DE112004001691T5

DE112004001691T5 - Verfahren und System zur automatischen Ausrichtung von lokalen Visualisierungstechniken für vaskuläre Strukturen

Info

Publication number: DE112004001691T5
Application number: DE112004001691T
Authority: DE
Inventors: Pascal Cathier
Original assignee: Siemens Medical Solutions USA Inc
Current assignee: Siemens Medical Solutions USA Inc
Priority date: 2003-09-22
Filing date: 2004-09-20
Publication date: 2006-07-20
Also published as: CN100530237C; WO2005031649A1; JP4463817B2; CN1853197A; US20050105829A1; US7355605B2; JP2007505711A

Abstract

Verfahren zur Ausrichtung einer röhrenartigen Struktur in einem digitalen Bild, wobei das besagte Bild eine Mehrzahl von Intensitäten beinhaltet, die einer Domain von Punkten in einem D-dimensionalen Raum entsprechen, und wobei das Verfahren die folgenden Schritte umfasst:
a) Auswählen eines Punktes in der Bild-Domain;
b) Berechnen eines Gradienten des Bildes in der unmittelbaren Umgebung des besagten ausgewählten Punktes;
c) Berechnen eines Struktur-Tensors für den besagten ausgewählten Punkt;
d) Finden der Eigenwerte der Struktur-Tensoren; und
e) Analysieren der Eigenwerte, um einen Eigenvektor zu finden, der entlang der röhrenartigen Struktur ausgerichtet ist.

Description

Querverweisung auf verwandte Patentanmeldungen in den Vereinigten Staaten von Amerika
Die vorliegende Patentanmeldung beansprucht den Vorrang vor der vorläufigen US-Patentanmeldung "Automatic orientation of local visualization techniques for vessel structures" (Automatische Ausrichtung von lokalen Visualisierungstechniken für vaskuläre Strukturen) unter der laufenden Nummer 60/504.910 durch Pascal Cathier, eingereicht am 22. September 2003, deren Offenbarungsgehalt durch diesen Querverweis als in diese Patentanmeldung aufgenommen gilt.
Gebiet und Hintergrund der Erfindung
Die vorliegende Erfindung bezieht sich auf die Erkennung von vaskulären Strukturen in digitalen medizinischen Bildern.
Die in diagnostischer Hinsicht überlegene Information, die von Daten zur Verfügung gestellt wird, welche mithilfe von modernen Bildgebungssystemen gewonnen wurden, ermöglicht die Erkennung potenzieller Problembereiche bereits in einem früheren und daher besser behandelbaren Stadium. Vor dem Hintergrund der ungeheueren Menge von Einzeldaten, die mittels Bildgebungssystemen gewonnen werden können, müssen diverse Algorithmen entwickelt werden, um diese Bilddaten effizient und exakt zu verarbeiten. Mithilfe von Computern werden allgemein Fortschritte in der Bildverarbeitung von digitalen oder digitalisierten Bildern erzielt.
Digitale Bilder werden aus eine Reihe (Array) von numerischen Werten erzeugt, die eine Eigenschaft repräsentieren (beispielsweise einen Graustufenwert oder eine Magnetfeldstärke), welche anatomischen Lokalisationspunkten zugeordnet werden können, auf die eine bestimmte Array-Position verweist. Der Satz anatomischer Lokalisationspunkte umfasst die Bild-Domain. Bei zweidimensionalen digitalen Bildern, oder Einzelschichtbildern, werden die einzelnen Array-Positionen als Pixel (Bildpunkte) bezeichnet. Dreidimensionale digitale Bilder lassen sich durch Stapelung von Einzelschichtbildern mithilfe diverser in der Technik ausreichend bekannter Herstellungstechniken erstellen. Die dreidimensionalen Bilder werden aus einzelnen Volumenelementen zusammengesetzt, die auch als Voxel (= Volumenpixel) bezeichnet werden und die sich aus Pixeln der zweidimensionalen Bilder zusammensetzen. Die Eigenschaften der Pixel oder Voxel können verarbeitet werden, um bestimmte Eigenschaften der Anatomie eines Patienten zu untersuchen, die derartigen Pixeln oder Voxeln zuzuordnen sind. Computerunterstützte Diagnosesysteme (CAD, Computer-aided Diagnosis) spielen bei der Analyse und der Visualisierung der digitalen Bilddaten eine zentrale Rolle.
Ein wichtiges Einsatzgebiet von Computer-Tomographie-(CT-) Bildgebungssystemen sowie von Magnetresonanz-(MR) und von dreidimensionalen Röntgen-(XR-) Bildgebungssystemen ist die Erstellung von dreidimensionalen Bilddatensätzen für die Gefäßanalyse, die die Analyse einer Vielzahl von gewundenen röhrenartigen Strukturen wie beispielsweise Atemwege, Gänge/Kanäle, Nerven, Blutgefäße etc. ermöglichen. Die Erstellung solcher dreidimensionalen Bilddatensätze ist insbesondere für Radiologen wichtig, die gehalten sind, umfassende visuelle Befunde bereitzustellen, um eine Beurteilung von Stenose- oder Aneurysma-Parametern, die Quantifizierung von Längen, Abschnittgrößen, Winkeln und ähnlichen Parametern zu ermöglichen. Informationen zu beispielsweise der akutesten Stenose in einem bestimmten Gefäßabschnitt, dem größten Aneurysma in einem ausgewählten Gefäßabschnitt oder der Windung eines Gefäßes werden allgemein von Ärzten für die Planung chirurgischer Eingriffe herangezogen. Aus Gründen der Produktivität ebenso wie zwecks Einsparung von Kosten für Filmmaterial sollten die dreidimensionalen Bilddatensätze auf lediglich einen relativ kleinen Satz besonders signifikanter Aufnahmen beschränkt werden.
Um die Beschaffung von wertvollen Informationen für die Gefäßanalyse auf effiziente Weise zu erleichtern, stellen konventionelle medizinische Bildgebungssysteme unter Umständen eine 3D-Visualisierungssoftware bereit. Diese Art von Software wird entweder in den Bildgebungssystemen selbst oder auf Analyse-Arbeitsstationen zur Verfügung gestellt und bietet eine Reihe von Hilfsmitteln für die Durchführung von Längen-, Winkel- oder Volumenmessungen sowie für die Visualisierung eines Volumens auf unterschiedliche Weise, beispielsweise mithilfe von Querschnitten, Navigations-Cursor oder Voqlumenrendering. In Bezug auf die Gefäßanalyse kann speziell die Software verwendet werden, um vielfache abgestufte Schnittbilder eines bestimmten Gefäßes zu erhalten, die die Analyse des betreffenden Gefäßes erlauben.
Die Analyse gewundener Strukturen, beispielsweise etwa Atemwege, Gefäße, Gänge/Kanäle oder Nerven, ist einer der hauptsächlichen Einsatzbereiche medizinischer Bildgebungssysteme. Diese Aufgabe wird heutzutage erfüllt, indem eine Vielzahl von abgestuften Schnittbildern herangezogen wird, um lokale Segmente dieser Strukturen zu analysieren. Diese Ansichten liefern ein klares, verzerrungsfreies Bild kurzer Abschnitte dieser Objekte, erfassen jedoch selten deren gesamte Länge. Curved-Reformation-Bilder liefern synthetische Ansichten, die die gesamte Länge dieser röhrenartigen Objekte erfassen, und eignen sich daher sehr gut für diese Analyseaufgabe. Aus diesen Ansichten können echte dreidimensionale Längenmessungen entlang der Achse gewonnen werden, die in vielen Fällen nicht allzu weit von den tatsächlichen anatomischen Gegebenheiten abweichen. Curved-Reformation-Bilder können erzeugt werden, indem Abtastwerte von Punkten, die in gleicher Entfernung entlang einer Kurve liegen, verwendet werden, um Linien zu erzeugen, und danach diese Kurve durch einen Abtastvektor umgesetzt wird, um die nächste Bildlinie zu generieren.
Demnach wäre es vorteilhaft, wenn neue Verfahren und Vorrichtungen entwickelt würden, die es möglich machen, mit medizinischen Bildgebungssystemen und zugehöriger 3D-Visualisierungssoftware nutzbare dreidimensionale Bilddatensätze in einer effizienteren, konsistenten, wiederholbaren, schnellen und weniger bedienerabhängigen Art und Weise zu erzeugen. Speziell wäre es von Vorteil, wenn solche neuen Verfahren und Vorrichtungen die Gefäßanalyse vereinfachten, einschließlich der Analyse und bildlichen Darstellung von röhrenartigen Gefäßen sowie der damit zusammenhängenden Stenosen, Aneurysmen und Windungen. Es wäre ferner vorteilhaft, wenn solche Verfahren und Vorrichtungen sowohl während der Bilderfassung als auch während der Nachbearbeitung im Anschluss an die Bilderfassung eingesetzt werden könnten.
Zusammenfassung der Erfindung
Gemäß einem Aspekt der Erfindung wird ein Verfahren zur Ausrichtung einer röhrenartigen Struktur in einem digitalen Bild bereitgestellt, wobei das Bild eine Mehrzahl von Intensitäten beinhaltet, die einer Domain von Punkten in einem D-dimensionalen Raum entsprechen. Das Verfahren umfasst das Auswählen eines Punktes in der Bild-Domain, das Berechnen eines Gradienten des Bildes in der unmittelbaren Umgebung des ausgewählten Punktes, das Berechnen eines elementaren Struktur-Tensors an dem ausgewählten Punkt, das Finden der Eigenwerte der Struktur-Tensoren und das Analysieren der Eigenwerte, um einen Eigenvektor zu finden, der entlang der röhrenartigen Struktur ausgerichtet ist.
Gemäß einem weiteren Aspekt der Erfindung wird der Gradient des Bildes näherungsweise ermittelt, indem das Bild mit einer Ableitung eines Gauß'schen Kernels G über die Umgebung und mit dem ausgewählten Punkt als Mittelpunkt gefaltet wird.
Gemäß einem weiteren Aspekt der Erfindung weist der Gauß'sche Kernel eine standardmäßige Abweichung σ_G auf, wobei σ_G um etwa zwei Größenordnungen kleiner ist als die Größe des Bildes.
Gemäß einem weiteren Aspekt der Erfindung kann der elementare Struktur-Tensor definiert werden, indem der Gradient des Bildes mit seiner Transponierten multipliziert wird.
Gemäß einem weiteren Aspekt der Erfindung kann der Struktur-Tensor durch Falten des elementaren Struktur-Tensors mit einem Gauß'schen Kernel bestimmt werden, welcher eine standardmäßige Abweichung von σ_T aufweist, wobei σ_T der Größe des gesuchten Objekts entspricht.
Gemäß einem weiteren Aspekt der Erfindung können die Eigenwerte gefunden werden, indem eine Householder-QL-Zerlegung durchgeführt wird.
Gemäß einem weiteren Aspekt der Erfindung ist der Eigenvektor, der dem kleinsten Eigenwert entspricht, entlang der röhrenartigen Struktur ausgerichtet.
Gemäß einem weiteren Aspekt der Erfindung kann die Umgebung des ausgewählten Punktes mit einer vaskulären Struktur verglichen werden, indem die beiden kleinsten Eigenwerte der Umgebung miteinander verglichen werden, wobei die beiden kleinsten Eigenwerte unähnlich sind, wenn die Umgebung lokal ähnlich einer vaskulären Struktur ist.
Gemäß einem weiteren Aspekt der Erfindung kann eine Cartwheel-Projektion um eine Achse herum berechnet werden, welche durch den Eigenvektor definiert ist, der entlang der röhrenartigen Struktur ausgerichtet ist.
Kurze Beschreibung der Zeichnungen
1 zeigt ein Flussdiagramm eines bevorzugten Verfahrens gemäß der Erfindung.
2 ist ein Diagramm, das eine Cartwheel-Projektion eines Schichtbildes veranschaulicht, die an einem interessierenden Objekt zentriert ist.
3 zeigt, wie ein Anwender eine zu analysierende Struktur auswählt.
4 zeigt ein Gefäß, das mit einem Verfahren gemäß der Erfindung gefunden wurde.
5 zeigt ein beispielhaftes Computersystem zur Implementierung einer bevorzugten Ausführungsform der Erfindung.
Ausführliche Beschreibung der bevorzugten Ausführungsform
Die vorliegende Erfindung betrifft computerunterstützte Diagnose-(CAD-) Verfahren zur automatischen Erkennung einer Gefäßachse in einer vaskulären Struktur und zur Verwendung dieser Achse als Hilfsmittel bei der Visualisierung solcher Strukturen.
Beispielhafte Ausführungsformen der Erfindung werden nachstehend beschrieben. Im Interesse der Übersichtlichkeit werden dabei nicht alle Einzelheiten einer tatsächlichen Implementierung in der vorliegenden Spezifikation beschrieben. Es ist natürlich einzusehen, dass bei der Entwicklung einer solchen tatsächlichen Ausführungsform zahlreiche für die jeweilige Implementierung spezifische Entscheidungen getroffen werden müssen, um die speziellen Ziele des Entwicklers umzusetzen, beispielsweise etwa die Konformität mit systembezogenen und geschäftsbezogenen Beschränkungen, die je nach Implementierung variieren werden. Darüber hinaus ist einzusehen, dass ein solcher Entwicklungsaufwand unter Umständen komplex und zeitaufwändig sein kann, aber dennoch für Fachleute auf diesem Gebiet der Technik, die von der vorliegenden Beschreibung profitieren, eine Routineaufgabe darstellt.
Obwohl die Erfindung diversen Modifikationen und alternativen Ausführungsformen unterliegen kann, werden in den Zeichnungen einige spezifische Ausführungsformen beispielhaft dargestellt und im Folgenden ausführlich beschrieben. Es versteht sich jedoch von selbst, dass die Beschreibung der spezifischen Ausführungsformen in der vorliegenden Patentanmeldung keinesfalls beabsichtigt, die Erfindung auf die offenbarten Ausführungsformen zu beschränken, sondern dass im Gegenteil die Absicht ist, sämtliche Modifikationen, Entsprechungen und alternativen Ausführungsformen abzudecken, die unter den Geist und in den Schutzbereich der Erfindung fallen wie in den angehängten Patentansprüchen definiert.
Gemäß Verwendung in dem vorliegenden Dokument bezieht sich der Begriff „Bild" auf mehrdimensionale Daten, welche sich aus einzelnen Bildelementen (beispielsweise Pixeln für zweidimensionale Bilder und Voxeln für dreidimensionale Bilder) zusammensetzen. Bei einem Bild kann es sich etwa um eine medizinische Aufnahme eines Gegenstands handeln, die mithilfe der Computer-Tomographie, der Magnetresonanz-Tomographie, von Ultraschall oder eines anderen medizinischen Bildgebungssystems, wie sie Fachleuten auf diesem Gebiet der Technik bekannt sind, gewonnen wurde. Das Bild kann außerdem auch aus nicht-medizinischen Zusammenhängen stammen, beispielsweise etwa von Fernerkennungssystemen, Elektronenmikroskopie etc. Obwohl ein Bild vorstellbar ist als eine Funktion von R³ zu R, sind die Verfahren gemäß der Erfindung nicht beschränkt auf Bilder dieser Art, sondern sie können auf Bilder jeglicher Dimension angewendet werden, also etwa ein zweidimensionales Bild oder ein dreidimensionales Volumen. Die vorliegende Erfindung wird vorzugsweise in einem Computersystem ausgeführt, beispielsweise etwa einem Personal-Computer der Pentium^®-Klasse, auf dem Computer-Software läuft, welche die Algorithmen gemäß der vorliegenden Erfindung implementiert. Dieser Computer umfasst einen Prozessor, einen Speicher und diverse Eingabe- und Ausgabemittel. Eine Reihe von digitalen Bildern, die ein Volumen im Thorax darstellen, wird in den Computer eingegeben. Die Begriffe „digital" und „digitalisiert" beziehen sich gemäß Verwendung in diesem Dokument auf Bilder bzw. Volumen in einem digitalen oder digitalisierten Format, die mittels eines digitalen Aufnahmesystems oder per Umwandlung eines analogen Bildes erstellt wurden.
Vaskuläre Strukturen sind Beispiele für röhrenartig geformte Objekte, wie sie allgemein in medizinischen Bildern gefunden werden. Weitere Beispiele für röhrenartige Objekte in medizinischen Bildern können Gefäße, Bronchien, den Darm, Gänge/Kanäle, Nerven und bestimmte Knochen umfassen. Die Darstellung und Analyse von röhrenartigen Objekten in medizinischen Bildern kann dem medizinischen Personal helfen, die komplexe Anatomie des Patienten zu verstehen, und medizinische Behandlungen erleichtern. Wenn er dreidimensionale Bilder von vaskulären Strukturen erhält, beispielsweise Aufnahmen eines Computer-Tomographen (CT), kann ein Arzt mithilfe von axialen Schnitten anomale Strukturen erkennen (etwa Knötchen oder Emboli), um aber die Form der Struktur weiter zu analysieren, sind zusätzliche Ansichten nützlich. Eine Möglichkeit hierfür ist die Cartwheel-Projektion, bei der die Projektionsebene um eine Achse gedreht wird. Dies erleichtert es dem Arzt einzuschätzen, ob eine Struktur rund ist oder nicht. Eine andere Möglichkeit ist, Projektionsebenen orthogonal zur Achse des Gefäßes zu analysieren. Für diese Verfahren ist als Eingabe eine Achse erforderlich. Bei dieser Achse sollte es sich vorzugsweise um die Achse des Gefäßes handeln. Wenn eine beliebige Achse als Standard verwendet wird, kann das Visualisierungsergebnis unter Umständen unzureichend sein.
In einer typischen Analysesituation betrachtet ein Arzt ein volumetrisches Bild, beispielsweise etwa eine Computer-Tomographie-(CT-) Aufnahme der Lunge, und sucht darin nach kugelförmigen Strukturen. Die Bilder sind in allen Dimensionen sehr groß. Üblicherweise betrachtet der Arzt nur axiale Bilder, d. h. X-Y-Schnittbilder des Volumens, nacheinander, meist beginnend vom Kopf abwärts und zurück. Die Schnittbilder sind üblicherweise 512 × 512 Pixel groß, während die Strukturen, nach denen der Arzt sucht, in aller Regel nur wenige Pixel breit sind. Wenngleich der Arzt somit den größten Teil eines Bildes ohne weiteres außer Acht lassen kann, will er unter Umständen doch manchmal eine Struktur näher betrachten. Außerdem will er, bei näherer Betrachtung, vielleicht eine vollständige dreidimensionale Information statt einfach nur den X-Y-Schnitt. In diesem Fall ist die Cartwheel-Projektion vonnutzen, zusammen mit anderen 3D-Hilfsmitteln, die entweder jedes für sich oder in Kombination mit der Cartwheel-Projektion eingesetzt werden können.
Die Cartwheel-Projektion kann dazu verwendet werden, zwischen kugelförmigen und röhrenartigen Strukturen zu unterscheiden. Das Problem dabei ist nur, dass bei reiner Verwendung von X-Y-Schnittbildern beide Arten von Strukturen als Kreise erscheinen können. Hier gibt eine voll dreidimensionale Rotation dem Arzt die Möglichkeit, zwischen Gefäßen und Knoten zu differenzieren. Die Cartwheel-Projektion kann diese Differenzierung recht gut bewirken, allerdings ist in ihrer ursprünglichen Form die Rotationsachse des „Wagenrades" (engl. Cartwheel) festgelegt (üblicherweise die X- oder die Y-Achse) und somit in Bezug auf die Achse des Gefäßes zufällig. Dementsprechend muss der Arzt nach dem Rotationswinkel des Wagenrades suchen, für den die Cartwheel-Ebene die Gefäßachse enthält, um zwischen einem Gefäß und einem Knoten unterschieden zu können. Die in der vorliegenden Patentanmeldung aufgezeigten Verfahren zielen darauf ab, die Erkennung einer Gefäßachse zu erleichtern und sie in geeigneter Weise in diesen Visualisierungstechniken zu verwenden.
In einer bevorzugten Ausführungsform der Erfindung kann ein lokaler Struktur-Tensor dazu benutzt werden, die Hauptachse eines vaskulären Objekts zu lokalisieren, ausgehend von einer vermuteten lokalen Hauptachse. Eine erste Einschätzung der Lage der Hauptachse kann von dem Anwender mithilfe einer Eingabevorrichtung wie etwa einer Maus vorgenommen werden, mit der ein Punkt in einem Einzelschnittbild ausgewählt wird. Es wird nun Bezug genommen auf 1; ein bevorzugtes Verfahren zur Berechnung eines Struktur-Tensors beginnt mit der Berechnung des Gradienten eines Bildes, welcher ein dreidimensionaler Vektor ist, der aus den Bild-Teilableitungen entlang der kanonischen Achsen gebildet wird:
In der Praxis wird ein Bild nur an einzelnen Punkten abgetastet und ist anfällig für Rauschen. In einer bevorzugten Ausführungsform kann in Schritt 101 ein Gradient in einer Umgebung eines Bildes an jedem Punkt in der Umgebung geschätzt werden, indem das Bild mit einer Gauß'schen Ableitung gefaltet wird:
wobei G ein diskreter normalisierter D-dimensionaler Gauß'scher Kernel mit der standardmäßigen Abweichung σ_G ist,
und der Operand * eine Faltung ist. Die Standardabweichung ist üblicherweise relativ gering verglichen mit der Gesamtgröße des Bildes, beispielsweise maximal drei Voxel, oder um zwei Größenordnungen kleiner als die Zahl der Voxel in einer Dimension des Bildes, und wird gewählt, um die Berechnung des Gradienten auf ein kleines Volumen um den ausgewählten Punkt herum zu begrenzen und Rauscheffekte zu glätten.
Bei dem Struktur-Tensor handelt es sich um eine 3 × 3-Matrix, die abgeleitet werden kann, indem in Schritt 103 das äußere Produkt aus dem Gradienten und seiner Transponierten mit einem räumlichen Filter gefaltet wird, dessen Größe einem gesuchten Objekt entspricht. Ein bevorzugter räumlicher Filter ist ein Gauß'scher Kernel:
Der Wert Sigma kann hier sehr groß sein und ist locker verbunden mit der Größe des gesuchten Objekts. Zwar können auch andere Faltungskernel verwendet werden, jedoch wird der Gauß'sche Kernel bevorzugt. Die drei Eigenwerte des Struktur-Tensors können im Schritt 104 mithilfe jedes der in der Technik bekannten geeigneten Verfahren berechnet werden. Eines dieser Verfahren ist die Householder-QL-Zerlegung.
Die Eigenvektoren des Struktur-Tensors verhalten sich alle orthogonal zueinander, und in Schritt 105 ist der Eigenvektor, der dem kleinsten Eigenwert entspricht, mit größter Wahrscheinlichkeit auch die Achse einer vaskulären Struktur. Tatsächlich wird, wenn ein Ausgangspunkt innerhalb oder auch nur nahe einem Gefäß gewählt wird, einer der Eigenvektoren, nämlich derjenige mit dem kleinsten Eigenwert, aller Wahrscheinlichkeit nach entlang dem Gefäß ausgerichtet sein. Selbst in einer Situation, in der ein Gefäß gekrümmt ist oder sich in mehrere Teile verzweigt, wird die Untersuchung des Eigenvektors, der dem kleinsten Eigenwert zugeordnet ist, zumindest lokal entlang dem Blutgefäß ausgerichtet sein. Beispielsweise können Eigenvektoren dazu verwendet werden zu überprüfen, ob das Bild lokal ähnlich einer vaskulären Struktur ist, indem die beiden kleinsten Eigenwerte miteinander verglichen werden, welche im Normalfall sehr unähnlich sein sollten.
Die Cartwheel-Projektion kann in Schritt 106 durchgeführt werden, um diejenige Achse herum, die durch den angeklickten Punkt und diesen Eigenvektor definiert ist. 2 veranschaulicht eine Cartwheel-Projektion eines Objekts von Interesse. Jedes axiale Schnittbild, das einer Cartwheel-Projektion unterzogen wird, stammt von einer Bildaufnahme einer Lunge 200, die mittels eines Computer-Tomographen (CT) erstellt wurde, und ist um ein Objekt von Interesse herum zentriert, beispielsweise eine verdächtige Struktur. Wie in der 2 dargestellt, wird eine sich drehende Projektionsebene 201 um 180 Grad um einen Punkt von Interesse 202 gedreht und werden eine Reihe von zweidimensionalen Projektionen des axialen Schnittbildes (im Folgenden Cartwheel-Projektions-Schnittbilder genannt), wie etwa die Cartwheel-Projektions-Schnittbilder 203 und 204, erzielt. Die Rotationswinkel können in vorab definierten Intervallen, beispielsweise etwa alle fünf Grad, eingestellt werden, in welchem Fall 36 einzelne Cartwheel-Projektions-Schnittbilder für jedes eingegebene Objekt von Interesse auf einem gegebenen axialen Schnittbild erzeugt würden. In ähnlicher Weise würden, wenn das Intervall auf 1 Grad eingestellt wäre, 180 einzelne Cartwheel-Projektions-Schnittbilder für jedes eingegebene Objekt von Interesse erzeugt.
Die Cartwheel-Projektion kann dazu verwendet werden, zwischen kugelförmigen und röhrenartigen Strukturen zu differenzieren. Projektionen orthogonal zu der Achse können ebenfalls berechnet werden, um so Schnittbilder zu erhalten, die orthogonal zum Gefäß geschnitten sind. Sobald die Rotationsachse entlang dem Gefäß ausgerichtet ist, wird anhand einer Cartwheel-Projektion offensichtlich, dass es sich bei der Struktur um ein Gefäß handelt, da von dem ersten Winkel bis zu dem letzen Winkel alle Projektionsebenen das Gefäß genau durch seine Achse schneiden.
Die 3 und 4 zeigen ein Beispiel einer solchen Schnittstelle. In 3 klickt ein Anwender in das Bild an eine Stelle, von der er eine lokale Ansicht wünscht, wie durch das Fadenkreuz in der Abbildung angezeigt. Wenn es sich bei der Struktur unter dem Mauszeiger um ein Gefäß handelt, erfolgt die Cartwheel-Projektion entlang seiner Achse, die automatisch in einer gegebenen Richtung angezeigt wird. 4 zeigt ein horizontal dargestelltes Gefäß.
Handelt es sich bei einer Struktur um einen Knoten, kann die Rotationsachse mehr oder minder zufällig werden, da alle Schnitte ohnehin ein scheibenförmiges Bild ergeben. Allerdings würde es der Arzt in dieser Situation in der Regel vorziehen, wenn er eine nicht zufällige Achse hätte, üblicherweise die X- oder die Y-Achse. Wenn also der Struktur-Tensor berechnet wird und erkannt wird, dass alle Eigenwerte nahe beieinander liegen, kann von der Verwendung der Tensor-Achse umgestellt werden auf die Verwendung der standardmäßigen Cartwheel-Achse.
Es versteht sich, dass die vorliegende Erfindung in verschiedenen Formen von Hardware, Software, Firmware, Prozessen für einen speziellen Zweck oder einer Kombination daraus implementiert werden kann. In einer Ausführungsform kann die vorliegende Erfindung in Software-Form als ein Anwendungsprogramm implementiert werden, das greifbar in eine computerlesbare Programmspeichervorrichtung integriert ist. Das Anwendungsprogramm kann auf eine Maschine geladen werden, die eine geeignete Architektur umfasst, und auf dieser Maschine ausgeführt werden.
Es wird nun Bezug genommen auf 4; gemäß einer Ausführungsform der vorliegenden Erfindung kann ein Computersystem 401 zur Implementierung der vorliegenden Erfindung unter anderem eine Zentraleinheit (Central Processing Unit, CPU) 402, eine Speichervorrichtung 403 und eine Ein-/Ausgabe-(E/A-) Schnittstelle 404 umfassen. Das Computersystem 401 ist allgemein über die Ein-/Ausgabe-(E/A-) Schnittstelle 404 mit einer Anzeigevorrichtung 405 und diversen Eingabevorrichtungen 406 wie beispielsweise einer Maus und einer Tastatur verbunden. Die unterstützenden Schaltungen können Schaltungen umfassen wie beispielsweise Cache-Speicher, Stromversorgungen, Taktgeberschaltungen und einen Kommunikationsbus. Die Speichervorrichtung 403 kann einen Speicher mit wahlfreiem Zugriff (Random Access Memory, RAM), einen Nur-Lesen-Speicher (Read Only Memory, ROM), eine Festplattenlaufwerk, ein Bandlaufwerk etc. oder eine Kombination daraus umfassen. Die vorliegende Erfindung kann als eine Routine 407 implementiert werden, die im Speicher 403 gespeichert ist und von der Zentraleinheit CPU 402 ausgeführt wird, um ein Signal von der Signalquelle 408 zu verarbeiten. Das Computersystem 401 an sich ist ein universelles Computersystem, das zu einem speziellen Computersystem wird, wenn es die Routine 407 gemäß der vorliegenden Erfindung ausführt.
Das Computersystem 401 umfasst darüber hinaus ein Betriebssystem und Mikroinstruktions-Code. Die verschiedenen Prozesse und Funktionen, die in dieser Patentanmeldung beschrieben werden, können entweder Bestandteil des Mikroinstruktions-Codes oder Bestandteil des Anwendungsprogramms (oder einer Kombination daraus) sein, der/das durch das Betriebssystem ausgeführt wird. Zusätzlich können diverse weitere Peripheriegeräte an die Computerplattform angeschlossen sein, beispielsweise etwa eine zusätzliche Datenspeichervorrichtung und ein Drucker.
Es versteht sich ferner, dass, weil einige der zentralen Komponenten des Systems sowie Verfahrensschritte, die in den beigefügten Zeichnungen dargestellt werden, als Software realisiert werden können, die tatsächlichen Verbindungen zwischen den Systemkomponenten (oder den Verfahrensschritten) abweichen können, in Abhängigkeit von der Art und Weise, in der die vorliegende Erfindung programmiert wird. vor dem Hintergrund der Lehren der vorliegenden Erfindung, wie sie hier erläutert werden, wird ein Fachmann auf diesem Gebiet der Technik in der Lage sein, diese und ähnliche Implementierungen oder Konfigurationen der vorliegenden Erfindung zu betrachten.
Die speziellen Ausführungsformen, die vorstehend beschrieben werden, dienen lediglich der Veranschaulichung, da die Erfindung auf verschiedene, jedoch gleichwertige Arten modifiziert und ausgeführt werden kann, die für den Fachmann auf diesem Gebiet der Technik, der von den Lehren in dieser Patentanmeldung profitiert, offensichtlich sind. Ferner sind keinerlei Einschränkungen beabsichtigt hinsichtlich der hier dargestellten Einzelheiten der Konstruktion oder des Designs, soweit nicht in den nachstehenden Patentansprüchen beschrieben. Es ist daher offensichtlich, dass die speziellen vorstehend beschriebenen Ausführungsformen verändert oder modifiziert werden können und dass alle diese Varianten als in den Schutzbereich und unter den Geist der Erfindung fallend zu betrachten sind. Demgemäß ergibt sich der Schutzumfang, der mit dieser Patentanmeldung beansprucht wird, aus den nachstehenden Patentansprüchen.
Zusammenfassung
Gemäß einem Aspekt der Erfindung wird ein Verfahren zur Ausrichtung einer röhrenartigen Struktur in einem digitalen Bild bereitgestellt, wobei das Bild eine Mehrzahl von Intensitäten beinhaltet, die einer Domain von Punkten in einem D-dimensionalen Raum entsprechen. Das Verfahren umfasst das Auswählen eines Punktes in der Bild-Domain, das Berechnen eines Gradienten des Bildes in der unmittelbaren Umgebung des ausgewählten Punktes, das Berechnen eines elementaren Struktur-Tensors an dem ausgewählten Punkt, das Finden der Eigenwerte der Struktur-Tensoren und das Analysieren der Eigenwerte, um einen Eigenvektor zu finden, der entlang der röhrenartigen Struktur ausgerichtet ist. Weiter kann eine Cartwheel-Projektion um eine Achse herum berechnet werden, die durch den Eigenvektor definiert ist, der entlang der besagten röhrenartigen Struktur ausgerichtet ist.

Claims

Verfahren zur Ausrichtung einer röhrenartigen Struktur in einem digitalen Bild, wobei das besagte Bild eine Mehrzahl von Intensitäten beinhaltet, die einer Domain von Punkten in einem D-dimensionalen Raum entsprechen, und wobei das Verfahren die folgenden Schritte umfasst: a) Auswählen eines Punktes in der Bild-Domain; b) Berechnen eines Gradienten des Bildes in der unmittelbaren Umgebung des besagten ausgewählten Punktes; c) Berechnen eines Struktur-Tensors für den besagten ausgewählten Punkt; d) Finden der Eigenwerte der Struktur-Tensoren; und e) Analysieren der Eigenwerte, um einen Eigenvektor zu finden, der entlang der röhrenartigen Struktur ausgerichtet ist.
Verfahren gemäß Anspruch 1, wobei der Gradient des Bildes näherungsweise ermittelt wird, indem das Bild mit einer Ableitung eines Gauß'schen Kernels G über die Umgebung und mit dem besagten ausgewählten Punkt als Mittelpunkt gefaltet wird.
Verfahren gemäß Anspruch 2, wobei der Gauß'sche Kernel eine standardmäßige Abweichung σ_G aufweist, wobei σ_G um etwa zwei Größenordnungen kleiner ist als die Größe des Bildes.
Verfahren gemäß Anspruch 1, wobei der Struktur-Tensor ermittelt werden kann, indem das äußere Produkt aus dem Gradienten und seiner Transponierten mit einem Gauß'schen Kernel gefaltet wird, der eine standardmäßige Abweichung von σ_T aufweist, wobei σ_T der Größe des gesuchten Objekts entspricht.
Verfahren gemäß Anspruch 1, wobei die Eigenwerte gefunden werden, indem eine Householder-QL-Zerlegung durchgeführt wird.
Verfahren gemäß Anspruch 1, wobei der Eigenvektor, der entlang der röhrenartigen Struktur ausgerichtet ist, dem kleinsten Eigenwert entspricht.
Verfahren gemäß Anspruch 1, welches ferner umfasst, die besagte Umgebung des besagten ausgewählten Punktes mit einer vaskulären Struktur zu vergleichen, indem die beiden kleinsten Eigenwerte der besagten Umgebung miteinander verglichen werden, wobei die besagten beiden kleinsten Eigenwerte unähnlich sind, wenn die besagte Umgebung lokal ähnlich einer vaskulären Struktur ist.
Verfahren gemäß Anspruch 1, welches ferner umfasst, eine Cartwheel-Projektion um eine Achse herum zu berechnen, welche durch den Eigenvektor definiert ist, der entlang der besagten röhrenartigen Struktur ausgerichtet ist.
Verfahren zur Ausrichtung einer röhrenartigen Struktur in einem digitalen Bild, wobei das besagte Bild eine Mehrzahl von Intensitäten beinhaltet, die einer Domain von Punkten in einem D-dimensionalen Raum entsprechen, und wobei das Verfahren die folgenden Schritte umfasst: a) Auswählen eines Punktes in der Bild-Domain; b) Berechnen eines Gradienten des Bildes in einer unmittelbaren Umgebung des besagten ausgewählten Punktes durch Falten des Bildes mit einer Ableitung eines Gauß'schen Kernels G über eine standardmäßige Abweichung σ_G, wobei σ_G um zwei Größenordnungen kleiner ist bezogen auf die Größe des Bildes; c) Ermitteln eines Struktur-Tensors für den besagten ausgewählten Punkt, indem das äußere Produkt aus dem Gradienten und seiner Transponierten mit einem Gauß'schen Kernel gefaltet wird, der eine standardmäßige Abweichung von σ_T aufweist, wobei σ_T der Größe des gesuchten Objekts entspricht; d) Finden der Eigenwerte der Struktur-Tensoren, indem eine Householder-QL-Zerlegung durchgeführt wird; e) Finden eines kleinsten Eigenwertes aus den besagten Eigenwerten, um einen entsprechenden Eigenvektor zu finden, wobei der besagte entsprechende Eigenvektor entlang der besagten röhrenartigen Struktur ausgerichtet ist; und d) Berechnen einer Cartwheel-Projektion um eine Achse herum, die durch den Eigenvektor definiert ist, der entlang der besagten röhrenartigen Struktur ausgerichtet ist.
Verfahren gemäß Anspruch 9, welches ferner umfasst, die besagte Umgebung des besagten ausgewählten Punktes mit einer vaskulären Struktur zu vergleichen, indem die beiden kleinsten Eigenwerte der besagten Umgebung miteinander verglichen werden, wobei die besagten beiden kleinsten Eigenwerte unähnlich sind, wenn die besagte Umgebung lokal ähnlich einer vaskulären Struktur ist.
Programmspeichervorrichtung, die für einen Computer lesbar ist und die ein Programm mit Anweisungen greifbar enthält, die durch den Computer ausgeführt werden können, um die Verfahrensschritte zur Ausrichtung einer röhrenartigen Struktur in einem digitalen Bild auszuführen, wobei das besagte Bild eine Mehrzahl von Intensitäten beinhaltet, die einer Domain von Punkten in einem D-dimensionalen Raum entsprechen, und wobei das Verfahren die folgenden Schritte umfasst: a) Auswählen eines Punktes in der Bild-Domain; b) Berechnen eines Gradienten des Bildes in einer unmittelbaren Umgebung des besagten ausgewählten Punktes; das Berechnen eines elementaren Struktur-Tensors an dem besagten ausgewählten Punkt; c) Ermitteln eines Struktur-Tensors für den besagten ausgewählten Punkt; d) Finden der Eigenwerte der Struktur-Tensoren; und e) Analysieren der besagten Eigenwerte, um einen Eigenvektor zu finden, der entlang der besagten röhrenartigen Struktur ausgerichtet ist.
Computerlesbare Programmspeichervorrichtung gemäß Anspruch 11, wobei die Verfahrensschritte ferner umfassen, den Gradienten näherungsweise zu ermitteln, indem das Bild mit einer Ableitung eines Gauß'schen Kernels G mit einer standardmäßigen Abweichung σ_G um den besagten ausgewählten Punkt als Mittelpunkt herum gefaltet wird, wobei σ_G um zwei Größenordnungen kleiner ist, bezogen auf die Größe des Bildes.
Computerlesbare Programmspeichervorrichtung gemäß Anspruch 11, wobei die Verfahrensschritte ferner umfassen, den Struktur-Tensor zu ermitteln, indem das äußere Produkt aus dem Gradienten und seiner Transponierten mit einem Gauß'schen Kernel gefaltet wird, der eine standardmäßige Abweichung von σ_T aufweist, wobei σ_T der Größe des gesuchten Objekts entspricht.
Computerlesbare Programmspeichervorrichtung gemäß Anspruch 11, wobei die Verfahrensschritte ferner umfassen, eine Householder-QL-Zerlegung durchzuführen, um die Eigenwerte des Struktur-Tensors zu finden.
Computerlesbare Programmspeichervorrichtung gemäß Anspruch 11, wobei die Verfahrensschritte ferner umfassen, den Eigenvektor zu finden, der dem kleinsten Eigenwert entspricht, wobei der besagte entsprechende Eigenvektor entlang der besagten röhrenartigen Struktur ausgerichtet ist.
Computerlesbare Programmspeichervorrichtung gemäß Anspruch 11, wobei die Verfahrensschritte ferner umfassen, die besagte Umgebung des besagten ausgewählten Punktes mit einer vaskulären Struktur zu vergleichen, indem die beiden kleinsten Eigenwerte der besagten Umgebung miteinander verglichen werden, wobei die besagten beiden kleinsten Eigenwerte unähnlich sind, wenn die besagte Umgebung lokal ähnlich einer vaskulären Struktur ist.
Computerlesbare Programmspeichervorrichtung gemäß Anspruch 11, wobei die Verfahrensschritte ferner umfassen, eine Cartwheel-Projektion um eine Achse herum zu berechnen, die durch den Eigenvektor definiert ist, der entlang der besagten röhrenartigen Struktur ausgerichtet ist.