DE102005002950A1

DE102005002950A1 - Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikel in 3D-Bilddatensätzen des Herzens

Info

Publication number: DE102005002950A1
Application number: DE102005002950A
Authority: DE
Inventors: Daniel Rinck; Michael Dr. Scheuering
Original assignee: Siemens AG
Current assignee: Siemens Healthcare GmbH
Priority date: 2005-01-21
Filing date: 2005-01-21
Publication date: 2006-08-10
Anticipated expiration: 2025-01-22
Also published as: US20060182341A1; DE102005002950B4; CN1806758A; JP2006198410A; US7715609B2

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zur Bestimmung der Position und Orientierung des linken Ventrikels und/oder daran angrenzender Bereiche in 3-D-Bilddatensätzen des Herzens, die mit einem bildgebenden tomographischen Verfahren unter Kontrastmittelinjektion aufgezeichnet wurden. Bei dem Verfahren wird der linke Ventrikel zunächst grob segmentiert und die lange Hauptachse (24) aus den segmentierten Bilddaten bestimmt. Ausgehend von dieser langen Hauptachse (24) werden unter Einsatz von Suchstrahlen (26) in einer Ebene Endpunkte (28) einer Grenzlinie (27) des Septums bestimmt. Die segmentierten Bilddaten, die lange Hauptachse (24) sowie die Endpunkte (28) legen die Position und Orientierung des linken Ventrikels im Bilddatensatz fest. Auf Basis dieser automatischen Analyse der Bilddaten kann dann ein Segmentmodell zugeordnet und/oder ein Oberflächenmodell zur genaueren Segmentierung der Bilddaten an den Bilddatensatz angepasst werden. Das Verfahren erfordert keine zeitaufwändige Interaktion mit dem Benutzer.

Description

Die vorliegende Erfindung betrifft ein Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikel und/oder angrenzender Bereiche in 3D-Bilddatensätzen des Herzens, wie sie unter Kontrastmittelinjektion mit einem bildgebenden tomographischen Verfahren, insbesondere der Computertomographie, aufgezeichnet wurden.

Mit den modernen Techniken der Computertomographie, insbesondere der Mehrschicht-Computertomographie, wird neben der bereits bisher durchgeführten Visualisierung koronarer Herzkrankheiten auch eine Visualisierung des Herzens für eine funktionelle Analyse ermöglicht. Die Bildaufzeichnung der 3D-Bilddaten des Herzens erfolgt dabei unter Kontrastmittelinjektion, um durchblutete und somit mit Kontrastmittel angereicherte Bereiche deutlich von nicht durchbluteten Strukturen unterscheiden zu können.

Eine wesentliche Voraussetzung für die funktionelle Herzanalyse anhand von 3D-Bilddaten einer tomographischen Modalität ist eine geeignete Visualisierung der Bilddaten, in der der Betrachter jederzeit die genaue Lage einer beliebigen von ihm im Bild markierten Stelle im Herzen erkennen und/oder abfragen kann. Dies erfordert vor allem eine korrekte Abgrenzung zwischen dem linken Ventrikel, dem rechten Ventrikel und dem Myokard.

Für eine derartige Abgrenzung ist eine Segmentierung der 3D-Bilddaten in die einzelnen Bereiche des Herzens erforderlich. In letzter Zeit werden hierfür vermehrt Modell-basierte Verfahren eingesetzt, bspw. auf Basis des sog. "Active Shape Models" (ASM) oder des sog. "Point Distribution Models" (PDM).

Einzelheiten zu diesen Modellen, die auf Basis von Trainingsdaten erstellt und an die vorliegenden 3D-Bilddaten angepasst werden, finden sich bspw. in T. Cootes et al., „Statistical Models of Appearance for Computer Vision", University of Manchester, 5. Dezember 2000. Eine Segmentierung des linken Ventrikel sowie von Strukturen des Myokards in 3D-Bilddaten des Herzens konnte mit einem derartigen Modell bisher allerdings lediglich unter zeitaufwendiger manueller Interaktion mit dem Benutzer erfolgen. Auch für eine Zuordnung der einzelnen Bereiche des Herzens gemäß einem Segmentmodell, wie dem 17-Segmentmodell der American Heart Association (AHA-Segmentmodell) erforderte bisher eine manuelle Interaktion mit dem Benutzer. Bei dieser manuellen Interaktion musste der Benutzer in den dargestellten Bildern Grenzpunkte des Septums markieren, auf deren Basis in Verbindung mit den bereits segmentierten Bilddaten eine Zuordnung des Segmentmodells erfolgen konnte. Ein derartiges Segmentmodell teilt das Herz in basale, mid-ventriculare und apicale definierte Bereiche auf, auf die in der Fachwelt bei einer Beschreibung des Herzens jeweils Bezug genommen wird.

Die Aufgabe der vorliegenden Erfindung besteht darin, ein Verfahren zur Bestimmung der Position und Orientierung des linken Ventrikel und/oder benachbarter Bereiche in 3D-Bilddatensätzen des Herzens anzugeben, bei dem die Bestimmung ohne zeitaufwendige Interaktion mit dem Benutzer automatisiert erfolgen kann.

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 dem Ausführungsbeispiel entnehmen.

Bei dem vorliegenden Verfahren wird ein 3D-Bilddatensatz, insbesondere ein CT-Bilddatensatz, des Herzens bereitgestellt, der unter Kontrastmittelinjektion mit einem bildgebenden tomographischen Verfahren aufgezeichnet wurde. In dem 3D-Bilddatensatz wird mit einem Bildverarbeitungsalgorithmus der linke Ventrikel zunächst zumindest grob segmentiert und eine lange Hauptachse des linken Ventrikel aus den segmentierten Bilddaten bestimmt. Ausgehend von der Hauptachse werden mit radialen Suchstrahlen in zumindest einer Ebene senkrecht zur Hauptachse die beiden Endpunkte einer Grenzlinie des Septums detektiert. Diese Detektion kann vollkommen automatisiert über ein Schwellwertverfahren erfolgen. Auf Basis der grob segmentierten Bilddaten, der bekannten langen Hauptachse und der Lage der detektierten Endpunkte wird dann die Position und Orientierung des linken Ventrikel festgelegt.

Vorzugsweise wird diese festgelegte Position und Orientierung des linken Ventrikel für die Zuordnung eines Segmentmodells, insbesondere des AHA-Segmentmodells, zu den 3D-Bilddaten oder daraus segmentierten Bilddaten genutzt. Der Betrachter kann dann durch Anklicken oder Markieren eines entsprechenden Punktes oder Bereiches innerhalb des jeweils dargestellten Bildes eine Information über das zugeordnete Segment gemäß dem Segmentmodell erhalten.

In einer weiteren sehr vorteilhaften Weiterbildung des vorliegenden Verfahrens wird die grobe Segmentierung durch Anpassen eines Modells an die 3D-Bilddaten verfeinert, dessen Startparameter, d. h. die Startposition, Skalierung und rotatorische Orientierung um die Hauptachse, aus den bereits vorliegenden Daten, d. h. der Lage der Hauptachse, den Endpunkten der Grenzlinie des Septums sowie der groben Segmentierung des linken Ventrikel, erhalten werden. Auf diese Weise wird eine zeitaufwendige manuelle Interaktion mit dem Benutzer zur Anpassung des Modells vermieden.

In einer vorteilhaften Ausgestaltung setzt der Benutzer lediglich mit einem Klick auf die Aorta in einer Bilddarstellung des Herzens einen Startpunkt, von dem ausgehend die weiteren Schritte des Verfahrens vollkommen automatisiert erfolgen. Der Benutzer kann sich nach der Bestimmung der Position und Orientierung des linken Ventrikel und/oder benachbarter Bereiche in dem 3D-Bilddatensatz gemäß dem vorliegenden Verfahren jede beliebige Bilddarstellung anzeigen lassen und ist jederzeit über den exakten Ort einzelner dargestellter Bildbereiche informiert. Dies ermöglicht eine funktionelle Herzanalyse auf Basis tomographischer 3D-Bilddaten, insbesondere von CT-Bilddaten, ohne zeitaufwendige vorangehende Benutzerinteraktion.

Das vorliegende Verfahren wird nachfolgend anhand eines Ausführungsbeispiels in Verbindung mit den Zeichnungen ohne Beschränkung des durch die Patentansprüche vorgegebenen Schutzbereichs nochmals näher erläutert. Hierbei zeigen:
1 ein Beispiel für einzelne Verfahrensschritte bei der Durchführung des vorliegenden Verfahrens;
2 ein Beispiel für den Region Growing Algorithmus bei der Segmentierung der Aorta;
3 ein Beispiel für die Auftrennung zwischen linkem und rechtem Ventrikel;
4 eine Veranschaulichung der Detektion der Endpunkte einer Grenzlinie des Septums;
5 ein Beispiel für das AHA-Segmentmodell sowie eine Polarmap-Darstellung der Bilddaten; und
6 eine Darstellung der Endpunkte einer Grenzlinie des Septums in einer mid-ventricularen Ebene.
Ein Beispiel für einzelne Verfahrensschritte bei der Durchführung des vorliegenden Verfahrens ist in der 1 dargestellt. Die einzelnen Verfahrensschritte werden nachfolgend im Einzelnen nochmals näher erläutert. Zunächst wird ein 3D-Bilddatensatz des Herzens bereitgestellt, der unter Kontrast mittelinjektion mit einem Computertomographie-Gerät aufgezeichnet wurde. Eine Segmentierung der Bilddaten für eine funktionelle Herzanalyse soll hierbei durch Anpassung eines ASM, das die Epikard- und Endokardoberfläche beschreibt, an den 3D-Bilddatensatz erfolgen.
Zur automatischen Bestimmung der Startparameter für die Anpassung des Modells wird ein Algorithmus eingesetzt, zu dessen Start lediglich ein Klick des Benutzers auf eine Stelle im oberen Bereich der Aorta in einer Bilddarstellung des 3D-Bilddatensatzes erforderlich ist. Ausgehend von dem auf diese Weise markierten Bildpunkt wird in einer ersten Schicht des 3D-Bilddatensatzes eine mittlere Intensität innerhalb eines vorgegebenen Bereiches um diesen markierten Punkt berechnet. Anschließend startet ein Region Growing Algorithmus, der in dieser Schicht alle jeweils benachbarten Voxel daraufhin überprüft, ob sie innerhalb eines vorgegebenen Schwellwertintervalls um diesen mittleren Intensitätswert liegen. Alle Voxel, die innerhalb des Intervalls liegen, werden zur Aorta gezählt und entsprechend maskiert. Der gleiche Prozess erfolgt für die nächste, jeweils darunter liegende Schicht, wobei diesmal mittlere Intensitätsmittelwert aus der mittleren Intensität der in der vorangehenden Schicht maskierten Voxel berechnet wird. Diese schichtweise Durchführung des Region Growing Algorithmus ist in der 2 schematisch dargestellt, die die Aorta 18 sowie die einzelnen Schichten 19 schematisch zeigt, die bei dem Region Growing Algorithmus nacheinander durchlaufen werden.
Um eine unkontrollierte Auswucherung in das gesamte Herz zu vermeiden, werden dem Region Growing Algorithmus Wachstumsbegrenzungen gesetzt. Dies erfolgt im vorliegenden Beispiel dadurch, dass jeweils ein rechteckiger Bereich um jedes markierte Voxel gesetzt und überprüft wird, ob eine Mindestanzahl von Voxel in diesem umgebenen Bereich maskiert sind. Ist dies nicht der Fall, so wird dieser Bereich von der Maske subtrahiert. Ist dies der Fall so wird er der Maske hinzuge fügt. Auf diese Weise lassen sich unerwünschte Auswüchse beim Region Growing vermeiden. Als Ergebnis des vorliegend eingesetzten Region Growing Algorithmus wird eine Maske der Aorta, des linken Ventrikel sowie von Teilen des rechten Ventrikel, des linken und des rechten Atriums erhalten.
Zur Detektion der Ebene der Herzklappen erfolgt eine schichtweise Analyse der Bilddaten. Hierzu wird in jeder beim Region Growing Algorithmus durchlaufenden Schicht der Schwerpunkt der maskierten Voxelfläche bestimmt. Beim Übergang von der Aorta in den linken Ventrikel erfolgt ein starker seitlicher Versatz dieses Schwerpunktes, der aus den segmentierten Bilddaten bestimmt werden kann. Dieser Sprung des Schwerpunktes legt somit das Ende der Aorta im Bilddatensatz fest. Auch die Anzahl der zur maskierten Fläche gehörenden Voxel steigt an dieser Stelle sprungartig an. Mit dieser Analyse kann somit der Übergang von der Aorta in das linke Ventrikel in den 3D-Bilddaten automatisch bestimmt werden.
Da der Region-Growing-Algorithmus auch in den rechten Ventrikel laufen kann, muss dies detektiert und der rechte Ventrikel in den Bilddaten entsprechend isoliert werden. Dieser Fall kann anhand eines erneuten Sprungs des Schwerpunktes nach dem Ende der Aorta detektiert werden. Tritt ein derartiger Sprung auf, so ist dies ein Anzeichen dafür, dass der Algorithmus auch in das rechte Ventrikel verlaufen ist. In diesem Fall in der Darstellung der Schicht, in der dieser erneute Sprung detektiert wurde, eine Trennlinie 23 zwischen dem linken (LV) und dem rechten Ventrikel (RV) gesetzt. Dies ist in 3 veranschaulicht. Die Positionierung dieser Trennlinie 23 erfolgt derart, dass die in der vorangegangenen Schicht maskierte Fläche von der Linie gerade nicht geschnitten wird. Die Orientierung der Linie kann aus den Zusatzinformationen zu den 3D-Bilddaten erhalten werden, die im DICOM-Format vorliegen. Aus diesen Bilddaten ist die Orientierung des Patienten bei der Bildaufnahme bekannt, durch die auch die Orientierung der Trennlinie festliegt. Alle Voxel oberhalb der Trennlinie 23 (vgl. 3) werden abgeschnitten und nicht für die Maskierung genutzt.
Als Ergebnis der vorangegangenen Verfahrensschritte wird eine binäre Maske des linken Ventrikel erhalten, auf deren Basis die Orientierung und Skalierung des ASM als Startparameter bestimmt werden können.
Für eine schnelle und genaue Anpassung des Modells reicht jedoch die Skalierung und Positionierung noch nicht aus. Die Rotation um die Hauptachse liegt dadurch noch nicht fest und muss ebenfalls bestimmt werden. Dies erfolgt im vorliegenden Verfahren nicht durch eine manuelle Festlegung der entsprechenden Begrenzungspunkte des Septums. Diese Punkte werden vielmehr in der folgenden Weise automatisch bestimmt.
Aus der obigen Komponentenanalyse des linken Ventrikel ist die lange Hauptachse 24 bekannt. Weiterhin ist die Orientierung des Patienten aus der DICOM-Information bekannt und kann zum Ausschluss des rechten Bereiches 25 in der in 4 gezeigten Bilddarstellung bei der Suche nach dem Septum genutzt werden. Die Suche erfolgt lediglich in der linken Hemisphäre. Hierzu werden von der bekannten Hauptachse 24 Suchstrahlen 26 in radialer Richtung in dieser Schicht durch die Bilddaten gezogen. Durch Analyse der Gradienten zwischen jeweils benachbarten Voxeln entlang der jeweiligen Suchstrahlen 26 kann die Grenzlinie 27 des Septums erfasst werden. Hierbei wird lediglich nach Gradienten gesucht, die oberhalb eines vorgebbaren Schwellwertes liegen. Zur Anpassung dieser Grenzlinie 27 kann zusätzlich eine mathematische Kurvenanpassung erfolgen. Die Grenzlinie wird auf diese Weise erfasst und geglättet. Von Interesse sind lediglich die Endpunkte 28 dieser Grenzlinie 27, bei denen die Gradienten unterhalb des Schwellwertes abfallen. Diese Endpunkte 28 werden zur Festlegung der rotatorischen Orientierung des linken Ventrikels um die Hauptachse genutzt. Durch Kenntnis dieser Endpunkte 28 kann dann das AHA-Segmentmodell den 3D-Bilddaten zugeordnet werden. Das Modell ist im linken Teil der 5 dargestellt. Der rechte Teil der 5 zeigt eine Polarmap-Darstellung 29 (auch "Bull Eyes Projection" genannt) der Bilddaten des Herzens, die eine Ansicht entsprechend dem AHA-Segmentmodell repräsentiert. Eine derartige Polarmap-Darstellung kann durch den Benutzer veranlasst und ohne weiteres aus den 3D-Bilddaten generiert werden.
6 zeigt schließlich noch eine optische Darstellung einer Schicht im mid-ventricularen Bereich des Herzens, in der die einzelnen Segmente entsprechend dem Segmentmodell sowie die Endpunkte 28 der Grenzlinie des Septums dargestellt sind.

Claims

Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikel und/oder angrenzender Bereiche in 3D-Bilddatensätzen des Herzens, bei dem – ein 3D-Bilddatensatz des Herzens bereitgestellt wird, der unter Kontrastmittelinjektion mit einem bildgebenden tomographischen Verfahren aufgezeichnet wurde, – in dem 3D-Bilddatensatz der linke Ventrikel mit einem Bildverarbeitungs-Algorithmus zumindest grob segmentiert und eine lange Hauptachse (24) des linken Ventrikel aus den segmentierten Bilddaten bestimmt wird, – ausgehend von der Hauptachse (24) mit radialen Suchstrahlen (26) in zumindest einer Ebene zwei Endpunkte (28) einer Grenzlinie (27) des Septums detektiert werden und – auf Basis der segmentierten Bilddaten, der langen Hauptachse (24) und der Endpunkte (28) die Position und Orientierung des linken Ventrikel festgelegt werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass auf Basis der segmentierten Bilddaten, der langen Hauptachse (24) und der Endpunkte (28) den 3D-Bilddaten oder daraus segmentierten Bilddaten ein Segmentmodell des linken Ventrikel zugeordnet wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die grobe Segmentierung des linken Ventrikel durch Anpassung eines Modells, insbesondere eines Oberflächenmodells, verfeinert wird.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass als Startparameter für die Anpassung des Modells eine Startposition und Startskalierung durch eine Vorverarbeitung bestimmt werden, bei der auf Basis eines Region Growing Algo rithmus ausgehend von einem beliebigen, vorgebbaren Startpunkt in der Aorta (18) ein Übergang von der Aorta (18) in den linken Ventrikel detektiert und der linke Ventrikel gegenüber dem rechten Ventrikel abgegrenzt wird.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass der Region Growing Algorithmus ausgehend vom Startpunkt eine schichtweise Segmentierung durchführt, wobei in durch die Segmentierung maskierten Daten jeder Schicht ein Schwerpunkt der maskierten Fläche bestimmt und der Übergang von der Aorta (18) in den linken Ventrikel anhand eines sprunghaften Versatzes des Schwerpunkts von einer Schicht zu einer nachfolgenden Schicht detektiert wird.
Verfahren nach einem der Ansprüche 3 bis 5, dadurch gekennzeichnet, dass die Endpunkte (28) zur Bestimmung einer rotatorischen Anfangslage des Modells um die Hauptachse (24) als weiterer Startparameter für die Anpassung des Modells herangezogen werden.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass die Grenzlinie (27) des Septums über ein Gradienten-Schwellwertverfahren bestimmt wird.