-
Die Erfindung betrifft ein Verfahren zur Erzeugung eines Oberflächenmodells einer Oberfläche einer Hohlraumwand, die einen Hohlraum umgibt, insbesondere für Hohlräume im menschlichen Körper, wie Blutgefäße und Herzkammern.
-
Medizinische Bildgebungsverfahren, wie Magnetresonanztomographie (MRI), Röntgen-Angiographie, Positronen-Emissions-Tomographie (PET) und Ultraschallbildgebung, insbesondere mit transoesophagealen Sonden (TEE) ermöglichen relativ gute, teilweise sogar zeitaufgelöste, Darstellungen des menschlichen Herzens. Dadurch können funktionale Parameter des Herzens wie z.B. das Blutvolumen in einem Ventrikel zu einem bestimmten Zeitpunkt, oder auch die Ejektionsfraktion, d.h. der Anteil Blut, der pro Herzschlag von der Herzkammer ausgestoßen wird, prinzipiell bestimmt werden. Die bekannten Verfahren wie z.B. Scheibchensummation, bei denen auf einem Stapel von Kurzachsenschnitten des Herzens jeweils die Herzinnenwand umrandet wird, sind jedoch nicht sehr genau und weisen starke Inter- und Intra-Observer-Differenzen auf.
-
Es existieren ferner bereits Verfahren zur Volumenmessung eines entsprechenden Hohlraums, bei dem von der Innenfläche des Hohlraums ein Oberflächenmodell erstellt wird, welches meistens parametrisch, z.B. anhand von einzelnen Punkten auf der Oberfläche, die zur Darstellung trianguliert werden, definiert ist.
-
Derartige Oberflächenmodelle sind im Prinzip genauer als die Scheibchensummation mit einer in der Regel geringen Anzahl an Scheiben. Beide Methoden leiden jedoch grundsätzlich daran, dass der Innenraum des linken Ventrikels nicht glatt berandet ist. Vielmehr ist die Innenseite mit sogenannten Trabekeln ausgekleidet.
-
Dies sind einzelne Muskelstränge, die sich teilweise weit in den mit Blut gefüllten Innenraum des Herzens erstrecken. Neben deren strömungsdynamischer Funktion tragen diese Fasern auch durch aktive Kontraktion und Verdickung sowohl zur Bewegung der Herzwand, als auch zum Verdrängen von Blutvolumen bei. Der Übergang zwischen den faserartigen Trabekeln und dem soliden Herzmuskel ist kontinuierlich.
-
Bei der notwendigerweise scharfen Definition der Grenzoberfläche zwischen Muskelwand und Innenraum muss man nun eine Entscheidungsfunktion festlegen. Beispielsweise kann dies über die lokale Muskeldichte (Grauwert) erfolgen. Ab einem gewissen Schwellwert wird der Muskel als solide angenommen. Alle kleineren Werte bewirken eine Zuordnung zum Innenraum. Es ist offensichtlich, dass die Wahl des Schwellwertes erheblichen Einfluss auf die Geometrie nimmt. Ebenso deutlich ist aber auch, dass diese Definition in hohem Maße subjektiv oder gar willkürlich ist.
-
Beispielsweise kann bei einem Konturdetektionsverfahren auf MRI-Daten eine solche Entscheidungsfunktion über die Analyse der Grauwerte und eine entsprechende Entscheidungsschwelle definiert werden. Größere Binnenstrukturen wie die Papillarmuskeln erfordern hier aber bereits komplexe Topologien des Oberflächenmodells, sofern sie nicht komplett vernachlässigt werden sollen. Bei einer Kontraktion des Herzmuskels verdicken sich die Trabekel. Damit erhöht sich die lokale Muskeldichte, und die Grenzfläche wandert entsprechend nach innen.
-
Verwendet man zum Erfassen der Oberfläche Feature-Tracking-Verfahren, welche bestimmte Strukturen auf zeitlich aufeinanderfolgenden Bildern nachverfolgen, gerät man hier in ein Dilemma: Der Tracker wird versuchen, auch in radialer Richtung markante Strukturen zu verfolgen. Eine Zunahme der Grauwertdichte soll er definitionsgemäß ignorieren. Wenn nun die Grenzfläche enddiastolisch definiert wurde, wird sich die Verdickung der Trabekel nicht in einer radialen Einwärtsbewegung äußern. Damit führen Oberflächendetektionsverfahren, die auf der Auswertung von Grauwertdichten basieren, und Tracking-Verfahren, die lokale Grauwerttexturen verfolgen, zu prinzipiell voneinander abweichenden Ergebnissen.
-
Die Berechnung des eingeschlossenen Volumens von Oberflächenmodellen scheitert also häufig bei der Abstraktion der Realität selbst: Viele Hohlkörper, v.a. in der Medizin, sind nicht hinreichend glatt berandet, um mit ausreichender Genauigkeit als topologisch einfaches Oberflächenmodell abgebildet werden zu können. Gerade beim linken Ventrikel des menschlichen Herzens konnte sich zwar ein glattes Oberflächenmodell für die Analyse der regionalen Wandbewegung durchsetzen (Beutel Modell), die Messung des eingeschlossenen Volumens und daraus abgeleiteter Größen ist jedoch immer noch problematisch.
-
Die Erfindung hat sich daher die Aufgabe gestellt, ein Verfahren zur Erzeugung eines Oberflächenmodells einer Oberfläche einer Hohlraumwand bereitzustellen, welche auch eine nicht ausreichend glatte Innenfläche des Hohlraums sowie eingeschlossene Strukturen (z.B. Papillarmuskeln) angemessen berücksichtigt.
-
Die Erfindung löst diese Aufgabe mit den unabhängigen Ansprüchen 1, 11 und 12. Bevorzugte Ausführungsformen sind in den Unteransprüchen angegeben.
-
Die Erfindung beruht darauf, zunächst ein vorläufiges deformierbares – bevorzugt auch dynamisches – Oberflächenmodell des Hohlraums zu erstellen, beispielsweise durch Region-Growing, Schwellenwertverfahren, Kanten- bzw. Konturdetektion, adaptive Formmodelle oder 3D-Feature-Tracking-Verfahren. Die so bestimmte Oberfläche wird dann z.B. durch ein B-Spline-Modell, ein Shape-Modell oder ein anderes, bevorzugt vorher festgelegtes Modell approximiert, dessen Parameter an den ermittelten Oberflächenverlauf angepasst werden.
-
Daraufhin werden die Voxel in einem bestimmten Volumenbereich auf beiden Seiten der vorläufig festgelegten Oberfläche statistisch analysiert, bevorzugt um eine Wahrscheinlichkeitsfunktion zu definieren, mithilfe derer für Voxel in diesem oder anderen Teilvolumina des Bilddatensatzes jeweils eine Wahrscheinlichkeit berechnet werden kann, dass sie dem Hohlraum-Innenraum, der Hohlraumwand, oder (optional) dem Außenraum zuzuordnen sind. Hierfür können statistische Verfahren zur Bestimmung der a posteriori Wahrscheinlichkeit verwendet werden, wie sie auch zur Abschätzung von Partialvolumeneffekten bei sehr grob-aufgelösten Bildgebungsverfahren verwendet werden, z.B. Verfahren gemäß Bayes, wie sie in
IEEE Transactions on Image Processing, Vol. 4, No. 11, November 1995, Seite 1531 in dem Artikel von Santago und Gage "Statistical models of partial volume effect" beschrieben sind. Anhand dieser Wahrscheinlichkeitsfunktion kann dann das Volumenverhältnis von Innenraum und Hohlraumwand innerhalb von beliebigen Teilvolumina, insbesondere der unten beschriebenen Volumensegmente, bestimmt werden.
-
Die Besonderheit der Erfindung liegt darin, dass zum Einen ein Oberflächenmodell verwendet wird, um den Volumenbereich, der für die statistische Analyse herangezogen wird, zu bestimmen. Zum Anderen wird das Ergebnis dieser statistischen Analyse bevorzugt dazu verwendet, das Oberflächenmodell zu korrigieren, indem die Oberfläche verschoben oder deformiert wird. Daraus folgt, dass das Oberflächenmodell damit nicht mehr zwingend die tatsächlich detektierte Kontur der Innenfläche abbildet, sondern sie berücksichtigt gegebenenfalls auch innen liegende Strukturen, um so ein korrigiertes Oberflächenmodell zu erhalten, welches zwar nicht exakt die Realität darstellt, jedoch das Volumen des Hohlraums sehr genau wiedergibt.
-
Ein Vorteil der Erfindung liegt darin, dass sie auf unterschiedliche Bildgebungsmodalitäten angewendet werden kann.
-
Um die statistische Analyse und insbesondere die anschließende Verschiebung der Oberfläche des Oberflächenmodells durchführen zu können, wird die Fläche des vorläufigen Oberflächenmodells bevorzugt zunächst in Flächensegmente aufgeteilt. Es werden dann Volumensegmente definiert, welche jeweils ein Flächensegment einschließen und sich von diesem radial nach innen und/oder außen, meistens sowohl nach innen und außen, erstrecken. Auf die in diesem Segment befindlichen Voxel wird dann z.B. die oben erwähnte Wahrscheinlichkeitsfunktion angewendet und auf dieser Basis das dazugehörige Flächensegment deformiert und/oder verschoben.
-
Ausgangspunkt für die Erfindung ist zumindest ein, vorzugsweise eine Zeitreihe von mehreren, dreidimensionalen (3D) Bilddatensätzen des Hohlraums oder ein bzw. eine Zeitreihe von mehreren Stapel(n) von zweidimensionalen (2D) Bildern des Hohlraums. Die Grauwerte der Voxel dieser Bilder bzw. Bilddatensätze werden in der statistischen Analyse verwendet. Bevorzugt sind hierbei ein oder mehrere 3D-Bilddatensätze, die Erfindung kann jedoch auch an ausreichend eng beieinanderliegenden 2D-Bildern durchgeführt werden, sofern deren Positionen im Raum bekannt sind.
-
Der/die Bilddatensätze oder das/die 2D-Bilder wurden bevorzugt durch ein medizinisches Bildgebungsverfahren gewonnen, wie z.B. MRI, Röntgen, PET oder Ultraschall, wobei hier sowohl 2D, als auch 3D und in entsprechender Zeitauflösung, 4D-Verfahren in Frage kommen. Der Hohlraum ist entsprechend bevorzugt ein Hohlorgan bzw. Hohlraum im menschlichen oder tierischen Körper, z.B. ein Blutgefäß, besonders bevorzugt das menschliche Herz oder ein Teil desselben, insbesondere eine Herzkammer.
-
Die Erfindung ist jedoch auch auf andere Hohlräume, insbesondere im menschlichen Körper anwendbar, z.B. auf große Blutgefäße wie die Aorta, Magen, Blase, Liquorraum, Spinalkanal etc. Vorzugsweise handelt es sich um bewegte Hohlräume, welche ihr Volumen ändern.
-
Es ist bevorzugt, dass das Verfahren nicht nur an einem 3D Bilddatensatz oder einem Stapel von 2D-Bildern durchgeführt wird, sondern an einer Zeitreihe von mehreren Bilddatensätzen bzw. Stapeln von 2D-Bildern. In diesem Fall ist auch das deformierbare Oberflächenmodell dynamisch, d.h. beinhaltet Änderungen über die Zeit. Im Falle des Herzens umfasst eine solche Zeitreihe z.B. zwei bis fünfzig Bilder und erstreckt sich zumindest über einen Herzzyklus. Eine dynamische Analyse mit einer Vielzahl von Bilddatensätzen/Bildstapeln pro Herzzyklus ist möglich, relevante Ergebnisse lassen sich jedoch auch erzeugen, wenn der Zustand des Herzens bzw. der Herzkammer lediglich an zwei Zeitpunkten miteinander verglichen wird, z.B. jeweils während der Systole und der Diastole.
-
Falls der Hohlraum eine Herzkammer ist, werden aus dem über die Zeitreihe bestimmten korrigierten Oberflächenmodell bevorzugt funktionelle Parameter der Herzaktivität gewonnen, beispielsweise Ejektionsfraktion, minimales Herzkammervolumen, maximales Herzkammervolumen oder auch andere Parameter, welche auch ortsaufgelöst für ein oder mehrere Segmente der Herzkammerwand bestimmt werden können: Lokale Dehnung (strain) der Herzkammerwand, Dehnungsrate (strain rate), Geschwindigkeit und Verdrehung der Herzkammerwand während der Kontraktion, lokale Wanddicke, lokale Wandverdickung (Änderungsrate der Wanddicke) sowie jeweils die Zeitpunkte bis zum Erreichen der jeweiligen Maximal- oder Minimalwerte der oben angeführten Parameter innerhalb eines Herzzyklus.
-
Das vorläufige wie auch das korrigierte Oberflächenmodell werden bevorzugt jeweils als parametrisches Modell erzeugt (z. B. Spline-Modell), eine funktionelle Darstellung ist jedoch auch denkbar. Ein solches parametrisches Modell wird hier mit "Beutel" bezeichnet.
-
Besonders bevorzugt wird bei einer Zeitreihe von 3D-Bilddatensätzen bzw. Stapeln von 2D-Bildern das vorläufige Oberflächenmodell wie folgt erzeugt: Auf einem ersten Bild bzw. Bilddatensatz der Zeitreihe wird – durch Verfahren wie Kantendetektion oder adaptive Formmodelle – der Innenraum definiert. An der Innenfläche werden dann bestimmte markante Strukturen identifiziert, welche durch ein Feature-Tracking-Verfahren über alle weiteren Bilddatensätze bzw. Bildstapel der Zeitreihe verfolgt werden. Dadurch erhält man ein vorläufiges dynamisches Oberflächenmodell für alle Bilddatensätze in der Zeitreihe – allerdings mit den oben beschriebenen Ungenauigkeiten.
-
Für jedes Bild in der Zeitreihe wird dann die Fläche in Segmente aufgeteilt und die entsprechende statistische Analyse zur Korrektur des Oberflächenmodells durchgeführt. Bevorzugt wird die Fläche des vorläufigen Oberflächenmodells gemäß einem vorbestimmten Segmentmodell jeweils in 10 bis 30 Flächensegmente eingeteilt. Insbesondere für den linken Ventrikel existieren entsprechende Modelle mit z.B. 20 Segmenten, wie sie z.B. in
1 des
Artikels "Wall motion and thickening by gated SPECT" von Sharir et al, The Journal of Nuclear Medicine, Vol. 42, No. 11, November 2001, Seite 1630, beschrieben sind. Eine Einteilung in 17 Segmente etabliert sich gegenwärtig als Standard, siehe
"AHA Scientific Statement: Standardized Myocardial Segmentation and Nomenclature for Tomographic Imaging of the Heart, A Statement for Healthcare Professionals From the Cardiac Imaging Committee of the Council on Clinical Cardiology of the American Heart Association", American Heart Association Writing Group on Myocardial Segmentation and Registration for Cardiac Imaging: Manuel D. Cerqueira, MD; Neil J. Weissman, MD; Vasken Dilsizian, MD; Alice K. Jacobs, MD; Sanjiv Kaul, MD; Warren K. Laskey, MD; Dudley J. Pennell, MD; John A. Rumberger, MD; Thomas Ryan, MD; Mario S. Verani, MD; doi: 10.1161/hc0402.102975; 2002, 105:539–542 Circulation.
-
Um jedes dieser Flächensegmente wird dann auf eine vorbestimmte Art und Weise ein Volumensegment herum definiert. Beispielsweise kann dieses durch innere bzw. äußere Grenzflächen begrenzt sein, welche jeweils in Radialrichtung nach innen bzw. außen von dem dazugehörigen Flächensegment mit einem vorbestimmten Abstand beabstandet sind. Seitlich verlaufen dann Grenzflächen z.B. im Wesentlichen senkrecht zum Flächensegment. Es ist auch möglich, die Segmente bis hin zum Schwerpunkt des Hohlraums nach innen zu verlängern, sodass die Volumensegmente eine Art Tortenstückform aufweisen.
-
In einer bevorzugten Ausführungsform werden die Schritte d) bis f) zumindest einmal wiederholt, um das korrigierte Oberflächenmodell segmentweise noch weiter zu korrigieren. Vorzugsweise wird dies iterativ so lange wiederholt, bis keine signifikante Änderung des Oberflächenmodells mehr auftritt.
-
Dabei kann die statistische Analyse der Grauwerte bei jeder Iteration verändert bzw. verfeinert werden, um eine noch genauere Zuordnung der im Volumensegment enthaltenen Voxel zur Innenraum- bzw. Hohlraumwand, im Falle des Herzens zu Blut- und Herzmuskelgewebe, zu erreichen. Um diese Verfeinerung zu erreichen, kann es vorteilhaft sein, die Volumensegmente bei jeder Iteration neu zu definieren, beispielsweise indem die innere und/oder äußere Grenzfläche ihren vorbestimmten Abstand zum Flächensegment beibehalten und somit nach der ersten Iteration bei einer Korrektur des Oberflächenmodells mit verschoben werden. Wie bereits oben erwähnt, wird bei der statistischen Analyse bevorzugt ermittelt, in welchem Verhältnis die Volumina von Hohlraum(-Innenraum) und Hohlraumwand in dem jeweiligen Volumensegment zueinander stehen. Dieses Verhältnis wird dann dazu verwendet, das (geometrische) deformierbare Oberflächenmodell so zu verschieben und/oder zu deformieren, dass die Volumina der Voxel auf beiden Seiten der Modellfläche innerhalb des Volumensegments diesem Verhältnis entsprechen. Das korrigierte Oberflächenmodell kann dann wiederum in entsprechende Flächensegmente aufgeteilt werden. Man kann sich vorstellen, dass das Flächensegment so verschoben/deformiert wird, dass zwischen Flächensegment und innerer Grenzfläche das Volumen des Innenraums liegt, und zwischen Flächensegment und äußerer Grenzfläche das Volumen der Hohlraumwand bzw. das Herzmuskelvolumen. Dabei wird das Flächensegment jedoch nicht einer detektierten Kontur der Innenfläche angepasst. Ziel des Verfahrens ist es also, die geometrisch definierten Volumenanteile den jeweils zugehörigen statistischen Volumenanteilen möglichst genau anzugleichen.
-
Dabei kann es vorteilhaft sein, die Gesamtheit aller äußeren Grenzflächen aller Volumenelemente wiederum durch ein Oberflächenmodell zu definieren, welche auf analoge Weise optimiert wird wie das Oberflächenmodell der Innenfläche. Dabei werden die äußeren Grenzflächen der Volumensegmente der Außenfläche der Hohlraumwand angenähert, und zwar ebenfalls durch eine statistische Analyse, die nicht nur Innenraum und Hohlraumwand, sondern auch Außenraum berücksichtigt, also Voxel, die aufgrund ihrer Position und/oder ihres Grauwerts wahrscheinlich nicht mehr zur Hohlraumwand gehören. Das Oberflächenmodell für die Außenfläche kann initial z.B. mit den gleichen o.g. Methoden wie das Oberflächenmodell für die Innenfläche erzeugt werden, um dann nach der statistische Analyse aufgrund des ermittelten Volumenanteils von „Außenraum“ in den einzelnen Volumensegmenten korrigiert zu werden.
-
Optional gilt das Gleiche auch für die Gesamtheit aller inneren Grenzflächen. Eine vorteilhafte Realisierung des Verfahrens könnte also drei wie Zwiebelschalen ineinander liegende Oberflächenmodelle verwenden.
-
Die Erfindung ist auch auf eine Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens gerichtet. Diese weist zumindest einen Datenspeicher zur Speicherung der Zeitreihe von 3D Bilddatensätzen oder 2D Bildstapeln auf, sowie eine Recheneinheit zur automatischen oder halb-automatischen Durchführung der Schritte b) bis e) und ggf. f).
-
Das Verfahren wird bevorzugt vollautomatisch durchgeführt. Es sind jedoch auch halb-automatische Verfahren denkbar, bei denen beispielsweise eine Benutzerinteraktion einmal gefordert ist, um einen Punkt auf einem 3D Bilddatensatz oder einem 2D Bild zu definieren, der innerhalb des zu analysierenden Hohlraums liegt.
-
Die Vorrichtung weist somit vorzugsweise einen nicht-flüchtigen Datenspeicher sowie eine Festplatte, einen Arbeitsspeicher und einen Prozessor wie z.B. eine CPU auf. Ferner können Eingabemittel wie Tastatur und/oder Maus und ein Bildschirm zur Darstellung des vorläufigen und/oder des korrigierten Oberflächenmodells vorhanden sein. Vorzugsweise wird Letzteres in einer perspektivischen Darstellung, gegebenenfalls dynamisch, um die Änderung über die Zeit darzustellen, auf dem Bildschirm angezeigt.
-
Die Vorrichtung kann ein beliebiger Computer, insbesondere ein normaler PC, eine Workstation, oder die Konsole einer medizinischen Bildgebungseinrichtung wie z.B. eines MRI-Gerätes oder eines Ultraschallgerätes sein. Netzwerkanschluss ist vorzugsweise ebenfalls vorhanden, um die zu analysierenden 3D Bilddatensätze bzw. 2D Bildstapel einzulesen.
-
Die Erfindung ist ferner auf ein digitales Speichermedium gerichtet, auf dem Softwarecodeabschnitte gespeichert sind, die einen Computer veranlassen, das erfindungsgemäße Verfahren auszuführen, wenn die Software auf dem Computer läuft. Das Speichermedium ist bevorzugt computerlesbar, wie beispielsweise eine DVD oder CD-ROM. Die Erfindung ist auch auf ein entsprechendes Computerprogrammprodukt mit entsprechenden Software-Code-Abschnitten gerichtet.
-
Die Erfindung wird nun anhand von Ausführungsbeispielen mit Bezug auf die beiliegenden Zeichnungen näher beschrieben. In den Zeichnungen zeigen:
-
1 einen Kurzachsenschnitt des Herzens, mit Illustration des vorläufigen Oberflächenmodells und eines Volumensegmentes;
-
2 den Kurzachsenschnitt der 1, mit Illustration des Volumensegmentes und des verschobenen dazugehörigen Flächensegmentes;
-
3 den Kurzachsenschnitt der 1, mit neu definiertem Volumensegment;
-
4 den Kurzachsenschnitt der 1, mit Illustration des korrigierten Oberflächenmodells;
-
5 eine perspektivische Darstellung eines Oberflächenmodells einer Herzkammer, in Flächensegmente aufgeteilt, mit Darstellung eines Volumensegmentes;
-
6 ein Voxelhistogramm der Grauwerte eines Volumensegments des Herzens.
-
Gleiche Teile sind in den Zeichnungen mit gleichen Bezugszeichen gekennzeichnet.
-
Die 1–4 illustrieren die Erfindung anhand eines einzigen 2D Bildes. Es versteht sich, dass das Verfahren natürlich an einem 2D Bildstapel oder am besten an einem oder mehreren 3D Bilddatensätzen entsprechend ausgeführt wird.
-
1 zeigt, stark vereinfacht, einen Kurzachsenschnitt durch einen linken Ventrikel 3. Dabei umschließt die Herzwand 2 den Innenraum 1 des Hohlraums. Außerhalb der Hohlraumwand 2 liegt der Außenraum 9. Wie aus der Zeichnung ersichtlich ist, ist der Hohlraum 1 jedoch nicht glatt berandet, sondern die Innenwand weist Ausbuchtungen 7a auf, und im Hohlraum selbst liegen auch noch Strukturen 7b, beispielsweise Trabekel oder Papillarmuskeln. Aus diesem Grund ist das mit fetter, gestrichelter Linie eingezeichnete vorläufige Oberflächenmodell 4, welches mittels herkömmlicher Methoden, wie adaptive Formmodelle, Kantendetektion oder 3D Feature-Tracking erzeugt wurde, nicht exakt, da das Modell intentional nicht so detailliert ist, dass es alle Ausbuchtungen 7a berücksichtigen kann. Innenliegende Strukturen 7b können durch ein geschlossenes Oberflächenmodell schon gar nicht berücksichtigt werden.
-
In 1 ist ferner ein Volumensegment 6 im Schnitt dargestellt, welches einen Flächenabschnitt bzw. ein Flächensegment 5 des vorläufigen Oberflächenmodells einschließt. Die innere Grenzfläche 6a reicht bis zur Längsachse des Hohlraums, die äußere Grenzfläche 6b erstreckt sich in dem gezeigten Beispiel in die Herzwand hinein und sogar über diese hinaus in den Außenraum 9.
-
Anhand von allen Voxeln bzw. Bildelementen innerhalb des Volumensegmentes 6 – oder bevorzugt anhand aller Voxel innerhalb mehrerer oder aller Volumensegmente – wird nun eine statistische Analyse durchgeführt, durch die eine Wahrscheinlichkeitsfunktion 18 berechnet wird. Diese kann für jeden Voxel eine Wahrscheinlichkeit angeben, dass dieser zum Innenraum oder zum Herzmuskelgewebe gehört, und anhand dieser Funktion insgesamt eine gute Schätzung liefern, wie hoch der Anteil von Innenraum- bzw. Herzmuskelgewebe in einem bestimmten Volumensegment ist. Es ist hierfür nicht notwendig, jeden einzelnen Voxel entweder dem Innenraum oder dem Herzmuskelgewebe zuzuordnen. Die Wahrscheinlichkeitsfunktion 18 kann vorteilhaft auch über die Gesamtheit aller Voxel im Innen- bzw. Außenbereich abgeschätzt werden.
-
Anhand der so ermittelten Anteile wird das Oberflächenmodell der Hohlrauminnenfläche in dem in 2 dargestellten Beispiel nach innen verschoben, um das korrigierte Flächensegment 5' zu erhalten. Dabei werden vorzugsweise die statistisch berechneten Volumenanteile derartig berücksichtigt, dass das Verhältnis dieser Anteile dem Verhältnis des Volumens innerhalb des Flächensegmentes 5' zu dem Volumen des Volumensegmentes, welches außerhalb des Flächensegmentes 5' liegt, entspricht. Mit "innerhalb" ist hier der Bereich gemeint, der dem Hohlraum 1 zugewandt ist, mit "außerhalb" entsprechend die nach außen gekehrte Seite des Flächensegmentes 5'.
-
Wenn für alle Flächensegmente 5 entsprechend eine korrigierte Position berechnet wurde, kann daraus ein korrigiertes Oberflächenmodell generiert werden, welches wiederum in korrigierte Flächensegmente aufgeteilt werden kann. Dieses Modell kann gegebenenfalls durch weitere Iteration verfeinert werden.
-
Darüber hinaus kann durch die statistische Analyse auch die Position der äußeren Grenzfläche 6b des Volumensegments 6 an die Außenfläche 19 der Hohlraumwand angepasst werden, wie in 3 dargestellt. Dies kann dazu verwendet werden, ein Oberflächenmodell für die Außenfläche 19 der Hohlraumwand 2 zu generieren und mit den hier beschriebenen statistischen Methoden zu optimieren.
-
Im Verlauf der Iterationen kann die Einteilung in Flächen- und Volumenelemente verändert bzw. verfeinert werden, wie in 3 dargestellt. Hierbei werden um das korrigierte Oberflächensegment 5' wiederum neue Grenzflächen definiert und dadurch ein entsprechend angepasstes Volumensegment 6' definiert. Innerhalb des Volumensegmentes 6' kann dann nochmals eine statistische Analyse durchgeführt werden und, wie bei der ersten Iteration, gegebenenfalls das Flächensegment 5' nochmals verschoben oder deformiert. Wenn das Oberflächenmodell 4 lokal einen hohen Detailreichtum erlaubt, kann es vorteilhaft sein, die Flächenelemente 5 bei jeder Iteration zu verkleinern. Man kann also mit einem relativ groben und ‚steifen‘ Modell 4 beginnen und im Verlauf der Iterationen in dem korrigierten Oberflächenmodell 8 immer mehr Details zulassen. Die einzelnen korrigierten Flächensegmente 5' können dann zu einem korrigierten Oberflächenmodell 8 zusammengesetzt werden, welches in 4 dargestellt ist. Man sieht in der Figur, dass das eingeschlossene Volumen des korrigierten Oberflächenmodells 8 sehr gut dem tatsächlichen Volumen des Hohlraums entspricht ohne dazu die komplexe Mischung aus Blut und Muskelfasern im Detail modellieren zu müssen.
-
In einer vorteilhaften Realisierung können neben den Flächensegmenten 5 auch die inneren und äußeren Grenzflächen 6a und 6b jeweils in ihrer Gesamtheit als deformierbare Oberflächenmodelle definiert werden, die wie Zwiebelschalen ineinander liegen. Iterativ werden dann lokale Deformationen an diesen Oberflächenmodellen durchgeführt, bis das oben beschriebene Ziel für alle Regionen erreicht ist. Durch solche Oberflächenmodelle kann Vorwissen über mögliche Formvarianten des Objekts eingebracht werden, wodurch z.B. bei lokalen Signalausfällen durch Abschattungen immer noch plausible Resultate erzielt werden können.
-
Zur Illustration zeigt 5 eine perspektivische Darstellung eines vorläufigen Oberflächenmodells 4 als Beuteldarstellung 10. Das Modell besteht aus einer unten geschlossenen Oberfläche (Beutel), die im oberen Bereich (d.h. dort, wo beim linken Ventrikel die Mitralklappe liegt) durch eine Deckelfläche abgeschlossen wird. Das untere Ende 11 des Beutels entspricht etwa dem Apex des linken Ventrikels. Wie in der Zeichnung dargestellt, wird die Beutelfläche in Segmente 5 aufgeteilt. Eines der Flächensegmente 5 ist schraffiert dargestellt. Zu diesem Flächensegment 5 ist das dazugehörige Volumensegment 6 ebenfalls eingezeichnet. Dieses hat im Wesentlichen die Form eines Tortenstücks (ohne Spitze) und ist nach innen und außen durch die innere Grenzfläche 6a und die äußere Grenzfläche 6b begrenzt, welche im Wesentlichen in Umfangsrichtung verlaufen und vom Flächensegment 5 nach innen bzw. nach außen in Radialrichtung versetzt angeordnet sind.
-
6 zeigt beispielhaft ein Histogramm der Voxel-Grauwerte in einem Volumensegment. Dabei ist die Anzahl Voxel, die einen bestimmten Grauwert haben, gegen diesen Grauwert aufgetragen. Wie man sieht, weist das Histogramm 14 bei niedrigen Grauwerten eine erste Spitze 16 auf, welche hier dem Muskelgewebe der Herzwand zuzuordnen ist, und bei höheren Grauwerten ein zweites lokales Maximum 17, welches dem Blut im Innenraum zuzuordnen ist. Die lokalen Maxima sind jedoch nicht scharf begrenzt und gehen in der Mitte ineinander über, so dass anhand des Grauwerts eines Voxels eine genaue Zuordnung zu Blut bzw. Muskelgewebe offensichtlich nicht möglich ist.
-
Durch die statistische Analyse ist es jedoch möglich, eine Wahrscheinlichkeit zu berechnen, dass ein bestimmter Voxel dem Muskelgewebe zuzuordnen ist. Diese Wahrscheinlichkeitskurve ist mit 18 bezeichnet und in das Histogramm eingetragen. Mit Hilfe dieser Wahrscheinlichkeitskurve lässt sich ein Verhältnis zwischen Blut und Muskelgewebe in dem Volumensegment berechnen, auch wenn eine individuelle Zuordnung einzelner Voxel nicht erfolgt.
-
Somit erfolgt für jedes Voxel eine kontinuierliche Zuweisung einer Zugehörigkeit zur Klasse "Herzmuskel" oder "Innenraum". Im Gegensatz zur Konturdetektion wird hier also nicht notwendigerweise eine binäre Schwellwertentscheidung getroffen. Das jeweilige Klassen-Volumen kann dann durch entsprechend gewichtete Integration über das betrachtete Bildvolumen gewonnen werden. Diese Integration kann auch über Segmente erfolgen und damit regionale Analysen erlauben. Das Oberflächenmodell definiert hier also zum einen die zu betrachtende Region im Datensatz und dient weiterhin der Zuordnung der lokalen Messungen durch ein Segmentmodell.
-
Bevorzugt wird bei der Erfindung also eine geeignete Kombination aus Oberflächenmodell und Grauwertstatistik zur Bestimmung von Klassenwahrscheinlichkeiten durchgeführt.
-
Die oben beschriebene statistische Analyse kann zum Beispiel über die bekannte a posteriori Wahrscheinlichkeit nach Bayes definiert werden. Das Verfahren hat dann die folgenden Schritte:
- 1. Bestimmung des Histogramms über den fraglichen Bildteilbereich (z.B. Herzmuskel und eingeschlossener blutgefüllter Innenraum) in einer zeitlichen Phase, z.B. Enddiastole. Der Bildteilbereich umfasst bevorzugt mehr als nur ein Volumensegment, z.B. einen bestimmten Volumenbereich auf beiden Seiten der Oberfläche des vorläufigen Oberflächenmodells.
- 2. Bestimmung einer bi-modalen Mischverteilung als Approximation des Histogramms mit den Einzelverteilungen der beiden Klassen
P(Grauwert|Herzmuskel)
P(Grauwert|Blut)
- 3. Bestimmung der a posteriori Wahrscheinlichkeit (hier als Beispiel für die Wahrscheinlichkeit, einen Punkt innerhalb des Hohlraums zu repräsentieren, gegeben der gemessene Grauwert) P(Blut|Grauwert) = P(Grauwert|Blut)P(Blut) / P(Blut)
- 4. Messung des Blutvolumens durch gewichtete Integration (Muskelvolumen analog)
-
Bei Vorliegen von Partialvolumeneffekten muss dieser Effekt gesondert berücksichtigt werden, im einfachsten Fall durch Manipulation der Wahrscheinlichkeitsdichten.
-
Das Ergebnis kann dann bei Volumendatensätzen entweder direkt verwendet werden oder lediglich als Proportionalitätsfaktor für das Verhältnis Blut zu Muskel (welcher Prozentsatz des enthaltenen Volumen soll als 'Blut' gewertet werden). In letzterem Fall kann damit das durch das Oberflächenmodell gemessene Volumen nachkalibriert werden. Speziell für räumlich gering abgetastete Daten wie CMRI hat diese Nachkalibration den Vorteil, dass anhand des kleinen Stichprobenvolumens in den einzelnen Schichten das geometrisch definierte Volumen des Oberflächenmodells korrigiert werden kann. Damit werden die Vorteile des geometrischen Modells und die Analyse der Voxeldaten kombiniert. Eine rein voxelbasierte Auswertung erlaubt z. B. keine Hinzunahme von geometrischem Formwissen, wodurch fälschlicherweise auch Strukturen, die nicht mehr der Herzwand oder dem eingeschlossenen Blutvolumen zugerechnet werden sollten, in die statistische Analyse bzw. die Berechnung der Wahrscheinlichkeitsfunktion einfließen können.
-
Die oben beschriebene Analyse kann selbstverständlich auch auf regionale Teilvolumina entsprechend der etablierten Segmentmodelle angewendet werden. Auf diese Weise ist auch eine Korrektur der regionalen Volumenberechnung möglich.
-
Vorteile der Erfindung liegen darin, dass die kontinuierliche Betrachtung der Grauwerte auch dann eine anteilige Volumenberechnung erlaubt, wenn eine klare Trennlinie bzw. Grenzfläche zwischen Innenraum und Hohlkörperwand nicht sinnvoll definiert werden kann.
-
Zudem können Fehler bei der Definition des vorläufigen Oberflächenmodells korrigiert werden. Dies erleichtert sowohl die Definition bzw. Erzeugung desselben, da es nicht sehr exakt zu sein braucht, als auch die Berechnung der dynamischen Zeit-Volumen-Kurve nach einem Feature-Tracking, da Fehler des Tracking-Verfahrens ausgeglichen werden können.
-
Die erfindungsgemäße Korrektur kann sowohl global als auch regional erfolgen. Die Inter- und Intra-Observer-Variabilität sinkt.
-
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 Nicht-Patentliteratur
-
- IEEE Transactions on Image Processing, Vol. 4, No. 11, November 1995, Seite 1531 in dem Artikel von Santago und Gage "Statistical models of partial volume effect" [0013]
- Artikels "Wall motion and thickening by gated SPECT" von Sharir et al, The Journal of Nuclear Medicine, Vol. 42, No. 11, November 2001, Seite 1630 [0024]
- “AHA Scientific Statement: Standardized Myocardial Segmentation and Nomenclature for Tomographic Imaging of the Heart, A Statement for Healthcare Professionals From the Cardiac Imaging Committee of the Council on Clinical Cardiology of the American Heart Association”, American Heart Association Writing Group on Myocardial Segmentation and Registration for Cardiac Imaging: Manuel D. Cerqueira, MD; Neil J. Weissman, MD; Vasken Dilsizian, MD; Alice K. Jacobs, MD; Sanjiv Kaul, MD; Warren K. Laskey, MD; Dudley J. Pennell, MD; John A. Rumberger, MD; Thomas Ryan, MD; Mario S. Verani, MD; doi: 10.1161/hc0402.102975; 2002, 105:539–542 Circulation [0024]
