CN109381205A - 用于执行数字减影血管造影的方法、混合成像装置 - Google Patents
用于执行数字减影血管造影的方法、混合成像装置 Download PDFInfo
- Publication number
- CN109381205A CN109381205A CN201810896221.XA CN201810896221A CN109381205A CN 109381205 A CN109381205 A CN 109381205A CN 201810896221 A CN201810896221 A CN 201810896221A CN 109381205 A CN109381205 A CN 109381205A
- Authority
- CN
- China
- Prior art keywords
- imaging device
- data set
- image data
- ray
- image
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000002583 angiography Methods 0.000 title claims abstract description 20
- 238000002156 mixing Methods 0.000 title claims description 29
- 238000013480 data collection Methods 0.000 claims abstract description 27
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 20
- 239000002872 contrast media Substances 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 23
- 238000012546 transfer Methods 0.000 claims description 15
- 238000013473 artificial intelligence Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 5
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 210000003484 anatomy Anatomy 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 210000003049 pelvic bone Anatomy 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce 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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- 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
- A61B6/5247—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 an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
- G01R33/4812—MR combined with X-ray or computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T7/30—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10084—Hybrid tomography; Concurrent acquisition with multiple different tomographic modalities
-
- 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
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
用于执行患者的感兴趣区域的数字减影血管造影的方法，其中，在造影剂存在于感兴趣区域的血管中的情况下，通过x射线成像采集感兴趣区域的填充图像数据集(1)，并且通过从填充图像数据集(1)减去掩模图像数据集(3)创建血管造影图像数据集(4)，由此用于x射线成像的x射线成像装置(6)和用于至少一种附加成像模态的另外的成像装置(7)，用于同时地使用x射线成像装置(6)采集填充图像数据集(1)以及使用另外的成像装置(7)采集解剖数据集(2)，并且在转换处理中从解剖数据集(2)导出掩模图像数据集(3)，所述转换处理将附加成像模态图像数据转换为虚拟x射线图像数据，其中成像装置(6、7)是联合配准的并且可操作以在相同视场中采集图像数据。
Description
导致本申请的活动已根据拨款协议No EIT/EIT HEALTH/SGA2017/1获得欧洲创新与技术研究所(EIT)提供的资金。这个欧洲机构得到欧盟Horizon2020研究和创新计划的支持。
技术领域
本发明涉及一种用于对患者的感兴趣区域执行数字减影血管造影的方法，其中，在造影剂存在于感兴趣区域的血管中的情况下，通过x射线成像采集感兴趣区域的填充图像数据集，并且通过从填充图像数据集减去掩模图像数据集创建血管造影图像数据集。本发明也涉及混合成像装置、计算机程序和电子可读存储介质。
背景技术
数字减影血管造影(DSA)是众所周知的成像技术，其经常用于在医学成像中可视化患者的血管。在传统的工作流程中，首先在造影剂不存在于感兴趣区域中的情况下通过X射线成像采集掩模图像数据集。在该掩模图像数据集中，几乎不能将血管与周围的解剖结构区分开。随后，在造影剂存在于感兴趣区域的血管中的情况下采集感兴趣区域的填充图像数据集。在这些X射线图像中，血管被放大，而对比增强的血管周围的解剖结构的对比度保持不变。为了导出DSA血管造影图像数据集，从填充图像数据集(即对比增强图像数据集)减去掩模图像数据集(即非对比增强图像)。以该方式，可以消除来自周围解剖结构(特别是组织和骨骼)的信号，并且所得到的图像仅显示血管。可以使用三维图像数据集(特别是计算机断层摄影(CT)图像数据集)和/或使用二维图像数据集(特别是投影图像)来执行数字减影血管造影。在投影图像的情况下，减去填充(对比增强)图像数据集和掩模图像数据集的线积分，并且可以获得对比增强血管的衰减。
数字减影血管造影中的已知问题是掩模图像数据集和填充图像数据集的采集之间的时间差，其使得该成像技术易于出现运动误差。因此已提出执行掩模图像数据集和填充图像数据集的配准，例如在以下文献中描述：US8,023,732和Y.Bentoutou等人，“Aninvariant approach for image registration in digital subtractionangiography”，Pattern Recognition 35(12)2002，第2853-2865页。由于血管是软组织结构，因此出现的变形大多是非刚性的，使配准过程复杂化。另一问题是配准本身的耗时性质，例如，如果在特别是微创介入期间执行数字减影血管造影术，则这是不期望的。
与数字减影血管造影相关的另一问题是患者的辐射暴露。为了获得一个DSA血管造影图像数据集，患者必须照射至少两次。
在M.Unberath等人的文章“Virtual single-frame subtraction imaging”，第4届CT会议(第4届X射线计算机断层摄影图像形成国际会议)的会议记录，德国班贝格，2016年7月18日，第89至92页中，已提出虚拟数字减影冠状动脉血管造影。通过血管分割和背景估计，可以导出可用于减影的虚拟掩模图像。然而，需要假设和耗时的图像分析，这可能导致虚拟掩模图像数据集的不准确和/或误差。
发明内容
本发明的目的是提供一种用于数字减影血管造影成像的方法，其减少患者的照射量并且提供由于减少的运动伪影而改善的图像质量。
该问题通过提供根据权利要求1的方法，根据权利要求8的混合成像装置，根据权利要求9的计算机程序和根据权利要求10的电子可读存储介质来解决。在从属权利要求中描述了有利的实施例。
根据本发明，在最初描述的方法中使用混合成像装置，所述混合成像装置包括用于x射线成像的x射线成像装置和用于至少一种附加成像模态的另外的成像装置。成像装置是联合配准的并且可操作以在相同的视场中采集图像数据。使用x射线成像装置采集填充图像数据集，同时使用另外的成像装置采集解剖数据集。在转换处理中从解剖数据集导出掩模图像数据集，所述转换处理将附加成像模态图像数据转换为虚拟x射线图像数据。
在现有技术中已提出混合成像装置，例如组合的X射线、特别是计算机断层摄影(CT)和磁共振(MR)成像装置(CT-MR装置)，即旨在组合两种模态的有利的成像性质以获得关于患者的感兴趣区域的附加信息。在R.Fahrig等人的文章“A truly hybridinterventional MR/X-ray system：feasibility demonstration”，Journal of MagneticResonance Imaging 13(2)2001，第294-300页中，描述了示例性组合MR/X射线系统。
在本发明中，这样的混合成像装置用于通过同时采集填充图像数据集(通常通过使用x射线装置)并且同时使用另外的成像装置采集解剖图像数据集来实现单次DSA采集，其中存在这些模态之间的某种关系，使得可以从附加成像模态图像数据导出虚拟x射线图像数据，允许从解剖图像数据集重建/导出虚拟掩模图像数据集，其不是对比增强的，即所使用的造影剂仅在x射线成像中可见，而在附加的模态成像中不可见。
应当在两个图像数据集的采集之间至少基本上不发生运动的意义上广义地理解术语“同时”。尽管同时采集因此至少覆盖真正的并行成像，即至少暂时在与另外的模态图像数据相同的时间采集x射线图像数据，但是交错采集以及在时间上紧邻的采集也可以被理解为同时。在本发明的方法中，通常，通过以下方式来准备对比增强图像的采集：将X射线造影剂施加到感兴趣的区域中并且然后采集期望的x射线投影图像以生成也可以称为对比增强图像数据集的填充图像数据集。填充图像数据集显示放大的(即对比增强的)包括周围的解剖结构的血管。然而，与常规方法相反，不使用x射线装置采集没有对比增强血管的掩模图像数据集，而是从在混合成像装置中同时采集的解剖图像数据集导出没有对比增强血管的掩模图像数据集。掩模图像数据集将以这样的方式形成，使得仅仅不需要的、周围的解剖结构可见，或者血管和周围的解剖结构显示出类似的对比。通过从填充图像数据集减去掩模图像数据集，去除不需要的解剖结构(特别是组织和骨骼)，并且获得仅显示对比增强的血管的血管造影图像数据集。由于已同时采集图像数据集，即，在患者的至少基本相同的运动状态下，不需要或仅需要很少的两个图像数据集的配准来执行减影并且获得高质量的血管造影图像数据集。
为了执行转换处理，两种模态之间的映射是必要的。作为转换处理的结果，两个图像数据集(即，填充图像数据集和掩模图像数据集)的绝对强度必须在相同解剖结构的相同值范围内以便执行具有适当结果的减影。优选地，磁共振成像用作附加成像模态。在现有技术中，已提出在PET-MR放射疗法的背景下从磁共振图像数据估计x射线衰减值，参见例如M.Kapanen等人，“T1/T2*-Weighted MRI Provides Clinically Relevant Pseudo-CTDensity Data for the Pelvic Bones in MRI-only Based Radiotherapy TreatmentPlanning”，Acta Oncologica 52(3)2013，第612至618页，或B.K.Navalpakkam等人，“Magnetic Resonance-Based Attenuation Correction for PET/MR Hybrid ImagingUsing Continuous Valued Attenuation Maps”，Investigative Radiology 48(5)2013，第323-332页。然而，在混合成像装置中使用这样的映射具有以下优点：当训练转换处理时，地面真值映射是可用的并且可以“在运行中”(on the fly)生成。因此，从附加成像模态(特别是磁共振)映射到足以用于数字减影血管造影的高质量的x射线的是可能的。该方法可以应用于2DDSA以及3D DSA。在二维情况下，减去线积分，并且因此保留对比增强血管的衰减。在二维情况下，其中通常执行前向投影以获得掩模图像数据集，优选地，解剖图像数据集至少在填充图像数据集中使用的投影方向上覆盖整个患者。然而，在一些情况下，从患者模型和/或解剖数据库添加缺失数据可能是可行的。
本文提出的使用混合成像装置的单次DSA采集具有若干优点。通过使用无x射线成像模态生成掩模图像数据集，可以减少患者的整体辐射暴露。另外，同时成像防止或至少减弱与各个采集之间的运动相关的问题。这消除了对复杂图像配准方法的需要，并且减少了获得血管造影图像数据集所需的总时间。
减少患者和临床人员的总体辐射暴露是医学成像中的关键问题。利用所提出的方法，这可以实现数字减影血管造影，其是介入以及诊断环境中经常使用的技术。同时，可以减少单次DSA采集所花费的时间。这反过来不仅改善了数字减影血管造影的状态，而且为混合成像装置提供了新的应用领域。
在本发明的方法中，当然可以使用例如在Kapanen或Navalpakkam的上述文章中描述的理论框架从解剖图像数据集导出掩模图像数据集的虚拟x射线图像数据。然而，获得地面真值数据作为训练数据的可能性注定了使用机器学习技术的本发明的方法。
因此，本发明方法的特别优选的实施例提供了转换处理包括混合成像装置特定的人工智能转换算法的应用，所述算法已使用利用混合成像装置采集的训练数据通过机器学习进行训练，其中x射线地面真值数据与附加模态输入数据同时采集。优选地，可以采用深度学习技术。然而，当选择人工智能转换算法、训练算法和/或算法参数时，也可以考虑关于各个图像数据/模态之间的物理关系的基本知识。在该实施例中，本发明利用来自x射线装置的高质量地面真值数据的可用性，由于也同时对训练数据进行成像，其为导出人工智能转换算法和/或其参数提供了高质量的基础。因此，可以实现转换处理中的图像数据映射的增加的准确性。
应当注意，人工智能转换算法至少使用与转换相关的附加模态图像数据和附加模态采集参数作为输入数据。然而，如下面进一步解释，可以在相应的输入数据集中使用附加输入数据。
优选地，将训练数据的图像数据集分解为在对其执行训练的图像块。因此，在学习不同模态输入数据之间的关系时，优选的是局部方法，其减少在训练期间要处理的数据量，并且仍然导致转换的可靠结果。
在优选实施例中，人工智能转换算法的输出数据包括在填充图像数据集中成像的感兴趣区域的x射线衰减值，其中通过使用用于采集填充图像数据集的采集参数模拟x射线成像从衰减值导出掩模图像数据集。特别地，如果要减去二维图像数据，则本文提到的模拟可以包括前向投影。特别地，x射线衰减值可以对应于计算机断层摄影数据集中的值(CT值)，如从先前的方法已知为“伪CT”。衰减值优选地包括模拟或导出掩模图像数据集中实际需要的x射线图像数据所需的所有信息。
当然，也可以将填充图像数据集的采集参数包括在人工智能转换算法的输入数据集中，并且立即接收掩模图像数据集，特别是作为相应的虚拟投影图像。然而，至少就前向投影而言，该方法可能特别不太优选。基于衰减值执行前向投影比增加输入参数的数量并将前向投影整合到转换算法中实际上更容易。
优选地，人工智能转换算法的输入数据集和训练数据也包括描述患者的特性的患者参数。以该方式，可以进一步提高转换处理的准确性，原因是在学习过程中也可以考虑影响患者的图像数据的采集的特性。例如，患者的大小(size)可能对磁共振装置的B0场的均匀性和/或穿过患者的X射线的衰减量有影响。
应当注意，在具体实施例中，人工智能转换算法可能已经执行并因此包括减法步骤，产生血管造影图像数据集作为输出。
如果使用填充图像数据集的非对比增强图像数据精细校正掩模图像数据集，则可以进一步改进本发明方法。填充图像数据集的至少一些区域可以没有对比增强的血管，使得在理论上的完美情况下，虚拟掩模图像数据集和填充图像数据集的对应图像值应当是相同的。
这些非对比增强的图像值可以至少部分地是可识别的，使得可以执行这样的比较以导出例如由人工智能转换算法提供的初步虚拟掩模图像数据集的校正。也就是说，呈现当前转换处理的地面真值的填充图像数据集的x射线数据可以被识别并用于调节初步虚拟掩模图像数据集，或者换句话说，预训练映射。可以实现增加的值转换准确性。可以使用不同的具体方法或算法来识别填充图像数据的这样的地面真值段。例如，可以通过使用阈值等自动分割血管，或者可以执行基于直方图的分割。应当注意，由于同时采集x射线图像数据和附加模态数据，因此可获得患者的每个运动状态的对应信息，其可以用于将血管与患者的周围解剖结构区分开。总之，可以实现虚拟掩模图像数据集的有利细化。
本发明还涉及一种混合成像装置，其包括用于x射线成像的x射线成像装置和用于至少一种附加成像模态的另外的成像装置，其中成像装置是联合配准的并且可操作以在相同的视场中采集图像数据，还包括配置成执行根据本发明的方法的控制装置。与本发明的方法有关的所有解释和特征可以相应地应用于本发明的混合成像装置，提供相同的优点。
特别地，控制装置因此可以包括用于控制每个模态的图像采集的至少一个采集单元，执行转换处理的转换单元和/或用于确定血管造影图像数据集的数字减影血管造影单元。可以提供另外的功能单元以实现如上所述的其他优选特征。
例如，本发明的计算机程序可以加载到混合成像装置的控制装置的存储装置中，并且包括当在混合成像的控制装置中执行计算机程序时执行本发明的方法的步骤的程序装置。
计算机程序可以存储在本发明的电子可读存储介质上，所述电子可读存储介质因此包括存储在其上的电子可读控制信息，其包括本发明的计算机程序并且配置成如果在混合成像装置的控制装置中使用电子可读存储介质则执行根据本发明的方法。本发明的存储介质特别可以是非瞬态存储介质，例如CD-ROM。
附图说明
本发明的进一步细节和优点可以从结合附图对优选实施例的以下描述获得，其中
图1示出了本发明的方法的实施例的流程图，以及
图2示出了根据本发明的混合成像装置的实施例。
具体实施方式
图1示出了根据本发明实施例的数字减影血管造影图像数据集的采集。使用混合成像装置，在该实施例中是CT-MR装置，其包括x射线装置，特别是CT装置，以及作为另外的成像装置的磁共振装置，其中这些成像装置配置成能够同时并在相同视场中采集两种模态的图像数据。在下面，将通过单次DSA成像获得感兴趣区域中的患者的血管的血管造影图像数据集。
过去，已经执行步骤S1，即训练人工智能转换算法，其将用混合成像装置采集的磁共振图像数据转换(或换句话说，映射)到x射线图像数据。在该实施例中使用深度学习技术，使用包括特别在不使用任何造影剂的情况下同时采集的两种模态的图像数据的训练数据，通过机器学习来执行训练。两种模态的图像数据、采集参数以及可选地还有患者数据被组合以形成训练数据，训练算法使用所述训练数据来创建和参数化人工智能转换算法，在该情况下其接收磁共振图像数据和用于磁共振图像数据的对应相关采集参数(以及可选地，患者数据)作为输入数据集并输出虚拟x射线图像数据，其与作为对应训练输入数据集的训练数据提供的x射线图像数据匹配。因此训练数据的x射线图像数据提供了地面真值。
在训练期间，训练数据的图像数据集被分成图像块以便更高效地学习。
在该情况下，由人工智能转换算法输出的虚拟x射线数据是通常在CT图像数据集中计算的衰减值。如果需要投影图像，则可以模拟x射线成像，前向投影到感兴趣的区域。与前向投影一样，可以使用其他计算/模拟方法来生成适合x射线装置的指定采集参数的x射线图像数据。
当然可以在任何新的训练数据可用时更新训练。
对于要用混合成像装置检查的具体患者，在同时执行的步骤S2a和S2b中，在对患者施用只能在x射线成像中看到的造影剂之后，使用x射线成像装置采集填充图像数据集1，并且并行地，使用磁共振成像装置采集解剖图像数据集2。两个图像数据集1、2都示出感兴趣的区域。填充图像数据集1包含对比增强的血管，其中这些血管通常在没有对解剖图像数据集2产生影响的造影剂的情况下被成像。
在步骤S3中，在转换处理期间，解剖图像数据集2及其相关的采集参数被用作人工智能转换算法的输入数据集，使得可能在使用填充图像数据集1的采集参数模拟x射线成像过程之后，获得虚拟掩模图像数据集3，其可以在可选步骤S4中使用填充图像数据集1的可识别地面真值数据进行精细校正。
在步骤S5中，如数字减影血管造影中已知的，可以从填充图像数据集1减去掩模图像数据集3，以获得血管造影图像数据集4。
图2示出了根据本发明的混合成像装置5的简化图。混合成像装置包括x射线成像装置6，在该情况下是CT装置，和另外的成像装置7，在该情况下是磁共振成像装置。在混合成像装置5的具体实现方式中，磁共振成像装置的部分可以例如被分开，特别是梯度线圈布置，以为CT装置的机架提供空间。其他结构也是可想到的。
两个成像装置6、7均由共享控制装置8控制，所述共享控制装置也配置成执行根据本发明的方法。在这方面，除了其他部件之外，控制装置8包括用于两种模态的采集单元9，用于实现转换处理的转换单元10和用于获得血管造影图像数据集4的数字减影血管造影单元11。
尽管已参考优选实施例详细描述了本发明，但是本发明不限于本领域技术人员能够在不脱离本发明的范围的情况下从其导出其他变型的公开示例。
Claims (10)
1.一种用于执行患者的感兴趣区域的数字减影血管造影的方法，其中，在造影剂存在于感兴趣区域的血管中的情况下，通过x射线成像采集感兴趣区域的填充图像数据集(1)，并且通过从填充图像数据集(1)减去掩模图像数据集(3)创建血管造影图像数据集(4)，其特征在于包括用于x射线成像的x射线成像装置(6)和用于至少一种附加成像模态的另外的成像装置(7)的混合成像装置(5)，用于同时地使用x射线成像装置(6)采集填充图像数据集(1)以及使用另外的成像装置(7)采集解剖数据集(2)，并且在转换处理中从解剖数据集(2)导出掩模图像数据集(3)，所述转换处理将附加成像模态图像数据转换为虚拟x射线图像数据，其中成像装置(6、7)是联合配准的并且可操作以在相同视场中采集图像数据。
2.根据权利要求1所述的方法，其特征在于，所述转换处理包括应用混合成像装置特定的人工智能转换算法，所述算法已使用使用混合成像装置(5)采集的训练数据通过机器学习进行训练，其中x射线地面真值数据与附加模态输入数据同时采集。
3.根据权利要求2所述的方法，其特征在于，将训练数据的图像数据集分解为对其执行训练的图像块。
4.根据权利要求2或3所述的方法，其特征在于，人工智能转换算法的输出数据包括在填充图像数据集(1)中成像的感兴趣区域的x射线衰减值，其中通过使用用于采集填充图像数据集(1)的采集参数模拟x射线成像从衰减值导出掩模图像数据集(3)。
5.根据权利要求2至4中任一项所述的方法，其特征在于，人工智能转换算法的输入数据集和训练数据也包括描述患者的特性的患者参数。
6.根据前述权利要求中任一项所述的方法，其特征在于，使用填充图像数据集(1)的非对比增强图像数据来校正掩模图像数据集(3)。
7.根据前述权利要求中的一项所述的方法，其特征在于，使用磁共振成像作为附加成像模态。
8.一种混合成像装置(5)，其包括用于x射线成像的x射线成像装置(6)和用于至少一种附加成像模态的另外的成像装置(7)，其中成像装置(6、7)是联合配准的并且可操作以在相同视场中采集图像数据，还包括配置成执行根据前述权利要求中的一项所述的方法的控制装置(8)。
9.一种计算机程序，当在混合成像装置(5)的控制装置(8)上执行时，所述计算机程序执行根据权利要求1至6中任一项所述的方法的步骤。
10.一种电子可读存储介质，其上存储根据权利要求8所述的计算机程序。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP17185341.9A EP3441003B1 (en) | 2017-08-08 | 2017-08-08 | Method for performing digital subtraction angiography, hybrid imaging device, computer program and electronically readable storage medium |
| EP17185341.9 | 2017-08-08 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109381205A true CN109381205A (zh) | 2019-02-26 |
| CN109381205B CN109381205B (zh) | 2022-07-15 |
Family
ID=59713769
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810896221.XA Active CN109381205B (zh) | 2017-08-08 | 2018-08-08 | 用于执行数字减影血管造影的方法、混合成像装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10682110B2 (zh) |
| EP (1) | EP3441003B1 (zh) |
| CN (1) | CN109381205B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862046A (zh) * | 2020-07-21 | 2020-10-30 | 江苏省人民医院（南京医科大学第一附属医院） | 一种心脏冠脉剪影中导管位置判别系统和方法 |
| CN112908449A (zh) * | 2019-12-03 | 2021-06-04 | 西门子医疗有限公司 | 提供血管图像数据记录 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10823685B2 (en) * | 2018-01-16 | 2020-11-03 | Creative Electron, Inc. | Method and system to automatically inspect parts using x-rays |
| EP3616621B1 (de) * | 2018-08-31 | 2023-03-15 | Siemens Healthcare GmbH | Verfahren zur 3d dsa und vorrichtung |
| DE102019202514B4 (de) * | 2019-02-25 | 2021-06-24 | Siemens Healthcare Gmbh | Verfahren zur digitalen Subtraktionsangiographie, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
| DE102020001314B3 (de) * | 2020-02-27 | 2021-07-01 | Ziehm Imaging Gmbh | Verfahren zur Überlagerung projektiver Abbildungen dreidimensionaler Strukturen mit einem zweidimensionalen Röntgenbild |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4559557A (en) * | 1984-06-01 | 1985-12-17 | General Electric Company | Region-of-interest digital subtraction angiography |
| DE10037735A1 (de) * | 2000-08-02 | 2002-02-21 | Siemens Ag | Verfahren zur Durchführung der peripheren Subtraktionsangiographie und Röntgendiagnostikeinrichtung zur Durchführung des Verfahrens |
| US20030191394A1 (en) * | 2002-04-04 | 2003-10-09 | Simon David A. | Method and apparatus for virtual digital subtraction angiography |
| CN1538796A (zh) * | 2003-04-15 | 2004-10-20 | 西门子公司 | 采用原立体数据组进行数字减影血管造影的方法 |
| CN101803930A (zh) * | 2009-02-17 | 2010-08-18 | 通用电气公司 | 放射性成像方法和装置 |
| US20110026790A1 (en) * | 2009-07-31 | 2011-02-03 | Siemens Medical Solutions Usa, Inc. | System for Performing Coronary Digital Subtraction Angiography (DSA) |
| US20110038458A1 (en) * | 2009-08-12 | 2011-02-17 | Martin Spahn | Method for enhanced visualization of objects in interventional angiographic examinations |
| CN103069456A (zh) * | 2010-08-25 | 2013-04-24 | 皇家飞利浦电子股份有限公司 | 包括品质度量的双模态成像 |
| CN104737204A (zh) * | 2012-09-28 | 2015-06-24 | 西门子公司 | 用于确定肾脏的损伤特征值的方法和装置 |
| CN105640583A (zh) * | 2016-03-31 | 2016-06-08 | 上海联影医疗科技有限公司 | 血管造影方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8023732B2 (en) | 2006-07-26 | 2011-09-20 | Siemens Aktiengesellschaft | Accelerated image registration by means of parallel processors |
| DE102011120937B4 (de) * | 2011-12-14 | 2019-03-14 | Carl Zeiss Meditec Ag | Anordnung und Verfahren zur Registrierung von Gewebeverschiebungen |
| US10102451B2 (en) * | 2015-10-13 | 2018-10-16 | Elekta, Inc. | Pseudo-CT generation from MR data using tissue parameter estimation |
-
2017
- 2017-08-08 EP EP17185341.9A patent/EP3441003B1/en active Active
-
2018
- 2018-07-30 US US16/048,536 patent/US10682110B2/en active Active
- 2018-08-08 CN CN201810896221.XA patent/CN109381205B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4559557A (en) * | 1984-06-01 | 1985-12-17 | General Electric Company | Region-of-interest digital subtraction angiography |
| DE10037735A1 (de) * | 2000-08-02 | 2002-02-21 | Siemens Ag | Verfahren zur Durchführung der peripheren Subtraktionsangiographie und Röntgendiagnostikeinrichtung zur Durchführung des Verfahrens |
| US20030191394A1 (en) * | 2002-04-04 | 2003-10-09 | Simon David A. | Method and apparatus for virtual digital subtraction angiography |
| CN1538796A (zh) * | 2003-04-15 | 2004-10-20 | 西门子公司 | 采用原立体数据组进行数字减影血管造影的方法 |
| CN101803930A (zh) * | 2009-02-17 | 2010-08-18 | 通用电气公司 | 放射性成像方法和装置 |
| US20110026790A1 (en) * | 2009-07-31 | 2011-02-03 | Siemens Medical Solutions Usa, Inc. | System for Performing Coronary Digital Subtraction Angiography (DSA) |
| US20110038458A1 (en) * | 2009-08-12 | 2011-02-17 | Martin Spahn | Method for enhanced visualization of objects in interventional angiographic examinations |
| CN103069456A (zh) * | 2010-08-25 | 2013-04-24 | 皇家飞利浦电子股份有限公司 | 包括品质度量的双模态成像 |
| CN104737204A (zh) * | 2012-09-28 | 2015-06-24 | 西门子公司 | 用于确定肾脏的损伤特征值的方法和装置 |
| CN105640583A (zh) * | 2016-03-31 | 2016-06-08 | 上海联影医疗科技有限公司 | 血管造影方法 |
Non-Patent Citations (4)
| Title |
|---|
| FAHRIG等: "A truly hybrid interventional MR/X-ray system: Feasibility demonstration", 《JOURNAL OF MAGNETIC RESONANCE IMAGING》 * |
| KAPANEN等: "T1/T2(star)-weighted MRI provides clinically relevant pseudo-CT density data for the pelvic bones in MRI-only based radiotherapy treatment planning", 《ACTA ONCOLOGICA》 * |
| Y. BENTOUTOU等: "An invariant approach for image registration in digital subtraction angiography", 《PATTERN RECOGNITION》 * |
| 张秀梅等: "DSA成像原理及影像质量控制", 《数理医学杂志》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112908449A (zh) * | 2019-12-03 | 2021-06-04 | 西门子医疗有限公司 | 提供血管图像数据记录 |
| CN111862046A (zh) * | 2020-07-21 | 2020-10-30 | 江苏省人民医院（南京医科大学第一附属医院） | 一种心脏冠脉剪影中导管位置判别系统和方法 |
| CN111862046B (zh) * | 2020-07-21 | 2023-11-17 | 江苏省人民医院（南京医科大学第一附属医院） | 一种心脏冠脉剪影中导管位置判别系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3441003A1 (en) | 2019-02-13 |
| US20190046145A1 (en) | 2019-02-14 |
| US10682110B2 (en) | 2020-06-16 |
| EP3441003B1 (en) | 2020-07-22 |
| CN109381205B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109381205A (zh) | 用于执行数字减影血管造影的方法、混合成像装置 | |
| EP3123443B1 (en) | Method and device for generating one or more computer tomography images based on magnetic resonance images with the help of tissue class separation | |
| CN104346821B (zh) | 用于医学成像的自动规划 | |
| US7286866B2 (en) | Method, system and computer product for cardiac interventional procedure planning | |
| JP6448972B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
| JP5366356B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
| US10803354B2 (en) | Cross-modality image synthesis | |
| US20130190602A1 (en) | 2d3d registration for mr-x ray fusion utilizing one acquisition of mr data | |
| US20180253838A1 (en) | Systems and methods for medical imaging of patients with medical implants for use in revision surgery planning | |
| US9224204B2 (en) | Method and apparatus for registration of multimodal imaging data using constraints | |
| Bauer et al. | Generation of annotated multimodal ground truth datasets for abdominal medical image registration | |
| US20190128986A1 (en) | Magnetic resonance imaging of aterial structures | |
| Uccheddu et al. | 3D printing of cardiac structures from medical images: an overview of methods and interactive tools | |
| US11270434B2 (en) | Motion correction for medical image data | |
| Fischer et al. | An MR-based model for cardio-respiratory motion compensation of overlays in X-ray fluoroscopy | |
| CN107004269A (zh) | 对解剖结构的基于模型的分割 | |
| CN114469145B (zh) | 提供最佳减影数据组 | |
| US10684341B2 (en) | Magnetic resonance imaging of arterial structures | |
| CN115137342A (zh) | 基于深度学习的图像采集医学系统和方法 | |
| Positano et al. | Automatic characterization of myocardial perfusion in contrast enhanced MRI | |
| CN104021581B (zh) | 基于mr测温数据生成图像数据 | |
| US20200402255A1 (en) | Method and device for medical imaging for representing a 3d volume containing at least one introduced foreign object | |
| Kühnel et al. | Enhanced cardiovascular image analysis by combined representation of results from dynamic MRI and anatomic CTA | |
| JP2023521838A (ja) | 合成医用画像の作成 |
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 |