-
HINTERGRUND DER ERFINDUNG
-
Aneurysmen
sind eine wesentliche Ursache für einen Schlaganfall und
bedingen ungefähr 20% aller Schlaganfälle. Wenn
ein Aneurysma im Gehirn bricht, wird ein Teil des Gehirns mit Blut
gefüllt, was das Absterben von Gewebe oder einen Druck
im Kopf verursachen kann. Große Blutungen, die im Allgemeinen
durch deutlich sichtbare große Aneurysmen verursacht werden,
können auch tödlich sein. Ein besonders interessanter
Fall sind die schwächenden, demenzähnlichen Zustände,
die durch Mikro-Blutungen aufgrund von Brüchen kleiner
Aneurysmen verursacht werden.
-
Aneurysmen
werden selten in einem geraden, nicht-verzweigten Abschnitt einer
intrakranealen Arterie aufgefunden. Aneurysmen, die an geraden,
nicht-verzweigten Abschnitten auftreten, treten häufiger
mit Beuteln auf, die der Länge nach entlang der Wände
der Arterie in Richtung des Blutflusses weisen und die nur minimal über
die adventitiale Oberfläche vorstehen. Aneurysmen mit diesen
Eigenschaften sind von einem dissezierenden Typ, anstatt von einem
angeborenen sackartigen Typ. Die Entwicklung von Aneurysmen des
dissezierenden Typs kündigt sich häufiger durch
den Ausbruch von ischämischen neurologischen Defiziten
an, als durch subarachnoidale Blutungen im Zusammenhang mit angeborenen
sackartigen Aneurysmen.
-
Während
der zugrunde liegende Mechanismus der Aneurysmenbildung allgemein
unklar ist, können sich Aneurysmen oft in Verbindung mit
arteriovenösen Malformationen („AVM”)
entwickeln. AVMs bestehen allgemein aus einem verschlungenen Gewirr von
cerebralen Arterien und Venen und/oder spinalen Arterien und Venen.
Einem Gewirr von Arterien und Venen fehlen zwischenverbindende kapillare
Netzwerke, die notwendig sind, um die Sauerstoffzufuhr zum Gehirngewebe
effektiv zu steuern.
-
Zusätzlich
zu dem Sauerstoffmangel des Gewebes können schnelle arteriovenöse
Strömungsraten innerhalb der AVM einen gefährlichen
Bluthochdruck und einen gefährliche Schwächung
der Gefäßwand verursachen, die möglicherweise
zu einer Gefäßschädigung, venösen
Verengungen, Aneurysmabildung, nachfolgende Blutung und sogar einem
Schlaganfall führt. AVMs sind für ungefähr
2% aller Schlaganfälle verantwortlich, die jedes Jahr auftreten
und ungefähr 1% derjenigen mit einer AVM wird als eine
direkte Folge der AVM sterben.
-
Zur
Zeit besteht die akute Schlaganfalldiagnose durch Verwendung der
Computertomografie („CT”) in der Verwendung von
Bilddaten der kontrastmittelfreien CT („NCT”),
um cerebrale Blutungen ausschließen zu können,
Daten der computertomografischen Angiographie („CTA”),
um ein Gehirnaneurysma ausschließen zu können,
Bilddaten der dynamischen Perfusions-CT, um cerebrale Perfusionsstörungen
bewerten zu können, sowie CTA- und CT-Venographie („CTV”)
um AVMs ausschießen zu können. Zur größeren
Abdeckung des Gehirns wird in der Regel ein dynamischer Perfusions-CT-Scan
mit einem Volumen-Shuttle-Protokoll oder -Modus ausgeführt.
Andere Erfassungsprotokolle für die Verwendung in einem
Durchblutungs-CT-Scan umfassen die Spiral-Shuttle- und Dual-Energie-CTA.
Diese dynamischen Perfusions-CT-Scanprotokolle bieten die Möglichkeit,
NCT-, CTA- und CTV-Phasen von den erhaltenen Daten eines dynamischen
Perfusions-CT-Scans zu extrahieren und vermeiden daher möglicherweise
zusätzliche CTA- und CTV-Scans.
-
Die
Dual-Energie-CTA stellt eine Möglichkeit bereit, um Jod
in einem kontrastverbesserten Gefäßsystem von
Calcium oder Knochen zu unterscheiden, wobei Zweideutigkeiten entfernt
werden, wenn die Signalniveaus zwischen Jod und Calcium vergleichbar
sind. Dual-Energie-CTA stellt auch eine Möglichkeit zur
Verfügung strahlaufhärtende Effekte zu eliminieren,
die im Schädel auftreten.
-
KURZE ZUSAMMENFASSUNG DER
ERFINDUNG
-
Bestimmte
Ausführungsformen der vorliegenden Technologie stellen
Systeme, Verfahren und Computerbefehle bereit, um einen pathologischen
Zustand eines Gefäßsystems zu detektieren.
-
In
einem Ausführungsbeispiel stellt die Erfindung ein Verfahren
zum Detektieren eines pathologischen Zustands eines Gefäßsystems
zur Verfügung. Das Verfahren umfasst das Zugreifen auf
Bilddaten, die das Gefäßsystem anzeigen und einen
Datentyp aufweisen, das Auswählen eines Detektionsverfahrens
entsprechend dem Datentyp aus einer Vielzahl von Detektionsverfahren,
wobei jedes der Detektionsverfahren Daten eines unterschiedlichen
Datentyps verarbeitet. Das Verfahren umfasst auch die Verarbeitung
der den Datentyp aufweisenden Bilddaten mit dem ausgewählten
Detektionsverfahren und das Überlagern der verarbeiteten
Bilddaten auf die Bilddaten, die den pathologischen Zustand des
Gefäßsystems anzeigen. In einigen Ausführungsbeispielen
enthält der pathologische Zustand der Ferien ein Aneurysma
und/oder eine arteriovenöse Malformation und/oder einen
Gefäßkrampf.
-
In
einem anderen Ausführungsbeispiel stellt die Erfindung
ein Diagnosesystem zur Verfügung, das einen Scanner und
einen Prozessor aufweist. Der Scanner stellt Bilddaten zur Verfügung,
die einen pathologischen Zustand eines Gefäßsystems
anzeigen und generiert einen Datentyp entsprechend der Bilddaten.
Der Prozessor verarbeitet die Bilddaten in Übereinstimmung
mit dem Datentyp aus einer Vielzahl von Verfahren, wobei jedes Verfahren
eine pathologische Eigenschaft detektiert. Der Prozessor überlagert
die verarbeiteten Bilddaten auf die Bilddaten, die den pathologischen
Zustand des Gefäßsystems anzeigen. In einigen
Ausführungsbeispielen umfasst der pathologische Zustand
der Ferien ein Aneurysma und/oder eine arteriovenöse Malformation
und/oder einen Gefäßkrampf.
-
In
noch einem weiteren Ausführungsbeispiel stellt die Erfindung
ein computerlesbares Speichermedium bereit, das Befehle für
die Ausführung auf einem Verarbeitungsgerät aufweist.
Die Befehle enthalten einen Scanvorgang um Bilddaten bereit zu stellen,
die ein Gefäßsystem anzeigen und um einen Datentyp
entsprechend der Bilddaten zu erzeugen. Die Befehle enthalten auch
einen Verarbeitungsvorgang, um die Bilddaten entsprechend dem Datentyp
zu verarbeiten aus einer Vielzahl von Unterprogrammen, wobei jedes
Unterprogramm dazu eingerichtet ist, eine pathologische Eigenschaft
zu detektieren und um die verarbeiteten Bilddaten auf die Bilddaten
zu überlagern, die einen pathologischen Zustand des Gefäßsystems
anzeigen. In einigen Ausführungsbeispielen hält
der pathologische Zustand der Ferien ein Aneurysma und/oder eine
arteriovenöse Malformation und/oder einen Gefäßkrampf.
-
KURZBESCHREIBUNG DER VERSCHIEDENEN
DARSTELLUNGEN IN DER ZEICHNUNG
-
1 ist
ein Flussdiagramm eines Prozesses zur Erfassung eines pathologischen
Zustands eines Gefäßsystems, der in Übereinstimmung
mit Ausführungsbeispielen der vorliegenden Technologie
verwendet wird.
-
2 ist
ein Flussdiagramm für ein Verfahren zur Detektion eines
pathologischen Zustands eines Gefäßsystems, das
die Bilddaten einer computertomographischen Dual-Energie-Angiographie
(„CTA”) basierend auf dem Verfahren nach 1 verwendet.
-
3 ist
eine Veranschaulichung eines Gefäßsystems, das
in Übereinstimmung mit Ausführungsbeispielen der
vorliegenden Technologie verwendet wird.
-
4 ist
eine Veranschaulichung eines pathologischen Zustandes, die auf das
Gefäßsystem nach 3 überlagert
ist, verwendet in Übereinstimmung mit Ausführungsbeispielen
der vorliegenden Technologie.
-
5 ist
eine Tabelle, die exemplarische Verarbeitungsalgorithmen aufführt.
-
Die
vorangestellte Zusammenfassung, wie auch die folgende detaillierte
Beschreibung von bestimmten Ausführungsbeispielen der vorliegenden
Erfindung wird besser verstanden werden, wenn sie in Verbindung
mit der beigefügten Zeichnung gelesen wird. Zum Zwecke
der Veranschaulichung der Erfindung sind bestimmte Ausführungsbeispiele
in der Zeichnung dargestellt. Es versteht sich jedoch, dass die
vorliegende Erfindung nicht auf die in der beigefügten
Zeichnung dargestellten Anordnungen und Mittel beschränkt
ist.
-
DETAILLIERTE BESCHREIBUNG
DER ERFINDUNG
-
Während
computertomographische („CT”) Bilddaten typischerweise
zentral oder verteilt in einem Krankenhausinformationssystem („HIS”)
oder Bildarchivierungs- und Kommunikati onssystemen („PACS”)
gespeichert sind, hängt die die CT-Bilddaten verwendende
Diagnose häufig von einem Typ der CT-Bilddaten, von der
Verfügbarkeit der CT-Bilddaten, von verschiedenen Diagnosealgorithmen
und daher verschiedenen Verarbeitungssystemen ab. Dementsprechend
können automatisierte und integrierte Software, Verfahren
und Systeme zur Diagnose von Gehirn-Aneurysmen, Gehirnverletzungen,
AVMs und Gefäßblockierungen, die die gespeicherten
Bilddaten verwenden, den klinischen Arbeitsablauf und die Produktivität
in Schlaganfall-Bewertungsverfahren dramatisch verbessern und rationalisieren.
-
Bestimmte
Ausführungsbeispiele der vorliegenden Technologie können
die Möglichkeit bereitstellen, auf eine Vielzahl von Bilddaten
von einer Anatomie zuzugreifen, diese Daten unter Verwendung geeigneter, für
jeden Datentyp einzigartiger Algorithmen vorzuverarbeiten, pathologische
Zustände, wie etwa Aneurysmen, Schädigungen, AVMs,
Gefäßblockaden unter Verwendung von form- und/oder
beschaffenheitsbasierten Detektionsalgorithmen zu detektieren und
die Anatomie unter Verwendung von Darstellungstechniken zu veranschaulichen,
die für jeden der Datentypen geeignet sind. Exemplarische
Datentypen enthalten, sind aber nicht beschränkt auf Bilddaten
der kontrastmittelfreien CT („NCT”) und der CT-Angiographie
(„CTA”) Volumen- oder Spiral-Shuttle-Bilddaten,
Bilddaten der Dual-Energie-CTA, Dual-Energie-Monochrom-Bilddaten
und dergleichen.
-
Ein
beispielhafter Algorithmus für die Verarbeitung von NCT-
und CTA-Bilddaten umfasst das Zugreifen auf dreidimensionale („3D”)
NCT- und 3D-CTA-Datensätze, die eine Anatomie anzeigen
und die z. B. ein interessierendes Gefäßsystem
enthalten sowie das Vorverarbeiten der 3D-NCT- und CTA-Datensätze.
In einigen Ausführungsbeispielen enthält das Vorverarbeiten
die Registrierung von 3D-NCT- und entsprechenden 3D-CTA-Datensätzen
und das Entfernen von Knochenstrukturen aus den 3-D-CTA-Bilddaten
unter Verwendung sowohl der 3D-NCT- als auch der 3D-CTA-Datensätze.
Der beispielhafte Verarbeitungsalgorithmus detektiert dann einen
oder mehrere pathologische Zustände wie z. B. Aneurysmen
und Schädigungen. Das Detektieren von pathologischen Zuständen
umfasst allgemein das Verarbeiten der 3D-CTA-Daten, aus denen die Knochen
entfernt wurden, und das Extrahieren von sphärischen Formen
oder Beschaffenheiten von den verarbeiteten Bilddaten. In einigen
Fällen veranschaulicht der beispielhafte Verarbeitungsalgorithmus
die Anatomie durch Darstellen der extrahierten Formen, die mit dem
ursprünglichen Gefäßsystem überlagert
werden. Details dieser Verarbeitungsalgorithmen werden nachfolgend
behandelt.
-
Ein
beispielhafter Algorithmus zur Verarbeitung von Volumen- oder Spiral-Shuttle-Bilddaten
enthält das Zugreifen auf Perfusions-CT-Daten, die eine
Anatomie, z. B. ein interessierendes Gefäßsystem,
anzeigen und enthalten und das Vorverarbeiten der Perfusions-CT-Daten.
Z. B. umfasst das Vorverarbeiten die Registrierung der Perfusions-CT-Daten
und das Extrahieren von 3D-CT- und 3D-CTA-Bilddatensätzen
von den Perfusions-CT-Datensätzen, während die
Perfusions-CT-Daten zur vierdimsionalen („4D”)
Veranschaulichung und Beurteilung beibehalten werden. Das Vorverarbeiten
enthält auch das Entfernen von jeglichen Knochenstrukturen
aus den 3D-CTA-Bilddaten unter Verwendung sowohl der 3D-NCT- als
auch der CTA-Datensätze. Der beispielhafte Algorithmus
detektiert auch pathologische Zustände, wie z. B. Aneurysmen
und Schädigungen mittels der Verarbeitung der 3D-CTA-Daten,
aus denen die Knochen entfernt wurden und extrahiert sphärischen
Formen und/oder Beschaffenheiten aus den verarbeiteten Daten. Anschießend
stellt der beispielhafte Algorithmus auch die Anatomie dar, z. B.
durch das Anzeigen des zeitabhängigen Anflutens uns Abflutens
von Kontrastmittel (arterielle und venöse Phase) wobei
die extra hierten Formen dem Gefäßsystem überlagert
werden. Details dieser Verarbeitungsalgorithmen werden nachfolgend
besprochen.
-
Ein
beispielhafter Algorithmus zur Verarbeitung von Dual-Energie-CTA-Bilddaten
umfasst das Zugreifen auf Dual-Energie-3D-CTA-Bilddaten, die eine
Anatomie, z. B. ein interessierendes Gefäßsystem,
anzeigen und enthalten und das Vorverarbeiten der Dual-Energie-3D-CTA-Bilddaten.
In einigen Fällen umfasst das Vorverarbeiten das Trennen
von jodierten, kontrastverstärkten Daten, wie z. B. CTA-Daten
von Verkalkungen und Knochenstrukturen und das Verarbeiten der 3D-CTA-Daten
und das Extrahieren von sphärischen Formen und/oder Beschaffenheiten.
Anschießend visualisiert der beispielhafte Algorithmus
auch die Anatomie, z. B. durch Darstellen der dem Gefäßsystem überlagerten
extrahierten Formen. Details dieser Verarbeitungsalgorithmen werden
nachfolgend behandelt.
-
Ein
beispielhafter Algorithmus zur Verarbeitung von monochromatischen
Dual-Energie-Bilddaten umfasst das Zugreifen auf Dual-Energie-3D-CTA-Bilddaten,
die eine Anatomie, z. B. ein interessierendes Gefäßsystem,
anzeigen und enthalten sowie das Vorverarbeiten der dualen Energie-3D-CTA-Bilddaten.
In einigen Fällen umfasst das Vorverarbeiten das Extrahieren
eines monochromatischen Bildes, das kontrastverstärkten Daten
(CTA ohne Knochen) entspricht, mit minimalen Artefakten aufgrund
von strahlaufhärtenden Effekten, sowie das Anzeigen einer
Vielzahl von Basismaterialkomponenten in einer fusionierten Farbdarstellung.
Der Algorithmus verarbeitet auch die monochromatischen Dual-Energie-3D-CTA-Daten,
um sphärische Formen oder Beschaffenheiten zu extrahieren
und stellt die Anatomie dar, z. B. durch das Anzeigen der extrahierten
Formen, die dem ursprünglichen Gefäßsystem überlagert
werden.
-
1 ist
ein Flussdiagramm eines Verfahrens 100 zur Detektierung
eines pathologischen Zustands eines Gefäßsystems
das in Übereinstimmung mit Ausführungsformen der
vorliegenden Technologie verwendet wird. Das Detektionsverfahren 100 beginnt
im Block 104 mit dem Zugriff auf Bilddaten, die ein interessierendes
Gefäßsystem enthalten. Obwohl die Bilddaten im
Allgemeinen von einem computertomographischen („CT”)
Scanner erhalten werden, können die Bilddaten auch mit
anderen Scantechniken erhalten werden. Abhängig von der
beim Scannen verwendeten Technik können verschiedene Bilddatentypen
erhalten werden. Beispielhafte Datentypen umfassen, sind aber nicht
beschränkt auf den kontrastmittelfreien CT(„NCT”)-Typ, den
CT-Angiographie(„CTA”)-Typ, den Volumen-Axial-Shuttle-Typ,
den Volumen-Spiral-Shuttle-Typ, dynamische CTA-Daten, den Dual-Energie-CTA-Typ,
den Dual-Energie-Monochrom-Typ und dergleichen.
-
Das
Detektionsverfahren 100 bestimmt dann im Block 108 einen
Datentyp der Bilddaten, auf die zugegriffen wurde, wählt
einen typabhängigen Detektionsalgorithmus oder ein typabhängiges
Detektionsverfahren auf Basis des Datentyps im Block 112 aus
und verarbeitet die Bilddaten mit dem ausgewählten typabhängigen
Detektionsalgorithmus im Block 116. In einigen Ausführungsbeispielen
verwendet der typabhängige Detektionsalgorithmus einen
unveränderlichen Registrierungsalgorithmus für
die NCT und die CTA, die Volumen-Axial-Shuttle-Bilddaten und die
Volumen-Spiral-Shuttle-Bilddaten.
-
Die
unveränderliche modellbasierte räumliche (3D/3D)
Registrierung wird durchgeführt, um zwei statische tomographische
Datensätze wie etwa NCT und CTA zu registrieren. Für
dynamisch erhaltene Datensätze wie etwa Volumen- oder Spiral-Shuttle-CT-Durchblutungsdaten,
wird die räumliche (3D/3D) Registrierung erweitert, um
die zeitliche Dimension zu umfassen. Beispielhafte unveränderliche
Registrierungsverfahren umfassen, sind aber nicht beschränkt
auf orientierungspunktbasierte Registrierung, segmentierungsbasierte
Registrierung oder voxeleigenschaftsbasierte Registrierung.
-
Die
orientierungspunktbasierte Registrierung basiert auf einem beschränkten
Satz von identifizierten Punkten oder Orientierungspunkten im Bilddatensatz.
Die Orientierungspunkte können anatomisch sein, d. h. hervorstechende
und genau lokalisierbare Punkte der Morphologie der sichtbaren Anatomie.
Die Orientierungspunkte können auch geometrisch sein, d.
h. Punkte an dem Ort des Optimums von irgendwelchen geometrischen
Eigenschaften. Der Satz von identifizierten Orientierungspunkten
ist dürftig, verglichen mit dem ursprünglichen
Bildinhalt, was relativ schnelle Optimierungsverfahren möglich
macht. Solche Algorithmen optimieren Maße, wie etwa den
durchschnittlichen Abstand (L2-Norm) zwischen einem Orientierungspunkt
und dem nächstgelegenen Gegenstück des Orientierungspunkts,
ein Prokrustes-Maß oder iterative minimale Orientierungspunktabstände.
Für die Optimierung des letztgenannten Maßes sind
der „Iterative Closest Point Algorithm” („ICP”)
und abgeleitete Verfahren gängig. Ein Prokrustes-Optimum
kann unter der Verwendung des Verfahrens nach Arun berechnet oder
bestimmt werden, wird aber auf üblichere Art durch die
Verwendung von allgemeinen Optimierungstechniken gesucht. Andere
Verfahren führen eine Orientierungspunkt-Registrierung durch,
in dem eine Anzahl von wahrscheinlichen Transformationshypothesen
getestet werden, die z. B. durch das Ausrichten von drei zufällig
gewählten Punkten aus jedem betroffenen Satz von Punkten
formuliert werden können. Übliche Optimierungsverfahren
umfassen quasiabgeschlossene Suchen, Grafenanpassung und dynamische
Programmierungsverfahren.
-
Segmentierungsbasierte
Registrierung ist eine Erweiterung der orientierungspunktbasierten
Registrierung und basiert auf der Extraktion von Strukturen höherer
Ordnung, wie etwa Kurven, Oberflächen oder Volumen als
Orientierungspunkte. Bei der Herangehensweise basierend auf einem
unveränderlichen Modell, werden anatomisch identische Strukturen
aus beiden zu registrierenden Bildsätzen extrahiert und
als einzige Eingabe für ein Ausrichtungsverfahren verwendet.
Obwohl andere Registrierungsmodelle wie z. B. deformierbare Modelle
und Kantenanpassungstechniken existieren, sind Herangehensweisen
mit einem unveränderlichen Modell die tendenziell gängigen
Verfahren der Neuro-Bildgebung in der klinischen Verwendung.
-
Voxeleigenschaftsbasierte
Registrierungsverfahren arbeiten unmittelbar mit Grauwerten der
Bilddaten ohne vorherige Datenreduktion durch den Bediener oder
durch Segmentierung. Diese Verfahren sind allgemein unterteilt in
zwei unterschiedliche Herangehensweisen. Die erste Herangehensweise
reduziert sofort den Grauwertgehalt des Bildes auf einen repräsentativen
Satz von Skalaren und Ausrichtungen. Die zweite Herangehensweise
verwendet alle Bilddaten oder den vollen Bildinhalt durchgängig
beim Registrierungsverfahren.
-
Hauptachsenbasierte
und momentenbasierte Verfahren sind Beispiele von reduzierenden
Registrierungsverfahren. Diese Verfahren bestimmen einen Schwerpunkt
und eine Vielzahl von Hauptachsen aus Momenten der Bilddaten, wie
z. B. Momenten nullter und erster Ordnung. Die Registrierung wird
dann durchgeführt durch das Ausrichten des Schwerpunkts
und der Hauptachsen. In einigen Fällen werden auch Momente höherer
Ordnung berechnet und im Registrierungsverfahren verwendet. Momentenbasierte
Verfahren können auch segmentierte oder binarisierte Bilddaten
als Eingangsgrößen verwenden. Voxeleigenschaftsbasierte
Verfahren, die den vollen Bildinhalt verwenden, erfor dern im allgemeinen
nur eine minimale oder keine Datenreduktion, sondern verwenden die
gesamte verfügbare Information durchweg durch das Registrierungsverfahren.
Beispielhafte Modelle, die zur Registrierung mit vollem Bildgehalt
verwendet werden können, umfassen die Kreuzkorrelation,
die auf dem Fourierbereich basierte Kreuzkorellation und die ausschließliche
Phasenkorellation, das Minimieren der Varianz von Intensitätsverhältnissen,
das Minimieren der Varianz von Grauwerten innerhalb von Segmenten,
das Minimieren der Histogramm-Entropie von Differenzbildern, die
Gruppierung von Histogrammen und das Minimieren der Histogrammspreizung,
das Maximieren der Transinformation, das Maximieren von Nulldurchgängen
in Differenzbildern, die cepstrale Echofilterung, das Bestimmen
des Felds des optischen Flusses und dergleichen.
-
Unabhängig
davon, ob das Registrierungsverfahren basierend auf Orientierungspunkten,
Segmentierung oder Voxel-Eigenschaften verwendet wird, werden die
Parameter, die die Registrierung ausmachen, typischerweise mittels
eines Optimierungsverfahrens bestimmt. Beispielhafte Optimierungsverfahren
umfassen, sind aber nicht beschränkt auf das Powell-Verfahren,
das Downhill-Simplex-Verfahren, das Brent-Vefahren und eine Reihe
von eindimensionalen Suchen, die Levenberg-Marquardt-Optimierung,
die Newton-Raphson-Iteration, stochastische Suchverfahren, Gradientenverfahren,
genetische Verfahren, die simulierte Abkühlung, geometrisches
Hashing und quasiabschließende Suchverfahren. Häufige
Ergänzungen sind Herangehensweisen mit Mehrfachauflösung
und Mehrfachskalen, um das Konvergieren zu beschleunigen, um die
Anzahl von untersuchenden Transformationen zu reduzieren und lokale
Minima zu vermeiden. Für das unveränderliche Registrierungsmodell
kann der ICP-Algorithmus nützlich sein.
-
Nach
der Registrierung der Bilddaten hält der im Block 116 verwendete
typabhängige Detektionsalgorithmus auch die Extraktion
von NCT- und CTA-3aten der CT-Perfusions-Daten einschließlich
der Volumen-Axial-Shuttle-Bilddaten und der Volumen-Spiral-Shuttle-Bilddaten.
In einigen Ausführungsbeispielen können die registrierten
Shuttle-Daten dazu verwendet werden, eine Grundlinie kontrastfreien
Volumens und ein kontrastverstärktes Volumen unter der
Verwendung einer zeitlich gewichteten Kurve eines detektierten Gefäßes
zu extrahieren. 3D-NCT-Bilddaten, die dem während der ersten
(kontrastmittelfreien) Phase einer dynamischen Erfassung erfassten
Kopfvolumen entsprechen, werden vom CT-Perfusionsdatensatz extrahiert.
Anschließend werden auch CTA-Daten von den CT-Perfusions-Bilddaten
extrahiert durch das Lokalisieren der dynamischen Erfassungsphase,
die im Zusammenhang steht mit dem Höchstwert der arteriellen
Konzentration von Kontrastmittel. Gleichermaßen werden
auch die CT-Venographie(„CTV”)-Daten aus den dynamischen Erfassungsdaten
unter Verwendung der Höchstwert-Venösen-Phase
extrahiert.
-
In
einigen Ausführungsbeispielen umfasst das Verfahren im
Block 116 auch eine Vielzahl von Algorithmen zur Entfernung
von Knochen, wie z. B. die digitale Subtraktions-Angiographie („DSA”)
für 3D-NCT- und CTA-Bilddaten, Volumen-Axial-Shuttle-Daten
und Volumen-Spiral-Shuttle-Daten mit extrahierten NCT- und CTA-Daten
und Dual-Energie-Algorithmen zur Knochenentfernung für
Dual-Energie-CTA-Bilddaten.
-
Digitale
Subtraktions-Angiographie(„DSA”)-Algorithmen zum
Entfernen von Knochen beziehen zwei nebenregistrierte Datensätze
ein, NCT- und kontrastmittelverstärkte CT(„CTA”)-Bilddaten.
Das Konchenausblenden in CTA-Bilddaten basiert auf einer kontinuierlichen
Nachschlagetabelle („LUT”). In einigen Ausführungsbeispielen
enthält die LUT einen Satz von Faktoren B, die in Zusammenhang
stehen mit verschiedenen Hounsfild-Einheiten („HU”)
in den NCT-Daten. In einigen Fällen ist B eine lineare
Funktion von HU, ist gleich 0, wenn die NCT-Daten einen Wert kleiner
als 40 HU haben und hat einen Wert von etwa 1, wenn das NCT einen
Wert hat, der größer ist als 120 HU. Ein Knochen
wird durch Multiplikation der CTA-Daten mit (1-B) entfernt, wobei
B basierend auf den entsprechenden NCT-HU in der LUT gewählt
wird. Die Knochenausblendungstechnik erlaubt eine geringere Empfindlichkeit
der räumlichen Auflösung, der Registrierung und
der Schwellenwertparameter. Die Knochenausblendungstechnik produziert
im Allgemeinen weichere Bilder mit weniger Artefakten. Die resultierenden
knochenfreien 3D-Bilddaten enthalten im Allgemeinen kontrastmittelverstärkte
Gefäßsysteme und Gehirngewebe. Im Falle von dynamischen
Volumen-Axial-Shuttle-Daten oder Volumen-Spiral-Shuttle-Daten wird
der oben erwähnte DSA-Algorithmus zum Extrahieren der NCT-Daten
und des entsprechenden CTA-Volumens bei jedem anderen zeitlichen
Schritt angewandt.
-
CTA-Daten,
die mit zwei Höchstspannungsniveaus erfasst werden, werden
auf einen Basismaterial-Auflösungsalgorithmus angewandt,
um Materialdichtebilder wie etwa Wasser und Jod, sowie monochromatische
Darstellungen zu erhalten. Konventionelle hierarchische Knochenentfernungsalgorithmen
sind schwellenwertbasiert und beziehen sich auf von vornherein bekanntes
Wissen der Kopf- und Nackenanatomie. Als solche ist die Knochenentfernung
nicht immer robust, insbesondere wenn die CT-Zahl von Jod im Blut ähnlich dem
umgebenden Knochen ist, was zu Segmentierungsfehlern führt.
Durch das Kombinieren der Dual-Energie-Basismaterial-Auflösung
mit den Knochenentfernungsalgorithmen ist eine genauere Segmentierung
möglich. Dies erfolgt durch das Verwenden der Jod- und
Wasser-Basismaterialbilder und das Erzeugen einer Maske, die dazu verwendet
werden kann, die Jod enthaltenden Strukturen (d. h. Gefäße)
korrekt zu kennzeichnen.
-
Anschließend
detektieren die typabhängigen Algorithmen auch einen oder
mehrere pathologische Zustände, z. B. Aneurysmen, Schädigungen
und AVMs. Um die pathologischen Zustände zu detektieren,
werden Formen und Beschaffenheit aus den CTA-Daten mit entfernten
Knochen oder aus dem Volumen-Axial-Shuttle-Bild oder dem Volumen-Spiral-Shuttle-Bild
extrahiert. In einigen Ausführungsbeispielen werden Verfahren zum
Extrahieren von verschiedenen Formen und Beschaffenheiten verwendet,
wie sie in der
US-Veröffentlichung
Nr.: 2006/0079743 von Ferrant et. al. beschrieben sind,
die am 13. April 2006 veröffentlicht wurde, deren vollständiger
Inhalt durch Bezugnahme hierin aufgenommen wird.
-
Die
Extraktionsverfahren, wie sie in der
US-Veröffentlichung Nr.: 2006/0079743 beschrieben
sind, verwenden eine im Voraus bekannte anatomische Information,
um das Überlappen von verschiedenen Antworten zu reduzieren.
Insbesondere werden 3D-Antworten durch die Verwendung von Formulierungen
mit lokaler Krümmung bei impliziten Isoflächen
bestimmt. Ein Krümmungstensor bestimmt eine Vielzahl von
lokalen Krümmungen, wie etwa k
min und
k
max im Nullraum des Gradienten. Die betreffenden
Krümmungen können durch Verwendung der Gleichung
(1) wie folgt bestimmt werden.
wobei
k die Krümmung, v ein Vektor im Nullraum N des Gradienten
der Bilddaten I mit der Hesse-Matrix H ist. Die Lösungen
der Gleichung (1) sind die Eigenwerte der folgenden Gleichung (2).
-
Die
Antworten auf den Krümmungstensor (kmin und
kmax) sind in sphärische und zylindrische
Antworten getrennt, basierend auf den Grenzwerten von kmin und
kmax und dem Verhältnis von kmin zu kmax, das
von der Größe und dem Aspektverhältnis
der interessierenden sphärischen zur zylindrischen Rundung
erlangt wird. In einer beispielhaften Ausführungsform beträgt
das Verhältnis von kmin/kmax 2:1 und ein minimaler sphärischer Durchmesser
von einem Millimeter mit einem Maximum von 20 Millimetern wird verwendet.
Es sollte beachtet werden, dass andere Kombinationen in unterschiedlichen
Formantworteigenschaften resultieren, abhängig von den
verschiedenen anatomischen Objekten.
-
Die
gebildeten unterschiedlichen Antworten haben überlappende
Bereiche, die als falsche Antworten bezeichnet werden können.
Verschiedene Erfassungsparameter, Erfassungsalgorithmen und ihre
Rauscheigenschaften sind Hauptquellen für die falschen
Antworten. Ein Verfahren zum Entfernen der falschen Antworten ist
das Optimieren der Schwellenwerte, um sich unterscheidende Erfassungen
zu kompensieren. Das Optimieren von Schwellenwerten beinhaltet im
Allgemeinen das Erzeugen einer Abbildung dieser Schwellenwerte auf
alle möglichen Erfassungen. Jedoch ist eine solche Abbildung
im Allgemeinen ein unlösbares Problem. Andere Lösungen
verwenden anatomische In formationen in der Form einer Skala der
Antworten von großen Gefäßen, wie z.
B. zylindrischen Antworten unter bewussten Einstellung der Antwort
hin zu sphärischen gegenüber zylindrischen, um
durch die Verwendung des morphologischen Schließens des
Volumens der zylindrischen Antwort jegliche sphärischen
Antworten auszusondern, die in der Verbindung der „geschlossenen” zylindrischen
Antworten und der sphärischen Antwort sind.
-
Andere
Typen von Detektionsalgorithmen für pathologische Zustände
umfassen ein Detektionsverfahren für arteriovenöse-Malformationen
(„AVM”) zur Verwendung mit CTA- und CTV-Bilddaten
mit entfernten Knochen, die von DSA- und CTV-Daten erhalten werden,
die aus Volumen- oder Spiral-Shuttle-Daten extrahiert wurden. In
einigen Ausführungsbeispielen werden AVMs durch das Bestimmen
einer Überschneidung des CTA- und CTV-Gefäßsystems
auf allen Phasenniveaus detektiert, z. B. von der artieriellen Höchstwert-
zur venösen Höchstwert-Phase. Die bestimmten Überschneidungen
stellen allgemein verschlungene Bündel von Gefäßen
mit Blut-Rezirkulation dar, das nicht durch die zugeordneten Gehirngewebe
fließt. In anderen Ausführungsbeispielen werden
Beschaffenheitsdetektionsalgorithmen verwendet, um Schädigungen
zu bestimmen, die Blutungen oder Infarkten entsprechen. Ein Beschaffenheitsalgorithmus
verwendet kontextabhängige Informationen in den Dichtemustern,
die durch die Verwendung von Ordnungsstatistik extrahiert werden
können. Das Abbild der Ordnungsstatistik auf bekannte Werte
stellt die Detektonsfähigkeit zur Verfügung.
-
Bezugnehmend
auf 1 schreitet das Verfahren 100 fort, um
die verarbeiteten Daten mit den Bilddaten im Block 120 zu überlagern,
nachdem das Verfahren 100 die Bilddaten verarbeitet hat,
um die den pathologischen Zustand anzeigenden, interessierenden
Daten zu erhalten und zeigt den detektierten pathologischen Zustand
im Block 124 an, wie z. B. ein Aneurysma, eine arteriovenöse
Malformation und einen Gefäßkrampf.
-
Z.
B. werden bei NCT- und CTA-Bilddaten und bei Dual-Energie-CTA-Bilddaten
die den Aneurysmen, AVMs, anderen Gefäßverschlüssen,
Infarkten oder Blutungsschädigungen entsprechenden extrahierten
Formen mit dem interessierenden Gefäßsystem (oder
Gehirngewebe) zur Visualisierung überlagert. Gefäße
mit einem Aneurysma oder mit AVM werden segmentiert und in verschiedenen
Ansichten dargestellt, einschließlich VR, 3D-MIP sowie
axialen, koronalen, sagittalen und perspektivischen Ansichten. Als
weiteres Beispiel werden CT-Perfusions-Daten mit entfernten Knochen
für Volumen- oder Spiral-Shuttle-Bilddaten dynamisch angezeigt,
um die Anflutung, die Abflutung von Kontrastmittel in das Gehirn-Gefäßsystem
anzuzeigen, was die Visualisierung sowohl der arteriellen als auch
der venösen Phase ermöglicht. Die mit en, AVMs,
anderen Gefäßverschlüssen, Infarkten
oder Blutungsschädigungen übereinstimmenden extrahierten
Formen werden mit dem interessierenden Gefäßsystem
(oder Gehirngewebe) überlagert. Das Gefäß mit
einem Aneurysma oder einer AVM wird segmentiert und in verschiedenen
Ansichten dargestellt, einschließlich VR, 3D-MIP, und axialer,
koronaler, sagittaler und perspektivischer Ansicht.
-
2 ist
ein Flussdiagramm einer Methode oder Verfahrens 200 zum
Detektieren eines pathologischen Zustands eines Gefäßsystems
unter Verwendung von computertomografischen Dual-Energie-Angiografie(„CTA”)-Bilddaten,
basierend auf dem Verfahren nach 1. Im Block 204 greift
das Detektionsverfahren 200 auf CTA-Daten zu, die ein interessierendes
Gefäßsystem enthalten, nachdem ein CTA-Datentyp
bestimmt wurde. Knochenstrukturen werden von den CTA-Daten im Block 208 entfernt
und sphärische Formen des Gefäßsystems
werden im Block 212 extrahiert, wie zuvor beschrieben.
Anschließend zeigt das Verfahren 200 im Block 216 eine
den Bilddaten überlagerte Struktur an. 3 ist
eine Veranschaulichung eines Gefäßsystems vor
der Detektion 400 und 4 ist eine
Veranschaulichung 400 eines pathologischen Zustands 404,
der dem Gefäßsystem nach 3 überlagert
ist.
-
Somit
stellen bestimmte Ausführungsformen einen technischen Effekt
der Detektion eines pathologischen Zustands eines Gefäßsystems
unter Verwendung eines Computers zur Verfügung. Bestimmte
Ausführungsformen stellen den technischen Effekt zur Verfügung,
ein automatisiertes und integriertes System zur Detektion eines
pathologischen Zustands aus gegebenen Gefäßsystem-Bilddaten
eines Gefäßsystems zu detektieren. Das System
wählt automatisch einen geeigneten und spezifischen Typ
eines Diagnoseverfahrens aus und zeigt ein oder mehrere Ergebnisbilder
an, die die Diagnose angeben.
-
5 ist
eine Tabelle, die exemplarische Verarbeitungsalgorithmen und entsprechende
Verarbeitungsparameter zur Verwendung in Ausführungsformen
der vorliegenden Technologie aufführt, wie z. B. im Verfahren
nach 1.
-
Bestimmte
Ausführungsformen betreffen Verfahren, Systeme und Computerprogrammprodukte
auf irgendeinem maschinenlesbaren Medium, um die oben beschriebene
Funktionalität zu implementieren. Bestimmte Ausführungsbeispiele
können z. B. durch die Verwendung eines verfügbaren
Computerprozessors oder durch einen für diesen oder einen
anderen Zweck eingerichteten Computerprozessors für spezifische
Anwendungen oder durch ein fest verdrahtetes System und/oder ein
Firmware-System implementiert werden.
-
Bestimmte
Ausführungsformen enthalten computerlesbare Medien die
computerausführbare Befehle oder darauf gespeicher te Datenstrukturen
aufweisen oder enthalten. Solche computerlesbaren Medien können
jegliche verfügbare Medien sein, auf die ein Computer für
allgemeine Zwecke oder ein Computer für spezielle Zwecke
oder eine Maschine mit einem Prozessor zugreifen kann. Als Beispiel
können solche computerlesbaren Medien einen RAM, ROM, PROM,
EPROM, EEPROM, Flash, CD-ROM oder andere optische Plattenspeicher,
magnetische Plattenspeicher oder andere magnetische Speichergeräte
oder jedes andere Medium enthalten, das dazu verwendet werden kann,
einen gewünschten Programmcode in der Form von computerausführbaren
Befehlen oder Datenstrukturen aufzuweisen oder zu speichern und
auf das durch einen Computer für allgemeine Zwecke oder
einen Computer für besondere Zwecke oder eine andere Maschine
mit einem Prozessor zugegriffen werden kann. Kombinationen der zuvor
genannten fallen auch in den Bereich von computerlesbaren Medien.
Computerausführbare Befehle umfassen z. B. Befehle und
Daten, die einen Computer für allgemeine Zwecke, einen
Computer für spezielle Zwecke oder Verarbeitungsmaschinen
für spezielle Zwecke dazu veranlassen, eine bestimmte Funktion
oder Gruppe von Funktionen auszuführen.
-
Im
Allgemeinen enthalten computerausführbare Befehle Routinen,
Programme, Objekte, Komponenten, Datenstrukturen usw. die bestimmte
Aufgaben erfüllen oder besondere abstrakte Datentypen implementieren.
Computerausführbare Befehle, zugeordnete Datenstrukturen
und Programmmodule stellen Beispiele für Programmcodes
zur Ausführung von Schritten von bestimmten Verfahren und
Systemen dar, wie sie hierin enthalten sind. Die bestimmte Reihenfolge
von solchen ausführbaren Befehlen oder zugehörigen
Datenstrukturen stellen Beispiele von entsprechenden Aktionen dar,
um die in solchen Schritten beschriebenen Funktionen zu implementieren.
-
Ausführungsbeispiele
der vorliegenden Erfindung können in einer vernetzten Umgebung
Verwendung finden, die logische Verbindungen zu einem oder mehreren
entfernten Computern mit Prozessoren verwendet. Logische Verbindungen
können ein lokales Netzwerk (LAN) und ein Weitverkehrsnetzwerk
(WAN) enthalten, die hier beispielhaft und nicht beschränkend
genannt werden. Solche Netzwerkumgebungen sind alltäglich
in büroweiten oder firmenweiten Computernetzwerken, Intranets
und dem Internet und können eine große Spanne
von verschiedenen Kommunikationsprotokollen verwenden. Für
Fachleute versteht es sich, dass solche Computernetzwerkumgebungen
typischerweise viele Arten von Computersystemkonfigurationen umspannen, einschließlich
Personalcomputer, Handgeräte, Multiprozessorsysteme, mikroprozessorbasierte
oder programmierbare Endverbraucherelektronik, Netzwerk-PCs, Minicomputer,
Großrechner und dergleichen. Ausführungsbeispiele
der Erfindung können auch in verteilten Computerumgebungen
angewendet werden, in denen Aufgaben durch lokale und entfernte
Verarbeitungsgeräte ausgeführt werden, die durch
ein Kommunikationsnetzwerk (entweder durch fest verdrahtete Verbindungen,
drahtlose Verbindungen oder durch eine Kombination von fest verdrahteten
und drahtlosen Verbindungen) verbunden sind. In einer verteilten
Computerumgebung, können Programmmodule sowohl in lokalen,
als auch in entfernten Speichergeräten abgelegt sein.
-
Ein
beispielhaftes System zur Implementierung des Gesamtsystems oder
von Teilen der Erfindung kann ein Computergerät für
allgemeine Anwendungen in der Form eines Computers enthalten, der
eine Prozessoreinheit, einen Systemspeicher und einen Systembus
aufweist, der die verschiedenen Systemkomponenten einschließlich
des Systemspeichers mit der Prozessoreinheit koppelt. Der Systemspeicher
kann einen Lesespeicher (ROM) und einen Schreib-Lesespeicher (RAM)
enthalten. Der Computer kann auch ein magnetisches Festplattenlaufwerk
aufwei sen, um von einem magnetischen Plattenspeicher zu lesen oder
auf einen magnetischen Plattenspeicher zu schreiben, ein magnetisches
Plattenlaufwerk um von einer entnehmbaren magnetischen Disc zu lesen
oder auf eine entnehmbare magnetische Disc zu schreiben und ein
optisches Plattenlaufwerk um von einer entnehmbaren optischen Disc
zu lesen oder auf eine entnehmbare optische Disk zu schreiben, wie
etwa eine CD-ROM oder ein anderes optisches Medium. Die Laufwerke
und ihre zugeordneten computerlesbaren Medien stellen einen nicht
flüchtigen Speicher von computerausführbaren Befehlen,
Datenstrukturen, Programmmodulen und anderen Daten für
den Computer bereit.
-
Während
die Erfindung unter Bezugnahme auf bestimmte Ausführungsbeispiele
beschrieben wurde, versteht es sich für Fachleute, dass
verschiedene Änderungen gemacht werden können
und Äquivalente ersetzt werden können ohne vom
Bereich der Erfindung abzuweichen. Desweiteren können viele
Modifikationen gemacht werden, um eine bestimmte Situation oder
ein bestimmtes Material an die Lehre der Erfindung anzupassen, ohne
von ihrem Geltungsbereich abzuweichen. Daher ist es beabsichtigt,
dass die Erfindung nicht auf das beschriebene spezifische Ausführungsbeispiel
beschränkt ist, sondern dass die Erfindung alle Ausführungsformen
umfasst, die in den Schutzbereich der beigefügten Patentansprüche
fallen. SYSTEM UND VERFAHREN ZUR AUTOMATISIERTEN
DIAGNOSE Bezugszeichenliste:
| 100 | Ein
Verfahren zur Detektierung eines pathologischen Zustands eines Gefäßsystems |
| 104 | Zugreifen
auf Bilddaten, die das interessierende Gefäßsystem
enthalten |
| 108 | Bestimmen
des Datentyps der Bilddaten, auf die zugegriffen wurde |
| 112 | Auswahl
eines typabhängigen Detektionsalgorithmus oder Verfahrens
basierend auf den Daten |
| 116 | Verarbeiten
der Bilddaten mit dem ausgewählten typabhängigen
Detektionsalgorithmus |
| 120 | Überlagern
der verarbeiteten Daten mit den Bilddaten |
| 124 | Anzeigen
des detektierten pathologischen Zustands |
| 200 | Eine
Methode oder ein Verfahren zur Detektion eines pathologischen Zustands
eines Gefäßsystems |
| 204 | Zugreifen
auf CTA-Daten, die ein interessierendes Gefäßsystem
enthalten |
| 208 | Entfernen
von Knochenstrukturen aus den CTA-Daten |
| 212 | Extrahieren
sphärischer Formen des Gefäßsystems |
| 216 | Überlagern
einer Struktur mit den Bilddaten |
| 300 | Eine
Darstellung eines Gefäßsystems |
| 400 | Eine
Darstellung eines Gefäßsystems nach der Verarbeitung |
| 404 | Ein
pathologischer Zustand, der dem Gefäßsystem überlagert
wurde |
| 500 | Beispielhafte
Verarbeitungsalgorithmen und entsprechende Verarbeitungsparameter |
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - US 2006/0079743 [0035, 0036]
