DE19746939B4 - Verfahren zur Messung des Herzmuskels in Herzbildern - Google Patents

Verfahren zur Messung des Herzmuskels in Herzbildern Download PDF

Info

Publication number
DE19746939B4
DE19746939B4 DE19746939A DE19746939A DE19746939B4 DE 19746939 B4 DE19746939 B4 DE 19746939B4 DE 19746939 A DE19746939 A DE 19746939A DE 19746939 A DE19746939 A DE 19746939A DE 19746939 B4 DE19746939 B4 DE 19746939B4
Authority
DE
Germany
Prior art keywords
boundary
determining
image
myocardium
calculating
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 - Lifetime
Application number
DE19746939A
Other languages
English (en)
Other versions
DE19746939A1 (de
Inventor
Rupert William Meldrum Curwen
Richard Ian Hartley
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of DE19746939A1 publication Critical patent/DE19746939A1/de
Application granted granted Critical
Publication of DE19746939B4 publication Critical patent/DE19746939B4/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0044Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/149Segmentation; Edge detection involving deformable models, e.g. active contour models
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00Medical imaging apparatus involving image processing or analysis
    • A61B2576/02Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/023Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30048Heart; Cardiac
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/40ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Abstract

Verfahren zum Bestimmen einer Epikardgrenze von Myokard eines Objekts aus einem Herzschnittbild mit Bildintensitäten bei (r, θ) von I(r, θ), mit den Schritten:
a) Identifizieren einer inneren Myokardgrenze des Herzschnittbilds r(θ) bei zahlreichen diskreten Winkeln θi aus dem Herzschnittbild durch eine herkömmliche Vorrichtung,
b) Bestimmen einer Gütefunktion G(I(r, θ)) als positiv, wenn die Bildelementintensität I(r, θ) bei (r, θ) als Myokard betrachtet wird, und als negativ bei anderem Gewebe für eine Vielzahl von (r, θ) Koordinaten,
c) Berechnen der zweiten Ableitung und der vierten Ableitung der radialen Veränderung aufgrund einer Veränderung beim Winkel, ∂2r/∂θ2 bzw. ∂4r/∂θ4,
d) Berechnen einer lokalisierten Energiefunktion H(θ) aus G(I(r, θ)), ∂2r/∂θ2, ∂4r/∂θ4, α, β, γ unter Verwendung einer Wahrscheinlichkeit einer Veränderung,
e) Bestimmung von δr(θi) aus –εH(θ), wobei ε ausgewählt wird, um das Produkt |–εH(θ)| kleiner als eine einzelne Bildelementbreite zu machen,
f) Hinzufügen von δr(θi) zu jedem Wert...

Description

  • Die vorliegende Erfindung bezieht sich auf die medizinische Herzmessung und insbesondere auf die Messung des Herzmuskels aus einer Reihe von medizinischen Bildern.
  • Manchmal ist es nötig, fortlaufende Bereiche desselben Materials innerhalb eines Objekts in verschiedene anatomische Merkmale von vom Objekt erfaßten Bildern zu unterteilen. Zur korrekten Diagnose von Herzkrankheiten müssen Strukturen des Herzens des Objekts aus Herzbildern identifiziert werden. Es sind herkömmliche Verfahren zur Unterteilung von Strukturen bekannt, die zur Identifizierung des linken Ventrikels bzw. der linken Herzkammer eines Objekts verwendet werden können, der bzw. die auch die innere Grenze des Myokards bzw. Herzmuskels des Objekts definiert. Für Messungen derartiger Parameter, wie beispielsweise der Myokard- bzw. Herzmuskeldicke und -bewegung, ist es auch nötig, die äußere Grenze des Myokards bzw. Herzmuskels zu identifizieren, die als das Epikard bekannt ist.
  • Bildintensität-Schwellenwerttechniken werden für eine Identifizierung des Epikards nicht gut funktionieren, da das Myokard benachbart zu Gewebe mit ähnlicher Intensität liegt. Bisherige Techniken zur Erfassung des Epikards basierten. im allgemeinen auf verformbaren Schablonen oder „Schlangen" („snakes"). Eine Veröffentlichung „Constrained Deformable Superquadrics And Non-Rigid Motion Tracking" von D. Metaxas und D. Terzopoulos, IEEE Computer Vision and Pattern Recognition, Seiten 337–343, 1991 beschreibt eine Verwendung von dreidimensionalen „Schlangen" („snakes") zum Nachbilden des Epikards. Das Problem mit derartigen dreidimensionalen Techniken besteht darin, daß sie im allgemeinen für klinische Anwendungen zu langsam sind.
  • In der Vergangenheit wurden auch zweidimensionale „Schlangen"- bzw. „Snake" techniken angewendet. Beispielsweise wurde bei diesem Problem eine Art von „Fourier-Schlange", die in „Boundary Finding With Parametrically Deformable Models" von L.H. Staib und J.S. Duncan, Seiten 1061–1075, IEEE Trans. Pattern Analysis and Machine Intelligence, 14(11): Nov. 1992 beschrieben ist, verwendet. Während zweidimensionale „Schlangen" verfahren ein kompliziertes Modell bzw. Muster zur Darstellung der Form vorschlagen, verwenden sie nur Messungen der Grenze auf der Grundlage von Gradienten. Diese erfordern die anfängliche Schätzung der Modell- bzw. Musterposition nahe der korrekten Lösung und sind bei der Erfassung eines niedrigen Kontrasts, aber bei statistisch bedeutenden Grenzen, wie sie oft in Magnetresonanz(MR)-Herzbildern gefunden werden, schlecht.
  • Ferner ist in der US-A-5 239 591 eine Konturextraktion in Multiphasen- und Multischnitt-Herz-MRI-Studien durch Ausbreitung von Seed-Konturen unter Bildern beschrieben.
  • Außerdem offenbart die US-A-5 360 006 ein automatisches Verfahren für eine Digitalbild-Bewertung.
  • Gegenwärtig besteht ein Bedarf für ein schnelles und genaues Verfahren zur Bestimmung von Herzmuskel- bzw. Myokard-Grenzen zur genaueren Herzdiagnose.
  • Es wird ein Verfahren zur Bestimmung einer Epikardgrenze beschrieben, aus der eine Herzmuskel- bzw. Myokarddicke des Herzens eines Objekts gemessen werden kann. Herzbilder mit Pixel- bzw. Bildelementintensitäten I(r, θ), ausgedrückt in Polarkoordinaten (r, θ), wobei das Zentrum des Polarkoordinatensystems als der Flächenschwerpunkt des Herzkammer- bzw. Ventrikelbereichs genommen wird, werden durch eine medizinische Abbildungs- bzw. Bildaufnahmevorrichtung erhalten, die Blutansammlungen abbilden kann. Der Radius wird bei zahlreichen Abtastwinkeln θi berechnet, wobei 0 ≤ θi ≤ 2π ist, um eine Abfolge von radialen Messungen r(θi) zu ergeben.
  • Eine Innengrenze des Herzmuskels bzw. Myokards, die ein äußere Grenze der Herzkammer- bzw. Ventrikelblutansammlung ist, wird identifiziert und als eine anfängliche Kurve r(θi) verwendet. Dies kann durch herkömmliche Einrichtungen durchgeführt werden.
  • Die Innengrenze des Myokards r(θi) wird um eine vorbestimmte Anzahl von Bildelementen n ausgedehnt, um eine Grenze Ml zu erzeugen, wobei n weniger als ½ einer ungefähren Myokarddicke ist, die durch erwartete Werte von vorhergehenden Messungen ähnlicher Bilder bestimmt ist.
  • Dann wird Ml um eine vorbestimmte Anzahl von Bildelementen m ausgedehnt, um eine Grenze Mh zu erzeugen, wobei m auch weniger als ½ einer durch Messung des Bilds bestimmten ungefähren Myokarddicke ist.
  • Eine mittlere Bildelementintensität μ und eine Standardabweichung σ von Bildelementintensitäten I(r, θ) in einem Bereich M zwischen Mh und Ml wird dann bestimmt.
  • Eine „Goodness"- bzw. Arbeitssteilheit- bzw. Gütefunktion G(I(r, θ)) wird aus μ, σ bestimmt und zeigt an, wenn eine Intensität I(r, θ) für (r, θ) statistisch als Myokard bestimmt werden kann.
  • Zweite und vierte Ableitungen einer radialen Veränderung aufgrund einer Änderung des Winkels ∂2r/∂θ2, ∂4r/∂θ4 werden jeweils berechnet und mit G(I(r, θ)) kombiniert, um eine lokalisierte Energiefunktion H(θ) zu bestimmen.
  • r(θi) wird um ∂r(θi) ausgedehnt, was –εH(θi) ist, um eine neue Grenze zu bestimmen.
  • Die vorstehenden Schritte beginnend mit einer Bestimmung einer „Goodness"- bzw. Arbeitssteilheit- bzw. Gütefunktion werden für eine Vielzahl von Iterationen wiederholt, bis H(θi) weniger als ein vorbestimmtes Ausmaß ist, um eine Epikardgrenze r(θi) zu ergeben.
  • Es zeigen:
  • 1 eine Veranschaulichung des Herzens eines Objekts, die das verwendete Koordinatensystem und zu messende Teile des Herzens zeigt und
  • 2 ein vereinfachtes Blockschaltbild eines Ausführungsbeispiels der vorliegenden Erfindung.
  • Die Bereichs-basierte Radial-Modell- bzw. Muster-„Schlange"
  • In 1 ist ein Querschnitt des Herzens eines Objekts gezeigt. Hier soll die äußere Oberfläche 1 der Herzkammer bzw. des Ventrikels, eine Epikardgrenze, in weiteren Herzdiagnosen verwendet werden.
  • Um die Epikardgrenze 1 stark zu finden, ist es nötig, die erwartete allgemeine Form des zu messen gewünschten Bereichs, wie beispielsweise des Herzmuskels bzw. Myokards 3 auszunutzen. Das Myokard 3 ist, wie in einem einfachen Schnittbild gemäß 1, das eine Längsachse des Ventrikels eines Objekts schneidet, zu sehen, ein ungefähr ringförmiger Bereich, der den linken Ventrikel umgibt. Eine Blutansammlung 5 wird durch eine herkömmliche Blutabbildungs- und unterteilungseinrichtung bestimmt.
  • Die vorliegende Erfindung verwendet eine Bereichs-basierte Schlange, die ein ringförmiges Modell bzw. Muster für das Myokard annimmt. Ein Polarkoordinatensystem auf der Grundlage eines Zentrums 7 des Ventrikels eines Objekts wird zur Parametrisierung der Schlange verwendet. Das Bereichs-basierte „Schlangen" bzw. „Snake" modell bzw. -muster ist ähnlich dem in „Active Region Models für Segmenting Medical Images" von J. Irvins and J. Porrill, Seiten 227–231, IEEE International Conference on Image Processing, 0-8186-6950-0/94 (1994) beschriebenen. Dieses Modell bzw. Muster ist natürlich für Probleme geeignet, bei denen der interessierende Bereich ungefähr kreisförmig ist und der ungefähre Flächenschwerpunkt des Bereichs vorher bestimmt wurde.
  • Die vorliegende Erfindung schreitet fort, indem ein einzelner Bildschnitt zu einem Zeitpunkt bearbeitet wird. Wenn I(r, θ) die Intensität eines Bildelements bei (r, θ) des Bilds ist und G(I(r, θ)) eine „Goodness"- bzw. Arbeitssteilheit- bzw. Gütefunktion ist, die die Art des für alle Bildelemente in dem Bild definierten Gewebes definiert, was nachstehend beschrieben wird. Das Epikard wird durch einen Abstand r(θ) vom Ursprung modelliert bzw. nachgebildet. Das „Schlangen" verfahren berechnet eine parametrisierte Kurve, die eine „Energiefunktion" minimiert, die zwei Kurvenbeschränkungen darstellende Terme und einen dritten, den Gewebetyp darstellenden Term enthält. Je näher die modellierte bzw. nachgebildete Kurve einen ringförmigen Bereich annähert, desto niedriger ist die durch die ersten zwei Terme verteilte Energie, und je näher der Bereich den Intensitäten des Myokards ist, desto niedriger ist die durch den dritten Term verteilte Energie. Die Energiefunktion der vorliegenden Erfindung ist wie folgt: E = (α/2) ∮R (∂r/∂θ)2 dθ + (β/2) ∮R (∂2r/∂θ2)2 dθ + EBereich (1)wobei EBereich = –γ ∫∫RG(I(r, θ))r dr dθ (2)wobei ∫∫R das Integral der Gütefunktion G(I(r, θ) über das Innere R des Modells ist und ∮R das Integral um die Kurve darstellt. Zwei Parameter α und β definieren die relativen Verteilungen der Steifheit erster und zweiter Ordnung zur Energie E, die ersten zwei Terme in Gleichung (1). Der dritte Parameter γ bestimmt die Verteilung der Gütefunktion über die Energie E.
  • Es ist zu beachten, daß das Modell bzw. Muster in Gleichung (1) in den Radialkoordinaten definiert ist. Somit wird die niedrigste Energie E erreicht, wenn die Kurve ein Kreis ist, in der Abwesenheit von externen Bildkräften.
  • Die Energie verändert sich, wenn die Kurve um eine kleine Veränderung δr(θ) verändert wird. Die Wahrscheinlichkeit von Veränderungen kann zur Ableitung einer Gleichung für die entsprechende Veränderung bei der Energie der Kurve verwendet werden. Das Ergebnis ist, daß: δE ≈ ∮H(θ)δr(θ)dθ (3)wobei δ(r) eine Veränderung in einer radialen Dimension bzw. Richtung ist und H(θ) definiert ist als: H(θ) = α(∂2r/∂θ2) – β (∂4r/∂θ4) + γrG(I(r, θ)). (4)
  • Diskrete Form
  • In der Praxis werden Kurven in dem Bild durch ihre Abtastung nach diskreten Werten von θ dargestellt. Ableitungen werden dann unter Verwendung von finiten Unterschieden berechnet. Wenn die Kurve bei diskreten Winkeln θ0, θ1, ... abgetastet wird, getrennt durch Δθ, dann sind symmetrische Unterschiede im Raum: (∂2r/∂θ2) = (1/(2(Δθ)2)){r(θi+1) – 2r(θi) + r(θi–1)} (∂4r/∂θ4) = (1/(2(Δθ)4)){r(θ1+3) – 2r(θi+2) – r(θi+1) + 4r(θi) – r(θi-1) – –2r(θi–2) + (θi–3)} (5)
  • Das Integral von Gleichung (3) wird nun:
    Figure 00080001
  • Gütefunktion
  • Die Gütefunktion G(T(r, θ)) wird verwendet, um sicherzustellen, daß die „Schlange" („snake") zu einer Epikardgrenze des Bilds konvergiert. Im Fall einer Epikardunterteilung ist die Gütefunktion definiert als: G(I(r, θ)) = 1 – (|I(r, θ) – μ|/(kσ)) (7)wobei I(r, θ) die Bildintensität eines Bildelements bei (r, θ) ist, μ und σ der Mittelwert und die Standardabweichung der Intensität des Myokardgewebes in dem Bild sind und k eine Konstante ist, die vorbestimmt sein kann. Wenn die Intensität des Bildelements bei (r, θ) innerhalb k Standardabweichungen des Mittelwerts ist, dann zeigt die Gütefunktion positiv statistisch Myokardgewebe an, sonst zeigt sie negativ statistisch Gewebe verschieden vom Myokard an.
  • Die Parameter μ und σ werden unter Verwendung eines vorhergehend bekannten Ventrikelbereichs bestimmt. Dieser Bereich ist um eine feste Anzahl von Bildelementen n zur Bildung eines Bereichs Ml ausgedehnt, vorausgesetzt n wird als weniger als die Hälfte der erwarteten Minimalbreite des Myokards in den Bildern gewählt wird, die aus anatomischer Kenntnis und der Kalibrierung ähnlicher Bilder bestimmt werden kann. Ml ist der Reihe nach um eine Anzahl von Bildelementen m ausgedehnt, wobei m gleich n sein kann oder nicht, aber weniger als ½ der Myokardminimaldicke sein muß, um sicherzustellen, daß dieser Bereich Mh noch innerhalb des Myokardbereich ist. Dann wird ein neuer Bereich M = Mh – Ml gebildet, der vollständig innerhalb des Myokards liegt. Die Parameter μ und σ werden dann als der Mittel wert und die Standardabweichung der Intensitäten von Bildelementen in M berechnet.
  • Im allgemeinen werden die Koordinaten (r, θ) nicht genau auf einem Bildelement liegen. Der Wert von I(r, θ) kann als die Intensität des nächsten Bildelements genommen werden oder auch unter Verwendung linearer oder Interpolation höherer Ordnung berechnet werden.
  • Optimierung
  • Wenn gewünscht ist, die Energie der Kurve zu verringern, kann aus Gleichung (3) ersehen werden, daß dies durch Anpassung einer Schrittgröße geschehen kann: δr(θ) = –εH(θ) (8)wobei ε eine kleine positive Konstante ist, die derart gewählt ist, daß δr eine ausreichend kleine Veränderung ist. Mit dieser Wahl von δr(θ) ist das Integral in Gleichung (3) das Integral einer negativen Funktion und so ist δE < 0. Es ist auch zu beachten, daß, wenn H(θ) = 0 ist, der Wert von δE für alle kleinen Veränderungen in der Funktion auch Null ist. Mit anderen Worten, die Kurve ist bei einem örtlichen Energieminimum.
  • Bei jeder Iteration wird der Wert von H(θ) bei jedem Winkel θi unter Verwendung von Gleichung (4) und dieser finiten Differenzformel, Gleichung (5), berechnet.
  • Die anzulegende Veränderung δr(θ) ist dann durch Gleichung (8) gegeben, wobei die Konstante ε derart gewählt ist, daß der Maximalwert von δr(θ) ein Bildelement ist. Diese Normierung stellt sicher, daß die „Schlange" („snake") durch eine zu schnelle Ausdehnung nicht eine Einzelheit übergehen wird.
  • Dieser Vorgang einer Veränderung von δr(θ) und Berechnung von r(θ) wird wiederholt, bis ein stabiler Zustand erreicht ist, in dem die „Schlange" leicht um eine feste Position oszilliert, oder bis eine Maximalanzahl von Iterationen überschritten wird, im Fall, daß die Unterteilung fehlgegangen ist.
  • Wenn H(θ) um Null oszilliert, dann werden die kleinen Schritte δr auch um Null oszillieren, so wird die „Schlange" leicht um die korrekte Lösung oszillieren.
  • Ausführung
  • In 2 ist ein vereinfachtes Blockschaltbild der vorliegenden Erfindung gezeigt. Jeder dieser Blöcke stellt eine Funktionseinheit dar, die Hardware oder zusammen arbeitende Hardware und Software sein kann. Jeder Block stellt eine bestimmte Funktion dar, die eine einzelne Unterroutine darstellen kann oder nicht.
  • In Block 21 erfaßt eine medizinische Abbildungs- bzw. Bildaufnahmevorrichtung ein medizinisches Bild, das ein Feld von Intensitäten I(r, θ) eines Objekts 10 ist. Diese medizinische Abbildungsvorrichtung muß Blutansammlungen und Teile des Herzens des Objekts abbilden können. Die Bilder werden eine Abbildungsspeichereinrichtung 23 zugeführt und dort gespeichert.
  • Eine Myokardextraktionsvorrichtung 25 liest die Bildintensitäten I(r, θ). Zumindest ein Bild in der Bildspeichereinrichtung 23 wird durch eine Ventrikelunterteilungseinrichtung 29 verarbeitet, die den Umriß der Ventrikularblutansammlung feststellt, die eine anfängliche Schätzung einer Peripherie r(θi) ist. Die anfängliche Ventrikularperipherie r(θi) wird in einer Peripheriespeichereinrichtung 31 gespeichert. Die anfängliche Peripherie kann durch irgendein verfügbares herkömmliches Verfahren berechnet werden.
  • Der Ventrikularumriß wird der Myokardextraktionsvorrichtung 25 zugeführt, die den Ventrikularblutansammlungsumriß um ein Ausmaß ausdehnt, das weniger als ½ der ungefähren Dicke der Myokardwand ist. Diese ungefähre Dicke kann durch Messung der Myokarddicke des Bilds an seinem dünnsten Punkt bestimmt werden oder auch durch Kenntnis der Eigenschaften von früheren Bildern. Dieser ausgedehnte Bereich wird als Ml bezeichnet. Der Bereich Ml wird dann wieder um ein Ausmaß ausgedehnt, das auch weniger als ½ der ungefähren Myokardwanddicke ist, um einen zweiten Bereich Mh zu definieren, der den Bereich Ml umgibt. Der Bereich zwischen Mh und Ml, bezeichnet mit Ml wird einer statistischen Vorrichtung 27 zugeführt, die die mittlere Bildelementintensität μ dieses Bereichs und die Standardabweichung σ dieses Bereichs bestimmt.
  • Die Peripherie r(θi) wird entweder direkt oder über die Peripheriespeichereinrichtung 31 einer Feststellungseinrichtung 33 zugeführt. Die Feststellungseinrichtung 33 empfängt auch die mittlere Bildelementintensität μ und Standardabweichung σ von der statischen Einrichtung 27. Die Feststellungseinrichtung 33 bestimmt dann eine „Gütefunktion" G(I (r, θ)) für jedes der Bildelemente rund um die Peripherie. Die Funkton G(I(r, θ)) ist ein Maß dafür, wie nahe die Intensität I(r, θ) mit der mittleren Intensität μ des Myokards übereinstimmt. Intensitäten, die mehr als k Standardabweichungen von dem Mittelwert entfernt sind, werden bestimmt, daß sie einiges Gewebe anders als Myokard sind und die G(I(r, θ))-Funktion besitzt für diese einen negativen Wert.
  • Die gegenwärtige Peripherie r(θi) wird auch einer diskreten Ableitungsvorrichtung 37 zugeführt, die die zweite Ableitung des Radius im Hinblick auf θ und die vierte Ableitung des Radius im Hinblick auf θ bestimmt, die beide einer lokalisierten Energieberechnungsvorrichtung 39 zugeführt werden. Die Gütefunktion G(I(r, θ)) wird auch der Vorrichtung 39 zugeführt, die eine lokalisierte Energie H(θ) berechnet.
  • Eine Steuervorrichtung 41 empfängt die lokalisierte Energiefunktion H(θ) und bestimmt, ob diese lokalisierte Energiefunktion über einem vorbestimmten Schwellenwert ist. Wenn H(θ) über dem Schwellenwert ist und eine vorbestimmte Anzahl von Iterationen noch nicht überschritten wurde, wird die Energiefunktion H(θ) mit einem Multiplikator –ε multipliziert, der derart bestimmt ist, daß das Produkt –εH(θ) weniger als eine einzelne Bildelementbreite ist. –εH(θ) wird als δr, eine inkrementelle Veränderung zum Peripherieradius, verwendet.
  • Die inkrementelle Veränderung δr wird einer Radiusanpaßvorrichtung 35 zugeführt, die die gegenwärtige Peripherie r(θi) nimmt und sie zu δr addiert, um die Peripherie anzupassen. Die angepaßte Peripherie r(θi) wird wieder in der Peripheriespeichereinrichtung 31 gespeichert und der Vorgang wird wiederholt, bis die Steuervorrichtung 41 bestimmt, daß die lokalisierte Energiefunktion unter einem vorbestimmten Schwellenwert ist oder eine Maximalanzahl von Iterationen überschritten wurde.
  • In dem Fall, in dem eine Maximalanzahl von Iterationen überschritten wurde und die Energiefunktion nicht unter einem vorbestimmten Schwellenwert ist, dann konvergierte die Peripherie nicht zu einer Antwort und der Bediener wird informiert.
  • Andererseits konvergiert, wenn die lokalisierte Energiefunktion unter dem vorbestimmten Schwellenwert ist, die sich ergebende Peripherie r(θi) gegen eine Epikardgrenze.
  • Da die innere Grenze des Myokards von einer herkömmlichen Vorrichtung bekannt ist und die äußere Grenze des Myokards, das Epikard, nun von der vorliegenden Erfindung bekannt ist, kann die Dicke des Myokards gemessen und für zahlreiche Herzdiagnosetests verwendet werden.
  • Optional kann eine Graphikvorrichtung 13 zur Anzeige von angemessenen Daten auf einer Anzeigevorrichtung 11, wie beispielsweise der gegenwärtigen Peripherie r(θi), für einen Bediener 1 verwendet werden. Der Bediener 1 kann auch mit einer Steuertafel 17 oder eine Zeigeeinrichtung 15 aufeinander einwirken, um vorbestimmte Parameter des Systems anzupassen, wie beispielsweise den Minimalwert von H(θ).
  • Die gegenwärtige Erfindung kann ein einzelnes Bild bearbeiten, kann jedoch für eine Vielzahl von Bildern eines Herzzyklus verwendet werden und daher kann die Herzwanddicke über den gesamten Herzzyklus bestimmt werden. Dies erzeugt wertvolle Informationen über die Funktion des Herzens des Objekts und kann bei der Vorhersage der Gesundheit des Herzens des Objekts und zur Diagnose einer möglichen Herzkrankheit verwendet werden.
  • Das Nachstehende ist ein Umriß der Funktionsweise der vorliegenden Erfindung:
    • 1. Die innere Grenze des Myokards wird unter Verwendung irgendeiner herkömmlichen Technik gefunden und der Flächenschwerpunkt des linken Ventrikels wird als der Ursprung eines Polarkoordinatensystems gewählt.
    • 2. Der Mittelwert und die Standardabweichung (μ und σ) von Bildelementen in dem Myokardbereich werden als der Mittelwert und die Standardabweichung von Intensitäten in einem Bereich M = Mh – Ml berechnet, der den linken Ventrikel umgibt.
    • 3. Die Gütefunktion G(I(r, θ)) wird unter Verwendung von μ, θ und I(r, θ) bestimmt.
    • 4. Eine den linken Ventrikel umgebende Kurve, die innere Grenze des Myokards, wird unter Verwendung von herkömmlichen Abbildungsverfahren gefunden. Diese Kurve dient als eine anfängliche Kurve für den iterativen „Schlangen" algorithmus. Die Kurve wird bei regelmäßigen Winkeln θi abgetastet, die voneinander um Δθ getrennt sind, um eine diskrete Darstellung der Kurve zu ergeben.
    • 5. Der Wert von H(θ) wird unter Verwendung der Gleichungen (4) und (5) und G(I(r, θ)) aus Gleichung (7) berechnet.
    • 6. Das anzulegende Inkrement δr(θ) wird unter Verwendung von Gleichung (8) berechnet, wobei ε eine positive Konstante ist, die derart gewählt ist, daß der Maximalwert von δr(θi) ein Bildelement ist.
    • 7. Die Kurve r(θi) wird durch Hinzufügen von δr(θi) zu r(θi) für jedes i ausgedehnt.
    • 8. Die Schritte 5 bis 7 werden wiederholt, bis die sich ergebende Kurve r(θi) um eine feste Kurve oszilliert (H(θ) ist unter einem vorbestimmten Schwellenwert) oder für eine feste Maximalanzahl von Iterationen. Im letzteren Fall wird das Verfahren als fehlgeschlagen betrachtet.
    • 9. Die sich ergebenden Werte r(θi) werden als die Epikardgrenze verwendet.
  • Die vorliegende Erfindung bestimmt die Epikardgrenze, die eine geschlossene Kurve ist, die das Myokard vom Gewebe und Blut die den linken Ventrikel umgeben, trennt. Ein Mittelwert und eine Standardabweichung werden für Bildelemente eines medizinischen Bilds der Myokardgewebes des Objekts bestimmt. Diese werden zur Definition einer „Gütefunktion" über das Bild verwendet, die für statistisch wahrscheinlich Myokardgewebe seiende Bildelemente positiv ist und negativ für andere Bildelemente. Eine anfängliche Kurve zur Modellierung bzw. Nachbildung des Epikards in Radialkoordinaten beginnt mit einer Kurve der inneren Myokardgrenze, die durch herkömmliche Abbildungstechniken erhalten ist. Diese Kurve wird dann iterativ aktualisiert, um die gesamte „Gütefunktion" des umgebenen Bereichs zu maximieren.

Claims (3)

  1. Verfahren zum Bestimmen einer Epikardgrenze von Myokard eines Objekts aus einem Herzschnittbild mit Bildintensitäten bei (r, θ) von I(r, θ), mit den Schritten: a) Identifizieren einer inneren Myokardgrenze des Herzschnittbilds r(θ) bei zahlreichen diskreten Winkeln θi aus dem Herzschnittbild durch eine herkömmliche Vorrichtung, b) Bestimmen einer Gütefunktion G(I(r, θ)) als positiv, wenn die Bildelementintensität I(r, θ) bei (r, θ) als Myokard betrachtet wird, und als negativ bei anderem Gewebe für eine Vielzahl von (r, θ) Koordinaten, c) Berechnen der zweiten Ableitung und der vierten Ableitung der radialen Veränderung aufgrund einer Veränderung beim Winkel, ∂2r/∂θ2 bzw. ∂4r/∂θ4, d) Berechnen einer lokalisierten Energiefunktion H(θ) aus G(I(r, θ)), ∂2r/∂θ2, ∂4r/∂θ4, α, β, γ unter Verwendung einer Wahrscheinlichkeit einer Veränderung, e) Bestimmung von δr(θi) aus –εH(θ), wobei ε ausgewählt wird, um das Produkt |–εH(θ)| kleiner als eine einzelne Bildelementbreite zu machen, f) Hinzufügen von δr(θi) zu jedem Wert von r(θi) zum Bestimmen einer neuen Grenze und g) Wiederholen der Schritte „c" bis „f" für eine Vielzahl von Iterationen, um eine Epikardgrenze r(θi) zu ergeben.
  2. Verfahren nach Anspruch 1, wobei der Schritt Bestimmen einer Gütefunktion G(I(r, θ)) die Schritte umfasst: a) Ausdehnen der inneren Myokardgrenze r(θi) um eine vorbestimmte Anzahl von Bildelementen n, um eine Grenze Ml zu erzeugen, wobei n kleiner als ½ einer durch Messung des Herzschnittbilds bestimmten ungefähren Myokarddicke ist, b) Ausdehnen von Ml um eine vorbestimmte Anzahl von Bildelementen m, um eine Grenze Mh zu erzeugen, wobei m kleiner als ½ einer durch die Messung des Herzschnittbilds bestimmten ungefähren Myokarddicke ist, c) Bestimmen einer mittleren Bildelementintensität μ und einer Standardabweichung σ von Bildelementintensitäten I(r, θ) in einem Bereich M zwischen Mh und Ml und d) Berechnen von G(I(r, θ)), entsprechend G(I(r, θ)) = 1 – (|I(r, θ) – μ|/(kσ)).
  3. Verfahren nach Anspruch 1, wobei der Schritt Berechnen einer lokalisierten Energiefunktion H(θ) den Schritt Auswerten von H(θ) = α(∂2r/∂θ2) – β (∂4r/∂θ4) + γrG(I(r, θ)) (4)umfasst.
DE19746939A 1996-11-19 1997-10-23 Verfahren zur Messung des Herzmuskels in Herzbildern Expired - Lifetime DE19746939B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/751,345 1996-11-19
US08/751,345 US5669382A (en) 1996-11-19 1996-11-19 System for measuring myocardium in cardiac images

Publications (2)

Publication Number Publication Date
DE19746939A1 DE19746939A1 (de) 1998-05-28
DE19746939B4 true DE19746939B4 (de) 2007-02-22

Family

ID=25021583

Family Applications (1)

Application Number Title Priority Date Filing Date
DE19746939A Expired - Lifetime DE19746939B4 (de) 1996-11-19 1997-10-23 Verfahren zur Messung des Herzmuskels in Herzbildern

Country Status (6)

Country Link
US (1) US5669382A (de)
JP (1) JP4026901B2 (de)
KR (1) KR19980041862A (de)
CN (1) CN1194812A (de)
DE (1) DE19746939B4 (de)
IL (1) IL122144A (de)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6240307B1 (en) 1993-09-23 2001-05-29 Endocardial Solutions, Inc. Endocardial mapping system
US7189208B1 (en) 1992-09-23 2007-03-13 Endocardial Solutions, Inc. Method for measuring heart electrophysiology
WO1994006349A1 (en) * 1992-09-23 1994-03-31 Endocardial Therapeutics, Inc. Endocardial mapping system
US7930012B2 (en) * 1992-09-23 2011-04-19 St. Jude Medical, Atrial Fibrillation Division, Inc. Chamber location method
US6256529B1 (en) * 1995-07-26 2001-07-03 Burdette Medical Systems, Inc. Virtual reality 3D visualization for surgical procedures
US5859891A (en) * 1997-03-07 1999-01-12 Hibbard; Lyn Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning
JP2001509066A (ja) * 1997-10-02 2001-07-10 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 磁気共鳴によって対象を撮像する方法及び装置
AU4318499A (en) 1997-11-24 1999-12-13 Burdette Medical Systems, Inc. Real time brachytherapy spatial registration and visualization system
US7806829B2 (en) * 1998-06-30 2010-10-05 St. Jude Medical, Atrial Fibrillation Division, Inc. System and method for navigating an ultrasound catheter to image a beating heart
US7670297B1 (en) * 1998-06-30 2010-03-02 St. Jude Medical, Atrial Fibrillation Division, Inc. Chamber mapping system
US7263397B2 (en) 1998-06-30 2007-08-28 St. Jude Medical, Atrial Fibrillation Division, Inc. Method and apparatus for catheter navigation and location and mapping in the heart
US6535623B1 (en) 1999-04-15 2003-03-18 Allen Robert Tannenbaum Curvature based system for the segmentation and analysis of cardiac magnetic resonance images
GB9920401D0 (en) 1999-08-27 1999-11-03 Isis Innovation Non-rigid motion image analysis
WO2001035339A2 (en) * 1999-10-29 2001-05-17 Cnr Consiglio Nazionale Delle Ricerche Automatic analysis of anatomical images time sequence
US6438403B1 (en) 1999-11-01 2002-08-20 General Electric Company Method and apparatus for cardiac analysis using four-dimensional connectivity
US6249693B1 (en) 1999-11-01 2001-06-19 General Electric Company Method and apparatus for cardiac analysis using four-dimensional connectivity and image dilation
US20030135102A1 (en) * 2000-05-18 2003-07-17 Burdette Everette C. Method and system for registration and guidance of intravascular treatment
US6980682B1 (en) * 2000-11-22 2005-12-27 Ge Medical Systems Group, Llc Method and apparatus for extracting a left ventricular endocardium from MR cardiac images
GB0028491D0 (en) * 2000-11-22 2001-01-10 Isis Innovation Detection of features in images
EP1382014A2 (de) * 2000-12-05 2004-01-21 Koninklijke Philips Electronics N.V. Verfahren zur lokalisierung des herzmuskels und verfahren zur bestimmung seiner perfusionsparameter
US6473488B2 (en) 2000-12-20 2002-10-29 Cedara Software Corp. Three dimensional image reconstruction from single plane X-ray fluorograms
US6470070B2 (en) 2000-12-20 2002-10-22 Cedara Software Corp. Image reconstruction using multiple X-ray projections
JP4112368B2 (ja) * 2001-02-13 2008-07-02 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 連続したデータセットの分析
US7400757B2 (en) * 2001-10-04 2008-07-15 Siemens Medical Solutions Usa, Inc. System and method for segmenting the left ventricle in a cardiac image
WO2003039370A1 (en) 2001-11-05 2003-05-15 Computerized Medical Systems, Inc. Apparatus and method for registration, guidance, and targeting of external beam radiation therapy
US6817982B2 (en) 2002-04-19 2004-11-16 Sonosite, Inc. Method, apparatus, and product for accurately determining the intima-media thickness of a blood vessel
US20030225966A1 (en) * 2002-05-31 2003-12-04 Jorgen Frandsen Serverless network data storage operation managed by peripheral device
US7187800B2 (en) 2002-08-02 2007-03-06 Computerized Medical Systems, Inc. Method and apparatus for image segmentation using Jensen-Shannon divergence and Jensen-Renyi divergence
US6835177B2 (en) * 2002-11-06 2004-12-28 Sonosite, Inc. Ultrasonic blood vessel measurement apparatus and method
US7466848B2 (en) * 2002-12-13 2008-12-16 Rutgers, The State University Of New Jersey Method and apparatus for automatically detecting breast lesions and tumors in images
JP3982817B2 (ja) * 2003-03-07 2007-09-26 株式会社東芝 画像処理装置および画像処理方法
US7727153B2 (en) * 2003-04-07 2010-06-01 Sonosite, Inc. Ultrasonic blood vessel measurement apparatus and method
US7457444B2 (en) * 2003-05-14 2008-11-25 Siemens Medical Solutions Usa, Inc. Method and apparatus for fast automatic centerline extraction for virtual endoscopy
US7347821B2 (en) * 2003-06-26 2008-03-25 Koninklijke Philips Electronics N.V. Adaptive processing of contrast enhanced ultrasonic diagnostic images
RU2340943C2 (ru) * 2003-09-23 2008-12-10 Томсон Лайсенсинг Способ для имитирования зернистости фотопленки посредством мозаицирования предварительно вычисленных образцов
US7587232B2 (en) * 2006-02-28 2009-09-08 Kabushiki Kaisha Toshiba Magnetic resonance imaging apparatus, magnetic resonance data processing apparatus, magnetic resonance data processing program and magnetic resonance imaging apparatus control method
JP2008194239A (ja) * 2007-02-13 2008-08-28 Toshiba Corp 画像処理装置及びその方法
US8319770B2 (en) * 2008-07-11 2012-11-27 General Electric Company Method and apparatus for automatically adjusting user input left ventricle points
KR101030169B1 (ko) * 2009-04-17 2011-04-18 금오공과대학교 산학협력단 방사형 임계치 결정법을 통한 심실 자동 분할방법
KR101128662B1 (ko) * 2009-12-30 2012-04-12 서울여자대학교 산학협력단 좌심실 내외벽 경계 검출장치 및 그 방법
WO2012056662A1 (ja) * 2010-10-25 2012-05-03 株式会社 東芝 医用画像処理装置、医用画像撮影装置及び医用画像処理プログラム
DE102015212596B4 (de) * 2015-07-06 2017-06-08 Siemens Healthcare Gmbh Verfahren zur Segmentierung eines ballonartigen Volumens
CN112017152B (zh) * 2020-07-02 2022-09-23 杭州市第一人民医院 心房压迹二维影像的处理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5239591A (en) * 1991-07-03 1993-08-24 U.S. Philips Corp. Contour extraction in multi-phase, multi-slice cardiac mri studies by propagation of seed contours between images
US5360006A (en) * 1990-06-12 1994-11-01 University Of Florida Research Foundation, Inc. Automated method for digital image quantitation

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4240440A (en) * 1977-11-17 1980-12-23 Siemens Gammasonics, Inc. Method and apparatus for nuclear kymography providing a motion versus time display of the outer transverse dimensions of an organ
US4295473A (en) * 1979-05-24 1981-10-20 George Diamond Apparatus and method for analysis of motion of a dynamic structure
US5040225A (en) * 1987-12-07 1991-08-13 Gdp, Inc. Image analysis method
JPH0236837A (ja) * 1988-07-27 1990-02-06 Toshiba Corp 心機能解析システム
JPH04218139A (ja) * 1990-02-08 1992-08-07 Toshiba Corp 磁気共鳴イメージング法を用いた心臓左室の容積算出方法
US5148809A (en) * 1990-02-28 1992-09-22 Asgard Medical Systems, Inc. Method and apparatus for detecting blood vessels and displaying an enhanced video image from an ultrasound scan
US5435310A (en) * 1993-06-23 1995-07-25 University Of Washington Determining cardiac wall thickness and motion by imaging and three-dimensional modeling
US5601084A (en) * 1993-06-23 1997-02-11 University Of Washington Determining cardiac wall thickness and motion by imaging and three-dimensional modeling
JPH08206117A (ja) * 1994-05-27 1996-08-13 Fujitsu Ltd 超音波診断装置
US5570430A (en) * 1994-05-31 1996-10-29 University Of Washington Method for determining the contour of an in vivo organ using multiple image frames of the organ
NO943696D0 (no) * 1994-10-04 1994-10-04 Vingmed Sound As Fremgangsmåte ved ultralydavbildning

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5360006A (en) * 1990-06-12 1994-11-01 University Of Florida Research Foundation, Inc. Automated method for digital image quantitation
US5239591A (en) * 1991-07-03 1993-08-24 U.S. Philips Corp. Contour extraction in multi-phase, multi-slice cardiac mri studies by propagation of seed contours between images

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
J. Ivins and J. Porrill: "Active Region Models for Segmenting Medical Images", Image Processing, 1994, Proceedings, IEEE International Conference, Vol. 2, 13-16, Nov. 1994, Page(s): 227-231 *

Also Published As

Publication number Publication date
DE19746939A1 (de) 1998-05-28
JP4026901B2 (ja) 2007-12-26
JPH10229979A (ja) 1998-09-02
US5669382A (en) 1997-09-23
IL122144A0 (en) 1998-04-05
CN1194812A (zh) 1998-10-07
KR19980041862A (ko) 1998-08-17
IL122144A (en) 2000-10-31

Similar Documents

Publication Publication Date Title
DE19746939B4 (de) Verfahren zur Messung des Herzmuskels in Herzbildern
DE112004001861B4 (de) System und Verfahren zur Analyse örtlicher verformbarer Bewegungen einer Wand des linken Ventrikels eines Herzens
DE69937897T2 (de) System und verfahren zur 4d rekonstruktion und darstellung
DE112004000393B4 (de) System und Verfahren zum Verfolgen einer globalen Form eines in Bewegung befindlichen Objekts
DE60014338T2 (de) Verfahren und gerät zur bildverarbeitung
DE19611990C2 (de) Verfahren und Vorrichtung zur Erzeugung von großen, zusammengesetzten Ultraschallbildern
EP3185215B1 (de) Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion
DE69432995T2 (de) Automatisches Verfahren und System zur Segmentierung medizinischer Bilder
DE602004009960T2 (de) System und verfahren zum erkennen und vergleichen anatomischer strukturen unter verwendung von erscheinungsbild und form
DE60212917T2 (de) Vorrichtung zur Berechnung eines Index von örtlichen Blutflüssen
EP1904973B1 (de) Verfahren, vorrichtung und computerprogrammprodukt zum auswerten von bildern einer kavität
DE102008046859B4 (de) 3D Segmentierung von allgemeiner Läsion in CT
DE102008032006B4 (de) Verfahren zur Steurung der Bildaufnahme bei einer Bildaufnahmeeinrichtung, sowie eine Bildaufnahmeeinrichtung
EP1209622B1 (de) Verfahren und Vorrichtung zur Registrierung von Bildern
DE102006054822A1 (de) Registrierung eines charakteristischen Pfads eines Kolons
DE102010000274A1 (de) Verfahren und Vorrichtung zur automatischen Identifizierung von Bildansichten in einem 3D-Datensatz
DE102007046582A1 (de) System und Verfahren zum Segmentieren von Kammern eines Herzens in einem dreidimensionalen Bild
DE102006017113A1 (de) Verfahren und Vorrichtung zum Detektieren von Gefäßgrenzen
DE19746936A1 (de) Schnelle Unterteilung von Herzbildern
WO2002071333A2 (de) Quantitative analyse, visualisierung und bewegungskorrektur in dynamischen prozessen
DE60317359T2 (de) Verfahren, code und system für die untersuchung von gelenkdeformität
DE102004056095A1 (de) Verfahren zur Registrierung eines zur digitalen Subtraktionsangiographie verwendeten Bildes
DE102004004528A1 (de) Verfahren, Vorrichtung und Programm zur Verarbeitung eines Stereobildes
DE102005003605A1 (de) Vorwissen, Niveaumengenrepräsentationen und visuelle Gruppierung
DE112014000611T5 (de) Verfahren und Vorrichtung zum Erzeugen eines abgeleiteten Bildes unter Verwendung von Bildern verschiedener Typen

Legal Events

Date Code Title Description
8120 Willingness to grant licences paragraph 23
8110 Request for examination paragraph 44
8364 No opposition during term of opposition
R071 Expiry of right