DE102011076233B4 - Verfahren und Computersystem zur Erkennung einer statistisch relevanten Normvariante der Gefaßstruktur eines Patienten mit Hilfe tomographischer Bilddatensatze - Google Patents

Verfahren und Computersystem zur Erkennung einer statistisch relevanten Normvariante der Gefaßstruktur eines Patienten mit Hilfe tomographischer Bilddatensatze Download PDF

Info

Publication number
DE102011076233B4
DE102011076233B4 DE102011076233A DE102011076233A DE102011076233B4 DE 102011076233 B4 DE102011076233 B4 DE 102011076233B4 DE 102011076233 A DE102011076233 A DE 102011076233A DE 102011076233 A DE102011076233 A DE 102011076233A DE 102011076233 B4 DE102011076233 B4 DE 102011076233B4
Authority
DE
Germany
Prior art keywords
vessel
patient
vascular
determination
landmarks
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
DE102011076233A
Other languages
English (en)
Other versions
DE102011076233A1 (de
Inventor
Dominik BERNHARDT
Thomas Beck
Christian Godenschwager
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 AG
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 AG filed Critical Siemens AG
Publication of DE102011076233A1 publication Critical patent/DE102011076233A1/de
Application granted granted Critical
Publication of DE102011076233B4 publication Critical patent/DE102011076233B4/de
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/4007—Arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units
    • A61B6/4014—Arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units arranged in multiple source-detector units
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
    • A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline 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)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

Verfahren zur Erkennung einer statistisch relevanten Normvariante der Gefäßstruktur eines Patienten mit Hilfe tomographischer Bilddatensätze, dadurch gekennzeichnet, dass die folgenden Verfahrensschritte ausgeführt werden: 1.1. automatische Erzeugung eines statistischen Gefäßmodells eines Patientenkollektivs durch: 1.1.1. Sammlung tomographischer Bilddatensätze von Gefäßstrukturen des Patientenkollektivs, 1.1.2. Bestimmung patientenbezogener Gefäßkoordinatenmodelle aus einer Vielzahl von Gefäßlandmarkenkoordinaten von Gefäßlandmarken (GL1–GL17), Mittellinienkoordinaten auf Gefäßmittellinien (M) und Gefäßkonturkoordinaten auf Gefäßkonturrandverläufen, 1.1.3. Ermittlung von Körperlandmarken (KL1–KL6) in den tomographischen Bilddatensätzen und Bestimmung von Körperlandmarkenkoordinaten der Körperlandmarken (KL1–KL6), 1.1.4. Erstellen von patientenbezogenen registrierten Gefäßkoordinatenmodellen durch Registrierung der gefäßbezogenen Koordinaten der patientenbezogenen Gefäßkoordinatenmodelle unter Verwendung der Körperlandmarken (KL1–KL6), 1.1.5. Bestimmung patientenbezogener Gefäßparametermodelle aus Gefäßlandmarkenkoordinaten, Nachbarschaftsbeziehungen der Gefäßlandmarken (GL1–GL17) einschließlich Verzweigungen, charakteristischer geometrischer Parameter zur Beschreibung der Gefäßmittellinien (M) und der Form der Gefäßkontur in Abhängigkeit eines Relativabstandes zu einer Gefäßlandmarke, 1.1.6. Fusion der patientenbezogenen Gefäßparametermodelle zu mindestens einem statistischen Gefäßparametermodell und Bestimmung dessen statistischer Parameter,...

Description

  • Die Erfindung betrifft ein Verfahren zur Erkennung einer statistisch relevanten Normvariante der Gefäßstruktur eines Patienten mit Hilfe tomographischer Bilddatensätze und ein Computersystem mit Programmen zur Durchführung dieses Verfahrens.
  • Im Rahmen bildgebender Verfahren in der Medizin ist es allgemein bekannt, tomographische Bildinformationen eines Patienten zu extrahieren, um daraus Kenntnisse über physiologische Gegebenheiten des untersuchten Patienten zu erhalten und diese einem Arzt zu diagnostischen Zwecken zur Verfügung zu stellen. 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. Grundsätzlich kann diese Diagnostik direkt an den tomographischen Darstellungen ausgeführt werden. Zur Vereinfachung kann dem Arzt zum Beispiel auch eine so genannte CPR (Curved Planar Reformation = gekrümmte planare Reformatierung) als Überblick über ein Gefäß des Gefäßsystems zur Verfügung gestellt werden, 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 wesentlich weniger Zeit in Anspruch, als die direkte Beurteilung der tomographischen Bilddatensätze.
  • Im Laufe der letzten Jahre stieg die zu untersuchende Datenmenge für die Stellung einer Diagnose durch die verbesserte zeitliche und räumliche Auflösung medizinischer Bildaufnahmesysteme stetig an. Hierfür soll die benötigte Zeit zur Erstellung der Diagnose reduziert, aber auch die Qualität der Diagnose verbessert werden.
  • Bekannt ist aus der Druckschrift DE 10 2008 007 827 A1 allgemein eine Erzeugung eines statistischen anatomischen Modells, allerdings wird dem Fachmann kein Hinweis darauf gegeben, wie ein solches anatomisches Modell zur Beschreibung eines statistischen Gefäßmodells konkret aufgebaut sein muss, insbesondere wird nicht angegeben, welche konkreten Parameter zur Erstellung eines Gefäßmodells verwendet werden sollten.
  • Aus der Druckschrift Sascha Seifert, Adrian Barbu, S. Kevin Zhou, David Liu, Johannes Feulner, Martin Huber, Michael Suehling, Alexander Cavallaro and Dorin Comaniciu: ”Hierarchical parsing and semantic navigation of full body CT data”, Proc. SPIE 7259,725902 (2009, 08. FebL); doi: 10.1117/12.812214, ist es bekannt, ein hierarchisches Modell bezüglich der räumlichen Verteilung von Organen zu erstellen, allerdings ist dieser Schrift kein konkreter Hinweis auf die Erstellung eines Gefäßmodells zu entnehmen.
  • Weiterhin wird in der Druckschrift DE 10 2007 003 260 A1 ein Verfahren zum Zuordnen eines anatomischen Namens zu einem Lymphknoten in einem medizinischen Bild offenbart, wobei in diesem Verfahren auch Landmarken in einem medizinischen Bild identifiziert werden, Merkmale relativ zu den Landmarken berechnet werden, und ein Zuordnen eines anatomischen Namens zu dem Ort des Lymphknotens unter Verwendung eines Klassifizierers, der die berechneten Merkmale mit Klassifizierungsregeln vergleicht, stattfindet. Es ist jedoch kein Hinweis darauf zu entnehmen, mit welchen Parametern ein statistisches Gefäßmodell optimal erstellt werden könnte, mit dem Normvarianten bei einem zu untersuchenden Patienten gefunden werden könnten.
  • Es ist daher Aufgabe der Erfindung, dem Arzt eine Möglichkeit zu geben auf vereinfachte Weise parametrisierte Darstellungstechniken für Gefäßstrukturen zu finden, die es erlauben, schnell – also automatisiert – aus einer großen Anzahl tomographischer Datensätze zu statistisch aussagekräftigen Normstrukturen zu kommen, diese darzustellen und auch eine so gewonnene Normstruktur mit patientenbezogenen Einzeldarstellungen einfach vergleichen zu können, um einem Arzt eine Basis zur diagnostischen Beurteilung zu verschaffen.
  • Diese Aufgabe wird durch die Merkmale der unabhängigen Patentansprüche gelöst. Vorteilhafte Weiterbildungen der Erfindung sind Gegenstand untergeordneter Ansprüche.
  • Die Erfinder haben folgendes erkannt:
    Die für den Radiologen arbeitsintensiven und fehleranfälligen Arbeitsschritte können durch vorberechnete Standardansichten und Segmentierungsergebnisse erleichtert werden, so dass sich der Radiologe auf anspruchsvolle medizinische Aspekte der Diagnosestellung konzentrieren kann, indem ein Verfahren zur auf statistischem Datenmaterial basierten Erzeugung und Repräsentation von Wissen aus anatomischen Baumstrukturen, insbesondere arterieller Blutgefäßbäume, verwendet wird. Dabei wird zwischen topologischen Eigenschaften und geometrischen Eigenschaften unterschieden. Die Topologie beschreibt die Struktur, also beispielsweise welche Gefäßabschnitte durch welche Pfade miteinander verbunden sind. Die Geometrie beschreibt hingegen lediglich die Form der Strukturen, wie beispielsweise die Richtung, Krümmung, Durchmesser und Länge des Gefäßabschnitts.
  • Das hier verwendete anatomische Hintergrundwissen, das mit dem vorgeschlagenen statistischen geometrischen Modell erzeugt und repräsentiert werden kann, bildet dabei eine zentrale Grundlage für die vollautomatische Extraktion und Untersuchung des arteriellen Blutgefäßbaums. Der Einsatzbereich beinhaltet neben der gefäßspezifischen Parametrisierung der Segmentierungsalgorithmen und der Detektion von Gefäßlandmarken auch den Einsatz als anatomische Referenz für die Erkennung pathologischer Veränderungen.
  • Es wird eine Erstellung eines statistischen geometrischen Modells auf der Basis einer Kombination von Aufenthaltswahrscheinlichkeiten von Normalverteilungen von Gefäßlandmarken und parametrisierten Eigenschaften der Gefäßverbindungen zwischen den Landmarken einschließlich parametrisierter Gefäßeigenschaften an vorbestimmten Relativpositionen vorgeschlagen, wobei das statistische Modell aus einer größeren Anzahl, dem statistischen Modell entsprechender und zuvor aus tomographischen Bilddatensätzen extrahierter patientenspezifischer Modelle fusioniert wird. Solche geometrischen Modelle basieren auf einer allgemeinen Beschreibung der Gefäßtopologie, die aus Landmarken und unverzweigten Gefäßabschnitten besteht. Die geometrischen Modelle werden nichtrigide aufeinander registriert und damit anatomische Variationen, wie z. B. Körpergröße, Gewicht, Alter, kleinere Unterschiede des Gefäßbaums, und externe Parameter, wie z. B. Patientenorientierung und Lage auf dem Tisch, ausgeglichen. Die patientenbezogenen registrierten geometrischen Modelle werden fusioniert und Ausreißer entfernt. Zur Erkennung von Ausreißern bei eindimensionalen Parametern, wie Gefäßlänge, Durchmesser, Umfang, usw., wird eine Kriterium unter Verwendung der MAD (= Median absolute deviation = Median der Differenz zum Median der Stichprobenmenge) verwendet. Für dreidimensionale Zufallsvariablen, z. B. 3D-Koordinaten der Landmarkenposition, wird ein Kriterium basierend auf der Mahalanobis-Distanz eingesetzt.
  • Die geometrischen Modelle können also zum Beispiel aus den Wahrscheinlichkeitsverteilungen der Koordinaten der Landmarken, Parametern zu den Gefäßmittellinienabschnitten zwischen zwei Landmarken und zu diesen gehörenden Parametern zu Gefäßquerschnitten in Abhängigkeit von auf die Gesamtlänge des jeweiligen Gefäßmittellinienabschnitts relativierten Entfernungen bestehen.
  • Entsprechend diesen oben beschriebenen Grundgedanken schlagen die Erfinder ein Verfahren zur Erkennung einer statistisch relevanten Normvariante der Gefäßstruktur eines Patienten mit Hilfe tomographischer Bilddatensätze gemäß dem Patentanspruch 1 vor.
  • Vorteilhaft kann die Sammlung der Vielzahl tomographischer Bilddatensätze des Patientenkollektivs derart erfolgen, dass in der Summe ein zu betrachtender anatomischer Bereich mehrfach abgedeckt und die Gefäßstrukturen der Patienten des Patientenkollektivs darstellt werden.
  • Weiterhin kann es günstig sein, wenn zur Bestimmung des Gefäßkoordinatenmodells für jeden Patienten aus den tomographischen Bilddatensätzen die folgenden Verfahrensschritte ausgeführt werden:
    • – Ermittlung von Gefäßlandmarken und deren Gefäßlandmarkenkoordinaten,
    • – Bestimmung der Nachbarschaftsbeziehungen der Gefäßlandmarken einschließlich dadurch bestimmter Verzweigungen,
    • – Ermittlung unverzweigter Gefäßmittellinien zwischen jeweils zwei Gefäßlandmarken und Bestimmung einer Vielzahl von Mittellinienkoordinaten auf den Gefäßmittellinien,
    • – Ermittlung von Gefäßkonturrandverläufen in Schnitten senkrecht zur Gefäßmittellinie und Bestimmung einer Vielzahl von Gefäßkonturkoordinaten auf den Gefäßkonturrandverläufen in Abhängigkeit eines Relativabstandes zu einer Gefäßlandmarke auf der jeweiligen Gefäßmittellinie.
  • Weiterhin kann die Registrierung ausschließlich der Koordinaten der patientenbezogenen Gefäßkoordinatenmodelle unter ausschließlicher Verwendung der Körperlandmarken als räumliche Bezugspunkte der Registrierung zu einer Vielzahl von patientenbezogenen registrierten Gefäßkoordinatenmodellen erfolgen.
  • Außerdem ist es vorteilhaft, wenn die Bestimmung patientenbezogener Gefäßparametermodelle jeweils erfolgt durch:
    • – Verwendung der registrierten Gefäßlandmarkenkoordinaten,
    • – Verwendung der Nachbarschaftsbeziehungen der Gefäßlandmarken einschließlich Verzweigungen,
    • – Bestimmung charakteristischer geometrischer Parameter zur unterbestimmten oder vollständigen Beschreibung des Verlaufs der Gefäßmittellinien, und
    • – Bestimmung charakteristischer geometrischer Parameter zur unterbestimmten oder vollständigen Beschreibung der Form der Gefäßkontur in Abhängigkeit eines Relativabstandes zu einer Gefäßlandmarke auf der jeweiligen Gefäßmittellinie.
  • Vorgeschlagen wird auch, dass zwischen der Erstellung und der Verwendung des statistischen Gefäßparametermodells eine Speicherung und/oder Ausgabe des statistischen Gefäßparametermodells erfolgt.
  • Günstig ist es dabei, wenn nach Erzeugung eines ersten statistischen Gefäßparametermodells Ausreißer, also Werte der patientenbezogenen Modelle, die außerhalb eines vorgegebenen statistischen Vertrauensbereichs liegen, in den zugrunde liegenden patientenbezogenen Gefäßparametermodellen ermittelt, aus den patientenbezogenen Gefäßparametermodellen eliminiert, und mit den so korrigierten patientenbezogenen Gefäßparametermodellen ein endgültiges statistisches Gefäßparametermodell berechnet wird.
  • Bevorzugt können zur Registrierung die patientenbezogenen Gefäßkoordinatenmodelle jeweils auf ein zur Verfügung gestelltes Referenzmodell registriert werden. Alternativ kann jedoch auch zum Beispiel aus der Summe der genutzten patientenbezogenen Daten zunächst ein Referenzmodell durch Mittelwertbildung erzeugt werden, das dann verwendet wird. Ebenso kann auch willkürlich ein, die gesamte Gefäßstruktur darstellendes, patientenbezogenes Modell verwendet werden.
  • Weiterhin kann zur Registrierung ein auf radialen Basisfunktionen basierender Algorithmus zur nichtlinearen Approximation, insbesondere zur Interpolation, insbesondere eines „3D thin-plate spline interpolation”-Algorithmus, ausgeführt werden.
  • Zur Fusion der Gefäßlandmarkenkoordinaten wird vorgeschlagen, eine dreidimensionale gaußsche Normalverteilung anzunehmen.
  • Zur Erkennung von Ausreißern in Bezug auf die räumlichen Koordinaten der Gefäßlandmarkenkoordinaten für jede Gefäßlandmarken wird vorgeschlagen, ein Wahrscheinlichkeitsellipsoid zu bestimmen und die Koordinaten außerhalb dieses Ellipsoids als Ausreißer zu betrachten.
  • Vorteilhaft können als charakteristische Parameter der Gefäßmittellinien mindestens ein Parameter aus der nachfolgenden Liste verwendet werden:
    • – Gesamtlänge der Gefäßmittellinie,
    • – Wert der Krümmung in Beziehung zum Relativabstand von einer Gefäßlandmarke,
    • – Absolutbetrag der Krümmung in Beziehung zum Relativabstand von einer Gefäßlandmarke,
    • – Orientierung einer Tangente an der Krümmung in Beziehung zum Relativabstand von einer Gefäßlandmarke.
  • Zur Fusion der charakteristischen Parameter der Gefäßmittellinien je Parameter und je Relativabstand kann entsprechend eine eindimensionale gaußsche Normalverteilung angenommen werden.
  • Zur Erkennung von Ausreißern in Bezug auf die charakteristischen Parameter der Gefäßmittellinien kann eine Bestimmung des MAD (= Median der Differenz zum Median = median absolute deviation) erfolgen.
  • Weiterhin können als charakteristische Parameter der Gefäßkontur mindestens ein Parameter aus der nachfolgenden Liste verwendet wird:
    • – kleinster und größter Abstand geometrisch oder zahlenmäßig oder abstandsmäßig auf der Konturlinie gegenüberliegender registrierter Gefäßkonturkoordinaten,
    • – Länge der registrierten Gefäßkontur,
    • – eingeschlossene Fläche der registrierten Gefäßkontur,
    • – Durchmesser oder Radius des größten einfügbaren Innenkreises in der registrierten Gefäßkontur,
    • – Durchmesser oder Radius des kleinsten umfassenden Außenkreis um die registrierte Gefäßkontur.
  • Zur Fusion der charakteristischen Parameter der Gefäßkontur kann je Parameter und je Relativabstand eine eindimensionale Normalverteilung angenommen werden.
  • Ausreißer in Bezug auf die charakteristischen Parameter der Gefäßkontur können nach einer Bestimmung des MAD erkannt werden.
  • Weiterhin kann die Ausgabe der statistisch relevanten Abweichungen durch Darstellung des patientenbezogenen Gefäßkoordinatenmodells und Markierung der Koordinatenbereiche der signifikant abweichenden Parameter erfolgen.
  • Alternativ kann auch die Ausgabe der statistisch relevanten Abweichungen durch Darstellung eines tomographischen Bilddatensatzes des Patienten und Markierung der Koordinatenbereiche der signifikant abweichenden Parameter geschehen.
  • Schließlich schlagen die Erfinder auch noch ein Computersystem, insbesondere eines Tomographiesystems, zur Bildauswertung mit einem Speicher für Computerprogramme, vor, wobei im Speicher des Computersystems auch Computerprogramme vorliegen, welche im Betrieb die Merkmale der oben beschriebenen erfindungsgemäßen Verfahren ausführen.
  • Im Folgenden wird die Erfindung anhand der Figuren näher beschrieben, wobei nur die zum Verständnis der Erfindung notwendigen Merkmale dargestellt sind. Es werden folgende Bezugszeichen verwendet: A: Gefäßstruktur; A1–A4: Verfahrensschritte zur Anwendung des statistischen Gefäßmodells; C1: CT-System; C2: erste Röntgenröhre; C3: erster Detektor; C4: zweite Röntgenröhre; C5: zweiter Detektor; C6: Gantrygehäuse; C8: Untersuchungsliege; C9: Systemachse; C10: Steuer- und Recheneinheit; C11: Kontrastmittelapplikator; F1–F3: Schnittflächen; GL1–GL17: Gefäßlandmarken; KL1–KL6: Körperlandmarken; M: Mittellinie; M1: Magnetresonanztomographiesystem; M2: Magnetspule; M3: Empfangsspule; M4: Magnetspule; M6: Gehäuse; M10: Steuer- und Recheneinheit; P: Patient; Prg1–Prgn: Computerprogramme; Q1–Q3: Querschnitte; S1–S7: Verfahrensschritte zur Erstellung des statistischen Gefäßmodells; Sp: Gefäßmodell.
  • Es zeigen im Einzelnen:
  • 1: Schematische Darstellung einer Gefäßstruktur mit erfindungsgemäßer Parametrierung;
  • 2: Beispielhaftes Ablaufschema des erfindungsgemäßen Verfahrens zur automatischen Erzeugung eines statistischen Gefäßmodells eines Patientenkollektivs;
  • 3: Beispielhaftes Ablaufschema der Anwendung des erfindungsgemäßen Verfahrens zur automatischen Erzeugung eines statistischen Gefäßmodells eines Patientenkollektivs;
  • 4: CT-System zur Durchführung des Verfahrens;
  • 5: MRT-System zur Durchführung des Verfahrens.
  • Die 1 zeigt eine schematische Darstellung einer arteriellen Gefäßstruktur A, die zum Beispiel aus einer tomographischen 3D-Aufnahme einer CT-Untersuchung unter Anwesenheit von Kontrastmittel im Blutkreislauf extrahiert wurde. Zur Verdeutlichung des im Rahmen der Erfindung verwendeten Modells sind dessen wesentliche Untersuchungskriterien schematisch eingetragen. So zeigt die Darstellung zunächst die zur räumlichen Orientierung in der 3D-Darstellung ermittelten Körperlandmarken (= Landmarken im Körper des untersuchten Patienten) KL1–KL6, die beispielsweise durch eine automatische oder manuelle Erkennung typischer Knochenstrukturen des untersuchten Patienten bestimmt werden. Diese Körperlandmarken KL1–KL6 bilden das räumliche Gerüst, auf dem eine Registrierung mehrerer patientenspezifischer Gefäßstrukturen zur Vereinheitlichung der zu gewinnenden Parameter stattfindet.
  • Weiterhin sind in der dargestellten Gefäßstruktur A markante Gefäßlandmarken (Landmarken typischer Positionen in der Gefäßstruktur) GL1–GL17 in Form schwarzer Kreise eingetragen. Aufgrund der erfindungsgemäß in einem Patientenkollektiv vorgenommenen Untersuchungen, lässt sich die Aufenthaltswahrscheinlichkeit dieser Gefäßlandmarken GL1–GL17 aus der Vielzahl der Untersuchungen bestimmen. Diese Aufenthaltswahrscheinlichkeiten sind in Form von Punktwolken um die jeweiligen Gefäßlandmarken dargestellt.
  • In der Mitte des Verlaufs der Gefäßstruktur A ist außerdem eine strichpunktierte Linie gezogen, welche die Mittellinie M in der gezeigten Gefäßstruktur A darstellen soll. Damit lässt sich nun die Gefäßstruktur durch Nachbarbeziehungen der Gefäßlandmarken GL1–GL17, Abzweigungen – definiert jeweils durch ein Tripel von Gefäßlandmarken – und unverzweigte Entfernungen zwischen Paaren von Gefäßlandmarken entlang der Mittellinie M beschreiben.
  • Zusätzlich wird erfindungsgemäß auch der Verlauf von Gefäßabschnitten zwischen zwei Gefäßlandmarken in Form eines Parameterverlaufs beschrieben, indem – wie hier beispielhaft dargestellt – Parameter bezüglich des Gefäßquerschnittes senkrecht zur Mittellinie an mehreren Relativpositionen eines Gefäßabschnittes statistisch über das Patientenkollektiv bestimmt werden. Diese Parameter sollten medizinisch relevante Merkmale des Gefäßquerschnittes beschreiben und gleichzeitig jedoch auch einfach durch automatische Verfahren ermittelbar sein. In der vorliegenden Darstellung werden drei beispielhafte Querschnitte Q1 bis Q3 an den senkrecht zur Mittellinie M abgeordneten Schnittflächen F1 bis F3 gezeigt.
  • Bezüglich des separat dargestellten Querschnittes Q2 wird – gekennzeichnet durch den darüber liegenden Pfeil – dargestellt, wie zum Beispiel auf einfach zu automatisierende Weise typische Parameter zu bestimmen sind. Demnach wird die äußere Konturlinie der Querschnittsfläche in eine Anzahl, auf der Konturlinie äquidistante Punkte aufgeteilt. Im Beispiel sind dies zehn Punkte. Anschließend werden die Entfernungen zwischen zahlenmäßig gegenüberliegenden Punkten, also dem ersten und sechsten, dem zweiten und siebten, usw. bestimmt und die maximale und die minimale Entfernung im jeweiligen Querschnitt als Parameter verwendet.
  • Solche Parameter können nun entlang der einzelnen Abschnitte der Mittellinie an einer Vielzahl von gleichen Relativpositionen, also zum Beispiel alle 10% der Gesamtentfernung, des jeweiligen Abschnittes ausgeführt werden. Damit erhält man zu jedem unverzweigten Abschnitt zwischen zwei Gefäßlandmarken typische Parameter, die statistisch einfach auswertbar sind und damit auch problemlos zu einem statistischen Gefäßmodell, also einer auf statistisch ausgewerteten Messdaten basierenden verallgemeinerten Beschreibung der Messdaten, welche die Geometrie der Gefäßstrukturen eines Patientenkollektivs beschreiben, zusammengefasst werden können.
  • Ein beispielhafter Verfahrensablauf zur Erstellung eines solchen statistischen Gefäßmodells ist in der 2 mit Hilfe der Verfahrensschritte S1 bis S7 näher dargestellt.
  • Zunächst findet mit dem Verfahrensschritt S1 eine Sammlung einer Vielzahl tomographischer Bilddatensätze auf der Basis eines, gegebenenfalls möglichst vergleichbaren, Patientenkollektivs statt. Vorteilhaft kann es dabei sein, zum Beispiel innerhalb eines Kollektivs ausschließlich männliche beziehungsweise weibliche Patienten vergleichbaren Alters auszuwählen. In der Summe müssen dabei die vorliegenden Untersuchungsdaten einen zu betrachtenden anatomischen Bereich statistisch aussagekräftig abdecken. Grundsätzlich ist es dabei wünschenswert jeweils tomographische Datensätze zu verwenden, die den zu betrachtenden Bereich vollständig abdecken. Allerdings ist es auch möglich, in einer Art Patchwork aus einer ausreichend großen Anzahl von sich überlappenden Teilbereichen, die insgesamt den gesamten zu betrachtenden Bereich abdecken, die gesamte Gefäßstruktur nachzubilden.
  • Es erfolgt dann die im Schritt S2 eine Bestimmung eines Gefäßkoordinatenmodells für jeden Patienten auf der Basis der vorliegenden tomographischen Bilddatensätzen, wobei im Einzelnen bevorzugt die folgenden Schritte ausgeführt werden:
    S2.1: Ermittlung von Gefäßlandmarken und deren Gefäßlandmarkenkoordinaten;
    S2.2: Bestimmung der Nachbarschaftsbeziehungen der Gefäßlandmarken, wobei jeder Gefäßlandmarke ein Nachbar zugeordnet wird und Verzweigungen als Tripel von Gefäßlandmarken bestimmt werden;
    S2.3: Ermittlung unverzweigter Gefäßmittellinien zwischen jeweils zwei Gefäßlandmarken und Bestimmung einer Vielzahl von Mittellinienkoordinaten auf den Gefäßmittellinien, wobei vorteilhaft diese Mittellinienkoordinaten bereits die Positionen gleicher Relativentfernungen zwischen den Gefäßlandmarken des jeweiligen Gefäßabschnittes bestimmen;
    S2.4: Ermittlung von Gefäßkonturrandverläufen in Schnitten senkrecht zur Gefäßmittellinie und Bestimmung einer Vielzahl von Gefäßkonturkoordinaten auf den Gefäßkonturrandverläufen in Abhängigkeit eines Relativabstandes zu einer Gefäßlandmarke auf der jeweiligen Gefäßmittellinie. Als Relativabstand wird dabei der relative Abstand des betrachteten Punktes von einer Gefäßlandmarke bezogen auf die Gesamtlänge der Gefäßmittellinie des jeweiligen Gefäßabschnittes betrachtet.
  • Des Weiteren erfolgt in Verfahrensschritt S3 die Ermittlung von Körperlandmarken in den tomographischen Bilddatensätzen und Bestimmung der Körperlandmarkenkoordinaten der Körperlandmarken. Darauf erfolgt im Verfahrensschritt S4 die Registrierung ausschließlich der Koordinaten – also der Gefäßlandmarkenkoordinaten, der Mittellinienkoordinaten und der Gefäßkonturkoordinaten – der patientenbezogenen Gefäßkoordinatenmodelle unter ausschließlicher Verwendung der Körperlandmarken als räumliche Bezugspunkte der Registrierung zu einer Vielzahl von patientenbezogenen registrierten Gefäßkoordinatenmodellen.
  • Anschließend kann im Schritt S5 eine Bestimmung von patientenbezogenen Gefäßparametermodellen erfolgen, wobei bevorzugt die folgenden Verfahrensschritte ausgeführt werden:
    S5.1: Verwendung der registrierten Gefäßlandmarkenkoordinaten;
    S5.2: Verwendung der Nachbarschaftsbeziehungen der Gefäßlandmarken einschließlich Verzweigungen;
    S5.3: Bestimmung charakteristischer geometrischer Parameter zur unterbestimmten oder vollständigen Beschreibung des Verlaufs der Gefäßmittellinien;
    S5.4: Bestimmung charakteristischer geometrischer Parameter zur unterbestimmten oder vollständigen Beschreibung der Form der Gefäßkontur in Abhängigkeit des Relativabstandes zu einer Gefäßlandmarke auf der jeweiligen Gefäßmittellinie.
  • Auf der Basis so ermittelten patientenbezogenen Gefäßparametermodelle kann nun im Verfahrensschritt S6 eine Fusion der patientenbezogenen Gefäßparametermodelle zu mindestens einem statistischen Gefäßparametermodell erfolgen, wobei auch die statistischen Parameter zur Wahrscheinlichkeitsverteilung der enthaltenen Koordinaten und Parameter ermittelt werden.
  • Im Schritt S7 erfolgt dann eine Speicherung und/oder Ausgabe des statistischen Gefäßparametermodells.
  • Solche statistischen Gefäßmodelle können dann die Basis für weitere Untersuchungen an Patienten bilden, die mit dem untersuchten Patientenkollektiv vergleichbar sind.
  • Ein beispielhaftes Ablaufschema der Anwendung des zur 2 beschriebenen erfindungsgemäßen Verfahrens zur automatischen Erzeugung eines statistischen Gefäßmodells eines Patientenkollektivs wird in der 3 mit den Verfahrensschritten A1 bis A4 dargestellt.
  • Demgemäß wird im ersten Verfahrensschritt A1 eine Bestimmung eines patientenbezogenen Gefäßkoordinatenmodells und Registrierung auf der Basis gleicher Körperlandmarken ausgeführt, wobei hierzu die grundsätzlich gleichen patientenbezogenen Verfahren verwendet werden, wie sie zur Ermittlung der patientenbezogenen Gefäßmodelle zur Berechnung eines statistischen Gefäßmodells, zum Beispiel gemäß dem Verfahren nach 2, ausgeführt werden. Anschließend erfolgt im Schritt A2 eine Bestimmung eines patientenbezogenen Gefäßparametermodels auf der Basis der gleichen charakteristischen Parameter.
  • Im Schritt A3 wird das zuvor mit den oben beschriebenen Schritten S1–S7 gespeicherte statistische Gefäßmodell Sp zum Vergleich mit dem registrierten patientenbezogenen Gefäßparametermodell herangezogen und im Schritt A4 statistisch signifikante Abweichungen der Parameter des patientenbezogenen Gefäßparametermodells von den Parametern des statistischen Gefäßparametermodells ausgegeben.
  • Eine solche Ausgabe kann rein zahlenmäßig in Form einer Liste mit Angabe der statistisch relevanten Parameterabweichungen erfolgen, wobei hierzu auch eine graphische Darstellung der statistischen Vertrauensbereiche und der darin eingetragenen tatsächlichen patientenbezogenen Parameter dienen kann. Alternativ kann auch in einer tomograpischen Darstellung durch unterschiedlich gestaltete Farbmarkierung die Größe der Abweichung der Parameter in Zusammenhang mit einer Ansicht der Gefäßstruktur dargestellt werden.
  • Das voranstehend beschriebene Verfahren kann grundsätzlich in Verbindung mit allen Arten tomographischer Darstellungen, welche Gefäßstrukturen von Patienten abbilden, ausgeführt werden. Insbesondere sind hierfür geeignet CT-, PET-, SPECT- und MRT-Darstellungen. Als Beispiele für besonders häufig angewendete Tomographie-Systeme werden in den 4 und 5 ein CT-System und eine MRT-System beschriebenen.
  • Die 4 zeigt ein CT-System C1 mit dem das erfindungsgemäße Verfahren durchgeführt werden kann. Das CT-System C1 weist ein erstes Röhren-/Detektor-System mit einer Röntgenröhre C2 und einem gegenüberliegenden Detektor C3 auf. Optional kann dieses CT-System C1 auch über eine zweite Röntgenröhre C4 mit einem gegenüberliegenden Detektor C5 verfügen. Beide Röhren-/Detektor-Systeme befinden sich auf einer Gantry, die in einem Gantrygehäuse C6 angeordnet ist und sich während der Abtastung um eine Systemachse C9 dreht. Der Patient P befindet sich auf einer verschiebbaren Untersuchungsliege C8, die entweder kontinuierlich oder sequentiell entlang der Systemachse C9 durch das im Gantrygehäuse C6 befindliche Abtastfeld geschoben wird, wobei die Schwächung der von den Röntgenröhren ausgesandten Röntgenstrahlung durch die Detektoren gemessen wird.
  • Während der Messung kann dem Patienten P mit Hilfe eines Kontrastmittelapplikators C11 ein Kontrastmittelbolus injiziert werden, so dass die Blutgefäße besser erkennbar werden.
  • Die Steuerung des CT-Systems C1 erfolgt mit Hilfe einer Steuer- und Recheneinheit C10, in der sich auch Computerprogramme Prg1 bis Prgn befinden, die das zuvor beschriebene erfindungsgemäße Verfahren durchführen können. Zusätzlich kann über diese Steuer- und Recheneinheit C10 auch die Speicherung und Ausgabe der Ergebnisdaten erfolgen.
  • Schließlich ist in der 5 ein Magnetresonanztomographie-System (MRT-System) M1 schematisch dargestellt. Bei diesem MRT-System M1 befinden sich in einem Gehäuse M6 mehrere Magnetspulen M2 zur Erzeugung eines starken magnetischen Hauptfeldes, wodurch sich die Wasserstoffkerne im Körper des Patienten P entsprechend ihrem Spin parallel oder anti-parallel zu den Magnetfeldlinien ausrichten. Durch Anregung der Atomkerne mit einem elektromagnetischen Wechselfeld in der Resonanzfrequenz der Atomkerne werden diese zur Schwingung veranlasst. Nach dem Ausschalten der Anregungsfrequenz kehren die Atomkerne wieder in ihre Lage zurück und geben ihre Schwingungsenergie in Form von elektromagnetischer Schwingungsenergie ab, die mit Hilfe von Empfangsspulen M3 gemessen wird. Durch zusätzliche Magnetspulen M4 wird ein schwaches Magnetfeld mit einem definierten Feldgradienten erzeugt, wodurch die von den Kernen abgegebenen Signale Ortsinformationen erhalten, durch die die Position des abgegebenen Signals definierbar ist. Somit kann eine räumliche tomographische Darstellung des Patienten P erzeugt werden. Die Steuerung dieses Systems M1 und die Auswertung der Mess-Signale erfolgt durch die Steuer- und Recheneinheit M10, welche in ihrem Speicher auch Programme Prg1 bis Prgn aufweist, mit denen neben der Steuerung und Bildberechnung auch das erfindungsgemäße Verfahren ausgeführt werden kann.
  • Es wird darauf hingewiesen, dass ein erfindungsgemäßes Computersystem allerdings nicht unbedingt in einer unmittelbaren Verbindung zu einem Tomographiesystem stehen muss und das erfindungsgemäße Verfahren auch in Alleinstellung auf der Basis vorliegender Messdaten beziehungsweise bereits aufbereiteter tomographischer Datensätze ausführen kann.
  • Insgesamt wird mit der Erfindung also ein Verfahren zur automatischen Erzeugung eines statistischen Gefäßmodells eines Patientenkollektivs vorgeschlagen, mit den Verfahrensschritten:
    • – Sammlung tomographischer Bilddatensätze von Gefäßstrukturen des Patientenkollektivs,
    • – Bestimmung patientenbezogener Gefäßkoordinatenmodelle aus einer Vielzahl von Gefäßlandmarkenkoordinaten von Gefäßlandmarken, Mittellinienkoordinaten auf Gefäßmittellinien und Gefäßkonturkoordinaten auf Gefäßkonturrandverläufen,
    • – Bestimmung von Körperlandmarkenkoordinaten von Körperlandmarken,
    • – Registrierung der gefäßbezogenen Koordinaten unter Verwendung der Körperlandmarken zu patientenbezogenen registrierten Gefäßkoordinatenmodellen,
    • – Bestimmung patientenbezogener Gefäßparametermodelle aus Gefäßlandmarkenkoordinaten, Nachbarschaftsbeziehungen der Gefäßlandmarken einschließlich Verzweigungen, charakteristischer geometrischer Parameter zur Beschreibung der Gefäßmittellinien und der Form der Gefäßkontur in Abhängigkeit eines Relativabstandes zu einer Gefäßlandmarke,
    • – Fusion der patientenbezogenen Gefäßparametermodelle und Bestimmung statistischer Parameter,
    • – Speicherung und/oder Ausgabe des statistischen Gefäßparametermodells.
  • Obwohl die Erfindung im Detail durch das bevorzugte Ausführungsbeispiel näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.

Claims (20)

  1. Verfahren zur Erkennung einer statistisch relevanten Normvariante der Gefäßstruktur eines Patienten mit Hilfe tomographischer Bilddatensätze, dadurch gekennzeichnet, dass die folgenden Verfahrensschritte ausgeführt werden: 1.1. automatische Erzeugung eines statistischen Gefäßmodells eines Patientenkollektivs durch: 1.1.1. Sammlung tomographischer Bilddatensätze von Gefäßstrukturen des Patientenkollektivs, 1.1.2. Bestimmung patientenbezogener Gefäßkoordinatenmodelle aus einer Vielzahl von Gefäßlandmarkenkoordinaten von Gefäßlandmarken (GL1–GL17), Mittellinienkoordinaten auf Gefäßmittellinien (M) und Gefäßkonturkoordinaten auf Gefäßkonturrandverläufen, 1.1.3. Ermittlung von Körperlandmarken (KL1–KL6) in den tomographischen Bilddatensätzen und Bestimmung von Körperlandmarkenkoordinaten der Körperlandmarken (KL1–KL6), 1.1.4. Erstellen von patientenbezogenen registrierten Gefäßkoordinatenmodellen durch Registrierung der gefäßbezogenen Koordinaten der patientenbezogenen Gefäßkoordinatenmodelle unter Verwendung der Körperlandmarken (KL1–KL6), 1.1.5. Bestimmung patientenbezogener Gefäßparametermodelle aus Gefäßlandmarkenkoordinaten, Nachbarschaftsbeziehungen der Gefäßlandmarken (GL1–GL17) einschließlich Verzweigungen, charakteristischer geometrischer Parameter zur Beschreibung der Gefäßmittellinien (M) und der Form der Gefäßkontur in Abhängigkeit eines Relativabstandes zu einer Gefäßlandmarke, 1.1.6. Fusion der patientenbezogenen Gefäßparametermodelle zu mindestens einem statistischen Gefäßparametermodell und Bestimmung dessen statistischer Parameter, 1.2. Verwendung des ermittelten statistischen Gefäßparametermodells, 1.3. Bestimmung eines patientenbezogenen Gefäßkoordinatenmodells des einen Patienten und Registrierung auf der Basis gleicher Körperlandmarken (KL1–KL6), 1.4. Bestimmung eines patientenbezogenen Gefäßparametermodells des einen Patienten auf der Basis der gleichen charakteristischen Parameter, 1.5. Vergleich des registrierten patientenbezogenen Gefäßparametermodels des einen Patienten und des statistischen Gefäßparametermodells, 1.6. Ausgabe von statistisch signifikanten Abweichungen der Parameter des patientenbezogenen Gefäßparametermodells des einen Patienten von den Parametern des statistischen Gefäßparametermodells.
  2. Verfahren gemäß dem voranstehenden Patentanspruch 2, dadurch gekennzeichnet, dass die Sammlung der Vielzahl tomographischer Bilddatensätze des Patientenkollektivs, in der Summe einen zu betrachtenden anatomischen Bereich mehrfach abdeckt und die Gefäßstrukturen der Patienten des Patientenkollektivs darstellt.
  3. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 2, dadurch gekennzeichnet, dass zur Bestimmung des Gefäßkoordinatenmodells für jeden Patienten aus den tomographischen Bilddatensätzen die folgenden Verfahrensschritte ausgeführt werden: 3.1. Ermittlung von Gefäßlandmarken (GL1–GL17) und deren Gefäßlandmarkenkoordinaten, 3.2. Bestimmung der Nachbarschaftsbeziehungen der Gefäßlandmarken (GL1–GL17) einschließlich dadurch bestimmter Verzweigungen, 3.3. Ermittlung unverzweigter Gefäßmittellinien (M) zwischen jeweils zwei Gefäßlandmarken (GL1–GL17) und Bestimmung einer Vielzahl von Mittellinienkoordinaten auf den Gefäßmittellinien, 3.4. Ermittlung von Gefäßkonturrandverläufen in Schnitten senkrecht zur Gefäßmittellinie (M) und Bestimmung einer Vielzahl von Gefäßkonturkoordinaten auf den Gefäßkonturrandverläufen in Abhängigkeit eines Relativabstandes zu einer Gefäßlandmarke (GL1–GL17) auf der jeweiligen Gefäßmittellinie (M).
  4. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 3, dadurch gekennzeichnet, dass die Registrierung ausschließlich der Koordinaten der patientenbezogenen Gefäßkoordinatenmodelle unter ausschließlicher Verwendung der Körperlandmarken (KL1–KL6) als räumliche Bezugspunkte der Registrierung zu einer Vielzahl von patientenbezogenen registrierten Gefäßkoordinatenmodellen erfolgt.
  5. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 4, dadurch gekennzeichnet, dass die Bestimmung patientenbezogener Gefäßparametermodelle, jeweils erfolgt durch: 5.1. Verwendung der registrierten Gefäßlandmarkenkoordinaten, 5.2. Verwendung der Nachbarschaftsbeziehungen der Gefäßlandmarken (GL1–GL17) einschließlich Verzweigungen, 5.3. Bestimmung charakteristischer geometrischer Parameter zur unterbestimmten oder vollständigen Beschreibung des Verlaufs der Gefäßmittellinien (M), 5.4. Bestimmung charakteristischer geometrischer Parameter zur unterbestimmten oder vollständigen Beschreibung der Form der Gefäßkontur in Abhängigkeit eines Relativabstandes zu einer Gefäßlandmarke (GL1–GL17) auf der jeweiligen Gefäßmittellinie (M).
  6. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 5, dadurch gekennzeichnet, dass zwischen der Erstellung und der Verwendung des statistischen Gefäßparametermodells eine Speicherung und/oder Ausgabe des statistischen Gefäßparametermodells erfolgt.
  7. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 6, dadurch gekennzeichnet, dass nach Erzeugung eines ersten statistischen Gefäßparametermodells Ausreißer in den zugrunde liegenden patientenbezogenen Gefäßparametermodellen ermittelt, aus den patientenbezogenen Gefäßparametermodellen eliminiert, und mit den so korrigierten patientenbezogenen Gefäßparametermodellen ein endgültiges statistisches Gefäßparametermodell berechnet werden.
  8. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 7, dadurch gekennzeichnet, dass zur Registrierung die patientenbezogenen Gefäßkoordinatenmodelle diese jeweils auf ein zur Verfügung gestelltes Referenzmodel registriert werden.
  9. Verfahren gemäß dem voranstehenden Patentanspruch 8, dadurch gekennzeichnet, dass zur Registrierung ein auf einer radialen Basisfunktionen basierender Algorithmus zur nichtlinearen Approximation, insbesondere Interpolation, insbesondere ein „3D thin-plate spline interpolation”-Algorithmus, ausgeführt wird.
  10. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 9, dadurch gekennzeichnet, dass zur Fusion der Gefäßlandmarkenkoordinaten eine dreidimensionale Normalverteilung angenommen wird.
  11. Verfahren gemäß einem der voranstehenden Patentansprüche 7 bis 10, dadurch gekennzeichnet, dass die Erkennung von Ausreißern in Bezug auf die räumlichen Koordinaten der Gefäßlandmarkenkoordinaten für jede Gefäßlandmarken (GL1–GL17) ein Wahrscheinlichkeitsellipsoid bestimmt und Koordinaten außerhalb dieses Ellipsoids als Ausreißer betrachtet werden.
  12. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 11, dadurch gekennzeichnet, dass als charakteristische Parameter der Gefäßmittellinien (M) mindestens ein Parameter aus der nachfolgenden Liste verwendet wird: – Gesamtlänge der Gefäßmittellinie (M), – Wert der Krümmung in Beziehung zum Relativabstand von einer Gefäßlandmarke (GL1–GL17), – Absolutbetrag der Krümmung in Beziehung zum Relativabstand von einer Gefäßlandmarke (GL1–GL17), – Orientierung einer Tangente an der Krümmung in Beziehung zum Relativabstand von einer Gefäßlandmarke.
  13. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 12, dadurch gekennzeichnet, dass zur Fusion der charakteristische Parameter der Gefäßmittellinien (M) je Parameter je Relativabstand eine eindimensionale Normalverteilung angenommen wird.
  14. Verfahren gemäß einem der voranstehenden Patentansprüche 7 bis 13, dadurch gekennzeichnet, dass zur Erkennung von Ausreißern in Bezug auf die charakteristischen Parameter der Gefäßmittellinien (M) eine Bestimmung des MAD erfolgt.
  15. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 14, dadurch gekennzeichnet, dass als charakteristische Parameter der Gefäßkontur mindestens ein Parameter aus der nachfolgenden Liste verwendet wird: – kleinster und größter Abstand geometrisch oder zahlenmäßig oder abstandsmäßig auf der Konturlinie gegenüberliegender registrierter Gefäßkonturkoordinaten, – Länge der registrierten Gefäßkontur, – eingeschlossene Fläche der registrierten Gefäßkontur, – Durchmesser/Radius des größten einfügbaren Innenkreises in der registrierten Gefäßkontur, – Durchmesser/Radius des kleinsten umfassenden Außenkreis um die registrierte Gefäßkontur.
  16. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 15, dadurch gekennzeichnet, dass zur Fusion der charakteristische Parameter der Gefäßkontur je Parameter je Relativabstand eine eindimensionale Normalverteilung angenommen wird.
  17. Verfahren gemäß einem der voranstehenden Patentansprüche 7 bis 16, dadurch gekennzeichnet, dass zur Erkennung von Ausreißern in Bezug auf die charakteristischen Parameter der Gefäßkontur eine Bestimmung des MAD erfolgt.
  18. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 17, dadurch gekennzeichnet, dass die Ausgabe der statistisch relevanten Abweichungen durch Darstellung des patientenbezogenen Gefäßkoordinatenmodells und Markierung der Koordinatenbereiche der signifikant abweichenden Parameter geschieht.
  19. Verfahren gemäß einem der voranstehenden Patentansprüche 1 bis 17, dadurch gekennzeichnet, dass die Ausgabe der statistisch relevanten Abweichungen durch Darstellung eines tomographischen Bilddatensatzes des Patienten und Markierung der Koordinatenbereiche der signifikant abweichenden Parameter geschieht.
  20. Computersystem, insbesondere eines Tomographiesystems, zur Bildauswertung mit einem Speicher für Computerprogramme, dadurch gekennzeichnet, dass im Speicher des Computersystems auch Computerprogramme (Prg1-Prgn) vorliegen, welche im Betrieb die Merkmale eines der voranstehenden Verfahrensansprüche ausführen.
DE102011076233A 2011-02-09 2011-05-20 Verfahren und Computersystem zur Erkennung einer statistisch relevanten Normvariante der Gefaßstruktur eines Patienten mit Hilfe tomographischer Bilddatensatze Expired - Fee Related DE102011076233B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201161440989P 2011-02-09 2011-02-09
US61/440,989 2011-02-09

Publications (2)

Publication Number Publication Date
DE102011076233A1 DE102011076233A1 (de) 2012-08-09
DE102011076233B4 true DE102011076233B4 (de) 2013-04-18

Family

ID=46547106

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102011076233A Expired - Fee Related DE102011076233B4 (de) 2011-02-09 2011-05-20 Verfahren und Computersystem zur Erkennung einer statistisch relevanten Normvariante der Gefaßstruktur eines Patienten mit Hilfe tomographischer Bilddatensatze

Country Status (3)

Country Link
US (1) US8824755B2 (de)
CN (1) CN102693353B (de)
DE (1) DE102011076233B4 (de)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MY152058A (en) * 2010-06-21 2014-08-15 Univ Putra Malaysia A method of constructing at least one 3 dimensional image
CN104102805A (zh) * 2013-04-15 2014-10-15 上海联影医疗科技有限公司 医疗图像信息处理方法和装置
US9495770B2 (en) * 2013-08-14 2016-11-15 University Of Utah Research Foundation Practical model based CT construction
US9058692B1 (en) 2014-04-16 2015-06-16 Heartflow, Inc. Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
US9514530B2 (en) 2014-04-16 2016-12-06 Heartflow, Inc. Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
US20170164921A1 (en) * 2015-12-09 2017-06-15 Shimadzu Corporation Radiographic device
WO2017114700A1 (en) * 2015-12-30 2017-07-06 Koninklijke Philips N.V. Three dimensional model of a body part
CN106157320B (zh) * 2016-07-29 2019-02-01 上海联影医疗科技有限公司 一种图像血管分割方法及装置
WO2018001099A1 (zh) 2016-06-30 2018-01-04 上海联影医疗科技有限公司 一种血管提取方法与系统
CN107248043B (zh) * 2017-06-21 2020-09-15 上海荷福人工智能科技（集团）有限公司 一种基于指静脉数据的建筑工地舆情监测方法
US10140733B1 (en) * 2017-09-13 2018-11-27 Siemens Healthcare Gmbh 3-D vessel tree surface reconstruction
EP3659505A1 (de) * 2018-11-28 2020-06-03 Koninklijke Philips N.V. Relevanteste röntgenbildauswahl für hämodynamische simulation
CN113158280B (zh) * 2020-01-23 2023-05-09 久瓴(江苏)数字智能科技有限公司 屋面主体结构生成方法、装置、计算机设备和存储介质
CN112215941B (zh) * 2020-09-04 2021-06-25 北京科技大学 一种基于微分几何的主动脉扭曲的评估方法及系统
CN113516777B (zh) * 2021-05-13 2024-06-18 天讯方舟(北京)信息科技有限公司 一种城市建筑物三维自动建模与可视化方法
CN113902715A (zh) * 2021-10-12 2022-01-07 柏意慧心(杭州)网络科技有限公司 用于提取血管中心线的方法、设备和介质
CN117115150B (zh) * 2023-10-20 2024-01-26 柏意慧心(杭州)网络科技有限公司 用于确定分支血管的方法、计算设备和介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007003260A1 (de) * 2006-01-25 2007-10-31 Siemens Medical Solutions Usa, Inc. System und Verfahren zum Markieren und Identifizieren von Lymphknoten in medizinischen Bildern
DE102008007827A1 (de) * 2008-02-07 2009-08-13 Siemens Aktiengesellschaft Verfahren zur Steuerung des Aufnahme- und/oder Auswertebetriebs von Bilddaten bei medizinischen Untersuchungen

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1371013B1 (de) * 2001-03-09 2017-04-12 Koninklijke Philips N.V. Bildsegmentierung
WO2003021532A2 (en) * 2001-09-06 2003-03-13 Koninklijke Philips Electronics N.V. Method and apparatus for segmentation of an object
US7170517B2 (en) * 2002-11-27 2007-01-30 The Board Of Trustees Of The Leland Stanford Junior University Curved-slab maximum intensity projections
WO2005023086A2 (en) * 2003-08-25 2005-03-17 University Of North Carolina At Chapel Hill Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning
WO2005038711A1 (en) * 2003-10-17 2005-04-28 Koninklijke Philips Electronics, N.V. Manual tools for model based image segmentation
US7873194B2 (en) * 2006-10-25 2011-01-18 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure
US7912270B2 (en) * 2006-11-21 2011-03-22 General Electric Company Method and system for creating and using an impact atlas
WO2009019630A2 (en) * 2007-08-03 2009-02-12 Koninklijke Philips Electronics N.V. Anatomically constrained image registration
WO2009064715A1 (en) * 2007-11-14 2009-05-22 Auckland Uniservices Limited Method for multi-scale meshing of branching biological structures
US8194936B2 (en) * 2008-04-25 2012-06-05 University Of Iowa Research Foundation Optimal registration of multiple deformed images using a physical model of the imaging distortion
US10489673B2 (en) 2009-04-03 2019-11-26 Siemens Healthcare Gmbh System and method for detecting landmarks in a three-dimensional image volume
CN101751696B (zh) * 2009-12-22 2011-12-21 复旦大学附属中山医院 一种构建人体实质脏器仿生三维血管网络的方法
JP4931027B2 (ja) * 2010-03-29 2012-05-16 富士フイルム株式会社 医用画像診断支援装置および方法、並びにプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007003260A1 (de) * 2006-01-25 2007-10-31 Siemens Medical Solutions Usa, Inc. System und Verfahren zum Markieren und Identifizieren von Lymphknoten in medizinischen Bildern
DE102008007827A1 (de) * 2008-02-07 2009-08-13 Siemens Aktiengesellschaft Verfahren zur Steuerung des Aufnahme- und/oder Auswertebetriebs von Bilddaten bei medizinischen Untersuchungen

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Sascha Seifert, Adrian Barbu, S. Kevin Zhou, David Liu, Johannes Feulner, Martin Huber, Michael Suehling, Alexander Cavallaro and Dorin Comaniciu: "Hierarchical parsing and semantic navigation of full body CT data", Proc. SPIE 7259, 725902 (2009, 08. Febr.); doi:10.1117/12.812214 *
Stefan Grosskopf, Christina Biermann, Kai Deng and Yan Chen: "Accurate, fast, and robust vessel contour segmentation of CTA using an adaptive self-learning edge model", Proc. SPIE 7259, 72594D (2009, 08. Febr.); doi:10.1117/12.811364 *

Also Published As

Publication number Publication date
US8824755B2 (en) 2014-09-02
CN102693353A (zh) 2012-09-26
DE102011076233A1 (de) 2012-08-09
US20120201442A1 (en) 2012-08-09
CN102693353B (zh) 2016-06-22

Similar Documents

Publication Publication Date Title
DE102011076233B4 (de) Verfahren und Computersystem zur Erkennung einer statistisch relevanten Normvariante der Gefaßstruktur eines Patienten mit Hilfe tomographischer Bilddatensatze
EP3185215B1 (de) Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion
DE112004000381B4 (de) Verfahren zur Bereitstellung einer automatischen 3D-Läsionssegmentierung und von Läsionsmessungen
DE102008002912B4 (de) Vorrichtung und Verfahren zur Identifizierung von Okklusionen
DE102004043695B4 (de) Verfahren zur einfachen geometrischen Visualisierung tubulärer anatomischer Strukturen
DE102014213408B4 (de) Verfahren zur Ermittlung eines dreidimensionalen Modelldatensatzes eines wenigstens ein Gefäßsegment umfassenden Blutgefäßsystems
DE112005001755T5 (de) System und Verfahren zur Baummodell-Visualisierung zur Erkennung von Lungenembolie
DE102006012015A1 (de) Verfahren und Systeme zur Überwachung einer Tumorbelastung
DE102006028812A1 (de) System und Verfahren zum pfad-basierten Tree-Matching
DE102011013505A1 (de) Verfahren und System zur automatischen Erkennung und Klassifizierung von Koronarstenosen in Herz-CT-Volumina
EP3619631A1 (de) Verbesserungen bei der radiologischen erkennung chronisch thromboembolischer pulmonaler hypertonie
DE112005001741T5 (de) System und Verfahren zur Baumprojektion zur Erkennung von Lungenembolie
DE102018222606A1 (de) Verfahren und Vorrichtung zur Detektion eines anatomischen Merkmals eines Blutgefäßabschnittes
DE102016219887A1 (de) Verfahren und System zur Nutzung von Messdaten
EP3220357A2 (de) Modellhaftes erzeugen und darstellen von dreidimensionalen objekten
DE102014204467A1 (de) Übertragen von validierten CAD-Trainingsdaten auf geänderte MR-Kontraste
DE102012108058A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Orientierung einer Testperson
DE102018108310A1 (de) Bildverarbeitungsvorrichtung, Bildverarbeitungsverfahren und Bildverarbeitungsprogramm
DE102006039921A1 (de) System und Verfahren zum automatischen Atemwegevaluieren für Multi-Schnitt Computertomographie (MSCT) Bilddaten unter Verwendung eines Atemweglumendurchmessers, einer Atemwegwanddicke und eines Bronchien-Arterien-Verhältnisses
DE102020216306A1 (de) Computerimplementiertes Verfahren zum Betrieb einer medizinischen Bildgebungseinrichtung, Bildgebungseinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
DE10255526B4 (de) Erkennung von Gefässassoziierten Pulmonalknoten durch Volumsprojektionsanalyse
DE102010018261B4 (de) Verfahren und Computersystem zur automatischen Vektorisierung eines Gefäßbaumes
DE102009032257A1 (de) Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur
DE102015210912A1 (de) Rekonstruktion eines Ergebnisbildes unter Berücksichtigung von Kontur-Signifikanz-Daten
DE102014201321A1 (de) Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R084 Declaration of willingness to licence
R020 Patent grant now final

Effective date: 20130719

R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHCARE GMBH, DE

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

R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee