DE102004027710A1 - Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, Computertomografiegerät, Arbeitsstation und Comupterprogrammprodukt - Google Patents

Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, Computertomografiegerät, Arbeitsstation und Comupterprogrammprodukt

Info

Publication number
DE102004027710A1
DE102004027710A1 DE102004027710A DE102004027710A DE102004027710A1 DE 102004027710 A1 DE102004027710 A1 DE 102004027710A1 DE 102004027710 A DE102004027710 A DE 102004027710A DE 102004027710 A DE102004027710 A DE 102004027710A DE 102004027710 A1 DE102004027710 A1 DE 102004027710A1
Authority
DE
Germany
Prior art keywords
method
method according
structure
search
search area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102004027710A
Other languages
English (en)
Inventor
Lutz Dr. Gündel
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE102004027710A priority Critical patent/DE102004027710A1/de
Publication of DE102004027710A1 publication Critical patent/DE102004027710A1/de
Application status is Withdrawn legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20092Interactive image processing based on input by user
    • G06T2207/20104Interactive definition of region of interest [ROI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30028Colon; Small intestine
    • G06T2207/30032Colon polyp

Abstract

Ein Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren sieht das Bereitstellen eines Ausgangsbereiches (3) in einer Bilddarstellung (1) und das Vorgeben einer Zielstruktur vor. Um ein solches Verfahren effektiver und zuverlässiger zu gestalten, wird gemäß dem hier vorgeschlagenen Konzept zunächst ein Einschränken des Ausgangsbereiches (3) bis auf einen Suchbereich (5, 5', 5'') vorgenommen. Erst danach ist ein automatisches Suchen einer der Zielstruktur ähnlichen Struktur in dem Suchbereich (5, 5', 5'') vorgesehen.

Description

  • Die Erfindung betrifft ein Verfahren zur Automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren. Die Erfindung betrifft weiter ein Computertomografiegerät, eine Arbeitsstation und ein Computerprogrammprodukt.
  • Moderne bildgebende medizinische Verfahren liefern in der Regel Bilder in digitaler Form. Insbesondere Computertomografiebilder liegen in digitaler Form vor und können somit direkt in einem Rechner oder einer Arbeitsstation weiterverarbeitet werden. Aus den Originalbildern können Bilder in neuer Orientierung mit zwei- oder dreidimensionaler Darstellung (2D-Darstellung, 3D-Darstellung) gewonnen werden um eine geeignete Übersicht für den Untersucher zur Verfügung zu stellen. Solche Darstellungen sollen insbesondere die Grundlage einer anschließenden Diagnostik im Rahmen einer Monitorbefundung bilden. Die Vorteile der Computertomografie ergeben sich insbesondere daraus, dass keine Überlagerungsprobleme wie bei der konventionellen Radiografie gegeben sind und die Computertomografie bietet den Vorteil einer verzerrungsfreien Darstellung unabhängig von in der Radiografie mit der Aufnahmegeometrie verbundenen unterschiedlichen Vergrößerungsfaktoren.
  • Mittlerweile haben sich eine Reihe unterschiedlicher Vorgehensweisen bei der 3D-Bilddarstellung und -verarbeitung etabliert. Für diese Vorgehensweisen sind bei einem Computertomografiegerät geeignete Bedienelemente, z. B. eine Computermaus oder andere Kontrollmedien, vorgesehen. Eine Arbeitsstation zur Bilddarstellung und -verarbeitung von Computertomografiebildern weist eine entsprechende Softwareausstattung in Form eines Computerprogrammprodukts und eine Bedienoberfläche auf einem Bildschirm mit entsprechenden mit Funktionen belegten Bedienelementen auf.
  • Die Computertomografie (CT) stellt in der Regel zunächst zweidimensionale Schnittbilder der Transversalebene eines zu untersuchenden Körpers als direkte Aufnahmeebene zur Verfügung. Die Transversalebene eines Körpers ist dabei im Wesentlichen senkrecht zur Längsachse eines Körpers angeordnet. Zweidimensionale Schnittbilder in einer Ebene mit einem im Vergleich zur Transversalebene geändertem Winkel und/oder solche, die mit einer zur ursprünglichen Schichtdicke unterschiedlichen, insbesondere breiteren Schichtdicke berechnet werden, werden in der Regel als multiplanare Reformatierungen (MPR – Multiplanar Reformations) bezeichnet. Eine für die Diagnostik wesentliche Möglichkeit besteht in der interaktiven Durchsicht und Auswertung des Bildvolumens, meist kontrolliert durch ein entsprechendes Bedienelement. Der Untersucher kann sich mit Hilfe solcher Bedienelemente – ähnlich wie im Ultraschall durch Führen eines Schallkopfes – an anatomisierte Strukturen und pathologische Details herantasten und durch Vor- und Zurückfahren dasjenige Bild auswählen, in dem sich ein interessierendes Detail am klarsten präsentiert ist, also z. B. mit dem höchsten Kontrast und dem größten Durchmesser dargestellt ist. Eine erweiterte Form der zweidimensionalen Darstellung besteht darin, beliebig dicke Schichten (Slabs) aus dünnen Schichten zusammenzufassen. Hierfür hat sich der Begriff "Sliding Thin Slab" (STS) etabliert. Alle 2D-Darstellungen haben den Vorteil, dass die Computertomografiewerte direkt und unverfälscht zur Darstellung kommen. Eventuelle Interpolationen oder Mittelwertbildungen über mehrere Schichten sind dabei vernachlässigbar. Damit ist immer eine einfache Orientierung im Auswertevolumen, das auch als Volume of Interest (VOI) bezeichnet wird, und dem zugeordneten 3D-Datenvolumen sowie eine eindeutige Interpretierbarkeit der Bildwerte gegeben. Diese Art der Monitorbefundung ist jedoch arbeitsintensiv und zeitaufwändig.
  • Eine möglichst realistische Präsentation des Auswertevolumens lässt sich dagegen durch eine dreidimensionale Darstellung des Auswertevolumens erreichen. Eine 3D-Bilddarstellung und -verarbeitung ist in der Regel zwar die Voraussetzung für ein gezieltes Herausarbeiten diagnostisch relevanter Details. Letztere Befundung erfolgt aber in der Regel in einer 2D-Darstellung.
  • Bei 3D-Bilddarstellungen und -verarbeitungen wird in der Regel ein 3D-Datenvolumen zur Verfügung gestellt auf dessen Grundlage eine Darstellung des Auswertevolumens erfolgt. Der Untersucher gibt vorzugsweise eine Betrachterposition vor, aus der er das Auswertevolumen betrachten will. Insbesondere steht dem Untersucher in der Regel ein Suchstrahl zur Verfügung. bei diesem Beispiel wird ein zweidimensionales Bild errechnet, das senkrecht zum Suchstrahl steht und einen räumlichen Eindruck vermitteln soll. Um solch eine Darstellung Bildpunkt für Bildpunkt (auch: Voxel-Akronym für Volumenelement) in der Bildebene aufzubauen, müssen für jeden Strahl vom Betrachter zum jeweiligen Bildpunkt alle CT-Werte entlang des Suchstrahls durch das 3D-Datenvolumen berücksichtigt und bewertet werden. Der Untersucher gibt in der Regel einen Bildpunktwert, z. B. einen Kontrastwert, vor, den er zur Darstellung eines Bildpunktes geeignet wählt. Durch die verfahrensinhärente Wiederholung dieses Vorgangs wird dem Untersucher auf Grundlage der vorgegebenen Bildpunktwerte im Rahmen eines CT-Wertprofils für den Suchstrahl eine diesem entsprechende Ansammlung von Bildpunkten gezeigt, also eine 3D-Darstellung des interessierenden Körperbereichs/Auswertevolumens (VOI).
  • Alle 3D-Darstellungen können, also im Rahmen einer Sekundärapplikation, entweder als Zentralprojektion oder als Parallelprojektion aufgebaut werden. Für eine Parallelprojektion eignet sich insbesondere eine "Maximum Intensity Projection" (MIP) oder allgemein das "Volume Rendering" (VR). Bei einer MIP wird in Projektionsrichtung entlang des Suchstrahls der Bildpunkt mit dem höchsten CT-Wert bestimmt. In dem Fall entspricht der Bildpunktwert also dem maximalen CT-Wert auf dem Suchstrahl. Beim VR wird für jeden einzelnen, vom Auge des Betrachters ausgehenden Suchstrahl nicht nur ein einziger Bildpunkt gewählt, sondern es können alle CT-Werte entlang des Suchstrahls mit geeigneter Gewichtung einen Bildpunkt als Beitrag zum Ergebnisbild liefern. Über frei wählbare und interaktiv veränderbare Transferfunktionen werden jedem Bildpunktwert Opazität und Farbe zugeordnet. So kann z. B. normales Weichteilgewebe als weitgehend transparent gewählt werden, kontrastierte Gefäße leicht opak und Knochen stark opak.
  • Zu bevorzugende Zentralprojektionen können beispielsweise durch ein "Surface Shaded Display" (SSD) oder durch ein "perspective Volume Rendering" (pVR) (oder auch "virtuelle Endoskopie") erzielt werden. Dementsprechend gibt es das SSD oder auch das in der virtuellen Endoskopie benutzte pSSD. Bei der SSD handelt es sich um eine schwellenbasierte Oberflächendarstellung, bei der ein Bildpunkt durch Vorgabe eines Bildpunktwertes in Form einer Schwelle, vorgegeben wird. Für jeden Suchstrahl durch das vorliegende 3D-Datenvolumen wird derjenige Bildpunkt bestimmt, an dem der vorgegebene Bildpunktwert in Form eines Schwellenwerts vom Betrachter aus gesehen zum ersten Mal erreicht oder überschritten wird. Ein prinzipieller Unterschied zwischen SSD und VR besteht darin, dass beim SSD nur eine Schwelle definiert wird, aber die Oberfläche undurchsichtig dargestellt wird. Beim VR werden hingegen mehrere Schwellenbereiche definiert und diesen Farben und Durchlässigkeiten zugewiesen. Die "virtuelle Endoskopie" soll eine perspektivische Ansicht der Nahumgebung des virtuellen "Endoskopkopfes" möglich machen. Strukturen können anders als beim tatsächlichen Endoskop aus unterschiedlichen Richtungen und bewegt betrachtet werden. So genannte "Fly-Throughs", die den Eindruck eines virtuellen Flugs durch das VOI ergeben sollen sind möglich. Dies ist nicht nur ästhetisch und instruktiv, sondern kann auch diagnostisch wertvoll sein.
  • Ein Untersucher ist oftmals bei der Suche nach einem interessierenden Detail in Form einer Struktur darauf angewiesen, eine solche Struktur in dem vorliegenden digitalen Datenmaterial automatisch detektieren zu lassen. Eine solche Suche erfolgt üblicherweise durch Bereitstellen eines Ausgangsbereiches in einer Bilddarstellung und dem Vorgeben einer Zielstruktur. Dabei ist es dem Untersucher im Bereich medizinischer bildgebender Verfahren einerseits nur beschränkt möglich, das Datenmaterial einzuschränken, da es ihm in der Regel als, wie oben erläutertes, 3D-Datenvolumen vorliegt. Andererseits erweisen sich die Strukturen im Bereich der Medizin als vielfältig und komplex. Dennoch ist man für eine effektive Durchführung einer automatischen Detektion darauf angewiesen, eine Zielstruktur möglichst abstrakt anzugeben, um die Suche nach der interessierenden Struktur bei der automatischen Detektion nicht zu sehr einzuschränken. Des Weiteren ist der zu untersuchende Körper in der Regel in geeigneter Weise präpariert, z. B. mit einem Kontrastmittel versetzt, und bei der Untersuchung selbst einem gewissen zeitlichen Prozess unterworfen. Die Präparation soll insbesondere interessierende Ausgangsbereiche kennzeichnen. Aufgrund zeitlicher Abläufe kann sich die Präparation jedoch ändern und vor allem zur Präparation von im Grunde nicht interessierenden Körperbereichen führen. Eine automatische Detektion einer Struktur im Rahmen eines Suchprozesses im gesamten Ausgangsbereich führt nach den oben erläuterten Umständen oftmals zu so genannten "Falsch-Positiv"-Ergebnissen. Das heißt, dem Untersucher werden nach Vorgabe einer Zielstruktur bei einem Suchprozess im Rahmen der automatischen Detektion auf dem gesamten Ausgangsbereich, d. h. unter Nutzung des gesamten Datenvolumens, oftmals Ergebnisse geliefert, die zwar im Sinne der Suche als solche richtig sind, sich aus der Sichtweise der medizinischen Befundung jedoch als falsch erweisen. Das heißt, womöglich entspricht die detektierte Struktur zwar der vorgegebenen Zielstruktur, aber dennoch erweist sich die detektierte Struktur als nicht interessierendes Detail oder sie befindet sich in einem nicht-interessierenden Körperbereich.
  • Wünschenswert wäre es deshalb das Auffinden von so genannten "Falsch-Positiv"-Ergebnissen bei der automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren zu vermeiden.
  • An dieser Stelle setzt die Erfindung an, deren Aufgabe es ist, ein Verfahren und eine Vorrichtung zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren anzugeben, bei der die automatische Detektion gleichzeitig effektiv und zuverlässig gestaltet ist.
  • Hinsichtlich des Verfahrens wird die Aufgabe durch ein eingangs genanntes Verfahren gelöst, das die folgenden Verfahrensschritte aufweist
    • – Bereitstellen eines Ausgangsbereiches in einer Bilddarstellung,
    • – Vorgeben einer Zielstruktur,
    • – Einschränken des Ausgangsbereiches bis auf einen Suchbereich,
    • – automatisches Suchen einer der Zielstruktur ähnlichen Struktur in dem Suchbereich.
  • Die Erfindung geht von der Überlegung aus, dass der Untersucher bereits aufgrund einer bereitgestellten Bilddarstellung in der Lage ist, einen im Wesentlichen die gesamte Bilddarstellung umfassenden Ausgangsbereich auf einen Suchbereich einzuschränken. Oftmals ist der Ausgangsbereich nämlich viel zu groß und umfasst in der Regel praktisch die gesamte Bilddarstellung.
  • Dabei ist es dem Untersucher vorzugsweise möglich, den Suchbereich derart einzuschränken, dass dieser ein interessieren des Auswertevolumen umfasst. Vorzugsweise entspricht die Größe des Suchbereichs in etwa der Größe des interessierenden Auswertevolumens. Vorzugsweise erfolgt ein Einschränken des Ausgangsbereichs in der Bilddarstellung bis auf einen Suchbereich, der nicht interessierende Körperbereiche ausschließt. Insbesondere erfolgt ein Einschränken des Ausgangsbereichs in der Bilddarstellung bis auf einen Suchbereich, der nur noch ein interessierendes Auswertevolumen umfasst.
  • So ist es dem Untersucher beispielsweise möglich, den Kolonbereich als interessierendes Auswertevolumen mit einem eingeschränkten Suchbereich zu umgeben. Damit schließt er "Falsch-Positiv"-Ergebnisse aus, die bei der automatischen Detektion beispielsweise im Bereich der Lunge gefunden werden könnten.
  • Die Erfindung hat dabei erkannt, dass das vorgeschlagene Verfahren bereits dadurch zuverlässiger und effektiver gestaltet wird, dass noch vor dem automatischen Suchen ein Ausgangsbereich in der Bilddarstellung auf einen zweckmäßig gewählten Suchbereich eingeschränkt wird.
  • Der Untersucher kann vorzugsweise ein noch weiter spezifiziertes und vor allem kleineres Auswertevolumen mit einem Suchbereich umgeben. Als ein interessierendes Auswertevolumen kann beispielsweise direkt ein Segment des Kolons, z. B. der Dickdarm oder der Dünndarm, spezifiziert werden oder ein noch kleineres Darmsegment. Beispielsweise kann ein Ausgangsbereich unmittelbar auf einen Suchbereich eingeschränkt werden, der nur noch ein spezifisches interessierendes Dickdarmsegment umgibt. Erst danach erfolgt bei diesem Beispiel das automatische Suchen einer der Zielstruktur ähnlichen Struktur in dem Suchbereich. Dazu kann das Auswertevolumen segmentiert werden. Weiters erfolgt dies am besten im Rahmen einer computerautomatisierten Suchfunktion. Dies hat den Vorteil, dass das an sich nicht beeinflussbare Datenvolumen zwar nicht verändert wird, aber die Suche lediglich ein Datenvolumen betrifft, das auf das Datenvolumen des interessierenden Auswer tevolumens eingeschränkt ist. D. h., vorzugsweise erfolgt die Begrenzung der Suche auf den Suchbereich einzige und allein im 3D-Datenvolumen – unabhängig von der jeweils gewählten Visualisierung (SSD, VR). Berücksichtigt werden jedoch wesentliche geometrische oder medizinische Tatsachen, z. B. wenn eine zu suchende Struktur sich nur auf einer Oberfläche eines Kolons befinden kann. Dadurch wird die Suche nicht nur schneller, sondern auch zuverlässiger, da "Falsch-Positiv"-Ergebnisse in anderen Körperbereichen, außerhalb des interessierenden Auswertevolumens, von vorneherein vermieden werden.
  • Das erläuterte Verfahren erweist sich als besonders wirksam für Verfahren zur Bilddarstellung und -verarbeitung in der Computertomografie. Bei dieser Art bildgebender Verfahren sind die Bilddarstellungen – wie eingangs erläutert – derart komplex, dass ein Untersucher in besonderem Maße auf die automatische Detektion einer Struktur angewiesen ist. Dies ist insbesondere der Fall bei allen 3D-Bilddarstellungen und -verarbeitungen, also bei Verfahren, bei denen die Bilddarstellung auf der Grundlage eines 3D-Datenvolumens basiert. Eine Verbesserung der automatischen Detektion interessierender Strukturen fördert nämlich die Monitorbefundung im Rahmen einer 3D-Bilddarstellung. In dem Fall wäre es insbesondere nicht mehr unbedingt notwendig, eine Befundung in einer 2D-Darstellung durchzuführen. Diagnostisch relevante Details könnten bereits abschließend in einer vorteilhaften dreidimensionalen Darstellung des Auswertevolumens effektiv und zuverlässig erreicht werden.
  • Vorteilhafte Weiterbildungen der Erfindung sind den weiteren Unteransprüchen zu entnehmen und geben im Einzelnen vorteilhafte Möglichkeiten an, insbesondere den Suchvorgang im Rahmen der automatischen Detektion zu realisieren.
  • Vorzugsweise wird die Zielstruktur im Rahmen einer Klassifikation wesentlicher geometrischer und/oder medizinischer Eigenschaften der Struktur vorgegeben. Die Zielstruktur ist praktisch eine stilisierte und vereinfachte Wiedergabe der zu suchenden Struktur. Eine geometrische Eigenschaft betrifft insbesondere Form und Größe der Struktur. Eine medizinische Eigenschaft betrifft insbesondere die Art und die Oberflächenbeschaffenheit der Struktur. Beispielsweise kann zum Auffinden einer Struktur in Form eines Polyps nach einer runden Zielstruktur gesucht werden. Im Falle der Struktur eines luftgefüllten Darmtraktes wäre nach einer Zielstruktur in Form eines länglichen Tubus zu suchen. Eine Zielstruktur lässt sich im Rahmen geometrischer und/oder medizinischer Eigenschaften weitgehend gut definieren, wobei gleichzeitig sichergestellt sein sollte, dass die Suche nicht zu sehr eingeschränkt wird.
  • Das erläuterte Konzept eignet sich in vorteilhafterweise zum Suchen einer Läsion. Das heißt, im Rahmen einer Weiterbildung ist die Struktur insbesondere eine Läsion. Unter einer Läsion ist grundsätzlich jedes interessierende Objekt zu verstehen. Insbesondere ist unter einer Läsion jede abnorme Struktur oder Strukturänderung, beispielsweise eines Organs, insbesondere aufgrund einer Verletzung oder einer Krankheit zu verstehen. Eine Läsion kann oftmals recht genau in ihrer Form und Größe mittels einer Zielstruktur umschrieben und charakterisiert werden. Die automatische Detektion von Läsionen sieht also eine computerautomatisierte Suchfunktion nach einer bestimmten, geometrischen, für die Läsion charakteristischen, Zielstruktur vor.
  • Wie oben erläutert, kann z. B. aufgrund einer zeitlich veränderlichen Präparierung eines zu untersuchenden Körpers eine Segmentierung des Auswertevolumens vorteilhaft sein. Insbesondere ist der Dickdarm ein mögliches Segment eines Auswertevolumens und mag hier als Beispiel dienen. In der Praxis ist insbesondere ein Dickdarm, z. B. durch nicht ausreichende Präparation, Tumore oder Spasmen, nicht als Einheit, sondern nur als eine Ansammlung von gegebenenfalls getrennt voneinander vorliegenden Teilsegmenten vorhanden. Da die Teilsegmente in der Regel unterschiedliche Länge und Position haben, kann die Anzahl von gegebenenfalls getrennt voneinander vorliegenden Teilsegmenten im Rahmen einer Weiterbildung des Verfahrens interaktiv als ein einziges Auswertevolumen definiert und mit einem eingeschränkten Suchbereich umgeben werden. Die verbleibenden, nicht definierten Teile werden damit implizit als nicht zum Auswertevolumen gehörend definiert und werden vorteilhaft bei einer anschließenden Suche ignoriert. Andererseits kann das Verfahren auch ein Einschränken eines Ausgangsbereiches in der Bilddarstellung auf einen ein einziges Teilsegment des interessierenden Auswertevolumens umfassenden Suchbereich vorsehen. Diese Art der Vorgehensweise erweist sich insbesondere dann als vorteilhaft, wenn das zu untersuchende Körperteil im Auswertevolumen eine Größe hat, die in separaten Abschnitten untersucht werden soll, oder eine Form hat, die naturgemäß in separaten Abschnitten vorliegt.
  • Dies können Verästelungen einer interessierenden Struktur, beispielsweise einer Bronchie bzw. eines Bronchialbaumes oder einer Hirnzisterne sein. Dies können auch schlauchschellenartige Zusammenschnürungen einer schlauchartigen Struktur, beispielsweise eines Kolons oder eines Teils davon sein.
  • Eine besonders bevorzugte Weiterbildung des erläuterten Verfahrens sieht also vor, dass zur automatischen Detektion einer Struktur die folgenden Verfahrensschritte hintereinander ausgeführt werden:
    • – Bereitstellen eines Ausgangsbereiches in einer Bilddarstellung,
    • – Vorgeben einer Zielstruktur,
    • – automatisches Suchen einer der Zielstruktur ähnlichen Struktur in einem im Vergleich zum Ausgangsbereich eingeschränkten Suchbereich.
  • Die Suche kann auf eine Läsion gerichtet sein. Für den Fall, dass "Falsch-Positiv"-Ergebnisse vorliegen, erfolgt eine weitergehendere Klassifikation wesentlicher geometrischer und/oder medizinischer Eigenschaften der Struktur und ein erneutes, ggf. detaillierteres Vorgeben der Zielstruktur.
  • Es kann auch ein noch weitergehenderes Einschränken des Ausgangsbereiches auf einen Suchbereich erfolgen. Gegebenenfalls kann sofort eine Segmentierung oder Aufteilung des Auswertevolumens in Teilsegmente erfolgen und ein Einschränken eines Ausgangsbereiches auf einen Suchbereich erfolgen, der praktisch nur noch ein einziges oder mehrere Segmente oder Teilsegmente umfasst. Vorzugsweise erfolgt erst danach das automatische Suchen einer der Zielstruktur ähnlichen Struktur in dem Suchbereich, die dann frei von "Falsch-Positiv"-Ereignissen sein sollte.
  • Das hier vorgeschlagene Verfahren kann auf effektive und zuverlässige Weise "Falsch-Positiv"-Ergebnisse beseitigen.
  • Vorteilhafterweise kann dem Untersucher im Rahmen des erläuterten Konzepts eine interaktive Auswahl der Struktur und/oder eine interaktive Auswahl eines Segmentes ermöglich werden. Um eine Auswahl für den Untersucher möglichst übersichtlich zu gestalten, kann für die Auswahl eine Bewertung und/oder Sortierung erstellt werden. D. h. die gefundenen Ergebnisse könnten hinsichtlich ihrer Relevanz bewertet werden. Anhand der oben genannten geometrischen und/oder medizinischen Eigenschaften könnte eine Bewertung erstellt werden, die angibt, wie wahrscheinlich es ist, dass das gefundene Ergebnis kein "Falsch-Positiv"-Ergebnis ist. Die gefundenen Ergebnisse könnten dem Untersucher im Rahmen der Auswahl nach abfallender Wahrscheinlichkeit, sequentiell sortiert, angeboten werden.
  • Im Rahmen zukünftiger Anwendungen hat das hier vorgeschlagene Konzept vor allem im Rahmen des pVR hohes Potenzial. Insbesondere erweist sich das hier vorgeschlagene Konzept bei einem bildgebenden Verfahren als vorteilhaft, bei dem eine 3D-Bilddarstellung in Form einer virtuellen Endoskopie erfolgt.
  • Bei virtuellen endoskopischen Ansichten, die auch als endoluminale Ansichten bezeichnet werden, handelt es sich praktisch um ein perspektivisches VR (pVR). Vorrangiges Einsatzgebiet dieser Technik sind anatomische Strukturen, die auch Endoskopen zugänglich sind. Dazu zählt beispielsweise der Bronchialbaum, größere Gefäße, das Kolon und das Nasennebenhöhlensystem. Darüber hinaus wird die virtuelle Endoskopie auch in Bereichen wie den Nierenzisternen und im Gastrointestinalbereich, die Endoskopen nicht direkt zugänglich sind, eingesetzt.
  • Insbesondere erweist sich das Verfahren als vorteilhaft bei bildgebenden Verfahren die von einem unter Verwendung eines Kontrastmittels gewonnenen 3D-Datenvolumen ausgehen. Dies betrifft insbesondere die Kolonoskopie, die Bronchioskopie und die Zisternoskopie. Dazu erfolgt eine Bilddarstellung und -verarbeitung von medizinischen Bildern, insbesondere Computertomografiebildern, eines Kolons bzw. einer Bronchie bzw. einer Zisterne im Rahmen des erläuterten Verfahrens. Es sollte dennoch klar sein, dass das hier erläuterte und beanspruchte Konzept ebenfalls nützlich zur Bilddarstellung und -verarbeitung von medizinischen Bildern ist, bei denen das Datenvolumen unter anderen Modalitäten gewonnen wurde. Das 2D- oder 3D-Datenvolumen kann beispielsweise auch im Rahmen einer Magnetresonanzuntersuchung oder einer Kernspintomografie gewonnen sein.
  • Hinsichtlich der Vorrichtung wird die Aufgabe durch die Erfindung mittels einem Computertomografiegerät oder Magnetresonanztomografiegerät gelöst, welches wenigstens ein Bedienelement für einen Verfahrensschritt des Verfahrens zur Durchführung des oben erläuterten Verfahrens aufweist.
  • Hinsichtlich der Vorrichtung führt die Erfindung auch auf eine Arbeitsstation zur Bilddarstellung und -verarbeitung von Computertomografie- oder Magnetresonanztomografiebildern, welche wenigstens ein Bedienelement für einen Verfahrens schritt des Verfahrens zur Durchführung des oben erläuterten Verfahrens aufweist.
  • Unter einem Bedienelement ist insbesondere ein Softwaremittel und/oder ein Hardwaremittel einzeln oder in Kombination zu verstehen, mit dem einer der oben genannten Verfahrensschritte ausgeführt und kontrolliert werden kann.
  • Die Erfindung führt auch auf ein Computerprogrammprodukt zur Bilddarstellung und -verarbeitung von Computertomografie- oder Magnetresonanztomografiebildern, welches wenigstens ein Programmmodul für einen Verfahrensschritt des Verfahrens zur Durchführung des oben erläuterten Verfahrens aufweist.
  • 1 eine erste beispielhafte Anwendung einer besonders bevorzugten Ausführungsform des Verfahrens, wobei ein Ausgangsbereich in der Bilddarstellung auf immer kleinere Suchbereiche eingeschränkt wird;
  • 2 eine zweite beispielhafte Anwendung einer besonders bevorzugten Ausführungsform, wobei ein Ausgangsbereich in der Bilddarstellung zum einen auf einen eine Anzahl von Segmenten und zum anderen auf einen ein einziges Segment umfassenden Suchbereich eingeschränkt wird;
  • 3 einen Ablaufplan einer besonders bevorzugte Ausführungsform des vorgeschlagenen Konzepts.
  • 1 verdeutlicht eine beispielhafte Anwendung des vorgeschlagenen Konzepts im Rahmen einer besonders bevorzugten Ausführungsform. Vorliegend ist eine Bilddarstellung 1 des menschlichen Körpers in der Computertomografie gezeigt. Der Untersucher ist insbesondere bei einer Monitorbefundung auf die automatische Detektion einer Struktur angewiesen. Dazu gibt er eine Zielstruktur vor und das Konzept ermöglicht ihm ein automatisches Suchen einer der Zielstruktur ähnlichen Struktur bei der Bilddarstellung 1. Üblicherweise ist der Untersucher darauf angewiesen in einem Ausgangsbereich 3 der Bilddarstellung 1 die Zielstruktur zu suchen, d. h. die Zielstruktur computerautomatisiert suchen zu lassen. Dabei wird die vorgegebene Zielstruktur mit einer der Zielstruktur ähnlichen Struktur im Ausgangsbereich 3 verglichen. Dies kann aufgrund der oben erläuterten Komplexität der medizinischen Umstände zu "Falsch-Positiv"-Ergebnissen führen. Mit dem vorgeschlagenen Konzept ist es dem Untersucher nunmehr möglich, den Ausgangsbereich 3 in der Bilddarstellung zunächst auf einen Suchbereich 5 einzuschränken, wobei der Suchbereich gerade so groß ist, dass er praktisch nur noch ein interessierendes Auswertevolumen 7 umfasst. Das Auswertevolumen 7 ist vorliegend in Form eines Kolons angedeutet. Das vorliegende Beispiel der 1 erläutert das vorgeschlagene Konzept also beispielhaft im Rahmen der Kolonoskopie.
  • Die hier erläuterte Vorgehensweise lässt sich darüber hinaus auf andere bildgebende medizinische Verfahren, insbesondere die Bronchioskopie und die Zisternoskopie, anwenden. Des Weiteren lässt sich die hier beschriebene Vorgehensweise auf Verfahren übertragen, die anderen Modalitäten folgen, wie z. B. Magnetresonanz- oder Kernspinverfahren. Das hier erläuterte bildgebende Verfahren der Computertomografie für den Kolonbereich nutzt insbesondere Kontrastmittel, wie beispielsweise Wasser, CO2 oder Luft als Darmfüllungen, um das Auswertevolumen 7 im Detail darstellen zu können.
  • Dem Untersucher ist es durch das in 1 gezeigte Vorgehen möglich, insbesondere zunächst "Falsch-Positiv"-Ergebnisse in der Lunge auszuschließen, indem er den Ausgangsbereich 3 auf den Suchbereich 5 einschränkt.
  • Darüber hinaus stellt sich bei der Kolonoskopie ein weiteres Problem, das ganz ähnlich bei anderen Untersuchungen auftreten kann und beispielhaft anhand der Kolonoskopie erläutert werden soll. So ist ein Untersucher bei der automatischen De tektion von Polypen im Dickdarm darauf angewiesen, z. B Luft als Kontrastmittel einzusetzen und in luftgefüllten Röhren (Dickdarm) nach Polypen zu suchen. Der Polyp ist dabei die zu suchende Struktur. Als Zielstruktur ist der Untersucher in der Regel darauf angewiesen, nach runden Formen zu suchen. Womöglich können trotz einer Einschränkung des Ausgangsbereichs 3 auf den Suchbereich 5 "Falsch-Positiv"-Ergebnisse nicht ausgeschlossen werden. Gerade bei der Kolonoskopie, die unter Verwendung eines Kontrastmittels gewonnenes 3D-Datenvolumen nutzt, zeigt sich, dass die Kontrastmittelverwendung zu weiteren Problemen führt. Bei dem erläuterten Beispiel ist es nämlich so, dass die zwischen Dickdarm und Dünndarm liegende Ileozäkalklappe als Kontrastmitel genutzte Luft oder CO2, das für die Detektion der Polypen in den Dickdarm eingeblasen wird, in den Dünndarm entweichen lassen kann. Deshalb werden auch im Dünndarm Zielstrukturen gesucht und gefunden. Solche Zielstrukturen sind offensichtlich "Falsch-Positiv"-Ergebnisse, da sie zwar eine runde Form im Sinne der gewünschten Zielstruktur darstellen, aber keine Polypen im Dickdarm darstellen. Es wurden zwar runde Strukturen in einer luftgefüllten Röhre (Dünndarm) gefunden, aber keine Polypen des Dickdarms.
  • Es hat sich deshalb als vorteilhaft erwiesen, eine Segmentierung des Auswertevolumens 7 vorzunehmen. Dabei wird das Auswertevolumen 7 in der Bilddarstellung auf einen ein Segment 9 des interessierenden Auswertevolumens 7 umfassenden Suchbereich 5' eingeschränkt. Vorliegend würde der Untersucher den Suchbereich auf ein Segment 9 des Kolons in Form des Dickdarms einschränken. Dazu weist die Arbeitsstation ein entsprechendes Kontrollmittel, z. B. eine Computermaus oder eine Tastatur auf, die es dem Untersucher ermöglicht, in der Bilddarstellung den Suchbereich 5, z. B. über ein Zoom-Fenster, weiter einzuschränken. In 1 ist dies skizzenhaft durch den weiteren Suchbereich 5' angedeutet, wobei der weitere Suchbereich 5' praktisch nur noch ein Segment 9 (Dickdarm) des interessierenden Auswertevolumens 7 (Kolon) umfasst.
  • Das im Computertomografiegerät und/oder in der Arbeitsstation implementierte Computerprogrammprodukt sieht dazu ein Programmmodul zum automatischen Suchen einer der Zielstruktur ähnlichen Struktur in dem Suchbereich 5' vor. Als Struktur ist dabei vorliegend der Dickdarm 9 zu wählen, als Zielstruktur ist beispielsweise die längste vorhandene luftgefüllte Röhre zu suchen.
  • In 2 ist ein weiteres Vorgehen im Rahmen der Monitorbefundung unter Nutzung des erläuterten Konzepts beschrieben. Dargestellt ist der weitere Suchbereich 5' mit dem Segment 9 in Form des Dickdarms beim interessierenden Auswertevolumen 7 in Form des Kolons. Es hat sich gezeigt, dass beispielsweise durch Kolonspasmen oder Darmverschlüsse oder Mangel an Kontrastmittel zum Zeitpunkt einer Datengenerierung der Dickdarm, nicht vollständig durchgängig ist. Deshalb betrifft das Suchergebnis in der Regel nicht den gesamten Dickdarm bzw. könnte sogar Teile des Dünndarms anzeigen. Andererseits ist der Dickdarm naturgemäß in weitere Teilsegmente 9', 9'' und 9''' segmentiert, die nicht als Einheit, sondern getrennt voneinander vorliegenden können. Der Dickdarm ist nämlich ein schlauchartiges Gebilde mit schlauchschellenartigen Körpermerkmalen. Dies kann beispielsweise ein Kontraktionsmuskel 11 sein, der den Dickdarm in weitere Teilsegmente 9'' und 9''' an Stellen 13 schlauchschellenartig zusammenschnürt. Gleiches kann beispielsweise für einen außerhalb des Darms liegenden Tumor 13 gelten, der den Darm an der Stelle 15 wiederum schlauchschellenartig zusammenschnürt. Naturgemäß kann es also im Bereich der medizinischen bildgebenden Verfahren vorkommen, dass ein interessierendes Auswertevolumen 7 (Kolon) mehrfach segmentiert und ein Segment (Dickdarm) wiederum in Form mehrerer unzusammenhängender Teilsegmente 9', 9'', 9''' vorliegt. Das Verfahren sieht deshalb vor, dass eine Anzahl voneinander getrennt vorliegender Teilsegmente 9', 9'', 9''' mit einem Suchbereich umgeben werden können.
  • Weiters ist es dem Untersucher im Rahmen der vorliegenden Ausführungsform möglich, das Suchergebnis interaktiv zu unterstützen. Der Untersucher ist in der Lage, bei dem in 2 dargestellten Beispiel die Dickdarmteilsegmente 9', 9'' und 9''' durch eine interaktive Aus- und Abwahl solange auszuwählen, bis er das Teilsegment mit dem ihn interessierenden Detail, beispielsweise eine Läsion 17 in Form eines Polypen, vorfindet. In dem Fall wird also der Ausgangsbereich 3 der Bilddarstellung 1 auf einen praktisch nur noch das einzige Teilsegment 9'' des interessierenden Auswertevolumens 7 umfassenden Suchbereich 5'' eingeschränkt. Erst danach wird der Untersucher das computerautomatisierte Suchen nach einer der Zielstruktur (runde Struktur) ähnlichen Struktur (Polyp) in dem Suchbereich 5'' in Gang setzen. Es wird automatisch – und dabei besonders effektiv und gleichzeitig verlässlich – die Läsion 17 gefunden.
  • In dem oben erläuterten Beispiel wurde also einerseits nach einer Läsion 17 in Form eines Polyps gesucht. Andererseits wurde ein Teilsegment 9'' des Auswertevolumens 7 in Form einer längsten vorhandenen luftgefüllten Röhre interaktiv ausgesucht. Beide Möglichkeiten des Verfahrens lassen sich vom Untersucher in vorteilhafterweise nutzen, um eine besonders zuverlässige automatische Detektion zu ermöglichen.
  • 3 zeigt ein Ablaufdiagramm einer besonders bevorzugten Ausführungsform des vorgeschlagenen Konzepts im Rahmen eines Ablaufplans 20. Nach einem Start 21 des Verfahrens wird zunächst ein Ausgangsbereich in einer Bilddarstellung im Verfahrensschritt 23 bereitgestellt. Dies kann beispielsweise ein Ausgangsbereich 3 einer Bilddarstellung 1 der 1 sein.
  • Danach wird im Verfahrensschritt 25 eine Zielstruktur vorgegeben. Dies kann je nach Bedarf beispielsweise eine in 2 gezeigte Läsion 17 in Form eines Polyps sein. Dem Untersucher bleibt es überlassen, die Zielstruktur im Verfahrensschritt 23 angemessen zu klassifizieren. Dabei stehen ihm alle we sentlichen geometrischen und/oder medizinischen Eigenschaften der Struktur zur Definition der Zielstruktur zur Verfügung.
  • Im Rahmen des Verfahrensschrittes 27 kann der Untersucher dann den Ausgangsbereich in der Bilddarstellung auf einen Suchbereich einschränken. Der Suchbereich umgibt bzw. ist vorzugsweise auf ein interessierendes Auswertevolumen beschränkt. Wie anhand der 1 und 2 erläutert, kann der Ausgangsbereich 1 bis zu einem interessierenden Auswertevolumen 7 (Kolon) oder auch auf ein Segment 9 (Dickdarm), oder Teilsegmente 9', 9'', 9''' desselben eingeschränkt werden. Erst im Verfahrensschritt 29 erfolgt ein automatisches Suchen einer der Zielstruktur ähnlichen Struktur im Suchbereich, welcher das interessierende Auswertevolumen 7, ein Segment 9 oder ein Teilsegment sein kann.
  • Im Verfahrensschritt 31 bekommt der Untersucher bei dieser Ausführungsform eine Auswahl angeboten und ist in der Lage, eine interaktive Auswahl der Struktur vorzunehmen. Vorteilhaft kann es bei dem Verfahrenvorgesehen sein, dass die automatische Suche bereits eine Bewertung und/oder Sortierung für die Auswahl erstellt. So kann eine Bewertung der Läsion 17 der 2 sehr positiv ausfallen und die Bewertung anderer nicht gezeigter Merkmale im Suchbereich 5'' eher schlecht ausfallen. Eine solche Bewertung könnte sich bei dem vorliegenden Beispiel an der Abfrage orientieren, ob es sich bei dem gefundenen Merkmal um eine runde Form handelt.
  • Ist der Untersucher auf diese Weise fündig geworden, kann er im Verfahrensschritt 33 das Verfahren beenden. Ist der Untersucher noch nicht fündig geworden, kann er bei der in 3, besonders bevorzugten Ausführungsform im Verfahrensschritt 35 eine weitere Einschränkung des Suchbereichs 5, 5', 5'' vornehmen, um in einem weiteren Verfahrensschritt 37 wiederum ein automatisches Suchen in Gang zusetzen. Als Ergebnis würde dem Untersucher im Verfahrensschritt 39 wiederum eine oben erläuterte, bewertete und sortierte Auswahl von Suchergebnis sen zur Verfügung gestellt. Bei zufriedenstellendem Ergebnis könnte der Untersucher in Verfahrensschritt 41 das Verfahren beenden.
  • Diese Vorgehensweise lässt sich beliebig oft wiederholen, bis in Verfahrensschritt 43 das Verfahren erfolgreich abgeschlossen wird.
  • Ein Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren sieht das Bereitstellen eines Ausgangsbereiches 3 in einer Bilddarstellung 1 und das Vorgeben einer Zielstruktur vor. Um ein solches Verfahren effektiver und zuverlässiger zu gestalten, wird gemäß dem hier vorgeschlagenen Konzept zunächst ein Einschränken des Ausgangsbereiches 3 bis auf einen Suchbereich 5, 5', 5'' vorgenommen. Erst danach ist ein automatisches Suchen einer der Zielstruktur ähnlichen Struktur in dem Suchbereich 5, 5', 5'' vorgesehen.

Claims (19)

  1. Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, aufweisend die Verfahrensschritte: – Bereitstellen eines Ausgangsbereiches (3) in einer Bilddarstellung (1), – Vorgeben einer Zielstruktur, – Einschränken des Ausgangsbereiches (3) bis auf einen Suchbereich (5, 5', 5''), – automatisches Suchen einer der Zielstruktur ähnlichen Struktur in dem Suchbereich (5, 5', 5'').
  2. Verfahren nach Anspruch 1, bei dem der Suchbereich (5, 5', 5'') ein interessierendes Auswertevolumen (7, 9, 9', 9'', 9''') umfasst.
  3. Verfahren nach Anspruch 1 oder 2, bei dem die Bilddarstellung auf der Grundlage eines 3D-Datenvolumens basiert.
  4. Verfahren nach einem der Ansprüche 1 bis 3, gekennzeichnet durch Vorgeben der Zielstruktur im Rahmen einer Klassifikation wesentlicher geometrischer und/oder medizinischer Eigenschaften der Struktur.
  5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die Struktur eine Läsion (17) ist.
  6. Verfahren nach einem der Ansprüche 1 bis 5, gekennzeichnet durch eine Segmentierung des Auswertevolumens (7).
  7. Verfahren nach einem der Ansprüche 1 bis 6, gekennzeichnet durch Einschränken eines Ausgangsbereiches (3) auf einen eine Anzahl von Teilsegmente (9', 9'', 9''') des interessierenden Auswertevolumens (7) umfassenden Suchbereich (5').
  8. Verfahren nach einem der Ansprüche 1 bis 6, gekennzeichnet durch Einschränken eines Ausgangsbereiches (3) auf einen ein einziges Teilsegment (9', 9'', 9''') des interessierenden Auswertevolumens (7) umfassenden Suchbereich (5'').
  9. Verfahren nach einem der Ansprüche 1 bis 8, gekennzeichnet durch eine interaktive Auswahl der Struktur und/oder eine interaktive Auswahl eines Segments oder Teilsegments (9, 9', 9'', 9''').
  10. Verfahren nach Anspruch 9, gekennzeichnet durch Erstellen einer Bewertung und/oder Sortierung für die Auswahl.
  11. Verfahren nach einem der Ansprüche 1 bis 11, bei dem eine 3D-Bilddarstellung in Form einer virtuellen Endoskopie erfolgt.
  12. Verfahren zur medizinischen Bilddarstellung und -verarbeitung von Bildern eines Kolons.
  13. Verfahren zur medizinischen Bilddarstellung und -verarbeitung von Bildern eines Bronchialbaumes.
  14. Verfahren zur medizinischen Bilddarstellung und -verarbeitung von Bildern einer Zisterne.
  15. Verfahren nach einem der Ansprüche 1 bis 14 ausgehend von einem unter Verwendung eines Kontrastmittels gewonnenen 3D-Datenvolumen.
  16. Verfahren nach einem der Ansprüche 1 bis 15, bei dem das bildgebende medizinische Verfahren ein medizinisches Verfahren zur Bilddarstellung und -verarbeitung in der Computertomografie oder Magnetresonanztomografie ist.
  17. Computertomographiegerät oder Magnetresonanztomografiegerät, welches wenigstens ein Bedienelement eines Verfahrensschritts (21-43) des Verfahrens zur Durchführung des Verfahrens nach einem der vorhergehenden Verfahrensansprüche aufweist.
  18. Arbeitsstation zur Bilddarstellung und -verarbeitung von Computertomographie- oder Magnetresonanztomografiebildern, welche wenigstens ein Bedienelement für einen Verfahrensschritt (21 bis 43) des Verfahrens zur Durchführung des Verfahrens nach einem der vorhergehenden Verfahrensansprüche aufweist.
  19. Computerprogrammprodukt zur Bilddarstellung und -verarbeitung von Computertomographie- oder Magnetresonanztomografiebildern, welches wenigstens ein Programmmodul für einen Verfahrensschritt (21 bis 43) des Verfahrens zur Durchführung des Verfahrens nach einem der vorhergehenden Verfahrensansprüche aufweist.
DE102004027710A 2004-06-07 2004-06-07 Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, Computertomografiegerät, Arbeitsstation und Comupterprogrammprodukt Withdrawn DE102004027710A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102004027710A DE102004027710A1 (de) 2004-06-07 2004-06-07 Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, Computertomografiegerät, Arbeitsstation und Comupterprogrammprodukt

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102004027710A DE102004027710A1 (de) 2004-06-07 2004-06-07 Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, Computertomografiegerät, Arbeitsstation und Comupterprogrammprodukt
US11/144,829 US20050281381A1 (en) 2004-06-07 2005-06-06 Method for automatically detecting a structure in medical imaging methods, computed tomograph, workstation and computer program product

Publications (1)

Publication Number Publication Date
DE102004027710A1 true DE102004027710A1 (de) 2006-01-26

Family

ID=35480573

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102004027710A Withdrawn DE102004027710A1 (de) 2004-06-07 2004-06-07 Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, Computertomografiegerät, Arbeitsstation und Comupterprogrammprodukt

Country Status (2)

Country Link
US (1) US20050281381A1 (de)
DE (1) DE102004027710A1 (de)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009035441A1 (de) * 2009-07-31 2011-02-03 Siemens Aktiengesellschaft Verfahren und Bildverarbeitungssystem zur Erzeugung eines Volumenansichtsbilds vom Inneren eines Körpers
US8180151B2 (en) 2007-06-22 2012-05-15 Siemens Aktiengesellschaft Method for segmenting structures in image data records and image processing unit for carrying out the method
US8200015B2 (en) 2007-06-22 2012-06-12 Siemens Aktiengesellschaft Method for interactively segmenting structures in image data records and image processing unit for carrying out the method
DE102011006398A1 (de) * 2011-03-30 2012-10-04 Siemens Aktiengesellschaft Verfahren, Bildverarbeitungseinrichtung und Computertomographiesystem zur Ermittlung eines Anteils von nekrotischem Gewebe sowie Computerprogrammprodukt mit Programmcodeabschnitten zur Ermittlung eines Anteils von nekrotischem Gewebe

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7873194B2 (en) 2006-10-25 2011-01-18 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure
US7860283B2 (en) 2006-10-25 2010-12-28 Rcadia Medical Imaging Ltd. Method and system for the presentation of blood vessel structures and identified pathologies
US7940977B2 (en) 2006-10-25 2011-05-10 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies
US7940970B2 (en) 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
US7983459B2 (en) 2006-10-25 2011-07-19 Rcadia Medical Imaging Ltd. Creating a blood vessel tree from imaging data
JP6026357B2 (ja) * 2013-06-13 2016-11-16 富士フイルム株式会社 仮想内視鏡画像生成装置および方法並びにプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5782762A (en) * 1994-10-27 1998-07-21 Wake Forest University Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen
US5891030A (en) * 1997-01-24 1999-04-06 Mayo Foundation For Medical Education And Research System for two dimensional and three dimensional imaging of tubular structures in the human body
WO2004049777A2 (en) * 2002-12-04 2004-06-17 Washington University Method and apparatus for automated detection of target structures from medical images using a 3d morphological matching algorithm

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SIN-HONG Kim ET AL: Segmentation of kidney without using contrast medium on abdominal CT image Signal Processing Proceedings, 2000, WCCC-ICSP, 2000, 5th International Conference on. Volume: 2, 21-25 Aug. 2000, Pages:1147-1152, IEEE *
SIN-HONG Kim; SEUNG-WHA Yoo; SEON-JOO Kim; JONG- CHUL Kim; JONG-WON Park: Segmentation of kidney without using contrast medium on abdominal CT image; Signal Processing Proceedings, 2000, WCCC-ICSP, 2000, 5th International Conference on. Volume: 2, 21-25 Aug. 2000, Pages:1147-1152, IEEE

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8180151B2 (en) 2007-06-22 2012-05-15 Siemens Aktiengesellschaft Method for segmenting structures in image data records and image processing unit for carrying out the method
US8200015B2 (en) 2007-06-22 2012-06-12 Siemens Aktiengesellschaft Method for interactively segmenting structures in image data records and image processing unit for carrying out the method
DE102009035441A1 (de) * 2009-07-31 2011-02-03 Siemens Aktiengesellschaft Verfahren und Bildverarbeitungssystem zur Erzeugung eines Volumenansichtsbilds vom Inneren eines Körpers
DE102009035441B4 (de) * 2009-07-31 2016-11-24 Siemens Healthcare Gmbh Verfahren und Bildverarbeitungssystem zur Erzeugung eines Volumenansichtsbilds vom Inneren eines Körpers
US9619925B2 (en) 2009-07-31 2017-04-11 Siemens Aktiengesellschaft Method and image-processing system for generating a volume-viewing image of the interior of a body
DE102011006398A1 (de) * 2011-03-30 2012-10-04 Siemens Aktiengesellschaft Verfahren, Bildverarbeitungseinrichtung und Computertomographiesystem zur Ermittlung eines Anteils von nekrotischem Gewebe sowie Computerprogrammprodukt mit Programmcodeabschnitten zur Ermittlung eines Anteils von nekrotischem Gewebe
US8897530B2 (en) 2011-03-30 2014-11-25 Siemens Aktiengesellschaft Method, image processing device and computed tomography system for determining a proportion of necrotic tissue as well as computer program product with program sections for determining a proportion of necrotic tissue

Also Published As

Publication number Publication date
US20050281381A1 (en) 2005-12-22

Similar Documents

Publication Publication Date Title
JP4257867B2 (ja) 直接検出できない内視鏡検査における自動分析
EP1336376B1 (de) Bildverarbeitungsvorrichtung und bildverarbeitungsverfahren
JP4310099B2 (ja) 肺疾患検出のための方法及びシステム
JP4435430B2 (ja) 3次元仮想細分化および検査を実施するシステムおよび方法
US7447341B2 (en) Methods and systems for computer aided targeting
JP4388958B2 (ja) 内視鏡的パスプランニングのための方法及びシステム
US7130457B2 (en) Systems and graphical user interface for analyzing body images
JP4653542B2 (ja) 画像処理装置
Mori et al. Tracking of a bronchoscope using epipolar geometry analysis and intensity-based image registration of real and virtual endoscopic images
US6487432B2 (en) Method and system for selecting and displaying medical image data
JP4648629B2 (ja) コンピュータ連動断層撮影データの解析およびディスプレイシステムおよび方法
US7935055B2 (en) System and method of measuring disease severity of a patient before, during and after treatment
JP4683914B2 (ja) 三次元データを視覚化する方法及びシステム
AU706280B2 (en) Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen
US8538504B2 (en) Method for merging medical images
CA2405302C (en) Bowel subtraction and polyp detection in virtual colonoscopy
US6480732B1 (en) Medical image processing device for producing a composite image of the three-dimensional images
JP2004283373A (ja) 管腔状構造体の解析処理装置
US20030018245A1 (en) Methods for generating a lung report
US8009167B2 (en) Virtual endoscopy
JP2007537770A (ja) 内視鏡画像内の管腔状構造のディスプレイ最適化のための動的なクロップボックス決定方法
JP2005169120A (ja) 検査対象の結果画像の作成方法および画像処理システム
JP2004531315A (ja) ディジタルボリューメトリック医用画像における肺結節の診断を支援するコンピュータ支援診断方法およびシステム
US7853058B2 (en) Determining a viewpoint for navigating a virtual camera through a biological object with a lumen
US5611025A (en) Virtual internal cavity inspection system

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8139 Disposal/non-payment of the annual fee