DE102004043677A1

DE102004043677A1 - Verfahren zur Segmentierung anatomischer Strukturen aus 4D-Bilddatensätze

Info

Publication number: DE102004043677A1
Application number: DE102004043677A
Authority: DE
Inventors: Daniel Rinck; Michael Dr. Scheuering
Original assignee: Siemens AG
Current assignee: Siemens Healthcare GmbH
Priority date: 2004-09-09
Filing date: 2004-09-09
Publication date: 2006-03-30
Anticipated expiration: 2024-09-10
Also published as: US7899222B2; CN1745715A; JP2006075601A; US20060159322A1; DE102004043677B4

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 t_i zu Zeitschritt t_i+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 Aortenbogen 1, die Lungenschlagader 2, der vordere Ast der rechten Herzkranzarterie 3 (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 Myokards 8 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 P_i unterteilt, von denen ausgehend jeweils ein zulässiger Suchraum R definiert wird. Bei der Einschränkung dieses Suchraumes R wird berücksichtigt, dass sich die Stützpunkte P_i 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 Herzkranzarterie 4, der seitliche Ast der linken Herzkranzarterie 5 sowie der hintere Ast der linken Herzkranzarterie 7 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

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.