CZ190198A3 - Intravaskulární ultrazvukové zobrazovací zařízení - Google Patents

Description

01-1354-98-Če

Intravaskulární ultrazvukové zobrazovací zařízení

Oblast techniky

Předložený vynález se týká zařízení a způsobu zpracování zesíleného obrazu a signálu intravaskulárního ultrazvuku a specifičtěji zařízení a způsobu zpracování informace intravaskulárního ultrazvukového obrazu a signálu, které budou zvyšovat kvalitu a užitečnost intravaskulárního ultrazvukového zobrazování.

Dosavadní stav techniky

Intravaskulární ultrazvukové obrazy se odvozují od paprsku ultrazvukové energie promítaného pomocí přístroje, jako je měnič nebo soubor měničů umístěných kolem, podél nebo na hrotu katétru vloženého v krevní cévě. Ultrazvukový paprsek z přístroje kontinuálně rotuje v krevní cévě za vytváření 360° obrazu vnitřního průřezu, tj. obraz se vytváří v příčné rovině (X-Y). V závislosti na specifické konfiguraci přístroje se obraz může odvozovat buď ze stejné příčné roviny přístroje, nebo z příčné roviny nacházející se nepatrně v popředí (tj. distálně) příčné roviny přístroje. Pokud se katétr pohybuje uvnitř a podél krevní cévy (tj. podél osy Z), mohou se vytvářet a zobrazovat různé segmenty (řady po sobě jdoucích příčných řezů) cévy.

Intravaskulárního ultrazvuku se může používat ve všech typech krevních cév, včetně, ale bez omezení, tepen, žil a jiných periférnich cév a ve všech částech těla.

Ultrazvukovým signálem, který se přijímá (deteguje), je původně analogový signál. Tento signál se zpracovává za použití analogových a digitálních metod tak, aby se nakonec vytvořila množina vektorů obsahujících digitalizovaná data. Každý vektor představuje ultrazvukovou odpověď odlišného úhlového sektoru cévy, tj. sekce krevní cévy. Počet datových prvků v každém vektoru (axiální vzorový rozklad) a počet vektorů použitých ke snímání celé příčné sekce (laterální vzorový rozklad) cévy se může měnit v závislosti na typu použitého systému.

Digitalizované vektory se mohou zpočátku umístit v dvourozměrném poli nebo matici s polárními souřadnicemi, tj. A(r, θ). V této polární matici například osa X odpovídá souřadnici r a osa Y odpovídá souřadnici Θ. Každá hodnota matice je hodnotou (v rozmezí 0 až 255, pokud je systém 8-bitový) představující intenzitu ultrazvukové odpovědi u takové polohy.

Tato polární matice se obvykle nepřenáší na zobrazovací jednotku, protože výsledný obraz nebude moci lékař docela dobře vysvětlovat. Informace uložená v polární matici A(r,

Θ) se obvykle podrobuje několika stupňům zpracování a interpoluje se do karteziánských souřadnic, například souřadnic X a Y (A(X,Y)), které může lékař lépe vysvětlovat. Tedy osy X a Y matice A.(X,Y) budou odpovídat karteziánskému znázornění průřezu cévy. Informace v, karteziánské matici se eventuálně podrobí dalšímu zpracování a nakonec se zobrazí pro analýzu prováděnou lékařem. Obrazy se získávají a zobrazují variabilní rychlostí v závislosti na systému. Některé systémy mohou získávat a zobrazovat obrazy rychlostí videozobrazování, například do asi 30 obrazů za sekundu.

· · · · · γ» · · · · ··♦·

Intravaskulární ultrazvuková prohlídka segmentu tělesného lumenu, tj. cévy, se obecně provádí pomocí umístění katétru distálně (tj . po proudu) k segmentu, který se má prohlížet, a potom se katétr pomalu vrací zpět (zpětný tah) podél tělesného lumenu (osa Z) tak, že postupné obrazy, které segment vytváří, se kontinuálně zobrazují. V mnoha případech je katétr spojený s mechanickým tažným zařízením, které tahá ' katétr konstantní rychlostí (tj. typická rychlost je přibližně 0,5 až 1 mra/s).

*1

V současné době se v intravaskulárních ultrazvukových systémech obecně používá postupu popsaného výše pro zobrazování obrazu průřezu tělesného lumenu, například krevní cévy. Tyto systémy jsou ale nedostačující, protože nezahrnují žádnou formu stabilizace obrazu za účelem kompenzace pohybů katétru a/nebo tělesného lumenu, například krevní cévy. Je dobře známo, že v průběhu intravaskulárního ultrazvukového . zobrazování tělesného lumenu se vždy projevuje pohyb pomocí katétru a/nebo tělesného lumenu. Tento pohyb se může znázorňovat v příčné rovině (X-Y), podél osy cévy (osa Z) nebo kombinace těchto pohybů. Zobrazovací katétr se může také naklonit vzhledem k cévě, takže zobrazovací rovina není kolmá k ose Z (tento pohyb bude označován jako angulace). Tyto po_r, hyby jsou způsobovány mezi jiným tepem srdce, krve a/nebo jiné tekutiny proudící lumenem, vazomotorikou, silami aplikovanými lékařem a jinými silami způsobovanými fyziologií pacienta.

V současné době v intravaskulárních ultrazvukových systémech, když je zobrazovací katétr stacionární nebo když se provádí pomalý manuální nebo mechanický tah zpět, je relativní pohyb mezi katétrem a lumenem primárním faktorem pro • » 9 · · ·

9 9 · ·

9 · ·

9999 ·· · změnu, co se týče vzhledu, mezi postupnými obrazy, tj. jak vidět na zobrazovací jednotce a/nebo na filmu nebo videu. Tato změna, co se týče vzhledu, nastává, protože rychlost změny obrazu následkem pohybů je mnohem větší než rychlost změny v reálné morfologii následkem zpětného tahu.

Stabilizace nastává, když obrazy zahrnují kompenzaci relativního pohybu mezi katétrem a lumenem v postupných obrazech. Protože žádný z intravaskulárních ultrazvukových sytému v současnosti neprovádí stabilizaci, neexistuje kompenzace nebo korekce relativních pohybů mezi katétrem a lumenem. Výsledkem toho je, že morfologické rysy se konstantně pohybují nebo rotují, tj. na zobrazovací jednotce a/nebo filmu nebo videu. Toto ztěžuje lékaři přesně interpretovat morfologii na intravaskulární ultrazvukové dynamické zobrazovací jednotce. Kromě toho, když se nestabilizované intravaskulární ultrazvukové obrazy přivádějí jako vstup ke zpracovacímu algoritmu, jako je 3D rekonstrukce nebo rozličné typy filtru, který zpracovávají řadu postupných obrazů, toto může vést k degradovanému provádění a k chybné diagnóze nebo k nepřesným stanovením.

Současná intravaskulární ultrazvuková zobrazovací zařízení nebo katétry mohou mít příležitostně špatné funkce elektronického nebo mechanického původu. Toto může způsobovat, že zobrazené obrazy projevují zjištěné i nezjištěné artefakty a skrývají reálnou morfologii. Běžně neexistují automatické metody zjištění, zda obrazy předkládají tyto typy artefaktů, které překážejí v analýze obrazů cévy nebo tělesného lumenu.

9444 «9

4 · · 94 4 9444 • 4 99 9 4949

4494· · 44· 449 • 9 9 9 4 4 4

444 9449 99 9 44 44

Chování kardiovaskulární funkce je obecně periodické. Detekce této periodicity a schopnost vytvořit korelaci mezi obrazem a časovou fází v srdečním cyklu, ke kterému patří, se zmiňuje jako srdeční hradlování.

Běžně se srdeční hradlování provádí za použití vnějšího signálu, obvykle EKG (elektrokardiogram). Ale EKG-hradlování ti vyžaduje jak získání signálu EKG, tak i jeho prokládání (nebo synchronizaci) s intravaskulárním ultrazvukovým obrazem. t To vyžaduje dodatečně technické vybavení/programové vybavení počítače.

Morfologické rysy v intravaskulárních ultrazvukových obrazech krevních cév se mohou dělit do tři obecné kategorie; lumen, tj. oblast, kterou proudí krev nebo jiná tělesná tekutina; cévní vrstvy; a vnějšek, tj. tkáň nebo morfologický vnějšek cévy. Krev ve je většině intravaskulárních ultrazvukových filmech (obrazech) charakterizována rychlou změnou zrcadlových obrazců. Vnější povrch cévy se také mění s vysokou časovou frekvencí. Časové chování obrazových prvků a jeho strukturní vlastnosti se nemonitorují běžně automaticky.

Vazomotorika v kontextu tělesného lumenu, například krevní cévy, se definuje jako změna kalibru lumenu, napři’ klad cévy. Tato změna se může vyvolat přirozenými okolnostmi nebo za navozených podmínek. Vazomotorika může mít dynamic» kou složku, tj. dynamickou změnu rozměrů lumenu, například kalibru cévy (kontrakce a dilatace) v průběhu kardiovaskulárního cyklu, a základnovou statickou složku, tj. změnu základnového kalibru lumenu, například cévy.

• *> · · « 1

9 > · 9 9 9

9 9 9 9 9 9 •99 9 999 *99 • 99 · 9 # 99 99

Vazomotorika se může vyjádřit jako kvantitativní fyziologické parametry udávající schopnost lumenu, například cévy, měnit svůj kalibr za určitých podmínek. Tyto typy parametrů mají současný a možná budoucí léčebný a diagnostický význam v poskytování informace, pokud jde o stav lumenu, například cévy, a účinek prováděné léčby.

:'í

Intravaskulární ultrazvuk se může využívat za účelem monitorování vazomotoriky, protože poskytuje obraz základnového kalibru lumenu a jeho dynamických změn. Navíc se intravaskulární ultrazvuk může použít k monitorování, zda vazomotorika je globální (rovnoměrná), tj. kde celá příčná sekce lumenu se kontrahuje/dilatuje ve stejné velikosti a směru. Intravaskulární ultrazvuk se může použít také k zjištění, zda je vazomotorika nerovnoměrná, což vede k lokálním změnám kalibru lumenu, tj. odlišné části lumenu průřezu se chovají odlišně.

Všechny typy monitorování vazomotoriky pomocí intravaskulárního ultrazvuku se běžně uskutečňují manuálně. To je obtížné, časově náročné a zabraňuje to monitorování vazomotoriky v reálném čase.

-» Interpretace inťravaskulárních ultrazvukových obrazů se fc, dosáhne analýzou složení statických obrazů a monitorováním jejich chování v čase. Většina intravaskulárních ultrazvukových obrazů se může rozdělit na tři základní části. Nejvnitřnější sekcí je úsek proudění lumenu, tj. dutina, kterou proudí látka, tj. krev. Kolem úseku proudění je aktuální céva, která'může zahrnovat krevní cévy a jakékoliv jiné tělesné cévy, která se skládá z několika vrstev tkáně (a povlaku, pokud je nemocná). Vně cévy je jiná tkáň, která může přišlu-

šet k okolní morfologii, například srdci v obrazu koronární cévy.

Když se intravaskulární ultrazvukový film prohlíží dynamicky, tj. ve formátu filmu, obrazové prvky odpovídající látce protékající cévou a morfologickému zevnějšku cévy projevují odlišné chování v čase než céva samotná. Například ve * většině intravaskulárních ultrazvukových filmů je krev protékající cévou charakterizovaná častým střídáním zrcadlového ‘ vzoru. Morfologický zevnějšek cévy tedy projevuje časté střídání. Časové chování obrazových prvků v dynamických intravaskulárních ultrazvukových obrazech se běžně nemonitoruje automaticky.

V běžných intravaskulárních ultrazvukových zobrazovacích jednotkách, pokud se navrhují v systému, se potlačují vysokofrekvenční časové změny pomocí zprůměrování počtu obrazů. Avšak toto občas selhává při potlačování výskytu charakteristik s vysokou amplitudou, tj. hodnot jasně šedé barvy, a také to má efekt rozmazávaní.

Velikost úseku proudění lůmenu je velmi důležitým diagnostickým parametrem. Když je to potřebné pro diagnózu,

-» určuje se manuálně, například lékařem. Toho se dosahuje nakreslením obrysu okrajů úseku proudění překrývajících se na t statickém obrazu, například ustáleném na videu nebo na strojové zobrazovací jednotce. Tato metoda manuálního vyjmutí je časově náročná, nepřesná a je příčinou systematické chyby.

Je běžné komerční zobrazovací zpracovací vybavení počítače pro automatické vyjmutí úseku proudění. Avšak tyto jsou založeny na sestavení hodnoty šedé statických obrazů a nepočítají s přínosem odlišného časového chování materiálu, například krve proudící úsekem oproti vrstvám cévy.

V průběho léčby cév je běžnou praxí opakovat intravaskulární ultrazvukové vyšetřování při tahu zpět ve stejných segmentech cévy. Například typickou situací je předně prohlédnout segment z hlediska vyhodnocení nemoci (pokud nějaká je), odstranit intravaskulární ultrazvukový katétr, uvážit volby terapie, provést terapii, například PTCA-balón nebo využití stentu a ihned potom přezkoušet ošetřený segment za použití intravaskulárního ultrazvuku, aby se stanovily výsledky terapie. Aby se náležitě vyhodnotily výsledky a úplně ocenil efekt uskutečněné terapie, je žádoucí, aby se porovnávaly obrazy úseků před terapií a po terapii, které odrážejí průřezy polohy cévy ve stejných polohách podél osy Z cévy (tj. odpovídajících segmentů). K dosažení tohoto porovnávání se musí určit, které polohy ve filmu intravaskulárních ultrazvukových obrazů před terapií a intravaskulárních ultrazvukových obrazů po terapii si navzájem odpovídají. Tento postup, zvaný párování (registrace), umožňuje přesné porovnání intravaskulárních ultrazvukových obrazů před a po terapii.

Běžně se párování provádí obvykle pomocí prohlížení intravaskulárních ultrazvukových filmů při tahu zpět segmentů před a po terapii jeden po druhém nebo strana za stranou za použití identifikovatelných anatomických mezníků za účelem lokalizování sekvencí, které si navzájem vizuálně odpovídají. Tato metoda je extrémně nepřesná a je obtížné ji úspěšně provést vzhledem k tomu, že obrazy jsou nestabilní a často rotují a/nebo se pohybují kolem na zobrazovací jednotce kvůli absenci stabilizace a protože mnoho anatomických • ·

mezníků nalezených v intravaskulárním ultrazvukovém filmu při tahu zpět pro segment před terapií se může rušit nebo měnit následkem terapie provedené na cévě. Dále orientace a vzhled cévy je vhodný změnit se následkem odlišných orientací a relativních poloh intravaskulárního ultrazvukového katétru vzhledem k cévě způsobených jejím odstraněním a znovuvložení po terapii se dokončí. Párování, které se provádí,

*. je manuální a v první řadě spoléhá na manuální vizuální identifikaci, která může být extrémně náročná na čas a nepřesná.

Podstata vynálezu

Předložený vynález řeší problémy, spojené s intravaskulárními ultrazvukovými zobrazovacími systémy běžnými v obchodě a s dosavadním stavem techniky, poskytnutím přesných intravaskulárních ultrazvukových obrazů a obrazových sekvencí posuzované morfologie pro lékaře, a tím. umožnit přesnější diagnózu a vyhodnocení.

Předložený vynález zpracovává informaci intravaskulárního ultrazvukového obrazu a signálu za účelem odstranění zkreslení a nepřesností způsobených rozličnými typy pohybu v « katétru i v tělesném lumenu. Výsledkem toho je zvýšení kvality i užitečnosti intravaskulárních ultrazvukových obrazů.

Z Výhodou poskytovanou předloženým vynálezem je to, že individuální intravaskulární ultrazvukové obrazy se stabilizují vzhledem k předešlému obrazu(ům), a tím se odstraní negativní efekty na jakékoliv pozdější zpracování mnohonásobných obrazů. Pokud jsou pohyby v každém obrazu příčného typu, potom je možné pohyb úplně kompenzovat v každém získaném obrazu.

Předložený vynález umožňuje také celkovou rekonstrukci algoritmů za účelem přesné reprodukce morfologie, protože pohyb tělesného lumenu je stabilizován. Předložený vynález je aplikovatelný a užitečný v jakémkoliv typu systému, kde je potřebné stabilizovat obrazy (intravaskulární ultrazvukové nebo jiné), protože sonda (například ultrazvuková nebo jiná) pohybující se v lumenu koná relativní pohyb (tj. pohyb i

* sondy a/nebo lumenu).

Předložený vynález poskytuje detekci ultrazvukového signálu vysílaného ultrazvukovým přístrojem do tělesného lumenu, konverzi přijímaného analogového signálu do polárních souřadnic (A(r, Θ) ), stabilizaci v polárním poli, konverzi stabilizovaných polárních souřadnic do karteziánských souřadnic (A(X,Y)), stabilizaci v karteziánském poli a potom přenos stabilizovaného obrazu jako karteziánských souřadnic na zobrazovací jednotku. Stabilizované obrazy, buď v polárních, nebo karteziánských souřadnicích, se mohou dále zpracovat před zobrazením nebo se nemohou zobrazovat. Konverze do karteziánských souřadnic a/nebo stabilizace v karteziánském poli se může uskutečnit v jakémkoliv bodu buď před, nebo po stabilizaci v polárním poli. Dále se buď polární, nebo karteziánská stabilizace může vynechat v závislosti na dete’ govaném posuvu na obrazu a/nebo jiných faktorů. Kromě toho .o se mohou zahrnout doplňkové formy stabilizace nebo vynechat « v závislosti na detegovaném posuvu na obrazu a/nebo jiných faktorech.

Například stabilizace rigidního pohybu se může zavádět za účelem kompenzování rotačního pohybu (úhlového) nebo globální vazomotoriky (expanze nebo kontrakce ve směru r) v po9 9 9999 lárním poli a/nebo karteziánského posunutí (ve směru X a/nebo Y) v karteziánském poli.

Příčný rigidní pohyb mezi znázorněními postupných obrazů se nazývá „posuv („shift), tj. rovnoměrný pohyb všech morfologických rysů v rovině obrazu. Prvním krokem, který se provádí k tomu, aby se stabilizovaly intravaskulární ultrazvukové obrazy, je „vyhodnocení a detekce posuvu. Tu se posuv (pokud nějaký je) mezi každým párem postupných obrazů vyhodnotí a deteguje. Systém může využívat procesor k provádění operace na páru postupných intravaskulárních ultrazvukových obrazů k určení, zda byl posuv mezi takovými obrazy. Procesor může využívat jediný algoritmus nebo může vybrat z počtu algoritmů, které se mají použít při provedení tohoto určení.

Systém využívá algoritmus(algoritmy) k simulování posuvu na obrazu a potom porovnává tento posunutý obraz s jeho předcházejícím obrazem. Porovnání mezi obrazy jsou známa jako operace podobnosti (přesnosti), které mohou být známy v dosavadním stavu techniky jako párování (sdružování). Systém uskutečňuje jedinou operaci podobnosti pro každý posuv. Výsledky řady operací podobnosti se vyhodnotí pro určení polohy (směru a velikosti) posunutého obrazu, který poskytuje nejvěrnější podobnost s předcházejícím neposunutým obrazem. Obraz se samozřejmě může porovnávat stejným způsobem s jeho následujícím obrazem. Po určení aktuálního posuvu se současný obraz stává předcházejícím obrazem, další obraz se stává současným obrazem a výše popsaná operace se opakuje.

Použitím vyhodnocování a detekce posuvu systém určuje typ příčného posuvu, například rotaci, expanzi, kontrakci, přemístění (karteziánské), atd. spolu se směrem a velikostí posuvu. Dalším krokem je „implementace (realizace) posuvu. Právě tady systém provádí operaci nebo řadu operací na postupných intravaskulárních ultrazvukových obrazech za účelem stabilizace každého obrazu vzhledem k jeho sousednímu předcházejícímu obrazu. Tato stabilizace využívá jeden nebo více „reverzních posunů, které směřují k zrušení delegovaného posuvu. Tento systém může zahrnovat algoritmus nebo může vybírat z počtu algoritmů, který se má použít k implementaci každého „reverzního posuvu. Logika, která rozhoduje o tom, jaký reverzní posuv bude aktuálně implementován na obrazu před jeho posouváním k dalšímu zpracování nebo zobrazování, se odvolává na „logiku posuvu. Jakmile se intravaskulární ultrazvukové obrazy stabilizují na žádoucí typy detegovaného pohybu, může potom systém přenášet karteziánskou (nebo polární) obrazovou informaci k dalšímu zpracování a nakonec k zobrazování, kde se mohou prohlížet výsledky stabilizace, například lékařem. Alternativně může být stabilizace pro uživatele neviditelná v tom smyslu, že stabilizace se může použít před jistými dalšími kroky zpracování, po kterých se výsledné obrazy promítají na zobrazovací jednotce v jejich původním nestabilizovaném stavu nebo orientaci.

Je možné, že příčný pohyb mezi obrazy nebude rigidní, ale spíše lokálního druhu, tj. rozličné části obrazu budou projevovat pohyb v rozličných směrech a velikostech. V tom případě se mohou implementovat stabilizační metody popsané výše nebo jiné typy metod na lokální bázi pro kompenzování takového pohybu.

Předložený vynález poskytuje detekci srdeční periodicity použitím informace odvozené jenom z intravaskulárních

ultrazvukových obrazů bez nutnosti externího signálu, jako je EKG. Tento proces se týká operací podobnosti, kterých se také částečně používá v stabilizačním procesu. Jednou z důležitých činnosti detegováni periodicity (tj. srdeční hradlování), když je katétr stacionární nebo když se provádí řízený intravaskulární ultrazvukový tah zpět, je to, že umožňuje výběr obrazů příslušejících k stejné fázi v postupných srdečních cyklech. Výběr obrazů založený na hradlování srdce umožní stabilizaci všech typu periodických pohybů (včetně příčného, osy Z a zahnutí) v tom smyslu, že obrazy se vybírají ze stejné fáze v postupných úderech srdce. Tyto intravaskulární ultrazvukové obrazy se mohou například zobrazovat a jakékoliv mezery vyvolané mezi nimi se mohou kompenzovat pomocí doplnění a zobrazování interpolovaných obrazů. Intravaskulární ultrazvukové obrazy vybrané pomocí této operace se mohou také poslat dále k dalšímu zpracování.

Operace podobnosti použité k detekcí periodicity mohou být užitečné pro monitorování obrazové kvality a indikování artefaktů spojených se špatnou funkcí zobrazovacích a zpracovacích přístrojů.

Operace použité k vyhodnocování posuvu mohou automaticky indikovat vazomotoriku. To může pomoci stabilizačnímu procesu, protože vazomotorika způsobuje, že postupné obrazy se odlišují následkem změny kalibru cévy. Pokud se obrazy stabilizují navzdory vazomotorice, potom se tato změna kompenzuje. Alternativně se může informace týkající se změny kalibru zobrazit, protože to může mít fyziologický význam. Monitorování vazomotoriky se provádí aplikací operací podobnosti pro postupné obrazy za použití jejich polárních znázornění, tj. (A(r,0)). Tyto operace se mohou aplikovat mezi celými obrazy nebo mezi odpovídajícími individuálními polárními vektory (z postupných obrazů), v závislosti na typu žádoucí informace. Protože globální informace se vyjádřuje jako rovnoměrná změna kalibru lumenu, může se určit operací podobnosti, která přijímá hodnotu celého polárního obrazu. Obecně se může použít jakékoliv operace vhodné pro globální stabilizaci v polárním znázornění k určení globální vazomotoriky.

Za určitých podmínek během intravaskulárního ultrazvukového zobrazování může existovat nerovnoměrná vazomotorika, tj. pohyb jenom v určitých sekcích intravaskulárního ultrazvukového obrazu odpovídajícího specifickým polohám v tělesném lumenu. To se může stát například tam, kde má artérie tvorbu plaku v určité poloze, a tím umožňuje expanzi nebo kontrakci artérie pouze v oblastech bez tvorby plaku.

Když se takový pohyb deteguje, systém je schopný rozdělit ultrazvukové signály představující průřezy tělesného lumenu na více segmentů, které se potom zpracovávají každý individuálně vzhledem k odpovídajícímu segmentu na sousedním obrazu za použití určitého algoritmu(ů). Výsledné intravaskulární ultrazvukové obrazy se potom mohou zobrazit. Této formy stabilizace se může použít individuálně nebo v kombinaci s předtím diskutovanými stabilizačními technikami. Alternativně se může informace týkající se lokální změny kalibru cévy zobrazit, protože může mít fyziologický význam.

Časové chování obrazových prvků a jejich strukturních vlastností může sloužit k: vystupňování zobrazování; a automatické segmentaci (vyjmutí lumenu). Pokud se monitoruje v prostředí stabilizovaného obrazu, potom se může zlepšit uskutečnění vystupňování zobrazování a procesů segmentace.

Podle předloženého vynálezu se může časové chování intravaskulárních ultrazvukových obrazů monitorovat automaticky. Informace získané takovým monitorováním se může využít k zlepšení přesnosti interpretace intravaskulárního ultrazvukového obrazu. Filtrováním a potlačováním rychle se měnících rysů, jako látky, například krve proudící cévou a morfologického vnějšku cévy jako výsledku jejich chování v čase, se může stupňovat lidské vnímání cévy na statických i dynamických obrazech, například obrazech volně pohybovaných ve formě filmu.

Automatická segmentace, tj. identifikace cévy a látky, například krve proudící cévou, se může provádět za použití algoritmu, který automaticky identifikuje látku, například krev, na základě časového chování strukturních vlastností vytvářených jeho obsaženými obrazovými prvky. Časového chování, které se vyjme z obrazů, se může použít k několika účelům. Například časové filtrování se může provést pro zesílení obrazu a detekce změn ve struktuře obrazového prvku se může použít k automatické identifikaci lumenu a jeho obvodu.

Ve všech intravaskulárních ultrazvukových obrazech je nejlepší odstranit samotný katétr (a zobrazovací přístroj) z obrazu před prováděním stabilizace nebo pro monitorování. Opomenutí odstranění katétru může narušit stabilizační techniky a monitorování. Odstranění katétru se může provádět automaticky, protože jeho rozměry jsou známy.

Předložený vynález poskytuje také automatickou identifikaci (tj. párování nebo registraci) odpovídajích snímků dvou rozličných intravaskulárních ultrazvukových filmů s ta• « 3 · « · • · hem zpět stejného segmentu cévy, například před léčbou a po léčbě. Aby se porovnal první intravaskulární ultrazvukový film při tahu zpět, tj. první intravaskulární ultrazvuková zobrazovací sekvence, s druhým intravaskulárním ultrazvukovým filmem při tahu zpět, tj. s druhou intravaskulární ultrazvukovou zobrazovací sekvencí, stejného segmentu tělesného lumenu zachyceného například na videu, filmu nebo v digi• talizované formě, zobrazovací sekvence se musí synchronizovat. Párování, pomoocí kterého se bude této synchronizace *5' ⁴ dosahovat, zahrnuje provádění operací podobnosti mezi skupinami následných obrazů patřících k 2 množinám intravaskulárních ultrazvukových zobrazovacích sekvencí.

Z jedné zobrazovací sekvence se vybere skupina následných obrazů nazvaná referenční skupina. Tato skupina by se měla vybrat z části cévy zobrazené na obou zobrazovacích sekvencích a měla by být částí, na které se nebude provádět terapie, poněvadž morfologie cévy je vhodná k změně způsobené terapií. Další podmínkou pro tento způsob párování je to, že se získají 2 zobrazovací sekvence při známé, konstantní a přednostně stejné rychlosti tahu zpět.

Operace podobnosti se provádějí mezi obrazy referenční * skupiny a obrazy z druhé skupiny, která má stejný počet postupných obrazů vyjmutých z druhé zobrazovací sekvence. Tato druhá skupina obrazů se potom posune o jediný snímek vzhledem k referenční skupině a operace podobnosti se opakují. Toto se může opakovat pro předem určený počet dob a přesné výsledky každého vytvořeného posuvu se porovnají s určenou maximální přesností. Maximální přesnost určí posunutí snímku mezi obrazy 2 zobrazovacích sekvencí. Toto posunutí se může provést v obráceném směru v prvním nebo druhém filmu, takže ·· · » • ♦ w * • · ··· ··«·

···· «· • · · • ··· • >

odpovídající obrazy se mohou automaticky identifikovat a/nebo simultánně prohlížet.

Odpovídající obrazy se tedy mohou prohlížet například za účelem stanovení účinnosti jakékoliv uskutečňované terapie nebo změny v morfologii v čase. Dodatečně se mohou implementovat různé typy stabilizace diskutované výše v nebo mezi obrazy ve dvou sekvencích před, během nebo po této operaci párování. Tedy dva filmy se mohou zobrazovat nejen synchronizovaným způsobem, ale také v stejné orientaci a stavu navzájem.

Přehled obrázků na výkresech

Obr. l(a) a (b) znázorňují dvourozměrné pole nebo matici obrazu uspořádaného v digitalizovaných vektorech v polárních a karteziánských souřadnicích.

Obr. 2 ilustruje výsledky vyhodnocení posuvu mezi dvěma postupnými obrazy v karteziánských souřadnicích.

Obr. 3 znázorňuje obrazy ilustrující výskyt fenoménu driftu v polárních a karteziánských souřadnicích.

Obr. 4 ilustruje účinek uskutečněni stabilizačních operací (rotační a karteziánský posuv) na obrazu.

Obr. 5 ilustruje globální kontrakci nebo dilataci tělesného lumenu vyjádřenou v polárním znázornění obrazu a v karteziánském znázornění obrazu.

Obr. 6 znázorňuje obraz rozdělený na čtyři sekce pro zpracování podle předloženého vynálezu.

Obr. 7 znázorňuje cévu v karteziánských i polárních souřadnicích, ve které se detegovala lokální vazomotorika.

Obr. 8 ilustruje výsledky monitorování lokální vazomotoriky v reálné koronární cévě v grafické formě.

Obr. 9 znázorňuje EKG a koeficient vzájemné korelace zakreslené graficky synchronním způsobem.

Obr. 10 znázorňuje tabulku skupiny hodnot koeficientu vzájemné korelace (střední řádka) patřících postupným obrazům (čísla od 1 do 10 znázorněná v horní řádce) a výsledky vnitřních vzájemných korelací (dolní řádka).

Obr'. 11 znázorňuje diagram koeficientu vzájemné korelace indikující artefakt v intravaskulárních ultrazvukových obrazech.

Obr. 12 znázorňuje intravaskulární ultrazvukové obrazy rozdělené na tři základní části: lumen, kterým proudí kapalina; aktuální cévu; a okolní tkáň.

Obr. 13 ilustruje výsledky časové filtrace.

Obr. 14 znázorňuje obraz výsledků algoritmu pro automatické vyjímání lumenu.

Obr. 15 ilustruje časovou sekvenci prvního filmu (levý sloupec), referénční segment z druhého filmu (střední slou19 pec) a obrazy z prvního filmu, které odpovídají (nebo se párují) obrazům referenčního segmentu (pravý sloupec).

Příklady provedení vynálezu

V intravaskulárních ultrazvukových (IVUS) zobrazovacích systémech se ultrazvukové signály vysílají a přijímají ultrazvukovým přístrojem, například měničem nebo skupinou měničů, zpracovávají a nakonec uspořádají jako vektory obsahující digitalizovaná data. Každý vektor znázorňuje ultrazvukovou odpověď odlišného úhlového sektoru tělesného lumenu. Počet datových prvků v každém vektoru (axiální vzorový rozklad) a počet vektorů použitých k snímání úplného průřezu (laterální vzorový rozklad) tělesného lumenu závisí na použitém specifickém intravaskulárním ultrazvukovém systému.

Digitalizované vektory se nejprve vloží do dvourozměrného pole nebo matice, která je ilustrovaná na obr. l(a). Obecně tato matrice má známé polární souřadnice, tj. souřadnice (A(r,6)). Osa X matice znázorněná na obr. 1(a) odpovídá souřadnici r, zatímco osa Y matice odpovídá souřadnici Θ. Každá hodnota matice je obecně hodnotou šedé, například v rozmezí 0 až 255, pokud je to 8 bitů, představující sílu ultrazvukového signálu při odpovídající poloze v tělesném lumenu. Tato polární matice se může převádět do karteziánské matice, jak znázorňuje obr. 1(b), která má osu X a osu Y, které odpovídají karteziánskému znázornění průřezu cévy. Tento obraz se potom zpracuje a přenese na zobrazovací jednotku. Počáteční pole i zobrazovací jednotka mohou využít buď polárních nebo karteziánských souřadnic. Hodnoty pro matici mohou být jiné než hodnoty šedé, například mohou být ο· ··· chrominančními hodnotami nebo jinými hodnotami a mohou být menší nebo větší než 8 bitů.

Během intravaskulárního ultrazvukového zobrazovacího postupu při tahu zpět může tělesný lumen, dále zmíněný jako céva, a/nebo zobrazovací katétr prodělat několik způsobů relativního pohybu. Tyto typy pohybu zahrnují: (1) rotaci v rovině obrazu, tj. posuv v souřadnici Θ polárního obrazu; karteziánské posunutí, tj. posuv v souřadnici X a/nabo Y v karteziánském obrazu; (3) globální vazomotoriku charakterizovanou radiální kontrakcí a expanzí celé cévy, tj. rovnoměrný posuv v souřadnici r polárního obrazu; (4) lokální vazomotoriku charakterizovanou radiální kontrakcí a expanzí rozličných částí cévy s odlišnými velikostmi a směry, tj. lokální posuvy v souřadnici r polárního obrazu; (5) lokální pohyb charakterizovaný rozličným pohybem tkáně, který se mění v závislosti na přesné poloze na obrazu; a (6) průchozí pohyb rovinou, t j . pohyby, které jsou kolmé nebo téměř kolmé (zahnutí do úhlu) na rovinu obrazu.

Stabilizace postupných nezpracovaných obrazů je použitelná v prvních 5 typech pohybu, popsaných výše, protože pohyb je omezený v příčné rovině. Tyto typy pohybu se mohou kompenzovat a dosáhnout stabilizace pomocí transformace každého současného obrazu tak, aby se maximalizovala jeho podobnost s jeho předcházejícím obrazem. První 3 typy pohybu se mohou stabilizovat použitím operací podobnosti, které porovnávají celé nebo velké části obrazů navzájem. To je kvůli tomu, že pohyb je globální nebo rigidní. 4. a 5. typ pohybu se stabilizuje aplikací operací podobnosti na lokalizované bázi, poněvadž rozličné části obrazu projevují rozličný pohyb. 6. typ pohybu se může stabilizovat jen částečně aplikací operací podobnosti na lokalizované bázi. Je to proto, že pohyb není omezený v příčné rovině. Tento typ pohybu se může stabilizovat za použití detekce kardiovaskulární periodicity.

Další oddíly budou popisovat metody globální stabilizace, následované popisem metod lokální stabilzace. Stabiliza ce za použití detekce kardiovaskulární periodicity bude popisovat detekci periodicity diskutovanou v oddílech.

K dosažení globální stabilizace se uskuteční vyhodnocení posuvu za použití určitého typu operace podobnosti. Operace podobnosti měří podobnost mezi dvěma obrazy. Vyhodnocení posuvu se uskuteční transformováním prvního obrazu a měřením jeho věrnosti, tj. podobnosti s jeho předcházejícím druhým obrazem. Transformace se může dosáhnout například posunutím celého prvního obrazu podél osy nebo kombinací os (karteziánské souřadnice X a/nebo Y nebo r a/nebo Θ v polárních souřadnicích) pomocí jediného obrazového prvku (nebo více). Když se transformace, tj. posuv ukončí, porovná se transformovaný první obraz s předcházejícím druhým obrazem za použití předem definované funkce. Tato transformace se opakuje v každém čase posunutím prvního obrazu doplňkový obrazový prvek (nebo více) podél stejné a/nebo jiné osy a porovnáním transformovaného obrazu s předcházejícím druhým obrazem za použití předem definované funkce. Po vyhodnocení všech posuvů bude poloha globálního extrému porovnání za použití předem definované funkce indikovat směr a velikost pohybu mezi prvním obrazem a jeho předchozím druhým obrazem

Například obr. 2 ilustruje výsledky vyhodnocení posuvu mezi dvěma postupnými obrazy v karteziánských souřadnicích.

• ·

Obraz A je předcházejícím obrazem znázorňujícím model, tj . průřez cévy, jehož střed je umístěn v dolním pravém kvadrantu matice. Obraz B je současným obrazem znázorňujícím stejný model, ale pohybující se směrem nahoru a doleva a umístěný v horním levém kvadrantu matice. Velikost a směr pohybu středu cévy se udává pomocí šipky. Dolní matice je matice C(posuv X, posuv Y) , která je výslednou maticí po

Λ ‘ uskutečnění vyhodnocení posuvu za použití určitého typu operace podobnosti.

*

Existuje mnoho rozličných algoritmů nebo matematických funkcí, které se mohou použít pro provádění operací podobnosti. Jednou z nich je vzájemná korelace možná za použití Fourierovy ťranformace. Právě tady současný a předcházející obraz, každý obsahující například 256 x 256 obrazových prvků, se transformují pomocí Fourierovy transformace za použití algoritmu FFT. Konjugát FFT současného obrazu se násobí FFT předcházejícího obrazu. Výsledek se inverzně transformuje podle Fouriera za použití algoritmu IFFT. Vzorec pro vzájemnou korelaci za použití Forierovy transformace se může znázornit následujícím způsobem:

C = real(ifft2((fft2(A))*conj(fft2(B)))) kde

A • A = matice předcházejícího obrazu (například 256 x 256);

B = matice současného obrazu (například 256 x 256); fft2 = dvourozměrný FFT;

ifft2 = dvourozměrný inverzní FFT; conj = konjugát;

reál = reálná část komplexního výrazu;

* = násobení prvku prvkem; a • ·· ·· 4 4 · 9 4 4 «9 • 9 99 4 4 9 4999 • 99 9 49994

Ο Ο * 49994 4999444

Z J ·· · 4 4 44

499 4949 49 4 44 44

C = matice vzájemné korelace.

Vyhodnocení přesnosti za použití vzájemné korelace implementované pomocí Fourierovy transformace je vlastně aproximací, je to proto, že matematický vzorec pro Fourierovu transformaci se týká nekonečných nebo periodických funkcí nebo matic, zatímco ve skutečnosti mají matice (nebo obrazy) konečnou velikost a nejsou nutně periodické. Když implementace vzájemné korelace využívá FFT, metoda předpokládá periodicitu na obou osách.

Výsledkem je, že tento vzorec je dobrou aproximací a odráží skutečnou situaci na ose Θ polárního znázornění obrazu, ale neodráží skutečnou situaci na ose r polárního znázornění nebo na ose X nebo X karteziánského znázornění obrazu.

Existuje řada výhod vzájemné korelace využívající FFT. Za prvé všechny hodnoty matice vzájemné korelace C(posuv X, posuv Y) se vypočítají pomocí základní operace. Dále existuje jednoúčelové technické vybavení počítače pro účinnou implementaci operace FFT, tj. čipy pro Fourierovu transformaci nebo desky DSP.

Jiný algoritmus, který se může použít pro uskutečnění operace podobnosti je přímá vzájemná korelace normalizovaná nebo nenormalizovaná. To se provede násobením každého obrazového prvku v současném posunutém obrazu jeho odpovídajícím obrazovým prvkem v předcházejícím obrazu a sčítáním všech výsledků a normalizací v případě normalizované vzájemné korelace. Výsledkem každého posuvu je součet a skutečný posuv se naznačí pomocí nejvyššího součtu z vyhodnocených posuvů.

·« ' ·* • φ φ

Vzorec pro vzájemnou korelaci se může znázornit pomocí následujícího vzorce:

- shtftX, y-shiftYj - 4(x, y)

C(shiftX, shiftY) = ^xr

Vzorec pro normalizovanou vzájemnou korelaci je

C(shiftX, shiftY) = £ 3(x-shiftX. y-shift Y) * Á(x, y) / *>

/£ (^(x-shiftX, y-shiftY) * B(x-shiftX. y-shiftY)) <£ (A(x, y) * A(x, χ)) ^x-y ^x-y kde

A = matice předcházejícího obrazu;

B = matice současného obrazu;

* = násobení obrazového prvku odpovídajícím obrazovým prvkem;

Σ = součet všech obrazových prvků v matici;

C = matice obsahující výsledky pro všechny uskutečněné posuvy;

shift = posuv.

Za použití této přímé metody vzájemné korelace, C(posuv X, posuv Y) se mohou vyčíslit všechny možné hodnoty posuvu X a posuvu Y. Například pokud původní matice A a B mají každá po 256 x 256 obrazových prvků, potom u hodnot posuvu X a posuvu Y, každá v rozmezí od -127 do +128, které by se měly vyhodnotit, by mělo provést celkem 256 x 256 = 65 536 vyhodnocení posuvu, aby se pro C(posuv X, posuv Y) vypočítaly všechny možné hodnoty posuvu X a posuvu Y. Po dokončení tohoto vyhodnocení se stanoví globální maximum matice.

• ····

• · • ·

Přímá vzájemná korelace se může implementovat účinněji při zmenšení počtu žádaných aritmetických operací. Aby se detegoval skutečný posuv mezi obrazy, není nutné vyhodnocení každého možného posuvu X a posuvu Y. Postačující je nalézt polohu největší C(posuv X, posuv Y) všech možných posuvů X a posuvů Y.

Třetím algoritmem, kterého se může použít k uskutečnění operací podobnosti je sčítání absolutních rozdílů (SAD -sum of absolute differences). To se provede odčítáním každého obrazového prvku v jednom obrazu od jeho odpovídajícího obrazového prvku v jiném obrazu, uděláním jejich absolutní hodnoty a sčítáním všech výsledků. Výsledkem každého posuvu je součet a aktuální posuv se bude indikovat nejnižším součtem. Vzorec pro součet absolutních hodnot (SAD) může být znázorněn takto:

SAD - absolute(A - B)

Tento vzorec může být také znázorněn takto:

Č(shiftX, shiftY) = o6j(B(x - shiftX, y - shi/ti') - A(x, >)) kde:

A = matice předcházejícího obrazu; B = matice současného obrazu; abs = absolutní hodnota;

- = odčítání prvku od prvku;

Σ = součet všech rozdílů; shift = posuv.

·« ···· ·

·»

Zatímco přesnost každého z těchto algoritmů/vzorců se může nepatrně měnit v závislosti na specifickém typu pohybu nasazených a systémových nastavení, je samozřejmé, že samotný vzorec nemůže a priori být klasifikován jako poskytující nej lepší nebo nejpřesnější výsledky. Dodatečně existují četné variace vzorců popsaných výše a jiné algoritmy/vzorce, kterých se může využít k provádění vyčíslení posuvu a které mohou nahradit algoritmy/vzorce popsané výše. Tyto algoritmy/vzorce zahrnují také operace známé v dosavadním stavu techniky pro použití jako operace párování.

S odkazem znovu na obr. 2, pokud se operace podobnosti uskutečňuje ve vzájemné korelaci, potom C(posun X, posun Y) se nazývá maticí vzájemné korelace a její globální maximum (označované černou tečkou v horním levém kvadrantu) bude umístěno ve vzdálenosti a směru od středu matice (šipka v matici C), které jsou stejné jako vzdálenost středu cévy na obr. B a středu cévy na obr. A (šipka na obr. B) .

Pokud by byla prováděna operace podobnosti sčítáním absolutních hodnot, potom by černá tečka označovala globální minimum, které bude umístěno ve vzdálenosti a směru od středu matice (šipka v matici C), které jsou stejné jako vzdálenost středu cévy na obr. B a středu cévy na obr. A (šipka na obr. B).

Rotační pohyb se vyjádřuje jako posuv podél současného polárního obrazu na souřadnici Θ vzhledem k jeho předchůdci. Rotační posuv v současném obrazu se deteguje maximalizováním věrnosti mezi současným polárním obrazem a jeho předchůdcem. Maximální věrnost se získá, když se současný obraz reverzibilně posune při přesné velikosti skutečného posuvu. Napři27 klad v obrazu o 256 x 256 obrazových prvků bude hodnota rozdílu (v obrazových prvcích) mezi 128 a souřadnici θ maxima na obrazu se vzájemnou korelaci (minimum v obrazu se součtem absolutních rozdílů) udávat směr (kladný nebo záporný) a velikost rotace.

Globální vazomotorika je charakterizovaná expanzí a kontrakcí celého průřezu cévy. V polárním obrazu se tento typ pohybu vyjádřuje jako pohyb směrem dovnitř a ven z cévy podél osy r. Vazomotorika se může kompenzovat prováděním opačné vazomotorické akce na současném polárním obrazu vzhledem k jeho předcházejícímu polárnímu obrazu za použití jednoho ze vzorců diskutovaných výše nebo jiného vzorce. V protikladu k úhlové stabilizaci nemění vazomotorická stabilizace orientaci obrazu, ale aktuálně transformuje obraz pomocí roztahování a stlačování.

Karteziánské posunutí se vyjádřuje jako posuv na ose X a/nebo ose Y v karteziánském zobrazení vzhledem k jeho předchůdci. Tento typ pohybu se eliminuje posunutím karteziánského zobrazení v opačném směru vzhledem ke skutečnému posuvu. Tedy karteziánské posunutí se může provést v podstatě stejnými aritmetickými operacemi použitými ke stabilizaci rotace a vazomotoriky v polárním znázornění.

Počet vyčíslení posuvu potřebných k lokalizaci globálního extrému (maxima nebo minima, v závislosti na funkci podobnosti) C(posuv X, posuv Y) se může redukovat za použití rozličných výpočtových technik. Například jedna technika má výhodu v tom, že pohyb mezi postupnými intravaskulárními ultrazvukovými obrazy je obecně relativně malý vzhledem k celkovým rozměrům polární a/nebo karteziánské matice. To • * · znamená, že C(posuv X, posuv Y) se může vyčíslit jenom v relativně malé části kolem středu matice, tj. asi posuv X = 0, posuv Y= 0. Extrém této části je nepochybně globální extrém matice C(posuv X, posuv Y) zahrnující větší hodnoty posuvu X a posuvu Y. Velikost minimální části, která bude zajišťovat, že extrém detegovaný uvnitř, je opravdu globálním extrémem měnícím se v závislosti na nastaveních systému. Počet nutných vyhodnocovacích operací se může dále snižovat spoléháním na hladkost a jednotvárnost předpokládanou u matice C (zvláště v okolí globálního extrému). Proto pokud je hodnota matice'C(posuv X, posuv Y) v určité poloze lokálním extrémem (například okolí 5x5 obrazových prvků), potom je to pravděpodobně globální extrémem všech matic C(posuv X, posuv Y).

Implementace tohoto snížení počtu nutných vyhodnocení se může dosáhnout předně hledáním od středu matice (posuv X = 0, posuv Y = 0) a kontrolou malého-okolí,, například 5x5 obrazových prvků kolem středu. Pokud se lokální extrém nalezne uvnitř tohoto okolí, potom je to pravděpodobně globální extrém celé matice C(posuv X, posuv Y) a vyhledávání se může ukončit. Pokud ale lokální extrém se nalezne na okrajích tohoto okolí, například posuv X = -2, posuv X = 2, posuv Y - -2 nebo posuv Y = 2, potom se vyhledávání opakuje kolem obrazového prvku, dokud se nenalezne hodnota C(posuv X, posuv Y), která je větší (menší) než všechna její uzavřená okolí. Protože v značném počtu obrazu není žádný pohyb mezi obrazy, počet vyhodnocení potřebných k lokalizaci globálního extrému v těchto případech bude přibližné 5 x 5 = 25 místo 65 536 původních hodnot.

·' · • * · « » · · · »· • « » · » · • * · · · · • · · ··· ··· • · · · · * ·

9 99 99 · · « *· ··

Počet nezbytných operací vyhodnocení se může snížit pomocí výběru obrazů. Například, pokud se z rozsahu 256 x 256 obrazů vybere každý druhý obrazový prvek, potom se zredukují na matice s velikostí 128 x 128. V tomto případě přímá vzájemná korelace nebo součet absolutních rozdílů mezi takovými maticemi zahrnuje 128 x 128 operací namísto 256 x 256 operací, kdykoliv se obrazy navzájem posunou. Výběr, jako metoda snížení počtu operací vyhodnocení posuvu se může prokládat s jinými výše popsanými metodami snižování.

S odkazem na obr. 2 indikovaný posuv X jako výsledek operace podobnosti bude mít kladnou hodnotu a posuv Y zápornou hodnotu. Aby se obraz B stabilizoval, tj. aby se kompenzovaly posuvy ve směru X a Y, logika posuvu bude reverzovat posuvy, tj. měnit jejich znamnénko, ale ne jejich velikost, a implementovat tytoo posuvy v matici odpovídajíc obrazu B. Toto bude uměle obracet posuv na obrazu B a způsobovat, že obraz B nebude posunutý vzhledem k obrazu A.

Aktuální hodnoty použité v přesných výpočtech nemusí být nezbytně původními hodnotami matice dodané zobrazovacím systémem. Například zlepšených výsledků se může dosáhnout, když původní hodnoty se umocní na druhou, třetí nebo čtvrtou nebo zpracují nějakými jinými metodami.

Zobrazovací katétr a uzavřené pouzdro se jeví jako konstantní artefakty na všech intravaskulárních ultrazvukových oobrazech. Tento znak zastiňuje operace podobnosti uskutečňované mezi obrazy, protože to není částí morfologie cévy. Proto je nezbytné eliminovat katétr a asociovat objekty z každého obrazu před prováděním operací podobnosti, tj. jeho obrazovým prvkům se přiřadí hodnota 0. Eliminace těchto o£>30 jektů z obrazu se může provádět automaticky, protože rozměry katétru jsou známy.

Vyhodnocení posuvu a implementace mohou být modulovány. Tedy vyhodnocení posuvu a implementace se mohou omezovat individuálně buď na polární souřadnice, nebo karteziánské souřadnice nebo vyhodnocení posuvu a implementace se mohou realizovat postupně pro polární souřadnice a karteziánské souřadnice. Současně je nevhodnější, protože zobrazování v intravaskulárních ultrazvukových systémech je obecně upraveno předně pomocí využití polárních souřadnic a potom konverzí do karteziánských souřadnic, provádět vyhodnocení posuvu a implementaci ve stejném pořadí. Ale pořadí se může upravit nebo změnit bez jakýchkoliv negativních účinků nebo výsledků.

Proces vyhodnocení posunu se může provádět podél jedné nebo dvou os. Obecně se upřednostňuje dvourozměrné vyhodnocování posuvu dokonce, i když pohyb směřuje podél jedné osy. Implementace posuvu se může omezovat na dvě osy, jednu osu nebo žádnou osu.

Není nezbytná shodnost mezi óblastí na obrazu použitém pro vyhodnocení posuvu a mezi oblastí, ve které se provádí implementace posuvu. Například vyhodnocení posuvu se může provádět za použití relativně malé oblasti na obrazu, zatímco implementace posuvu bude posouvat celý obraz podle posuvu indikovaného touto oblastí.

V triviální logice posuvu má posuv implementován na každém obrazu (a tím vytvářený a stabilizovaný obraz) opačný směr a velikost rovnající se vyhodnocenému posuvu. Výsledkem

I» »··· ·· • · • · ··· ♦ · takové logiky však může být.proces definovaný jako drift (kolísání nuly). Drift je proces, ve kterém implementované posuvy se akumulují a produkují rostoucí posuv, kterého rozměry jsou významné vzhledem k celému obrazu nebo zobrazovací jednotce. Drift může být výsledkem nepřesného vyhodnocení posuvu nebo nepříčného pohybu mezi obrazy v určité části kardiovaskulárního cyklu. Když se implementuje karteziánská stabilizace, může drift způsobovat například posouvání relativně velké části obrazu mimo zobrazovací jednotku. Když se implementuje rotační stabilizace, může drift způsobovat zvýšení rotace obrazu v určitém směru.

Obr. 3 je obrazem ilustrujícím výskyt driftu v polárních a karteziánskych souřadnicích. Levý obraz je původním zobrazením obrazu, zatímco pravý obraz je stejným obrazem po uskutečnění polární a karteziánské stabilizace. Je třeba si všimnout, jak je pravý obraz otočený proti směru otáčení hodinových ručiček ve velkém úhlu a posunutý dolů vzhledem k levému obrazu. V tomto případě implementace rotačního a karteziánského posuvu nekompenzuje aktuální posuv na obrazu, ale spíše vzniká z nepřesného vyhodnocení posuvu.

Logika posuvu musí být schopná zabývat se s tímto driftem tak, že implementace chybně vyhodnocených posuvů bude minimální. Jednou z metod pro zabránění nebo alespoň omezení driftu je pomocí nastavení omezit velikost přípustných posuvů. Toto bude minimalizovat drift, ale za cenu nekompenzování určitého aktuálního posuvu. Může se použít doplňkových metod na zabránění nebo minimalizování driftu. Tyto se mohou možná prokládat s metodami detekce kardiovaskulární periodicity diskutovanými později.

·

Obrazy znázorněné na obr. 4 ilustrují účinek uskutečnění stabilizačních operací (rotační a karteziánský posuv) na obrazu. Levý obraz je intravaskulární ultrazvukový obraz koronární artérie, jak by vyhlížel na velké části regulární obrazové jednotky (s odstraněným katétrem), zatímco pravý obraz znázorňuje, jak by se levý obraz zobrazil po implementování stabilizačních operací.

Při přesném pohledu na levý a pravý obraz na obr. 4 se mohou pozorovat jisté rozdíly. Za prvé pravý obraz je nepatrně otočený ve směru otáčení hodinových ručiček (tj. o několik stupňů) vzhledem k levému obrazu. To je výsledkem rotační stabilizace. Dále pravý obraz je obecně posunutý směrem doleva vzhledem k levému obrazu. To se může zjistit sledováním vzdálenosti lumenu (mezery) od okrajů obrázku na každém obrazu. Toto je výsledkem stabilizačních operací karťeziánského posuvu.

Výhody stabilizace na zobrazených obrazech se nemohou ocenit prohlížením jednotlivých obrazů, jak znázorňuje obr.

4. Ale prohlížení filmu takových obrazů by snadno ilustrovalo tyto výhody. Na zobrazovací jednotce, která nazahrnuje stabilizaci, by byla poloha katétru vždy situována ve středu zobrazovací jednotky a morfologické rysy by se pohybovaly kolem a rotovaly na displeji. Naopak na stabilizované zobrazovací jednotce by se poloha katétru pohybovala kolem, zatímco morfologické rysy by zůstávaly v zásadě stacionární. Stabillizace se nemusí nezbytně projevit na aktuální zobrazovací jednotce. Může být neviditelná pro uživatele v tom smyslu, že stabilizace bude zesilovat následující stupně zpracování, ale aktuální zobrazovací jednotka bude ukazovat

3Í......

výsledné zpracované obrazy v jejich původním (nestabilizovaném) stavu a orientaci.

Obr. 5 ilustruje globální kontrakci nebo dilataci cévy vyjádřenou v polárním znázornění obrazu jako pohyb rysů podél osy r, tj. pohyb podél polárních vektorů. Obr. 5 znázorňuje také globální kontrakci nebo dilataci v karteziánském znázornění obrazu. Obr. 5(a) znázorňuje základnový vzhled průřezu cévy v polárním i karteziánském znázornění. Obr.

5(b) znázorňuje vztah základnové kontrakce cévy. Obr. 5(c) znázorňuje vztah základnové rovnoměrné dilatace cévy.

Poněvadž globální vazomotorika se vyjádřuje jako rovnoměrná změna kalibru cévy, může se použít jakékoliv operace vhodné ke stabilizaci v polárním znázornění pro stanovení globální vazomotoriky, například se může stanovit pomocí operace podobnosti zpracující celé polární zobrazení.

Po uskutečnění dvourozměrného vyhodnocení posuvu, jako bylo diskutováno výše, se využije lokalizace maxima v matici C(posuv X, posuv Y) na ose Θ pro^rotační stabilizaci. Toto umožňuje lokalizaci extrému na ose r, které se může použít jako indikace globální vazomotoriky. Tedy monitorováni globální vazomotoriky je vedlejším produktem dvourozměrného vyhodnocování posuvu v polárním zobrazení.

Každý pár postupných obrazů vytváří hodnotu svědčící o vazomotorice. Velikost i znaménko výsledného posuvu mezi obrazy charakerizuje změnu cévy, tj. vazomotoriku. Záporné posuvy označují dilataci a kladné posuvy označují kontrakci. Velikost hodnoty označuje velikost vazomotorické změny.

Za určitých okolností nemůže být pohyb nebo vazomotorika rovnoměrná/rigidní, třebaže omezená na rovině obrazu, tj . příčně. Aby se stanovil typ pohybu nebo vazomotoriky, může se obraz rozděllit na sekce a globální vyhodnocení stabilizace se může uskutečnit na každé z těchto sekcí. Pomocí zkoumání indikovaných posuvů těchto sekcí vzhledem k odpovídajícím sekcím v předchozím obrazu se může stanovit typ pohybu. Například jak znázorňuje obr. 6, obraz na obr. 6(b) se může rozdělit na čtyři sekce, jako znázorňuje obr. 6(b). Vyhodnocení posuvu se může provést odděleně na každé ze čtyř sekcí. Porovnání výsledků vyhodnocení posuvu pro každou ze čtyř sekcí může možná identifikovat typ aktuálního pohybu. Tedy typ aplikované stabilizace se může měnit v závislosti na typu detegovaného pohybu.

Stabillizace lokálního pohybu se dosáhne prováděním operací podobnosti na lokalizované bázi. Malé části předchozího obrazu A („šablonové oblasti) a malé části současného obrazu B (oblasti „vyhledávání) se účastní stabilizačního procesu. Někdy je nejlepší uskutečnit lokální stabilizaci po uskutečnění globální stabilizace.

Během lokální stabilizace se posunou šablonové oblasti v předcházejícím obrazu (A) na oblasti vyhledávání a porovnávají za použití operací podobnosti, aby se šablonovaly dimenzované oblasti v současném obrazu (B). Každý obrazový prvek v (nově) vytvořeném stabilizovaném obrazu (B^ř) bude udávat novou hodnotu založenou na výsledcích uskutečnění vyhledávání a přesného vyhodnocení.

Lokální stabilizace se ilustruje následujícím příkladem, ve kterém šablonová oblast je oblast obrazových prvků 1 x 1, t j . jediný obrazový prvek, oblast vyhledávání je oblast 3x3 obrazových prvků a operace podobnosti je součet absolutních rozdílů. Obrazový prvek s hodnotou 3 v A a obrazový prvek s hodnotou 9 v B v následujícím diagramu jsou odpovídajícími prvky. Také se ilustruje okolí 3x3 prvků obrazového prvku o hodnotě 9.

Obrazový prvek v A („šablonová oblast

Obrazové prvky v B B' (3 x 3 oblast „vyhledávání)

10 10

9 50

7 60

V tomto příkladě se podle podmínek popsaných výše porovnává „šablonový obrazový prvek o hodnotě 3 za použití součtu absolutních rozdílů se všemi obrazovými prvky nacházejícími se v oblasti vyhledávání 3 x 3 kolem obrazového prvku o hodnotě 9. Prvek o hodnotě 1 v levém horním rohu oblasti vyhledávání bude dosahovat minimální hodnoty součtu absolutních rozdílů ( 11-3| = 2) ze všech možností v oblasti vyhledávání. Následkem toho bude v nově vytvořeném stabilizovaném obrazu (B') obrazový prvek odpovídající polohou obrazovým prvkům o hodnotě 3 a 9 přidělovat hodnotu 1.

Obecně se rozměry šablonové oblasti a oblasti vyhledávání mohou měnit současně s použitými operacemi podobnosti. Aktuální hodnota, která se přiřadí obrazovému prvku nově vytvořeného stabilizovaného obrazu (B') nemusí být nezbytně aktuální hodnotou obrazového prvku ze současného obrazu B (jak je ilustrováno v příkladě), ale nějakou funkcí hodnot obrazového prvku. Je důležité si povšimnout, že jako výsle36

dek lokální stabilizace, jak oponuje globálním/rigidním metodám, se mění „kompozice obrazu, tj. vnitřní vztah mezi obrazy e jejich distribuce ve stabilizovaném obrazu, vzhledem k původnímu obrazu. Lokální stabilizace se může implementovat v polárním i v karteziánském znázornění obrazu.

Obr. 7 znázorňuje cévu v polárních i v karteziánských souřadnicích, ve které se detegovala vazomotorika. Kdž se deteguje lokální vazomotorika, znamená to, že nějaké části průřezu cévy se chovají odlišně než jiné části průřezu.

Obr. 7(a) znázorňuje základnový obrázek cévy před lokální vazomotorikou. Obr. 7 (b) znázorňuje na příkladu lokální vazomotoriku. Jak se naznačuje v polárním i v karteziánském znázornění, čtyři odlišné části cévy se chovají odlišně: dva segmenty cévy nemění kalibr nebo se nepohybují vzhledem k jejich odpovídajícím segmentům v předcházejícím obrazu; jeden segment se stahuje nebo pohybuje nahoru; a jeden segment se rozšiřuje nebo pohybuje dolů.

Jak se může pozorovat, metody vyhodnocení globální vazomotoriky nejsou vhodné pro vyhodnocení lokální vazomotoriky, protože céva se nechová rovnoměrným způsobem. Jestliže se aplikovalo vyhodnocený globální vazomotoriky, například na příkladu znázorněném na obr. 7, může se detegovat celková nulová vazomotorika, tj. kontrakce a dilatace by rušila jedna druhou.

Proto se musí použít metod vyhodnocení lokální vazomotoriky. To se může uskutečnit odděleným vyhodnocením vazomotoriky v každém polárním vektoru, tj. v každém vektoru Θ • 4 ···· ·· ·· .

37’ (nebo Υ). Operace podobnosti se aplikují za použití jednorozměrných posuvů v odpovídajících polárních vektorech. Například jestliže se použije přesnost se vzájemnou korelaci, potom následující operace ilustruje, jak se toho dosáhne za použití jednorozměrných posuvů.

C (posuv X, Y) = Σ (B (x-posuv X ,y) *A. (x ,y) x

kde

A = matice předcházejícího obrazu;

B - matice současného obrazu;

* = násobení obrazového prvku odpovídajícím obrazovým prvkem;

Σ = součet obrazových prvků v matici polárního vektoru;

C = dvourozměrná matice korelačního koeficientu.

Jak je možno vidět, posunutí se uskutečňuje podél jedné osy (osy X nebo r) pro každý polární vektor (vektor Θ nebo Y). Hodnoty určené v každém vektoru pro vyhodnocení posuvu nesmí být aktuálními hodnotami obrazů, ale například každý obrazový prvek ve vektoru se může udávat jako průměr jeho laterálních okolí, tj. A(X, Y) bude udávat například průměr A(X, Y-l), A(X, Y) a A(X, Y+l). Stejné platí pro B(posuv X, Y). Toto může činit proces vzájemné korelaci silnějším k šumu.

Vytvoří se dvorozměrná matice (C(X, Y)j. Každý sloupec v matici vkládá výsledky operací přesnosti/podobnosti uskutečněných mezi odpovídajícími polárními vektory ze současného obrazu a předcházejícícho obrazu. Tato operace by se mohla realizovat také za použití FFT.

Po vytvoření matice, se deteguje poloha extrému (maximum v operaci vzájemné korelace) v každém sloupci. Tato poloha extrému naznačuje párování mezi současným polárním vektorem a jeho předchůdcem. Tedy v každém vektoru sé může charakterizovat vazomotorika, tj. radiální pohyb v každém specifickém úhlovém sektoru cévy.

Této informace se může použít k zobrazování lokální vazomotoriky, může se sečíst z některého nebo všech polárních vektorů a udělat průměr pro stanovení průměrné hodnoty pro vazomotoriku nebo se to může využít k jiným účelům. Proto se může pomocí lokální vazomotoriky vyhodnotit lokální i globální vazomotorika.

Kvůli efektivnímu použití a/nebo vyjádření jako kvantitativní fyziologické parametry se musí velikost vazomotoriky nějakým způsobem vztahovat k aktuálnímu kalibru cévy. Tedy měření monitorování vazomotoriky by se mělo obecně použít společně s automatickými nebo manuálními měřeními kalibru cévy.

Kromě toho skutečná vazomotorika, karteziánské posunutí se může také detegovat jako vazomotorika. Je to proto, že karteziánské posunutí, když se vyjadřuje v polárních souřadnicích, má za následek posuvy podél osy θ i osy r. Pro rozlišování skutečné vazomotoriky od karteziánského posunutí musí vyhodnocení posuvu v karteziánském zobrazení indikovat žádný nebo malý pohyb. Jestliže se deteguje karteziánské posunutí, potom se musí předně stabilizovat. Potom se karteziánské souřadnice mohou konvertovat zpět do polárních souřadnic pro vyhodnocení vazomotoriky. Toto bude umožňovat

větší úspěšnost a poskytovat přesnější výsledky při stanovení aktuální vazomotoriky.

Grafy na obr. 8 ilustrují výsledky monitorování lokální vazomotoriky v lidské koronární cévě in vivo. Monitorování lokální vazomotoriky se provedlo dvakrát přibližně ve stejném segmentu cévy a sestávalo ze 190 postupných obrazů, jak znázorňuje obr. 8(a) a B(b) (osa X). Rozdíl mezi dvěma grafy je proto, že vyhodnocení vazomotoriky znázorněné na obr.

8(a) se uskutečnilo před léčbou artérie, tj. před zákrokem, zatímco vyhodnocení vazomotoriky znázorněné na obr. 8(b) se uskutečnilo po léčbě artérie, tj. po zákroku.

Na každém obrazu se stanovila vazomotorika lokálně v každém polárním vektoru a potom se sčítaly všechny detegované individuální posuvy a zprůměrovaly pro vytvoření jednotlivé indikace globální vazomotoriky (osa Y) pro každý obraz, tj. indikace aktivity vazomotoriky.

Jednotky na ose Y nemají přímý fyziologický význam, protože aktuální kalibr cévy se nevypočítal, ale vztah mezi hodnotami na obr. 8(a) a 8(b) má význam, protože se vybraly ze stejné cévy. Tedy z těchto obrázků se může odvodit důležitá informace. Je třeba si povšimnout, jak se zvyšuje vazomotorika po léčbě (maximální vazomotorika od přibližně 40 do přiblližně 150). Proto právě ačkoli nebyla vazomotorika úplně kvantifikována, demonstrovala se změna ve fyziologii (pravděpodobně spojená s léčbou).

Kardiovaskulární periodicita se může monitorovat jenom na základě informace vložené do intravaskulárních ultrazvukových obrazů, a tím se eliminuje potřeba signálu EKG nebo • ·» • ·· • · · ··· · « · jakéhokoliv jiného externího signálu. To znamená, že mezi každým obrazem a jeho příslušnou časovou fází v kardiovaskulárním cyklu se může zavést návaznost bez potřeby externího signálu. Jakmile se toto spojení zavede, monitorování může nahradit signál EKG ve velkém počtu využití, které vyžadují srdeční hradlování. Toto monitorování se může provádět za použití operací přesnosti mezi postupnými obrazy. Mimoto stejné .operace podobnosti mohou produkovat informaci týkající se kvality intravaskulárních ultrazvukových obrazů a jejich chování.

Srdeční cyklus samotný projevuje cyklické chování určitých parametrů, které jsou vyjmuty z intravaskulárních ultrazvukových obrazů. Jestliže se chování těchto parametrů monitoruje, potom se může stanovit periodicita srdečního cyklu. Poznání řádového přírůstu rychlosti také umožňuje stanovení kardiovaskulárního cyklu jako časové kvantity.

Podobnost mezi postupnými intravaskulárními ultrazvukovými obrazy je parametrem, který se chová zřetelně v periodických vzorech. To je výsledkem periodicity většiny typů meziobrazového pohybu, které představují. Může se vytvořit funkce podobnosti, ve které je každá hodnota výsledkem operace podobnosti mezi párem postupných obrazů. Například soubor deseti obrazů bude vytvářet devět postupných podobných hodnot.

Funkce podobnosti se může odvodit z operace typu vzájemné korelace, operace součtu absolutních rozdílů nebo jakéhokoliv jiného typu operace, která produkuje typ funkce podobnosti. Normalizovaná vzájemná korelace produkuje velmi *·. . ·· ·· 4 » • · • · • · • · · · ··· <

• · • >

• « dobré výsledky, když se použije pro monitorování periodicity.

Následující vzorec znázorňuje vzorec pro koeficient vzájemné korelace (jako funkce N-tého obrazu) pro výpočet funkce podobnosti:

Korelace_funkce (N) = £ B(.r, y) * A(.py) / / (Σ A(x,y)^: * Σ B(x,y)² .r. v .».?· *>’ kde

Korelace-funkce(N) = jednorozměrná funkce produkující jednu hodnotu pro každý pár obrazů;

A = matice předcházejícího obrazu (N-tý obraz);

B = matice současného obrazu ((N+l)-tý obraz);

* = násobení obrazového prvku odpovídajícím obrazovým prvkem;

Σ = součet všech obrazových prvků v matici.

Korelační faktor je vedlejším produktem stabilizačního procesu, protože Střední hodnota (posuv X = 0, posuv Y = 0) normalizované matice vzájemné korelace (C(posuv X, posuv Y)) se vždy vypočítá. Toto je pravdivé pro všechny typy funkcí podobnosti použitých k stabilizaci. Střední hodnota matice podobnosti (C(posuv X = 0, posuv Y = 0)) buď vzájemné korelace, nebo jiného typu operace použité k stabilizaci se může vždy použít pro produkování funkce podobnosti.

Funkce podobnosti se může také vypočítat z obrazů, které se posunou navzájem, tj. hodnota použitá k vytvoření funkce je (C(posuv X, posuv Y)), kde posuv X a posuv Y se nerovnají nule. Funkce podobnosti se nemusí nezbytně vytvo42

řit z celých obrazů, ale může se také vypočítat z částí obrazů buď odpovídajících nebo navzájem posunutých.

Obr. 9 znázorňuje EKG a koeficient vzájemné korelace zakreslený graficky synchronním způsobem. Obě křivky se vztahují k stejnému souboru obrazů. Obr. 9(a) znázorňuje graf signálu EKG a obr. 9(b) znázorňuje graf koeficientu vzájemné korelace odvozený z postupných intravaskulárních ultrazvukových obrazů. Vodorovná osa zobrazuje počet obrazů (celkem 190 postupných obrazů). Jak se může pozorovat, funkce koeficientu vzájemné korelace na obr. 9(b) znázorňuje periodický vzor a jeho periodicita je stejná, jako je zobrazená pomocí signálu EKG na obr. 9(a) (obě znázorňují přibližně šest úderů srdce).

Monitorování periodicity funkce podobnosti se může komplikovat, protože funkce podobnosti nemá typický tvar, může se v čase měnit, je závislá na typu použité funkce podobnosti a může se měnit od segmentu cévy k segmentu a od subjektu k subjektu.

Monitorování periodicity funkce podobnosti může automaticky a kontinuálně využívat rozmanité metody. Jednou metodou například je metoda prahového typu. Tato metoda monitoruje hodnotu funkce podobnosti při určité hodnotě známé jako práh. Jakmile se tato hodnota deteguje, metoda monitoruje, když se práh znovu překročí. Perioda se stanoví jako rozdíl v době mezi překročením práhu. Příklad teto metody je znázorněn na obr. 10 jako tabulka. Tabulka znázorňuje skupinu hodnot koeficientu vzájemné korelace (střední řádka) náležejících postupným obrazům (čísla 1 až 10 znázorněná v horní řádce). Jestliže se práh položí například na hodnotě 0,885, potom se práh překročí najprve v úseku od obrazu #2 do obrazu #3. Práh se překročí podruhé v úseku od obrazu #6 do obrazu #7. Tedy časový úsek periodicity je doba potřebná pro získání 7-3=4 obrazů.

Další metodou, které se může použít k vyjmutí srdeční ý periodicity z křivky podobnosti, je vnitřní vzájmená korelace. Tato metoda využívá segmentu funkce podobnosti, tj.

’ί' ♦ skupinu postupných hodnot. Například v tabulce znázorněné na obr. 10 může segment obsahovat první čtyři postupné obrazy, tj. obrazy #1 až #4. Když se zvolí segment, podrobí se vzájemné korelaci sám se sebou za vytvoření hodnoty vzájemné korelace 1. Dále tento segment se podrobí vzájemné korelaci se segmentem stejné velikosti vyjmutým z funkce podobnosti, ale posunutým o jeden obraz vpřed. Toto se opakuje se segmentem posunutým o dva obrazy vpřed a tak dále. V příkladu znázorněném na obr. 10 by se segment {0,8; 0,83; 0,89; 0,85} podrobil vzájemné korelaci se segmentem posunutým o jeden obraz {0,83; 0,89; 0,85; 0,82}, potom segment {0,8; 0,83; 0,89; 0,85} by se podrobil vzájemné korelaci se segmentem posunutým o dva obrazy {0,89; 0,85; 0,82; 0,87} a tak dále. Dolní řádka v tabulce na obr. 10 znázorňuje výsledky této vnitřní vzájemné korelace. První hodnota 1 je výsledkem vzájemné korelace segmentu se sebou samým. Tyto hodnoty * vzájemné korelace se zkoumají za účelem stanovení polohy lokálních maxim. V tomto příkladě se lokalizují v obrazu #1 a obrazu #5 (jejich hodnoty se zobrazují tučně). Výsledná periodicita je rozdílem mezi polohou lokálního maxima a polohou, od které zahájilo vyhledávání (tj. obraz #1). V tomto příkladě je periodicita dobou, která uplyne od získání obrazu #1 do obrazu #5, která je 5 - 1 = 4 obrazy. Když se detegovala doba, znovu začne vyhledávání za použití segmentu • · ··

9 9 9 99 9 v okolí lokálního maxima, například obrazu #5. V tomto příkladu například nový segment by mohl být skupinou hodnot podobnosti patřících obrazu #4 až #7.

Kvůli povaze typu zahrnutého výpočtu vyžaduje operace vnitřní vzájemné korelace v určitém bodu v čase hodnoty podobnosti obrazu získané v budoucím čase. Tedy na rozdíl od prahové metody metoda podobnosti vyžaduje vložení obrazů (do paměti) a detekce periodicity se uskutečňuje retrospektivně. Srdeční periodicita se může monitorovat také transformací křivky podobnosti do oboru časové frekvence pomocí Fourierovy transformce. V oboru frakvencé by se měla periodicita vyjádřit jako pík odpovídající periodicitě. Tento pík se může detegovat použitím spektrální analýzy.

Funkce podobnosti může poskytovat přídavnou důležitou informaci o intravaskulárních ultrazvukových obrazech, které se nemohou vyjmout z externích signálů, jako je EKG, které nejsou odvozeny z aktuálních obrazů. Chování této funkce může naznačovat určité stavy v intravaskulárních ultrazvukových obrazech nebo částech obrazu použitých k vytváření funkce podobnosti. Důležitými rysy ve funkci podobnosti, svědčícími o stavu intravaskulárních ultrazvukových obrazů, jsou přítomnost periodicity a „nerovnost funkce podobnosti. Normální intravaskulární ultrazvukové obrazy by měly projevovat relativně hladkou a periodickou funkci podobnosti, jak se zobrazuje například na obr. 9(b).

Ale jestliže se nevyskytuje „nerovnost a/nebo periodicita, potom toto může indikovat určitý problém v informaci intravaskulárních ultrazvukových obrazů, tj. přítomnost artefaktu v zobrazeném útvaru způsobený například mechanic• · · · · · · • · kou nebo elektronickou špatnou funkcí. Následující obrázek to pomáhá ilustrovat. Obr. 11 znázorňuje graf koeficientu vzájemné korelace odvozeného z postupných intravaskulárních ultrazvukových obrazů. Tento graf je analogický v jeho informaci zakreslené vzájemné korelace na obr. 9 (b) , ale v tomto příkladě je vytvořený pomocí odlišného zobrazovacího katétru použitého v odlišnému subjektu.

V tomto příkladě je jasné, že funkce podobnosti neprojevuje jasnou periodicitu ani nemá hladký vzhled, ale spíše nerovný nebo špičatý vzhled. V tomto případě chování grafu podobnosti bylo způsobeno nerovnoměrností rotace intravaskulárního ultrazvukového měniče odpovědného za vysílání/hromadění ultrazvukových signálů zobrazených na obrazu. Tento typ artefaktu se někdy vyskytuje v intravaskulárních ultrazvukových sestavách katétr-měnič, ve kterých se pohybují mechanické části.

Funkce podobnosti může sloužit k dalším účelům, když se uvažuje k odrážení normálních zobrazovacích podmínek. Toto je spojeno s lokalizací maxima v každém cyklu funkce podobnosti. Lokalizace těchto maxim může být důležitá pro algoritmy zpracování obrazu, které zpracovávají několik postupných obrazů dohromady. Obrazy nacházející se blízko maxim obrazů mají sklon k vysoké přesnosti a malému meziobrazovému pohybu navzájem. Dodatečně, jestliže se vyžaduje vybrat obrazy náležející ke stejné fázi postupných srdečních cyklů, je obvykle nej lepší vybrat je za použití maxim (funkce podobnosti) v každém cyklu.

Například v jedné zobrazovací metodě se tyto obrazy promítají nahoru na zobrazovací jednotku a mezery se vyplňu46 jí interpolovanými obrazy. Pomocí této zobrazovací metody se mohou stabilizovat všechny typy periodického pohybu.

Stupeň logiky posuvu ve stabilizačním procesu se může uskutečnit také použitím monitorování kardiovaskulární periodicity. Jestliže se má zabránit driftu, akumulovaný posuv po každém (jednotlivém) srdečním cyklu by měl být malý nebo rovný nule, tj. výsledkem součtu všech posuvu po dobu cyklu by měla být nula nebo by měl být blízko nuly. To znamená, že fenomén driftu se může omezit pomocí využití logiky posuvu, která je spojená s monitorováním periodicity.

S odkazem na obr. 12 většina intravaskulárních ultrazvukových obrazů se může rozdělit na tři základní části. Centrální oblastí (kolem katétru) označeného na obr. 12 jako_; lumen, je aktuální lumen nebo vnitřek průchodu (dutiny), kterým proudí kapalina, například krev. Kolem lumenu je aktuální céva označená na obr. 12 jako „céva, skládající se z několika vrstev tkáně a povlaku (jestliže je nemocná). Kolem cévy je jiná označená na obr. 12, jako „vnějšek, tj. svalová nebo orgánová tkáň, například srdce v obrazu koronární cévy.

Když se intravaskulární ultrazvukové obrazy prohlížejí dynamicky (tj. ve filmovém formátu), zobrazovací jednotka vnitřku, kde proudí krev, a vnějšku v sousedství cévy obvykle znázorňuje odlišné chování v čase než céva samotná.

Automatické monitorování časového chování obrazových prvku v intravaskulárních ultrazvukových obrazech by umožňovalo použití informace vyjmuté při zpracování za účelem napomáhání interpretaci intravaskulárních ultrazvukových • 0 ·· obrazů. Této informace se může použít ke stupňování intravaskulárních ultrazvukových zobrazování filtrací nebo potlačováním výskytu rychle se měnících rysů, jako je kapalina, například krev, a okolní tkáň, při přínosu jejich časového chování. Této informace se může použít k automatické segmentaci za účelem stanovení velikosti lumenu automaticky při stanovení kapaliny, například krve a okolní tkáně, založeném na časovém chování strukturních vlastností tvořených jejich tvořícími obrazovými prvky.

Aby se uskutečnilo automatické monitorování časového chování, musí se vyhodnotit vztah mezi vlastnostmi vytvořenými odpovídajícími obrazovými prvky náležejícími k postupným obrazům. Vyjmutí časového chování se podobá metodám použitým pro operaci podobnosti na lokalizované bázi, jak se popisuje předtím.

Velké časové změny se charakterizují pomocí relativně velkých relativních změn hodnot šedé odpovídájích obrazových prvků, když se prochází od jednoho obrazu k druhému. Tyto rychlé časové změny se mohou potlačovat na zobrazovací jednotce vyjádřením těchto změn vytvořením masky, která násobí původní obraz. Tato maska odráží časové změny v hodnotách obrazových prvků. Problémem, který vystupuje při tomto vyhodnocení je stanovení, zda změny hodnoty šedé v odpovídajích hodnotách obrazových prvků jsou způsobeny prouděním nebo změnou v látce, nebo pohyby cévy/katétru. Prováděním tohoto vyhodnocení na stabilizovaných obrazech se překonává nebo alespoň minimalizuje tento problém.

Používá se následujících definicí:

B = současný (nynější) (stabilizovaný nebo nestabilizovaný) • · · · 1 i * ··· ···· 11 9 l1 11

D2 je definována podobně, ale pro matice B a C.

Dl a D2 jsou vskutku odlišnými matcemi, které se zprůměrují za použití okolí 3x3, aby se omezily lokální fluktuace nebo poruchy. Velké změny hodnoty šedé mezi obrazy A a B nebo mezi B a C budou vyjádřeny jako poměrně velké hodnoty v maticích Dl a D2.

Dále se vytvoří nová matice, Dmax, ve které každý obrazový prvek je maximum odpovídajících obrazových prvků v maticích Dl a D2:

Dmax = max(Dl,D2) kde max(Dl, D2) = každý obrazový prvek v Dmax je největším ze dvou odpovídejích obrazových prvků v Dl a D2.

Tedy zejména samotná matice Dmax stupňuje velké změny obrazových prvků mezi maticemi A, B a C. Maskovací matice (MD) se potom vytvoří z Dmax pomocí normalizace, tj. každý obrazový prvek v Dmax se dělí maximální hodnotou z Dmax. Proto hodnoty obrazových prvků masky MD jsou v rozmezí od 0 do 1.

Funkcí masky je znásobit současný obraz B následujícím způsobem, vytvořením nové matice nebo obrazu definovaného jako BOUT:

BOUT = (l-MDⁿ) * B kde

B - původní současný obraz;

obraz;

A = předcházející (stabilizovaný nebo nestabilizovaný) obraz;

C = následující (stabilizovaný nebo nestabilizovaný) obraz; abs - absolutní hodnota.

Použité matice mohou být v karteziánské nebo v polární formě.

Následující operace, jejíž výsledkem je matice Dl, bude definována takto: Dl je matice, ve které každý obrazový prvek se souřadnicemi X, Y je součtem absolutních rozdílů jeho malého obklopujícího okolí, například 9 prvků (X - 2: X +2, Y - 2: Y + 2 - dvojmocnina 3x3) vyjmutý z obrazů A a B.

Například následující ilustrace znázorňuje odpovídající obrazové prvky (tučně) a jejich blízké okolí v maticích A a

B.

	A	B	Dl
	1 4 51	3 6 8
	6 7 15	3 4 70	190
	3 5 83	2 1 6

Obrazový prvek v matici Dl s polohou odpovídající obrazovým prvkům s hodnotou 4 (v B) a 7 (v A) bude určovat následující hodnotu:

abs(l-3) + abs (4-6) + abs(51-8) + abs(6-3) + abs(7-4) + abs( 15-70) + abs(3-2) + abs(5-l) + abs(83-6) = 190 • φ · · φ φφφφ φ φ φ φ • φ φ φ φφ φ φφφφ • φ φφφ φφφφ

BOUT - nový obraz;

^η = každý obrazový prvek v matici MD se zvětšuje s mocninou η. n je obecně číslo s hodnotou například 2 až 10;

- MDⁿ = matice, ve které každá hodnota obrazového prvku je jedna mínus hodnota odpovídajícího obrazového prvku v MD.

Odčítáním 1 - MDⁿ malé hodnoty MD, které odrážejí pomalé změny rysů, se stávají velkými hodnotami v 1 - MDⁿ. Kromě toho pravděpodobnost, že jenom pomalé změny rysů budou mít velké hodnoty, se zvyšuje následkem předcházejícího zvýšení vysokých hodnot MD (vytvořením MD jako maxima mezi maticemi Dl a D2).

Násobení masky (1 - MDⁿ) současným obrazem B, vytváří nový obraz BOUT, na kterém se zvyšuje výskyt pomalu se měnících obrazových prvků, zatímco hodnoty rychle se měnících obrazových prvků se snižují. Číslo n určuje, jak silné po-. tlačování rychle se měnících rysů bude vidět na zobrazovací jednotce.

Obr. 13 ilustruje výsledky časové filtrace. Levý obraz je původním intravaskulárním ultrazvukovým obrazem (tj. matice B) koronární cévy, jak by byla vidět na běžné zobrazovací jednotce. Pravý obraz se podrobil krokům zpracování popsaným výše, tj. časové filtraci (matice BOUT). Je třeba si všimnout na pravém obrazu, že krev a okolní tkáň se filtruje (potlačuje) a okraje lumenu a cévy je možno mnohem snadněji identifikovat.

Automatická segmentace diferencuje kapalinu, tj. krev, a vnějšek od stěny cévy na základě rozdílů mezi časovým chováním strukturní kvality. Jako v případě časové filtrace it · l»« « · · · 9 9 9 • · * • * · • · »

• · » · • · · 9 · · 9 · · tato metoda se odovzuje od vzájemného vztahu mezi odpovídajícími obrazovými prvky z počtu postupných obrazů. Jestliže se hodnoty obrazových prvků mění následkem meziobrazového pohybu, potom se uskutečnění algoritmu degraduje. Uskutečnění stabilizace před automatickou segmentací bude překonávat nebo alespoň minimalizovat tento problém.

Budou se aplikovat následující definice jako v případě časové filtrace:

B = současný (nynější) (stabilizovaný nebo nestabilizovaný) obraz;

A = předcházející (stabilizovaný nebo nestabilizovaný) obraz;

C = následující (stabilizovaný nebo nestabilizovaný) obraz.

Matice mohou být v karteziánské nebo v polární formě.

Strukturní kvalita se může definovat takto: Za předpokladu, že čtyři nejbližší okolí obrazového prvku s hodnotou „a, jsou „b, „c, „d a „e, potom klasifikace „a bude závislá na jeho vztahu s „b, „c, „d a „e. To se může znázornit následující ilustrací:

b c a d e

Nyní se mohou vytvářet následující kategorie:

Ve vertikálním směru:

jestliže a>b a a>e, potom „a se klasifikuje jako příslušející ke kategorii I;

• 4 4 4 · 4 4 9 4 '9 4 4 4 • •44 4 4 4 4·»4

4 444 4444

44444 4 44* 999 • 4 4 4 4 ·4 í e S J j S S 5 4 9 9 ® 4 jestliže a>b a a<e, potom „a se klasifikuje jako příslušející ke kategorii II;

jestliže a<b a a<e, potom „a se klasifikuje jako příslušející ke kategorii III;

jestliže a<b a a>e, potom „a se klasifikuje jako příslušející ke kategorii IV;

jestliže a=b nebo a=e, potom „a se klasifikuje jako příslušející ke kategorii V.

V horizontálním směru: jestliže a>c a a>d, potom „a se jící ke kategorii I;

jestliže a>c a a<d, potom „a se jící ke kategorii II; jestliže a<c a a<d, potom „a se jící ke kategorii III; jestliže a<c a a>d, potom „a se jící ke kategorii IV; jestliže a=c nebo a=d, potom „a šející ke kategorii V.

klasifikuje jako příslušeklasifikuje jako příslušeklasifikuje jako příslušeklasifikuje jako příslušese klasifikuje jako přísluVertikální a horizontální kategorie se dále kombinují za účelem vytvoření nové kategorie. Následkem toho může nyní obrazový prvek „a patřit k 5 x 5 = 25 možným kategoriím. To znamená, že strukturní kvalita „a je charakterizována pomocí jeho přináležitosti k jedné z těchto (25) kategorií.

Například v tomto okolí:

10 14

9 99 9 9 ··’' 9'·

9 9 9 9 9

9 9 9 9 9 • 9 · 999 99 9 · · *

9 99 99

Obrazový prvek „a = 10 se klasifikuje jako patřící ke kategorii, která zahrnuje kategorii I vertikálně (protože 10>7 a 10>3) a kategorii V horizontálně (protože 10=10). Ale jestliže obrazový prvek „a by byl umístěn v tomto okolí:

10 14 byl by klasifikován jako náležející k odlišné kategorii, protože jeho horizontální kategorií je nyní kategorie III (10<ll a 10<14).

Pomocí určení vztahu každého obrazového prvku k jeho blízkému okolí se vytvořila strkturní kvalita, která klasifikuje každý obrazový prvek do 25 možných kategorii. Počet kategorií se může měnit (zvyšovat nebo snižovat), například změnou podmínek kategorizace, což může počet blízkých sousedů, například se může místo 4 použít 8 blízkých sousedů.

Základním pojmem, pomocí kterého se využívají strukturní změny k odlišování kapaliny, například krve, od cévy, je monitorování změny v kategoriích odpovídajích obrazových prvků v postupných obrazech. Aby se toto uskutečnilo, určí se kategorie v každém obrazovém prvku v matricích A, B a C. Dále odpovídající prvky se testují kvůli zjištění, zda se kategorie změnila. Jestliže ano, potom obrazový prvek se pokládá za obrazový prvek kapaliny, například krve, nebo okolní tkáně. Jestliže se nezměnila, potom se obrazový prvek pokládá za obrazový prvek cévy.

• · 9 9

Následující příklad znázorňuje zové prvky (s hodnotami 8, 12 a 14)	tři odpovídající obra-
a jejich	okolí v postup-
ných	maticích A, B a C.
	A	B		C.
	5	9		1
	9 8 11	19 12 13	21	14 17
	23	100		20
	V tomto příkladě kategorie s hodnotu 12	(v B) je stejná
j ako	v A a C, tedy bude	klasifikována jako obrazový prvek s

vyšší pravděpodobností, že je obrazovým prvkem stěny cévy. Jestliže ale bude situace vypadat, jak se znázorňuje níže (20 v C se mění na 13):

8 11 19 12 13 21 14 17

100 12 potom obrazové prvky 8 v A a 12 v B mají stejné kategorie, ale 14 v C má odlišnou kategorii než v předcházejícím příkladě. Výsledkem je to, že obrazový prvek 12 v B bude klasifikován jako obrazový prvek s vyšší pravděpodobností, že je obrazovým prvkem kapaliny (lumenu), například krve, nebo vnější tkáně.

Klasifikačná metoda, doposud popisovaná, monitoruje změnu struktury nebo vzoru spojenou s malým okolím kolem každého obrazového prvku. Když se tato změna stanoví jak se popisuje výše, každý obrazový prvek může udávat dvojkovou hodnotu. Například hodnotu 0, pokud se obrazový prvek poklá55 dá za obrazový prvek cévy, nebo hodnotu 1, jestliže je pokládán za obrazový prvek krve nebo obrazový prvek patřící vnějšku cévy. Dvojkový obraz slouží jako vstup pro proces identifikace lumenu a původní hodnoty obrazového prvku přestávají hrát roli v procesu segmentace.

Identifikace lumenu za použití dvojkového obrazu je založená na dvou předpokladech, které obecně platí v intravaskulárních ultrazvukových zobrazováních zpracovaných způsobem popsaným výše. Prvním je to, že oblasti na obrazu, který obsahuje krev nebo se nacházejí ve vnějšku cévy, se charakterizují vysokou hustotou obrazových prvků s dvojkovou hodnotou 1 (nebo s malou hustotu obrazových prvků s hodnotou 0). Termín hustota je potřebný, protože vždy existují obrazové prvky, které jsou chybně klasifikovány. Druhým předpokladem je z morfologického hlediska to, že spojené oblasti vysoké hustoty obrazových prvků s hodnotou 1 (lumen) by se měly nacházet kolem katétru a obklopeny spojenými oblastmi s málo hustotou obrazových prvků s hodnotou 1 (céva), které jsou zase naopak obklopeny spojenými oblastmi vysoké hustoty obrazových prvků s hodnotou 1 (vnějšek cévy). Důvodem tohoto předpokladu je typické morfologické uspořádání očekávané od krevní cévy.

Tyto dva předpoklady tvoří základ následujícího algoritmu zpracování, který vyjímá aktuální cévu spojenou s lumenem mimo dvojkový obraz. Tento algoritmus může využít známých technik zpracování obrazu, jako je prahování hustoty znaků v lokalizovaných oblastech (pro rozlišování krve/vnějšku od cévy) a morfologické operátory, jako je dilatace, nebo vázání k spojením a vytvoření spojených oblastí, které ·« *· ····

9 9 9 9

9 9 9

9 9 9 9

9 9 9

9999 99 9

9 9 9

9 9

9 9

999 9 9 9 • ·

9 *· by měly představovat aktuální lumen nacházející se v omezeních cévní stěny.

Obr. 14 znázorňuje obraz výsledků algoritmu pro automatické vyjmutí lumenu. Obraz je původním intravaskulárním obrazem (například jak se popisuje výše, jako obraz B) a okraje lumenu jsou položeny jako jasná čára. Algoritmus pro vyjmutí okrajů lumenu byl založen na monitorování změny strukturní kvality popsaném výše, za použití tří postupných obrazů.

Výše popsané příklady časové filtrace a automatické segmentace zahrnují použití 2 doplňkových obrazů (například jak se popisuje výše jako obrazy A a C) dodatečně k současnému obrazu (například jak se popisuje výše jako obraz B). Ale obě tyto metody by se mohly modifikovat za účelem využití méně (tj. jenom jednoho doplňkového obrazu) nebo více doplňkových obrazů.

Uskutečnění dvou metod popsaných výše bude značně vystupňováno, pokus se kombinuje s monitorováním kardiovaskulární periodicity. Tohoto se využívá zejména při postupných obrazech, ve kterých monitorování kardiovaskulární periodicity produkuje vysoké meziobrazové přesné hodnoty. Tyto obrazy nemají obvykle žádný meziobrazový pohyb. Tedy nej spolehlivější výsledky se mohou očekávat, když postupné obrazy s maximální meziobrazovou podobností se přivádějí jako vstupy pro časovou filtraci nebo automatickou segmentaci.

Během léčby cévy za použití keteterizace je běžnou praxí opakovat intravaskulární ultrazvukový tah zpět ve stejném úseku cévy. Například typickou situací je předně prohlížet ·* ««»4 * ·· • 9 9 9 • · 9 · • · »*» ·«·· • · ·

• 9 • ·

99

9 9 9 9

9 9 9 9

9 9 9 9 9 99

9 9

99. 99.

segment z hlediska vyhodnocení nemoci (pokud nějaká je), odstranit intravaskulární ultrazvukový katétr, zvážit volby léčby, uskutenit léčbu a potom ihned po (v průběhu stejného semestru) prohlédnout ošetřený segment vždy za použití intravaskulárního ultrazvuku za účelem stanovení výsledku léčby.

Aby se náležitě ocenily výsledky takové léčby, odpovídající segmenty před terapií a segmenty po terapii, které jsou ve stejné poloze podél délky cévy, tj. odpovídající segmenty, by se měly porovnat. Následující metoda poskytuje párování, tj. automatickou identifikaci (registraci) odpovídá jí cíh segmentů.

Za účelem uskutečnění párování odpovídajících segmentů se aplikovaly operace přesnosti/podobnosti. mezi obrazy.........

náležejícími k první skupině postupných obrazů, tj. referenční segment, prvnímu filmu s tahem zpět a obrazy náležejícími ke druhé skupině postupných obrazů, tj. druhému filmu s tahem zpět. Párování referenčního segmentu v prvním filmu s jeho odpovídajícím segmentem v druhém filmu se získá, když se maximalizují určitá kritéria funkce.

Vybere se referenční segment z jednoho nebo ze dvou filmů. Referenční segment může být skupinou postupných obrazů představujících například několik sekund filmu intravaskulárního ultrazvukového obrazu. Je důležité vybrat referenční segment z polohy v cévě, která je dvou filmech a nebyla podrobena žádné změně jako výsledku určitého postupu, tj. referenční segment je proximální nebo distální k ošetřovanému segmentu.

objasňovat meto58 *· • 9 *

♦ ···· ·· -V·'·'· ·' t ·

9 9 · 9

9 · *· · • · · ···

Jako příklad pomáhá tabulka na obr. du párování odpovídájích segmentů.

Levý sloupec znázorňuje časovou sekvenci prvního filmu, v tomto případě film obsahu e 20 postupných obrazů. Střední sloupec znázorňuje referenční segment, který je zvolen z druhého filmu a obsahuje 10 postupných obrazů. Pravý sloupec obsahuje 10 postupných obrazů z prvního filmu (#5 až # 14), které aktuálně odpovídají (nebo párují) obrazům referenčního segmentu z druhého filmu (#1 až #10). Účelem procesu párování je aktuálně odhalit tuto shodu.

Když se zvolí referenční segment, posune se podél jiného filmu, jeden obraz (nebo více) kdykoliv a uskuteční se stabilizace a operace podobnosti mezi odpovídajícími segmenty v každém segmentu. Směr posuvu závisí na relativní poloze referenčního segmentu v časové sekvenci dvou filmu. Obecně ale, jestliže to není známo, posuv se může uskutečnit v obou směrech.

Například kde r = referenční segment; a f = první film, první řada operací se uskuteční mezi obrazy obsahujícími následující páry:

r#l-f#l, r#2-f#2,, r#3-f#3,...,r#10-f#10.

Druhá množina operací se uskuteční mezi obrazy obsahujícími následující páry:

r#l-f#2, r#2-f#3, , r#3-f#4, . . ., r#10-f#U .

• · · · · ·

Třetí množina operací se uskuteční mezi obrazy obsahujícími následující páry:

r#l-f#3, r#2-f#4, r#3-f#5,...,r#10-f#12 a tak dále. Jak se může sladovat v tomto příkladě, posunutí se uskutečňuje^ři jednom obrazu kdykoliv a jenom v jednom směru.

Například se mohou uskutečnit následující operace mezi obrazy v každém páru. Za prvé obraz z referenčního segmentu se stabilizuje pro rotační a karteziánský pohyb vzhledem k jeho protějšku v prvním filmu. Potom se uskuteční operace podobnosti mezi obrazy v každém páru. Tato operace může být například normalizovanou vzájemnou korelací (diskutovanou výše vzhledem k detekci periodicity). Každá taková operace produkuje přesnou hodnotu podbnosti, například koeficient vzájemné korelace, když se využívá normalizované vzájemné korelace. Množina takových operací bude produkovat jistý počet hodnot vzájemné korelace. V příkladě znázorněném v tabulce 15 kdykoliv se referenční segment posune, produkují se nové koeficienty vzájemné korelace.

Hodnoty podobnosti produkované množinou operací se potom mohou promítnout do některého typu funkce podobnosti například funkce průměrování. Za použití výše uvedeného příkladu se sčítají koeficienty vzájemné korelace a potom dělí počtem párů, tj. 10. Výsledkem každé množiny operací je proto jediná hodnota, tj. zprůměrovaná podobnost, která by měla představovat stupeň podobnosti mezi referenčním segmentem a jeho dočasným protějškem v prvním filmu. Tedy výsledkem první množiny operací bude jediná hodnota, výsledkem druhé množiny operací bude jiná hodnota atd.

Můžeme očekávat, že maximální průměrná podobnost se bude vyskytovat jako výsledek operací uskutečněných mezi segmenty, které jsou velmi podobné, tj, odpovídající nebo párované segmenty.

Ve výše uvedeném příkladě by měly být tyto segmenty y během 5 množin operací, které se uskuteční mezi obrazy zahrnujícími následující páry: r#l-f#5, r#2-f#6, r#3-f#7,...,r#10-f#14.

. Maximální průměrná podobnost by proto měla indikovat odpovídající segmenty, protože každý pár obrazů představuje ve skutečnosti odpovídající obrazy, tj. tyto znázorňují stejnou morfologii. Ale kritéria nemohou být podle tohoto algoritmu. To může vzít v úvahu například vytváření funkce .

' podobnosti odvozené z mnoha posunutých poloh segmentu místo použití jenom jedné hodnoty, která ukazuje, že je maximem.

Když se odpovídající segmenty identifikují, úplný první a druhý film se mohou synchronizovat navzájem. To bude výsledkem vhodného posuvu snímků objeveného se v procesu párování, realizovaného v jednom filmu vzhledem ke druhému. Tedy, když se prohlížejí dva filmy strana za stranou, objeví ’ se segment před terapií současně s úsekem po terapii.

Mimo to pro synchronizaci odpovídajícíh segmentů výše uvedená operace také stabilizuje odpovídající segmenty navzájem. Toto dále zvyšuje schopnost porozumět změnám v morfologii. Tedy dokonce, když se katétr znovu vloží do cévy, jeho poloha a orientace jsou vhodné ke změnám, přestože * obrazy ve filmech před terapií a po terapii se budou navzájem stabilizovat.

• · · · • · • · · · · · • · ·♦ ··

Počet obrazů použitých pro referenční segment se může měnit. Bude to více obrazů použitých v procesu párování, více robustních a méně náchylných k lokálním chybám. Ale výměna vyžaduje více výpočtového času pro výpočty pro každý proces párování, protože počet párů stoupá.

Při získávání filmů při tahu zpět je důležité, aby tah zpět zůstával stabilní a byl známý. Upřednostňuje se, aby rychlost tahu zpět byla totožná v dvou získáních.

Je možných mnoho rozličných variací předloženého vynálezu. Různé znaky popsané výše se mohou individuálně a nezávisle na sobě sloučit. Tyto znaky se mohou také kombinovat v různých seskupeních.

• · · · fV ttD-1-98 ··· ···· ··

Claims (49)

1. PATENTOVÉ NÁROKY (upravené)

   1. Intravaskulární ultrazvukové zobrazovací zařízení obsahující:

   vysílač a detektor ultrazvukového signálu umístěn v tělesném lumenu; a procesor spojený s vysílačem a detektorem ultrazvukového signálu, přičemž procesor je programován k:

   a) odvozování prvního obrazu z detegovaných ultrazvukových signálů,

   b) odvozování druhého obrazu z detegovaných ultrazvukových signálů,

   c) porovnávání druhého obrazu s prvním obrazem, a

   d) zpracování prvního a druhého obrazu.
2. 2. Zařízení podle nároku 1, vyznačující se tím, že porovnávání druhého obrazu s prvním obrazem zahrnuje vyhodnocování druhého obrazu vzhledem k prvnímu obrazu.
3. 3. Zařízení podle nároku 1, vyznačující se tím, že procesor programovaný k odvozování zahrnuje alespoň zpracování nebo digitalizaci.
4. 4. Zařízení podle nároku 1 dále obsahující zobrazovací jednotku spojenou s procesorem.
5. 5. Zařízení podle nároku 1,vyznačující se tím, že odvozování zahrnuje konfigurování dvourozměrného pole.

   • · * · · · * ··· ···· ·· · ·· ··
6. 6. Zařízení podle nároku 5, vyznačující se tím, že dvourozměrné pole se konfiguruje alespoň v polárních nebo karteziánských souřadnicích.
7. 7. Zařízení podle nároku 5, vyznačující se tím, že dvourozměrné pole se konfiguruje v polárních a karteziánských souřadnicích.
8. 8. Zařízení podle nároku 5, vyznačující se tím, že dvourozměrné pole má množinu prvků, každý z množiny prvků představuje detegovaný ultrazvukový signál z předem určené prostorové polohy.
9. 9. Zařízení podle nároku 2, vyznačující se tím, že vyhodnocování druhého obrazu vzhledem k prvnímu obrazu zahrnuje vyhodnocení posuvu.
10. 10. Zařízení podle nároku 2, vyznačující se tím, že vyhodnocování druhého obrazu vzhledem k prvnímu obrazu zahrnuje alespoň jednu operaci podobnosti.
11. 11. Zařízení podle nároku 10, vyznačuj ící se t í m , že alespoň jedna operace podobnosti zahrnuje alespoň jednu operaci ze souboru zahrnujícího vzájemnou korelaci, normalizovanou vzájemnou korelaci a součet absolutních rozdílů.
12. 12. Zařízení podle nároku 11, vyznačuj ící se t í m , že vzájemná korelace zahrnuje alespoň přímou vzájemnou korelaci nebo Fourierovu transformaci.
13. 13. Zařízení podle nároku 2, vyznačuj ící • · · · • · · · • · · · ···· • · · · · · ······ se t í m , že vyhodnocení druhého obrazu vzhledem k prvnímu obrazu se provádí za použití alespoň·karteziánských souřadnic nebo polárních souřadnic.
14. 14. Zařízení podle nároku 2, vyznačuj ící se t í m , že vyhodnocení druhého obrazu vzhledem k prvnímu obrazu se provádí alespoň v jednom rozměru.
15. 15. Zařízení podle nároku 1, vyznačuj ící se t i m , že procesor je dále programován k detekci alespoň jednoho pohybu ze souboru zahrnujícího karteziánské posunutí, rotační pohyb a vazomotoriku.
16. 16. Zařízení podle nároku 15, vyznačující se t i m , že alespoň jeden pohyb ze souboru zahrnujícího karteziánské posunutí a rotační pohyb je rigidní.
17. 17. Zařízení podle nároku 15, vyznačující se tím, že alespoň jeden pohyb ze souboru zahrnujícího karteziánské posunutí a rotační pohyb je lokální.
18. 18. Zařízení podle nároku 15, vyznačuj ící se t i m , že vazomotorika je globální.
19. 19. Zařízení podle nároku 15, vyznačuj ící se t í m , že vazomotorika je lokální.
20. 20. Zařízení podle nároku 1, vyznačuj ící se t í m , že procesor je dále programován k automatickému monitorování změny v detegovaných ultrazvukových signálech pro alespoň zesílení obrazu nebo identifikaci lumenu.
21. 21. Zařízení podle nároku 20, vyznačuj ící se t í m , že zpracování zahrnuje alespoň klasifikaci časové změny struktury nebo časovou filtraci.
22. 22. Zařízení podle nároku 1, vyznačuj ící se t i m , že procesor je dále programován k automatic* kému monitorování kardiovaskulární periodicity.

    »Ί λ
23. 23. Zařízení podle nároku 1, vyznačuj ící se t i m , že procesor je dále programován k automatickému monitorování kvality obrazu.
24. 24. Intravaskulární ultrazvukové zobrazovací zařízení obsahující:

    vysílač a detektor ultrazvukového signálu umístěn v .tělesném lumenu; a procesor spojený s vysílačem a detektorem ultrazvukového signálu, přičemž procesor je programován k:

    a) odvozování prvního obrazu z první množiny detegovaných ultrazvukových signálů,

    b) odvozování druhého obrazu z druhé množiny detegovaných ultrazvukových signálů,

    c) porovnávání druhého obrazu s prvním obrazem, .» d) automatické monitorování změny v delegovaných ultrazvukových signálech, ’ e) automatické monitorování kardiovaskulární periodicity, a

    f) stabilizaci druhého obrazu vzhledem k prvnímu obrazu.
25. 25. Intravaskulární ultrazvukové zobrazovací zařízení obsahuj ící:

    vysílač a detektor ultrazvukového signálu umístěn v tělesném lumenu a pohybující se úsekem tělesného lumenu;

    procesor spojený s vysílačem a detektorem ultrazvukového signálu, přičemž procesor je programován k:

    a) odvozování prvního obrazu z ultrazvukových signálů detegovaných během prvního pohybu vysílače a detektora ultrazvukového signálu úsekem,

    b) odvozování druhého obrazu z ultrazvukových signálů detegovaných během druhého pohybu vysílače a detektoru ultrazvukového signálu úsekem,

    c) porovnávání druhého obrazu s prvním obrazem, a

    d) zpracování prvního a druhého obrazu; a zobrazovací jednotku spojenou s procesorem, kde procesor reguluje zobrazování druhého obrazu založené na porovnání.
26. 26. Intravaskulární ultrazvukové zobrazovací zařízení obsahující:

    vysílač a detektor ultrazvukového signálu umístěn v tělesném lumenu a pohybující se úsekem tělesného lumenu;

    procesor spojený s vysílačem a detektorem ultrazvukového signálu, přičemž.,.procesor je programován k:

    a) odvozování prvního obrazu z ultrazvukových signálů detegovaných z první části úseku,

    b) odvozování druhého obrazu z ultrazvukových signálů detegovaných z druhé části úseku,

    c) porovnávání druhého obrazu s prvním obrazem, a

    d) zpracování prvního a druhého obrazu; a zobrazovací jednotku spojenou s procesorem, kde procesor reguluje zobrazování druhého obrazu založené na porovnání.
27. 27. Intravaskulární ultrazvukové zobrazovací zařízení obsahující:

    vysílač a detektor ultrazvukového signálu umístěn v tělesném lumenu; a procesor spojený s vysílačem a detektorem ultrazvukového signálu, přičemž procesor je programován k:

    a) odvozování prvního obrazu z první množiny detegovaných ultrazvukových signálů,

    b) odvozování druhého obrazu z druhé množiny detegovaných ultrazvukových signálů,

    c) uskutečnění automatického monitorování, a

    d) vyhodnocení druhého obrazu vzhledem k prvnímu' obrazu.
28. 28. Zařízení podle nároku 27, vyznačuj ící se t i m , že procesor automaticky monitoruje první obraz a druhý obraz pro vazomotoriku.
29. 29. Zařízení podle nároku 28, vyznačuj ící se t i m , že vazomotorikou je alespoň lokální vazomotorika nebo globální vazomotorika.
30. 30. Zařízení podle nároku 27, vyznačuj ící se t i m , že procesor je dále programován k vytváření funkce podobnosti.
31. 31. Zařízení podle nároku 30, vyznačuj ící se t i m , že funkce podobnosti se vytváří za použití alespoň jedné operace ze souboru zahrnujícího vzájemnou korelaci, normalizovanou vzájemnou korelaci a součet absolutních rozdílů.
32. 32. Zařízení podle nároku 30, vyznačující se t í m , že procesor automaticky monitoruje funkci podobnosti pro kardiovaskulární periodicitu.
33. 33. Zařízení podle nároku 32, vyznačuj ící se t í m , že procesor automaticky monitoruje funkci podobnosti pro kardiovaskulární periodicitu za použití alespoň jedné operace ze souboru zahrnujícího prahové křížení, vnitřní podobnost, Fourierovu transformaci a spektrální analýzu.
34. 34. Zařízení podle nároku 30, vyznačuj ící se t í m , že funkce podobnosti se analyzuje pro kvalitu obrazu.
35. 35. Zařízení podle nároku 30, v y z n a č u jící se tím, že vyhodnocení zahrnuje vyhodnocení posuvu.
36. 36. Intravaskulární ultrazvukové zobrazovací zařízení obsahující:

    vysílač a detektor ultrazvukového signálu umístěn v tělesném lumenu; a procesor spojený s vysílačem a detektorem ultrazvukového signálu, přičemž procesor je programován k:

    a) odvozování prvního obrazu z první množiny detegovaných ultrazvukových signálů,

    b) odvozování druhého obrazu z druhé množiny detegovaných ultrazvukových signálů,

    c) vyhodnocení druhého obrazu vzhledem k prvnímu obrazu, a

    d) stabilizaci druhého obrazu vzhledem k prvnímu obrazu.
37. 37. Zařízení podle nároku 36 dále Obsahující zobrazovací jednotku spojenou s procesorem k zobrazování prvního obrazu a stabilizovaného druhého obrazu.
38. 38. Zařízení podle nároku 36, vyznačuj ící se t í m , že stabilizace druhého obrazu vzhledem k prvnímu obrazu se provádí za použití alespoň karteziánských souřadnic nebo polárních souřadnic.
39. 39. Zařízení podle nároku 36, vyznačující se t í m , že stabilizace druhého obrazu vzhledem k prvnímu obrazu se provádí alespoň v jednom rozměru.
40. 40. Zařízení podle nároku 36, vyznačuj ící se tím, že stabilizace zahrnuje stabilizaci alespoň jednoho pohybu'zě souboru zahrnujíčího karteziánské posunutí, rotační pohyb a vazomotoriku.
41. 41. Zařízení podle nároku 40, vyznačuj ící se t í m , že stabilizace zahrnuje stabilizaci alespoň jednoho pohybu ze souboru zahrnujícího globální, lokální a rigidní pohyb.
42. 42. Zařízení podle nároku 36, vyznačuj ící se t í m , že stabilizace zahrnuje stabilizaci každé z množiny poloh na druhém obrazu.
43. 43. Zařízení podle nároku 36, vyznačuj ící se t í m , že stabilizace zahrnuje posunutí druhého obrazu.
44. 44. Zařízení podle nároku 36, vyznačuj ící • φ · »·»·- se t ί m , že stabilizace zahrnuje nastavení druhého obrazu založené na vyhodnocení.
45. 45. Zařízení podle nároku 36, vyznačuj ící se t i m , že procesor je dále programován k omezování driftu.
46. 46. Zařízení podle nároku 43, vyznačuj ící se t ί τη , že procesor je dále programován k omezování driftu nastavováním posunutí druhého obrazu za použití informace odvozené z monitorování kardiovaskulární periodicity.
47. 47. Způsob intravaskulárního ultrazvukového zobrazování zahrnující kroky:

    umístění vysílače a detektoru ultrazvukového signálu v tělesném lumenu;

    detekce ultrazvukových signálů;

    odvození prvního obrazu z detegovaných ultrazvukových signálů;

    odvození druhého obrazu z detegovaných ultrazvukových signálů;

    porovnání druhého obrazu s prvním obrazem; a zpracování prvního obrazu a druhého obrazu.
48. 48. Způsob podle nároku 47, dále zahrnující krok zobrazování prvního obrazu a druhého obrazu.
49. 49. Způsob podle nároku 47, vyznačující se tím, že porovnání zahrnuje vyhodnocení druhého obrazu vzhledem k prvnímu obrazu.

    • * • > 9 ·

    9 9 9 » • 9 · ·

    9« 9 9 9 9

    9 9

    99 ··