ES2908571T3

ES2908571T3 - Identificación de ramas de un vaso sanguíneo

Info

Publication number: ES2908571T3
Application number: ES17736788T
Authority: ES
Inventors: Ajay Gopinath
Original assignee: LightLab Imaging Inc
Current assignee: LightLab Imaging Inc
Priority date: 2016-04-14
Filing date: 2017-04-14
Publication date: 2022-05-03
Anticipated expiration: 2037-04-14
Also published as: US20200167923A1; JP7027331B2; US10593037B2; EP3443536A1; US20170301084A1; US11475560B2; WO2017181045A1; JP2022059020A; JP2019513453A; CN109643449A; EP3443536B1; JP7326513B2; CN116309390A

Abstract

Un procedimiento implementado por ordenador de detección de una o más ramas de un vaso sanguíneo que comprende almacenar uno o más conjuntos de datos de imágenes intravasculares del vaso sanguíneo, comprendiendo cada conjunto de datos intravasculares una pluralidad de líneas A; detectar un límite de luz en una primera imagen de línea A generada a partir de un conjunto de líneas A de la pluralidad de líneas A, en el que la primera imagen de línea A tiene una dimensión r y una dimensión de línea A; especificar una distancia de búsqueda predeterminada T; definir una región de búsqueda, la región de búsqueda limitada por el límite de luz detectado y un límite compensado del mismo por la distancia predeterminada T; detectar bordes en la región de búsqueda; e identificar una región de ramificación candidata en respuesta a los bordes detectados.

Description

DESCRIPCIÓN

Identificación de ramas de un vaso sanguíneo

Referencia cruzada a solicitudes relacionadas

Esta solicitud reivindica la prioridad y el beneficio de la solicitud de patente provisional de EE. UU. n.° 62/322.771 presentada el 14 de abril de 2016.

Campo

La divulgación se refiere en general a sistemas y procedimientos adecuados para su uso en el campo del diagnóstico y formación de imágenes intravascular, más específicamente a sistemas y procedimientos que corroboran la identificación de ramas laterales, uniones u otras secciones o rasgos característicos de un vaso sanguíneo.

Antecedentes

La arteriopatía coronaria es una de las principales causas de muerte en todo el mundo. La posibilidad de diagnosticar, realizar un seguimiento y tratar mejor la arteriopatía coronaria puede ser de importancia vital. La tomografía de coherencia óptica (TCO) intravascular es una modalidad de formación de imágenes basada en catéter que usa luz para mirar dentro de las paredes de las arterias coronarias y generar imágenes de las mismas para su estudio. Utilizando luz coherente, interferometría y microóptica, la TCO puede proporcionar tomografía in vivo con velocidad de vídeo dentro de un vaso enfermo con resolución a nivel de micrómetro.

Ver las estructuras subsuperficiales con alta resolución usando sondas de fibra óptica hace que la TCO sea especialmente útil para la formación de imágenes mínimamente invasiva de tejidos y órganos internos. Este nivel de detalle hace posible que un médico use la TCO para diagnosticar, así como realizar un seguimiento de, la progresión de la arteriopatía coronaria. Las imágenes de TCO proporcionan visualización de alta resolución de la morfología de arteria coronaria y se pueden usar solas o en combinación con otra información tal como datos de angiografía y otras fuentes de datos de sujeto, para ayudar en el diagnóstico y la planificación de tratamiento.

La formación de imágenes de TCO de partes del cuerpo de un paciente proporciona una herramienta de diagnóstico útil para médicos y otros. Por ejemplo, la formación de imágenes de arterias coronarias por TCO intravascular puede revelar la localización de un estrechamiento o estenosis, lo que reduce el flujo sanguíneo e incrementa el riesgo de isquemia. Esta información ayuda a los cardiólogos a elegir entre una revascularización coronaria quirúrgica invasiva y un procedimiento basado en un catéter menos invasivo tal como angioplastia o implantación de endoprótesis vascular para mitigar la estenosis y restablecer el flujo sanguíneo. La presencia de ramas laterales arteriales en la región de la estenosis también afecta el flujo sanguíneo a través de la arteria y, por lo tanto, es un factor importante cuando se diseña un plan de tratamiento para el paciente.

La evaluación cuantitativa de patología vascular y su progresión implica el cálculo de diferentes medidas cuantitativas tales como descensos de presión, que se pueden basar en la identificación exacta del flujo de fluido y la geometría de la luz, incluyendo la geometría de rama lateral. Las ramas laterales que se extienden desde una luz en las imágenes de TCO a menudo no se identifican fácilmente. En parte, esto se debe a que las ramas laterales pueden estar oscurecidas por la aguja guía usada en diversas sondas de TCO u oscurecidas de otro modo por pilares de endoprótesis vascular, sangre y sombras.

Además, las sombras y otros artefactos de datos de formación de imágenes pueden ser difíciles de resolver y eliminar. Como resultado, los puntos de referencia importantes a lo largo de una arteria tales como ramas laterales se pueden confundir con tejido o simplemente no identificarse. Dado que la colocación de una endoprótesis vascular sobre una rama lateral puede ser perjudicial o, cuando se realiza, se debe hacer con conocimiento, existe la necesidad de una técnica fiable que pueda identificar ramas laterales.

Un artículo por Ancong Wang et al., "3D assessment of stent cell size and side branch access in intravascular optical coherence tomographic pullback runs", Computerized medical imaging and graphics: the official journal of the Computerized Medical Imaging Society, 7 de septiembre de 2013, páginas 113 - 122, Estados Unidos, DOI: 10.1016/j.compmedimag.2013.08.007, divulga la evaluación de estructuras de ramificación vascular cerca de células de endoprótesis vascular a partir de retrocesos de TCOIV. La segmentación de endoprótesis vascular asistida por el usuario tiene lugar por ajuste de elipse por mínimos cuadrados. Las ramas laterales se detectan después de enmascarar el catéter y el cable guía, filtrar y suavizar de forma gausiana la mediana y a continuación detectar cambios abruptos en la distancia.

El documento US 8 831 321 B1 se refiere a detección de ramas laterales en imágenes de TCOIV con generación de salida visual así como a detección de pared arterial. El sistema busca patrones de borde en dirección radial después de filtrar y suavizar la mediana y busca cambios de intensidad bruscos en varias tramas en 3 bandas de dirección radial. Se retira la aguja guía.

Un artículo por G. Unal et al., "Shape-Driven Segmentation of the Arterial Wall in Intravascular Ultrasound Images", IEEE TRANSACTIONS ON INFORMATION TECHNOLOGY IN BIOMEDICINE, IEEE SERVICE CENTER, LOS ALAMITOS, CA, US, vol. 12, n.° 3, 1 de mayo de 2008, páginas 335 - 347, ISSN: 1089-7771, DOI: 10.1109/TITB.2008.920620, divulga un análisis de secuencias de USIV con detección de ramas laterales. El sistema segmenta los límites de las luces, retira los artefactos de catéter y realiza la búsqueda radial en tres bandas espaciales. Las ramas luminales se detectan de acuerdo con rasgos característicos de intensidad radial.

La presente divulgación aborda estos retos y otros.

Sumario

En parte, la divulgación se refiere a un procedimiento de detección de una o más ramas de un vaso sanguíneo, como se expone en las reivindicaciones adjuntas. El procedimiento incluye almacenar uno o más conjuntos de datos de imágenes intravasculares del vaso sanguíneo, comprendiendo cada conjunto de datos intravasculares una pluralidad de líneas A; detectar un límite de luz en una primera imagen de línea A generada a partir de un conjunto de líneas A de la pluralidad de líneas A, en el que la primera imagen de línea A tiene una dimensión r y una dimensión de línea A; especificar una distancia de búsqueda predeterminada T: definir una región de búsqueda, la región de búsqueda limitada por el límite de luz detectado y un límite compensado de la misma por la distancia predeterminada T; detectar bordes en la región de búsqueda; e identificar la región de ramificación candidata en respuesta a los bordes detectados.

En un modo de realización, el procedimiento incluye aplanar la imagen de línea A usando un primer operador de procesamiento de imágenes; aplicar suavizado de mediana a la imagen de línea A usando un segundo operador de procesamiento de imágenes; y aplicar suavizado a la imagen de línea A usando un tercer operador de procesamiento de imágenes para generar una imagen filtrada. En un modo de realización, el procedimiento incluye identificar un primer par mínimo-máximo en la imagen filtrada, en el que una o más distancias entre el primer par mínimo-máximo define una primera ventana de búsqueda. En un modo de realización, el procedimiento incluye identificar un segundo par mínimo-máximo en la imagen filtrada, en el que una o más distancias entre el segundo par mínimo-máximo define una segunda ventana de búsqueda.

En un modo de realización, el procedimiento incluye buscar a lo largo de la dimensión r en la correspondiente imagen de entrada preprocesada dentro de la primera ventana de búsqueda. En un modo de realización, el procedimiento incluye designar píxeles por debajo del umbral de ruido de fondo localizados en la primera ventana de búsqueda como correspondientes a la región de ramificación candidata. El umbral de ruido de fondo puede ser menor que aproximadamente 2 mm. En un modo de realización, el procedimiento incluye dividir la región de rama candidata en tres bandas, en el que la suma de los anchos de las tres bandas es igual a T. En un modo de realización, el procedimiento incluye para cada banda, acumular píxeles a lo largo de cada línea A que corresponden a la región de ramificación candidata.

En un modo de realización, el procedimiento incluye en el que si una línea A particular tiene más de entre aproximadamente un 10 % y aproximadamente un 30 % de píxeles marcados como una rama candidata, marcar esa línea A en esa banda como correspondiente a una rama. En un modo de realización, el procedimiento incluye la salida de un conjunto de líneas A para cada banda que corresponde a una rama candidata.

En un modo de realización, el procedimiento incluye generar una matriz de ramificación usando tramas de un retroceso, comprendiendo las tramas líneas A y datos angulares. En un modo de realización, el procedimiento incluye aislar píxeles correspondientes a una agrupación de las tres bandas y una agrupación de las primeras dos bandas para seleccionar píxeles correspondientes a una rama lateral. En un modo de realización, el procedimiento incluye retirar una región de aguja guía de la matriz de ramificación. En un modo de realización, el procedimiento incluye eliminar ramas que aparecen solo en una trama. En un modo de realización, el procedimiento incluye replicar la matriz de ramificación para tener en cuenta la superposición en cero.

En un modo de realización, la primera banda varía de 0 a T/3, y en el que la segunda banda varía de T/3 a 2/3T, y en el que la tercera banda varía de 2/3T a T. En un modo de realización, la primera banda varía de 0 a T/3, y en el que la segunda banda varía de T/3 a 2/3T, y en el que la tercera banda varía de 2/3T a T. En un modo de realización, el procedimiento incluye visualizar una o más ramas laterales detectadas en una interfaz de usuario. En un modo de realización, el procedimiento incluye validar una o más ramas laterales candidatas usando una matriz de rama, la matriz de rama generada usando píxel seleccionado de dos o más bandas, en el que la suma de las bandas es T.

Otros rasgos característicos y ventajas de los modos de realización divulgados serán evidentes a partir de la siguiente descripción y los dibujos adjuntos.

Breve descripción de los dibujos

Las figuras no están necesariamente a escala sino que la atención se centra en general en los principios ilustrativos. Las figuras se deben considerar ilustrativas en todos los aspectos y no pretenden limitar la divulgación, de la que su alcance se define únicamente por las reivindicaciones.

La FIG. 1 es un diagrama de un sistema de formación de imágenes intravasculares, que incluye un módulo de detección de ramas laterales automatizado de acuerdo con un modo de realización ilustrativo de la divulgación.

La FIG. 2A es una imagen de línea A polar de una región de interés en un vaso sanguíneo que tiene una rama lateral de acuerdo con un modo de realización ilustrativo de la divulgación.

La FIG. 2B es una imagen en sección transversal de un vaso sanguíneo correspondiente a la imagen de línea A de la FIG. 2A de acuerdo con un modo de realización ilustrativo de la divulgación.

La FIG. 3 es una versión aplanada de la imagen mostrada en la FIG. 2A de acuerdo con un modo de realización ilustrativo de la divulgación.

La FIG. 4 es una imagen que muestra la detección de bordes de una rama lateral de acuerdo con un modo de realización ilustrativo de la divulgación.

Las FIGS. 5A, 5B, 5C y 5D son imágenes de línea A procesadas de imagen después del aplanamiento en las que una dimensión radial r es perpendicular a una dimensión de línea A y diversas curvas en relación con un ruido de fondo para diferentes valores de r de acuerdo con un modo de realización ilustrativo de la divulgación.

La FIG. 6 es una imagen que muestra diversas bandas o zonas seleccionadas para buscar ramas laterales en la que las bandas o zonas se especifican en función de diferentes profundidades de la luz.

La FIG. 7 es una vista de TCO en sección transversal, una vista de TCO longitudinal o en modo L, y una matriz de ramificación con ramas candidatas y una aguja guía.

La FIG. 8 es una matriz de ramificación que se analiza para identificar diversos candidatos a rama en una matriz de ramificación procesada u operada de acuerdo con un modo de realización ilustrativo de la divulgación.

Descripción detallada

La divulgación se refiere a un procedimiento automatizado de detección de ramas con respecto a un vaso sanguíneo con imágenes formadas usando una modalidad intravascular tal como TCO, USIV u otras modalidades de formación de imágenes. El término rama se refiere a una o más ramas de un vaso sanguíneo tal como una rama lateral. En un modo de realización, la divulgación se refiere a realizar la detección de ramas como etapa intermedia en una cadena de módulos de programa informático, operadores y fases. Las diversas fases transforman los datos intravasculares y realizan la detección de rasgos característicos tales como la detección de sombras y luces en las mismas. La detección de ramas se puede realizar después de un retroceso de TCO o USIV y los datos intravasculares resultantes se pueden procesar usando un módulo de programa informático de detección de luz para extraer datos de luz tales como información relacionada con un límite de luz.

La invención se refiere a diversos procedimientos de recopilación y procesamiento de datos tales como tramas de datos intravasculares. En un modo de realización, una trama de datos intravasculares o datos de imágenes incluye una imagen en sección transversal generada a partir de una pluralidad de líneas A (líneas de exploración) obtenidas usando una sonda intravascular rotatoria. Se forma una imagen en sección transversal del vaso sanguíneo por una colección de líneas de exploración a medida que la sonda rota.

En un modo de realización, antes de la detección de ramas, se realiza la detección de sombras para identificar regiones de interés a partir de los datos intravasculares subyacentes. Las sombras son de interés porque pueden corresponder a diferentes rasgos característicos tales como cúmulos sanguíneos, ramas tales como ramas laterales y segmentos de aguja guía. Los segmentos de aguja guía surgen de la aguja guía usada para colocar la sonda de formación de imágenes intravascular en la arteria. En un modo de realización, una vez se ha identificado y validado una aguja guía (o agujas guía), las marcas posicionales o de píxel generadas por la aguja guía en una trama o línea de exploración dadas se pueden proporcionar a otros módulos de procesamiento de datos intravasculares. Como ejemplo, las detecciones de aguja guía validadas pueden ser una entrada para un módulo de detección de ramas laterales. El proceso de detección de ramas laterales también se puede introducir en otras fases de procesamiento para generar información de interés con respecto a los datos de retroceso intravascular.

La divulgación describe diversos procedimientos y subprocedimientos relacionados con la detección de ramas y la evaluación de parámetros relacionados con la misma. En un modo de realización, el procedimiento es un procedimiento automatizado que opera sobre datos intravasculares basados en una entrada de interfaz de usuario para detectar ramas laterales o como parte de otro procesamiento de imágenes que usa detecciones de ramas laterales como entradas.

Las ramas laterales en arterias coronarias se pueden usar para modelar el diámetro normal de la arteria en cada segmento a medida que la arteria se estrecha. La localización y diámetro de la rama lateral es una entrada importante para calcular y predecir el flujo a lo largo de la arteria.

Se ha desarrollado un nuevo algoritmo de programa informático que detectará automáticamente la localización de ramas laterales en imágenes de TCO y proporcionará una estimación de su diámetro. El algoritmo identificará las tramas y las líneas de exploración de las tramas de TCO que son parte de la región de ramificación.

En un modo de realización, los procedimientos basados en programa informático funcionan en líneas de exploración en el espacio de coordenadas polares y usan una combinación de filtros y algoritmos de procesamiento de imágenes para detectar los gradientes de intensidad ascendentes y descendentes de la pared de rama lateral. En un modo de realización, el programa informático genera una matriz a partir de datos de línea de exploración que se organiza en base a tramas a lo largo del retroceso. La matriz incluye datos del retroceso que recopilan información más allá de la luz por una cantidad de compensación u otra distancia que se extiende hacia el tejido o las ramas laterales. Esta matriz (matriz de ramificación) se analiza para obtener información sobre las posibles localizaciones de ramas y se usa para medir los diámetros de ramas.

Como se muestra en la FIG. 1, un sistema de recopilación de datos 30 para su uso en la recopilación de datos intravasculares incluye una sonda de recopilación de datos 7 que se puede usar para formar imágenes de un vaso sanguíneo. El sistema puede ser un TCO, USIV u otro sistema basado en la modalidad de formación de imágenes intravascular. Se puede usar una aguja guía para introducir la sonda de recopilación de datos 7 en el vaso sanguíneo. La sonda de recopilación de datos 7 se puede introducir y retirar a lo largo del vaso sanguíneo mientras se recopilan los datos. A medida que la sonda de formación de imágenes se retrae (retrocede) a lo largo del vaso, se recopilan una pluralidad de exploraciones o conjuntos de datos intravasculares (TCO, USIV u otros datos) a medida que la sonda o una parte de la misma rota. Esto se denomina retroceso en un modo de realización.

En un modo de realización, estos conjuntos de datos, o colecciones de tramas de datos de imágenes, se pueden usar para identificar regiones de interés tales como una estenosis o una endoprótesis vascular desplegada. En un modo de realización, la sonda de recopilación de datos 7 es una sonda de TCO. La sonda 7 puede incluir una punta de sonda 17. Cuando se usa una sonda de TCO para la sonda 7, se configura para su uso con una versión del sistema 10 que incluye un interferómetro y un sistema de procesamiento de datos. Las mediciones de distancia recopiladas usando la sonda de recopilación de datos TCO 7 se pueden procesar para generar tramas de datos de imágenes tales como vistas en sección transversal o vistas longitudinales (vistas en modo L) del vaso sanguíneo. Para mayor claridad, una vista en sección transversal puede incluir sin limitación una vista longitudinal. Estas imágenes se pueden procesar usando uno o más módulos o etapas de procesamiento de datos de imágenes.

La sonda de recopilación de datos 7 se muestra antes de o después de la inserción en un vaso sanguíneo. La sonda de recopilación de datos 7 está en comunicación óptica con un sistema de TCO 10. El sistema de TCO 10 que se conecta a la sonda de recopilación de datos 7 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 trayectorias ópticas, un generador de reloj, fotodiodos y otros componentes del sistema de TCO. La sonda 7 está dispuesta en una arteria 8 que tiene ramas B y cúmulos sanguíneos BP.

En un modo de realización, un receptor óptico 31, tal como un sistema basado en un fotodiodo equilibrado, puede recibir la luz que sale de la sonda de recopilación de datos 7. Un dispositivo informático 40 tal como un ordenador, procesador, ASIC u otro dispositivo puede ser parte del sistema de TCO 10 o se puede incluir como un subsistema separado en comunicación eléctrica u óptica con el sistema de TCO 10. El dispositivo informático 40 puede incluir dispositivo(s) de memoria 41, almacenamiento, buses y otros componentes adecuados para procesar datos y componentes de programa informático 44 tales como fases de procesamiento de datos de imágenes configuradas para visualización de endoprótesis vascular, detección de posición anómala de endoprótesis vascular, detección de luz, generación de compensación, definición de región de búsqueda 151, detección de ramas laterales 45, detección de aguja guía, generación de matriz de ramificación, recopilación de datos de retroceso y otros. Aunque el módulo de detección de ramas 45 se muestra como un módulo de programa informático separado, también puede ser uno de los componentes de programa informático 44. El programa informático de generación de matriz de ramificación puede ser parte del módulo de detección de rama 45 o ser un módulo de programa informático separado.

En diversos modos de realización, el dispositivo informático 40 incluye o accede a módulos de programa informático o programas 44, tales como un módulo de detección de ramas laterales, un módulo de detección de aguja guía, un módulo de detección de luz, un módulo de detección de endoprótesis vascular, un módulo de aclaramiento de máscara de mediana, un módulo de promedio de intensidad, un módulo de detección de posición anómala de endoprótesis vascular, un módulo de detección de carina y otros módulos de programa informático. Por ejemplo, el dispositivo informático 40 puede acceder a un módulo de detección de ramas laterales 45 para detectar ramas laterales. En particular, el módulo se calibra para usar determinadas características de ramificación como firmas para mejorar la exactitud de ramificación.

En un modo de realización, el módulo de detección de ramas laterales 45 genera u opera sobre una matriz de ramificación bidimensional y aísla las ramas laterales candidatas usando la matriz o como se describe de otro modo en el presente documento. En un modo de realización, las características de ramificación pueden incluir una disposición de rasgos característicos detectados intravascularmente tales como un ruido de fondo y gradientes ascendentes o descendentes. Los módulos de programa informático o programas 44 pueden incluir una cadena de procesamiento de datos de imágenes o módulos componentes de la misma y una o más interfaces gráficas de usuario (GUI).

Se usa una cadena de procesamiento de imágenes ejemplar para transformar los datos intravasculares recopilados en vistas bidimensionales y tridimensionales de vasos sanguíneos y endoprótesis vasculares. La cadena de procesamiento de datos de imágenes o cualquiera de los procedimientos descritos en el presente documento se almacena en la memoria y se ejecuta usando uno o más dispositivos informáticos tales como un procesador, dispositivo u otro circuito integrado.

Los módulos de programa informático 44 también pueden incluir rasgos característicos adicionales en relación con la detección de flujo sanguíneo. Los módulos de programa informático 44 también pueden incluir o estar en comunicación con los componentes de programa informático de interfaz de usuario para alternar las vistas de flujo sanguíneo de rama lateral y visualizar y alternar los diversos modos de visualización de interfaz de usuario tales como planificación de endoprótesis vascular, ejecución y otros modos de visualización descritos en el presente documento.

Como se muestra en la fig. 1, una pantalla 46 también puede ser parte de un sistema de recopilación y procesamiento de datos intravasculares 10 para mostrar información 47 tal como vistas en sección transversal y longitudinal de un vaso sanguíneo generado usando datos de imágenes recopilados.

El sistema de recopilación de datos 10 se puede usar para visualizar datos de imágenes relacionados con el flujo sanguíneo asociado con ramas laterales detectadas para el vaso. En un modo de realización, una o más etapas se pueden realizar automáticamente o sin la entrada de usuario distinta de la entrada de usuario inicial para navegar en relación con una o más imágenes, introducir información, seleccionar o interactuar con una entrada tal como un controlador o componente de interfaz de usuario, o de otro modo indicar una o más salidas del sistema. En un modo de realización, se presenta una vista de flujo sanguíneo como una opción para seleccionar para facilitar la revisión de una vista bi o tridimensional de una representación del vaso y una o más ramas laterales. Alternar entre uno o más modos de visualización en respuesta a entradas de usuario se puede realizar en relación con diversas etapas descritas en el presente documento.

Las representaciones de una endoprótesis vascular y un límite de luz tales como imágenes de TCO o USIV de los mismos se pueden mostrar a un usuario por medio de la pantalla 46. La detección de ramas laterales, detección de sombras y detección de endoprótesis vasculares se realizan antes de la visualización de estos rasgos característicos y de cualquier codificación o marcado con indicaciones de identificación que se pueden incluir en la imagen visualizada. Esta información basada en TCO 47 se puede visualizar usando una o más interfaces gráficas de usuario (GUI). Las imágenes de las FIGS. 14A, 14B y 22-26 son ejemplos de información 47 que se puede visualizar y con la que se puede interactuar usando 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 diámetro, máscaras de imagen, regiones de sombras, endoprótesis vasculares, áreas de mala aposición, borde de luz, distancias perpendiculares medidas en relación con un borde de luz detectado automáticamente y una distancia perpendicular que se extiende desde el borde de luz que tiene una distancia T, y otras imágenes o representaciones de un vaso sanguíneo o las mediciones de distancia subyacentes obtenidas usando un sistema de TCO y una sonda de recopilación de datos.

El dispositivo informático 40 también puede incluir programa informático o programas 44, que se pueden almacenar en uno o más dispositivos de memoria 41, configurados para identificar los pilares de endoprótesis vascular y niveles de aposición anómala (tales como en base a un umbral y una comparación con la distancia medida) y otros rasgos característicos de vasos sanguíneos tales como como con texto, flechas, codificación de color, resaltado, líneas de contorno u otras indicaciones legibles por seres humanos o máquinas adecuadas.

La pantalla 46 representa diversas vistas del vaso sanguíneo, de acuerdo con un modo de realización. La pantalla puede incluir un menú para mostrar u ocultar diversos rasgos característicos, tales como un menú para seleccionar rasgos característicos de vasos sanguíneos para visualizar y un menú para seleccionar el ángulo de cámara virtual de la pantalla. El usuario puede alternar entre múltiples ángulos de visión en la pantalla de usuario. Además, el usuario puede alternar entre diferentes ramas laterales en la pantalla de usuario, tal como seleccionando ramas laterales particulares y/o seleccionando una vista asociada con una rama lateral particular.

Por ejemplo, el usuario puede seleccionar una vista de orificio, que puede ser la vista predeterminada en un modo de realización o una vista carinal/de carina para permitirle ver una carina para una o más ramas laterales. En un modo de realización, la cadena de procesamiento de imágenes y los módulos de programa informático asociados detectan el límite de luz, agujas guía, otras sombras, endoprótesis vasculares y las ramas laterales en la arteria de la que se forman imágenes usando los datos recopilados durante un retroceso.

Por ejemplo, el límite de luz se puede detectar usando mediciones de distancia obtenidas de las señales ópticas recopiladas en la punta de sonda 17 usando un módulo o componente de programa informático de detección de luz. En lugar de una fibra, se puede usar un transductor de ultrasonidos adecuado para recopilar señales de USIV con respecto a la pared del vaso y una o más endoprótesis vasculares.

El programa informático de detección de luz puede incluir uno o más etapas. Por ejemplo, para realizar la detección de luz en un modo de realización, se puede aplicar un filtro u otro dispositivo de procesamiento de imágenes a una imagen bidimensional para detectar bordes en las imágenes, los bordes indican un límite de luz. En otro modo de realización se usa un enfoque basado en líneas de exploración. Durante uno o más retrocesos, se recopilan señales ópticas o de ultrasonidos como líneas de exploración con respecto a un vaso sanguíneo y una o más endoprótesis vasculares dispuestas en la luz del vaso. En un modo de realización, el programa informático de detección de luz que ejecuta un dispositivo informático genera una o más imágenes a partir del conjunto de líneas de exploración usando un dispositivo informático.

Además, la detección de luz puede incluir generar una máscara binaria de la imagen vascular usando el dispositivo informático, en el que la máscara binaria se genera usando un umbral de intensidad. Como otra etapa, se define una pluralidad de líneas de exploración en la máscara binaria. Con respecto a cada línea de exploración de la pluralidad de líneas de exploración, en un modo de realización se identifica una región como tejido de límite de luz en la misma. Los segmentos de contorno del límite se identifican en base a la presencia de una región de tejido de límite de luz. En un modo de realización, el procedimiento identifica segmentos de contorno vecinos. El procedimiento de detección del límite de luz también puede incluir interpolar datos de contorno faltantes entre segmentos de contorno vecinos. Como resultado, en un modo de realización, los segmentos de contorno vecinos y los datos de contorno faltantes interpolados definen el límite de luz.

Una vez que los datos intravasculares, tales como tramas y líneas de exploración del retroceso, se obtienen con una sonda y se almacenan en la memoria 41, se pueden procesar para generar información 47, tal como una vista en sección transversal, longitudinal y/o tridimensional del vaso sanguíneo a lo largo de la región de retroceso o un subconjunto de la misma. Estas vistas se pueden representar como parte de una interfaz de usuario como se muestra en las figuras. Las imágenes del vaso sanguíneo generadas usando las mediciones de distancia obtenidas del sistema de recopilación de datos intravasculares proporcionan información sobre el vaso sanguíneo y los objetos dispuestos en él.

En consecuencia, en parte, la divulgación se refiere a procedimientos basados en programa informático y sistemas y dispositivos relacionados adecuados para evaluar y representar información con respecto a un vaso sanguíneo, una endoprótesis vascular u otra información vascular de interés. Los datos intravasculares se pueden usar para generar vistas 2D tales como vistas en sección transversal y longitudinal de un vaso sanguíneo antes o después de un despliegue de endoprótesis vascular inicial o procedimiento relacionado con endoprótesis vascular correctivo. Los datos intravasculares obtenidos usando una sonda de recopilación de datos y diversos módulos de programa informático de procesamiento de datos se pueden usar para identificar, caracterizar y visualizar una endoprótesis vascular y/o una o más propiedades relacionadas con la endoprótesis vascular y/o la luz en la que está dispuesta.

La posición de endoprótesis vascular en relación con la pared del vaso sanguíneo y en relación con las aberturas para ramas laterales en la pared del vaso sanguíneo se puede visualizar de modo que las aberturas de ramas laterales no estén bloqueadas por la endoprótesis vascular. En un modo de realización, las ramas laterales se identifican y visualizan para ayudar en la planificación del tratamiento y la colocación de la endoprótesis vascular.

La FIG. 2A es una imagen de TCO de línea A polar de una región de interés en un vaso sanguíneo que tiene una rama lateral 102. La luz del vaso sanguíneo 100 está en la parte superior de la imagen. El límite de luz 106 (es decir, el borde de la pared del vaso sanguíneo) está demarcado por una línea de puntos como se muestra, y el tejido de pared del vaso sanguíneo 120 llena la mayor parte de la imagen. La sombra de aguja guía 104 es el rasgo característico vertical en el lado derecho de la imagen. En la imagen, el límite de luz 106 proporciona la respuesta más brillante y la señal de TCO se atenúa hasta una profundidad de penetración en tejido. Las ramas laterales 102 aparecen como sombras verticales, o regiones sin señal, en la pared del vaso sanguíneo. En parte, la divulgación se refiere a detectar ramas laterales tales como la rama 102.

En un modo de realización, la detección de aguja guía se realiza inicialmente de modo que las sombras y segmentos de aguja guía se puedan excluir de las sombras de ramas laterales para incrementar la exactitud de detección. En diversos modos de realización, el sistema de recopilación de datos intravasculares y los módulos de programa informático asociados detectan características de ramificación en los datos de imágenes de TCO dentro de una región de profundidad de exploración predeterminada T. El valor de T se puede usar para definir una región de búsqueda 151. El valor de T se puede introducir por medio de una interfaz gráfica de usuario.

En un modo de realización, T se especifica como aproximadamente 660 |jm y se usa como una compensación de la luz para definir un límite de luz de compensación demarcado por la línea 108. La región de interés/búsqueda de detección de ramas se define, en un modo de realización, por la línea 108, que es el límite de luz 106 desplazado por la distancia T y el límite de luz 106. La tira o cinta curva 151 de ancho T limitada por la línea de puntos (límite de luz 106) y el límite de luz desplazado 108 especifica un subconjunto de datos de imágenes intravasculares para buscar ramas laterales. T puede variar de aproximadamente 500 jm a aproximadamente 800 jm . La FIG. 2B es una imagen en sección transversal 130 del vaso sanguíneo correspondiente a la imagen de línea A 85 de la FIG. 2A. En la FIG. 2B, el límite de luz 106 se muestra en relación con la sonda 7 y la rama lateral 102. Se muestra una parte de la región de búsqueda 151 adyacente a la rama lateral 102. La región 102 es un ejemplo de una región de ramificación detectable usando uno o más procedimientos y sistemas descritos en el presente documento.

Modo de realización de detección de ramas

El procedimiento de ramificación basado en programa informático en primer lugar explora una firma o patrón de ramificación definido por un ruido de fondo 110 (también denominado NF), o una región sin señal, entre un gradiente de respuesta descendente 112 y un gradiente de respuesta ascendente 114. En un modo de realización, el ruido de fondo es la zona o región en la que la intensidad del tejido ha caído al mismo valor que en la luz aclarada. El ruido de fondo 110 puede corresponder a la región de transición entre gradientes de intensidad ascendentes y descendentes en una zona o región de búsqueda. A continuación, cualquier trama de imagen que se ajuste a esta firma o patrón se marca como regiones de ramificación candidatas. A continuación, las regiones de ramificación candidatas se combinan en todas las tramas. A su vez, las regiones de ramificación se analizan opcionalmente en relación con una matriz de ramificación y se estima el diámetro de cada rama lateral. El procedimiento de ramificación basado en programa informático se describe con más detalle en el presente documento.

Inicialmente, después de un retroceso, las imágenes de línea A sin procesar se preprocesan para aplanar las imágenes, haciendo más fácil identificar ramas laterales. La FIG. 3 es una imagen intravascular 125 que es una versión aplanada de la imagen mostrada en la FIG. 2A. Las imágenes de línea A se aplanan usando el límite de luz detectado (106 en la FIG. 2A) como el borde superior de la imagen aplanada. La imagen 127 también se puede filtrar usando suavizado de imagen de mediana y gaussiano como se muestra en la FIG. 4.

La imagen preprocesada 125 de la FIG. 3 se analiza para detectar el ruido de fondo NF. El ruido de fondo NF se puede usar como umbral para identificar píxeles por debajo del ruido de fondo como regiones de ramificación candidatas. El umbral de ruido de fondo se calcula en función de un histograma de imagen o niveles de ruido de TCO conocidos de diferentes muestras. En un modo de realización, se determina que el ruido de fondo es de aproximadamente 1,5 mm a aproximadamente 2,5 mm desde la luz en la dirección de la compensación de T. En un modo de realización, el ruido de fondo es de aproximadamente 2 mm.

En un modo de realización, una parte de la imagen aplanada 125 de la FIG. 3 que contiene una rama lateral candidata se procesa a continuación usando un filtro de detección de bordes 133 o un filtro F1 o F2. Para reducir el procesamiento de datos y mejorar la eficacia, el filtrado se realiza preferentemente sobre los datos correspondientes a la profundidad de exploración predeterminada T. En la FIG. 4, la profundidad de exploración T es de 660 jm desde el límite de luz, pero se puede usar cualquier profundidad compatible con TCO. La imagen 127 se filtra usando el filtro 133 para generar la imagen filtrada 135. Se puede aplicar un filtro de detección de bordes para identificar los bordes izquierdos 126 y los bordes derechos 128 de la rama lateral y la sombra de aguja guía. En un modo de realización, el filtro 133 es un filtro gaussiano. En un modo de realización, el filtro 133 son dos filtros tales como los filtros 133a, 133b, también denominados primer filtro F1 y segundo filtro F2. En un modo de realización, los filtros 133a, 133b son uno o más filtros de hallazgo de bordes separables. En un modo de realización, los filtros de hallazgo de bordes usados en el presente documento son filtros de tipo rectangular.

Además, en un modo de realización, el filtro es un filtro de suavizado. En un modo de realización, el filtro 133 es un filtro de hallazgo de bordes. En un modo de realización, el filtro 133 es un filtro de suavizado y de hallazgo de bordes que pueden ser los filtros F1 y F2.

Como etapa adicional, una imagen filtrada de borde tal como la imagen 135 de la FIG. 4 se analiza a lo largo de diversos valores de r como se muestra en la imagen 147 como se muestra en la FIG. 5A. En la FIG. 5A, las imágenes 147 se analizan a continuación para cada valor dimensional de r para todas o un subconjunto de todas las líneas A para detectar regiones de ramificación candidatas. A su vez, la imagen 147 se filtra para cada valor de r o un subconjunto del mismo filtrándola a lo largo del valor de r =20. De esta forma, la curva de filtro 149 de la FIG. 5B identifica picos mín-máx locales en la imagen filtrada 149 de la FIG. 5B para r=20. Este proceso se repite para todos o un subconjunto de los valores de r en un modo de realización para generar un conjunto de picos mín-máx locales.

Como se muestra en la FIG. 5A, se muestra una región de interés (RDI) 128 en relación con la luz 126. La RDI corresponde a la parte de luz detectada 126 que se desplaza por T. El eje vertical de la FIG. 5A y 5C corresponde a una dimensión r, ilustrándose una línea de puntos en r=20 que pasa a través del par de señales de luz 126 y el par de señales de RDI 128. Entre los índices del par mín-máx, que se muestran por los valores máx y mín en círculo en la curva de imagen filtrada de la FIG. 5B y la curva de intensidad de imagen de entrada preprocesada de la FIG. 5D.

Con respecto a la FIG. 5B, el eje vertical de la curva es la salida de filtro resultante de filtrar la FIG. 5A y las líneas A de eje horizontal. La FIG. 5D es una curva de intensidad de la imagen preprocesada de la FIG. 5C. En la FIG. 5D, el eje vertical es la intensidad de imagen de entrada. En un modo de realización, el sistema busca a lo largo de la dimensión 'r' en la correspondiente imagen de entrada preprocesada para todos o un subconjunto de los valores de r que abarcan las líneas A de la imagen.

El ruido de fondo de la FIG. 3 también se muestra en la curva de intensidad de la FIG. 5D. El ruido de fondo establece un umbral por debajo del que se identifican las ramas laterales candidatas 138. En un modo de realización, el umbral de ruido de fondo se basa en la estimación del ruido de fondo y se establece de modo que las muestras cercanas al ruido de fondo sean menores que este umbral mientras que se garantiza que las muestras de tejido serán mayores que él. El sistema usa uno o más componentes de programa informático para buscar píxeles por debajo del umbral de ruido de fondo que se especifica en la curva 161 de la FIG. 5D en las correspondientes regiones de la imagen aplanada (FIG. 5C). En referencia a la FIG. 5A, se filtra una imagen filtrada de borde 147 para identificar máximos locales y mínimos locales en "r = 20". En un modo de realización, este filtrado y gráfico del resultado filtrado se realiza para todos o un subconjunto de los valores de r. Los valores de r están a lo largo de los ejes verticales en las FIGS. 5A y 5C. En la FIG. 5B, el eje x corresponde al número de línea A y el eje y corresponde a r. En referencia a la FIG. 5B, el procedimiento mín-máx identifica los respectivos pares mín-máx locales 130a, 130b y 132a, 132b como se muestra.

Además, con respecto a la FIG. 5B, el procedimiento busca en la curva 149 dentro del intervalo de valores 134 entre cada par mín-máx un ruido de fondo en la correspondiente imagen aplanada 160 de la FIG. 5C. Los datos intravasculares de la imagen aplanada se trazan como línea A (eje x) frente a intensidad (eje y) para identificar las líneas de exploración que contienen la respuesta de TCO más débil. Las regiones de la imagen aplanada que descienden por debajo de un umbral predeterminado 136 se consideran regiones de ramificación candidatas 138. En un modo de realización, el umbral 136 es el ruido de fondo (NF). Por tanto, un mínimo local 130a, 132a (conjunto inferior de valores en círculo) típicamente se encontrará en un gradiente de respuesta descendente (112 en la FIG. 2A) y un máximo local 130b, 132b (conjunto superior de valores en círculo) típicamente se encontrará en un gradiente de respuesta ascendente (114 en la FIG. 2A).

En un modo de realización, la aparición de un pico y un valle corresponde a un cambio en la intensidad del gradiente que define un espacio de búsqueda. Si existe una señal por debajo del ruido de fondo en el espacio de búsqueda, entonces los correspondientes píxeles corresponden a regiones de ramificación candidatas. Estas regiones candidatas se analizan posteriormente para determinar si son ramas laterales válidas.

En un modo de realización, las regiones candidatas se dividen en bandas o zonas de búsqueda como se muestra en la FIG. 6. De esta forma, la especificación de las bandas/zonas a buscar facilita determinar regiones de ramificación candidatas. En un modo de realización, para cada línea A se divide en banda 1, banda 2 o banda 3. Las bandas son una fracción de T en un modo de realización. Estas bandas identifican qué conjunto de líneas A están potencialmente asociadas con una rama lateral. Cada línea A se revisa a tres o más profundidades diferentes, mostrándose las profundidades como las bandas divididas de la FIG. 6. Aquí existen tres profundidades iguales de 220 um, que corresponden a 1/3 de T cuando T es 660 |jm.

En un modo de realización, como parte de la selección/especificación de regiones a buscar, la región se divide o subdivide en tres bandas (banda 1, banda 2 y banda 3). En un modo de realización, cada banda se procesa por separado. Las bandas también se pueden procesar en paralelo o diferencialmente, comparando rasgos característicos de una banda con rasgos característicos en una o más de las otras bandas. Aunque se muestran tres bandas, se pueden especificar una, dos o más bandas para la búsqueda de ramas candidatas.

En un modo de realización, para cada banda de búsqueda especificada, el procedimiento acumula píxeles marcados a lo largo de cada línea A. Si una línea A particular tiene más de un 10-35 % de píxeles, se marca esa línea A en esa banda como correspondiente a rama. Este enfoque implica que al menos un 10-35 % de los píxeles en la región de búsqueda estaban en o por debajo del ruido de fondo.

En un modo de realización, los módulos de programa informático se usan para analizar una matriz de ramificación para aislar las regiones de ramas candidatas que tienen más probabilidades de ser ramas. Esta etapa se realiza en base a una o más reglas para las tres regiones de ramificación. La aguja guía se retira en algunos modos de realización.

En un modo de realización, se aborda la acumulación sanguínea y otras fuentes de positivos de rama falsos. Los trombos, acumulación de sangre y otros artefactos representan las causas principales de positivos falsos. La sangre atenúa la señal, que puede imitar la región de ramificación. Se calcula un umbral de intensidad que puede identificar los píxeles de acumulación de sangre para cada trama.

Se calcula un índice de bloqueo en base al número de píxeles de acumulación de sangre detectados dentro de la luz para cada rama detectada. Este índice se correlaciona con la acumulación de sangre y trombos dentro de la luz y proporciona una puntuación para cada rama detectada. Este índice es alto cuando existe mucha señal atenuando sangre o trombo dentro de la luz. Las ramas con un índice de bloqueo alto se rechazan como positivos falsos. Aquellas dentro de un intervalo aceptable se conservan como positivos verdaderos. Las ramas con un índice de bloqueo de intervalo medio se pueden marcar para revisión adicional.

La FIG. 7 es una vista de TCO en sección transversal, una vista de TCO longitudinal o en modo L, y una matriz de ramificación con ramas candidatas y una aguja guía. También se muestra una leyenda codificada por colores de diversas profundidades detectadas. En general, la profundidad desde la luz se asocia con un color y/o letra representativa del color para un intervalo de profundidades. Con respecto a la matriz de ramificación analizada de la FIG. 7, el color rojo o R es para el intervalo de aproximadamente 0 a aproximadamente 220 jm . A su vez, el color verde o G es para el intervalo de aproximadamente 220 jm a aproximadamente 440 jm . El color azul o B es para el intervalo de aproximadamente 440 jm a aproximadamente 660 jm . El color amarillo o Y es para el intervalo de aproximadamente 0 a aproximadamente 440 jm . Finalmente, el color cian o C es para el intervalo de aproximadamente 200 jm a aproximadamente 600 jm . El color blanco o W corresponde a las tres bandas (bandas 1, banda 2 y banda 3) y la distancia global T desde la luz tal como, por ejemplo, 0-660 jm . Estas indicaciones codificadas por colores se aplican a las FIG. 7 y 8. Se pueden usar otras indicaciones y símbolos para mostrar la agrupación de bandas que no sean de color en diversos modos de realización.

La matriz de ramificación 250 y 300 (FIGS. 7 y 8, respectivamente) muestra información de candidatos a rama de todas las tramas para todas las líneas A y para las 3 regiones (bandas 1, banda 2 y banda 3). Con respecto a la relación de las diferentes bandas, la siguiente leyenda de agrupaciones de bandas y colores se aplica a las matrices de ramificación 250, 300 de las FIGS. 7 y 8. Los colores también se identifican por conectores de línea y la primera letra del color, pero sin punta de flecha para distinguir el uso de las letras A-E para mostrar ramas laterales candidatas.

Leyenda de matriz de ramificación (distancia desde luz /agrupaciones de banda, por ejemplo, T=660 jm):

• Banda 1 (0 - 220 jm ): Rojo (R)

• Banda 2 (220 jm - 440 jm ): Verde (G)

• Banda 3 (440 jm - 660 jm ): Azul (B)

• Bandas 1,2,3 (0 - 660 jm ): Blanco (W)

• Bandas 1 - 2 (0 - 440 jm): Amarillo

• Bandas 2 - 3 (jm 220 - 660 jm): Cian

La FIG. 8 es una matriz de ramificación 300 y la matriz después de que se opere 305. La matriz 300 se opera para retirar los datos de la aguja guía. Después de la retirada de datos de la aguja guía, la matriz 305 muestra las ramas candidatas A, B, C, D y E con los datos de la aguja guía retirados. Estas ramas se identifican con flechas que tienen puntas de flecha en las imágenes 300, 305. En un modo de realización, se aplican uno o más operadores morfológicos para aislar y potenciar además la matriz 305 de modo que las ramas se definan más claramente como se muestra en la FIG. 305. Los datos de la matriz de ramificación 300 se pueden comparar con otros datos de tramas cruzadas para potenciar la exactitud de detección. En un modo de realización, una matriz de ramificación dada se ensambla en una secuencia trama por trama.

Con respecto a la FIG. 8, la matriz 300 se puede procesar y operar para proporcionar una matriz procesada o filtrada de candidatos a rama 305. Estas etapas pueden incluir una o más de las siguientes etapas de procesamiento o filtrado. El procedimiento de detección de ramificaciones usando una matriz de ramificación puede incluir generar una matriz de ramificación. El procedimiento puede incluir aislar píxeles con píxeles blancos W (las 3 bandas) y amarillos Y (las dos primeras bandas) que son vecinos de píxeles blancos. El procedimiento puede incluir retirar regiones de aguja guía.

El procedimiento también puede incluir eliminar ramas que aparecen solo en 1 trama. En un modo de realización, dado que los ángulos abarcan 360 grados, dependiendo de la orientación y superposición de los extremos de la matriz (se basa en una disposición cilíndrica), las secciones de la matriz se pueden replicar para cubrir los ejes horizontales superior e inferior de la matriz. En un modo de realización, los operadores morfológicos pueden incluir la aplicación de una operación de abertura de imagen 1D (7 píxeles) a lo largo de la dimensión de línea A para eliminar las líneas A con una cantidad insignificante de cobertura de datos. Además, se pueden aplicar filtros para enfatizar las conexiones para realizar un análisis de componentes conectados para identificar un componente individual como una sola rama. Los datos de tramas cruzadas también se pueden usar para conectar manchas en la matriz que son parte de una rama.

En parte, la divulgación se refiere a un procedimiento automatizado de detección de ramas que incluye la etapa de detectar características de ramificación dentro de una región que tiene una profundidad de exploración T. En un modo de realización, T es una distancia medida desde la luz y se puede usar para definir un límite compensado por una distancia T desde el límite de luz. En un modo de realización, T varía de aproximadamente 400 |jm a aproximadamente 700 |jm. En un modo de realización, T es de aproximadamente 660 |jm. En un modo de realización, T es una aproximación de un grosor de pared de vaso o un grosor de profundidad de exploración seleccionado para especificar una zona de búsqueda para hallar ramas laterales. En un modo de realización, las características de ramificación incluyen una o más de las siguientes, un ruido de fondo o una región sin señal entre gradientes descendentes y ascendentes. El uso de segmentos ascendentes y descendentes en relación con un ruido de fondo como firma de detección mejora ventajosamente la exactitud de detección en relación con ramas grandes.

En un modo de realización, el procedimiento automatizado de detección de ramas incluye la etapa de combinar regiones de ramificación candidatas en todas las tramas, sustancialmente todas las tramas o M tramas, en el que M es 2 o más. En un modo de realización, el procedimiento automatizado de detección de ramas incluye la etapa de analizar las regiones de ramificación para identificar ramas candidatas y estimar el diámetro de rama de dichas ramas candidatas. En un modo de realización, se rastrean las ramas laterales que tienen un diámetro D mayor que aproximadamente 1 mm. En un modo de realización, una rama grande es una rama que tiene un diámetro D mayor que o igual a aproximadamente 1 mm.

Las ramas grandes hacen una mayor contribución al flujo y por tanto pueden afectar significativamente a FFR, VFR y otras mediciones basadas en flujo sanguíneo. Como resultado, una vez detectadas, las ramas que tienen diámetros de interés tales como los mayores que iguales a aproximadamente 1 mm, se rastrean y evalúan para verificar su caracterización como rama en oposición a una detección falsa tal como una sombra. Otros diámetros de interés pueden incluir un diámetro de rama D que varía de más de aproximadamente 0,4 mm a menos de aproximadamente 2 mm.

En un modo de realización, el procedimiento automatizado de detección de ramas incluye la etapa de generar una matriz bidimensional representativa de líneas A (también denominadas líneas de exploración) frente a tramas para definir una matriz de ramificación. En un modo de realización, el eje vertical se usa para representar las líneas A con unidades de ángulos tales como grados que varían de 0 a 360 grados y el eje horizontal tiene unidades correspondientes a números de tramas. El intervalo angular se puede mostrar como mayor que 360 grados; sin embargo, la sección de ángulo adicional de la matriz típicamente se superpone con valores angulares anteriores en la matriz.

En consecuencia, en un modo de realización, los números de trama pueden comenzar en 0 o 1 y continuar hasta J, en el que J es el número de tramas en el retroceso. El procedimiento automatizado de detección de ramas incluye la etapa de analizar la matriz de ramificación para aislar candidatos a rama. En un modo de realización, la detección de aguja guía y detección de luz se realizan antes de realizar la detección de ramas. La aguja guía visible en las tramas se retira en algunos modos de realización.

Un sistema de uno o más ordenadores se puede configurar para realizar operaciones o acciones particulares en virtud de tener programa informático, soporte lógico inalterable, soporte físico o una combinación de ellos instalados en el sistema que, en operación, provoca o hace 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 por un aparato de procesamiento de datos, hacen que el aparato, dispositivo informático, realice las acciones.

Un aspecto general incluye un procedimiento de detección automática de una o más ramas laterales que incluye generar una matriz de ramificación que comprende datos de línea de exploración y designadores de tramas. El procedimiento también incluye almacenar, usando un sistema de formación de imágenes intravasculares, uno o más conjuntos de datos de imágenes intravasculares del vaso sanguíneo; incluyendo cada conjunto de datos intravasculares una pluralidad de líneas A. El procedimiento también incluye generar una imagen de línea A con un límite de luz detectado del vaso sanguíneo. También se puede usar una T compensada para desplazar una representación de una luz detectada en una dirección que se aleja de la sonda de formación de imágenes hacia una región de tejido o rama.

En un modo de realización, el procedimiento también incluye incrementar la intensidad de los bordes en la imagen de línea A. El procedimiento también incluye suprimir regiones suaves en la imagen de línea A. El procedimiento también incluye especificar una distancia de búsqueda T compensada en relación con la luz. La T compensada puede definir una región o banda para buscar regiones de ramas laterales candidatas. El procedimiento también incluye identificar pares mín-máx locales en una imagen filtrada. En un modo de realización, el procedimiento también incluye buscar la dimensión radial r en la correspondiente imagen de entrada preprocesada.

En un modo de realización, el procedimiento también incluye marcar píxeles por debajo del umbral de ruido de fondo en la imagen de entrada preprocesada como regiones de ramificación candidatas. 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.

Las implementaciones pueden incluir uno o más de los siguientes rasgos característicos. El procedimiento que incluye además: aplanar la imagen de línea A usando un primer operador de procesamiento de imágenes. El procedimiento también puede incluir aplicar suavizado de mediana a la imagen de línea A usando un segundo operador de procesamiento de imagen. El procedimiento también puede incluir aplicar suavizado gaussiano a una imagen de línea A usando un tercer operador de procesamiento de imagen.

En un modo de realización, el procedimiento incluye además dividir las regiones de ramificación candidatas en N bandas, tales como 1, 2, 3 o más bandas y procesar cada banda por separado. En un modo de realización, las bandas tienen el mismo grosor. En un modo de realización, el grosor o ancho de una banda es T/N para N bandas. El procedimiento incluye además acumular píxeles marcados a lo largo de cada línea A. Los píxeles se pueden marcar o rastrear de otro modo usando un programa informático para identificar un píxel dado como correspondiente a una sombra, un píxel de aguja guía, un píxel de rama tal como un píxel de rama lateral, un píxel de luz, un píxel de sangre y otros píxeles correspondientes a objetos intravasculares fotografiados o sombras o reflejos de los mismos.

En un modo de realización, si una línea A particular tiene más de entre aproximadamente un 10 % y aproximadamente un 30 % de píxeles marcados como rama, el procedimiento marca la línea A en esa banda como una rama o una línea A que contiene una rama. El procedimiento incluye además generar una matriz de ramificación durante el procesamiento trama por trama. El procedimiento incluye además aislar píxeles con píxeles blancos (las 3 bandas) y amarillos (las dos primeras bandas) que son vecinos de píxeles blancos. El procedimiento incluye además retirar la región de la aguja guía. El procedimiento incluye además eliminar ramas que aparecen solo en una trama. Por tanto, que no aparezca una rama en múltiples tramas se puede usar para excluir ramas candidatas. El procedimiento incluye además replicar la matriz de ramificación para tener en cuenta la superposición en cero. Las implementaciones de las técnicas descritas pueden incluir soporte físico, un procedimiento o proceso, o programa informático en un medio accesible por ordenador.

Rasgos característicos y modos de realización de programa informático no limitantes y para implementar la detección de ramas

La siguiente descripción pretende proporcionar una visión general del soporte físico del dispositivo y otros componentes operativos adecuados para realizar los procedimientos de la divulgación descritos en el presente documento. Esta descripción no pretende limitar los entornos aplicables o el alcance de la divulgación. De forma similar, el soporte físico y otros componentes operativos pueden ser adecuados como parte de los aparatos descritos anteriormente. La divulgación se puede poner en práctica con otras configuraciones de sistema, incluyendo ordenadores personales, sistemas multiprocesador, dispositivos electrónicos basados en microprocesadores o programables, PC en red, miniordenadores, ordenadores centrales y similares.

Algunas partes de la descripción detallada se presentan en términos de algoritmos y representaciones simbólicas de operaciones sobre bits de datos dentro de una memoria de ordenador. Estas descripciones y representaciones algorítmicas se pueden usar por expertos en campos relacionados con la informática y los programas informáticos. En un modo de realización, un algoritmo se concibe aquí, en general y en el presente documento, como una secuencia de operaciones autoconsecuente 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 que se pueden almacenar, transferir, combinar, transformar, comparar y manipular de otro modo.

A menos que se establezca específicamente de otro modo como es evidente del siguiente análisis, se aprecia que a lo largo de la descripción, los análisis que utilizan términos tales como "procesar" o "calcular" o "orientar" o "seleccionar" o "alternar" o "calcular" o "comparar " o "medir la longitud de arco" o "detectar" o "rastrear" o "enmascarar" o "muestrear" o "operar" o "generar" o "determinar" o "visualizar" o similares, se refieren a la acción y los procesos de un sistema informático, o dispositivo informático electrónico similar, que manipula y transforma datos representados como cantidades físicas (electrónicas) dentro de los registros y memorias del sistema informático en otros datos representados de forma similar como cantidades físicas dentro de las memorias o registros del sistema informático u otro de dichos dispositivos de almacenamiento, transmisión o visualización de información.

La presente divulgación, en algunos modos de realización, también se refiere a un aparato para realizar las operaciones en el presente documento. Este aparato se puede construir especialmente para los propósitos requeridos, o puede comprender un ordenador de propósito general selectivamente activado o reconfigurado por un programa informático almacenado en el ordenador.

Los algoritmos y visualizaciones presentados en el presente documento no se relacionan inherentemente con ningún ordenador u otro aparato particular. Se pueden usar diversos sistemas de propósito general con programas de acuerdo con las enseñanzas en el 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 descripción a continuación.

Los modos de realización de la divulgación se pueden implementar 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 u ordenador de propósito general), lógica programable para su uso con un dispositivo de lógica programable (por ejemplo, una matriz de puertas de campo programable (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 divulgación, parte o todo el procesamiento de los datos recopilados usando una sonda de TCO, una sonda de FFR, un sistema de angiografía u otros dispositivos de formación de imágenes y seguimiento de sujetos 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 tanto, las instrucciones de interfaz de usuario y los activadores basados en la finalización de un retroceso o una solicitud de registro conjunto, por ejemplo, se transforman en instrucciones comprensibles para el procesador adecuadas para generar datos de TCO, realizar el procesamiento de imágenes usando diversos y otros rasgos característicos 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 cualquiera 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, por medio de un intérprete), o el código fuente se puede convertir (por ejemplo, por medio de 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) de forma permanente o bien 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 se puede transmitir a un ordenador usando cualquiera de diversas tecnologías de comunicación, incluyendo, 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 se puede distribuir de cualquier forma como medio de almacenamiento extraíble con documentación impresa o electrónica adjunta (por ejemplo, programa informático embalado), precargar con un sistema informático (por ejemplo, en r Om de sistema o disco fijo) o distribuir desde un servidor o tablón de anuncios electrónico a través del sistema de comunicación (por ejemplo, Internet o World Wide Web).

Se puede diseñar lógica de soporte físico (incluyendo 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 de forma permanente o bien transitoria en un medio de almacenamiento tangible, tal como un dispositivo de memoria de semiconductor (por ejemplo, una RAM, ROM, PROM, EEPROM o RAM programable por flash), 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 se puede transmitir a un ordenador usando cualquiera de diversas tecnologías de comunicación, incluyendo, 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 se puede distribuir como medio de almacenamiento extraíble con documentación impresa o electrónica adjunta (por ejemplo, programa informático embalado), precargar con un sistema informático (por ejemplo, en ROM de sistema o un disco fijo) o distribuir desde un servidor o tablón de anuncios electrónico a través del sistema de comunicación (por ejemplo, Internet o World Wide Web).

Diversos ejemplos de módulos de procesamiento adecuados se analizan a continuación con más detalle. Como se usa en el presente documento, un módulo se refiere a programa informático, soporte físico o soporte lógico inalterable 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 programa informático, programa u otra aplicación residente en memoria adecuada para recibir, transformar, enrutar y procesar instrucciones, o diversos tipos de datos tales como datos de angiografía, datos de TCO, datos de FFR, datos de USIV, datos de registro conjunto, píxeles, matrices de ramificación y orientación y coordenadas, señales de interfaz de usuario y diversos elementos de visualización gráfica y otra información de interés como se describe 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 programa informático u otras instrucciones, incluyendo, 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 de la divulgación descritos en el presente documento pueden incluir cualquier medio de memoria que puede 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 programas informáticos incorporados en diversos lenguajes de programación tales como C++, C, Java y/o una variedad de otras clases de lenguajes de programación de programa informático que se pueden aplicar para crear instrucciones de acuerdo con modos de realización de la divulgación.

Los aspectos, modos de realización, rasgos característicos y ejemplos de la divulgación se deben considerar ilustrativos a todos los respectos y no pretenden limitar la divulgación, de la que su alcance se define solo por las reivindicaciones. Otros modos de realización, modificaciones y usos serán evidentes para los expertos en la técnica sin apartarse del alcance de la divulgación reivindicada.

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 en, o consistan en, los componentes citados, y que los procesos de las presentes enseñanzas también consistan esencialmente en, 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. Además, se debe entender que los elementos y/o rasgos característicos de una composición, un aparato o un procedimiento descrito en el presente documento se pueden combinar de una variedad de formas dentro del alcance de las reivindicaciones adjuntas.

El uso de los términos "incluir", "incluye", "incluyendo", "tener", "tiene" o "que tiene" se debe entender en general como abierto y no limitante, a menos que se establezca específicamente de otro modo.

El uso del singular en el presente documento incluye el plural (y viceversa) a menos que se establezca específicamente de otro modo. Además, las formas en singular "un", "una" y "el/la" incluyen formas en plural a menos que el contexto lo indique claramente de otro modo. Además, cuando el uso del término "aproximadamente" sea antes de un valor cuantitativo, las presentes enseñanzas también incluyen el propio valor cuantitativo específico en sí, a menos que se establezca específicamente de otro modo. Como se usa en el presente documento, el término "aproximadamente" se refiere a una variación de ±10 % del valor nominal.

Se pueden realizar dos etapas o acciones más simultáneamente.

Se debe apreciar que diversos aspectos de la divulgación reivindicada se refieren a subconjuntos y subetapas de las técnicas divulgadas en el presente documento. En consecuencia, lo que se desea asegurar por la patente de invención es la divulgación como se define y diferencia en las siguientes reivindicaciones.

El término "medio legible por máquina" incluye cualquier medio que pueda almacenar, codificar o transportar un conjunto de instrucciones para su ejecución por la máquina y que hagan que la máquina realice una o más de las metodologías de la presente divulgación. Mientras que el medio legible por máquina se muestra en un modo de realización de ejemplo como un solo medio, se debe tomar que el término "medio legible por máquina" incluye un solo medio o múltiples medios (por ejemplo, una base de datos, una o más bases de datos centralizadas o distribuidas y/o cachés y servidores asociados) que almacenan el uno o más conjuntos de instrucciones.

Se puede apreciar que, en determinados aspectos de la divulgación, un único componente se puede reemplazar por múltiples componentes, y múltiples componentes se pueden reemplazar por un único componente, para proporcionar un elemento o estructura o para realizar una función o funciones dadas.

Los ejemplos presentados en el presente documento están destinados a ilustrar implementaciones potenciales y específicas de la divulgación. Se puede apreciar que los ejemplos están destinados principalmente a propósitos de ilustración de la divulgación para los expertos en la técnica.

Además, mientras que los modos de realización particulares de la divulgación se han descrito en el presente documento con el propósito de ilustrar la divulgación y no con el propósito de limitar la misma, se apreciará por los expertos en la técnica que se pueden realizar numerosas variaciones de los detalles, materiales y disposición de elementos, etapas, estructuras y/o partes dentro del alcance de las reivindicaciones.

Claims

REIVINDICACIONES

1. Un procedimiento implementado por ordenador de detección de una o más ramas de un vaso sanguíneo que comprende

almacenar uno o más conjuntos de datos de imágenes intravasculares del vaso sanguíneo, comprendiendo cada conjunto de datos intravasculares una pluralidad de líneas A;

detectar un límite de luz en una primera imagen de línea A generada a partir de un conjunto de líneas A de la pluralidad de líneas A, en el que la primera imagen de línea A tiene una dimensión r y una dimensión de línea A;

especificar una distancia de búsqueda predeterminada T;

definir una región de búsqueda, la región de búsqueda limitada por el límite de luz detectado y un límite compensado del mismo por la distancia predeterminada T;

detectar bordes en la región de búsqueda; e

identificar una región de ramificación candidata en respuesta a los bordes detectados.

2. El procedimiento de la reivindicación 1, que comprende además:

procesar la imagen de línea A usando un primer operador de procesamiento de imágenes, en el que el procesamiento se realiza usando el límite de luz detectado;

aplicar suavizado de mediana a la imagen de línea A usando un segundo operador de procesamiento de imágenes; y

aplicar suavizado a la imagen de línea A usando un tercer operador de procesamiento de imágenes para generar una imagen filtrada.

3. El procedimiento de la reivindicación 2, que comprende además:

identificar un primer par mínimo-máximo en la imagen filtrada, en el que una o más distancias entre el primer par mínimo-máximo define una primera ventana de búsqueda.

4. El procedimiento de la reivindicación 3, que comprende además:

identificar un segundo par mínimo-máximo en la imagen filtrada, en el que una o más distancias entre el segundo par mínimo-máximo define una segunda ventana de búsqueda; o

buscar a lo largo de la dimensión r en la imagen filtrada dentro de la primera ventana de búsqueda.

5. El procedimiento de la reivindicación 4 que comprende además: designar píxeles por debajo de un umbral de ruido de fondo localizados en la primera ventana de búsqueda como correspondientes a la región de ramificación candidata.

6. El procedimiento de la reivindicación 5, en el que el umbral de ruido de fondo es una región dentro de la primera ventana de búsqueda.

7. El procedimiento de la reivindicación 6, que comprende además: dividir la región de ramificación candidata de la imagen filtrada en tres bandas de búsqueda, en el que la suma de los anchos de las tres bandas de búsqueda es igual a T.

8. El procedimiento de la reivindicación 7 que comprende además: para cada banda de búsqueda, acumular píxeles a lo largo de cada línea A que corresponden a la región de ramificación candidata, en el que los píxeles se marcan como píxeles de ramas laterales.

9. El procedimiento de la reivindicación 8, en el que si una línea A particular tiene más de entre aproximadamente un 10 % y aproximadamente un 30 % de píxeles en la primera ventana de búsqueda que se marcan como una rama candidata, se marca esa línea A en esa banda de búsqueda como correspondiente a una rama.

10. El procedimiento de la reivindicación 9, que comprende además la salida de un conjunto de líneas A para cada banda de búsqueda que corresponde a una rama candidata.

11. El procedimiento de la reivindicación 3, que comprende además generar una matriz de ramificación usando tramas de un retroceso, comprendiendo las tramas líneas A y datos angulares, en el que la matriz de ramificación comprende píxeles organizados por tramas a lo largo del retroceso y por líneas A a lo largo de ángulos que varían de 0 a 360 grados o mayor.

12. El procedimiento de la reivindicación 11 que comprende además retirar una región de aguja guía de la matriz de ramificación; y/o que comprende además eliminar las ramas que aparecen solo en una trama.

13. El procedimiento de la reivindicación 11, en el que cuando el intervalo angular de las líneas A es mayor que 360 grados, una primera sección de la matriz de ramificación se superpone con una segunda sección de la matriz de ramificación, comprendiendo el procedimiento además replicar píxeles de la matriz de ramificación para tener en cuenta la superposición.

14. El procedimiento de la reivindicación 7, en el que la primera banda de búsqueda varía de 0 a T/3, y en el que la segunda banda de búsqueda varía de T/3 a 2/3T, y en el que la tercera banda de búsqueda varía de 2/3T a T.

15. El procedimiento de la reivindicación 1 que comprende además validar una o más ramas laterales candidatas usando una matriz de ramificación, usando la matriz de ramificación generada píxeles seleccionados de dos o más bandas de búsqueda de la primera imagen de línea A, en el que la suma de las bandas de búsqueda es T, en el que la matriz de ramificación comprende píxeles organizados por tramas a lo largo del retroceso y por líneas A a lo largo de ángulos que varían de 0 a 360 grados o mayor.