CN108475428B - 心脏模型引导的冠状动脉分割的系统及方法 - Google Patents

心脏模型引导的冠状动脉分割的系统及方法 Download PDF

Info

Publication number
CN108475428B
CN108475428B CN201680075741.3A CN201680075741A CN108475428B CN 108475428 B CN108475428 B CN 108475428B CN 201680075741 A CN201680075741 A CN 201680075741A CN 108475428 B CN108475428 B CN 108475428B
Authority
CN
China
Prior art keywords
coronary
cardiac
probability map
heart
vessel tree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201680075741.3A
Other languages
English (en)
Other versions
CN108475428A (zh
Inventor
C·洛伦茨
T·克林德
H·施米特
H·尼克基施
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN108475428A publication Critical patent/CN108475428A/zh
Application granted granted Critical
Publication of CN108475428B publication Critical patent/CN108475428B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • A61B5/026—Measuring blood flow
    • 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
    • G06T2207/10076—4D tomography; Time-sequential 3D tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

一种用于在三维(3D)心脏图像(120)中分割患者心脏的冠状动脉血管树(182)的系统(100)包括冠状动脉体积定义单元(150)和冠状动脉分割单元(180)。所述冠状动脉体积定义单元(150)基于经适配的心脏模型(200)，根据3D心脏图像中的心脏组织的内部表面和外部表面来设置空间边界(210、220)。所述冠状动脉分割单元(180)使用分割算法，利用由根据心脏组织的内部表面和外部表面设置的空间边界限定的搜索空间来分割3D心脏图像中的冠状动脉血管树(182)。

Description

心脏模型引导的冠状动脉分割的系统及方法
技术领域
以下总体涉及具体应用于冠状动脉分割的医学成像。
背景技术
使用经分割的冠状动脉血管的数字表示来准确计算虚拟分数血流储备 (FFR)取决于经分割的血管的准确性。与使用基于侵入性导管的实际FFR 测量的更常规的方法相比，该虚拟方法是非侵入性的。FFR测量跨冠状动脉狭窄的压力差，以确定狭窄阻碍氧气输送至心肌的可能性。
冠状动脉分割的当前方法使用心脏区域的三维(3D)体积图像，例如根据计算机断层扫描(CT)图像或磁共振(MR)图像所生成的。该模态提供足以识别冠状动脉树的较大直径部分的分辨率，所述较大直径部分包括冠状动脉和从冠状动脉分支并将氧供应到心脏的组织的血管。由于分辨率和伪影(如运动伪影)上的限制，血管并不总是清晰地描绘的，例如模糊，不明显等。这些成像方面与来自对象的冠状动脉树的解剖结构的变化相结合，使得准确表示的冠状血管树很困难。
当前的方法使用各种算法来定义冠状血管树，例如，具有难以控制的参数的种子生长算法。例如，算法通常使用邻近的或相邻的体素与当前生长区域的比较来确定是否将所比较的体素添加到当前生长区域。该算法依赖于图像属性(例如强度的变化)以确定是否添加比较的体素，例如，如果差值小于由参数确定的阈值量，则添加，否则不添加。
在传统的冠状动脉树分割方法中遇到的问题之一是分割泄漏到附近的结构中。例如，在区域生长算法中，这通常发生在边界模糊或较不明显的地方，并且生长算法将附近结构(例如，心室、心肌或肺动脉)的体素添加到当前生长的区域中。一些算法尝试基于参数的调整来控制这种泄漏。这些参数控制体素组合中的强度阈值或测量的强度，这在计算上是昂贵的，例如长的运行时间，并且可能错过血管树的较小分支，例如，接近图像分辨率的那些分支，例如直径只有几毫米。
心脏模型在本领域是已知的，其通常用于心脏分割或心脏运动校正。例如，心脏的数字表示可以包括被表示为三角形网格的心脏组织。该模型被适配到被成像的心脏，并且通过将不同阶段的模型匹配到图像心脏来确定运动校正。但是，心脏模型通常仅包括(如果有的话)大直径的血管，并且不包括整个血管树。
发明内容
本文中描述的各方面解决以上提及的问题和其他问题。
以下描述了用于心脏模型引导的冠状动脉分割的方法和系统。心脏模型被适配到图像数据中的心脏的内部表面和外部表面，并且经适配的心脏模型被用于为冠状动脉分割提供空间限制。经适配的冠状动脉概率图可以被用于引导分割。
在一个方面中，一种用于在三维(3D)心脏图像中分割患者心脏的冠状动脉血管树的系统包括冠状动脉体积定义单元和冠状动脉分割单元。所述冠状动脉体积定义单元基于经适配的心脏模型，根据3D心脏图像中的心脏组织的内部表面和外部表面来设置空间边界。所述冠状动脉分割单元使用分割算法，利用由根据心脏组织的内部表面和外部表面设置的空间边界限定的搜索空间来分割3D心脏图像中的冠状动脉血管树。
在另一方面中，一种在三维(3D)心脏图像中分割患者心脏的冠状动脉血管树的方法包括基于经适配的心脏模型来根据3D心脏图像中的心脏组织的内表面和外表面来设置空间边界。使用分割算法，利用由根据所述心脏组织的所述内部表面所述和外部表面设置的所述空间边界限定的搜索空间，对所述3D心脏图像中的所述冠状动脉血管树进行分割。
在另一方面中，一种用于在医学图像中分割患者心脏的冠状动脉血管树的系统包括一个或多个处理器，所述一个或多个处理器被配置为使用分割算法来分割图像中的冠状动脉血管树，所述分割算法具有由使用经适配的心脏模型根据图像中的心脏组织的内部表面和外部表面设置的空间边界限定的搜索空间。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选的实施例的目的并且不应被解释为对本发明的限制。
图1示意性地图示了心脏模型引导的冠状动脉分割系统的实施例。
图2图示了适配到患者图像中的内部和外部心脏表面的心脏模型的示例性横截面以及空间边界确定。
图3图示了示例性冠状动脉概率图。
图4以流程图示出基于经适配的心脏模型来分割冠状动脉血管树的方法的实施例。
具体实施方式
首先参考图1，示意性地图示了心脏模型引导的冠状动脉分割系统100。诸如CT扫描器、MR扫描器、其组合等的医学成像设备110生成三维(3D) 体积心脏图像120。3D心脏图像120具有足够的空间分辨率以显示冠状动脉，例如毫米级或更好。生成的图像可以包括使用造影剂，造影剂对冠状动脉管腔进行造影。生成的3D心脏图像120可以前瞻性地或追溯性地被门控以减少运动伪影。3D心脏图像120可以包括心脏和周围组织或心脏和周围组织的部分。
心脏模型适配单元130将本领域已知的解剖学心脏模型140适配到3D 心脏图像中的心脏。心脏模型140是心脏的组织的数字空间表示。心脏模型可以包括标记的解剖点或区域。心脏模型适配单元130将心脏模型弹性地适配到被成像的心脏，例如将心脏模型针对特定患者个体化。例如，组织的表面可以被表示为三角形网格。该适配可以基于心脏模型140中的解剖点或区域与3D心脏图像120中的心脏中的解剖点的匹配，例如瓣膜、顶点、隔膜、腱索等的位置。弹性网格的点或区域可以被锚定在匹配的解剖点或区域处，并且可以调整弹性网格以匹配对应的组织的表面。
在患者心脏的表面被配备以心脏模型的情况下，冠状动脉体积定义单元150根据心脏组织的表面来设置空间边界。搜索空间包括心脏组织的表面之间的心肌组织以及设置在该空间区域中的动脉供给。在一些情况下，这确保了深入心脏组织的动脉血流被包括在搜索空间中。心脏外部的第一边界距离d1针对在外部的心脏外表面被设置，其排除诸如肺脉管系统的组织。针对心脏内部的表面设置第二边界距离d2，其排除诸如心室的体积。例如，第一距离可以垂直于外部心脏表面在外部延伸1.5厘米(cm)，并且第二距离垂直内部心脏表面在内部延伸1.0cm。另一个示例使用3.0cm和 2.0cm作为外部和内部距离。在另一个示例中，1.5cm或3.0cm的距离在外部和内部是相同的。预期其他距离。器官内部和外部的边界距离可以不同或相同。在一个实施例中，边界距离可根据沿着心脏表面距离而渐变，朝向心室距离减小。在一个实施例中，渐变距离包括从冠状动脉沿心脏表面开始的空间距离的函数。例如，随着动脉直径减小，例如通过分支，搜索空间可以被移动接近心脏表面。
冠状动脉口查找器单元160基于经适配的心脏模型从左冠状动脉口和右冠状动脉口寻找初始种子点。例如，冠状动脉口查找器单元160使用来自网状模型的标记的三角形开始搜索升主动脉模型壁，从而识别对应于左冠状动脉口和右冠状动脉口的从中等强度到高强度的对比转变。
冠状动脉辅助单元170生成并保持冠状动脉概率图172，其包括每个体素是冠状动脉血管树的部分的概率。部分基于经适配的心脏模型的较大血管，并且基于血管树跨样本群体的分布可以针对冠状动脉和分支生成概率图172，并且将其与心脏模型匹配或融合。例如，来自健康患者群体的经分割的冠状动脉样本被可变形地配准到心脏模型中，并且在每个体素中将概率计算为经分割的冠状动脉发生的频率的函数。根据心脏模型的根据每个体素或空间位置的概率形成概率图172。在一个实施例中，可以将概率图存储为心脏模型的一部分，其中，每个表面元素存储针对围绕表面元素的一组体素的概率。由于心脏模型是弹性地适配的，因而概率图也是弹性地适配的。在一些实施例中，经适配概率图172可以被用于排除分割中的环路，例如在血管节段水平。当血管表现为只给自己供给时发生环路。在一些实施例中，适配概率图172可以与阈值一起使用，例如在分支的分叉中。例如，动脉在0-70度的角度内分支，其可以被用作阈值以限制相邻体素的局部搜索空间。
冠状动脉分割单元180利用由冠状动脉体积定义单元150确定的空间边界界定的分割算法来分割冠状动脉血管树182。合适的算法可以包括树分割框架或距离图方法，例如T.Buelow等人的“A general framework for tree segmentation and reconstructionfrom medical volume data”，利用包括血管体素、血管节段、以及整个血管树的度量使用快速前进作为区域扩展。另一个范例是T.Klinder等人的“Robust Peripheral AirwaySegmentation”中描述的方法，其可适应于动脉血管，并使用基于滤波器的血管候选来检测和分割连接功能。距离图方法的范例可以包括S.Svensson等人的“Digital DistanceTransforms in 3D images using information from neighborhoods up to 5x5x5”以及R.Calvin等人的“A linear time algorithm for computing exact Euclidean distancetransforms of binary images in arbitrary dimensions”。也预期其他算法。在某些情况下，空间边界通过减少搜索空间来缩短分割运行时间。在一些情况下，通过消除通常造成泄漏的结构(例如心室和肺脉管系统)来增加分割鲁棒性。用于包含在经分割的血管树182中的接受准则可以包括基于体素的接受，例如距离测量、概率和/或定向流动、血管分割接受(诸如下一分支的可能性)和/或全血管树水平接受。
心脏模型适配单元130、冠状动脉体积定义单元150、冠状动脉口查找器单元160、冠状动脉辅助单元170和冠状动脉分割单元180包括一个或多个配置的处理器190，例如微处理器、中央处理器处理单元、数字处理器等。所述一个或多个配置的处理器190被配置为执行存储在计算机可读存储介质中的至少一条计算机可读指令，所述计算机可读存储介质排除瞬态介质并且包括物理存储器和/或其它非瞬态介质以执行本文中所描述的技术。所述一个或多个处理器190也可以运行由载波、信号或其他暂态介质承载的一条或多条计算机可读指令。所述一个或多个处理器190可以包括本地存储器和/或分布式存储器。所述一个或多个处理器190可以包括用于通过网络192的有线和/或无线通信的硬件/软件。例如，线指示各种部件之间的可以是有线或无线的通信路径。所述一个或多个处理器190可以包括计算设备194，诸如台式、膝上型、身体穿戴式设备、智能电话、平板电脑和/或包括一个或多个配置的服务器的协作/分布式计算设备(未示出)。计算设备 194可以包括显示设备196，显示设备196可以显示经分割的血管树182或根据经分割的血管树182进行的计算(诸如FFR)。计算设备194可以包括一个或多个输入设备198，所述一个或多个输入设备198接收命令，诸如识别3D心脏图像120，通过冠状动脉口查找器单元160确认种子点，显示冠状动脉概率图172，和/或分割冠状动脉血管树182。
3D心脏图像120，心脏模型140，分割的冠状动脉树182被表示为存储在电子存储介质或计算机存储器上的数字数据集。3D心脏图像120可以包括医学数字影像和通信(DICOM)格式或其他合适的图像格式。
参考图2，图示了根据3D心脏图像120和空间边界确定的适配到心脏的内部表面和外部表面的经适配的心脏模型200的示例性横截面。在经适配的心脏模型200中表示的组织(例如心肌组织205)被图示为叠加在3D 心脏图像120中表示的组织上方。根据经适配的心脏模型200的外部表面来确定第一边界210，d1。第一边界被定义为通过从经适配的心脏模型200 的网格表面的正交投影确定的距离d1的表面。将第一边界210外部的组织从分割算法的搜索空间中排除。
根据经适配的心脏模型200的内部表面来确定第二边界220，d2。由第二边界220限定的表面包围的组织也被从分割算法的搜索空间中排除，例如心室体积。两个边界确定是用距离进行的，使得搜索空间包括冠状动脉血管树包括外表面和内表面之间的心肌组织以及它们的相关联的动脉供给。在一些实施例中，边界确定排除根据经适配的心脏模型200识别的基于适配概率图具有包括冠状动脉血管树的低概率的组织。
根据经适配的模型200，可以定位冠状动脉的内腔230，并且确定针对分割算法的初始种子点，例如左冠状动脉和右冠状动脉的口。所述口可以被自动识别并由健康护理从业者视觉地确认。
参考图3，图示了示例性冠状动脉概率图172。概率图172在视觉上被图示为对3D图的二维(2D)表示，其具有根据相应的概率变暗的2D像素，例如具有较高概率的较暗像素属于冠状动脉血管树。冠状动脉概率图172 的概率被表示为对应于空间定位的3D体素。
冠状动脉概率图172可以包括针对冲突的结构的概率，例如冠状静脉系统。冠状动脉概率图172可以包括距离值，例如最近的动脉与心内膜表面之间的典型距离值，例如，利用经适配的网格模型的三角形表示。冠状动脉概率图172可以包括基于动脉流的有向加权概率，例如沿着管腔的中心线的相邻体素的概率较高，随着角度远离中心线增加概率逐渐降低。
参考图4，以流程图示出了基于经适配的心脏模型分割冠状动脉血管树的方法的实施例。在400处，接收3D心脏图像120。3D心脏图像120可以从可以被存储在诸如图片存档及通信系统(PACS)、放射信息系统(RIS)、电子医学记录(EMR)等的存储子系统150中。3D心脏图像120可以由医学成像设备110生成并且直接从医学成像设备110接收。
在410处，心脏模型140被适配到3D心脏图像120中的心脏。经适配的心脏模型200包括在3D心脏图像120中的被适配到心脏的组织表面的限定的组织表面。根据经适配的心脏模型200来确定第一边界210和第二边界220。边界的表面限制了搜索空间。基于经适配心脏模型200来适配冠状动脉概率图172并将其包括在搜索空间中。冠状动脉概率图172根据可变形地配准到心脏模型140的经分割的冠状动脉血管树的采样来构建。概率可以根据采样分布来计算。冠状动脉概率图172可以包括到最近动脉的距离测量值，动脉血流量的方向指示器和/或分支阈值。
在420处，冠状动脉血管树182被分割。分割可以包括基于经适配的心脏模型200通过搜索种子点来识别种子点。分割可以包括基于体素、分割或整个血管树处的接受程度来修改或更新概率图172。分割包括在空间上将搜索空间限制到由第一边界210和第二边界220限定的表面之间的体积。经分割的冠状动脉血管树182包括数字表示，其针对每个空间定位的体素来定义血管腔中是否包括体素。在一个实施例中，数字表示可以包括狭窄，诸如钙、斑块等。
在430处，冠状动脉血管树182可以被存储在计算机存储器中和/或被显示在显示设备196上。冠状动脉血管树182或其部分可以被显示为2D投影。投影可以包括内部导航、不同的视角、颜色对比等。这些投影可以包括在显示中对比的测量值，例如直径。投影可以包括狭窄和/或材料的视觉对比，例如斑块，钙等。
在440处，可基于经分割的冠状动脉血管树182来计算分数血流储备值(FFR)。FFR可以用于识别和评估血管树182中的狭窄。
己经参考优选的实施例已描述了本发明。通过阅读和理解前述的详细描述，本领域技术人员可以想到各种修改和变型。目的是，本发明被理解为包括所有这样的修改和变动，只要它们落入权利要求书或其等价方案的范围之内。

Claims (11)

1.一种用于在三维(3D)心脏图像(120)中分割患者心脏的冠状动脉血管树(182)的系统(100)，包括：
冠状动脉体积定义单元(150)，其包括一个或多个处理器(190)，所述一个或多个处理器被配置为基于经适配的心脏模型(200)，根据所述3D心脏图像中的心脏组织的内部表面和外部表面来设置空间边界(210、220)；
冠状动脉分割单元(180)，其包括所述一个或多个处理器，所述一个或多个处理器被配置为使用分割算法，利用由根据所述心脏组织的所述内部表面和所述外部表面设置的所述空间边界限定的搜索空间，来在所述3D心脏图像中分割所述冠状动脉血管树(182)；以及
冠状动脉辅助单元(170)，其包括所述一个或多个处理器，所述一个或多个处理器被配置为基于所述经适配的心脏模型来适配冠状动脉概率图(172)，其中，所述冠状动脉概率图包括对应的空间定位的体素被包括在所述冠状动脉血管树中的基于有向动脉血流的概率；并且
其中，所述分割算法使用所述冠状动脉概率图来引导基于所述冠状动脉概率图的分割。
2.根据权利要求1所述的系统，其中，所述空间边界包括第一边界和第二边界，所述第一边界距外部心脏表面第一距离(210)并且从所述第一距离外部的分割组织排除，所述第二边界距内部心脏表面第二距离(220)并且从由所述第二距离包围的分割组织排除。
3.根据权利要求1和2中的任一项所述的系统，其中，所述冠状动脉概率图通过对可变形地适配到所述经适配的心脏模型(200)的心脏模型(140)的经分割的冠状动脉的采样来构建。
4.根据权利要求1-3中的任一项所述的系统，还包括：
冠状动脉口查找器单元(160)，其包括所述一个或多个处理器，所述一个或多个处理器被配置为识别针对所述分割算法的初始种子点，所述初始种子点是基于根据所述经适配的心脏模型识别的预定点来定位的。
5.根据权利要求1-4中的任一项所述的系统，其中，所述外部表面和所述内部表面是不同的表面。
6.根据权利要求2-5中的任一项所述的系统，其中，所述第一边界距离是渐变的并且朝向所述患者心脏的顶点逐渐减小。
7.一种在三维(3D)心脏图像(120)中分割患者心脏的冠状动脉血管树(182)的方法，包括：
基于经适配的心脏模型(200)，根据3D心脏图像中的心脏组织的内部表面和外部表面来设置(410)空间边界(210、220)；并且
使用分割算法，利用由根据所述心脏组织的所述内部表面和所述外部表面设置的所述空间边界限定的搜索空间，来在所述3D心脏图像中分割(420)所述冠状动脉血管树(182)，
其中，所述分割包括基于所述经适配的心脏模型来适配冠状动脉概率图(172)，其中，所述冠状动脉概率图包括对应的空间定位的体素被包括在所述冠状动脉血管树中的基于有向动脉血流的概率；并且
其中，所述分割算法使用所述冠状动脉概率图来引导基于所述冠状动脉概率图的分割。
8.根据权利要求7所述的方法，其中，所述空间边界包括第一边界和第二边界，所述第一边界距外部心脏表面第一距离(210)并且从所述第一距离外部的分割组织排除，所述第二边界距内部心脏表面第二距离(220)并且从由所述第二距离包围的分割组织排除。
9.根据权利要求7-8中的任一项所述的方法，其中，设置包括：
通过对可变形地适配到所述经适配的心脏模型(200)的心脏模型(140)的经分割的冠状动脉的采样来构建所述冠状动脉概率图。
10.根据权利要求7-9中的任一项所述的方法，其中，所述外部表面和所述内部表面是不同的表面。
11.一种用于在医学图像(120)中分割患者心脏的冠状动脉血管树(182)的系统(100)，包括：
一个或多个处理器，其被配置为使用分割算法，利用由使用经适配的心脏模型(200)根据图像中的心脏组织的内部表面和外部表面设置的空间边界限定的搜索空间来在所述图像中分割冠状动脉血管树，
其中，所述分割包括基于所述经适配的心脏模型来适配冠状动脉概率图(172)，其中，所述冠状动脉概率图包括对应的空间定位的体素被包括在所述冠状动脉血管树中的基于有向动脉血流的概率；并且
其中，所述分割算法使用所述冠状动脉概率图来引导基于所述冠状动脉概率图的分割。
CN201680075741.3A 2015-12-22 2016-12-19 心脏模型引导的冠状动脉分割的系统及方法 Active CN108475428B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562270981P 2015-12-22 2015-12-22
US62/270,981 2015-12-22
PCT/IB2016/057758 WO2017109662A1 (en) 2015-12-22 2016-12-19 Heart model guided coronary artery segmentation

Publications (2)

Publication Number Publication Date
CN108475428A CN108475428A (zh) 2018-08-31
CN108475428B true CN108475428B (zh) 2022-04-29

Family

ID=57755416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680075741.3A Active CN108475428B (zh) 2015-12-22 2016-12-19 心脏模型引导的冠状动脉分割的系统及方法

Country Status (5)

Country Link
US (1) US10902606B2 (zh)
EP (1) EP3394829B1 (zh)
JP (1) JP6981981B2 (zh)
CN (1) CN108475428B (zh)
WO (1) WO2017109662A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11331149B2 (en) 2012-05-16 2022-05-17 Feops Nv Method and system for determining a risk of hemodynamic compromise after cardiac intervention
CN108475428B (zh) * 2015-12-22 2022-04-29 皇家飞利浦有限公司 心脏模型引导的冠状动脉分割的系统及方法
WO2018037005A1 (en) * 2016-08-22 2018-03-01 Koninklijke Philips N.V. Model regularized motion compensated medical image reconstruction
DE102016215966A1 (de) * 2016-08-25 2018-03-01 Siemens Healthcare Gmbh Röntgenaufnahme mit einer überlagerten Planungsinformation
US11138739B2 (en) * 2016-11-29 2021-10-05 Koninklijke Philips N.V. Heart segmentation methodology for cardiac motion correction
US11432875B2 (en) * 2017-09-28 2022-09-06 Siemens Medical Solutions Usa, Inc. Left atrial appendage closure guidance in medical imaging
EP3493154A1 (en) * 2017-12-01 2019-06-05 Koninklijke Philips N.V. Segmentation system for segmenting an object in an image
CN109389606B (zh) * 2018-09-30 2019-12-27 语坤（北京）网络科技有限公司 一种冠状动脉分割方法及装置
CN109325948B (zh) * 2018-10-09 2019-12-27 数坤（北京）网络科技有限公司 一种基于特殊区域优化的冠状动脉分割方法及装置
EP3671649A1 (en) * 2018-12-19 2020-06-24 Siemens Healthcare GmbH Method and computer system for generating a combined tissue-vessel representation
CN110335236B (zh) * 2019-04-29 2021-06-11 上海依智医疗技术有限公司 心脏医学图像的处理方法、处理装置、处理系统和介质
CN111210423B (zh) * 2020-01-13 2023-04-07 浙江杜比医疗科技有限公司 Nir图像的乳房轮廓提取方法、系统及装置
CN111292314A (zh) * 2020-03-03 2020-06-16 上海联影智能医疗科技有限公司 冠脉分段方法、装置、图像处理系统和存储介质
CN111627023B (zh) * 2020-04-27 2021-02-09 数坤（北京）网络科技有限公司 一种冠脉投影图像生成的方法、装置及计算机可读介质
CN111932497B (zh) * 2020-06-30 2021-02-09 数坤（北京）网络科技有限公司 一种冠状动脉识别方法及装置
CN112529976A (zh) * 2020-11-26 2021-03-19 上海商汤智能科技有限公司 目标显示方法及装置、电子设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091346A (zh) * 2014-07-24 2014-10-08 东南大学 一种全自动ct图像冠状动脉钙化分数计算方法
CN104933756A (zh) * 2014-03-21 2015-09-23 北京冠生云医疗技术有限公司 三维冠状动脉分析模型的构建方法和系统

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000072037A1 (en) 1999-05-21 2000-11-30 Nycomed Imaging As Method of magnetic resonance imaging
GB0221434D0 (en) 2002-09-16 2002-10-23 Houston John G A method of analysing fluid flow in a conduit
DE102004043694B4 (de) * 2004-09-09 2006-09-28 Siemens Ag Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information
WO2006061815A1 (en) 2004-12-08 2006-06-15 Paieon Inc. Method and apparatus for blood vessel parameter determinations
IL165636A0 (en) 2004-12-08 2006-01-15 Paieon Inc Method and apparatus for finding the coronary velocity and flow and related parameters
US8144950B2 (en) * 2005-12-19 2012-03-27 Koninklijke Philips Electronics N.V. Method for facilitating post-processing of images using deformable meshes
US8052611B2 (en) 2007-03-14 2011-11-08 Cardiac Pacemakers, Inc. Method and apparatus for management of heart failure hospitalization
DE102008014792B3 (de) 2008-03-18 2009-06-18 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Simulation eines Blutflusses in einem Gefäßabschnitt
US8200466B2 (en) 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
US8898022B2 (en) 2008-08-25 2014-11-25 Eth Zurich Method, system and device for enhancing flow field data
WO2010038161A2 (en) 2008-09-30 2010-04-08 Koninklijke Philips Electronics, N.V. Perfusion imaging
US20100125197A1 (en) 2008-11-18 2010-05-20 Fishel Robert S Method and apparatus for addressing vascular stenotic lesions
US20100130878A1 (en) 2008-11-24 2010-05-27 General Electric Company Systems, apparatus and processes for automated blood flow assessment of vasculature
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
WO2011030637A1 (ja) * 2009-09-11 2011-03-17 株式会社 日立メディコ Ｘ線ｃｔ装置
US20110307231A1 (en) 2010-06-09 2011-12-15 Jens Kirchner Method and arrangement for creating an individualized, computer-aided model of a system, and a corresponding computer program and a corresponding machine-readable storage medium
US8682626B2 (en) 2010-07-21 2014-03-25 Siemens Aktiengesellschaft Method and system for comprehensive patient-specific modeling of the heart
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US8157742B2 (en) 2010-08-12 2012-04-17 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US9119540B2 (en) 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
WO2012063204A1 (en) 2010-11-12 2012-05-18 Koninklijke Philips Electronics N.V. Identifying individual sub-regions of the cardiovascular system for calcium scoring
DE102010043849B3 (de) 2010-11-12 2012-02-16 Siemens Aktiengesellschaft Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels
US20120296199A1 (en) 2011-03-21 2012-11-22 New York University Apparatus and Method of Non-Contrast Magnetic Resonance Angiography of Abdominal and Pelvic Arteries
US10186056B2 (en) 2011-03-21 2019-01-22 General Electric Company System and method for estimating vascular flow using CT imaging
CN102883662B (zh) * 2011-05-11 2015-04-08 株式会社东芝 医疗图像处理设备以及其方法
US8867822B2 (en) 2011-10-14 2014-10-21 Fujifilm Corporation Model-based coronary artery calcium scoring
US9129417B2 (en) * 2012-02-21 2015-09-08 Siemens Aktiengesellschaft Method and system for coronary artery centerline extraction
JP2014076288A (ja) * 2012-09-20 2014-05-01 Aze Ltd 医用画像生成装置、方法およびプログラム
US9675301B2 (en) 2012-10-19 2017-06-13 Heartflow, Inc. Systems and methods for numerically evaluating vasculature
CN102999902B (zh) * 2012-11-13 2016-12-21 上海交通大学医学院附属瑞金医院 基于ct配准结果的光学导航定位导航方法
RU2647194C2 (ru) * 2013-12-10 2018-03-14 Конинклейке Филипс Н.В. Основанная на модели сегментация анатомической структуры
US20150228115A1 (en) * 2014-02-10 2015-08-13 Kabushiki Kaisha Toshiba Medical-image processing apparatus and medical-image diagnostic apparatus
CN104978725B (zh) * 2014-04-03 2020-03-31 上海联影医疗科技有限公司 一种冠状动脉分割方法和装置
CN105096388B (zh) * 2014-04-23 2019-02-05 北京冠生云医疗技术有限公司 基于计算流体力学的冠状动脉血流仿真系统和方法
CN108475428B (zh) * 2015-12-22 2022-04-29 皇家飞利浦有限公司 心脏模型引导的冠状动脉分割的系统及方法
US10867164B2 (en) * 2018-06-29 2020-12-15 Intel Corporation Methods and apparatus for real-time interactive anamorphosis projection via face detection and tracking

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933756A (zh) * 2014-03-21 2015-09-23 北京冠生云医疗技术有限公司 三维冠状动脉分析模型的构建方法和系统
CN104091346A (zh) * 2014-07-24 2014-10-08 东南大学 一种全自动ct图像冠状动脉钙化分数计算方法

Also Published As

Publication number Publication date
US10902606B2 (en) 2021-01-26
US20180365838A1 (en) 2018-12-20
WO2017109662A1 (en) 2017-06-29
JP2019500960A (ja) 2019-01-17
EP3394829B1 (en) 2023-02-08
CN108475428A (zh) 2018-08-31
JP6981981B2 (ja) 2021-12-17
EP3394829A1 (en) 2018-10-31

Similar Documents

Publication Publication Date Title
CN108475428B (zh) 心脏模型引导的冠状动脉分割的系统及方法
US9990712B2 (en) Organ detection and segmentation
Manniesing et al. Level set based cerebral vasculature segmentation and diameter quantification in CT angiography
US8620040B2 (en) Method for determining a 2D contour of a vessel structure imaged in 3D image data
Egger et al. Pituitary adenoma volumetry with 3D Slicer
US8311301B2 (en) Segmenting an organ in a medical digital image
WO2008138140A1 (en) A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures
US8588490B2 (en) Image-based diagnosis assistance apparatus, its operation method and program
CN106709920B (zh) 血管提取方法及其装置
CN117115150B (zh) 用于确定分支血管的方法、计算设备和介质
CN112419276A (zh) 调节血管轮廓及中心线的方法及存储介质
Alirr et al. Survey on liver tumour resection planning system: steps, techniques, and parameters
JP6257949B2 (ja) 画像処理装置および医用画像診断装置
EP3544512A1 (en) Vascular tree standardization for biophysical simulation and/or an extension simulation for pruned portions
CN112116623B (zh) 图像分割方法及装置
Radaelli et al. On the segmentation of vascular geometries from medical images
JP7426824B2 (ja) 非侵襲的イメージングベースのｆｆｒのインタラクションモニタリング
CN113888690A (zh) 用于确定血管中的目标区段的方法、设备和介质
Zhang et al. Mesenteric vasculature-guided small bowel segmentation on high-resolution 3D CT angiography scans
US10977792B2 (en) Quantitative evaluation of time-varying data
Nikravanshalmani et al. Three-dimensional semi-automatic segmentation of intracranial aneurysms in CTA
Martin et al. 3D reconstruction of vascular structures using graph-based voxel coloring
Martínez-Mera et al. Automatic characterization of thoracic aortic aneurysms from CT images
Lee et al. Fast path planning in virtual colonoscopy
WO2022157124A1 (en) Segment shape determination

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