-
Die Erfindung betrifft ein Verfahren zur zeitlichen Registrierung zweier jeweils ein sich vorzugsweise periodisch bewegendes Objekt abbildenden Bildseriendatensätze, bestehend aus zeitaufgelösten Einzelbildern, aufgebaut jeweils aus Pixeln oder Voxeln, wobei ein zu einem ersten Zeitpunkt aufgenommenes Einzelbild des ersten Bildseriendatensatzes jeweils einem zum gleichen oder einem anderen Zeitpunkt aufgenommenen Einzelbild des zweiten Bildseriendatensatzes zugeordnet wird.
-
Zur Registrierung von Bilddatensätzen bewegter Objekte werden zumeist Biosignale verwendet. Im Falle eines Lebewesens ist ein bekanntes Beispiel hierfür das EKG-Signal. Die Bildseriendatensätze können dabei von einer Bildgebungs-Modalität zu verschiedenen Zeitpunkten stammen, sie können von mehreren Bildgebungs-Modalitäten zum gleichen Zeitpunkt aufgenommen worden sein oder auch von unterschiedlichen Modalitäten zu unterschiedlichen Zeitpunkten stammen. Enthalten die Bilddatensätze mehrere Einzelbilder zu verschiedenen Zeitpunkten der periodischen Bewegung, so werden sie im Folgenden Bildseriendatensätze genannt. Voraussetzung für die Verwendung von Biosignalen zur zeitlichen Registrierung ist allerdings, dass sich die Frequenz des Biosignals zwischen den Messzeitpunkten nicht ändert. Ist dies der Fall, wie z. B. bei Arrhythmien des Herzens, kommt es zu einer Fehlregistrierung der Bildseriendatensätze. Damit ist eine eindeutige Zuordnung von Zeitpunkten des Biosignals zu einem ersten Untersuchungszeitpunkt zu den Zeitpunkten des Biosignals in einem zweiten Untersuchungszeitpunkt nicht gegeben.
-
Der Erfindung liegt damit das Problem zugrunde, ein Verfahren zur zeitlichen Registrierung anzugeben, das unabhängig von Biosignalen durchführbar ist.
-
Zur Lösung dieses Problem ist bei einem Verfahren der eingangs genanten Art erfindungsgemäß vorgesehen, dass zur Registrierung eines Einzelbildes des ersten Bildseriendatensatzes dasjenige Einzelbild im zweiten Bildseriendatensatz ermittelt wird, das eine maximale Ähnlichkeit zum Einzelbild des ersten Bildseriendatensatzes aufweist.
-
Ein solches Verfahren zur zeitlichen Registrierung ermöglicht eine von Biosignalen unabhängige Registrierung. Somit werden mögliche Fehler durch Frequenzänderungen der periodischen Bewegung in der Registrierung vermieden.
-
Vorzugsweise weist der erste Bildseriendatensatz eine zeitliche Dimension, zwei oder drei räumliche Dimensionen und gegebenenfalls mindestens eine weitere, insbesondere von beliebigen Aufnahmeparametern abhängige, Dimension auf. Diese variable Art der Bilddatengestaltung ermöglicht es, immer die vorteilhaftesten Parameter für die Bildaufnahme des Bildseriendatensatzes auszuwählen. Bei einer höheren zeitlichen Auflösung kann beispielsweise die räumliche Dimension auf zwei beschränkt werden, drei räumliche Dimensionen können aufgenommen werden um eine höhere räumliche Auflösung zu erreichen, dafür wird aber typischerweise eine niedrigere zeitliche Auflösung in Kauf genommen. Daneben sind aber auch weitere Dimensionen denkbar. Beispielsweise können bei Kernspintomographieaufnahmen als weitere denkbare Dimensionen eine die T1-Wichtung oder Quantifizierung, eine T2-Wichtung oder Quantifizierung oder auch eine Diffusionswichtung oder Quantifizierung vorgesehen sein. Daneben gibt es weitere Parameter wie Fluss, MTC (Magnetisation Transfer Contrast), und Perfusion. Dies ist keine abschließende Aufzählung, jeder mögliche Parameter kann eine weitere Dimension aufspannen. Aus Zeitgründen beschränkt man sich jedoch meist auf denjenigen Parameter, der für die Fragestellung die höchste Aussagekraft hat. Auch ist die Kernspintomographie nur als ein Beispiel für eine Bildgebungsmodalität zu sehen, weitere Bildgebungsmodalitäten wie Röntgen, Computertomographie, Ultraschall, oder PET (Positronen-Emissions-Tomographie) sind ebenfalls möglich. Auch diese Aufzählung ist nicht als abschließend sondern nur als beispielhaft anzusehen.
-
Zweckmäßigerweise kann der zweite Bildseriendatensatz eine zeitliche Dimension, zwei oder drei räumliche Dimensionen und gegebenenfalls mindestens eine weitere, insbesondere von beliebigen Aufnahmeparametern abhängige, Dimension aufweisen. Alle Möglichkeiten, die bei der Aufnahme des ersten Bildseriendatensatzes zur Verfügung stehen, stehen auch beim zweiten Bildseriendatensatz zur Verfügung. Allerdings ist der zweite Bildseriendatensatz vom ersten in der Hinsicht vollkommen unabhängig, dass sich alle Arten von Dimensionen, also zeitliche, räumliche und sonstige, in ihrer Anzahl und Auflösung unterscheiden können. Weist der erste Bildseriendatensatz also beispielsweise zwei räumliche Dimensionen auf, so kann der zweite Bildseriendatensatz ebenfalls zwei räumliche Dimensionen aufweisen, oder auch gegebenenfalls drei.
-
Vorteilhafterweise kann ein räumlich höherdimensionaler Bildseriendatensatz auf die räumlichen Dimensionen des räumlich niederdimensionalen Bildseriendatensatzes rückprojiziert werden. Durch dieses Vorgehen wird das Auffinden einer maximalen Ähnlichkeit zwischen einem Einzelbild des ersten Bildseriendatensatzes mit den Einzelbildern des zweiten Bildseriendatensatzes vereinfacht. Weisen die Einzelbilder des ersten Bildseriendatensatzes beispielsweise zwei räumliche Dimensionen auf, typischerweise spricht man hier von einer Serie von 2D-Bildern, und die Einzelbilder des zweiten Bildseriendatensatzes drei räumliche Dimensionen, typischerweise als 3D-Bilder bezeichnet, so vereinfacht eine Rückprojektion der 3D Bilder des zweiten Bildseriendatensatzes auf 2D-Bilder die Verwendung von bekannten Algorithmen zum Auffinden der maximalen Ähnlichkeit. Solche Algorithmen sind meistens für gleichdimensionale Datensätze geschaffen.
-
Zweckmäßigerweise kann die maximale Ähnlichkeit für ein oder jedes Einzelbild des ersten Bildseriendatensatzes mit jedem Einzelbild des zweiten Bildseriendatensatzes berechnet werden. Auf diese Art und Weise wird sichergestellt, dass für jedes Einzelbild des ersten Bildseriendatensatzes dasjenige Einzelbild des zweiten Bildseriendatensatzes herausgefunden wird, mit dem es eine maximale Ähnlichkeit aufweist.
-
Erfindungsgemäß wird maximale Ähnlichkeit für ein oder jedes Einzelbild des ersten Bildseriendatensatzes mit Einzelbildern des zweiten Bildseriendatensatzes auf einem zeitlich eingeschränkten Bereich berechnet. Durch die Beschränkung auf einen Vergleich des Einzelbildes des ersten Bildseriendatensatzes auf wenige Einzelbilder des zweiten Bildseriendatensatzes erreicht man eine Rechenzeitoptimierung. Sinnvollerweise kann die zeitliche Abfolge der jeweiligen Einzelbilder nicht variieren. D. h., wenn ein Einzelbild des ersten Bildseriendatensatzes einem Zeitpunkt der zweiten Periodenhälfte zuzuordnen ist, so kann ein Einzelbild des zweiten Bildseriendatensatzes, das ebenfalls der zweiten Periodenhälfte der periodischen Bewegung zuzuordnen ist, keine sinnvolle Zuordnung zu einem Einzelbild des ersten Bildseriendatensatzes erfahren, wenn die maximale Ähnlichkeit auch mit Einzelbildern des ersten Bildseriendatensatzes aus der ersten Periodenhälfte ermittelt wird. Eine Zuordnung zu den einzelnen Abschnitten der Zeitpunkte der periodischen Bewegung könnte beispielsweise durch Aufnahme von Biosignelen geschehen, diese Daten werden aber nur zu einer Vorsortierung verwendet.
-
Zweckmäßigerweise kann als Maß für die maximale Ähnlichkeit ein Distanzmaß, das ein Maß für die Unterschiedlichkeit zweier Einzelbilder ist, verwendet werden. Es gilt dabei, dass die Unähnlichkeit umso größer ist, je größer der Zahlenwert des Distanzmaßes ist, und umgekehrt, je kleiner der Zahlenwert des Distanzmaßes ist, desto größer ist die Ähnlichkeit der verglichenen Einzelbilder. Zur Berechnung der Distanzmaße stehen vielerlei, aus der Mathematik bekannte, Möglichkeiten zur Verfügung.
-
Zweckmäßigerweise kann zur Berechnung des Distanzmaßes eine Distanzfunktion, die ein Maß für den Abstand zweier paarweiser Pixel oder Voxel der zuzuordnenden Einzelbilder der Bildseriendatensätze ist, verwendet werden. Die Distanzfunktion legt also fest, wie die Zahlenwerte der paarweisen Pixel der Einzelbilder miteinander zur Berechnung des Distanzmaßes verknüpft werden. Auch für Distanzfunktionen gibt es bereits eine Vielzahl an bekannten Möglichkeiten.
-
Solche Verfahren sind beispielsweise aus den Dokumenten Barbara Zitova, Jan Flusser: Image registration methods: a survey. In: Image and Vision Computing 21 (2003) Seiten 977–1000 und Stefan Henn, Florian Jarre und Kristian Witsch: Mathematische Bildverarbeitung – Ein Überblick über verschiedene Modelle und Methoden zur Registrierung digitaler Bilddaten. In: Jahrbuch der Heinrich-Heine-Universität Düsseldorf 2002, S. 178–188 bekannt.
-
Zweckmäßigerweise kann als Distanzfunktion der euklidische Abstand verwendet werden. Diese Distanzfunktion hat sich als besonders vorteilhaft zur Verwendung in metrischen Räumen herausgestellt. Gebildet wird der euklidische Abstand als Wurzel der Quadratsummen der Einzelzahlenwerte.
-
Alternativ kann als Distanzfunktion der Manhatten-Abstand verwendet werden. Definiert ist der Manhatten-Abstand als Betragssumme der Zahlenwerte der paarweisen Pixel der zu vergleichenden Einzelbilder. Er ist sehr einfach und sehr schnell zu berechnen.
-
Generell kann aber jede Distanzfunktion benutzt werden, solange sie nur monoton ist. D. h., dass der durch sie zurückgegebene Zahlenwert größer werden muss, wenn der Abstand der Zahlenwerte der paarweisen Pixel größer wird und umgekehrt.
-
Durch die Berechnung der Distanzfunktion erhält man also jeweils für die paarweisen Pixel der zu vergleichenden Bilder einen Zahlenwert, dessen Größe von der verwendeten Distanzfunktion abhängt. Diese durch die Distanzfunktion erzeugten Werte müssen jetzt noch miteinander verknüpft werden. Dies ist Aufgabe des Distanzmaßes. Die in den durch die Distanzfunktion erzeugten Zahlenwerten steckende Information wird also sozusagen durch das Distanzmaß hochaggregiert.
-
Zweckmäßigerweise kann zur Berechnung des Distanzmaßes die Summe aller durch die Distanzfunktion gewonnenen Zahlenwerte verwendet werden. Die Summenbildung ist dabei eine rechenzeitschonende, einfache arithmetische Operation. Je größer das dadurch gewonnene Distanzmaß, desto unähnlicher sind sich die verglichenen Bilder.
-
Alternativ kann zur Berechnung des Distanzmaßes die Wurzel der Quadratsumme aller durch die Distanzfunktion gewonnenen Zahlenwerte verwendet werden. Die Verwendung der Quadratsumme wichtet große Zahlenwerte stärker als kleine, dadurch wird eine starke Differenz in einzelnen Pixeln der Einzelbilder stärker gewichtet als allgemeine, kleine Differenzen.
-
Zweckmäßigerweise kann zur Berechnung der maximalen Ähnlichkeit mutual information verwendet werden. Mutual information ist ein Maß für den Abstand zwischen zwei Verteilungen. Dieses aus der Statistik bekannte Registrierungsmaß basiert auf der Berechnung relativer Entropien. Die Zahlenwerte der Pixel der Einzelbilder werden dabei jeweils als Zufallsvariablen aufgefasst. Die mutual information ist maximal für den Fall der kompletten Abhängigkeit der Zufallsvariablen, d. h. wenn die Bilder übereinstimmen. Ausgestaltungen zur Berechnung der mutual information zweier Einzelbilder für gleiche Bildgebungsmodalitäten oder auch unterschiedliche Bildgebungsmodalitäten sind hinreichend bekannt.
-
Die Bestimmung der maximalen Ähnlichkeit kann bezogen auf wenigstens einen frei definierbaren Bildbereich erfolgen. Dadurch wird erreicht, dass diejenigen Bildbereiche bevorzugt zur Bestimmung der maximalen Ähnlichkeit herangezogen werden, die die meiste Aussagekraft bezüglich der Ähnlichkeit haben. Beispielsweise ist in Röntgenbildern der Kontrast für Weichteilgewebe gering. Würde man nun Bilder vergleichen, die große Anteile an Weichteilgewebe aufweisen, so würde dieses wenig informationtragende Gewebe sehr stark gewichtet in die Berechnung der maximalen Ähnlichkeit eingehen, obwohl dies nicht sinnvoll und erwünscht ist.
-
Vorteilhafterweise kann als Bildbereich eine anatomische Landmarke, insbesondere Koronarien oder Knochen, verwendet werden. Durch die Verwendung der anatomischen Landmarken als zu vergleichende Bildbereiche werden diejenigen Bildbereiche ausgewählt, die eine hohe Aussagekraft bezüglich der Ähnlichkeit der zu vergleichenden Einzelbilder besitzen. Als gegebenenfalls weiterer Bildbereich kann ein im Bild gezeigtes medizinisches Instrument verwendet werden. Ein solches Instrument lässt sich typischerweise gut vom untersuchten Gewebe unterscheiden und tritt im Bildbereich höchstens in geringer Anzahl, meistens jedoch einmalig, auf. Daher ist es hervorragend geeignet, die Einzelbilder miteinander zu registrieren.
-
Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus den im Folgenden beschriebenen Ausführungsbeispielen sowie anhand der Zeichnungen. Dabei zeigen:
-
1 eine Prinzipdarstellung eines bekannten Verfahrens, und
-
2 eine Prinzipdarstellung eines erfindungsgemäßen Verfahrens, und
-
3 eine Prinzipdarstellung einer zeitlichen Registrierung zweier Bildseriendatensätze nach Stand der Technik.
-
3 zeigt eine Prinzipdarstellung eines Verfahrens zur zeitlichen Registrierung zweier Bildseriendatensätze nach dem Stand der Technik. Aufgetragen über die Zeitachse 1 ist die Kurve eines EKG-Signals 4 zu einem ersten Untersuchungszeitpunkt. Der Nullpunkt der periodischen Bewegung ist durch die Linie 3 angegeben. Die Einzelbilder 6b, 7b und 8b des ersten Bildseriendatensatzes sind durch Aufnahme des EKG-Signals bestimmten Zeitpunkten der periodischen Bewegung zugeordnet. Die mit dem EKG festgestellten Zeitpunktes 6a, 7a und 8a wurden auf der Kurve 4 aufgetragen. Im Vergleich dazu sieht man auf der Zeitachse 2 die Kurve 5 eines EKG-Signals zu einem zweiten Untersuchungszeitpunkt mit den entsprechenden Zeitpunkten 9a, 10a und 11a und hierzu zugeordneten Einzelbildern 9b, 10b und 11b. Wie man erkennen kann, hat sich die Frequenz der Signalkurve des periodisch bewegten Objekts geändert, dadurch entsprechen die Einzelbilder, die gleichermaßen von der den Nullpunkt angebenden Linie 3 zeitlich beabstandet sind, nicht mehr den gleichen Bewegungszuständen. Während am Anfang der periodischen Bewegung sich die Informationen der Bilder 6b und 9b noch weitestgehend entsprechen, wird die Ähnlichkeit mit zunehmendem zeitlichen Abstand vom Nullpunkt durch die Frequenzänderung größer. Obwohl die Zeitpunkte 8a und 11a den gleichen Abstand von der Nullpunktlinie 3 der periodischen Bewegung haben spiegeln die Bilder 8b und 11b nicht mehr den gleichen Bewegungszustand wieder. Eine zeitliche Registrierung mittels des Biosignals führt also in die Irre.
-
1 zeigt eine Prinzipdarstellung eines bspw. aus der
DE 10 2005 037426 A1 bekannten Verfahrens. Gezeigt ist ein erster Bildseriendatensatz
12, aufgenommen zu einem ersten Untersuchungszeitpunkt, mit den Einzelbildern
13,
14,
15,
16 und
17. Die Reihenfolge der Position der Zeitpunkte in der periodischen Bewegung entspricht dabei der dargestellten Reihenfolge, d. h. das Bild
13 dem Nullpunkt der periodischen Bewegung am nächsten ist. Entsprechend ist auch der zweite Bildseriendatensatz
18 mit den Einzelbildern
19,
20,
21,
22 und
23 dargestellt. Eine Zuordnung eines Einzelbildes des zweiten Bildseriendatensatzes
18 findet jetzt aber nicht mehr über ein Biosignal statt, sondern durch Betrachtender Ähnlichkeiten
24,
25,
26,
27 und
28 zwischen dem ersten Einzelbild
19 des zweiten Bildseriendatensatzes
18 mit jedem Einzelbild
13,
14,
15,
16 und
17 des ersten Bildseriendatensatzes
12. Diese Betrachtung wird auch für die weiteren Bilder
20,
21,
22 und
23 des zweiten Bildseriendatensatzes
18 angestellt. Eine zeitliche Missregistrierung findet nicht mehr statt, da nicht mehr eine Beabstandung vom Nullpunkt der periodischen Bewegung ausschlaggebend ist, sondern die Ähnlichkeit zu den Einzelbildern des ersten Bildseriendatensatzes
12.
-
2 zeigt eine Prinzipdarstellung des erfindungsgemäßen Verfahrens. Hierbei werden weiterhin Biosignale aufgenommen. Diese werden allerdings nicht dazu verwendet, um die zeitliche Registrierung durchzuführen, sondern sie schränken nur den Zeitbereich ein, aus denen die Einzelbilder 19–23 des ersten Bildseriendatensatzes 12 zum Vergleich mit den Einzelbildern des zweiten Bildseriendatensatzes 18 herangezogen werden. Die Einzelbilder 13, 14, 15, 16 und 17 des ersten Bildseriendatensatzes 12 stellen dabei dreidimensionelle CT-Angiogramme des Herzens dar. Diese lassen sich mittels EKG-Triggerung auch Herzphasen t1, t2, t3, t4 und t5 zuordnen. Zu einem späteren Zeitpunkt werden dann die Einzelbilder des zweiten Bildseriendatensatzes 18 aufgenommen. Diese liegen als 2D-Angiogramme vor. Um nun die Einzelbilder der jeweiligen Bildseriendatensätze miteinander zeitlich registrieren zu können, werden die Einzelbilder 13–17 des ersten Bildseriendatensatzes 12 auf zwei räumliche Dimensionen rückprojiziert. Da sich zwischen den Aufnahmen die Herzfrequenz des Patienten geändert hat, stimmt die zeitliche Registrierung mittels des Biosignals nicht mehr. Allerdings ist diese Information auch nicht völlig unnütz, vielmehr kann sie dazu verwendet werden, das Feststellen der maximalen Ähnlichkeit der Einzelbilder des zweiten Bildseriendatensatzes 18 auf einen gewissen Bereich der Einzelbilder des ersten Bildseriendatensatzes 12 einzuschränken. Einzelbild 21 des zweiten Bildseriendatensatzes 18 wird deshalb nicht mehr mit allen Einzelbildern des ersten Bildseriendatensatzes 12 auf maximale Ähnlichkeit untersucht, sondern nur noch mit den Einzelbildern 14, 15 und 16 und daraus die Ähnlichkeiten 30–32 gewonnen. Denn dass ein Einzelbild des zweiten Bildseriendatensatzes 18 aus der Mitte des Herzzyklus mit einem Einzelbild des Bildseriendatensatzes 12 aus dem Anfang oder Ende des dortigen Herzzyklus übereinstimmt, ist unwahrscheinlich. In so einem Falle müsste sich die Herzfrequenz um ein Vielfaches vergrößert bzw. verkleinert haben. Ein solch drastischer Wechsel der Herzfrequenz lässt sich aber anhand der Pulsbestimmung nachvollziehen und daher kann der auszuwählende Zeitbereich, aus dem die Bilder des ersten Bildseriendatensatzes 12 zum Vergleich herangezogen werden, eingeengt werden.
