CN115996671A - 壁厚推测方法、壁厚推测装置及壁厚推测系统 - Google Patents
壁厚推测方法、壁厚推测装置及壁厚推测系统 Download PDFInfo
- Publication number
- CN115996671A CN115996671A CN202180043218.3A CN202180043218A CN115996671A CN 115996671 A CN115996671 A CN 115996671A CN 202180043218 A CN202180043218 A CN 202180043218A CN 115996671 A CN115996671 A CN 115996671A
- Authority
- CN
- China
- Prior art keywords
- wall
- information
- blood vessel
- thickness
- estimation
- 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 90
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 140
- 210000000056 organ Anatomy 0.000 claims abstract description 59
- 210000002216 heart Anatomy 0.000 claims abstract description 41
- 238000002583 angiography Methods 0.000 claims abstract description 24
- 230000002123 temporal effect Effects 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 7
- 201000008450 Intracranial aneurysm Diseases 0.000 claims description 62
- 206010028980 Neoplasm Diseases 0.000 claims description 55
- 230000010365 information processing Effects 0.000 claims description 15
- 210000001367 artery Anatomy 0.000 claims description 8
- 210000003462 vein Anatomy 0.000 claims description 8
- 206010002329 Aneurysm Diseases 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000001990 intravenous administration Methods 0.000 claims 1
- 238000011282 treatment Methods 0.000 description 16
- 238000007428 craniotomy Methods 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000002595 magnetic resonance imaging Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 210000001835 viscera Anatomy 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 239000000470 constituent Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 239000002473 artificial blood Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010968 computed tomography angiography Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000019553 vascular disease Diseases 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 229920001973 fluoroelastomer Polymers 0.000 description 1
- -1 for example Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000000968 medical method and process Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 239000006199 nebulizer Substances 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229920002379 silicone rubber Polymers 0.000 description 1
- 239000004945 silicone rubber Substances 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000009278 visceral effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
壁厚推测方法包括:取得工序(S101),取得基于包含脏器壁或血管壁的运动图像的行为信息,运动图像是使用四维血管摄影法得到的运动图像,行为信息是与脏器壁或血管壁的多个规定点各自的位置的时间变化有关的数值信息;生成工序(S102),基于通过取得工序(S101)取得的行为信息,生成用于推测脏器壁或血管壁的厚度的、作为将多个规定点各自的质量进行了可视化的信息的推测信息;以及输出工序(S103),输出通过生成工序(S102)生成的上述推测信息。
Description
技术领域
本发明涉及推测脏器壁或血管壁的厚度的壁厚推测方法等。
背景技术
作为血管疾病之一的脑动脉瘤是一旦破裂则致死率超过约50%的风险极高的疾病,并且是残留后遗症的比率高且在社会上也影响大的疾病。因此,将脑动脉瘤的破裂防止于未然的预防性治疗(早期治疗)的重要性高,适当的治疗介入是不可或缺的。
在适当的治疗中,知道脑动脉瘤的瘤壁的信息(例如厚度)是有效的。这是因为,已知与瘤壁厚的部分相比在瘤壁薄的部分更容易发生脑动脉瘤的破裂。但是,即使在一个脑动脉瘤中,瘤壁的厚度等的形状按每个瘤也是多样的。
因此,即使是专家,也难以仅根据通过CT(计算机断层摄影法(ComputedTomography))、MRI(磁共振成像(Magnetic Resonance Imaging))及MRA(磁共振血管摄影(Magnetic Resonance Angiography))得到的瘤壁的内腔等的形态来推断与瘤壁的厚度等的形状有关的信息。
例如,作为预测脑动脉瘤的瘤壁的厚度的方法,已知有基于由医生进行的开颅手术的摄影或目视。但是,该方法是高侵袭性的方法,患者负担大,不是能够容易地预测脑动脉瘤的瘤壁的厚度的方法。
此外,例如作为低侵袭并且预测脑动脉瘤的瘤壁等的血管壁的厚度的方法,已知有专利文献1中公开的超声波诊断装置。在专利文献1中,公开了使用超声波信号生成图像数据,并基于该图像数据显示与被检者的血管壁的厚度有关的信息的超声波诊断装置。
现有技术文献
专利文献
专利文献1:日本特开2013-118932号公报
发明内容
发明要解决的课题
但是,通过专利文献1中公开的以往技术得到的图像数据由于精密度低,所以关于血管壁难以得到精度高的信息。进而,在以往技术中,并不限于血管壁,关于人体内的脏器的脏器壁也难以得到精度高的信息,难以提出用于对脏器及血管的疾病施以具体的处置的信息。
所以,本发明的目的是提供一种通过低侵袭性的方法生成关于脏器壁或血管壁的高精度的信息,从而能够提出用于对脏器或血管的疾病施以具体的处置的有益的信息的方法等。
用来解决课题的手段
有关本发明的一技术方案的壁厚推测方法包括:取得工序,取得基于包含脏器壁或血管壁的运动图像的行为信息,上述运动图像是使用四维血管摄影法得到的运动图像,上述行为信息是与上述脏器壁或上述血管壁的多个规定点各自的位置的时间变化有关的数值信息;生成工序,基于通过上述取得工序取得的上述行为信息,生成用于推测上述脏器壁或上述血管壁的厚度的、作为将上述多个规定点各自的质量进行了可视化的信息的推测信息;以及输出工序,输出通过上述生成工序生成的上述推测信息。
此外,有关本发明的一技术方案的计算机程序使计算机执行上述记载的壁厚推测方法。
此外,有关本发明的一技术方案的壁厚推测装置具备:取得部,取得基于包含脏器壁或血管壁的运动图像的行为信息,上述运动图像是使用四维血管摄影法得到的运动图像,上述行为信息是与上述脏器壁或上述血管壁的多个规定点各自的位置的时间变化有关的数值信息;生成部,基于由上述取得部取得的上述行为信息,生成用于推测上述脏器壁或上述血管壁的厚度的、作为将上述多个规定点各自的质量进行了可视化的信息的推测信息;以及输出部,输出由上述生成部生成的上述推测信息。
此外,有关本发明的一技术方案的壁厚推测系统具备:上述的壁厚推测装置;运动图像信息处理装置,取得上述运动图像,生成上述行为信息并向上述取得部输出;以及显示装置,显示上述输出部输出的上述推测信息。
发明效果
根据本发明的壁厚推测方法等,通过低侵袭性的方法生成关于脏器壁或血管壁的高精度的信息,从而能够提出用于对脏器或血管的疾病施以具体的处置的有益的信息的方法等。
附图说明
图1是表示有关实施方式的壁厚推测系统的构成的图。
图2是表示有关实施方式的壁厚推测装置的特征性的功能构成的框图。
图3是表示有关实施方式的脑动脉瘤的立体图。
图4是图3的IV-IV线的有关实施方式的脑动脉瘤的剖视图。
图5是图4的V-V线的有关实施方式的脑动脉瘤的剖视图。
图6是表示有关实施方式的壁厚推测装置推测脑动脉瘤的瘤壁的厚度的处理次序的流程图。
图7是表示有关实施方式的推测信息的一例和病例的脑动脉瘤及母血管的静止图像的图。
图8是表示作为有关实施方式的推测信息的其他例的脑动脉瘤及母血管的质量的示意图。
具体实施方式
以下,参照附图对实施方式进行说明。另外,以下说明的实施方式都表示包含性或具体的例子。因而,在以下的实施方式中表示的数值、形状、材料、构成要素、构成要素的配置位置及连接形态、工序、工序的顺序等是一例,不是限定本发明的意思。此外,关于以下的实施方式的构成要素中的、在独立权利要求中没有记载的构成要素,设为任意的构成要素进行说明。
另外,各图是示意图,并不一定是严密地图示的。此外,在各图中,对于实质上相同的构成赋予相同的标号,有将重复的说明省略或简略化的情况。
(实施方式)
[壁厚推测系统的构成]
关于有关本实施方式的壁厚推测系统1000的构成进行说明。图1是表示有关本实施方式的壁厚推测系统1000的构成的图。
壁厚推测系统1000使用四维血管摄影法,根据包含受检者U的脏器壁或血管壁的运动图像,取得作为与规定点各自的位置的时间变化有关的数值信息的行为信息。进而,壁厚推测系统1000是基于所取得的行为信息生成用于推测脏器壁或血管壁的厚度的推测信息的系统。例如,壁厚推测系统1000推测作为受检者U的血管壁的一例的脑动脉瘤的厚度。
四维血管摄影法是指对三维血管摄影法添加了时间轴的方法。三维血管摄影法是指通过X射线CT装置或MRI装置收集血管的立体数据并提取血管信息的方法。另外,使用X射线CT装置的四维血管摄影法也被称作4DCTA(4Dimensional Computed TomographyAngiography:四维CT血管造影)。
通过四维血管摄影法得到运动图像。该运动图像只要是3张以上的静止图像的时间序列即可,例如也可以是心脏进行n次搏动(n为自然数)的时间中的运动图像。此外,例如该运动图像也可以是规定的时间内的运动图像。规定的时间例如也可以是m秒钟(m为自然数)。
这里,脏器壁是脏器具有的壁,脏器包括胸部脏器和腹部脏器。例如,胸部脏器是心脏及肺等,腹部脏器是胃、肠、肝脏、肾脏及胰脏等,但并不限于这些。此外,脏器也可以包括具有内腔的胸部脏器和具有内腔的腹部脏器。
脏器壁例如也可以是将该脏器与该脏器以外的脏器或器官分隔的壁。作为一例,在脏器是心脏的情况下,脏器壁是由将心脏与其他器官分隔的肌肉(心肌)构成的壁。此外,脏器壁例如也可以是将该脏器内的区域分隔的壁。作为一例,在脏器是心脏的情况下,脏器壁是将作为心脏内的区域的一例的左心室与右心室分隔的心室中壁。
此外,血管壁的厚度既可以是包括动脉或静脉的血管的壁的厚度,也可以是动脉瘤或静脉瘤的瘤壁的厚度,例如也可以是脑动脉瘤、大动脉瘤或内脏瘤的瘤壁的厚度。
如图1所示,壁厚推测系统1000具备壁厚推测装置100、显示装置200、运动图像信息处理装置300和运动图像摄影装置400。
运动图像摄影装置400是使用四维血管摄影法生成包含脏器壁或血管壁的运动图像的装置。运动图像摄影装置400例如是X射线CT装置或MRI装置。在本实施方式中,运动图像摄影装置400是X射线CT装置,运动图像摄影装置400具备照射X射线的X射线管、接受信号的检测器和计算机。
检测器位于X射线管所朝向的一侧,检测穿过受检者U的身体后的X射线。此时,利用根据受检者U的身体部位的不同而X射线的吸收不同的性质,计算机生成包含受检者U的特定部位处的脏器壁或血管壁的运动图像。另外,运动图像摄影装置400还具有测定并取得受检者U的心电图波形的功能。
使用X射线CT装置或MRI装置、和四维血管摄影法的方法与开腹手术、开心手术或开颅手术等的方法不同,不需要对受检者U的身体带来的负担大的切开等,所以是低侵袭性的方法。此外,使用X射线CT装置或MRI装置、和四维血管摄影法的方法能够生成精密度高的运动图像。
运动图像信息处理装置300取得运动图像摄影装置400使用四维血管摄影法生成的包含脏器壁或血管壁的运动图像,生成作为与脏器壁或血管壁的多个规定点各自的位置的时间变化有关的数值信息的行为信息。即,行为信息是基于使用四维血管摄影法得到的包含脏器壁或血管壁的运动图像的信息。
此外,例如行为信息是将运动图像的特定时刻和该特定时刻下的脏器壁或血管壁的多个规定点各自的三维的坐标位置作为1个组,在运动图像中随着心脏进行1次搏动的时间的经过而排列有多个组的数值信息。运动图像信息处理装置300将行为信息向壁厚推测装置100输出。运动图像信息处理装置300例如是个人计算机,但也可以是连接在网络上的计算能力高的服务器装置。
壁厚推测装置100取得由运动图像信息处理装置300生成的行为信息,基于所取得的行为信息,生成用于推测脏器壁或血管壁的厚度的推测信息,将所生成的推测信息向显示装置200输出。壁厚推测装置100例如是个人计算机,但也可以是连接在网络上的计算能力高的服务器装置。
显示装置200显示从壁厚推测装置100输出的推测信息。显示装置200具体而言是由液晶面板或有机EL(Electro Luminescence)面板等构成的监视器装置。作为显示装置200,也可以使用电视机、智能电话或平板电脑终端等。
壁厚推测装置100与显示装置200及运动图像信息处理装置300只要能够收发行为信息或推测信息即可,既可以以有线连接,也可以可无线通信地连接。
运动图像信息处理装置300取得包含脏器壁或血管壁的运动图像,生成作为与脏器壁或血管壁的多个规定点各自的位置的时间变化有关的数值信息的行为信息。壁厚推测装置100取得由运动图像信息处理装置300生成的行为信息,基于所取得的行为信息,生成用于推测脏器壁或血管壁的厚度的推测信息。进而,壁厚推测装置100将所生成的推测信息向显示装置200输出。
由此,在壁厚推测系统1000中,能够通过低侵袭性的方法得到包含脏器壁或血管壁的运动图像。进而,壁厚推测系统1000能够利用关于该运动图像的行为信息,生成用于推测脏器壁或血管壁的厚度的推测信息。因此,壁厚推测系统1000关于脏器壁或血管壁的多个规定点各自的附近的壁厚,能够生成精度高的信息。
接着,具体地说明有关本实施方式的壁厚推测装置100的功能构成。
图2是表示有关本实施方式的壁厚推测装置100的特征性的功能构成的框图。壁厚推测装置100具备取得部110、生成部120和输出部130。
取得部110取得基于包含脏器壁或血管壁的运动图像的行为信息,取得行为信息,运动图像是使用四维血管摄影法得到的运动图像,行为信息是与脏器壁或血管壁的多个规定点各自的位置的时间变化有关的数值信息。具体而言,取得部110取得由运动图像信息处理装置300生成的行为信息。取得部110例如是进行有线通信或无线通信的通信接口。
生成部120基于由取得部110取得的行为信息,生成用于推测脏器壁或血管壁的厚度的推测信息。推测信息是将脏器壁或血管壁的多个规定点各自的质量进行了可视化的信息。
推测信息例如是将与多个规定点各自的质量有关的信息进行了图表化的图像数据。另外,关于生成推测信息的方法,使用图6~图8在后面叙述。具体而言,生成部120由执行程序的处理器、微型计算机或专用电路实现。
这里,对与生成部120生成的推测信息有关的本发明的发明人的假设进行说明。如上述那样,推测信息是用于推测脏器壁或血管壁的厚度的将多个规定点各自的质量进行了可视化的信息。本发明的发明人假设为在脏器壁或血管壁的多个规定点的各个规定点,在质量与脏器壁或血管壁的厚度间有相关性,来推进了验证。
即,根据该假设,质量越大则脏器壁或血管壁的厚度越厚,质量越小则脏器壁或血管壁的厚度越薄。如果该假设正确,则通过得到有关本实施方式的推测信息,能够推测脏器壁或血管壁的厚度。
输出部130输出生成部120生成的推测信息。输出部130也可以将生成部120生成的推测信息向显示装置200输出。输出部130例如是进行有线通信或无线通信的通信接口。
这里,使用图3~图5对与行为信息有关的信息之一的多个规定点进行说明。在本实施方式中,使用血管壁进行说明,但关于脏器壁也是同样的。进而,这里血管壁是脑动脉瘤10的瘤壁11。
另外,在图3~图5中,例如,x轴正方向是脑动脉瘤10从母血管20延伸的方向,z轴是母血管20延伸的方向,y轴是在与x轴及z轴正交的方向上延伸的方向。
图3是表示有关本实施方式的脑动脉瘤10的立体图。图4是图3的IV-IV线的有关本实施方式的脑动脉瘤10的剖视图。母血管20是构成受检者U的脑内的动脉的血管之一。脑动脉瘤10是母血管20的一部分隆起的瘤,是从母血管20沿x轴方向延伸而产生的瘤。
图5是图4的V-V线的有关本实施方式的脑动脉瘤10的剖视图。
如图5所示,在脑动脉瘤10的剖视图中,以与时钟表盘表示的0时~3时对应的方式设有点。这里,在0时方向上设有点p1,在3时方向上设有点p30,以将0时与3时之间等分的方式设有28个点p2~点p29。另外,点的数量并不限于此,在1个剖视图中例如也可以设置10个~1000个点。进而,在本实施方式中使用1个剖视图,但并不限于此,也可以使用多个剖视图(例如10个~1000个剖视图)。
有关本实施方式的血管壁(瘤壁11)的多个规定点是点p1~点p30。即,瘤壁11的多个规定点合计存在30个。
取得部110在该30个规定点的各个规定点取得作为与位置的时间变化有关的数值信息的行为信息。生成部120基于该行为信息,生成用于推测规定点的附近的瘤壁11的厚度的推测信息。此外,血管壁的多个规定点并不限于上述,可以在血管壁中从两个以上的点中选择。
另外,在本实施方式中,行为信息是与一定时间期间的位置的时间变化有关的数值信息。例如,一定时间是心脏进行1次搏动的期间的时间。进而,心脏进行1次搏动的期间的时间被均等地分割为100步(step)。
另外,心脏进行1次搏动的期间的时间并不限于此,也可以在从10步~10000步中选择的任意的步数中选择而均等地分割。将此时的搏动开始的时刻设为0步,将搏动结束的时刻设为100步。由此,在行为信息中,包含0步~100步的各个步的与30个规定点的x轴、y轴及z轴的位置有关的信息。
另外,一定时间也可以是具体的秒数,例如也可以是1秒钟、5秒钟或10秒钟。此外,该一定时间只要是3分割以上即可,怎样细分化都可以。例如,与上述不同,该一定时间也可以不是100步,而通过不同的步数分割。进而,该一定时间也可以不被均等地分割。
[壁厚推测方法的处理次序]
接着,对壁厚推测装置100执行的壁厚推测方法中的具体的处理次序进行说明。这里,也使用血管壁进行说明,但关于脏器壁也是同样的。图6是表示有关本实施方式的壁厚推测装置100推测脑动脉瘤10的瘤壁11的厚度的处理次序的流程图。
取得部110经由运动图像信息处理装置300取得作为与受检者U的脑动脉瘤10的瘤壁11的多个规定点各自的位置的时间变化有关的数值信息的行为信息(取得工序S101)。
接着,生成部120根据取得部110在取得工序S101中取得的行为信息,生成用于推测血管壁的厚度的作为将多个规定点各自的质量进行了可视化的信息的推测信息(生成工序S102)。关于生成部120进行的处理,以下更详细地进行说明。生成部120使用式(1)生成推测信息。另外,多个规定点各自的位置为x,质量为ρ,电阻为μ,弹簧常数为k,外力为P,m是有理数。
[数学式1]
这里,位置x、有理数m及外力P是变量,质量ρ、电阻μ及弹簧常数k是常数。进而,也可以使用由式(1)表现的全部的数学式来生成推测信息。
生成部120中,作为满足式(1)的值,对于多个规定点分别计算质量ρ、电阻μ及弹簧常数k。另外,此时也可以计算质量ρ、电阻μ及弹簧常数k中的至少1个。
质量ρ是规定点的质量,但更具体地讲,也可以是规定点的周围区域的质量。点的周围区域例如以点为中心,是5mm以下。另外,质量ρ并不限于上述。
电阻μ及弹簧常数k分别是通过因心脏的搏动而脑动脉瘤10振动而产生的电阻及弹簧常数,但并不限于此。此外,电阻μ也可以是来源于通过脑动脉瘤10与脑接触而产生的摩擦的值。外力P使用基于受检者U的心电图波形的电位的值,但并不限于此。另外,在本实施方式中,生成部120经由运动图像信息处理装置300及取得部110从运动图像摄影装置400取得基于心电图波形的电位。
进而,生成部120使用参数推测来计算质量ρ、电阻μ及弹簧常数k。参数推测作为一例可以使用数理解析的方法。
使用如以上那样计算出的质量ρ,生成部120生成推测信息。这里,推测信息作为一例是将关于计算出的质量ρ的信息图表化的图像数据。
如上述那样,通过使用式(1)或参数推测,能够生成关于血管壁的更高精度的信息。
接着,输出部130输出生成部120生成的推测信息(输出工序S103)。在输出工序S103中,输出部130例如将生成部120在生成工序S102中生成的图像数据向显示装置200发送。
显示装置200取得输出部130输出的图像数据,基于该图像数据显示图像。
此外,壁厚推测装置100也可以通过读出在计算机可读取的CD-ROM等记录介质中记录的计算机程序,执行壁厚推测方法。
接着,对于推测信息(更具体地讲是计算出的质量ρ)与血管壁的厚度的关系性,使用与脑动脉瘤有关的症状的例子(以下记作病例)进行说明。这里,在病例中,计算与图5所示的点p1~p30对应的多个规定点各自的质量ρ。
图7是表示有关本实施方式的推测信息的一例和病例的脑动脉瘤10及母血管20的静止图像的图。更具体地讲,图7的(a)是推测信息的一例,是表示多个规定点各自的质量ρ的图,图7的(b)是表示进行了开颅手术时的病例的脑动脉瘤10的静止图像的图。
图7的(a)的横轴的值与图5所示的点p1~点p30的末尾的数字对应,纵轴的值与点p1~点p30的质量ρ对应。另外,质量ρ是相对质量。在本实施方式中,随着从点p1朝向点p12而质量ρ下降,在点p12处质量ρ最低,随着从点p12朝向点p30而质量ρ增加,例如在点p25~p30处质量ρ较高。
图7的(b)的箭头表示图5所示的点p1~p30的末尾的数字增加的方向。在图7的(b)中图示为,脑动脉瘤10的颜色越浓则血管壁的厚度越薄,颜色越淡则血管壁的厚度越厚。
另外,在图7的(b)中,脑动脉瘤10由黑白两色表现,但在实际的开颅手术中也可以以彩色来表现脑动脉瘤10的静止图像。因此,图7的(b)中的脑动脉瘤10的颜色较浓的部位,在实际的开颅手术中是白色的色调较弱且红色的色调较强的部位。此外,图7的(b)中的脑动脉瘤10的颜色较淡的部位,在实际的开颅手术中是白色的色调较强且红色的色调较弱的部位。
质量ρ最低的点p12对应于图7的(b)的由虚线包围的区域,质量ρ较高的点p25~p30对应于图7的(b)的由单点划线包围的区域。如图7的(b)所示,由虚线包围的区域是脑动脉瘤10的颜色较浓、血管壁的厚度较薄的区域,由单点划线包围的区域是脑动脉瘤10的颜色较淡、血管壁的厚度较厚的区域。换言之,质量ρ最低的点p12对应于血管壁的厚度较薄的区域,质量ρ较高的点p25~p30对应于血管壁的厚度较厚的区域。即,质量ρ越大则血管壁的厚度越厚、质量ρ越小则血管壁的厚度越薄这样的本发明的发明人的假设显然是正确的。
即,通过使用推测信息(更具体地讲是计算出的质量ρ),能够对于血管壁的厚度生成高精度的信息。
这样的信息例如是用于区分容易增大及破裂的脑动脉瘤和难以增大及破裂的脑动脉瘤并适当地判断是否需要治疗的有益的信息。
即,有关本实施方式的壁厚推测方法通过用低侵袭性的方法生成关于血管壁的高精度的信息,能够提出用来对血管的疾病施以具体的处置的有益的信息。进而,有关本实施方式的壁厚推测方法并不限于血管壁,也能够用于推测脏器壁的厚度。
即,通过用不使用开腹手术、开心手术或开颅手术等的低侵袭性的方法生成关于脏器壁的高精度的信息,能够提出用于对脏器的疾病施以具体的处置的有益的信息。
此外,推测信息并不限于上述。例如,生成部120也可以使用计算出的质量ρ(例如图7的(a))生成其他例的推测信息。图8是表示作为有关本实施方式的推测信息的其他例的脑动脉瘤10及母血管20的质量ρ的示意图。另外,图8所示的示意图也可以利用质量ρ、电阻μ及弹簧常数k各自的最小值、最大值、标准偏差、平均值及中位数来生成。
在图8中图示为,脑动脉瘤10及母血管20的颜色越浓则质量ρ越低,颜色越淡则质量ρ越高。另外,在图8中脑动脉瘤10及母血管20由黑白两色表现,但在实际输出部130输出时也可以以彩色来表现脑动脉瘤10及母血管20。
因此,图8中的脑动脉瘤10及母血管20的颜色较浓的部位,在实际输出部130输出时是白色的色调较弱且红色的色调较强的部位。此外,图8中的脑动脉瘤10及母血管20的颜色较淡的部位,在实际输出部130输出时是白色的色调较强且红色的色调较弱的部位。
如上述那样,本发明的发明人的假设是正确的,所以在图8所示的推测信息中图示为,脑动脉瘤10及母血管20的颜色越浓则血管壁的厚度越薄,颜色越淡则血管壁的厚度越厚。
被表示为这样的示意图的推测信息是用于区分容易增大及破裂的脑动脉瘤和难以增大及破裂的脑动脉瘤并适当地判断是否需要治疗的有益的信息。
此外,在图8中表示了二维的示意图,但作为推测信息也可以使用三维彩色映射图。
[效果等]
如以上说明,壁厚推测方法包括取得工序S101、生成工序S102和输出工序S103。取得工序S101中取得基于包含脏器壁或血管壁的运动图像的行为信息,运动图像是使用四维血管摄影法来得到的运动图像,行为信息是与脏器壁或血管壁的多个规定点各自的位置的时间变化有关的数值信息。生成工序S102中基于通过取得工序S101取得的行为信息,生成用于推测脏器壁或血管壁的厚度的、作为将多个规定点各自的质量进行了可视化的信息的推测信息。输出工序S103中输出通过生成工序S102生成的推测信息。
此外,有关本实施方式的计算机程序使计算机执行上述记载的壁厚推测方法。
由此,在壁厚推测方法中,作为一例,使用X射线CT装置或MRI装置、和四维血管摄影法生成包含血管壁的运动图像。例如,与开颅手术等的方法相比,能够通过低侵袭性的方法来得到包含血管壁的运动图像。壁厚推测方法可以利用与该运动图像有关的行为信息,生成用于推测血管壁的厚度的、将多个规定点各自的质量可视化的推测信息。基于推测信息推测出的血管壁的厚度显示出与通过开颅手术得到的血管壁的厚度对应。
即,壁厚推测方法关于血管壁的多个规定点各自的附近的壁厚,能够生成精度较高的信息。在本实施方式中,例如推测脑动脉瘤10的瘤壁11的厚度。这样的信息例如是用于区分容易增大及破裂的脑动脉瘤和难以增大及破裂的脑动脉瘤并适当地判断是否需要治疗的有益的信息。
另外,壁厚推测方法并不限于血管壁,也能够用于推测脏器壁的厚度。
即,有关本实施方式的壁厚推测方法通过用低侵袭性的方法生成关于脏器壁或血管壁的高精度的信息,能够提出用于对脏器或血管的疾病施以具体的处置的有益的信息。
此外,设多个规定点各自的位置为x、质量为ρ、电阻为μ、弹簧常数为k、外力为P、有理数为m。此时,生成工序S102中,作为满足式(1)的值而计算质量ρ、电阻μ及弹簧常数k。
由此,能够生成关于脏器壁或血管壁的高精度的信息。
此外,生成工序S102利用参数推测来计算质量ρ、电阻μ及弹簧常数k。
由此,能够生成关于脏器壁或血管壁的更高精度的信息。
此外,在壁厚推测方法中,血管壁的厚度是动脉瘤或静脉瘤的瘤壁的厚度。
由此,壁厚推测方法中,作为血管壁的厚度,能够推测动脉瘤或静脉瘤的瘤壁的厚度。
此外,在壁厚推测方法中,血管壁的厚度是脑动脉瘤的瘤壁的厚度。
由此,壁厚推测方法中,作为血管壁的厚度,能够推测脑动脉瘤的瘤壁的厚度。
此外,在壁厚推测方法中,血管壁的厚度是动脉或静脉的血管壁的厚度。
由此,壁厚推测方法中,作为血管壁的厚度,能够推测动脉或静脉的血管壁的厚度。
此外,壁厚推测装置100具备取得部110、生成部120和输出部130。取得部取得基于包含脏器壁或血管壁的运动图像的行为信息,运动图像是使用四维血管摄影法来得到的运动图像,行为信息是与脏器壁或血管壁的多个规定点各自的位置的时间变化有关的数值信息。生成部120基于由取得部110取得的行为信息,生成用于推测脏器壁或血管壁的厚度的、作为将多个规定点各自的质量进行了可视化的信息的推测信息。输出部130输出由生成部生成的推测信息。
由此,在壁厚推测装置100中,作为一例,使用X射线CT装置或MRI装置、和四维血管摄影法生成包含血管壁的运动图像。例如,与开颅手术等的方法相比,能够通过低侵袭性的方法来得到包含血管壁的运动图像。壁厚推测装置100可以利用与该运动图像有关的行为信息,生成用于推测血管壁的厚度的、将多个规定点各自的质量可视化的推测信息。基于推测信息推测出的血管壁的厚度显示出与通过开颅手术得到的血管壁的厚度对应。
即,壁厚推测装置100关于血管壁的多个规定点各自的附近的壁厚,能够生成精度较高的信息。在本实施方式中,例如推测脑动脉瘤10的瘤壁11的厚度。这样的信息例如是用于区分容易增大及破裂的脑动脉瘤和难以增大及破裂的脑动脉瘤并适当地判断是否需要治疗的有益的信息。
另外,壁厚推测装置100并不限于血管壁,也能够用于推测脏器壁的厚度。
即,有关本实施方式的壁厚推测装置100通过用低侵袭性的方法生成关于脏器壁或血管壁的高精度的信息,能够提出用于对脏器或血管的疾病施以具体的处置的有益的信息。
此外,壁厚推测系统1000具备:上述记载的壁厚推测装置100;运动图像信息处理装置300,取得运动图像,生成行为信息并向取得部110输出;以及显示装置200,显示输出部130所输出的推测信息。
由此,在壁厚推测系统1000中,作为一例,使用X射线CT装置或MRI装置、和四维血管摄影法生成包含血管壁的运动图像。例如,与开颅手术等的方法相比,能够通过低侵袭性的方法来得到包含血管壁的运动图像。壁厚推测系统1000可以利用与该运动图像有关的行为信息,生成用于推测血管壁的厚度的、将多个规定点各自的质量可视化的推测信息。基于推测信息推测出的血管壁的厚度显示出与通过开颅手术得到的血管壁的厚度对应。
即,壁厚推测系统1000关于血管壁的多个规定点各自的附近的壁厚,能够生成精度较高的信息。在本实施方式中,例如推测脑动脉瘤10的瘤壁11的厚度。这样的信息例如是用于区分容易增大及破裂的脑动脉瘤和难以增大及破裂的脑动脉瘤并适当地判断是否需要治疗的有益的信息。
另外,壁厚推测系统1000并不限于血管壁,也可以用于推测脏器壁的厚度。
即,有关本实施方式的壁厚推测系统1000通过用低侵袭性的方法生成关于脏器壁或血管壁的高精度的信息,能够提出用于对脏器或血管的疾病施以具体的处置的有益的信息。
进而,通过将推测信息可视化来显示,例如医生等能够得到关于脏器壁或血管壁的厚度的精度高的信息。
(其他实施方式)
以上,对有关实施方式的壁厚推测方法等进行了说明,但本发明并不限定于上述实施方式。
在本实施方式中使用的基于参数推测的解析包含在AI(ArtificialIntelligence:人工智能)之中。即,在生成工序S102中,用于计算质量ρ、电阻μ及弹簧常数k的解析并不限于使用参数推测,也可以使用AI技术中包含的其他的方法。
在上述实施方式中,表示了通过使用实际的病例和四维血管摄影法来得到行为信息的方法。但是,得到行为信息的方法并不限于此。例如,也可以通过以下所示的两个其他例的方法得到行为信息。
在其他例1的方法中,通过使用人工制作的人工瘤、与人工瘤连接的人工心脏和摄像装置,得到行为信息。
人工瘤具有人工的血管和人工的瘤。人工的血管和人工的瘤是模仿人的血管和在人的血管中产生的瘤而制作的。人工瘤例如可以由橡胶材料构成,可以利用硅橡胶、氟橡胶等。
此外,人工瘤例如也可以由硅树脂构成。人工瘤只要由具有挠性的材料构成,则并不限于上述材料。
人工瘤利用由上述记载的X射线CT装置或MRI装置得到的图像数据而制作。该图像数据中包含人的血管和在该血管中产生的瘤的数据。
人工瘤基于与所得到的上述图像数据有关的DICOM(Digital Imaging andCommunications in Medicine:医学数字成像和通信)数据而制作。
人工心脏是代行人的心脏所拥有的泵功能的装置。该人工心脏与人工瘤连接,通过使人工心脏所拥有的泵功能工作,人工瘤以搏动的方式运动。使用该人工瘤的运动和摄像装置能得到行为信息。
摄像装置例如是能够拍摄静止图像及运动图像的相机装置。进而,摄像装置也可以是能够得到观察对象的表面的三维坐标、三维空间中的位移、三维空间中的速度及三维空间中的加速度的全部信息的装置。这样的摄像装置通过进行1秒、5秒或10秒拍摄,能够得到观察对象的表面的三维坐标、三维空间中的位移、三维空间中的速度及三维空间中的加速度的全部信息。
如以上这样,在其他例1的方法中,通过由摄像装置拍摄搏动的人工瘤,得到人工瘤的表面的三维坐标、三维空间中的位移、三维空间中的速度及三维空间中的加速度的全部信息。也可以基于这些三维坐标、三维空间中的位移、三维空间中的速度及三维空间中的加速度中的某些或全部信息来得到行为信息。
在其他例1的方法中,与上述记载的开颅手术相比是低侵袭性的方法,所以能够更容易地得到行为信息。
此外,在其他例2的方法中,通过使用在血管中产生了瘤的模型动物和上述的摄像装置来得到行为信息。
具体而言,通过由摄像装置拍摄模型动物的血管和瘤,得到模型动物的血管和瘤的表面的三维坐标、三维空间中的位移、三维空间中的速度及三维空间中的加速度的全部信息。也可以基于这些信息中的某些或全部信息来得到行为信息。
在其他例2的方法中,与在实施方式中表示的人的病例的情况不同,不需要作为病例对象的人的同意书等。此外,由于能够对模型动物的血管和瘤的表面赋予摄像所需要的图案(例如,通过喷雾器的喷吹进行的标记),所以能取得精致的三维坐标的时间发展数据。
进而,能够以时间等间隔(两周一次等)取得模型动物的血管和瘤的数据。因此,与实施方式相比能够更容易地得到行为信息。
通过使用上述的方法,能够容易地得到许多的行为信息,结果能得到多量的推测信息。由此,可预见与壁有关的信息的精度的提高。
在实施方式中,表示了血管壁的厚度是脑动脉瘤10的瘤壁11的厚度的情况,但如上述那样,也可以是包括动脉或静脉的血管的壁的厚度。例如,在血管壁是包括动脉或静脉的血管的厚度的情况下,通过使用有关实施方式的壁厚推测方法等,推测该动脉或静脉的狭窄的程度。
另外,在上述各实施方式中,各构成要素也可以由专用的硬件构成,或通过执行适合于各构成要素的软件程序来实现。各构成要素也可以通过由CPU或处理器等的程序执行部将记录在硬盘或半导体存储器等的记录介质中的软件程序读出并执行来实现。
除此以外,对各实施方式施以本领域技术人员想到的各种变形而得到的形态、或通过在不脱离本发明的主旨的范围中将各实施方式的构成要素及功能任意地组合而实现的形态也包含在本发明中。
工业实用性
有关本发明的壁厚推测方法能够利用于医疗设备、医疗方法等各种用途。
标号说明
10 脑动脉瘤
11 瘤壁
20 母血管
100 壁厚推测装置
110 取得部
120 生成部
130 输出部
1000 壁厚推测系统
200 显示装置
300 运动图像信息处理装置
400 运动图像摄影装置
U 受检者
p1、p2、p3、p4、p5、p6、p7、p8、p9、p10、p11、p12、p13、p14、p15、p16、p17、p18、p19、p20、p21、p22、p23、p24、p25、p26、p27、p28、p29、p30 点
S101 取得工序
S102 生成工序
S103 输出工序
Claims (9)
1.一种壁厚推测方法,其中,包括:
取得工序,取得基于包含脏器壁或血管壁的运动图像的行为信息,上述运动图像是使用四维血管摄影法得到的运动图像,上述行为信息是与上述脏器壁或上述血管壁的多个规定点各自的位置的时间变化有关的数值信息;
生成工序,基于通过上述取得工序取得的上述行为信息,生成用于推测上述脏器壁或上述血管壁的厚度的、作为将上述多个规定点各自的质量进行了可视化的信息的推测信息;以及
输出工序,输出通过上述生成工序生成的上述推测信息。
3.如权利要求2所述的壁厚推测方法,其中,
上述生成工序中,利用参数推测来计算上述质量ρ、上述电阻μ及上述弹簧常数k。
4.如权利要求1~3中任一项所述的壁厚推测方法,其中,
上述血管壁的厚度是动脉瘤或静脉瘤的瘤壁的厚度。
5.如权利要求1~4中任一项所述的壁厚推测方法,其中,
上述血管壁的厚度是脑动脉瘤的瘤壁的厚度。
6.如权利要求1~5中任一项所述的壁厚推测方法,其中,
上述血管壁的厚度是动脉或静脉的血管壁的厚度。
7.一种计算机程序,用于使计算机执行权利要求1~6中任一项所述的壁厚推测方法。
8.一种壁厚推测装置,其中,具备:
取得部,取得基于包含脏器壁或血管壁的运动图像的行为信息,上述运动图像是使用四维血管摄影法得到的运动图像,上述行为信息是与上述脏器壁或上述血管壁的多个规定点各自的位置的时间变化有关的数值信息;
生成部,基于由上述取得部取得的上述行为信息,生成用于推测上述脏器壁或上述血管壁的厚度的、作为将上述多个规定点各自的质量进行了可视化的信息的推测信息;以及
输出部,输出由上述生成部生成的上述推测信息。
9.一种壁厚推测系统,其中,具备:
权利要求8所述的壁厚推测装置;
运动图像信息处理装置,取得上述运动图像,生成上述行为信息并向上述取得部输出;以及
显示装置,显示上述输出部输出的上述推测信息。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/030465 WO2023021671A1 (ja) | 2021-08-19 | 2021-08-19 | 壁厚み推定方法、壁厚み推定装置及び壁厚み推定システム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115996671A true CN115996671A (zh) | 2023-04-21 |
Family
ID=85240378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180043218.3A Pending CN115996671A (zh) | 2021-08-19 | 2021-08-19 | 壁厚推测方法、壁厚推测装置及壁厚推测系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115996671A (zh) |
WO (1) | WO2023021671A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3398080B2 (ja) * | 1999-02-10 | 2003-04-21 | 科学技術振興事業団 | 血管病変診断システムおよび診断プログラム記憶媒体 |
JP2004041670A (ja) * | 2002-05-17 | 2004-02-12 | Hamano Life Science Research Foundation | 生体機能情報の分別抽出方法およびその装置 |
WO2015086368A1 (en) * | 2013-12-10 | 2015-06-18 | Koninklijke Philips N.V. | Model-based segmentation of an anatomical structure |
WO2021019809A1 (ja) * | 2019-08-01 | 2021-02-04 | 国立大学法人大阪大学 | 血管壁厚み推定方法、血管壁厚み推定装置及び血管壁厚み推定システム |
-
2021
- 2021-08-19 WO PCT/JP2021/030465 patent/WO2023021671A1/ja active Application Filing
- 2021-08-19 CN CN202180043218.3A patent/CN115996671A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023021671A1 (ja) | 2023-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Harput et al. | Two-stage motion correction for super-resolution ultrasound imaging in human lower limb | |
EP2829231B1 (en) | Image-generating apparatus | |
JP2021526949A (ja) | 肺気量ゲートx線撮像システム及び方法 | |
JP6424623B2 (ja) | 画像処理装置及びプログラム | |
CN109561863B (zh) | 诊断辅助程序 | |
EP3277169B1 (en) | Systems and methods for estimating virtual perfusion images | |
US9757074B2 (en) | Non-resistive contact electrical systems and methods for visualizing the structure and function of objects or systems | |
CN114173665A (zh) | 血管壁厚度推测方法、血管壁厚度推测装置及血管壁厚度推测系统 | |
US10098604B2 (en) | Medical image processing device, medical imaging device, medical image processing method and medical imaging method | |
US20190298290A1 (en) | Imaging support apparatus and radiographic imaging system | |
EP3188120A1 (en) | Registering first image data of a first stream with second image data of a second stream | |
US20100030572A1 (en) | Temporal registration of medical data | |
CN115996671A (zh) | 壁厚推测方法、壁厚推测装置及壁厚推测系统 | |
TWI828661B (zh) | 診斷支援系統 | |
JP7381081B2 (ja) | 壁厚み推定方法、壁厚み推定装置及び壁厚み推定システム | |
JP2011156286A (ja) | 超音波診断装置及び超音波画像表示プログラム | |
CN116171130A (zh) | 壁厚度推测方法、计算机程序、壁厚度推测装置、以及壁厚度推测系统 | |
JP7387409B2 (ja) | 医用画像処理装置、医用画像処理方法、医用画像処理プログラム | |
US20240225577A1 (en) | Wall thickness estimation method, recording medium, wall thickness estimation device, and wall thickness estimation system | |
JP7292191B2 (ja) | 医用画像処理装置、医用画像処理方法、および医用画像処理プログラム | |
JP2020182524A (ja) | 画像処理装置、画像処理方法およびプログラム | |
CN117858669A (zh) | 壁厚度推测方法、计算机程序、学习方法、模型制作方法、壁厚度推测装置以及壁厚度推测系统 | |
CN115089294B (zh) | 介入手术导航的方法 | |
US20220230328A1 (en) | Information processing apparatus, information processing method, and non-transitory storage medium | |
JP2022047220A (ja) | 情報処理装置、情報処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |