CN110073408B - 用于分割解剖结构的二维图像的方法和装置 - Google Patents

用于分割解剖结构的二维图像的方法和装置 Download PDF

Info

Publication number
CN110073408B
CN110073408B CN201780076473.1A CN201780076473A CN110073408B CN 110073408 B CN110073408 B CN 110073408B CN 201780076473 A CN201780076473 A CN 201780076473A CN 110073408 B CN110073408 B CN 110073408B
Authority
CN
China
Prior art keywords
segmentation model
anatomical structure
dimensional images
time series
time
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
CN201780076473.1A
Other languages
English (en)
Other versions
CN110073408A (zh
Inventor
R·J·威斯
A·格罗特
J·彼得斯
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 CN110073408A publication Critical patent/CN110073408A/zh
Application granted granted Critical
Publication of CN110073408B publication Critical patent/CN110073408B/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
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T7/149—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
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20116—Active contour; Active surface; Snakes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20124—Active shape model [ASM]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

提供了一种用于分割解剖结构的二维图像的方法和装置。获取所述解剖结构的二维图像的时间序列(202)，并获取针对所述解剖结构的分割模型(204)。所述分割模型包括多个片段。所获取的分割模型在时间和空间上同时被应用于所述解剖结构的二维图像的整个时间序列，以通过所述多个片段来分割二维图像的所述时间序列(206)。

Description

用于分割解剖结构的二维图像的方法和装置
技术领域
本发明涉及医学成像领域，并且具体地涉及一种用于分割解剖结构的二维图像的方法和装置。
背景技术
医学成像是用于在图像中提供解剖结构(例如，器官)的视觉表示的有用工具。存在许多不同类型的医学成像技术，包括计算机断层摄影(CT)、磁共振(MR)、超声(US)、X射线、等等。从医学成像获取的图像可以证明对于对象的临床分析以及在必要的情况下对于医学干预是有价值的。
尽管现在所有相关的图像模态(例如CT、MR、US和X射线)都能够获取三维(3D)图像，但是医师仍然定期获取二维(2D)图像的序列，以便获得改进的图像(例如，具有更高分辨率的图像)。例如，在心脏的US和MR成像中，获取标准视图(例如2、3和4腔观)中的二维图像。对于二维图像的分割，文献中存在各种算法，例如主动轮廓模型(也称为Snakes)。
通常获取二维图像的序列以便跟踪随时间的移动(例如，当在心搏周期内监测心脏时心室的收缩)。然而，用于分割二维图像的时间序列的现有技术是在逐个切片的基础上执行的。例如，WO 2015/130231公开了分割图像的第一帧，然后使用该结果来分割图像的其他帧，其中，先前帧和/或后续帧的所分割的轮廓用于细化当前帧的结果。因此，在根据现有技术的分割之后，经常执行时间平滑。
然而，即使在分割之后执行时间平滑时，在分割过程本身期间也考虑关于成像的解剖结构的时间变化的不完整信息，因为每幅二维图像被单独地分割。这制止了对二维图像中的轮廓的时间一致分割。因此，用于分割解剖结构的二维剖面图像的时间序列的现有技术可能是不准确的。
这种现有技术的示例由Vikram Chalana等人的“A Multiple Active ContourModel for Cardiac Boundary Detection on Echocardiographic Sequence”(IEEETransactions on Medical Imaging，第15卷，第3号，1996年6月1日)描述，其中描述了用于超声心动图序列的多主动轮廓模型，其被称为表示2D主动轮廓模型的时域扩展。据说，模型的外部能量项被定义为使轮廓被吸引到高梯度的区域并且强制执行单调运动约束。
因此，需要一种用于分割解剖结构的二维图像的改进的方法和装置。
发明内容
如上所述，关于用于分割二维图像的现有方法的缺陷是不能够进行对二维图像中的轮廓的时间一致分割，因此对二维图像的时间序列的分割可能是不准确的。因此，具有能够以克服这些现有问题的方式分割解剖结构的二维图像的方法和装置是有价值的。
因此，根据本发明的第一方面，提供了一种用于分割解剖结构的二维图像的方法。所述方法包括：获取所述解剖结构的二维图像的时间序列；获取针对所述解剖结构的分割模型，其中，所述分割模型包括多个片段；以及将所获取的分割模型在时间和空间上同时应用于所述解剖结构的二维图像的整个时间序列，以通过所述多个片段来分割二维图像的所述时间序列。
在一些实施例中，所述解剖结构的每幅二维图像可以包括表示所述二维图像的第三维度的相应时间戳。在一些实施例中，所述方法还可以包括基于针对所述相应时间戳的转换因子将所获取的所述解剖结构的二维图像的时间序列转换为三维图像体积。在一些实施例中，所述转换因子可以是基于针对所述三维图像体积的各向异性水平来选择的。
在一些实施例中，所获取的针对所述解剖结构的分割模型可以被配置为对所述解剖结构随时间的形状变化性进行建模。在一些实施例中，所述分割模型可以包括片段的一个或多个层，并且片段的至少一个层可以被应用于每幅二维图像。在一些实施例中，片段的所述一个或多个层中的每个层可以被连接到片段的至少一个其他层。
在一些实施例中，应用所获取的分割模型可以包括以下项中的任何一项或多项：在时间和空间上同时检测二维图像的所述时间序列中的所述解剖结构，以将所述分割模型放置在二维图像的所述时间序列中的所述解剖结构的位置处；在时间和空间上同时将所述分割模型变换为对应于二维图像的所述时间序列；以及在时间和空间上同时使所述分割模型变形以将所述分割模型的形状调整到二维图像的所述时间序列中的所述解剖结构的形状。
在一些实施例中，变换所述分割模型可以包括在时间和空间上同时进行分段参数变换，以将所述分割模型的相位调整为对应于二维图像的所述时间序列的相位。
在一些实施例中，二维图像的所述时间序列和所获取的分割模型可以是循环的。在一些实施例中，所述方法还可以包括提取二维图像的循环时间序列在时间和空间上的强度分布，并且对于循环分割模型的多个片段中的一个或多个片段，基于所提取的强度分布来检测二维图像的所述循环时间序列中的所述解剖结构的一个或多个边界。
在一些实施例中，所述方法还可以包括处理所分割的二维图像的时间序列以确定所述解剖结构的移动模式并将所确定的所述解剖结构的移动模式与一个或多个移动模式模型进行比较，以确定与所确定的移动模式相关的疾病，其中，每个移动模式模型与疾病相关联。
根据本发明的第二方面，提供了一种包括计算机可读介质的计算机程序产品，所述计算机可读介质具有体现于其中的计算机可读代码，所述计算机可读代码被配置为使得在由合适的计算机或处理器运行时使所述计算机或所述处理器执行上述的一个方法或多个方法。
根据本发明的第三方面，提供了一种用于分割解剖结构的二维图像的装置。所述装置包括：处理器，其被配置为获取所述解剖结构的二维图像的时间序列，获取针对所述解剖结构的分割模型，其中，所述分割模型包括多个片段，并且将所获取的分割模型在时间和空间上同时应用于所述解剖结构的二维图像的整个时间序列，以使用所述多个片段来分割二维图像的所述时间序列。
在一些实施例中，所述处理器可以被配置为控制一个或多个用户接口以呈现所分割的二维图像的时间序列。
根据上述的方面和实施例，解决了现有技术的缺陷。具体地，根据上述的方面和实施例，二维图像的整个时间序列被同时分割。这实现了对二维图像的时间一致分割。此外，分割模型可以在分割期间在时间上滑动，因此通过这样的模型，不仅可以在分割期间调整二维图像中的轮廓的形状，而且可以调整轮廓的拓扑结构。以这种方式，可以实现对二维图像的时间序列的更准确的分割。
因此，提供了一种用于分割解剖结构的二维图像的改进的方法和装置，其克服了现有问题。
附图说明
为了更好地理解本发明，并且为了更清楚地示出可以如何实现本发明，现在仅通过示例的方式参考附图，在附图中：
图1是根据实施例的装置的框图；
图2是示出根据实施例的方法的流程图；
图3是根据实施例的应用于二维图像的时间序列的分割模型的图示；
图4是根据实施例的应用于二维图像的时间序列的分割模型的图示；
图5是根据实施例的用于变换的分割模型的图示；
图6是根据实施例的用于变形的分割模型的图示；以及
图7是根据实施例的应用于二维图像的时间序列的分割模型的图示。
具体实施方式
如上所述，本发明提供了一种用于分割解剖结构的二维图像的改进的方法和装置，其克服了现有问题。
图1示出了根据实施例的装置100的框图，该装置可以用于分割解剖结构的二维(2D)图像。解剖结构的二维图像可以是解剖结构的二维图像的任何时间序列。在一些实施例中，二维图像可包括通过三维图像的二维切片。二维图像可以是二维医学图像。示例包括但不限于二维计算机断层摄影(CT)图像、二维磁共振(MR)图像、二维超声(US)图像、二维正电子发射断层摄影(PET)图像、二维单光子发射计算机断层摄影(SPECT)图像、二维核医学图像或任何其他二维医学图像。
二维图像中的解剖结构可以是诸如心脏、肺、肠、肾、肝或任何其他解剖结构的器官。二维图像中的解剖结构可以包括一个或多个解剖部分。例如，心脏的二维图像可包括心室、心房、主动脉和/或心脏的任何其他部分。尽管已经为二维图像的类型和二维图像中的解剖结构(以及解剖结构的部分)提供了示例，但是将理解，本发明也可以用于分割任何其他类型的二维图像和二维图像中的任何其他解剖结构。
装置100包括处理器102，其控制装置100的操作并且可以实现本文描述的方法。处理器102可以包括一个或多个处理器、处理单元、多核处理器或模块，其被配置或编程为以本文描述的方式控制装置100。在具体实施方式中，处理器102可以包括多个软件和/或硬件模块，每个软件和/或硬件模块被配置为执行或者用于执行根据本发明的实施例的方法的单个或多个步骤。
简而言之，处理器102被配置为获取解剖结构的二维图像的时间序列，获取针对解剖结构的分割模型(其中分割模型包括多个片段)，并将所获取的分割模型在时间和空间上同时应用于解剖结构的二维图像的整个时间序列，以使用多个片段来分割二维图像的时间序列。
在一些实施例中，装置100还可以包括至少一个用户接口104。备选地或另外，至少一个用户接口104可以在装置100的外部(即，与其分离或远离)。例如，至少一个用户接口104可以是另一设备的一部分。
用户接口104可以用于向装置100的用户(例如，健康护理提供者、健康护理专家、护理人员、对象或任何其他用户)提供由根据本发明的方法得到的信息。处理器102可以被配置为控制一个或多个用户接口104以提供由根据本发明的方法得到的信息。例如，处理器102可以被配置为控制一个或多个用户接口104以呈现(或输出或显示)所分割的二维图像的时间序列。备选地或另外，用户接口104可以被配置为接收用户输入。换句话说，用户接口104可以允许装置100的用户手动输入指令、数据或信息。例如，在一些实施例中，用户接口104可以允许装置100的用户在对二维图像的时间序列的分割之后调整分割模型。处理器102可以被配置为从一个或多个用户接口104获取用户输入。
用户接口104可以是使得能够向装置100的用户呈现(或输出或显示)信息、数据或信号的任何用户接口。备选地或另外地，用户接口104可以是使得装置100的用户能够提供用户输入、与装置100交互和/或控制该装置的任何用户接口。例如，用户接口104可以包括一个或多个开关、一个或多个按钮、小键盘、键盘、触摸屏或应用程序(例如，在平板电脑或智能手机上)、显示屏、图形用户接口(GUI)或其他视觉呈现部件、一个或多个扬声器、一个或多个麦克风或任何其他音频部件、一个或多个灯、用于提供触觉反馈(例如，振动功能)的部件、或任何其他用户接口、或用户接口的组合。
在一些实施例中，装置100还可以包括存储器106，该存储器被配置为存储程序代码，该程序代码可以由处理器102运行以执行本文描述的方法。备选地或另外，一个或多个存储器106可以在装置100的外部(即，与其分离或远离)。例如，一个或多个存储器106可以是另一设备的一部分。存储器106可以用于存储由装置100的处理器102或从装置100外部的任何接口、存储器或设备获取或制作的模型、图像、信息、数据、信号和测量结果。例如，存储器106可以用于存储获取的解剖结构的二维图像的时间序列、针对解剖结构的一个或多个分割模型(其可以例如包括针对所获取的二维图像的时间序列中的解剖结构的一个或多个分割模型)、所分割的二维图像的时间序列、等等。
在一些实施例中，装置100还可以包括用于使得装置100能够与装置100内部或外部的任何接口、存储器和设备进行通信的通信接口(或电路)108。通信接口108可以无线地或经由有线连接与任何接口、存储器和设备进行通信。例如，在一个或多个用户接口104在装置100外部的实施例中，通信接口108可以无线地或经由有线连接与一个或多个外部用户接口104进行通信。类似地，在一个或多个存储器106在装置100外部的实施例中，通信接口108可以无线地或经由有线连接与一个或多个外部存储器106进行通信。
将认识到，图1仅示出了说明本发明的这个方面所需的部件，并且在实际实施方式中，装置100可以包括除了所示出的那些部件之外的部件。例如，装置100可以包括用于为装置100供电的电池或其他电源或用于将装置100连接到市电电源的装置。
图2示出了根据实施例的用于分割解剖结构的二维图像的方法200。所示方法200通常可以由装置100的处理器102执行或在其控制下执行。
参考图2，在框202处，获取解剖结构的二维图像的时间序列。
在一些实施例中，解剖结构的每幅二维图像可以包括表示二维图像的第三维度的相应时间戳(或时刻)。在这些实施例中，二维图像的时间戳(或时刻)可以被转换为空间度量。例如，在一些实施例中，可以将所获取的解剖结构的二维图像的序列转换为三维图像体积。三维图像体积可以包括多个体素。实际上，解剖结构的二维图像的时间序列被解释为三维(2D+t)图像体积，并且因此被解释为三维对象，其中，时间是第三维度。
取决于维度，三维(2D+t)图像体积的体素可以具有不同的单位。在二维中，单位是距离单位，例如毫米(mm)，而第三维度(z)具有时间单位，例如秒(s)或毫秒(ms)。因此，针对时间维度的转换因子可以用于获得真实的三维体积。因此，将所获取的解剖结构的二维图像的时间序列转换为空间度量(诸如三维图像体积)可以基于针对相应时间戳的转换因子。
转换因子例如可以是基于针对空间度量(或三维图像体积)的各向异性水平来选择的。在一些实施例中，例如，所获取的解剖结构的二维图像的时间序列可以以使得所得到的三维图像体积的体素在每个方向上具有相同或相似的维度的方式在空间上被转换。例如，转换因子可以被选择为使得三维(2D+t)图像体积的体素是各向同性的，或者基本上是各向同性的(或者不是太各向异性的)。在二维图像的时间序列中的解剖结构是心脏的实施例中，可以预料到大约5mm/100ms的心脏移动，使得可以选择转换因子z-z0＝t-t0/20。这里，Δt＝t-t0是二维图像的序列的任意二维图像的时间戳与二维图像的序列的第一二维图像的时间戳t0之间的时间差，z0是新三维体积中的序列的第一二维图像的新位置的z坐标(或第三维度)，z是新三维体积中的序列的另一个任意二维图像中的z坐标(或第三维度)，并且z-z0是沿着第三维度的空间点z和z0之间的距离。以这种方式，可以根据时间戳来确定空间度量。时间差t可以是以毫米(mm)为单位，并且空间点之间的距离可以是以毫秒(ms)为单位。
在一些实施例中，时间序列中的解剖结构的二维图像可以被存储为三维体积，例如存储在存储器106(其可以是装置100的存储器或装置100外部的存储器)中。例如，这可以通过在单个文件中按时间顺序(或随后)存储二维图像来实现，使得时间变为第三维度，如上所述。
返回图2，在框204处，获取针对解剖结构的分割模型。所获取的分割模型可以是可变形的分割模型。在一些实施例中，所获取的分割模式可以是三维(2D+t)形状约束可变形模型。分割模型可以是允许随时间对二维图像的时间序列中的解剖结构的形状变化性进行建模的任何分割模型。
针对解剖结构的分割模型包括多个片段。例如，在一些实施例中，针对解剖结构的分割模型可以包括网格。在这些实施例中，网格可包括多个片段。这里，当参考网格的片段时，片段可以包括网格的“面”，其由网格结构的边和顶点限定。在一些实施例中，网格可以是多边形或多边形网格(例如，包括多边形片段或“面”)。在一些实施例中，(多边形)网格包括三角形网格。换句话说，在一些实施例中，针对解剖结构的分割模型可以包括多个三角形片段(或面)。在一些实施例中，多个片段(或网格)可以是结构化的。例如，多个片段可以均具有相同的形状并且任选地具有相同的尺寸。在其他实施例中，多个片段(或网格)可以是非结构化的。例如，多个片段中的一个或多个片段可以具有不同的形状，多个片段中的一个或多个片段可以具有不同的尺寸，或两者。在一些实施例中，分割模型可以是可变形分割模型。例如，在分割模型包括网格的实施例中，网格可以是可变形网格。
在一些实施例中，多个片段(或网格)可以相对于二维剖面图像是规则的。例如，在一些实施例中，可以识别分割模型中对应于(或属于)二维图像的一个时刻的片段，并将这些片段复制到二维图像的其他时刻。可以在每幅二维图像中重复分割模型中的片段的模式。在其他实施例中，多个片段(或网格)可以相对于二维剖面图像是不规则的。例如，可能无法识别分割模型中对应于(或属于)二维图像的一个时刻的片段，以将这些片段复制到二维图像的其他时刻。分割模型中的片段的模式在二维图像中的至少一幅中可以是不同的。
所获取的分割模型可以是在时间和空间上的连续分割模型。例如，分割模型中的多个片段中的每个片段(例如，网格的片段)可以被连接到至少一个其他片段。在一些实施例中，分割模型(例如，包括网格)可以包括片段的一个或多个层。在这些实施例中，片段的一个或多个层中的每个层可以被连接到分割模型(例如，包括网格)中的片段的至少一个其他层。分割模型的片段可以具有足以用于对解剖结构的二维图像的时间序列执行的分割的任何分辨率。
在本文描述的任何实施例中，如前所述，所获取的针对解剖结构的分割模型可以被配置为对解剖结构随时间的形状变化性进行建模。实际上，所获取的分割模型可以具有足够精细以覆盖二维图像的时间序列中的解剖结构随时间的形状变化性的任何分辨率。
尽管上面已经提供了针对分割模型的形式的示例，但是将理解，针对解剖结构的分割模型可以包括任何其他形状或尺寸的片段(或任何其他形状或尺寸的网格)。
如上所述，在图2的框204处获取分割模型。然后将分割模型引入到所获取的二维图像的时间序列中。因此，在图2的框206处，将所获取的分割模型应用于解剖结构的二维图像的时间序列，以通过多个片段来分割二维图像的时间序列。具体地，所获取的分割模型在时间和空间上同时被应用于解剖结构的二维图像的整个(或整体或完整的)时间序列，以通过多个片段来分割二维图像的时间序列。以这种方式，单个分割模型同时覆盖跨解剖结构的二维图像的整个时间序列的空间和时间两者，而不是独立地覆盖序列中的每幅二维图像。二维图像的整个时间序列被一起分割。
图3是根据实施例的应用于二维图像304a、304b、304c、304d的时间序列302的分割模型300的图示。根据图3的说明性示例实施例，分割模型300是结构化几何分割模型，其包括具有规则连接性(例如，结构化网格)的多个三角形片段(或三角形网格)。然而，如前所述，各种其他形式的分割模型也是可能的。
根据图3的说明性示例实施例，分割模型的片段的层(例如，包括网格)300被应用于每幅二维图像304a、304b、304c、304d。然而，将理解，在其他实施例中，可以将多于一层的片段应用于至少一幅二维图像。在该说明性示例实施例中，每个片段被连接到另一个片段，并且片段的每个层被连接到片段的另一个层。在稍后将更详细描述的一些实施例中，可以执行边界搜索，因此分割模型304可以包括可以在其处执行边界搜索的多个点306。
在本文描述的任何实施例中，二维图像的时间序列和所获取的分割模型可以是循环的(例如，解剖结构可以表现出循环或周期性运动)。因此，所获取的分割模型可以包括闭合形状。用于提供循环分割模型的图3的说明性示例实施例中的分割模型300的层的连接由虚线箭头308示出。
图4是根据实施例的应用于二维图像的时间序列(t0，t1，t2，t3，t4至tN-1，其中，N是周期性时间序列的长度)的分割模型400的图示。在图4的说明性示例实施例中，二维图像的时间序列和所获取的分割模型是循环的。因此，所获取的分割模型相对于第三维度(即时间)形成闭合形状。图4的分割模型400的闭合形状是由于二维图像的周期性时间序列包括等于初始时刻t0的时刻tN的事实，其中，N是周期性时间序列的长度。为每幅二维图像选择的轮廓可以是圆形的。然而，将理解，这仅仅是示例，并且轮廓可以是任意形状的。
返回到图2，在图2的框206处将所获取的分割模型应用于解剖结构的二维图像的时间序列可以包括任何合适的分割过程，其中，分割过程在时间和空间两者上同时被执行。分割过程可以包括在时间和空间上同时执行的任何一个或多个分割阶段，例如以下中的任何一个或多个：定位、全局参数变换、分段参数变换、可变形调整或任何其他分割阶段、或分割阶段的任何组合。可以以这种方式执行任何已知的定位、全局参数变换、分段参数变换、可变形调整或其他分割阶段。
例如，在一些实施例中，在图2的框206处应用所获取的分割模型可以包括在时间和空间上同时检测二维图像的时间序列中的解剖结构以将分割模型放置在二维图像的时间序列中的解剖结构的位置处。
备选地或另外，应用所获取的分割模型可以包括在时间和空间上同时将分割模型变换为对应于二维图像的时间序列。在一些实施例中，变换分割模型可以包括在时间和空间上同时进行分段参数变换，以将分割模型的相位调整为对应于(或基本上对应于)二维图像的时间序列的相位。相对于第三时间维度的分段参数变换允许将分割模型调整到二维图像的时间序列的相位。
为了允许分割模型在时间上的分段参数变换，沿着第三维度(即时间)定义具有相同参数变换的不同区域。例如，可以在分割模型中假设在某个时间发生某种变化(例如，在解剖结构是心脏的实施例中的收缩)。然后，分段参数变换可以包括随时间利用分段参数变换(其可以导致拉伸分割模型，压缩分割模型，或者任何其他变换，或者针对定义的时间相位的变换的任何组合)来调整模型。变换可以对应于解剖结构的不同时间相位。
尽管未示出，但是将理解，可以以与上面关于时间描述的方式类似的方式在空间上执行对分割模型的分段参数变换。例如，在一些实施例中，可以将不同的变换应用于解剖结构的不同部分。例如，在解剖结构是心脏的实施例中，可以对心房和心室应用不同的变换。
图5是用于使用分段参数变换进行变换的分割模型500的图示。如图5所示，沿着第三时间维度定义具有相同参数变换的不同区域，以允许对分割模型500的分段参数变换。以这种方式，能够将分割模型500的相位调整为对应于(或基本上对应于)二维图像的时间序列的相位。在一些实施例中，可以在稍后将更详细地描述的在可变形调整中微调分割之前执行对分割模型的分段参数变换。
将分割模型变换为对应于二维图像的时间序列可以包括在时间和空间上同时旋转分割模型以使分割模型对应于二维图像的时间序列中的解剖结构。备选地或另外，将分割模型变换为对应于二维图像的时间序列可以包括在时间和空间上同时平移分割模型以使分割模型对应于二维图像的时间序列中的解剖结构。备选地或另外，将分割模型变换为对应于二维图像的时间序列可以包括在时间和空间上同时缩放分割模型以使分割模型对应于二维图像的时间序列中的解剖结构。
尽管已经提供了针对可以将分割模型变换为对应于二维图像的时间序列的方式的示例，但是将理解，可以执行对分割模型的任何其他变换或变换的任何组合以将分割模型调整为对应于二维图像的时间序列。
备选地或另外，在图2的框206处应用所获取的分割模型可以包括在时间和空间上同时使分割模型变形以将分割模型的形状调整到二维图像时间序列中的解剖结构的形状。
在一些实施例中，分割模型的变形可以包括基于二维图像的时间序列中的时间和空间特性来检测二维图像的时间序列中的解剖结构的一个或多个边界。然后，变形可以包括将分割模型的多个片段中的一个或多个片段(例如，分割模型的多个片段中的一个或多个片段的中心)吸引到检测到的一个或多个边界上的一个或多个目标点。由于在二维图像的时间序列中对解剖结构的一个或多个边界的检测是基于空间和时间特性两者的，因此能够检测二维图像的时间序列中的空间和时间变化两者。
图6是用于使用目标点检测进行变形的分割模型600的图示。在该示出的示例实施例中，在空间和时间上同时从多个片段的中心602搜索多个目标点。然而，将理解，可以在空间和时间上同时从多个片段中的任何其他位置搜索多个目标点。通过在二维图像604a、604b、604c的时间序列的二维图像中的不同方向上搜索来在空间上搜索多个目标点(其中一个这样的方向由箭头606示出)。通过在二维图像604a、604b、604c的时间序列中的任何一幅或多幅二维图像中搜索来在空间和时间上搜索多个目标点(如箭头608所示)。在空间和时间上搜索的一幅或多幅二维图像可以包括时间序列中的一幅或多幅相邻二维图像、序列中的一幅或多幅非相邻二维图像、或者序列中的二维图像的任何组合。将理解，搜索的半径可以大于或小于由图6中的箭头所示的搜索的半径。
可以针对分割模型的至少一个片段执行对解剖结构的一个或多个边界的检测。在一些实施例中，可以针对分割模型的每个片段执行对解剖结构的一个或多个边界的检测。在一些实施例中，对解剖结构的一个或多个边界的检测可以包括对针对片段的外部能量的确定。外部能量是源自二维图像并且将分割模型吸引到解剖结构的一个或多个边界的力。内部能量也可以用于为分割模型的形状提供稳定性，例如通过定义针对分割模型的某些形状约束。
备选地或另外，在一些实施例中，对解剖结构的一个或多个边界的检测可以包括在时间和空间上提取二维图像的时间序列的强度分布。例如，从多个片段的中心602(或任何其他位置)在不同方向上(由图6中的箭头所示)搜索到的多个目标点可以在(在不同的时刻的)其他二维图像中找到。图6中所示的箭头指示搜索方向。沿着搜索方向，可以提取强度分布，其可以针对目标点搜索(例如，在某些搜索位置)进行评估。然后，对于分割模型的多个片段中的一个或多个片段，可以基于所提取的强度分布在二维图像的时间序列中检测解剖结构的一个或多个边界，从而得到新的目标点。
搜索方向可以由片段的表面法线或任何其他方向确定(其在该说明性示例实施例中是三角形片段，但可以是任何其他形状的片段，如前所述)。取决于分割模型的曲率和所使用的搜索轮廓的长度，边界检测可以得到不同时间的二维图像中的目标点。例如，边界检测可以得到在当前点与目标点之间具有不同的第三坐标(时间)的二维图像中的目标点。
备选地或另外，在一些实施例中，对解剖结构的一个或多个边界的检测可以包括使用边界检测函数用于评估搜索轮廓的搜索位置，其可以包括空间和时间特性。例如，可以评估空间和时间梯度以检测解剖结构的一个或多个边界。可以在时间和空间上自动地在沿着搜索轮廓的每个搜索位置处评估边界检测函数。对边界检测函数的评估可以检测在沿着搜索轮廓的每个搜索位置处是否存在边界。例如，评估可以基于在时间和空间上自动地比较邻域的强度特性(例如，梯度或任何其他空间/时间特性)。可以针对不同的片段不同地定义边界检测函数。
因此，以上述方式，边界检测可以在空间上以及在第三时间维度上使分割模型变形(或对其进行变换)。这可能导致包括规则网格的分割模型失去其规则性。而且，在边界检测之后，分割模型的相同轮廓可能不再与相同的二维图像相关联。因此，能够获取对象特异性分割结果。因为边界检测是相对于空间和时间两者定义的，所以上述边界检测在额外解剖结构在比预期更早的时刻出现在二维图像中的情况下(例如，在轮廓的拓扑结构发生变化而不仅仅是二维图像中的轮廓的形状发生变化的情况下)特别有用。
在本文描述的实施例中的任何中，二维图像的时间序列和所获取的分割模型可以是循环的。因此，所获取的分割模型可以包括闭合形状。实际上，可以为时域设置循环边界条件。在二维图像的时间序列是周期性时间序列(诸如心搏周期、呼吸周期或任何其他周期性时间序列)的情况下，这可以是有益的。
在这些实施例中，对解剖结构的一个或多个边界的检测可以包括提取二维图像的循环时间序列的强度分布。然后，对于循环分割模型的多个片段中的一个或多个片段，可以基于所提取的强度分布在二维图像的循环时间序列中检测解剖结构的一个或多个边界。在强度分布的提取期间，可以考虑分割模型的循环条件和二维图像的时间序列。
图7是根据实施例的应用于解剖结构的二维图像702c、702d、702e、702f的时间序列的分割模型700的图示。解剖结构可以是心脏或提供二维图像的周期性时间序列的任何其他解剖结构。
时间序列的周期性性质意味着二维图像的时间序列和分割模型可以被扩展。分割模型最初包括在时刻tN-1和t0之间切开的闭合网格。这得到分割模型700中的两个切割平面706、708。然后，分割模型在两个得到的切割平面706、708处扩展(或伸长)，因为这是周期性正确的。通过重复时间序列，二维图像702c、702d、702e、702f的时间序列也在切割平面706、708处扩展(或伸长)。这在图6中示出，其中在切割平面706、708中的每个处提供两个额外时刻702a、702b和702g、702h。在切割平面706、708处的扩展的时刻的数量取决于在时刻t0处解剖结构的移动的强度。可以利用图像体积执行相同的周期性正确的扩展。
在扩展之后，使用扩展的分割模型700在时间和空间上对二维图像702a、702b、702c、702d、702e、702f、702g、702h的扩展的时间序列同时执行一个或多个分割阶段(例如，定位、全局参数变换、分段参数变换、可变形调整或任何其他分割阶段、或分割阶段的任何组合)。假设由于在两个切割平面706、708处的平滑图像转变，分割结果是相同的(或几乎相同的)并且切割平面706、708的片段节点在相同位置(或基本上相同的位置)处结束，使得对象特异性几何分割模型700可以再次被组合成其原始闭合形状。因此，根据图示的示例实施例，仅对应于二维图像702c、702d、702e、702f的原始时间序列(其在该示例中是心搏周期)的分割模型700的部分704得以保留，而分割模型700的其余部分在分割之后被移除。然后分割模型700在切割平面706、708处再次闭合。
将理解，图7仅示出了将分割模型应用于解剖结构的二维图像的周期性时间序列的一个示例，并且其他示例也是可能的。例如，在其他实施例(诸如图3中所示的实施例)中，分割模型相对于用于分割的第三维度(时间)保持闭合。相反，可以在分割算法中包括针对第三维度(时间)的循环边界条件。在这种情况下，可以在强度分布的提取(其可以用于边界检测)期间使用循环信息，以确保在二维图像的时间序列中从正确的二维图像中提取强度(其中二维图像t0跟随二维图像tN-1)。
在本文描述的实施例中的任何中，所获取的分割模型可以包括与多个片段中的一个或多个片段相关联的一个或多个特性特征。在这些实施例中，应用所获取的分割模型可以包括基于二维图像的时间序列中的解剖结构的一个或多个对应的特性特征来在时间和空间上同时进行以下中的任何一项或多项：检测二维图像的时间序列中的解剖结构、将分割模型变换为以及使分割模型变形为对应于二维图像的时间序列中的解剖结构(如上所述)。
在所获取的分割模型的多个片段(或网格)是规则的实施例中，以上述任何方式将分割模型应用于二维图像的时间序列可以导致所获取的分割模型的多个片段(或网格)变得不规则。由于分割模型在时间域和空间域中被调整，所以解剖结构的轮廓可能在调整过程期间不与相同的时刻相关联。例如，在心室收缩的情况下，诸如二尖瓣的某些解剖部分可以进入视野并且通过分割模型来分割。因此，分割模型可以包括关于随时间发生的解剖结构的变化的信息。参数变换可以用于识别解剖结构的变化发生的时刻，使得可以相应地调整分割模型。例如，分割模型可以被调整为对应于进入视野的解剖结构的一部分的形状。
尽管未在图2中示出，但是在本文描述的实施例中的任何中，图2的方法还可以包括呈现(或输出或显示)所分割的二维图像的时间序列。例如，如前所述，控制单元102可以控制一个或多个用户接口104来呈现(或输出或显示)所分割的二维图像的时间序列。
尽管也未在图2中示出，但是在本文描述的实施例中的任何中，图2的方法还可以包括处理所分割的二维图像的时间序列以确定解剖结构的移动模式(例如，病理性移动模式)。可以将所确定的解剖结构的移动模式与一个或多个移动模式模型进行比较，其中，每个移动模式模型与疾病相关联。移动模式模型和相关联的疾病可以被存储在存储器106(其可以是装置100的存储器或外部存储器)中。最适合所确定的移动模式的移动模式模型可以指示疾病。在一些实施例中，分割模型本身可以包括关于解剖结构相对于时间的预期行为的信息，并且相对于时间与该信息的差异(例如在参数变换期间)可以指示疾病。以这种方式，可以确定与所确定的移动模式相关联的疾病。
因此，提供了一种用于分割解剖结构的二维图像的改进的方法和装置。本文描述的方法和装置可以用于在二维图像的时间序列中分割任何任意解剖结构(例如，器官或任何其他解剖结构)。该方法和装置允许随时间对解剖结构的形状变化性进行建模。例如，在解剖结构是心脏的实施例中，心脏的移动(例如收缩)可以随时间建模。该方法和装置可以为基于三维模型的框架提供有用的二维扩展。该方法和装置在医学成像分析和可视化工具中可以是有价值的。
还提供了一种包括计算机可读介质的计算机程序产品，所述计算机可读介质具有体现于其中的计算机可读代码，所述计算机可读代码被配置为使得在由合适的计算机或处理器运行时使所述计算机或所述处理器执行本文描述的一个方法或多个方法。因此，将认识到，本发明还适用于适于将本发明付诸实践的计算机程序，特别是载体上或载体中的计算机程序。程序可以以源代码、目标代码、代码中间源和目标代码的形式，例如以部分编译的形式，或者适合用于实现根据本发明的方法的任何其他形式。
还将认识到，这样的程序可以具有许多不同的架构设计。例如，实现根据本发明的方法或系统的功能的程序代码可以被细分为一个或多个子例程。将功能分布在这些子例程之中的许多不同方式对于技术人员来说是显而易见的。子例程可以一起存储在一个可执行文件中以形成自包含程序。这样的可执行文件可以包括计算机可执行指令，例如，处理器指令和/或解释器指令(例如，Java解释器指令)。备选地，一个或多个或所有子例程可以被存储在至少一个外部库文件中，并且可以静态地或动态地(例如，在运行时)与主程序链接。主程序包含对子例程中的至少一个的调用。子例程还可以包括对彼此的函数调用。
涉及计算机程序产品的实施例包括与本文阐述的方法中的至少一种方法的每个处理阶段相对应的计算机可执行指令。这些指令可以被细分为子例程和/或存储在可以静态或动态链接的一个或多个文件中。涉及计算机程序产品的另一个实施例包括与本文阐述的系统和/或产品中的至少一个的每个装置相对应的计算机可执行指令。这些指令可以被细分为子例程和/或存储在可以静态或动态链接的一个或多个文件中。
计算机程序的载体可以是能够携带程序的任何实体或装置。例如，载体可以包括数据存储设备，例如ROM，例如CD ROM或半导体ROM，或磁记录介质，例如硬盘。此外，载体可以是可传输载体，例如电信号或光信号，其可以通过线缆或光缆或通过无线电或其他装置传送。当程序体现在这样的信号中时，载体可以由这种线缆或其他设备或装置构成。备选地，载体可以是程序嵌入其中的集成电路，集成电路适于执行或用于执行相关方法。
通过研究附图、说明书和所附权利要求书，本领域技术人员在实践所要求保护的发明时可以理解并实现对所公开实施例的变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项的功能。在相互不同的从属权利要求中记载了某些措施的仅有事实并不指示不能有利地使用这些措施的组合。计算机程序可以存储/分布在合适的介质上，例如与其他硬件一起提供或作为其他硬件的一部分提供的光学存储介质或固态介质，但也可以以其他形式分布，例如通过因特网或其他有线或无线电信系统。权利要求中的任何附图标记不应被解释为对范围的限制。

Claims (15)

1.一种用于分割解剖结构的二维图像的时间序列的方法(200)，所述方法包括：
获取(202)所述解剖结构的二维图像的时间序列；
获取(204)针对所述解剖结构的分割模型，其中，所述分割模型包括多个片段；以及
将所获取的分割模型在时间和空间上同时应用(206)于所述解剖结构的二维图像的整个时间序列，以通过所述分割模型来分割二维图像的所述时间序列，所述应用包括：
基于二维图像的所述时间序列中的时间和空间特性来检测二维图像的所述时间序列中的所述解剖结构的一个或多个边界；以及
将所述分割模型的所述多个片段中的一个或多个片段吸引到检测到的一个或多个边界上的一个或多个目标点，所述吸引包括在空间和时间上同时搜索所述一个或多个目标点。
2.如权利要求1所述的方法，其中，所述解剖结构的每幅二维图像包括表示所述二维图像的第三维度的相应时间戳，所述方法还包括：
基于针对所述相应时间戳的转换因子将所获取的所述解剖结构的二维图像的时间序列转换为三维图像体积。
3.如权利要求2所述的方法，其中，所述转换因子是基于针对所述三维图像体积的各向异性水平来选择的。
4.如权利要求2或3所述的方法，其中，所述转换因子被选择以获得基本上各向同性的体素。
5.如权利要求1-3中的任一项所述的方法，其中，所获取的针对所述解剖结构的分割模型被配置为对所述解剖结构随时间的形状变化性进行建模。
6.如权利要求1-3中的任一项所述的方法，其中，所述分割模型包括片段的一个或多个层，并且片段的至少一个层被应用于每幅二维图像。
7.如权利要求6所述的方法，其中，片段的所述一个或多个层中的每个层被连接到片段的至少一个其他层。
8.如权利要求1-3中的任一项所述的方法，其中，应用所获取的分割模型包括以下项中的任何一项或多项：
在时间和空间上同时检测二维图像的所述时间序列中的所述解剖结构，以将所述分割模型放置在二维图像的所述时间序列中的所述解剖结构的位置处；
在时间和空间上同时将所述分割模型变换为对应于二维图像的所述时间序列；以及
在时间和空间上同时使所述分割模型变形以将所述分割模型的形状调整到二维图像的所述时间序列中的所述解剖结构的形状。
9.如权利要求8所述的方法，其中，变换所述分割模型包括在时间和空间上同时进行分段参数变换，以将所述分割模型的相位调整为对应于二维图像的所述时间序列的相位。
10.如权利要求1-3中的任一项所述的方法，其中，二维图像的所述时间序列和所获取的分割模型是循环的。
11.如权利要求10所述的方法，所述方法还包括：
提取二维图像的循环时间序列在时间和空间上的强度分布；以及
对于循环分割模型的一个或多个片段，基于所提取的强度分布来检测二维图像的所述循环时间序列中的所述解剖结构的一个或多个边界。
12.如权利要求1-3中的任一项所述的方法，所述方法为计算机实施的方法并且所述方法还包括：
处理所分割的二维图像的时间序列以确定所述解剖结构的移动模式；以及
将所确定的所述解剖结构的移动模式与一个或多个移动模式模型进行比较，以确定与所确定的移动模式相关联的疾病，其中，每个移动模式模型与疾病相关联。
13.一种计算机可读介质，其具有体现于其中的计算机可读代码，所述计算机可读代码被配置为使得在由合适的计算机或处理器运行时使所述计算机或所述处理器执行如权利要求1-12中的任一项所述的方法。
14.一种用于分割解剖结构的二维图像的时间序列的装置(100)，所述装置包括：
处理器(102)，其被配置为：
获取所述解剖结构的二维图像的时间序列；
获取针对所述解剖结构的分割模型，其中，所述分割模型包括多个片段；以及
将所获取的分割模型在时间和空间上同时应用于所述解剖结构的二维图像的整个时间序列，以使用所述分割模型来分割二维图像的所述时间序列，所述应用包括：
基于二维图像的所述时间序列中的时间和空间特性来检测二维图像的所述时间序列中的所述解剖结构的一个或多个边界；以及
将所述分割模型的所述多个片段中的一个或多个片段吸引到检测到的一个或多个边界上的一个或多个目标点，所述吸引包括在空间和时间上同时搜索所述一个或多个目标点。
15.如权利要求14所述的装置(100)，其中，所述处理器(102)被配置为控制一个或多个用户接口(104)以呈现所分割的二维图像的时间序列。
CN201780076473.1A 2016-12-12 2017-12-08 用于分割解剖结构的二维图像的方法和装置 Active CN110073408B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16203333 2016-12-12
EP16203333.6 2016-12-12
PCT/EP2017/082050 WO2018108740A1 (en) 2016-12-12 2017-12-08 A method and apparatus for segmenting two dimensional images of an anatomical structure

Publications (2)

Publication Number Publication Date
CN110073408A CN110073408A (zh) 2019-07-30
CN110073408B true CN110073408B (zh) 2023-07-14

Family

ID=57749652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780076473.1A Active CN110073408B (zh) 2016-12-12 2017-12-08 用于分割解剖结构的二维图像的方法和装置

Country Status (4)

Country Link
US (1) US11080858B2 (zh)
EP (1) EP3552179B1 (zh)
CN (1) CN110073408B (zh)
WO (1) WO2018108740A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3300021B1 (en) * 2016-09-22 2018-12-05 RaySearch Laboratories AB Image processing system and method for interactive contouring of three-dimensional medical data

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101969852A (zh) * 2008-03-04 2011-02-09 断层放疗公司 用于改进图像分割的方法和系统
CN102890823A (zh) * 2011-07-19 2013-01-23 株式会社东芝 运动对象轮廓提取及左心室图像分割方法和装置
CN105263420A (zh) * 2013-04-03 2016-01-20 皇家飞利浦有限公司 3d超声成像系统
CN105849773A (zh) * 2013-12-17 2016-08-10 皇家飞利浦有限公司 解剖结构的基于模型的分割

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4112368B2 (ja) 2001-02-13 2008-07-02 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 連続したデータセットの分析
US20060147114A1 (en) 2003-06-12 2006-07-06 Kaus Michael R Image segmentation in time-series images
US7308297B2 (en) * 2003-11-05 2007-12-11 Ge Medical Systems Global Technology Company, Llc Cardiac imaging system and method for quantification of desynchrony of ventricles for biventricular pacing
US7634123B2 (en) * 2005-03-28 2009-12-15 Siemens Medical Solutions Usa, Inc. CT/MRI heart isolation using a graph cut algorithm
US8149236B2 (en) * 2005-08-01 2012-04-03 National University Corporation NARA Institute of Science and Technology Information processing apparatus and program
US8483432B2 (en) 2009-12-23 2013-07-09 General Electric Company Methods for automatic segmentation and temporal tracking
US20140074614A1 (en) * 2012-09-12 2014-03-13 Globys, Inc. Time series-based entity behavior classification
US20150127454A1 (en) * 2013-11-06 2015-05-07 Globys, Inc. Automated entity classification using usage histograms & ensembles
SG11201606125VA (en) 2014-02-27 2016-09-29 Agency Science Tech & Res Segmentation of cardiac magnetic resonance (cmr) images using a memory persistence approach
US9514530B2 (en) * 2014-04-16 2016-12-06 Heartflow, Inc. Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
US10299862B2 (en) * 2015-02-05 2019-05-28 Siemens Healthcare Gmbh Three-dimensional quantitative heart hemodynamics in medical imaging
WO2017102468A1 (en) * 2015-12-15 2017-06-22 Koninklijke Philips N.V. Image processing systems and methods
US10679350B2 (en) * 2018-08-10 2020-06-09 Koninklijke Philips N.V Method and apparatus for adjusting a model of an anatomical structure
WO2020172414A1 (en) * 2019-02-21 2020-08-27 Theator inc. Systems and methods for analysis of surgical videos

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101969852A (zh) * 2008-03-04 2011-02-09 断层放疗公司 用于改进图像分割的方法和系统
CN102890823A (zh) * 2011-07-19 2013-01-23 株式会社东芝 运动对象轮廓提取及左心室图像分割方法和装置
CN105263420A (zh) * 2013-04-03 2016-01-20 皇家飞利浦有限公司 3d超声成像系统
CN105849773A (zh) * 2013-12-17 2016-08-10 皇家飞利浦有限公司 解剖结构的基于模型的分割

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A Multiple Active Contour Model for Cardiac Boundary Detection on Echocardiographic Sequences;Vikram Chalana，et al;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;19960601;第15卷;第290-298页 *
Deformable spatio-temporal shape models: extending active shape models to 2D + time;Ghassan Hamarneh，et al;《Image and Vision Computing》;20040601;第22卷;第461-470页 *
Segmentation of sequences of echocardiographic images using a simplified 3D active contour model with region-based external forces;David Kucera,et al;《Computerized Medical Imaging and Graphics》;19970101;第21卷;第1-21页 *
Time continuous segmentation of cardiac MR image sequences using active appearance motion models;Mitchell S.C.,et al;《Optomechatronic Micro/Nano Devices and Components Time continuous segmentation of cardiac MR image sequences using active appearance motion models Time continuous segmentation of cardiac MR image sequences using active appearance motion models Ⅲ》;20010219;第4322卷;第249-256页 *
Vikram Chalana，et al.A Multiple Active Contour Model for Cardiac Boundary Detection on Echocardiographic Sequences.《IEEE TRANSACTIONS ON MEDICAL IMAGING》.1996,第15卷第290-298页. *

Also Published As

Publication number Publication date
WO2018108740A1 (en) 2018-06-21
EP3552179A1 (en) 2019-10-16
US11080858B2 (en) 2021-08-03
CN110073408A (zh) 2019-07-30
EP3552179B1 (en) 2021-03-10
US20190287253A1 (en) 2019-09-19

Similar Documents

Publication Publication Date Title
JP4918048B2 (ja) 画像処理装置及び方法
US9495725B2 (en) Method and apparatus for medical image registration
US9142061B2 (en) Fluid flow analysis for cardiovascular diagnostics
De Craene et al. Temporal diffeomorphic free form deformation (TDFFD) applied to motion and deformation quantification of tagged MRI sequences
US11151785B2 (en) Finite element modeling of anatomical structure
Zeng et al. Liver segmentation in magnetic resonance imaging via mean shape fitting with fully convolutional neural networks
CN110546685A (zh) 图像分割和分割预测
JP2016189946A (ja) 医用画像位置合わせ装置および方法並びにプログラム
Gao et al. 4D cardiac reconstruction using high resolution CT images
CN101116104B (zh) 用于分割多维数据集中的表面的方法、系统
Lamash et al. Strain analysis from 4-D cardiac CT image data
Wang et al. Meshless deformable models for 3D cardiac motion and strain analysis from tagged MRI
JP6619431B2 (ja) 解剖学的構造のモデルベースセグメンテーション
CN110073408B (zh) 用于分割解剖结构的二维图像的方法和装置
JP2017189337A (ja) 画像位置合わせ装置および方法並びにプログラム
EP3533031B1 (en) A method and apparatus for segmenting a two-dimensional image of an anatomical structure
Bersvendsen et al. Semiautomated biventricular segmentation in three-dimensional echocardiography by coupled deformable surfaces
Dangi et al. Endocardial left ventricle feature tracking and reconstruction from tri-plane trans-esophageal echocardiography data
Dey et al. Estimation of cardiac respiratory-motion by semi-automatic segmentation and registration of non-contrast-enhanced 4D-CT cardiac datasets
Xu et al. A feasibility study on kinematic feature extraction from the human interventricular septum toward hypertension classification
JP2020512117A (ja) 経カテーテル大動脈弁移植術（ｔａｖｉ）が冠血流量及び冠動脈圧に及ぼす影響のシミュレーション
Haddad et al. A realistic anthropomorphic dynamic heart phantom
Haddad et al. A new fully-digital anthropomorphic and dynamic thorax/heart model
Zhang et al. Construction of left ventricle 3D shape atlas from cardiac mri
Wong et al. Myocardial strain estimation from CT: towards computer-aided diagnosis on infarction identification

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