CN113614845A - 动脉成像与评定系统和方法以及相关的基于用户界面的工作流程 - Google Patents
动脉成像与评定系统和方法以及相关的基于用户界面的工作流程 Download PDFInfo
- Publication number
- CN113614845A CN113614845A CN202080022148.9A CN202080022148A CN113614845A CN 113614845 A CN113614845 A CN 113614845A CN 202080022148 A CN202080022148 A CN 202080022148A CN 113614845 A CN113614845 A CN 113614845A
- Authority
- CN
- China
- Prior art keywords
- representation
- calcium
- artery
- stent
- frame
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 164
- 238000003384 imaging method Methods 0.000 title claims abstract description 84
- 239000011575 calcium Substances 0.000 claims abstract description 138
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical group [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims abstract description 132
- 229910052791 calcium Inorganic materials 0.000 claims abstract description 132
- 210000001367 artery Anatomy 0.000 claims abstract description 102
- 238000005259 measurement Methods 0.000 claims abstract description 54
- 238000004513 sizing Methods 0.000 claims abstract description 24
- 238000003860 storage Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 49
- 239000003550 marker Substances 0.000 claims description 23
- 241000252073 Anguilliformes Species 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 8
- 208000033990 Stent malfunction Diseases 0.000 claims description 7
- 238000012552 review Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 239000000523 sample Substances 0.000 description 50
- 238000012014 optical coherence tomography Methods 0.000 description 46
- 210000001519 tissue Anatomy 0.000 description 44
- 210000004204 blood vessel Anatomy 0.000 description 35
- 238000013528 artificial neural network Methods 0.000 description 22
- 238000010801 machine learning Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 22
- 230000015654 memory Effects 0.000 description 21
- 238000002608 intravascular ultrasound Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 17
- 238000013473 artificial intelligence Methods 0.000 description 16
- 238000013439 planning Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 16
- 238000002583 angiography Methods 0.000 description 13
- 230000000877 morphologic effect Effects 0.000 description 13
- 238000011282 treatment Methods 0.000 description 13
- 208000031481 Pathologic Constriction Diseases 0.000 description 12
- 238000013480 data collection Methods 0.000 description 12
- 208000037804 stenosis Diseases 0.000 description 12
- 230000036262 stenosis Effects 0.000 description 12
- 238000007689 inspection Methods 0.000 description 11
- 150000002632 lipids Chemical class 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000002513 implantation Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 8
- 210000004351 coronary vessel Anatomy 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 239000013307 optical fiber Substances 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 239000000835 fiber Substances 0.000 description 5
- 230000005055 memory storage Effects 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 210000002808 connective tissue Anatomy 0.000 description 4
- 238000002594 fluoroscopy Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011079 streamline operation Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 208000004434 Calcinosis Diseases 0.000 description 2
- 241000699666 Mus <mouse, genus> Species 0.000 description 2
- 102000016611 Proteoglycans Human genes 0.000 description 2
- 108010067787 Proteoglycans Proteins 0.000 description 2
- 208000007536 Thrombosis Diseases 0.000 description 2
- VQKWAUROYFTROF-UHFFFAOYSA-N arc-31 Chemical compound O=C1N(CCN(C)C)C2=C3C=C4OCOC4=CC3=NN=C2C2=C1C=C(OC)C(OC)=C2 VQKWAUROYFTROF-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 210000000497 foam cell Anatomy 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 201000001997 microphthalmia with limb anomalies Diseases 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000002399 angioplasty Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013130 cardiovascular surgery Methods 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 210000004969 inflammatory cell Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000002540 macrophage Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 238000002627 tracheal intubation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000004026 tunica intima Anatomy 0.000 description 1
- 210000004231 tunica media Anatomy 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- 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
-
- 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
-
- 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
- A61B34/25—User interfaces for surgical systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
-
- 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
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/0485—Scrolling or panning
-
- 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
- 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
- G06T7/13—Edge detection
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
- 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
- G16H40/40—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 management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- 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
- G16H50/30—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
-
- 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
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- 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
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- 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
- A61B34/25—User interfaces for surgical systems
- A61B2034/252—User interfaces for surgical systems indicating steps of a surgical procedure
-
- 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
- A61B34/25—User interfaces for surgical systems
- A61B2034/254—User interfaces for surgical systems being adapted depending on the stage of the surgical procedure
-
- 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
- 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
- A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
- A61B2090/3966—Radiopaque markers visible in an X-ray image
-
- 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
- A61F2/958—Inflatable balloons for placing stents or stent-grafts
-
- 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
- G06T2207/10072—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
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30052—Implant; Prosthesis
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Robotics (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Gynecology & Obstetrics (AREA)
- Dentistry (AREA)
- Urology & Nephrology (AREA)
Abstract
部分地,本公开涉及显示动脉的表示的方法。该方法可以包括:将血管内图像数据集存储在诊断成像系统的存储设备中,血管内图像数据集响应于动脉的节段的血管内成像而生成;在每一帧的基础上自动地检测节段的管腔边界;自动地检测EEL并显示支架尺寸设定工作流程。部分地,本公开还涉及相对于节段的管腔边界自动地检测一个或更多个钙区域;针对一帧或更多帧计算检测到的钙的角度或圆周测量值;针对一帧或更多帧计算检测到的钙的钙厚度;以及针对一个或更多个帧中的第一帧显示检测到的钙的角度或圆周测量值以及钙厚度。
Description
相关申请的交叉引用
本申请要求于2019年3月17日提交的美国临时专利申请No.62/819,595的优先权和权益,该美国临时专利申请的全部公开内容通过参引并入本文中。
背景技术
介入心脏病专家在插管手术过程期间结合各种诊断工具来规划、指导和评定治疗。通常使用荧光检查法来执行血管的血管造影成像。进而,这种血管成像又被内科医生在诸如搭桥手术或支架植入之类的介入期间用来诊断、定位和治疗血管疾病。诸如光学相干断层扫描(OCT)之类的血管内成像技术也是可以用于代替荧光检查法或与荧光检查法结合使用以获得关于给定对象的血管状况的高分辨率数据的有价值工具。
血管内光学相干断层扫描是一种基于导管的成像模态,其使用光来窥视冠状动脉壁并生成冠状动脉壁的图像以供研究。利用相干光、干涉量度法和微光学,OCT可以提供病变血管内的具有微米级分辨率的视频速率的体内断层扫描。使用光纤探头以高分辨率观察亚表层结构使得OCT对于内部组织和器官的微创成像特别有用。OCT能够实现的详细程度允许用户诊断和监测冠状动脉疾病的进展。各种其它非侵入性成像模态也可以与OCT结合使用或单独使用,以评定狭窄、钙以及关注的其它特征或区域。
血管中的钙斑是心脏病的主要原因。钙沉积会导致血管直径变窄,并且还使血管壁硬化,从而显著降低血管性能。因此,钙斑是心血管介入的主要目标中的一个目标。
动脉的部分的成像为医生和其它人提供了有用的诊断工具。例如,通过血管内成像进行的冠状动脉的成像可以显示变窄或狭窄的位置。这些信息帮助心脏病专家在侵入性冠状动脉搭桥手术与诸如血管成形术或支架递送之类的基于导管的微创手术之间进行选择。虽然是一种流行的选择,但支架递送具有与其自身相关的风险。
支架是通常由网状物形成的管状结构。支架可以插入血管并扩张以对抗限制血流量的狭窄状况。支架通常由金属或聚合物支架制成。支架可以通过导管部署到狭窄部位。在心血管手术期间,可以通过导丝经由导管将支架输送至狭窄部位,且使用球囊扩张支架。通常,使用预设压力扩张支架以扩大狭窄血管的管腔。
当部署支架时,有若干因素影响患者的治疗成效。在一些手术中,支架应该扩张至与相邻健康血管节段的直径相一致的直径。支架过度扩张可能会导致血管的广泛损伤,使其容易发生切开、关节脱离和壁内出血。扩张不足的支架可能不足以扩张血管。如果支架的部分不能接触血管壁,则血栓形成的风险可能增加。扩张不足的支架可能无法恢复正常的流量。明显地,在安装支架之后,支架扩张不足和支架过渡扩张可能会导致各种问题。
还存在与支架放置和相关手术相关联的其它挑战。使用血管造影系统来可视化与血管的壁相关的支架部署是通过检验来进行的挑战。临床医生可用的所有成像模态和工具都可以提供有用的信息,但必须小心谨慎,以免在根据导管法进行诊断或操作时向临床医生提供过多信息。建立以平衡且前瞻性的思维方式使用成像模态和其它诊断工具的工作流程是持续的挑战。
此外,在导管实验室中检查图像和操作各种屏幕和系统具有各种竞争性时间限制。评定狭窄、支架部署规划以及探索和了解给定冠状动脉的景观并非易事。用于规划、诊断、治疗和检查的工具和工作流程以及检测系统和相关方法全部是具有挑战性的问题,当涉及到成功增加的手术和更好地了解给定对象心脏系统的状态时,实际解决方案是非常受关注的。
本公开解决了这些挑战和其它挑战。
发明内容
在一个方面,本公开涉及一种显示动脉的表示的方法。该方法包括:使用一个或更多个处理器在每一帧的基础上检测基于EEL的度量,其中,帧包括多条扫描线中的一组扫描线;使用一个或更多个处理器计算EEL直径或其它基于EEL的度量;使用一个或更多个处理器检测沿着动脉的节段的位置处的钙;以及在显示器上显示用户界面,该用户界面包括第一面板,其中,显示器与血管内成像系统电子通信。该方法还包括其中第一面板示出血管的表示的纵向视图,该纵向视图描绘了与一个或更多个基于EEL的度量或EEL直径相对应的第一标记。
在一个实施方式中,该方法还包括显示与已经检测到钙的一个或更多个动脉区域相对应的第二标记。在一个实施方式中,该方法还包括显示管腔边界、最小管腔面积或检测到的钙相对于用户界面的角度范围的测量值中的一者或更多者,以指导支架规划或狭窄评定。在一个实施方式中,该方法还包括响应于检测到支架支柱而在一系列帧上显示对应于支架的标记并且显示支架扩张度量和支架贴壁不良中的一者或两者。在一个实施方式中,该方法包括其中检测管腔边界包括将区域识别为每条扫描线上的管腔边界组织。在一个实施方式中,该方法还包括确定检测到的钙的一个或更多个实例的厚度值并将其显示给终端用户。
在一个实施方式中,该方法还包括在用户界面中显示第二面板,第二面板包括动脉的表示的另一视图。在一个实施方式中,该方法还包括在用户界面中显示第二面板,第二面板包括沿着纵向截面的位置的第一横截面视图。在一个实施方式中,该方法还包括在用户界面中显示百分比直径狭窄。
在一个实施方式中,该方法还包括在用户界面中显示近端参考和远端参考。在一个实施方式中,该方法还包括显示近端参考的直径值和远端参考的直径值。在一个实施方式中,该方法还包括显示用于近端参考与远端参考之间的纵向截面的子集的最小管腔面积,其中,最小管腔面积是在每一帧的基础上使用纵向截面的子集中的一组帧和该组帧的扫描线确定的。在一个实施方式中,该方法还包括将支架叠加在第一纵向视图上。在一个实施方式中,该方法还包括在沿着动脉的一个或更多个位置处显示检测到的钙的角度或圆周测量值。
在一个实施方式中,该方法包括识别或检测关于动脉的部段或节段获得的图像数据中的一个或更多个关注区域或特征。关注区域或特征包括以下钙中的一者或更多者或全部,比如钙化斑块或其它动脉钙沉积;管腔、动脉壁、管腔、管腔边界、EEL、内膜、中膜、侧分支、支架支柱、组织类型和其它动脉特征。在一个实施方式中,图像数据包括使用诸如OCT、IVUS、OFDI等的血管内/诊断系统获得的扫描线。图像数据还可以包括使用血管内成像探头或其它成像模态生成的帧。
在一个实施方式中,该方法包括在图形用户界面中显示动脉的部段或节段的一种或更多种表示。可以同时向用户显示包括一个或更多个关注区域和特征的各种图形用户界面。在一个实施方式中,自动地检测一个或更多个关注区域或特征。在一个实施方式中,动脉的节段的表示是动脉的二维横截面视图、动脉的节段的二维纵向视图或同时显示的上述视图的组合,视图中存在使用图形用户界面中的标记、覆盖物或其它可见元素识别的各种关注特征或区域。图形用户界面以一系列步骤和信息呈现方式排列或分组为工作流程,以指导终端用户在导管实验室或其它环境中的对象一起工作。在一个实施方式中,关注的特征或区域选自包括内膜、中膜、外膜、管腔、EEL、IEL斑块、钙、钙斑块的组。
比如在检测到的钙的情况下,可以显示关注区域的一个或更多个弧长度。在一个实施方式中,钙检测的不连续区域被组合成使得钙的整体角度测量的一个角度测量被示出。可以使用各种标记和图形元素,这些标记和图形元素可以包括颜色、形状和其它图形元素或覆盖物。在各个实施方式中,结合成像/诊断系统的操作和控制生成的图形用户界面能够操作成包括以与计算机引导或计算机支持的形态学工作流程、计算机指导或计算机支持的支架尺寸设定/尺寸设定工作流程、计算机指导或计算机支持的支架部署/部署工作流程、计算机指导或计算机支持的检查/比较工作流程及其组合、以及如本文中公开的其它工作流程相对应的组进行组织的一组图形用户界面。在一些实施方式下,工作流程是使用图形用户界面生成和显示的,图形用户界面包括一个或更多个面板、自动地检测使用一个或更多个标记识别的关注特征和区域。各种工作流程包括动脉的二维和/或三维视图的表示,比如示出管腔和钙弧以及与其相关的EEL检测的横截面视图和纵向视图。
在一个方面,本公开涉及一种显示动脉的表示的方法。该方法包括将血管内图像数据集存储在诊断成像系统的存储设备中,该血管内图像数据集响应于动脉的节段的血管内成像而生成。该方法还包括在每一帧的基础上自动地检测节段的管腔边界。该方法还包括在每一帧的基础上自动地检测节段的外部弹性层(EEL)。该方法还包括显示能够操作用于支架尺寸设定的工作流程,其包括图形用户界面,其中,图形用户界面包括动脉在第一帧处的第一表示;以及动脉在第二帧处的第二表示,其中,相对于第一表示显示第一EEL厚度和第一管腔厚度,其中,相对于第二表示显示第二EEL厚度和第二管腔厚度。
在一个实施方式中,该方法还包括其中使用一个或更多个标记相对于每个相应表示来识别检测到的管腔边界和检测到的EEL。在一个实施方式中,该方法还包括其中图形用户界面包括动脉在第三帧处的第三表示,其中,相对于第三表示显示第三EEL厚度和第三管腔厚度,其中,第三帧可以由用户通过图形用户界面选择和更改。在一个实施方式中,该方法还包括其中从第一帧与第二帧之间的帧中选择第三帧。在一个实施方式中,该方法还包括其中图形用户界面还包括动脉的显示与其相关的第一帧和第二帧的纵向表示。在一个实施方式中,该方法还包括其中纵向表示包括管腔区域,其中,管腔区域相对于所述表示的纵向轴线是对称的。
在一个实施方式中,该方法还包括其中图形用户界面还包括动脉的使用一个或更多个标记针对多个帧显示检测到的EEL的纵向表示。在一个实施方式中,该方法还包括其中第一帧是近端参考帧并且第二帧是远端参考帧。在一个实施方式中,该方法还包括:其中用第一标记识别近端参考系的表示的第一部分,并且其中用第二标记识别远端参考系的表示的第二部分。在一个实施方式中,该方法还包括其中图形用户界面还包括节段的纵向表示并且显示相对于纵向表示用第一标记识别的第一轴线的一部分。在一个实施方式中,该方法还包括其中图形用户界面包括动脉在第三帧处的第三表示并且相对于第三表示显示用第一标记识别的第一轴线的部分。
在一个实施方式中,该方法还包括其中从由颜色、虚线、阴影、图形元素和覆盖物的组中选择标记。在一个实施方式中,该方法还包括检测沿着所述节段的位置处的钙并且在图形用户界面中显示相对于一个或更多个帧的总钙的角度测量。在一个实施方式中,该方法还包括接收来自用户的输入以相对于所述节段的纵向表示选择支架着陆区。在一个实施方式中,该方法还包括响应于用户选择的着陆区显示计算的支架长度并相对于纵向表示显示最小管腔直径(MLD)。在一个实施方式中,该方法还包括在能够操作用于支架尺寸设定的工作流程之后显示选择支架部署工作流程的选项。在一个实施方式中,该方法还包括在支架部署之后选择检查工作流程的选项,其中,检查工作流程包括带支架动脉的表示以及支架扩张百分比和支架贴壁不良的一个或更多个指标。
在第二方面,本公开涉及一种显示动脉的方法。该方法包括将血管内图像数据集存储在诊断成像系统的存储设备中,该血管内图像数据集响应于动脉的节段的血管内成像而生成。该方法还包括在每一帧的基础上自动地检测与所述节段的管腔边界有关的一个或更多个钙区域。该方法还包括针对一帧或更多帧计算检测到的钙的角度或圆周测量值。该方法还包括针对一帧或更多帧计算检测到的钙的钙厚度。该方法还包括在一个或更多个帧处生成动脉的第一表示。该方法还包括针对一个或更多个帧中的第一帧显示检测到的钙的钙厚度和角度或圆周测量值。该方法还包括相对于动脉的第一表示显示指示角度或圆周测量值的标记。
在一个实施方式中,该方法还包括:生成动脉的第二表示,第二表示包括动脉的纵向表示;并且在每一帧的基础上显示对应于钙检测的标记。在一个实施方式中,该方法还包括在每一帧的基础上自动地检测节段的外部弹性层(EEL)并且在纵向表示的基础上显示每一帧上的对应于EEL的标记。
使用多组图像数据与形态学、预处理、支架规划/支架尺寸设定、支架部署和过程检查相关的各种工作流程和底层图形用户界面可以包括并显示评分、测量值、总角度、最大厚度、EEL、管腔、侧分支、钙、钙角、帧、正在成像和显示的动脉节段的近端或帧、正在成像和显示的动脉节段的远端或帧、选定帧、标志、书标记、近端参考、远端参考、管腔边界、血管造影图像和相对于在动脉内获得或与动脉相关的图像数据显示的共同配准标记、第一次回调、第二次回调、第n次回调、EEL的直径、EEL的测量值、EEL度量、使用钙角和EEL厚度生成的分数、支架扩张百分比、支架贴壁、支架贴壁不良、总钙角、最小管腔面积、最小管腔直径、管腔厚度、狭窄、支架扩张阈值、支架贴壁阈值、钙阈值、0度至约360度的钙、圆周钙弧等中的一者或更多者或组合。
部分地,本公开涉及一种用于识别血管比如动脉中的关注区域的系统,该系统包括:与存储器通信的处理器,该存储器包含指令,当执行该指令时使处理器:获得血管的图像数据;检测或分割识别关注区域的特征的图像数据,比如扫描线、帧、像素及其组合,用一个或更多个图形用户界面显示血管表示,血管表示被组织并显示为诊断、治疗的一部分。在一个实施方式中,图像数据为多条扫描线。在一个实施方式中,图像数据是极坐标图像。
部分地,本公开的一个实施方式涉及一种血管内数据收集系统和一个或更多个基于软件的图形用户界面和软件模块,以执行本文中描述的一个或更多个检测与显示过程。在一个实施方式中,收集血管内数据,同时收集血管造影数据。以此方式,动脉的一种或更多种表示,比如横截面视图和/或纵向视图可以与血管造影数据共同配准。在一个实施方式中,本公开涉及与检测到的钙有关的信息的显示,比如血管的与血管造影图像或光学相干断层扫描图像(或其它血管内图像数据)中的一者或更多者相关的钙化部分。
在各个实施方式中,近端帧、远端帧和设置在近端帧与远端帧之间的帧被显示,其中,检测到的钙使用第一标记显示,检测到的钙的角度或弧测量值——在一些实施方式中包括钙弧和角度的总和——还以数字和/或标记或图形元素显示,并且还示出了EEL检测以及与其相关联的厚度测量值。在各个实施方式中,近端帧和远端帧可以是第一帧和第二帧,反之亦然。设置在第一帧与第二帧之间的帧可以是第三帧/中间帧,比如用户选择的帧。在各个实施方式中,如图中所示,后跟数字的Fr.指示成像回调的特定帧编号,比如OCT、IVUS、OFDI或其它回调生成成像模态。
在一个总体方面中包括执行管腔检测以检测管腔边界、钙和EEL,并将其相对于一种或更多种动脉的表示显示为本文中公开的治疗、计划、检查或其它工作流程的一部分。在一个实施方式中,检测管腔边界数据,比如在每个图像的基础上检测管腔边界数据。该方面的其它实施方式包括记录在一个或更多个计算机存储设备上的相应计算机系统、设备和计算机程序,其各自配置成执行方法的动作。
实现方式可以包括以下特征中的一个或更多个特征。在一个实施方式中,输入检测到的管腔边界数据减少了对图像数据中的关注区域和特征进行分类的等待时间。所描述的技术的实现方式可以包括硬件、方法或过程、或者计算机可访问介质上的计算机软件。可以使用各种机器学习、基于图像处理的技术和其它图像分析技术来自动执行本文中公开的关注特征和区域的检测和分割。
一个总体方面包括数据收集和/或成像和区域/特征表征系统。该系统还包括壳体。该系统还包括帧捕获器,用于接收一个或更多个图像数据,比如极坐标数据、超声数据、光学图像数据、X射线图像数据和血管内图像数据。血管内系统还包括电源。血管内系统还包括与电源电子通信的一个或更多个电子存储器存储设备。血管内系统还包括能够在处理器上执行并存储在一个或更多个电子存储器存储设备中的一个或更多个图像处理软件模块。血管内系统还包括计算设备,该计算设备包括第一处理器,该计算设备与电源和第一处理器进行电子通信。在一个实施方式中,一个或更多个AI处理器和专用AI处理器存储器设置在壳体中或通过一个或更多个端口、总线或网络连接至壳体。在一个实施方式中,给定的机器学习系统(MLS)及其训练神经网络是远程操作的,比如通过客户端/服务器实现方式、边缘计算实现方式或者作为服务实现方式的云或软件。
在一个实施方式中,该系统还包括存储在一个或更多个电子存储器存储设备中的一个或更多个软件程序。该系统还包括机器学习系统,该机器学习系统包括包含一个或更多个机器学习软件模块的神经网络。血管内系统还包括:一个或更多个AI处理器,其中,一个或更多个机器学习软件模块能够在一个或更多个AI处理器上运行;总线;AI处理器内存;用于从第一处理器发送和接收图像数据的接口,机器学习系统与电源进行电子通信,其中,机器学习系统、计算设备和一个或更多个电子存储器存储设备设置在壳体中。在一个实施方式中,总线是PCIe总线。该方面的其它实施方式包括相应计算机系统、设备和记录在一个或更多个计算机存储设备上的计算机程序、AI处理器、专用ASIC、电路和电路组件,其各自配置成执行方法的动作。在一个实施方式中,总线连接AI处理器和诊断/成像系统的板载存储器和处理器。
实现方式可以包括以下特征中的一个或更多个特征。在所述系统中,所述壳体是光学相干断层扫描成像系统、OFDI系统、断层扫描系统、CT扫描、X射线或血管内超声成像系统的壳体。在所述系统中,所述一个或更多个图像处理软件模块包括下述各者中的一者或更多者:用于在显示给终端用户时标记关注区域或特征的组织分类叠加软件;管腔检测软件模块;以及用于对在每个工作流程的基础上组织的图形用户界面的显示进行调节的逻辑。在所述系统中,一个或更多个机器学习软件模块包括下述各者中的一者或更多者:神经网络接口、管腔轮廓预测、侧分支预测、钙检测、EEL检测、用户界面和输入处理软件模块、用于控制并设置神经网络的参数的MLS接口软件模块、MLS内存管理器软件、预处理软件模块、支架支柱预测软件模块、监禁支架预测软件模块、导丝预测软件模块、以及与成像系统和工作流程逻辑交换数据的以显示与给定的计算机指导或计算机支持的工作流程相关的前述中的任一者的接口模块。所描述的技术的实现方式可以包括硬件、方法或过程、或者计算机可访问介质上的计算机软件。
部分地,本公开涉及适于使用机器学习(ML)方法和系统实时或基本实时地评估来自患者的图像数据的基于计算机的方法和系统。在各个实施方式中,一组图像数据、比如血管内数据的这种回调使用训练的神经网络比如卷积神经网络基本上实时地进行分类。在各个实施方式中,该组图像数据包括约400帧至约600帧。此外,考虑到使用旋转探头来获取用于OCT、IVUS的图像数据和其它成像数据,处理与其相关联的两个坐标系带来了挑战。本公开解决了这些以及与解决快速成像和诊断患者相关的许多其它挑战,使得可以在导管实验室的单个会话期间应用支架植入和其它手术。本文中公开的工作流程被设计成以受控的方式显示信息以在患者处于导管实验室中并且可以接受或正在接受治疗/诊断、部署、检查或作为给定过程的一部分的其它工作流程的同时减少操作员疲劳并加快决策制定。将图像分割成多个关注特征或区域的能力以及指导工作流程的使用通过为临床医生提供诊断信息以告知支架规划、搭桥评估、旋切术、支架部署区的减体积和其它手术选择并评定患者状况随时间的变化而减少了患者在初始诊断过程和后续治疗过程中花费的时间。
部分地,本公开涉及一种用于识别血管中的关注区域的方法,关注区域可以包括组织类型和其它特征,比如侧分支、支架、EEL、钙、钙角、EEL、EEL厚度、导丝和其它特征、血管的使用成像处理管线检测前述内容并使用神经网络检测诸如钙、管腔、中膜、内膜、脂质等之类的其它关注区域或特征的特征和材料、以及本文中公开的其他。
在一个实施方式中,被选择用于一个或更多个掩模、图像或输出中的分割和/或检测和表示的组织类型或组织特征、关注区域关注特征、类别或类型或血管特征包括下述各者中的一者或更多者:胆固醇、纤维、脂质池、脂质、纤维脂肪、钙化、钙结节、钙板、内膜、血栓、泡沫细胞、蛋白多糖和本文中公开的其他。本文中公开的各种系统能够操作成使用本文中公开的专用电路、控制器、FPGA、AI处理器和其它组件执行本文中公开的所有方法和过程。
本文中公开的方法还可以包括将每个极坐标图像的一个或更多个关注区域或特征分类为类型或类别。在一个实施方式中,类型或类别选自包括内膜、中膜、外膜、管腔、EEL、IEL斑块、钙、钙斑块的组。在一个实施方式中,与本文中公开的系统和方法一起使用的图像数据包括动脉、静脉、器官或循环系统的其它组成部分的地毯视图图像、扫描线、像素、2D图像、3D图像、血管造影图像、血管内图像、CT扫描图像、X射线图像和其它图像。上述特征、区域、通道、类别等可以使用相对于其训练的神经网络来检测。
尽管本公开涉及不同的方面和实施方式,但是应当理解的是,不同的方面和实施方式可以被集成、组合或一起用作组合系统,或者部分地视情况作为单独的组件、设备和系统。因此,对于给定的实现方式,本文中公开的每个实施方式可以不同程度地结合在每个方面中。
附图说明
附图不一定按比例绘制,重点通常放在说明性原则上。附图在所有方面都被认为是说明性的,而不意在限制本公开,本公开的范围仅由权利要求限定。
专利或申请文件包含至少一张彩色绘图。本专利或专利申请公开的带有彩色附图的副本将在由专利局要求支付必要费用时提供。
图1是根据本公开的说明性实施方式的适于对动脉成像、自动地检测与获得的图像数据相关的特征/关注区域并且显示增强的定向工作流程以精简导管实验室中的操作的诊断系统的示意图。
图2A是根据本公开的说明性实施方式的适于评定获得并存储在存储器、比如图1的系统中的图像数据的示例性用户界面,具有关注的各种特征,比如钙检测、总钙角、近端帧和远端帧以及如所示出的其它特征。
图2B是根据本公开的说明性实施方式的适于评定获得并存储在存储器、比如图1的系统中的图像数据的示例性用户界面,具有关注的各种特征,比如钙检测、总钙角、针对多帧的EEL检测、近端帧和远端帧以及如所示出的其它特征。
图2C是根据本公开的说明性实施方式的动脉的纵向视图的示例性用户界面,其中,EEL区域中的一些EEL区域低于各个区域中的阈值。
图2D是根据本公开的说明性实施方式的形态学工作流程的示例性用户界面,其中,各种面板被布置为用户界面的一部分以相对于动脉的纵向表示在动脉的横截面表示中示出各种书签和动脉的取向。
图2E和图2F是适于实施形态学工作流程的示例性图形用户界面,其中,描绘了钙和EEL检测以及相关联的测量值。
图3A至图3D是根据本公开的说明性实施方式的适于实施用于相对于动脉的适于评估支架着陆区的表示来选择支架和诸如支架长度之类的其它支架参数的支架尺寸设定工作流程的示例性图形用户界面。
图4A示出了根据本公开的说明性实施方式的适于在支持支架部署工作流程中配置和展示血管内和血管造影术共同配准的示例性共同配准界面。
图4B和图4C是根据本公开的说明性实施方式的适于实施支架部署工作流程的示例性图形用户界面。
图5A至图8是根据本公开的说明性实施方式的适于实施检查工作流程的示例性图形用户界面,通过该检查工作流程可以执行诸如附加球囊充气或其它支架重新部署之类的附加手术以改善患者结果。
具体实施方式
部分地,本公开涉及在电子存储器中收集和/或存储与动脉相关的数据、检测参数或图像的诊断系统。在一个实施方式中,系统促进自动检测、确定与其相关的各种度量以辅助各种诊断目标、和/或通过各种图形用户界面向终端用户显示上述内容。这些目标可以包括但不限于支架尺寸设定、支架部署、球囊尺寸设定、球囊部署、检查同时或先前的治疗或诊断程序和其它诊断工具、测量和计算。用户界面和相关联的诊断系统可以包括和/或链接至来自各种成像模态的接收数据,比如X射线成像、CT扫描、血管造影(血管摄影)系统、荧光检查系统、超声系统、光学相干断层扫描系统、血管内成像系统、上述组合以及其它成像与诊断,模态。
一方面,本公开涉及各种工作流程,这些工作流程精简了导管实验室程序并使信息易于被诸如心脏病专家或其它临床医生之类的用户获取。每个工作流程包括动脉部段的表示,这些表示已经被修改为包括诸如颜色、阴影、虚线、叠加等的标记,以致使关注的各种检测——比如钙、EEL、管腔、管腔边界和本文中公开的其它——在不同的动脉表示或诸如横截面或纵向视图之类的视图中突出并被识别。在一些实施方式中,动脉的表示关于轴线、比如纵向视图是对称的。在各个实施方式中,颜色用作标记,比如示出各个图的橙色,以强调在各种表示中关注的特征。
可以使用各种数据收集与分析系统来获取与冠状动脉系统有关的信息。可以分析或显示使用设备从血管中获得的数据或从与血管相关联的血管内或血管外测量中获得的数据,以帮助研究人员和临床医生。此外,可以以规定的方式生成和显示各种计算机指导的工作流程或计算机支持的工作流程,以方便操作员根据形态学工作流程对血管内特征的自动检测进行检查、根据尺寸设定/规划工作流程评估预处理选项和支架尺寸选择、根据部署工作流程选择着陆区并评估作为选择的一部分的动脉部段、以及在病人仍在导管实验室的同时检查支架部署以评定支架扩张和贴壁不良进而允许进一步球囊充气或其它过程以改善最终支架部署和扩张。
光学相干断层扫描(OCT)是使用干涉仪来获得相对于血管或置于血管中的物体的距离测量值的成像模态。在各个实施方式中,光学频域成像(OFDI)也可以用作血管内成像模态。血管内超声(IVUS)也可以在探头中用于对血管的部分进行成像。血管造影系统和荧光检查系统也经常用于对患者进行成像,使得可以做出诊断决定并进行各种可能的治疗选择,比如支架放置。这些成像系统和其它成像系统可以用于在外部或内部对患者进行成像以获得原始数据,原始数据可以包括各种类型的图像数据。
一般而言,本公开可以应用于任何血管内数据收集设备,这些血管内数据收集设备可以用于生成和接收信号,这些信号包括与这些血管内数据收集设备用在其中的血管相关的诊断信息、比如图像数据。这些设备可以包括但不限于成像设备,比如光学或超声探头、压力传感器设备和适于收集与血管或心血管系统的其它组件有关的数据的其它设备。在评估各种用户界面表示和相关联的工作流程之前,考虑用于实施本文中公开的方法和动脉评定工具的示例性系统是有益的。
图1是适于对动脉成像、自动地检测与获得的图像数据相关的特征/关注区域以及显示增强的定向工作流程以精简导管实验室中的操作的诊断系统5的示意图。系统5支持各种血管内和非血管内成像模态生成与动脉相关的图像数据,并提供工作流程以促进各种诊断程序,并通过基于证据的测量及其有效显示支持各种治疗选项。
系统5适于查看和评定动脉信息的视觉表示。这些用户界面可以包括一个或更多个可移动元素,这些元素可以由用户使用鼠标、操纵杆或其它控件来控制,并且可以使用一个或更多个处理器和存储器存储元素进行操作。自动获得的与图像数据相关的形态学结果可以作为简化工作流程的一部分进行显示。
在支架输送计划手术期间,作为输送计划的一部分,用户的并置程度和位置可以参考OCT和注释血管造影来进一步扩张或移动支架。这些系统特征和方法可以使用图1所示的系统5来实现。
图1示出了系统5,所述系统5包括各种数据采集子系统,所述数据采集子系统适于采集数据或检测对象4的特征或感测对象4的状况或以其它方式诊断对象4。在一个实施方式中,将对象置于合适的支撑物44上,诸如可以坐的台面或其它合适的支撑物。通常,对象4是具有关注的特定区域25的人或另一种动物。
数据采集系统5包括无创成像系统,诸如核磁共振、X射线、计算机辅助断层扫描或其它合适的无创成像技术。如这种无创成像系统的非限制性示例所示,示出了适于生成影像的血管造影系统20。血管造影系统20可以包括X线透视检查系统。血管造影系统20配置成对对象4进行无创成像,使得在使用探头30执行回调手术的同时,生成通常为图像数据帧形式的血管造影数据帧,从而使得,例如,使用一种或更多种诸如OCT或IVUS之类的成像技术中的血管造影术将对象4的区域25中的血管成像。
血管造影系统20与血管造影数据存储器和图像管理系统22通信,在一个实施方式中,血管造影数据存储器和图像管理系统22可以被实施为工作站或服务器。在一个实施方式中,与采集的血管造影信号有关的数据处理直接在血管造影系统20的检测器上执行。来自系统20的图像由血管造影数据存储器和图像管理系统22存储和管理。
在一个实施方式中,系统服务器50或工作站85管理系统22的功能。在一个实施方式中,整个系统20产生诸如X射线的电磁辐射。系统20还在该辐射穿过对象4之后接收该辐射。接着,数据处理系统22使用来自血管造影系统20的信号以对包括区域25的对象4的一个或更多个区域成像。
如该特定示例中所示,关注区域25是脉管或外周脉管系统(诸如特定血管)的子集。这可以使用OCT成像。基于导管的数据采集探头30被引入到对象4中并且被设置在特定血管的管腔中,所述特定血管例如为冠状动脉。探头30可以是各种类型的数据采集探头,例如OCT探头、FFR探头、IVUS探头、兼有前述探头中的两个或更多个探头的特征的探头以及适于在血管内成像的其它探头。探头30通常包括探头尖端、一个或更多个不透射线的标志、光纤和扭转丝。另外,探头尖端包括一个或更多个数据采集子系统,诸如光束导向器、声束导向器、压力检测传感器、其它换能器或检测器以及前述的组合。
对于包括光束导向器的探头,光纤28与具有光束导向器的探头光学通信。扭转丝限定了其中布置有光纤的孔。在图1中,示出了光纤28没有围绕它的扭转丝。另外,探头30还包括护套,所述护套诸如形成导管的一部分的聚合物护套(未示出)。如图所示,光纤28,其在OCT系统的环境下是干涉仪的取样臂的一部分,光纤28光学耦合到患者接口单元(PIU)35。
患者接口单元35包括探头连接器,所述探头连接器适于接收探头30的端部且与探头30光耦合。通常地,数据采集探头30是一次性的。PIU 35包括基于所使用的数据采集探头的类型的合适的接头和元件。例如,组合有OCT和IVUS的数据采集探头需要OCT和IVUSPIU。PIU 35通常还包括适于回调设置于其中的扭转丝、护套和光纤28的马达,该回调作为回调手术的一部分。除了被回调之外,探头尖端通常也被PIU 35旋转。以这种方式,可以纵向地或者通过横截面对对象4的血管进行成像。探头30也可以用于测量特定的参数,诸如血流储备分数(FFR)或其它压力测量。
进而,PIU 35连接到一个或更多个血管内数据采集系统40。血管内数据采集系统40可以是OCT系统、IVUS系统、另一个成像系统以及前述系统的组合。例如,在作为OCT探头的探头30的情况下的系统40可以包括干涉仪的取样臂、干涉仪的参考臂、光电二极管、控制系统和患者接口单元。类似地,作为另一个示例,在IVUS系统的情况下,血管内数据采集系统40可以包括超声信号生成和处理电路、噪声滤波器、可旋转接头、马达和接口单元。在一个实施方式中,数据采集系统40和血管造影系统20具有共享时钟或其它定时信号,所述共享时钟或其它定时信号配置成使血管造影视频帧时间戳和OCT图像帧时间戳同步。
除了图1的有创和无创图像数据采集系统和设备之外,关于对象的区域25和对象的关注的其它参数可以采集各种其它类型的数据。例如,数据采集探头30可以包括一个或更多个压力传感器,诸如压力丝。不附加OCT或超声波组件,可以使用压力丝。可以沿对象4的区域25中的血管节段获得压力读数。
这样的读数可以通过有线连接或通过无线连接来转发。如血流储备分数FFR数据采集系统所示,无线收发器48被配置成接收来自探头30的压力读数并将其传输到系统以生成沿被测血管的FFR测量或更多位置。一个或更多个显示器82、83也可以用于示出本文中公开的各种工作流程、钙角、EEL检测、钙检测、近端帧、远端帧和相关图形用户界面、基于EEL的度量、支架/无支架决定、评分、减瘤和其它手术的建议、基于通过自动地检测关注区域/特征而告知的证据的建议、血管造影数据帧、OCT帧、图像数据、支架规划界面、形态学界面、检查界面、支架部署界面、用于OCT和血管造影数据的用户界面以及关注的其它控件和特征。两个示例性工作流程、工作流程A和工作流程B可以显示在显示器82、83上并且可以包括图形用户界面、面板、动脉图像、动脉的表示、关注的特征、关注区域以及本文中公开或描绘的其它测量和图形元素中的任一者,包括其任何子集,而不受限制。
诸如使用数据采集探头30生成的血管内数据的帧之类的血管内图像数据可以被转发到通过PIU 35联接到探头的数据采集处理系统40。使用图像管理系统22生成的无创图像数据可以被传输至、存储在一个或多个服务器或工作站中并由一个或更多个服务器或工作站处理,所述一个或更多个服务器或工作站诸如共同配准服务器50工作站85。可以在各个实施方式中使用视频帧捕获设备55,所述视频帧捕获设备55诸如配置成捕获来自系统22的血管造影图像数据的计算机板。
在一个实施方式中,服务器50包括一个或更多个共同配准的软件模块67,所述一个或更多个共同配准的软件模块67存储在存储器70中并由处理器80执行。服务器可以包括适于实施本公开的各个实施方式的训练神经网络52。在一个实施方式中,诸如图形处理单元之类的AI处理器53包括在服务器50中并且与存储器70电通信。计算设备/服务器50可以包括用于基于处理器的计算服务器的其它典型组件。替代性地,诸如数据库90的更多数据库可以配置成接收生成的图像数据、对象的参数以及其它信息,所述其它信息由如图1所示的系统设备或组件中的一个或更多个系统设备或组件生成、接收或转发给数据库90。
虽然数据库90被示出为连接到服务器50,同时所述数据库90被存储在工作站85的存储器中,但这仅仅是一个示例性配置。例如,软件模块67可以在工作站85处的处理器上运行,且数据库90可以位于服务器50的存储器中。作为示例提供用于运行各种软件模块的设备或系统。在各种组合中,可以使用本文描述的硬件和软件来获得图像数据的帧,处理这样的图像数据,并且记录这样的图像数据。
如本文另外指出的,软件模块67可以包括诸如预处理软件之类的软件、变换式、矩阵和其它基于软件的组件以及适于实施本公开的各个实施方式的其它软件、模块和功能,所述基于软件的组件用于处理图像数据或响应患者触发以由其它基于软件的组件67促进不同类型的图像数据的共同配准或以其它方式执行图像数据的注释以生成地面真值。所述模块可以包括工作流程、形态学工作流程、检查工作流程、大小调整工作流程、部署工作流程、计算机导向工作流程、计算机支持工作流程、使用基于扫描线或基于图像的方法的管腔检测、工作流程、标记生成、钙角/弧生成、使用基于扫描线或基于图像的方法的支架检测、指示符生成、用于支架规划的并置条生成、近端/远端颜色编码/标记生成、管腔边界检测、支架扩张、管腔轮廓、目标管腔轮廓、侧分支和缺失数据等。
数据库90可以配置成接收和存储血管造影图像数据92,诸如由血管造影系统20生成并由帧捕获器55服务器50获得的图像数据。数据库90可以配置成接收和存储诸如OCT图像数据、IVUS图像数据、或OFDI图像数据之类的血管内图像数据或者诸如由OCT系统40生成并由服务器50的帧捕获器55获得的图像数据之类的其它非血管内动脉图像数据95。
另外,对象4可以经由一个或更多个电极电联接到一个或更多个监视器,例如监视器49。监视器49可以包括但不限于配置成生成与心脏功能相关且示出对象的诸如心脏收缩和舒张之类的各种状态的数据的心电图监视器。
在给定图中示出的方向性的箭头的使用或缺少箭头并不旨在限制或要求信息可以流动的方向。对于给定的连接器,诸如所示的连接图1中所示的元件的箭头和线,例如,适于给定实施方式,信息可以在一个或更多个方向上或仅在一个方向上流动。连接可以包括各种合适的数据传输连接,例如光学连接、有线连接、电力连接、无线连接或电连接。
一个或更多个软件模块可以用于处理从诸如图1所示的系统22之类的血管造影系统接收的血管造影数据的帧。各种软件模块可以用于本公开的给定实施方式中,所述各种软件模块包括但不限于软件、其组件、或基于软件或处理器执行方法的一个或更多个步骤。
部分地,本公开涉及血管内数据收集系统和相关方法,通过这些血管内数据收集系统和相关方法,由血管内探头收集的血管内数据可以被基于处理器的系统转换或分析。这种分析和转换的结果可以在各种表示——比如与用于图像分割/检测关注的与图像数据相关的特征或区域的成像处理软件模块的管线通信的显示器、具有神经网络以对医学图像的组成进行分类并检测关注的特征和区域的实例的机器学习系统、以及其它图像处理和分割/检测系统——中显示给终端用户。在一个实施方式中,给定的成像系统——比如基于OCT、IVUS、X射线的成像系统——与MLS电子通信,并且能够显示在获取此类图像数据时的相同会话期间使用给定类型的成像系统获得的图像数据的修改版本。各种神经网络架构可以用于图像分割,比如V-net、U-net、CUMedVision1、CUMedVision2、VGGNet、多级多递归输入、全卷积网络(M2FCN)粗到精堆叠全卷积网络、深度主动学习帧、ResNet及其组合、以及适于图像分割的其它神经网络和基于软件的机器学习帧。
在一个实施方式中,MLS包括专门的硬件系统来处理必要的机器学习操作及其过程的训练,使得可以在加速的基础上获得结果以支持及时生成本文中公开的工作流程。给定MLS实施方式的专用硬件系统可以包括多个处理器,比如AI/ML处理器。机器学习系统可以通过训练分类器以对图像进行分割或操作来实现,使得基于类型或其它参数来检测和表征其组成组织、组织类型和其它关注区域。在一个实施方式中,管腔、内膜、中膜和斑块被检测和识别为具有与这些不同组织相对应的边界。
本公开涉及一种高级机器学习系统,该高级机器学习系统包括一个或更多个AI处理器,AI处理器包括在每个处理器的基础上分配的增加的内存量。该高级机器学习系统设计成支持多通道分割方法。可以针对给定实现方式的不同关注区域和特性选择各种通道。例如,在一个实施方式中,第一通道、第二通道、第三通道和第四通道被指定成使得上述通道中的每个通道中的一个通道与管腔、钙、EEL和关注的其它区域或特征相关联。其它类/类型可以与不同的通道相关联以便于分割。
在一个实施方式中,钙的分类是相对于围绕管腔的动脉壁/组织进行分类的。管腔边界检测可以为动脉壁的组织中的钙提供外边界。在一些实施方式中,斑块类型中可以分类为钙化。此外,考虑到钙/斑块的存在和动脉的给定部段的其它可检测特征可以指示收缩、比如由于狭窄而引起的收缩的存在,本公开的另一特征是能够快速且自动地获得与给定斑块或狭窄相关联的一个或更多分数,以帮助加速由终端用户做出决策。例如,使用图像数据及其基于机器学习的分析而确定的给定分数可以帮助确定是否建议不立即采取行动,或者是否应该相对于狭窄放置支架,或者是否保证进行旋切术或诸如搭桥之类的其它手术。这是作为本文中描述的工作流程的一部分比如形态工作流程或作为支架规划/尺寸设定工作流程的一部分执行的。大于约180度的钙角和EEL厚度
对于健康的患者,动脉具有以一致结构排列的不同层,包括内膜、中膜和外膜。作为动脉粥样硬化过程的结果,内膜变得病理性增厚并且可以包含由不同类型的组织组成的斑块,包括纤维、蛋白聚糖、脂质和钙、以及巨噬细胞和其它炎症细胞。当使用可以用于为本公开的机器学习系统中的一个或更多个机器学习系统建立一组训练数据的各种成像系统进行成像时,这些组织类型具有不同的特征。被认为在病理学上最显著的斑块是所谓的易损斑块,其由带有底层脂质池的纤维帽组成。不同的动脉粥样硬化斑块具有不同的几何形状。例如,泡沫细胞通常在大脂质池的肩部形成带状特征;介质看起来像血管周围的环等。形状信息目前用于OCT图像的定性评定。在一个实施方式中,训练神经网络以识别纤维帽和/或具有底层脂质池的纤维帽。在各个实施方式中,本文中对钙的提及还包括钙化斑块和其它含钙组织,但不限于此。
对患者快速执行成像过程并获取动脉图像、然后在患者仍被插管并准备接受支架或其它治疗选项时使用机器学习系统处理图像的能力导致显著节省时间并改善患者结果。
内科医生使用称为外部弹性层或EEL的介质和介质的外边缘在介入期间设定支架的尺寸。寻找介质并测量部分病变组织的直径既费时又困难。还需要图像解释训练。EEL直径的自动检测和测量解决了在诊断或以其它方式评估患者的治疗选项时面临的这些技术挑战。这种直径的测量的示例在图3A至图3D中示出为支架尺寸设定工作流程的一部分,其中,管腔直径或另一管腔距离以及EEL直径或另一EEL距离可以由终端用户检查,以基于这些动脉测量和候选着陆区来设定支架的尺寸。
图2A和图2B是适于显示诸如动脉之类的血管的一个或更多个特征的图像和表示的诊断系统的示例性图形用户界面。特别地,图2A的用户界面10和图2B的用户界面15分别示出了右侧动脉的一部分的横截面视图17、19和相应动脉的部段的在界面的底部处的纵向视图21、23。无论是针对一帧还是多帧,横截面视图和纵向视图中的每一者分别是动脉的表示的示例。
纵向表示或图像21、23和所示的其它还包括左侧的近端方向P和右侧的远端方向D的标签。在一个实施方式中,血管的纵向模式源自成像数据或收集的其它数据,比如用于被评估的给定动脉的测量值。在一个实施方式中,显示动脉的节段的实际图像。在其它实施方式中,还生成纵向视图或包括相对于纵向视图示出的数据的其它视图的平滑、矢量化或者简化或可视化数据简化表示(参见图例31)。
在一个实施方式中,如图2A所示,诸如探头P之类的装置布置在动脉中。此外,诸如纵向视图、横截面视图和其它视图之类的各种视图可以是单独的图像数据帧。探头P的回调的帧120在图2A中示出并且对应于纵向视图中的上面示出的视图17和下面示出的帧120。还示出了各种刻度和测量参考,比如对应于诸如约1毫米刻度之类的刻度的参考36。可以使用关联或跟踪动脉特征和尺寸的其它刻度和度量。诊断系统可以包括一个或更多个基于计算机的成像系统并且包括用于检测血管的特征的专用子系统。
本文中公开的用户界面可以包括各种菜单,比如菜单12和其它菜单、面板、面板、界面、控件及其组合。在一个实施方式中,各种屏幕/用户界面可以通过与形态、尺寸设定(比如支架尺寸设定或其它动脉度量)、部署(比如设备或手术部署)、共同配准、当前或先前的手术的检查或其它诊断数据、对象度量、支持成像模态等有关的菜单12来访问。在各个实施方式中,在支架规划工作流程期间,终端用户可以基于EEL测量值和/或管腔直径测量值来选择侧支架。这在图3A至图3D的图形用户界面中示出。
可以相对于血管的图像或血管的其它表示来检测和显示任何合适的形态特征。在一个实施方式中,检测到的特征与动脉有关。本文中描述的系统和方法可以显示与检测到的钙和一个或更多个动脉层或有关的各种表示和度量或者与其相关的测量值。在于2015年12月14日提交的题为“检测和显示血管内特征的系统和方法(SYSTEMS AND METHODS TODETECT AND DISPLAY ENDOVASCULAR FEATURES)”的美国专利No.9,940,723中更详细地描述了检测和显示与血管相关的钙的一些示例性方法,该美国专利的公开内容通过引用整体并入。
通常,示例性用户界面10、15配置成显示形态信息,但是可以利用各种标记、覆盖和可视化来添加和显示其它信息。界面10、15两者都示出了在一个或更多个节段或帧处在动脉中检测到的钙。每个界面10、15的右上部分将钙65识别为被强调的形态特征。图例31可以针对各种界面打开和关闭并且示出指示EEL的虚线,对应于在与钙检测水平相关联的阈值上检测到钙的区域的诸如橙色之类的颜色在各个实施方式中达到和/或超过钙检测水平,侧分支(SB)和管腔(L)以及其它参数可以用符号和标记比如颜色或阴影或其它视觉元素示出。
动脉中的钙斑与心脏疾病相关,并且在与其相关的支架植入时存在挑战。钙沉积导致血管直径变窄,也会使血管壁变硬,从而显著降低血管性能。因此,钙斑是心血管介入的主要目标中的一个目标。本文中公开的与动脉中的钙检测、钙厚度和钙角相关的用户界面为终端用户提供诊断信息,诊断信息允许终端用户导航钙化区域并做出关于支架植入的明智决定,或者选择在具有较薄钙的区域的区域中植入支架或选择执行减体积手术、比如斑块切除术或其它组织/材料去除过程。
在一个实施方式中,本公开涉及适于显示动脉的外部弹性层(EEL)或使用检测到的EEL区域获得或生成的测量值或度量的图形用户界面。例如,在一个实施方式中,检测到的EEL区域或EEL直径或半径的测量值或计算值相对于动脉的表示示出为虚线或点线。显示前述基于EEL的参数和钙参数中的一者或更多者的用户界面的示例在使用虚线来显示这些参数的图2A、图2B、图2C、图2、图4、图5A、图5B和图6中示出。如果本文中用于Ca、EEL等的图例未与适用的其它图一起示出,则图例适于此类图。在各个实施方式中,橙色在图中示出为指示钙、支架扩张水平或支架贴壁不良,如由给定图的上下文所告知的。
图2C示出了动脉的纵向视图的示例性用户界面,其中,EEL区域中的一些EEL区域低于阈值,如区域J和K所示。此外,钙Ca的区域也由橙色区域示出。区域J和K中没有虚线表明斑块可能已经在这些区域过度生长,并且未检测到EEL或未检测到满足描述EEL的阈值的水平。以此方式,用户界面38帮助终端用户在选择着陆区时识别要避开的区域。此外,区域L以不同的虚线间距示出。这是可以如何设置其它阈值以示出EEL如何沿着动脉长度变化及其由诊断系统实施方式生成的表示的示例。这些变化可以用于指导基于EEL变化做出决策。
在一个实施方式中,终端用户可以通过各种输入设备——比如触摸屏、操纵杆、轨迹球、鼠标、键盘及其组合——来与诊断系统和相关用户界面交互。该系统和方法涉及钙、EEL、EEL度量、EEL直径、EEL半径、EEL导出值、着陆区、支架着陆区、球囊着陆区、目标区、狭窄、病变、参考帧、标记带、支架贴壁不良区域、阈值、相对于阈值的偏差或差异、支架扩张度量、贴壁不良阈值、支架扩张阈值、钙弧长度、钙角测量值、圆周测量值的检测、显示、操纵、变换和可视化。
用户界面可以包括来自各种视角和横截面视图的动脉的一个或更多个图像或表示。在一个实施方式中,EEL位置、EEL的直径或其它基于EEL的参数相对于角度测量值或检测到的钙弧示出,钙弧可以示出为以角度33表示的总角度,如图2A和图2B所示。相对于动脉的给定部段检测到的钙的弧、角度测量值或圆周范围可以示出为弧长度或角度范围或通过其它度量示出。在图2A中,检测到的钙(Ca)65被示出具有从角度A度到B度的角度范围。此外,示出了从A1到B1的另一钙弧。钙的总角度是弧31和弧31b的总和。具体地,在图2A中,该总角度示出为76度。此外,还示出了检测到的钙65(Ca)的最大厚度值MT。在该示例中,MT约为0.37mm。检测到的钙也在纵向视图21中相对于EEL参数示出。
在图2B中,在界面部分19中示出了两个钙区域。第一钙区域的角度范围是从A度到B度,并且第二钙区域的角度范围是从C度到D度。在一个实施方式中,可以示出两个不同的总钙角。在图2B中,从角度A到角度B和从角度C到角度D的范围之和与193度的总角度33相结合。还示出了位于A度和B度之间的钙区域的最大厚度MT并且最大厚度MT的值为约0.54mm。在各个实施方式中,大于180度的钙角被识别为帮助用户基于该因素和钙厚度做出适合去体积或支架植入的决策。
在一个实施方式中,当选择着陆区域来部署特定的支架或球囊时,本文中描述的诊断用户界面可以向终端用户指示何时需要额外的血管准备或避免着陆区的区域。图2C示出了应该避免着陆区的区域J和K。动脉表示38的区域L示出了基于EEL的值,比如基于虚线标签变化而跨区域变化的直径值。
图2D是形态学工作流程的示例性用户界面,其中,各种面板被布置为用户界面的一部分以相对于动脉的纵向表示在动脉的横截面表示中示出各种书签和动脉的取向。在图2D中,近端参考系和远端参考系用标记识别,在这种情况下,颜色为黄色Y和蓝色B。远端参考系和近端参考系的顶部为黄色,并且底部为蓝色。图3B中也使用了该取向保持特征。这些识别的远端帧和近端帧示出了在保持近端参考帧和远端参考帧的Y、B取向的图形用户界面的上面板中正在查看动脉的哪个部分。此外,作为该形态工作流程的一部分,还示出了184度的总钙角和0.54mm的最大钙厚度MT。纵向模式中的各种标志是允许用户在先前识别的关注帧之间来回移动的书签。
此外,自动EEL测量和管腔测量、比如在图3A至图3D中示出并且使用MLS或其它检测系统使用图1的系统检测的EEL和管腔直径有助于告知考虑何种支架尺寸以及应当使用何种类型的支架。经由MLS进行的钙检测提供有关病变准备和治疗选择的信息,比如选择旋切术而不是支架植入。此外,钙检测提供了输入参数,用于决定斑块切除术以及选择给定供应商的支架、支架类型、支架型号、支架长度和支架厚度。与图形用户界面的交互支持下述工作流程,用户可以通过该工作流程移动和改变与成像动脉有关的各种尺寸,并且在选择支架及其部署位置时具有更大的灵活性。
在一个实施方式中,一个或更多个视图比如纵向视图中的虚线示出了EEL直径。可以使用图像处理、机器学习、人工智能、神经网络和本文中公开的其它技术来实现在每一帧的基础上、在每血管节段的基础上检测EEL或前述的子集和组合。
在一些动脉中,一旦斑块生长或以其它方式存在,斑块就会推出或包围EEL。结果,在一些实施方式中,对应于EEL阈值度量的虚线,比如检测EEL或确定已达到或超过EEL直径阈值,可能会导致其中存在虚线或用于EEL检测的其它标记的区域沿着给定的动脉节段间歇性地存在和不存在。这可以指示由于斑块放置遮蔽EEL或以其它方式遮蔽EEL使得对于给定区域、帧、多个帧或部段未检测到基于EEL的参数而对于支架或球囊着陆区是不良候选项的区域。因此,指示EEL参数检测的诸如虚线之类的标记的中断可以指示从着陆区/部署角度要避免的区域。包括用户可选择帧的三个帧的使用有助于尺寸设定工作流程以加快决策制定。纵向模式上的一个或更多个标记可以变化以改变示出的中间帧153。
在一个实施方式中,当已经检测到特定的钙阈值——比如对于检测到的钙满足某个阈值厚度或者对于检测到的钙满足给定圆周百分比或弧长度或角度跨度——时,显示与钙检测相关联的橙色标记。当满足诸如阈值之类的值或满足不同的阈值时,可以显示与满足钙的阈值要求相关联的一个或更多个标记。任何合适的标记——比如阴影、颜色、动画和其它——都可以用于适于相对于所公开的用户界面显示的任何动脉特征及其子集。在一个实施方式中,用于检测特定特征以及何时及如何相对于界面显示特定特征的各种阈值由终端用户经由输入用户界面指定。在其它实施方式中,阈值可以是预先设定的,或者可以提供各种预先设定的值以供用户选择。
图3A示出了支架尺寸设定工作流程的图形用户界面。在界面的上部分中,在图的顶部有三个视图,三个视图对应于动脉在近端参考帧151、选定帧153(对应于底部纵向视图中具有菱形的帧165)和远侧参考帧155处的帧或特定视图或切片。
图3A的下部分中的视图在管腔剖面图中示出了组合的Ca和EEL。近端参考151和远端参考155示出了穿过管腔L的一个或更多个虚线。来自测量这些线的这些值应用于测量或检测到的EEL位置、点或像素,并且用于生成测量的EEL直径或平均EEL直径。一些示例性的EEL直径测量值示出为约3.8mm(近端)和约3.4mm(远端)。
图4A示出了示例性共同配准界面200。在一个实施方式中,获得血管造影数据,比如血管造影图像,同时还使用另一成像模态,比如OCT、IVUS、X射线等。血管造影数据可以用于与其它成像模态比如OCT、IVUS等共同配准其它数据。回调的路径以动脉中的路径示出。也可以示出对比云207的起点。
图4B示出了用户界面153,用户界面153在左侧具有实时血管造影并将其定位在右侧的参考血管造影旁边,该参考血管造影已经与另一成像模态比如OCT、IVUS、X射线等共同配准。实时的这种双重布置和参考血管造影信息帮助用户可视化与共同配准至OCT或其它成像模态的血管造影相关的动脉。这可以用于利用通知实时血管造影的参考共同配准数据来帮助部署支架或球囊。图4C示出了已经与OCT图像共同配准的血管造影图像,使得示出了现有部署的支架DST并且在血管造影图像上显示了在支架规划工作流程或另一工作流程期间选择的两个着陆区LZ1、LZ2,尽管源自于其中血管内或其它图像数据用于选择和计划支架部署的工作流程界面。
各种端点、比如着陆区可以在血管造影上示出,比如端点S和T。这些点映射或跟踪下面的对应点,使得动脉表示之间的形态映射可以相对于血管造影数据、比如图像或中心线或其它相关数据被链接、映射或以其它方式共同配准。这些可以用于选择支架着陆区作为部署过程的一部分。此外,可以评估距离的测量值、比如距离Y mm,以在支架部署规划阶段的一部分选择或尝试不同的支架长度。
图5B是示出了相对于动脉表示的支架放置的查看模式的用户界面。在一个实施方式中,支架的表示或标记被绘制或以其它方式描绘或者相对于图像、表示叠覆。
在一个实施方式中,支架被可视化为具有交叉阴影的网格或图形对象。用于支架的着陆区S和T在各个视图中显示。EEL直径显示在帧或节段位置180处。示出了最小支架扩张73%。以彩色示出的水平线对应于支架扩张。在右上部中还示出了用于帧或位置180的支架扩张,另一视图示出沿着支架的点处的83%支架扩张以及在该位置/帧180处的约9.09的管腔面积。在右上视图中还示出了各种支架支柱SS。如血管造影中示出的右侧的颜色编码长度对应于下面示出的支架扩张度量,并且贴壁不良的帧由颜色编码的竖向线识别。
在一个实施方式中,细水平橙色线指示目标扩张与实际实现的扩张之间的差异。在一个实施方式中,橙色或另一颜色标记用于指示扩张不足或与扩张阈值或度量相关的扩张。橙色竖向线或其它颜色编码的线或标记代表具有与阈值相关的支架贴壁不良的帧。在一个实施方式中,竖向条是具有诸如颜色之类的其它标记的贴壁不良的帧。可以在给定用户界面中使用的这种类型的表示的示例在图5A、图5B、图6(底部纵向视图)和图7B中描绘。图5A还示出了约300um的贴壁不良阈值,其用于显示与检测到的贴壁不良的支架支柱的实例相对应的竖向线。示出了各种支架支柱ST,它们不会受到充气不足布置或贴壁不良的影响。在管腔L中设置成远离管腔边界的以UM示出的支架支柱是贴壁不良的和/或指示充气不足区域,并且是患者离开导管实验室之前重新球囊植入的候选者。检验和校正支架部署的能力是检查工作流程的重要特征。
在一个实施方式中,相对于用户界面显示给定的标记、比如颜色,以指示与对应于特定帧、位置、区域、节段等的特征或值相关联的参数高于、低于或基本上等于阈值或值的水平。阈值也可以设置为大于或等于值/水平或者小于等于值/水平。因此,单独或与本文中或图中公开的其它参数、值、水平等组合的钙、贴壁不良、扩张不足的支架、支架过度扩张、EEL直径、EEL半径、其它基于EEL的参数的检测可以使用各种标记显示,比如颜色代码区域、用于一个或更多个帧的竖向线、水平线阴影和其它标记。各种标记可以用作形态阶段、支架尺寸设定阶段、支架部署阶段或检查阶段的一部分。给定阶段对应于各个实施方式中的工作流程。
在图5A、图7A和图7B中,竖向彩色线或条指示与检测到的相对于预定阈值或使用的指定阈值贴壁不良的支架支柱或支架部段相对应的图像数据的帧。此外,水平彩色线或条或扩张指示与检测到的相对于预定阈值或使用的指定扩张阈值扩张不足或过度扩张的支架支柱或支架部段相对应的图像数据的帧。对于扩张不足或过度扩张的支架,可以使用不同的标记,比如不同的颜色。在图6中,顶部管腔视图示出了对应于钙的有色区域,而在来自后续回调的下部管腔视图中,有色区域提供了关于在贴壁不良和支架扩张方面的部署支架的信息。可以跨不同视图组合和/或标准化各种标记,其中,使用不同颜色和标记来简化界面。
此外,在与诊断医生/临床医生的单个会话过程中或在其中执行一个或更多个诊断过程的多次访问过程中,给定对象可能经历多个成像会话。例如,可以执行血管内成像会话,比如使用OCT成像来执行血管内成像会话,以获得示出组合的EEL与钙检测以及阈值的形态学评定,如图2A和图2B所示。在该初始会话或第一次回调之后,可以放置支架,然后可以进行后续成像会话,比如可以执行第二次回调。这两个不同的会话通常导致在每个会话期间对动脉的不同长度或节段进行成像。结果,尽管一个会话或回调可以包括在诸如支架植入之类的过程之前的成像数据,但是随后的会话或回调包括在支架已经部署和扩张之后的图像数据。有效地,可以在不同时间处获得相同动脉的不同长度。
图8示出了附加的检查工作流程界面,通过该检查工作流程界面可以比较第二次回调。第一次回调示出为如在界面的上部之前一样,并且示出为使用其它工作流程部署的支架出现在底部纵向视图中。示出了最小支架扩张量。还示出了用于MLA的标记。左侧还示出了两个对应的横截面帧,其中,还示出了管腔边界内的支架支柱。还示出了2.02mm2和2.76mm2的两个测量管腔面积(支架植入之前和之后)。此工作流程支持在患者离开导管实验室之前的附加球囊植入。
在一个实施方式中,由底层诊断系统的软件驱动的用户界面可以链接不同的两组成像数据,比如第一次回调和第二次回调。以此方式,两组数据可以同步,使得两组数据可以滚动通过,并且可以检查动脉的公共区域。这有助于在支架植入、球囊植入、旋切术等之前检查动脉,并且允许终端用户查看放置支架、球囊或进行旋切术的结果。如果两组数据(第一次和第二次回调)不同步,则检查将很困难,并且通过两次回调利用略微偏移或不同的内容(图像数据帧)跟踪动脉中的位置将是困难的,并且可能是错误的来源。这可以在图6中观察到。在一个实施方式中,用户可以拖动帧来对准横截面视图像,使得一旦链接滚动,则两个图像比如两次回调之间将保持链接/同步。
管腔检测可以使用各种系统和方法来实现,包括于2010年9月22日提交的题为“基于OCT的扫描线数据的管腔形态图像重建(Lumen morphology image reconstructionbased on the scan line data of OCT)”的美国专利No.9,138,147中公开的系统和方法,该美国专利的公开内容通过引用整体并入。此外,可以使用各种系统和方法来实施各种其它检测操作,包括于2020年1月13日提交的题为“对动脉图像区及其特征进行分类的系统和方法(SYSTEMS AND METHODS FOR CLASSIFICATION OF ARTERIAL IMAGE REGIONS ANDFEATURES THEREOF)”的共同未决申请no.16/741,718中公开的系统和方法,该共同未决申请的公开内容通过引用整体并入。此外,可以使用各种系统和方法来实施与支架分析和目标管腔轮廓有关的各种其它检测操作和细节,包括2013年3月12日提交的题为“用于自动测定带支架的血管的管腔轮廓的方法和设备(METHOD AND APPARATUS FOR AUTOMATEDDETERMINATION OF A LUMEN CONTOUR OF A STENTED BLOOD VESSEL)”的共同未决申请no.14/115527中公开的系统和方法,该共同未决申请的公开内容通过引用整体并入。
部分地,本公开的一个实施方式涉及一种血管内数据收集系统和一个或更多个基于软件的图形用户界面和软件模块,以执行本文中描述的一个或更多个检测和显示过程。在一个实施方式中,收集血管内数据,同时收集血管造影数据。
部分地,本公开涉及用于通过使对象的血管、比如一个或更多个冠状动脉可视化进行的包括支架规划和手术选择的治疗评定的系统和方法。图像数据可以使用血管内数据采集探头获得。探头可以通过血管回调,并可以收集与其相关的数据。此类回调和相关联的数据收集用于规划支架部署或评估部署的支架。从回调得到的血管内数据可以以各种方式使用,以便可视化各种血管区域、特征和相关部署的支架。图像数据、动脉表示(成像动脉的横截面、纵向和其它视图)和相对于动脉表示示出的检测可以与相应的血管造影数据共同配准。因此,用户可以选择动脉表示的区域作为工作流程的一部分,并查看用于生成地图的基础图像数据(OCT、IVUS、X射线等),还可以查看带有突出显示或示出血管的在动脉表示或视图上选择的区域的其它标记。这可以使用共同配准工作流程来实现。
部分地,本公开涉及血管内数据收集系统,比如OCT、IVUS和其它成像模态,以及诊断信息的生成和可视化,比如支架着陆区、侧分支、关注区域和血管中的特征组织区域,并且示出为一系列工作流程,这些工作流程作为导管实验室中给定成像与诊断会话的一部分基于各种用户界面布局和操作顺序进行计算机指导。适于指示关注的诊断信息的图形元素、比如上述服务作为允许进行比较、测量和分析的用户选择元素。尽管如此,仍自动生成各种检测和工作流程相关显示,以通过简洁地组织和汇总相关信息来帮助减少终端用户信息的整体负载和相关疲劳。
本文中还公开了用于使支架、组织类型、组织体积和组织边界可视化的系统和方法。本文中公开的系统和方法还包括可以测量各种组织类型(包括钙、脂质、纤维和其它)的角度、厚度、体积、宽度、帧数、组织与管腔的相对接近度的自动测量系统和相关特征。在各个实施方式中,此类测量工具可以用于测量特定组织类型的给定关注区域的前述参数,比如Ca、EEL和管腔厚度以及任何几何特性。这些测量可以用于生成适合终端用户考虑的各种评级或分数。
血管内图像或帧、比如图的横截面视图像通常一次采集一条扫描线。在一个实施方式中,沿着从导管中心开始到最大成像深度的射线的一系列样本被称为扫描线。在一个实施方式中,OCT图像中的最小数据单元被称为样本。沿着从探头中心开始到最大成像深度的射线的一系列样本被称为扫描线。OCT图像通常一次采集一条扫描线。可以从探头旋转时收集的一组扫描线形成横截面视图像。此外,为了对动脉或其它血管的节段进行成像,导管在旋转的同时纵向移动。以此方式,探头以螺旋图案获取一组横截面视图像。图像源自与关注的血管或动脉的切片相关联的各种扫描线。扫描线布置成使扫描线之间的角度像车轮上的辐条一样。在一个实施方式中,以极坐标格式获取扫描线。
将领会的是,为了清楚起见,本公开阐述了申请人的教导的实施方式的各个方面,同时在任何方便或适当的地方省略了某些特定细节。例如,对替代性实施方式中相似或类似特征的论述可能有些简略。为简洁起见,也可能不会详细论述熟知的想法或概念。技术人员将认识到,申请人的教导的一些实施方式可能不需要在每个实现方式中的某些具体描述细节,这些细节在本文中仅为了提供对实施方式的透彻理解而阐述。类似地,将领会的是,在不脱离本公开的范围的情况下,根据公知常识,所描述的实施方式可能易于改变或变化。实施方式的详细描述不应被视为以任何方式限制申请人的教导的范围。
如本文中使用的术语“约”和“基本相同”指的是可能发生的数量变化,例如,通过现实世界中的测量或处理过程可能发生的数量变化;通过这些过程中的疏忽错误可能发生的数量变化;通过电气元件的制造中的差异/故障可能发生的数量变化;通过电力损失可能发生的数量变化;以及本领域技术人员认为等同的变型,只要这些变型不涵盖现有技术实践的已知值。通常,术语“约”意味着大于或小于规定值的1/10、例如±10%的值或值范围。例如,向元件施加约+3V DC的电压可能意味着介于±2.7V DC和+3.3V DC之间的电压。同样,在值被称为“基本相同”的情况下,值的差异可能达到5%。无论是否由术语“约”或“基本上”相同修饰,权利要求中引用的数量值包括引用值的等效值,例如,这些值可能在数值数量上发生变化,但将被本领域技术人员认为是等效的。
使用血管内和其它成像模态、工作流程呈现和排序以及图形用户界面特征、系统和方法进行动脉评定的非限制性软件特征和实施方式
以下描述意在提供适于执行本文中描述的公开内容的方法的设备硬件和其它操作组件的概述。本描述并不意在限制本公开的适用环境或范围。类似地,硬件和其它操作组件可以适合作为上文所描述的装置的部分。可以利用其它系统配置来实践本公开,包括个人计算机、多处理器系统、基于微处理器或可编程电子设备、网络PC、微型计算机、大型计算机等。也可以在分布式计算环境中实践本公开,其中,利用诸如在导管或导管实验室的不同隔间内通过通信网络链接的远程处理设备来执行任务。
在一个实施方式中,软件模块被设计成对血管内数据进行操作以表征组织并识别关注区域,比如钙区域、锥形区域、脂质池和其它组织特征。软件还可以比较血流储备分数(FFR)、血管阻力比(VRR)和其它测量和计算的血管内数据收集参数。就从支架状态至非支架状态的此类参数变化而言,此类参数可以用于生成一个或更多个度量。
在一个实施方式中,可以使用OCT系统。该系统包括光接收器,比如基于平衡光电二极管的系统接收由探头返回的光。计算设备——比如计算机、处理器、ASIC或其它设备——是系统的一部分,或者作为单独的子系统与系统进行电或光通信并从探头接收电子信号。各个实施方式中的计算设备包括本地存储器、总线和适于处理数据和利用软件的其它组件,比如配置用于支架可视化和支架贴壁不良检测的图像数据处理。在一个实施方式中,PCIe总线或其它高带宽、低延迟总线用于连接给定成像系统、MLS或包括给定成像系统和MLS两者的组合系统的各种组件。
支架部署规划工具可以是软件的一部分或与软件交换数据。这些工具可以用于将虚拟支架放置在探头相对于血管壁布置的管腔区域中。图3B和图3C示出了回调的节段的示例性区域,其中,一个或更多个虚拟支架可以部署并显示在用户界面上。在图3C中,在尺寸设定工作流程期间的候选支架着陆区LZ示出为相对于血管造影图像共同配准。动脉的帧的横截面表示还示出为具有2.61mm的EEL直径和2.50mm的管腔直径。这些测量值可以用于帮助告知支架选择并且与血管摄影的共同配准有助于评估和更改着陆区。在图3B中,远端参考帧和近端参考帧的顶部为黄色,并且底部为蓝色。在图3B中,尺寸设定候选着陆区LZ的一部分和候选支架长度23mm已由用户选择。示出了三个帧,中间是用户可选择帧。在各个实施方式中,可以移动标记US以更改支架尺寸设定图形界面的中间面板中显示的帧,以允许相对于近端参考和远端参考考虑不同的EEL和管腔直径。还示出了书签BKM,用户可以使用GUI设置书签BKM,使得用户可以在帧之间快速移动。示出了具有最小管腔直径MLD的帧的另一标记,在其它情况下,可以显示MLA或最小管腔面积。
显示器也可以是系统的用于示出信息——比如使用收集的血管内数据生成的血管的横截面视图和纵向视图——的部分。一旦用探头获得血管内数据并存储在存储器中,血管内数据就可以被处理以生成和显示信息,比如血管的沿着回调区的长度的横截视图、纵向视图和/或三维视图或其子集。二维或三维图像掩码可以用于显示或存储地面真实数据和预测结果。这些视图可以被描绘为如下面和后续图中所示和描述的用户界面的一部分。
可以根据本文中公开的工作流程来组织给定的一组用户界面。在各个实施方式中,工作流程具有操作成在患者出院或实际上离开导管实验室工作台之前精简导管实验室中的操作并改善患者结果的优先顺序。在一个实施方式中,工作流程的顺序按以下顺序执行:形态学、支架尺寸设定、支架部署和检查。使用从系统获得的距离测量值生成的血管图像提供了有关血管的信息,包括管腔轮廓、血管直径、血管横截面积、着陆区、以及使用本文中描述的工具和软件模块处理时由着陆区界定的虚拟支架。在一个实施方式中,MLS包括一个或更多个计算设备和一个或更多个软件程序或模块。本文中公开的各种设备、组件、系统和子系统能够操作成执行本文中描述的任务、方法、步骤、过程和与前述中的每一者相关的其它特征。
在计算机存储器内的数据位上按照操作的算法和符号表示来呈现详细描述的某些部分。这些算法描述和表示可以被在计算机和软件相关领域中的技术人员使用。在一个实施方式中,算法在此且通常被设想为导致预期结果的有条理的操作序列。如方法步骤所执行或在本文中以其它方式所描述的操作为需要物理量的物理操控的操作。通常但不一定,这些量采用能够被存储、被传送、被组合、被转换、被比较和以其它方式被操控的电信号或磁信号。
除非另有明确指示,如从如下论述明显的,否则要领会到,贯穿说明书,利用诸如“处理”或“计算”或“分类”或“表征”或“相关”或“检测”或“评定”或“卷积”或“去卷积”或“分类”或“分段”或“训练”或“注释”或“配准”或“测量”或“计算”或“比较”或“生成”或“感测”或“确定”或“显示”等术语、或布尔(Boolean)逻辑或其它设置相关的操作等的论述指的是经训练的MLS、计算机系统、AI处理器、GPU或电子设备的动作和进程,该动作和进程操控如在计算机系统或电子设备的寄存器和存储器内的物理(电子)量所表示的数据并将其转换为如在电子存储器或寄存器或其它这类信息存储、传输或显示设备内的物理量所类似表示的其它数据。
在一些实施方式中,本公开还涉及用于执行本文中的操作的装置。该装置可以专门针对所需目的来构造,或该装置可以包括由存储在计算机中的计算机程序选择性地激活或重配置的通用计算机。该装置的各个电路和组件可以用于执行本文中描述的一些数据收集和转换和处理。
本文中所呈现的算法和显示器内在地不与任何特定计算机或其它装置相关。各种通用系统可以与按照本文中的教导的程序一起使用,或它可以证明便于构造用于执行所需的方法步骤的更专业的装置。各种各样的这些系统所需的结构将从下文的描述中显现。此外,不参照任何特定编程语言来描述本公开,以及因此各个实施方式可以使用各种各样的编程语言来实现。
在一个实施方式中,使用给定MLS实施方式的语义分割可以用于检测图像是否具有钙和EEL并识别具有钙和EEL的像素。这有助于医生解决与选择治疗选项和指导特定治疗相关的各种问题。在各个实施方式中,MLS系统的输出包括基于弧的度量/对Ca和EEL两者的相似性的测量、检测到的EEL直径、以及检测到的Ca深度中的一者或更多者。在一些实施方式中,这些值是在对EEL、介质、钙、管腔和其它关注区域和特征进行分类之后相对于图像数据测量的。本文中公开的方法和系统可以用于检测的组织类型的一些非限制性示例包括血液流动的内部区域、管腔、内膜、中膜、外部弹性层(EEL)(也称为外部弹性膜)、内部弹性层(IEL)、外膜、斑块、钙或钙化组织和其他。中膜由IEL和EEL定界。内膜由管腔和IEL定界。本公开涉及使用一个或更多个机器学习或人工智能(AI)系统来检测动脉或其它结构的图像或将其分割成各种组件组织类型或关注区域的各种实施方式。部分地,机器学习系统被设计成使得机器学习系统可以安装或与成像系统——比如血管内成像系统、超声系统或X射线系统(比如血管造影或荧光检查系统)结合。在一个实施方式中,本公开涉及使用MLS进行组织表征以检测管腔、EEL、中膜和钙/钙斑中的一者或更多者。
本公开的实施方式可以以许多不同形式来体现,包括但不限于用于与处理器(例如微处理器、微控制器、数字信号处理器、或通用计算机)一起使用的计算机程序逻辑、用于与可编程逻辑器件(例如,现场可编程门阵列(FPGA)或其它可编程逻辑器件)一起使用的可编程逻辑、分立组件、集成电路(例如,专用集成电路(ASIC))、或包括上述项的任何组合的任何其它装置。在本公开的典型实施方式中,使用可以包括用于回调的一个或更多个成像探头、2D成像或3D成像系统和基于处理器的系统的血管内成像系统收集的数据的一些或全部处理被实施为一组计算机程序指令,该组计算机程序指令被转换为计算机可执行形式、被存储在诸如计算机可读介质中、且在操作系统的控制下被微处理器执行。因此,查询响应和输入数据被转换为适于生成训练集、图像掩码和本文中公开的其它输入和输出的处理器可理解指令。实现本文中先前所描述的全部或部分功能的计算机程序逻辑可以以各种形式来体现,包括但不限于源代码形式、计算机可执行形式、和各种中间形式(例如,由汇编器、编译器、链接器或定位器生成的形式)。源代码可以包括以与各种操作系统或操作环境一起使用的各种编程语言(例如,目标代码、汇编语言、或高级语言,比如Python、Perl、Go、FORTRAN、C、C++、JAVA或HTML)中的任一者实现的一系列计算机程序指令。源代码可以定义和使用各种数据结构和通信消息。源代码可以为计算机可执行形式(例如借助注释器)、或源代码可以被转换(例如借助翻译器、汇编器、或编译器)为计算机可执行形式。
本文中描述的各个实施方式或其组件或部分可以在许多不同的软件、固件和/或硬件、或其模块中实现。用于实现本实施方式中的一些实施方式的软件代码或专用控制硬件不限制本发明。例如,上文中描述的实施方式可以使用任何合适的计算机编程语言、比如.NET、SQL或MySQL使用例如传统的或面向对象的技术在计算机软件中实现。
用于计算机软件和其它计算机实现指令的编程语言可以在执行之前由编译器或汇编器翻译成机器语言和/或可以在运行时由解释器直接翻译。汇编语言的示例包括ARM、MIPS和x86;高级语言的示例包括Ada、BASIC、C、C++、C#、COBOL、Fortran、LUA、Clojure、Java、Lisp、Pascal、Object Pascal;脚本语言的示例包括Bourne脚本、JavaScript、Python、Ruby、PHP和Perl。
实施方式的操作和行为在没有具体参考实际软件代码或专用硬件组件的情况下进行描述。没有这样的特定参考是可行的,因为清楚地理解的是,普通技术人员将能够基于本文中的描述仅以合理的努力并且无需过度的实验来设计软件和控制硬件以实现本公开的实施方式。
各种机器学习系统和相关联的神经网络,比如深度学习神经网络、3D神经网络、卷积神经网络、2D神经网络、N层神经网络、前馈神经网络、前馈网络、后馈网络、径向基函数神经网络网络、Korhonen自组织神经网络、循环神经网络(RNN)、模块化神经网络、深度学习网络、基于人工智能的系统和帧、以及上述的组合。
本文中描述的用于各种诊断系统的软件——其可以使用控制器、处理器、计算设备、ASICS、FPGA和/或其组合来实现——以及本文中描述的其它计算机功能可以使用任何合适的计算机编程在计算机软件中实现。例如,各种机器学习系统可以利用存储或以其它方式保持在计算机可读介质(例如RAM、ROM、二级存储等)中的软件模块来实现。一个或更多个处理核(例如,CPU、GPU和/或AI加速器核)可以生成工作流程序列和图形用户界面并且响应于用户操作,比如操纵杆、按钮、鼠标和其它用户界面设备。
计算机程序可以以任何形式(例如源代码形式、计算机可执行形式、或中间形式)被永久地或暂时地固定在有形存储介质中,该有形存储介质诸如半导体存储设备(例如RAM、ROM、PROM、EEPROM或闪存-可编程的RAM)、磁存储设备(例如磁盘或固定硬盘)、光学存储设备(例如CD-ROM)、PC卡(例如PCMCIA卡)、或其它存储设备。计算机程序可以以任何形式被固定在信号中,使用各种通信技术中的任一种可将该信号发送到计算机,各种通信技术包括但不限于模拟技术、数字技术、光学技术、无线技术、联网技术、和网络互联技术。计算机程序可以以任何形式被分布为附有印刷的或电子的文件编制(例如,用收缩膜包装的软件)的可移动存储介质、预先加载有计算机系统(例如,在系统ROM或固定硬盘上)、或者从服务器或通过通信系统(例如,互联网或万维网)从电子公告板分发。
实现本文中先前描述的全部或部分功能的硬件逻辑(包括与可编程逻辑器件一起使用的可编程逻辑)可以使用传统手工方法来设计,或者可以使用各种工具以电子方式来设计、捕获、模拟、或以文件记录,各种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)。
可编程逻辑可以被永久地或暂时地固定在有形存储介质中,该有形存储介质诸如半导体存储设备(例如RAM、ROM、PROM、EEPROM或闪存-可编程的RAM)、磁存储设备(例如磁盘或固定硬盘)、光学存储设备(例如CD-ROM)、或其它存储设备。可编程逻辑可以被固定在信号中,使用各种通信技术中的任一种可将该信号发送到计算机,各种通信技术包括但不限于模拟技术、数字技术、光学技术、无线技术(例如蓝牙)、联网技术、和网络互联技术。可编程逻辑可以被分布为附有印刷的或电子的文件编制(例如用收缩膜包装的软件)的可移动存储介质、预先加载有计算机系统(例如在系统ROM或固定硬盘上)、或从服务器或电子布告板而分布在通信系统(例如因特网或万维网)上。
本文中论述了合适的处理模块的各种示例。如本文中使用的,模块指的是适于执行特定数据处理或数据传输任务的软件、硬件、或固件。通常,在优选实施方式中,模块指的是适于接收、变换、路由和处理指令或各种类型的数据的软件例程、程序、或其它存储器常驻应用程序,各种类型的数据诸如为电阻变化、电压变化、电流变化、基于导丝的探头数据、血管内压力数据、比率、钙厚度、EEL厚度、钙角、指数和如本文中公开的关注的其它信息。
本文中描述的计算机和计算机系统可以包括操作性关联的计算机可读介质,比如用于存储在获得、处理、存储和/或传送数据时使用的软件应用程序的存储器。可以领会的是,这类存储器相对于其操作上关联的计算机或计算机系统可以为内部的、外部的、远程的或本地的。
存储介质可以为非暂时性的或包括非暂时性设备。因此,非暂时性存储介质或非暂时性设备可以包括有形的设备,意味着该设备具有具体的物质形态,但是该设备可以改变其物理状态。因此,例如,非暂时性指的是,不管该设备的状态是否改变,设备都保持有形的。
部分地,本公开涉及有助于导航已经应用了一种或更多种成像与组织检测方法的血管表示的诊断系统和用于诊断系统的接口。对于给定的血管,比如冠状动脉或其它身体管腔,可以使用各种技术识别一种或更多种组织类型或其它关注区域。特别地,可以表示钙结节、钙化组织和其它钙相关组织,比如血管中的钙化区域。作为给定系统指导的工作流程的一部分,可以生成一个或更多个动脉表示并使用一个或更多个动脉表示向用户显示特征化的组织和关注区域。
特征化的组织和/或关注区域适于检测并包含在一个或更多个图形用户界面上,图形用户界面可以同时显示成包括近端节段、远端节段和用户选择的节段或帧,以精简选择或部署支架时的信息使用。这些图形用户界面可以显示已经被自动地检测并用一个或更多个可视化元素或标记(比如颜色、阴影、动画等)显示给用户的特征。用于自动检测和用一个或更多个标记显示的合适特征可以包括以下脂质区、管腔区、支架支柱、侧分支、导丝、外部弹性层(EEL)、内部弹性层(IEL)、与前述和其它动脉特征相关的边界和体积以及本文中公开的组织类型中的一者或更多者。各个轴可以部分地用颜色编码或者用标记修改,使得一个视图、比如横截面视图中的轴跟踪纵向视图中的相同的轴。这例如用蓝色和黄色代码线段/轴部分在图2D和图3B中示出。
部分地,本公开涉及血管内数据收集系统,比如OCT、IVUS和其它成像模态,以及诊断信息的生成和可视化,比如支架着陆区、侧分支、关注区域和血管中的特征组织区域。适于指示诸如前述诊断信息之类的关注的诊断信息的图形元素用作工作流程中的用户选择元素,比如标记。
本文中还公开了用于使支架、组织类型、组织体积和组织边界可视化的系统和方法。一个或更多个软件模块可以用于检测侧分支位置、管腔轮廓和支架支柱位置,生成血管表示,并相对于GUI基于用户选择来控制对图像的导航。本文中公开的系统和方法还包括可以测量各种组织类型(包括钙、脂质、纤维和其它)的角度、弧、圆周部分、厚度、体积、宽度、帧数、组织与管腔的相对接近度的自动测量系统和相关特征。
在各个实施方式中,此类测量工具可以用于测量特定组织类型的给定关注区域的前述参数和任何几何特性。这些测量可以用于生成适合终端用户考虑的各种评级或分数。例如,如果在血管的特定区域中出现钙负荷但总体上只有少量的表面钙,则与其相关的测量可以帮助指导用户并且不排除这样的区域作为候选着陆区。
本公开的方面、实施方式、特征和示例将在所有方面被视为说明性的,而不意在限制本公开,本公开的范围仅由权利要求来限定。在不脱离所请求保护的本公开的精神和范围的情况下,其它实施方式、修改、和用途对于本领域技术人员将是明显的。
本申请中的标题和章节的使用并不意在限制本公开;每个章节可以应用本公开的任何方面、实施方式或特征。只有那些使用词语“装置”的权利要求才意在根据35USC 112第6节进行解释。在权利要求中没有提及“装置”的情况下,此类权利要求不应根据35USC 112进行解释。说明书中的限制并不意在解读为任何权利要求,除非此类限制明确包含在权利要求中。
在给出值或值范围时,除非特别地提及一些不同的范围,否则每个值和给定范围的端点及端点之间的值可以增加或减少20%,同时仍保持在本公开的教导内。
贯穿本申请,在组合物被描述成具有、包括或包含具体组分的情况下,或在过程被描述成具有、包括或包含具体过程步骤的情况下,设想本教导的组合物也本质上包括或包括所列组分,以及本教导的过程也本质上包括或包括所列过程步骤。
在本申请中,在元件或组件被说成包括在所列元件或组件的列表中和/或选自该列表的情况下,应当理解的是,元件或组件可以为所列元件或组件中的任一者以及可以选自由所列元件或组件中的两者或更多者组成的组。另外,应当理解的是,本文中描述的组合物、装置或方法的元素和/或特征可以以各种方式来组合,而不脱离本文中无论是显式的还是隐式的本教导的精神和范围。
除非另有明确陈述,否则术语“包括”或“具有”的使用通常应当被理解成开放式且非限制的。
除非另有明确陈述,否则本文中的单数的使用包括复数(反之亦然)。另外,,除非上下文另有清楚指示,否则单数形式的“一”和“该”包括复数形式。此外,除非另有明确陈述,否则在数值之前使用术语“约”的情况下,本教导也包括具体数值本身±10%。
应当理解的是,步骤的次序或用于执行某些动作的次序是非实质的,只要本教导保持可操作性即可。另外,可以同时进行两个或更多个步骤或动作。
在提供一系列值或一列值的情况下,该一系列值或一列值的上限和下限之间的每个中间值被单独考虑且被包含在本公开内,犹如在本文中明确地列举每个值。此外,给定范围的上限和下限之间的且包括该上限和下限的较小范围被考虑且被包含在本公开内。示例性值或范围的列表不是放弃在给定范围的上限和下限之间的且包括该上限和下限的其它值或范围。
应当理解的是,为了清楚地理解本公开,已简化本公开的附图和描述以说明相关的元件,同时为了简洁而消除其它元件。然而,本领域普通技术人员将认识到的是,这些元件和其它元件可能是期望的。然而,由于这类元件在本领域中是熟知的且由于这些元件不促进更好理解本公开,因此在本文中不提供这类元件的论述。应当理解的是,附图是出于说明目的而呈现的,而不作为施工图。省略的细节和修改或替代性实施方式在本领域的普通技术人员的视界内。
可以理解的是,在本公开的某些方面中,单个组件可以用多个组件来替换,并且多个组件可以用单个组件来替换,以提供元件或结构或者以执行给定的一个或更多个功能。除了这类替代不会操作成实践本公开的特定实施方式的情况之外,这类替代被视为在本公开的范围内。
本文中呈现的示例意在说明本公开的潜在的和具体的实现方式。可以理解的是,这些示例主要用于向本领域技术人员说明本公开内容的目的。在不脱离本公开的精神的情况下,可以存在本文中描述的这些示图或操作的变型。例如,在某些情况下,方法步骤或操作可以以不同的顺序执行或实施,或者可以添加、删除或修改操作。
Claims (20)
1.一种显示动脉的表示的方法,所述方法包括:
将血管内图像数据集存储在诊断成像系统的存储设备中,所述血管内图像数据集响应于动脉的节段的血管内成像而生成;
在每一帧的基础上自动地检测所述节段的管腔边界;
在每一帧的基础上自动地检测所述节段的外部弹性层(EEL);以及
显示能够操作用于支架尺寸设定的工作流程,所述工作流程包括图形用户界面,
所述图形用户界面包括:
所述动脉在第一帧处的第一表示;以及
所述动脉在第二帧处的第二表示;
其中,相对于所述第一表示显示第一EEL厚度和第一管腔厚度;
其中,相对于所述第二表示显示第二EEL厚度和第二管腔厚度。
2.根据权利要求1所述的方法,其中,使用一个或更多个标记相对于每个相应的表示来识别检测到的管腔边界和检测到的EEL。
3.根据权利要求1所述的方法,其中,所述图形用户界面包括所述动脉在第三帧处的第三表示,其中,相对于所述第三表示显示第三EEL厚度和第三管腔厚度,其中,用户能够通过所述图形用户界面来选择和改变所述第三帧。
4.根据权利要求3所述的方法,其中,所述第三帧选自所述第一帧和所述第二帧之间的帧。
5.根据权利要求1所述的方法,其中,所述图形用户界面还包括所述动脉的纵向表示,所述纵向表示显示与所述动脉相关的所述第一帧和所述第二帧。
6.根据权利要求5所述的方法,其中,所述纵向表示包括管腔区域,其中,管腔区域相对于所述表示的纵向轴线是对称的。
7.根据权利要求1所述的方法,其中,所述图形用户界面还包括所述动脉的纵向表示,所述纵向表示使用一个或更多个标记针对多个帧显示检测到的EEL。
8.根据权利要求1所述的方法,其中,所述第一帧是近端参考帧,并且所述第二帧是远端参考帧。
9.根据权利要求1所述的方法,其中,所述近端参考帧的表示的第一部分用第一标记识别,并且其中,所述远端参考帧的表示的第二部分用第二标记识别。
10.根据权利要求8所述的方法,其中,所述图形用户界面还包括所述节段的纵向表示并且显示相对于所述纵向表示用所述第一标记识别的第一轴线的一部分。
11.根据权利要求9所述的方法,其中,所述图形用户界面包括所述动脉在第三帧处的第三表示并且显示相对于所述第三表示用所述第一标记识别的所述第一轴线的所述部分。
12.根据权利要求2所述的方法,其中,所述标记选自颜色、虚线、阴影、图形元素和覆盖物的组。
13.根据权利要求1所述的方法,还包括在沿着所述节段的位置处检测钙并且在所述图形用户界面中针对一个或更多个帧显示总钙的角度测量值。
14.根据权利要求1所述的方法,还包括接收来自用户的输入以相对于所述节段的纵向表示选择支架着陆区。
15.根据权利要求14所述的方法,还包括响应于用户选择的着陆区显示计算出的支架长度并且相对于所述纵向表示显示最小管腔直径(MLD)。
16.根据权利要求1所述的方法,还包括在能够操作用于支架尺寸设定的工作流程之后显示选择支架部署工作流程的选项。
17.根据权利要求16所述的方法,还包括在支架部署之后选择检查工作流程的选项,其中,所述检查工作流程包括带支架动脉的表示和支架扩张百分比和支架贴壁不良的一个或更多个指标。
18.一种显示动脉的表示的方法,所述方法包括:
将血管内图像数据集存储在诊断成像系统的存储设备中,所述血管内图像数据集响应于动脉的节段的血管内成像而生成;
在每一帧的基础上相对于所述节段的管腔边界自动地检测一个或更多个钙区域;
针对一帧或更多帧计算检测到的钙的角度或圆周测量值;
针对一帧或更多帧计算检测到的钙的钙厚度;
生成所述动脉在一个或更多个帧处的第一表示;
针对所述一个或更多个帧中的第一帧显示检测到的钙的角度或圆周测量值以及钙厚度;以及
相对于所述动脉的所述第一表示显示指示所述角度或圆周测量值的标记。
19.根据权利要求18所述的方法,还包括:生成所述动脉的第二表示,所述第二表示包括所述动脉的纵向表示;以及在每一帧的基础上显示与钙的检测相对应的标记。
20.根据权利要求19所述的方法,还包括在每一帧的基础上自动地检测所述节段的外部弹性层(EEL)并且在所述纵向表示的每一帧的基础上显示对应于EEL的标记。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962819595P | 2019-03-17 | 2019-03-17 | |
US62/819,595 | 2019-03-17 | ||
PCT/US2020/023213 WO2020190976A2 (en) | 2019-03-17 | 2020-03-17 | Arterial imaging and assessment systems and methods and related user interface based-workflows |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113614845A true CN113614845A (zh) | 2021-11-05 |
Family
ID=70293055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080022148.9A Pending CN113614845A (zh) | 2019-03-17 | 2020-03-17 | 动脉成像与评定系统和方法以及相关的基于用户界面的工作流程 |
Country Status (6)
Country | Link |
---|---|
US (3) | US11819309B2 (zh) |
EP (1) | EP3941335A2 (zh) |
JP (1) | JP2022525469A (zh) |
CN (1) | CN113614845A (zh) |
CA (1) | CA3133449A1 (zh) |
WO (1) | WO2020190976A2 (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022525469A (ja) * | 2019-03-17 | 2022-05-16 | ライトラボ・イメージング・インコーポレーテッド | 動脈の撮像・評価のシステム及び方法並びに関連するユーザインタフェースに基づくワークフロー |
US20210113098A1 (en) * | 2019-10-16 | 2021-04-22 | Canon U.S.A., Inc. | Image processing apparatus, method and storage medium to determine longitudinal orientation |
AU2020376712B2 (en) * | 2019-11-01 | 2024-01-04 | Lg Electronics Inc. | Transform-based method for coding image, and device therefor |
WO2022071121A1 (ja) * | 2020-09-29 | 2022-04-07 | テルモ株式会社 | 情報処理装置、情報処理方法及びプログラム |
EP4218599A4 (en) * | 2020-09-29 | 2024-03-27 | Terumo Kabushiki Kaisha | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, PROGRAM, AND MODEL GENERATION METHOD |
JP7441155B2 (ja) | 2020-09-30 | 2024-02-29 | テルモ株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN112472112B (zh) * | 2020-11-25 | 2024-02-27 | 苏州润迈德医疗科技有限公司 | 调节血管狭窄区间的方法、系统及存储介质 |
WO2022132529A1 (en) * | 2020-12-15 | 2022-06-23 | Battelle Memorial Institute | Design to fabricated layout correlation |
US20220277175A1 (en) * | 2021-02-28 | 2022-09-01 | Clarius Mobile Health Corp. | Method and system for training and deploying an artificial intelligence model on pre-scan converted ultrasound image data |
WO2022238274A1 (en) * | 2021-05-13 | 2022-11-17 | Koninklijke Philips N.V. | Automatic measurement of body lumen length between bookmarked intraluminal data based on coregistration of intraluminal data to extraluminal image |
US11948687B2 (en) * | 2021-05-24 | 2024-04-02 | Nantcell, Inc. | Deep learning models for region-of-interest determination |
WO2023287776A1 (en) * | 2021-07-12 | 2023-01-19 | Lightlab Imaging, Inc. | A deep learning based approach for oct image quality assurance |
US20230108133A1 (en) * | 2021-10-01 | 2023-04-06 | Canon U.S.A., Inc. | Devices, systems, and methods for detecting external elastic lamina (eel) from intravascular oct images |
WO2023110555A1 (en) * | 2021-12-17 | 2023-06-22 | Koninklijke Philips N.V. | Systems, devices, and methods for coregistration of intravascular data to enhanced stent deployment x-ray images |
CN114299357B (zh) * | 2021-12-18 | 2024-05-03 | 深圳先进技术研究院 | 一种用于血管壁影像分割的自定义卷积路径方法 |
US20230196569A1 (en) * | 2021-12-22 | 2023-06-22 | Philips Image Guided Therapy Corporation | Calcium arc of blood vessel within intravascular image and associated systems, devices, and methods |
EP4201342A1 (en) * | 2021-12-22 | 2023-06-28 | Koninklijke Philips N.V. | Intravascular ultrasound imaging for calcium detection and analysis |
WO2023118080A1 (en) * | 2021-12-22 | 2023-06-29 | Koninklijke Philips N.V. | Intravascular ultrasound imaging for calcium detection and analysis |
WO2023189261A1 (ja) * | 2022-03-29 | 2023-10-05 | テルモ株式会社 | コンピュータプログラム、情報処理装置及び情報処理方法 |
WO2023192519A1 (en) * | 2022-03-30 | 2023-10-05 | Boston Scientific Scimed, Inc. | Systems and methods for vascular image co-registration |
WO2023235854A1 (en) * | 2022-06-02 | 2023-12-07 | Frond Medical Inc. | Systems and methods for endoluminal tracking with therapeutic delivery sensing |
US20240086025A1 (en) * | 2022-09-14 | 2024-03-14 | Boston Scientific Scimed, Inc. | Graphical user interface for intravascular ultrasound automated lesion assessment system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110071404A1 (en) * | 2009-09-23 | 2011-03-24 | Lightlab Imaging, Inc. | Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods |
CN104224217A (zh) * | 2013-06-24 | 2014-12-24 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
US20150297373A1 (en) * | 2012-12-12 | 2015-10-22 | Lightlab Imaging, Inc. | Method and apparatus for automated determination of a lumen contour of a stented blood vessel |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8167805B2 (en) * | 2005-10-20 | 2012-05-01 | Kona Medical, Inc. | Systems and methods for ultrasound applicator station keeping |
US9592027B2 (en) * | 2013-03-14 | 2017-03-14 | Volcano Corporation | System and method of adventitial tissue characterization |
JP6517198B2 (ja) | 2013-07-08 | 2019-05-22 | アビンガー・インコーポレイテッドAvinger, Inc. | 介入療法を案内する弾性層の識別 |
WO2016014991A1 (en) * | 2014-07-24 | 2016-01-28 | Lightlab Imaging, Inc. | Stent and vessel visualization and diagnostic systems, devices, and methods |
CA2970658A1 (en) | 2014-12-12 | 2016-06-16 | Lightlab Imaging, Inc. | Systems and methods to detect and display endovascular features |
WO2018064336A1 (en) | 2016-09-28 | 2018-04-05 | Lightlab Imaging, Inc. | Stent planning systems and methods using vessel representation |
US11571129B2 (en) * | 2017-10-03 | 2023-02-07 | Canon U.S.A., Inc. | Detecting and displaying stent expansion |
US11344373B2 (en) * | 2018-05-29 | 2022-05-31 | Lightlab Imaging, Inc. | Stent expansion display, systems, and methods |
EP3909016A1 (en) * | 2019-01-13 | 2021-11-17 | Lightlab Imaging, Inc. | Systems and methods for classification of arterial image regions and features thereof |
JP2022525469A (ja) * | 2019-03-17 | 2022-05-16 | ライトラボ・イメージング・インコーポレーテッド | 動脈の撮像・評価のシステム及び方法並びに関連するユーザインタフェースに基づくワークフロー |
US11436731B2 (en) * | 2019-08-05 | 2022-09-06 | Lightlab Imaging, Inc. | Longitudinal display of coronary artery calcium burden |
-
2020
- 2020-03-17 JP JP2021556302A patent/JP2022525469A/ja active Pending
- 2020-03-17 EP EP20719801.1A patent/EP3941335A2/en active Pending
- 2020-03-17 US US16/821,877 patent/US11819309B2/en active Active
- 2020-03-17 CA CA3133449A patent/CA3133449A1/en active Pending
- 2020-03-17 CN CN202080022148.9A patent/CN113614845A/zh active Pending
- 2020-03-17 WO PCT/US2020/023213 patent/WO2020190976A2/en unknown
-
2023
- 2023-08-24 US US18/237,614 patent/US20230389799A1/en active Pending
- 2023-10-31 US US18/385,462 patent/US20240057870A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110071404A1 (en) * | 2009-09-23 | 2011-03-24 | Lightlab Imaging, Inc. | Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods |
US20150297373A1 (en) * | 2012-12-12 | 2015-10-22 | Lightlab Imaging, Inc. | Method and apparatus for automated determination of a lumen contour of a stented blood vessel |
CN104224217A (zh) * | 2013-06-24 | 2014-12-24 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
Non-Patent Citations (3)
Title |
---|
AKIKO MAEHARA: "IVUS-Guided Versus OCT-Guided Coronary Stent Implantation A Critical Appraisal", 《JACC: CARDIOVASCULAR IMAGING》, vol. 10, pages 1487 - 1503 * |
ZHIFAN GAO: "Automated Detection Framework of the Calcified Plaque with Acoustic Shadowing in IVUS Images", 《PLOS ONE》, vol. 9, pages 6 * |
ZIAD A. ALI: "Intracoronary Optical Coherence Tomography 2018 Current Status and Future Directions", 《JACC: CARDIOVA SCULAR INTERVENTIONS》, vol. 10, no. 24, 18 December 2017 (2017-12-18), pages 2476, XP085314412, DOI: 10.1016/j.jcin.2017.09.042 * |
Also Published As
Publication number | Publication date |
---|---|
US20240057870A1 (en) | 2024-02-22 |
JP2022525469A (ja) | 2022-05-16 |
WO2020190976A3 (en) | 2020-11-26 |
US20200294659A1 (en) | 2020-09-17 |
CA3133449A1 (en) | 2020-09-24 |
WO2020190976A2 (en) | 2020-09-24 |
US20230389799A1 (en) | 2023-12-07 |
EP3941335A2 (en) | 2022-01-26 |
US11819309B2 (en) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11819309B2 (en) | Arterial imaging and assessment systems and methods and related user interface based-workflows | |
US11741613B2 (en) | Systems and methods for classification of arterial image regions and features thereof | |
US11532087B2 (en) | Stent detection methods and imaging system interfaces | |
JP7375102B2 (ja) | 血管内画像化システムの作動方法 | |
JP7325430B2 (ja) | 管腔内病巣評価及び処置計画のための解剖学的標識の決定及び可視化 | |
US20200129142A1 (en) | Intraluminal ultrasound navigation buidance and associated devices, systems, and methods | |
CN107847135B (zh) | 血管内成像系统界面和支架检测方法 | |
EP3829447B1 (en) | Systems for displaying multiple intraluminal images in luminal assessment with medical imaging | |
WO2013175472A2 (en) | Co-use of endoluminal data and extraluminal imaging | |
CN105188550A (zh) | 血管数据处理和图像配准系统、方法及装置 | |
US20220395333A1 (en) | Co-registration of intravascular data and multi-segment vasculature, and associated devices, systems, and methods | |
CN114667099A (zh) | 组合成像的系统和方法 | |
US20230196569A1 (en) | Calcium arc of blood vessel within intravascular image and associated systems, devices, and methods |
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 |