DE102009032257B4 - Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur - Google Patents

Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur Download PDF

Info

Publication number
DE102009032257B4
DE102009032257B4 DE102009032257.4A DE102009032257A DE102009032257B4 DE 102009032257 B4 DE102009032257 B4 DE 102009032257B4 DE 102009032257 A DE102009032257 A DE 102009032257A DE 102009032257 B4 DE102009032257 B4 DE 102009032257B4
Authority
DE
Germany
Prior art keywords
landmarks
tissue structure
tubular tissue
model
landmark
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
DE102009032257.4A
Other languages
English (en)
Other versions
DE102009032257A1 (de
Inventor
Dominik BERNHARDT
Christina Biermann
Dr. Scheuering Michael
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 DE102009032257.4A priority Critical patent/DE102009032257B4/de
Priority to US12/828,364 priority patent/US9504435B2/en
Publication of DE102009032257A1 publication Critical patent/DE102009032257A1/de
Application granted granted Critical
Publication of DE102009032257B4 publication Critical patent/DE102009032257B4/de
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61B6/50Apparatus 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
    • A61B6/504Apparatus 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/05Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • A61B6/50Apparatus 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
    • A61B6/506Apparatus 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 nerves
    • 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10132Ultrasound image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20164Salient point detection; Corner detection
    • 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
    • G06T2207/30172Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Software Systems (AREA)
  • Dentistry (AREA)
  • Vascular Medicine (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

Verfahren zur automatisierten Ermittlung zumindest eines Teils der Mittellinie (M1, M5) zumindest eines Teilstücks (T1, T5) einer tubulären Gewebestruktur, bei dem – in einem 3D-Datensatz der tubulären Gewebestruktur charakteristische Landmarken (15 bis 22) der tubulären Gewebestruktur detektiert werden, – die detektierten charakteristischen Landmarken (15 bis 22) der tubulären Gewebestruktur und Landmarken eines zu der tubulären Gewebestruktur gehörigen, die räumliche Lage der Landmarken (15 bis 22) relativ zueinander berücksichtigenden Modells von Landmarken, welches das Wissen um die gewöhnliche räumliche Lage bzw. Anordnung bestimmter anatomischer Landmarken der Gefäßstruktur der Arterien relativ zueinander und somit um die zu der Gefäßstruktur der Arterien gehörigen Teilstücke (T1, T5) umfasst, derart in Beziehung zueinander gesetzt werden, dass in dem 3D-Datensatz der tubulären Gewebestruktur wenigstens das Teilstück (T1, T5) der tubulären Gewebestruktur identifiziert wird, und – bei dem basierend auf den mehreren detektierten charakteristischen Landmarken (15 bis 22) oder basierend auf wenigstens einer detektierten charakteristischen Landmarke (15 bis 22) und wenigstens einer Landmarke (23) des Modells von Landmarken zumindest teilweise die Mittellinie (M1, M5) des identifizierten Teilstücks (T1, T5) der tubulären Gewebestruktur ermittelt wird.

Description

  • Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur automatisierten Ermittlung zumindest eines Teils der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur, welche in einem 3D-Datensatz abgebildet bzw. enthalten ist.
  • In der Medizintechnik ist es üblich, mit bildgebenden Geräten Bildinformationen aus dem Körperinneren von Patienten zu gewinnen, welche häufig die Grundlage für eine Diagnose bilden. So wird beispielsweise bei der CT-Angiographie nach der Gabe eines Kontrastmittels ein 3D-Datensatz von einem Gefäßsystem erzeugt, der es einem Arzt ermöglicht, Deformationen von Gefäßen, wie Stenosen oder Aneurysmen zu diagnostizieren.
  • Ein Beispiel für eine solche Analyse, insbesondere zur Untersuchung von Aneurysmen, wird in der WO 2008/138140 A1 beschrieben. Dort wird vorgeschlagen, dass ein Befunder in dem 3D-Datensatz für einen interessierenden Abschnitt einer Gefäßstruktur manuell zumindest zwei Landmarken setzt, zwischen denen dann ein Pfad durch den interessierenden Abschnitt der Gefäßstruktur mit minimaler Kurvatur gelegt wird. Senkrecht zu diesem Pfad werden dann Schnittbilder für die weitere Untersuchung erzeugt.
  • Bei einer sehr häufigen Vorgehensweise wird dem Arzt eine sogenannte CPR (curved multiplanare Rekonstruktion) als Überblick über ein Gefäß des Gefäßsystems zur Verfügung gestellt, die auf der Ermittlung der Mittellinie in dem Abbild des Gefäßes basiert. Mit Hilfe der CPR kann sich der Arzt einen ersten Überblick über den Zustand des betrachteten Gefäßes verschaffen und z. B. die Positionen zur Vermessung des Gefäßes ermitteln.
  • Die auf der CPR beruhende Vermessung eines Gefäßes nimmt dabei wesentlich weniger Zeit in Anspruch, als die Erzeugung der Mittellinien in dem Gefäßsystem des 3D-Datensatzes. Hierzu muss der Arzt jeweils einen oder mehrere Punkte in dem Abbild eines Gefäßes setzen, damit automatisiert per Software die Mittellinie in dem Abbild des jeweiligen Gefäßes erzeugt wird. Bei weitverzweigten Gefäßsystemen erfordert dies einen nicht unerheblichen Zeitaufwand.
  • In Chia Ling Tsai et al. ”Model-Based Method for Improving the Accuracy and Repeatability of Estimating Vascular Bifurcations and Crossovers From Retinal Fundus Images” in IEEE Trans. an Information Technology in Biomedicine, Vol. 8, Nr. 2, 2004, S. 122 ff. wird ein Verfahren vorgeschlagen, um in Bildern der Netzhaut automatisch eine Gefäßstruktur zu erkennen und dabei die Mittellinien der Gefäße zu ermitteln und darauf basierend automatisch möglichst exakt Landmarken zu setzen, die als ein Muster für eine Registrierung mit anderen Netzhautbildern dienen können. Die Erkennung der Gefäßstruktur und der Mittellinien beruht dabei auf einer Suche von zwei relativ geraden antiparallelen Kanten, zwischen denen ein möglichst starker oder besonders schwacher Intensitätspeak zu finden ist. Dieses Verfahren bietet sich für zweidimensionale Bilder der Netzhaut an, die die gesamte Gefäßstruktur schon planar zeigen. Es ist zudem relativ rechenaufwendig.
  • Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren und eine Vorrichtung der eingangs genannten Art derart anzugeben, dass die Ermittlung einer Mittellinie in einem Gefäß eines Gefäßsystems bzw. in einer tubulären Gewebestruktur vereinfacht wird.
  • Nach der Erfindung wird diese Aufgabe gelöst durch ein Verfahren zur automatisierten Ermittlung zumindest eines Teils der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur, bei dem zunächst in einem 3D-Datensatz der tubulären Gewebestruktur charakteristische, vorzugsweise anatomische Landmarken der tubulären Gewebestruktur detektiert werden. Die Detektion der charakteristischen Landmarken in dem 3D-Datensatz kann beispielsweise auf Basis des Verfahrens erfolgen, wie es von S. Zhou et al. in „A probabilistic, hierarchical, and discriminant framework for rapid and accurate detection of deformable anatomic structure”, Computer Vision, 2007, ICCV 2007, IEEE 11th International Conference an 14–21 Oct. 2007, Rio de Janeiro, Brazil, Pages 1–8 beschrieben ist.
  • Die detektierten charakteristischen Landmarken der tubulären Gewebestruktur und Landmarken eines zu der tubulären Gewebestruktur passenden bzw. gehörigen, die Lage der Landmarken relativ zueinander berücksichtigenden Modells von Landmarken werden derart in Beziehung zueinander gesetzt, dass in dem 3D-Datensatz der tubulären Gewebestruktur wenigstens ein Teilstück der tubulären Gewebestruktur identifiziert wird. Bei dem Modell handelt es sich dabei nicht um ein allgemeines Modell der zu untersuchenden tubulären Gewebestruktur an sich, sondern nur um ein allgemeines Modell von bestimmten anatomischen Landmarken der betrachteten tubulären Gewebestruktur in Form einer Wissensbasis, insbesondere umfassend das Wissen um die gewöhnliche räumliche Lage bzw. Anordnung bestimmter anatomischer Landmarken der tubulären Gewebestruktur relativ zueinander und somit auch umfassend das Wissen um die zu der tubulären Gewebestruktur gehörigen Teilstücke. Handelt es sich bei der tubulären Gewebestruktur beispielsweise um die Gefäßstruktur oder einen Teil der Gefäßstruktur der Arterien eines Menschen, so weist das Modell von Landmarken der Gefäßstruktur der Arterien beispielsweise als bestimmte anatomische Landmarken die Bifurkation Aorta – Arterie Brachiocephalicus, die Bifurkation Aorta – Arterie Carotis com. (links), die Bifurkation Aorta – Arterie Subclavia (links), die Bifurkation Arterie Carotis interna/externa (links und rechts), die Stelle in der Aorta auf Höhe der Arterie Renalis, die Bifurkation Arterie iliaca com. (links und rechts) etc. sowie deren gewöhnliche räumliche Lage relativ zueinander auf.
  • Werden die in dem 3D-Datensatz detektierten charakteristischen Landmarken und die bestimmten Landmarken des Modells von Landmarken in Beziehung zueinander gesetzt, beispielsweise über eine Ähnlichkeitsbetrachtung deren räumlicher Lage bzw. deren räumlicher Verteilung relativ zueinander, können nicht nur die detektierten charakteristischen Landmarken, sondern auch die entsprechenden Teilstücke der tubulären Gewebestruktur in dem 3D-Datensatz identifiziert werden.
  • Basierend auf wenigstens einer detektierten charakteristischen Landmarke und/oder wenigstens einer Landmarke des Modells von Landmarken, sofern für ein identifiziertes Teilstück der tubulären Gewebestruktur keine zweite detektierte charakteristische Landmarke zur Verfügung steht, wird zumindest teilweise die Mittelinie des identifizierten Teilstücks der tubulären Gewebestruktur ermittelt, so dass beispielsweise eine CPR des Teilstücks erzeugt werden kann. Die Ermittlung der Mittellinie basierend auf den Landmarken kann mittels eines graphentheoretischen Algorithmus, beispielsweise mittels des A*-Algorithmus oder des Algorithmus von Dijkstra erfolgen.
  • Die Ermittlung der Mittellinien der Teilstücke einer tubulären Gewebestruktur eines 3D-Datensatzes kann nach der Erfindung also in vereinfachter Weise vollautomatisiert und ohne eine Nutzerinteraktion erfolgen. Somit ist das zeitaufwändige Setzen von Punkten in Teilstücken der tubulären Gewebestruktur für die Ermittlung der Mittellinie, welches zur Vorbereitung für die Erzeugung einer oder mehrerer CPRen erfolgt, nicht mehr erforderlich.
  • Das Modell von Landmarken weist in der Regel mehr Landmarken auf, als in dem 3D-Datensatz enthalten sind bzw. detektiert werden. Nach einer Variante der Erfindung weist das Modell von Landmarken wenigstens eine weitere wenigstens einem Teilstück der tubulären Gewebestruktur zugeordnete Landmarke auf, welches Teilstück nur teilweise in dem 3D-Datensatz enthalten ist, wobei die wenigstens eine weitere Landmarke des Modells von Landmarken mangels Abbildung der entsprechenden charakteristischen Landmarke des Teilstücks in dem 3D-Datensatz nicht zu der entsprechenden charakteristischen Landmarke der tubulären Gewebestruktur in Beziehung gesetzt werden kann. Diese Variante der Erfindung beruht auf der Überlegung, dass in dem 3D-Datensatz der tubulären Gewebestruktur insbesondere an den Rändern in der Regel Teilstücke der tubulären Gewebestruktur nur teilweise bzw. unvollständig enthalten sind. Für ein solches nur teilweise enthaltenes Teilstück könnte demnach die Mittellinie bei Fehlen einer zweiten, dem nicht in dem 3D-Datensatz enthaltenem Ende des Teilstücks zugeordneten charakteristischen Landmarke nicht ermittelt werden. Wird die Landmarke jedoch von dem Modell von Landmarken zur Verfügung gestellt, lässt sich nach einer weiteren Variante der Erfindung basierend auf der wenigstens einen weiteren Landmarke des Modell von Landmarken das nur teilweise in dem 3D-Datensatz enthaltene Teilstück der tubulären Gewebestruktur identifizieren und zumindest teilweise die Mittelinie des identifizierten Teilstücks der tubulären Gewebestruktur ermitteln.
  • Eine Ausführungsform der Erfindung sieht vor, dass das wenigstens eine identifizierte Teilstück der tubulären Gewebestruktur mit seiner anatomischen Bezeichnung versehen wird. In der Regel werden alle in dem 3D-Datensatz identifizierten Teilstücke der tubulären Gewebestruktur mit ihrer entsprechenden anatomischen Bezeichnung versehen, was ein anschließendes Arbeiten, z. B. ein Befunden mit dem 3D-Datensatz erleichtert.
  • Nach einer weiteren Ausführungsform der Erfindung wird von dem wenigstens einen identifizierten Teilstück der tubulären Gewebestruktur, dessen Mittellinie ermittelt wurde, eine CPR (curved multiplanare Rekonstruktion) erzeugt, die beispielsweise einem Arzt zur Befundung des Teilstücks zur Verfügung gestellt werden kann.
  • Gemäß einer Variante der Erfindung wird der 3D-Datensatz mit einem Röntgencomputertomographen, einem C-Bogen-Röntgengerät, einem Magnetresonanzgerät oder einem Ultraschallgerät erzeugt.
  • Die der Erfindung zugrunde liegende Aufgabe wird auch gelöst durch eine Vorrichtung aufweisend eine das Modell von Landmarken umfassende Speichereinheit sowie Rechenmittel zur Durchführung eines der vorstehend beschriebenen Verfahren.
  • Vorzugsweise weist die Vorrichtung insbesondere zur Gewinnung des 3D-Datensatzes, wie bereits erwähnt, einen Röntgencomputertomographen, ein C-Bogen-Röntgengerät, ein Magnetresonanzgerät oder ein Ultraschallgerät auf.
  • Ein Ausführungsbeispiel der Erfindung ist in den beigefügten schematischen Zeichnungen dargestellt. Es zeigen:
  • 1 eine einen Computertomographen aufweisende Vorrichtung zur Ausführung des Verfahrens zur automatisierten Ermittlung der Mittellinien einer tubulären Gewebestruktur und
  • 2 einen anatomische Landmarken aufweisenden 3D-Datensatz der Gefäßstruktur von Arterien eines Menschen.
  • In den Figuren sind gleiche oder funktionsgleiche Elemente durchwegs mit gleichen Bezugszeichen versehen. Die Darstellungen in den Figuren sind schematisch und nicht zwingend maßstabsgetreu. Auf den in 1 dargestellten Röntgencomputertomographen 1 wird im Folgenden und ohne Einschränkung der Allgemeinheit nur insoweit eingegangen als es zum Verständnis der Erfindung für erforderlich erachtet wird.
  • Der in 1 gezeigte Röntgencomputertomograph 1 weist eine Patientenliege 2 zur Lagerung eines zu untersuchenden Patienten P auf. Der Röntgencomputertomograph 1 umfasst ferner eine Gantry 4 mit einem um eine Systemachse 5 drehbar gelagerten Röhren-Detektor-System. Das Röhren-Detektor-System weist einander gegenüberliegend eine Röntgenröhre 6 und eine Röntgendetektoreinheit 7 auf. Im Betrieb geht von der Röntgenröhre 6 Röntgenstrahlung 8 in Richtung der Röntgendetektoreinheit 7 aus, und wird mittels dieser erfasst.
  • Die Patientenliege 2 weist einen Liegensockel 9 auf, an dem eine zur eigentlichen Lagerung des Patienten P vorgesehene Patientenlagerungsplatte 10 angeordnet ist. Die Patientenlagerungsplatte 10 ist derart relativ zu dem Liegensockel 9 verstellbar, dass die Patientenlagerungsplatte 10 mit dem Patienten P in die Öffnung 3 der Gantry 4 zur Aufnahme von 2D-Röntgenprojektionen von dem Patienten P, z. B. in einem Spiralscan, eingeführt werden kann. Die rechnerische Verarbeitung der 2D-Röntgenprojektionen bzw. die Rekonstruktion von Schichtbildern, 3D-Bildern oder eines 3D-Datensatzes basierend auf den 2D-Röntgenprojektionen erfolgt mit einem nicht explizit dargestellten Bildrechner des Röntgencomputertomographen 1, welche Schichtbilder oder 3D-Bilder auf einer Anzeigevorrichtung darstellbar sind.
  • Im Falle des vorliegenden Ausführungsbeispiels der Erfindung soll ein Teil der Gefäßstruktur der Arterien des Patienten P untersucht werden. Hierzu wird zunächst mit dem Röntgencomputertomographen 1 in der Regel nach Gabe eines Kontrastmittels ein 3D-Datensatz von der zu untersuchenden Gefäßstruktur der Arterien rekonstruiert, wie er schematisch in 2 dargestellt ist.
  • Zur Befundung der Gefäßstruktur der Arterien ist es wünschenswert, dem befundenden Arzt in üblicherweise eine CPR (curved multiplanare Rekonstruktion) zur Verfügung zu stellen, anhand der sich der Arzt einen Überblick über den Zustand der Gefäßstruktur der Arterien verschaffen kann. Hierzu ist es erforderlich in dem 3D-Datensatz die Mittellinien der abgebildeten Arterien zu ermitteln. Um dies schnell und effizient bewerkstelligen zu können, wird im Falle des vorliegenden Ausführungsbeispiels der Erfindung in einer Speichereinheit 12 ein allgemeines, zu der Gefäßstruktur der Arterien passendes bzw. gehöriges Modell von anatomischen Landmarken bereitgehalten, welches das Wissen um die gewöhnliche räumliche Lage bzw. Anordnung bestimmter anatomischer Landmarken der Gefäßstruktur der Arterien relativ zueinander sowie das Wissen um die zu der Gefäßstruktur der Arterien gehörigen Teilstücke umfasst. Das Modell ist dabei auf den Körperbau bzw. die Konstitution eines Durchschnittsmenschen ausgelegt, kann aber in gewissen Grenzen, beispielsweise an die Größe des aktuell zu untersuchenden Patienten P mittels Skalierungsfaktoren dynamisch angepasst werden.
  • Im Falle des vorliegenden Ausführungsbeispiels der Erfindung sind in dem Modell von anatomischen Landmarken der Gefäßstruktur der Arterien unter anderem folgende bestimmte anatomische Landmarken und deren gewöhnliche räumliche Anordnung relativ zueinander hinterlegt:
    • • Bifurkation Aorta – Arterie Brachiocephalicus,
    • • Bifurkation Aorta – Arterie Carotis communis (links),
    • • Bifurkation Aorta – Arterie Subclavia (links),
    • • Bifurkation Arterie Carotis interna/externa (links),
    • • Bifurkation Arterie Carotis interna/externa (rechts),
    • • Stelle in der Aorta auf Höhe der Arterie Renalis,
    • • Bifurkation Arterie iliaca communis (links),
    • • Bifurkation Arterie iliaca communis (rechts)
  • Die genannten bestimmten anatomischen Landmarken des Modells von Landmarken stellen nur eine Auswahl zur Erläuterung der Erfindung dar. Das in der Speichereinheit 12 hinterlegte Modell von anatomischen Landmarken der Gefäßstruktur der Arterien kann also noch eine Vielzahl von weiteren bestimmten anatomischen Landmarken aufweisen, z. B. eine der rechten Arterie poplitea zugeordnete Landmarke, welche rechten Arterie poplitea nicht in dem 3D-Datensatz der 2 enthalten ist. Ebenso kann das Modell von anatomischen Landmarken der Gefäßstruktur der Arterien auch weitere beispielsweise Organen, z. B. den Nieren oder anderen Geweben zugeordnete Landmarken aufweisen.
  • Ist der 3D-Datensatz der Gefäßstruktur der Arterien des Patienten P rekonstruiert, wie er in 2 dargestellt ist, und von dem Röntgencomputertomographen 1 einem Rechner 11 zur Verfügung gestellt, werden mit dem Rechner 11 zunächst die charakteristischen, im Falle des vorliegenden Ausführungsbeispiels der Erfindung die charakteristischen anatomischen Landmarken der Gefäßstruktur der Arterien in dem 3D-Datensatz detektiert.
  • Bei den charakteristischen anatomischen Landmarken der Gefäßstruktur der Arterien handelt es sich im Falle des vorliegenden Ausführungsbeispiels der Erfindung vor allem um die Bifurkationen bzw. die Aufzweigungen der Arterien ausgehend von der Aorta ascendens 26 und der Aorta descendens 27. Der Rechner 11 ist hierzu mit einer entsprechenden Software versehen, die beispielsweise auf dem von S. Zhou et al. in „A probabilistic, hierarchical, and discriminant framework for rapid and accurate detection of deformable anatomic structure”, Computer Vision, 2007, ICCV 2007, IEEE 11th International Conference an 14–21 Oct. 2007, Rio de Janeiro, Brazil, Pages 1–8 beschriebenen Verfahren basieren kann.
  • Alternativ können die anatomischen Landmarken bzw. Aufzweigungen der Arterien auch manuell durch Benutzereingabe detektiert werden, wodurch das Verfahren an sich nicht wesentlich verlangsamt wird.
  • Bei der Detektion der anatomischen Landmarken im 3D-Datensatz, sei es die automatisierte oder die manuelle Detektion, werden lediglich die Aufzweigungen an sich detektiert bzw. als charakteristische Landmarke gekennzeichnet, ohne dass die jeweiligen Aufzweigungen konkret identifizieren werden. Als Ergebnis dieses Verfahrensschrittes sind dann vorzugs-, aber nicht notwendigerweise alle Aufzweigungen in dem 3D-Datensatz als charakteristische Landmarken gekennzeichnet.
  • Anschließend werden die detektierten charakteristischen anatomischen Landmarken des 3D-Datensatzes und die anatomischen Landmarken des zu der Gefäßstruktur der Arterien gehörigen Modells von anatomischen Landmarken zueinander in Beziehung gesetzt. Dies kann derart erfolgen, dass das Modell von anatomischen Landmarken affin auf die detektierten charakteristischen anatomischen Landmarken registriert, im Sinne von näherungsweise abgebildet wird, was durch eine Ähnlichkeitsbetrachtung erfolgen kann.
  • Sind die im 3D-Datensatz detektierten charakteristischen anatomischen Landmarken und die anatomischen Landmarken des Modells von Landmarken zueinander in Beziehung gebracht bzw. aufeinander abgebildet, können aufgrund des Wissens aus dem Modell um die räumliche Anordnung der anatomischen Landmarken bzw. der Aufzweigungen der Arterien relativ zueinander und aufgrund des Wissens aus dem Modell um die zugehörigen Aufzweigungen und Arterien an sich die einzelnen Aufzweigungen der Arterien sowie die Arterien in dem 3D-Datensatz identifiziert werden.
  • Über das Modellwissen können also beispielsweise
    • • die Stelle 15 als Bifurkation Aorta – Arterie Brachiocephalicus,
    • • die Stelle 16 als Bifurkation Aorta – Arterie Carotis communis (links),
    • • die Stelle 17 als Bifurkation Aorta – Arterie Subclavia (links),
    • • die Stelle 18 als Bifurkation Arterie Carotis interna/externa (links),
    • • die Stelle 19 als Bifurkation Arterie Carotis interna/externa (rechts),
    • • die Stelle 20 als Stelle in der Aorta auf Höhe der Arterie Renalis,
    • • die Stelle 21 als Bifurkation Arterie iliaca communis (links) und
    • • die Stelle 22 als Bifurkation Arterie iliaca communis (rechts)
    identifiziert und in den 3D-Datensatz mit ihrer korrekten anatomischen Bezeichnung eingetragen werden. Ebenso können die korrekten anatomischen Bezeichnungen der Arterien in den 3D-Datensatz eingetragen werden. Als weiterer Ausfluss aus dem Modell von anatomischen Landmarken können Landmarken in den 3D-Datensatz eingetragen werden, die zu Arterien gehören, welche nicht in dem 3D-Datensatz abgebildet sind. Exemplarisch ist vorliegend die Landmarke 23 in den 3D-Datensatz eingetragen, die der rechten Arterie poplitea zugeordnet ist.
  • Die in dem 3D-Datensatz bzw. in den Abbildern der Arterien des 3D-Datensatzes identifizierten anatomischen Landmarken stellen die Ausgangspunkte für die automatisierte Ermittlung der Mittellinien in den jeweiligen Arterien dar. Exemplarisch hierfür seien die Landmarken 20 und 22 herausgegriffen. Beispielsweise unter Anwendung des A*-Algorithmus oder des Algorithmus von Dijkstra kann die Mittellinie M1 in dem Teilstück T1 der Aorta descendens zwischen den Landmarken 20 und 22 mit dem Rechner 11 ermittelt und in den 3D-Datensatz eingetragen werden. Anschließend kann für dieses Teilstück T1 der Aorta descendens eine CPR erzeugt und auf einem Sichtgerät 13 angezeigt werden, um eine Befundung des Teilstücks T1 vornehmen zu können.
  • In entsprechender Weise können auch in den Teilstücken T2 bis T4 die Mittellinien der Arterien ermittelt und in den 3D-Datensatz eingetragen werden.
  • Soll auch das Teilstück T5 der rechten externen Arterie iliaca befundet werden, so steht aus dem 3D-Datensatz neben der charakteristischen Landmarke 22 keine weitere charakteristische anatomische Landmarke für die Ermittlung der Mittellinie des Teilstücks T5 zur Verfügung. Hierfür wird vorliegend die aus dem Modell von anatomischen Landmarken stammende, der im 3D-Datensatz selbst nicht abgebildeten Arterie poplitea zugeordnete Landmarke 23 verwendet, so dass die Mittellinie M5 ermittelt und eine CPR vom Teilstück T5 erzeugt und angezeigt werden kann.
  • Auf diese Weise können automatisiert für die gesamte, im 3D-Datensatz abgebildete Gewebestruktur der Arterien die Mittellinien der Arterien bestimmt und CPRen für die Befundung erzeugt und zur Verfügung gestellt werden.
  • Im 3D-Datensatz fehlende bzw. nicht identifizierte charakteristische Landmarken von Teilstücken der tubulären Gewebestruktur können dabei durch Landmarken aus dem Modell von Landmarken ersetzt werden, so dass auch für die betroffenen Teilstücke der tubulären Gewebestruktur die Mittellinien ermittelt werden können. Da der Vorgang der Ermittlung der Mittellinien vorzugsweise automatisiert abläuft, ist eine Befundung der tubulären Gewebestruktur praktisch ohne Wartezeit für einen die Befundung vornehmenden Arzt möglich.
  • Die Ergebnisse des erfindungsgemäßen Verfahrens bzw. das mit Hilfe des erfindungsgemäßen Verfahrens gewonnene anatomische Wissen können auch bei dem interaktiven Arbeiten mit dem 3D-Datensatz verwendet werden, insbesondere auch beim Bestimmen einer Gefäßmittellinie durch die manuelle Definition zweier Punkte, um die Algorithmen in Abhängigkeit von der jeweiligen Körperregion und der anatomischen Nachbarschaft möglichst gut zu parametrisieren und damit robustere Ergebnisse zu erzielen.
  • Im Falle des vorliegenden Ausführungsbeispiels der Erfindung wurde der 3D-Datensatz mit einem Röntgencomputertomographen erzeugt. Der 3D-Datensatz kann aber auch mit einem Magnetresonanzgerät, einem C-Bogen-Röntgengerät oder einem Ultraschallgerät erzeugt werden. Welches bildgebende Gerät zur Erzeugung des 3D-Datensatzes verwendet wird, hängt unter anderem von der zu untersuchenden tubulären Gewebestruktur ab.
  • Die Anwendung des Verfahrens ist nicht auf die Gewebestruktur von Arterien beschränkt. Vielmehr kann das Verfahren auch auf andere tubuläre Gewebestrukturen, beispielsweise auf andere Blutgefäße oder auf Nervenbahnen etc. angewendet werden.

Claims (8)

  1. Verfahren zur automatisierten Ermittlung zumindest eines Teils der Mittellinie (M1, M5) zumindest eines Teilstücks (T1, T5) einer tubulären Gewebestruktur, bei dem – in einem 3D-Datensatz der tubulären Gewebestruktur charakteristische Landmarken (15 bis 22) der tubulären Gewebestruktur detektiert werden, – die detektierten charakteristischen Landmarken (15 bis 22) der tubulären Gewebestruktur und Landmarken eines zu der tubulären Gewebestruktur gehörigen, die räumliche Lage der Landmarken (15 bis 22) relativ zueinander berücksichtigenden Modells von Landmarken, welches das Wissen um die gewöhnliche räumliche Lage bzw. Anordnung bestimmter anatomischer Landmarken der Gefäßstruktur der Arterien relativ zueinander und somit um die zu der Gefäßstruktur der Arterien gehörigen Teilstücke (T1, T5) umfasst, derart in Beziehung zueinander gesetzt werden, dass in dem 3D-Datensatz der tubulären Gewebestruktur wenigstens das Teilstück (T1, T5) der tubulären Gewebestruktur identifiziert wird, und – bei dem basierend auf den mehreren detektierten charakteristischen Landmarken (15 bis 22) oder basierend auf wenigstens einer detektierten charakteristischen Landmarke (15 bis 22) und wenigstens einer Landmarke (23) des Modells von Landmarken zumindest teilweise die Mittellinie (M1, M5) des identifizierten Teilstücks (T1, T5) der tubulären Gewebestruktur ermittelt wird.
  2. Verfahren nach Anspruch 1, bei dem das Modell von Landmarken wenigstens eine weitere dem wenigstens einen Teilstück (T5) der tubulären Gewebestruktur zugeordnete Landmarke (23) aufweist, welches Teilstück (T5) nur teilweise in dem 3D-Datensatz enthalten ist, wobei die wenigstens eine weitere Landmarke (23) des Modells von Landmarken mangels Abbildung der entsprechenden charakteristischen Landmarken (15 bis 22) des Teilstücks (T5) in dem 3D-Datensatz nicht zu der entsprechenden charakteristischen Landmarke (15 bis 22) der tubulären Gewebestruktur in Beziehung setzbar ist.
  3. Verfahren nach Anspruch 2, bei dem basierend auf der wenigstens einen weiteren Landmarke (23) des Modells von Landmarken das nur teilweise in dem 3D-Datensatz enthaltene Teilstück (T5) der tubulären Gewebestruktur identifiziert und zumindest teilweise die Mittelinie (M5) des identifizierten Teilstücks (T5) der tubulären Gewebestruktur ermittelt wird.
  4. Verfahren nach einem der Ansprüche 1 bis 3, bei dem das wenigstens eine identifizierte Teilstück (T1, T5) der tubulären Gewebestruktur mit seiner anatomischen Bezeichnung versehen wird.
  5. Verfahren nach einem der Ansprüche 1 bis 4, bei dem von dem wenigstens einen identifizierten Teilstück (T1, T5) der tubulären Gewebestruktur, dessen Mittellinie (M1, M5) ermittelt wurde, eine CPR (curved multiplanare Rekonstruktion) erzeugt wird.
  6. Verfahren nach einem der Ansprüche 1 bis 5, bei dem der 3D-Datensatz mit einem Röntgencomputertomographen (1), einem C-Bogen-Röntgengerät, einem Magnetresonanzgerät oder einem Ultraschallgerät erzeugt wird.
  7. Vorrichtung aufweisend eine das Modell von Landmarken umfassende Speichereinheit (12) sowie Rechenmittel (11) zur Durchführung eines der Verfahren nach einem der Ansprüche 1 bis 6.
  8. Vorrichtung nach Anspruch 7, welche einen Röntgencomputertomographen (1), ein C-Bogen-Röntgengerät, ein Magnetresonanzgerät oder ein Ultraschallgerät aufweist.
DE102009032257.4A 2009-07-08 2009-07-08 Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur Expired - Fee Related DE102009032257B4 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102009032257.4A DE102009032257B4 (de) 2009-07-08 2009-07-08 Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur
US12/828,364 US9504435B2 (en) 2009-07-08 2010-07-01 Method and device for automated detection of the central line of at least one portion of a tubular tissue structure

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102009032257.4A DE102009032257B4 (de) 2009-07-08 2009-07-08 Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur

Publications (2)

Publication Number Publication Date
DE102009032257A1 DE102009032257A1 (de) 2011-01-13
DE102009032257B4 true DE102009032257B4 (de) 2017-05-04

Family

ID=43307772

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102009032257.4A Expired - Fee Related DE102009032257B4 (de) 2009-07-08 2009-07-08 Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur

Country Status (2)

Country Link
US (1) US9504435B2 (de)
DE (1) DE102009032257B4 (de)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010018261B4 (de) 2010-04-26 2012-07-12 Siemens Aktiengesellschaft Verfahren und Computersystem zur automatischen Vektorisierung eines Gefäßbaumes
DE102010018460B4 (de) 2010-04-27 2017-02-16 Siemens Healthcare Gmbh Verfahren zur Ermittlung wenigstens einer Änderung einer tubulären Gewebestruktur eines Lebewesens, Recheneinheit und Datenträger
JP2016503685A (ja) * 2012-12-28 2016-02-08 サイバーハート, インコーポレイテッド 血液−組織表面を基礎にした放射線手術による腎臓処置の計画
US9308296B2 (en) 2014-05-05 2016-04-12 Warsaw Orthopedic, Inc. Tissue processing apparatus and method
WO2018010135A1 (zh) * 2016-07-14 2018-01-18 中山大学附属第一医院 人体周围神经内部束型结构三维重建可视化集成方法
US10913930B2 (en) 2016-08-09 2021-02-09 Warsaw Orthopedic, Inc. Tissue processing apparatus and method for infusing bioactive agents into tissue
GB201903154D0 (en) * 2019-03-08 2019-04-24 Congenita Ltd System and method for producing a tissue patch for use in reconstruction of tubular anatomical structures

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070147707A1 (en) * 2003-05-22 2007-06-28 Inria Institut National De Recherche En Informatique Et En Automatique Device and method for superimposing patterns on images in real-time, particularly for guiding by localisation
US20080085042A1 (en) * 2006-10-09 2008-04-10 Valery Trofimov Registration of images of an organ using anatomical features outside the organ
US20080132774A1 (en) * 2004-01-15 2008-06-05 Alogtec Systems Ltd. Vessel Centerline Determination
WO2008138140A1 (en) * 2007-05-15 2008-11-20 Val-Chum, Societe En Commandite A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6643533B2 (en) * 2000-11-28 2003-11-04 Ge Medical Systems Global Technology Company, Llc Method and apparatus for displaying images of tubular structures
US6978549B2 (en) * 2002-06-05 2005-12-27 Ellis Stacey L Patterning system for a selected body type and methods of measuring for a selected body type

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070147707A1 (en) * 2003-05-22 2007-06-28 Inria Institut National De Recherche En Informatique Et En Automatique Device and method for superimposing patterns on images in real-time, particularly for guiding by localisation
US20080132774A1 (en) * 2004-01-15 2008-06-05 Alogtec Systems Ltd. Vessel Centerline Determination
US20080085042A1 (en) * 2006-10-09 2008-04-10 Valery Trofimov Registration of images of an organ using anatomical features outside the organ
WO2008138140A1 (en) * 2007-05-15 2008-11-20 Val-Chum, Societe En Commandite A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TSAI,C.-L., u.a.: "Model-Based Mehtod for Improving the Accuracy and Repeatability of Estimating Vascular Bifurcations...". In: IEEE Trans. on Information Technology in Biodemedicine, Vol.8, Nr.2, 2004, S.122-129 *

Also Published As

Publication number Publication date
US20110158495A1 (en) 2011-06-30
DE102009032257A1 (de) 2011-01-13
US9504435B2 (en) 2016-11-29

Similar Documents

Publication Publication Date Title
DE102009053471B4 (de) Verfahren und Vorrichtung zur Identifizierung und Zuordnung von Koronarkalk zu einem Herzkranzgefäß sowie Computerprogrammprodukt
DE102009032257B4 (de) Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur
EP3185215B1 (de) Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion
DE10322739B4 (de) Verfahren zur markerlosen Navigation in präoperativen 3D-Bildern unter Verwendung eines intraoperativ gewonnenen 3D-C-Bogen-Bildes
DE102005029242B4 (de) Verfahren zur Aufnahme und Auswertung von Bilddaten eines Untersuchungsobjekts und dazugehörige Einrichtung
DE102005036998B4 (de) Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten
DE102007016464A1 (de) Verfahren und Vorrichtung zur virtuellen Subtraktion von Stuhl aus Registrierung und formbasierter Analyse von in Bauchlage und in Rückenlage durchgeführten Scanns des Dickdarms
DE102011013505A1 (de) Verfahren und System zur automatischen Erkennung und Klassifizierung von Koronarstenosen in Herz-CT-Volumina
DE102006012015A1 (de) Verfahren und Systeme zur Überwachung einer Tumorbelastung
DE102010036538A1 (de) System und Verfahren zum Kompensieren einer respiratorischen Bewegung in akquirierten radiographischen Bildern
DE202017106016U1 (de) Medizinische Informationsverarbeitungsvorrichtung, Röntgen-CT-Vorrichtung und computerlesbares Speichermedium mit einem Programm für ein medizinisches Informationsverarbeitungsverfahren
DE102017221276A1 (de) Medizinische Bildverarbeitungsvorrichtung, Röntgen-CT Vorrichtung und medizinisches Bildverarbeitungsverfahren
DE102007029886B4 (de) Verfahren zum Segmentieren einer Herzmuskelwand und Vorrichtung zur Detektion einer pathologisch veränderten Koronararterie
DE102011083629A1 (de) Bestimmung von potentiellen Perfusionsdefekten
DE102011120937B4 (de) Anordnung und Verfahren zur Registrierung von Gewebeverschiebungen
DE102010018460B4 (de) Verfahren zur Ermittlung wenigstens einer Änderung einer tubulären Gewebestruktur eines Lebewesens, Recheneinheit und Datenträger
DE112016006137T5 (de) Synthetische Darstellung einer Gefäßstruktur
EP3210537B1 (de) Erstellung eines dreidimensionalen abbilds eines körperteils durch ein röntgengerät
DE102017221924B3 (de) Verfahren zur Fusionierung eines Analysedatensatzes mit einem Bilddatensatz, Positionierungseinrichtung und Computerprogramm
DE102013210252A1 (de) Automatische Generierung eines Auswahl-Bilddatensatzes
DE202017107196U1 (de) Medizinische Bildverarbeitungsvorrichtung, Röntgen-CT Vorrichtung und Computerprogrammprodukt
DE102016215976A1 (de) Ermittelung einer klinischen Kenngröße mit einer Kombination unterschiedlicher Aufnahmemodalitäten
DE10312193A1 (de) Verfahren zum Betreiben eines bildgebenden medizinischen Untersuchungsgeräts
DE102015200850B4 (de) Verfahren zur Auswertung von medizinischen Bilddaten
DE202020107510U1 (de) Medizinische Bildverarbeitungsvorrichtung, Aufzeichnungsmedium und System

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