DE102004040869B3 - Ultrasonic image processing device, has quantifier module that quantifies and combines spectral and texture parameters calculated within annulated piece, using local correlation coefficients - Google Patents

Ultrasonic image processing device, has quantifier module that quantifies and combines spectral and texture parameters calculated within annulated piece, using local correlation coefficients Download PDF

Info

Publication number
DE102004040869B3
DE102004040869B3 DE102004040869A DE102004040869A DE102004040869B3 DE 102004040869 B3 DE102004040869 B3 DE 102004040869B3 DE 102004040869 A DE102004040869 A DE 102004040869A DE 102004040869 A DE102004040869 A DE 102004040869A DE 102004040869 B3 DE102004040869 B3 DE 102004040869B3
Authority
DE
Germany
Prior art keywords
parameters
weighting
image
ultrasound
circular ring
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.)
Expired - Fee Related
Application number
DE102004040869A
Other languages
German (de)
Inventor
Ulrich Dipl.-Ing. Scheipers
Christian Dipl.-Ing. Perrey
Helmut Prof. Dr.-Ing. Ermert
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.)
Ruhr Universitaet Bochum
Original Assignee
Ruhr Universitaet Bochum
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 Ruhr Universitaet Bochum filed Critical Ruhr Universitaet Bochum
Priority to DE102004040869A priority Critical patent/DE102004040869B3/en
Application granted granted Critical
Publication of DE102004040869B3 publication Critical patent/DE102004040869B3/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

The device has an arithmetic/logic unit for inferring an image from detected ultrasonic data, and classifying the image into annulus panes (6a-6e). An ultrasonic converter (3) divides the panes into wedge-shaped sections (7a-7g) of a circle and annulated pieces (8a-8e). A quantifier module quantifies and combines the spectral parameters and texture parameters calculated within the annulated piece, using local correlation coefficients. An independent claim is also included for a method for displaying intravascular ultrasonic images.

Description

Die Erfindung betrifft eine Bildverarbeitungsvorrichtung zur Darstellung von intravaskulären Ultraschallbildern sowie ein Verfahren zur Darstellung von intravaskulären Ultraschallbildern.The The invention relates to an image processing apparatus for display of intravascular Ultrasound images and a method for displaying intravascular ultrasound images.

Hinsichtlich Detektion und Charakterisierung von Ablagerungen (Plaque) in den Blutgefäßen ist der intravaskuläre Ultraschall (IVUS) die genaueste Methode und stützt sich in der Anwendung auf die rein morphologische Beschreibung der Gefäßwandstrukturen. Intravaskulärer Ultraschall erlaubt die manuelle oder semiautomatische Morphometrie von Plaque. Um eine möglichst hohe grafische Auflösung der untersuchten Arterien und Plaques zu erhalten, wird die Ultraschallfrequenz des IVUS von Gerätegeneration zu Gerätegeneration gesteigert. Heute sind Ultraschallfrequenzen von bis zu 40 MHz üblich, wobei der Trend zu immer höheren Ultraschallfrequenzen offensichtlich ist. Bei Ultraschallfrequenzen jenseits von 20 MHz ähneln die Rückstreueigenschaften des Blutes jedoch stark den Rückstreueigenschaften des Blutgefäßes und auch der Plaques. Der Vorteil einer höheren grafischen Auflösung wird also auf Kosten einer verschlechterten Gewebedifferenzierung erkauft.Regarding Detection and characterization of deposits (plaque) in the Blood vessels is the intravascular Ultrasound (IVUS) is the most accurate method and is based on the application the purely morphological description of the vessel wall structures. Intravascular ultrasound allows manual or semi-automatic morphometry of plaque. To one as possible high graphic resolution of To get examined arteries and plaques, the ultrasound frequency becomes IVUS of device generation to device generation increased. Today, ultrasonic frequencies of up to 40 MHz are common, with the trend to ever higher Ultrasonic frequencies is obvious. At ultrasonic frequencies beyond 20 MHz the backscatter properties of Blood, however, strongly the backscatter properties of Blood vessel and also the plaques. The advantage of a higher graphic resolution will be So bought at the cost of a deteriorated tissue differentiation.

Verschiedene Verfahren zur Differenzierung und Klassifizierung von Gefäßstrukturen mit Ultraschall sind bekannt. Ein Ansatz ist die Auswertung spektraler Parameter der rückgestreuten hochfrequenten Echos. Hierbei wird ausgenutzt, dass verschiedene Gewebestrukturen eine für sie typische Frequenzzusammensetzung aufweisen, wel che mit etablierten Verfahren ausgewertet werden kann. Typische Parameter sind die spektrale Leistung, die integrierte spektrale Leistung sowie Steigung und y-Achsenabschnitt von Geraden, die an das Spektrum angepasst wurden. Weiterhin wurden Verfahren entwickelt, die verschiedene Plaquebestandteile anhand der Auswertung von Texturparametern bestimmen (N. Komiyama, G.J. Berry, M.L. Kolz et al. „Tissue characterization of atherosclerotic plaques by intravascular ultrasound radiofrequency signal analysis: an in vitro study of human coronary arteries", American Heart Journal, vol. 140, no. 4, pp. 565-574, Oct. 2000). Die Parameter werden entweder manuell ausgewertet oder bei hohem Datenaufkommen einem Klassifikationssystem zugeführt. Neben statistischen Klassifikationsverfahren zur Einteilung der Plaques in bestimmte Gruppen, wie z.B. neuronale Netze, Kleinster-Abstand-Klassifikatoren, Look-up-Tables, sind aus anderen Bereichen der Ultraschallbildgebung weitere Parameterextraktionsverfahren bekannt.Various Method for differentiation and classification of vascular structures with ultrasound are known. One approach is the evaluation spectral Parameters of the backscattered high-frequency echoes. This exploits that different Tissue structures one for they have typical frequency composition, wel che with established Method can be evaluated. Typical parameters are the spectral Power, the integrated spectral power as well as slope and y-intercept straight lines adapted to the spectrum. Continue to be Procedures designed to examine various plaque components determine the evaluation of texture parameters (N. Komiyama, G.J. Berry, M.L. Kolz et al. "tissue characterization of atherosclerotic plaques by intravascular ultrasound radiofrequency signal analysis: an in vitro study of human coronary arteries ", American Heart Journal, vol. 140, no. 4, pp. 565-574, Oct. 2000). The parameters are either evaluated manually or at high data volumes fed to a classification system. In addition to statistical classification methods for dividing the plaques into certain groups, e.g. Neural Networks, Least-spacing classifiers, look-up tables, are other parameter extraction methods from other areas of ultrasound imaging known.

Aus der US 4,817,015 ist eine Bildverarbeitungsvorrichtung zur Darstellung von Ultraschallbildern mit einer Recheneinheit bekannt, die zum Ableiten eines Bildes aus den detektierten Ultraschalldaten vorgesehen ist. Bei dem dort beschriebenen Verfahren werden Spektralparameter und Texturparameter innerhalb von ROIs (Regions of Interest) berechnet, die der Klassifizierung dienen.From the US 4,817,015 an image processing device for displaying ultrasound images with a computing unit is known, which is provided for deriving an image from the detected ultrasound data. In the method described therein, spectral parameters and texture parameters are calculated within ROIs (regions of interest) that serve for classification.

Neben der Auswertung von Spektral- oder Texturparametern ist es zur Segmentierung von Blut und Plaque in intravaskulären Ultraschallbildern bekannt, eine Konturerkennung anhand von Bildmerkmalen vorzunehmen. Dabei sollen Grenzschichten zwischen verschiedenen Gewebearten erkannt werden. Eine besondere Rolle spielen in diesem Zusammenhang so genannte aktive Konturmodelle. Ein typisches Beispiel aktiver Konturmodelle sind die so genannten Snakes. Die Konturen werden hierbei durch eine bestimmte Anzahl von Knoten repräsentiert, die miteinander durch Linien verbunden sind, wobei jedem dieser Punkte der Kontur ein Pixel des Bildes und die zugehörigen Bildenergien zugeordnet sind. Den Verbindungslinien werden ebenfalls Energien, so genannte innere Energien, zugeordnet, die abhängig vom Abstand der Punkte und der Biegung der Kontur variieren. Ziel ist es, durch eine iterative Variation der Position dieser Punkte einen Zustand minimaler Energie zu erreichen, der einer gesuchten Kontur normalerweise am nächsten kommt ( US 6,381,350 B1 ). Häufig verwendete Bildenergien sind Intensität (Grauwert) des Bildes sowie Intensitätsgradienten, die Kanten innerhalb eines Bildes repräsentieren.In addition to the evaluation of spectral or texture parameters, it is known for the segmentation of blood and plaque in intravascular ultrasound images to perform a contour recognition based on image features. Here, boundary layers between different types of tissue are to be recognized. In this context, so-called active contour models play a special role. A typical example of active contour models are the so-called snakes. The contours are hereby represented by a certain number of nodes which are connected to each other by lines, wherein each of these points of the contour is associated with a pixel of the image and the associated image energies. The connecting lines are also assigned energies, so-called internal energies, which vary depending on the distance of the points and the curvature of the contour. The aim is to achieve a state of minimum energy that is normally closest to a searched contour by an iterative variation of the position of these points ( US 6,381,350 B1 ). Frequently used image energies are intensity (gray scale) of the image as well as intensity gradients that represent edges within an image.

Eine weitere Methode zur Erkennung von Blut in Ultraschallbildern ist die Korrelation von aufeinander folgenden Ultraschallbildern. Echos aus dem Bereich des fließenden Blutes weisen starke Variationen und Dekorrelationen auf. Anhand dieses Merkmals kann Blut vom umliegenden Gewebe unterschieden werden. Die Korrelation aufeinander folgender Ultraschallbilder wird hierbei lokal in einzelnen Regionen berechnet. Es entsteht so eine Verteilung des lokalen Korrelationskoeffizienten, in der Echos aus dem Bereich des Blutes anhand geringer Korrelationswerte identifiziert werden können. Weiterhin können diese Eigenschaften zur Unterdrückung von „Blutrauschen" verwendet werden.A Another method of detecting blood in ultrasound images is the correlation of consecutive ultrasound images. Echos from the field of flowing Blood has strong variations and decorrelations. Based This feature allows blood to be differentiated from the surrounding tissue. The correlation of successive ultrasound images becomes this calculated locally in individual regions. This creates a distribution of the local correlation coefficient, in the echoes from the range of the blood can be identified by means of low correlation values can. Furthermore you can these properties for suppression used by "blood noise".

Hiervon ausgehend liegt der Erfindung die Aufgabe zugrunde, eine Vorrichtung und ein Verfahren zur Darstellung von intravaskulären Ultraschallbildern aufzuzeigen, das die verbesserte Darstellung, Klassifizierung und Segmentierung von Blut, Plaque und Gefäßwänden erlaubt und darüber hinaus die Identifizierung unterschiedlicher Plaquetypen und deren Klassifizierung gestattet.Of these, Based on the invention, the object is based, a device and a method for displaying intravascular ultrasound images show the improved presentation, classification and Segmentation of blood, plaque and vascular walls allowed and beyond the identification of different plaque types and their classification allowed.

Der gegenständliche Teil der Aufgabe wird durch die Merkmale des Patentanspruchs 1 gelöst. Das beanspruchte Verfahren ist Gegenstand des Patentanspruchs 10.Of the representational Part of the object is solved by the features of patent claim 1. The Claimed method is the subject of claim 10.

Vorteilhafte Ausgestaltungen des Erfindungsgedankens ergeben sich aus den jeweiligen Merkmalen und Maßnahmen der Unteransprüche.advantageous Embodiments of the inventive concept result from the respective features and measures the dependent claims.

Die erfindungsgemäße Bildverarbeitungsvorrichtung zur Darstellung von intravaskulären Ultraschallbildern umfasst zunächst eine Recheneinheit zum Ableiten eines Bildes aus den detektierten Ultraschalldaten. Des Weiteren dient die Recheneinheit zum Einteilen des Bildes in mehrere Kreisringscheiben, ausgehend vom Ultraschallwandler sowie zur Einteilung der Kreisringscheiben in keilförmige Kreisausschnitte und Kreisringstücke. Die Kreisringstücke überlappen sich dabei, wobei eine Überlappung von 0% bis 80% in radialer Richtung als auch in Umfangsrichtung als zweckmäßig angesehen wird. Gute Ergebnisse haben sich bei einer Überlappung von 75% in radialer Richtung und von 50% in Umfangsrichtung ergeben. Die Überlappung dient primär zur Erhöhung der Auflösung. Innerhalb der einzelnen Kreisringstücke werden sowohl die Spektralparameter als auch Texturparameter berechnet. Die Spektralparameter und die Texturparameter der Kreisringstücke sind Eingangsdaten eines Gewichtungsmoduls zur Gewichtung und Verknüpfung der Spektralparameter und der Texturparameter. Weiterhin kann der lokale Korrelationskoeffizient von aufeinander folgenden Bildern als weiterer Parameter berücksichtigt werden.The Image processing apparatus according to the invention for the representation of intravascular Ultrasound images includes first a computing unit for deriving an image from the detected ultrasound data. Furthermore, the arithmetic unit is used to divide the image into several annular disks, starting from the ultrasonic transducer and the Classification of circular disks into wedge-shaped circular cutouts and Annulus pieces. The circular ring pieces overlap doing so, with an overlap from 0% to 80% in the radial direction as well as in the circumferential direction considered appropriate becomes. Good results have been achieved with an overlap of 75% in radial Direction and of 50% in the circumferential direction. The overlap serves primarily for increase the resolution. Within the individual circular ring pieces, both the spectral parameters and texture parameters. The spectral parameters and the Texture parameters of circular ring pieces are input data of a weighting module for weighting and linking the Spectral parameters and the texture parameter. Furthermore, the local Correlation coefficient of successive images as another Parameters are taken into account.

Neben den so berechneten Parametern können klinische Parameter (z.B. Blutwerte, nämlich hoch sensitives C-Reakives-Protein (hs-CRP), Homocystinwert, LDL-Cholesterinwert, HDL-Cholesterinwert, Triglyzeridwert, Risikofaktoren, nämlich Raucher/Nichtraucher, das Alter des Patienten, das Geschlecht des Patienten, Krankheitsgeschichte (z.B. Diabetes mellitus, erhöhter Blutdruckwert), Medikationen etc.) als auch morphologische Parameter, welche die örtliche Position der Kreisringstücke des Ultraschallechos beschreiben, als weitere Parameter hinzugezogen werden. Spektralparameter im Sinne der Erfindung sind beispielsweise die Fläche unter dem Spektrum, der y-Achsenabschnitt, Steigung und Abweichung einer dem Spektrum angepassten Geraden sowie die lokale Dämpfung des Gewebes. Neben dem Frequenzspektrum trägt die Textur des demodulierten Utraschallechos Informationen über das zugrunde liegende Gewebe. Da die Textur innerhalb eines Kreisringstücks zu komplex ist, um direkt bezüglich des Gewebes interpretiert zu werden, wird anhand der Eigenschaft der Daten auf bestimmte Parameter zurückgegriffen. Die Textur kann sowohl mit als auch ohne örtlichen Bezug beschrieben werden. Ohne örtlichen Bezug sind z.B. mittlerer Grauwert, Signal-Rausch-Abstand (SNR), Varianz. Grauwertübergangsmatrizen (GLC = grey level cooccurrence) sind als statistisches Maß für die Ortsinformationen gut geeignet. Sie ermöglichen es speziellere Aussagen darüber zu treffen, ob zwei verschiedene Grauwerte redundante oder relevante Informationen beinhalten und daher zusammengefasst werden können. Typische Texturparameter sind: Kontrast, Entropie, Angular-Second-Moment, Inverse-Difference-Moment. Texturparameter mit örtlichem Bezug können auch mit anderen Verfahren, z.B. mit Lauflängenmatrizen berechnet werden.Next the parameters calculated in this way clinical parameters (e.g., blood levels, namely highly sensitive C-reactive protein (hs-CRP), homocystin level, LDL cholesterol level, HDL cholesterol, triglyceride level, risk factors, namely smoker / non-smoker, the age of the patient, the sex of the patient, disease history (e.g., diabetes mellitus, elevated Blood pressure value), medications etc.) as well as morphological parameters, which the local Position of circular ring pieces describe the ultrasonic echo, as further parameters involved become. Spectral parameters within the meaning of the invention are, for example the area below the spectrum, the y-intercept, slope and deviation a line adapted to the spectrum and the local attenuation of the Tissue. In addition to the frequency spectrum contributes to the texture of the demodulated Utraschallechos information about the underlying tissue. Because the texture within a circular piece is too complex is to directly regarding the tissue is interpreted by the property the data is based on certain parameters. The texture can both with and without local Reference will be described. Without local Reference is e.g. average gray value, signal-to-noise ratio (SNR), Variance. Grauwertübergangsmatrizen (GLC = gray level cooccurrence) are good as a statistical measure of the location information suitable. they allow it more specific statements about it to make sure that two different gray values are redundant or relevant Contain information and can therefore be summarized. typical Texture parameters are: Contrast, Entropy, Angular Second Moment, Inverse Difference Moment. Texture parameters with local reference can also with other methods, e.g. be calculated with run length matrices.

Die Vielzahl der zu analysierenden Parameter wird mittels des Gewichtungsmoduls verarbeitet, welches die zu analysierenden Parameter gewichtet und verknüpft und dadurch den multidimensionalen Parameterraum reduziert. Es werden mindestens zwei Parameter aus den beiden Gruppen der Spektralparameter und der Texturparameter gewichtet und verknüpft. Die Kombination der Gewichtung und Verknüpfung von bestimmten Parametern aus diesen beiden Parametergruppen führt zu überraschend guten Ergebnissen, die eine verbesserte Darstellung, Klassifizierung und Segmentierung von Blut, Plaque und Gefäßwänden erlauben. Die Identifizierung unterschiedlicher Plaquetypen und deren Klassifizierung sind möglich.The Variety of parameters to be analyzed by means of the weighting module which weights the parameters to be analyzed and connected and thereby reduces the multidimensional parameter space. It will at least two parameters from the two groups of spectral parameters and the texture parameter is weighted and linked. The combination of weighting and linking certain parameters from these two sets of parameters leads to surprising good results, improved presentation, classification and segmentation of blood, plaque and vessel walls. The identification different plaque types and their classification are possible.

Die Gewichtung oder auch Klassifizierung erfolgt mittels Modellierung des Parameterraums mit mathematischen Modellfunktionen. Die quasi-kontinuierlichen gewichteten Ausgangswerte des Gewichtungsmoduls können mittels einer als Nachverarbeitungseinheit dienenden Filtereinheit auf Nachbarschaftsbeziehungen gefiltert werden. Hierzu können 2D- oder 3D-Filterkerne zur Anwendung kommen. Die so erhaltenen Daten können mittels aktiver Konturmodelle weiterverarbeitet werden, wobei die Daten als Bildenergien verwendet werden können. Dabei kann der örtliche Gradient des lokalen Korrelationskoeffizienten aufeinander folgender Bilder als weitere Bildenergie berücksichtigt werden. Die Verteilung des lokalen Korrelationskoeffizienten weist eine Änderung beim Übergang von Blut ins Gewebe auf, die durch die Gradientenbildung hervorgehoben wird und so als Bildenergie verwendet werden kann.The Weighting or classification is done by modeling of parameter space with mathematical model functions. The quasi-continuous weighted output values of the weighting module can by means of a filter unit serving as a post-processing unit on neighborhood relationships be filtered. For this purpose, 2D or 3D filter cores are used. The data thus obtained can be processed by means of active contour models, the Data can be used as imaging powers. Here, the local Gradient of the local correlation coefficient consecutive Images are considered as further forming energy. The distribution of the local correlation coefficient has a change at the transition of blood into the tissue, which is highlighted by the gradient formation and so can be used as the forming energy.

Die gewichteten und gefilterten Daten können quasi-kontinuierlich oder mittels Schwellwert binarisiert grafisch dargestellt werden. Die Darstellung von Schnittbildern oder auch von Volumenmodellen ist möglich. Die errechnete Darstellung kann dem Ultraschallbild überlagert werden oder auch gesondert erfolgen. Die Darstellung kann als Standbild oder als Bildsequenz wiedergegeben werden.The weighted and filtered data can be quasi-continuous or be represented graphically by threshold value. The Representation of sectional images or of solid models is possible. The calculated representation can be superimposed on the ultrasound image or separately. The representation can as a still image or as a sequence of pictures.

Die Erfindung wird nachfolgend anhand der 1 bis 3 näher erläutert. Es zeigen:The invention will be described below with reference to 1 to 3 explained in more detail. Show it:

1 den grundsätzlichen Aufbau eines Blutgefäßes im Querschnitt; 1 the basic structure of a blood vessel in cross section;

2 die vorgesehene Einteilung eines intravaskulären Ultraschallbildes in Kreisringscheiben, keilförmige Kreisausschnitte sowie Kreisringstücke; 2 the proposed division of an intravascular ultrasound image into annular disks, wedge-shaped circular cutouts and circular ring pieces;

3 die einzelnen von der beanspruchten Vorrichtung durchgeführten Schritte in der logischen Reihenfolge ihrer Abarbeitung; 3 the individual steps performed by the claimed device in the logical order of their execution;

4 ein mittels IVUS aufgezeichnetes Ultraschallbild und 4 an ultrasound image recorded by IVUS and

5 das Ultraschallbild der 4, überlagert von Kreisringstücken, die als Blut klassifiziert wurden. 5 the ultrasound image of the 4 superimposed by circular rings classified as blood.

In 1 ist ein Blutgefäß 1 zu erkennen, in welchem sich Plaque 2 abgelagert hat. In das Blutgefäß 1 ist ein Schallwandler 3 eingeführt, der Ultraschall in das Blut 4, das Blutgefäß 1, Plaque 2 und in das umliegende Gewebe 5 ausstrahlt. Die Ultraschallstrahlen werden radial ausgesendet, wobei nacheinander alle Winkelbereiche des Querschnitts erfasst werden. Das vom Schallwandler 3 detektierte Ultraschallsignal wird anschließend digitalisiert. Dabei wird ein Satz von Vektoren erzeugt, wobei jeder Vektor die Ultraschallantwort eines unterschiedlichen Winkelsektors des Blutgefäßes 1, das heißt einen Abschnitt des Blutgefäßes 1 beschreibt. Das auf diese Weise erhaltene Bild wird auf einer Anzeigevorrichtung angezeigt.In 1 is a blood vessel 1 to recognize in which plaque 2 has deposited. Into the blood vessel 1 is a sound transducer 3 introduced the ultrasound into the blood 4 , the blood vessel 1 , Plaque 2 and in the surrounding tissue 5 radiates. The ultrasound beams are emitted radially, wherein all angular ranges of the cross section are detected one after the other. The sound transducer 3 detected ultrasonic signal is then digitized. In doing so, a set of vectors is generated, each vector representing the ultrasound response of a different angular sector of the blood vessel 1 that is, a section of the blood vessel 1 describes. The image thus obtained is displayed on a display device.

Bei der erfindungsgemäßen Bildverarbeitungsvorrichtung ist vorgesehen, dass das Ultraschallbild in mehrere Kreisringscheiben, die konzentrisch um den Schallwandler 3 angeordnet sind, eingeteilt wird (2). Die Kreisringscheiben 6a–e sind wiederum in keilförmige Kreisausschnitte 7a–g eingeteilt. Daraus resultieren einzelne Kreisringstücke 8a–e. Selbstverständlich ist das gesamte Ultraschallbild auf diese Weise in Kreisringstücke eingeteilt, wobei sich die Anzahl der Kreisringstücke durch die Anzahl der Kreisringscheiben und Kreisausschnitte in weiten Grenzen variieren lässt. Die Kreisringstücke können hierbei in nicht näher dargerstellter Weise überlappen. Wesentlich bei der beanspruchten Bildverarbeitungsvorrichtung ist, dass innerhalb eines jeden Kreisringstücks 8a–e die Berechnung von Spektralparametern und Texturparametern in Bezug auf dieses Kreisringstück 8a–e erfolgt. Zur Verdeutlichung einer zusammenhängenden Region von klassifizierten Kreisringstücken sind diese in 2 teilweise schraffiert dargestellt sind.In the image processing device according to the invention, it is provided that the ultrasound image is divided into a plurality of annular disks which are concentric about the sound transducer 3 are arranged, divided ( 2 ). The circular disks 6a -E are again in wedge-shaped circles 7a -G divided. This results in individual circular ring pieces 8a e. Of course, the entire ultrasound image is divided into circular ring pieces in this manner, wherein the number of circular ring pieces can be varied within wide limits by the number of annular discs and circular cutouts. The circular ring pieces here can overlap in unspecified manner. Essential in the claimed image processing device is that within each circular ring piece 8a -E the calculation of spectral parameters and texture parameters related to this annulus 8a -E is done. To clarify a contiguous region of classified circular ring pieces, these are in 2 partially hatched are shown.

Der Ablauf des Verfahrens wird anhand von 3 deutlich. Zunächst wird in Schritt 1 ein digitalisiertes Ultraschallbild gewonnen, das in Schritt 2 in die in 2 dargestellten Kreisringstücke unterteilt wird. Darauf erfolgt die Berechnung der Spektralparameter und Texturparameter in den einzelnen Kreisringstücken (Schritt 3). Optional können klinische Parameter (Schritt 4) und der lokale Korrelationskoeffizient als weiterer Parameter berücksichtigt werden. Anschließend werden die Parameter in dem Gewichtungsmodul (Schritt 5) gewichtet und verknüpft bzw. klassifiziert. Optional kann in Schritt 6 eine Filterung erfolgen und anschließend optional ein Algorithmus eines aktiven Konturmodells ablaufen (Schritt 7). Das Endergebnis ist in Schritt 8 die verbesserte Darstellung des intravaskulären Ultraschallbildes, die die Segmentierung von Blut, Plaques und Gefäßwänden erlaubt. Insbesondere wird die automatische Einteilung des 2D- oder 3D-Ultraschalldatensatzes in verschiedene Gewebebereiche ermöglicht.The procedure is based on 3 clear. First, in step 1 a digitized ultrasound image obtained in step 2 in the in 2 divided circular pieces is divided. This is followed by the calculation of the spectral parameters and texture parameters in the individual circular ring pieces (step 3 ). Optionally, clinical parameters (step 4 ) and the local correlation coefficient as another parameter. Subsequently, the parameters in the weighting module (step 5 ) weighted and linked or classified. Optionally, in step 6 Filtering takes place and then optionally an algorithm of an active contour model run (step 7 ). The end result is in step 8th the improved visualization of the intravascular ultrasound image, which allows the segmentation of blood, plaques and vessel walls. In particular, the automatic division of the 2D or 3D ultrasound data set into different tissue areas is made possible.

4 zeigt eine IVUS-Aufnahme, in welcher der schwarze Kreis in der Mitte des Bildes den Schallwandler repräsentiert. Die manuell eingezeichnete Linie verdeutlicht die Gefäßgrenze. 5 zeigt dieselbe IVUS-Aufnahme wie 4 allerdings mit dem Unterschied, dass die IVUS-Aufnahme mit dem erfindungsgemäßen Verfahren bearbeitet worden ist und das Ergebnis der IVUS-Aufnahme überlagert dargestellt wird. Die überlagerten Flächen wurden als Blut klassifiziert. Die Fläche ist eine zusammenhängende Region die in diesem Beispiel etwas größer ist, als die manuell als Blut eingezeichnete Region (4). Die Übereinstimmung kann dennoch als zufrieden stellend eingestuft werden, da in diesem Beispiel nahezu alle Kreisringstücke korrekt klassifiziert worden sind. Das Verfahren liefert hohe Erkennungsraten, was die automatische Segmentierung von Blut und Gewebe ermöglicht. 4 shows an IVUS shot in which the black circle in the middle of the picture represents the sound transducer. The manually drawn line clarifies the vessel border. 5 shows the same IVUS recording as 4 however, with the difference that the IVUS recording has been processed by the method according to the invention and the result of the IVUS recording is superimposed. The superimposed areas were classified as blood. The area is a contiguous region, which in this example is slightly larger than the area manually marked as blood ( 4 ). The agreement can nevertheless be classified as satisfactory, since in this example almost all circular ring pieces have been correctly classified. The method provides high recognition rates, allowing automatic segmentation of blood and tissue.

Claims (18)

Bildverarbeitungsvorrichtung zur Darstellung von intravaskulären Ultraschallbildern mit einer Recheneinheit a) zum Ableiten eines Bildes aus den detektierten Ultraschalldaten, b) zum Einteilen des Bildes in mehrere Kreisringscheiben (6a–e) ausgehend vom Ultraschallwandler (3); c) zum Einteilen der Kreisringscheiben (6a–e) in keilförmige Kreisausschnitte (7a– g) und Kreisringstücke (8a–e); d) zum Berechnen von Spektralparametern und Texturparametern innerhalb der Kreisringstücke (8a–e); wobei die Spektralparameter und Texturparameter der Kreisringstücke (8a–e) Eingangsdaten eines Gewichtungsmoduls zur Gewichtung und Verknüpfung der Spektralparameter und der Texturparameter sind, und wobei dem Gewichtungsmodul als weitere Parameter lokale Korrelationskoeffizienten von aufeinander folgenden Ultraschallbildern zur Gewichtung und Verknüpfung bereitstellbar sind, wobei die Gewichtung und Verknüpfung der Parameter zur Klassifizierung dient.Image processing device for displaying intravascular ultrasound images with a computing unit a) for deriving an image from the detected ultrasound data, b) for dividing the image into a plurality of annular discs ( 6a -E) starting from the ultrasonic transducer ( 3 ); c) for dividing the annular discs ( 6a -E) in wedge-shaped circular sections ( 7a - g) and circular ring pieces ( 8a -e); d) for calculating spectral parameters and texture parameters within the circular ring pieces ( 8a -e); where the spectral parameters and texture parameters of the circular ring pieces ( 8a -E) are input data of a weighting module for weighting and linking the spectral parameters and the texture parameters, and where the weighting module contains as additional parameters local correlation coefficients of successive ultrasound images for weighting and Link can be provided, with the weighting and linking of the parameters used for classification. Vorrichtung nach Anspruch 1, dadurch gekennzeichnet, dass sich die Kreisringstücke in axialer Richtung und/oder in Umfangsrichtung überlappen.Device according to claim 1, characterized in that that the circular ring pieces overlap in the axial direction and / or in the circumferential direction. Vorrichtung nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass dem Gewichtungsmodul als weitere Parameter bekannte Risikofaktoren für Herz-Kreislauf-Erkrankungen aus der folgenden Gruppe von Parametern zur Gewichtung und Verknüpfung bereitstellbar sind: Alter, Geschlecht, Raucher/Nichtraucher, Diabetes mellitus, erhöhter Blutdruckwert; Blutwerte, nämlich, LDL-Cholesterinwert, HDL-Cholesterinwert, Triglyceridwert, hoch sensitives C-Reakives-Protein (hs-CRP), Homozystinwert.Device according to Claim 1 or 2, characterized risk factors known to the weighting module as further parameters for cardiovascular diseases from the following group of weighting and linking parameters are: age, gender, smoker / non-smoker, diabetes mellitus, increased Blood pressure; Blood values, namely, LDL cholesterol value, HDL cholesterol value, triglyceride level, high sensitive C-reactive protein (hs-CRP), homocystin level. Vorrichtung nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass eine Filtereinheit vorgesehen ist zum Filtern der gewichteten und verknüpften Parameter auf Nachbarschaftsbeziehungen.Device according to one of claims 1 to 3, characterized a filter unit is provided for filtering the weighted ones and linked Parameters on neighborhood relationships. Vorrichtung nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass ein Konturmodul vorgesehen ist, zur Bestimmung der Berandung von wenigstens ein Kreisringstück umfassenden Regionen gewichteter, verknüpfter und gefilterter Parameter mittels aktiver Konturmodelle.Device according to one of claims 1 to 4, characterized that a contour module is provided for determining the boundary at least one circular ring piece comprehensive regions of weighted, linked and filtered parameters using active contour models. Vorrichtung nach Anspruch 5, dadurch gekennzeichnet, dass ein zu minimierender Energieterm des aktiven Konturmodells der örtliche Gradient des lokalen Korrelationskoeffizienten aufeinander folgender Ultraschallbilder ist.Device according to claim 5, characterized in that that is an energy term of the active contour model to be minimized the local Gradient of the local correlation coefficient consecutive Ultrasound pictures is. Vorrichtung nach Anspruch 5 oder 6, dadurch gekennzeichnet, dass eine Anzeigevorrichtung vorgesehen ist, um eine Region oder die Berandung einer Region darzustellen.Apparatus according to claim 5 or 6, characterized that a display device is provided to a region or to represent the boundary of a region. Vorrichtung nach Anspruch 7, dadurch gekennzeichnet, dass eine Region und/oder die eine Region umgebende Berandung überlagernd anzeigbar sind.Device according to claim 7, characterized in that that a region and / or the region surrounding a boundary overlaid can be displayed. Vorrichtung nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass in einem Modellierungsmodul ein 3D-Ultraschallbild aus aufeinander folgenden 2D-Ultraschallbildern generiert wird, wobei das aus den Parametern errechnete Bild dem 3D-Ultraschallbild auf der Anzeigevorrichtung überlagerbar ist.Device according to one of claims 1 to 8, characterized in a modeling module, a 3D ultrasound image is made up of successive ones 2D ultrasound images are generated, taking that from the parameters calculated image is superimposed on the 3D ultrasound image on the display device. Verfahren zur Darstellung von intravaskulären Ultraschallbildern mit folgenden Schritten: a) Ableiten eines Bildes aus dem detektierten Ultraschalldaten; b) Einteilen des Bildes in mehrere Kreisringscheiben (6a–e) ausgehend vom Ultraschallwandler; c) Einteilen der Kreisringscheiben (6a–e) in keilförmige Kreisabschnitte (7a–g) und Kreisringstücke (8a–e); d) Berechnen von Spektralparametern und Texturparametern innerhalb der Kreisringstücke (8a–e); wobei die Spektralparameter und Texturparameter der Kreisringstücke (8a–e) einem Gewichtungsmodul zur Gewichtung und Verknüpfung der Spektralparameter und der Texturparameter als Eingangsdaten zur Verfügung gestellt werden, und wobei dem Gewichtungsmodul als weitere Parameter lokale Korrelationskoeffizienten von aufeinander folgenden Ultraschallbildern zur Gewichtung und Verknüpfung bereitstellbar sind, wobei die Gewichtung und Verknüpfung der Parameter der Klassifizierung dient.A method of displaying intravascular ultrasound images comprising the steps of: a) deriving an image from the detected ultrasound data; b) dividing the image into several annular disks ( 6a -E) from the ultrasonic transducer; c) division of the annular discs ( 6a -E) into wedge-shaped sections ( 7a -G) and circular ring pieces ( 8a -e); d) calculating spectral parameters and texture parameters within the annuli ( 8a -e); where the spectral parameters and texture parameters of the circular ring pieces ( 8a -E) a weighting module for weighting and linking the spectral parameters and the texture parameters are provided as input data, and wherein the weighting module as local parameters correlation coefficients of successive ultrasound images for weighting and linking can be provided, wherein the weighting and linking of the parameters of the classification serves. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass sich die Kreisringstücke in axialer Richtung und/oder in Umfangsrichtung überlappen.Method according to claim 10, characterized in that that the circular ring pieces overlap in the axial direction and / or in the circumferential direction. Verfahren nach Anspruch 10 oder 11, dadurch gekennzeichnet, dass dem Gewichtungsmodul als weitere Parameter bekannte Risikofaktoren für Herz-Kreislauf-Erkrankungen aus der folgenden Gruppe von Parametern zur Gewichtung und Verknüpfung bereitstellbar sind: Alter, Geschlecht, Raucher/Nichraucher, Diabetes mellitus, erhöhter Blutdruckwert; Blutwerte, nämlich hoch sensitives C-Reakives-Protein (hs-CRP), Homocystinwert, LDL-Cholesterinwert, HDL-Cholesterinwert, Triglyceridwert.Method according to claim 10 or 11, characterized risk factors known to the weighting module as further parameters for cardiovascular diseases from the following group of weighting and linking parameters are: age, gender, smoker / non-smoker, diabetes mellitus, increased Blood pressure; Blood values, namely highly sensitive C-reactive protein (hs-CRP), homocystin level, LDL cholesterol level, HDL cholesterol value, triglyceride value. Verfahren nach einem der Ansprüche 10 bis 12, dadurch gekennzeichnet, dass die gewichteten und verknüpften Parameter in einer Filtereinheit auf Nachbarschaftsbeziehungen gefiltert werden.Method according to one of claims 10 to 12, characterized that the weighted and linked Filtered parameters in a filter unit to neighborhood relationships become. Verfahren nach einem der Ansprüche 10 bis 13, dadurch gekennzeichnet, dass in einem Konturmodul Berandungen von wenigstens ein Kreisringstück umfassenden Regionen gewichteter, verknüpfter und gefilterter Parameter mittels aktiver Konturmodelle bestimmt werden.Method according to one of claims 10 to 13, characterized that bordering in a contour module boundaries of at least one circular ring piece Regions weighted, linked and filtered parameter determined by active contour models become. Verfahren nach Anspruch 14, dadurch gekennzeichnet, dass ein zu minimierender Energieterm des aktiven Konturmodells der örtliche Gradient des lokalen Korrelationskoeffizienten aufeinander folgender Ultraschallbilder ist.Method according to claim 14, characterized in that that is an energy term of the active contour model to be minimized the local Gradient of the local correlation coefficient consecutive Ultrasound pictures is. Verfahren nach Anspruch 14 oder 15, dadurch gekennzeichnet, dass eine Region und/oder eine Region umgebende Berandung auf einer Anzeigevorrichtung dargestellt werden.Method according to claim 14 or 15, characterized that a region and / or a region surrounding a boundary Display device are displayed. Verfahren nach einem der Ansprüche 14 bis 16, dadurch gekennzeichnet, dass eine Region und/oder eine Region umgebende Berandung das intravaskuläre Ultraschallbild überlagernd anzeigbar sind.Method according to one of claims 14 to 16, characterized in that a boundary surrounding a region and / or a region can be superimposed on the intravascular ultrasound image are. Verfahren nach einem der Ansprüche 10 bis 17, dadurch gekennzeichnet, dass in einem Modellierungsmodul ein 3D-Ultraschallbild aus aufeinander folgenden 2D-Ultraschallbildern generiert wird, wobei das aus den Parametern errechnete Bild dem 3D-Ultraschallbild auf einer Anzeigevorrichtung überlagerbar ist.Method according to one of claims 10 to 17, characterized in a modeling module, a 3D ultrasound image is made up of successive ones 2D ultrasound images are generated, taking that from the parameters calculated image superimposed on the 3D ultrasound image on a display device is.
DE102004040869A 2004-08-23 2004-08-23 Ultrasonic image processing device, has quantifier module that quantifies and combines spectral and texture parameters calculated within annulated piece, using local correlation coefficients Expired - Fee Related DE102004040869B3 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102004040869A DE102004040869B3 (en) 2004-08-23 2004-08-23 Ultrasonic image processing device, has quantifier module that quantifies and combines spectral and texture parameters calculated within annulated piece, using local correlation coefficients

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102004040869A DE102004040869B3 (en) 2004-08-23 2004-08-23 Ultrasonic image processing device, has quantifier module that quantifies and combines spectral and texture parameters calculated within annulated piece, using local correlation coefficients

Publications (1)

Publication Number Publication Date
DE102004040869B3 true DE102004040869B3 (en) 2005-12-08

Family

ID=35336267

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102004040869A Expired - Fee Related DE102004040869B3 (en) 2004-08-23 2004-08-23 Ultrasonic image processing device, has quantifier module that quantifies and combines spectral and texture parameters calculated within annulated piece, using local correlation coefficients

Country Status (1)

Country Link
DE (1) DE102004040869B3 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1996080A2 (en) * 2006-03-22 2008-12-03 Volcano Corporation Automated lesion analysis based upon automatic plaque characterization according to a classification criterion
US10154826B2 (en) 2013-07-17 2018-12-18 Tissue Differentiation Intelligence, Llc Device and method for identifying anatomical structures
US10716536B2 (en) 2013-07-17 2020-07-21 Tissue Differentiation Intelligence, Llc Identifying anatomical structures
US11701086B1 (en) 2016-06-21 2023-07-18 Tissue Differentiation Intelligence, Llc Methods and systems for improved nerve detection
US11986341B1 (en) 2016-05-26 2024-05-21 Tissue Differentiation Intelligence, Llc Methods for accessing spinal column using B-mode imaging to determine a trajectory without penetrating the the patient's anatomy

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4817015A (en) * 1985-11-18 1989-03-28 The United States Government As Represented By The Secretary Of The Health And Human Services High speed texture discriminator for ultrasonic imaging

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4817015A (en) * 1985-11-18 1989-03-28 The United States Government As Represented By The Secretary Of The Health And Human Services High speed texture discriminator for ultrasonic imaging

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1996080A2 (en) * 2006-03-22 2008-12-03 Volcano Corporation Automated lesion analysis based upon automatic plaque characterization according to a classification criterion
EP1996080A4 (en) * 2006-03-22 2010-12-08 Volcano Corp Automated lesion analysis based upon automatic plaque characterization according to a classification criterion
US10154826B2 (en) 2013-07-17 2018-12-18 Tissue Differentiation Intelligence, Llc Device and method for identifying anatomical structures
US10716536B2 (en) 2013-07-17 2020-07-21 Tissue Differentiation Intelligence, Llc Identifying anatomical structures
US11986341B1 (en) 2016-05-26 2024-05-21 Tissue Differentiation Intelligence, Llc Methods for accessing spinal column using B-mode imaging to determine a trajectory without penetrating the the patient's anatomy
US11701086B1 (en) 2016-06-21 2023-07-18 Tissue Differentiation Intelligence, Llc Methods and systems for improved nerve detection

Similar Documents

Publication Publication Date Title
DE60038382T2 (en) INTRAVASCULAR ULTRASONIC IMAGE ANALYSIS USING AN ACTIVE CONTOUR METHOD
Loizou et al. Comparative evaluation of despeckle filtering in ultrasound imaging of the carotid artery
DE69927040T2 (en) ADAPTIVE SUPPRESSION OF ABKLING ARTEFACT IN IVUS IMAGING
CN105072980B (en) For automatically determining the method and device of intravascular space profile
DE69631085T2 (en) Image processing method and apparatus
DE112007001982T5 (en) Pulse echo device
JP2011514822A (en) Method and system for segmenting CT scan data
EP3332710B1 (en) Characterisation of plaque
DE102009022834A1 (en) Method for automatic analysis of image data of a structure
DE102018222606A1 (en) Method and device for the detection of an anatomical feature of a blood vessel section
Raghesh Krishnan et al. Automatic classification of liver diseases from ultrasound images using GLRLM texture features
WO2007124960A2 (en) Device and method for the computer-assisted analysis of mammograms
DE102005036998A1 (en) Device for the automatic detection of abnormalities in medical image data
DE102006002259A1 (en) Heart blood vessel examining method for cardiac infarction patient, involves generating signals based on sequence of determined blood vessel diameters, where change of blood vessel diameters is observed by signals
DE102004040869B3 (en) Ultrasonic image processing device, has quantifier module that quantifies and combines spectral and texture parameters calculated within annulated piece, using local correlation coefficients
Gnanaselvi et al. RETRACTED ARTICLE: Detecting disorders in retinal images using machine learning techniques
Liu et al. Yolo-angio: an algorithm for coronary anatomy segmentation
DE102008034313A1 (en) Method for carrying out an imaging examination method
DE102008025535B4 (en) Method for viewing tubular anatomical structures, in particular vascular structures, in medical 3D image recordings
Marzola et al. Automatic segmentation of ultrasound images of gastrocnemius medialis with different echogenicity levels using convolutional neural networks
DE102005022156A1 (en) Method and device for ranking pixels in medical imaging
DE102020102683A1 (en) Computer-implemented method, computer program and diagnostic system, in particular for determining at least one geometric feature of a section of a blood vessel
WO2012055543A1 (en) Use of a two-dimensional analytical signal in sonography
Atlas et al. Intracranial aneurysms: depiction on MR angiograms with a multifeature-extraction, ray-tracing postprocessing algorithm.
DE102010028382A1 (en) Method for processing tomographic image data from X-ray computed tomography investigation of liver for recognition of liver tumor, involves performing iterative classification, and calculating image mask from last probability image

Legal Events

Date Code Title Description
8100 Publication of the examined application without publication of unexamined application
8364 No opposition during term of opposition
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20120301