CN114732517A - 医学成像中的左心耳闭合引导 - Google Patents

Abstract

本发明涉及医学成像中的左心耳闭合引导。超声成像仪（20）提供了LAA闭合引导。使用超声成像虑及随时间（例如，遍及心跳周期）进行建模（32）。所述LAA随时间的解剖模型被用于创建给患者个性化的生物力学模型。经个性化的模型和一个或多个闭合设备的模型被用于针对所述患者选择（40）适于整个心跳周期的闭合设备，并引导（44）所选择的闭合设备在植入期间的放置。

Description

医学成像中的左心耳闭合引导

本申请是国家申请号为201811130230.4的发明专利申请的分案申请，该发明专利申请的申请日为2018年9月27日，发明名称为“医学成像中的左心耳闭合引导”。

背景技术

本实施例涉及左心耳（LAA）闭合。LAA是可能促使危及生命的血栓的形成的解剖结构。LAA结构的外科手术切除可以治疗或预防该状况。可以经由导管以对于患者而言少得多的侵入的方式植入闭合设备。这些闭合设备表现得像塞子一样，该塞子覆盖LAA并预防血液的堆积和血栓的形成。该过程的关键方面是基于解剖考虑的设备选择和设备停放区的规划。可以使用计算机断层扫描（CT）数据或三维经食管超声心动图（3D TEE）数据以选择适当的闭合设备。

在临床实践中，LAA闭合规划和引导使用内科医生与超声和CT数据集的手动交互。从医学图像对LAA的准确量化和表征到目前为止在CT或DynaCT图像上已经是可能的。该有限的可用性大部分是由于跨患者的LAA的富有挑战性且大幅变化的形状所致。机器学习可以将形状建模和图像处理进行组合，以从CT和DynaCT数据提供具有高准确性的自动分段。一旦解剖模型是可用的，就可以自动导出测量结果。然而，该方案可能未计及由于心跳周期而导致的变化。

大多数LAA过程是在三维TEE或容积心内超声心动图（容积ICE）成像引导下执行的。ICE成像由介入式心脏病医生执行，从而对相同的人给出对X射线（例如，透视（fluoroscopy））和超声成像两者以及导管部署的控制。特别是在ICE成像的情况下，利用桌边控制对3D超声成像进行导航，从而限制了输入的复杂度。因此，手动测量可能变得特别繁琐并影响再现性。

发明内容

作为介绍，下面描述的优选实施例包括用于利用超声成像仪进行LAA闭合引导的方法、计算机可读介质和系统。使用超声成像虑及随时间（例如，遍及心跳周期）进行建模。LAA随时间的解剖模型被用于创建给患者个性化的生物力学模型。经个性化的模型以及一个或多个闭合设备的模型被用于针对患者选择适于整个心跳周期的闭合设备，并引导所选择的闭合设备在植入期间的放置。

在第一方面中，提供了一种用于利用超声成像仪进行左心耳闭合引导的方法。从表示患者的心脏容积的超声数据生成所述患者的左心耳的三维解剖模型。从所述超声数据显示所述左心耳的心门的图像。所述心门的位置由所述解剖模型确定。对闭合设备相对于所述解剖模型的放置进行建模。利用从所述解剖模型导出的生物力学模型对所述闭合设备与所述解剖模型的交互进行仿真。根据所仿真的交互计算三维血流量。作为所述血流量的函数而选择所述闭合设备中的第一闭合设备。输出覆盖有所建模的放置处的所述第一闭合设备的表示的图像。

在第二方面中，提供了一种用于利用超声成像仪进行左心耳闭合引导的方法。使用超声以对在至少心跳周期内患者的左心耳进行三维扫描。从在所述扫描中获取的超声数据表征所述左心耳在所述心跳周期内的几何形状。使用从所述几何形状导出的生物力学模型来在所述心跳周期内对利用所述左心耳的所述几何模型而对闭合设备的放置进行建模。基于所述建模来在所述心跳周期内计算血流量。引导图像示出了如基于所述建模和血流量而优化的放置。

在第三方面中，提供了一种用于左心耳引导的系统。超声扫描仪被配置成获取表示患者随时间的三维区的超声数据。透视扫描仪被配置成获取表示所述三维区包括所述超声扫描仪的换能器的X射线数据。图像处理器被配置成：（1）基于所述超声数据来随时间对所述左心耳进行建模；（2）基于如在所述X射线数据中表示的换能器位置和取向将所述超声扫描仪的坐标与所述透视扫描仪的坐标进行配准；以及（3）基于所述模型和所配准的坐标，来生成示出针对所述左心耳的覆盖在所述X射线数据上的闭合设备的放置的图像。

本发明由所附权利要求限定，并且该章节中没有内容应当被视为对那些权利要求的限制。下面结合优选实施例讨论本发明的进一步方面和优势，并且稍后可以独立地或以组合方式要求保护本发明的进一步方面和优势。

附图说明

部件和附图不必按比例绘制，取而代之，重点在于图示本发明的原理。此外，在附图中，遍及不同视图，相似的附图标记标示对应的部分。

图1是用于利用超声成像仪进行LAA闭合引导的方法的一个实施例的流程图；

图2示出了LAA的所显示的心门的三个示例图像；

图3示出了追踪LAA的心门的四个示例图像；

图4示出了用于测量LAA的特性的示例图像；

图5示出了用于从LAA的中心线进行多平面重构（MPR）的示例图像；以及

图6是用于LAA闭合引导的系统的一个实施例的框图。

具体实施方式

LAA闭合引导被提供有基于超声的系统。超声扫描利用快速可再现的测量结果和量化工具从解剖量化、设备选择、路径规划以及治疗实施提供有效的LAA闭合规划和引导。基于超声的系统使得能够对LAA解剖结构进行高效且鲁棒的表征和量化。基于超声的系统自动提供用于规划和引导的LAA的直观绘制、关键测量结果以及用于设备选择的仿真系统。集成多模态系统可以将超声和透视成像进行组合。

解剖模型通过虚拟设备放置和部署来实现疗法规划。与器官/设备交互模型耦合的组织生物力学的计算模型有潜力对设备部署进行仿真并对所得组织形变和应力进行分析，从而提供锚定稳定性、副作用和引导的度量。

在一个实施例中，综合性LAA引导系统使用用于闭合设备选择和引导的超声扫描。利用3D TEE或容积ICE来获取LAA的三维（3D）数据集。从该3D数据集对LAA进行检测和分段，从而产生3D模型。在不失一般性的情况下，可以处理3D+时间。导出并显示所获取的数据集的解剖专用绘制。该导出和显示可以在图像获取期间离线（查验模式）或实时完成。根据3D模型计算关键解剖测量结果和它们随时间的变化。基于3D模型对所部署的设备进行虚拟放置和可视化。可以基于解剖结构（形状、尺寸）和/或临床报告（例如，器官形状、成功率）的数据库来建议最优设备。可以通过考虑LAA壁的运动（例如，通过基于重心映射或机器学习的运动模型）遍及图像序列的帧动态更新设备位置。可以自动计算LAA和/或设备度量以及包括最优经中隔穿刺位置的植入路线图或路径。使用设备和软组织的生物力学建模对设备部署进行仿真，以对器官-设备的交互进行建模并对疗法结果进行预测。针对仿真，对解剖模型的力学参数（例如，使用LA/LAA运动、来自多普勒测量的心房压力等）进行个性化。计算在虚拟设备部署之前和之后的3D血流量以评估血栓形成的风险以及设备周围泄漏量。对于多模态融合，可以在透视图像上覆盖解剖结构、虚拟放置的设备、植入路径和/或路线图（例如，包括距离到目标（distance-to-target）测量）。可以在超声图像中增强设备外观和解剖结构，诸如，通过使用在超声中随时间跟踪且受X射线植入物检测约束的植入物位置，以优化波束赋形和图像重构并减少噪声和伪影。

图1示出了用于利用超声成像仪进行LAA闭合引导的方法。随时间表示LAA的超声数据被用于协助闭合设备选择以及针对所选择的闭合设备的放置的引导。给具体患者的LAA对该协助进行个性化。不是对由内科医生完成的内容进行自动化，而是该方法通过专用于图像处理器实现的动作的组合来在针对LAA闭合的成像上加以改进。

按所示出的次序（例如，顶部到底部或按数值）或不同的次序实现图1的方法。例如，可以基于在行为30中计算的几何度量来执行行为40，所以行为40是在行为32-38中的任一个之前执行的。作为另一个示例，在行为32之前的任何时间处执行行为40，其中用户手动选择闭合设备并使用该选择以进行建模。在另一个示例中，在行为36的仿真、行为40的选择和/或行为42的放置优化之后生成行为34的植入规划。可以在彼此的数分钟或数小时内依次执行这些行为。可替换地，在其他行为前数天或数周执行一个或多个行为。

可以执行附加的、不同的或更少的行为。例如，不执行行为28。作为另一个示例，不执行一个或多个行为38、40和/或42。可以不执行行为36的仿真，诸如其中几何形状单独用于行为40中的选择和/或行为42中的放置优化。

该方法由医学诊断成像系统、查验站、工作站、计算机、图像存档和通信系统（PACS）站、服务器、移动设备、在云上、其组合或用于图像处理医学数据的其他设备来实现。例如，图6中示出的系统实现了该方法，但是可以使用其他系统。与存储器（例如，PACS数据库或云储存器）、用户输入设备、显示设备、医学成像系统和/或其他部件交互的任何类型的系统的硬件图像处理器可以执行这些行为。在一个实施例中，超声扫描仪执行行为22，并且图像处理器执行其他行为。图像处理器可以是超声扫描仪的一部分或与超声扫描仪分离。

可以由图像处理器自动执行这些行为。用户使患者被扫描或从先前的扫描获得针对患者的扫描数据。用户可以激活该过程。一旦被激活，其他行为就在没有进一步用户输入的情况下被自动执行。可以避免任何扫描数据中的解剖结构的位置的用户输入。可以提供某种用户输入，诸如用于更改测量位置、更改放置和/或标示标志（landmark）或其他位置。

在行为22中，超声扫描仪对患者的LAA进行扫描。可以使用3D TEE、容积ICE或其他扫描。检测是超声成像的B模式、多普勒（例如，流动模式）和/或其他模式。

扫描针对心跳周期的一个阶段而发生。可以针对其他阶段重复扫描，以获取表示心跳周期的一部分、一个心跳周期或多个心跳周期内的LAA的全部或部分的超声数据集的序列。超声数据可以是来自在生成图像或针对显示器的作为图像的数据之前导出的处理路径的数据。

扫描是三维的，诸如利用摇摆杆阵列、二维阵列和/或平行波束赋形。每一个超声数据集在三个维度中表示LAA。扫描数据集可以以用于扫描的球坐标格式或极坐标格式存在，或者可以被内插到规则3D网格。

所扫描的容积区包括LAA。可以包括或可以不包括心脏的其他部分或者其他组织。LAA包括组织、流体和/或其他解剖结构。

随时间表示LAA的超声数据虑及针对特定患者的LAA形状的自动量化。通过根据容积ICE图像自动量化LAA形状，可以选择要使用的闭合设备，并且可以提供针对部署（包括放置）的引导。

在行为24中，在心跳周期的部分或全部或者更多内对LAA的几何形状进行表征。超声数据被用于对LAA的几何形状进行表征。几何形状由形状和/或大小的任何量度或参数来表征。几何形状可以附加地或取而代之由表示患者的LAA的解剖模型来表征。

在一个方案中，使用边界检测。在其他方案中，解剖模型（例如，模板）被拟合到超声数据集。在又一个方案中，机器学习分类器对LAA进行检测。可以使用检测LAA的任何分段。分段可以提供解剖模型，并且根据该分段计算其他量度或参数作为解剖结构的表征。

针对不同阶段或数据集而重复检测。可替换地，然后通过其他阶段来跟踪来自一个阶段的拟合解剖模型（例如，表示所检测到或经分段的表面的网状物）。使用相关性、斑点跟踪、绝对差的最小和或者将来自一个阶段的解剖模型拟合到另一个阶段的超声数据的其他量度来跟踪几何形状。在可替换实施例中，在没有数据集序列的情况下针对一个阶段执行检测。

行为26表示用于表征LAA几何形状的示例实施例。从表示心脏容积的超声数据生成患者的LAA的3D解剖模型。几何形状是网状物、表面或针对患者的LAA的大小和形状的其他表示。

在一个实施例中，基于所识别的标志来形成解剖模型。图像处理器自动识别从中导出测量结果的一个或多个解剖标志（3D点）。这些标志可以是LAA孔口的中心、LAA孔口边界处的四个标志、LAA的（一个或多个）尖端、LAA瓣、（一个或多个）分叉点和/或LAA的任何其他标志。可以可替换地或附加地检测相邻结构（例如，用于指示LAA心门测量的水平的旋动脉的横截面）处的标志。

使用模板匹配、机器学习分类或另一对象检测来检测标志。可以使用任何现在已知或稍后开发的标志检测。

对于有噪数据中的更准确的检测，可以应用边缘空间学习。将针对LAA的边界框定位在数据集中，并且然后，在边界框内检测标志以限制假阳性。边界框定位和检测使用机器学习方案。可以使用任何机器学习，诸如概率提升树。在一个示例中，针对边界框，使用边缘空间学习或边缘空间深度学习（MSDL）来顺序地估计LAA位置、取向和规模。算法通过随后对增加的维度的参数空间进行采样来以迭代的方式从大型注释数据库学习位置、取向和规模参数。使用深度学习技术以学习对位置、取向和/或规模进行区分的特征或过滤器内核可以提高方案的鲁棒性和准确性。在该过程的结束处，提供围绕LAA的定向边界框。

在边界框内检测标志。例如，深度学习方案使用来自超声数据的所学习的特征来创建机器学习分类器，以检测一个或多个标志。应用一个或多个这种分类器以检测感兴趣的标志。在另一个示例中，使用深度图像到图像网络以检测标志。在又一个示例中，深度强化学习对分类器进行训练，该分类器被应用以搜遍或遵循所学习的行为以找到标志。输入被限制到边界框或围绕该框的区。

输出是一个或多个标志。当应用机器学习检测时，可以识别针对标志的各种可能位置。输出热图或概率分布。可以选择具有最大概率的3D点或基于相邻更高概率的分布的3D点作为标志。在半自动方案中，可以在具有或不具有边界框中的区的图像的情况下显示热图以用于对标志进行用户选择。

一旦该一个或多个标志被定位，就至少部分地根据标志估计3D解剖模型。可以可替换地或附加地使用与超声数据的拟合。3D分段利用标志。例如，解剖模型是模板（例如，经注释的网状物），因此，将解剖模型中的标志位置与如针对患者而检测到的标志位置进行对准或配准。随时间链接或对准标志。在一个实现中，解剖模型的其余部分可以基于标志位置和/或与超声数据的拟合而被内插或失真。在另一个实现中，利用约束拟合的统计形状模型将3D网状物的每一个点拟合到该数据以提供平滑自然的形状。解剖模型是基于跨多个患者的标志分布的统计形状模型。使用种群分析学以将解剖模型拟合到针对该患者的所检测到的标志。用于虚拟疗法规划的算法可以用于拟合设备或植入物的模型。可以使用解剖模型的动力学以计及通过心跳周期的设备或植入物的空间位移。

在行为28中，超声扫描仪和/或图像处理器使用显示设备来显示LAA的心门的图像。解剖模型包括LAA的一个或多个部分或LAA的全部。在解剖模型包括注释的情况下或在心门作为标志而被定位以拟合解剖模式的情况下，一个或多个阶段处的心门的位置是已知的。心门位置用于生成图像。例如，心门在平面或总体上平面的区中（例如，在板内）是椭圆形或其他封闭形状。确定与心门拟合或最紧密地对准的平面或板（多个相邻平面）。可以可替换地或附加地显示长轴视图（见图4和5）。

表示针对心门的平面或板的超声数据被用于生成图像。从针对平面的超声数据重构平面图像（例如，MPR）。可替换地，对具有有限深度（例如，1cm）的包括平面的容积式板进行体绘制。在又一个实施例中，基于平面来裁剪容积数据集，并对剩余的数据（例如，平面之外的容积——延伸到LAA中的容积）进行体绘制。显示裁剪平面绘制。

所显示的图像可以包括针对心门的注释。图2示出了具有作为注释的心门轮廓线的三个图像。利用图形或着色来对LAA的心门的所检测到的位置进行高亮。

在半自动或手动方案中，用户参与注释心门或LAA的其他部分的所显示的图像。在潜在分段误差的情况下，用户可能想要改善自动分段结果。特别是考虑到系统的桌边操作，方便的用户交互是重要的。可以使用使用智能网状物操控的流水线编辑工作流程以及基于图像强度的编辑。例如，提供圆形光标或针对心门轮廓线上的按压或拉动而定义的光标。用户相对于轮廓线而对光标进行定位以移动轮廓线（例如，使轮廓扩张或收缩并通过其大小来指示所影响的部分的大小）。可替换地，由用户添加控制点，并且通过将逐段参数曲线（例如，样条曲线）拟合到控制点和超声数据来重新计算轮廓或轮廓线。例如，图2的三个图像表示从左到右的控制点的接续用户添加以及对应的重新拟合的轮廓线。在另一个实施例中，使用基于图像的技术对轮廓校正进行追踪。通过搜索与图像上的鼠标指针最接近的较高图像强度，用户一般对血液-组织界面进行追踪以改善分段结果。图3示出了用户从左到右地对心门进行手动追踪。图像处理器然后基于与轮廓线或鼠标指针最接近的阈值上的梯度或强度来更改一般手动追踪以更好地拟合图像。为了避免追踪针对心跳周期的每一个阶段的图像，在针对一个阶段的图像中找到轮廓线，并且然后通过针对其他阶段的数据集来跟踪该轮廓线。心门的手动或自动检测的结果通过跟踪而被传播到心跳周期的其他阶段。

在行为30中，图像处理器计算心门的几何度量。该度量可以用于选择一个或多个闭合设备以用于进一步测试。对于由内科医生进行的规划干预而言，该度量可能在诊断上是有用的。

可以计算任何度量。例如，可以根据解剖模型和/或所检测到的心门来计算心门的长轴、心门的短轴、LAA的深度、LAA的瓣的数目和/或瓣相对于心门的位置。可以使用示出LAA心门的形状的其他度量。该度量可以处于任何心门位置，诸如旋动脉的水平。

在一个实施例中，椭圆被拟合到LAA心门。从拟合的椭圆导出长轴测量结果和短轴测量结果。可以计算不规则性指数。不规则性指数指示了心门的实际形状与完美椭圆有多大差距。可以使用偏心率、不规则性（例如，相对于椭圆的标准或平均偏差）和/或偏差的其他量度。可以使用心门轮廓的面积和/或直径以测量相对于圆、椭圆和/或对称的不规则性或其他失真。不规则性可以与针对圆形LAA闭合设备的残余泄漏量相关。计算LAA的深度，诸如LAA心门的区域的中心与LAA的最深结构之间的最大距离。图4在右侧示出了这种深度测量结果。图1的左侧示出了心门的直径的测量结果。基于自动量化，计算该距离。

来自MPR、体绘制和/或属于解剖模型的图像可以协助规划和/或引导。例如，显示图4的超声图像，诸如示出了从LAA心门的中心到LAA的最深结构的线。附加显示功能允许用户对绕该线旋转360°的MPR平面进行可视化。图2示出了针对沿LAA的中心线（绕由箭头示出的中心线旋转）的垂直平面的两个超声图像。

一些LAA结构包含多于一个中空结构。LAA瓣是较小的中空结构，其从LAA的主要中空结构分支出来。为了成功地部署闭合设备，确定瓣的数目。可以对瓣进行检测和可视化。闭合设备要被定位以使得闭合设备覆盖这些瓣的心门。可以针对瓣而计算度量。可以通过机器学习分类和/或通过模板匹配来从拟合模型的注释检测瓣。可以以不同颜色对瓣进行可视化，从而使解剖理解对用户来说更加容易。

针对给定阶段计算度量中的任一个。可以针对其他阶段计算相同度量。可以在表格中或作为图表向用户显示作为时间的函数的所得值。可以在LAA的3D绘制中将深度轴显示为作为时间的函数的移动轴。

在行为32中，图像处理器对一个或多个闭合设备在LAA中的放置进行建模。内科医生可以选择要测试的闭合设备。可替换地，图像处理器基于度量来进行选择。使用LAA和/或LAA的心门的形状和/或大小以选择闭合设备。可以选择多于一个闭合设备以用于测试。对闭合设备相对于解剖模型的放置进行建模。相对于解剖模型的几何形状对闭合设备的几何形状进行建模。

针对一个阶段对放置进行建模。可替换地，在不同（诸如所有）阶段中对放置进行建模。在心跳周期内对放置进行建模。由于解剖结构和对应的解剖模型在心跳周期内变化，因此相对于不同阶段对放置进行建模。图像处理器通过序列或在心跳周期内更新放置。

可以针对任何给定放置来测量闭合设备与LAA的拟合。可以使用任何拟合量度，诸如绝对差或标准差的最小和。可以针对不同阶段而测量拟合并作为图表或平均值而提供该拟合。图像处理器计算每一个所选择的闭合设备与解剖模型的拟合，诸如几何拟合。

使用几何形状对放置进行建模。该建模基于闭合设备的几何形状以及LAA的几何形状。在可替换或附加实施例中，使用针对LAA的生物力学模型来对放置进行建模，从而虑及使闭合设备和/或解剖模型的几何形状失真的交互的仿真。行为36应对该仿真。

在几何建模的一个实施例中，几何拟合被用于进行选择并通过优化放置来对设备递送进行规划。建模提供了虚拟LAA闭合。相对于LAA的几何形状或解剖模型对闭合设备的几何模型进行定位。根据解剖模型，自动计算默认位置，诸如通过心门的中心将闭合设备的中心定向在LAA的中心线处。可替换地或附加地，用户可以交互式地放置或调整设备的位置。该调整是以沿任何轴的平移和/或旋转而存在的。然后通过考虑LAA壁的运动，并假定恒定的设备与LAA的位置关系（例如，通过重心映射），或者在更高级的设置中通过应用来自已经植入的患者的数据库的所学习的运动，来遍及图像序列的帧动态地更新闭合设备模型的位置。

从一个或多个阶段中的设备位置，图像处理器自动计算LAA与设备的拟合度量。示例拟合度量包括过大或过小（例如，大小方面的平均差异）。为了找到用于不同闭合设备的拟合，使用不同闭合设备几何模型。这些闭合设备模型可以是来自设备制造商的进口模型或是从3D扫描创建的。

可以针对几何拟合来测试闭合设备到LAA的不同定位。可以识别具有通过阶段的最优或最佳几何拟合的位置。可以在部署期间使用虚拟设备的该最优位置，作为针对超声图像或透视系统上的引导的图像覆盖。

LAA形状受相当大范围的形态变化（例如，“仙人掌”、“鸡翅”、“风向袋”、“菜花”）的影响，该形态变化对设备选择和位置有潜在影响。图像处理器可以基于针对每一个设备的最优放置来建议要使用的设备。可替换地或附加地，可以使用形态相似度基于解剖结构（形状、尺寸）和/或临床报告的数据库来建议设备。可以使用相关性对类似的患者情况进行分级，诸如通过应用机器学习分类器。可以基于设备、LAA几何相似度以及结果将类似的情况呈现给内科医生。可以使用任何结果信息，诸如平均残余泄漏量和/或直到后续干预的年份。

在行为34中，图像处理器生成植入规划。植入规划包括闭合设备相对于患者的LAA的放置。可以在规划中包括其他信息，诸如用于访问LAA的经中隔穿刺的位置。在规划中包括导管沿其行进的路径以及穿刺位置。可以提供一组不同规划，并且可以基于心门相对于心脏的其他部分（例如，经分段的左和右心房）的位置和/或基于闭合设备相对于LAA的放置位置来选择它们中的一个。可替换地，根据几何信息计算路径。生成用于最优设备部署的包括最优经中隔穿刺的路线图以引导部署。

在行为36中，图像处理器对闭合设备中的一个或多个与解剖模型的交互进行仿真。交互提供了不止几何拟合或几何信息。交互使用从解剖模型导出的生物力学模型。生物力学模型使用材料性质和物理学，以对由于闭合设备与LAA之间的交互而导致的力的影响和/或失真进行建模。

在多个阶段内执行仿真。LAA受根据阶段而变化的心脏运动力的影响。在生物力学模型中计及该变化，以确定闭合设备的各种阶段内的交互和对应的影响。

为了对生物力学模型进行个性化，可以并入解剖模型、组织或流量的超声量度（例如，灌注和/或弹性）和/或其他信息。生物力学模型可以使用有限元法、小波或使各种特性相互关联的其他表示。

该仿真可以用于改善放置确定、植入规划的生成、闭合设备的选择、诊断信息、结果预测和/或其他用途或者可以被并入到其中。尽管所部署的设备模型的几何拟合可以提供见解，但利用生物力学模型进行的仿真提供了对LAA和/或左心房解剖结构中的所得改变的预测，连同对血流量模式中的潜在改变的预测。为了提供该信息，生物力学模型是解剖功能和LAA与设备的交互的预测计算模型。

在一个实施例中，使用来自患者的超声数据来给该患者对生物力学模型进行个性化。捕捉针对该患者的病理生理学。生物力学模型表示具有或不具有左心房组织的LAA。生物力学模型是从解剖模型导出的。直接根据超声数据（例如，根据解剖模型）或通过经由变化的厚度和挤压对模板（例如，图集（atlas）模型）或统计形状模型进行拟合，来估计心房壁和LAA。然后将薄体表面与体元素（例如，四面体或六面体）啮合。

该解剖模型的啮合可以与生物力学求解器一起使用，以在给定内力和外力的情况下计算心房壁和LAA的位移。内力计及组织弹性（横向各向同性且几乎不可压缩）和主动应力（以捕捉心房肌的主动收缩）。外力计及边界条件（例如，束缚到血管和左心室、心包袋等）和血流动力学（左心房压力、壁面剪应力等）。利用针对软组织力学的牛顿方程来处理这些力。

针对力计算中的一些或全部来执行进一步个性化。例如，随时间的超声数据提供了组织运动，诸如解剖模型随时间的运动。根据左心房和LAA的所观察的运动以及在给定一组边界条件和压力的情况下，可以全局地和区域性地估计组织的弹性，诸如根据运动或通过应用机器学习分类器来求解作为反问题的弹性。可替换地，使用超声扫描来测量弹性。如果心房压力是可用的（例如，通过回声多普勒或通过直接导管测量），则主动和被动应力的估计变得可能。可替换地，该压力是从袖带测量的（cuff-measured）压力导出的。磁共振成像的可用性允许组织参数的区域性修改，以捕捉组织基质中的变化，诸如纤维化水平。可以使用弹性扫描以确定假定与僵硬的纤维化相关性的纤维化水平。可替换地，纤维化水平是假定的或基于患者平均值。

为了对交互进行仿真，对闭合设备进行建模。使用设备力学和动力学的计算模型。对于计算力学，使用有限元法以求解弹性。可以使用更高效的求解器，诸如质量-弹簧方法。可以基于材料组成和尺寸从规范（例如，在给定已知材料的情况下的杨氏模量）直接获得设备的参数（例如，杨氏模量、形状存储器）。可替换地，执行间接评估。例如，通过利用CT成像扫描仪对所部署的设备进行扫描来获得尺寸和形状。通过在给定一定应力和已知边界条件的情况下测量张力，使用台架测试来估计力学参数。

在基于力学参数和解剖模型对LAA的生物力学模型进行拟合或个性化之后，图像处理器对生物力学模型与设备计算模型之间的交互进行仿真。使用接触力对LAA与设备的交互进行建模。为了确保耦合，同时求解模型的方程，诸如使用迭代解。针对每一个时间步长，确定接触并遵循作用力-反作用力原理在接触点处将力应用到LAA的生物力学模型和设备的计算模型。该力被建模为弹簧。可以使用其他力表示，诸如计及摩擦力。该解提供了力以及LAA和闭合设备的所得形状或几何失真。

在行为38中，图像处理器根据所仿真的交互计算三维血流量。可以基于被失真的几何形状以及任何边界条件（例如，压力和流量）计算给定阶段处的血流量。在其他实施例中，使用血流动力学方程计算血流量。在确定对血流量的影响时包括位置、大小、形状中的改变或其他随时间的改变。该计算求解不同阶段（诸如，心跳周期的全部或至少部分）处的血流量。

对于血流动力学，使用计算流体动力学（CFD）以估计经过或通过LAA的血流量。基于格子波尔兹曼（Lattice-Boltzmann）方法（LBM）求解CFD方程。可以使用其他解。在给定解剖结构、动力学和生物力学的情况下，计算左心房和/或LAA中的所得血流量。为了执行患者专用仿真，将模型的每一个节点处的几何形状和速度传递到流量求解器作为边界条件。在双向流体-结构交互设置中，所得流体力（壁应力）被传递回到生物力学求解器，先前被呈现为对壁和设备力学的边界条件。同时执行或者作为针对血流量和交互两者的迭代解的一部分而执行流量计算和交互仿真。可替换地，血流量计算基于已经仿真的交互。

可以在虚拟植入之前计算流量，以评估潜在的低湍流区域、血栓风险或其他信息。该计算不包括与闭合设备的交互。可以通过包括闭合设备的模型来针对之后的虚拟植入物计算流量。关于闭合设备的流量可以用于评估设备周围泄漏量的风险或其他信息。可以计算从闭合设备的放置之前和之后流量中的改变。

在行为40中，图像处理器选择闭合设备。可以使用相同类型或品牌但不同大小的闭合设备。可以使用不同类型和/或品牌但相同大小的闭合设备。可以使用不同形状和/或材料的闭合设备。若干个设备适配于LAA的不同解剖形状（例如，来自Boston Scientific的Watchman、来自St. Jude Medical的Amplatzer/Amulet）。该选择是这些闭合设备中相比于其他闭合设备的一个闭合设备。

几何拟合、设备周围泄漏量或其他信息用于选择相比于其他闭合设备的一个闭合设备。该选择可以先于建模或仿真，或者可以从建模或仿真的结果得到。该选择可以基于用于测试一个设备（例如，将度量的值与阈值进行比较）的结果。可替换地，该选择基于多个设备的建模或仿真的比较。例如，针对多个不同闭合设备中的每一个计算血流量（例如，泄漏量）。选择具有最少泄漏量的闭合设备（例如，由于大小和/或形状所致）。

该选择基于针对给定阶段的信息。由于超声扫描提供了针对不同阶段的数据集，因此闭合设备的选择可以基于这些阶段内的信息。可以使用平均或最大泄漏量或者其他血流量特性。

取而代之或除血流量外，可以使用除血流量外的其他准则。基于生物力学模型中的弹性、具有所得泄漏量的闭合设备的位置、通过心跳周期的解剖模型中的壁位移、和/或闭合设备的锚定位置处的应力，来选择闭合设备的类型、材料、形状和/或大小。

在一个实施例中，由于交互而导致的所得形变以及壁的弹性与泄漏量一起使用。目标是：在给定用于选择设备和大小的弹性的情况下，在最小形变下提供极少泄漏量。表观孔口直径可能不足以确保适当的锚定。建模还可以提供其他信息（诸如，在完整的心跳周期期间壁的位移以及与相邻结构的交互和/或锚定位置处的应力）以评估设备栓塞的潜在风险。

不是图像处理器做出选择，而是可以向用户提供信息。呈现针对不同闭合设备的泄漏量、交互和/或其他信息（例如，不同大小、形状和/或构造）。随时间的交互和/或血流量的图像、随时间的泄漏量的费用和/或其他信息协助用户选择闭合设备。

在行为42中，图像处理器优化闭合设备的放置。自动执行放置，但是可以使用基于用户调整的半自动放置。

基于几何形状、来自几何形状的度量、几何拟合的建模和/或所仿真的交互来确定最优放置。放置可以考虑用于锚定的组织特性和/或随时间的泄漏量。从不同放置得到的力中的差异和/或组织或设备失真的量可以用于优化放置。

一个准则或多个准则被用于优化放置。不同放置可以用于最小化泄漏量、最大化几何拟合或以其他方式优化放置。在多个考虑的情况下，可以使用加权组合以确定最优放置。

在行为44中，图像处理器输出图像。该图像被用作建模、仿真、表征几何形状、计算几何度量或其他动作的一部分。可替换地或附加地，提供图像以引导干预，以便在患者中植入设备。

图像是超声图像。可以使用其他类型的成像，诸如透视图像。可以生成仅平面（例如，MPR）或容积的体绘制、裁剪容积或薄板（例如，10个平面或更少）的图像。

图像覆盖有闭合设备（诸如，经优化的位置处的所选择的闭合设备）的表示。图像可以用于在植入期间引导实际闭合设备的放置。例如，透视或超声图像包括表示闭合设备相对于解剖结构的期望放置的图形。随着图像由于扫描而被更新，相对于解剖结构而维持图形以指示部署的位置。也可以表示路径和/或穿刺部位。可以提供其他信息，诸如导管尖端或闭合设备离穿刺部位和/或部署位置的距离。

可以提供多模态引导。对于增强的工作流程和结果而言，多模态成像引导是期望的。在LAA闭合过程的情况下，透视被用于引导递送导管和设备部署，而3D TEE或容积ICE被用于在LAA中的设备部署之前引导经中隔穿刺和设备或递送导管的定位。透视是2D投影，其提供了递送导管和设备的良好可视化；然而，它不提供与LAA的3D形状和血流动力学有关的信息。可以利用3D TEE或容积ICE获得该信息。

可以将LAA的3D解剖模型或LAA的实况3D图像与透视进行配准，并将它们覆盖在透视2D投影图像上。用户可以确定并标记针对递送导管的隔膜上的穿刺部位的最优位置。该位置被覆盖为成像上的图形或高亮（例如，添加颜色）。然后，使用透视、3D TEE或容积ICE引导、或者透视和3DTEE或容积ICE的组合来执行经中隔穿刺。在执行经中隔穿刺之后，将递送导管推进到左心房中，指向LAA。利用或不利用超声成像的透视被用于引导递送导管的定位。

在下一个步骤中，将闭合设备插入和推进到递送导管的尖端。通过显示与实况3DTEE或容积ICE图像配准的透视图像（实况的或先前获取的），将实际的闭合设备定位在LAA中的最优位置处。该配准允许所计算的最优位置被显示（例如，被显示为设备的标记或绘制）在任一类型或全部两种类型的成像上。在一个或多个图像上示出虚拟放置以引导实际闭合设备的放置。一旦实际设备与最优位置足够接近，系统就示出对应的消息（例如，绿色旗标或距离量度）。然后可以使用透视或者透视和3D TEE或容积ICE的组合来充分地部署实际设备。

在部署之后，执行拖拽测试以确保闭合设备被充分且正确地锚定在组织中。在成功的拖拽测试之后，释放闭合设备（例如，从递送导管脱离）。在释放之后，再次可能的是，在3D绘制视图（3D TEE或容积ICE）中将实际闭合设备的位置与所计算的最优位置一起进行可视化。

将超声扫描仪或换能器的坐标系与透视扫描仪的坐标系进行空间配准。从该配准得到的空间变换导致一个坐标系中的位置在另一坐标系中已知，从而允许一个坐标系中的解剖结构和/或设备位置可转移到另一坐标系。可以使用任何配准。在一个实施例中，在透视图像中检测换能器（例如，TEE探头或ICE导管）的位置和取向。可以使用机器学习分类、模板匹配、标志检测、基准位置或其他检测。超声坐标基于换能器，因此，换能器的透视图像中的位置和取向提供了与坐标系相关的空间变换。回声-透视配准提供了变换矩阵，其将全部两个成像模态放在相同的坐标系中。

使用超声找到放置、植入路径和解剖模型。放置、植入路径和解剖模型可以被添加、被覆盖在超声和透视图像上的位置上、或者被用于高亮或标记超声和透视图像上的位置。类似地，由透视图像提供的信息可以用于增强超声图像。例如，可以使用透视来随时间跟踪在透视图像中检测到的设备。这种设备包括导管、所植入的对象或其他X射线不透明结构。该检测使用上面针对导管而讨论的检测中的任一个。在透视中检测到的设备的覆盖物或其他标记可以被添加到超声图像。

可以在全部两个成像模式中检测相同的对象。可以使用全部两个成像模式中的检测（诸如通过对位置求平均）来改善对象的位置。

可以在超声图像形成期间进一步利用协同配准和超声增强。例如，在透视中检测换能器的位置和取向。相对于LAA的该位置和取向可以用于控制波束赋形（例如，从相对于LAA更加法向的方向进行扫描或者以便避免来自声学上不透明的组织或骨骼的阴影）、用于噪声或伪影减少（例如，针对换能器运动的运动校正）和/或用于图像重构（例如，取决于移动量的或多或少的时域滤波）。

上面描述了用于规划LAA闭合和/或用于引导LAA闭合的方法的使用。该方法或该方法的部分可以用于闭合设备设计。在开发期间，通过几何拟合、放置确定和/或所仿真的交互来改变并测试不同形状、大小、材料、结构或其他设计方面，以证实设计、耐用性和/或易用性。

图6示出了用于LAA闭合引导的系统10。该系统实现了图1的方法或另一方法。为了对引导进行规划，该系统给患者对模型进行个性化（例如，解剖模型和生物力学模型），并确定要使用的闭合设备以及该闭合设备的最优放置。在所选择的闭合设备的植入期间，该系统引导闭合设备在患者中的放置。

该系统包括图像处理器12、存储器14、显示器16、超声扫描仪20和透视扫描仪22。图像处理器12、存储器14和显示器16被示为与成像模态20、22（诸如作为工作站、计算机或服务器的一部分）分离。在可替换实施例中，图像处理器12、存储器14和/或显示器16是成像模态20、22中的一个或多个的一部分。在又其他实施例中，系统10不包括成像模态20、22。可以使用附加的、不同的或更少的部件。

超声扫描仪20是医学诊断超声扫描仪。超声扫描仪20包括用于实时3D扫描的换能器（例如，摇摆杆或二维阵列）和并行接收波束赋形器。超声扫描仪20包括检测器或其他图像处理器以从由换能器接收到的声学回声生成图像。通过重复扫描，提供超声数据集的序列。该序列表示通过一个或多个心跳周期的不同阶段。

透视扫描仪22是X射线系统，诸如C臂X射线系统、血管造影系统或专用透视系统。以居间患者空间将X射线源与检测器相对地安装。来自该源的X射线经过患者并撞击到检测器上，从而提供投影透视图像。透视图像是以任何频率获取的，且表示投影到平面的患者的3D区，其包括超声换能器。

存储器14是缓存器、高速缓存、RAM、可移除介质、硬盘驱动器、磁性的、光学的、数据库或其他现在已知或稍后开发的存储器。存储器14是单个设备或者是两个或更多个设备的组。存储器14被示为与图像处理器12相关联或者图像处理器12的一部分，但可以处于系统10外部或远离于系统10的其他部件。例如，存储器14是存储来自模态20、22的扫描数据的PACS数据库。

存储器14存储在图像处理、仿真交互、确定几何拟合、拟合解剖模型、对闭合设备进行建模或其他行为中使用的扫描数据、模型、度量的值和/或信息。附加地或可替换地，存储器14是具有处理指令的非暂时性计算机可读储存介质。存储器14存储表示可由所编程的图像处理器12执行的指令的数据。在计算机可读储存介质或存储器（诸如，高速缓存、缓存器、RAM、可移除介质、硬盘驱动器或其他计算机可读储存介质）上提供了用于实现本文中所讨论的过程、方法和/或技术的指令。计算机可读储存介质包括各种类型的易失性和非易失性储存介质。响应于在计算机可读储存介质中或在其上存储的一个或多个指令集而执行附图中所图示或本文中所描述的功能、行为或任务。该功能、行为或任务独立于特定类型的指令集、储存介质、处理器或处理策略，且可以由单独地或以组合方式操作的软件、硬件、集成电路、固件、微代码等等来执行。同样地，处理策略可以包括多处理、多任务、并行处理等等。在一个实施例中，在可移除介质设备上存储指令以供本地或远程系统读取。在其他实施例中，在远程位置中存储指令以用于通过计算机网络或在电话线上传送。在又其他实施例中，在给定计算机、CPU、GPU或系统内存储指令。

图像处理器12是用于LAA闭合引导的一般处理器、数字信号处理器、三维数据处理器、图形处理单元、专用集成电路、现场可编程门阵列、数字电路、模拟电路、量子计算机、其组合、或者其他现在已知或稍后开发的设备。图像处理器12是单个设备、多个设备或网络。对于多于一个设备，可以使用处理的并行或顺序划分。组成图像处理器12的不同设备可以执行不同功能，诸如自动化解剖检测器以及用于对几何拟合进行建模并对交互进行仿真的分离设备。在一个实施例中，图像处理器12是医学诊断成像系统（诸如，超声扫描仪20或透视扫描仪22）的控制处理器或其他处理器。图像处理器12是由所存储的指令、设计（例如，专用集成电路）或硬件来配置或依照所存储的指令、设计或硬件进行操作以执行本文中所描述的各种行为的硬件设备。

图像处理器12被配置成基于超声数据来随时间对LAA进行建模，基于如在X射线数据中表示的换能器位置和取向将超声扫描仪的坐标与透视扫描仪的坐标进行配准，并基于模型以及所配准的坐标来生成示出了针对LAA的闭合设备的放置的图像。图像处理器12可以基于下述操作来生成用于放置的图像：执行LAA几何形状、心门或其他几何度量的表征；对设备放置进行建模；确定植入规划；使用计算和/或生物力学建模对设备与LAA的交互进行仿真；基于血流动力学计算血流量；选择闭合设备；和/或优化放置。

显示器16是用于示出图像处理器12和/或模态20、22的图像或其他输出的CRT、LCD、等离子体、投影仪、打印机或其他输出设备。显示器16显示所检测到的解剖结构、几何度量、所仿真的交互、闭合设备放置和/或其他引导信息的图像。

尽管上面已经通过参考各种实施例描述了本发明，但是应当理解的是，可以在不脱离本发明的范围的情况下做出许多改变和修改。因此所意图的是，以上详细描述应当被视为说明性的而不进行限制，并且应当理解的是，意图限定本发明的精神和范围的是包括所有等同物的所附权利要求。

Claims (10)

1.一种用于利用超声成像仪进行左心耳闭合引导的系统，所述系统包括：

至少一个图像处理器；

存储指令的存储器，所述图像处理器执行指令以：

在至少一个心跳周期内用超声波对患者的左心耳进行三维扫描；

根据从所述扫描中获取的超声数据表征所述左心耳在所述心跳周期内的几何形状；

使用从所述几何形状导出的生物力学模型利用所述左心耳在所述心跳周期内的几何形状对闭合设备的放置进行建模；

基于所述建模计算在所述心跳周期内的血流量；

生成引导图像以显示基于所述建模和所述血流量而优化的放置。

2.如权利要求1所述的系统，其中，所述表征包括：对所述心跳周期的一个阶段处的解剖模型进行拟合，所述几何形状包括所述一个阶段处的经拟合的解剖模型；以及在所述心跳周期的其他阶段处跟踪所述几何形状。

3.如权利要求1所述的系統，所述图像处理器还执行指令以基于根据所述建模和几何形状计算的度量来优化所述放置。

4.如权利要求2所述的系统, 所述图像处理器还执行指令以利用所述生物力学模型对所述闭合设备与所述解剖模型的交互进行仿真。

5.如权利要求4所述的系统, 其中，所述计算包括：根据所仿真的交互计算三维血流量。

6.如权利要求5所述的系统，其中，所述计算包括：在所述心跳周期的至少部分内利用所述左心耳的所述几何形状和所述生物力学模型进行计算。

7.如权利要求6所述的系统，其中，所述计算包括：基于在没有所述闭合设备的情况下的血流量计算所述左心耳中血栓的风险，并基于所仿真的交互计算泄漏量。

8.如权利要求1所述的系统, 所述图像处理器还执行指令以根据所述超声数据显示所述左心耳的心门的图像，所述心门的位置是根据所述几何形状确定的。

9. 如权利要求4所述的系统, 所述图像处理器还执行指令以作为所述血流量的函数而从多个闭合设备中选择一个闭合设备，以及输出所建模的放置处叠加了所选择的闭合设备的表示的图像。

10.如权利要求9所述的系統，其中，从多个闭合设备中选择一个闭合设备包括：基于所述生物力学模型中的弹性、具有所得泄漏的闭合设备的位置、通过心跳周期的所述解剖模型中的壁位移以及闭合设备的锚定位置处的应力来选择类型和/或大小。

Images