标识管腔区域的管腔边界像素。
11.如权利要求10所述的方法，其特征在于，包括：
(ci)标识所述横截面的多条直径线，
(cii)对于每条直径线，
获得位于该直径线上的像素的强度值的强度分布，以及
基于所述强度分布来标识所述管腔边界像素。
12.如权利要求10或11所述的方法，其特征在于，包括：将所述管腔边界像素标识为具有强度值的最大梯度的像素。
13.如权利要求10-12中任一项所述的方法，其特征在于，进一步包括：对所述管腔边界像素进行椭圆拟合来获得管腔区域。
14.如权利要求13所述的方法，其特征在于，进一步包括：将可变形模型应用于所述经椭圆拟合的管腔区域。
15.如任何前述权利要求所述的方法，其特征在于，操作(a)包括：提取几何管状结构的主方向，藉此划分所述血管区段。
16.如任何前述权利要求所述的方法，其特征在于，所述图像数据是计算机断层扫描血管造影(CTA)数据。
17.一种用于使用对象的图像数据来评估血管狭窄的计算机系统，所述图像数据表示所述对象的血管结构，其中，所述计算机系统包括：
图像划分模块，其被配置成：根据所述图像数据划分表示血管的区段的血管区段，
图像生成模块，其被配置成：使用所述图像数据获得所述血管区段的多个二维图像；所述多个二维图像表示所述血管区段的相应横截面，以及
图像分析模块，其被配置成
针对所述多个二维图像中的每个二维图像标识管腔区域，所述管腔区域包括表示对应横截面的管腔的管腔像素，
使用所述血管区段的连续横截面的管腔区域来获得定量测量，以及
使用所述定量测量来评估血管狭窄。
18.一种计算机程序产品，诸如有形记录介质，所述有形记录介质存储可操作程序指令，所述程序指令在由处理器执行时使所述处理器执行根据权利要求1至16中任一项的方法。
19.一种用于使用对象的图像数据来评估血管狭窄的方法，所述图像数据包括表示血管的相应横截面的多个二维图像，所述方法包括：
(a)针对所述多个二维图像中的每个二维图像标识管腔区域，所述管腔区域包括表示对应横截面的管腔的管腔像素，
(b)使用所述血管区段的连续横截面的管腔区域来获得定量测量，以及
(c)使用所述定量测量来评估血管狭窄。
20.一种用于使用对象的图像数据来评估血管狭窄的计算机系统，图像数据包括表示血管区段的相应横截面的多个二维图像，其中，所述计算机系统包括图像分析模块，所述图像分析模块被配置成：
(a)针对所述多个二维图像中的每个二维图像标识管腔区域，所述管腔区域包括表示对应横截面的管腔的管腔像素，
(b)使用所述血管区段的连续横截面的管腔区域来获得定量测量，以及
(c)使用所述定量测量来评估血管狭窄。
CN201680031051.8A 2015-03-31 2016-03-30 用于评估血管狭窄的方法和装置 Active CN107613874B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SG10201502517P 2015-03-31
SG10201502517P 2015-03-31
PCT/SG2016/050154 WO2016159881A1 (en) 2015-03-31 2016-03-30 Method and apparatus for assessing blood vessel stenosis

Publications (2)

Publication Number Publication Date
CN107613874A true CN107613874A (zh) 2018-01-19
CN107613874B CN107613874B (zh) 2020-12-22

Family

ID=57007104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680031051.8A Active CN107613874B (zh) 2015-03-31 2016-03-30 用于评估血管狭窄的方法和装置

Country Status (5)

Country Link
US (1) US10349910B2 (zh)
EP (1) EP3277183B1 (zh)
CN (1) CN107613874B (zh)
SG (1) SG11201707951WA (zh)
WO (1) WO2016159881A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108735270A (zh) * 2018-05-25 2018-11-02 杭州脉流科技有限公司 基于降维模型的血流储备分数获取方法、装置、系统和计算机存储介质
CN109493323A (zh) * 2018-10-22 2019-03-19 北京师范大学 基于截面形变几何信息的冠脉狭窄双重判定方法
CN109758132A (zh) * 2019-02-26 2019-05-17 数坤（北京）网络科技有限公司 一种血管狭窄的检测方法及设备
CN109872321A (zh) * 2019-02-26 2019-06-11 数坤（北京）网络科技有限公司 一种血管狭窄检测方法及设备
CN110189296A (zh) * 2019-04-16 2019-08-30 上海鹰瞳医疗科技有限公司 眼底图像血管壁反光状态标记方法及设备
CN110889896A (zh) * 2019-11-11 2020-03-17 苏州润迈德医疗科技有限公司 获取血管狭窄病变区间及三维合成方法、装置和系统
CN111681226A (zh) * 2020-06-09 2020-09-18 上海联影医疗科技有限公司 基于血管识别的目标组织定位方法和装置
CN112512438A (zh) * 2018-07-30 2021-03-16 皇家飞利浦有限公司 用于利用医学成像在管腔评估中显示多幅管腔内图像的系统、设备和方法
CN113223015A (zh) * 2021-05-11 2021-08-06 清华大学 血管壁图像分割方法、装置、计算机设备和存储介质
CN113303827A (zh) * 2021-06-07 2021-08-27 昆明同心医联科技有限公司 基于深度学习的颈动脉狭窄检测方法、装置及存储介质
CN114010216A (zh) * 2021-12-20 2022-02-08 重庆医科大学附属第一医院 气道形态学参数定量获取方法、装置、气道支架设计方法
CN115375719A (zh) * 2022-08-18 2022-11-22 华科精准（北京）医疗科技有限公司 一种血管图像分割方法及装置

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016113690A1 (en) * 2015-01-16 2016-07-21 Koninklijke Philips N.V. Vessel lumen sub-resolution segmentation
GB201506842D0 (en) * 2015-04-22 2015-06-03 Ucl Business Plc And Schooling Steven Locally rigid vessel based registration for laparoscopic liver surgery
CN108451540B (zh) * 2017-02-17 2021-08-31 深圳先进技术研究院 一种血流储备分数测量方法和装置
EP3488774A1 (en) * 2017-11-23 2019-05-29 Koninklijke Philips N.V. Measurement guidance for coronary flow estimation from bernoulli´s principle
DE102019111617B4 (de) * 2019-05-06 2021-03-04 Victoria Kühle-Seibel Verfahren zur Beurteilung/Bestimmung/Berechnung des kardiovaskulären Risikoprofils einer Person durch Auswertung einer Thorax-CT dieser Person
WO2021117043A1 (en) * 2019-12-10 2021-06-17 Medhub Ltd Automatic stenosis detection
WO2021249439A1 (en) * 2020-06-09 2021-12-16 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image processing
CN111681224A (zh) * 2020-06-09 2020-09-18 上海联影医疗科技有限公司 获取血管参数的方法和装置
CN114418976A (zh) * 2022-01-07 2022-04-29 乐普（北京）医疗器械股份有限公司 一种血管造影图像的分析方法和装置
CN114897904B (zh) * 2022-07-14 2022-10-28 青岛美迪康数字工程有限公司 基于mra序列图像确定血流储备分数的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001080185A1 (en) * 2000-04-14 2001-10-25 General Electric Company Method and apparatus for three-dimensional reconstruction of angiograms
CN101732061A (zh) * 2008-11-21 2010-06-16 株式会社东芝 图像处理装置及图像处理方法
CN101991420A (zh) * 2009-08-27 2011-03-30 上海西门子医疗器械有限公司 一种疑似血管狭窄区域的定位方法和系统
US20130226003A1 (en) * 2012-02-29 2013-08-29 University Of Michigan Fractional flow reserve estimation
WO2013171644A1 (en) * 2012-05-14 2013-11-21 Koninklijke Philips N.V. Determination of a fractional flow reserve (ffr) value for a stenosis of a vessel

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7333648B2 (en) * 1999-11-19 2008-02-19 General Electric Company Feature quantification from multidimensional image data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001080185A1 (en) * 2000-04-14 2001-10-25 General Electric Company Method and apparatus for three-dimensional reconstruction of angiograms
CN101732061A (zh) * 2008-11-21 2010-06-16 株式会社东芝 图像处理装置及图像处理方法
CN101991420A (zh) * 2009-08-27 2011-03-30 上海西门子医疗器械有限公司 一种疑似血管狭窄区域的定位方法和系统
US20130226003A1 (en) * 2012-02-29 2013-08-29 University Of Michigan Fractional flow reserve estimation
WO2013171644A1 (en) * 2012-05-14 2013-11-21 Koninklijke Philips N.V. Determination of a fractional flow reserve (ffr) value for a stenosis of a vessel

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108735270A (zh) * 2018-05-25 2018-11-02 杭州脉流科技有限公司 基于降维模型的血流储备分数获取方法、装置、系统和计算机存储介质
CN112512438A (zh) * 2018-07-30 2021-03-16 皇家飞利浦有限公司 用于利用医学成像在管腔评估中显示多幅管腔内图像的系统、设备和方法
CN109493323A (zh) * 2018-10-22 2019-03-19 北京师范大学 基于截面形变几何信息的冠脉狭窄双重判定方法
CN109758132A (zh) * 2019-02-26 2019-05-17 数坤（北京）网络科技有限公司 一种血管狭窄的检测方法及设备
CN109872321A (zh) * 2019-02-26 2019-06-11 数坤（北京）网络科技有限公司 一种血管狭窄检测方法及设备
CN110189296B (zh) * 2019-04-16 2022-05-10 上海鹰瞳医疗科技有限公司 眼底图像血管壁反光状态标记方法及设备
CN110189296A (zh) * 2019-04-16 2019-08-30 上海鹰瞳医疗科技有限公司 眼底图像血管壁反光状态标记方法及设备
CN110889896A (zh) * 2019-11-11 2020-03-17 苏州润迈德医疗科技有限公司 获取血管狭窄病变区间及三维合成方法、装置和系统
CN110889896B (zh) * 2019-11-11 2024-03-22 苏州润迈德医疗科技有限公司 获取血管狭窄病变区间及三维合成方法、装置和系统
CN111681226A (zh) * 2020-06-09 2020-09-18 上海联影医疗科技有限公司 基于血管识别的目标组织定位方法和装置
CN113223015A (zh) * 2021-05-11 2021-08-06 清华大学 血管壁图像分割方法、装置、计算机设备和存储介质
CN113303827A (zh) * 2021-06-07 2021-08-27 昆明同心医联科技有限公司 基于深度学习的颈动脉狭窄检测方法、装置及存储介质
CN114010216A (zh) * 2021-12-20 2022-02-08 重庆医科大学附属第一医院 气道形态学参数定量获取方法、装置、气道支架设计方法
CN115375719A (zh) * 2022-08-18 2022-11-22 华科精准（北京）医疗科技有限公司 一种血管图像分割方法及装置

Also Published As

Publication number Publication date
US20190029625A1 (en) 2019-01-31
CN107613874B (zh) 2020-12-22
EP3277183B1 (en) 2020-04-22
WO2016159881A1 (en) 2016-10-06
EP3277183A4 (en) 2018-10-10
SG11201707951WA (en) 2017-10-30
US10349910B2 (en) 2019-07-16
EP3277183A1 (en) 2018-02-07

Similar Documents

Publication Publication Date Title
CN107613874A (zh) 用于评估血管狭窄的方法和装置
US11728037B2 (en) Diagnostically useful results in real time
US11406337B2 (en) Calculating a fractional flow reserve
US10803994B2 (en) Vascular flow assessment
US10470730B2 (en) Creating a vascular tree model
JP6484760B2 (ja) 非侵襲的血流予備量比（ｆｆｒ）に対する側副血流モデル化
JP2018538076A (ja) 灌流デジタルサブトラクション血管造影
JP2007167656A (ja) 対象の運動の解析方法および断層撮影装置
ÖZKAN 3D Lung vessel segmentation in computed tomography angiography images
Ανδρίκος 3D reconstruction of coronary bifurcating arteries using coronary angiography data

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