DE102008015293B4 - Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes - Google Patents

Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes Download PDF

Info

Publication number
DE102008015293B4
DE102008015293B4 DE102008015293.5A DE102008015293A DE102008015293B4 DE 102008015293 B4 DE102008015293 B4 DE 102008015293B4 DE 102008015293 A DE102008015293 A DE 102008015293A DE 102008015293 B4 DE102008015293 B4 DE 102008015293B4
Authority
DE
Germany
Prior art keywords
air
esophagus
image data
data set
image
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
Application number
DE102008015293.5A
Other languages
English (en)
Other versions
DE102008015293A1 (de
Inventor
Dr. Deinzer Frank
Andreas Fieselmann
Stefan Lautenschläger
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthcare GmbH
Original Assignee
Siemens Healthcare GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Priority to DE102008015293.5A priority Critical patent/DE102008015293B4/de
Publication of DE102008015293A1 publication Critical patent/DE102008015293A1/de
Application granted granted Critical
Publication of DE102008015293B4 publication Critical patent/DE102008015293B4/de
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/032Transmission computed tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/174Segmentation; Edge detection involving the use of two or more images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20048Transform domain processing
    • G06T2207/20056Discrete and fast Fourier transform, [DFT, FFT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20132Image cropping
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20224Image subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30048Heart; Cardiac
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30061Lung
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03Recognition of patterns in medical or anatomical images
    • G06V2201/031Recognition of patterns in medical or anatomical images of internal organs

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Pulmonology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes (1) eines den Ösophagus wenigstens teilweise umfassenden Bereichs, wobei eine Segmentierung oder Lokalisierung des Ösophagus unter Verwendung einer Information über die Position von Luftblasen (26) im Ösophagus durchgeführt wird, welche Information automatisch in folgenden Schritten bestimmt wird: – Detektion von Luft beschreibenden Voxeln in dem Bilddatensatz (1), – Klassifizierung der detektierten Luft in in respiratorischen Organen enthaltene Atemluft (11) und in im Ösophagus enthaltene Luftblasenluft (20), – Bestimmung der Information aus den Luftblasenluft (20) enthaltenden Bereichen.

Description

  • Die Erfindung betrifft ein Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes eines den Ösophagus wenigstens teilweise umfassenden Bereichs.
  • Solcherlei dreidimensionale Bilddatensätze werden meist aufgenommen, wenn eine Behandlung von Herzerkrankungen auf minimal invasivem Wege, beispielsweise über einen Katheter, erfolgen soll. Eine solche Erkrankung ist das Vorhofflimmern, das beispielsweise über die Katheterablation behandelt werden kann. Dabei wird ein sogenannter Ablationskatheter bis in die Herzkammer vorgeschoben und die pathologisch bedingten Leitungsbahnen werden verbrannt. Verbrennung bedeutet in diesem Zusammenhang, dass das Gewebe derart verändert wird, dass es seine Leitfähigkeit verliert und Narbengewebe gebildet wird. Es gibt verschiedene Ansätze zur Zerstörung des Gewebes. Die wohl verbreitetste Technik ist die Ablation per Hochfrequenzstrom, der von der Katheterspitze auf das Endokard der Kammer übertragen wird.
  • Bei diesem Eingriff besteht allerdings das Risiko, dass die Herzwand perforiert wird und auch ein Loch in dem am linken Atrium anliegenden Ösophagus entsteht. Jedoch kann auch durch thermischen Schaden allein im Regenerationsprozess eine Fistel (Verbindung) zwischen dem Ösophagus und dem linken Atrium entstehen. Durch die daraus entstehende Verbindung zwischen dem Ösophagus und dem linken Atrium kann Luft in das linke Atrium gelangen. Dieser Zustand ist lebensbedrohlich. Ein Ansatz, dieses Risiko zu minimieren, besteht darin, die Ablationsleistung des Katheters an der Kontaktstelle zwischen Ösophagus und linkem Atrium zu reduzieren. Damit es dem behandelnden Arzt möglich ist, diese Kontaktstelle zu erkennen, ist eine Segmentierung und Visualisierung des Ösophagus erforderlich.
  • Bekannte Verfahren zur Segmentierung von Organen aus medizinischen Bilddatensätzen setzen in der Regel einen erkennbaren Unterschied der Bildintensitäten an den Organgrenzen voraus (beispielsweise Level-Sets, Wasserscheidentransformation). Beim Ösophagus ist dieser Intensitätsunterschied (auch Bildgradient genannt) an der äußeren Ösophaguswand in der Regel sehr gering. Dies gilt für Computertomographie-Aufnahmen (CT-Aufnahmen) wie auch für Magnetresonanz-Aufnahmen (MR-Aufnahmen), insbesondere jedoch für C-Arm-CT-Aufnahmen. Insbesondere auf Höhe der Kontaktstelle zwischen Ösophagus und linken Atrium fehlt es an eindeutigen Bildmerkmalen, die eine Verwendung bekannter Segmentierungsverfahren erlauben würden.
  • Im Stand der Technik wurden bislang nur wenige Forschungsarbeiten zur Segmentierung des Ösophagus durchgeführt. Eine Arbeit, die sich ausschließlich der Ösophagussegmentierung widmet, stammt von Rousson et al. (M. Rousson et al, „Probabilistic Minimal Path for Automated Esophagus Segmentation”, Proc. SPIE Medical Imaging, Vol. 6144, 2006, S. 1361–1369). Dort wird vorgeschlagen, aus einem Satz von Trainingsdaten ein statistisches Modell der Lagebeziehung zwischen dem Ösophagus, dem linken Atrium und der Aorta zu erstellen. Nach dieser Trainingsphase benötigt der Algorithmus zusätzlich zu der Segmentierung des linken Atriums, die üblicherweise im klinischen Workflow zuerst durchgeführt wird, und der Aorta als Eingabe je einen Punkt oberhalb und unterhalb des linken Atriums, durch den der Ösophagus verläuft. Daraus wird eine Mittellinie des Ösophagus bestimmt, von welcher ausgehend dann in jedem Schichtbild eine Ellipse bestimmt wird. Dieses Verfahren ist sehr rechenaufwendig und damit zeitintensiv. Eine Steuerung der Segmentierung durch den Benutzer und eine Nachbearbeitung des Ergebnisses sind nicht in das Verfahren integriert, zudem gibt es Form und Verlauf des Ösophagus nicht hinreichend genau wieder.
  • Weitere Arbeiten, die sich mit der Segmentierung verschiedener Organe, unter anderem auch des Ösophagus, befassen, nutzen beispielsweise die sogenannten „deformable models” (Ragan et al., „Semiautomated four-dimensional computer tomography segmentation using deformable models”, Medical Physics 32(7), Seiten 2254–2261) oder die „optic flow-Technik” (Huang et al., „Semi-automated CT segmentation using optic flow and Fourier interpolation techniques”, Computer Methods and Programs in Biomedicine 84, Seiten 124–134). Im Verfahren von Ragan et al. wird die Fourier-Interpolation genutzt, um aus wenigen Stützpunkten eine zweidimensionale Kontur in einer Transversalschicht zu erstellen. Die so erhaltene Kontur wird mittels optical flow in mehreren Schichten interpoliert. Jedoch liefert keine dieser beiden Techniken ein zufriedenstellendes Ergebnis. Eine weitere Möglichkeit ist auch die Anwendung von impliziten Funktionen, welche jedoch mit erhöhtem Rechenaufwand verbunden ist und keinerlei Modellwissen umfasst.
  • Einer weiteren Automatisierung der Segmentierung des Ösophagus steht somit insbesondere auch entgegen, dass die automatische Entnahme von Daten über die Lage des Ösophagus aus dem Bilddatensatz aufgrund des niedrigen Kontrasts kaum möglich ist. Die im Stand der Technik bekannten Verfahren benötigen somit jeweils eine Interaktion mit dem Benutzer, der sein Expertenwissen in Form von Startbedingungen einfließen lässt.
  • In der Offenlegungsschrift DE 10 2006 039 919 A1 wird eine Segmentierung der Speiseröhre aus Bilddaten durch Spezifizieren von nur zwei Endpunkten offenbart. Umgebende Strukturen werden als High-Level Bedingungen verwendet, um Form- und Erscheinungsbildmodelle zu konstruieren. Vorherige Forminformation wird für die Segmentierung einer neuen Speiseröhre integriert unter Verwendung einer Bayeschen Formulierung. Dies ermöglicht eine automatische Auswahl der geeigneten Modelle. Mit den Endpunkten liefert ein Algorithmus für den kürzesten Weg die optimale Speiseröhre gemäß der Bayeschen Formulierung.
  • Die Druckschrift ”WANG Pi-Chih et al.: Sectional Contour Interpolation Using Fourier Descriptor; in: Proc. of the 20th Ann. lnt. Conf. of the IEEE Eng. in Med. and Biol. Society, Vol 20, Nr. 2, 1998, Seiten 540 bis 543” ofenbart ein Verfahren zur Kantendetektion bei medizinischen Bilddaten im Fourierraum. Mit Hilfe von Interpolationen können die Kanten in benachbarten Schnittbildern durch Analyse der Charakteristika der Kantenform ermittelt werden.
  • Die Offenlegungsschrift WO 2007/048091 A2 offenbart ein Verfahren zum Erzeugen eines Bildes, wobei ein Darminhalt von einem Teil eines Kolons eines Patienten kolonografisch erfasst wird und verschiedene morphologische Merkmale in dem Bild klassifiziert werden. Die markierten Darminhalte werden entfernt oder aus dem Bild auf der morphologischen Klassifizierung basierend subtrahiert.
  • Der Erfindung liegt daher die Aufgabe zugrunde, ein verbessertes Verfahren zur Auswertung von Bilddatensätzen anzugeben, mit dem insbesondere eine weitere Automatisierung der Segmentierung bzw. Lokalisierung des Ösophagus ohne großen Rechenaufwand ermöglicht wird.
  • Zur Lösung dieser Aufgabe ist bei einem Verfahren der eingangs genanten Art erfindungsgemäß vorgesehen, dass eine Segmentierung oder Lokalisierung des Ösophagus unter Verwendung einer Information über die Position von Luftblasen im Ösophagus durchgeführt wird, welche Information automatisch in folgenden Schritten bestimmt wird:
    • – Detektion von Luft beschreibenden Voxeln in dem Bilddatensatz,
    • – Klassifizierung der detektierten Luft in in respiratorischen Organen enthaltene Atemluft und in im Ösophagus enthaltene Luftblasenluft,
    • – Bestimmung der Information aus den Luftblasenluft enthaltenden Bereichen.
  • Die Grundidee der vorliegenden Erfindung ist es also, anstatt der Außenkontur des Ösophagus oder dessen Wand selber zunächst die im Ösophagus regelmäßig vorhandenen Luftblasen zu segmentieren. Diese heben sich in einem solchen Bilddatensatz, insbesondere einem CT-Bilddatensatz, sehr deutlich vom umliegenden Gewebe ab. Daher ist es möglich, die Luft beschreibenden Voxel von Luft nicht enthaltenden Voxeln zu trennen. Dabei ist allerdings zu beachten, dass Bilddatensätze des oberen Torsobereichs auch eine Vielzahl respiratorischer Organe enthalten. Auch in diesen Organen ist Luft, nämlich Atemluft, enthalten. Daher wird erfindungsgemäß vorgeschlagen, nach der Detektion von Luft beschreibenden Voxeln diese in Atemluft und Luftblasenluft zu klassifizieren. Diejenigen solcher Voxel, die keine Atemluft enthalten und zusammenhängen, geben Luftblasen wieder, die im Ösophagus zu finden sind. Deren Position, Größe und Ausdehnung kann somit bestimmt werden, so dass die Information über die Luftblasen enthalten wird, die auf verschiedene nutzbringende Weise bei der Segmentierung des Ösophagus eingesetzt werden kann.
  • Somit ermöglicht das Verfahren vorteilhaft, dass vollautomatisch Luftblasen innerhalb des Ösophagus festgestellt werden können. Diese Luftblasen können beispielsweise visualisiert werden und dem Arzt während einer Katheterablation am linken Atrium als Hilfe dienen, die Lage des Ösophagus zu bestimmen. Mit besonderem Vorteil kann die Information jedoch als Eingabe für einen Algorithmus dienen, der die Lage des Ösophagus selbstständig anhand einiger Luftblasen rekonstruiert oder eine vorhandene Segmentierung des Ösophagus verbessert.
  • Oftmals sind Luftblasen in dem Ösophagus der einzige Hinweis auf seine Lage relativ zum linken Atrium. Um eine sichere Katheterablation durchzuführen, kann die mit diesem Verfahren gewonnene Information sehr effektiv eingesetzt werden.
  • In einer vorteilhaften Ausgestaltung des Verfahrens kann vorgesehen sein, dass vor der Detektion von Luft zunächst eine Segmentierung des in dem Bilddatensatz enthaltenen linken Atriums vorgenommen wird, woraufhin die Auswahl eines den Ösophagus umfassenden interessierenden Bereiches aus dem Bilddatensatz anhand der Segmentierung des im Bilddatensatz abgebildeten linken Atriums erfolgt, wobei die Detektion von Luft beschreibenden Voxeln lediglich in dem interessierenden Bereich erfolgt. Das linke Atrium des Herzens, welches aufgrund seines hohen Kontrasts mit bekannten Methoden leicht lokalisiert werden kann, wird im klinischen Workflow meist ohnehin zuerst segmentiert. Die Ergebnisse können als Grundlage der Luftblasensuche dienen. Damit werden im Wesentlichen zwei Vorteile erreicht. Zum einen wird die Rechenzeit wesentlich eingeschränkt, indem nur ein geringerer Teil des Bilddatensatzes, nämlich der tatsächlich relevante Teil, betrachtet wird. Zum anderen ermöglicht eine solche Vorauswahl eine besonders einfache Klassifikation in Luftblasenluft und Atemluft, wenn der Rand des interessierenden Bereichs so gewählt wird, dass er in jedem Fall respiratorische Organe schneidet. Dies wird später näher erläutert.
  • Bei der Auswahl des interessierenden Bereichs ist als wichtiges Kriterium zu beachten, dass sichergestellt ist, dass der Ösophagus in dem interessierenden Bereich auch enthalten ist. Um dies sicherzustellen, kann vorgesehen sein, dass zur Auswahl des interessierenden Bereichs folgende Schritte vorgesehen sind:
    • – Bestimmung des Mittelpunktes des linken Atriums,
    • – Projektion des Mittelpunktes des linken Atriums in anterior-posterior-Richtung auf die Rückwand des linken Atriums zur Definition eines Referenzpunktes (im Folgenden PWP-Punkt),
    • – Auswahl eines Bereiches bestimmter Größe unter Berücksichtigung des PWP-Punktes als interessierenden Bereich.
  • Auf diese Weise wird ein Referenzpunkt erhalten, der vorliegend als PWP-Punkt (posterior wall projection) bezeichnet wird. Es ist bekannt, dass der Ösophagus üblicherweise posterior am linken Atrium anliegt. Daher bietet sich als Ausgangspunkt der PWP-Punkt an.
  • Insbesondere ist nun vorgesehen, dass als interessierender Bereich ein quaderförmiger Bereich um einen bestimmten Mittelpunkt, der ausgehend vom PWP-Punkt ermittelt wird, ausgewählt wird. Die Parameter, die diesen Mittelpunkt und die Kantenlängen des Quaders definieren, werden empirisch aus einer bestimmten Zahl von Bilddatensätzen, insbesondere CT-Bilddatensätzen, so bestimmt, dass der Ösophagus grundsätzlich innerhalb des interessierenden Bereichs liegt. Dabei ist davon auszugehen, dass der interessierende Bereich leicht links des Mittelpunkts des Atriums liegt, da der Ösophagus eher auf der linken als der rechten Seite des Atriums angeordnet ist. Weiterhin liegt der Mittelpunkt des interessierenden Bereichs im Vergleich zum PWP-Punkt mehr in Anterior-Richtung, da der PWP-Punkt bereits ein gutes Maß für die maximale Position des Ösophagus in Posterior-Richtung angibt.
  • Vorteilhafterweise kann der interessierende Bereich quaderförmig mit einer Kantenlänge in der Transversalebene von 80–120 mm, insbesondere 100 mm, gewählt werden, wobei er in der Longitudinalrichtung die gesamte Höhe des Bilddatensatzes umfasst. In der Anterior-Richtung kann eine Verschiebung des Mittelpunktes des interessierenden Bereichs ausgehend vom PWP-Punkt von 10–20 mm, insbesondere 15 mm, vorgesehen sein, in Linksrichtung um 15–25 mm, insbesondere 20 mm. Werden solche Werte gewählt, umfasst der interessierende Bereich etwa ein Drittel des gesamten Volumens eines typischen CT-Bilddatensatzes des Herzens.
  • In einer vorteilhaften Ausführungsform des Verfahrens kann zur Detektion von Luft ein erster Binärbilddatensatz erstellt werden, indem jedem Voxel im Bilddatensatz oder im interessierenden Bereich ein Binärwert entsprechend der Überschreitung oder Unterschreitung eines Grenzwerts für die Bildintensität an diesem Voxel zugeordnet wird. Es wird demnach ein Grenzwertverfahren vorgeschlagen, das Voxel unterhalb eines bestimmten Grenzwerts als Luft kennzeichnet, Voxel oberhalb eines bestimmten Grenzwerts als Nicht-Luft. Insbesondere bei Verwendung eines CT-Bilddatensatzes kann der Grenzwert –600 bis –350 Hounsfield-Units, insbesondere –400 Hounsfield-Units, betragen. In einer weiteren Ausführungsform der vorliegenden Erfindung kann vorgesehen sein, dass der Grenzwert variabel ist, also adaptiv festgelegt wird.
  • Ist ein solcher erster Binärbilddatensatz erstellt, so kann auf dessen Grundlage auch eine Klassifizierung der detektierten Luft erfolgen. Dafür kann vorgesehen sein, dass ein zweites Binärbild durch einen Region-Growing-Algorithmus mit Saatpunkten am Rand des ersten Binärbildes, die den Binärwert für Luft aufweisen, ermittelt wird, woraufhin aus den Bildern durch logische Verknüpfung oder Subtraktion ein drittes Binärbild bestimmt wird, in dem lediglich die Luftblasenluft enthalten ist. Insbesondere dann, wenn ein geeigneter interessierender Bereich ausgewählt wurde, ist aufgrund der Verzweigung und Ausdehnung der Atemorgane sowie der Tatsache, dass die Organe des respiratorischen Systems zusammenhängen, sichergestellt, dass Atemluft am Rand des ersten Binärbilddatensatzes gefunden wird. Ausgehend von diesen Saatpunkten wird nun dreidimensional ein Region-Growing-Algorithmus durchgeführt, so dass alle mit diesem Voxel verbundenen anderen Luftvoxel als Atemluft identifiziert werden und einen Binärwert erhalten, während alle anderen Voxel einen anderen Binärwert erhalten. Da die Atemluft in den respiratorischen Organen insgesamt zusammenhängt, werden auf diese Weise komfortabel alle Atemluftbereiche aufgefunden. Das zweite Binärbild enthält also nur die Atemluft. Ist nun Luft in beiden Bildern mit demselben Binärwert, beispielsweise „1”, bezeichnet, so lässt sich durch Subtraktion des zweiten Binärbilds von dem ersten Binärbild ein drittes Binärbild bestimmen, in dem nur noch die Luftblasenluft enthalten ist. Alternativ ist es selbstverständlich auch möglich, beispielsweise durch eine Exklusiv-Oder-Verknüpfung oder eine Und-Nicht-Verknüpfung das dritte Binärbild zu erhalten. Dieses Vorgehen hat den Vorteil, wenig rechenaufwendig zu sein und daher eine schnelle Klassifizierung zu erlauben.
  • Im Allgemeinen wird jedoch nicht davon ausgegangen werden können, dass die gesamte in dem dritten Binärbild gekennzeichnete Luftblasenluft tatsächlich Luftblasen im Ösophagus kennzeichnet. Beispielweise existieren Artefakte, insbesondere in CT-Aufnahmen, die bestimmte Bereiche als luftgefüllt erscheinen lassen. Als Beispiel seien sogenannte Strahlaufhärtungsartefakte genannt, die Voxel mit sehr niedrigen Hounsfield-Unit-Werten in direkter Nachbarschaft zu sehr hohen Hounsfield-Unit-Werten aufweisen. Diese werden zunächst als Luftblasenluft identifiziert, da keine Verbindung zu der Atemluft besteht. In vorteilhafter weiterer Ausgestaltung der Erfindung kann daher vorgesehen sein, dass in dem dritten Binärbild zusammenhängende, als Luft gekennzeichnete Luftblasenbereiche ermittelt werden, woraufhin anhand von Nachbearbeitungskriterien ein Ausschluss von Bildartefakten erfolgt. Dazu kann insbesondere vorgesehen sein, dass bei Verwendung eines CT-Bilddatensatzes als Nachbearbeitungskriterium für jeden Luftblasenbereich ein Histogramm der Intensitätswerte eines um eine bestimmte Länge erweiterten Bereichs um den Luftblasenbereich bestimmt wird, woraufhin bei Überschreitung eines Artefaktgrenzwertes durch Werte des Histrogramms der Luftblasenbereich als Artefakt bestimmt wird. Dieses Verfahren ist insbesondere geeignet, um die Strahlaufhärtungsartefakte zu identifizieren. Als Artefakt bestimmte Luftblasenbereiche werden aus dem dritten Binärbild entfernt, da sie keine Luftblase im Ösophagus darstellen. Besondere Parameter für die Erweiterung des Luftblasenbereichs und den Artefaktgrenzwert können beispielsweise sein, dass die Länge 4–6 mm, insbesondere 5 mm, beträgt, und der Artefaktgrenzwert 500–700 Hounsfield-Units, insbesondere 600 Hounsfield-Units, beträgt. Neben dem oder als Alternative zu dem eben beschriebenen Histogrammkriterium kann als Nachbearbeitungskriterium für jeden Luftblasenbereich der Mittelpunkt des Luftblasenbereiches bestimmt werden, woraufhin bei Überschreitung eines entsprechenden Winkelgrenzwertes durch wenigstens einen Winkel zwischen einer Referenzachse, insbesondere der Longitudinalachse, und der den PWP-Punkt und den Mittelpunkt verbindenden Geraden oder eine Projektion dieser Geraden auf eine Referenzebene der Luftblasenbereich als Artefakt bestimmt wird. Bei diesem Winkelkriterium geht als Wissen ein, dass der Ösophagus sich in einem bestimmten Bereich des Bildes befinden muss. Weit abgelegene, als Luftblasenluft gekennzeichnete Voxel können somit keine Luftblase im Ösophagus darstellen. Beispielsweise kann vorgesehen sein, dass lediglich der Winkel bezüglich der Longitudinalachse betrachtet wird. Es ist jedoch auch denkbar, jeweils Projektionen auf die Koronalebene und die Sagittalebene zu betrachten, somit letztendlich zwei Winkel im Rahmen des Winkelkriteriums zu beobachten. Der Winkelgrenzwert kann 15°–25°, insbesondere 20°, betrachten. Versuche im Rahmen der Erfindung haben gezeigt, dass üblicherweise bereits das Histogrammkriterium ausreichend ist. Zudem kann das Winkelkriterium Luftblasen im Ösophagus auf Höhe des PWP-Punkts irrtümlich ausschließen. Es hat sich jedoch gezeigt, dass sich im dortigen Kontaktbereich zwischen Ösophagus und linkem Atrium meist ohnehin keine Luftblasen befinden.
  • In weiterer Ausgestaltung des erfindungsgemäßen Verfahrens kann die Luftinformation in einer Darstellung des Bilddatensatzes angezeigt werden. Dann kann ein Benutzer, insbesondere auch ein Arzt, die Lage des Ösophagus während eines Eingriffs abschätzen, aber auch unter Verwendung der darstellten Information über die Luftblasen erste Außenkonturen des Ösaphagus auswählen, die als Grundlage für eine automatische Segmentierung des Ösophagus verwendet werden.
  • In einer vollautomatisierten Variante des Verfahrens kann jedoch auch vorgesehen sein, dass aus den Luftblasen, insbesondere durch Dilatation, automatisch erste Außenkonturen des Ösophagus bestimmt werden, die als Grundlage für eine automatische Segmentierung des Ösophagus verwendet werden. Diese Dilatation kann beispielsweise durch einen sphärischen morphologischen Operator vorgenommen werden. Dabei wirkt der Operator so, dass für alle Voxel die sphärische Form bestimmt wird, und alle Voxel innerhalb dieser sphärischen Form später zu der dilatierten Luftblase hinzugefügt werden. Der Dilatationsparameter ist in diesem Fall der Radius der Kugel, der empirisch beispielsweise als 3,15 mm gewählt werden kann. Es ist jedoch auch möglich, den Radius vom Volumen der Luftblase abhängig zu machen, da auch kleine Luftblasen vorkommen können, die zwangsläufig stärker dilatiert werden müssen. Es ist möglich die Außenkontur nach der Dilatation genauer an die Bildinformation anzupassen, indem ein Aktiver-Konturen-Algorithmus benutzt wird (shakes, level-sets). Es ist auch anzumerken, dass nicht alle durch die Dilatation von Luftblasenbereichen bestimmten ersten Außenkonturen in eine nachfolgende Segmentation des Ösophagus eingehen müssen. Benachbarte Luftblasen können stark veränderliche äußere Formen aufweisen. Dies würde zu „Formsprüngen” bei einer Ösophagussegmentierung führen. Daher kann vorgesehen sein, dass in Longitudinalrichtung jeweils nur eine dieser ersten Außenkonturen in einem bestimmten Abschnitt, beispielsweise aufgrund gewisser Formkriterien, ausgewählt wird, um zur automatischen Segmentierung zu dienen. Es ist vorteilhaft, wenn eine Außenkontur oberhalb und eine Außenkontur unterhalb des linken Atriums liegt.
  • In vorteilhafter Ausgestaltung des Verfahrens kann, nachdem erste Außenkonturen des Ösophagus bestimmt worden sind, vorgesehen sein, dass zur Segmentierung des Ösophagus für alle Paare longitudinal aufeinanderfolgender erster Außenkonturen die jeweiligen Fourier-Deskriptoren durch Fouriertransformation ermittelt werden und durch Interpolation Fourier-Deskriptoren von zweiten Außenkonturen in zwischen transversalen Schichtbildern des Bilddatensatzes, in denen die ersten Außenkonturen des jeweiligen Paares liegen, liegenden transversalen Zwischenschichtbildern des Bilddatensatzes ermittelt werden und daraus durch inverse Fourier-Transformation die zweiten Außenkonturen in den Zwischenschichtbildern bestimmt werden. Eine Interpolation von Fourier-Deskriptoren, die sich durch Fourier-Transformation einer diskreten geschlossenen Kurve ergeben, ist aus mehreren Gründen aufgrund der Eigenschaften des Ösophagus sinnvoll. Zum einen ist bekannt, dass sich der Ösophagus nicht teilt, zum anderen sind glatte Verläufe der Außenkonturen sowohl in den Transversalebenen als auch in Longitudinalrichtung bekannt. Da der Ösophagus keine besonders wellige Außenwand aufweist, reichen bereits wenige Fourier-Deskriptoren, beispielsweise 6 Fourier-Deskriptoren, aus. Denn die Zahl und der Betrag der Fourier-Deskriptoren geben an, wie „glatt” eine Außenkontur ist. Der Vorteil der Fourier-Deskriptoren ist es, dass sie eine dekorrelierte Beschreibung der Form einer Außenkontur sind, d. h., es gibt keine Zuordnungsprobleme bei ersten Außenkonturen, die aus einer verschiedenen Zahl von Punkten bestehen. Ein Verfahren, in dem unter Verwendung von Fourier-Deskriptoren eine Segmentierung des Ösophagus erfolgt, ist beispielsweise in der parallelen Patentanmeldung mit der internen Nr. 200724756 der Anmelderin beschrieben. Werden also geeignete Luftblasen detektiert, so ist es mit dem beschriebenen Verfahren möglich, ohne Benutzereingriff vollautomatisch eine Segmentierung des Ösophagus vorzunehmen und somit Risiken einer Perforation des Ösophagus vorzubeugen.
  • Weitere Vorteile und Einzelheiten der vorliegenden Erfindung ergeben sich aus den im Folgenden beschriebenen Ausführungsbeispielen sowie anhand der Zeichnungen. Dabei zeigen:
  • 1 einen Ablaufplan des erfindungsgemäßen Verfahrens,
  • 2 eine Prinzipskizze zur Auswahl eines interessierenden Bereichs,
  • 3 eine Prinzipskizze einer ersten Möglichkeit zur Trennung von Luftblasenluft und Atemluft,
  • 4 eine Prinzipskizze einer zweiten Möglichkeit zur Trennung von Luftblasenluft und Atemluft,
  • 5 eine Prinzipskizze zum im erfindungsgemäßen Verfahren anwendbaren Winkelkriterium, und
  • 6 ein zweidimensionales Schnittbild mit eingezeichneter Luftblase und daraus ermittelter erster Außenkontur.
  • 1 zeigt einen Ablaufplan eines Ausführungsbeispiels des erfindungsgemäßen Verfahrens. Das erfindungsgemäße Verfahren findet im Rahmen der Bildauswertung eines mit einer Bildaufnahmeeinrichtung, beispielsweise einer CT-Einrichtung, aufgenommenen Bilddatensatzes Anwendung. Eine solche größtenteils oder vollständig automatisierte Auswertung kann beispielsweise bereits in einer Auswerteeinheit der Bildaufnahmeeinrichtung selber erfolgen. Es ist jedoch auch möglich, eine anderweitige Recheneinrichtung zur Durchführung des Verfahrens auszugestalten. Das vorliegende Ausführungsbeispiel bezieht sich auf einen CT-Bilddatensatz, ist jedoch auf jeden Bilddatensatz anwendbar, aus dem Bereiche mit Luft segmentierbar sind.
  • Der auszuwertende Bilddatensatz ist vorliegend ein CT-Bilddatensatz, der eine Mehrzahl transversaler Schichtbilder umfasst, die den oberen Torsobereich eines Patienten, insbesondere das Herz, zeigen. Die Speiseröhre, also der Ösophagus, liegt bekanntlich am linken Atrium des Herzens an. Um beispielsweise bei einer Ablationsbehandlung im linken Atrium eine Perforation des Ösophagus und der Herzkammerwand mit der Folge des möglichen Eindringens von Luft in das Herz zu vermeiden, ist es mit dem vorliegenden Verfahren möglich, Luftblasen innerhalb des Ösophagus zu lokalisieren und die Information über die Luftblasen zur Segmentierung oder Lokalisierung des aufgrund des schwachen Kontrasts kaum erkennbaren Ösophagus zu verwenden.
  • Dazu wird in einem ersten Schritt a in dem Bilddatensatz 1 das linke Atrium 2 segmentiert, falls dies nicht bereits vorher geschehen ist. Dieser Schritt erfolgt im klinischen Workflow üblicherweise ohnehin vor der weiteren Auswertung des Bilddatensatzes 1. Verfahren zur Segmentierung des linken Atriums sind im Stand der Technik in vielfältiger Weise bekannt, so dass dieser Schritt hier nicht näher ausgeführt werden muss.
  • Mit Hilfe der Segmentierung des linken Atriums 2 wird in Schritt a nun eine Auswahl eines den Ösophagus umfassenden interessierenden Bereichs 3 aus dem Bilddatensatz 1 vorgenommen.
  • In 2 ist die Auswahl des interessierenden Bereichs 3 anhand einer Prinzipskizze näher dargestellt. Dabei zeigt x die Links-Rechts-Richtung an, y die Anterior-Posterior-Richtung. Zunächst wird nun der Mittelpunkt 4 des segmentierten linken Atriums 2 bestimmt. Dieser wird entlang der y-Richtung auf die Rückwand des linken Atriums 2 projiziert, Pfeil 5, (posterior wall projection, PWP). Der erhaltene Punkt dient als Referenzpunkt und wird PWP-Punkt 6 genannt. Dieser gibt eine erste grobe Abschätzung, wo sich der Ösophagus ungefähr befindet.
  • Unter Berücksichtigung des PWP-Punktes 6 wird nun der interessierende Bereich 3 bestimmt, der quaderförmig gewählt wird und sich durch einen Mittelpunkt 7 definiert, der um einen Vektor 8, der empirisch bestimmt ist und auf Wissen über die Lage des Ösophagus beruht, verschoben ist. In longitudinaler Richtung wird der interessierende Bereich 3 über den gesamten Bilddatensatz gewählt. Die Kantenlängen in x- und y-Richtung sowie der Vektor 8 werden weitgehend empirisch so bestimmt, dass der Ösophagus in jedem Fall im interessierenden Bereich 3 liegt. Dazu ist vorliegend als Kantenlänge in x- und y-Richtung jeweils 100 mm angenommen worden, der Vektor verschiebt den Mittelpunkt 7 im Verhältnis zum PWP-Punkt 6 um –15 mm in x-Richtung und –20 mm in y-Richtung. Damit ist der interessierende Bereich 3 leicht links des Mittelpunkts 4 angeordnet, da bekannt ist, dass der Ösophagus eher links als rechts am linken Atrium 2 befindlich ist. Zum anderen erstreckt sich der interessierende Bereich 3 mehr auf die Anterior-Seite des linken Atriums 2, da der PWP-Punkt 6 bereits einen der am weitesten posterior liegenden Punkte angibt, an denen sich der Ösophagus befinden kann.
  • In Schritt b, 1, sollen nun die Voxel detektiert werden, die Luft beschreiben und innerhalb des interessierenden Bereichs 3 liegen. Dazu ist vorgesehen, dass ein erstes Binärbild 9 derart erstellt wird, dass allen einen Grenzwert für die Bildintensität unterschreitenden Voxeln der Binärwert 1 zugeordnet wird, allen anderen Voxeln der Binärwert 0. Für den CT-Bilddatensatz 1 ist dieser Wert als –400 Hounsfield-Units gewählt. Alle diesen Wert unterschreitenden Voxel werden also als Luft beschreibend gewertet. Das erste Binärbild 9 gibt demnach Voxel wieder, die Luft enthalten. Diese Luft wird nun in den weiteren Schritten des Verfahrens in Atemluft klassifiziert, die in den respiratorischen Organen vorliegt und Luftblasenluft, die in Luftblasen im Ösophagus vorliegt.
  • Dazu wird zunächst in Schritt c ein zweites Binärbild 10 erstellt. Es werden zunächst am Rande des ersten Binärbilds 9 Saatpunkte gesucht, die den Binärwert 1 haben, also als Luft gekennzeichnet sind. Diese Luft liegt dann mit an Sicherheit grenzender Wahrscheinlichkeit innerhalb der respiratorischen Organe des aufgenommenen Patienten, da der interessierende Bereich 3 ja so gewählt wurde, dass der Ösophagus mit Sicherheit innerhalb des Bereiches liegt. Von diesen Saatpunkten aus wird nun ein dreidimensionales Region-Growing-Verfahren durchgeführt, dass zusammenhängende Bereiche solcher Voxel mit dem Binärwert 1 ermittelt. Die respiratorischen Organe hängen zusammen, so dass auf diese Weise die gesamte in den respiratorischen Organen vorhandene Atemluft markiert wird. Diese erhält im zweiten Binärbild 10 ebenso den Wert 1. Die Atemluft ist schematisch in 1 bei 11 an den Rändern der jeweiligen Binärbilder 9, 10 dargestellt. Durch Verknüpfung des ersten Binärbildes 9 mit dem zweiten Binärbild 10, Pfeile 12, 13, kann nun, Schritt d, ein drittes Binärbild 14 ermittelt werden, in dem nur noch die nicht in den respiratorischen Organen vorhandene Restluft 15 mit dem Binärwert 1 gekennzeichnet ist, in den Binärbildern 9, 14 wiederum schematisch in 1 dargestellt. Das bedeutet, den nicht Atemluft 11 enthaltenden Luft beschreibenden Voxeln wird der Binärwert 1 zugeordnet.
  • Zwei Methoden zur Verknüpfung des ersten Binärbildes 9 mit dem zweiten Binärbild 10 sind jeweils in den 3 und 4 dargestellt. In 3 wird das zweite Binärbild 10 von dem ersten Binärbild 9 durch voxelweise Subtraktion 16 abgezogen, so dass lediglich die Restluft 15 im dritten Binärbild 14 verbleibt.
  • In 4 wird mit logischen Operationen gearbeitet. Zunächst wird das Bild 10 durch eine NOT-Operation 17 zu einem Binärbild 18 invertiert. Das erste Binärbild 9 und das invertierte Binärbild 18 werden sodann voxelweise logisch UND-verknüpft, UND-Verknüpfung 19, so dass ebenso das dritte Binärbild 14 mit der Restluft 15 erhalten wird.
  • Die im dritten Binärbild 14 als Restluft 15 beschreibend markierten Voxel müssen jedoch nicht unbedingt Luftblasenluft des Ösophagus beschreiben. Beispielsweise können Artefakte vorhanden sein, die einen Hounsfield-Unit-Wert aufweisen können, der dem oben genannten für Restluft entspricht. Solche Artefakte müssen zunächst durch einen Nachbearbeitungsschritt e, 1, identifiziert und aus dem zweiten Binärbild 14 eliminiert werden. Dazu werden zunächst zusammenhängende Gebiete der Restluft 15, die jeweils Luftblasen im Ösophagus sein könnten, ermittelt, wie dies bei Schritt e schematisch dargestellt ist, und dann bezüglich bestimmter Kriterien untersucht.
  • Die in 1 dargestellte Ausführungsform des Verfahrens verwendet hierfür ein Histogrammkriterium. Dazu wird nach der Ermittlung der zusammenhängenden, aus Restluft 15 bestehenden Luftblasenbereiche (beispielhaft 15a und 15b in 1) für jeden Luftblasenbereich 15a, 15b ein Histogramm der Intensitätswerte eines um eine bestimmte Länge erweiterten Bereichs um den Luftblasenbereich bestimmt. Bei Artefakten, insbesondere Strahlaufhärtungsartefakten, kommt es nämlich zu Bereichen sehr niedriger Intensität, die von Bereichen hoher Intensität umgegeben sind. Daher ist im erfindungsgemäßen Verfahren vorgesehen, dass bei Überschreitung eines Artefaktgrenzwertes durch Werte des Histogramms der Luftblasenbereich als Artefakt bestimmt wird. Als geeignete Werte für die Länge haben sich 4–6 mm, insbesondere 5 mm, für den Artefaktgrenzwert 500–700 Hounsfield-Units, insbesondere 600 Hounsfield-Units, erwiesen. Durch das Histogrammkriterium werden im Wesentlichen alle Artefakte erkannt. Beispielsweise ist in 1, vgl. Schritt f, der Luftblasenbereich 15a als Artefakt erkannt und markiert worden. Dieses Artefakt wird dann aus dem dritten Binärbild 14 entfernt, Schritt g, so dass lediglich die im Ösophagus vorhandene Luftblasenluft 20 beschreibende Voxel verbleiben.
  • Neben dem Histogrammkriterium können dennoch weitere Nachverarbeitungskriterien vorgesehen sein. Zusätzlich soll hier noch das in einer anderen Ausführungsform des erfindungsgemäßen Verfahrens verwendete Winkelkriterium dargestellt werden, vgl. hierzu 5. Dazu wird zunächst für jeden Luftblasenbereich 15a, 15b der Mittelpunkt 21 des Luftblasenbereichs bestimmt. Dann wird der Winkel α zwischen einer Referenzachse, hier der Longitudinalachse 22 in z-Richtung, und der den PWP-Punkt 6 und den Mittelpunkt 21 verbindenden Geraden 23 betrachtet. Überschreitet dieser einen bestimmten Winkelgrenzwert, beispielsweise 20°, so wird der entsprechende Luftblasenbereich 15a, 15b als Artefakt bestimmt. Es können auch mehrere Winkel betrachtet werden, beispielsweise, wenn eine Projektion der Geraden 23 auf verschiedene Ebenen betrachtet wird.
  • Das dritte Binärbild 14 enthält in Schritt g nun mit den Luftblasenluft 20 beschreibenden Voxeln alles, was nötig ist, um die benötigten Informationen über die Luftblasen zu erhalten. Insbesondere ist dabei die Position der äußeren Umrandung der entsprechenden Luftblase relevant, die aus den ohnehin schon ermittelten Luftblasenbereichen leicht gefolgert werden kann.
  • Diese Information kann nun, Schritt h in 1, einem Benutzer zur Anzeige gebracht werden. Dieser Benutzer, beispielsweise der eine Operation durchführende Art, kann nun aufgrund der ihm angezeigten Lage der Luftblasen auf die Lage des Ösophagus schließen und so bereits eine Perforation desselben vermeiden. Allerdings ist es auch denkbar, dass ein Benutzer aufgrund der Information über die Luftblasen manuell in verschiedenen transversalen Schichtbildern erste Außenkonturen des Ösophagus markiert, die dann als Grundlage für eine automatische Segmentierung des Ösophagus dienen können. Diese Möglichkeit ist durch den gestrichelten Pfeil 24 angedeutet.
  • Ein Beispiel für ein solches transversales Schichtbild 25 des Bilddatensatzes 1 ist in 6 schematisch dargestellt. Dort ist wiederum das bereits segmentierte linke Atrium 2 zu erkennen. Eine Luftblase 26 im Ösophagus ist aufgrund der Information über die Luftblase ebenso eingezeichnet worden. 27 zeigt eine mögliche erste Außenkontur des Ösophagus, die aufgrund der Information ermittelt wurde.
  • Die ersten Außenkonturen 27 können jedoch auch automatisch aus den Informationen über die Luftblasen, insbesondere aus den Luftblasenbereichen, geschlussfolgert werden. Dazu kann beispielsweise eine Luftblase 26 zur ersten Außenkontur 27 dilatiert werden. Hierzu kann ein sphärischer morphologischer Operator verwendet werden. Die durch ihn beschriebene Kugel wird über alle Voxel, die zu einem Luftblasenbereich gehören, gelegt, und alle Voxel, die innerhalb der Kugel liegen, werden später der dilatierten Luftblase zugeordnet. Der dabei verwendete Parameter ist der Radius der Kugel, der beispielsweise empirisch zu einem festen Wert, beispielsweise 3,15 mm, bestimmt werden kann. Realistischere Schätzungen ergeben sich jedoch, wenn man den Radius der Kugel vom Volumen des Luftblasenbereichs abhängig macht. Auch hierfür können heuristisch geeignete Werte und Formeln ermittelt werden. Es ist anzumerken, dass nicht alle Luftblasen 26 zur Ermittlung erster Außenkonturen 27 herangezogen werden müssen, da die Form der Luftblasen stark variiert und vermieden werden soll, dass zwei zu stark ihrer Form abweichende erste Konturen 27 nahe beieinander einem Algorithmus zur automatischen Segmentierung des Ösophagus zugrunde gelegt werden. Man wird dafür geeigneterweise, auch bei manueller Markierung, zwei erste Außenkonturen wählen, die den Bereich einschließen, in dem der Ösophagus am linken Atrium anliegt, wenn solche vorhanden sind.
  • Die Ermittlung der ersten Außenkonturen ist in 1 als Schritt i gekennzeichnet.
  • Aus diesen ersten Außenkonturen kann nun, Schritt j, automatisch der Ösophagus segmentiert werden.
  • Eine automatische Segmentierung des Ösophagus kann beispielsweise durch Interpolation der Fourier-Deskriptoren der Außenkonturen erfolgen. Dazu werden zunächst die vorher bestimmten wenigstens zwei ersten Außenkonturen in den transversalen Schichtbildern in longitudinaler Richtung geordnet und benachbarte erste Außenkonturen zu Paaren zusammengefasst. Für die ersten Außenkonturen dieser Paare werden nun jeweils durch Fourier-Transformation die Fourier-Deskriptoren ermittelt. Da der Ösophagus relativ „glatt” verlaufende Außenkonturen besitzt, sind bereits wenige Fourier-Deskriptoren ausreichend, die Form hinreichend genau zu beschreiben. Zwischen den ersten Außenkonturen, also deren Schichtbildern, liegende Zwischenschichtbilder werden nun nacheinander bearbeitet, indem durch Interpolation in diesen Zwischenschichtbildern Fourier-Deskriptoren ermittelt werden, die – nach einer inversen Fourier-Transformation – zweite Außenkonturen ergeben, die den Ösophagus in den Zwischenschichtbildern beschreiben. Die Interpolation kann insbesondere schrittweise linear erfolgen, das bedeutet, es wird immer zwischen dem zuletzt bearbeiteten Zwischenschichtbild und der anderen ersten Außenkontur linear interpoliert. Dieses Vorgehen hat den Vorteil, dass auch die ja bereits bekannte Segmentierung des linken Atriums in die Interpolation eingehen kann, indem überprüft wird, ob ein Überlapp vorliegt und die zweite Außenkontur in einem solchen Fall beispielsweise durch Translation, Rotation oder Verformung so geändert werden kann, dass dieser Überlapp vermieden wird. Die lineare Interpolation läuft dann weiter von dieser bereits korrigierten zweiten Außenkontur.
  • Zusammenfassend lässt sich also feststellen, dass durch das erfindungsgemäße Verfahren vollautomatisch Luftblasen im Ösophagus detektiert und ihre Position, Lage und Ausdehnung vollständig bestimmt werden kann. Diese können dann benutzt werden, um erste Außenkonturen zu bestimmen, die wiederum in einem vollautomatischen Verfahren zur Segmentierung des Ösophagus eingesetzt werden können.
  • Bezugszeichenliste
  • 1
    Bilddatensatz
    2
    Atrium
    3
    Bereich
    4
    Mittelpunkt
    5
    Pfeil
    6
    PWP-Punkt
    7
    Mittelpunkt
    8
    Vektor
    9
    Binärbild
    10
    Binärbild
    11
    Atemluft
    12
    Pfeil
    13
    Pfeil
    14
    Binärbild
    15a
    Restluft
    15b
    Luftblasenbereich
    16
    Subtraktion
    17
    NOT-Operation
    18
    Binärbild
    19
    UND-Verknüpfung
    20
    Luftblasenluft
    21
    Mittelpunkt
    22
    Longitudinalachse
    23
    Gerade
    24
    Pfeil
    25
    Schichtbild
    26
    Luftblase
    27
    Außenkontur
    a
    Schritt
    b
    Schritt
    c
    Schritt
    d
    Schritt
    e
    Schritt
    f
    Schritt
    g
    Schritt
    h
    Schritt
    i
    Schritt

Claims (16)

  1. Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes (1) eines den Ösophagus wenigstens teilweise umfassenden Bereichs, wobei eine Segmentierung oder Lokalisierung des Ösophagus unter Verwendung einer Information über die Position von Luftblasen (26) im Ösophagus durchgeführt wird, welche Information automatisch in folgenden Schritten bestimmt wird: – Detektion von Luft beschreibenden Voxeln in dem Bilddatensatz (1), – Klassifizierung der detektierten Luft in in respiratorischen Organen enthaltene Atemluft (11) und in im Ösophagus enthaltene Luftblasenluft (20), – Bestimmung der Information aus den Luftblasenluft (20) enthaltenden Bereichen.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass vor der Detektion der Luft das in dem Bilddatensatz (1) enthaltene linke Atrium (2) segmentiert wird, woraufhin eine Auswahl eines den Ösophagus umfassenden interessierenden Bereiches (3) aus dem Bilddatensatz (1) anhand der Segmentierung des linken Atriums (2) erfolgt, wobei die Detektion von Luft beschreibenden Voxeln lediglich in dem interessierenden Bereich (3) erfolgt.
  3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass zur Auswahl des interessierenden Bereiches (3) folgende Schritte vorgesehen sind: – Bestimmung des Mittelpunktes (4) des linken Atriums (2), – Projektion des Mittelpunktes (4) des linken Atriums (2) in Anterior-Posterior-Richtung auf die Rückwand des linken Atriums (2) zur Definition eines Referenzpunktes, – Auswahl eines Bereiches bestimmter Größe unter Berücksichtigung des Referenzpunkts als interessierenden Bereich (3).
  4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass der interessierende Bereich (3) quaderförmig mit einer Kantenlänge in der Transversalebene von 80 bis 120 mm, insbesondere 100 mm, gewählt wird, wobei er in der Longitudinalrichtung die gesamte Höhe des Bilddatensatzes (1) umfasst.
  5. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass zur Detektion von Luft ein erstes Binärbild (9) erstellt wird, indem jedem Voxel im Bilddatensatz (1) oder im interessierenden Bereich (3) ein Binärwert entsprechend der Überschreitung oder Unterschreitung eines Grenzwerts für die Bildintensität an diesem Voxel zugeordnet wird.
  6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass der Bilddatensatz (1) ein CT-Bilddatensatz ist und der Grenzwert –600 bis –350 Hounsfield Units, insbesondere –400 Hounsfield Units, beträgt.
  7. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass der Grenzwert variabel ist.
  8. Verfahren nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, dass zur Klassifizierung der detektierten Luft ein zweites Binärbild (10) durch einen Region-Growing-Algorithmus mit Saatpunkten am Rand des ersten Binärbildes (9), die den Binärwert für Luft aufweisen, ermittelt wird, woraufhin aus den Bildern (9, 10) durch logische Verknüpfung oder Subtraktion ein drittes Binärbild (14) bestimmt wird, in dem lediglich die Luftblasenluft (20) enthalten ist.
  9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass in dem dritten Binärbild (14) zusammenhängende, als Luft gekennzeichnete Luftblasenbereiche (15b) ermittelt werden, woraufhin anhand von Nachbearbeitungskriterien ein Ausschluss von Bildartefakten erfolgt.
  10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass bei Verwendung eines CT-Bilddatensatzes (1) als Nachbearbeitungskriterium für jeden Luftblasenbereich (15b) ein Histogramm der Intensitätswerte eines um einen bestimmte Länge erweiterten Bereichs um den Luftblasenbereich (15b) bestimmt wird, woraufhin bei Überschreitung eines Artefaktgrenzwertes durch Werte des Histogramms der Luftblasenbereich (15b) als Artefakt bestimmt wird.
  11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass die Länge 4 bis 6 mm, insbesondere 5 mm, beträgt, und der Artefaktgrenzwert 500 bis 700 Hounsfield Units, insbesondere 600 Hounsfield Units, beträgt.
  12. Verfahren nach einem der Ansprüche 9 bis 11, dadurch gekennzeichnet, dass als Nachbearbeitungskriterium für jeden Luftblasenbereich (15b) der Mittelpunkt des Luftblasenbereiches (15b) bestimmt wird, woraufhin bei Überschreitung eines entsprechenden Winkelgrenzwertes durch wenigstens einen Winkel zwischen einer Referenzachse, insbesondere der Longitudinalachse, und der den Referenzpunkt und den Mittelpunkt verbindenden Gerade oder einer Projektion dieser Geraden auf eine Referenzebene der Luftblasenbereich (15b) als Artefakt bestimmt wird.
  13. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Information in einer Darstellung des Bilddatensatzes (1) angezeigt wird.
  14. Verfahren nach Anspruch 13, dadurch gekennzeichnet, dass ein Benutzer unter Verwendung der dargestellten Information erste Außenkonturen (27) des Ösophagus auswählt, die als Grundlage für eine automatische Segmentierung des Ösophagus verwendet werden.
  15. Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, dass aus den Luftblasen (26), insbesondere durch Dilatation, automatisch erste Außenkonturen (27) des Ösophagus bestimmt werden, die als Grundlage für eine automatische Segmentierung des Ösophagus verwendet werden.
  16. Verfahren nach Anspruch 14 oder 15, dadurch gekennzeichnet, dass zur Segmentierung des Ösophagus für alle Paare longitudinal aufeinanderfolgender erster Außenkonturen (27) die jeweiligen Fourier-Deskriptoren durch Fouriertransformation ermittelt werden und durch Interpolation Fourier-Deskriptoren von zweiten Außenkonturen in zwischen transversalen Schichtbildern des Bilddatensatzes (1) des jeweiligen Paares liegenden transversalen Zwischenschichtbildern des Bilddatensatzes (1) ermittelt werden und daraus durch inverse Fouriertransformation die zweiten Außenkonturen in den Zwischenschichtbildern bestimmt werden.
DE102008015293.5A 2008-03-20 2008-03-20 Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes Expired - Fee Related DE102008015293B4 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102008015293.5A DE102008015293B4 (de) 2008-03-20 2008-03-20 Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102008015293.5A DE102008015293B4 (de) 2008-03-20 2008-03-20 Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes

Publications (2)

Publication Number Publication Date
DE102008015293A1 DE102008015293A1 (de) 2009-10-01
DE102008015293B4 true DE102008015293B4 (de) 2016-10-06

Family

ID=41010988

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102008015293.5A Expired - Fee Related DE102008015293B4 (de) 2008-03-20 2008-03-20 Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes

Country Status (1)

Country Link
DE (1) DE102008015293B4 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006039919A1 (de) * 2005-08-30 2007-03-01 Siemens Medical Solutions Usa, Inc. Wahrscheinlichtkeitstheoretischer minimaler Weg zur automatischen Speiseröhrensegmentierung
WO2007048091A2 (en) * 2005-10-17 2007-04-26 The General Hospital Corporation Structure-analysis system, method, software arrangement and computer-accessible medium for digital cleansing of computed tomography colonography images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006039919A1 (de) * 2005-08-30 2007-03-01 Siemens Medical Solutions Usa, Inc. Wahrscheinlichtkeitstheoretischer minimaler Weg zur automatischen Speiseröhrensegmentierung
WO2007048091A2 (en) * 2005-10-17 2007-04-26 The General Hospital Corporation Structure-analysis system, method, software arrangement and computer-accessible medium for digital cleansing of computed tomography colonography images

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WANG Pi-Chih et al.: Sectional Contour Interpolation Using Fourier Descriptor. In: Proc. of the 20th Ann. Int. Conf. of the IEEE Eng. In Med. and Biol. Society, Vol 20, Nr. 2, 1998, Seiten 540 bis 543. *

Also Published As

Publication number Publication date
DE102008015293A1 (de) 2009-10-01

Similar Documents

Publication Publication Date Title
EP3185215B1 (de) Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion
DE102008002912B4 (de) Vorrichtung und Verfahren zur Identifizierung von Okklusionen
DE102011013505B4 (de) Verfahren und System zur automatischen Erkennung und Klassifizierung von Koronarstenosen in Herz-CT-Volumina
DE19851597B4 (de) Verfahren und Gerät zur Erzeugung verbesserter Bilder von Kranzarterien
DE602004002939T2 (de) Methode zur dreidimensionalen modellierung von rohrförmigen strukturen
DE102005039685B4 (de) Verfahren zur Identifizierung eines kontrastierten Blutgefäßes in digitalen Bilddaten
DE102010032755B4 (de) Verfahren zur Visualisierung eines Vorhofs des Herzens eines Patienten
DE10311319A1 (de) Verfahren, System und Computerprodukt zur Planung eines Herzinterventionsverfahrens
DE10350438A1 (de) Verfahren und Einrichtung zur medizinischen Interventionsverfahrenplanung
EP1191476A2 (de) Vorrichtung und Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation
DE102006027670A1 (de) Bildbasierte Artefaktreduktion bei der PET/CT Bildgebung
DE10107765A1 (de) Verfahren zur Bildbearbeitung ausgehend von einem unter Verwendung eines Kontrastmittels aufgenommenen Computertomographie(CT)-Bildes einer Lunge und CT-Gerät zur Durchführung eines solchen Verfahrens
DE102005040438A1 (de) Verfahren und Vorrichtung zur Embolieanalyse
DE102019201079B4 (de) Verfahren und bildgebendes Gerät zum Erzeugen eines bewegungskompensierten Bildes, Computerprogramm und Speichermedium
DE102010018262A1 (de) Verfahren zur automatischen Erkennung einer Kontrastmittelanflutung in einem Blutgefäß eines Patienten mit einem CT-System und CT-System zur Durchführung dieses Verfahrens
DE102008047825B4 (de) Verfahren, Vorrichtung und Computerprogramm zum Darstellen verschiedener Bilder einer Kavität
DE102017200930A1 (de) Verfahren zur Ermittlung eines dreidimensionalen Bilddatensatzes
DE102010008243B4 (de) Verfahren und Vorrichtung zur Ermittlung der Vaskularität eines sich in einem Körper befindlichen Objektes
DE102004003381B4 (de) Verfahren zur Bestimmung der Lage einer Schicht in einem Untersuchungsgebiet, in welcher Schicht eine Schichtbildaufnahme erfolgen soll
DE102015220768A1 (de) Verfahren, Vorrichtung und Computerprogramm zur visuellen Unterstützung eines Behandlers bei der Behandlung eines Zielgebietes eines Patienten
DE102008015293B4 (de) Verfahren zur Auswertung eines mit einer Bildaufnahmeeinrichtung aufgenommenen dreidimensionalen Bilddatensatzes
DE102018211106A1 (de) Verfahren zur Reduktion eines Artefakts in einem Computertomographie-Bilddatensatz
EP3797692B1 (de) Verfahren und vorrichtung zur ansteuerung eines medizinischen bildgebungsgeräts
EP2634748B1 (de) Bilddatenbestimmungsverfahren
DE102021202672A1 (de) Verfahren zum Bereitstellen einer trainierbaren Funktion zur Bestimmung von synthetischen Bilddaten

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8120 Willingness to grant licences paragraph 23
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: A61B0019000000

Ipc: A61B0034100000

R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHCARE GMBH, DE

Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE

R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee