DE102005002950A1 - Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikel in 3D-Bilddatensätzen des Herzens - Google Patents
Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikel in 3D-Bilddatensätzen des Herzens Download PDFInfo
- Publication number
- DE102005002950A1 DE102005002950A1 DE102005002950A DE102005002950A DE102005002950A1 DE 102005002950 A1 DE102005002950 A1 DE 102005002950A1 DE 102005002950 A DE102005002950 A DE 102005002950A DE 102005002950 A DE102005002950 A DE 102005002950A DE 102005002950 A1 DE102005002950 A1 DE 102005002950A1
- Authority
- DE
- Germany
- Prior art keywords
- image data
- left ventricle
- model
- heart
- orientation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20036—Morphological image processing
- G06T2207/20044—Skeletonization; Medial axis transform
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20168—Radial search
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Generation (AREA)
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 Aorta18 sowie die einzelnen Schichten19 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 in3 veranschaulicht. Die Positionierung dieser Trennlinie23 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 Trennlinie23 (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 Bereiches25 in der in4 gezeigten Bilddarstellung bei der Suche nach dem Septum genutzt werden. Die Suche erfolgt lediglich in der linken Hemisphäre. Hierzu werden von der bekannten Hauptachse24 Suchstrahlen26 in radialer Richtung in dieser Schicht durch die Bilddaten gezogen. Durch Analyse der Gradienten zwischen jeweils benachbarten Voxeln entlang der jeweiligen Suchstrahlen26 kann die Grenzlinie27 des Septums erfasst werden. Hierbei wird lediglich nach Gradienten gesucht, die oberhalb eines vorgebbaren Schwellwertes liegen. Zur Anpassung dieser Grenzlinie27 kann zusätzlich eine mathematische Kurvenanpassung erfolgen. Die Grenzlinie wird auf diese Weise erfasst und geglättet. Von Interesse sind lediglich die Endpunkte28 dieser Grenzlinie27 , bei denen die Gradienten unterhalb des Schwellwertes abfallen. Diese Endpunkte28 werden zur Festlegung der rotatorischen Orientierung des linken Ventrikels um die Hauptachse genutzt. Durch Kenntnis dieser Endpunkte28 kann dann das AHA-Segmentmodell den 3D-Bilddaten zugeordnet werden. Das Modell ist im linken Teil der5 dargestellt. Der rechte Teil der5 zeigt eine Polarmap-Darstellung29 (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 Endpunkte28 der Grenzlinie des Septums dargestellt sind.
Claims (7)
- 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.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102005002950A DE102005002950B4 (de) | 2005-01-21 | 2005-01-21 | Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikels und/oder angrenzender Bereiche in 3D-Bilddatensätzen des Herzens |
JP2006010830A JP2006198410A (ja) | 2005-01-21 | 2006-01-19 | 心臓の3d画像データセットにおける左心室の位置および向きの自動決定方法 |
US11/335,615 US7715609B2 (en) | 2005-01-21 | 2006-01-20 | Method for automatically determining the position and orientation of the left ventricle in 3D image data records of the heart |
CNA2006100060188A CN1806758A (zh) | 2005-01-21 | 2006-01-23 | 在心脏的三维数据组中自动确定左心室位置和取向的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102005002950A DE102005002950B4 (de) | 2005-01-21 | 2005-01-21 | Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikels und/oder angrenzender Bereiche in 3D-Bilddatensätzen des Herzens |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102005002950A1 true DE102005002950A1 (de) | 2006-08-10 |
DE102005002950B4 DE102005002950B4 (de) | 2007-01-25 |
Family
ID=36709392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102005002950A Expired - Fee Related DE102005002950B4 (de) | 2005-01-21 | 2005-01-21 | Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikels und/oder angrenzender Bereiche in 3D-Bilddatensätzen des Herzens |
Country Status (4)
Country | Link |
---|---|
US (1) | US7715609B2 (de) |
JP (1) | JP2006198410A (de) |
CN (1) | CN1806758A (de) |
DE (1) | DE102005002950B4 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012025889A1 (en) * | 2010-08-26 | 2012-03-01 | Koninklijke Philips Electronics N.V. | Automated three dimensional aortic root measurement and modeling |
DE102012107825A1 (de) * | 2012-08-24 | 2014-02-27 | Tomtec Imaging Systems Gmbh | Anpassung eines 3D Oberflächenmodells an Grenzflächen einer anatomischen Struktur in einem 3D Bilddatensatz |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7715627B2 (en) * | 2005-03-25 | 2010-05-11 | Siemens Medical Solutions Usa, Inc. | Automatic determination of the standard cardiac views from volumetric data acquisitions |
US20080281182A1 (en) * | 2007-05-07 | 2008-11-13 | General Electric Company | Method and apparatus for improving and/or validating 3D segmentations |
EP2147409A1 (de) * | 2007-05-10 | 2010-01-27 | Koninklijke Philips Electronics N.V. | Modellbasierte spect-herz-ausrichtungsschätzung |
FR2915867B1 (fr) * | 2007-05-11 | 2012-11-30 | Gen Electric | Procede et systeme d'imagerie par tomographie ct |
US8103070B2 (en) * | 2007-11-22 | 2012-01-24 | Toshiba Medical Visualization Systems Europe, Limited | Volume rendering apparatus and method |
JP5215036B2 (ja) * | 2008-05-19 | 2013-06-19 | 株式会社東芝 | 医用画像処理装置、及び医用画像処理プログラム |
EP2373218B1 (de) | 2008-12-03 | 2016-07-13 | Koninklijke Philips N.V. | Reparameterisierte bull's eye plots |
CN101650835B (zh) * | 2009-09-09 | 2011-09-28 | 哈尔滨工业大学 | 基于局部线性嵌入法构建狗左心室传导系统三维几何结构 |
US9053562B1 (en) | 2010-06-24 | 2015-06-09 | Gregory S. Rabin | Two dimensional to three dimensional moving image converter |
GB201013580D0 (en) * | 2010-08-12 | 2010-09-29 | King S College London | Method and system for parameter determination from medical imagery |
US20120063656A1 (en) * | 2010-09-13 | 2012-03-15 | University Of Southern California | Efficient mapping of tissue properties from unregistered data with low signal-to-noise ratio |
BR112013021977A2 (pt) | 2011-03-02 | 2018-06-12 | King S College London | método para visualizar informações de um objeto de interesse, dispositivo para visualizar informações de um objeto de interesse, sistema de formação de imagem médica, elemento de programa de computador e meio legível por computador |
JP5422742B2 (ja) * | 2011-05-11 | 2014-02-19 | 株式会社東芝 | 医用画像処理装置とその方法 |
US8934693B2 (en) * | 2011-11-23 | 2015-01-13 | Siemens Aktiengesellschaft | Method and system for intervention planning for transcatheter aortic valve implantation from 3D computed tomography data |
JP2013180024A (ja) * | 2012-03-01 | 2013-09-12 | Hitachi Medical Corp | X線撮影装置 |
US9992021B1 (en) | 2013-03-14 | 2018-06-05 | GoTenna, Inc. | System and method for private and point-to-point communication between computing devices |
US9949643B2 (en) * | 2014-10-18 | 2018-04-24 | International Business Machines Corporation | Automatic visualization of regional functional parameters of left ventricle from cardiac imaging |
US10163204B2 (en) * | 2015-02-13 | 2018-12-25 | St. Jude Medical International Holding S.À R.L. | Tracking-based 3D model enhancement |
JP7099901B2 (ja) * | 2018-08-06 | 2022-07-12 | 富士フイルムヘルスケア株式会社 | 超音波画像処理装置およびプログラム |
CN112308845B (zh) * | 2020-11-03 | 2021-07-02 | 赛诺威盛科技(北京)股份有限公司 | 左心室分割方法、装置及电子设备 |
CN114419032B (zh) * | 2022-03-14 | 2022-06-21 | 深圳科亚医疗科技有限公司 | 心脏左心室的心肌内膜和/或心肌外膜的分割方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004003851A2 (en) * | 2002-06-28 | 2004-01-08 | Koninklijke Philips Electronics N.V. | Image processing method for displaying information relating to parietal motions of a deformable 3-d object |
WO2004107273A1 (en) * | 2003-05-28 | 2004-12-09 | Siemens Corporate Research, Inc. | Automatic optimal view determination for cardiac acquisitions |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5457754A (en) * | 1990-08-02 | 1995-10-10 | University Of Cincinnati | Method for automatic contour extraction of a cardiac image |
US5680471A (en) * | 1993-07-27 | 1997-10-21 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
US5903664A (en) * | 1996-11-01 | 1999-05-11 | General Electric Company | Fast segmentation of cardiac images |
US6106466A (en) * | 1997-04-24 | 2000-08-22 | University Of Washington | Automated delineation of heart contours from images using reconstruction-based modeling |
US6594380B2 (en) * | 1997-09-22 | 2003-07-15 | Canon Kabushiki Kaisha | Image discrimination apparatus and image discrimination method |
US6873718B2 (en) * | 2001-10-12 | 2005-03-29 | Siemens Corporate Research, Inc. | System and method for 3D statistical shape model for the left ventricle of the heart |
US6628743B1 (en) * | 2002-11-26 | 2003-09-30 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for acquiring and analyzing cardiac data from a patient |
US7813785B2 (en) * | 2003-07-01 | 2010-10-12 | General Electric Company | Cardiac imaging system and method for planning minimally invasive direct coronary artery bypass surgery |
US20050018890A1 (en) * | 2003-07-24 | 2005-01-27 | Mcdonald John Alan | Segmentation of left ventriculograms using boosted decision trees |
US7596258B2 (en) * | 2003-11-10 | 2009-09-29 | Kabushiki Kaisha Toshiba | Image processor |
-
2005
- 2005-01-21 DE DE102005002950A patent/DE102005002950B4/de not_active Expired - Fee Related
-
2006
- 2006-01-19 JP JP2006010830A patent/JP2006198410A/ja not_active Abandoned
- 2006-01-20 US US11/335,615 patent/US7715609B2/en not_active Expired - Fee Related
- 2006-01-23 CN CNA2006100060188A patent/CN1806758A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004003851A2 (en) * | 2002-06-28 | 2004-01-08 | Koninklijke Philips Electronics N.V. | Image processing method for displaying information relating to parietal motions of a deformable 3-d object |
WO2004107273A1 (en) * | 2003-05-28 | 2004-12-09 | Siemens Corporate Research, Inc. | Automatic optimal view determination for cardiac acquisitions |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012025889A1 (en) * | 2010-08-26 | 2012-03-01 | Koninklijke Philips Electronics N.V. | Automated three dimensional aortic root measurement and modeling |
CN103068318A (zh) * | 2010-08-26 | 2013-04-24 | 皇家飞利浦电子股份有限公司 | 自动的三维主动脉根测量和建模 |
CN103068318B (zh) * | 2010-08-26 | 2016-02-03 | 皇家飞利浦电子股份有限公司 | 自动的三维主动脉根测量和建模 |
DE102012107825A1 (de) * | 2012-08-24 | 2014-02-27 | Tomtec Imaging Systems Gmbh | Anpassung eines 3D Oberflächenmodells an Grenzflächen einer anatomischen Struktur in einem 3D Bilddatensatz |
US9280816B2 (en) | 2012-08-24 | 2016-03-08 | Tomtec Imaging Systems Gmbh | Adaptation of a 3D-surface model to boundaries of an anatomical structure in a 3D-image data set |
DE102012107825B4 (de) * | 2012-08-24 | 2017-03-16 | Tomtec Imaging Systems Gmbh | Anpassung eines 3D Oberflächenmodells an Grenzflächen einer anatomischen Struktur in einem 3D Bilddatensatz |
Also Published As
Publication number | Publication date |
---|---|
US20060182341A1 (en) | 2006-08-17 |
DE102005002950B4 (de) | 2007-01-25 |
CN1806758A (zh) | 2006-07-26 |
JP2006198410A (ja) | 2006-08-03 |
US7715609B2 (en) | 2010-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102005002950B4 (de) | Verfahren zur automatischen Bestimmung der Position und Orientierung des linken Ventrikels und/oder angrenzender Bereiche in 3D-Bilddatensätzen des Herzens | |
EP3185215B1 (de) | Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion | |
DE602004002939T2 (de) | Methode zur dreidimensionalen modellierung von rohrförmigen strukturen | |
DE102005002949A1 (de) | Verfahren zur Visualisierung von Schädigungen im Myokard | |
DE102004043694B4 (de) | Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information | |
DE102007046579B3 (de) | Verfahren zur Detektion von Bewegungen und Korrektur von Bewegungen in tomographischen und projektiven Aufnahmeserien und Tomographie- beziehungsweise Projektionssystem zur Durchführung dieses Verfahrens | |
DE10249320A1 (de) | Gefäss-Detektion durch Strahlausbreitung auf der Grundlage der mittleren Abweichung | |
DE102006028812A1 (de) | System und Verfahren zum pfad-basierten Tree-Matching | |
DE19851597A1 (de) | Verbesserte Visualisierung schwacher Bildquellen in der Nähe dominanter Quellen | |
DE102009006636A1 (de) | Verfahren zur Ermittlung einer 2D-Kontur einer in 3D-Bilddaten abgebildeten Gefäßstruktur | |
DE10048029A1 (de) | Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation | |
DE112014002783T5 (de) | Konturkorrekturvorrichtung, -verfahren und -programm | |
DE102013218437A1 (de) | Verfahren zur automatischen oder halb-automatischen Segmentierung und Vorrichtung | |
DE102009014763A1 (de) | Verfahren und Datenverarbeitungssystem zur Bestimmung des Kalziumanteils in Herzkranzgefäßen | |
DE102007028895B4 (de) | Verfahren zur Segmentierung von Strukturen in 3D-Bilddatensätzen | |
EP2336979A1 (de) | Verfahren und Vorrichtung zur Segmentierung von medizinischen Bilddaten | |
DE102012213461B4 (de) | Erzeugung modifizierter Bilddaten eines Zielobjekts | |
EP3583902B1 (de) | Verfahren zum automatischen anpassen eines mittels eines röntgengeräts gewonnenen bilddatensatzes, computerprogramm, datenspeicher und röntgengerät | |
DE102008009190A1 (de) | Verfahren zur automatischen Bestimmung der Ruhephase des Herzens | |
DE102006012943A1 (de) | Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes und medizinisches Abbildungssystem | |
DE102010028382A1 (de) | Verfahren und Computersystem zur Bearbeitung tomographischer Bilddaten aus einer Röntgen-CT-Untersuchung eines Untersuchungsobjektes | |
DE102015217948B4 (de) | Verfahren zur Segmentierung eines Organs und/oder Organbereiches in Volumendatensätzen der Magnetresonanztomographie | |
DE102017103146A1 (de) | Evaluiervorrichtung, Evaluierverfahren und Evaluierprogramm | |
DE102011006817B4 (de) | Verfahren zur vollautomatischen Segmentierung eines Organs, insbesondere des Nierenparenchyms, aus Volumendatensätzen der medizinischen Bildgebung | |
DE102015103468A1 (de) | Verfahren zur Segmentierung eines Organs und/oder Organbereiches in mehrkanaligen Volumendatensätzen der Magnetresonanztomographie |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8120 | Willingness to grant licences paragraph 23 | ||
8364 | No opposition during term of opposition | ||
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 |