ES2851548T3 - Detección y validación de sombras en imágenes intravasculares - Google Patents

Detección y validación de sombras en imágenes intravasculares Download PDF

Info

Publication number
ES2851548T3
ES2851548T3 ES16820385T ES16820385T ES2851548T3 ES 2851548 T3 ES2851548 T3 ES 2851548T3 ES 16820385 T ES16820385 T ES 16820385T ES 16820385 T ES16820385 T ES 16820385T ES 2851548 T3 ES2851548 T3 ES 2851548T3
Authority
ES
Spain
Prior art keywords
shadow
shadows
line
intravascular
tissue
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.)
Active
Application number
ES16820385T
Other languages
English (en)
Inventor
Christopher E Griffin
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.)
LightLab Imaging Inc
Original Assignee
LightLab Imaging Inc
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 LightLab Imaging Inc filed Critical LightLab Imaging Inc
Application granted granted Critical
Publication of ES2851548T3 publication Critical patent/ES2851548T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062Arrangements for scanning
    • A61B5/0066Optical coherence imaging
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0084Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/0841Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating instruments
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/12Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • 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
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/06Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10101Optical tomography; Optical coherence tomography [OCT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10132Ultrasound image
    • G06T2207/101363D ultrasound image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20004Adaptive image processing
    • G06T2207/20012Locally adaptive
    • 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
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Endoscopes (AREA)
  • Image Analysis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Abstract

Un procedimiento para detectar una sombra en una imagen intravascular de un vaso sanguíneo, comprendiendo el procedimiento: almacenar, usando un sistema de diagnóstico intravascular, uno o más conjuntos de datos intravasculares, comprendiendo cada conjunto de datos intravasculares una pluralidad de líneas de exploración; determinar una pluralidad de proyecciones de línea por línea de exploración, donde cada proyección de línea se determina usando un desplazamiento de tejido cercano y un desplazamiento de tejido lejano, donde el desplazamiento de tejido cercano corresponde al desplazamiento con respecto a un límite de un lumen del vaso sanguíneo y el desplazamiento de tejido lejano corresponde al desplazamiento en el umbral mínimo de ruido; determinar estimaciones locales de la intensidad de tejido usando las proyecciones de línea; determinar un umbral localmente adaptativo que varía a través de las líneas de exploración; e identificar sombras que representan características de interés en los conjuntos de datos intravasculares usando agrupaciones de líneas de exploración contiguas en las que las estimaciones locales de intensidad están por debajo del umbral localmente adaptativo.

Description

DESCRIPCIÓN
Detección y validación de sombras en imágenes intravasculares
REFERENCIA CRUZADA A SOLICITUD ANTERIOR
Esta solicitud reivindica la prioridad y el beneficio de la solicitud de patente provisional de los Estados Unidos n.° 62/259.015, presentada el 23 de noviembre de 2015.
CAMPO
La invención se refiere a sistemas y procedimientos para la detección de características tales como sombras y puntales de endoprótesis vascular en una imagen intravascular.
ANTECEDENTES
Los cardiólogos intervencionistas incorporan una variedad de herramientas de diagnóstico durante los procedimientos de cateterismo para planificar, guiar y evaluar las terapias. La fluoroscopia se utiliza generalmente para la formación de imágenes angiográficas de vasos sanguíneos. A su vez, los médicos utilizan tales imágenes de vasos sanguíneos para diagnosticar, localizar y tratar enfermedades de los vasos sanguíneos durante intervenciones tales como la cirugía de bypass o la colocación de una endoprótesis vascular (stent). Las tecnologías de formación de imágenes intravasculares, tales como la tomografía de coherencia óptica (OCT), también son herramientas valiosas que se pueden utilizar en lugar de o en combinación con la fluoroscopia para obtener datos de alta resolución en relación con el estado de los vasos sanguíneos de un sujeto determinado.
La tomografía de coherencia óptica intravascular es una modalidad de formación de imágenes basada en catéter que usa la luz para mirar dentro de las paredes de las arterias coronarias y generar imágenes para su estudio. Utilizando luz coherente, interferometría y microóptica, la OCT puede proporcionar tomografía in vivo con velocidad de vídeo dentro de un vaso enfermo con resolución a nivel de micrómetro. Ver las estructuras situadas bajo la superficie con alta resolución usando sondas de fibra óptica hace que la OCT sea especialmente útil para la formación de imágenes, de una manera mínimamente invasiva, de tejidos y órganos internos, así como de dispositivos médicos implantados, tales como endoprótesis vasculares.
Las endoprótesis vasculares son una intervención común para tratar la estenosis vascular. Es fundamental que un médico desarrolle un plan de endoprótesis vascular personalizado que se adapte a la anatomía vascular del paciente para garantizar resultados óptimos en los procedimientos intravasculares. Las endoprótesis vasculares generan sombras en las imágenes intravasculares y la detección de despliegues de endoprótesis vasculares existentes tiene que abordar varios desafíos asociados a las sombras en las imágenes intravasculares. La publicación de patente de EE. UU. n.° US 2014/0100440 describe un sistema y procedimiento para una detección de bordes instantánea y automática.
La presente divulgación aborda varios desafíos asociados a la detección de sombras y la validación de sombras. SUMARIO
En el presente documento se divulgan sistemas y procedimientos para detectar sombras y mejoras relacionadas con la detección de sombras en el contexto de conjuntos de datos intravasculares tales como imágenes de un vaso sanguíneo. En un modo de realización, los sistemas y procedimientos usan umbrales adaptables localmente para detectar sombras candidatas. Además, en algunos modos de realización, las sombras candidatas pueden validarse para reducir sombras de falsos positivos.
Los sistemas y procedimientos divulgados en el presente documento detectan diversas sombras asociadas a los puntales de endoprótesis vascular, los alambres guía y otros componentes de sonda de formación de imágenes intravasculares y características de vasos sanguíneos. En un modo de realización, los puntales de endoprótesis vascular se detectan utilizando las sombras que generan durante la formación de imágenes.
En parte, la divulgación se refiere a un procedimiento para detectar una sombra en una imagen intravascular. El procedimiento incluye determinar estimaciones locales de intensidad de tejido; generar/determinar un umbral localmente adaptativo que varía a través de las líneas de exploración; y detectar sombras asociadas a un objeto intravascular en base a uno o más grupos de líneas de exploración en las que la intensidad de la proyección del tejido está por debajo del umbral localmente adaptativo. En un modo de realización, el procedimiento incluye almacenar, usando un sistema de diagnóstico intravascular, uno o más conjuntos de datos intravasculares, comprendiendo cada conjunto de datos intravasculares una pluralidad de líneas de exploración.
En un modo de realización, la detección de sombras se realiza utilizando un umbral localmente adaptativo. El procedimiento de umbral localmente adaptativo se aplica en relación con varios niveles de intensidad por línea de exploración en un modo de realización. En un modo de realización, los procedimientos de detección de sombras están configurados para tener un nivel de sensibilidad adecuado para encontrar sombras incluso si se utilizan dos procedimientos, tales como un primer procedimiento y un segundo procedimiento, con diferentes criterios o características de búsqueda de sombras. Como resultado, los procedimientos también pueden incluir una o más etapas de validación para validar sombras. El uso de algunas etapas de validación mejora el rendimiento global y la precisión a la hora de detectar puntales/alambres guía en base a las sombras inicialmente detectadas y validadas.
En un modo de realización, la detección de sombras se realiza utilizando un umbral localmente adaptativo. El procedimiento de umbral localmente adaptativo se aplica en relación con varios niveles de intensidad por línea de exploración en un modo de realización. Además, como procedimiento de detección de sombras subsiguiente, de respaldo o alternativo, se pueden buscar y detectar mínimos locales en función de criterios especificados por el usuario o por el sistema de recopilación de datos intravasculares de diagnóstico. En un modo de realización, los mínimos locales tienen un valor de intensidad que es mayor que o igual al LAT. En un modo de realización, los mínimos locales tienen un valor de intensidad que es mayor que el LAT.
En un modo de realización, una o más etapas del procedimiento se implementan usando un sistema de diagnóstico que incluye una entrada para recibir datos intravasculares, uno o más dispositivos de memoria electrónicos para almacenar el conjunto, uno o más dispositivos informáticos/aparatos de procesamiento de datos en comunicación eléctrica con la entrada y el uno o más dispositivos de memoria, e instrucciones, filtros de imagen, procedimientos de muestreo, núcleos (kernels), operadores y módulos de software de procesamiento de imágenes ejecutables por el uno o más dispositivos informáticos para realizar una o más etapas del procedimiento. Las implementaciones de las técnicas descritas pueden incluir hardware, un procedimiento o proceso o software informático en un medio accesible por ordenador, o almacenarse en un medio legible por ordenador tal como un medio legible por ordenador no transitorio.
En parte, la divulgación se refiere a un sistema de uno o más dispositivos informáticos configurados para realizar operaciones o acciones particulares en virtud de tener módulos de software de procesamiento de imágenes y otro software, firmware, hardware, o una combinación de los mismos, instalados en el sistema que, en funcionamiento, hacen que el sistema realice las acciones. Se pueden configurar uno o más programas informáticos para realizar operaciones o acciones particulares en virtud de incluir instrucciones que, cuando se ejecutan mediante un aparato de procesamiento de datos, hacen que el aparato realice las acciones. Un aspecto general de la divulgación incluye un procedimiento para detectar una sombra en una imagen intravascular. El procedimiento incluye: almacenar, usando un sistema de diagnóstico intravascular, uno o más conjuntos de datos intravasculares, incluyendo cada conjunto de datos intravasculares una pluralidad de líneas de exploración. El procedimiento también puede incluir determinar una pluralidad de proyecciones de línea por línea de exploración, cada proyección de línea determinada usando un desplazamiento de tejido cercano y un desplazamiento de tejido lejano.
En un modo de realización, el procedimiento también incluye determinar estimaciones locales de la intensidad de tejido utilizando las proyecciones de líneas. El procedimiento también puede incluir determinar un umbral localmente adaptativo que varía entre las líneas de exploración. El procedimiento también puede incluir identificar sombras que representan características de interés en los conjuntos de datos intravasculares usando agrupaciones de líneas de exploración contiguas en las que las estimaciones locales de intensidad están por debajo del umbral localmente adaptativo. Otros modos de realización de este aspecto incluyen los correspondientes sistemas informáticos, aparatos y programas informáticos grabados en uno o más dispositivos de almacenamiento informáticos, cada uno configurado para realizar las acciones de los procedimientos.
En un modo de realización de la divulgación, las implementaciones pueden incluir una o más de las siguientes características. El procedimiento también puede incluir determinar una pluralidad de desplazamientos cercanos para la pluralidad de líneas de exploración. El procedimiento también puede incluir determinar una pluralidad de desplazamientos lejanos para la pluralidad de líneas de exploración. El procedimiento también puede incluir identificar una sombra candidata en base a la presencia de un mínimo local dentro de la proyección de línea, donde una intensidad del mínimo local es menor que una fracción dada de una o más intensidades máximas encontradas dentro de un espacio circundante a cada lado de una línea de exploración de la pluralidad de líneas de exploración. El procedimiento también puede incluir estimar una pluralidad de valores de pendiente con respecto a una ventana de búsqueda alrededor de cada línea de exploración para identificar cambios en la pendiente indicativos de un borde de una región de sombra. El procedimiento incluye además realizar uno o más procedimientos de validación de sombras con respecto a un borde detectado. En un modo de realización, las estimaciones locales de la intensidad de tejido son una proyección suavizada generada por línea de exploración. El procedimiento incluye además buscar uno o más extremos relativos a lo largo de la proyección suavizada e identificar una sombra utilizando el uno o más extremos relativos en base a un rasgo característico. En el procedimiento el rasgo característico es un valle dispuesto entre dos picos.
En un modo de realización, el procedimiento también puede incluir realizar una búsqueda de regiones de sombra dentro de una o más proyecciones de línea. El procedimiento incluye además validar las sombras identificadas. En un modo de realización, validar las sombras incluye además detectar uno o más bordes con un núcleo (kernel). El procedimiento incluye además mostrar uno o más objetos en una representación de un vaso sanguíneo, estando los objetos asociados a la una o más sombras validadas. El procedimiento incluye además identificar sombras para proyecciones de línea por debajo de un umbral localmente adaptativo. El procedimiento incluye además generar un umbral localmente adaptativo por línea de exploración usando un valor de tejido medio local.
En un modo de realización, una o más etapas del procedimiento se implementan usando un sistema de diagnóstico que incluye una entrada para recibir uno o más conjuntos de datos intravasculares, uno o más dispositivos de memoria electrónicos para almacenar el uno o más conjuntos de datos intravasculares, uno o más dispositivos informáticos en comunicación eléctrica con la entrada y el uno o más dispositivos de memoria, e instrucciones, filtros de imagen y módulos de software de procesamiento de imágenes ejecutables por el uno o más dispositivos informáticos para realizar una o más etapas del procedimiento. En un modo de realización, el sistema de diagnóstico intravascular es un sistema de tomografía de coherencia óptica.
En un modo de realización, el procedimiento incluye además generar un umbral localmente adaptativo por línea de exploración utilizando un valor de tejido medio local. El procedimiento incluye además identificar sombras para proyecciones de línea por debajo del umbral localmente adaptativo. El procedimiento incluye además realizar una búsqueda de mínimos locales para identificar sombras candidatas adicionales. El procedimiento incluye además realizar un refinamiento de bordes en una o más líneas de exploración delimitadoras de sombras usando un valor de pendiente medido de la proyección de línea.
En un modo de realización, una o más etapas del procedimiento se implementan usando un sistema de diagnóstico que incluye una entrada para recibir uno o más conjuntos de datos intravasculares, uno o más dispositivos de memoria electrónicos para almacenar el uno o más conjuntos de datos intravasculares, uno o más dispositivos informáticos en comunicación eléctrica con la entrada y el uno o más dispositivos de memoria, e instrucciones, filtros de imagen y módulos de software de procesamiento de imágenes ejecutables por el uno o más dispositivos informáticos para realizar una o más etapas del procedimiento. Las implementaciones de las técnicas descritas pueden incluir hardware, un procedimiento o proceso, o software informático en un medio accesible por ordenador. En un aspecto, la divulgación se refiere a un procedimiento para detectar una sombra en una imagen intravascular, donde el procedimiento puede incluir almacenar, usando un sistema de diagnóstico intravascular, uno o más conjuntos de datos intravasculares, incluyendo cada conjunto de datos intravasculares una pluralidad de líneas de exploración. El procedimiento también puede incluir determinar un primer desplazamiento y un segundo desplazamiento para la pluralidad de líneas de exploración. El procedimiento también puede incluir determinar una proyección de línea para cada una de las líneas de exploración promediando muestras entre el primer desplazamiento y el segundo desplazamiento. El procedimiento también puede incluir realizar una búsqueda de regiones de sombra dentro de las proyecciones de línea. El procedimiento también puede incluir validar las sombras identificadas. El procedimiento también puede incluir mostrar uno o más objetos en una representación del vaso sanguíneo, estando los objetos asociados a la una o más sombras validadas. Otros modos de realización de este aspecto incluyen los correspondientes sistemas informáticos, aparatos y programas informáticos grabados en uno o más dispositivos de almacenamiento informáticos, cada uno configurado para realizar las acciones de los procedimientos.
En un modo de realización, las implementaciones pueden incluir una o más de las siguientes características. En un modo de realización, el sistema de diagnóstico intravascular es un sistema de tomografía de coherencia óptica. El procedimiento puede incluir además generar un umbral localmente adaptativo por línea de exploración usando un valor de tejido medio local. El procedimiento puede incluir además identificar sombras para proyecciones de línea por debajo del LAT. El procedimiento puede incluir además realizar una búsqueda de mínimos locales para identificar sombras candidatas adicionales. El procedimiento puede incluir además realizar un refinamiento de bordes en una o más líneas de exploración delimitadoras de sombras usando un valor de pendiente medido de la proyección de línea.
En un modo de realización, una o más etapas del procedimiento se implementan usando un sistema de diagnóstico que incluye una entrada para recibir uno o más conjuntos de datos intravasculares, uno o más dispositivos de memoria electrónicos para almacenar el uno o más conjuntos de datos intravasculares, uno o más dispositivos informáticos en comunicación eléctrica con la entrada y el uno o más dispositivos de memoria, e instrucciones, filtros de imagen y módulos de software de procesamiento de imágenes ejecutables por el uno o más dispositivos informáticos para realizar una o más etapas del procedimiento. Las implementaciones de las técnicas descritas pueden incluir hardware, un procedimiento o proceso, o software informático en un medio accesible por ordenador y otras características, como se divulga en el presente documento.
Aunque la invención se refiere a diferentes aspectos y modos de realización, se entiende que los diferentes aspectos y modos de realización descritos en el presente documento pueden integrarse juntos en su totalidad o en parte, según sea apropiado. Por tanto, cada modo de realización descrito en el presente documento puede incorporarse en cada uno de los aspectos en diversos grados según sea apropiado para una implementación dada, y las etapas de diversos procedimientos pueden combinarse sin limitación.
Otras características y ventajas de los modos de realización divulgados resultarán evidentes a partir de la siguiente descripción y de los dibujos adjuntos.
En un modo de realización, los puntales de endoprótesis vascular adecuados para su uso con las etapas de detección descritas en el presente documento son típicamente puntales de endoprótesis vascular metálicos. Cualquier puntal de endoprótesis vascular que dé como resultado sombras durante la formación de imágenes usando una sonda intravascular también es adecuado para su detección usando los procedimientos descritos en el presente documento.
BREVE DESCRIPCIÓN DE LOS DIBUJOS
Las figuras no están necesariamente a escala sino que, en general, la atención se centra en los principios ilustrativos. Las figuras deben considerarse ilustrativas en todos los aspectos y no pretenden limitar la invención, cuyo alcance está definido únicamente por las reivindicaciones.
La FIG. 1A es un sistema de recopilación de datos intravasculares ejemplar y una sonda de recopilación de datos intravasculares asociada, junto con componentes de procesamiento de imágenes, de detección y otros componentes de software relacionados de acuerdo con un modo de realización ilustrativo de la divulgación. La FIG. 1B es un diagrama de flujo de proceso para detectar sombras, puntales de endoprótesis vascular y otras características intravasculares de acuerdo con un modo de realización ilustrativo de la divulgación.
La FIG. 2 es un diagrama de flujo de proceso de un proceso de detección de endoprótesis vascular de acuerdo con un modo de realización ilustrativo de la divulgación.
La FIG. 3A es un dato de imagen polar intravascular representado en coordenadas espaciales bidimensionales que incluye varias regiones de sombra que se analizan y detectan usando los procedimientos descritos en el presente documento de acuerdo con un modo de realización ilustrativo de la divulgación.
La FIG. 3B es una imagen polar intravascular que representa las coordenadas polares como una imagen R-Theta rectangular de la FIG. 3A, que incluye varias regiones de sombra que se analizan y detectan usando los procedimientos descritos en el presente documento de acuerdo con un modo de realización ilustrativo de la divulgación.
La FIG. 3C es una máscara representada en un sistema de coordenadas espaciales bidimensionales y generada con respecto a la imagen de la FIG. 3A de acuerdo con un modo de realización ilustrativo de la divulgación.
La FIG. 3D es una máscara que representa las coordenadas polares como una imagen R-Theta rectangular generada con respecto a la imagen de la FIG. 3B de acuerdo con un modo de realización ilustrativo de la divulgación.
La FIG. 4 es un diagrama de flujo de proceso de varias etapas de detección y validación de sombras y de otras etapas de procesamiento de datos intravasculares de acuerdo con un modo de realización ilustrativo de la divulgación.
La FIG. 5 es una gráfica de ejemplo de una proyección de línea generada usando datos de un cuadro de imagen intravascular, tal como un cuadro de imagen OCT y valores determinados a partir del mismo asociados a intensidades de tejido, proyecciones, extremos relativos, umbrales localmente adaptativos y sombras tales como curvas, líneas o puntos de datos en términos de líneas de exploración frente a valores de intensidad de acuerdo con un modo de realización ilustrativo de la divulgación.
La FIG. 6 es un diagrama de flujo del proceso que ilustra un procedimiento de búsqueda de sombras ejemplar de acuerdo con un modo de realización ilustrativo de la divulgación.
Las FIGS. 7A a 7C son ejemplos de operadores tales como los que se pueden aplicar a una imagen para detectar una característica u otro valor de interés de acuerdo con un modo de realización ilustrativo de la divulgación.
DESCRIPCIÓN DETALLADA
Los sistemas y procedimientos descritos en el presente documento se refieren a la formación de imágenes intravasculares y a sombras que pueden aparecer en dichas imágenes como resultado de puntales de endoprótesis vascular, componentes de sonda de formación de imágenes intravasculares y otros factores. La presencia de sombras en una región intravascular es problemática porque pueden identificarse erróneamente como una ramificación lateral, estenosis, una acumulación de lípidos u ocultar una característica de interés durante un procedimiento de diagnóstico. La presencia de sombras oscuras y tenues en imágenes intravasculares, tales como imágenes OCT e IVUS, puede causar errores de procesamiento de imágenes no deseados e interferir con otras etapas en una cadena de procesamiento de imágenes. Además, la detección precisa de sombras es una etapa fundamental en la detección de puntales de endoprótesis vascular, la detección de alambres guía y la detección de objetos que generan sombras, tales como objetos metálicos en un modo de realización.
En parte, la divulgación se refiere a procedimientos que mejoran la detección de sombras para que sea más sensible a las sombras tenues. Como factor competitivo, aumentar el umbral de sensibilidad para detectar sombras tenues puede dar como resultado la identificación de muchos falsos positivos. En un modo de realización de la divulgación para sombras candidatas, se realiza una etapa de validación de sombras para reducir o eliminar el número de falsos positivos. Los procedimientos e implementaciones descritos en el presente documento se pueden usar con diversas sondas y sistemas de formación de imágenes intravasculares.
La FIG. 1A es un diagrama esquemático de alto nivel que representa un vaso sanguíneo 5, tal como una arteria, una sonda de recopilación de datos 7 y un sistema de recopilación y procesamiento de datos intravasculares 10. El sistema 10 puede incluir, por ejemplo, un sistema OCT, IVUS u otro sistema de formación de imágenes intravasculares. Una endoprótesis vascular 12 se muestra en el vaso sanguíneo 5. La endoprótesis vascular incluye una pluralidad de puntales. Algunos de los puntales pueden generar sombras o regiones de sombra, SR, como parte del proceso de formación de imágenes del vaso con una sonda intravascular. El sistema 10 puede incluir diversos módulos de software adecuados para realizar detección de ramificaciones laterales, detección de picos, detección y procesamiento de regiones de sombra, corrección de errores, comparaciones de modelos, detección de lúmenes y otros diversos procesos descritos en el presente documento. El sistema 10 puede incluir una fuente de luz adecuada que satisfaga los requisitos de coherencia y ancho de banda de las aplicaciones y la recopilación de datos descrita en el presente documento. El sistema 10 puede incluir un sistema de formación de imágenes por ultrasonidos. La sonda 7 puede incluir un catéter 20 que tiene una porción de catéter que tiene una o más fibras ópticas 15 y una punta de sonda 17 dispuesta en su interior. La punta de sonda 17 incluye un director de haz en un modo de realización.
Como se muestra, el catéter 20 se introduce en el lumen 11, tal como un lumen arterial. La sonda 7 puede incluir una fibra giratoria o deslizable 15 que dirige la luz hacia adelante en el interior del lumen 14 o en una dirección perpendicular al eje longitudinal de la fibra 15. Como resultado, en caso de que se dirija luz desde el lado de la sonda a medida que la fibra 15 gira, los datos de OCT se recopilan con respecto a las paredes del vaso sanguíneo 5. Las paredes del vaso sanguíneo 5 definen un límite de lumen. Este límite de lumen se puede detectar usando las mediciones de distancia obtenidas de las señales ópticas recopiladas en la punta de sonda 17 usando un componente de software de detección de lumen. Las regiones de sombra y otras características se pueden identificar en las líneas de exploración generadas por la sonda durante una maniobra de tracción (pullback) a través de la arteria. Las regiones de sombra pueden estar asociadas o no a los puntales de endoprótesis vascular. La sonda 7 puede incluir otras modalidades de formación de imágenes además de o en lugar de OCT, tales como ultrasonidos en un modo de realización.
Como se muestra en la Figura 1A, la punta de sonda 17 está colocada en el lumen 14 de modo que esté situada de manera distal a una región con endoprótesis vascular del vaso sanguíneo 5. La punta de sonda 17 está configurada para transmitir luz y recibir luz retrodispersada desde objetos tal como, por ejemplo, la endoprótesis vascular 12 y la pared del vaso sanguíneo 5. La punta de sonda 17 y el resto de la sonda de recopilación de datos 7 se empujan a través del lumen 14 de manera que la punta pase a través de la región con endoprótesis vascular y genere imágenes de los puntales de endoprótesis vascular. Estos puntales pueden generar sombras cuando se forman imágenes. La sonda 7 está en comunicación óptica con un sistema OCT 10. El sistema o subsistema OCT 10 que se conecta a la punta de sonda 17 por medio de una fibra óptica 15 puede incluir una fuente de luz tal como un láser, un interferómetro que tiene un brazo de muestra y un brazo de referencia, diversas rutas ópticas, un generador de reloj, fotodiodos y otros componentes del sistema OCT.
En un modo de realización, un receptor óptico 31, tal como un sistema basado en fotodiodos equilibrados, puede recibir luz que sale de la sonda 7. Un dispositivo informático 40 tal como un ordenador, un procesador, un ASIC u otro dispositivo puede ser parte del sistema OCT 10 o se puede incluir como un subsistema independiente en comunicación eléctrica u óptica con el sistema OCT 10. El dispositivo informático 40 puede incluir memoria, almacenamiento, buses y otros componentes adecuados para procesar datos y software 44, tales como fases de procesamiento de datos de imagen configuradas para la detección de ramificaciones laterales, la selección o identificación de candidatos a puntal de endoprótesis vascular, la detección de regiones de sombra de puntales de endoprótesis vascular candidatos, las correlaciones y comparaciones de los datos de imagen de endoprótesis vascular, la visualización de endoprótesis vascular y la recopilación de datos de maniobras de tracción como se describe a continuación. Los módulos de software 44 pueden incluir un módulo de detección de sombras y procesos y etapas asociados como se describe en el presente documento.
En un modo de realización, el dispositivo informático 40 incluye o accede a módulos de software o programas 44, tales como un módulo de detección de ramificaciones laterales, un módulo de detección de lumen, un módulo de detección de endoprótesis vascular, un módulo de validación de puntales de endoprótesis vascular, un módulo de identificación de puntales de endoprótesis vascular candidatos y otros módulos de software. Los módulos de software o programas 44 pueden incluir una cadena de procesamiento de datos de imágenes o módulos componente de los mismos y una o más interfaces gráficas de usuario (GUI). Los módulos pueden ser subconjuntos unos de otros y estar organizados y conectados a través de varias entradas, salidas y clases de datos. En un modo de realización, los módulos de software o programas 44 incluyen módulos y procesos de detección de sombras, módulos y procesos de determinación de proyección de línea, módulos y procesos de validación de sombras y otros procesos y módulos como los mostrados y descritos en el presente documento sin limitación.
La divulgación se puede realizar como uno o más productos de programa informático, es decir, uno o más módulos de instrucciones de programa informático codificados en un medio legible por ordenador para su ejecución por, o para controlar el funcionamiento de, un aparato de procesamiento de datos. El medio legible por ordenador puede ser un dispositivo de almacenamiento legible por máquina, un sustrato de almacenamiento legible por máquina, un dispositivo de memoria o una combinación de uno o más de los mismos. El término "aparato de procesamiento de datos" o dispositivo informático abarca todos los aparatos, dispositivos y máquinas para el procesamiento de datos, incluidos, a modo de ejemplo, un procesador programable, un ordenador o múltiples procesadores u otros dispositivos informáticos o de procesamiento de datos o de transformación de datos. El aparato/dispositivo puede incluir, además de hardware, código que cree un entorno de ejecución para el programa informático en cuestión, por ejemplo, código que constituya el firmware de procesador, una pila de protocolos, un sistema de gestión de bases de datos, un sistema operativo o una combinación de uno o más de los mismos.
Un programa informático (también conocido como programa, software, aplicación de software, secuencia de comandos o código) se puede escribir en cualquier forma de lenguaje de programación, incluidos lenguajes compilados o interpretados, y se puede implementar en cualquier forma, incluso como un programa independiente o como módulo, componente, subrutina u otra unidad adecuada para su uso en un entorno informático. Un programa informático no se corresponde necesariamente con un archivo en un sistema de archivos. Un programa se puede almacenar en una parte de un archivo que contiene otros programas o datos (por ejemplo, una o más secuencias de comandos almacenadas en un documento de lenguaje de marcado), en un solo archivo dedicado al programa en cuestión, o en múltiples archivos coordinados (por ejemplo, archivos que almacenan uno o más módulos, subprogramas o partes de código). Un programa informático se puede implantar para que se ejecute en un ordenador o en múltiples ordenadores que estén ubicados en un sitio o distribuidos en múltiples sitios e interconectados por una red de comunicación.
Los procesos y flujos lógicos descritos en esta divulgación pueden ser realizados por uno o más procesadores programables que ejecutan uno o más programas informáticos para realizar funciones manejando datos de entrada y generando una salida. Los procesos y flujos lógicos también se pueden realizar por, y un aparato también se puede implementar como, un circuito lógico de propósito especial, por ejemplo, una FPGA (matriz de puertas programables in situ) o un ASIC (circuito integrado específico de la aplicación).
Procesadores adecuados para la ejecución de un programa informático incluyen, a modo de ejemplo, microprocesadores de propósito tanto general como especial, y uno o más procesadores de cualquier tipo de ordenador digital. Generalmente, un procesador recibirá instrucciones y datos desde una memoria de solo lectura o una memoria de acceso aleatorio o desde ambas. Los elementos esenciales de un ordenador son un procesador para ejecutar instrucciones y uno o más dispositivos de memoria para almacenar instrucciones y datos. Generalmente, un ordenador también incluirá, o estará acoplado operativamente para recibir datos desde o transferir datos a, o ambas cosas, uno o más dispositivos de almacenamiento masivo para almacenar datos, por ejemplo, discos magnéticos, magneto-ópticos o discos ópticos. Sin embargo, un ordenador no necesita tener dichos dispositivos.
Un ordenador o dispositivo informático puede incluir un medio legible por máquina u otra memoria que incluya uno o más módulos de software para mostrar una interfaz gráfica de usuario, tal como una interfaz. Un dispositivo informático puede intercambiar datos tales como datos de supervisión u otros datos utilizando una red, que puede incluir una o más conexiones de intercambio de datos alámbricas, ópticas, inalámbricas o de otro tipo.
Un dispositivo informático u ordenador puede incluir un ordenador servidor, un ordenador de usuario cliente, un sistema de control, un sistema de diagnóstico intravascular o angiográfico, un microprocesador o cualquier dispositivo informático capaz de ejecutar un conjunto de instrucciones (secuenciales o de otro tipo) que especifiquen las acciones que debe realizar ese dispositivo informático. Además, también se interpretará que el término "dispositivo informático" incluye cualquier grupo de dispositivos informáticos que ejecuten individual o conjuntamente un conjunto (o múltiples conjuntos) de instrucciones para realizar una o más de las características de software o procedimientos o que funcionen como uno de los componentes de sistema descritos en el presente documento.
Una cadena de procesamiento de imágenes ejemplar y sus componentes pueden constituir uno o más de los programas 44. Los módulos de software o programas 44, que reciben datos de imágenes y transforman dichos datos de imágenes en vistas bidimensionales y tridimensionales de los vasos sanguíneos y de las endoprótesis vasculares, pueden incluir un módulo de software de detección de lumen, un módulo de detección de picos, un módulo de software de detección de endoprótesis vasculares, un módulo de software de detección de ramificaciones laterales, un módulo de detección de sombras, módulos de selección de líneas de exploración, un módulo de detección de puntales dentro de o como fuente del módulo de regiones de sombra de puntales de endoprótesis vascular candidatos detectados, un módulo de validación de sombras, núcleos y operadores de procesamiento de imágenes y otros módulos de software para realizar las etapas descritas en el presente documento. La cadena de procesamiento de datos de imágenes, sus módulos de software componente y procedimientos relacionados y cualquiera de los procedimientos descritos en el presente documento se almacenan en la memoria y se ejecutan usando uno o más dispositivos informáticos, tales como un procesador, dispositivo u otro circuito integrado.
Como se muestra en la Figura 1A, un dispositivo de visualización 46 también puede formar parte del sistema 10 para mostrar información 47, tal como vistas en sección transversal y longitudinales de un vaso sanguíneo generadas usando datos de imágenes recopilados. Las representaciones de una endoprótesis vascular y un límite de lumen, tales como imágenes OCT o IVUS de los mismos, se pueden mostrar a un usuario por medio del dispositivo de visualización 46. La detección de ramificaciones laterales, la detección de sombras y la detección de endoprótesis vasculares se realizan antes de la visualización de estas características y de cualquier codificación o etiquetado con indicaciones de identificación que puedan incluirse en la imagen visualizada. Esta información basada en OCT 47 se puede mostrar usando una o más interfaces gráficas de usuario (GUI). La imagen de las FIGS. 3A y 3B son ejemplos de información 47 que puede visualizarse y con la que interactuar utilizando una GUI y diversos dispositivos de entrada.
Además, esta información 47 puede incluir, sin limitación, datos de exploración en sección transversal, exploraciones longitudinales, gráficos de diámetros, máscaras de imágenes, endoprótesis vasculares, áreas de mala posición, límite de lumen y otras imágenes o representaciones de un vaso sanguíneo o las mediciones de distancia subyacentes obtenidas usando un sistema OCT y una sonda de recopilación de datos. El dispositivo informático 40 también puede incluir software o programas 44, que pueden estar almacenados en uno o más dispositivos de memoria 45, configurados para identificar sombras y puntales de endoprótesis vasculares que incluyen puntales dentro de regiones de sombra y otras características de vasos sanguíneos, tales como indicaciones como texto, flechas, codificación de colores, resaltado, líneas de contorno u otras indicaciones adecuadas legibles por personas o máquinas.
Una vez que los datos de OCT se obtienen con una sonda y se almacenan en la memoria se pueden procesar para generar información 47, tal como una vista tridimensional, longitudinal y/o en sección transversal del vaso sanguíneo a lo largo de la longitud de la región en la que se realiza una maniobra de tracción o un subconjunto de la misma. Estas vistas se pueden representar como parte de una interfaz de usuario como se muestra en las Figuras 3A y 3B y como se describe en el presente documento.
Proceso de detección de endoprótesis vascular y subprocesos y procesos paralelos asociados
En parte, la divulgación se refiere a un procedimiento de detección de sombras que se puede aplicar a la detección de varios objetos que generan sombras. Por tanto, en parte, la divulgación también se refiere a un procedimiento de detección de objetos o aparatos metálicos que incluye un procedimiento automatizado para detectar puntos o elementos de dichos objetos metálicos dentro de cada cuadro de una grabación o maniobra de tracción intravascular, tal como una maniobra de tracción OCT o IVUS. Los objetos o aparatos metálicos pueden incluir endoprótesis vasculares y puntales de endoprótesis vasculares componente, alambres guía y otros elementos metálicos o que generen sombras. En un modo de realización, la detección de endoprótesis vasculares puede incluir la detección de desplazamientos de tejido, la detección de sombras, la detección de puntales dentro de las sombras detectadas y la detección de puntales en el límite del alambre guía y la detección de puntales dentro de ramificaciones laterales. Se pueden realizar etapas para validar sombras/puntales y realizar búsquedas relativas a los mismos para reducir los falsos positivos. Se puede realizar la detección de puntales utilizando el procedimiento Naive at Peak Line Method (NPLM). Un resumen de estas etapas se incluye en la FIG. 1B.
La FIG. 1B es un diagrama de flujo de proceso de un proceso de detección de endoprótesis vascular 80. Hay varias fuentes de datos de entrada, tales como datos de alambre guía 204, datos de límite de lumen 106 y datos de ramificaciones laterales 122. Estos y otros conjuntos de datos pueden obtenerse haciendo operaciones en y transformando los datos intravasculares obtenidos usando una sonda como la descrita en relación con la FIG. 1A. En un modo de realización, la primera etapa en el proceso de detección de endoprótesis vascular es la detección de sombras 101. A su vez, la siguiente etapa en el proceso es la detección de desplazamientos 110 en un modo de realización. Los puntales de endoprótesis vascular generan una sombra y la sombra se observa en la zona del tejido entre un desplazamiento cercano (más cercano al lumen/sonda) y un desplazamiento lejano (dentro de la pared del vaso). Se observa empíricamente que la sombra aparecerá en la región de tejido entre el desplazamiento cercano y el desplazamiento lejano. En un modo de realización, un desplazamiento lejano es una aproximación que segmenta la región de tejido desde el umbral mínimo de ruido. En un modo de realización, el análisis de falso positivo se realiza usando una validación de cuadros cruzados.
Esta región entre los desplazamientos cercano y lejano define una zona en la que buscar cuando se detectan sombras. En un modo de realización, los candidatos a la detección de puntales se generan a partir de sombras y desplazamientos detectados. De esta manera se definen puntales candidatos, 115. Se genera el nivel de yuxtaposición del puntal, 135, seguido de la visualización de la ubicación del puntal y el grado de yuxtaposición contenido en el puntal renderizado usando una escala de colores indicativa del nivel de yuxtaposición u otras indicaciones. Por lo tanto, los puntales detectados se muestran utilizando un dispositivo de visualización 2D o 3D.
En un modo de realización, un proceso de detección de ramificaciones laterales actúa en paralelo con un proceso de detección de endoprótesis vascular. Los puntales se detectan en ramificaciones laterales usando el procedimiento Naive at Peak Line Method (NPLM), 120, seguido de un procedimiento de reducción de falsos positivos. El proceso NPLM se puede usar para detectar ramificaciones laterales cubiertas o encerradas en las que el puntal de endoprótesis vascular cubre al menos una parte de la ramificación lateral. La definición final de puntal se actualiza con los resultados de la detección de puntales en ramificaciones laterales. En toda la cadena de procesamiento de imágenes de procedimiento, los datos de alambre guía se usan para refinar las áreas de búsqueda de puntales de la imagen. De forma similar, los datos de detección de lumen proporcionan información usada para detectar desplazamientos, 110, y calcular el valor de yuxtaposición, 135. Los resultados se pueden mostrar en 2d o 3D como se describe en el presente documento, 137.
En parte, la divulgación se refiere a una implementación de un procedimiento o proceso de detección de sombras adecuado para su uso en diversas aplicaciones de visualización de diagnóstico y análisis de datos intravasculares. En un modo de realización, la detección de sombras incluye diversas subetapas o subprocesos, como por ejemplo, el cálculo de desplazamientos cercanos y lejanos, el uso de un umbral localmente adaptativo (LAT) y la realización de una o más etapas de validación de sombras para reducir la incidencia de falsos positivos (FP).
La detección de la región de tejido es a menudo la primera etapa en los diversos procedimientos de detección, tal como la detección de sombras, la detección de endoprótesis vasculares y la detección de alambres guía, por ejemplo. La FIG. 2 ilustra etapas ejemplares de procedimiento de detección de desplazamientos cercanos y lejanos y de regiones de tejido. La región de tejido proporciona una zona de búsqueda para las sombras de los puntales de endoprótesis vascular. El procedimiento se basa en gran parte en la detección de sombras para identificar la región de interés para la búsqueda de puntales. Además de su significado ordinario, como se usa en el presente documento, un desplazamiento se refiere a la distancia desde el centro de la imagen convertida por escaneo hasta la ubicación de la región de tejido. El desplazamiento cercano identifica el límite de la pared de lumen. El desplazamiento lejano identifica el límite de la señal de tejido detectable.
En un modo de realización, el procedimiento determina un vector de desplazamientos cercanos y de desplazamientos lejanos para el lumen. Los desplazamientos se usan para determinar una región del vaso sanguíneo en la que se generarán sombras, a partir de una proyección de línea, que se analiza con más detalle a continuación. Las líneas de exploración de inicio de sombra y las líneas de exploración de final de sombra que abarcan una región de sombra pueden identificarse como salidas de la operación del procedimiento de detección de sombras de la divulgación. El enfoque de detección de sombras se puede usar en otros diversos procedimientos, tal como la detección de endoprótesis vasculares y la detección de alambres guía. El procedimiento de detección de sombras actúa sobre líneas de exploración, desplazamientos, matrices y vectores almacenados en la memoria de los sistemas de procesamiento de datos, tal como en la FIG. 1A, para identificar sombras candidatas en la región de tejido usando las etapas y procesos descritos en el presente documento.
Para cada línea de exploración que no se encuentra dentro del rango del alambre guía detectado previamente, se comparan pares de inicio-finalización y el que tenga un grosor correspondiente a un grosor objetivo o, de lo contrario, el grosor más grande, se conserva y almacena en memoria como un vector de valores de desplazamientos cercanos o un conjunto de valores correspondientes al lumen. Los desplazamientos cercanos se pueden describir como el desplazamiento al lumen desde el interior (catéter). Los desplazamientos lejanos representan un desplazamiento en el que los datos intravasculares ya no son imágenes de tejido, sino que los datos indican la presencia del umbral mínimo de ruido. Como resultado del ruido y la atenuación de señales, la capacidad de discernir el tejido se interrumpe cuando nos aceramos al umbral mínimo de ruido. Las FIGS. 3C y 3D ilustran los desplazamientos cercanos/lejanos y una máscara de mediana binaria en una imagen típica.
En un modo de realización, los pares de inicio-finalización se generan a partir de una máscara binaria para obtener una estimación de dónde se produce la retrodispersión de tejido en relación con el lumen u otras regiones, tales como regiones de sombra. La ponderación de los pares de inicio-finalización, 205, en la máscara binaria se usa porque pueden aparecer manchas y otros artefactos en la máscara. La etapa de ponderación filtra algunos de los ruidos o artefactos para encontrar la parte principal de la línea de exploración que corresponde al tejido. Los pares de inicio-finalización se usan para determinar los desplazamientos cercanos y lejanos en un modo de realización, como se identifica en el procedimiento 200 de la FIG. 2. Detalles adicionales relacionados con los pares de iniciofinalización se describen en la
patente de EE. UU. n.° 9.138.147.
Como se muestra en la FIG. 2, los pares de inicio-finalización determinados en la máscara binaria se agrupan para determinar los desplazamientos de tejido cercanos y lejanos asignando un peso a cada par de inicio-finalización, 105. El inicio de los pares de inicio-finalización con mayor peso define el desplazamiento con respecto a la máscara de tejido y se almacena en memoria como un vector asociado a valores de desplazamiento cercano. Los desplazamientos lejanos se calculan más tarde o en un proceso paralelo. Se ajusta una elipse a los valores de desplazamiento cercano, 210, y es usada por el procedimiento para descartar pares de inicio-finalización, 220, cuya finalización sea mayor que la elipse y el grosor sea menor que un porcentaje de la desviación típica del grosor de todos los pares de inicio-finalización. Los pares de inicio-finalización (Pares-SS) y la desviación típica, STDEV, se muestran en la Fig. 2 en relación con la etapa o fase 220.
En un modo de realización, el módulo de software de detección de sombras y el procedimiento asociado vuelven a ponderar, 225, o refinan los pares de inicio-finalización volviendo a ponderar los pares de inicio-finalización restantes y manteniendo los de mayor peso, 230. Se ajusta una curva de tipo spline a la lista filtrada y nuevamente ponderada de desplazamientos cercanos, 235. Los desplazamientos cercanos se calculan usando la curva tipo spline ajustada. En un modo de realización, los desplazamientos lejanos se determinan, 240, como situados entre el desplazamiento cercano y el umbral mínimo de ruido con el desplazamiento lejano ubicado en el umbral mínimo de ruido o una distancia por encima del umbral mínimo de ruido. En un modo de realización, los desplazamientos lejanos se calculan como el desplazamiento cercano más el grosor promedio local de la pared del vaso. En un modo de realización, el grosor promedio local se puede escalar o ajustar de otro modo en base a la posición del umbral mínimo de ruido u otros factores.
El procedimiento de detección de desplazamiento de tejido se ilustra con respecto a una imagen intravascular y máscaras binarias de la misma en las FIGS. 3A-3D. La FIG. 3A es un ejemplo de una única sección transversal en una grabación de un vaso con una endoprótesis vascular metálica implantada nueva. En las FIGS. 3A y 3B se muestra una imagen OCT generada usando líneas de exploración obtenidas a partir de una maniobra de tracción a lo largo de una arteria. Una máscara de mediana binaria correspondiente se muestra en las FIGS. 3C y 3D, respectivamente, para la imagen correspondiente encima de cada figura respectiva. Las sombras en la imagen de la FIG. 3A son de puntales de endoprótesis vascular que obstruyen la señal de luz.
Como se muestra en la imagen de la FIG. 3A y su máscara en 3B, las sombras se extienden como sectores oscuros con respecto a puntales de endoprótesis vascular alrededor del límite de lumen. No todas las sombras son de puntales de endoprótesis vascular. La sombra más grande proviene del alambre guía, como se muestra en la posición de la 1 en punto (cuadrante superior derecho) de la FIG. 3A. Los desplazamientos cercanos y lejanos se muestran como una línea curva/dentada y se señalan mediante flechas blancas curvas que se muestran para ilustrar que el procedimiento de detección de sombras es robusto frente a grandes hendiduras y artefactos de máscara. Los desplazamientos pueden considerarse, en un modo de realización, como indicadores del límite de lumen cerca de la sonda adyacente al lumen (desplazamiento cercano) y del límite de la profundidad de penetración dentro de la pared de vaso (desplazamiento lejano).
Por ejemplo, las grandes sombras debidas a los puntales de endoprótesis vascular no afectan a los desplazamientos lejanos. Los desplazamientos también se calculan sobre la sombra del alambre guía en un modo de realización. Los desplazamientos cercanos se encuentran en el límite de lumen del vaso y los desplazamientos lejanos se unen a la región del tejido visible a medida que la señal de formación de imágenes se atenúa. En un modo de realización, el desplazamiento cercano es el punto más cercano del tejido al centro de la sonda de recopilación de datos intravasculares. En un modo de realización, los desplazamientos lejanos están ligeramente escalados y tienden a "flotar" a medida que se atenúa la señal de tejido. Este es el resultado del escalamiento de desplazamiento lejano en un modo de realización.
Las FIGS. 3A-3D proporcionan una ilustración de los desplazamientos cercanos y lejanos determinados mediante un módulo de software de detección de desplazamiento de tejido. Estos desplazamientos cercanos y lejanos son datos de entrada que pueden manejarse y transformarse mediante un módulo de software de detección de sombras. Se usa un módulo de imágenes binarias para generar las imágenes binarias de las FIGS. 3C y 3D a partir de las FIGS.
3A y 3B, respectivamente.
La imagen binaria se usa como una etapa de preprocesamiento para determinar desplazamientos cercanos y lejanos. A su vez, los desplazamientos cercanos y lejanos que se determinan para las líneas de exploración se usan para determinar los valores en la proyección de línea. Además, la proyección de línea se usa para generar el umbral localmente adaptativo, que varía entre las diferentes líneas de exploración. El umbral localmente adaptativo se puede comparar con valores de proyección para determinar las regiones de sombra. En un modo de realización, se puede usar un umbral constante en lugar de un LAT; sin embargo, el uso de un umbral constante probablemente encontraría algunas regiones de sombra candidatas y pasaría por alto otras. Como resultado, se prefiere un umbral localmente adaptativo en un modo de realización.
La siguiente etapa en el procedimiento de detección de endoprótesis vascular es la detección de sombras correspondientes a una fuente de sombra determinada, tal como puntos de puntal, un alambre guía, un catéter u otro objeto. La FIG. 4 resume las etapas involucradas en la detección de sombras. La primera etapa es calcular la proyección lineal. Cada valor de la proyección de línea se refiere a un subconjunto de una línea de exploración entre el desplazamiento cercano y el desplazamiento lejano que se procesa mediante una o más operaciones. En un modo de realización, las operaciones pueden incluir clasificar componentes de la línea de exploración para excluir componentes y/o seleccionar el valor de intensidad más alto de la línea de exploración.
En un modo de realización, una proyección de línea se determina realizando una o más operaciones en la parte de cada línea de exploración entre el desplazamiento cercano y el desplazamiento lejano para generar un valor indicativo de un valor de intensidad para esa línea de exploración. El valor de intensidad puede corresponder a niveles de intensidad de sombra, tejido, lumen o de no sombra. Las operaciones pueden incluir promediar, sumar, muestrear, seleccionar u otra operación estadística tal como una estadística de orden, mediana, media, modo u otra operación realizada con respecto a una línea de exploración y sus componentes o valores asociados a la misma. Se obtienen muestras en cualquier línea de exploración dada (o una o más líneas de exploración) y se extrae información de intensidad de tejido de dichas muestras a partir de la línea de exploración dada (o una o más líneas de exploración). A su vez, la intensidad que está ocluida por algo que causa una sombra tiene asociada una intensidad más baja en relación con la de una línea de exploración que contiene tejido o con la de muestras obtenidas con respecto a dicha línea de exploración. En un modo de realización, las muestras son valores de intensidad u otro valor obtenido con respecto a una línea de exploración.
En un modo de realización, se busca en la proyección de línea para determinar si incluye sombra, tejido, lumen, regiones sin sombra o combinaciones de los mismos. Los valores del umbral localmente adaptativo se comparan con los de la proyección de línea para facilitar la detección de sombras como se describe en el presente documento. En un modo de realización, la proyección de línea se busca o se evalúa de otro modo en relación con un valor de LAT para determinar si una proyección de línea incluye sombras o no incluye sombras. La última etapa es validar las sombras detectadas. El uso del software para realizar una verificación de validez relativa a las sombras candidatas mejora la precisión de la detección de sombras y de otros procedimientos de detección relacionados que usan la detección de sombras, tal como la detección de puntales de endoprótesis vascular y la detección de alambres guía.
La FIG. 4 ilustra etapas o fases de detección de sombras de alto nivel 250 que se producen entre el cálculo de los desplazamientos, 255, descrito en el presente documento y la adición de puntales detectados al conjunto de datos intravasculares que incluye información acerca de las sombras detectadas. En un modo de realización, estas etapas incluyen calcular proyecciones de línea 257, realizar una búsqueda de sombras 260, realizar una validación de sombras 265 y realizar un procesamiento de refinamiento de sombras 270 en relación con las sombras candidatas detectadas inicialmente. Una vez que las etapas relacionadas con las sombras finalizan, las sombras se evalúan para definir el objeto físico que se ha detectado, 275. Por lo tanto, puede identificarse que las sombras corresponden a puntales, alambres guía u otros objetos, o la fuente del objeto físico que creó la sombra detectada puede ser desconocida. Detalles adicionales relacionados con estas etapas se describen con más detalle a continuación.
Modos de realización de procedimiento de cálculo de proyección de línea
Los desplazamientos cercanos y lejanos de la máscara de tejido se usan para calcular proyecciones de línea entre los puntos cercanos y lejanos para cada línea de exploración. En un modo de realización se ordenan los píxeles de una línea delimitada por los desplazamientos cercanos y lejanos y se promedia un porcentaje de los valores de píxel más bajos. Por tanto, para cada línea de exploración, si se consideran todos los píxeles en conjunto, se puede determinar un valor de píxel promedio. Un valor bajo en relación con ese valor promedio (para todos los píxeles) o en relación con otro valor promedio obtenido usando un subconjunto de píxeles para una línea de exploración, un promedio de píxeles por debajo de un determinado umbral de intensidad, se puede usar para identificar una sombra candidata. Una fracción de la intensidad de tejido media, tal como el 50 % de la intensidad de tejido media, se puede usar como un umbral mínimo de intensidad por encima del cual se identifican las sombras usando el procedimiento basado en LAT. La fracción de la intensidad de tejido media usada puede variar de aproximadamente el 20 % hasta aproximadamente el 80 % como un umbral mínimo para seleccionar sombras candidatas en base a los valles en la proyección de línea suavizada de la FIG. 5.
Se lleva a cabo un proceso de ordenación para aumentar la probabilidad de que los píxeles más brillantes que puedan corresponder a un efecto de saturación (blooming) producido por un puntal no oscurezcan las sombras en la proyección de intensidad. Una vez que se calcula la proyección para cada línea, la proyección de línea global se suaviza con un filtro tal como, por ejemplo, un filtro de promedio móvil. La FIG. 5 ilustra un ejemplo típico de una determinación de proyección de línea. En la FIG. 5, las curvas de datos 300 se trazan en relación con un eje de intensidad y un eje de línea de exploración, como se muestra. La primera línea horizontal en torno al nivel de intensidad 50 es la intensidad de tejido media. La segunda línea horizontal en torno al nivel de intensidad 25 es aproximadamente la mitad de la intensidad de tejido media.
En la FIG. 5, una proyección de línea suavizada está trazada junto con una proyección sin procesar y un umbral localmente adaptativo, LAT. El LAT está por debajo de la intensidad de tejido media y por encima y por debajo de la mitad de la intensidad de tejido media en diferentes puntos. Los diversos incidentes de sombras corresponden a la proyección suave que desciende por debajo de la curva LAT, como se muestra. La proyección sin procesar es irregular y está por encima de, por debajo de o superpuesta a la proyección de línea suavizada, como se muestra. La intensidad de tejido media y la mitad de la intensidad de tejido media también se muestran en la FIG. 5. El LAT está por encima del precursor de LAT, como se muestra.
Las sombras candidatas están etiquetadas numéricamente del 1 al 9, como se muestra en la FIG. 5. La proyección de línea suavizada se muestra en relación con la proyección de línea sin procesar (los datos no suavizados oscilaron en relación con los datos suavizados con picos y puntos irregulares). La etiqueta en forma de estrella en el punto 9 es una sombra genuina que la operación inicial del procedimiento LAT no detectó. Un procedimiento de detección secundario o de respaldo que usa datos de extremos relativos se puede usar en paralelo con el procedimiento de detección basado en LAT para detectar sombras tales como las asociadas al punto 9. El punto 9 está por encima del LAT como se muestra, mientras que las otras sombras detectadas 1-8 tienen valores de intensidad proyectados por debajo del LAT y, por lo tanto, son indicativos de ser una sombra.
En un modo de realización, cada sombra tiene una línea de sombra inicial. Como ejemplo, una sombra tiene una línea de inicio aproximada 150 para la sombra 2 y una línea de sombra final, tal como la línea aproximada 455 para la sombra 8. Como se muestra en torno a la línea de exploración 350, los valores de tejido son más bajos y, por lo tanto, el LAT es menor en relación con la intensidad de línea de exploración en aproximadamente la línea de exploración 75; como resultado, el LAT cambia en base a la línea de exploración y los cambios de intensidad en la proyección de línea. En un modo de realización, los valores de intensidad de tejido locales a la línea de exploración se usan para calcular el LAT en esa línea de exploración.
Modos de realización y características de la búsqueda de sombras
En un modo de realización, el procedimiento de búsqueda de sombras usa un umbral localmente adaptativo (LAT) en las proyecciones de línea para determinar regiones de sombra. La determinación del LAT aumenta la precisión del procedimiento de búsqueda de sombras. El procedimiento calcula un LAT para cada línea como se muestra mediante la línea etiquetada LAT en la FIG. 5. La FIG. 6 es un diagrama de flujo de proceso 350 que ilustra un procedimiento de búsqueda de sombras ejemplar de acuerdo con un modo de realización de la divulgación.
En un modo de realización, el procedimiento calcula primero el intervalo de valores de intensidad de proyección global. La siguiente etapa calcula la media del tejido como la media de todos los valores en los que la proyección es mayor que la mitad del intervalo de valores de intensidad de proyección. La media de la intensidad de tejido (MT) se usa en las siguientes etapas. Para cada línea de exploración L, se crea un valor en la proyección de línea. El tejido medio local (LMT) se crea añadiendo los valores de proyección dentro de un determinado radio alrededor de una línea de exploración dada y calculando la media de los valores de proyección desde esa zona. En un modo de realización, estos valores de proyección se encuentran en la mitad superior del intervalo.
En un modo de realización, para cada línea se genera una proyección local, 305. La lista de valores de proyección local está ordenada y limitada a MT. El valor de tejido medio local (LMT) se calcula como la media de los valores de proyección local en la mitad superior de su intervalo. El LAT para la línea L se calcula como la mitad del LMT, 310. Finalmente, el LAT se suaviza con un filtro de promedio móvil u otro operador o filtro de suavizado.
Se buscan las líneas de exploración y si la proyección desciende por debajo del LAT suavizado para esa línea, 315, la línea se marca como perteneciente a una sombra. El procedimiento define una nueva sombra si la línea anterior es una línea que no es de sombra. El procedimiento también comprueba el caso especial de sombra que envuelve el borde de la imagen. Las líneas de exploración corresponden a una representación polar de los vasos sanguíneos. Como resultado, las líneas de exploración envuelven los datos de imágenes ya que la línea de exploración cero (u otro origen arbitrario) es la línea de exploración adyacente 500 (u otra línea de exploración final). Por lo tanto, la naturaleza polar de las líneas de exploración y su grado de envoltura se puede considerar al evaluar sombras que abarcan la primera y la última línea de exploración en un conjunto de datos recopilados intravascularmente. En caso de envoltura, las sombras en los bordes de la imagen se fusionan en el sentido de que una sombra en la línea de exploración 1 y una sombra en la línea de exploración 500 (o como esté numerada la última línea de exploración) se tratan como una sola sombra dada la orientación adyacente de tales líneas de exploración.
Además, para detectar sombras usando el LAT, como segundo procedimiento de detección de sombras o como procedimiento paralelo, los puntos de extremos relativos/mínimos locales en la proyección de línea suavizada se usan como un procedimiento de detección adicional para identificar otros tipos de sombras. El uso de extremos relativos representa un procedimiento de detección de sombras que se realiza además del procedimiento LAT para identificar sombras que pueden pasar desapercibidas con el procedimiento basado en LAT. En un modo de realización, el procedimiento LAT es un primer procedimiento o procedimiento primario, y el uso de extremos o mínimos locales para detectar sombras es un segundo procedimiento o procedimiento secundario (o viceversa). En un modo de realización, se realiza una búsqueda de mínimos locales aparte en regiones que no son de sombra para identificar sombras que no son lo suficientemente oscuras como para estar por debajo del LAT. Se identifica un mínimo local u otros extremos relativos para una línea si existe un valle (o pico, según los detalles de implementación) con un valor mayor que el porcentaje del valor de proyección suavizado de la línea. En un modo de realización, el mínimo local u otros extremos relativos se identifican si existe dentro de un radio de búsqueda con ventana, tal como 10, 20 o 30 líneas antes y después de que se evalúe cada línea de exploración.
En un modo de realización, el radio de búsqueda con ventana es un radio de búsqueda de valle a pico. En un modo de realización, se busca un valle bordeado por dos picos y se utiliza como rasgo característico indicativo de una sombra. La estrella en el punto 9 que no se detectó mediante el procedimiento basado en LAT se puede evaluar mirando 20 líneas delante de la misma y 20 líneas detrás de la misma para determinar si el patrón de intensidad de la proyección suavizada sufre cambios que incluyen un valle con un pico a cada lado. La detección de esta característica como parte de un procedimiento secundario de detección de sombras puede usarse para encontrar sombras que el procedimiento basado en LAT no detecta en un modo de realización. Dentro de la ventana de búsqueda a cada lado de cada línea de exploración buscada (que pueden ser todas), la presencia de un mínimo local válido puede corresponder a otra sombra detectada. Además, si la diferencia entre el valor mínimo de la proyección suavizada y el valor máximo de la proyección en la ventana de búsqueda excede un umbral, la aparición de ese patrón puede usarse para identificar una sombra.
En la FIG. 5, la sombra etiquetada como #9 con una estrella es un ejemplo de una sombra detectada por una etapa de búsqueda de sombras tal como una etapa de búsqueda de sombras tenues, en un modo de realización. En un modo de realización, para cada línea de exploración o un subconjunto de la misma, se busca un radio de búsqueda de valle a pico de aproximadamente 10 líneas de exploración, de 504, que representa aproximadamente 7 grados. El radio de búsqueda de valle a pico puede oscilar entre aproximadamente 5 líneas de exploración y aproximadamente 40 líneas de exploración en un modo de realización.
En un modo de realización, la implementación de una etapa o proceso de búsqueda de sombras proporciona una sensibilidad adicional de manera que el proceso de búsqueda detecta sombras tenues que son demasiado brillantes para estar por debajo del LAT. Por lo tanto, una sombra tenue puede tener una intensidad que esté por encima del umbral LAT, pero aun así constituye una región de sombra.
En un modo de realización, el primer proceso, o proceso primario, de búsqueda de sombras basado en LAT y la segunda búsqueda, o búsqueda secundaria, de extremos relativos/valles-picos también pueden incluir una etapa mediante la cual el proceso refina las ubicaciones de inicio y finalización con respecto a la ubicación de una pendiente máxima en la proyección. Este refinamiento puede incluir una o más aplicaciones o búsquedas realizadas en relación con la pendiente. Por ejemplo, en un modo de realización, se usa una medición de pendiente para ajustar con precisión la línea de inicio/finalización de sombra identificando un valor de borde tal como el centro verdadero de un valor de borde correspondiente a la línea de exploración de inicio de sombra o una línea de exploración de final de sombra.
En un modo de realización, las ubicaciones no se ajustan para las sombras que consisten en una sola línea de exploración. La estrella 9 no se captura como una sombra como resultado de que el valor de intensidad esté por encima del LAT. En un modo de realización, las medidas de pendiente se usan para generar una estimación mejorada para cada línea de inicio y línea de finalización de cada sombra. La medida de pendiente se usa para seleccionar el borde en el que comienza y termina una sombra. La selección de bordes mejora la precisión de las etapas de validación en un modo de realización. Como ejemplo, como se muestra en la FIG. 5, la sombra 3, aproximadamente alrededor de la línea de exploración 300, tiene una pendiente máxima o pronunciada que se produce antes de que la proyección suavizada caiga por debajo del LAT y un crecimiento lento máximo o pronunciado similar a medida que la proyección suave asciende y supera el LAT.
En un modo de realización, al realizar exploraciones usando una ventana de líneas de exploración u otro radio, la pendiente de la proyección se puede calcular y los valores de extremos relativos y sus cambios, como con respecto a la sombra 3 y la sombra 9, se pueden usar para validar sombras o identificar sombras, tal como la sombra 9, no detectadas por el procedimiento basado en LAT. Además, la pendiente se puede usar en circunstancias en las que el procedimiento LAT solo detecta una parte de sombra. El uso de medidas de pendiente por línea de exploración facilita mejores estimaciones de los bordes de una sombra que abarca múltiples líneas de exploración al detectar los bordes que corresponden a las líneas de exploración de inicio de sombra y las líneas de exploración de final de sombra.
Modos de realización y características de la validación de sombras
En un modo de realización, la validación de sombras es posterior a la búsqueda de sombras y se usa para reducir los falsos positivos y aliviar la carga de los procedimientos subsiguientes de detección de desplazamiento de puntal que actúan en las salidas de la búsqueda de sombras o de la detección de sombras usando un LAT y una proyección de línea suavizada. En un modo de realización, mientras que la detección de sombras intenta determinar la presencia de sombras a través de las líneas de exploración, la validación intenta verificar la presencia de bordes de sombras genuinos. La línea de exploración de inicio de sombra y la línea de exploración de final de sombra definen los bordes de una región de interés, tales como inicios y finales de sombra desde el cuadro de referencia de la sonda de formación de imágenes intravascular.
En un modo de realización, las sombras candidatas de las anteriores etapas de procesamiento de módulo de software se etiquetan inicialmente como válidas por defecto, pero se marcan como no válidas si no pasan la validación. En un modo de realización, el proceso de etiquetado de líneas con respecto al procedimiento de la Fig. 6 incluye el uso de etiquetado de regiones unidimensionales o el análisis de componentes conectados. El proceso de etiquetado puede incluir la búsqueda de zonas o grupos de líneas de exploración en las que la proyección suavizada desciende por debajo del LAT. Cada una de las zonas define una sombra distinta. Por tanto, cada zona de la FIG. 5 correspondientes a las sombras 1-9 se pueden evaluar usando el LAT. Como se indica anteriormente, aunque se pasó por alto la sombra 9, una búsqueda secundaria que busca extremos relativos en los que existen valles donde la intensidad cae y vuelve a subir se puede identificar usando un procedimiento de búsqueda heurística para identificar todas las sombras válidas o, al menos, determinadas categorías de sombras en las que el procedimiento LAT no las identifica.
La primera prueba de validación se basa en la anchura de sombra determinada por la distancia entre las líneas de inicio y finalización de sombra ubicadas en los desplazamientos cercanos. La sombra se marca como no válida si su anchura u otra dimensión de sombra es mayor que un tamaño predefinido representativo de la anchura máxima de sombra (u otra dimensión de sombra) asociada al tipo de objeto que genera la sombra. Como resultado, la anchura/dimensión de sombra de un puntal de endoprótesis vascular, un alambre guía u otro objeto que genere sombras se puede especificar como base para rechazar sombras que no estarían asociadas a uno o más de los objetos anteriores. En este caso, se omiten todas las etapas de validación posteriores.
En un modo de realización, las sombras que exceden los criterios de anchura corresponden típicamente a un alambre guía o una ramificación lateral. Por tanto, en un modo de realización, el proceso de validación incluye la etapa de excluir sombras de alambre guía y/o de ramificaciones laterales del conjunto de sombras de puntales de endoprótesis vascular candidatos. La anchura de sombra puede variar según lo que se esté buscando o excluyendo de la búsqueda. Si busca puntales de endoprótesis vascular, puede excluir sombras, por ejemplo, que excedan el tamaño de las sombras de los puntales de endoprótesis vascular.
Si una sombra cumple con los criterios de anchura máxima o de otro umbral o criterio de selección, la sombra candidata en la imagen se selecciona para una fase de validación. En esta fase, el procedimiento de validación usa la aplicación de un operador, tal como un núcleo de detección de bordes, para confirmar los bordes de iniciofinalización de sombra, que son líneas de exploración que abarcan una sombra. En un modo de realización, la aplicación es una aplicación de convolución. En lo que respecta a sombras con bordes bien definidos, se usan varios núcleos u otros operadores de procesamiento de imágenes/detección de bordes. En un modo de realización, se usan núcleos Prewitt o núcleos que incluyen una o más características de los núcleos Prewitt.
Las FIGS. 7A a 7C son ejemplos de operadores tales como núcleos de procesamiento de imágenes [1 -por-N] que se pueden aplicar a una imagen para detectar el borde inicial o final de una sombra, y para filtrar y detectar una sombra de muesca estrecha asociada a una intensidad u otro valor de interés. Los operadores ilustrados en las FIGS. 7A-7C se puede aplicar a proyecciones 1D derivadas de las imágenes intravasculares 2D para encontrar las líneas de inicio y finalización de las sombras en un modo de realización de la invención. En general, la validación se puede realizar mediante el procesamiento de imágenes 2D de datos de imágenes 2D con un núcleo 2D. En un modo de realización, inicialmente se genera en primer lugar una proyección a lo largo de una línea de exploración y, a continuación, el sistema usa un filtro 1D como operador en lugar de usar un operador 2D, tal como un núcleo, porque brinda ventajas computacionales en cuanto a la velocidad.
Como núcleo ejemplar, la FIG. 7A representa un gráfico del núcleo de filtro de borde inicial. En un modo de realización, el núcleo buscador de bordes iniciales puede ser un vector o matriz con la forma [1 10 -1 -1]. Como núcleo ejemplar, la FIG. 7B representa un gráfico de núcleo de filtro de borde final. Se pueden usar otros núcleos y operadores diseñados para detectar o filtrar un borde de una sombra u otra parte o característica de una sombra. Por lo tanto, la detección de bordes se puede realizar después de la selección de candidatos a sombra y de la exclusión de sombras (alambre guía y ramificación lateral) como una etapa de validación para aumentar la precisión en la detección de sombras.
Estos núcleos, u otros operadores, se aplican para detectar los bordes a través de las líneas de exploración de la imagen polar dentro de regiones de la imagen de intensidad (ROI) definida por las líneas de inicio/finalización de sombra y los respectivos desplazamientos cercanos/lejanos. La salida de la operación de filtrado se proyecta a lo largo de las líneas de muestra (en la imagen de salida filtrada). Como resultado, se logra un efecto de promedio sin la necesidad de un núcleo 2D completo, lo que reduce el tiempo de cálculo. En un modo de realización, en lugar de un núcleo 2D, se usa un núcleo 1D en una convolución 2D. Como alternativa, se puede usar un núcleo completo en algunos modos de realización de la divulgación. Se busca un pico en la señal proyectada para determinar si existe un borde válido. Se usa el intervalo completo o un subconjunto de la ROI en el intento de validación inicial. Si al menos un borde pasa la validación, la sombra se considera válida. En un modo de realización se usa un núcleo unidimensional para buscar los bordes de una región de sombra para identificar una línea de exploración de inicio de sombra y una línea de exploración de finalización de sombra. Se genera una proyección a lo largo de la línea de exploración y, a continuación, se aplica el operador de detección de bordes unidimensional a la proyección para identificar el borde.
Otro escenario que es importante evaluar se produce cuando una sombra es delgada (con una anchura de 1-2 líneas de exploración). Estas sombras se validan de manera similar a través de un núcleo de filtro de muesca en un modo de realización. La FIG. 7C muestra un gráfico de un núcleo de filtro de muesca [11 -411]. El filtro de muesca busca de manera eficaz sombras estrechas o delgadas (que tienen una anchura de 1 o 2 líneas de exploración) y ayuda a seleccionarlas de modo que no se ignoren ni se excluyan del proceso.
En un modo de realización, las sombras no válidas se someten a una etapa de validación secundaria. La segunda etapa de validación divide la ROI en fragmentos equivalentes en la dirección de muestra. La primera técnica de validación descrita anteriormente se aplica a cada fragmento una vez más. Si un solo fragmento pasa la validación, la sombra se vuelve a considerar válida. De esta manera, las etapas de procesamiento de imágenes descritas en el presente documento para la detección de sombras y el procesamiento subsiguiente para la detección de endoprótesis vasculares no pasan por alto sombras tenues.
Refinamiento / validación adicional de sombras
Las sombras validadas se distinguen aún más al comparar cada sombra con todas las demás sombras del cuadro. Las sombras superpuestas se fusionan en una sola sombra y se elimina la sombra duplicada. Las sombras que no pasan la validación descrita en la sección anterior se ignoran en esta etapa de refinamiento. El procedimiento tiene en cuenta los casos en los que las sombras envuelven la imagen.
Algunas partes de la descripción detallada se presentan en forma de procedimientos, tales como algoritmos y representaciones simbólicas de operaciones en bits de datos dentro de una memoria de ordenador. Estas descripciones y representaciones algorítmicas pueden ser usadas por expertos en campos relacionados con la informática y el software. En un modo de realización, un algoritmo se concibe, en general y en el presente documento, como una secuencia de operaciones autoconsistente que da lugar a un resultado deseado. Las operaciones realizadas como paradas de procedimiento o descritas de otro modo en el presente documento son aquellas que requieren manipulaciones físicas de cantidades físicas. Normalmente, aunque no necesariamente, estas cantidades toman la forma de señales eléctricas o magnéticas capaces de ser almacenadas, transferidas, combinadas, transformadas, comparadas y manipuladas de otro modo.
Los algoritmos y visualizaciones presentados en el presente documento no están inherentemente relacionados con ningún ordenador particular u otro aparato. Se pueden usar diversos sistemas de propósito general con programas de acuerdo con las enseñanzas del presente documento, o puede resultar conveniente construir un aparato más especializado para realizar las etapas de procedimiento requeridas. La estructura requerida para una variedad de estos sistemas resultará evidente a partir de la siguiente descripción.
Los modos de realización de la invención pueden implementarse de muchas formas diferentes, incluyendo, pero sin limitación alguna, lógica de programas informáticos para su uso con un procesador (por ejemplo, un microprocesador, un microcontrolador, un procesador de señales digitales o un ordenador de propósito general), lógica programable para su uso con un dispositivo de lógica programable (por ejemplo, una matriz de puertas programables in situ (FPGA) u otro PLD), componentes discretos, circuitos integrados (por ejemplo, un circuito integrado específico de la aplicación (ASIC)), o cualquier otro medio que incluya cualquier combinación de los mismos. En un modo de realización típico de la presente invención, parte de o la totalidad del procesamiento de los datos recopilados usando una sonda OCT, una sonda IVU, otros dispositivos de formación de imágenes y de monitorización de personas y el sistema basado en procesador se implementa como un conjunto de instrucciones de programa informático que se convierte en una forma ejecutable por ordenador, se almacena como tal en un medio legible por ordenador y se ejecuta por un microprocesador bajo el control de un sistema operativo. Por lo tanto, las instrucciones de interfaz de usuario y los activadores basados en la finalización de una maniobra de tracción o una solicitud de registro conjunto, por ejemplo, se transforman en instrucciones comprensibles para el procesador adecuadas para generar datos OCT y realizar el procesamiento de imágenes usando varias y otras características y modos de realización descritos anteriormente.
La lógica de programa informático que implementa la totalidad o parte de la funcionalidad descrita previamente en el presente documento se puede incorporar de diversas formas, incluidas, pero sin limitación alguna, una forma de código fuente, una forma ejecutable por ordenador y diversas formas intermedias (por ejemplo, formas generadas por un ensamblador, compilador, enlazador o localizador). El código fuente puede incluir una serie de instrucciones de programa informático implementadas en alguno de los diversos lenguajes de programación (por ejemplo, un código objeto, un lenguaje ensamblador o un lenguaje de alto nivel tal como Fortran, C, C++, JAVA o HTML) para su uso con diversos sistemas operativos o entornos operativos. El código fuente puede definir y usar diversas estructuras de datos y mensajes de comunicación. El código fuente puede estar en una forma ejecutable por ordenador (por ejemplo, mediante un intérprete), o el código fuente se puede convertir (por ejemplo, mediante un traductor, ensamblador o compilador) en una forma ejecutable por ordenador.
El programa informático se puede fijar de cualquier forma (por ejemplo, una forma de código fuente, una forma ejecutable por ordenador o una forma intermedia) ya sea de forma permanente o transitoria en un medio de almacenamiento tangible, tal como un dispositivo de memoria semiconductor (por ejemplo, una RAM, ROM, PROM, EEPROM o RAM flash programable), un dispositivo de memoria magnético (por ejemplo, un disquete o disco fijo), un dispositivo de memoria óptico (por ejemplo, un CD-ROM), una tarjeta de PC (por ejemplo, una tarjeta PCMCIA) u otro dispositivo de memoria. El programa informático se puede fijar de cualquier forma en una señal que pueda transmitirse a un ordenador usando cualquiera de diversas tecnologías de comunicación, incluidas, pero sin limitación alguna, tecnologías analógicas, tecnologías digitales, tecnologías ópticas, tecnologías inalámbricas (por ejemplo, Bluetooth), tecnologías de redes y tecnologías de interconexión. El programa informático puede distribuirse de cualquier forma como un medio de almacenamiento extraíble con documentación impresa o electrónica adjunta (por ejemplo, software embalado), precargarse con un sistema informático (por ejemplo, en ROM de sistema o disco fijo) o distribuirse desde un servidor o tablón de anuncios electrónico a través del sistema de comunicación (por ejemplo, Internet o red mundial (World Wide Web)).
Se puede diseñar lógica de hardware (incluida lógica programable para su uso con un dispositivo de lógica programable) que implemente la totalidad o parte de la funcionalidad descrita previamente en el presente documento usando procedimientos manuales tradicionales, o se puede diseñar, capturar, simular o documentar electrónicamente usando diversas herramientas, tales como diseño asistido por ordenador (CAD), un lenguaje de descripción de hardware (por ejemplo, VHDL o AHDL) o un lenguaje de programación de PLD (por ejemplo, PALASM, ABEL o CUPL).
La lógica programable se puede fijar ya sea de manera permanente o transitoria en un medio de almacenamiento tangible, tal como un dispositivo de memoria de semiconductor (por ejemplo, una RAM, ROM, PROM, EEPROM o RAM flash programable), un dispositivo de memoria magnético (por ejemplo, un disquete o disco fijo), un dispositivo de memoria óptico (por ejemplo, un CD-ROM) u otro dispositivo de memoria. La lógica programable se puede fijar en una señal que pueda transmitirse a un ordenador usando cualquiera de diversas tecnologías de comunicación, incluidas, pero sin limitación alguna, tecnologías analógicas, tecnologías digitales, tecnologías ópticas, tecnologías inalámbricas (por ejemplo, Bluetooth), tecnologías de redes y tecnologías de interconexión. La lógica programable puede distribuirse como un medio de almacenamiento extraíble con documentación impresa o electrónica adjunta (por ejemplo, software embalado), precargarse con un sistema informático (por ejemplo, en ROM de sistema o un disco fijo) o distribuirse desde un servidor o tablón de anuncios electrónico a través del sistema de comunicación (por ejemplo, Internet o red mundial (World Wide Web)).
Se analizan a continuación con más detalle diversos ejemplos de módulos de procesamiento adecuados. Como se usa en el presente documento, un módulo se refiere a software, hardware o firmware adecuado para realizar una tarea específica de procesamiento de datos o de transmisión de datos. En un modo de realización, un módulo se refiere a una rutina de software, programa u otra aplicación residente en memoria adecuada para recibir, transformar, encaminar y procesar instrucciones, o varios tipos de datos tales como datos angiográficos, datos OCT, datos FFR, datos IVUS, datos de tablas de registro conjunto, picos, desplazamientos, proyecciones de línea, líneas de exploración, mínimos locales, máximos locales, sombras, píxeles, patrones de intensidad y otra información de interés como la descrita en el presente documento.
Los ordenadores y sistemas informáticos descritos en el presente documento pueden incluir medios legibles por ordenador operativamente asociados tales como memoria para almacenar aplicaciones de programa informático usadas en la obtención, procesamiento, almacenamiento y/o comunicación de datos. Se puede apreciar que dicha memoria puede ser interna, externa, remota o local con respecto a su ordenador o sistema informático operativamente asociado.
La memoria puede incluir también cualquier medio para almacenar software u otras instrucciones, incluidos, por ejemplo y sin limitación, un disco duro, un disco óptico, un disco flexible, un DVD (disco versátil digital), un CD (disco compacto), una memoria USB, una memoria flash, ROM (memoria de solo lectura), RAM (memoria de acceso aleatorio), DRAM (memoria de acceso aleatorio dinámica), PROM (ROM programable), EEPROM (PROM ampliable y borrable) y/u otros medios similares legibles por ordenador.
En general, los medios de memoria legibles por ordenador aplicados en asociación con los modos de realización descritos en el presente documento pueden incluir cualquier medio de memoria capaz de almacenar instrucciones ejecutadas por un aparato programable. Cuando sea aplicable, las etapas de procedimiento descritas en el presente documento se pueden incorporar o ejecutar como instrucciones almacenadas en un medio de memoria o medios de memoria legibles por ordenador. Estas instrucciones pueden ser software incorporado en diversos lenguajes de programación tales como C++, C, Java y/o una variedad de otras clases de lenguajes de programación de software que se pueden aplicar para crear instrucciones de acuerdo con modos de realización de la invención.
Los aspectos, modos de realización, características y ejemplos de la invención deben considerarse ilustrativos en todos los aspectos y no pretenden limitar la invención, cuyo alcance está definido únicamente por las reivindicaciones.
El uso de títulos y secciones en la solicitud no pretende limitar la invención; cada sección puede aplicarse a cualquier aspecto, modo de realización o característica de la invención.
A lo largo de la solicitud, cuando se describen composiciones como composiciones que tienen, incluyen o comprenden componentes específicos, o cuando se describen procesos que tienen, incluyen o comprenden etapas de proceso específicas, se contempla que las composiciones de las presentes enseñanzas también consistan esencialmente, o consistan, en los componentes citados, y que los procesos de las presentes enseñanzas también consistan esencialmente, o consistan, en las etapas de proceso citadas.
En la solicitud, cuando se dice que un elemento o componente está incluido en y/o se selecciona de una lista de elementos o componentes citados, se debe entender que el elemento o componente puede ser uno cualquiera de los elementos o componentes citados y que se puede seleccionar de un grupo que consiste en dos o más de los elementos o componentes citados.
El uso de los términos "incluir", "incluye", "que incluye", "tener", "tiene" o "que tiene" se debe entender, en general, como abierto y no limitativo, a menos que se indique específicamente lo contrario.
El uso del singular en el presente documento incluye el plural (y viceversa) a menos que se indique específicamente lo contrario. Por otro lado, las formas en singular "un", "una" y "el/la" incluyen formas en plural a menos que el contexto lo indique claramente de otro modo. Asimismo, cuando el uso del término "aproximadamente" aparezca antes de un valor cuantitativo, las presentes enseñanzas también incluyen el propio valor cuantitativo específico en sí, a menos que se indique específicamente lo contrario. Como se usa en el presente documento, el término "aproximadamente" se refiere a una variación de ±10 % del valor nominal.
Se debe entender que el orden de las etapas u orden para realizar determinadas acciones es irrelevante siempre que las presentes enseñanzas permanezcan operativas. Por otro lado, se pueden llevar a cabo simultáneamente dos o más etapas o acciones.
Cuando se proporciona un intervalo o lista de valores, cada valor intermedio entre los límites superior e inferior de ese intervalo o lista de valores se contempla de forma individual y se engloba dentro de la invención como si cada valor se enumerara específicamente en el presente documento. Asimismo, se contemplan y se engloban dentro de la invención intervalos más pequeños entre e incluyendo los límites superior e inferior de un intervalo dado. El listado de valores o intervalos ejemplares no es una renuncia de otros valores o intervalos entre e incluyendo los límites superior e inferior de un intervalo dado.

Claims (15)

REIVINDICACIONES
1. Un procedimiento para detectar una sombra en una imagen intravascular de un vaso sanguíneo, comprendiendo el procedimiento:
almacenar, usando un sistema de diagnóstico intravascular, uno o más conjuntos de datos intravasculares, comprendiendo cada conjunto de datos intravasculares una pluralidad de líneas de exploración;
determinar una pluralidad de proyecciones de línea por línea de exploración, donde cada proyección de línea se determina usando un desplazamiento de tejido cercano y un desplazamiento de tejido lejano, donde el desplazamiento de tejido cercano corresponde al desplazamiento con respecto a un límite de un lumen del vaso sanguíneo y el desplazamiento de tejido lejano corresponde al desplazamiento en el umbral mínimo de ruido;
determinar estimaciones locales de la intensidad de tejido usando las proyecciones de línea; determinar un umbral localmente adaptativo que varía a través de las líneas de exploración; e identificar sombras que representan características de interés en los conjuntos de datos intravasculares usando agrupaciones de líneas de exploración contiguas en las que las estimaciones locales de intensidad están por debajo del umbral localmente adaptativo.
2. El procedimiento de la reivindicación 1, que comprende además
determinar una pluralidad de desplazamientos cercanos para la pluralidad de líneas de exploración; y determinar una pluralidad de desplazamientos lejanos para la pluralidad de líneas de exploración.
3. El procedimiento de la reivindicación 1, que comprende además
identificar una sombra candidata en base a la presencia de un mínimo local dentro de la proyección de línea, en el que una intensidad del mínimo local es menor que una fracción dada de una o más intensidades máximas encontradas dentro de un espacio circundante a cada lado de una línea de exploración de la pluralidad de líneas de exploración.
4. El procedimiento de la reivindicación 1, que comprende además estimar una pluralidad de valores de pendiente con respecto a una ventana de búsqueda alrededor de cada línea de exploración para identificar cambios en la pendiente indicativos de un borde de una región de sombra.
5. El procedimiento de la reivindicación 4, que comprende además realizar uno o más procedimientos de validación de sombras con respecto a un borde detectado.
6. El procedimiento de la reivindicación 1, en el que las estimaciones locales de la intensidad de tejido son una proyección suavizada generada por línea de exploración.
7. El procedimiento de la reivindicación 6, que comprende además buscar uno o más extremos relativos a lo largo de la proyección suavizada e identificar una sombra utilizando el uno o más extremos relativos en base a un rasgo característico.
8. El procedimiento de la reivindicación 7, en el que el rasgo característico es un valle dispuesto entre dos picos.
9. El procedimiento de la reivindicación 1, en el que identificar sombras comprende realizar una búsqueda de regiones de sombra dentro de una o más proyecciones de línea.
10. El procedimiento de la reivindicación 1, que comprende además validar las sombras identificadas.
11. El procedimiento de la reivindicación 10, en el que validar las sombras comprende además detectar uno o más bordes con un núcleo.
12. El procedimiento de la reivindicación 10, que comprende además mostrar uno o más objetos en una representación de un vaso sanguíneo, estando los objetos asociados a la una o más sombras validadas.
13. El procedimiento de la reivindicación 1, que comprende además identificar sombras para proyecciones de línea por debajo de un umbral localmente adaptativo.
14. El procedimiento de la reivindicación 13, que comprende además generar un umbral localmente adaptativo (LAT) por línea de exploración usando un valor de tejido medio local.
15. El procedimiento de la reivindicación 1, en el que una o más etapas del procedimiento se implementan usando un sistema de diagnóstico que comprende una entrada para recibir uno o más conjuntos de datos intravasculares, uno o más dispositivos de memoria electrónicos para almacenar el uno o más conjuntos de datos intravasculares, uno o más dispositivos informáticos en comunicación eléctrica con la entrada y el uno o más dispositivos de memoria, e instrucciones, filtros de imagen y módulos de software de procesamiento de imágenes ejecutables por el uno o más dispositivos informáticos para realizar una o más etapas del procedimiento.
ES16820385T 2015-11-23 2016-11-22 Detección y validación de sombras en imágenes intravasculares Active ES2851548T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201562259015P 2015-11-23 2015-11-23
PCT/US2016/063382 WO2017091598A1 (en) 2015-11-23 2016-11-22 Detection of and validation of shadows in intravascular images

Publications (1)

Publication Number Publication Date
ES2851548T3 true ES2851548T3 (es) 2021-09-07

Family

ID=57708724

Family Applications (1)

Application Number Title Priority Date Filing Date
ES16820385T Active ES2851548T3 (es) 2015-11-23 2016-11-22 Detección y validación de sombras en imágenes intravasculares

Country Status (7)

Country Link
US (1) US10453190B2 (es)
EP (2) EP3381014B1 (es)
JP (2) JP6898927B2 (es)
CN (2) CN108292433B (es)
CA (1) CA3005296A1 (es)
ES (1) ES2851548T3 (es)
WO (1) WO2017091598A1 (es)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2913531T3 (es) 2015-04-16 2022-06-02 Gentuity Llc Sondas microópticas para neurología
US10217242B1 (en) * 2015-05-28 2019-02-26 Certainteed Corporation System for visualization of a building material
EP3324829B1 (en) * 2015-07-25 2021-05-12 Lightlab Imaging, Inc. Guidewire detection systems, methods, and apparatuses
US10631718B2 (en) 2015-08-31 2020-04-28 Gentuity, Llc Imaging system includes imaging probe and delivery devices
CA3037912A1 (en) 2016-09-28 2018-04-05 Lightlab Imaging, Inc. Stent planning systems and methods using vessel representation
JP7160935B2 (ja) 2017-11-28 2022-10-25 ジェンテュイティ・リミテッド・ライアビリティ・カンパニー 撮像システム
WO2019192981A1 (en) * 2018-04-02 2019-10-10 Koninklijke Philips N.V. Noise reduction for ultrasound operations
WO2019232078A1 (en) 2018-05-29 2019-12-05 Lightlab Imaging, Inc. Stent expansion display, systems, and methods
US11195324B1 (en) 2018-08-14 2021-12-07 Certainteed Llc Systems and methods for visualization of building structures
CN113453628A (zh) * 2019-02-14 2021-09-28 皇家飞利浦有限公司 超声分析方法和设备
CN110292359B (zh) * 2019-07-09 2021-01-08 浙江大学 一种无标记全光学神经调控与成像的方法与装置
US11361481B2 (en) * 2019-09-18 2022-06-14 Topcon Corporation 3D shadow reduction signal processing method for optical coherence tomography (OCT) images
CN114862850B (zh) * 2022-07-06 2022-09-20 深圳科亚医疗科技有限公司 一种血管医学图像的目标检测方法、装置及介质

Family Cites Families (223)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4548473A (en) 1983-05-12 1985-10-22 Honeywell Inc. Optical filter
US5477858A (en) 1986-07-30 1995-12-26 Siemens Medical Systems, Inc. Ultrasound blood flow/tissue imaging system
JPS63127201A (ja) 1986-11-17 1988-05-31 Matsushita Electric Ind Co Ltd カラ−フイルタ−
US5457728A (en) 1990-11-14 1995-10-10 Cedars-Sinai Medical Center Coronary tracking display
US5662109A (en) 1990-12-14 1997-09-02 Hutson; William H. Method and system for multi-dimensional imaging and analysis for early detection of diseased tissue
US5054492A (en) 1990-12-17 1991-10-08 Cardiovascular Imaging Systems, Inc. Ultrasonic imaging catheter having rotational image correlation
US6564087B1 (en) 1991-04-29 2003-05-13 Massachusetts Institute Of Technology Fiber optic needle probes for optical coherence tomography imaging
US5465147A (en) 1991-04-29 1995-11-07 Massachusetts Institute Of Technology Method and apparatus for acquiring images using a ccd detector array and no transverse scanner
US5321501A (en) 1991-04-29 1994-06-14 Massachusetts Institute Of Technology Method and apparatus for optical imaging with means for controlling the longitudinal range of the sample
US5956355A (en) 1991-04-29 1999-09-21 Massachusetts Institute Of Technology Method and apparatus for performing optical measurements using a rapidly frequency-tuned laser
US5748598A (en) 1995-12-22 1998-05-05 Massachusetts Institute Of Technology Apparatus and methods for reading multilayer storage media using short coherence length sources
US6501551B1 (en) 1991-04-29 2002-12-31 Massachusetts Institute Of Technology Fiber optic imaging endoscope interferometer with at least one faraday rotator
US6485413B1 (en) 1991-04-29 2002-11-26 The General Hospital Corporation Methods and apparatus for forward-directed optical scanning instruments
US6111645A (en) 1991-04-29 2000-08-29 Massachusetts Institute Of Technology Grating based phase control optical delay line
US6134003A (en) 1991-04-29 2000-10-17 Massachusetts Institute Of Technology Method and apparatus for performing optical measurements using a fiber optic imaging guidewire, catheter or endoscope
DK0548822T3 (da) 1991-12-21 1996-07-29 Roehm Gmbh IR-reflekterende materiale
US5325449A (en) 1992-05-15 1994-06-28 David Sarnoff Research Center, Inc. Method for fusing images and apparatus therefor
US5518810A (en) 1993-06-30 1996-05-21 Mitsubishi Materials Corporation Infrared ray cutoff material and infrared cutoff powder use for same
US5509093A (en) 1993-10-13 1996-04-16 Micron Optics, Inc. Temperature compensated fiber fabry-perot filters
US5531227A (en) 1994-01-28 1996-07-02 Schneider Medical Technologies, Inc. Imaging device and method
AU3212895A (en) 1994-09-02 1996-03-27 Cardiometrics, Inc. Ultra miniature pressure sensor and guidewire using the same and method
US6270492B1 (en) 1994-09-09 2001-08-07 Cardiofocus, Inc. Phototherapeutic apparatus with diffusive tip assembly
US6572609B1 (en) 1999-07-14 2003-06-03 Cardiofocus, Inc. Phototherapeutic waveguide apparatus
US5908415A (en) 1994-09-09 1999-06-01 Rare Earth Medical, Inc. Phototherapy methods and apparatus
US5947959A (en) 1994-09-09 1999-09-07 Rare Earth Medical, Inc. Phototherapeutic apparatus with diffusive tip assembly
US5643253A (en) 1995-06-06 1997-07-01 Rare Earth Medical, Inc. Phototherapy apparatus with integral stopper device
US5632767A (en) 1994-09-09 1997-05-27 Rare Earth Medical, Inc. Loop diffusers for diffusion of optical radiation
US5797849A (en) 1995-03-28 1998-08-25 Sonometrics Corporation Method for carrying out a medical procedure using a three-dimensional tracking and imaging system
US5619368A (en) 1995-05-16 1997-04-08 Massachusetts Inst. Of Technology Optical frequency shifter
WO1997001167A1 (en) 1995-06-21 1997-01-09 Massachusetts Institute Of Technology Apparatus and method for accessing data on multilayered optical media
US5810007A (en) 1995-07-26 1998-09-22 Associates Of The Joint Center For Radiation Therapy, Inc. Ultrasound localization and image fusion for the treatment of prostate cancer
US6302875B1 (en) 1996-10-11 2001-10-16 Transvascular, Inc. Catheters and related devices for forming passageways between blood vessels or other anatomical structures
US5771895A (en) 1996-02-12 1998-06-30 Slager; Cornelis J. Catheter for obtaining three-dimensional reconstruction of a vascular lumen and wall
US6195445B1 (en) 1997-06-30 2001-02-27 Siemens Corporate Research, Inc. Motion compensation of an image sequence using optimal polyline tracking
US6148095A (en) 1997-09-08 2000-11-14 University Of Iowa Research Foundation Apparatus and method for determining three-dimensional representations of tortuous vessels
US5989189A (en) 1997-10-24 1999-11-23 Mentor Corporation Ophthalmic ultrasound imaging
US20020161351A1 (en) 1998-09-01 2002-10-31 Samson Wilfred J. Method and apparatus for treating acute myocardial infarction with selective hypothermic perfusion
US6973202B2 (en) 1998-10-23 2005-12-06 Varian Medical Systems Technologies, Inc. Single-camera tracking of an object
US6937696B1 (en) 1998-10-23 2005-08-30 Varian Medical Systems Technologies, Inc. Method and system for predictive physiological gating
US6621889B1 (en) 1998-10-23 2003-09-16 Varian Medical Systems, Inc. Method and system for predictive physiological gating of radiation therapy
US6348960B1 (en) 1998-11-06 2002-02-19 Kimotot Co., Ltd. Front scattering film
GB2345543A (en) 1999-01-06 2000-07-12 Intravascular Res Ltd Ultrasonic visualisation system with remote components
US6191862B1 (en) 1999-01-20 2001-02-20 Lightlab Imaging, Llc Methods and apparatus for high speed longitudinal scanning in imaging systems
US6385332B1 (en) 1999-02-19 2002-05-07 The John P. Roberts Research Institute Automated segmentation method for 3-dimensional ultrasound
US6471656B1 (en) 1999-06-25 2002-10-29 Florence Medical Ltd Method and system for pressure based measurements of CFR and additional clinical hemodynamic parameters
US6381350B1 (en) 1999-07-02 2002-04-30 The Cleveland Clinic Foundation Intravascular ultrasonic analysis using active contour method and system
US6445939B1 (en) 1999-08-09 2002-09-03 Lightlab Imaging, Llc Ultra-small optical probes, imaging optics, and methods for using same
WO2001085030A1 (en) 2000-05-09 2001-11-15 Paieon Inc. System and method for three-dimensional reconstruction of an artery
US6565514B2 (en) 2000-08-25 2003-05-20 Radi Medical Systems Ab Method and system for determining physiological variables
WO2002019268A2 (en) 2000-08-31 2002-03-07 Koninklijke Philips Electronics N.V. Extracting a string of points following a threadlike structure in a sequence of images
US6785409B1 (en) 2000-10-24 2004-08-31 Koninklijke Philips Electronics, N.V. Segmentation method and apparatus for medical images using diffusion propagation, pixel classification, and mathematical morphology
JP4241038B2 (ja) 2000-10-30 2009-03-18 ザ ジェネラル ホスピタル コーポレーション 組織分析のための光学的な方法及びシステム
US6522806B1 (en) 2001-02-16 2003-02-18 Ethicon Endo-Surgury, Inc. Optical fiber including a diffuser portion and continuous sleeve for the transmission of light
US6760112B2 (en) 2001-02-17 2004-07-06 Lucent Technologies Inc. Grin-fiber lens based optical endoscopes
US20020115931A1 (en) 2001-02-21 2002-08-22 Strauss H. William Localizing intravascular lesions on anatomic images
US6768756B2 (en) 2001-03-12 2004-07-27 Axsun Technologies, Inc. MEMS membrane with integral mirror/lens
US6570659B2 (en) 2001-03-16 2003-05-27 Lightlab Imaging, Llc Broadband light source system and method and light source combiner
US6552796B2 (en) 2001-04-06 2003-04-22 Lightlab Imaging, Llc Apparatus and method for selective data collection and signal to noise ratio enhancement using optical coherence tomography
US6585660B2 (en) 2001-05-18 2003-07-01 Jomed Inc. Signal conditioning device for interfacing intravascular sensors having varying operational characteristics to a physiology monitor
US6697667B1 (en) 2001-05-31 2004-02-24 Advanced Cardiovascular Systems, Inc. Apparatus and method for locating coronary sinus
US6706004B2 (en) 2001-05-31 2004-03-16 Infraredx, Inc. Balloon catheter
US6716178B1 (en) 2001-05-31 2004-04-06 Advanced Cardiovascular Systems, Inc. Apparatus and method for performing thermal and laser doppler velocimetry measurements
US7329223B1 (en) 2001-05-31 2008-02-12 Abbott Cardiovascular Systems Inc. Catheter with optical fiber sensor
US7532920B1 (en) 2001-05-31 2009-05-12 Advanced Cardiovascular Systems, Inc. Guidewire with optical fiber
US6879851B2 (en) 2001-06-07 2005-04-12 Lightlab Imaging, Llc Fiber optic endoscopic gastrointestinal probe
US6731973B2 (en) 2001-06-12 2004-05-04 Ge Medical Systems Information Technologies, Inc. Method and apparatus for processing physiological data
US6947040B2 (en) 2001-10-23 2005-09-20 Siemens Corporate Research, Inc. Vessel detection by mean shift based ray propagation
US6728566B1 (en) 2001-11-21 2004-04-27 Koninklijke Philips Electronics, N.V. Vessel tracking and tree extraction method and apparatus
US6974557B1 (en) 2001-12-18 2005-12-13 Advanced Cardiovasculer Systems, Inc. Methods for forming an optical window for an intracorporeal device and for joining parts
US6868736B2 (en) 2002-02-22 2005-03-22 Sentec Corporation Ultra-miniature optical pressure sensing system
US6932809B2 (en) 2002-05-14 2005-08-23 Cardiofocus, Inc. Safety shut-off device for laser surgical instruments employing blackbody emitters
US7134994B2 (en) 2002-05-20 2006-11-14 Volcano Corporation Multipurpose host system for invasive cardiovascular diagnostic measurement acquisition and display
US7288244B2 (en) 2002-07-02 2007-10-30 Nv Thermocore Medical Systems Sa Determining vulnerable plaque in blood vessels
US6891984B2 (en) 2002-07-25 2005-05-10 Lightlab Imaging, Llc Scanning miniature optical probes with optical distortion correction and rotational control
US7359554B2 (en) 2002-08-26 2008-04-15 Cleveland Clinic Foundation System and method for identifying a vascular border
US7697972B2 (en) 2002-11-19 2010-04-13 Medtronic Navigation, Inc. Navigation system for cardiac therapies
US7925327B2 (en) 2002-12-04 2011-04-12 Koninklijke Philips Electronics N.V. Apparatus and method for assisting the navigation of a catheter in a vessel
US8465452B2 (en) 2003-02-21 2013-06-18 3Dt Holdings, Llc Devices, systems, and methods for removing stenotic lesions from vessels
DE602004022919D1 (de) 2003-02-25 2009-10-15 Koninkl Philips Electronics Nv Intravaskuläre bilddarstellung
US7241286B2 (en) 2003-04-25 2007-07-10 Lightlab Imaging, Llc Flush catheter with flow directing sheath
US20100076320A1 (en) 2003-04-25 2010-03-25 Lightlab Imaging, Llc Flush catheter with flow directing sheath
US7998188B2 (en) 2003-04-28 2011-08-16 Kips Bay Medical, Inc. Compliant blood vessel graft
US7853316B2 (en) 2003-04-28 2010-12-14 Board Of Regents, The University Of Texas System Rotating optical catheter tip for optical coherence tomography
US20060241493A1 (en) 2003-04-28 2006-10-26 Feldman Marc D Catheter imaging probe and method
DE10325298B4 (de) 2003-06-04 2007-07-05 Siemens Ag Verfahren und Vorrichtung zur Erfassung der Rauigkeit von Gefäßen
US7298478B2 (en) 2003-08-14 2007-11-20 Cytonome, Inc. Optical detector for a particle sorting system
EA009382B1 (ru) 2003-08-21 2007-12-28 Искем Корпорейшн Автоматизированные способы и системы для обнаружения и анализа сосудистых бляшек
US8571639B2 (en) 2003-09-05 2013-10-29 Varian Medical Systems, Inc. Systems and methods for gating medical procedures
CN103181754A (zh) 2003-10-27 2013-07-03 通用医疗公司 用于使用频域干涉测量法进行光学成像的方法和设备
CA2449080A1 (en) 2003-11-13 2005-05-13 Centre Hospitalier De L'universite De Montreal - Chum Apparatus and method for intravascular ultrasound image segmentation: a fast-marching method
EP1713400B1 (en) 2004-01-16 2012-12-26 Boston Scientific Scimed, Inc. Apparatus for medical imaging
US20050238067A1 (en) 2004-04-26 2005-10-27 Choi Youngmin A Simple fiber optic cavity
US7397935B2 (en) 2004-05-10 2008-07-08 Mediguide Ltd. Method for segmentation of IVUS image sequences
EP2272421A1 (en) 2004-08-24 2011-01-12 The General Hospital Corporation Method and apparatus for imaging of vessel segments
US20060095065A1 (en) 2004-09-24 2006-05-04 Tetsuaki Tanimura Fluid occluding devices and methods
US7274847B2 (en) 2004-11-16 2007-09-25 Biotex, Inc. Light diffusing tip
US7301644B2 (en) 2004-12-02 2007-11-27 University Of Miami Enhanced optical coherence tomography for anatomical mapping
US8983582B2 (en) 2004-12-20 2015-03-17 Advanced Cardiovascular Systems, Inc. Methods and apparatuses for positioning within an internal channel
US7930014B2 (en) 2005-01-11 2011-04-19 Volcano Corporation Vascular image co-registration
EP2264841B1 (en) 2005-01-20 2016-01-20 Massachusetts Institute of Technology (MIT) Mode locking methods and apparatus
US8315282B2 (en) 2005-01-20 2012-11-20 Massachusetts Institute Of Technology Fourier domain mode locking: method and apparatus for control and improved performance
US7843976B2 (en) 2005-01-24 2010-11-30 Thorlabs, Inc. Compact multimode laser with rapid wavelength scanning
US8054075B2 (en) 2005-02-03 2011-11-08 The Johns Hopkins University Method for magnetic resonance imaging using inversion recovery with on-resonant water suppression including MRI systems and software embodying same
WO2006086700A2 (en) 2005-02-10 2006-08-17 Lightlab Imaging, Inc. Optical coherence tomography apparatus and methods
JP2006239253A (ja) * 2005-03-04 2006-09-14 Toshiba Corp 画像処理装置及び画像処理方法
US7415049B2 (en) 2005-03-28 2008-08-19 Axsun Technologies, Inc. Laser with tilted multi spatial mode resonator tuning element
KR101410867B1 (ko) 2005-04-28 2014-06-23 더 제너럴 하스피탈 코포레이션 광간섭 정렬 기술로 해부학적 구조와 연계된 정보를평가하는 시스템, 공정 및 소프트웨어 배열
DE102005021061B4 (de) 2005-05-06 2011-12-15 Siemens Ag Verfahren zur tomographischen Darstellung eines Hohlraumes durch Optische-Kohärenz-Tomographie (OCT) und eine OCT-Vorrichtung zur Durchführung des Verfahrens
US7783337B2 (en) 2005-06-06 2010-08-24 Board Of Regents, The University Of Texas System OCT using spectrally resolved bandwidth
WO2007002685A2 (en) 2005-06-24 2007-01-04 Volcano Corporation Co-registration of graphical image data representing three-dimensional vascular features
DE102005030647B3 (de) 2005-06-30 2007-03-22 Siemens Ag Vorrichtung und Verfahren zur intraluminalen Bildgebung für die Rekonstruktion von 3D-Bilddatensätzen
DE102005032961A1 (de) 2005-07-14 2007-01-18 Siemens Ag Verfahren und Vorrichtung zur Erzeugung eines Bildes mittels optischer Kohärenztomographie
JP2009503544A (ja) 2005-08-01 2009-01-29 バイオプティジェン,インコーポレイテッド 試料から取得された3次元データセットを解析する方法、システム及びコンピュータ・プログラムプロダクト
US7379062B2 (en) 2005-08-01 2008-05-27 Barco Nv Method for determining a path along a biological object with a lumen
WO2007033379A2 (en) 2005-09-14 2007-03-22 Neoguide Systems, Inc. Methods and apparatus for performing transluminal and other procedures
DE102005045373A1 (de) 2005-09-22 2007-04-05 Siemens Ag Kathetervorrichtung
US7872759B2 (en) 2005-09-29 2011-01-18 The General Hospital Corporation Arrangements and methods for providing multimodality microscopic imaging of one or more biological structures
US7450241B2 (en) 2005-09-30 2008-11-11 Infraredx, Inc. Detecting vulnerable plaque
US7988633B2 (en) 2005-10-12 2011-08-02 Volcano Corporation Apparatus and method for use of RFID catheter intelligence
JP5600241B2 (ja) 2005-10-13 2014-10-01 ヴォルケイノウ・コーポレーション コンポーネントベースのカテーテル・ラボラトリ血管内超音波システム
US7918793B2 (en) 2005-10-28 2011-04-05 Biosense Webster, Inc. Synchronization of ultrasound imaging data with electrical mapping
US7729746B2 (en) 2005-11-04 2010-06-01 Siemens Aktiengesellschaft Three-dimensional co-registration between intravascular and angiographic data
US7593559B2 (en) 2005-11-18 2009-09-22 Duke University Method and system of coregistrating optical coherence tomography (OCT) with other clinical tests
US7801343B2 (en) 2005-11-29 2010-09-21 Siemens Medical Solutions Usa, Inc. Method and apparatus for inner wall extraction and stent strut detection using intravascular optical coherence tomography imaging
US7650179B2 (en) 2005-12-09 2010-01-19 Siemens Aktiengesellschaft Computerized workflow method for stent planning and stenting procedure
US8184367B2 (en) 2006-02-15 2012-05-22 University Of Central Florida Research Foundation Dynamically focused optical instrument
US7792342B2 (en) 2006-02-16 2010-09-07 Siemens Medical Solutions Usa, Inc. System and method for detecting and tracking a guidewire in a fluoroscopic image sequence
JP5044126B2 (ja) 2006-02-23 2012-10-10 オリンパス株式会社 内視鏡観察装置および画像形成を行う内視鏡の作動方法
US7619646B2 (en) 2006-03-09 2009-11-17 Visicon Inspection Technologies Llc System and method to illuminate and image the inside diameter of a stent
WO2007109771A2 (en) 2006-03-22 2007-09-27 Volcano Corporation Automated lesion analysis based upon automatic plaque characterization according to a classification criterion
US7785286B2 (en) 2006-03-30 2010-08-31 Volcano Corporation Method and system for imaging, diagnosing, and/or treating an area of interest in a patient's body
US7831078B2 (en) 2006-07-24 2010-11-09 Siemens Medical Solutions Usa, Inc. System and method for statistical shape model based segmentation of intravascular ultrasound and optical coherence tomography images
US8029447B2 (en) 2006-10-10 2011-10-04 Volcano Corporation Multipurpose host system for invasive cardiovascular diagnostic measurement acquisition including an enhanced dynamically configured graphical display
CN101529475B (zh) 2006-10-17 2013-12-25 皇家飞利浦电子股份有限公司 3d图像结合2d投影图像的呈现
US8223143B2 (en) 2006-10-27 2012-07-17 Carl Zeiss Meditec, Inc. User interface for efficiently displaying relevant OCT imaging data
WO2008057573A2 (en) 2006-11-08 2008-05-15 Lightlab Imaging, Inc. Opto-acoustic imaging devices and methods
ES2847098T3 (es) 2007-01-10 2021-07-30 Lightlab Imaging Inc Métodos y aparato para tomografía de coherencia óptica de fuente de barrido
US10716528B2 (en) 2007-03-08 2020-07-21 Sync-Rx, Ltd. Automatic display of previously-acquired endoluminal images
US8542900B2 (en) 2007-03-08 2013-09-24 Sync-Rx Ltd. Automatic reduction of interfering elements from an image stream of a moving organ
US9629571B2 (en) 2007-03-08 2017-04-25 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
WO2008107905A2 (en) 2007-03-08 2008-09-12 Sync-Rx, Ltd. Imaging and tools for use with moving organs
US8094903B2 (en) * 2007-06-28 2012-01-10 Siemens Aktiengesellschaft System and method for coronary digital subtraction angiography
US9596993B2 (en) 2007-07-12 2017-03-21 Volcano Corporation Automatic calibration systems and methods of use
US8395781B2 (en) 2007-07-12 2013-03-12 Volcano Corporation Automatic calibration systems and methods of use
US8582934B2 (en) 2007-11-12 2013-11-12 Lightlab Imaging, Inc. Miniature optical elements for fiber-optic beam shaping
US7813609B2 (en) 2007-11-12 2010-10-12 Lightlab Imaging, Inc. Imaging catheter with integrated reference reflector
JP5002429B2 (ja) 2007-11-20 2012-08-15 テルモ株式会社 光干渉断層画像診断装置
US8983580B2 (en) 2008-01-18 2015-03-17 The Board Of Trustees Of The University Of Illinois Low-coherence interferometry and optical coherence tomography for image-guided surgical treatment of solid tumors
US20110190586A1 (en) 2008-03-28 2011-08-04 Volcano Corporation Methods and systems for intravascular imaging and flushing
WO2009140617A2 (en) 2008-05-15 2009-11-19 Axsun Technologies, Inc. Oct combining probes and integrated systems
WO2009149131A1 (en) 2008-06-02 2009-12-10 Lightlab Imaging, Inc. Quantitative methods for obtaining tissue characteristics from optical coherence tomography images
EP2303385B1 (en) 2008-06-19 2013-12-11 Sync-RX, Ltd. Stepwise advancement of a medical tool
US8423121B2 (en) 2008-08-11 2013-04-16 Siemens Aktiengesellschaft Method and system for guidewire tracking in fluoroscopic image sequences
DE102008045634A1 (de) 2008-09-03 2010-03-04 Ludwig-Maximilians-Universität München Wellenlängenabstimmbare Lichtquelle
CA2728662C (en) 2008-10-14 2020-06-16 Lightlab Imaging, Inc. Methods for stent strut detection and related measurement and display using optical coherence tomography
US8855744B2 (en) 2008-11-18 2014-10-07 Sync-Rx, Ltd. Displaying a device within an endoluminal image stack
US10362962B2 (en) 2008-11-18 2019-07-30 Synx-Rx, Ltd. Accounting for skipped imaging locations during movement of an endoluminal imaging probe
US9101286B2 (en) 2008-11-18 2015-08-11 Sync-Rx, Ltd. Apparatus and methods for determining a dimension of a portion of a stack of endoluminal data points
US11064903B2 (en) 2008-11-18 2021-07-20 Sync-Rx, Ltd Apparatus and methods for mapping a sequence of images to a roadmap image
US9095313B2 (en) 2008-11-18 2015-08-04 Sync-Rx, Ltd. Accounting for non-uniform longitudinal motion during movement of an endoluminal imaging probe
US9974509B2 (en) 2008-11-18 2018-05-22 Sync-Rx Ltd. Image super enhancement
US9144394B2 (en) 2008-11-18 2015-09-29 Sync-Rx, Ltd. Apparatus and methods for determining a plurality of local calibration factors for an image
US9775538B2 (en) 2008-12-03 2017-10-03 Mediguide Ltd. System and method for determining the position of the tip of a medical catheter within the body of a patient
US8457440B1 (en) 2009-01-27 2013-06-04 Axsun Technologies, Inc. Method and system for background subtraction in medical optical coherence tomography system
US8457374B2 (en) * 2009-06-22 2013-06-04 Siemens Medical Solutions Usa, Inc. System for detecting catheterization devices
US8909323B2 (en) 2009-08-06 2014-12-09 Siemens Medical Solutions Usa, Inc. System for processing angiography and ultrasound image data
ES2660570T3 (es) 2009-09-23 2018-03-23 Lightlab Imaging, Inc. Sistemas, aparatos y métodos de recopilación de datos de medición de resistencia vascular y morfología luminal
ES2660147T3 (es) 2009-09-23 2018-03-21 Lightlab Imaging, Inc. Sistemas de depuración de sangre in vivo en una luz
US20180344174A9 (en) 2009-09-23 2018-12-06 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
DE102009043069A1 (de) 2009-09-25 2011-04-07 Siemens Aktiengesellschaft Visualisierungsverfahren und Bildgebungssystem
US8206377B2 (en) 2009-12-22 2012-06-26 Lightlab Imaging, Inc. Torque limiter for an OCT catheter
US8926590B2 (en) 2009-12-22 2015-01-06 Lightlab Imaging, Inc. Torque limiter for an OCT catheter
US8478384B2 (en) 2010-01-19 2013-07-02 Lightlab Imaging, Inc. Intravascular optical coherence tomography system with pressure monitoring interface and accessories
CN102196148B (zh) * 2010-03-01 2014-08-27 佳能株式会社 图像处理方法、图像处理设备和图像扫描设备
US8206374B2 (en) 2010-03-15 2012-06-26 Medtronic Vascular, Inc. Catheter having improved traceability
JP5666617B2 (ja) 2010-03-17 2015-02-12 ライトラボ・イメージング・インコーポレーテッド 干渉センシングおよび画像取得システムのための強度雑音を低減する方法および装置
US20110257545A1 (en) 2010-04-20 2011-10-20 Suri Jasjit S Imaging based symptomatic classification and cardiovascular stroke risk score estimation
EP2599033B1 (en) 2010-07-29 2021-03-31 Sync-RX, Ltd. Co-use of endoluminal data and extraluminal imaging
US8750615B2 (en) 2010-08-02 2014-06-10 Case Western Reserve University Segmentation and quantification for intravascular optical coherence tomography images
US8761469B2 (en) * 2011-01-03 2014-06-24 Volcano Corporation Artifact management in rotational imaging
US8582619B2 (en) 2011-03-15 2013-11-12 Lightlab Imaging, Inc. Methods, systems, and devices for timing control in electromagnetic radiation sources
US9164240B2 (en) 2011-03-31 2015-10-20 Lightlab Imaging, Inc. Optical buffering methods, apparatus, and systems for increasing the repetition rate of tunable light sources
JP6141264B2 (ja) 2011-05-27 2017-06-07 ライトラボ・イメージング・インコーポレーテッド 光コヒーレンス断層撮影法及び圧力に基づくシステム及び方法
CN103959043B (zh) 2011-05-31 2016-11-02 光学实验室成像公司 多模式成像系统、设备和方法
EP2723231A4 (en) 2011-06-23 2015-02-25 Sync Rx Ltd LUMINAL BACKGROUND CLEANING
WO2013003267A1 (en) 2011-06-30 2013-01-03 Lightlab Imaging, Inc. Catheter with flush valve and related systems and methods
JP5755956B2 (ja) 2011-06-30 2015-07-29 テルモ株式会社 光干渉断層像形成装置
US8582109B1 (en) 2011-08-01 2013-11-12 Lightlab Imaging, Inc. Swept mode-hopping laser system, methods, and devices for frequency-domain optical coherence tomography
WO2013019840A1 (en) 2011-08-03 2013-02-07 Lightlab Imaging, Inc. Systems, methods and apparatus for determining a fractional flow reserve
US20130051728A1 (en) 2011-08-31 2013-02-28 Lightlab Imaging, Inc. Optical Imaging Probes and Related Methods
US8581643B1 (en) 2011-10-28 2013-11-12 Lightlab Imaging, Inc. Phase-lock loop-based clocking system, methods and apparatus
US8953911B1 (en) 2011-10-28 2015-02-10 Lightlab Imaging, Inc. Spectroscopic imaging probes, devices, and methods
US8831321B1 (en) 2011-11-07 2014-09-09 Lightlab Imaging, Inc. Side branch detection methods, systems and devices
EP2779907B1 (en) 2011-11-16 2022-06-15 Philips Image Guided Therapy Corporation Medical measuring system and method
JP5979904B2 (ja) * 2012-02-20 2016-08-31 キヤノン株式会社 画像処理装置、眼科撮影システム、及び画像処理方法
WO2013170144A1 (en) 2012-05-11 2013-11-14 Volcano Corporation Device, system, and method for flow imaging in the body using a swept transducer
CA2899735A1 (en) 2012-05-21 2013-11-28 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
EP2863802B1 (en) 2012-06-26 2020-11-04 Sync-RX, Ltd. Flow-related image processing in luminal organs
US20140024931A1 (en) 2012-07-20 2014-01-23 Lightlab Imaging, Inc. Data Encoders for Medical Devices and Related Methods
US8687201B2 (en) 2012-08-31 2014-04-01 Lightlab Imaging, Inc. Optical coherence tomography control systems and methods
US11272845B2 (en) * 2012-10-05 2022-03-15 Philips Image Guided Therapy Corporation System and method for instant and automatic border detection
WO2014077880A1 (en) 2012-11-16 2014-05-22 Lightlab Imaging, Inc. Automated fluid delivery catheter and system
US11701089B2 (en) 2012-11-19 2023-07-18 Lightlab Imaging, Inc. Multimodal imaging systems, probes and methods
US11923067B2 (en) 2012-12-12 2024-03-05 Lightlab Imaging, Inc. Method and apparatus for automated determination of stent landing zones based on a maximum diameter of a segmented blood vessel data obtained by intravascular device
US8913084B2 (en) 2012-12-21 2014-12-16 Volcano Corporation Method and apparatus for performing virtual pullback of an intravascular imaging device
KR101427028B1 (ko) 2013-01-15 2014-08-05 연세대학교 산학협력단 스텐트가 삽입된 혈관 분석 시스템
WO2014124447A1 (en) * 2013-02-11 2014-08-14 Angiometrix Corporation Systems for detecting and tracking of objects and co-registration
US9173591B2 (en) 2013-03-08 2015-11-03 Lightlab Imaging, Inc. Stent visualization and malapposition detection systems, devices, and methods
WO2014163601A1 (en) 2013-03-11 2014-10-09 Lightlab Imaging, Inc. Friction torque limiter for an imaging catheter
US9351698B2 (en) 2013-03-12 2016-05-31 Lightlab Imaging, Inc. Vascular data processing and image registration systems, methods, and apparatuses
US9069396B2 (en) 2013-03-12 2015-06-30 Lightlab Imaging, Inc. Controller and user interface device, systems, and methods
US9301687B2 (en) 2013-03-13 2016-04-05 Volcano Corporation System and method for OCT depth calibration
US9702762B2 (en) 2013-03-15 2017-07-11 Lightlab Imaging, Inc. Calibration and image processing devices, methods, and systems
US9833221B2 (en) 2013-03-15 2017-12-05 Lightlab Imaging, Inc. Apparatus and method of image registration
US9462945B1 (en) * 2013-04-22 2016-10-11 VisionQuest Biomedical LLC System and methods for automatic processing of digital retinal images in conjunction with an imaging device
JP6278295B2 (ja) * 2013-06-13 2018-02-14 国立大学法人 筑波大学 脈絡膜の血管網を選択的に可視化し解析する光干渉断層計装置及びその画像処理プログラム
DE102014201556A1 (de) * 2014-01-29 2015-07-30 Siemens Aktiengesellschaft Verfahren zur Ermittlung eines Gewebeparameters, Röntgeneinrichtung und Computerprogramm
WO2015168157A1 (en) * 2014-04-28 2015-11-05 Northwestern University Devices, methods, and systems of functional optical coherence tomography
EP3622884A1 (en) 2014-07-24 2020-03-18 Lightlab Imaging, Inc. Stent and vessel visualization and diagnostic systems, devices, and methods
WO2016030491A1 (en) 2014-08-27 2016-03-03 St. Jude Medical Systems Ab System and method for evaluating a cardiac system by determining minimum ratio pd/pa (distal pressure / arterial pressure)
US10499813B2 (en) 2014-09-12 2019-12-10 Lightlab Imaging, Inc. Methods, systems and apparatus for temporal calibration of an intravascular imaging system
US9996921B2 (en) 2015-05-17 2018-06-12 LIGHTLAB IMAGING, lNC. Detection of metal stent struts
US10109058B2 (en) 2015-05-17 2018-10-23 Lightlab Imaging, Inc. Intravascular imaging system interfaces and stent detection methods

Also Published As

Publication number Publication date
WO2017091598A1 (en) 2017-06-01
CN108292433A (zh) 2018-07-17
EP3381014A1 (en) 2018-10-03
JP7249379B2 (ja) 2023-03-30
US20170148161A1 (en) 2017-05-25
US10453190B2 (en) 2019-10-22
EP3381014B1 (en) 2020-12-16
EP3800646A1 (en) 2021-04-07
CA3005296A1 (en) 2017-06-01
JP2018536235A (ja) 2018-12-06
JP2021140820A (ja) 2021-09-16
JP6898927B2 (ja) 2021-07-07
CN115998310A (zh) 2023-04-25
CN108292433B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
ES2851548T3 (es) Detección y validación de sombras en imágenes intravasculares
JP7375102B2 (ja) 血管内画像化システムの作動方法
ES2908571T3 (es) Identificación de ramas de un vaso sanguíneo
ES2940439T3 (es) Sistema de obtención de imágenes intravasculares y métodos para determinar el ángulo de visión del plano de corte de la rama lateral
ES2641487T3 (es) Aparato para la determinación automatizada de un contorno luminal de un vaso sanguíneo
ES2913224T3 (es) Métodos de procesamiento de datos vasculares y registro de imágenes
ES2744900T3 (es) Visualización de endoprótesis vasculares y vasos sanguíneos y procedimientos de diagnóstico
US20170020392A1 (en) Methods for Stent Strut Detection and Related Measurement and Display Using Optical Coherence Tomography
US20160174925A1 (en) Vascular Data Processing and Image Registration Systems, Methods, and Apparatuses
US10453196B2 (en) Detection of stent struts relative to side branches
US10140712B2 (en) Detection of stent struts relative to side branches
JP2015150369A (ja) ステント検出装置、ステント画像表示装置、およびそのプログラムと方法。
JP7497390B2 (ja) 血管内機器の検出及び圧着測定のためのシステム及び方法
Abrahams et al. Detecting blindspots in colonoscopy by modelling curvature