DE102008002912B4 - Vorrichtung und Verfahren zur Identifizierung von Okklusionen - Google Patents
Vorrichtung und Verfahren zur Identifizierung von Okklusionen Download PDFInfo
- Publication number
- DE102008002912B4 DE102008002912B4 DE102008002912A DE102008002912A DE102008002912B4 DE 102008002912 B4 DE102008002912 B4 DE 102008002912B4 DE 102008002912 A DE102008002912 A DE 102008002912A DE 102008002912 A DE102008002912 A DE 102008002912A DE 102008002912 B4 DE102008002912 B4 DE 102008002912B4
- Authority
- DE
- Germany
- Prior art keywords
- vasculature
- graph
- image data
- volumetric image
- geometry
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 210000005166 vasculature Anatomy 0.000 claims abstract description 55
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 208000010378 Pulmonary Embolism Diseases 0.000 claims description 24
- 210000004072 lung Anatomy 0.000 claims description 20
- 238000002591 computed tomography Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims 2
- 238000004458 analytical method Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 9
- 230000002792 vascular Effects 0.000 description 9
- 230000002685 pulmonary effect Effects 0.000 description 7
- 210000003484 anatomy Anatomy 0.000 description 6
- 210000001147 pulmonary artery Anatomy 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000005189 Embolism Diseases 0.000 description 2
- 238000010968 computed tomography angiography Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003073 embolic effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000001594 aberrant effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000002588 pulmonary angiography Methods 0.000 description 1
- 210000003492 pulmonary vein Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 208000011818 severe chest pain Diseases 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
- A61B5/414—Evaluating particular organs or parts of the immune or lymphatic systems
- A61B5/415—Evaluating particular organs or parts of the immune or lymphatic systems the glands, e.g. tonsils, adenoids or thymus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
- A61B5/414—Evaluating particular organs or parts of the immune or lymphatic systems
- A61B5/418—Evaluating particular organs or parts of the immune or lymphatic systems lymph vessels, ducts or nodes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Vascular Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Immunology (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Endocrinology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
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 US 2006/0025674 A1 US 2006/0023925 A1 - 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 unter10 illustriert. In dieser Ausführungsform umfasst die Bildgebungsvorrichtung10 eine Abtastvorrichtung12 , Eingangs/Ausgangs-Vorrichtungen14 , ein Display16 , einen Datenspeicher18 und einen Prozessor20 . - 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 Prozessor20 übermitteln kann. - Die Eingangs/Ausgang-Vorrichtungen
14 können aus einer beliebigen Anzahl oder einer Kombination von Vorrichtungen bestehen, welche Informationen an den Prozessor20 liefern und/oder von ihm empfangen können, wie beispielsweise [über] eine Tastatur, ein CD/DVD-Laufwerk, eine Flash Memory und/oder einen Drucker. Das Display16 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 Prozessor20 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 Abtastvorrichtung12 , den Eingangs/Ausgang-Vorrichtungen14 , dem Display16 und dem Datenspeicher18 zu kommunizieren. In einer Ausführungsform der vorliegenden Erfindung ist der Prozessor20 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 Prozessor20 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 Prozessor20 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 bei302 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 in402 dargestellt wird, umfasst es die Extraktion einer Vaskulatur aus der Region von Interesse. Wie bei404 gezeigt, umfasst das Verfahren auch die Identifizierung einer Objektgeometrie der extrahierten Vaskulatur und, wie bei406 gezeigt, den Vergleich der Objektgeometrie mit einer zuvor bestimmten Geometrie, um eine Blockade zu identifizieren. Wie bei408 gezeigt, kann das Verfahren ferner die Generierung eines Objektgraphen umfassen, der die extrahierte Vaskulatur darstellt, wobei, wie bei410 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 bei412 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 bei414 gezeigt. Es sei darauf hingewiesen, dass der Kurvaturtensor ein Verhältnis von Eigenvektoren umfassen kann, welche der Form der Isooberfläche entsprechen, wie in416 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 bei418 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 Vaskulatur404 ; und den Vergleich der Objektgeometrie mit einer zuvor bestimmten Geometrie, um eine Blockade zu identifizieren406 . Es wird auch eine Vorrichtung zur Identifizierung einer oder mehrerer Okklusionen in einer Vaskulatur vorgestellt, die sich in einer Region von Interesse befinden.
Claims (18)
- 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.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/768,623 US7965810B2 (en) | 2007-06-26 | 2007-06-26 | Device and method for identifying occlusions |
US11/768,623 | 2007-06-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102008002912A1 DE102008002912A1 (de) | 2009-01-02 |
DE102008002912B4 true DE102008002912B4 (de) | 2013-10-17 |
Family
ID=40076136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102008002912A Expired - Fee Related DE102008002912B4 (de) | 2007-06-26 | 2008-06-26 | Vorrichtung und Verfahren zur Identifizierung von Okklusionen |
Country Status (3)
Country | Link |
---|---|
US (1) | US7965810B2 (de) |
JP (1) | JP2009045436A (de) |
DE (1) | DE102008002912B4 (de) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007132388A1 (en) * | 2006-05-11 | 2007-11-22 | Philips Intellectual Property & Standards Gmbh | Method and apparatus for reconstructing an image |
US7941462B2 (en) * | 2008-09-24 | 2011-05-10 | Toshiba Medical Visualization Systems Europe, Limited | Method and apparatus for classification of coronary artery image data |
US8611627B2 (en) | 2009-12-23 | 2013-12-17 | General Electric Company | CT spectral calibration |
US8488852B2 (en) | 2011-02-15 | 2013-07-16 | Siemens Aktiengesellschaft | Medical imaging system for segementing blood vessel |
US10073190B2 (en) | 2012-12-20 | 2018-09-11 | Exxonmobil Upstream Research Company | Method and system for geophysical modeling of subsurface volumes based on computed vectors |
US9915742B2 (en) | 2012-12-20 | 2018-03-13 | Exxonmobil Upstream Research Company | Method and system for geophysical modeling of subsurface volumes based on label propagation |
WO2014099201A1 (en) | 2012-12-20 | 2014-06-26 | Exxonmobil Upstream Research Company | Geophysical modeling of subsurface volumes based on horizon extraction |
US10234583B2 (en) | 2012-12-20 | 2019-03-19 | Exxonmobil Upstream Research Company | Vector based geophysical modeling of subsurface volumes |
WO2014149344A1 (en) | 2013-03-15 | 2014-09-25 | Exxonmobil Upstream Research Company | Method and system for geophysical modeling of subsurface volumes |
US10120980B2 (en) | 2014-01-27 | 2018-11-06 | Arizona Board Of Regents On Behalf Of Arizona State University | Diagnosing pulmonary embolism by integrating patient-level diagnosis and embolus-level detection |
ES2841414T3 (es) | 2014-04-15 | 2021-07-08 | 4Dmedical Ltd | Método de obtención de imágenes |
RU2692038C2 (ru) | 2014-05-19 | 2019-06-19 | Конинклейке Филипс Н.В. | Визуализация представляющей интерес ткани в данных контрастированного изображения |
CA2991378A1 (en) * | 2015-07-28 | 2017-02-02 | Pme Ip Pty. Ltd. | Apparatus and method for visualizing digital breast tomosynthesis and anonymized display data export |
US10157467B2 (en) | 2015-08-07 | 2018-12-18 | Arizona Board Of Regents On Behalf Of Arizona State University | System and method for detecting central pulmonary embolism in CT pulmonary angiography images |
US11723617B2 (en) | 2016-02-03 | 2023-08-15 | 4DMedical Limited | Method and system for imaging |
US11278256B2 (en) | 2016-03-04 | 2022-03-22 | 4DMedical Limited | Method and system for imaging |
JP2020508771A (ja) * | 2017-02-28 | 2020-03-26 | 4ディーエックス リミテッド | 肺および血管の健康状態を検査し評価する方法 |
US10719580B2 (en) | 2017-11-06 | 2020-07-21 | International Business Machines Corporation | Medical image manager with automated synthetic image generator |
US20210161596A1 (en) * | 2019-12-02 | 2021-06-03 | SG Devices LLC | Augmented reality display of surgical imaging |
US20230102246A1 (en) * | 2021-09-29 | 2023-03-30 | Siemens Healthcare Gmbh | Probabilistic tree tracing and large vessel occlusion detection in medical imaging |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240094A1 (en) * | 2004-04-16 | 2005-10-27 | Eric Pichon | System and method for visualization of pulmonary emboli from high-resolution computed tomography images |
US20060023925A1 (en) * | 2004-08-02 | 2006-02-02 | Kiraly Atilla P | System and method for tree-model visualization for pulmonary embolism detection |
US20060025674A1 (en) * | 2004-08-02 | 2006-02-02 | Kiraly Atilla P | System and method for tree projection for detection of pulmonary embolism |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6251072B1 (en) * | 1999-02-19 | 2001-06-26 | Life Imaging Systems, Inc. | Semi-automated segmentation method for 3-dimensional ultrasound |
US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
DE10107765A1 (de) * | 2001-02-17 | 2002-08-29 | Siemens Ag | Verfahren zur Bildbearbeitung ausgehend von einem unter Verwendung eines Kontrastmittels aufgenommenen Computertomographie(CT)-Bildes einer Lunge und CT-Gerät zur Durchführung eines solchen Verfahrens |
DE10162272A1 (de) * | 2001-12-19 | 2003-07-10 | Philips Intellectual Property | Verfahren zur Unterstützung der Orientierung im Gefäßsystem |
US7468040B2 (en) * | 2003-09-18 | 2008-12-23 | Cardiac Pacemakers, Inc. | Methods and systems for implantably monitoring external breathing therapy |
JP2005278690A (ja) * | 2004-03-26 | 2005-10-13 | Hiroshima Industrial Promotion Organization | コンピュータを用いた3次元胸部ct画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
US7031430B2 (en) | 2004-04-06 | 2006-04-18 | General Electric Company | System and method for detecting objects with differential operators |
JP5048233B2 (ja) * | 2004-10-08 | 2012-10-17 | ゼネラル・エレクトリック・カンパニイ | Cadシステムにおける解剖学的形状の検出のための方法及びシステム |
US8059900B2 (en) * | 2004-10-08 | 2011-11-15 | General Electric Company | Method and apparatus to facilitate visualization and detection of anatomical shapes using post-processing of 3D shape filtering |
EP1877980A2 (de) * | 2004-12-22 | 2008-01-16 | Bio-Tree Systems, Inc. | Medizinische abbildungsverfahren und vorrichtung zur diagnose und überwachung von krankheiten und verwendung dafür |
EP1846753B1 (de) * | 2005-02-04 | 2012-11-07 | Koninklijke Philips Electronics N.V. | System zur bestimmung der gefässgeometrie und durchflusseigenschaften |
US20070092864A1 (en) * | 2005-09-30 | 2007-04-26 | The University Of Iowa Research Foundation | Treatment planning methods, devices and systems |
-
2007
- 2007-06-26 US US11/768,623 patent/US7965810B2/en active Active
-
2008
- 2008-06-16 JP JP2008156074A patent/JP2009045436A/ja active Pending
- 2008-06-26 DE DE102008002912A patent/DE102008002912B4/de not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050240094A1 (en) * | 2004-04-16 | 2005-10-27 | Eric Pichon | System and method for visualization of pulmonary emboli from high-resolution computed tomography images |
US20060023925A1 (en) * | 2004-08-02 | 2006-02-02 | Kiraly Atilla P | System and method for tree-model visualization for pulmonary embolism detection |
US20060025674A1 (en) * | 2004-08-02 | 2006-02-02 | Kiraly Atilla P | System and method for tree projection for detection of pulmonary embolism |
Non-Patent Citations (5)
Title |
---|
Kiraly P. et al: Analysis of arterial sub-trees affected by Pulmonary Emboli. In: Medical Imaging 2004, Image Processing, Proceedings of SPIE, 5370, 2004, 1720-1729. * |
Liang J. et al: A Fast Toboggan-based Method for Automatic Detection and Segmentation of Pulmonary Embolism in CT Angiography. In: MICCAI Short Papers, 2005, 1. * |
Masutani Y. et al: Computerized Detection of Pulmonary Embolisms in Spiral CT Angiography Based an Volumetric Image Analysis. In: IEEE Transactions On Medical Imaging, 21, December 2002, 15, 1517-1523. * |
Pichon E. et al: A novel method for pulmonary embolism visualization from high-resolution CT images. In: Medical Imaging 2004, Proceedings of SPIE, 5367, 2004, 161-170. * |
Zhou C. et al: Preliminary Investigation of Computer-aided Detection of Pulmonary Embolism in Threedimensional Computed Tomography Pulmonary Angiography Images. In: Acad Radiol, 12, June 2005, 6, 782-792. * |
Also Published As
Publication number | Publication date |
---|---|
US20090003511A1 (en) | 2009-01-01 |
US7965810B2 (en) | 2011-06-21 |
JP2009045436A (ja) | 2009-03-05 |
DE102008002912A1 (de) | 2009-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102008002912B4 (de) | Vorrichtung und Verfahren zur Identifizierung von Okklusionen | |
DE112004000381B4 (de) | Verfahren zur Bereitstellung einer automatischen 3D-Läsionssegmentierung und von Läsionsmessungen | |
DE102005036875B4 (de) | System und Verfahren zur 3-D Visualisierung eines Lungenpaars und der Lungenperfusion oder -dichte | |
DE60319288T2 (de) | Verfahren und vorrichtung zum identifizieren von pathologien in gehirnbildern | |
DE69801562T2 (de) | Selbst segmentierung/konturgewinnungsverfahren zur verwendung bei planung einer bestrahlungstherapiebehandlung | |
DE102004043695B4 (de) | Verfahren zur einfachen geometrischen Visualisierung tubulärer anatomischer Strukturen | |
DE102011076233B4 (de) | Verfahren und Computersystem zur Erkennung einer statistisch relevanten Normvariante der Gefaßstruktur eines Patienten mit Hilfe tomographischer Bilddatensatze | |
DE10249320A1 (de) | Gefäss-Detektion durch Strahlausbreitung auf der Grundlage der mittleren Abweichung | |
DE102011013505A1 (de) | Verfahren und System zur automatischen Erkennung und Klassifizierung von Koronarstenosen in Herz-CT-Volumina | |
DE102004056783A1 (de) | Verfahren und Vorrichtung zum Segmentieren von Strukturen in einer CT-Angiographie | |
DE112005001755T5 (de) | System und Verfahren zur Baummodell-Visualisierung zur Erkennung von Lungenembolie | |
DE102012108185A1 (de) | System und Verfahren zur Visualisierung von Blutgefäßstenosen und zur Navigation | |
DE102005040438A1 (de) | Verfahren und Vorrichtung zur Embolieanalyse | |
DE112005001741T5 (de) | System und Verfahren zur Baumprojektion zur Erkennung von Lungenembolie | |
DE102018222606A1 (de) | Verfahren und Vorrichtung zur Detektion eines anatomischen Merkmals eines Blutgefäßabschnittes | |
DE102016205507A1 (de) | Verfahren zur Ermittlung einer den Blutfluss in Kollateralen beschreibenden Kollateralinformationen, medizinische Bildaufnahmeeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger | |
DE112004001464B4 (de) | Verfahren zum Analysieren von lokalen Mustern in Krümmungsverteilungen | |
DE102005048524A1 (de) | Verfahren und System zur Erkennung anatomischer Formen in einem CAD-System | |
EP3420902B1 (de) | Verfahren zur ermittlung einer gewebeverteilungsinformation aus röntgenbilddaten, röntgeneinrichtung, computerprogramm und elektronisch lesbarer datenträger | |
DE102014201321A1 (de) | Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts | |
DE102009033452B4 (de) | Verfahren zur Bereitstellung eines segmentierten Volumendatensatzes für eine virtuelle Koloskopie sowie zugehörige Gegenstände | |
DE102021210879A1 (de) | Bereitstellen eines Vergleichsdatensatzes | |
DE102007029159A1 (de) | Verfahren zur Visualisierung eines dreidimensionalen Bilddatensatzes aus einer Röntgen-CT-Untersuchung und Arbeitsstation zur Durchführung des Verfahrens | |
Özkan et al. | Lung Segmentation algorithm for CAD system in CTA images | |
EP3637365B1 (de) | Verfahren zum bewerten einer verlässlichkeit eines ct-volumenbildes, computerprogramm und computerlesbares speichermedium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed |
Effective date: 20110913 |
|
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |
Effective date: 20140118 |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: A61B0019000000 Ipc: A61B0090000000 |