DE102004043677A1 - Verfahren zur Segmentierung anatomischer Strukturen aus 4D-Bilddatensätze - Google Patents
Verfahren zur Segmentierung anatomischer Strukturen aus 4D-Bilddatensätze Download PDFInfo
- Publication number
- DE102004043677A1 DE102004043677A1 DE102004043677A DE102004043677A DE102004043677A1 DE 102004043677 A1 DE102004043677 A1 DE 102004043677A1 DE 102004043677 A DE102004043677 A DE 102004043677A DE 102004043677 A DE102004043677 A DE 102004043677A DE 102004043677 A1 DE102004043677 A1 DE 102004043677A1
- Authority
- DE
- Germany
- Prior art keywords
- image data
- segmentation
- segmenting
- anatomical
- data set
- 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.)
- Granted
Links
- 210000003484 anatomy Anatomy 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000011218 segmentation Effects 0.000 claims description 66
- 210000004351 coronary vessel Anatomy 0.000 claims description 18
- 210000004165 myocardium Anatomy 0.000 claims description 13
- 210000005242 cardiac chamber Anatomy 0.000 claims 1
- 230000000747 cardiac effect Effects 0.000 description 7
- 230000002792 vascular Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 210000005240 left ventricle Anatomy 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010968 computed tomography angiography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 210000005241 right ventricle Anatomy 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 101150097977 arch-1 gene Proteins 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003562 morphometric effect Effects 0.000 description 1
- 238000013425 morphometry Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000001147 pulmonary artery Anatomy 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10076—4D tomography; Time-sequential 3D tomography
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Vascular Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
Die vorliegende Erfindung betrifft ein Verfahren zur Segmentierung anatomischer Strukturen (3-7), insbesondere des koronaren Gefäßbaums, aus einer Sequenz von in zeitlicher Abfolge aufgezeichneten 3-D-Bilddatensätzen, bei dem zunächst aus einem ersten der 3-D-Bilddatensätze die anatomische Struktur (3-7) segmentiert wird. Bei dem Verfahren werden bei der Segmentierung aus weiteren 3-D-Bilddatensätzen bekannte anatomische Relationen sowie Ergebnisse der Segmentierung aus einem jeweils in der Sequenz zeitlich nahe liegenden 3-D-Bilddatensatz berücksichtigt. Dadurch kann die Segmentierung der anatomischen Strukturen (3-7) aus dem gesamten 4-D-Bilddatensatz deutlich beschleunigt und mit erhöhter Zuverlässigkeit durchgeführt werden.
Description
- Die vorliegende Erfindung betrifft ein Verfahren zur Segmentierung anatomischer Strukturen, insbesondere des koronaren Gefäßbaums, aus einer Sequenz von in zeitlicher Abfolge aufgezeichneten 3D-Bilddatensätzen, bei dem die anatomische Struktur zunächst aus einem ersten der 3D-Bilddatensätze segmentiert wird.
- Das vorliegende Verfahren findet vor allem bei der Aufnahme von Gefäßstrukturen im Bereich der Computertomographie (CT) Anwendung. Ein großer Vorteil der CT-Angiographie im Vergleich zu anderen bildgebenden Techniken wie der Magnetresonanztomographie (MR), der PET (Positron Emission Tomography), der SPECT (Single Photon Emission Computed Tomography) oder der 3D-Ultraschalltechnik besteht darin, dass unter Kontrastmittelgabe bspw. der gesamte Gefäßbaum des Herzens mit einem einzigen CT-Scan aufgezeichnet werden kann. Durch die schnelle Weiterentwicklung von Mehrschicht-CT-Anlagen ist man seit kurzem in der Lage, auch mehrere Phasen des Herzschlags in Form von 3D-Datensätzen in kurzer Zeitabfolge abzubilden. Der besondere diagnostische Wert dieser Technik liegt insbesondere darin, dass nun die gesamte Herzanatomie vom diastolischen bis zum systolischen Zustand des Herzens verfolgt werden kann.
- Von besonderem Interesse ist dabei die Untersuchung der Herzkranzgefäße (Koronarien), da diese z. B. bei bestehender Verengung (Stenose) durch Plaqueablagerungen, eine Unterversorgung des Herzmuskels (Myokardium) bewirken können. Dies führt sehr häufig zum Herzinfarkt und nicht selten auch zum Tode des Patienten. Für eine quantitative Auswertung, insbesondere eine Vermessung von Stenosen oder von Plaqueablagerungen, müssen die entsprechenden Bereiche der Gefäßstruktur aus den 3D-Bilddaten segmentiert werden. Eine algorithmische Segmentierung der anatomischen Gefäßstrukturen, also eine Separierung der die Gefäße repräsentierenden Grauwerte im 3D-Volumendatensatz von den übrigen anatomischen Strukturen ist für die kardiologische/radiologische Untersuchung der Koronarien daher von großer Bedeutung.
- Für die Segmentierung von Herzkranzgefäßen aus 3D-Bilddatensätzen sind bereits unterschiedliche Verfahren bekannt, wie bspw. Techniken, die unter den Bezeichnungen Region-Growing-Technik, Schwellwertverfahren oder Level-Set-Methode bekannt sind. Ein Beispiel für eine derartige Segmentierungstechnik zur Segmentierung von Gefäßstrukturen kann der Veröffentlichung von T. Boskamp et al., „New Vessel Analysis Tool for Morphometric Quantification and Visualisation of Vessels in CT and MR Imaging Data Sets" Radiographics 2004, 24, 287–297, entnommen werden. Bei der algorithmischen Segmentierung wird jedoch häufig fehlerhaft auch umgebendes Gewebe in die Segmentierung eingeschlossen, das nicht zu den Koronarien gehört.
- Bei der Segmentierung von Gefäßstrukturen aus einer Sequenz von in zeitlicher Abfolge aufgezeichneten 3D-Bilddatensätzen, im Folgenden auch als 4D-Bilddatensatz bezeichnet, wird nach Kenntnis der Erfinder derzeit jeder einzelne 3D-Bilddatensatz unabhängig vom anderen segmentiert. Bei der Segmentierung der 3D-Bilddatensätze eines vollständigen Herzzyklus ist dies ein zeit- und rechenaufwendiger Prozess. Gerade für funktionelle Auswertungen des Herzens ist jedoch eine zeitliche Verfolgung des Koronarbaums und somit eine Segmentierung der einzelnen 3D-Bilddatensätze einer Sequenz sehr wichtig.
- Die Aufgabe der vorliegenden Erfindung besteht darin, ein Verfahren zur Segmentierung anatomischer Strukturen, insbesondere des koronaren Gefäßbaums, aus einer Sequenz von in zeitlicher Abfolge aufgezeichneten 3D-Bilddatensätzen an zugeben, dass sich mit verringertem Zeit- und Rechenaufwand durchführen lässt und zuverlässigere Ergebnisse liefert.
- Die Aufgabe wird mit dem Verfahren gemäß Patentanspruch 1 gelöst. Vorteilhafte Ausgestaltungen des Verfahrens sind Gegenstand der Unteransprüche oder lassen sich der nachfolgenden Beschreibung sowie den Ausführungsbeispielen entnehmen.
- Bei dem vorliegenden Verfahren zur Segmentierung anatomischer Strukturen, insbesondere des koronaren Gefäßbaums, aus einer Sequenz von in zeitlicher Abfolge aufgezeichneten 3D-Bilddatensätzen, wird zunächst aus einem ersten der 3D-Bilddatensätze die anatomische Struktur segmentiert. Dies kann in bekannter Weise mit einer der in der Beschreibungseinleitung genannten Techniken erfolgen. Selbstverständlich ist es jedoch auch möglich, bereits bei dieser Segmentierung bekannte anatomische Relationen für eine Einschränkung des Suchraumes bei der Segmentierung einzusetzen. Das vorliegende Verfahren zeichnet sich vor allem dadurch aus, dass bei der Segmentierung aus weiteren der 3D-Bilddatensätze derartige bekannte anatomische Relationen sowie Ergebnisse der Segmentierung aus einem jeweils in der Sequenz zeitlich nahe liegenden, insbesondere unmittelbar benachbarten, 3D-Bilddatensatz berücksichtigt werden. Die bekannten anatomischen Relationen umfassen hierbei insbesondere räumliche Verhältnisse der zu segmentierenden Struktur gegenüber in der Umgebung vorliegenden anatomischen Objekten. Aus diesen grundsätzlich bekannten anatomischen Relationen lassen sich die Suchbereiche bei der Durchführung der Segmentierung deutlich einschränken. Bereits dies führt zu einer Verringerung des Zeit- und Rechenaufwandes bei der Durchführung der Segmentierung. Zusätzlich wird beim vorliegenden Verfahren das Ergebnis der Segmentierung aus einem zeitlich nahe liegenden Bilddatensatz, in der Regel des unmittelbar zeitlich benachbarten Bilddatensatzes, berücksichtigt. Hierbei wird ausgenutzt, dass sich bspw. bei einem 4D-Bilddatensatzes eines Herzzyklus die Koronargefäße zwischen zwei zeitlich aufeinander folgenden 3D-Bildaufnahmen nicht beliebig bewegen können. Die Suche im Volumendatensatz nach Elementen, die möglicherweise Teile des Koronarbaumes repräsentieren, wird dadurch erheblich eingeschränkt und beschleunigt. Zudem wird durch das Einbeziehen von anatomischem Wissen und den im vorangehenden Zeitschritt errechneten Segmentierungsergebnissen eine erheblich verbesserte Zuverlässigkeit des Segmentierungsergebnisses und somit des diagnostischen Wertes der segmentierten Strukturen erreicht.
- Bei bekannten Verfahren des Standes der Technik erfolgt die Segmentierung aus einem 3D-Bilddatensatz einer zeitlichen Sequenz völlig unabhängig von vorangegangenen Segmentierungsergebnissen aus 3D-Bilddatensätzen der gleichen Sequenz. Bestehende Verfahren betrachten z.B. während der Segmentierung der Koronarien jeweils nur die repräsentierenden Grauwerte der Gefäße an sich. Anatomische Relationen, wie bspw. die Lage bzw. der Abstand der Koronarien zum Myokard, werden dabei nicht berücksichtigt. Dies hat bei den bekannten Verfahren nicht selten den Nachteil, dass beim Segmentierungsergebnis Regionen eingeschlossen werden, die keinerlei Bezug zu den Koronarien haben. Ein repräsentatives Beispiel ist dabei ein gewöhnlicher Region-Growing-Algorithmus, der ohne vorgegebenes Wissen über die Anatomie sehr häufig in angrenzendes Gewebe ausläuft und somit ein verfälschtes Ergebnis liefert.
- Demgegenüber erfolgt beim vorliegenden Verfahren die Segmentierung nicht wie bei den bestehenden Algorithmen unabhängig von Zeitschritt ti zu Zeitschritt ti+1 der 3D-Bilddatensätze. Vielmehr wird von einer initialen und somit gegebenen Koronarbaumsegmentierung eines ersten 3D-Bilddatensatzes des Zeitpunkts t0 ausgegangen und dann bei direkter Einbeziehung der Ergebnisse S(t0) dieser Segmentierung direkt zum nächsten 3D-Bilddatensatz bzw. Zeitschritt t1 gegangen. Gleichzeitig werden bekannte anatomische Relationen, d. h. anatomisches Wissen, bei der Segmentierung der nächsten Zeitschritte hinzugenommen. Hierzu wird vorzugsweise vorab zumindest ein anatomisch signifikanter Punkt oder zumindest eine anatomisch signifikante Oberfläche, deren Relation zu den zu segmentierenden Strukturen grundsätzlich bekannt ist, aus dem anfänglichem 3D-Bilddatensatz segmentiert oder zumindest darin bestimmt. Durch Kenntnis des jeweils momentanen Abstandes bei der Segmentierung zu diesen anatomisch signifikanten Punkten oder Oberflächen wird dann der Suchraum für die Segmentierung entsprechend begrenzt.
- Vorzugsweise erfolgt dies über die Festlegung einzelner Stützpunkte innerhalb der initial segmentierten Struktur, von denen ausgehend jeweils, abhängig von der Lage bzw. dem Abstand zu den identifizierten Punkten bzw. Oberflächen, der Suchraum für die Segmentierung aus dem nächsten 3D-Bilddatensatz festgelegt wird. Nach der Segmentierung aus dem jeweils nächsten 3D-Bilddatensatz werden entsprechend in der aus diesem Bilddatensatz segmentierten Struktur wieder neue Stützpunkte festgelegt.
- Auf diese Art und Weise kann die Segmentierung mit sämtlichen 3D-Bilddatensätzen einer Sequenz durchgeführt werden. Selbstverständlich ist es jedoch auch möglich, einzelne 3D-Bilddatensätze der Sequenz auszulassen, so dass dann bei der Segmentierung aus einem 3D-Bilddatensatz jeweils die Ergebnisse des zeitlich nächstliegenden Bilddatensatzes einbezogen werden, aus dem die Struktur bereits segmentiert wurde.
- Die Berücksichtigung der anatomischen Relationen kann bspw. durch Rückgriff auf eine bereitgestellte Tabelle erfolgen, in der für eine bekannte Modelltopologie, d. h. für bekannte anatomische Relationen, unterschiedlichen Abständen zu dem anatomisch signifikanten Punkt und/oder der anatomisch signifikanten Oberfläche jeweils vorgegebene Segmentierungsparameter und/oder ein vorgegebener Suchraum zugeordnet sind. Unter Segmentierungsparametern sind hierbei bspw. Schwellwerte für die Segmentierung zu verstehen, die sich mit dem Abstand zu den signifikanten Punkten oder Oberflächen zur Verbesserung des Segmentierungsergebnisses auch ändern können.
- Auch wenn das Hauptanwendungsgebiet des vorliegenden Verfahrens die Segmentierung anatomischer Gefäßstrukturen im 4D-Bilddatensatz einer CTA-Bildaufnahme darstellt, lässt sich das Verfahren auch zur Segmentierung anderer anatomischer Strukturen in 4D-Bilddatensätzen anderer bildgebender Techniken, wie bspw. MR, PEP, SPECT oder der 3D-Ultraschalltechnik, einsetzen, solange geeignete Segmentierungsparameter für eine Segmentierung zur Verfügung stehen.
- Das vorliegende Verfahren wird nachfolgend anhand eines Ausführungsbeispiels in Verbindung mit den Zeichnungen nochmals erläutert. Hierbei zeigen:
-
1 ein Beispiel für die Lage der Koronarien entlang des Myokards; und -
2 ein Beispiel für den Schritt von der initialen Segmentierung zur Segmentierung aus dem nächsten 3D-Bilddatensatz gemäß dem vorliegenden Verfahren. -
1 zeigt zur Veranschaulichung im oberen Teil eine schematische Darstellung des Herzens, in der beispielsweise der Aortenbogen1 , die Lungenschlagader2 , der vordere Ast der rechten Herzkranzarterie3 (RCA), der vordere Ast der linken Herzkranzarterie (LCA)4 , der seitliche Ast der linken Herzkranzarterie (LAD)5 , sowie der hintere Ast der rechten Herzkranzarterie (RCA)6 zu erkennen sind. Die hinteren Äste sind dabei jeweils gestrichelt dargestellt. Hierbei ist deutlich zu erkennen, dass aufgrund der anatomischen Gegebenheiten eine Bewegungsbeschränkung der Koronarien zwischen den Herzphasen gegeben sein muss. Die Gefäße verlaufen dabei immer entlang des Myokards, welches den Suchraum deutlich einschränkt. - Im unteren Beispiel ist hierzu eine Darstellung des seitlichen Astes der linken Herzkranzader
5 illustriert, die sich oberhalb des Myokards8 bewegt. - Beim vorliegenden Verfahren wird diese anatomische Relation sowie die bekannten anatomischen Zusammenhänge bei der Herzbewegung genutzt, um den Suchraum bei der Segmentierung auf Basis des bekannten räumlichen Bezugs von Koronararterien und Myokard einzuschränken. Hierzu werden im vorliegenden Beispiel die segmentierten Gefäße in unterschiedliche Stützpunkte Pi unterteilt, von denen ausgehend jeweils ein zulässiger Suchraum R definiert wird. Bei der Einschränkung dieses Suchraumes R wird berücksichtigt, dass sich die Stützpunkte Pi von Herzphase zu Herzphase nur innerhalb eines bestimmten Raumes bewegen können. Zudem muss immer ein Abstand d zum Myokard eingehalten werden.
- Im vorliegenden Beispiel wird ein 4D-Bilddatensatz des Herzens bereitgestellt, der gemäß dem vorliegenden Verfahren segmentiert werden soll. Die Vorgehensweise bei dieser Segmentierung ist anhand der
2 dargestellt, die den ersten Schritt der initialen Segmentierung S(t0) sowie den anschließenden zweiten Schritt der Segmentierung S(t1) eines sich zeitlich anschließenden 3D-Bilddatensatzes zeigt. - Zunächst werden aus dem ersten 3D-Bilddatensatz der vorliegenden Sequenz, der dem Zeitpunkt t0 entspricht, bspw. der Diastole, mit gängigen Methoden die Koronarien segmentiert. Die segmentierten Koronarien sind stark schematisiert im linken Teil der
2 dargestellt, in der der vordere Ast der linken Herzkranzarterie4 , der seitliche Ast der linken Herzkranzarterie5 sowie der hintere Ast der linken Herzkranzarterie7 zu erkennen sind. Nach dieser initialen Segmentierung, die mit den gängigen Segmentierungsalgorithmen durchgeführt werden kann, werden in dem segmentierten Koronarbaum geeignete Stützstellen P1 bis P4 festgelegt, wie dies in der Fig. erkennbar ist. Weiterhin wird aus diesem 3D-Bilddaten satz durch Segmentierung des linken und rechten Ventrikels bzw. des Myokards ein Herzmodell generiert. Anschließend erfolgt eine Berechnung der Abstände der Stützstellen P1 bis P4 zum Myokard bzw. dem linken Ventrikel. - Nach dieser initialen Segmentierung S(t0) erfolgt die Segmentierung aus dem 3D-Bilddatensatz, der dem nächsten Zeitpunkt t1 innerhalb der Herzphase entspricht. Dies ist im rechten Teil der Fig. veranschaulicht. Hierbei wird für jede der festgelegten Stützstellen P1 bis P4 ein Suchraum R definiert, bspw. eine Kugel mit festem Radius, der auf Basis der maximal möglichen Bewegung der Koronarien von Zeitpunkt t0 zu Zeitpunkt t1 sowie eines Mindestabstandes zum Myokard festgelegt wird. Mit Methoden der Bildverarbeitung werden nun für jeden Stützpunkt Kandidaten im 3D-Volumendatensatz gesucht, die ein Repräsentant für ein Gefäß sein könnten. Bei der Suche wird jeweils der um jeden Stützpunkt definierte Suchraum R inkl. des Abstands d zum vorab segmentierten Myokard, linken Ventrikel oder rechten Ventrikel berücksichtigt. Die Position des Myokards
8 ist hierbei im rechten Teil der Fig. dargestellt, ebenso wie der Abstand d sowie der Suchraum R für einen der Stützpunkte. Die Segmentierung selbst kann wiederum unter Berücksichtigung des Suchraums und des Abstandes mit bekannten Segmentierungstechniken durchgeführt werden. So ist auch der Einsatz der herkömmlichen Region-Growing-Technik möglich, sofern die oben genannten Beschränkungen berücksichtigt werden. Auch weitere Optimierungsschritte, wie bspw. die Erfüllung von Glattheitsbedingungen oder die Berücksichtigung anatomischer Aufzweigungen, können hierbei zusätzlich berücksichtigt werden. - Nach der vollständigen Segmentierung der Koronargefäße aus dem Bilddatensatz des Zeitpunktes t1 wird die Segmentierung der Koronarien aus dem 3D-Bilddatensatz des nächsten Zeitpunktes t2 vorgenommen. Dies erfolgt in gleicher Weise, diesmal jedoch unter Verwendung der Segmentierungsergebnisse aus dem 3D-Bilddatensatz zum Zeitpunkt t1. Das gesamte Verfahren wird auf diese Weise nacheinander mit sämtlichen 3D-Bilddatensätzen der vorliegenden Sequenz durchgeführt, aus denen der Koronarbaum segmentiert werden soll.
- Durch die Nutzung sowohl bekannter anatomischer Relationen, insbesondere hinsichtlich des Aufenthaltsorts der Koronarien, als auch der Segmentierungsergebnisse des jeweils vorangehenden Zeitpunktes für die Berechnung im darauf folgenden Zeitpunkt kann die Segmentierung der Koronarien aus dem gesamten 4D-Bilddatensatz wesentlich schneller durchgeführt werden, als dies bei den bekannten Techniken der Fall ist. Weiterhin wird aufgrund der Nutzung der obigen Informationen ein deutlich zuverlässigeres Segmentierungsergebnis erzielt.
Claims (5)
- Verfahren zur Segmentierung anatomischer Strukturen (
3 –7 ), insbesondere des koronaren Gefäßbaums, aus einer Sequenz von in zeitlicher Abfolge aufgezeichneten 3D-Bilddatensätzen, bei dem zunächst aus einem ersten der 3D-Bilddatensätze die anatomische Struktur (3 –7 ) segmentiert wird, dadurch gekennzeichnet, dass bei der Segmentierung aus weiteren der 3D-Bilddatensätze bekannte anatomische Relationen sowie Ergebnisse der Segmentierung aus einem jeweils in der Sequenz zeitlich nahe liegenden 3D-Bilddatensatz berücksichtigt werden. - Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass bei der Segmentierung aus den weiteren 3D-Bilddatensätzen auf Basis der bekannten anatomischen Relationen sowie der Ergebnisse der Segmentierung aus dem jeweils in der Sequenz zeitlich nahe liegenden 3D-Bilddatensatz Suchräume (
9 ) der Segmentierung eingeschränkt werden. - Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass zumindest ein bekannter anatomisch signifikanter Punkt und/oder zumindest eine bekannte anatomisch signifikante Oberfläche im ersten 3D-Bilddatensatz identifiziert werden/wird und bei der Einschränkung der Suchräume (
9 ) jeweils ein Abstand relativ zu dem anatomisch signifikanten Punkt und/oder der anatomisch signifikanten Oberfläche berücksichtigt wird. - Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass jeweils nach der Segmentierung der anatomischen Struktur (
3 –7 ) aus dem ersten 3D-Bilddatensatz und den weiteren 3D-Bilddatensätzen Stützpunkte in der jeweils segmentierten anatomischen Struktur (3 –7 ) festgelegt werden, von denen ausge hend im jeweils anschließend der Segmentierung unterzogenen 3D-Bilddatensatz die Suchräume (9 ) für die Segmentierung festgelegt werden. - Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass bei der Segmentierung eines koronaren Gefäßbaums aus dem ersten 3D-Bilddatensatz als bekannte anatomisch signifikante Oberfläche eine Oberfläche der Herzkammern und/oder des Myocards (
8 ) in dem 3D-Bilddatensatz identifiziert und vorab segmentiert wird.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102004043677A DE102004043677B4 (de) | 2004-09-09 | 2004-09-09 | Verfahren zur Segmentierung anatomischer Strukturen aus 4D-Bilddatensätzen |
JP2005258745A JP2006075601A (ja) | 2004-09-09 | 2005-09-07 | 解剖学的構造のセグメント化方法 |
US11/220,666 US7899222B2 (en) | 2004-09-09 | 2005-09-08 | Method for segmentation of anatomical structures from 4D image data records |
CNA2005100991787A CN1745715A (zh) | 2004-09-09 | 2005-09-09 | 从四维图像数据组中分割出解剖结构的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102004043677A DE102004043677B4 (de) | 2004-09-09 | 2004-09-09 | Verfahren zur Segmentierung anatomischer Strukturen aus 4D-Bilddatensätzen |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102004043677A1 true DE102004043677A1 (de) | 2006-03-30 |
DE102004043677B4 DE102004043677B4 (de) | 2013-11-14 |
Family
ID=36011295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102004043677A Expired - Fee Related DE102004043677B4 (de) | 2004-09-09 | 2004-09-09 | Verfahren zur Segmentierung anatomischer Strukturen aus 4D-Bilddatensätzen |
Country Status (4)
Country | Link |
---|---|
US (1) | US7899222B2 (de) |
JP (1) | JP2006075601A (de) |
CN (1) | CN1745715A (de) |
DE (1) | DE102004043677B4 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007128875A1 (en) * | 2006-05-05 | 2007-11-15 | Valtion Teknillinen Tutkimuskeskus | A method, a system, a computer program product and a user interface for segmenting image sets |
DE102008030890A1 (de) * | 2008-06-30 | 2010-01-07 | Siemens Aktiengesellschaft | Verfahren zur Durchführung einer bildgebenden Untersuchungsmethode |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3932303B2 (ja) * | 2005-05-13 | 2007-06-20 | 独立行政法人放射線医学総合研究所 | 臓器動態の定量化方法、装置、臓器位置の予測方法、装置、放射線照射方法、装置及び臓器異常検出装置 |
DE102007028895B4 (de) * | 2007-06-22 | 2010-07-15 | Siemens Ag | Verfahren zur Segmentierung von Strukturen in 3D-Bilddatensätzen |
US8098909B2 (en) | 2007-08-31 | 2012-01-17 | Computerized Medical Systems, Inc. | Method and apparatus for efficient three-dimensional contouring of medical images |
US8265356B2 (en) * | 2008-01-30 | 2012-09-11 | Computerized Medical Systems, Inc. | Method and apparatus for efficient automated re-contouring of four-dimensional medical imagery using surface displacement fields |
US7941462B2 (en) * | 2008-09-24 | 2011-05-10 | Toshiba Medical Visualization Systems Europe, Limited | Method and apparatus for classification of coronary artery image data |
US8478012B2 (en) | 2009-09-14 | 2013-07-02 | General Electric Company | Methods, apparatus and articles of manufacture to process cardiac images to detect heart motion abnormalities |
EP2724294B1 (de) | 2011-06-21 | 2019-11-20 | Koninklijke Philips N.V. | Bildanzeigevorrichtung |
US8867806B2 (en) | 2011-08-01 | 2014-10-21 | Impac Medical Systems, Inc. | Method and apparatus for correction of errors in surfaces |
US9471989B2 (en) * | 2013-06-03 | 2016-10-18 | University Of Florida Research Foundation, Inc. | Vascular anatomy modeling derived from 3-dimensional medical image processing |
DE102015220768A1 (de) * | 2015-10-23 | 2017-04-27 | Siemens Healthcare Gmbh | Verfahren, Vorrichtung und Computerprogramm zur visuellen Unterstützung eines Behandlers bei der Behandlung eines Zielgebietes eines Patienten |
CN105787924A (zh) * | 2016-02-01 | 2016-07-20 | 首都医科大学 | 一种基于图像分割的脉络膜最大血管直径的测量方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6169817B1 (en) * | 1998-11-04 | 2001-01-02 | University Of Rochester | System and method for 4D reconstruction and visualization |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4945478A (en) * | 1987-11-06 | 1990-07-31 | Center For Innovative Technology | Noninvasive medical imaging system and method for the identification and 3-D display of atherosclerosis and the like |
US6106466A (en) * | 1997-04-24 | 2000-08-22 | University Of Washington | Automated delineation of heart contours from images using reconstruction-based modeling |
JP3902765B2 (ja) * | 2001-05-17 | 2007-04-11 | シーメンス コーポレイト リサーチ インコーポレイテツド | Mr心臓画像における左心室のセグメンテーションに対する様々なアプローチ |
JP2005506140A (ja) * | 2001-10-16 | 2005-03-03 | ザ・ユニバーシティー・オブ・シカゴ | コンピュータ支援の3次元病変検出方法 |
US7095890B2 (en) * | 2002-02-01 | 2006-08-22 | Siemens Corporate Research, Inc. | Integration of visual information, anatomic constraints and prior shape knowledge for medical segmentations |
WO2005008587A1 (en) * | 2003-07-16 | 2005-01-27 | Philips Intellectual Property & Standards Gmbh | Object-specific segmentation |
US7574247B2 (en) * | 2003-11-17 | 2009-08-11 | Siemens Medical Solutions Usa, Inc. | Automatic coronary isolation using a n-MIP ray casting technique |
-
2004
- 2004-09-09 DE DE102004043677A patent/DE102004043677B4/de not_active Expired - Fee Related
-
2005
- 2005-09-07 JP JP2005258745A patent/JP2006075601A/ja not_active Withdrawn
- 2005-09-08 US US11/220,666 patent/US7899222B2/en not_active Expired - Fee Related
- 2005-09-09 CN CNA2005100991787A patent/CN1745715A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6169817B1 (en) * | 1998-11-04 | 2001-01-02 | University Of Rochester | System and method for 4D reconstruction and visualization |
Non-Patent Citations (2)
Title |
---|
BOSKAMPT [u.a]: New Vessel Analysis Tool for Morphonetic Quantification and Visualisation of Vessels in CT and MR Imaging Data Sets. In: Radio Graphics 2004, Vol.24, 287-297 |
BOSKAMPT [u.a]: New Vessel Analysis Tool for Morphonetic Quantification and Visualisation of Vessels in CT and MR Imaging Data Sets. In: Radio Graphics 2004, Vol.24, 287-297 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007128875A1 (en) * | 2006-05-05 | 2007-11-15 | Valtion Teknillinen Tutkimuskeskus | A method, a system, a computer program product and a user interface for segmenting image sets |
US8009910B2 (en) | 2006-05-05 | 2011-08-30 | Valtion Teknillinen Tutkimuskeskus | Method, a system, a computer program product and a user interface for segmenting image sets |
DE102008030890A1 (de) * | 2008-06-30 | 2010-01-07 | Siemens Aktiengesellschaft | Verfahren zur Durchführung einer bildgebenden Untersuchungsmethode |
US8428325B2 (en) | 2008-06-30 | 2013-04-23 | Siemens Aktiengesellschaft | Method for performing an imaging examination technique |
Also Published As
Publication number | Publication date |
---|---|
US7899222B2 (en) | 2011-03-01 |
CN1745715A (zh) | 2006-03-15 |
JP2006075601A (ja) | 2006-03-23 |
US20060159322A1 (en) | 2006-07-20 |
DE102004043677B4 (de) | 2013-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3185215B1 (de) | Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion | |
DE10311319B4 (de) | Verfahren, System und Computerprodukt zur Planung eines Herzinterventionsverfahrens | |
DE602004002939T2 (de) | Methode zur dreidimensionalen modellierung von rohrförmigen strukturen | |
DE102004043694B4 (de) | Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information | |
DE60020876T2 (de) | Modellbasiertes verfahren zum ausrichten von kardiologischen ct- und kernresonanzaufnahmen | |
DE102010043849B3 (de) | Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels | |
DE602004001973T2 (de) | Verfahren zur rekonstruktion dreidimensionaler objekte | |
DE10350438A1 (de) | Verfahren und Einrichtung zur medizinischen Interventionsverfahrenplanung | |
DE102007046579B3 (de) | Verfahren zur Detektion von Bewegungen und Korrektur von Bewegungen in tomographischen und projektiven Aufnahmeserien und Tomographie- beziehungsweise Projektionssystem zur Durchführung dieses Verfahrens | |
DE102005038326A1 (de) | Verfahren und Vorrichtung zur Planung medizinischer Eingriffsprozeduren und zur Lokalisierung und Navigation eines Eingriffswerkzeugs | |
DE102004054023A1 (de) | Herzbildgebungssystem und Verfahren zur Quantifizierung von Herzkammerdyssynchronie zur biventrikulären Stimulation | |
DE102012108185A1 (de) | System und Verfahren zur Visualisierung von Blutgefäßstenosen und zur Navigation | |
DE19851597A1 (de) | Verbesserte Visualisierung schwacher Bildquellen in der Nähe dominanter Quellen | |
DE112005001755T5 (de) | System und Verfahren zur Baummodell-Visualisierung zur Erkennung von Lungenembolie | |
DE102004043677B4 (de) | Verfahren zur Segmentierung anatomischer Strukturen aus 4D-Bilddatensätzen | |
DE102019201079B4 (de) | Verfahren und bildgebendes Gerät zum Erzeugen eines bewegungskompensierten Bildes, Computerprogramm und Speichermedium | |
DE102007029886B4 (de) | Verfahren zum Segmentieren einer Herzmuskelwand und Vorrichtung zur Detektion einer pathologisch veränderten Koronararterie | |
DE602004009826T2 (de) | Dreidimensionale rekonstruktion eines objekts aus projektionsfotografien | |
EP2242023B1 (de) | Verfahren zur bewegungskompensierten Rekonstruktion eines dreidimensionalen endgültigen Bilddatensatzes | |
DE102013202313A1 (de) | Verfahren und Vorrichtung zur Korrektur von Bewegungsartefakten bei einem computertomographischen Bild | |
EP3420902B1 (de) | Verfahren zur ermittlung einer gewebeverteilungsinformation aus röntgenbilddaten, röntgeneinrichtung, computerprogramm und elektronisch lesbarer datenträger | |
DE102010062975B4 (de) | Verfahren zur Erzeugung einer vierdimensionalen Darstellung eines einer periodischen Bewegung unterworfenen Zielgebiets eines Körpers | |
DE102009031139B4 (de) | Ermittlungsverfahren für eine Neu-Initialisierung einer zeitlichen Sequenz von Durchleuchtungsbildern (B(t)) eines Untersuchungsbereichs eines Untersuchungsobjekts und zugehörige Gegenstände | |
DE102014226685A1 (de) | Verfahren zum Identifizieren von Versorgungsgebieten,Verfahren zur graphischen Darstellung von Versorgungsgebieten, Computerprogramm und maschinenlesbares Medium sowie bildgebendes Gerät | |
DE10312193A1 (de) | Verfahren zum Betreiben eines bildgebenden medizinischen Untersuchungsgeräts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8120 | Willingness to grant licences paragraph 23 | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |
Effective date: 20140215 |
|
R081 | Change of applicant/patentee |
Owner name: SIEMENS HEALTHCARE GMBH, DE Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |