DE102008002912B4

DE102008002912B4 - Vorrichtung und Verfahren zur Identifizierung von Okklusionen

Info

Publication number: DE102008002912B4
Application number: DE102008002912A
Authority: DE
Inventors: Arunabha S. Roy; James Vradenburg Miller; Paulo Ricardo Mendonca; Rahul Bhotika; Ajay Gopinath; Robert Franklin Senzig; Srikanth Suryanarayanan; Wesley David Turner
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2007-06-26
Filing date: 2008-06-26
Publication date: 2013-10-17
Anticipated expiration: 2028-06-27
Also published as: US20090003511A1; US7965810B2; JP2009045436A; DE102008002912A1

Abstract

Verfahren zur Identifizierung einer oder mehrerer Okklusionen in der Vaskulatur, die sich in einer Region von Interesse von Bilddaten befinden, beinhaltend: die Extraktion einer Vaskulatur aus der Region von Interesse (402) der Bilddaten; die Identifizierung einer Objektgeometrie der extrahierten Vaskulatur (404); die Generierung eines Objektgraphen, der die extrahierte Vaskulatur darstellt (408); die Lieferung eines zuvor bestimmten Graphen (410); und den Vergleich sowohl des Objektgraphen mit dem zuvor bestimmten Graphen, um fehlende oder abnorme Graphsegmente zu erkennen, als auch der Objektgeometrie mit einer zuvor bestimmten Geometrie, um eine Okklusion zu identifizieren (406)

Description

Hintergrund der Erfindung
Erfindungsgebiet
Der hier beschriebene Sachverhalt bezieht sich allgemein auf die Bildgebung und insbesondere auf die Abbildung von Okklusionen in Gefäßgewebe.
Stand der relevanten Technik
Diagnostische Systeme liefern beispielsweise auf medizinischem Gebiet medizinischem Personal Informationen, die für die bessere Diagnose eines medizinischen Zustandes notwendig sind. Wenn sich ein Patient beispielsweise über starke Schmerzen in der Brust beklagt, kann eine Okklusion oder Blockade, wie beispielsweise eine Lungenembolie (PE, pulmonary embolism), einen aus einer Vielzahl von möglichen Gründen darstellen, welche auszuschließen wären. In der Vergangenheit ist das Auftreten von Lungenembolien mittels einer auf visuellem Wege vorgenommenen Einschätzung durch einen Radiologen diagnostiziert worden. Dieses Vorgehen ist sowohl aufwendig als auch fehleranfällig.
Folglich ist vorgeschlagen worden, computergestützte Erkennung (CAD) für Lungenembolien zu einzusetzen, was bisher aber nicht sehr erfolgreich war. Die meisten aktuellen Verfahren für CAD sind vor allem abhängig von der geminderten Intensität der von den Embolien betroffenen Regionen in Relation zu der unmittelbaren Gefäßumgebung.
Ein Nachteil solch einer Herangehensweise besteht darin, dass sich dabei die Tendenz zeigt, dass damit auch die Erkennung von Gefäßverzweigungen, Lymphknoten, Lungen-Venen mit niedrigem Kontrast sowie anderen Teilen der normalen Anatomie als falsche positive Erkennungen einhergeht. Die Aufgabe der Erkennung wird außerdem aufgrund von beträchtlichen Abweichungen der absoluten Kontrastniveaus und der Verteilung des Kontrasts in verschiedenen Fällen zusätzlich erschwert. Außerdem wird die Analyse durch Kontrast-Poolbildungs-Effekte und andere Bildgebungsartefakte, wie beispielsweise durch Bewegung, welche die Intensität verändert, weiter verkompliziert.
Ein Versuch zur Vermeidung von falschen positiven Erkennungen wird in der Publikation ”Computerized Detection of Pulmonary Embolisms in Spiral CT Angiography Based an Volumetric Image Analysis”, Y. Masutani, H. MacMahon, K. Doi, IEEE Transactions On Medical Imaging 2002, 21(12), 1517) beschrieben. In dieser Publikation wird die Erkennung von Lungenembolien unter Verwendung des lokalen Intensitätskontrastes zur Identifizierung von Voxelgruppen innerhalb einer Gefäßstruktur, welche in Relation zu ihren Nachbarn weniger getrübt sind, zusammen mit der Verwendung der Krummlinigkeits-Eigenschaften von Voxels zur Erkennung von Lungenembolien beschrieben. Ein Klassifikator, der unter Verwendung einer Trainings-Datenbank von Fällen entwickelt wurde, wird angewendet, um falsche positive Erkennungen zu vermeiden. Zu den Nachteilen dieser Herangehensweise gehört, dass sie beträchtliche Zeit erfordert, um die Trainings-Datenbank zu entwickeln, und dass sie sehr anfällig ist, wenn die Erfassungsparameter in der klinischen Praxis von denen des Trainingsdatensatzes abweichen.
”A Fast Toboggan-based Method for Automatic Detection and Segmentation of Pulmonary Embolism in CT Angiography”, J. Liang, M. Wolf und M. Salganicoff, MICCAI 2005 Short Papers beschreibt die Erkennung von Embolien im Bereich von – 50 HU bis 100 HU unter Verwendung eines Toboggan-Algorithmus, der Voxels lokal zusammenfasst, indem jedes Voxel dem Voxel mit der niedrigsten Intensität, das sich in dessen Nähe befindet, zugeordnet wird. Ein Nachteil dieser Herangehensweise besteht darin, dass aufgrund der Tatsache, dass Fälle von CT-Kontraste für Variationen der Intensität anfällig sind, die Annahmen in Bezug auf die Intensitätsbereiche für Embolien in Fällen von außergewöhnlich schwerwiegenden Embolien oder in solchen Fällen, in denen partielle Volumeneffekte künstlich erhöhte Intensitätsniveaus erzeugen, wahrscheinlich inadäquat sind.
Das Verfahren nach ”Preliminary Investigation of Computer-aided Detection of Pulmonary Embolism in Threedimensional Computed Tomography Pulmonary Angiography Images”, C. Zhou et al., Acad Radiol 2005; Volume 12 No. 6, 782–792 verwendet einen dreistufigen Erwartungsmaximierungs-Algorithmus, um ein halbautomatisches Verfahren zur Segmentierung von Lungenembolien zu erhalten.
Es sind auch Versuche unternommen worden, automatische Verfahren für die Lungenembolie-Visualisierung zu entwickeln. Beispielsweise beschreibt US 2005/0240094 A1 und ”A novel method for pulmonary embolism visualization from high-resolution CT images”, E. Pichon, C. L. Novak, A. P. Kiraly, D. Naidich, Medical Imaging 2004, Proc. SPIE Vol. 5367, 161–170 jeweils eine Maximalgefälle-Technik zur Berechnung der Statistik von Gefäßvoxels radial zu einer Zentrallinie. Auf diese Weise wird eine geeignete Statistik (Minimum/Durchschnitt) dieses Satzes aller Voxels entlang des Verlaufsweges der Zentrallinie zugeordnet, so dass im Inneren liegende Lungenembolien an die Gefäßoberfläche gebracht werden. In einem anderen Beispiel beschreibt US 2006/0025674 A1 eine Variante des Verfahrens, bei der anstelle des Maximalgefälles eine Wagenrad-Projektion verwendet wird. In einem anderen Beispiel beschreibt US 2006/0023925 A1 ein Minimalintensitäts-Projektionsverfahren, welches verwendet wurde, wobei die resultierende Gefäßoberfläche ausgerollt wurde, um eine zweidimensionale Darstellung eines Gefäßes zu erhalten, die verwendet wurde, um die Lungenembolie-Positionen in einer zweidimensionalen Darstellung des gesamten Gefäßbaumes hervorzuheben. In einem weiteren Beispiel wird in ”Analysis of arterial subtrees affected by Pulmonary Emboli”, A. P. Kiraly, E. Pichon, D. Naidich, C. L. Novak, Medical Imaging 2004, Proc. SPIE Vol. 5370, 1720–1792 ein Verfahren beschrieben, durch das bei einer vorgegebenen Position der Embolie der betroffene Lungenbereich identifiziert werden kann, indem ein Arterienbaum extrahiert wird, welcher distal zur Lungenembolie-Position liegt.
Allerdings ist zurzeit kein geeignetes Gerät oder Verfahren zur Erkennung von Okklusionen verfügbar, bei dem die oben beschriebenen Probleme und Nachteile überwunden werden. Es soll daher ein verbessertes Verfahren und eine verbesserte Vorrichtung zur Identifizierung einer oder mehrerer Okklusionen in einer Vaskulatur angegeben werden.
Die Aufgabe wird mit dem Gegenstand des Anspruchs 1 oder dem Gegenstand des Anspruchs 10 gelöst.
Die Unteransprüche geben besondere Ausführungsarten der Erfindung an.
Kurzbeschreibung der Erfindung
Gemäß einer Ausführungsform der vorliegenden Erfindung umfasst ein Verfahren zur Identifizierung einer oder mehrerer Okklusionen in einer Vaskulatur, welche sich in einer Region von Interesse von Bilddaten befindet, die Extraktion der Vaskulatur aus der Region von Interesse; die Identifizierung einer Objektgeometrie der extrahierten Vaskulatur; die Generierung eines Objektgraphen, der die extrahierte Vaskulatur darstellt; die Lieferung eines zuvor bestimmten Graphen; und den Vergleich sowohl des Objektgraphen mit dem zuvor bestimmten Graphen, um fehlende oder abnorme Graphsegmente zu erkennen, als auch der Objektgeometrie mit einer zuvor bestimmten Geometrie, um eine Blockade zu identifizieren.
Gemäß einer anderen Ausführungsform der vorliegenden Erfindung umfasst ein Gerät zur Identifizierung einer oder mehrerer Okklusionen in der Vaskulatur, die sich in einer Region von Interesse von Bilddaten befindet, eine Abtastvorrichtung zur Generierung von volumetrischen Bilddaten und einen Prozessor, der so eingerichtet ist, dass er eine Vaskulatur aus den Bilddaten extrahiert, eine Objektgeometrie der extrahierten Vaskulatur identifiziert, einen Objektgraphen generiert, der die extrahierte Vaskulatur darstellt, einen zuvor bestimmten Graphen liefert und sowohl den Objektgraphen mit dem zuvor bestimmten Graphen vergleicht, um fehlende oder abnorme Graphsegmente zu erkennen, als auch die Objektgeometrie mit einer zuvor bestimmten Geometrie vergleicht, um eine Blockade zu identifizieren.
Kurzbeschreibung der Zeichnungen
Die nachfolgende detaillierte Beschreibung wird unter Bezugnahme auf die beigefügten Zeichnungen durchgeführt, für welche gilt:
1 ist ein schematisches Diagramm, welches ein Gerät zur Identifizierung von Okklusionen gemäß einer Ausführungsform der vorliegenden Erfindung zeigt;
2 ist ein Abschnitt eines Kontrastbildes einer Lunge, welches segmentierte Gefäße zeigt;
3 ist ein weiterer Abschnitt des Kontrastbildes einer Lunge, welches die Kurvatur eines Gefäßes zeigt, das eine Okklusion enthält; und
4 ist ein Flussdiagramm, das ein Verfahren zur Identifizierung von Okklusionen gemäß einer weiteren Ausführungsform der vorliegenden Erfindung zeigt.
Detaillierte Beschreibung der bevorzugten Ausführungsform
Eine Ausführungsform der vorliegenden Erfindung bezieht sich auf ein Verfahren und eine Vorrichtung zur Erkennung von Blockaden oder Okklusionen, wie beispielsweise Lungenembolien, in der Vaskulatur. Wie im Folgenden genauer beschrieben werden wird, wird eine geometrische Analyse der lokalen Formeigenschaften einer Vaskulatur angewendet, welche auf der Grundlage einer Intensitätsschwelle erfolgen kann. Man kann erkennen, dass die Analyse der lokalen Formeigenschaften sich nicht aufgrund der Intensitätsskalierung verändert und daher ein Kriterium liefert, das unempfindlich gegenüber Intensitätsunterschieden zwischen den einzelnen Fällen ist, wodurch dieser Nachteil und andere oben beschriebene Nachteile nach dem Stand der Technik überwunden werden.
Was nun 1 anbelangt, so wird eine Bildgebungsvorrichtung zur Identifizierung von Okklusionen gemäß einer Ausführungsform der vorliegenden Erfindung in allgemeiner Form unter 10 illustriert. In dieser Ausführungsform umfasst die Bildgebungsvorrichtung 10 eine Abtastvorrichtung 12, Eingangs/Ausgangs-Vorrichtungen 14, ein Display 16, einen Datenspeicher 18 und einen Prozessor 20.
Bei der Abtastvorrichtung 12 kann es sich um eine oder mehrere Vorrichtungen wie beispielsweise eine Magnetresonaz(MR)-Bildgebungsvorrichtung, eine Computertomographie(CT)-Bildgebungsvorrichtung, eine Spiral-CT-Vorrichtung, eine Positronenemissionstomographie(PET)-Vorrichtung, eine zweidimensionale (2D) oder dreidimensionale (3D) fluoroskopische Bildgebungsvorrichtung, eine 2D, 3D oder vierdimensionale Ultraschall-Bildgebungsvorrichtung und/oder eine Röntgen-Vorrichtung handeln, die volumetrische Bilddaten generieren und diese Daten an einen Prozessor 20 übermitteln kann.
Die Eingangs/Ausgang-Vorrichtungen 14 können aus einer beliebigen Anzahl oder einer Kombination von Vorrichtungen bestehen, welche Informationen an den Prozessor 20 liefern und/oder von ihm empfangen können, wie beispielsweise [über] eine Tastatur, ein CD/DVD-Laufwerk, eine Flash Memory und/oder einen Drucker. Das Display 16 kann aus einem beliebigen geeigneten Displaybildschirm, wie beispielsweise aus einem Flüssigkristallbildschirm, bestehen.
Der Datenspeicher 18 kann einen beliebigen geeigneten Kurzzeit-Datenspeicher, wie beispielsweise RAM und/oder ROM, und/oder einen Langzeit-Datenspeicher wie beispielsweise eine Festplatte zur Speicherung von Informationen umfassen, die vom Prozessor 20 verwendet werden, um eine beliebige der im Folgenden beschriebenen Funktionen sowie andere Funktionen auszuführen, die zur Umsetzung dieser Erfindung notwendig sind.
Der Prozessor 20 kann aus einer beliebigen geeigneten Vorrichtung bestehen, die mittels einer Serie von verfügbaren Befehlen eingerichtet werden kann, beispielsweise in Firmware oder Software, und die, wie gezeigt wird, schaltungsintern angeschlossen ist, um jeweils mit der Abtastvorrichtung 12, den Eingangs/Ausgang-Vorrichtungen 14, dem Display 16 und dem Datenspeicher 18 zu kommunizieren. In einer Ausführungsform der vorliegenden Erfindung ist der Prozessor 20 so eingerichtet, dass er eine Okklusion oder Blockade wie beispielsweise eine Lungenembolie, erkennt. Um dies zu erreichen und für den Fall, dass eine Lungenembolie vorliegt, für die der Kontrastfluss ausreicht, so dass die Vaskulatur oder Gefäßsegmente einfach bis jenseits des Punktes der Blockade nachverfolgt werden können, kann der Prozessor 20 so eingerichtet werden, dass er dunkle Pathologien innerhalb des hellen Feldes erkennt, welches die Vaskulatur darstellt. Wie im Folgenden detailliert beschrieben, kann eine Vaskulatur zusätzlich als eine Serie von Verzweigungen und Segmenten in einer Graphdarstellung extrahiert werden, wenn der Fall auftritt, dass schwere Lungenembolien dazu führen, dass eine oder mehrere betroffene Gefäßsegmente in einem Gefäßbaum nicht vollständig sind. Dies kann dann mit einer Baseline oder einem Standardatlas der Lungengefäße verglichen werden, um Brüche in der Anatomie genau zu bestimmen.
In dieser beispielhaften Ausführungsform können volumetrische Bilddaten eines Lungenpaares von der Abtastvorrichtung 12 erzeugt und an den Prozessor 20 übermittelt werden, der so eingerichtet werden kann, dass er zuerst eine Glättung der Bilddaten liefert, um den Rauscheffekt zu reduzieren. Danach können die Lungen aus den Bilddaten gewonnen werden, indem eine Intensitätsschwelle eingestellt wird. Es sei darauf hingewiesen, dass die verbleibenden Bilddaten im Allgemeinen keine Gefäße oder Strukturen der Lungenwand enthalten. Um dies zu korrigieren, kann eine morphologische Schließung angewendet werden, um die Wandstrukturen mit aufzunehmen, gefolgt von einem bekannten Lückenfüll-Schritt, so dass die Parenchymstrukturen mit erfasst werden.
Danach kann ein Gefäßbaum aus den nun kontrastverbesserten volumetrischen CT-Bilddaten gewonnen werden, wobei eine auf der Form basierende oder geometrische Analyse verwendet wird. Auf diese Weise können Lungengefäße segmentiert werden, indem eine lokale Kurvaturantwort der Voxels innerhalb der Bilddaten analysiert wird, welche die Lungenfelder enthalten. Gemäß einer wichtigen Eigenschaft dieser Ausführungsform sei darauf hingewiesen, dass in einer beliebigen Position, das Verhältnis der Eigenwerte k1, k2 eines Kurvaturtensors Informationen über eine lokale Form einer Isooberfläche liefert, welche die entsprechende Position durchquert, wobei die Werte in der Nähe von Null und in der Nähe von eins jeweils für krummlinige (Gefäß) und runde (kugelförmige) Objekte liegen.
Genauer gesagt können prinzipiell Kurvaturen einer Isooberfläche I(x) = k an einer Position x anhand der Eigenwerte einer 2×2 Matrix C ermittelt werden, welche als Kurvaturtensor der volumetrischen Bilddaten bezeichnet wird, I:
wobei H die 3×3 Hessematrix der zweiten Ableitungen der Volumenbilddaten und N die 3×2 Matrix des Nullraums von ∇I ist.
Die Eigenwerte κ1, 2 liefern an einer beliebigen Position des Kurvaturtensors Informationen über die lokale Form der Isooberfläche, welche diese Position überschneidet. Die Analyse der Tensorkurvaturen liefert die lokalen geometrischen Eigenschaften, die in Bezug auf die Intensitätsskalierung, welche mit dem Stand der Technik verbunden ist, unveränderlich und unempfindlich sind.
Es ist festgestellt worden, dass eine krummlinige Struktur, wie beispielsweise ein Gefäß, einen deutlichen Unterschied der Größen von κ1 und κ2 zeigt, wobei kugelförmige Strukturen im Gegenteil durch fast gleiche Werte für κ1 und κ2 charakterisiert sind. Daher liefert ein Verhältnis der gewonnen Kurvaturtensoren an einem Voxel ein wichtiges Identifizierungsmerkmal für ein Gefäß.
Außerdem können Gefäßvoxels innerhalb der volumetrischen Bilddaten der Lungenfelder segmentiert werden, um Lungenembolien besser sichtbar zu machen, um zusätzlich zu einer Intensitätsschwelle eine Minimumschwelle auf den Kurvaturtensor anzuwenden, wie beispielsweise (1 – κ1/κ2), wie im Folgenden beschrieben.
Es sei darauf hingewiesen, dass Lungenembolien als dunkle Zylinder/dunkle Kugeln innerhalb eines hellen Gefäßfeldes erscheinen und daher die gewonnen berechneten Tensorkurvaturen ein umgekehrtes Vorzeichen für diese Strukturen aufweisen. Dies kann genutzt werden, um Abweichungen von den normalen Kurvaturantworten für helle Gefäße zu erkennen. 2 illustriert einen Abschnitt eines CT-Kontrastbildes, das die Komplexität der Lungengefäße und der Lungenembolien zeigt. Es sei darauf hingewiesen, dass ein Verfahren und eine Vorrichtung gemäß einer Ausführungsform der vorliegenden Erfindung, wie sie im Folgenden detaillierter beschrieben werden, Lungenembolien innerhalb dieser Lungengefäße finden und Diskontinuierlichkeiten in der Abbildung der kontrastverbesserten Gefäße erkennen können.
3 zeigt einen anderen Abschnitt eines CT-Kontrastbildes, in dem eine zentral zum Gefäß liegende Okklusion bei 302 in einer Kurvaturantwort-Darstellung hervorgehoben ist. In diesem Abschnitt wird die Okklusion so gezeigt, dass sie innerhalb einer im Allgemeinen kugelförmigen Struktur lokalisiert ist.
Bei Blockaden, die den Fluss stärker behindern, so dass der Baum entweder diskontinuierlich ist oder am Punkt der Blockade aufhört, ist es wichtig, ausreichend Abschnitte einer Anatomie zu erkennen, so dass die Diskontinuierlichkeiten und Brüche mit den normalen Grenzen zur Möglichkeit der Erkennung einer Vaskulatur in Einklang gebracht werden können. Dies kann die oben beschriebene geometrische Analyse in Situationen ergänzen, in denen die Embolien solch eine geometrische Analyse des jeweils betroffenen Gefäßsegments unmöglich machen. Beispielsweise kann es als ein Anzeichen für eine mögliche Lungenembolie gewertet werden, wenn Positionen, an denen der betrachtete Lungenbaum entweder diskontinuierlich ist (nachdem eine Intensitätsschwelle auf die volumetrischen Bilddaten angewendet worden ist) [vorliegen], oder wenn ein Objektgraph sich vom Kontrollgraphen unterscheidet, indem er Brüche in dem Lungenfluss zeigt, was jeweils als Hinweis auf eine mögliche Lungenembolie gewertet werden kann.
Um eine Objektgraphdarstellung einer betrachteten Anatomie vorzubereiten, können Bilddaten, welche eine Vaskulatur darstellen, mittels Verzweigungspunkten und Vaskulatursegmenten identifiziert werden. Der Objektgraph kann mit einem zuvor festgelegten Graph oder einer Referenzanatomie verglichen werden, welche eine Darstellung der Struktur der Veskulatur der Lunge (oder eines anderen Organs) ohne Embolien darstellt. Der zuvor festgelegte Graph kann eine Baseline oder eine andere Abtastung derselben Person entweder mit oder ohne Kontrast sein, aus der ein ”vollständiger” Gefäßbaum mit einem bestimmten Grad an Verlässlichkeit abgeleitet werden kann, oder es kann sich um einen anatomischen Atlas handeln, da der Gefäßbaum im Allgemeinen für den Großteil der Bevölkerung eine feste Topologie aufweist. Die geometrische Analyse, welche oben beschrieben wird, wird verwendet, um einen Gefäßbaum aus den Segmenten und Abzweigungen der betrachteten Abtastung zu erstellen, und dieser Baum wird dann auf eine Weise gekennzeichnet, die es ermöglicht, die zugrundeliegende Topologie zu bewahren. Man kann sehen, dass die Diskontinuierlichkeiten in dem Graph und die Stellen, an denen der Graph sich topologisch von der Topologie der Referenzanatomie unterscheidet, als mögliche Lungenembolie-Positionen angesehen werden können.
Gemäß einer anderen Ausführungsform der vorliegenden Erfindung wird ein Verfahren zur Identifizierung einer oder mehrerer Okklusionen in der Vaskulatur, die sich in einer Region von Interesse befindet, in allgemeiner Form unter 400 gezeigt, und wie in 402 dargestellt wird, umfasst es die Extraktion einer Vaskulatur aus der Region von Interesse. Wie bei 404 gezeigt, umfasst das Verfahren auch die Identifizierung einer Objektgeometrie der extrahierten Vaskulatur und, wie bei 406 gezeigt, den Vergleich der Objektgeometrie mit einer zuvor bestimmten Geometrie, um eine Blockade zu identifizieren. Wie bei 408 gezeigt, kann das Verfahren ferner die Generierung eines Objektgraphen umfassen, der die extrahierte Vaskulatur darstellt, wobei, wie bei 410 gezeigt, ein zuvor bestimmter Graph geliefert wird und der Vergleich des Objektgraphen mit dem zuvor bestimmten Graph durchgeführt wird, um fehlende oder abnormale Graphsegmente zu erkennen und dadurch eine Blockade zu identifizieren, wie bei 412 gezeigt.
Gemäß dem Verfahren 400 kann der Schritt zur Identifizierung einer Objektgeometrie auch die Benutzung eines Kurvaturtensors umfassen, um eine Form einer Isooberfläche der extrahierten Vaskulatur zu identifizieren, wie bei 414 gezeigt. Es sei darauf hingewiesen, dass der Kurvaturtensor ein Verhältnis von Eigenvektoren umfassen kann, welche der Form der Isooberfläche entsprechen, wie in 416 gezeigt.
Gemäß dem Verfahren 400 kann der Schritt der Extraktion der Vaskulatur ferner die Verwendung einer Computertomographie umfassen, um volumetrische Bilddaten zu generieren und eine Lungenvaskulatur aus den volumetrischen Bilddaten zu gewinnen. Außerdem kann der Schritt der Extraktion der Vaskulatur ferner die Einstellung einer Intensitätsschwelle für die volumetrischen Bilddaten umfassen, um die Lungenvaskulatur abzugrenzen, wie bei 418 gezeigt. Ferner kann der Schritt der Extraktion der Vaskulatur die Anwendung eines morphologischen Verschlusses auf die volumetrischen Bilddaten umfassen, um Lungenwandstrukturen zu generieren, und die Lieferung eines Lückenfüllplans, um die Parenchymstrukturen zu ersetzen. Es sei darauf hingewiesen, dass es sich bei der Blockade um eine Lungenembolie handeln kann und dass der zuvor bestimmte Graph einen Baselinegraphen oder einen anatomischen Atlas umfassen kann.
Bei der vorliegenden Erfindung wird eine Herangehensweise verwendet, die dazu dient, die Charakteristiken einer Emboliestruktur selbst besser zu verstehen, so dass gleich zu Anfang falsche Erkennungen reduziert werden. Die Analyse geht außerdem über die lokale Antwort hinaus, und zwar durch die Identifizierung einer Embolie als eines Elements des gesamten Lungengefäßbaums, welches bis jenseits eines erlaubten Grades vom Atlas abweicht. Dadurch wird die Identifizierung von ganzen Okklusionen ermöglicht, die normalerweise im Zuge der geometrischen Analyse nicht erkannt und somit vom Untersuchungsgebiet ausgeschlossen werden würden. Die Identifizierung von Embolien in Bezug auf deren anatomische Position in einem Modellbaum würde auch dazu beitragen, die falsche Identifizierung von Lungenvenen, welche eine abweichende Trübung aufweisen, als vermeintliche Emboliepositionen zu reduzieren.
Zu den technischen Effekten der hier beschriebenen Systeme und Verfahren gehört die Identifizierung einer Objektgeometrie einer ausgedehnten Vaskulatur und der Vergleich der Objektgeometrie mit einer zuvor bestimmten Geometrie, um eine Blockade zu identifizieren.
Ein Verfahren zur Identifizierung einer oder mehrerer Okklusionen in einer Vaskulatur, die sich in einer Region von Interesse befindet, umfasst die Extraktion einer Vaskulatur aus der Region von Interesse 402; die Identifizierung einer Objektgeometrie der extrahierten Vaskulatur 404; und den Vergleich der Objektgeometrie mit einer zuvor bestimmten Geometrie, um eine Blockade zu identifizieren 406. Es wird auch eine Vorrichtung zur Identifizierung einer oder mehrerer Okklusionen in einer Vaskulatur vorgestellt, die sich in einer Region von Interesse befinden.

Claims

Verfahren zur Identifizierung einer oder mehrerer Okklusionen in der Vaskulatur, die sich in einer Region von Interesse von Bilddaten befinden, beinhaltend: die Extraktion einer Vaskulatur aus der Region von Interesse (402) der Bilddaten; die Identifizierung einer Objektgeometrie der extrahierten Vaskulatur (404); die Generierung eines Objektgraphen, der die extrahierte Vaskulatur darstellt (408); die Lieferung eines zuvor bestimmten Graphen (410); und den Vergleich sowohl des Objektgraphen mit dem zuvor bestimmten Graphen, um fehlende oder abnorme Graphsegmente zu erkennen, als auch der Objektgeometrie mit einer zuvor bestimmten Geometrie, um eine Okklusion zu identifizieren (406)
Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die Identifizierung einer Objektgeometrie die Verwendung eines Kurvaturtensors (414) zur Identifizierung der Form einer Isooberfläche der extrahierten Vaskulatur umfasst.
Verfahren gemäß Anspruch 2, dadurch gekennzeichnet, dass der Kurvaturtensor ein Verhältnis von Eigenvektoren (416) umfasst, die der Form der Isooberfläche entsprechen.
Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die Extraktion einer Vaskulatur die Verwendung von Computertomographie zur Generierung von volumetrischen Bilddaten und der Bestimmung der Lungenvaskulatur aus den volumetrischen Bilddaten umfasst.
Verfahren gemäß Anspruch 4, dadurch gekennzeichnet, dass die Extraktion der Vaskulatur ferner das Einstellen einer Intensitätsschwelle (418) für die volumetrischen Bilddaten umfasst, um die Lungenvaskulatur isoliert darzustellen.
Verfahren gemäß Anspruch 5, dadurch gekennzeichnet, dass die Extraktion der Vaskulatur ferner umfasst: die Anwendung eines morphologischen Verschlusses der volumetrischen Bilddaten zur Generierung von Lungenwandstrukturen; und die Lieferung eines Lückenfüllplanes zur Ersetzung von Parenchymstrukturen.
Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die Okklusion eine Lungenembolie ist.
Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass der vorbestimmte Graph einen Baselinegraphen umfasst.
Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass der vorbestimmte Graph einen anatomischen Atlas umfasst.
Vorrichtung zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche zur Identifizierung einer oder mehrerer Okklusionen in der Vaskulatur, die sich in einer Region von Interesse von Bilddaten befinden: mit einer Abtastvorrichtung (12) zur Generierung von volumetrischen Bilddaten; und mit einem Prozessor (20), der so eingerichtet ist, dass er eine Vaskulatur aus den Bilddaten extrahiert, eine Objektgeometrie der extrahierten Vaskulatur identifiziert; einen Objektgraphen generiert, der die extrahierte Vaskulatur darstellt; und sowohl den Objektgraphen mit einem zuvor bestimmten Graphen vergleicht, um fehlende oder abnormale Graphsegmente zu erkennen, als auch die Objektgeometrie mit einer zuvor bestimmten Geometrie vergleicht, um eine Okklusion zu identifizieren.
Vorrichtung gemäß Anspruch 10, dadurch gekennzeichnet, dass der Prozessor einen Kurvaturtensor anwendet, um die Form einer Isooberfläche der extrahierten Vaskulatur zu erkennen.
Vorrichtung gemäß Anspruch 11, dadurch gekennzeichnet, dass der Kurvaturtensor ein Verhältnis von Eigenvektoren umfasst, die der Form der Isooberfläche entsprechen.
Vorrichtung gemäß Anspruch 10, dadurch gekennzeichnet, dass die Abtastvorrichtung zur Generierung der volumetrischen Bilddaten Computertomographie verwendet, wobei die Vaskulatur eine Lungenvaskulatur umfasst.
Vorrichtung gemäß Anspruch 13, dadurch gekennzeichnet, dass der Prozessor weiterhin so eingerichtet ist, dass er eine Intensitätsschwelle für die volumetrischen Bilddaten einstellt, um die Lungenvaskulatur isoliert darzustellen.
Vorrichtung gemäß Anspruch 14, dadurch gekennzeichnet, dass der Prozessor weiterhin so eingerichtet ist, dass er zur Generierung von Lungenwandstrukturen einen morphologischen Verschluss auf die volumetrischen Bilddaten anwendet und zur Ersetzung von Parenchymstrukturen einen Lückenfüllplan liefert.
Vorrichtung gemäß Anspruch 10, dadurch gekennzeichnet, dass die Okklusion eine Lungenembolie ist.
Vorrichtung gemäß Anspruch 10, dadurch gekennzeichnet, dass der vorbestimmte Graph einen Baselinegraphen umfasst.
Vorrichtung gemäß Anspruch 10, dadurch gekennzeichnet, dass der vorbestimmte Graph einen anatomischen Atlas umfasst.