CN109414218A - 成像方法及系统 - Google Patents

成像方法及系统 Download PDF

Info

Publication number
CN109414218A
CN109414218A CN201780027712.4A CN201780027712A CN109414218A CN 109414218 A CN109414218 A CN 109414218A CN 201780027712 A CN201780027712 A CN 201780027712A CN 109414218 A CN109414218 A CN 109414218A
Authority
CN
China
Prior art keywords
image
scale
vascular
lung
field
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
CN201780027712.4A
Other languages
English (en)
Other versions
CN109414218B (zh
Inventor
安德里亚斯·富拉斯
查铭达·拉吉夫·萨马拉格
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.)
4DMedical Ltd
Original Assignee
4Dx 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
Priority claimed from AU2016900817A external-priority patent/AU2016900817A0/en
Application filed by 4Dx Ltd filed Critical 4Dx Ltd
Publication of CN109414218A publication Critical patent/CN109414218A/zh
Application granted granted Critical
Publication of CN109414218B publication Critical patent/CN109414218B/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
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • 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
    • A61B6/48—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
    • A61B6/50—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
    • 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
    • A61B6/508—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 non-human patients
    • 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
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • 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
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • 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
    • 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
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G06T2207/10136—3D ultrasound 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • 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)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Probability & Statistics with Applications (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Cardiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及无造影剂情况下的医学成像领域。一方面，本发明涉及血管成像领域，尤其是诸如肺脉管系统的血管，而且适合用作检测肺栓塞(PE)，诸如急性PE的技术。本发明的实施方案提供改进的影像处理技术，所述技术能够提取并使用影像数据来克服为了区别不同类型的组织而对造影剂的需求。另外，也已经实现了可以使用经过所述改进的影像处理获取的影像数据来识别血管中的不规则性。

Description

成像方法及系统
技术领域
本发明涉及无造影剂情况下的医学成像领域。
一方面，本发明涉及血管成像领域，尤其是诸如肺脉管系统的血管。
在一个特定方面，本发明适合用作检测肺栓塞(PE)，诸如急性PE的技术。
方便起见，下文中描述本发明关于检测肺脉管系统中与PE相关的异常情况，然而应了解，本发明并不限于此，而且可用于检测肺脉管系统的其它不规则性，或其它脉管系统的不规则性。另外，尽管本发明主要参考小型动物成像具体化来实现调查性研究的目的，但本发明不限于此，而且适用于广泛范围的人类医学应用以及兽医学应用。
另外，也为了方便起见，下文中描述本发明关于计算机断层扫描(CT)，然而应了解，本发明不限于所述成像技术，而且例如可与其它成像形式一起使用，包括X射线计算机断层扫描(X射线CT，常简称为CT)，尤其是4D-CT、MRI、超声波或随时间推移获得三维(3D)影像或多个3D影像的任何其它成像方法。应了解，这包括获得一系列二维(2D)影像从而建立3D重构的技术。
背景技术
应了解，本说明书中包括对文献、装置、行为或知识的任何论述来解释本发明的内容。此外，本说明书通篇进行论述是出于为了实现发明人的目的和/或识别发明人的某些相关技术问题。此外，本说明书中包括对诸如文献、装置、行为或知识等材料的任何论述从而根据发明人的知识和经验来解释本发明的内容，而且相应地，任何所述论述并不应视为承认任何所述材料构成现有技术基础的部分或在本揭示案以及其中的权利要求的优先权日或优先权日之前在澳大利亚或其它地方的相关技术的公知常识。
过去，X射线CT已广泛用在放射摄影中来研究诸如肺等内脏器官的解剖学和功能。常规上使用数字几何处理来从围绕单一旋转轴获得的一系列二维(2D)放射摄影影像来产生肺内部的三维(3D)影像。CT使用经过计算机处理的X射线来产生肺部特定区域的断层影像(虚拟‘切片’)。
在所谓的4D成像中，收集一个时间序列的3D影像。这可以包括获取一系列2D影像，并从所述2D影像重构一个时间序列的3D影像。具体来说，在4D X射线CT中，使用绕非静止不动的对象(例如，呼吸的人类)旋转的X射线源来产生X射线切片数据。X射线检测器安置在X射线源的对面。可能使用大范围的X射线CT装置来获取4D数据。例如，可以使用标准的螺旋形或盘旋形CT机来收集4D数据。早期版本的成像机通过使X射线源和检测器绕静止不动的患者旋转来操作。每次完整旋转后，患者将轴向移动并进行下一次旋转。已经设计出更新的机器使X射线源和检测器可以连续旋转，而患者缓慢且平稳地沿X射线圆形护罩滑落。这些称为螺旋形或盘旋形CT机。
典型的螺旋形或盘旋形X射线CT扫描包含X射线源绕患者旋转10至50次，每次旋转均与沿圆形护罩(覆盖X射线源和X射线检测器)移动的台面(患者位于其上)相配合。以每秒钟约旋转4次的速率进行快速扫描，其中检测器每次旋转进行约1000次‘快照’。在X射线源的某一位置(角度或投影角度)进行每次‘快照’。4D-CT中通常收集40,000至200,000个之间的影像。
CT可用来对大部分身体结构进行成像，并且尤其用于检测肺内的急性和慢性变化。然而，脉管系统以及脉管系统的变化(诸如PE)难以清楚可见，而且通常需要使用造影剂(诸如碘)来增强对比，并因此增强可视度。
PE是由体内其它处通过血流移动的物质堵塞肺部血管(栓塞)。PE通常是由血块从身体末梢(通常是腿)的深静脉通过心脏右侧迁移并流入肺动脉引起的。一小部分的病例是由空气、脂肪或羊水栓塞引起的。PE是一种常见的而且有时是致命的病况，死亡率在14％至28％范围内。
为了对PE患者实现最佳结果，他们的PE需要快速诊断和治疗。血流通过肺脉管系统时受到阻碍以及因此对心脏右心室造成的压力导致PE的迹象和症状，诸如呼吸困难、胸痛、心悸或可能出现患者晕倒。临床迹象和症状为PE的诊断提供了一些线索，但最终确诊PE需要成像。
造影剂增强型成像，诸如造影剂增强型计算机断层扫描肺血管造影(CTPA)正在快速地代替通气/灌流扫描作为用于诊断PE所选择的成像形式。医学造影剂是增强体内结构或流体在医学成像中的对比度，并因此增强其可视度的物质。然而，施用造影剂可能造成不良的医学病况。反应可能在轻微至严重的范围内。
发展成严重反应的风险因素包括强烈过敏、支气管哮喘、心脏疾病以及使用某些药物。造影剂诱发的肾病(CIN)是住院急性肾衰竭的第三种最常见的原因。
已多次努力尝试改进肺部成像的质量。例如，美国专利7,970,189和美国专利申请2011/0051885(Buelow等人)描述了收集肺部影像，接着分割支气管和动脉，包括桡骨。将显示视觉异常的部位呈现给医学专家(诸如放射科医生)进行人工检查和视觉评估来试图辨别肺部问题，诸如肺栓塞。类似地，美国专利7,583,829描述了使用对肺影像进行分割并分析可能受PE影响的肺部子树。然而，这些类型的现有技术成像依赖于使用造影剂来协助观察(即，协助观察脉管系统中的血液)。
美国专利申请2005/0240094(Pichon等人)涉及通过分割来自高解析度造影剂增强型计算机断层扫描(CT)的血管树结构，接着根据与内部树结构相关的数据(例如，尺寸结构)对树结构表面着色来观察所述树结构。接着可以对观察结果进行人工评估。
美国专利申请2009/0252394(Liang等人)教示一种通过CTPA检测肺栓塞的方法。所述方法包括识别包含一群体素的肺栓塞‘候选物’，接着基于体素的强度值在群集中的空间分布来确定所述‘候选物’是真阳性或假阳性。
美国专利7,876,936(Raffy)教示一种处理肺区的一系列造影剂增强型CT切片以便将动脉与静脉分离的方法。所述方法包括放射科医生与计算机之间交互作用来分别识别肺动脉和静脉、对血管进行计算机扫描来表征栓塞并将放射科医生和计算机的数据进行对比来产生诊断结果。例如，这可以包括将肺脉管系统呈现给放射科医生，放射科医生然后追踪所需要的动脉树。然后在追踪树的血管上基于血管中的血液影像强度变化进行自动异常检测来消除与肺静脉相关的假阳性。
Wittram等人(Wittram等人(2004)肺栓塞的CT血管造影：诊断标准和误诊放射图像的原因(CT Angiography of Pulmonary Embolism:Diagnostic Criteria and Causesof Misdiagnosis RadioGraphics))教示使用影像强度值对具有造影剂的CT血管造影影像中的肺栓塞进行计算机辅助检测的典型程序。栓子的存在导致CT血管造影影像中存在以下缺陷。
a.完全填充缺陷，其中由于存在大栓子，因此造影剂未填满血管。栓子下游的影像强度比血管此部分中无造影剂时更暗。
b.部分填充缺陷，其中少量造影剂通过，而且在栓子周围存在高影像强度的环形区域，
c.以及其它缺陷，诸如：超级衰减楔形区域表示与供应到此肺区域的血液损失相关的肺梗塞区域；而且造影剂材料流经更厚但更小的重新开启动脉(再通)。
Staring等人的公开案(Staring M等人(2012)使用血管增强过滤器进行肺血管分割(Pulmonary vessel segmentation using vessel enhancement filters),ISBI2012http://www.vessel12.grand-challenge.org)描述在成像数据上使用基于海森(Hessian)的多尺度形状(血管特征)滤波器进行肺血管分割，使得可以人工检查肺血管。
Rudyanto等人(Rudyanto,RD等人(2015)低剂量CT图像中肺血管直径的定量，SPIE医学成像(Quantification of pulmonary vessel diameter in low-dose CT imagesSPIE Medical Imaging)2015)描述一种使用多尺度形状(血管特征)滤波器的尺度来量化塑料管、橡胶管和硅胶管直径的方法。
Jimenez Carretero等人(Jimenez-Carretero等人(2013)基于3D Frangi的肺血管增强过滤器惩罚气道(3D Frangi-based lung vessel enhancement filterpenalizing airways)IEEE 10th国际生物医学成像研讨会(International Symposium onBiomedical Imaging)USA 2013)描述一种使用Frangi滤波器对脉管系统进行分割的方法。所述方法包括识别气道壁以便可以在肺血管分割之前除去气道壁。所述方法使用单个滤波框架来识别气道壁和肺脉管系统。
Sun等人(Sun等人(2014)在非对比计算机断层扫描中检测中央肺栓塞：病例对照研究国际心血管成像杂志(Detection of central pulmonary embolism on noncontrastcomputed tomography:a case control study International Journal ofCardiovascular Imaging))研究由无造影剂的CT扫描人工检测大的中心肺动脉栓塞的实用性。所研究的技术要求放射科医生评估标准的CT扫描。研究发现，无造影剂的CT不适合检测中心肺栓塞。
因此，需要一种使用成像作为诊断，尤其是诊断脉管系统中指示疾病或其它病症的不规则性的改进方法。
发明内容
本文所述实施方案的一个目标在于克服或缓解相关技术系统的至少一种上述缺陷，或者至少提供相关技术系统的一种适用的替代方式。
在本文所述实施方案的第一方面，提供一种检测肺脉管系统不规则性的方法，所述方法包括以下步骤：
(1)提供包含一个或多个血管的肺脉管系统的至少一个影像，所述至少一个影像已在无造影剂的情况下通过体内获取，
(2)对所述至少一个影像施用滤波器来产生包括肺脉管系统的概率场和尺度场的输出，并且使用一种或两种形式的所述输出来对所述肺脉管系统的几何结构进行分割和量化，
(3)结合几何分析来分析所述输出以检测所述肺脉管系统的一个或多个血管中的不规则性。
图1中描绘现有技术的一种典型方法的一个实施方案。尽管过去已努力尝试分析在无造影剂情况下获取的影像，但迄今为止尚无现有技术研究成功地用于PE检测。
优选地，在本发明的方法中，步骤(2)包括以下子步骤：
(2)(a)对来自步骤(1)的所述影像施用基于海森的多尺度形状滤波器(根据弗朗吉(Frangi)1998)来提供所述肺脉管系统的概率场，
(2)(b)对所述肺脉管系统的所述概率场进行漫水填充选择来产生二元影像，
(2)(c)对所述二元影像进行二元分割，以及
(2)(d)从所述二元分割进行血管中心线提取，
(2)(e)使来自所述形状滤波器的尺度(最大概率地使所述影像上的任意给定点均属于管状结构的滤波器尺寸)与沿所述脉管树中心线的每个点相关联来获得局部几何数据。
所述至少一个影像可以是多个2D影像和/或至少一个3D影像中的任意一个或任意组合。
按照设想，所述方法中可包括一个或多个上述子步骤，并且所述方法不需要并入所有上述子步骤。
在一个优选的实施方案中，检测到的不规则性表示存在PE。栓塞通常包括血块或气泡，但也可包含其它异物，诸如某些类型的蛋白质或脂肪，或如血栓性栓塞中的血小板、纤维蛋白或其它血液组分团块。
血管不规则性可以基于脉管系统中的一个或多个连续血管的直径来检测。所述方法中使用的滤波器(诸如基于海森的多尺度形状滤波器)提供一种对给定尺寸血管以每种影像体素存在的概率的测量方式。当在血管中心测量时，最大概率地产生属于管状结构的血管的尺度(即，血管的‘血管特征’)表示该血管的尺寸或口径(直径)。因此，本发明的方法可包括使用血管中心线并提取在每个中心线点存在最大血管特征概率值的尺度。术语‘体素’在基于计算机的建模或图形仿真中众所周知，指的是构成抽象的三维空间的体积要素阵列中的每一个，尤其是三维物体代表划分成的离散要素阵列中的每一个。
由本发明的方法检测到的不规则性例如可以用来将脉管系统的区段(或部分)分类为(i)正常、(ii)存在PE以及(iii)否则为不正常，这表示其它形式的肺或血管疾病。检测到的不规则性通常将对应于血管直径的变化。PE的特征在于，血管在紧邻栓塞处显示出歪曲形状。例如，在血管部分堵塞的情况下，PE的常见特征为血管凸起，并且在血压增加处，栓塞的‘上游’直径增加，而在栓塞‘下游’，血管直径由于血压降低而比通常情况时小，而且在血管完全堵塞的情况下，血管可能向外凸起，导致血管直径增加，接着完全切断血管信号，或导致概率场中的不连续性。这种类型的不规则性可潜在地充当‘标记’来识别PE的特点。
本发明的方法尤其适用于检测肺脉管系统的不规则性。这是由于如由海森滤波器检测到的强烈信号造成的，所述强烈信号又是由于肺组织及其中空气的低密度与肺血管的相对高密度之间的大幅差异造成的。
本发明的方法不需要使用可能在患者中引起不良反应的造影剂。另外，由于所述方法不需要特定或独特的成像方案，因此所述方法可用来分析先前获取的(无造影剂)成像数据，诸如现有集合中的CT数据。
在一个优选的实施方案中，本发明的方法另外包括对来自步骤(2)的肺脉管系统的概率场进行分割的步骤。
在本文中使用时，术语血管分割指的是从3D影像中分离或提取脉管系统数据。具体来说，血管分割可包括从概率场提取脉管树。可以基于解剖学或几何学来进行分割。在本发明的一些应用中，几何划分将是合适的。几何划分不需要另外的解剖学信息，而且可以用少得多的计算机和人力成本来获得(例如，进行影像强度阈值过程)。或者，分割可以与特定解剖区域或解剖特征相关(例如，其中选择明确可辨的脉管系统区域作为种子点的区域生长过程)。基于解剖学的分割尤其优选，因为它与现有技术的成像方法相比在生理学和医学上更相关、更不随机而且更易于使用。
在本文所述实施方案的另一方面，提供一种存储在非暂时性介质上的适用于可检测脉管系统中的不规则性的应用，所述应用包含适用于进行本发明的方法步骤的预定指令集。
在本文所述实施方案的又一方面，提供一种计算机可读存储介质，其用于以非暂态存储根据本发明的方法可分割脉管系统影像来提供分割影像以及分析分割影像来检测不规则性的应用。
在本文所述实施方案的又一方面，提供一种用于本发明方法的装置，所述装置包含：
(i)一个或多个能量来源；
(ii)一个或多个用于记录脉管系统影像的检测器，所述影像由来自通过包含脉管系统的样本的一个或多个能量来源的能量而产生；以及
(iii)用于将样本定位在一个或多个能量来源与一个或多个检测器中间的样本保持器；其中在使用时，样本保持器使样本通过多个能量投影角度旋转，并在每个投影角度记录脉管系统的至少一个影像，从而在无造影剂的情况下提供脉管系统的多个影像。
所述装置优选地包括用于进行上述方法的步骤1至3的加工构件。在一个优选的实施方案中，所述加工构件用于分割脉管系统的影像来提供经过分割的影像，并分析所述经过分割的影像来检测脉管系统的不规则性。
在本文所述实施方案的又一方面，提供一种用于上述方法的装置，所述装置包含：(i)可旋转安装的能量来源；和(ii)与所述能量来源相对定位的用于记录脉管系统影像的可旋转安装的检测器，所述影像由来自通过具有脉管系统的样本的能量来源的能量而产生，其中在使用时，检测器和能量来源一起绕样本旋转，而且检测器获取多个投影角度的脉管系统影像从而在无造影剂的情况下提供脉管系统的多个影像。所述装置可包括用于施用滤波器和进行几何分析的加工构件。
在本文所述实施方案的又一方面，提供一种在无造影剂的情况下扫描三维体内影像的血管不规则性的方法，所述方法包括：对三维体内影像施用滤波器来提供概率数据和尺度数据；以及对所述概率数据和/或尺度数据进行自动分析来检测脉管系统的不规则性。本文中使用时，术语“扫描血管不规则性”打算包括探寻、探查、检查、研究、检测、识别等。在一个优选的实施方案中，血管不规则性打算辅助使用者(诸如医生)快速并准确地评估患者是否存在血管不规则性。
所述方法可包括对三维体内影像施用形状滤波器，优选的是施用多尺度的形状滤波器，更优选的是施用基于海森的多尺度形状滤波器，而且更优选的是施用根据弗朗吉1998的海森多尺度形状滤波器。
进行自动分析的步骤可包括用由概率场获得的数据屏蔽尺度场。进行自动几何分析的步骤可包括将第一位置的尺度与第二位置的尺度进行对比，优选的是其中第一位置和第二位置位于同一血管分枝中，或位于同一级血管中。自动几何分析可包括将三个位置、四个位置、五个位置或六个或六个以上位置的尺度进行对比。自动分析可包括将函数(或样条函数或类似函数)(诸如多项式)与来自血管分枝中多个点的尺度值(或血管直径)拟合。接着可以检查拟合函数的系数或拟合函数的其它方面来检测脉管系统的不规则性，诸如PE。将函数与多个尺度值拟合的好处在于可以减少尺度数据中的“噪音”。将函数与多个尺度值拟合的另一个好处在于可以提供一种更简便的方式来确定和检测脉管系统中的不规则性的“标志”，诸如PE。
所述方法可包括对可能的区域进行血管分割来从三维体内影像提取脉管树，优选的是将尺度场映射到经过分割的脉管树来对脉管树的几何结构进行量化。
所述方法可包括在无造影剂的情况下获取三维体内影像。
在本文所述实施方案的又一方面，提供一种在无造影剂的情况下扫描三维体内影像中的血管不规则性的方法，所述方法包括：对三维体内影像施用滤波器来提供概率场和尺度场；对可能的区域进行血管分割来从概率场提取脉管树；将尺度场映射到经过分割的脉管树来对脉管树的几何结构进行量化；以及对经过计算的几何结构进行自动几何分析来检测所述脉管系统中的不规则性。
分割脉管系统的步骤可包括对概率场进行区域增长操作，区域增长操作优选地是漫水填充操作，区域增长操作优选地提供二元3D数据场。
向三维体内影像施用滤波器的步骤包括施用形状滤波器。优选地，形状滤波器中使用的形状为管状。形状滤波器可以是多尺度的形状滤波器。形状滤波器可以是基于海森的滤波器，优选地根据弗朗吉1998来施用。
进行自动几何分析的步骤可包括将脉管树中第一位置处的尺度与脉管树中第二位置处的尺度进行对比。优选的是，第一位置和第二位置位于脉管树的同一血管分枝中。
进行自动几何分析的步骤可包括计算沿脉管树中的分枝长度的尺度变化，优选的是计算沿整一级分枝的整个长度的直径变化，或计算沿脉管树分枝的整个长度的直径变化。所述方法可包括对整个经过分割的脉管树(即，经过分割的脉管树的每个分枝)进行自动几何分析。
所述方法可包括在无造影剂的情况下获取三维体内影像。获取三维影像的步骤可包括获取一系列二维体内影像并由所述二维影像重构三维影像，优选的是使用X射线辐射获取二维影像，优选的是使用计算机断层扫描重构三维影像。
所述方法可包括扫描栓塞，诸如肺栓塞。所述方法可包括扫描肺脉管系统的血管不规则性。所述方法可包括获取肺的三维体内影像。检测到的不规则性可表示肺栓塞。所述方法可包括分析几何结构以便将脉管系统的区段分类为正常或不规则。所述方法可包括分析几何结构以检测堵塞或部分堵塞。所述方法可包括提供对显示血管不规则区域(例如，肺栓塞)的脉管系统进行视觉观察。所述方法可包括在滤波步骤之前将三维影像反转。
在本文所述实施方案的又一方面，提供一种对血管不规则性进行扫描的方法，所述方法包括：在无造影剂的情况下获取三维体内影像；对所述三维体内影像施用多尺度的形状滤波器来提供概率场和尺度场，所述概率场代表三维体内影像中的体素是管状结构的一部分的概率，并且所述尺度场代表最大概率地使所述体素属于管状结构的滤波器尺寸；以及对所述概率场和所述尺度场进行自动分析来检测所述脉管系统中的不规则性。
所述方法可包括对可能的区域进行血管分割来从所述三维体内影像提取脉管树，将所述尺度场映射到经过分割的脉管树来对所述脉管系统的几何结构进行量化；以及对经过计算的几何结构进行自动几何分析来检测所述脉管系统中的不规则性。
在本文所述实施方案的又一方面，提供一种对肺栓塞进行扫描的方法，所述方法包括：在无造影剂的情况下获取三维体内影像；对所述三维体内影像施用多尺度的形状滤波器来提供概率场和尺度场；对可能的区域进行血管分割来提取脉管树，将所述尺度场映射到经过分割的所述脉管树来对所述脉管系统的几何结构进行量化；以及计算沿所述脉管树中的分枝长度的尺度变化来检测所述脉管系统中的不规则性。
在本文所述实施方案的又一方面，提供一种对肺脉管系统中的肺栓塞进行扫描的方法，所述方法包括：在无造影剂的情况下获取一系列二维体内胸部X射线影像；由二维胸部X射线影像重构三维影像；根据弗朗吉1998施用基于海森的多尺度形状滤波器来提供概率场和尺度场；通过对概率场进行区域增长操作来从概率场分割血管树；通过提取脉管树中每个分枝的中心线来骨架化所述脉管树；将尺度场映射到经过骨架化的脉管树来提供经过骨架化的所述脉管树中每个点处的血管尺度；以及计算沿脉管树中的分枝长度中的中心线的尺度变化来检测肺栓塞。
在本文所述实施方案的又一方面，提供一种用于检测脉管系统中的不规则性的系统，所述系统包含：使能量通过包含脉管系统的样本的能量来源；在无造影剂的情况下记录通过样本的能量的二维体内影像的成像系统，所述成像系统以多个投影角度记录影像；用于将二维影像重构为三维影像的计算机断层扫描系统；用于对三维体内影像进行滤波来提供概率场和尺度场的分析系统，所述分析系统对概率场和尺度场进行自动分析来检测脉管系统中的不规则性。
分析系统可以对可能的区域进行血管分割来从概率场提取脉管树，将尺度场映射到经过分割的脉管树来对脉管树的几何结构进行量化以及对经过计算的几何结构进行自动几何分析来检测脉管系统中的不规则性。分析系统可以施用基于海森的多尺度形状滤波器来提供概率场和尺度场。分析系统可位于远离成像系统处。
在本文所述实施方案的又一方面，提供一种由无造影剂情况下的三维体内肺影像和肺影像的时间序列来计算通气/灌流测量值的方法，所述方法包括：对三维体内肺影像施用滤波器来提供概率场和尺度场；对可能的区域进行血管分割来从概率场提取脉管树；将尺度场映射到经过分割的脉管树来对脉管树的几何结构进行量化；由所述肺影像的时间序列来测量肺的一部分的移动量；将所述肺的所述部分的移动量与所述肺的所述部分的区域中的脉管系统尺度进行对比来获得通气/灌流测量值。
所述方法可包括测量肺部分的位移量。所述方法可包括测量肺部分的膨胀量。移动量可以在肺部分中的多个点处进行测量并将多个测量值进行平均。用于对比的尺度可以在肺部分的边界处测量。或者，用于对比的尺度可以在肺部分的中心处测量。
所述方法可包括测量肺的多个部分的移动量，并将多个部分各自进行对比。可将第一部分的通气/灌流测量值与第二部分的通气/灌流测量值进行对比。
所述方法可包括使肺的所述部分位于经过分割的脉管系统的端点处。所述方法可包括使肺的所述部分在多个分枝中以相同的尺度定位。
其它方面以及优选的形式在说明书中公开和/或在随附的权利要求中定义，构成本发明的发明内容的一部分。
实际上，本发明的实施方案来源于实现了改进的影像处理技术，所述技术能够提取并使用影像数据来克服为了区别不同类型的组织而对造影剂的需求。另外，也已经实现了可以使用经过所述改进的影像处理获取的影像数据来识别血管中的不规则性。尽管现有技术中公开了处理影像数据的具体方法，但迄今为止尚未使用过特定组合的方法和方法步骤。
本发明的一些实施方案可能提供的优势包括以下：
·所述方法不需要使用造影剂，并且因此避免了与造影剂相关的问题，诸如诱发肾病，
·所述方法可施用于现有的(或历史的)无造影剂成像数据，
·所述方法中可使用现有的无造影剂患者影像，因此避免了患者需要经历进一步的收集影像，避免了患者进一步暴露于辐射并且避免了额外影像收集的财务成本，
·快速临床诊断的新选择，
·成像技术的显著进步，
·对患者的变化或不规则性的改进检测，
·用于对脉管系统(诸如肺脉管系统)进行成像和量化的改进方法。
本发明的实施方案的适用性的其它范畴将由下文的具体实施方式显而易见。然而应了解，具体实施方式和特定实施例尽管指出了本发明的优选实施方案，但仅以说明方式给出，这是因为在本文公开内容的精神或范畴内的各种变化和修改将由本具体实施方式而为本领域技术人员所显而易见。
附图说明
结合附图，参考下文实施方案的描述，相关领域的技术人员将更好地理解本申请的优选以及其它实施方案的其它公开内容、目标、优势以及方面，所述附图仅以说明的方式给出，而且因此并不限于本文的公开内容。
图1是说明现有技术的典型方法步骤的流程图，其中在无造影剂的影像上使用多尺度的滤波器，人工检查结果。
图2描绘本发明的一个实施方案，如本文所述，所述实施方案对影像使用多尺度的滤波器和血管分割，而未加入造影剂。
图3描绘本发明的另一个实施方案，其中对影像使用多尺度的滤波器，而未加入造影剂，其中来自滤波器的数据结果的概率场和尺度场直接用于检测PE的可能位置。
图4说明结合本发明的方法用于小动物扫描的一种X射线成像设置。在此示意图中，描绘BALB/c小鼠(1)，所述小鼠由呼吸机(6)进行插管和机械通气，并放置在位于液体金属射流X射线源(4)与结构化CSi平板检测器(5)之间的旋转台上的定制样本底座(2)中。X射线源的扩展视图显示液体金属射流阳极(3)相对于入射电子束(8)和X射线束(11)的喷嘴(9)。使用本发明的方法计算的测量值可以由2D血管造影测量值来验证，所述2D血管造影需要在峰值吸气屏息期间使用微量注射泵(7)注射碘化造影剂(为此原因，此图中包括碘泵)。
图5说明使用实验室X射线源产生的典型的2D投影影像。
图6说明由诸如图5中所示的2D影像重构的3D体积的典型单片(使用锥束重构技术)。
图7是肺脉管系统中的碘化造影剂的未经处理X射线投影影像(快速团注碘的血管造影迹线)，其用于验证根据本发明的无造影剂血管量化方法。
图8是图7的滤波形式。使用背景校正和移动平均数来增强影像中的造影剂强度。
图9是图8中所示两个血管(在图8中表示为‘a’和‘b’)的线轮廓图表。此图表显示沿线轮廓的像素强度变化。符号表示平均强度，且误差条表示在黑框范围内(‘a’和‘b’)沿血管获得的10条线轮廓的平均数标准差(s.e.m.)。
图10说明如根据本发明的方法，由多尺度的形状滤波器计算的‘血管特征’(或概率场)。
图11说明在每个分枝中每个点的中心线处由尺度值着色的血管特征。
图12是为了验证起见，来自无造影剂的CT体积的本发明的血管直径测量值(纵轴)相对于来自2D血管造影影像的使用电子卡尺(即，测量影像中的特征尺寸的软件)的血管直径测量值(横轴)的图表。直线表示图表中本发明的测量值等于血管造影测量值的位置。
图13是说明如下文段落中所述的实验中所述的本发明的实施方案中使用的方法步骤的流程图。
图14是经过分割的脉管系统的等距视图，在三个切片位置处覆盖有区域运动信息。
具体实施方式
本发明的方法提供一种由无造影剂的计算机断层扫描(CT)影像获得血管直径测量值的方式。本文中论述的基于实验室的成像系统产生具有足够解析度来体内解析更小血管的影像。本发明的成像系统和方法提供一种用于小动物研究和人类扫描而无需造影剂的替代性血管造影技术，而且理论上随着疾病过程进展或响应治疗而随着时间推移在相同动物中进行重复成像。
图1至3是说明现有技术的方法步骤的流程图(图1)以及说明本发明的实施方案的方法步骤的流程图(图2和图3)。图1说明现有技术的典型方法步骤，其中对无造影剂的影像施用多尺度滤波器，以便分割脉管系统供使用者人工视觉观察。相比之下，图2描绘如本文所述的本发明的实施方案，其对无造影剂的影像使用多尺度的形状滤波器，并且对由多尺度的滤波器数据提取的概率数据(诸如概率场)和尺度数据(诸如尺度场)进行自动分析来检测脉管系统中的不规则性，诸如肺栓塞。如图2中所示，这通过确定脉管系统中心线处的尺度值来实现。图3描绘本发明的方法的一个优选实施方案，其中对无造影剂的影像使用多尺度的形状滤波器，来自滤波器的概率数据(表示为概率场)和尺度数据(表示为尺度场)结果用于直接检测脉管系统中的不规则性(诸如肺栓塞)的可能位置。
所描绘的实施方案例如可包括以下步骤：
提供包含一个或多个血管的肺脉管系统的一个或多个影像，所述影像已在无造影剂的情况下通过体内获取。所述影像通常是3D的，而且可以由患者扫描直接获得以供快速PE诊断的目的，或者在调查性研究的情况下例如可以使用历史性的或已存档的影像。
-对所述影像施用滤波器以产生肺脉管系统的概率场。滤波器通常是基于形状的多尺度滤波器，诸如基于海森的多尺度形状滤波器。此步骤之后可任选地对肺脉管系统的概率场进行漫水填充选择以产生二元影像。此影像可任选地经历对二元影像进行二元分割。接着可以从二元分割提取血管中心线。在血管中心，提取产生最大血管概率的尺度。此尺度对应于血管的尺寸。滤波器(诸如基于海森的多尺度形状滤波器)提供对每个影像体素处存在给定尺寸血管的概率的一种测量方式。因此，本发明的方法可包括利用血管中心线并提取在每个中心线点存在最大血管特征概率值的尺寸。
-分析所述概率场来检测一个或多个血管中的不规则性。在本发明的情况下，基于肺脉管系统中一个或多个血管的血管直径变化来检测血管不规则性。
在机械通气的情况下，对活小鼠(n＝5)中由微计算机断层扫描(pCT)获得的影像施用本发明的方法。图4描绘一种用于此类型成像的适当配置。此方法用于量化肺脉管系统的口径，而无需外部造影剂。为了验证此方法，将测量值与同一小鼠体内的造影剂微血管造影进行对比。
实验数据说明本发明方法的一种优势。具体来说，关于小鼠，所述方法可以对小鼠的整个肺脉管系统进行三维体积测量，而且不使用造影剂或安乐死。因此，由于去除了造影剂，此技术可用于动物的重复成像来研究脉管系统变化，而不存在过早死亡的风险，这是患病的敏感小鼠模型中已知的问题。另外，说明此方法在动物和人类的临床环境可能存在价值。
以下段落描述在无造影剂的情况下使用基于海森的增强型滤波器从pCT影像获得定量的血管口径测量值的实验程序和工具。
(i)实验程序
通过腹膜内注射氯胺酮和赛拉嗪的混合物(分别为150mg/kg和10mg/kg)麻醉八周大的BALB/c雌性小鼠(n＝5)。经口腔气管对小鼠进行插管并使其继续自主呼吸，同时将定制的24-规格的BD Angiocath导管插入颈静脉并继续深入到上腔静脉以供在验证期间施用造影剂(Isovue 370,Bracco Diagnostics)(如下文论述)。在外科手术期间将小鼠以仰卧位牢固限制在定做的丙烯酸底盘中。接着在定制的小动物呼吸机(图4中所示)上使用压力控制通气对小鼠进行通气，吸气压力为20cm.H2O，零呼气末正压，且吸气和呼气时间各300ms(呼吸速率为每分钟100次呼吸)。在这些设置下的呼吸容量对于20g的小鼠而言大约是400pi，或为20μl/g(20ml/kg)。皮下给予小鼠100μl剂量的盐水两次，并通气10分钟，然后进行成像来达到平衡和肺复张。使用缠绕在下腹部和腿上的袖珍取暖器使小鼠保持温暖。
(ii)成像方案
在莫纳什大学(墨尔本，澳大利亚)的动态成像实验室进行成像。X射线成像装置由高亮度的X射线源(Excillum AB)组成，所述X射线源使用由液态金属射流X射线技术(70kV，265W)产生的X射线束，光斑尺寸为15pm。使用高速CMOS平板检测器以30Hz的帧速率(曝光15ms)捕获影像。将小鼠以直立位放置在X射线束前方的丙烯酸底盘中。使用高精度旋转台(Zaber技术)在机械通气下使小鼠旋转400度进行CT扫描。成像与机械通气迹线同步进行，并对呼吸的小鼠进行pCT从而在呼吸周期的15个不同时间点获得肺的4D数据。4DCT中的每个时间点可由800个2D投影影像组成。在小鼠扫描前后，进行以亚克力缸作为基准点的校准扫描。此过程捕获对于准确CT重构结果而言必需的扫描倾斜角和旋转中心。旋转台的源-等中心和源-检测器距离分别是325mm和3325mm。成像系统的有效各向同性体素尺寸为19.4pm。
(iii)3维CT影像重构和分析
随着与机械通气同步进行影像获取，每个影像的呼吸周期中的点是已知的，并根据机械通气迹线拣选数据。换句话说，将多次呼吸中在呼吸周期中同一点获取的影像放成一组类似的影像。使用锥束重构技术重构呼吸周期中给定阶段的每一组中的2D投影影像来获得呼吸周期的不同点的3D体积或影像。
在峰值吸气时(当肺脉管系统与肺本身之间的对比率最大时)，基于Frangi等人(Frangi等人，医学图像计算与计算机辅助干预(Medical Image Computing andComputer-Assisted Interventation)—MICCAI’98(Wells,W.M.,Colchester,A.&Delp,S.编)
130-137(Springer,1998)在http://link.springer.eom/chapter/10.1007/ BFb0056195可得)对CT体积施用血管特征影像滤波器。在多个尺度上使用高斯核函数(离散余弦变换，也称为DCT)，计算海森影像(局部影像梯度)。使局部影像梯度与椭圆体相匹配来区别面状结构和管状结构。这种滤波器用于血管特征参数的体积(概率场)，这是对于任意给定像素属于管状结构的可能性的一种测量方式。对于每一内核尺度计算血管特征的测量值(在4和20个体素之间的范围内，对应于77.6-582pm的范围)。通过选用产生最高血管特征值的尺度，对于每个体素，建立尺度场(或影像)。
使用Avizo(FEI VSG，法国)的漫水填充分割用于以多种尺度从经过计算机处理的血管特征影像分割肺脉管系统。在经过分割的脉管系统中可见脉管树中多达16级的分枝。使用一种骨架化程序(Sato,M.等人,TEASAR:用于精确和结实骨架的树结构提取算法，第8届太平洋计算机图形和应用会议(tree-structure extraction algorithm for accurateand robust skeletons,8th Pacific Conference on Computer Graphics andApplications),2000.论文集(Proceedings)281-449(2000).doi:10.1109/PCCGA.2000.883951)来通过计算机处理经过分割的肺脉管系统的每个分枝中的中心线。然后将来自尺度场的值映射到肺脉管系统的中心线。换句话说，标注每个体素在中心线数据中的位置，并从尺度影像中提取所述体素处的相应尺度值并与中心线中的点相关联。图11显示在通过用中心线尺度值对每个血管着色来将高斯尺度和经过分割的肺脉管系统合并后的复合影像。
(v)验证本发明的实施方案
为了验证所提议的方法，从三个不同视图对同一小鼠进行使用造影剂的2D微血管造影(图7至9)。使用数字减影和平均方案对影像进行预处理来增强肺动脉的强度。图7和8分别显示处理前和处理后由微血管造影获得的影像。
图7是在施用造影剂后约0.6s获得的影像。对七只BALB/c小鼠进行CT(本发明的方法)和2D血管造影(验证方法)，但血管造影手术在两只小鼠中失败，因此只有五只小鼠进行了两项手术。无法准确地将导管尖端放置在上腔静脉处是微血管造影方法的一个不足之处，这由本发明的新方法而得以消除。
对于2D血管造影成像而言，用微量注射泵通过颈静脉套管注射碘化造影剂，所述微量注射泵程序化为以10ml/min的速度传递推注施用0.12ml碘造影剂。在注射碘的前1s开始获取影像，并且每次扫描记录200帧。在峰值吸气时中断通气保持5s屏息时对肺血管成像，以消除因肺活动而造成任何模糊不清。给小鼠至少5min从每次注射造影剂中恢复。每只小鼠进行三次血管造影：右侧前斜位、左侧前斜位以及正面视图(成像期间不旋转)，以45度递增。
使用定制的内部软件以及来自FIJI的工具(Schindelin,J.等人Fiji:开源的生物图像分析平台。自然.方法(an open-source platform for biological-imageanalysis.Nat.Methods)9,676-682(2012))分析血管造影影像序列。使用整个序列的平均影像进行背景校正来增强影像中的碘化血管的强度。为了使像素强度的变化相比于血管中相对碘含量的变化呈现稳定，对背景经过校正的影像序列施用瞬时移动的平均滤波器(每侧五个影像)。
通过血管造影，团注后造影介质仅在动脉中高度可见。因此，此研究中仅验证肺动脉口径测量值。五只小鼠总计获得490个肺动脉直径测量值。
通过2D血管造影影像，使用电子卡尺获得所需血管周围的10条线轮廓(图7和8)。选择血管被造影剂最强烈填充的经过处理的影像序列帧(图8)进行2D血管造影测量。经确定，血管边缘的像素强度变化幅度最大。表1显示个别小鼠数据集的线性回归结果。此研究中的小鼠2具有不规则的造影剂分布，导致使用微血管造影仅产生15个动脉直径测量值。
为进行比较的目的，使用骨架上的点将产生最大血管特征值的内核尺度(DCT)映射到3D体积中。此3D体积经过正向投影产生由DCT着色的经分割脉管树的复合影像(图11)。清晰起见，图中所示血管的直径是来自骨架化算法的中心线树厚度。此体积以45度的增量投影以与由2D血管造影获得的右侧前斜位、左侧前斜位和正面视图匹配。使用探查工具在对应于来自2D血管造影的线测量值的所需区域测量来自复合影像的DCT值。
图9中线条图上的点和误差条表示平均值±SEM。使用线性回归来确定个别小鼠的DCT和DAng之间的关系。表1总结此研究中成像的小鼠的回归数据。图12显示在使用线性回归后获得的此研究中所有小鼠的测量值。
提议的方法产生了令人满意的脉管树，突出了优于使用造影剂测量的优势。验证表明在来自2D血管造影和本发明的无造影剂CT方法(R2＝0.85)的血管直径测量值之间存在良好的相关性。
表1
图13是说明如上文所述本发明的实施方案中所用的方法步骤的流程图。
尽管已参考对肺疾病的小鼠模型中的肺灌流模式的改进分析来说明本发明，但仍显而易见的是本发明的方法对于人类和动物患者都具有临床应用。具体来说，所述方法提供一种无造影剂的方法来产生对肺脉管系统的高保真度3D量化，这使得可以检测肺脉管系统中的异常情况，诸如与PE相关的异常情况。
例如，在患者自由呼吸时，可使用人体扫描仪，诸如锥束CT(CBCT)扫描仪，来获取多个视角的一系列2D胸部X射线影像。所述影像是在未向患者的血流中加入造影剂的情况下获得的，由此避免了因施用造影剂引起的已知不良副作用，诸如造影剂介质诱发的肾病(CIN)。由X射线影像的时间序列，仅对在峰值吸气时(肺脉管系统与肺本身之间的信噪比最大时)获得的2D影像进行CT重构，由此形成肺在峰值吸气时(肺在固定或接近固定时)的单一CT。或者，可以在“屏息”时(患者在扫描期间屏住呼吸)，优选地在峰值吸气时进行CT，以便无需从CT扫描中选择影像。另外，为了提供更大的CT解析度，可将屏息CT“限制”在心动周期，从而从影像中以及从进行滤波的CT中去除对肺具有物理影响的心脏活动。
使用的CT重构技术可以是任何已知的标准CT重构，诸如锥束计算机断层扫描(CBCT)。重构产生一系列2D平面切片，它们可以合并形成肺和肺脉管系统的3D影像10。或者，现代CT扫描仪，诸如螺旋形或盘旋形CT扫描仪，可直接输出3D影像10，这也可以用于分析。
一旦重建3D影像10(或直接由CT机提供)，即可进行影像滤波来从所述影像中提取所需要的数据。具体来说，对3D影像进行形状滤波。对3D影像中的每个体素施用形状滤波器以确定影像中的体素在给定尺度下是确定形状的一部分的概率。这产生所述尺度的概率场(也称为概率影像)。形状滤波器可在多个尺度下施用(即，多尺度的形状滤波器12)，由此产生多个概率场，每个尺度一个。这产生概率数据和尺度数据，可以对这些数据进行问询来扫描脉管系统中的不规则性。可以通过合并多个单尺度概率场形成总的概率场(或影像)14。这通过比较第一体素在每个概率场中的概率并选择最高概率，比较第二体素在每个概率场中的概率并选择最高概率，并对所有体素依此类推来进行。
也记录每个体素出现最高概率的尺度，由此产生相应的总尺度场16(或影像)。在提到概率场和尺度场时，术语场和影像在某种程度上可互换使用，因为概率场和尺度场中的数据可以在视觉上呈现为影像。实际上，概率场表示三维体内影像中的体素是所需形状的一部分的概率，而尺度场表示最大概率地使体素属于所需形状的滤波器尺寸。
可以使用多尺度的形状滤波器12(优选的是基于Frangi等人(如上文说明))来检测形状，诸如盘状结构、管状结构、团状结构等。例如，在研究肺的脉管系统时，形状滤波器将问询管状形状或结构的3D影像10。另外，由于肺中的血管不具有单一直径，因此形状滤波器以多个尺度运行，以获取多种直径的管状结构。
接着如前段中所述建立总的概率场14和尺度场16。换句话说，概率场14将代表三维体内影像中的体素是管状结构的一部分(也称为血管特征)的概率，并且尺度场16将代表每个体素作为其部分的最可能的直径管。为了简化实施多尺度形状滤波器12，可在向3D影像施用滤波器之前将影像反转(如图2中所示)。或者，滤波器可设计成在施用滤波器时有效反转影像(即，可作为滤波过程的一部分来进行反转)。
关于以多个尺度进行滤波，可以使用2至100个尺度、5至50个尺度、10至40个尺度、10至20个尺度、15至20个尺度或优选地18个尺度来进行形状滤波，以便适当地定义肺的脉管系统。尺度可对应于0.2mm至30mm、0.2mm至10mm、0.5mm至30mm、0.5mm至20mm、0.5mm至5mm、1mm至20mm、1mm至10mm或1mm至2mm的血管尺寸。尺度可在血管尺寸范围内等分，或可进行分布以获取血管的已知常见直径。另外，用于计算概率场的尺度数量与用于计算尺度场的尺度数量可不同。例如，可使用30个尺度来计算概率场，然后可使用3000个尺度来计算尺度场。换句话说，可使用更高数量的尺度来计算尺度场以产生更高解析度的尺度场。换句话说，在两个阶段中可施用多尺度的形状滤波器，第一个粗尺度(例如，18个尺度)用于产生概率场，而第二个细尺度(例如，180个尺度)用于产生尺度场。
关于图2中所示的方法，一旦建构总的概率影像14，即可从3D影像10分割脉管树20。这通过对概率场进行区域增长操作来提供肺脉管系统的二元影像(或数据场)来实现。动脉和静脉都可以使用此技术来提取，而且视所需血管的不规则性而定，使用者可选择仅提取动脉或静脉。例如，栓子通常在静脉中堵塞，除了在肺中以外，在肺中通常仅在动脉中堵塞。
区域增长操作是漫水填充或形式填充操作。此步骤通过选择概率影像14中的肺脉管系统的可识别部分来进行，其中形式填充操作连接脉管树中的分枝。举例来说，区域增长操作可以是使用Avizo(FEI VSG，法国)的漫水填充分割。此方法产生具有单一漫水填充部分的二元影像，由此从初始的3D CT重构分割脉管系统。以此方式，在单一步骤中二值化并分割概率场。应了解，如果需要，这可以在两个独立的步骤中进行。
脉管系统经过分割后，使用骨架化程序26来确定经分割脉管系统的每个分枝中的中心线。例如，骨架化程序可以是Sato,M.等人,TEASAR:用于精确和结实骨架的树结构提取算法，第8届太平洋计算机图形和应用会议(tree-structure extraction algorithm foraccurate and robust skeletons,8th Pacific Conference on Computer Graphics andApplications),2000.论文集(Proceedings)281—449(2000).doi:10.1109/PCCGA.2000.883951中所用的相同技术。这提供了一种骨架化的血管树(也称为中心线树)。
在从概率场提取出骨架化的脉管树26后，将尺度场16映射28到骨架化的脉管树26上，由此对血管树的几何结构进行量化。换句话说，在沿骨架化的脉管树26的每一处，从总的尺度场16提取相应的尺度值，由此提供具有包括位置信息(来自从概率场14提取的骨架化的脉管树26)和相对尺寸信息(来自尺度场16)在内的几何信息的单一合并3D数据集29(或影像)。概念化此步骤的另一种方式是使用骨架化的脉管树26作为总尺度场16上的掩码，以便从仅位于骨架化的脉管树26中存在的点处的尺度场16提取关于血管直径的信息。尺度是关于对体素中血管的直径或口径的一种测量方式。以此方式，由尺度值来测量血管直径，而非测量经过分割的脉管系统的直径(这也是可能的)。如果体素尺寸已知，则可将尺度转化为以毫米计的测量值(或任何其它想要的长度单位)。可以通过扫描具有已知直径的管来进行系统校准从而来确定体素尺寸。
在将尺度场16映射28到骨架化的脉管树26后，对合并的数据集29进行自动分析30来检测脉管系统中的不规则性。这可包括例如，扫描栓塞，诸如肺栓塞，或扫描肺脉管系统中的血管不规则性(例如，当检测到的不规则性指示肺栓塞时)。这种分析例如由计算机自动进行，并且不需要使用者识别不规则性的位置。为了检测不规则性，诸如PE，自动分析30包括将脉管树中第一位置的尺度与脉管树中第二位置的尺度进行对比。优选的是第一和第二位置位于脉管树的同一血管分枝中，而且更优选的是第一和第二位置彼此相邻。
应了解，脉管树中健康血管的直径将随着脉管树分叉而固有地改变直径。因此，自动分析30比较直径变化并查找脉管系统的意外变化(即，对于健康脉管树而言意外的)或查找血管健康不佳的已知模式。自动分析可包括对单一分枝中三个(或三个以上)连续点处的尺度进行对比来确定尺度(或直径)的变化趋势。例如，自动分析可包括计算沿血管的变化率、计算沿血管的变化方向、查找减少后增加或查找增加后减少。
按照设想，自动分析可包括计算沿脉管树中分枝长度的尺度变化、优选地沿脉管树的整个分枝长度且更优选地在整个经过分割的脉管树中。分析还可以包括将脉管系统的区段分类为正常或不规则。分析还可以包括分析几何结构以检测血管的堵塞或部分堵塞。进行这些分类的一种方式是通过对直径数据施用拟合函数或样条函数或类似的函数，并且查找数据拟合中而并非原始数据本身的特征。在寻找直径变化中，这尤其适用。(根据Fouras,A.,&Soria,J.(1998)从面内速度场数据得到的平面外涡度测量精度，流体实验(Accuracy of out-of-plane vorticity measurements derived from in-planevelocity field data,Experiments in Fluids),25,409-430.)。
自动分析30完成后，可将结果呈现给使用者(例如，医生)。结果可以可视化地呈现在计算机屏幕上(例如，2D或3D可视化)或以报告形式呈现(例如，纸质版或电子版的报告)。按照设想，结果可以呈现为脉管系统的原始三维影像10上的覆盖图。例如，已确认血管不规则性的区域可以突出显示以使这些区域引起医生的注意，由此增强医生快速并准确地检测脉管系统问题(诸如肺栓塞)的能力。或者，结果可以呈现为经过分割的脉管系统的彩色编码影像，其中彩色编码代表脉管系统的尺度(或直径)。按照设想，也可以使用多种其它的变量来呈现自动分析30的结果，诸如直径变化等。换句话说，所述方法可包括提供可视化的脉管系统，显示血管不规则性区域(例如，其中不规则性是肺栓塞)。
参考图3中所示的方法，图3显示一种在无造影剂的情况下对三维体内影像10中的血管不规则性进行扫描的方法，所述方法包括：对三维体内影像10施用滤波器112来提供概率数据(显示为概率场114)和尺度数据(显示为尺度场116)；以及对所述概率场和/或所述尺度场进行自动分析130来检测脉管系统中的不规则性。
应了解，在由多尺度的形状滤波器112产生概率场114和尺度场116后，存在多种方式用于将数据合并来探寻血管异常，诸如PE。例如，不同于对脉管树进行分割和骨架化(如图2中所示)，可直接或更直接地对概率场114和尺度场116进行问询或合并来检测血管不规则性或异常(如图3中所示)。例如，可能在尺度场116中直接搜寻“标记”尺度图案(例如，代表PE的图案)。可以通过对大量初始患者进行上文结合图2所述显示的方法并识别代表PE的图案来确定“标记”尺度图案。在识别出标记后，可直接用于为所述标记图案搜寻尺度场116。
或者，不同于对脉管树进行分割，可以使用概率场114来屏蔽尺度场116。这可以通过对概率场114施用阈值转换步骤(来提取脉管系统的大致位置)，接着使用经过阈值转换的概率场屏蔽尺度场116来实现。这基本上仅在阈值转换步骤接近将要定位的脉管树的位置处产生具有尺度数据的尺度场116。由这种屏蔽的尺度场，血管将呈现“碗型”形状(滤波器的人为现象)，这接着可用来确定血管位置和尺寸，可对其进行自动几何分析30。
不包括分割脉管系统的步骤的优势在于计算时间减少。也去除了漫水填充步骤，这可能需要使用者人工识别脉管树的一部分。因此，不分割脉管系统的检测不规则性的方法可提供对三维影像的快速分析并且使用者可以自由分析。
现在提到将用于获取人类影像的装置，按照设想，如图4中所示的类似配置可用于人体扫描仪，其中患者在旋转台上旋转。或者，所述装置可代替使X射线源和X射线检测器绕患者旋转，如同在标准CT成像中，患者需要保持固定不动。为了减少在获取CT影像期间的辐射剂量，可以使用门控技术以使得在峰值吸气期间只获得影像并且只传递X射线辐射。
按照设想，三维体内影像可以由一个使用者(诸如，医院的技师)获得，并由另一个使用者(诸如，分析公司)进行分析(即，施用滤波器并进行分析的步骤)。换句话说，对于第一使用者而言的方法是在无造影剂的情况下获取三维体内影像10(可以是简单的标准CT，诸如螺旋形或盘旋形CT)，而对于第二使用者而言的方法是对三维体内影像10施用滤波器12、112来提供概率场14、114和尺度场16、116，并对来自概率场14、114和尺度场16、116的数据进行自动分析30、130来检测脉管系统中的不规则性。因此，按照设想，分析系统(即，硬件、软件等)可能远离成像系统(例如，CT扫描仪)，而且所述方法可包括获取第一位置的三维影像10并将三维影像10传送到第二位置(例如，场外位置)进行分析12、30、112、130。
现参考图14，按照设想，来自本文所述方法的详细几何信息可以与局部(或区域性的)运动测量值合并来计算通气/灌流(V/Q)比值(下文简称为V/Q或通气灌流)的替代值。具体来说，肺的一部分110的运动可以与肺的所述部分110的区域中脉管系统的尺度进行对比来获得通气/灌流测量值。
图14显示经过分割的脉管系统100，其中在三个切片位置102、104、106(例如，在肺的多个部分)上具有叠加的运动信息。血管口径信息可用作对流向特定区域的血流的估计值(表示灌流)，而且可以与局部运动测量值(表示通气)合并。这些测量值将需要三维体内肺影像(对于脉管树信息而言)和肺影像的时间序列(对于运动测量值而言)。三维体内肺影像可如上文所述(例如，CT扫描)来获取。肺影像系列可以只有两个影像(由此可以确定呼吸循环中在那一点的肺运动)，或者肺影像系列可包括完整的呼吸周期，由此使得可以测量整个呼吸周期的肺运动。又如前文所述，用于脉管系统测量的成像可以限制在呼吸、心动周期或限制在这两方面。
肺的一部分110的运动可以通过任何合适的技术来计算，然而优选的是使用标题为“适用于X射线投影成像的粒子图像测速仪(Particle image velocimetry suitablefor X-ray projection imaging)”的美国专利No.9,036,887 B2中所述的计算机断层X射线测速法(CTXV)来测量，所述专利全文以引用方式并入本文。CTXV使用由多个投影角度获取的X射线影像来测量目标(在此情形下是肺)的区域性三维运动。
CTXV中的运动追踪是基于称为粒子影像测速法(PIV)的熟知技术，其中通过选择时间序列的第一影像中的一个区域并使选择的区域与所述时间序列中的第二影像在统计学上相关联来计算此区域的位移量。运动测量值因此可以是对位移、速度、膨胀(或通气)的2D或3D测量值或任何其它合适的运动测量值。气道中的流动也可以由运动测量值来计算。
通常对影像中的多个区域进行CTXV，由此提供整个影像中的区域运动测量值。尤其是关于肺成像，CTXV提供肺的部分的多个区域运动测量值，从而提供局部肺移动以及膨胀测量值。CTXV可在高空间解析度下进行，意思是在选择用于比较的肺的部分中具有多个运动测量值。如果是这种情形，那么多个运动测量值可以相加(加和)或进行平均。也设想将评估肺的多个部分(即，将存在多个肺部分)的通气/灌流。
在可将通气与灌流进行对比之前，使来自两次扫描的数据彼此关联(例如，来补偿不同解析度的扫描)。也将两个数据集旋转对齐。
为了将运动与尺度相对比(即，“灌流”与“通气”相对比)，测量经过分割的脉管系统在肺的部分110中或其周围的区域中的尺度。例如，可在部分110的周围或边界处测量血管的尺度，或可在部分110的中心处进行测量。优选的是，每个部分110将只有单个与此部分相关联的分枝(即，此部分中并未伸入两个分枝)。这可以包括使肺的所述部分位于经过分割的脉管系统的分枝端点处。或者，肺的所述部分可按所需的尺度值(即，血管直径)定位，所有部分都以相同的尺度值定位。
通过比较运动或来源于运动(具体来说就是膨胀)的参数以及肺的多个部分(例如，图14中所示的部分120、122、124)中的尺度，获得整个肺中的通气/灌流测量值，从而可对通气/灌流进行区域性比较。此方法因此可检测不均一的通气/灌流，一种熟知的肺健康不佳迹象，诸如肺栓塞(即，在PE部位，通气正常但灌流减小，且因此通气/灌流比值高)。
一种评估V/Q的方法是基于进料器、基于树或基于解剖学的方法。通过双气道和动脉(也存在静脉)向肺中的区域馈入空气和血液。因此，距离动脉或气道中一点(即，需要的部分)远端的肺的整个区域主要由那一点来馈送。通过选择对与所述位置的气道和动脉相关的通气和灌流的测量值，获得距离所述位置远端的整个区域的良好V/Q测量值。所述位置的血管口径是灌流的良好替代物，而且上文所述的运动测量方式使得可以测量气道中同一位置的流动。
或者，另一种评估V/Q的方法是基于区域的方法。对于肺中的任何区域而言(甚至并非基于树或基于解剖学的区域——例如，诸如图14中所示的一块组织)，可以采用统计学方法作为通气和灌流的替代物。有几种方式来提供对于选定区域中灌流的测量。例如，可计算所述区域的模态或平均直径，可计算所述区域中的模态或平均直径的长度或体积加权体积，或可计算所述区域中血管的合并体积。还有几种方式来提供对通气的测量。例如，可计算对所述区域中每个体素总计的总膨胀，或可确定所述区域中的模态或平均膨胀。
尽管在无造影剂情况下对三维体内影像中的血管不规则性进行扫描的方法已主要关于检测肺中的不规则性进行论述，但按照设想，所述方法可适用于身体其它部分中的血管。例如，所述方法可适用于体内的其它器官，诸如大脑、心脏、肝或肾。
尽管本发明在上文中已描述为使患者在成像期间可以自由呼吸，但按照设想，患者可替代地在屏息期间进行成像。屏息可以通过患者在成像期间简单地屏住呼吸来控制，或者可以通过通气系统来控制。另外，尽管本发明在上文中描述为在整个呼吸周期中获取影像，而且接下来只使用在峰值吸气时获得的影像，但按照设想，成像可以视需要控制在峰值吸气(即，以便只获取峰值吸气时的影像)或呼吸周期的任意其它点，以便只获取呼吸周期中单一点的影像，从而减少传递给患者的辐射剂量。
尽管上文已描述本发明使用在无造影剂情况下(这对患者提供健康益处)获取的影像，但按照设想，所述技术也可以应用于使用造影剂的影像。
尽管上文已描述本发明使用至少一个影像，2D影像和/或3D影像，但应注意，本发明可以结合多个2D影像和/或至少一个3D影像中任一个或其任意的组合来使用。
尽管本发明已结合其具体的实施方案进行描述，但应了解可以进一步修改。本申请打算涵盖本发明的任何变化形式、用途或修改形式，一般来说遵循本发明的原则并且包括在本发明所属领域内已知或惯例范围内的本公开的所述偏离形式，而且可适用于前文陈述的基本特征。
由于本发明可在不偏离本发明的基本特征的精神下以几种形式来具体化，但应了解，除非另外说明，否则上述实施方案并不限制本发明，而应在如随附权利要求所定义的本发明的精神和范畴内广泛地解释。所述实施方案在所有方面都应认为仅是说明性而非限制性的。
在本发明和随附权利要求的精神和范畴内打算包括各种修改和等效的配置形式。因此，具体的实施方案应理解为对实践本发明原则的多种手段的说明。在下文的权利要求中，手段加功能的条款打算涵盖执行所定义的功能的结构以及不仅涵盖结构等效物，而且涵盖等效的结构。
应注意，当本文中使用术语“服务器”、“安全服务器”或类似术语时，除非上下文另外要求，否则通信装置被描述为可用在通信系统中，而且不应解释为将本发明限制为任何特定的通信装置类型。因此，通信装置可包括(不限于)可能安全或不安全的桥接器、路由器、桥接器-路由器(路由器)、开关、节点或其它通信装置。
还应该注意，当本文中使用流程图来说明本发明的各个方面时，不应解释为将本发明限制为任何特定的逻辑流程或逻辑实施方式。所述的逻辑可分为不同的逻辑块(例如，程序、模块、功能或子程序)，但不改变总的结果或者不偏离本发明的实际范畴。逻辑元素常可以加入、修改、省略、以不同的顺序执行或使用不同的逻辑结构(例如，逻辑门、循环原始值、条件逻辑以及其它逻辑结构)实施，而不改变总的结果或者不偏离本发明的实际范畴。
本发明的各种实施方案可以按多种不同的形式具体化，包括用于处理器(例如，微处理器、微控制器、数字信号处理器或通用计算机，而且就此而言，任何商用的处理器都可以作为单独的处理器、系统中的串联组或并联组处理器来实施本发明的实施方案，而且因此商用处理器的例子包括(但不限于)MercedTM、PentiumTM、Pentium IITM、XeonTM、CeleronTM、Pentium ProTM、EfficeonTM、AthlonTM、AMDTM等等)的计算机程序逻辑、用于可编程逻辑装置(例如，现场可编程门阵列(FPGA)或其它PLD)的可编程逻辑、分立元件、集成电路(例如，专用集成电路(ASIC))或任何其他构件，包括其任意组合。在本发明的一个示范性的实施方案中，使用者和服务器之间主要的所有通信都是以一组计算机程序指令来实施的，这组计算机程序指令被转化成计算机可执行形式，这样储存在计算机可读介质中并在操作系统的控制下由微处理器来执行。
实施本文所述的所有或部分功能的计算机程序逻辑可以按各种形式具体化，包括源代码形式、计算机可执行形式以及各种中间形式(例如，由汇编器、编译器、链接器或定位器产生的形式)。源代码可包括用于各种操作系统或操作环境的一系列以任意各种编程语言(例如，目标代码、汇编语言或高级语言，诸如Fortran、C、C++、JAVA或FITML。此外，有数百种可用于实施本发明的实施方案的可用计算机语言，其中更为常见的是Ada、Algol、APL、awk、Basic、C、C++、Conol、Delphi、Eiffel、Euphoria、Forth、Fortran、HTML、Icon、Java、Javascript、Lisp、Logo、Mathematica、MatLab、Miranda、Modula-2、Oberon、Pascal、Perl、PL/I、Prolog、Python、Rexx、SAS、Scheme、sed、Simula、Smalltalk、Snobol、SQL、VisualBasic、Visual C++、Linux和XML.)实施的计算机程序指令。源代码可以定义和使用各种数据结构和通信报文。源代码可以是计算机可执行形式(例如，通过注释器)或源代码可以转化成(例如，通过翻译器、汇编器或编译器)计算机可执行形式。
计算机程序可按任意形式(例如，源代码形式、计算机可执行形式或中间形式)永久地或暂时地固定在有形的存储介质中，诸如半导体存储装置(例如，RAM、ROM、PROM、EEPROM或闪存可编程RAM)、磁性存储装置(例如，磁盘或硬盘)、光学存储装置(例如，CD-ROM或DVD-ROM)、PC卡(例如，PCMCIA卡)或其它存储装置。计算机程序可以按任意形式固定在可以使用任意各种通信技术传输给计算机的信号中，所述通信技术包括(但绝不限于)模拟技术、数字技术、光学技术、无线技术(例如，蓝牙)、联网技术以及互联网技术。计算机程序可以按任意形式分布成附有印刷或电子文档的可移动存储介质(例如，压缩打包软件)、预装载计算机系统(例如，装载在系统ROM或硬盘上)或由服务器或电子公告板分布在通信系统(例如，因特网或万维网)上。
实施本文所述的所有或部分功能的硬件逻辑(包括用于可编程逻辑装置的可编程逻辑)可以使用传统的人工方法来设计，或者可以使用各种工具来设计、捕获、模拟或电子记录，所述工具诸如计算机辅助设计(CAD)、硬件描述语言(例如，VHDL或AHDL)或PLD编程语言(例如，PALASM、ABEL或CUPL)。硬件逻辑也可以并入用于实施本发明的实施方案的显示屏中，并且所述显示屏可以是分段显示屏、模拟显示屏、数字显示屏、CRT、LED屏幕、等离子屏幕、液晶二极管屏幕等等。
可编程逻辑可以永久地或暂时地固定在有形的存储介质中，诸如半导体存储装置(例如，RAM、ROM、PROM、EEPROM或闪存可编程RAM)、磁性存储装置(例如，磁盘或硬盘)、光学存储装置(例如，CD-ROM或DVD-ROM)或其它存储装置。可编程逻辑可固定在可以使用任意各种通信技术传输给计算机的信号中，所述通信技术包括(但绝不限于)模拟技术、数字技术、光学技术、无线技术(例如，蓝牙)、联网技术以及互联网技术。可编程逻辑可以分布成附有印刷或电子文档的可移动存储介质(例如，压缩打包软件)、预装载计算机系统(例如，装载在系统ROM或硬盘上)或由服务器或电子公告板分布在通信系统(例如，因特网或万维网)上。
本说明书中使用“包含”和“包括”来说明存在所述的特征、整数、步骤或组分，但不排除存在或加入一个或多个其它特征、整数、步骤、组分或其群组。因此，除非上下文另外明确要求，否则在整个说明书和权利要求书中，词汇“包含”、“包括”等等应解释为与排除性或穷举性意义相反的包涵性意义；也就是说，意义在于“包括(但不限于)”。

Claims (33)

1.一种对在无造影剂情况下获得的至少一个体内影像中的血管不规则性进行扫描的方法，所述方法包括：
对所述体内影像施用滤波器来提供概率场和尺度场；
对可能的区域进行血管分割来从所述概率场提取脉管树；
将所述尺度场映射到经过分割的所述脉管树来对所述脉管树的几何结构进行量化；以及
对经过计算的所述几何结构进行自动几何分析以检测所述脉管系统中的不规则性。
2.根据权利要求1所述的方法，其中对所述脉管系统进行分割的步骤包括对所述概率场进行区域增长操作。
3.根据权利要求1或权利要求2所述的方法，其中所述对所述体内影像施用滤波器的步骤包括施用形状滤波器。
4.根据权利要求3所述的方法，其中所述形状滤波器中使用的形状为管状，并且所述形状滤波器为多尺度的形状滤波器。
5.根据权利要求3或权利要求4所述的方法，其中所述形状滤波器为基于海森的滤波器。
6.根据权利要求1至5中任一项所述的方法，其中进行所述自动几何分析的步骤包括将所述脉管树中第一位置处的尺度与所述脉管树中第二位置处的尺度进行对比。
7.根据权利要求1至5中任一项所述的方法，其中进行所述自动几何分析的步骤包括计算沿所述脉管树中的分枝长度的尺度变化。
8.根据权利要求1至7中任一项所述的方法，所述方法包括对整个经过分割的所述脉管树进行自动几何分析。
9.根据权利要求1至8中任一项所述的方法，所述方法包括在无造影剂的情况下获取三维体内影像。
10.根据权利要求9所述的方法，所述方法包括获取肺的三维体内影像。
11.根据权利要求1至10中任一项所述的方法，所述方法包括对栓塞进行扫描。
12.根据权利要求1至11中任一项所述的方法，所述方法包括对肺脉管系统中的血管不规则性进行扫描。
13.根据权利要求1至12中任一项所述的方法，所述方法包括分析所述几何结构来将所述脉管系统的区段分类为正常或不规则。
14.根据权利要求1至13中任一项所述的方法，所述方法包括在滤波步骤之前将三维影像反转。
15.一种对在无造影剂情况下获得的至少一个体内影像中的血管不规则性进行扫描的方法，所述方法包括：
对所述体内影像施用滤波器来提供概率数据和尺度数据；
对概率场和/或尺度场进行自动分析以检测脉管系统中的不规则性。
16.根据权利要求15所述的方法，所述方法包括对所述体内影像施用多尺度的形状滤波器。
17.根据权利要求15或权利要求16所述的方法，其中进行所述自动分析的步骤包括将第一位置处的尺度与第二位置处的尺度进行对比。
18.根据权利要求15至17中任一项所述的方法，所述方法包括对可能的区域进行血管分割来从所述体内影像提取脉管树。
19.根据权利要求18所述的方法，所述方法包括将所述尺度场映射到经过分割的所述脉管树来对所述脉管树的几何结构进行量化。
20.一种对在无造影剂情况下获得的至少一个体内影像中的血管不规则性进行扫描的方法，所述方法包括：
对所述体内影像施用多尺度的形状滤波器来提供概率场和尺度场，所述概率场代表所述体内影像中的体素是管状结构的一部分的概率，并且所述尺度场代表最大概率地使所述体素属于管状结构的滤波器尺寸；以及
对所述概率场和所述尺度场进行自动分析以检测脉管系统中的不规则性。
21.一种对在无造影剂情况下获得的至少一个体内影像中的肺栓塞进行扫描的方法，所述方法包括：
对所述体内影像施用多尺度的形状滤波器来提供概率场和尺度场；
对可能的区域进行血管分割来提取脉管树；
将所述尺度场映射到经过分割的所述脉管树来对脉管系统的几何结构进行量化；以及
计算沿所述脉管树中的分枝长度的尺度变化以检测所述脉管系统中的不规则性。
22.一种对在无造影剂情况下获得的至少一个体内影像中的肺脉管系统中的肺栓塞进行扫描的方法，所述方法包括：
根据弗朗吉1998施用基于海森的多尺度的形状滤波器来提供概率场和尺度场；
通过对所述概率场进行区域增长操作来从所述概率场分割血管树；
通过提取所述脉管树中每个分枝的中心线来骨架化所述脉管树；
将所述尺度场映射到经过骨架化的所述脉管树来提供经过骨架化的所述脉管树中每个点处的血管尺度；以及
计算沿所述脉管树中的分枝长度中的中心线的尺度变化以检测肺栓塞。
23.一种检测肺脉管系统中的不规则性的方法，所述方法包括以下步骤：
(i)提供包含一个或多个血管的肺脉管系统的至少一个影像，所述影像已在无造影剂的情况下通过体内获取，
(ii)对所述影像施用滤波器来产生包括肺脉管系统的概率场和尺度场的输出，并且使用一种或两种形式的所述输出来对所述肺脉管系统的几何结构进行分割和量化，
(iii)结合几何分析来分析所述输出以检测所述肺脉管系统的一个或多个血管中的不规则性。
24.根据权利要求23所述的方法，其中步骤(ii)包括一个或多个以下子步骤：
(ii)(a)对来自步骤(i)的所述影像施用基于海森的多尺度形状滤波器(根据弗朗吉1998)来提供所述肺脉管系统的概率场，
(ii)(b)对所述肺脉管系统的所述概率场进行漫水填充选择来产生二元影像，
(ii)(c)对所述二元影像进行二元分割，
(ii)(d)从所述二元分割进行血管中心线提取，以及
(ii)(e)使来自所述形状滤波器的尺度(最大概率地使所述影像上的任意给定点均属于管状结构的滤波器尺寸)与沿所述脉管树中心线的每个点相关联来获得局部几何数据。
25.根据权利要求23或权利要求24所述的方法，其中分析所述输出的步骤包括计算血管直径的变化。
26.根据权利要求23至25中任一项所述的方法，其中所述不规则性包括一个或多个肺栓塞。
27.一种由在无造影剂情况下获得的至少一个体内肺影像和肺影像的时间序列来计算通气/灌流比值的方法，所述方法包括：
对所述体内肺影像施用滤波器来提供概率场和尺度场；
对可能的区域进行血管分割来从所述概率场提取脉管树；
将所述尺度场映射到经过分割的所述脉管树来对所述脉管树的几何结构进行量化；
由所述肺影像的时间序列来测量所述肺的一部分的移动量；
将所述肺的所述部分的移动量与所述肺的所述部分的区域中的脉管系统尺度进行对比来获得通气/灌流测量值。
28.根据权利要求27所述的方法，所述方法包括测量所述肺的所述部分的位移量。
29.根据权利要求27或权利要求28所述的方法，所述方法包括测量所述肺的所述部分的膨胀量。
30.根据权利要求27至29中任一项所述的方法，所述方法包括测量所述肺的所述部分中多个点处的移动量并将所述多个测量值进行平均。
31.根据权利要求27至29中任一项所述的方法，所述方法包括测量所述肺的多个部分的移动量，并将所述多个部分各自进行对比。
32.根据权利要求27至31中任一项所述的方法，其中所述肺的所述部分由远离经过分割的所述脉管系统中的选定点的区域来界定。
33.根据前述权利要求中任一项所述的方法，其中所述至少一个影像是多个2D影像和/或至少一个3D影像中的任意一个或任意组合。
CN201780027712.4A 2016-03-04 2017-02-24 成像方法及系统 Active CN109414218B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
AU2016900817A AU2016900817A0 (en) 2016-03-04 Method and System for Pulmonary Imaging
AU2016900817 2016-03-04
PCT/AU2017/000054 WO2017147642A1 (en) 2016-03-04 2017-02-24 Method and system for imaging

Publications (2)

Publication Number Publication Date
CN109414218A true CN109414218A (zh) 2019-03-01
CN109414218B CN109414218B (zh) 2022-09-23

Family

ID=59742389

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780027712.4A Active CN109414218B (zh) 2016-03-04 2017-02-24 成像方法及系统

Country Status (8)

Country Link
US (1) US11278256B2 (zh)
EP (2) EP3422939A4 (zh)
JP (2) JP7152952B2 (zh)
CN (1) CN109414218B (zh)
AU (2) AU2017225895B2 (zh)
CA (1) CA3019744A1 (zh)
SG (1) SG11201807501UA (zh)
WO (1) WO2017147642A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111768450A (zh) * 2020-06-10 2020-10-13 北京的卢深视科技有限公司 基于散斑图的结构光相机行偏差的自动检测方法和装置

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3519828A4 (en) * 2016-09-29 2020-06-03 Animantis, LLC METHOD AND DEVICE FOR EVALUATING IMMUNE SYSTEM ACTIVITY AND THERAPEUTIC EFFECTIVENESS
CN111612860B (zh) * 2019-02-22 2023-09-15 曹生 基于VRDS 4D医学影像的栓塞的Ai识别方法及产品
US20210217173A1 (en) * 2020-01-15 2021-07-15 Ricoh Company, Ltd. Normalization and enhancement of mri brain images using multiscale filtering
EP3872755B1 (en) * 2020-02-28 2023-03-29 Siemens Healthcare GmbH Method for providing airway information
KR102399510B1 (ko) * 2020-06-02 2022-05-19 주식회사 메디픽셀 사용자 입력에 기초하여 혈관 영상을 처리하는 방법 및 장치
KR102395873B1 (ko) * 2020-06-02 2022-05-10 주식회사 메디픽셀 자동으로 혈관 영상을 처리하는 방법 및 장치
CN112465749B (zh) * 2020-11-11 2024-03-22 沈阳东软智能医疗科技研究院有限公司 提取肺栓塞图像的方法、装置、存储介质及电子设备
WO2022164374A1 (en) * 2021-02-01 2022-08-04 Kahraman Ali Teymur Automated measurement of morphometric and geometric parameters of large vessels in computed tomography pulmonary angiography
US11759658B2 (en) * 2021-03-31 2023-09-19 Siemens Healthineers International Ag Motion artifact reduction in computed tomography

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101116103A (zh) * 2005-02-11 2008-01-30 皇家飞利浦电子股份有限公司 从三维医学图像中自动提取肺动脉树的方法
US20090012382A1 (en) * 2007-07-02 2009-01-08 General Electric Company Method and system for detection of obstructions in vasculature
WO2009090894A1 (ja) * 2008-01-15 2009-07-23 Konica Minolta Medical & Graphic, Inc. 動態画像診断支援システム
CN102258381A (zh) * 2010-03-12 2011-11-30 西门子公司 用于自动检测和分类心脏ct容积中的冠状动脉狭窄的方法和系统
CN104271037A (zh) * 2012-03-02 2015-01-07 慕曼德保健公司 用于校准与个体血液循环中氧水平相关的呼吸气体中氧水平的方法
WO2015157799A1 (en) * 2014-04-15 2015-10-22 4Dx Pty Ltd Method of imaging

Family Cites Families (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5491642A (en) 1993-12-03 1996-02-13 United Technologies Corporation CCD based particle image direction and zero velocity resolver
US6631716B1 (en) 1998-07-17 2003-10-14 The Board Of Trustees Of The Leland Stanford Junior University Dynamic respiratory control
US6385332B1 (en) 1999-02-19 2002-05-07 The John P. Roberts Research Institute Automated segmentation method for 3-dimensional ultrasound
DE19948827A1 (de) 1999-10-06 2001-04-12 Klaus Affeld Verfahren zur berührungslosen Messung der Geschwindigkeit in Strömungen auf der Basis von Materie durchdringenden Strahlung
US6549646B1 (en) 2000-02-15 2003-04-15 Deus Technologies, Llc Divide-and-conquer method and system for the detection of lung nodule in radiological images
US6650928B1 (en) 2000-11-27 2003-11-18 Ge Medical Systems Global Technology Company, Llc Color parametric and composite maps for CT perfusion
WO2002065395A2 (en) 2001-02-13 2002-08-22 Koninklijke Philips Electronics N.V. Analysis of successive data sets
US6373920B1 (en) 2001-03-16 2002-04-16 Ge Medical Systems Global Technology Company, Llc Method and apparatus for acquiring CT perfusion images
US6816607B2 (en) 2001-05-16 2004-11-09 Siemens Corporate Research, Inc. System for modeling static and dynamic three dimensional anatomical structures by 3-D models
AU2003230409A1 (en) 2002-05-17 2003-12-02 The Henry M. Jackson Foundation Respiratory referenced imaging
KR100500957B1 (ko) 2002-07-12 2005-07-18 수석토건설(주) 투수성 포장재를 가진 도로 경계용 측구 및 그의 시공 방법
US7447536B2 (en) 2002-11-12 2008-11-04 G.E. Medical Systems Global Technology Company, Llc System and method for measurement of local lung function using electron beam CT
US6937776B2 (en) 2003-01-31 2005-08-30 University Of Chicago Method, system, and computer program product for computer-aided detection of nodules with three dimensional shape enhancement filters
AU2004251360A1 (en) 2003-06-25 2005-01-06 Siemens Medical Solutions Usa, Inc. Automated regional myocardial assessment for cardiac imaging
US20050053267A1 (en) 2003-09-05 2005-03-10 Varian Medical Systems Technologies, Inc. Systems and methods for tracking moving targets and monitoring object positions
US7756565B2 (en) 2003-11-26 2010-07-13 General Electric Company Method and system for composite gating using multiple inputs
US7333643B2 (en) 2004-01-30 2008-02-19 Chase Medical, L.P. System and method for facilitating cardiac intervention
US8175358B2 (en) 2004-03-04 2012-05-08 Koninklijke Philips Electronics N.V. Apparatus and method for the processing of perfusion images
US7447344B2 (en) 2004-04-16 2008-11-04 Siemens Medical Solutions Usa, Inc. System and method for visualization of pulmonary emboli from high-resolution computed tomography images
US7742639B2 (en) 2004-04-16 2010-06-22 Koninklijke Philips Electronics N.V. Data set visualization
WO2005112757A2 (de) 2004-05-17 2005-12-01 Thomas Rupprecht Verfahren zur diagnose funktioneller lungenerkrankungen
US7583829B2 (en) 2004-09-13 2009-09-01 Siemens Medical Solutions Usa, Inc. Method and apparatus for embolism analysis
WO2006050388A2 (en) 2004-11-02 2006-05-11 The Children's Hospital Of Philadelphia Respiratory volume/flow gating, monitoring, and spirometry system for mri
EP2684521A1 (en) 2004-11-16 2014-01-15 Medrad Inc. Modeling of pharmaceutical propagation
EP1859404B1 (en) 2005-02-11 2018-12-19 Philips Intellectual Property & Standards GmbH Identifying abnormal tissue in images of computed tomography
US7991449B2 (en) 2005-04-26 2011-08-02 Mayo Foundation For Medical Education And Research Imaging elastic properties of the lung with magnetic resonance elastography
JP2007089674A (ja) 2005-09-27 2007-04-12 Ge Medical Systems Global Technology Co Llc 外観形状計測装置およびｘ線ｃｔ装置
US20070092864A1 (en) 2005-09-30 2007-04-26 The University Of Iowa Research Foundation Treatment planning methods, devices and systems
US7668357B2 (en) 2005-10-17 2010-02-23 Stanford University Method and system for using computed tomography to test pulmonary function
US7876936B2 (en) 2006-01-31 2011-01-25 Mevis Medical Solutions, Inc. Method for segmenting arteries and veins
JP2009540942A (ja) 2006-06-22 2009-11-26 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ デュアルｘ線管ゲーティング
JP5457178B2 (ja) 2006-06-30 2014-04-02 ブロンカス テクノロジーズ， インコーポレイテッド 気道バイパス部位選択および治療計画
US7570738B2 (en) 2006-08-04 2009-08-04 Siemens Medical Solutions Usa, Inc. Four-dimensional (4D) image verification in respiratory gated radiation therapy
US8103077B2 (en) 2006-12-11 2012-01-24 Siemens Aktiengesellschaft Method and system for locating opaque regions in chest X-ray radiographs
EP2104920B1 (en) * 2007-01-11 2015-03-04 Intellectual Property MVM B.V. The measurement of functional microcirculatory geometry and velocity distributions using automated image analysis
US8244012B2 (en) 2007-02-05 2012-08-14 Siemens Medical Solutions Usa, Inc. Computer aided detection of pulmonary embolism with local characteristic features in CT angiography
US20080193904A1 (en) 2007-02-14 2008-08-14 University Of Central Florida Research Foundation Systems and Methods for Simulation of Organ Dynamics
US8553832B2 (en) 2007-05-21 2013-10-08 Siemens Aktiengesellschaft Device for obtaining perfusion images
DE102007028226B4 (de) 2007-06-20 2015-11-19 Siemens Aktiengesellschaft Auswertungsverfahren für eine zeitliche Sequenz von Röntgenbildern und hiermit korrespondierende Gegenstände
US7965810B2 (en) 2007-06-26 2011-06-21 General Electric Company Device and method for identifying occlusions
WO2009078297A1 (ja) 2007-12-19 2009-06-25 Konica Minolta Medical & Graphic, Inc. 動態画像処理システム
JP2011524754A (ja) 2008-02-13 2011-09-08 キットウェア インク 細胞の損傷および疾患のリスクを測定する方法およびシステム
WO2009102996A2 (en) 2008-02-15 2009-08-20 Mayo Foundation For Medical Education And Research System and method for quantitative imaging of chemical composition to decompose more than two materials
US8805044B2 (en) 2008-04-18 2014-08-12 Koninklijke Philips N.V. Segmenting pulmonary arteries
US8538111B2 (en) 2008-04-21 2013-09-17 University Of South Florida Method and apparatus for pulmonary ventilation imaging using local volume changes
JP5454844B2 (ja) 2008-08-13 2014-03-26 株式会社東芝 超音波診断装置、超音波画像表示装置及び超音波画像表示プログラム
CN101393644B (zh) * 2008-08-15 2010-08-04 华中科技大学 一种肝门静脉血管树建模方法及其系统
JP5317580B2 (ja) 2008-08-20 2013-10-16 株式会社東芝 Ｘ線ｃｔ装置
RU2409313C2 (ru) 2008-11-27 2011-01-20 Амиран Шотаевич РЕВИШВИЛИ Способ неинвазивного электрофизиологического исследования сердца
US8878838B2 (en) 2009-01-29 2014-11-04 Koninklijke Philips N.V. Visualizing a time-variant parameter in a biological structure
EP2228009B1 (en) 2009-03-09 2018-05-16 Drägerwerk AG & Co. KGaA Apparatus and method to determine functional lung characteristics
EP2464293A1 (en) 2009-08-12 2012-06-20 Pulmosonix Pty Ltd Determining dynamic airway response in a subject
EP2742866B1 (en) 2009-09-16 2021-10-27 4DMedical Limited Particle image velocimetry suitable for X-ray projection imaging
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
CN104887258B (zh) 2010-08-27 2018-04-03 柯尼卡美能达医疗印刷器材株式会社 诊断支援系统
CN103079466B (zh) 2010-08-27 2015-11-25 柯尼卡美能达医疗印刷器材株式会社 胸部诊断辅助系统
US9254112B2 (en) 2011-03-23 2016-02-09 Siemens Corporation Respiratory interval-based correlation and processing of dynamic imaging data
JP5672147B2 (ja) 2011-05-24 2015-02-18 コニカミノルタ株式会社 胸部診断支援情報生成システム
US9538976B2 (en) 2011-07-28 2017-01-10 The Board Of Trustees Of The Leland Stanford Junior University Modulating gantry rotation speed and image acquisition in respiratory correlated (4D) cone beam CT images
FR2979453B1 (fr) 2011-08-26 2016-01-08 Olea Medical Systeme et procede pour estimer une quantite d'interet d'un systeme dynamique artere/tissu/veine
WO2013053000A1 (en) 2011-10-10 2013-04-18 Monash University Heart imaging method
US9211110B2 (en) 2013-03-15 2015-12-15 The Regents Of The University Of Michigan Lung ventillation measurements using ultrasound
CA2938077A1 (en) * 2013-03-15 2014-09-18 Bio-Tree Systems, Inc. Methods and system for linking geometry obtained from images
EP3139824B1 (en) 2014-05-06 2023-05-03 Koninklijke Philips N.V. Devices, systems, and methods for vessel assessment
US9760989B2 (en) 2014-05-15 2017-09-12 Vida Diagnostics, Inc. Visualization and quantification of lung disease utilizing image registration
CN107530452A (zh) 2015-02-02 2018-01-02 诺瓦达克技术公司 用于表征受试者的组织的方法和系统
DE102015205959A1 (de) 2015-02-27 2016-09-01 Siemens Healthcare Gmbh Ermitteln der Geschwindigkeit eines Fluids mit Hilfe eines bildgebenden Verfahrens
US9962086B2 (en) 2015-03-31 2018-05-08 Toshiba Medical Systems Corporation Medical image data processing apparatus and method for determining the presence of an abnormality

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101116103A (zh) * 2005-02-11 2008-01-30 皇家飞利浦电子股份有限公司 从三维医学图像中自动提取肺动脉树的方法
US20090012382A1 (en) * 2007-07-02 2009-01-08 General Electric Company Method and system for detection of obstructions in vasculature
WO2009090894A1 (ja) * 2008-01-15 2009-07-23 Konica Minolta Medical & Graphic, Inc. 動態画像診断支援システム
CN102258381A (zh) * 2010-03-12 2011-11-30 西门子公司 用于自动检测和分类心脏ct容积中的冠状动脉狭窄的方法和系统
CN104271037A (zh) * 2012-03-02 2015-01-07 慕曼德保健公司 用于校准与个体血液循环中氧水平相关的呼吸气体中氧水平的方法
WO2015157799A1 (en) * 2014-04-15 2015-10-22 4Dx Pty Ltd Method of imaging

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
M. ORKISZ等: "Segmentation of the pulmonary vascular trees in3D CT images using variational region-growing", 《IRBM》 *
RINA D. RUDYANTO等: "Quantification of pulmonary vessel diameter in low-dose CT images", 《PROCEEDINGS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111768450A (zh) * 2020-06-10 2020-10-13 北京的卢深视科技有限公司 基于散斑图的结构光相机行偏差的自动检测方法和装置
CN111768450B (zh) * 2020-06-10 2023-10-13 合肥的卢深视科技有限公司 基于散斑图的结构光相机行偏差的自动检测方法和装置

Also Published As

Publication number Publication date
JP2022081562A (ja) 2022-05-31
US11278256B2 (en) 2022-03-22
JP7152952B2 (ja) 2022-10-13
CA3019744A1 (en) 2017-09-08
AU2022203069A1 (en) 2022-05-26
EP3422939A1 (en) 2019-01-09
JP2019512295A (ja) 2019-05-16
AU2017225895B2 (en) 2022-02-10
SG11201807501UA (en) 2018-09-27
WO2017147642A1 (en) 2017-09-08
US20190059840A1 (en) 2019-02-28
EP4181060A1 (en) 2023-05-17
CN109414218B (zh) 2022-09-23
EP3422939A4 (en) 2020-04-15
JP7323666B2 (ja) 2023-08-08
AU2017225895A1 (en) 2018-10-25

Similar Documents

Publication Publication Date Title
JP7323666B2 (ja) 撮像方法およびシステム
CN111192316B (zh) 用于动脉分析和评估的深度学习
Kesner et al. A new fast and fully automated software based algorithm for extracting respiratory signal from raw PET data and its comparison to other methods
US9443330B2 (en) Reconstruction of time-varying data
EP3489893B1 (en) Method and system for assessing a haemodynamic parameter
AU2018226611B2 (en) Method of scanning and assessing lung and vascular health
Funabashi et al. Coronary artery: quantitative evaluation of normal diameter determined with electron-beam CT compared with cine coronary angiography—initial experience
US11723617B2 (en) Method and system for imaging
Cercos-Pita et al. Lung tissue biomechanics imaged with synchrotron phase contrast microtomography in live rats
Zhang et al. Area stenosis associated with non-invasive fractional flow reserve obtained from coronary CT images
Zhang et al. Dynamic estimation of three‐dimensional cerebrovascular deformation from rotational angiography
Hwang et al. A simple method for automatic 3D reconstruction of coronary arteries from X-ray angiography
Holman et al. Improved quantitation and reproducibility in multi-PET/CT lung studies by combining CT information
Wächter 3D reconstruction of cerebral blood flow and vessel morphology from X-ray rotational angiography
TWI840465B (zh) 決定輻射參數的系統和方法以及其非暫態電腦可讀取儲存媒介
US20240074721A1 (en) Imaging method for diagnosing cardiovascular disease
ÖZKAN 3D Lung vessel segmentation in computed tomography angiography images
Grob Functional CT imaging of the lung: Subtraction CT as a novel technique
Zhang Recovery of cerebrovascular morphodynamics from time-resolved rotational angiography
CN116529837A (zh) 用于可视化的方法和系统
Alomar-Serrallach et al. Basics and performance of cardiac computed tomography
Yang et al. Simulation environment for the evaluation of 3D coronary tree reconstruction algorithms in rotational angiography
Darvish et al. Presentation and evaluation of gated-SPECT myocardial perfusion images: Radial Slices-data reduction without loss of information
Chandra Development and validation of HRCT airway segmentation algorithms

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40005389

Country of ref document: HK

CB02 Change of applicant information

Address after: 5th floor, 468 St Kilda Road, Melbourne, Victoria, Australia

Applicant after: Sidi Medical Co.,Ltd.

Address before: Melbourne, AUS

Applicant before: 4DX Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant