DE102005029607A1 - Verfahren und Anordnung zur Visualisierung biologischer Strukturen unter Anwendung von 3D Lageinformation aus Segmentierungsergebnissen - Google Patents

Verfahren und Anordnung zur Visualisierung biologischer Strukturen unter Anwendung von 3D Lageinformation aus Segmentierungsergebnissen Download PDF

Info

Publication number
DE102005029607A1
DE102005029607A1 DE102005029607A DE102005029607A DE102005029607A1 DE 102005029607 A1 DE102005029607 A1 DE 102005029607A1 DE 102005029607 A DE102005029607 A DE 102005029607A DE 102005029607 A DE102005029607 A DE 102005029607A DE 102005029607 A1 DE102005029607 A1 DE 102005029607A1
Authority
DE
Germany
Prior art keywords
outline
area
target object
volume
environment
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.)
Withdrawn
Application number
DE102005029607A
Other languages
English (en)
Inventor
Boudewijn Joseph Angelus Verstraelen
Sebastiaan Paul Verstraelen
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pie Medical Imaging BV
Original Assignee
Pie Medical Imaging BV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Pie Medical Imaging BV filed Critical Pie Medical Imaging BV
Publication of DE102005029607A1 publication Critical patent/DE102005029607A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/003D [Three Dimensional] image rendering
    • G06T15/08Volume rendering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/04Indexing scheme for image data processing or generation, in general involving 3D image data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10132Ultrasound image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30048Heart; Cardiac
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/41Medical

Abstract

Verfahren zur Visualisierung der Merkmale eines bestimmten Objektvolumens in einer gesamten medizinischen/biologischen Umgebung umfasst die nachfolgenden Computer-betriebenen Schritte: DOLLAR A - das Empfangen (52) eines Quellenbild-Datensatzes, wie dieser zu der genannten gesamten Umgebung gehört; DOLLAR A - das Feststellen einer ersten Umrissfläche innerhalb der genannten Umgebung und durch die Verwendung der genannten ersten Umrissfläche als Samendaten, das Feststellen einer zweiten Umrissfläche innerhalb der genannten Umgebung, wobei die genannte erste und zweite Umrissfläche kollektiv ein Zielobjektvolumen (58) definieren; DOLLAR A - durch Segmentierung das Ausschließen (60, 68) aus dem genannten Bilddatensatz aller Information, die zu Strukturen außerhalb des genannten Zielobjektvolumens gehört; DOLLAR A - und Visualisierung (70) des genannten Zielobjektes als Basis nicht ausgeschlossener Informatione. DOLLAR A Insbesondere legt das Verfahren die genannte zweite Umrissfläche fest durch Kombination von Voxel-Intensitäten und relativen Positionen unter Voxel-Subsätzen, ein Zielvolumen dadurch, dass alle Daten außerhalb der Außenfläche und innerhalb der Innenfläche ausgeschlossen werden, wodurch ein nicht einheitlicher Raum zwischen der genannten ersten und zweiten Umrissfläche ermöglicht wird, und benutzt die zweite Umrissfläche als unterscheidend für die Segmentierung.

Description

  • Die vorliegende Erfindung bezieht sich auf ein Verfahren zur Visualisierung einer bestimmten Fläche eines Objektvolumens in einer gesamten medizinischen/biologischen Umgebung, und zwar dadurch, dass wenigstens eine erste und eine zweite Umrissfläche innerhalb der oben genannten Umgebung gebildet wird, die kollektiv ein Zielobjektvolumen definieren, und wobei dieses Verfahren es ermöglicht, selektiv Information auszuschließen, die zu Strukturen außerhalb des genannten Zielobjektvolumens gehören. Insbesondere bezieht sich die vorliegende Erfindung auf ein Verfahren, wie in dem Oberbegriff des Anspruchs 1 erwähnt. Ein Gebiet zwischen den zwei Umrissflächen wird nachstehend als die Wand bezeichnet, wie eine Herzwand oder Schale.
  • In dem Stand der Technik, wie insbesondere dargeboten durch medizinische/biologische MR-Diagnostik, aber außerdem mit medizinischen/biologischen CT-Technologie (Computertomographie) und US-Technologie (Ultraschall) ist die Bedeutung der Visualisierung nur begrenzter Zielobjektvolumen erkannt worden, während uninteressante Volumen ausgeschlossen werden. Ein relevantes aber nicht begrenzendes Anwendungsbeispiel ist die Visualisierung von Kranzarterien durch Ausschließung von Information außerhalb der Herzwand, die diese betreffenden Objekte verdunkeln könnte, in diesem Fall die inneren Herzkammern des menschlichen Herzes und auch Strukturen, die außerhalb der direkten Nachbarschaft des Herzes liegen. In diesem Beispiel werden, wenn ein schlagendes Herz sichtbar gemacht wird, die Umrissdaten, die das betreffende Volumen identifizieren, abhängig sein von der Phase des Zyklus des Herzschlages. Deswegen wird Synchronisation zu einem EKG (Elektrokardiogramm) erforderlich sein zur Visualisierung aufeinander folgender Scheiben, die zu betreffenden selektierten Phasen in dem Zyklus gehören. An sich sind Verfahren zum Durchführen einer derartigen Synchronisation in dem medizinischen Bereich durchaus bekannt.
  • Das US Patent 6.085.218 von Cline beschreibt die Anwendung eines Schwellenpegels auf die Daten, das Glätten des mit einer Schwelle versehenen Datensatzes, das Erweitern des geglätteten Datensatzes, das Ausschließen bestimmter Daten aus dem ursprünglichen Datensatz auf Basis des Glättungsergebnisses, und das Darstellen der nicht ausgeschlossenen Daten. Die Maskierungs/Erweiterungsvorgänge von Cline reduzieren im Wesentlichen Intensitäten von Volumenelementen zu einem binären Wert. Danach wird die Erweiterung dadurch effektuiert, dass die Volumenelementumgebung einheitlichen binären Operatoren ausgesetzt wird. Nun hat der Bezugswert bereits erkannt, dass oft die Tatsache, dass von dem inneren Umriss des Herzes ausgegangen wird, bessere Ergebnisse liefert. Im Endeffekt schafft der Stand der Technik eine Wasserzeichenfläche und effektuiert danach die Visualisierung, im Wesentlichen basiert auf Volumeneinheiten an beiden Seiten des Wasserzeichens. Durch Binärisierung des Bildes und durch Verwendung relativ einfacher Operatoren wird die Vielseitigkeit des Bezugswertes begrenzt, wie nachstehend noch näher erläutert wird.
  • Die Erfinder haben tatsächlich erkannt, dass die oben genannte Prozedur in vielen Instanzen weniger genaue Ergebnisse herbeiführen wird, wobei die jeweiligen Flächen (innen gegenüber außen) gewissermaßen unabhängig voneinander laufen. In dem Beispiel eines menschlichen Herzes kann die Wandstärke tatsächlich über einen beträchtlichen Faktor variieren und der einheitliche Erweiterungsprozess, wie oben beschrieben, wäre auf diese Weise verpflichtet, die Wandstärke an dickeren Stellen zu unterschätzen und die Stärke an dünneren Stellen zu überschätzen.
  • Deswegen ist es u. a. eine Aufgabe der vorliegenden Erfindung die zwei oder mehrere Umrissflächen anhand zueinander separater Prozeduren zu finden, die je spezifisch auf die betreffende Situation abgestimmt sein könnten, wie durch Berücksichtigung insbesondere mehrerer geometrischer Eigenschaften der Umrissflächen, wie konvex, konkav oder relativ flach.
  • Deswegen ist nach einem dieser Aspekte die vorliegende Erfindung gekennzeichnet entsprechend dem kennzeichnenden Teil des Anspruchs 1, und insbesondere dadurch, dass die genannte zweite Umrissfläche durch eine Kombination der beiden mehrwertigen Volumenelementintensitäten und relativen Lagen unter den Subsätzen von Volumenelementen gebildet wird, wodurch ein nicht einheitlicher Zwischenraum zwischen der genannten ersten und zweiten Umrissfläche ermöglicht wird und weiterhin dadurch, dass die genannte zweite Umrissfläche verwendet wird als unterschiedlich für die genannte Segmentierung. Die Volumenelementintensitäten und die relativen Lagen können in einen ersten und einen zweiten analogen oder diskreten räumlichen Intensitätsgradienten unter den Sub sätzen von Volumenelementen übersetzt werden, wie diejenigen, die längs der jeweiligen Linien liegen, wie radialer Linien in einem polaren Koordinatensystem. Die Prozedur könnte weiterhin auf dem Fuzzy-Zusammenhangprinzip basieren, wobei das Finden der Kontinuität der Umrisse und/oder der Umrissflächen über Scheiben die wirklich gemessenen Werte und die relativen Lagen von betreffenden Volumenelementen. (Nahezu) gleiche Werte benachbarter Volumenelemente können ihre Lage auf dem betreffenden Umriss angeben. Wenn die Volumenelemente aber in einem relativ großen Abstand voneinander liegen, kann ihre wirkliche Intensität gegenüber der Intensität der betreffenden Nachbarn auch einen Hinweis in dieser Hinsicht geben. An sich sind mehrere Umrisserzeugungsalgorithmen gelehrt worden, wie nachstehend noch näher erläutert wird.
  • Bei einer bevorzugten Ausführungsform der vorliegenden Erfindung wird der Inhalt einer Wand beispielsweise eines menschlichen Herzes sichtbar gemacht, beispielsweise ein 3D Aufbereitungsverfahren oder mit Projektionsmethoden wie MIP (= "Maximum Intensity Projection"). Bei einer anderen bevorzugten Ausführungsform wird die Außenfläche der Wand beispielsweise eines menschlichen Herzes sichtbar gemacht, als schaue man von draußen auf die Wand des Herzes durch Anwendung von 3D Visualisierungsverfahren.
  • Die vorliegende Erfindung bezieht sich ebenfalls auf eine Anordnung zum Implementieren des Verfahrens nach Anspruch 1. Weitere vorteilhafte Aspekte der vorliegenden Erfindung sind in den Unteransprüchen definiert.
  • Ausführungsbeispiele der Erfindung sind in der Zeichnung dargestellt und werden im Folgenden näher beschrieben. Es zeigen:
  • 1 eine allgemeine 3D Visualisierungsanordnung,
  • 2 einen Teil des betreffenden Volumens in einer größeren 3D Datenaufstellung mit der Wand,
  • 3 ein Beispiel einer Aufstellung des inneren und des äußeren Umrisses, die kollektiv eine Wand definieren, in dem vorliegenden Fall zu einer linken Herzkammerwand eines menschlichen Herzes gehörend,
  • 4 ein Flussdiagramm nach der vorliegenden Erfindung.
  • DETAILLIERTE BESCHREIBUNG BEVORZUGTER AUSFÜHRUNGSFORMEN
  • 1 zeigt eine allgemeinen 3D Visualisierungsanordnung. Darin ist 20 ein medizinisches oder anderes biologisches Objekt, wie ein Teil eines menschlichen Körpers. 22 ist ein medizinisches Bilderzeugungssystem, wie ein Röntgengerät, ein MR- oder US-Gerät, das ein Muster relativer Intensitäten oder anderer quantitativer Daten erzeugt, wie durch eine Grauskala dargestellt. 24 symbolisiert eine Bildverarbeitungsanordnung, die mehrere Typen von Bildverbesserung oder andere Datenverarbeitungsvorgänge durchführen kann. Danach wird das Bild in der Datenverarbeitungsanordnung 26 verarbeitet, wobei der 3D Bildpunkt (oder Volumenelement (Voxel) relatierte Datensatz entsteht, der daraufhin verwendet wird, einem Arzt mit einem geeigneten Beobachtungsgebiet zu versehen. Diese Daten werden vorübergehend in der Speicheranordnung 30 gespeichert, wobei auf diese Daten zugegriffen werden kann zum Effektuieren einer Wiedergabe an einem Wiedergabeschirm 28. Mit Hilfe einer geeigneten Benutzerschnittstelle, wie beispielsweise durch das Tastenfeld 32 dargestellt, und im Allgemeinen kann, mit Hilfe einer Maus oder anderer der Deutlichkeit halber nicht dargestellten Merkmale, eine Person mehrere Bildpositionen oder Richtungen selektieren, oder aus mehreren anwendbaren Datenverarbeitungsmöglichkeiten wählen. Diese Selektion wird zu der Anordnung 26 zurückgekoppelt um danach die Wiedergabe zu verbessern. Gegebenenfalls kann eine auf diese Art und weise gefundene besondere dargestellte Struktur in dem Speicher gespeichert werden, und zwar zur abermaliger Verwendung.
  • 2 zeigt eine allgemeine medizinisch/biologische Konfiguration, Erstens wird eine allgemeine medizinische Umgebung, dargestellt durch den Block 40, einer bekannten Diagnosenprozedur ausgesetzt, wie beispielsweise durch MR- oder andere 3D Bilderzeugungstechnologien, die weiterhin CT und 3D US umfassen, aber nicht darauf beschränkt sind. Eine derartige Diagnostik wird aufeinander folgende Ebenen oder Scheiben 42, 44, ... oder Voxel erzeugen, die je einen Voxel-Parameterwert haben. Dieser Wert wird im Allgemeinen von den Eigenschaften, wie Dichte oder Zusammensetzung des örtlichen Gewebes oder der örtlichen Materie, wie charakteristisch Muskeln, Fett, Blut, usw. Weiterhin kann der Parameterwert, wie dieser gemessen wird, abhängig sein von der Voxel-Lage gegenüber dem Diagnosensystem, insofern die Tiefe oder andere geometrische Disposition innerhalb des Körpers mehr oder weniger stark die Messempfindlichkeit beeinflussen kann. Der Einfachheit halber sind einzelne Voxel aber nicht dargestellt. Die Gesamtfläche oder das Gesamtvolumen wird im Allgemeinen aus einer Anzahl Scheiben konstruiert. Innerhalb des Blocks 40 kann der Benutzer im Allgemeinen ein relativ kleineres betreffendes Volumen definieren als der ganze Block aus 2, wie ein Block, der das Herz und die unmittelbare Umgebung desselben umfasst. Eine derartige Definition kann auf intuitiven oder heuristischen Argumenten gründen. Das Herz 46 an sich ist beispielsweise als Volumen dargestellt, das durch eine punktierte Linie umgeben ist. Nun ist das Herz eine komplexe Struktur, die ein Inneres aufweist, das aus einem Satz mit Blut gefüllter Kammern besteht, wobei das Kammermaterial an sich die Herzwand und der Herzbeutel das Äußere des Herzes bilden, das Dinge enthalten kann, wie Fettmaterial, mehrere Blutgefäße wie Kranzarterien und die Aorta, usw. Die jeweiligen Scheiben werden nacheinander gemessen, während weiterhin das Herz meistens mehr oder weniger periodisch bewegt, und die Diagnosenprozedur soll ein derartiges unstabiles Verhalten berücksichtigen.
  • Nun können statt der sog. Scheiben mit der kurzen Achse, wie beispielsweise in 2 dargestellt, auf alternative Weise Scheiben mit der langen Achse verwendet werden um den inneren und den Äußeren Umriss zu finden. In einem derartigen Fall würden eine beschränkte Anzahl von beispielsweise vier (4) Lang-Achs-Scheiben einer linken Herzkammer ausreichen um die Wand zu definieren.
  • 3 zeigt die jeweiligen inneren und äußeren Umrisse, die aus der Segmentierung des 3D Datensatzes nach 2 entstanden sind, wobei der innere Umriss zu einer Fläche 31 transformiert ist und der äußere Umriss als ein Drahtmodell 32 dargestellt ist. Diese Umrisse können kollektiv eine Wand oder eine Schale des Objektes definieren. Nun kann in einer praktischen Implementierung, wie einer, in der die Lage der Herzwand gebildet werden soll, der automatische Segmentierungsalgorithmus, der benutzt wird zum herleiten des endokardialen Umrissen als ein Verfahren beschrieben werden zum Definieren einer Eigenschaft, die als "Verbundenheit" (oder Fuzzy-Verbundenheit) bestimmter Bildelemente (Pixel oder Voxel) beschrieben worden ist, die einen Teil der Bildung eines Objektes bilden, wie die linke Herzkammer des menschlichen Herzes. Dieser Vorgang kann in drei Dimensionen durchgeführt werden, durch Deckung einer Anzahl Scheiben. Als Eingangsdaten wird der betreffende Algorithmus mehrere statistische Parameter aus dem Datensatz extrahieren, wie mittlere Dichte und Standardvariation davon. Derartige Parameter werden dann das Objekt beschreiben, das segmentiert werden soll. Diese Parameter können von einem Ausgangsgebiet hergeleitet werden, das innerhalb der Herzkammer liegt. Es sei hingewiesen auf die oben stehende Bemerkung über die nicht einheitliche Translationsfunktion zwischen der Objektdichte und der Voxeldichte durch die Diagnosengeometrie. Nun wird, auf Basis dieser Eingangsdaten, der Algorithmus die oben genannte Verbundenheits-Qualität jedes Voxels innerhalb des VOIs ("Volume Of Interest") in 2 berechnen. In 3 entsprechen die Linien 33 einem dreidimensionalen x-, y- und z-Achsensystem, worin das Bild zur besseren Visualisierung geradlinig verlagert oder rotiert werden kann.
  • Danach muss das auf diese Art und weise erzeugte Fuzzy-Resultat getrennt werden, damit die Voxel in Objekt-Voxel und Nicht-Objekt-Voxel klassifiziert werden können. Die Trennung der zwei Sätze mit Objekt-Voxeln wird danach fein abgestimmt, was letztendlich zu dem endokardialen Umriss führt (die Innenseite der Herzwand).
  • Daraufhin wird der epikardiale oder Außenumriss auf Basis eines radialen Algorithmus geringster Kosten segmentiert. Als Samen oder Startentität dazu wird der oben detektierte endokardiale Umriss oder die Innenfläche benutzt. Von diesem endokardialen Umriss wird ein polares Modell hergeleitet, das einen Ursprung aufweist, von dem radiale Linien ausgehen. Der Ursprung kann durch eine bestimmte Prozedur gefunden werden, wobei ein Schwerpunkt entsprechend einem geeigneten Algorithmus gefunden wird und wobei die Standardanzahl und der Standardzwischenraum zwischen den radialen Linien von diesem Punkt starten, und die Lage der Voxel auf derartigen Linien entsprechend einem Anforderungsprotokoll selektiert wird. Danach wird das polare Modell zum abermaligen Neuabtasten des ursprünglichen Bildes benutzt; tatsächlich werden die ursprünglichen Voxel dann in sekundäre Voxel übersetzt, die auf derartigen radialen Linien zentriert sind, wie durch eine Interpolationsprozedur zwischen Voxeln, die in der Nähe einer derartigen radialen Linie und/oder in der Nähe des betreffenden sekundären Voxels liegen. Nun werden auf Basis des neu abgetasteten Bildes dynamische Vorzeichenbestimmungen über jedes neu abgetastete Bild berechnet. Aus einer Kombination der ersten und zweiten räumlichen Ableitung oder Differenz zwischen den Voxelwerten längs derartiger radialer Linien wird ein Kostenbild hergeleitet, das eine räumlich definierte Kostenfunktion enthält. Zum Schluss wird über dieses räumliche Kostenbild eine Strecke selektiert, die mit minimalen Kosten assoziiert ist, um dadurch einen geschlossen Außenumriss zu finden. Auf diese Art und Weise wird durch eine Kombination der Voxelintensitäten (Voxelwerte) und der relativen Lagen (wobei kollektiv die erste und die zweite Abgeleitete erhalten wird) aus den Voxel-Subsätzen auf einer derartigen radialen Linie der Außenumriss gefunden, wobei ein möglicher nicht einheitlicher Zwischenraum zwischen einem Innen- und Außenumriss berücksichtigt wird. Alle oben genannten Prozeduren können völlig automatisch durchgeführt werden, ohne menschlichen Eingriff zum Erhalten eines Ergebnisses hoher Qualität, ohne menschliche Intervention.
  • Wenn weiterhin zutreffend, kann nach der Detektion des epikardialen (äußeren) Umrisses dieser in einer Auswärtsrichtung erweitert werden um neben dem Herz selber ein Gebiet einzuschließen, das Strukturen enthalten kann, von denen man weiß, dass sie sich außerhalb des Herzes befinden, aber nur ein einem begrenzten Abstand von dem detektierten epikardialen Umriss, und weiterhin relevant in einem medizinischen/biologischen Geistesverfassung. Nützliche Fälle sind beispielsweise Kranzarterien und Umgehungstransplantationen, herrührend von früheren medizinischen Behandlungen. Eine derartige Erweiterung kann durch eine einfache lokale geometrische Erweiterung als eine einheitliche Erweiterung durchgeführt werden, wenn die Dicke der Erweiterungsschicht von vornherein geschätzt werden kann: eine Umrissposition auf einer radialen Linie wird dann unmittelbar eine Erweiterungsposition auf derselben radialen Linie erzeugen. Insofern eine derartige Erweiterung meistens einem relativ kleinen Bruchteil der gesamten Herzgröße entspricht, könnte eine lokale Prozedur, wie die lokale Erweiterung von Cline, gesteuert durch einen binären Operator, angewandt werden. Es sei bemerkt, dass dieses Operator nicht eine Person ist, sondern ein mathematischer Ausdruck ist, formuliert als basiert auf Voxel-Intensitätswerten.
  • Ein anderes verfeinertes Verfahren für eine derartige Erweiterung berücksichtigt eine räumlich nicht einheitliche Erweiterung des Umrisses. Eine derartige Prozedur könnte der Fall sein, wenn die Erweiterung ein einheitlicher Prozentsatz des Abstandes zwischen dem Schwerpunkt des Außenumrisses oder des Ursprungs des vorher verwendeten Polaren Modells und dem Außenumriss, und dies längs des Radius. Möglicherweise ist dies nebst der Selektion des Prozentsatzes selber eine rein lokale Prozedur, die durch Anwendung einer elementaren Erweiterung des Operators von Cline durchgeführt werden könnte.
  • Noch eine andere Alternative könnte sein, dass die lokale Erweiterung proportional zu dem Abstand zwischen dem inneren und äußeren Umriss, d.h. proportional zu der lokalen Wanddicke ist. Dies kann auch hier wieder in dem oben genannten polaren Modell gesteuert werden.
  • In einer anderen verfeinerten Methode ist die Außenerweiterung des Außenumrisses bedingt durch die dynamische Vorzeichenbestimmung, die ein Teil des oben genannten Detektionsprozesses des Außenumrisses war. Im Falle der linken Herzkammer könnte dieses bestimmte dynamische Vorzeichen den Außenumriss entweder als eine Außenwand des Herzes identifizieren, oder auf alternative Weise als eine innere Trennwand, wie die Scheidewand zwischen der linken und der rechten Herzkammer.
  • Nun kann, wenn der innere und der äußere Umriss festgestellt worden sind, die Wand des betreffenden Objektes zusammengesetzt werden. Einerseits kann das auf diese Weise gebildete Teilvolumen nun verwendet werden zum Optimieren der selektiven Visualisierung der Wand und des Inhalts derselben. Auf alternative Weise kann das Teilvolumen verwendet werden um einen neu gemessenen Datensatz zu bekommen, der bessere Qualitäten hat für eine noch bessere Visualisierung des Inhaltes der Wand. Dies kann dadurch effektuiert werden, dass der Vorgang der Erhaltung der sekundären Daten selektiver nur auf das betreffende Gebiet gerichtet wird, oder auf alternative Weise, durch Steigerung der Auflösung der eigentlichen Messung.
  • 4 zeigt ein Flussdiagramm nach der vorliegenden Erfindung. In dem Block 50 beginnt die Prozedur und, wenn zutreffend, werden die erforderlichen Hardware- und Softwaremöglichkeiten zugeordnet. In dem Block 52 wird eine erste Scheibe gemessen, und zwar entsprechend herkömmlicher Prozeduren. Dies kann entweder eine Langachse-Scheibe oder eine Kurzachse-Scheibe sein.
  • Danach wird in dem Block 56 der innere Umriss, der zu der gerade gemessenen Scheibe gehört, hergeleitet, wonach die oben anhand der 2 beschriebenen Annäherungen verwendet werden können.
  • Daraufhin wird in dem Block 62 der Außenumfang der gerade gemessenen Scheibe hergeleitet, wozu die oben anhand der 2 beschriebenen Annäherungen verwendet werden können. Wenn zutreffend, wird in einem Verarbeitungsblock, der nicht explizit angegeben ist und der als Teil des Blocks 62 betrachtet wird, und folgend auf die Detektion des epikardialen Umrisses der neu festgestellte Außenumfang nach außen hin erweitert um ein Gebiet einzuschließen, das Strukturen enthält, von denen bekannt ist, dass sie sich außerhalb befinden, aber nur in einem begrenzten Abstand von dem detektierten epikardialen Umriss, wie beispielsweise die Kranzarterien- und Umleitungsimplantate. Die oben anhand der 2 beschriebenen Annäherungen können verwendet werden.
  • In dem Block 54 detektiert das System, ob alle erforderlichen Scheiben gemessen und bewertet worden sind. Sollte dies nicht der Fall sein, so kehrt das System zu dem Block 52 zurück. Im Wesentlichen könnte in mehreren Situationen eine ziemlich begrenzte Anzahl Scheiben bereits ausreichen um ein Volumen zu identifizieren, für das eine neue Datenerfassung zu einer ziemlich verbesserten Visualisierung des Wandinhaltes führen würde. In dem Fall, wo der ursprüngliche Datensatz zur Visualisierung der Wand verwendet wird, wird die Bildqualität zunehmen, und zwar mit einer größeren Anzahl Scheiben, dies zur Verbesserung der räumlichen Auflösung.
  • Wenn das Ergebnis des Blocks 54 positiv ist, werden in dem Block 58 die jeweiligen inneren Umrisse zu der inneren Fläche der Wand hinzugefügt, und die jeweiligen Außenumrisse werden zu einer Außenfläche der Wand hinzugefügt.
  • Daraufhin werden in dem Block 60 alle Voxel in dem Innenraum des Umrisses ausgeschlossen und danach werden in dem Block 68 alle Voxel in dem Außenraum des Umrisses ausgeschlossen. Dann werden in dem Block 70 alle Voxel in dem nicht ausgeschlossenen Teil des Objektraums, und folglich in der Wand, visualisiert. Eine besondere Prozedur dafür ist MIP oder "Maximum Intensity Projection". Zum Schluss endet in dem Block 72 der Prozess.
  • Die nachfolgenden zur Sache gehörigen Bemerkungen werden zu der oben stehenden Beschreibung der Prozedur hinzugefügt, aber diese Bemerkungen stellen dennoch allgemeine und als Beispiel gemeinte Erläuterungen und Informationen dar:
    • 1. Während der genannte Stand der Technik von Cline (US Patent 6.058.218) Thresholding als Ausgangsvorgang anwendet, selektiert die vorliegende Erfindung die Lage des inneren Umrisses auf Basis der Scheibenstatistiken, wobei diese Prozedur automatisch sowie genauer ist als die bekannte Prozedur. Ein besonderes Beispiel ist das Herausfinden der Intensität bei einem Übergang, wobei ein statistisches Minimum in einem Histogramm auftritt, und zwar auf Basis eines selektierten Subsatzes von nur Voxeln, wobei ein derartiges Minimum dann den schrittweisen Übergang zwischen dem Wandmaterial und dem Inhalt des Innern (meistens Blut). Weiterhin hat es sich herausgestellt, dass die Anwendung von Fuzzy-Verbundenheits-Grundlagen eine geeignete praktische Implementierung der vorliegenden Erfindung ist. Sogar wenn aus irgendeinem Grund eine Lücke, wie das Herleiten von der Aorta oder einer Herzklappe in dem Umriss auftreten würde, wäre ein Überbrückungsvorgang zum virtuellen Schließen der betreffenden Lücke ein überschaubarer Vorgang.
    • 2. Auf gleiche Weise wird der Außenumriss in der vorliegenden Erfindung selbständig ermittelt, während im Gegensatz dazu in dem Bezugsmaterial der zweite Umriss unmittelbar von dem zuerst bestimmten Umriss hergeleitet wird, und zwar durch geometrische Erweiterung desselben. Erweiterung in der vorliegenden Erfindung ist, insofern dies auftritt, ein späterer Prozedurenschritt nachdem der Außenumriss bereits eingestellt worden ist, um beispielsweise eine Umleitung einzuschließen, die sich außerhalb des Herzes selber befindet und der von einer früheren Herzoperation herrührt. Es sei bemerkt, dass die vorliegende Erfindung viel bessere Ergebnisse liefert in dem Fall einer schwankenden Dicke der Objektwand. Insbesondere die dynamische Vorzeichenbestimmung in Kombination mit einem Mindestkostenalgorithmus, angewandt in der praktischen Implementierung der vorliegenden Erfindung ist eine geeignete Prozedur um die Außenwand zu erhalten.
    • 3. Die allgemeine Prozedur kann wie folgt gekürzt werden. Zunächst Start mit 3D Datenstapel des Objektes. Dann Begrenzung auf allgemeines Volumen mit Objekt. Dann Selektion einer einzigen Scheibe. Dann Finden der Grauwertverteilung aller Pixel und Feststellung der statistischen Verteilung der Grauskalenwerte. Dann Trennung der Voxel innerhalb des inneren Umrisses auf Basis der Verbundenheit und auf Basis der Tatsache, dass sie ein Teil der statistischen Gruppe von Voxeln in der Verteilung sind. Für eine verbesserte Genauigkeit können die Daten vieler Nachbarscheiben verwendet werden. Dies führt zu dem inneren Umriss. Eine ähnliche Annäherung nimmt eine Reihe von Langachs-Scheiben statt Kurzachs-Scheiben.
    • 4. Der Außenumriss in einer Scheine wird durch Neuabtastung der Grauskaleninformation in der Scheibe längs einer radialen Linie gefunden, die von der Mitte herrührt, wie von dem Schwerpunkt des Innenumrisses. Danach wird das Vorzeichen der Grauskalenänderung außerhalb des Innenwand detektiert, während auch die statistischen Grauskalenverteilungsdaten verwendet werden, die vorher für den Innenumriss verwendet worden sind. Danach Berechnung der ersten und der zweiten Abgeleiteten und Feststellung eines Weges mit minimalen Kosten, wie gebräuchlich in einem Minimalkosten-Algorithmus effektuiert wird, wonach Optimierung mit einem Glättungsfilter folgt. Auch dieses letztere Verfahren zum Feststellen des Außenumrisses wurde nur als Beispiel präsentiert. In vielen Fällen kann eine Null oder eine Fast-Null in der zweiten Abgeleiteten längs der radialen Linie als ein Außenumrisspunkt genommen werden.
    • 5. Wenn angebracht, soll der Außenumriss um eine räumlich einheitliche oder nicht einheitliche Erweiterung erweitert werden, damit es ermöglicht wird, Strukturen einzuschließen, die als Außerhalb bekannt sind, aber nur in einem begrenzten Abstand von der Außenfläche, wie beispielsweise mit einem Umleitungsimplantat in der Nähe der Herzwand.
    • 6. Danach werden mehrere spezifische Annäherungen präsentiert, die allein oder in Kombination als Alternative zu dem Block 70 in 4 angewandt werden können. Zunächst Kombination des inneren und des äußeren Umrisses zur Visualisierung ausschließlich einer 3D Wand oder Schale.
    • 7. Auf alternative Weise Visualisierung insbesondere der Außenseite der Wand durch Löschung aller Voxeldaten, die außerhalb der Wand liegen und Wiedergabe der restlichen Daten mit einem 3D Wiedergabeverfahren, das in der medizinischen/biologischen Welt allgemein bekannt ist. Insbesondere bietet die vorliegende Erfindung eine Möglichkeit, die zu untersuchende Außenfläche eines Objektes dadurch zu betrachten, dass von der Außenseite her auf den Datensatz geschaut wird. In dem betreffenden Fall der Kardiologie wird dies die Kranzarterien der Herzwand sichtbar machen, ohne Störung durch andere Strukturen, wie Fett- oder Muskelgewebe, das weiterhin außerhalb der Herzwand vorhanden ist. Dieses Merkmal kann mit beispielsweise CT- und MR-Datensätzen verwendet werden.
    • 8. Auf alternative Weise den Inhalt nur der Wand visualisieren, und zwar durch Löschung aller Daten außerhalb der Außenfläche und innerhalb der Innenfläche der Wand mit einer 3D Wiedergabemethode oder mit Projektionsmethoden wie (MIP ("Maximum Intensity Projection"). Im Falle einer Herzwand werden dann Kranzarterien sichtbar ohne Störung von den inneren Daten, welche die Kammer bilden und von den äußeren Daten, die andere Arterien und Adern enthalten können die nicht einen Teil des Herzes selber sind, sowie Knochenstrukturen, Fettgewebe und andere Strukturen, welche die Sichtbarkeit der Kranzarterien beeinträchtigen können.
    • 9. Auf alternative Weise erweitert die Prozedur nach 3, Block 70, den Prozess dadurch, dass eine neue Anschaffung eines Bildes durch eine weitere Messung durchgeführt wird, während insbesondere durch Verwendung der neu dokumentierten Lage der Wand, gefunden durch oben stehenden Prozeduren zu noch einer weiteren Optimierung der Erfassung eines oder mehrerer extra Datensätze, die optimale Einstellungen der Erfassung präsentieren, wie einer optimalen Auflösung und/oder Empfindlichkeit für das zu untersuchende Objekt. Ein Beispiel wäre, die MR Erfassung dünner Scheiben, die begrenzt sind, insbesondere zum Decken des Inhaltes der eigentlichen Wand. Dieses Merkmal kann in MR Bilderfassung angewandt werden oder im allgemeinen in Bilderfassungsmaschinen, die Scheiben mit unbegrenzter 3D Orientierung heranschaffen können.
  • An sich sind bereits viele Umrissbestimmungsalgorithmen oder Methoden veröffentlicht worden, beispielsweise von Rob. J. van der Geest u. a. "Comparison Between Manual And Semiautomated Analysis of Left Ventricular Volume Parameters form Short-Axis MR Images", "J. Computer Assisted Tomography", 21(5): 756–756 (1997). Diese Veröffentlichung betrifft die Hough-Transformation, angewandt zum Schätzen der langen Kammerachse, und weiterhin wahrscheinliche Kriterien zum Ermitteln des endokardialen Radius und der Herzwanddickem um daraus den epikardialen Radius zu Schätzen. Auch der finale Umriss wurde darin durch Anwendung einer Mindestkosten-Umrissdetektion berechnet.
  • Die Grundlagen der Fuzzy-Verbundenheit und der minimalen Kostenalgorithmen zum Detektieren der Umrisse von Strukturen in Bilddatensätzen sind in der Literatur gut dokumentiert.
  • Es sei bemerkt, dass die vorliegende Erfindung auch bei CT angewandt werden kann und insbesondere auch auf mehreren anderen medizinischen Gebieten als auf dem Gebiet des Herzes, wie die Kombination von Schädel-Gehirm-Arterien, Niere, Darm und andere.
  • Obenstehendes zusammenfassend lässt sich sagen, die Schritte zum Detektieren der Außenumrissfläche, wobei Voxelintensitäten (Voxelwerte) und relative Lagen aus Voxel-Subsätzen kombiniert werden (erste und zweite Ableitung), wobei eine nicht einheitlicher Raum zwischen einem inneren und einem äußeren Umriss ermöglicht wird, sind insbesondere:
    • 1. Als Samen-Entität wird der detektierte endokardiale Umriss verwendet. Von diesem Umriss wird ein polares Modell geschaffen, das von der Schwerpunkt des inneren Umrissen herrührt. Danach wird das polare Modell zur Neuabtastung verwendet um neue Vo xel-Positionen zu erhalten.
    • 2. Auf Basis des neu abgetasteten Bildes werden dynamische Vorzeichenbestimmungen längs jeder neu abgetasteten Bildlinie bewertet um Inversion der Abgeleiteten des Grauskalenpegels an der vorausgesetzten Position der Außengrenze zu korrigieren.
    • 3. Aus einer Kombination der ersten und der zweiten Abgeleiteten und der zum Herleiten der endokardialen Grenze verwendeten statistischen Information wird ein Kostenbild hergeleitet.
    • 4. Zum Schluss wird ein Weg durch dieses Kostenbild gesucht und danach optimiert um einen geschlossenen Umriss zu finden.
  • Für detaillierte Information über die Bildverarbeitungsschritte, siehe beispielsweise Milan Sonka u. a.: "Image Processing, Analysis and Machine Vision", Chapman & Hall (1995), ISBN 0-412-45570-6, insbesondere Abschnitt 5.2 "Edge Based Segmentation" und insbesondere Absatz 5.2.4, wobei die Seiten 136 bis 149 die Herleitung von Kostenmatrizen und nachfolgende Umrissdetektion auf Basis eines "Minimum Cost Algorithm" beschreiben.
  • Die vorliegende Erfindung ist oben stehend anhand bevorzugter Ausführungsbeispiele beschrieben worden. Dem Fachmann dürfte es aber einleuchten, dass im Rahmen der beiliegenden Patentansprüche viele Modifikationen und Änderungen möglich sind. Folglich sollen die Ausführungsformen als illustrativ und Ausführungsformen anders als die in den Ansprüchen genannt, sollen nicht als die Erfindung begrenzend betrachtet werden.

Claims (12)

  1. Verfahren zur Visualisierung einer bestimmten Fläche eines Objektvolumens in einer gesamten medizinischen biologischen Umgebung, wobei dieses Verfahren die nachfolgenden Computer-betriebenen Schritte umfasst: – das Empfangen (52) eines Quellenbild-Datensatzes, wie dieser zu der genannten gesamten Umgebung gehört; – das Feststellen einer ersten Umrissfläche innerhalb der genannten Umgebung und durch Verwendung der genannten ersten Umrissfläche als Samendaten, das Feststellen einer zweiten Umrissfläche innerhalb der genannten Umgebung, wobei die genannte erste und zweite Umrissfläche kollektiv ein Zielobjektvolumen (58) definieren; – durch Segmentierung das Ausschließen (60, 68) aus dem genannten Bilddatensatz, aller Information, die zu Strukturen außerhalb des genannten Zielobjektvolumens gehört, – und Visualisierung (70) des genannten Zielobjektes als Basis nicht ausgeschlossener Information, wobei das genannte Verfahren Folgendes umfasst: das Feststellen der genannten zweiten Umrissfläche durch Kombination von Voxel-Intensitäten und relativen Positionen unter Voxel-Subsätzen, wodurch ein nicht einheitlicher Raum zwischen der genannten ersten und zweiten Umrissfläche ermöglicht wird, und durch Verwendung wenigstens der genannten Umrissfläche, die für die genannte Segmentierung unterscheidend ist.
  2. Verfahren nach Anspruch 1, wobei durch statistische Bewertung mehrwertiger Intensitäten eines selektierten Voxel-Subsatzes eine besondere Umrissstelle festgestellt wird, wobei dieser Subsatz geometrisch an einer derartigen Umrissstelle grenzt.
  3. Verfahren nach Anspruch 2, wobei ein derartiger Subsatz durch Datenverarbeitung hergeleitet wird, wobei Neuabtastung an primären Voxel-Werten durchgeführt wird, die von dem genannten Quellenbild-Datensatz hergeleitet sind zum Erzeugen einer geometrischen Konfiguration eines weiteren Subsatzes derartiger Voxel um daraus eine derartige Umrissstelle herzuleiten.
  4. Verfahren nach Anspruch 2 oder 3, wobei die genannte Visualisierung dadurch effektuiert wird, dass ein 3D Aufbereitungsverfahren oder eine "Maximum Intensity Projection" des Inhaltes des genannten Zielobjektvolumens durchgeführt wird, und zwar nach Durchführung der genannten Segmentierung.
  5. Verfahren nach Anspruch 2 oder 3, wobei die genannte Visualisierung dadurch effektuiert wird, dass nach der Feststellung der genannten ersten und zweiten Umrissfläche, eine wiederholte Herleitung eines Quellenbild-Datensatzes bei einer optimierten Anschaffungseinstellung für das genannte Zielobjektvolumen durchgeführt wird, nach der Durchführung der Segmentierung auf Basis einer Außenfläche des genannten Zielobjektes, wobei die genannte wiederholte Herleitung im Wesentlichen auf nicht ausgeschlossene Teile der genannten Umgebung gerichtet ist.
  6. Verfahren nach Anspruch 2 oder 3, wobei die genannte Visualisierung durch Durchführung der genannten Segmentierung effektuiert wird, die ein Volumen erhält, das sich zwischen einer inneren Fläche und einer äußeren Fläche befindet, die zu dem genannten Zielobjekt gehören.
  7. Verfahren nach Anspruch 4, 5 oder 6, wobei die genannte erste Umrissfläche eine Innenumrissfläche eines hohlen Objektes ist und wobei die genannte zweite Umrissfläche zu einer Außenumrissfläche des genannten hohlen Objektes gehört.
  8. Verfahren nach Anspruch 7, wobei für die genannte Feststellung einer Außenumrissfläche eine lokale Erweiterung hinter einem genannten vorher gefundenen Außenumriss benutzt wird.
  9. Verfahren nach Anspruch 8, wobei die genannte lokale Erweiterung räumlich nicht einheitlich hinter einem anwendbaren genannten Außenumfang liegt.
  10. Verfahren nach Anspruch 2 oder 3, wobei wenigstens eine der genannten Umrissflächen ein Außenumriss eines hohlen Objektes ist, und die Feststellung der genannten Außenumrissfläche (62) eine Mindestkostenprozedur anwendet.
  11. Verfahren nach Anspruch 7 und weiterhin insbesondere zugeschnitten auf die Form des menschlichen Herzes.
  12. Gerät, vorgesehen zum Implementieren eines Verfahrens nach Anspruch 1, 2 oder 3, zur Visualisierung eines Objektvolumens in einer gesamten medizinischen/biologischen Umgebung, wobei das genannte Gerät eine Computeranlage umfasst und weiterhin die nachfolgenden Elemente aufweist: – Empfangsmittel zum Empfangen (52) eines Quellenbilddatensatzes, zugehörend zu der genannten gesamten Umgebung, – Umrissflächenbestimmungsmittel zum Feststellen wenigstens einer ersten und einer zweiten Umrissfläche innerhalb der genannten Umgebung, wobei die genannte erste und zweite Umrissfläche kollektiv ein Zielobjektvolumen definieren, das mit einem Zielobjekt assoziiert ist, – Segmentierungsmittel um mit Hilfe von Segmentierung alle Information von dem genannten Bilddatensatz auszuschließen (60, 68), die zu Strukturen außerhalb des genannten Zielobjektvolumens gehört, – und Visualisierungsmittel zur Visualisierung (70) des genannten Zielobjektvolumens auf Basis von Information, die nicht auf diese Weise ausgeschlossen ist, wobei das genannte Gerät mit Hilfe der genannten Bestimmungsmittel die genannte erste und zweite Umrissfläche in untereinander getrennten Prozeduren festlegt, während wenigstens einer der genannten ersten und zweiten Umrisse durch Kombination von Voxel-Intensitäten und relativen Positionen aus Voxel-Subsätzen und durch Verwendung der genannten zweiten Umrissfläche bestimmt (56) wird, als unterscheidend für die genannte Segmentierung und Visualisierung.
DE102005029607A 2004-07-19 2005-06-23 Verfahren und Anordnung zur Visualisierung biologischer Strukturen unter Anwendung von 3D Lageinformation aus Segmentierungsergebnissen Withdrawn DE102005029607A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/894,202 2004-07-19
US10/894,202 US7339585B2 (en) 2004-07-19 2004-07-19 Method and apparatus for visualization of biological structures with use of 3D position information from segmentation results

Publications (1)

Publication Number Publication Date
DE102005029607A1 true DE102005029607A1 (de) 2006-03-16

Family

ID=35800017

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102005029607A Withdrawn DE102005029607A1 (de) 2004-07-19 2005-06-23 Verfahren und Anordnung zur Visualisierung biologischer Strukturen unter Anwendung von 3D Lageinformation aus Segmentierungsergebnissen

Country Status (3)

Country Link
US (1) US7339585B2 (de)
JP (1) JP2006055631A (de)
DE (1) DE102005029607A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007028895A1 (de) * 2007-06-22 2009-01-02 Siemens Ag Verfahren zur Segmentierung von Strukturen in Bilddatensätzen und Bildverarbeitungseinheit zur Durchführung des Verfahrens
US8200015B2 (en) 2007-06-22 2012-06-12 Siemens Aktiengesellschaft Method for interactively segmenting structures in image data records and image processing unit for carrying out the method

Families Citing this family (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8170640B2 (en) * 2004-08-02 2012-05-01 Siemens Medical Solutions Usa, Inc. System and method for tree projection for detection of pulmonary embolism
US9769354B2 (en) 2005-03-24 2017-09-19 Kofax, Inc. Systems and methods of processing scanned data
US9137417B2 (en) 2005-03-24 2015-09-15 Kofax, Inc. Systems and methods for processing video data
US8885229B1 (en) 2013-05-03 2014-11-11 Kofax, Inc. Systems and methods for detecting and classifying objects in video captured using mobile devices
KR100698845B1 (ko) * 2005-12-28 2007-03-22 삼성전자주식회사 인물 외형 추출 알고리즘을 이용한 영상 편집 방법 및 그장치
US8385647B2 (en) * 2006-01-25 2013-02-26 Kofax, Inc. Method of image analysis using sparse Hough transform
US8144956B2 (en) * 2006-03-20 2012-03-27 Koninklijke Philips Electronics N.V. Ultrasonic diagnosis by quantification of myocardial performance
JP2008035895A (ja) * 2006-08-01 2008-02-21 Ziosoft Inc 画像処理方法および画像処理プログラム
US8743109B2 (en) * 2006-08-31 2014-06-03 Kent State University System and methods for multi-dimensional rendering and display of full volumetric data sets
US7936922B2 (en) * 2006-11-22 2011-05-03 Adobe Systems Incorporated Method and apparatus for segmenting images
US9427215B2 (en) 2007-02-05 2016-08-30 St. Jude Medical, Cardiology Division, Inc. Minimally invasive system for delivering and securing an annular implant
US10716528B2 (en) 2007-03-08 2020-07-21 Sync-Rx, Ltd. Automatic display of previously-acquired endoluminal images
US11197651B2 (en) 2007-03-08 2021-12-14 Sync-Rx, Ltd. Identification and presentation of device-to-vessel relative motion
US9629571B2 (en) 2007-03-08 2017-04-25 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
US11064964B2 (en) 2007-03-08 2021-07-20 Sync-Rx, Ltd Determining a characteristic of a lumen by measuring velocity of a contrast agent
US9968256B2 (en) 2007-03-08 2018-05-15 Sync-Rx Ltd. Automatic identification of a tool
WO2009153794A1 (en) * 2008-06-19 2009-12-23 Sync-Rx, Ltd. Stepwise advancement of a medical tool
US8781193B2 (en) * 2007-03-08 2014-07-15 Sync-Rx, Ltd. Automatic quantitative vessel analysis
US9375164B2 (en) 2007-03-08 2016-06-28 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
JP5639764B2 (ja) * 2007-03-08 2014-12-10 シンク−アールエックス,リミティド 運動する器官と共に使用するイメージング及びツール
JP4909137B2 (ja) * 2007-03-15 2012-04-04 日立アロカメディカル株式会社 ボリュームデータ処理装置及び方法
JP4636338B2 (ja) * 2007-03-28 2011-02-23 ソニー株式会社 表面抽出方法、表面抽出装置及びプログラム
US8466914B2 (en) * 2007-06-04 2013-06-18 Koninklijke Philips Electronics N.V. X-ray tool for 3D ultrasound
US8392529B2 (en) 2007-08-27 2013-03-05 Pme Ip Australia Pty Ltd Fast file server methods and systems
US9904969B1 (en) 2007-11-23 2018-02-27 PME IP Pty Ltd Multi-user multi-GPU render server apparatus and methods
US10311541B2 (en) 2007-11-23 2019-06-04 PME IP Pty Ltd Multi-user multi-GPU render server apparatus and methods
US8319781B2 (en) 2007-11-23 2012-11-27 Pme Ip Australia Pty Ltd Multi-user multi-GPU render server apparatus and methods
WO2009067680A1 (en) 2007-11-23 2009-05-28 Mercury Computer Systems, Inc. Automatic image segmentation methods and apparartus
WO2009067675A1 (en) 2007-11-23 2009-05-28 Mercury Computer Systems, Inc. Client-server visualization system with hybrid data processing
US8433113B2 (en) * 2008-03-12 2013-04-30 Siemens Aktiengesellschaft Automatic recovery of the left ventricular blood pool in cardiac cine magnetic resonance images
JP5305821B2 (ja) * 2008-10-10 2013-10-02 株式会社東芝 医用画像処理装置及び医用画像診断装置
JP5718548B2 (ja) * 2008-11-13 2015-05-13 株式会社東芝 超音波診断装置
US10362962B2 (en) 2008-11-18 2019-07-30 Synx-Rx, Ltd. Accounting for skipped imaging locations during movement of an endoluminal imaging probe
US9974509B2 (en) 2008-11-18 2018-05-22 Sync-Rx Ltd. Image super enhancement
US8855744B2 (en) 2008-11-18 2014-10-07 Sync-Rx, Ltd. Displaying a device within an endoluminal image stack
US9144394B2 (en) 2008-11-18 2015-09-29 Sync-Rx, Ltd. Apparatus and methods for determining a plurality of local calibration factors for an image
US9101286B2 (en) 2008-11-18 2015-08-11 Sync-Rx, Ltd. Apparatus and methods for determining a dimension of a portion of a stack of endoluminal data points
US9095313B2 (en) 2008-11-18 2015-08-04 Sync-Rx, Ltd. Accounting for non-uniform longitudinal motion during movement of an endoluminal imaging probe
US11064903B2 (en) 2008-11-18 2021-07-20 Sync-Rx, Ltd Apparatus and methods for mapping a sequence of images to a roadmap image
US9576272B2 (en) 2009-02-10 2017-02-21 Kofax, Inc. Systems, methods and computer program products for determining document validity
US8958605B2 (en) 2009-02-10 2015-02-17 Kofax, Inc. Systems, methods and computer program products for determining document validity
US8774516B2 (en) 2009-02-10 2014-07-08 Kofax, Inc. Systems, methods and computer program products for determining document validity
US9767354B2 (en) 2009-02-10 2017-09-19 Kofax, Inc. Global geographic information retrieval, validation, and normalization
US9349046B2 (en) 2009-02-10 2016-05-24 Kofax, Inc. Smart optical input/output (I/O) extension for context-dependent workflows
CN102844794B (zh) * 2010-04-16 2016-07-06 皇家飞利浦电子股份有限公司 图像数据重定格式
EP2723231A4 (de) 2011-06-23 2015-02-25 Sync Rx Ltd Luminale hintergrundreinigung
GB201117807D0 (en) * 2011-10-14 2011-11-30 Siemens Medical Solutions Identifying hotspots hidden on mip
US8989515B2 (en) 2012-01-12 2015-03-24 Kofax, Inc. Systems and methods for mobile image capture and processing
US9058515B1 (en) 2012-01-12 2015-06-16 Kofax, Inc. Systems and methods for identification document processing and business workflow integration
US9058580B1 (en) 2012-01-12 2015-06-16 Kofax, Inc. Systems and methods for identification document processing and business workflow integration
US10146795B2 (en) 2012-01-12 2018-12-04 Kofax, Inc. Systems and methods for mobile image capture and processing
US9483794B2 (en) 2012-01-12 2016-11-01 Kofax, Inc. Systems and methods for identification document processing and business workflow integration
CA2875346A1 (en) 2012-06-26 2014-01-03 Sync-Rx, Ltd. Flow-related image processing in luminal organs
US9311531B2 (en) 2013-03-13 2016-04-12 Kofax, Inc. Systems and methods for classifying objects in digital images captured using mobile devices
US9355312B2 (en) 2013-03-13 2016-05-31 Kofax, Inc. Systems and methods for classifying objects in digital images captured using mobile devices
US9208536B2 (en) 2013-09-27 2015-12-08 Kofax, Inc. Systems and methods for three dimensional geometric reconstruction of captured image data
US10070839B2 (en) 2013-03-15 2018-09-11 PME IP Pty Ltd Apparatus and system for rule based visualization of digital breast tomosynthesis and other volumetric images
US10540803B2 (en) 2013-03-15 2020-01-21 PME IP Pty Ltd Method and system for rule-based display of sets of images
US11183292B2 (en) 2013-03-15 2021-11-23 PME IP Pty Ltd Method and system for rule-based anonymized display and data export
US9509802B1 (en) 2013-03-15 2016-11-29 PME IP Pty Ltd Method and system FPOR transferring data to improve responsiveness when sending large data sets
US8976190B1 (en) 2013-03-15 2015-03-10 Pme Ip Australia Pty Ltd Method and system for rule based display of sets of images
US11244495B2 (en) 2013-03-15 2022-02-08 PME IP Pty Ltd Method and system for rule based display of sets of images using image content derived parameters
US20140316841A1 (en) 2013-04-23 2014-10-23 Kofax, Inc. Location-based workflows and services
EP3954298A3 (de) 2013-10-24 2022-03-16 Cathworks Ltd. Bestimmung vaskulärer eigenschaften mit korrespondenzmodellierung eines gefässbaums
US9386235B2 (en) 2013-11-15 2016-07-05 Kofax, Inc. Systems and methods for generating composite images of long documents using mobile video data
CN103700060B (zh) * 2013-12-26 2016-09-21 北京大学 一种海量任意形状多边形的快速可视化方法
US9760788B2 (en) 2014-10-30 2017-09-12 Kofax, Inc. Mobile document detection and orientation based on reference object characteristics
DE102014115851A1 (de) * 2014-10-30 2016-05-04 Physikalisch - Technische Bundesanstalt Verfahren und Vorrichtung zur Berechnung, Darstellung und Weiterverarbeitung von lokalen Gütemaßen aus einem Volumenbilddatensatz
JP6346850B2 (ja) * 2014-11-18 2018-06-20 富士通株式会社 モデリング装置、モデリング方法、及びモデリングプログラム
US10242285B2 (en) 2015-07-20 2019-03-26 Kofax, Inc. Iterative recognition-guided thresholding and data extraction
US11599672B2 (en) 2015-07-31 2023-03-07 PME IP Pty Ltd Method and apparatus for anonymized display and data export
US9984478B2 (en) 2015-07-28 2018-05-29 PME IP Pty Ltd Apparatus and method for visualizing digital breast tomosynthesis and other volumetric images
US9779296B1 (en) 2016-04-01 2017-10-03 Kofax, Inc. Content-based detection and three dimensional geometric reconstruction of objects in image and video data
EP4241694A3 (de) 2016-05-16 2023-12-20 Cathworks Ltd. Auswahl von blutgefässpfaden aus bildern
US10909679B2 (en) 2017-09-24 2021-02-02 PME IP Pty Ltd Method and system for rule based display of sets of images using image content derived parameters
US11062176B2 (en) 2017-11-30 2021-07-13 Kofax, Inc. Object detection and image cropping using a multi-detector approach
US10861157B2 (en) 2019-04-04 2020-12-08 Medtronic Vascular, Inc. System and methods for determining modified fractional flow reserve values

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3360918B2 (ja) * 1994-03-11 2003-01-07 株式会社日立メディコ 画像処理方法
US5768413A (en) * 1995-10-04 1998-06-16 Arch Development Corp. Method and apparatus for segmenting images using stochastically deformable contours
US6058218A (en) * 1997-11-10 2000-05-02 General Electric Company Enhanced visualization of weak image sources in the vicinity of dominant sources
JP2000126182A (ja) * 1998-10-27 2000-05-09 Mitani Sangyo Co Ltd 腫瘍診断方法
GB9920401D0 (en) * 1999-08-27 1999-11-03 Isis Innovation Non-rigid motion image analysis
US6563941B1 (en) * 1999-12-14 2003-05-13 Siemens Corporate Research, Inc. Model-based registration of cardiac CTA and MR acquisitions
US6754376B1 (en) * 2000-11-22 2004-06-22 General Electric Company Method for automatic segmentation of medical images
JP2002252849A (ja) * 2000-12-19 2002-09-06 Nippon Hoso Kyokai <Nhk> 動オブジェクト抽出装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007028895A1 (de) * 2007-06-22 2009-01-02 Siemens Ag Verfahren zur Segmentierung von Strukturen in Bilddatensätzen und Bildverarbeitungseinheit zur Durchführung des Verfahrens
DE102007028895B4 (de) * 2007-06-22 2010-07-15 Siemens Ag Verfahren zur Segmentierung von Strukturen in 3D-Bilddatensätzen
US8200015B2 (en) 2007-06-22 2012-06-12 Siemens Aktiengesellschaft Method for interactively segmenting structures in image data records and image processing unit for carrying out the method

Also Published As

Publication number Publication date
JP2006055631A (ja) 2006-03-02
US20060034511A1 (en) 2006-02-16
US7339585B2 (en) 2008-03-04

Similar Documents

Publication Publication Date Title
DE102005029607A1 (de) Verfahren und Anordnung zur Visualisierung biologischer Strukturen unter Anwendung von 3D Lageinformation aus Segmentierungsergebnissen
DE102004043694B4 (de) Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information
EP3185215B1 (de) Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion
DE19746936B4 (de) Schnelle Unterteilung von Herzbildern
DE112004000381B4 (de) Verfahren zur Bereitstellung einer automatischen 3D-Läsionssegmentierung und von Läsionsmessungen
DE19851597B4 (de) Verfahren und Gerät zur Erzeugung verbesserter Bilder von Kranzarterien
DE102005036875B4 (de) System und Verfahren zur 3-D Visualisierung eines Lungenpaars und der Lungenperfusion oder -dichte
CN105913432B (zh) 基于ct序列图像的主动脉提取方法及装置
DE69629732T2 (de) Vorrichtung zur rechnerunterstützten Diagnose
DE60020876T2 (de) Modellbasiertes verfahren zum ausrichten von kardiologischen ct- und kernresonanzaufnahmen
EP1904973B1 (de) Verfahren, vorrichtung und computerprogrammprodukt zum auswerten von bildern einer kavität
DE102010032755B4 (de) Verfahren zur Visualisierung eines Vorhofs des Herzens eines Patienten
EP1191476A2 (de) Vorrichtung und Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation
DE102006034358A1 (de) System und Verfahren zur Segmentierung der Koronararterie von Herz-CT-Volumen
DE10296836T5 (de) System zur Modellierung statischer und dynamischer dreidimensioner anatomischer Strukturen durch 3D-Modelle
DE102004056783A1 (de) Verfahren und Vorrichtung zum Segmentieren von Strukturen in einer CT-Angiographie
DE102006017113A1 (de) Verfahren und Vorrichtung zum Detektieren von Gefäßgrenzen
DE112005001755T5 (de) System und Verfahren zur Baummodell-Visualisierung zur Erkennung von Lungenembolie
DE10107765A1 (de) Verfahren zur Bildbearbeitung ausgehend von einem unter Verwendung eines Kontrastmittels aufgenommenen Computertomographie(CT)-Bildes einer Lunge und CT-Gerät zur Durchführung eines solchen Verfahrens
DE102005039685A1 (de) Verfahren zur Identifizierung eines kontrastierten Blutgefäßes in digitalen Bilddaten
DE10249320A1 (de) Gefäss-Detektion durch Strahlausbreitung auf der Grundlage der mittleren Abweichung
DE102005046385A1 (de) Verfahren und Vorrichtung zur Nachbearbeitung eines 3D-Bilddatensatzes, insbesondere für die virtuelle Kolonographie
DE102017214447B4 (de) Planare Visualisierung von anatomischen Strukturen
DE10239646A1 (de) Interaktive Echtzeit-Segmentierung von pulmonalen Knoten mit Steuerparametern
DE10254908B4 (de) Verfahren zum Herstellen eines Bildes

Legal Events

Date Code Title Description
R012 Request for examination validly filed

Effective date: 20120521

R016 Response to examination communication
R120 Application withdrawn or ip right abandoned