CN115136194A - 用于心腔成像的方法和系统 - Google Patents

用于心腔成像的方法和系统 Download PDF

Info

Publication number
CN115136194A
CN115136194A CN202180015085.9A CN202180015085A CN115136194A CN 115136194 A CN115136194 A CN 115136194A CN 202180015085 A CN202180015085 A CN 202180015085A CN 115136194 A CN115136194 A CN 115136194A
Authority
CN
China
Prior art keywords
mapped surface
surface mesh
mesh
deforming
deformed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180015085.9A
Other languages
English (en)
Inventor
F·M·韦伯
J·彼得斯
I·韦希特尔-施特勒
A·埃瓦尔德
M·兰加
A·戈森
S·维尔德
T·维塞尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN115136194A publication Critical patent/CN115136194A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—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
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G06T2207/10136—3D ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Generation (AREA)
  • Image Analysis (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种用于细化心腔的标测的表面网格的方法。该方法包括获得心腔解剖结构的标测的表面网格，其中，所述标测的表面网格包括表示心腔的中心区域和表示连接到所述心腔的外围心脏结构的外部区域，并且其中，所述标测的表面网格包括心腔内的解剖标志的第一视图，并且获得对象的心腔解剖结构的图像数据。所述标测的表面网格的所述中心区域基于根据一个或多个预定形状约束配置的第一分割算法而被变形，并且所述标测的表面网格的所述外部区域基于根据图像数据配置的第二分割算法而所述变形，从而产生经变形的外部区域。然后将经变形的中心区域和所述变形的外部区域组合，从而生成经细化的标测的表面网格。

Description

用于心腔成像的方法和系统
技术领域
本发明涉及心腔成像的领域，并且更具体而言涉及3D心腔成像领域。
背景技术
电生理标测系统可用于引导消融，例如，在肺静脉(PV)中。这些系统通常通过电标测来创建对心房表面的实时估计；然而，相对于荧光成像的误差可能仍然会导致未细化的标测的表面。
标测的表面通常包含两个组成：心房主体；以及肺静脉(PV)，在患者之间其数量和分支模式差异很大。由于标测的表面只是近似值，与荧光成像相比，可能仍然存在误差。例如，在标测的表面中，PV的直径可能被低估或高估。
使用流程内图像数据来细化标测的表面的一种可能方法是使用心脏内回波(ICE)数据。通常，在消融过程中可以使用心内回波数据，例如，检查导管壁接触或检测血栓和填塞物。为了利用ICE数据来优化标测的表面，可以使用基于模型的分割(MBS)。然而，这很困难，因为预定义的模型不能充分捕捉许多不同的PV配置。其原因是患者之间PV数量和分支模式的变化。平均MBS模型无法以充分的方式捕捉到这一点，因为MBS网格具有固定的一组顶点和连接三角形。
一种方法是识别最常见的PV模式并且针对最常见的变化创建不同的平均模型，并且尝试为患者选择最佳模型。但是，使用这种方法仍然无法涵盖大量可能的变化。
另一方面，标测的表面网格确实涵盖了所有解剖细节。然而，像标测的表面网格这样的任意网格不能简单地提供给MBS算法进行调整，因为MBS算法的许多参数是专门为给定模型的顶点和三角形定义的，即算法需要已知模型拓扑。
在O.Ecabert等人的“Segmentation of the heart and great vessels in CTimages using a model-based adaptation framework”Medical Image Analysis,OxfordUniversity Press,Oxford,Gb，第15卷，第6号，第863-876页,2011年6月7日(XP028312871)中，提出了一种在多阶段过程中在计算机断层扫描图像中分割心脏和附着的大血管的技术。首先，使用广义霍夫变换来检测心脏。随后，调整心腔。在最后阶段，大血管结构的节段被连续激活和调整。
因此，需要一种标测心腔解剖结构的方法，所述方法包括多种可能的解剖变化。
发明内容
本发明由权利要求所定义。
根据根据本发明的一个方面的示例，提供了一种用于细化心腔(例如心房)的标测的表面网格的方法，所述方法包括：
获得心腔解剖结构的标测的表面网格，其中，所述标测的表面网格包括表示心腔的中心区域和表示连接到所述心腔的外围心脏结构的外部区域，并且其中，所述标测的表面网格包括所述心腔内的解剖标志的第一视图；
获得对象的心腔解剖结构的图像数据；
基于根据一个或多个预定形状约束配置的第一分割算法来地所述标测的表面网格的所述中心区域进行变形；
基于根据所述图像数据配置的第二分割算法来对所述标测的表面网格的所述外部区域进行变形，从而生成经变形的外部区域；并且
组合经变形的中心区域和所述经变形的外部区域，从而生成经细化的标测的表面网格，
其中，基于根据一个或多个预定形状约束配置的所述第一分割算法对所述标测的表面网格的所述中心区域进行变形包括：
基于所述标测的表面网格的所述中心区域对平均网格模型进行变形(170)，从而生成第一经变形的平均网格模型；
基于所述心腔解剖结构的所述图像数据对所述第一经变形的平均网格模型进行变形(180)，从而生成经调整的网格模型；并且
基于应用于所述第一经变形的平均网格模型的所述变形来对所述标测的表面网格的所述中心区域进行变形(190)，从而生成经变形的中心区域。
该方法提供了一种针对心腔解剖结构准确地调整标测的表面网格的方法。
例如，如果心腔是心房，则所述心房的所述中心区域跨多个对象是相似的，并且因此可以使用广义模型进行处理；然而，包括心房的肺血管的外部区域在对象之间是高度可变的。因此，通过分别处理中心区域和外部区域，可以提高标测的表面网格的准确度。
在实施例中，基于第一分割算法来对所述标测的表面网格的中心区域进行变形包括基于第一解剖标志来将所述第一分割算法的阶段与所述标测的表面网格对齐。
以此方式，可以提高变形的准确度。
在实施例中，基于第一分割算法来对所述标测的表面网格的所述中心区域进行变形包括以下中的一项或多项：
将所述标测的表面网格的点推到所述第一分割算法的输出表面；并且
将所述标测的表面网格的点拉到所述第一分割算法的输出表面。
在实施例中，基于应用于第一经变形的平均网格模型的变形来对所述经标测的表面网格的所述中心区域进行变形包括：
将所述第一经变形的平均网格模型的元素链接到所述标测的表面网格的所述中心区域的元素，从而形成元素对；
被应用于所述第一经变形的平均网格模型的变形应用于所述标测的表面网格的所述中心区域的所述元素。
以此方式，被应用于所述第一经变形的网格模型的所述变形可以直接应用于所述标测的表面网格。
在实施例中，对所述标测的表面网格的所述外部区域进行变形还基于应用于所述标测的表面网格的所述中心区域的变形。
以此方式，所述中心区域内的变形力可以在所述外部区域中被考虑。
在实施例中，同时执行对所述第一经变形的平均网格模型进行变形和对所述标测的表面网格的所述中心区域进行变形的步骤。
在实施例中，同时执行对所述标测的表面网格的所述中心区域进行变形和对所述标测的表面网格的所述外部区域进行变形的步骤。
在实施例中，所述方法还包括以迭代的方式重复每个变形步骤。
以此方式，所述标测的表面网格可以被细化多次，从而得到更准确的标测的表面匹配。
在实施例中，所述方法还包括向用户显示经细化的标测的表面网格。
在实施例中，通过电生理标测的方式来获得所述标测的表面网格。
在实施例中，其中，所述第一分割算法的输出包括网格模型，并且其中，对所述网格模型进行变形是通过基于模型的分割来执行的。
在实施例中，所述图像数据包括心内回波数据。
根据本发明的一个方面的示例，提供了一种包括计算机程序代码单元的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码单元适于实施如上所述的方法。
根据根据本发明一方面的示例，提供了一种用于细化心腔的标测的表面网格的系统，其包括处理器，其中，所述处理器适于：
获得心腔解剖结构的标测的表面网格，其中，所述标测的表面网格包括表示心腔的中心区域和表示连接到所述心腔的外围心脏结构的外部区域，并且其中，所述标测的表面网格包括所述心腔内的解剖标志的第一视图；
获得对象的心腔解剖结构的图像数据；
基于根据一个或多个预定形状约束配置的第一分割算法来对所述标测的表面网格的所述中心区域进行变形；
基于根据所述图像数据配置的第二分割算法来对所述标测的表面网格的所述外部区域进行变形，从而生成经变形的外部区域；并且
组合所述经变形的中心区域和所述经变形的外部区域，从而生成经细化的标测的表面网格，
其中，为了基于根据一个或多个预定形状约束配置的所述第一分割算法对所述标测的表面网格的所述中心区域进行变形，所述处理器还适于：
基于所述标测的表面网格的中心区域对平均网格模型进行变形，从而生成第一经变形的平均网格模型；
基于所述心腔解剖图像数据来对所述第一经变形的平均网格模型进行变形，从而生成经调整的网格模型；并且
基于应用于所述第一经变形的平均网格模型的变形来对所述经标测的表面网格的所述中心区域变形，从而生成经变形的中心区域。
参考下文描述的实施例，本发明的这些和其他方面将变得显而易见并得以阐述。
附图说明
为了更好地理解本发明，并且更清楚地示出其如何被付诸实践，现在将仅通过示例的方式参考附图，其中，
图1示出了本发明的方法；
图2示出了叠加在标测的表面网格上的网格模型的示例；
图3示出了叠加在标测的表面网格上的第一变形网格模型的示例；并且
图4示出了网格模型和标测的表面网格正在经历变形的示例。
具体实施方式
将参考附图来描述本发明。
应当理解，详细说明和具体示例虽然指示了设备、系统和方法的示例性实施例，但是仅旨在用于说明的目的，而并不旨在限制本发明的范围。根据以下说明、所附权利要求书和附图，将更好地理解本发明的设备、系统和方法的这些和其他特征、方面和优点。应该理解，附图仅是示意性的，并且未按比例绘制。还应该理解，贯穿附图，使用相同的附图标记来表示相同或相似的部分。
本发明提供了一种用于细化心腔的标测的表面网格的方法。该方法包括获得心腔解剖结构的标测的表面网格，其中，所述标测的表面网格包括表示心腔的中心区域和表示连接到所述心腔的外围心脏结构的外部区域，并且其中，所述标测的表面网格包括心腔内的解剖标志的第一视图，并且获得对象的心腔解剖结构的图像数据。
所述标测的表面网格的所述中心区域基于根据一个或多个预定形状约束配置的第一分割算法而被变形，并且所述标测的表面网格的所述外部区域基于根据图像数据配置的第二分割算法而所述变形，从而产生经变形的外部区域。然后将经变形的中心区域和所述变形的外部区域组合，从而生成经细化的标测的表面网格。
换句话说，获得心腔的经细化的标测的表面网格的问题可以分为两个区域：心腔的中心区域，其通常具有较低的解剖变化，例如常规的MBS网格模型可以在其中运行(网格模型不必包括附属心脏结构，例如进入或离开心腔的血管)；以及外部区域，例如包括任何附属心脏结构，其通常具有高的解剖变化。
这会产生经细化的标测的表面网格，所述网格基于心腔的大中心区域中的ICE图像的经训练的且易于理解的分割，所述分割也适用于心腔解剖结构的可变外部区域中的图像，例如包括PV。
为了说明的目的，参考图1至4的以下描述描述了当心腔是心房(更具体地，左心房)时本发明的方法的实施。然而，应注意，本文所述的方法可应用于任何心腔，例如：左心房；右心房；左心室；以及右心室。
图1示出了用于细化心房的标测的表面网格的方法100。
该方法通过获得心房解剖结构的标测的表面网格而开始于步骤110，其中，所述标测的表面网格包括表示心房体的中心区域和表示连接到心房主体的肺血管的外部区域，并且其中，所述标测的表面网格包括心房主体内的解剖标志的第一视图。
所述解剖标志可以是心房主体内的任何解剖特征。
如上所述，所述标测的表面网格可以通过电生理标测来获得。例如，可以通过通过对象的静脉或动脉引入的导管来执行电生理学标测，以便测量来自心脏内的电活动。
在步骤120中，获得对象的心房解剖结构的图像数据。所述图像数据可以包括心内回波数据或任何其他合适的图像数据类型，例如经食管回波(TEE)、经胸回波(TTE)或3D X射线血管造影。
在步骤130中，所述标测的表面网格的中心区域基于根据一个或多个预定形状约束配置的第一分割算法而被变形。
第一分割算法可以是任何合适的分割算法，所述算法已经在心腔的中心区域的公知形状上进行了训练。例如，第一分割算法可以是基于深度学习的分割算法，其包括根据感兴趣区域(即心腔的中心区域)的一个或多个形状约束。
下面提供了基于基于模型的分割(MBS)的第一分割算法的实现的详细示例。
对标测的表面网格的中心区域进行变形可以包括以下中的一项或多项：将所述标测的表面网格的点推到所述第一分割算法的输出表面；将所述标测的表面网格的点拉到所述第一分割算法的输出表面。
在示例中，所述第一分割算法可以包括体素分类器，其将标记属于左心房(LA)主体的所有图像体素。第一个分割算法的输出表面将是图像中标记的和未标记的体素之间的边界。或者，第一分割算法的输出可以是概率图，其中，每个体素都被分配属于LA主体的概率。在这种情况下，表面可以是概率图中的等值面，例如，包括具有特定值或概率范围的体素，例如在0.45和0.55之间。
在步骤160中，所述第一分割算法的阶段可以基于所述第一解剖标志而被对齐到所述标测的表面网格。所述第一分割算法的阶段可以是分割算法的任何阶段，例如初始分割网格、中间分割结果或最终分割输出。
例如，包括在第一分割算法中的心腔的平均网格模型也可以包括解剖标志的视图。在这种情况下，平均网格模型和标测的表面网格可以对齐，其中，对齐仅基于两个网格，例如基于两个网格中存在的解剖标志。
现在将描述基于MBS算法的标测的表面网格的中心区域的变形。
在步骤170中，基于标测的表面网格的中心区域对平均网格模型进行变形，从而生成第一经变形的平均网格模型。平均网格模型的变形可以通过基于模型的分割来执行。
换句话说，平均网格模型被变形，以匹配标测的表面模型的中心区域。例如，基于选择的模型自由度，平均网格模型到标测的表面的距离可以在两个网格共有的中心区域中最小化。可以使用点到平面迭代最接近点(ICP)方法来实现变形，例如通过将平均网格模型点配准到标测的表面网格的表面上的邻近点)。
替代地，可以通过从平均网格模型的三角形投射光线并使用与标测的表面网格的交点作为使网格模型变形的目标点来搜索标测的表面网格上的目标点来实现变形。然后可以在考虑其他模型属性(例如形状约束和内部能量)的同时使网格模型变形。
此外，标测的表面网格的表面与网格模型之间的对应关系可以在交叠的中心区域建立，使得对于标测的表面网格中的每个元素，找到平均网格模型中的对应元素(例如，相应元素之间的距离被限制在给定阈值以下)。
在步骤180中，第一经变形的平均网格模型基于心房解剖结构的图像数据而被变形，从而生成经调整网格模型。对第一经变形的平均网格模型进行变形可以包括将第一经变形的平均网格模型配准到心房解剖结构的图像数据，例如通过广义霍夫变换、基于深度学习的标志检测或将第一变形的网格模型配准到图像数据任何其他合适的方法。
作为澄清，直到步骤180，在标测的表面网格的中心区域的变形中没有使用与心房解剖结构有关的图像数据。
在步骤190中，基于应用于所述第一经变形的平均网格模型的所述变形来对所述标测的表面网格的所述中心区域进行变形，从而生成经变形的中心区域。
基于应用于第一经变形的平均网格模型的变形来对标测的表面网格的中心区域进行变形可以包括将第一变形网格模型的元素链接到标测的表面网格的中心区域的元素，从而形成元素对，并且被应用于第一个变形网格模型的变形应用于所述元素对。
换言之，网格模型和标测的表面网格的区域具有对应关系的变形可以被相互链接。以这种方式，MBS边界检测器可以创建使平均网格模型和标测的表面网格的中心区域一起主动变形的力。此为，可以同时执行对所述第一经变形的网格模型进行变形和对所述标测的表面网格的所述中心区域进行变形的步骤。
在步骤140中，基于根据所述图像数据配置的第二分割算法来对所述标测的表面网格的所述外部区域进行变形，从而生成经变形的外部区域。换言之，外部区域可以仅基于从个体对象采集的图像数据而被主动变形。
对所述标测的表面网格的所述外部区域进行变形还可以基于应用于所述标测的表面网格的所述中心区域的变形。换言之，可以包括诸如PV的结构的标测的表面网格的外部区域可以被施加到中心区域的变形力被动地移动。此外，同时执行对所述标测的表面网格的所述中心区域进行变形和对所述标测的表面网格的所述外部区域进行变形的步骤。特别地，被动变形力可以在主动变形力被施加到中心区域的同时被施加到外部区域。
使用ICE图像数据，所述标测的表面网格的所述外部区域发生变形。这可以在中心体变形之后或直接同时进行。
对于当前标测的表面网格拓扑，可以根据具体情况确定外部区域中PV的边界检测器。可以以多种方式来确定边界检测器。
例如，边界条件可以从紧邻所讨论的外部区域的部分的中心区域的部分(例如PV口周围的区域)被转移。在另一个示例中，可以使用针对每个特定肺静脉的预先计算的边界检测器来执行边界检测(例如，假设左上PV(LUPV)和中央LUPV的所有分支都被分配了针对LUPV预计算边界检测器，其中，具有未知标签的分支可能会被分配平均回退边界检测器。
替代地，确定感兴趣区域，其中，应用基于深度学习的算法来检测感兴趣结构。例如，为了将该信息反馈到标测的表面网格中，可以将分割掩模转换为灰度值图像，并且可以使用灰度值特征来调整网格模型。此外，标测的表面网格的边界检测器也可以在变形的第一次迭代之后多次细化。
当在MBS框架内变形外部区域时，由于解剖结构和网格三角形的数量的高度可变性，所述区域没有可用的统计平均形状。因此，在外部区域变形期间，标测的表面网格可以用作外部区域的平均形状模型，以惩罚原始标测形状的不合理变形。进一步的调整参数，例如允许的仿射变换，可以以与边界检测器类似的方式定义，例如根据平均网格模型的最近区域，或者如果需要的话，根据解剖区域的预定义形状。
在步骤150中，然后将经变形的中心区域和所述变形的外部区域组合，从而生成经细化的标测的表面网格。
可以以迭代方式重复上述变形步骤，以进一步细化标测的表面网格。
变形过程完成后，第一分割算法的输出，例如MBS网格模型，可能会被丢弃。结果是经细化的标测的表面网格，它基于大中心区域中的ICE图像的良好训练和易于理解的分割，但也适用于可变外部区域中的图像。此外，经细化的标测的表面网格与ICE图像相匹配，并且可以以操作者清楚的方式显示为图像数据的叠加层。
换言之，经细化的标测的表面网格可以作为图像数据的叠加或作为独立的表面网格显示给用户。
图2示出了平均网格模型210的示例200，显示为实线，叠加在左心房的标测的表面网格220上，显示为虚线。
如上所述，平均网格模型210控制中心区域230(心房体)的变形，而外部区域240(包括图1所示示例中的左PV 250和右PV 260)的变形基于在标测的表面网格220。
图3示出了叠加在标测的表面网格320上的第一经变形的平均网格模型310的示例300。在平均网格模型310已经被变形以匹配标测的表面网格之后，对应的/靠近的元素330可以被识别并链接在一起，使得当施加进一步的变形时它们一起移动。
图4示出了网格模型410的示例400和基于从ICE导管的视场430捕获的ICE图像数据而经历变形的标测的表面网格420。
在视场430内，分割算法可以搜索平均网格模型上的图像边界440。对于标测的表面网格420，可以在网格配准之后创建辅助边界检测器，其在第一分割算法不能正确描述的PV的高度可变区域中检测进一步的图像边界450。这些力可以在相继的步骤中使用，首先仅变形MBS网格模型并且被动移动链接的标测的表面网格元素，或并行组合这两种力以更新标测的表面网格。
本领域技术人员通过研究附图、公开内容以及权利要求书，在实践请求保护的本发明时能够理解并且实现对所公开的实施例的变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。
单个处理器或者其它单元可以实现权利要求书中记载的若干项的功能。
尽管特定措施是在互不相同的从属权利要求中记载的，但是这并不指示不能有利地使用这些措施的组合。
可以将计算机程序存储/分布在与其它硬件一起提供或者作为其它硬件的部分提供的诸如光存储介质或者固态介质的合适介质上，但是还可以以诸如经因特网或者其它有线或无线电信系统的其它形式分布。
如果在权利要求书或说明书中使用术语“适于”，则应注意，术语“适于”旨在等同于术语“被配置为”。
权利要求书中的任何附图标记不应被解释为对范围的限制。

Claims (14)

1.一种用于细化心腔的标测的表面网格的方法(100)，所述方法包括：
获得(110)所述心腔解剖结构的标测的表面网格，其中，所述标测的表面网格包括表示心腔的中心区域和表示连接到所述心腔的外围心脏结构的外部区域，并且其中，所述标测的表面网格包括所述心腔内的解剖标志的第一视图；
获得(120)对象的心腔解剖结构的图像数据；
基于根据一个或多个预定形状约束配置的第一分割算法来对所述标测的表面网格的所述中心区域进行变形(130)；
基于根据所述图像数据配置的第二分割算法来对所述标测的表面网格的所述外部区域进行变形(140)，从而生成经变形的外部区域；并且
组合(150)经变形的中心区域和所述经变形的外部区域，从而生成经细化的标测的表面网格，
其中，基于根据一个或多个预定形状约束配置的所述第一分割算法来对所述标测的表面网格的所述中心区域进行变形包括：
基于所述标测的表面网格的所述中心区域来对平均网格模型进行变形(170)，从而生成第一经变形的平均网格模型；
基于所述心腔解剖结构的所述图像数据来对所述第一经变形的平均网格模型进行变形(180)，从而生成经调整的网格模型；并且
基于被应用于所述第一经变形的平均网格模型的所述变形来对所述标测的表面网格的所述中心区域进行变形(190)，从而生成经变形的中心区域。
2.根据权利要求1所述的方法(100)，其中，基于第一分割算法来对所述标测的表面网格的所述中心区域进行变形包括基于第一解剖标志将所述第一分割算法的阶段与所述标测的表面网格对齐(160)。
3.根据权利要求1至2中的任一项所述的方法(100)，其中，基于第一分割算法来对所述标测的表面网格的所述中心区域进行变形包括以下中的一项或多项：
将所述标测的表面网格的点推到所述第一分割算法的输出表面；以及
将所述标测的表面网格的点拉到所述第一分割算法的输出表面。
4.根据权利要求1至3中的任一项所述的方法(100)，其中，基于被应用于所述第一经变形的平均网格模型的所述变形来对所述标测的表面网格的所述中心区域进行变形包括：
将所述第一经变形的平均网格模型的元素链接到所述标测的表面网格的所述中心区域的元素，从而形成元素对；
将被应用于所述第一经变形的平均网格模型的所述变形应用于所述标测的表面网格的所述中心区域的所述元素。
5.根据权利要求1至4中的任一项所述的方法(100)，其中，对所述标测的表面网格的所述外部区域进行变形还基于被应用于所述标测的表面网格的所述中心区域的所述变形。
6.根据权利要求1至5中的任一项所述的方法(100)，其中，对所述第一经变形的平均网格模型进行变形和对所述标测的表面网格的所述中心区域进行变形的步骤同时执行。
7.根据权利要求1至6中的任一项所述的方法(100)，其中，对所述标测的表面网格的所述中心区域进行变形和对所述标测的表面网格的所述外部区域进行变形的步骤同时执行。
8.根据权利要求1至7中的任一项所述的方法(100)，其中，所述方法还包括以迭代的方式重复变形步骤中的每个。
9.根据权利要求1至8中的任一项所述的方法(100)，其中，所述方法还包括向用户显示所述经细化的标测的表面网格。
10.根据权利要求1至9中的任一项所述的方法(100)，所述标测的表面网格是通过电生理标测获得的。
11.根据权利要求1至10中的任一项所述的方法(100)，其中，所述第一分割算法的输出包括网格模型，并且其中，对所述网格模型进行变形是通过基于模型的分割来执行的。
12.根据权利要求1至11中的任一项所述的方法(100)，其中，所述图像数据包括心内回波数据。
13.一种包括计算机程序代码模块的计算机程序，当所述计算机程序在计算机上运行时，所述计算机程序代码模块适于实现根据权利要求1至12中的任一项所述的方法。
14.一种用于细化心腔的标测的表面网格的系统，包括处理器，其中，所述处理器适于：
获得心腔解剖结构的标测的表面网格，其中，所述标测的表面网格包括表示心腔的中心区域和表示连接到所述心腔的外围心脏结构的外部区域，并且其中，所述标测的表面网格包括所述心腔内的解剖标志的第一视图；
获得对象的心腔解剖结构的图像数据；
基于根据一个或多个预定形状约束配置的第一分割算法来对所述标测的表面网格的所述中心区域进行变形；
基于根据所述图像数据配置的第二分割算法来对所述标测的表面网格的所述外部区域进行变形，从而生成经变形的外部区域；并且
组合经变形的中心区域和所述经变形的外部区域，从而生成经细化的标测的表面网格，
其中，为了基于根据一个或多个预定形状约束配置的所述第一分割算法来对所述标测的表面网格的所述中心区域进行变形，所述处理器还适于：
基于所述标测的表面网格的所述中心区域来对平均网格模型进行变形，从而生成第一经变形的平均网格模型；
基于所述心腔解剖结构的所述图像数据来对所述第一经变形的平均网格模型进行变形，从而生成经调整的网格模型；并且
基于被应用于所述第一经变形的平均网格模型的所述变形来对所述标测的表面网格的所述中心区域进行变形，从而生成经变形的中心区域。
CN202180015085.9A 2020-02-17 2021-02-02 用于心腔成像的方法和系统 Pending CN115136194A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20157641.0A EP3866109A1 (en) 2020-02-17 2020-02-17 Methods and systems for cardiac chamber imaging
EP20157641.0 2020-02-17
PCT/EP2021/052427 WO2021165033A1 (en) 2020-02-17 2021-02-02 Methods and systems for cardiac chamber imaging

Publications (1)

Publication Number Publication Date
CN115136194A true CN115136194A (zh) 2022-09-30

Family

ID=69631436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180015085.9A Pending CN115136194A (zh) 2020-02-17 2021-02-02 用于心腔成像的方法和系统

Country Status (5)

Country Link
US (1) US20230061953A1 (zh)
EP (2) EP3866109A1 (zh)
JP (1) JP2023516907A (zh)
CN (1) CN115136194A (zh)
WO (1) WO2021165033A1 (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060241445A1 (en) * 2005-04-26 2006-10-26 Altmann Andres C Three-dimensional cardial imaging using ultrasound contour reconstruction
US9576107B2 (en) * 2013-07-09 2017-02-21 Biosense Webster (Israel) Ltd. Model based reconstruction of the heart from sparse samples

Also Published As

Publication number Publication date
WO2021165033A1 (en) 2021-08-26
JP2023516907A (ja) 2023-04-21
EP3866109A1 (en) 2021-08-18
EP4107697A1 (en) 2022-12-28
EP4107697B1 (en) 2023-07-05
US20230061953A1 (en) 2023-03-02

Similar Documents

Publication Publication Date Title
EP1851722B1 (en) Image processing device and method
US8582854B2 (en) Method and system for automatic coronary artery detection
US8923590B2 (en) Method and system for 3D cardiac motion estimation from single scan of C-arm angiography
US8422753B2 (en) Method and system for automatic extraction of personalized left atrium models
US20050238233A1 (en) Computation of contour
US9186087B2 (en) Combined cardiac and respiratory motion compensation for atrial fibrillation ablation procedures
JP2002500795A (ja) 輪郭検出段階を含む画像処理方法及びシステム
US20080260205A1 (en) Image Processing Device and Method
Wu et al. Fast catheter segmentation from echocardiographic sequences based on segmentation from corresponding X-ray fluoroscopy for cardiac catheterization interventions
US9042619B2 (en) Method and system for automatic native and bypass coronary ostia detection in cardiac computed tomography volumes
Vitanovski et al. Personalized learning-based segmentation of thoracic aorta and main branches for diagnosis and treatment planning
EP4082444A1 (en) Automatic frame selection for 3d model construction
EP4107697B1 (en) Methods and systems for cardiac chamber imaging
Brost et al. Catheter tracking: Filter-based vs. learning-based
M'hiri et al. Hierarchical segmentation and tracking of coronary arteries in 2D X-ray Angiography sequences
von Berg et al. Accurate left atrium segmentation in multislice CT images using a shape model
Brost et al. Motion compensation by registration-based catheter tracking
Zheng Model-based 3d cardiac image segmentation with marginal space learning
Bravo et al. Left ventricle segmentation and motion analysis in multislice computerized tomography
Kang et al. Accurate four-chamber segmentation using gradient-assisted localized active contour model
Hussain et al. Left Atrial Appendage Contraction Analysis: A Preliminary Test on Atrial Fibrillation Patients
Meyer et al. A multi-modality segmentation framework: application to fully automatic heart segmentation
Karim et al. Automatic extraction of the left atrial anatomy from MR for atrial fibrillation ablation
EP4231914A1 (en) Method of determining vessel fluid flow velocity
Mantilla et al. A 3-D multi-modality image framework for left ventricle motion analysis

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