CN112309574A - 用于变形模拟的方法和装置 - Google Patents

用于变形模拟的方法和装置 Download PDF

Info

Publication number
CN112309574A
CN112309574A CN202010743272.6A CN202010743272A CN112309574A CN 112309574 A CN112309574 A CN 112309574A CN 202010743272 A CN202010743272 A CN 202010743272A CN 112309574 A CN112309574 A CN 112309574A
Authority
CN
China
Prior art keywords
medical
hollow organ
recording
deformation
instrument
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.)
Pending
Application number
CN202010743272.6A
Other languages
English (en)
Inventor
K.布雷宁格
M.普菲斯特
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.)
Siemens Healthcare GmbH
Original Assignee
Siemens Healthcare GmbH
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 Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Publication of CN112309574A publication Critical patent/CN112309574A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/102—Modelling of surgical devices, implants or prosthesis
    • A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/107—Visualisation of planned trajectories or target regions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B2090/364—Correlation of different images or relation of image positions in respect to the body
    • A61B2090/365—Correlation of different images or relation of image positions in respect to the body augmented reality, i.e. correlating a live optical image with another image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/95—Instruments specially adapted for placement or removal of stents or stent-grafts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Evolutionary Computation (AREA)
  • Veterinary Medicine (AREA)
  • Robotics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种用于对可通过插入医学仪器而变形的中空器官进行变形模拟的方法，具有以下步骤：提供预训练的机器学习算法；提供带有周围组织的中空器官的医学3D记录，在插入医学仪器之前已经记录了该3D记录；分割或提供对中空器官的医学3D记录的分割，并且确定或提供中空器官的三维模型；提供关于所插入或待插入的医学仪器的信息；以及基于所分割的中空器官和周围组织的医学3D记录以及关于仪器的信息，通过使用预训练的机器学习算法来模拟通过插入仪器而预期的中空器官的变形。

Description

用于变形模拟的方法和装置
技术领域
本发明涉及一种根据本发明的用于对可通过插入医学仪器而变形的中 空器官进行变形模拟的方法，以及一种根据本发明的用于执行这种方法的装 置。
背景技术
这在对主动脉瘤的介入式治疗(例如修复)领域特别重要。在此，特别 地涉及血管对所引入的刚性仪器(例如导丝、导管和支架)的非线性匹配， 即所谓的变形校正。腹主动脉瘤2(参见图1)是腹主动脉1处的血管瘤， 该血管瘤到腿动脉中的延长被称为髂动脉瘤(Illiacal-Aneurysma)。要么以 开腹手术要么微创地通过使用所谓的支架植入物3来对这进行治疗。这种方 法被称为EVAR＝血管内动脉瘤修复。经由两个腹股沟将导丝4和导管引入 到腹主动脉1中，经由该导丝和导管引入一个或多个支架植入物3(由支架 和人造血管组成的组合)。
在现有技术中的已知的方法中，在血管造影系统上在透视控制(荧光检 查)下执行EVAR程序。为了在此最小化含碘(损害肾脏的)造影剂的应用， 已经描述了不同的方法，这些方法叠加了与透视图像配准的术前数据组(主 要是CT血管造影)。为此，预先对CTA数据组进行分割。通过引入刚性仪 器(诸如导丝和导管)，通常在强烈弯曲的髂血管中(也在主动脉中)发生 大的变形。原理上，该变形取决于血管和周围组织的局部性质，因此不是均匀的。例如，血管在钙化区域中变形得比在另外的区域中小。图4中示出了 中空器官，在该中空器官中以紧密划线示出了强烈钙化的区域11。
存在术中补偿该叠加中的变形的方法。因此例如，从Toth等人的文章 “Adaptionof 3D Models to 2D X-ray Images during Endovascular Abdominal Aneurysm Repair(血管内腹部动脉瘤修复过程中3D模型与2D X射线图像 的匹配)”，Proc.Of the MICCAIWorkshop，2015，第339-346页已知一种 用于在使用叠加的图像数据组的情况下确定血管的变形的方法。在图2和图3中示出了这种术中的变形校正，其中，图2以叠化示出了最初的中空器官 10以及所引入的导丝4。图3示出了经校正的变形的中空器官13。此外，例 如根据Roy等人的文章“Finite element analysis of abdominal aortic aneurysms:geometrical and structural reconstruction with application of an anisotropicmaterial model(腹主动脉瘤的有限元分析：应用各向异性材料模型的几何和 结构重建)”,IMA J Appl Math,79(5),2014,第1011-1026页，还存在在术 前模拟变形的方法，其中在此预先给定或测量到的仪器和组织的特性被用于 模拟。然而，这是非常高开销的，并且必须通过实验确定。
发明内容
因此，本发明要解决的技术问题是，提供一种方法，该方法确保特别简 单以及鲁棒地模拟通过将医学仪器插入中空器官而引起的变形；此外，本发 明要解决的技术问题是，提供一种适合用于执行该方法的装置。
根据本发明，上述技术问题通过根据本发明的用于对可通过插入医学仪 器或对象而变形的中空器官进行变形模拟的方法以及通过根据本发明的装 置来解决。本发明的有利的设计方案分别是根据本发明的主题。
在根据本发明的用于对可通过插入医学仪器或医学对象而变形的中空 器官进行变形模拟的方法中，执行以下步骤：提供预训练的机器学习算法； 提供带有周围组织的中空器官的医学3D记录，在插入医学仪器或医学对象 之前已经记录了该3D记录；分割或提供对中空器官的医学3D记录的分割， 并且确定或提供中空器官的三维模型；提供关于所插入或待插入的医学仪器 或医学对象的信息；并且基于所分割的中空器官和周围组织的医学3D记录 以及关于仪器或对象的信息，通过使用预训练的机器学习算法来模拟通过插 入仪器或对象而引起或预期的中空器官的变形。
通过根据本发明的方法，通过不仅将中空器官本身而且还特别地将该中 空器官的周围组织包括在内，可以特别快地并且低开销地自动创建对通过插 入医学仪器或对象而引起的中空器官的变形的特别逼真并且精确的(3D)模 拟。特别地，用于模拟中空器官的变形的机器学习算法考虑了关于中空器官 的周围组织的组织特性的影响的信息。例如，中空器官周围的钙化可以对中 空器官在变形时的行为具有非常决定性的影响，该钙化可以使变形更加困难。 根据本发明的方法使用了该关联，并且在变形模拟中涉及中空器官周围的组 织。以该方式，预训练的机器学习算法具有可以影响变形的特别大量的可用 信息，从而可以实现品质上非常高质量的模拟。该信息继而例如结合对主动 脉瘤的介入式干预，在治疗患者以及在关于另外的治疗步骤的决定中显著地 帮助了医生。
在此，该方法具有两个应用情况：一方面，该方法可以用于在插入仪器 /对象时三维地模拟未知的中空器官的变形，因为其在简单的实时透视记录中 不可见，以便由此获取准确的变形图像。另一方面，该方法也可以用于在插 入仪器或对象之前原则上模拟中空器官的变形，以便例如能够对所计划的干 预做出更好的决定。
按照本发明的一个设计方案，中空器官的模型由表面模型或体积模型形 成。在分割领域中，这种模型被证明特别有利。
按照本发明的另外的设计方案，借助大量已知的记录对来预训练机器学 习算法，该记录对由未变形的中空器官及其周围组织的第一医学3D记录和 通过医学仪器而变形的中空器官及其周围组织的第二医学3D记录组成。通 过尽可能多的、高质量的(3D)记录对，可以对算法进行特别有效的预训练， 由此然后可以再次引起特别精确的模拟。
按照本发明的另外的设计方案，分别关于中空器官对记录对进行分割， 并且中空器官作为具有子元素的三维模型、特别是作为具有网格元素的网格 示出。对中空器官的自动或半自动的预分割是已知的方法，该方法通过识别 特定的结构(即，例如中空器官)以及例如对其进行标记或突出显示，显著 地减轻了对2D记录或3D记录的进一步处理。随后，可以将所分割的中空 器官作为由大量子元素组成的模型示出，其中，关于此点合适地使用具有网 格元素的网格。在此，以有利的方式，子元素可以被构建为多边形、样条或 其他合适的数学表达。
按照本发明的另外的设计方案，用于模拟中空器官的变形的机器学习算 法考虑了子元素之间的刚度参数。刚度参数从医学3D记录中获取，作为相 应的子元素的周围组织的组织特性的参数化函数。在此，表示针对材料的非 变形性的量度的参数被称为刚度参数。在预训练的范围内确定合适的刚度参 数。
按照本发明的另外的设计方案，在预训练的范围内确定引起真实变形 (即来自通过医学仪器而变形的中空器官及其周围组织的实际记录的3D记 录的真实变形)与变形模拟之间的误差最小化的那些刚度参数。通过该误差 最小化(借助由未变形的中空器官及其周围组织的第一医学3D记录和通过 医学仪器而变形的中空器官及其周围组织的第二医学3D记录组成的记录对 来确定该误差最小化)，可以确定引起特别忠于实际的变形模拟的那些刚度 参数。
按照本发明的另外的设计方案，将模型周围的组织的特性映射到模型上， 其中，该特性特别地影响中空器官的局部变形行为。关于此点，可以选择不 同的替换方案，该替换方案可以取决于模型、中空器官和周围组织地来保证 高质量的变形模拟。因此，按照可特别简单地实施的变形方案，可以通过预 定长度的矢量将子元素的周围组织映射到子元素上。按照特别准确的第二变 形方案，可以通过具有预定半径的半球形圆周将子元素的周围组织映射到子 元素上。
按照本发明的另外的设计方案，假设通过亨氏单位(Hounsfield-Einheit) 来表示组织特性，特别是针对医学3D记录是CT记录或DynaCT记录的情 况。以亨氏标度(Hounsfield-Skala)通常描述了组织中X射线辐射的衰减， 然后例如可以将值与组织类型/组织特性相关联。
按照本发明的另外的设计方案，根据记录对来训练算法，在该记录对中 通过对变形的物理激励的第二模拟、例如通过FE方法来代替第二医学3D 记录。以该方式，可以训练算法以精确地仿真这种模拟。
按照本发明的另外的设计方案，将变形模拟显示在显示装置上，使得例 如可以由医生来检查该变形模拟。然后，医生可以根据所显示的变形模拟来 决定实际的干预，并且在需要时进行更改。
按照本发明的一种设计方案，变形模拟与至少一个2D记录、特别是实 时透视记录叠加。如果在X射线监视下进行所计划的或实现的介入式干预， 则这是特别有利。在二维实时透视记录上例如可以映射所插入的医学仪器/对 象。
按照本发明的另外的设计方案，可以从2D记录、特别是从透视记录中 获取关于所插入或待插入的医学仪器的信息。可以从存储器中引入或实时地 记录2D记录。2D记录可以经受图像处理，并且关于仪器进行分割。根据实 时透视记录，例如可以获取仪器的当前位置、实际走向以及还有实际弯曲。 例如，可以从先前所记录和所存储的记录中获取关于仪器的形状和长度的信 息。然后，信息可供用于变形模拟。该过程也可以自动地执行。然后，在该 方法中使用所提供的信息。
特别地，待插入的医学仪器或对象可以是导丝或血管支架。
机器学习算法、特别是还基于深度学习的算法例如可以由一个或多个神 经网络来形成，并且例如借助部分监控(“semi-supervised”，半监督)学习 方法或强化学习(“Reinforcement Learning”)来实施。
如果尚未插入仪器或对象，则除了关于形状、尺寸、位置等的信息之外， 还可以使用关于仪器或对象的特性的信息，例如刚度、硬度等。例如可以从 存储器中获取或输入该信息。此外，使用例如可以预先确定或输入的、关于 所期望的位置的信息。
此外，要求保护一种用于执行对可通过插入医学仪器或医学对象而变形 的患者的中空器官的变形模拟的系统，其具有：通信装置，用于查询带有周 围组织的中空器官的医学3D记录；存储装置，用于存储带有周围组织的中 空器官的医学3D记录；图像处理装置，用于执行对带有周围组织的中空器 官的医学3D记录的分割以及用于确定带有周围组织的中空器官的表面的三 维模型；预训练的机器学习算法，其被构建为基于所分割的医学3D记录对 通过插入仪器或对象而引起或预期的中空器官的变形进行模拟；带有处理器 的计算装置，用于实施预训练的机器学习算法；以及显示装置，用于显示所 建模的、通过仪器或对象而变形的中空器官。在此，该系统有利地具有血管 造影X射线设备，用于记录带有周围组织的中空器官的医学3D记录。
附图说明
下面，根据在附图中示意性地示出的实施例，更详细地说明本发明以 及根据本发明的特征的其它有利的设计方案，而本发明不由此局限于这 些实施例。附图中：
图1示出了按照现有技术的具有所引入的支架的腹主动脉瘤的视图；
图2示出了按照现有技术的将中空器官的3D记录与导丝的2D图像叠 加的视图；
图3示出了根据已知方法的中空器官的经校正的位置的视图；
图4示出了中空器官的视图，该中空器官根据刚度被不同地划线；
图5示出了用于对可通过插入医学仪器而变形的中空器官进行变形模 拟的方法的基本步骤；
图6示出了刚度参数和在其上投影的亨氏单位的图示；
图7示出了未变形的记录的2D视图，该2D视图具有分割的中空器官 和周围组织，以获得亨氏单位；以及
图8示出了用于执行根据本发明的方法的系统。
具体实施方式
图5中示出了用于对可通过插入医学仪器而变形的中空器官进行变形 模拟的方法的基本步骤。例如在对中空器官的介入式干预开始之前执行该方 法，其中，例如可以在对主动脉瘤的介入式治疗(例如修复)的范围内执行 该干预。如果已经执行了介入式干预并且插入了仪器或对象，则也可以已经 在手术室中执行该方法，以便能够三维地映射未知的中空器官的变形，因为 其以简单的实时透视记录不可见。
在第一步骤5中，提供了预训练的机器学习算法，例如深度学习算法。 随后，更详细地描述了机器学习算法的预训练的不同可能性和影响。例如可 以由人工神经网络来形成机器学习算法。对构造为由人工神经元组成的网络 的神经网络的使用是众所周知的，例如参见： https://de.wikipedia.org/wiki/K％C3％BCnstliches_neuronales_Netz。
在第二步骤6中，提供带有其周围组织的中空器官的至少一个医学3D 记录，该3D记录已经在插入医学仪器之前被记录。可以已经借助X射线设 备(例如血管造影X射线设备或计算机断层成像设备)创建了3D记录。替 换地，也可以直接制作3D记录。
在第三步骤7中，直接分割中空器官的医学3D记录或者以已经分割的 形式提供。在此，确定中空器官的三维模型，或者该中空器官的三维模型已 经以模型形式提供。可以将表面模型或者还可以将体积模型用作针对中空器 官的模型。特别地，例如可以将具有以多边形形式的网络元素的多边形网络 或者基于样条的表面模型用作表面模型。
在第四步骤8中，提供关于所插入或待插入的医学仪器的信息。仪器或 对象例如可以是导管或导丝或待插入的血管支架。该信息例如可以从数据库 /存储器获取、由用户输入或者从直接(或先前)记录的2D记录(实时透视 记录)或3D记录获取。在此，第一步骤5、第二步骤6和第四步骤8之间 的顺序是任意的。
2D记录可以经受图像处理，并且关于仪器进行分割。根据实时透视记 录，例如可以获取所插入的仪器的当前位置、实际走向以及还有实际弯曲。 例如，可以从先前所记录和所存储的记录中获取关于仪器的形状和长度的信 息。
如果尚未插入仪器或对象，并且在尚未引入仪器/对象时原则上应当借 助该方法来模拟中空器官的变形，则替换地或附加地使用关于所设置的仪器 或对象的位置的信息。作为关于仪器或对象的三维结构(形状、尺寸、厚度 等)的信息的替代或附加，还可以使用例如刚度或硬度的特性。
然后，关于仪器或对象的信息可供用于变形模拟。该过程也可以自动地 执行。
在后面的第五步骤9中，随后借助预训练的机器学习算法，在使用所分 割的中空器官的医学3D记录的情况下以及在使用关于周围组织的信息的情 况下以及在使用关于仪器的信息的情况下，对通过插入仪器而引起或预期的 中空器官的变形进行模拟。在此特别地，周围组织对相应的变形模型的影响 通过机器学习算法或自学习算法来确定，以便由此获得对中空器官的特别高 质量的、尤其是三维的变形模拟或改善了变形校正。
此外，在尚未插入仪器或对象的情况下，附加地可以一起模拟该仪器或 对象的变形。
随后，一个或多个变形模拟可以被显示在显示单元22上。
下面描述了变形模拟的基本数学思路和细节。下面，具有子元素的中空 器官的三维模型下面是具有作为网格元素的多边形的多边形网络。然而，也 可以使用具有子元素的任意其他模型。所谓的第i个多边形i与第j个多边 形j之间的中空器官的模型的刚度参数S(ij)表示针对中空器官的不可变形性 的量度(如图6所示)。如果描述了变形模拟的变换规则T，则产生
MM＝T[S,MO],
其中，MO表示原始的未变形的分割，MM表示相应的模拟，并且S表示刚 度参数S(ij)的总体。
基于多个存在的数据(所谓的训练数据)来学习周围组织对变形的影响 (即，在变形模拟中，多边形彼此之间的刚度)。将数量M个已知的记录对 用作训练数据，该记录对相应地由未变形的中空器官及其周围组织的第一医 学3D记录MO_gt和通过医学仪器而变形的中空器官及其周围组织的第二 医学3D记录MM_gt组成。为此，将刚度参数S(ij)表达为周围组织Gew(ij) 的参数化函数：
S(ij)＝F(W,Gew(ij))
根据数量M个已知的记录对
TM＝{(MO_gt(k),MM_gt(k)),k＝1,…,M}，
“学习”最佳权重Wopt。
在此，优选地确定最佳权重Wopt，该最佳权重引起真实的变形与针对数 量M的模拟的变形之间的误差最小化。如果确定了最佳权重，可以将针对 未变形的中空器官及其周围组织的任意3D记录MO的变形模拟计算为
MM＝T[F(Wopt,Gew),MO]。
为了进一步实施该方法，针对对函数的具体分析，例如可以将组织周围 Gew(ij)理解为对第i个多边形i与第j个多边形j之间的一定的周围的离散 采样Gew(ij)＝[G1(ij),G2(ij),...GN(ij)]，即
S(ij)＝F(W,[G1(ij),G2(ij),...,Gk(ij),...GN(ij)])。
由于为了变形模拟所需的多边形(子元素或网格元素)被嵌入到中空器 官及其周围组织的3D记录中，因此为了具体地计算，进一步假设通过不同 的亨氏单位(HU)表示不同的组织(特性)，即成立Gk(ij)＝HUk(ij)。在此 无关紧要的是，相同的组织可以生成亨氏单位(HUs)的谱，或者可以通过 相同的HU值来映射不同的组织。
因此，为了对刚度参数S(ij)进行建模，产生了(仍然未知的)函数
S(ij)＝F(W,[HU1(ij),HU2(ij),...,HUk(ij),...HUN(ij)])。
图6中示意性地示出了如何通过预定长度的矢量V将周围组织映射到 具有刚度S(ij)的多边形(网格元素，子元素)上，其中，通过亨氏单位 HU1(ij)…HUN(ij)表示不同的点1...N处的组织特性。作为矢量V的替换，例如 也可以通过具有预定半径的半球形圆周将子元素的周围组织映射到子元素 上。
因此，在用于变形模拟(例如，ARAP或FEM建模)的给定的变换规 则T中，针对变换，总之产生了：
MM＝T[S,MO]＝T[F(W,HU),MO]。
根据对数量M个已知的记录对上的相应的误差函数的最小化来学习参 数Wopt，该记录对相应地由未变形的中空器官及其周围组织的第一医学3D 记录MO_gt和通过医学仪器而变形的中空器官及其周围组织的第二医学3D 记录MM_gt组成，
Figure BDA0002607438930000091
为了进行确定使用相应的学习方法，例如使用梯度下降法的反向传播或 另外的用于非线性优化的方法。这种方法例如从Pfister等人的文章“Hybrid learningalgorithms for neural networks(神经网络的混合学习算法)”，Zeitschrift fürAngewandte Mathematik und Mechanik(应用数学和力学杂志)第76卷， 增刊1，1996年，第225页中已知。
为了训练机器学习算法，需要足够大的数量M的已知的记录对 TM＝{(MO_gt(k),MM_gt(k)),k＝1,…,M}。例如，可以从变形的术中3D记录 (DynaCT，血管记录等)及其未变形的对照中获得这种记录对。替换地，也 可以通过物理激励的模拟、例如通过FE方法来代替真实的3D记录。
为了训练算法，还可以输入并考虑仪器或对象的特性(例如，刚度、硬 度等)。
可能发生的是，未对来自通过医学仪器而变形的中空器官及其周围组织 的第二医学3D记录的所有的多边形都完全且准确地知晓变形。在这种情况 下，还可以基于子集和/或近似已知的变形来学习权重。在此，例如可以考虑 部分监督(“半监督”)学习方法或强化学习(“Reinforcement Learning”)。
根据本发明的方法可用在所有可能的应用领域，以适配中空器官的分割 变形，例如在神经放射学、主动脉瓣的置入或肝脏中血管的变形中。作为带 有周围组织的中空器官的3D记录，既可以使用X射线记录又可以使用借助 另外的医学成像方法记录的3D记录(例如，MR记录)，并且可以相应地 进行分割。在此，值不能被解释为HU值，但可以在其他情况下被类似地使 用。
例如可以从2D记录、尤其是从透视记录中获取关于所插入或待插入的 医学仪器的信息。例如可以从存储器中获取或实时地记录2D记录。2D记录 可以经受图像处理，并且关于仪器进行分割。然后，信息可供用于变形模拟。 该过程也可以自动地执行。特别地，待插入的医学仪器或对象可以是导丝或 血管支架。
也可以从存储器中获取或输入关于所插入或待插入的医学仪器或医学 对象的信息。作为关于仪器或对象的三维结构(形状、尺寸、厚度等)的信 息的替代或附加，还可以使用例如刚度或硬度的特性。这既适用于算法的训 练，又适用于方法本身。因此，可以在算法训练期间学习该信息，和/或在执 行该方法时考虑该信息。
图8中示出了一种系统，用于执行对可通过插入医学仪器而变形的患者 的中空器官的变形模拟。该系统具有带有处理器的计算装置21，其中，计算 装置21被构建为可以实施预训练的机器学习算法24，该预训练的机器学习 算法又被构建为基于所分割的医学3D记录对通过插入仪器而预期的中空器 官的变形进行模拟。此外，系统具有：通信装置18，用于查询带有周围组织 的中空器官的医学3D记录；存储装置19，用于存储带有周围组织的中空器 官的医学3D记录；以及图像处理装置20，用于执行对带有周围组织的中空 器官的医学3D记录的分割以及用于确定带有周围组织的中空器官的表面的 三维模型。此外，该系统与显示装置22相关联，该显示装置用于显示所建 模的、通过仪器而变形的中空器官。此外，该系统可以与血管造影X射线设 备23相关联，用于记录带有周围组织的中空器官的医学3D记录。
用于在使用机器学习算法的情况下进行变形模拟的方法的优点在于，不 必如以往一样有缺陷地并且费力地根据实验确定组织对变形模拟的影响，而 是可以简单并且鲁棒地根据示例进行训练。
本发明可以以以下方式简要概述：为了特别简单并且同时精确地进行对 可通过插入医学仪器或医学对象而变形的中空器官的变形模拟，执行以下步 骤：提供预训练的机器学习算法；提供带有周围组织的中空器官的医学3D 记录，在插入医学仪器或医学对象之前已经记录了该3D记录；分割或提供 对中空器官的医学3D记录的分割，并且确定或提供中空器官的三维模型； 提供关于所插入或待插入的医学仪器或医学对象的信息；并且基于所分割的 中空器官和周围组织的医学3D记录以及关于仪器或对象的信息，通过使用 预训练的机器学习算法来模拟通过插入仪器而引起或预期的中空器官的变 形。

Claims (21)

1.一种用于对能够通过插入医学仪器或医学对象而变形的中空器官(10)进行变形模拟的方法，其具有以下步骤：
·提供预训练的机器学习算法(24)，
·提供带有周围组织的中空器官(10)的医学3D记录，在插入医学仪器(3；4)或医学对象之前已经记录了所述3D记录，
·分割或提供对中空器官(10)的医学3D记录的分割，并且确定或提供中空器官(10)的三维模型，
·提供关于所插入或待插入的医学仪器(3；4)或医学对象的信息，以及
·基于所分割的中空器官(10)和周围组织的医学3D记录以及关于仪器或对象的信息，通过使用预训练的机器学习算法(24)来模拟通过插入仪器(3；4)或医学对象而预期或引起的中空器官(10)的变形。
2.根据权利要求1所述的方法，其中，所述模型由表面模型或体积模型形成。
3.根据权利要求1或2所述的方法，其中，用于模拟中空器官的变形的机器学习算法(24)考虑了关于中空器官(10)的周围组织的组织特性的影响的信息。
4.根据上述权利要求中任一项所述的方法，其中，借助大量已知的记录对(MO；MM)来预训练机器学习算法(24)，所述记录对由未变形的中空器官及其周围组织的第一医学3D记录和通过医学仪器(3；4)或医学对象而变形的中空器官(13)及其周围组织的第二医学3D记录组成。
5.根据权利要求4所述的方法，其中，分别关于中空器官(10)对所述记录对(MO；MM)进行分割，并且所述中空器官(10)作为具有子元素的三维模型、特别是作为具有网格元素的网格示出。
6.根据权利要求5所述的方法，其中，用于对中空器官(10)进行变形模拟的机器学习算法(24)考虑了子元素之间的刚度参数(Sij)，所述刚度参数(Sij)从医学3D记录中获取，作为相应的子元素的周围组织的组织特性的参数化函数。
7.根据权利要求6所述的方法，其中，确定引起真实变形与变形模拟之间的误差最小化的那些刚度参数(Sij)。
8.根据上述权利要求中任一项所述的方法，其中，将模型周围的组织的特性映射到所述模型上，其中，所述特性特别地影响中空器官(10)的局部变形行为。
9.根据权利要求5至8中任一项所述的方法，其中，通过预定长度的矢量(V)将子元素的周围组织映射到子元素上。
10.根据权利要求5至8中任一项所述的方法，其中，通过具有预定半径的半球形圆周将子元素的周围组织映射到子元素上。
11.根据上述权利要求中任一项所述的方法，其中，假设通过亨氏单位(HU)表示组织特性。
12.根据权利要求5至11中任一项所述的方法，其中，所述子元素被构建为多边形、样条或其他合适的数学表达。
13.根据权利要求4或5所述的方法，其中，通过最小化作为实际变形与模拟出的变形之间的误差的误差函数，根据所述记录对(MO；MM)来训练所述算法(24)。
14.根据权利要求4或5所述的方法，其中，通过由物理激励的第二模拟、特别是由FE方法来代替第二医学3D记录，根据所述记录对(MO；MM)来训练所述算法。
15.根据上述权利要求中任一项所述的方法，其中，将所述变形模拟显示在显示装置上(22)。
16.根据权利要求15所述的方法，其中，所述变形模拟与至少一个2D记录、特别是实时透视记录叠加。
17.根据上述权利要求中任一项所述的方法，其中，从2D记录、尤其是从透视记录中获取关于待插入或所插入的医学仪器(3；4)或医学对象的信息。
18.根据上述权利要求中任一项所述的方法，其中，关于待插入的医学仪器(3；4)或医学对象的信息考虑待插入的医学仪器(3；4)或医学对象的所计划的位置。
19.根据上述权利要求中任一项所述的方法，其中，附加地模拟医学仪器或对象的变形。
20.一种用于执行根据权利要求1至19中任一项所述的对能够通过插入医学仪器(3；4)或医学对象而变形的患者的中空器官(10)的变形模拟的系统，其具有：
·通信装置(18)，用于查询带有周围组织的中空器官的医学3D记录，
·存储装置(19)，用于存储带有周围组织的中空器官的医学3D记录；
·图像处理装置(20)，用于执行对带有周围组织的中空器官(10)的医学3D记录的分割以及用于确定带有周围组织的中空器官(10)的表面的三维模型；
·预训练的机器学习算法(24)，所述预训练的机器学习算法被构建为基于所分割的医学3D记录对通过插入仪器而预期或引起的中空器官(10)的变形进行模拟；
·带有处理器的计算装置(21)，用于实施预训练的机器学习算法(24)，以及
·显示装置(22)，用于显示所建模的、通过仪器或对象而变形的中空器官(13)。
21.根据权利要求20所述的系统，其具有血管造影X射线设备(23)，用于记录带有周围组织的中空器官的医学3D记录。
CN202010743272.6A 2019-07-31 2020-07-29 用于变形模拟的方法和装置 Pending CN112309574A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP19189356.9 2019-07-31
EP19189356.9A EP3771449A1 (de) 2019-07-31 2019-07-31 Verfahren zur verformungssimulation und vorrichtung

Publications (1)

Publication Number Publication Date
CN112309574A true CN112309574A (zh) 2021-02-02

Family

ID=67514390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010743272.6A Pending CN112309574A (zh) 2019-07-31 2020-07-29 用于变形模拟的方法和装置

Country Status (4)

Country Link
US (1) US11883108B2 (zh)
EP (1) EP3771449A1 (zh)
CN (1) CN112309574A (zh)
DE (1) DE102020209416A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114663840A (zh) * 2022-05-13 2022-06-24 浙江有色地球物理技术应用研究院有限公司 隧道环境的巡检设备监控方法及系统
US11538163B1 (en) 2022-01-06 2022-12-27 Rowan University Training a neural network for a predictive aortic aneurysm detection system

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020201928A1 (de) 2020-02-07 2021-08-12 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren zur Deformationskorrektur

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030091967A1 (en) * 2000-04-12 2003-05-15 Edna Chosack Endoscopic tutorial system for urology
US20040009459A1 (en) * 2002-05-06 2004-01-15 Anderson James H. Simulation system for medical procedures
CN1871998A (zh) * 2006-04-20 2006-12-06 北京思创贯宇科技开发有限公司 一种血管三维重建及虚拟支架置入的方法和系统
US20080020362A1 (en) * 2004-08-10 2008-01-24 Cotin Stephane M Methods and Apparatus for Simulaton of Endovascular and Endoluminal Procedures
CN101332093A (zh) * 2007-06-20 2008-12-31 株式会社东芝 医疗用诊断辅助装置、医疗用诊断辅助方法及放射线诊断装置
US20090018808A1 (en) * 2007-01-16 2009-01-15 Simbionix Ltd. Preoperative Surgical Simulation
US8311791B1 (en) * 2009-10-19 2012-11-13 Surgical Theater LLC Method and system for simulating surgical procedures
CN103198202A (zh) * 2012-12-19 2013-07-10 首都医科大学 颅内动脉瘤介入治疗支架植入图像仿真方法
KR20160092799A (ko) * 2015-01-28 2016-08-05 주식회사 인피니트헬스케어 혈관 정보를 포함하는 의료 영상을 디스플레이하는 장치 및 방법
US20160310216A1 (en) * 2015-04-23 2016-10-27 Aortica Corporation Devices and methods for anatomic mapping for prosthetic implants
CN107067856A (zh) * 2016-12-31 2017-08-18 歌尔科技有限公司 一种医学模拟训练系统和方法
US20170357844A1 (en) * 2016-06-09 2017-12-14 Siemens Healthcare Gmbh Image-based tumor phenotyping with machine learning from synthetic data
CN107491633A (zh) * 2017-06-30 2017-12-19 上海联影医疗科技有限公司 一种图像处理的方法及装置
US20180000339A1 (en) * 2016-06-29 2018-01-04 Ace Vision Group, Inc. System and methods using real-time predictive virtual 3d eye finite element modeling for simulation of ocular structure biomechanics
CN107705855A (zh) * 2017-09-21 2018-02-16 北京众绘虚拟现实技术研究院有限公司 一种支持个性化的经皮冠状动脉成形术模拟训练系统及方法
US20180161099A1 (en) * 2015-06-26 2018-06-14 Therenva Method and system for helping to guide an endovascular tool in vascular structures
US20180308394A1 (en) * 2010-06-30 2018-10-25 Stuart Charles Segall Wearable Partial Task Surgical Simulator
US20180308395A1 (en) * 2017-04-20 2018-10-25 Stanley V. Kulkaski Utility Marker assembly and method of the same
CN109979600A (zh) * 2019-04-23 2019-07-05 上海交通大学医学院附属第九人民医院 基于虚拟现实的眼眶手术训练方法、系统和存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080317195A1 (en) 2007-06-20 2008-12-25 Kabushiki Kaisha Toshiba Medical-diagnosis assisting apparatus, medical-diagnosis assisting method, and radiodiagnosis apparatus
US10636142B2 (en) * 2018-04-20 2020-04-28 Siemens Healthcare Gmbh Real-time and accurate soft tissue deformation prediction
US11416069B2 (en) * 2018-09-21 2022-08-16 Immersivetouch, Inc. Device and system for volume visualization and interaction in a virtual reality or augmented reality environment
EP3666210B1 (de) * 2018-12-14 2024-02-21 Siemens Healthineers AG Planungsunterstützung für einen interventionellen eingriff sowie entsprechende geräte und computerprogramme
JP7286380B2 (ja) * 2019-04-01 2023-06-05 国立大学法人 東京大学 医用画像処理装置及び医用画像処理プログラム
US11571266B1 (en) * 2021-12-10 2023-02-07 Ix Innovation Llc Robotic surgical system for insertion of surgical implants

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030091967A1 (en) * 2000-04-12 2003-05-15 Edna Chosack Endoscopic tutorial system for urology
US20040009459A1 (en) * 2002-05-06 2004-01-15 Anderson James H. Simulation system for medical procedures
US20080020362A1 (en) * 2004-08-10 2008-01-24 Cotin Stephane M Methods and Apparatus for Simulaton of Endovascular and Endoluminal Procedures
CN1871998A (zh) * 2006-04-20 2006-12-06 北京思创贯宇科技开发有限公司 一种血管三维重建及虚拟支架置入的方法和系统
US20090018808A1 (en) * 2007-01-16 2009-01-15 Simbionix Ltd. Preoperative Surgical Simulation
CN101332093A (zh) * 2007-06-20 2008-12-31 株式会社东芝 医疗用诊断辅助装置、医疗用诊断辅助方法及放射线诊断装置
US8311791B1 (en) * 2009-10-19 2012-11-13 Surgical Theater LLC Method and system for simulating surgical procedures
US20180308394A1 (en) * 2010-06-30 2018-10-25 Stuart Charles Segall Wearable Partial Task Surgical Simulator
CN103198202A (zh) * 2012-12-19 2013-07-10 首都医科大学 颅内动脉瘤介入治疗支架植入图像仿真方法
KR20160092799A (ko) * 2015-01-28 2016-08-05 주식회사 인피니트헬스케어 혈관 정보를 포함하는 의료 영상을 디스플레이하는 장치 및 방법
US20160310216A1 (en) * 2015-04-23 2016-10-27 Aortica Corporation Devices and methods for anatomic mapping for prosthetic implants
US20180161099A1 (en) * 2015-06-26 2018-06-14 Therenva Method and system for helping to guide an endovascular tool in vascular structures
US20170357844A1 (en) * 2016-06-09 2017-12-14 Siemens Healthcare Gmbh Image-based tumor phenotyping with machine learning from synthetic data
US20180000339A1 (en) * 2016-06-29 2018-01-04 Ace Vision Group, Inc. System and methods using real-time predictive virtual 3d eye finite element modeling for simulation of ocular structure biomechanics
CN107067856A (zh) * 2016-12-31 2017-08-18 歌尔科技有限公司 一种医学模拟训练系统和方法
US20180308395A1 (en) * 2017-04-20 2018-10-25 Stanley V. Kulkaski Utility Marker assembly and method of the same
CN107491633A (zh) * 2017-06-30 2017-12-19 上海联影医疗科技有限公司 一种图像处理的方法及装置
CN107705855A (zh) * 2017-09-21 2018-02-16 北京众绘虚拟现实技术研究院有限公司 一种支持个性化的经皮冠状动脉成形术模拟训练系统及方法
CN109979600A (zh) * 2019-04-23 2019-07-05 上海交通大学医学院附属第九人民医院 基于虚拟现实的眼眶手术训练方法、系统和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MICHELE CONTI: "Carotid artery hemodynamics before and after stenting： A patient specific CFD study", COMPUTERS AND FLUID, pages 1 - 32 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11538163B1 (en) 2022-01-06 2022-12-27 Rowan University Training a neural network for a predictive aortic aneurysm detection system
CN114663840A (zh) * 2022-05-13 2022-06-24 浙江有色地球物理技术应用研究院有限公司 隧道环境的巡检设备监控方法及系统
CN114663840B (zh) * 2022-05-13 2022-08-23 浙江有色地球物理技术应用研究院有限公司 隧道环境的巡检设备监控方法及系统

Also Published As

Publication number Publication date
EP3771449A1 (de) 2021-02-03
US11883108B2 (en) 2024-01-30
DE102020209416A1 (de) 2021-02-04
US20210030475A1 (en) 2021-02-04

Similar Documents

Publication Publication Date Title
JP7486626B2 (ja) 脈管内においてカテーテルのような導管ラインをルーティングするためのシステムおよび方法
US11883108B2 (en) Method for deformation simulation and apparatus
Meess et al. 3D printed abdominal aortic aneurysm phantom for image guided surgical planning with a patient specific fenestrated endovascular graft system
CN101627411B (zh) 用于执行模拟的图像导引医疗过程的设备和方法
US10751943B2 (en) Personalized creation from medical imaging
DE102008014792B3 (de) Verfahren und Vorrichtung zur Simulation eines Blutflusses in einem Gefäßabschnitt
US10959780B2 (en) Method and system for helping to guide an endovascular tool in vascular structures
CN110490835B (zh) 自动检查叠合图像的方法，计算单元和医学成像设备
JP7083234B2 (ja) シャドウ画像をシミュレートする方法、デバイスおよびシステム
Tmenova et al. CycleGAN for style transfer in X-ray angiography
KR20110103178A (ko) 형광투시조영술의 시뮬레이션을 위한 가상 형광투시영상의 실시간 렌더링방법
US20220198784A1 (en) System and methods for augmenting x-ray images for training of deep neural networks
WO2022268974A1 (en) Identifying stent deformations
US10779889B2 (en) Planning support during an interventional procedure
WO2021193019A1 (ja) プログラム、情報処理方法、情報処理装置及びモデル生成方法
US20190019433A1 (en) Method and system for a preoperative surgical intervention simulation
EP3725227B1 (en) Method of calibrating x-ray projection geometry in x-ray cone beam computed tomography
US8594765B2 (en) Method for providing an aid for use in the therapeutic treatment of a somatic subject
Bartesaghi et al. Spatial augmented reality and simulations to improve abdominal aortic aneurysm diagnosis and monitoring
JP6053118B2 (ja) シミュレーション装置、シミュレーション方法、およびプログラム
WO2021193015A1 (ja) プログラム、情報処理方法、情報処理装置及びモデル生成方法
Emendi et al. Prediction of guidewire-induced aortic deformations during EVAR: a finite element and in vitro study
Valenzuela III et al. Post-procedure micro-CT analyses of coronary artery stenting in left main vessels of reanimated and perfusion-fixed human hearts
Sújar et al. Projectional Radiography Simulator: an Interactive Teaching Tool.
Sun Three-dimensional printing in cardiopulmonary disease

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